Teknologi 3D face reconstruction tidak lepas dari perkembangan face align- ment. Salah satu metode yang diterapkan dalam pembuatan teknologi face align- ment adalah Position Map Regression Network (PRNet). Pada pengujian dengan dataset uji AFLW2000-3D, metode PRNet menjadi metode terbaik pada teknologi 3D face reconstruction, namun performansi face alignment pada metode ini tidak sebanding dengan beberapa metode baru.
Pada Tugas Akhir ini dilakukan modifikasi pada konfigurasi arsitektur dan pa- rameter PRNet. PRNet bekerja dengan mengandalkan representasi citra 2D pada ruang koordinat UV yang disebut UV position map yang merekam bentuk 3D dari sebuah wajah, sehingga diperoleh informasi geometri sebuah wajah hanya dari satu citra. Hasil keluaran sistem berupa penyelarasan titik - titik wajah pada 68 landmark wajah dan 45 ribu point wajah.
Skema yang digunakan pada proses pengujian adalah skema padding, modi- fikasi, pengelompokan berdasarkan pose, dan pengelompokan berdasarkan yaw an- gle. Konfigurasi terbaik pada NME 2D didapatkan pada konfigurasi Modifikasi dengan nilai terbaik pada 68 landmark dan 45 ribu point masing - masing sebesar 3,63% dan 3,4%. Di sisi lain, performansi terbaik pada NME 3D didapatkan pada konfigurasi asli PRNet dengan nilai terbaik pada 68 landmark dan 45 ribu point masing - masing sebesar 5,08% dan 4,65%.