论文链接：http://arxiv.org/abs/2511.15016 代码仓库：https://github.com/PKU-ICST-MIPL/CKDA-AAAI2026 终身行人重识别 旨在持续学习新增数据中不断涌现的新增行人鉴别性信息，同时保持对已知数据的识别能力，在公共安防、社区管理、运动分析等场景中具有重 要的研究和应用价值。 随着白天可见光图像和夜晚红外图像被不断采集，现有终身行人重识别方法需要持续学习特定模态中的新知识（例如：仅适用于红外模态中的热辐射信息）。 然而，特定模态中新知识的学习过程阻碍了模态间公共旧知识（例如：同时适用于可见光与红外模态的人体体态信息）的保留，导致了单模态专用知识的获取与 跨模态公共知识的保留间的冲突，进而限制了持续学习场景下平衡不同模态中行人鉴别性知识的能力。 针对这一问题， 北京大学彭宇新教授团队 提出了 跨模态知识解耦与对齐的可见光 - 红外终身行人重识别方法 CKDA， 通过跨模态通用提示模块与单模态专用提 示模块显式地解耦并净化不同模态通用与特定模态专用的鉴别性信息，从而避免二者间的相互干扰，并在一对彼此独立的模态内与模态间特征空间中分别对齐解 耦后的新 ...