ヒートマップ回帰（HR）は、顔合わせの主要な手法の一つとなり、制約のある環境下で有望な結果をもたらしています。しかし、顔画像が大きな姿勢変動、重い遮蔽、複雑な照明条件にさらされる場合、生成されたランドマークヒートマップの低解像度と重要な高次情報の排除により、HR手法の性能が大幅に低下します。これらの高次情報は、より識別力のある特徴を学習するために利用できます。本論文では、極端に大きな姿勢変動と重い遮蔽を持つ顔の合わせ問題に対処するため、ヒートマップサブピクセル回帰（HSR）手法と多階層クロスジオメトリ感知モデル（MCG）を提案し、これらを新しい多階層高精度アワーガラスネットワーク（MHHN）に無縫隙に統合しました。HSR手法は、サブピクセル検出損失（SDL）とサブピクセル検出技術（SDT）を用いて高精度なランドマーク検出を実現することを目指しています。一方、MCGモデルは提案された多階層クロス情報を用いてより識別力のある表現を学習し、顔の幾何学的制約とコンテキスト情報を強化することができます。当研究グループが知る限りでは、本研究はヒートマップサブピクセル回帰を用いた堅牢かつ高精度な顔合わせの探索を行う最初の研究です。挑戦的なベンチマークデータセットからの実験結果は、当手法が文献に報告されている最先端手法よりも優れていることを示しています。