رغم التقدم الكبير الذي شهده توجيه الصور الوجهية في السنوات الأخيرة، لا يزال هناك مجال للتحسين في خوارزميات توجيه الوجه ذات الدقة العالية والسرعة العالية، خاصة في التطبيقات التي تكون فيها الموارد الحاسوبية محدودة. ولحل هذه المشكلة، نقترح خوارزمية جديدة لتحديد نقاط الملامح الوجهية من خلال دمج الانحدار العالمي مع التحسين المحلي. وبشكل خاص، تُقدّم خوارزميتنا، بالنسبة لصورة معطاة، تقدير الشكل الوجهية الشامل باستخدام شبكة انحدار عالمي (GRegNet)، ثم تُستخدم شبكات تحسين محلي متسلسلة (LRefNet) لتحسين نتيجة التوجيه تدريجيًا. وتميّز خوارزميتنا عن الخوارزميات السابقة بمشاركة الميزات من المستويات الدنيا في GRegNet مع LRefNet. وتُعد هذه المشاركة ميزة رئيسية، إذ تُحسّن بشكل كبير كفاءة الخوارزمية، كما تسمح باستغلال كامل للتفاصيل الغنية الحساسة للمنطقة التي تحملها طبقات الشبكة السطحية، مما يؤدي إلى رفع دقة تحديد الملامح. وقد تمت التحقق بوضوح من مزايا خوارزميتنا من خلال تجارب شاملة على أربع معايير شهيرة لتوجيه الوجه: 300-W، AFLW، COFW، وWFLW. وعلى جميع المجموعات، أنتجت خوارزميتنا دقة توجيه من الدرجة الأولى، مع الحفاظ على أقل تعقيد حسابي ممكن.