مع تزايد حجم نماذج التعلم العميق مع مرور السنوات، حيث تجاوزت أحيانًا مليار معلمة، يزداد أيضًا الطلب على مجموعات بيانات تدريب كبيرة ومُعلَّمة. ولتخفيف هذه المشكلة، يزداد الاهتمام بالتعلم ذاتي التوجيه (self-supervised learning). في هذا المجال، ومع صعود الشبكات التوليدية التنافسية (GANs) وخصوصًا StyleGAN، تتحسن جودة توليد الصور بشكل ملحوظ. في هذا البحث، نقترح استخدام StyleGAN لأغراض توجيه الوجه (face alignment) باستخدام كميات محدودة من بيانات التدريب، بدلًا من توليد الصور. يعتمد الإطار المقترح، المسمى "Face Alignment using StyleGAN Embeddings" (FASE)، على إسقاط الصور الحقيقية إلى الفضاء الخفي لـ StyleGAN، ثم التنبؤ بنقاط الملامح الوجهية من المتجهات الخفية. ويحقق هذا الأسلوب أداءً متقدمًا على عدة مجموعات بيانات توجيه الوجه في ظل بيئة التعلم القليل (few-shot).