異なるカメラ間で顕著なクラス内差異が存在し、一部の歩行者が衣服を着替えるなどの変化により識別が低下する問題に対して、生成対抗ネットワーク（GAN）によるデータ生成と歩行者再識別の学習をエンドツーエンドで統合した共同学習フレームワークを提案する。まず、DGNetネットワークをベースに、生成器および識別器の残差ブロックResBlockをDenseBlockに置き換え、特徴伝播を強化し勾配消失問題を回避する。次に、生成モジュールは外観と構造のエンコーディングを切り替えて高品質な合成画像を生成する。最後に識別モジュールに新しい注意機構（NAM）を導入し、重要度の低いウェイトを抑制し、必要なターゲット領域により注目させる。生成モジュールで生成された画像はオンラインで識別モジュールにフィードバックされ画像の真偽を判別し、同時に結果は歩行者再識別モジュールにフィードバックされ分類識別を行う（識別モジュールと歩行者再識別モジュールは共有されている）。Market-1501、DukeMTMC-reIDデータセットにおいて、rank-1/mAPはそれぞれ95.7%/88.6%および87.1%/75.7%に達する。

歩行者再識別; 外観エンコーディング; 構造エンコーディング; GAN; DenseBlock; NAM