予測した画像と正解とのオプティカルフローを求め、対応するピクセル同士で損失を計算するCorrespondence-wise Lossを提案した。移動物体の予測の位置ずれに対してロバストになるとの主張。

オプティカルフローの算出にはRAFTを使用し、KITTI及びCityscapesのデータセットで評価を行い、従来手法を上回る結果。動画のフレーム補間でも、そのままL1損失で学習させた場合より生成品質が向上する結果。

シンプルなアプローチで、生成品質の向上も明確なため通ったと考えられる。プロジェクトページ( https://dangeng.github.io/CorrWiseLosses/ )が公開されている。