背景：以前的方法试图使用特征级约束同时减少外观和形态差异，但是仅仅依靠特征级的约束来处理跨模态数据是不够的。
创新：作者将跨模态差异（rgb和ir特征差异）和内模态差异(姿态、视角)分开处理。提出了 Dual-level Discrepancy Reduction Learning 框架。
??在输入普通的跨模态re-id网络之前，作者对输入形式进行处理。先将rgb和ir图像特征映射到一个统一的空间。
在统一图像表示的图像级模态约简后，图像的间隙比原图像空间的间隙小得多。 因此，特征级嵌入可以有效地减少剩余的外观差异
Learning to Reduce Dual-level Discrepancy for Infrared-Visible Person Re-identification（cvpr2019）
原文：https://www.cnblogs.com/A-A1/p/13965617.html