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。

该研究提出了一种新的方法，通过引入遮挡估计模块和遮挡感知的代价体积机制，在LiDAR数据中解决了点云帧对齐的遮挡问题。实验证明，该方法在遮挡的数据集上取得了最先进的性能。

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。