تحديد هوية الأشخاص (Re-ID) يعد أحد التحديات الكبيرة في مجالات الرؤية الحاسوبية. يتمثل الهدف في مطابقة الصور لشخص واحد من زوايا كاميرات مختلفة، ويواجه هذا التحدي تعقيدات كثيرة نتيجة لتغيرات الإضاءة، والخلفيات، وخصائص الكاميرا، وتوزيعات السكان.

على الرغم من نجاح النماذج المشروطة في ظروف التدريب والاختبار المتطابقة، إلا أن أدائها يتدهور بشكل كبير عند نشرها في بيئات غير مألوفة.

تمثل مقاربات المجالات الوسيطة التقليدية مثل IDM وIDM++ خطوة مهمة نحو سد هذه الفجوة. ومع ذلك، تعاني هذه المقاربات من قيود تعتمد على استراتيجيات دمج ثابتة والوصول المشترك بين المصدر والهدف، مما يحد من قابلية تطبيقها في إعدادات متعددة المصادر وبدون مصدر.

لتجاوز هذه التحديات، قدَّمت الدراسة الجديدة نظاماً مبتكراً يُعرف باسم AIDA-ReID، أو التكيف الوسيط الديناميكي مع مجالات متعددة بدون مصدر (Source-Free Multi-Source Intermediate Domain Adaptation - SF-MIDA).

يتعامل الإطار المقترح مع التعلم في المجال الوسيط كعملية منظمة ديناميكيًا، حيث يتم التحكم في قوة الدمج والتنظيم بشكل تكيّفي باستخدام إشارات تغذية راجعة تعتمد على عدم اليقين من النموذج واستقرار التدريب. بالإضافة إلى ذلك، يتم استخدام مُولد مجال وسائط متعددة لابتكار تمثيلات وسائط متنوعة، بينما تضمن استراتيجية التنظيم باستخدام المرآة الوهمية الحفاظ على اتساق الهوية تحت الاضطرابات البيئية.

أظهرت التجارب الواسعة التي أجريت عبر إعدادات عمومية المجالات وبدون مصدر فعالية هذا الإطار المقترح في تحسين نتائج تحديد الهوية.