For Cross-Domain person Re-ID 文献速览
Instance-Guided Context Rendering for Cross-Domain Person Re-Identification
Idea：使用U-net网络，生成源域行人图像和目标域背景相结合的多张图像，扩充数据集的延展性。
Loss：使用了四种loss帮助网络进行训练，
Adversarial Loss，Camera Loss，Context Loss，Identity Loss
Adaptive Transfer Network for Cross-Domain Person Re-Identification
这篇文章的特殊之处在于，是从三个方面进行如下转换，光照差异、摄像头角度差异、分辨率差异。在此基础上，利用三者进行风格迁移。
作者：从天而降小可爱
Idea：使用U-net网络，生成源域行人图像和目标域背景相结合的多张图像，扩充数据集的延展性。
Loss：使用了四种loss帮助网络进行训练，
Adversarial Loss，Camera Loss，Context Loss，Identity Loss
Adaptive Transfer Network for Cross-Domain Person Re-Identification这篇文章的特殊之处在于，是从三个方面进行如下转换，光照差异、摄像头角度差异、分辨率差异。在此基础上，利用三者进行风格迁移。
3， Image-Image Domain Adaptation with Preserved Self-Similarity and Domain-Dissimilarity for Person Re-identification
早期基于CycleGAN的风格迁移模型，主要是
SPGAN = CycleGAN + L(ide)+L(con)
4，Progressive Pose Attention Transfer for Person Image Generation（详解）
文章的主要贡献，是设计了一个渐进式的姿态转移注意力机制模块，并使用这个这个模块作为生成器。
文章主要思想：使用注意力机制更好的关注到行人姿态的兴趣区域，引导生成器更好的关注行人的外观特征表示和姿态特征表示。
设计了一个姿态注意力机制网络（Pose-Attention Transfer Network），重点关注pose机制 更新image feature的同时，也在更新pose feature 设计了两个判别器，一个判别图像，一个判别姿态作者：从天而降小可爱
