无监督行人重识别旨在从不同摄像机拍摄的画面中识别同一行人，然而，摄像机属性差异（如对比度、饱和度和分辨率）常影响识别准确性。针对这一问题，本文提出了创新的 CDE-Learning 方法。该方法通过设计相机偏差补偿（CDC）模块，有效对齐不同摄像机的数据分布，减少聚类中的偏差，优化伪标签质量；相机偏差平衡（CDB）模块将不同相机约束集成于统一损失函数中，自适应构建对比对，避免复杂参数调整，提升模型适应性；相机属性辅助（CAA）任务则进一步增强模型对背景的理解，隐式提升区分相机偏差的能力。