本論文では、非常に困難ながら重要な課題に取り組んでいます。それは、衣服が変更される状況下での無監督長期人物再識別（unsupervised long-term person re-identification with clothes change）です。既存の無監督人物再識別手法は主に短期的なシナリオ向けに設計されており、通常RGBのヒントに依存しているため、衣服に依存しない特徴パターンを認識することができません。このボトルネックを打破するために、我々はシルエット駆動型対照学習（Silhouette-driven Contrastive Learning: SiCL）手法を提案します。SiCLは、対照学習フレームワーク内でRGBのヒントとシルエット情報を統合することで、衣服の変更に関わらず特徴量の不変性を学習することを目指しています。当該研究において、これは無監督長期衣服変更再識別（unsupervised long-term clothes change \reid{}）のために特別に設計された最初のフレームワークであり、6つのベンチマークデータセットで優れた性能を示しています。我々は代表的なデータセットすべてにおいて、提案したSiCL手法を最新の無監督人物再識別手法と比較する広範な実験を行いました。実験結果は、提案したSiCL手法が他の無監督再識別手法に対して大幅に優れていることを示しています。