在过去十年中，面部对齐技术取得了显著进展。近期的研究重点之一是将密集的3D面部形状对齐到具有大头部姿态的面部图像上。目前主流的技术是基于级联回归器（如卷积神经网络CNN），该方法已显示出令人鼓舞的结果。然而，级联CNN存在若干缺点，例如缺乏端到端训练、手工设计的特征以及较慢的训练速度。为了解决这些问题，我们提出了一种新的层——可视化层，可以将其集成到CNN架构中，并实现与不同损失函数的联合优化。在多个数据集上对所提出的方法进行了广泛评估，结果表明其精度达到了现有技术的最先进水平，同时相比典型的级联CNN减少了超过一半的训练时间。此外，我们还比较了多种带有可视化层的CNN架构，进一步展示了其应用的优势。