提案法のネットワーク構造は画像のとおり．まず，画像左のように顔パーツのパッチを入力として，小規模なグループ(左目など)単位で処理を行うことで小さなオクルージョンに対応する．その後，階層的にグループを大きく(両目と両眉など)し，大きなオクルージョンに対応する．画像右のデコーダ―部分では逆に顔パーツ全体から，細かいパーツに分解するタスクを行うことで高精度な顔パーツ座標推定を実現している．

オクルージョンを含むデータセットであるCOFW29，COFW68，Masked 300WにおいてNMEおよびFRで評価．多くの項目で従来法を上回りSOTAを達成した．

オクルージョンという問題に対して，階層構造を組み込んだ新しいネットワークを提案し，高精度を達成していること．また，Transformerのように顔パーツのパッチを入力することで，従来法と比較して計算量の削減できていること．