人物再識別（re-ID）は、異なるカメラで撮影された画像から同一人物を認識することを目的としている。この困難なタスクに対処するため、従来のre-IDモデルは大量のラベル付き学習データに依存しているが、これは実世界の応用において現実的ではない。この制約を緩和するために、最近の研究はクロスデータセットre-IDに注目しており、ラベル付きのソースドメインデータセットが与えられた条件下で、識別的な能力をラベルなしのターゲットドメインに一般化することを目的としている。この目標を達成するために、本研究ではポーズとドメイン情報が適切に分離された深層画像表現を学習することを目的とした、ポーズ分離および適応ネットワーク（PDA-Net）を提案する。学習されたクロスドメインポーズ不変特徴空間により、PDA-Netは人物のラベルなしでドメイン間のポーズ分離を実現可能となり、得られた特徴はクロスデータセットre-IDに適用可能となる。2つのベンチマークデータセットにおける定性的および定量的評価結果から、本手法の有効性と、最先端のクロスデータセットre-ID手法に対する優位性が確認された。