三维人脸密集对齐与重建在野外环境中是一项具有挑战性的任务，因为遮挡和大姿态人脸图像中通常会缺失部分面部信息。头部姿态的大范围变化也增加了解空间的复杂度，使得建模更加困难。我们的核心思想是通过建模遮挡和姿态，将这一复杂的任务分解为几个相对更容易管理的子任务。为此，我们提出了一种端到端框架，称为自对齐双脸回归网络（Self-aligned Dual face Regression Network, SADRNet），该网络可以预测依赖于姿态的人脸和独立于姿态的人脸。这两种人脸通过一种考虑遮挡的自对齐方法结合，生成最终的三维人脸。在两个流行的基准数据集AFLW2000-3D和Florence上进行的大量实验表明，所提出的方法在性能上显著优于现有的最先进方法。