本文介绍了一种新型光流估计网络结构FlowFormer，结合了Masked Cost Volume AutoEncoding (MCVA)预训练，在Sintel和KITTI-2015基准测试中表现优异，尤其在Sintel测试中显著降低了误差。

作者通过使用相同的现代培训技术和数据集，重访了三种光流模型，并发现它们在性能上有显着提升。新培训的模型在基准测试中表现出更好的结果，并且运行速度更快。其中一种模型在KITTI 2015上的得分比其他已发布的光流方法更准确。