본 논문은 이란을 포함한 이슬람 지역의 독특한 복장 스타일을 고려한 사람 재식별(ReID) 데이터셋인 IUST_PersonReId를 소개합니다. 기존 ReID 모델들은 서구 및 동아시아 패션 중심의 데이터셋으로 학습되어 이란과 같은 지역에서의 적용에 어려움을 겪습니다. IUST_PersonReId는 시장, 캠퍼스, 모스크 등 다양한 이란의 환경에서 촬영되었으며, 이를 통해 기존 모델의 성능 저하(SOLIDER는 Market1501 대비 50.75%, MSMT17 대비 23.01% mAP 감소, CLIP-ReID는 Market1501 대비 38.09%, MSMT17 대비 21.74% mAP 감소)를 보이며, 가림 현상 및 제한적인 특징으로 인한 어려움을 보여줍니다. 시계열 기반 평가는 시간적 맥락을 활용함으로써 성능 향상을 보여주어 문화적 맥락을 고려한 강건한 ReID 시스템 개발의 잠재력을 제시합니다.
