全运动代价体积（full-motion cost volumes）在当前最先进的光流方法中起着核心作用。然而，这些代价体积通常基于简单的特征相关性构建，难以捕捉先验信息，甚至无法利用非局部知识，从而在约束不足、存在歧义的区域（如遮挡区域和无纹理区域）引入伪影。为此，我们提出了一种可分离的代价体积模块，可作为相关代价体积的即插即用替代方案。该模块引入非局部聚合层，以利用全局上下文线索和先验知识，从而有效消除这些区域中的运动模糊性。实验结果表明，该方法在当前标准的Sintel和KITTI光流基准测试中均取得了更高的精度，同时在从合成数据到真实数据的泛化能力方面也表现更优。