最近、ヒートマップ回帰モデルは顔ランドマークの位置推定において主流となっている。計算コストを抑えるとともにメモリ使用量を削減するため、従来の手法では入力画像から出力ヒートマップまで一貫してダウンサンプリングが行われている。しかしながら、このダウンサンプリングによって生じる量子化誤差が実際の性能にどれほど影響を与えるかについては、これまでの研究では体系的に検討されてこなかった。本研究ではこの空白を埋め、初めて定量的に量子化誤差がもたらす負の影響を分析した。統計結果から、量子化誤差によって生じるNME（Normalized Mean Error）は、最先端（SOTA）手法の1/3以上に達することが明らかになった。これは顔アライメント分野における新たな飛躍を阻む深刻な障壁である。この量子化効果の影響を補うために、本研究では新たな手法「Heatmap In Heatmap（HIH）」を提案する。HIHは、座標を表現するためのラベルとして2種類のヒートマップを活用するものであり、一方のヒートマップの範囲が他方のヒートマップの1ピクセルに対応する構造となっている。さらに、他の分野の解決策と顔アライメントを統合して比較検証も行った。さまざまなベンチマークにおける広範な実験結果から、HIHの有効性が確認され、他の手法と比較して優れた性能を示した。特にWFLWデータセットにおいて平均誤差は4.18に達し、SOTAを大きく上回る成果を達成した。