我们提出对光学流模型的常规训练协议进行改进，在不增加训练过程计算复杂度的前提下，显著提升了模型精度。该提升源于对当前训练协议中挑战性数据采样偏差的观察，并通过优化采样策略实现。此外，我们发现训练过程中正则化与数据增强的强度应逐步降低。基于一个参数量较低的现有网络架构，该方法在MPI Sintel基准测试中位列所有方法之首，相较于最佳的两帧方法，精度提升超过10%。在KITTI基准测试中，该方法分别超越其他同类架构变体超过12%和19.7%，并在两帧方法中实现了KITTI2012数据集上最低的平均端点误差（Average End-Point Error），且无需依赖额外训练数据。