無監督クロスドメイン人物再識別（Re-ID）は、2つの主要な課題に直面しています。1つ目は、ソースドメインとターゲットドメイン間のデータ分布の不一致であり、2つ目はターゲットドメインでのラベリング情報の欠如です。本論文では、これらの課題を表現学習の観点から解決することを目指しています。まず1つ目の課題について、人物Re-IDにおいてカメラレベルのサブドメインが存在するという特徴に注目し、カメラ意識型ドメイン適応を開発しました。これにより、ソースドメインとターゲットドメイン間だけでなく、これらのサブドメイン間の不一致も軽減されます。次に2つ目の課題について、ターゲットドメイン内の各カメラにおける時間的連続性を利用することで判別情報を生成します。これは訓練プロセス中で徐々に改善される特徴表現を最大限に活用するために、各バッチ内でオンラインで動的にトリプレットを生成することによって実現されます。以上の2つの手法を組み合わせることで、新しい無監督深層ドメイン適応フレームワークが提案されました。ベンチマークデータセット上の実験およびアブレーションスタディにより、その優れた性能と興味深い特性が示されています。