في هذه الدراسة، نوضح أن مهمة الكشف عن المعالم أو تسوية الوجه ليست مشكلة منفصلة ومستقلة. بدلاً من ذلك، يمكن تحسين ثباتها بشكل كبير باستخدام معلومات إضافية. بصفة خاصة، نقوم بتحسين الكشف عن المعالم بشكل مشترك مع التعرف على خصائص وجه متباينة ولكن ذات صلة دقيقة، مثل الجنس والتعبير والخصائص البصرية. وهذا ليس بالأمر السهل لأن مهام استدلال الخصائص المختلفة لديها صعوبات تعلم مختلفة ومعدلات تقارب مختلفة. لحل هذه المشكلة، قمنا بصياغة نموذج عميق جديد مقيد بالمهام، والذي لا يتعلم فقط ارتباطات بين المهام بل يستخدم أيضًا معاملات مهام ديناميكية لتسهيل التقارب عند تعلم مهام معقدة متعددة. أظهرت التقييمات الواسعة أن التعلم المقيد بالمهمة (i) يتفوق على طرق تسوية الوجه الحالية، خاصة في التعامل مع الوجوه التي تعاني من إغلاق شديد وتغير وضعيات، و (ii) يقلل بشكل كبير من تعقيد النموذج مقارنة بالطرق الرائدة المستندة إلى النماذج العميقة المتسلسلة (cascaded deep model).