本研究提出了一种新颖的可见光-红外人员重识别方法，利用模态统一网络（MUN）和转移感知行人关注学习（TMPA）模型，显著提高了识别性能。通过动态建模模态特定和共享特征，解决了跨模态差异和类内变异问题，实验结果在多个数据集上优于现有方法。

本文介绍了一种动态双重注意聚合（DDAG）学习方法，旨在提高可见光-红外人员重识别（VI-ReID）的检索精度。通过模态统一网络（MUN）和特征学习框架，解决了跨模态差异和类内变异问题，显著提升了识别性能。实验结果表明，该方法在多个数据集上优于现有技术。