本研究旨在提升物体再识别表现，通过使用原型对比学习（PCL）损失直接微调CLIP的图像编码器，消除了prompt learning的需要。实验结果证明了该方法在人物和车辆再识别数据集上的竞争力，并在无监督场景中达到了最新的表现。

本研究通过使用PCL损失直接微调CLIP的图像编码器，提高了物体再识别的表现，无需prompt learning。实验结果表明，该方法在人物和车辆Re-ID数据集上具有竞争力，并在无监督场景中表现优异。

本研究旨在通过使用原型对比学习（PCL）损失直接微调CLIP的图像编码器，将大规模预先训练的视觉语言模型适应各种监督设置下物体再识别的表现提升。实验结果证明了该方法在人物和车辆Re-ID数据集上具有竞争力，并在无监督场景中达到了最新的表现。