本文介绍了一种新的运动估计方法MaskFlow，能够准确估计小目标、大位移和外观剧变情况下的运动场。通过利用物体级特征和分割，MaskFlow近似物体的平移运动场，并提出了一种有效的方法将不完整的平移运动场结合到后续的运动估计网络中进行精化和补全。作者还提供了一个具有运动场Ground Truth的新的挑战性合成数据集，并为对象实例匹配和相应分割掩码提供了额外的Ground Truth。实验证明，MaskFlow在新的挑战性数据集上优于现有方法，并且在FlyingThings3D基准数据集上也能产生可比较的结果。