注意機構は、個人再識別（Re-ID）において効果的であることが示されています。しかし、学習された注目特徴量埋め込みは、しばしば自然に多様性を持たず、相関しないものではないため、ユークリッド距離に基づく検索性能を損なう可能性があります。私たちは、多様性の強制が注目機構の力を大幅に補完することができると主張します。この目的のために、代表的で堅牢かつより識別力のある特徴量を学習するために、注意モジュールと多様性正則化をネットワーク全体にシームレスに統合した「注目かつ多様なネットワーク」（Attentive but Diverse Network: ABD-Net）を提案します。具体的には、チャンネル集約と位置認識にそれぞれ焦点を当てる一対の補完的な注意モジュールを導入します。さらに、隠れ層の活性化と重みに対して直交性を強制する新しい効率的な直交制約の形式を導出しました。慎重なアブレーション研究を通じて、提案された注目項および多様性項がそれぞれABD-Netの性能向上に寄与することを確認しています。3つの主要なベンチマークデータセットにおいて、ABD-Netは既存の最先端手法よりも一貫して優れた性能を発揮しています。