تهدف محاذاة النقاط المرجعية للوجه إلى اكتشاف النقاط المحددة مسبقًا على الوجه البشري، وقد تطور هذا المجال بشكل سريع بفضل التطورات الحديثة في الأساليب القائمة على الشبكات العصبية. ومع ذلك، يظل هذا المهمة تحديًا كبيرًا عند التعامل مع الوجوه في السياقات غير المقيدة، خاصة عند وجود تغيرات كبيرة في الاتجاهات (الوضعية). في هذه الورقة، نركز على مشكلة محاذاة النقاط المرجعية للوجه في ظل تغيرات كبيرة في الوضعية، ونعالج هذه المهمة باستخدام استراتيجية تقسيم-وتجزئة (Split-and-Aggregate). لتقسيم فضاء البحث، نقترح مجموعة من قوالب المُعلّم (anchor templates) كمرجعية للانحدار، والتي تعالج بفعالية التغيرات الكبيرة في وضعية الوجه. وبالاعتماد على التنبؤ الناتج عن كل قالب مُعلّم، نقترح تجميع النتائج، مما يقلل من عدم اليقين في تحديد النقاط المرجعية الناتج عن التغيرات الكبيرة في الوضعية. بشكل عام، تحقق الطريقة المقترحة، التي أطلقنا عليها اسم AnchorFace، نتائج من الطراز الرائد (state-of-the-art) بسرعة استجابة فائقة الكفاءة على أربع مجموعات بيانات صعبة، وهي AFLW و300W وMenpo وWFLW. وسيكون الكود متاحًا على الرابط: https://github.com/nothingelse92/AnchorFace.