本稿では、可視光・熱画像人物再識別（VT-ReID）に向けた概念的に単純かつ効果的な二重粒度のトリプレット損失を提案します。一般的に、ReIDモデルはサンプルベースのトリプレット損失と細かい粒度レベルからの識別損失で訓練されます。クラス中心の損失が導入されると、粗い粒度レベルからクラス内のコンパクトさとクラス間の区別性を促進することが可能です。我々が提案する二重粒度のトリプレット損失は、階層的な細かい粒度から粗い粒度への方法でサンプルベースのトリプレット損失とクラス中心のトリプレット損失を良好に整理し、プーリングやバッチ正規化などの典型的な操作の簡単な設定によって実現できます。RegDBおよびSYSU-MM01データセットでの実験結果は、グローバル特徴量のみを使用した場合でも、我々の二重粒度のトリプレット損失がVT-ReID性能を大幅に向上させることを示しています。これは、今後の研究において高品質な強力なVT-ReIDベースラインとなる可能性があります。