RMS-FlowNet++ 是一种新颖的端到端学习架构，用于准确且高效地估计场景流动，可以处理高密度的点云。

本文介绍了一种新的3D场景流估计架构OGSF-Net，能够更准确地预测空间流，并在Flyingthings3D和KITTI数据集中取得了先进成果。研究还提出了自监督训练方法和新型神经网络模型FlowNet3D，旨在高效处理点云数据中的场景流。实验结果显示，该方法在多个数据集上表现优异，超越了传统技术。

本文介绍了一种名为FG-Depth的框架，利用预训练的Flow-Net的先验知识来引导优化，提出了流蒸馏损失和基于先验流的掩模来提高模型性能以及消除噪声。实验结果表明，该方法在KITTI和NYU-Depth-v2数据集上均达到了最领先的效果。