顔のアライメントは、コンピュータビジョン分野における古典的な問題です。これまでの研究では、主に限られた数の顔のランドマーク点を用いたスパースアライメント、つまり顔のランドマーク検出に焦点が当てられてきました。本論文では初めて、大姿勢の顔画像に対する非常に密な3Dアライメントを提供することを目指しています。この目標を達成するために、CNN（畳み込みニューラルネットワーク）を訓練して3D顔形状を推定します。これにより、限られた数の顔のランドマークだけでなく、顔輪郭とSIFT特徴点も適合させることができます。さらに、異なるデータセット間で異なるランドマークマーキング（5点、34点、68点など）があるため、複数のデータセットを使用してCNNを訓練する際のボトルネックも解決しています。実験結果は、本手法が高品質で密な3D顔適合を提供するとともに、挑戦的なデータセットにおいて最先端の顔ランドマーク検出方法よりも優れていることを示しています。また、テスト時にはリアルタイムでモデルを実行することができます。