本研究提出了一种分布感知遗忘补偿（DAFC）模型，旨在解决长期行人重识别中的知识保留问题。该模型通过跨域共享表示学习和域特定分布整合，显著提升了知识保留能力，实验结果表明其性能优于现有技术。

本研究提出了一种新方法DASK，旨在解决终身行人重识别中的灾难性遗忘问题。通过建模旧领域分布来增强知识巩固，实验结果表明其防遗忘和泛化能力分别提升了3.6%-6.8%和4.5%-6.5%。

本研究提出动态模态-相机不变聚类（DMIC）框架，旨在解决无监督可见-红外行人重识别中的身份过度拆分问题，从而显著提升跨模态关联的准确性和可靠性。