頭部の向き推定は、幅広い応用を持つ難問であり、コンピュータビジョン分野で長年研究が重ねられてきました。しかし、現在の最先端システムでも遮蔽物がある場合に性能が低下し、多くのタスクアプリケーションにおいて信頼性が低いという問題があります。本研究では、遮蔽物のある状況での頭部姿勢推定（HPE）の問題に対して新しい深層学習アプローチを提案します。この戦略は潜在空間回帰を基盤とし、遮蔽物のあるシナリオにおける問題の構造化を改善するための重要な鍵となっています。我々のモデルは、遮蔽物のあるHPEに対するいくつかの最先端手法を上回り、非遮蔽状況下でも同等の精度を達成しています。本研究では、以下の点から提案手法の有用性を示します：(i) BIWIおよびAFLW2000データセットの2つの合成的に遮蔽されたバージョン、(ii) Pandoraデータセットの実際の生活環境における遮蔽物、(iii) 顔に頻繁に遮蔽が発生する人間-ロボット相互作用シナリオへの実際の応用例として、特にロボットアームによる自動給餌を取り上げます。