遮蔽人物再識別（Occluded Person Re-ID）は、部分的に隠れた人物画像と全体像の画像をマッチングする人物検索タスクである。遮蔽Re-IDの課題に対処するために、部位ベースの手法が有益であることが示されている。これらの手法は細かい情報提供が可能であり、部分的に見える人体を表現するのに適しているからである。しかし、部位ベースのモデルを訓練することは以下の2つの理由から困難な課題となっている。第一に、個々の体部位の外見は全体的な外見ほど識別力がない（異なるIDでも同じ局所的な外見を持つ場合がある）。これは、標準的なRe-ID訓練目標が身元ラベルを使用しているため、局所特徴学習には適していないことを意味する。第二に、Re-IDデータセットには人間の地形図的な注釈が提供されていない。本研究では、上記の問題を解決するために部位ベースのRe-IDモデルBPBreIDを提案する。まず、体部位アテンションマップを予測し、Re-ID対象の部位ベース特徴量を生成する2つのモジュールを設計した。次に、遮蔽や非識別的な局所外見に対して頑健な部位ベース表現を学習する新しい訓練スキームGiLt（Global and Local Training Scheme）を提案した。一般的な全体像データセットと遮蔽データセットでの広範な実験により、提案手法の有効性が示された。特に困難なOccluded-Dukeデータセットにおいては、最新手法よりも0.7% mAPおよび5.6% rank-1精度で優れていることが確認された。当該コードはhttps://github.com/VlSomers/bpbreid で公開されている。注：「人間の地形図的な注釈」は一般的な日本語表現ではないため、「human topographical annotations」を直訳しています。「地形図的」という言葉が適切かどうかは文脈によって異なる可能性がありますので、必要に応じて専門家の意見を求めることをお勧めします。