遮蔽人物再识别（ReID）は、外観に基づいて遮蔽された個人をマッチングする計量学習タスクです。多くの研究が物体による遮蔽に対処していますが、複数人の遮蔽はまだ十分に探究されていません。本研究では、以前の遮蔽ReID手法で見落とされていた重要な課題を特定し、解決しました。それは、同じバウンディングボックス内に複数の個人が見える場合に生じる多者間曖昧性（Multi-Person Ambiguity, MPA）であり、候補の中から目的のReID対象を特定することが不可能になります。視覚分野における最近のプロンプトに関する研究から着想を得て、キーポイントプロンプト可能なReID（Keypoint Promptable ReID, KPR）という新しい問題設定を導入しました。この設定では、入力のバウンディングボックスに加えて、目的の対象を示す一連の意味的なキーポイントを明示的に補完します。プロンプト可能な再識別は未探索のパラダイムであるため、既存のReIDデータセットにはプロンプトに必要なピクセルレベルのアノテーションが欠けています。このギャップを埋め、本題に関するさらなる研究を促進するために、強力な人物間遮蔽を持つキーポイントラベル付き新しいReIDデータセット「Occluded-PoseTrack ReID」を導入しました。さらに、4つの人気のあるReIDベンチマークに対してカスタムキーポイントラベルも公開しています。人物検索や姿勢追跡における実験結果は、当方の手法が様々な遮蔽シナリオにおいて従来の最先端手法を系統的に上回ることを示しています。コード、データセットおよびアノテーションは https://github.com/VlSomers/keypoint_promptable_reidentification で入手可能です。