顔のパース링は、メイクアップや顔画像生成など多岐にわたる応用可能性から、近年ますます注目を集めている。本論文では、顔のパースリングタスクに向け、2つの観点から貢献を行う。まず第一に、ピクセルレベルの顔のパースリングラベル付けに向けた高効率なフレームワークを開発し、新たな大規模なランドマーク誘導型顔パースリングデータセット「LaPa（Landmark-guided face Parsing dataset）」を構築した。LaPaは表情、姿勢、オクルージョンの多様な変化を含む22,000枚以上の顔画像から構成されており、各画像には11カテゴリのピクセルレベルラベルマップと106点のランドマークが付与されている。このデータセットは、顔のパースリング技術の進展を促進するため、研究コミュニティに公開されている。第二に、境界情報を効果的に活用するためのシンプルかつ有効な境界注意力を備えたセマンティックセグメンテーション手法「Boundary-Attention Semantic Segmentation（BASS）」を提案する。本手法は、境界情報を十分に活かすために精巧に設計された損失関数を備えた三本のブランチからなるネットワーク構造を採用している。提案手法は、自ら構築したLaPaベンチマークおよび公開されているHelenデータセットにおいて、広範な実験を通じて優れた性能を示した。