面部对齐是指将面部模型拟合到图像中并提取面部像素的语义意义，一直是计算机视觉领域的研究热点。然而，大多数算法都是为小到中等姿态（偏航角小于45度）的面部设计的，缺乏处理大姿态（偏航角高达90度）面部的能力。这一问题存在三个主要挑战。首先，常用的地标面部模型假设所有地标都是可见的，因此不适合处理大姿态的情况。其次，从正面视图到侧面视图，大姿态下的面部外观变化更为剧烈。最后，由于需要猜测不可见的地标位置，大姿态下的地标标注极为困难。在本文中，我们提出了一种新的对齐框架——三维密集面部对齐（3D Dense Face Alignment, 3DDFA），通过级联卷积神经网络将密集的三维可变形模型（3D Morphable Model, 3DMM）拟合到图像上。此外，我们还利用三维信息合成了侧面视图的面部图像，以提供丰富的训练样本。在具有挑战性的AFLW数据库上的实验表明，所提出的方法相比现有最先进方法取得了显著改进。