تهدف إعادة تحديد الشخص غير المُراقبة (ReID) إلى تعلم ميزات هوية تمييزية دون استخدام تسميات. في الآونة الأخيرة، اكتسب التعلم التبايني الذاتي المُراقب اهتمامًا متزايدًا بفضل فعاليته في التعلم الممثّل غير المُراقب. وترتكز الفكرة الأساسية للتعلم التبايني للحالات على مطابقة نفس الحالة في وجهات تكبير مختلفة. ومع ذلك، لم تُستكشف العلاقة بين الحالات المختلفة بشكل كامل في الطرق التباينية السابقة، وخاصةً بالنسبة لخسارة التباين على مستوى الحالة. ولحل هذه المشكلة، نقترح طريقة تسمى "ترميز التباين بين الحالات" (ICE)، التي تُستفيد من درجات التشابه الزوجية بين الحالات لتعزيز الطرق السابقة لـ ReID التباينية على مستوى الفئة. نستخدم أولاً ترتيب التشابه الزوجي كعلامات وهمية صريحة (one-hot hard pseudo labels) للحالة الصعبة في التباين، بهدف تقليل التباين الداخلي للصف. ثم نستخدم درجات التشابه كعلامات وهمية لينة (soft pseudo labels) لتعزيز الاتساق بين المقاطع المُكبرة والمقاطع الأصلية، مما يجعل نموذجنا أكثر مقاومةً للتشويش الناتج عن التكبير. وقد أكدت التجارب على عدة مجموعات بيانات كبيرة لإعادة تحديد الشخص أن طريقة ICE غير المُراقبة المقترحة فعّالة، وتنافس حتى الطرق المُراقبة. تم إتاحة الكود على الرابط التالي: https://github.com/chenhao2345/ICE.