من المعروف جيدًا أن إعادة تحديد الشخص (Person ReID) يعتمد بشكل كبير على معلومات النسيج البصري مثل الملابس. وعلى الرغم من التقدم الكبير الذي تم إحرازه في السنوات الأخيرة، إلا أن الظروف التي تسبب ارتباكًا في النسيج، مثل تغيير الملابس أو ارتداء الأشخاص نفس الملابس، لم تلق اهتمامًا كبيرًا من معظم الطرق الحالية لـ ReID. في هذه الورقة، بدلًا من الاعتماد على معلومات تعتمد على النسيج، نقترح تحسين مقاومة نظام ReID للملابس من خلال استغلال معلومات شكل الشخص ثلاثي الأبعاد. تتجاهل الطرق الحالية لتعلم الشكل إما معلومات الشكل ثلاثي الأبعاد للشخص، أو تتطلب أجهزة فيزيائية إضافية لجمع بيانات المصدر ثلاثية الأبعاد. على النقيض من ذلك، نقترح إطارًا جديدًا لتعلم ReID يستخرج مباشرةً تمثيلًا ثلاثي الأبعاد غير حساس للنسيج من صورة ثنائية الأبعاد، من خلال إضافة مهمة إعادة بناء الجسم ثلاثي الأبعاد كمهمة مساعدة وتنظيم، ويُسمى بـ 3D Shape Learning (3DSL). يُجبر تنظيم إعادة البناء ثلاثي الأبعاد النموذج على فصل معلومات الشكل ثلاثي الأبعاد عن النسيج البصري، وتحقيق ميزات ReID ثلاثية الأبعاد تمييزية. ولحل مشكلة عدم توفر بيانات الحقيقة الثلاثية الأبعاد، صممنا نموذجًا ذاتيًا مُشَجِّعًا (ASSP) يقوم بإعادة بناء الشكل ثلاثي الأبعاد دون الحاجة إلى بيانات حقيقية. وقد أثبتت التجارب الواسعة على مجموعات بيانات ReID الشائعة، وكذلك على مجموعات بيانات مزيفة تتعلق بالنسيج، فعالية نموذجنا.