في الآونة الأخيرة، أظهرت طرق إعادة بناء الوجه ثلاثي الأبعاد المستندة إلى التعلم العميق نتائج واعدة من حيث الجودة والكفاءة. ومع ذلك، فإن تدريب الشبكات العصبية العميقة يتطلب عادةً كمية كبيرة من البيانات، بينما تكون صور الوجوه التي تحتوي على أشكال الوجوه ثلاثية الأبعاد الحقيقية نادرة. في هذا البحث، نقترح نهجًا جديدًا لإعادة بناء الوجه ثلاثي الأبعاد يعتمد على:1) استخدام دالة خسارة هجينة قوية للتعلم شبه المشرف (weakly-supervised learning) تأخذ بعين الاعتبار المعلومات على مستوى منخفض ومعلومات المستوى الإدراكي (perception-level information) للإشراف.2) إجراء إعادة بناء الوجه باستخدام صور متعددة من خلال استغلال المعلومات التكميلية من الصور المختلفة لدمج الشكل.طريقتنا سريعة ودقيقة ومقاومة للتغطية والإرتفاعات الكبيرة (large pose). وقد أجرينا تجارب شاملة على ثلاثة مجموعات بيانات، مقارنة طريقتنا بشكل منهجي مع خمس عشرة طريقة حديثة وأظهرنا أدائها الرائد في هذا المجال.