أُحرز تقدم كبير في تقدير تدفق الضوء باستخدام الشبكات العصبية العميقة. تحقق النماذج العميقة المتقدمة تقديرًا دقيقًا للتدفق غالبًا مع تعقيد حسابي كبير وعمليات تدريب طويلة. في هذه الدراسة، نقدم نموذجًا خفيف الوزن وفعالًا لتقدير تدفق الضوء في الزمن الحقيقي، يُسمى FDFlowNet (الشبكة العميقة السريعة). نحقق دقة أفضل أو مماثلة على معايير KITTI وSintel الصعبة، مع سرعة تقارب ضعفي PWC-Net. يتم ذلك من خلال بنية مصممة بعناية ومكونات جديدة اقترحناها. نحن نُقدِّم أولًا شبكة على شكل حرف U لبناء الميزات متعددة المقاييس، والتي توفر مجال استقبال عالمي للطبقات العليا مقارنةً بالشبكة الهرمية. وفي كل مقياس، نقترح بنية جزئية مترابطة تمامًا باستخدام تحدُّد التردد (dilated convolution) لتقدير التدفق، مما يحقق توازنًا جيدًا بين السرعة والدقة وعدد المعلمات مقارنةً بالبنى المتسلسلة والمتقاربة الكثيفة. تُظهر التجارب أن نموذجنا يحقق أداءً يُعد من أفضل الأداء في مستوى الحالة الحالية، مع سرعة وخفّة في الوزن.