تتغير مظهر الكائنات بشكل كبير مع تغيرات الوضعية. وهذا يشكل تحديًا ل schemes التضمين التي تسعى إلى تعيين الكائنات ذات نفس المعرفة (ID) إلى مواقع تكون أقرب ما يمكن. وتزداد هذه المشكلة حدة بشكل كبير في المهام المعقدة في رؤية الحاسوب، مثل إعادة التعرف (reID). في هذه الورقة، نقترح أن هذه التغيرات الكبيرة في المظهر تشير إلى أن معرف الكائن يتكون من مجموعات طبيعية متعددة، وأن محاولة إجبار الكائنات من مجموعات مختلفة على التواجد في موقع مشترك تكون غير مجدية. وهذا يقودنا إلى اقتراح طريقة استخراج ثلاثيات محفوظة للعلاقة (RPTM)، وهي طريقة موجهة بتوافق الميزات لاستخراج ثلاثيات، تضمن أن تُحترم المجموعات الفرعية الطبيعية داخل كل معرف كائن. نستخدم هذه الآلية لاستخراج خسارة ثلاثية مُراعية للوضعية وذات شروط جيدة، وذلك من خلال فرض اتساق في الرؤية ضمنيًا. وهذا يمكّن من تدريب شبكة واحدة باستخدام معلمات ثابتة عبر مجموعات بيانات مختلفة، مع تحقيق نتائج تفوق الحد الأقصى المتوفر حاليًا. يمكن الوصول إلى الكود عبر الرابط: https://github.com/adhirajghosh/RPTM_reid.