人物再識別（Re-ID）は、クロスビューのペアリングされた訓練データの不足と、大規模な姿勢変動が存在する状況下で判別的な身元感度のある視点不変特徴を学習することという二つの主要な課題に直面しています。本研究では、これらの問題に対処するために、ポーズに条件付けられた現実的な人物画像を合成する新しい深層人物画像生成モデルを提案します。このモデルは、Re-ID用に特に設計されたジェネレーティブ・アドバーサリアル・ネットワーク（GAN）に基づいており、これをポーズ正規化GAN（PN-GAN）と呼びます。合成された画像を使用することで、姿勢変動の影響を受けない新しいタイプの深層Re-ID特徴を学習することが可能になります。私たちは、この特徴が単独でも強力であり、元の画像から学習した特徴と相補的であることを示しています。特に、転移学習設定において、私たちのモデルが新たなRe-IDデータセットへの汎化性能が高いことを示しており、モデルの微調整のために訓練データを集める必要はありません。したがって、このモデルはRe-IDモデルを真にスケーラブルにする可能性を持っています。