본 논문은 unseen 카메라와 환경에서도 개인을 인식하는 것을 목표로 하는 일반화된 person re-identification (Re-ID)에 관한 연구를 제시합니다. DynaMix는 수동으로 레이블링된 multi-camera 데이터와 대규모 pseudo-labeled single-camera 데이터를 효과적으로 결합하는 새로운 방법입니다. 이 방법은 (1) on-the-fly 방식으로 single-camera identity의 pseudo-label을 개선하는 Relabeling Module, (2) 대규모 identity 공간에서도 견고한 identity 표현을 유지하는 Efficient Centroids Module, (3) 학습 복잡성과 intra-batch 다양성의 균형을 맞추기 위해 혼합된 데이터 미니 배치를 신중하게 구성하는 Data Sampling Module의 세 가지 핵심 구성 요소를 통해 훈련 데이터의 구조와 노이즈에 동적으로 적응합니다. 이러한 구성 요소들은 대규모 데이터셋(수백만 개의 이미지 및 수십만 개의 identity)에서 효율적으로 작동하도록 설계되었습니다. 실험 결과, DynaMix가 일반화된 person Re-ID에서 기존의 최첨단 방법들을 일관되게 능가함을 입증했습니다.
