无监督视频分割在从物体识别到压缩的多种应用中发挥着重要作用。然而，到目前为止，快速运动、运动模糊和遮挡仍然是重大挑战。为了应对这些挑战，我们开发了一种新颖的显著性估计技术以及一种基于光流和边缘线索的新颖邻域图。我们的方法显著提高了初始前景-背景估计的质量，并且能够稳健而准确地在时间上扩散这些估计。我们在具有挑战性的DAVIS、SegTrack v2和FBMS-59数据集上评估了所提出的算法。尽管仅使用了在200张图像上训练的标准边缘检测器，我们的方法在无监督设置下仍取得了最先进的结果，超过了基于深度学习的方法。我们甚至在DAVIS数据集的半监督设置下展示了与基于深度学习的方法相当的竞争性结果。