Nous proposons de modifier les protocoles courants d'entraînement du flux optique, ce qui permet d'obtenir des améliorations significatives de précision sans augmenter la complexité computationnelle du processus d'entraînement. Cette amélioration repose sur l'observation d'un biais dans l'échantillonnage des données difficiles présent dans le protocole d'entraînement actuel, et sur l'amélioration du processus d'échantillonnage. En outre, nous constatons que la régularisation et l'augmentation des données devraient diminuer au cours du protocole d'entraînement.En utilisant une architecture existante à faible nombre de paramètres, notre méthode obtient la première place sur le benchmark MPI Sintel parmi toutes les autres méthodes, améliorant la précision de la meilleure méthode à deux images de plus de 10 %. Elle dépasse également toutes les variantes d'architecture similaires de plus de 12 % et 19,7 % sur les benchmarks KITTI, atteignant la plus faible erreur moyenne aux points d'extrémité sur KITTI2012 parmi les méthodes à deux images, sans recourir à des jeux de données supplémentaires.