التعرف على الوجه من مجموعات الصور الملتقطة في ظروف غير منظمة وغير خاضعة للرقابة، مثل المسافات الطويلة، والدقة المنخفضة، وزوايا الرؤية المتغيرة، والإضاءة، والمواقع، والظروف الجوية، يعتبر تحديًا كبيرًا. يلعب تجميع سمات الوجه، والذي يشمل دمج مجموعة من N تمثيلات السمات الموجودة في القالب إلى تمثيل عالمي واحد، دورًا محوريًا في مثل هذه أنظمة التعرف. تستخدم الأعمال الحالية في مجال تجميع السمات التقليدية إما البيانات الوصفية أو التمثيلات الوسيطة ذات الأبعاد العالية لتقدير جودة السمات للتجميع. ومع ذلك، فإن إنتاج بيانات وصفية عالية الجودة أو معلومات النمط ليس عمليًا للوجوه ذات الدقة المنخفضة جدًا التي يتم التقاطها في ظروف بعيدة المدى وعالية الارتفاع. لتجاوز هذه القيود، نقترح نهج تكييف توزيع السمات يُدعى CoNAN ( Conditioning on NAN ) لتجميع القوالب. بتحديد أكثر، يهدف أسلوبنا إلى تعلم متجه سياق مشروط بمعلومات توزيع مجموعة السمات الواردة، والذي يستخدم لتوزيع الأوزان على السمات بناءً على تقدير المعلومات التي تحتوي عليها. أنتجت الطريقة المقترحة نتائجًا رائدة على مجموعات بيانات التعرف على الوجوه غير الخاضعة للرقابة وبعيدة المدى مثل BTS وDroneSURF (طائرة بدون طيار)، مما يؤكد فوائد هذا الاستراتيجية للتجميع.