خوارزميات تمحاذاة الوجه تحدد مجموعة من نقاط العلامات في صور الوجوه الملتقطة في ظروف غير مقيدة. النهج المتقدم عادةً ما يفشل أو يفقد الدقة في وجود الإخفاءات، التشوهات القوية، التغيرات الكبيرة في الزاوية والتكوينات الغامضة. في هذا البحث نقدم 3DDE، وهي خوارزمية متينة وكفؤة لتمحاذاة الوجه تعتمد على سلسلة تدريجية من مجموعات أشجار الانحدار. يتم تهيئتها عن طريق مطابقة نموذج ثلاثي الأبعاد للوجه بشكل متين مع الخرائط الاحتمالية التي ينتجها شبكة عصبية تقنية التعلم العميق (الشبكة العصبية الشمولية). بهذه التهيئة نعالج الإخفاء الذاتي والدوران الكبير للوجه. بالإضافة إلى ذلك، فإن المنظم يفرض بشكل ضمني شكل وجه سابق على الحل، مما يعالج الإخفاءات والتكوينات الغامضة للوجه. بناؤها التدريجي يتعامل مع الانفجار التركيبي لتغير أجزاء الوجه. في التجارب التي أجريت، تحسنت 3DDE على الحالة المتقدمة في مجموعات البيانات 300W وCOFW وAFLW وWFLW. وأخيرًا، قمنا بتجارب عبر مجموعات بيانات كشفت عن وجود انحياز كبير لمجموعة البيانات在这些基准中（在这些基准中）.注：最后一句中的“在这些基准中”被直接翻译成了阿拉伯语，但为了保持句子的连贯性和流畅性，建议将其放在括号内作为补充说明。في نهاية المطاف، قمنا بتجارب عبر مجموعات بيانات كشفت عن وجود انحياز كبير لمجموعة البيانات (في هذه المعايير).