رغم أن الشبكات العصبية العميقة حققت دقة معقولة في حل مسألة توزيع الوجه، إلا أنها لا تزال مهمة صعبة، خاصة عند التعامل مع صور الوجوه التي تعاني من التغطية أو وضعيات الرأس القصوى. تعتبر الانحدار المستند إلى الخريطة الحرارية (HBR) والانحدار المستند إلى الإحداثيات (CBR) من بين الأساليب الرئيسية المستخدمة لتوزيع الوجه. تحتاج أساليب CBR إلى ذاكرة حاسوبية أقل، رغم أن أدائها يقل عن أساليب HBR. في هذا البحث، نقترح خسارة الانحدار المستند إلى الإحداثيات المتكيفة (ACR) لتحسين دقة CBR في توزيع الوجه. مستوحىً من نموذج الشكل النشط (ASM)، ننشئ أشياء وجوه سلسة، وهي مجموعة نقاط علامات واجهة تحتوي على تباينات أقل مقارنة بنقاط علامات الواجهة الحقيقية. ثم نقدم طريقة لتقدير مستوى الصعوبة في التنبؤ بكل نقطة علامة للشبكة من خلال مقارنة توزيع نقاط علامات الواجهة الحقيقية وأشياء الوجوه السلسة المقابلة لها. يمكن للخسارة المقترحة ACR أن تعديل انحنائها وتؤثر بشكل متكيف على أساس مستوى الصعوبة في التنبؤ بكل نقطة علامة في وجه. وفقًا لذلك، فإن خسارة ACR تقود الشبكة نحو النقاط الأكثر تحديًا بدلاً من النقاط الأسهل، مما يحسن دقة مهمة توزيع الوجه. تظهر تقييماتنا الواسعة قدرات الخسارة المقترحة ACR في التنبؤ بنقاط علامات الوجه في صور واجهات مختلفة.