Wir lernen, den optischen Fluss zu berechnen, indem wir eine klassische räumlich-pyramidale Formulierung mit tiefem Lernen kombinieren. Dabei wird die Schätzung großer Bewegungen auf einer grob-zu-fein-Architektur durchgeführt, indem bei jeder Pyramidenstufe ein Bild eines Bildpaars mittels der aktuellen Flussabschätzung verformt und anschließend ein Flussupdate berechnet wird. Anstelle der üblichen Minimierung einer Zielfunktion auf jeder Pyramidenstufe trainieren wir für jede Stufe ein eigenes tiefes Netzwerk, um das Flussupdate zu berechnen. Im Gegensatz zum kürzlich vorgestellten FlowNet-Ansatz müssen die Netzwerke keine großen Bewegungen direkt bewältigen, da diese durch die Pyramidenstruktur bereits berücksichtigt werden. Dies bietet mehrere Vorteile. Erstens ist unser räumlich-pyramidales Netzwerk (SPyNet) im Vergleich zu FlowNet deutlich einfacher und um 96 % kleiner hinsichtlich der Modellparameter. Dadurch ist es effizienter und besser für eingebettete Anwendungen geeignet. Zweitens ist die Flussbewegung auf jeder Pyramidenstufe klein (unter 1 Pixel), sodass ein konvolutionaler Ansatz auf verformten Bildpaaren angemessen ist. Drittens ähneln die gelernten Faltungsfilter im Gegensatz zu FlowNet klassischen räumlich-zeitlichen Filtern, was Einblicke in die Methode und deren Verbesserungsmöglichkeiten bietet. Unsere Ergebnisse sind auf den meisten Standardbenchmarks genauer als die von FlowNet, was einen neuen Ansatz zur Kombination klassischer Flussmethoden mit tiefem Lernen nahelegt.