多くの実世界のシーケンスは、一般的なものや退化したものとして簡単に分類することはできません。このような場合、基本行列または同射変換モデルを用いて運動分割を行う際に、偽の二項対立を課すことによって困難が生じます。一般シーン運動に直面している場合でも、運動分割のモデルとして的基本行列アプローチにはいくつかの欠点があります。本論文ではこれらの欠点について議論します。基本行列アプローチの真の潜在能力を発揮するためには、より単純な同射変換モデルから情報を賢明に活用することが必要です。以上の考察に基づき、複数のモデルを協調的に組み合わせる多視点スペクトルクラスタリングフレームワークを提案します。この方法により、性能が大幅に向上することを示しています。既存の運動分割データセットで広範なテストを行い、すべてにおいて最先端の性能を達成しました。また、伝統的なデータセットには見られない強い透視効果や強い前方移動などの実世界効果を含む、より現実的で挑戦的なデータセットも提示します（このデータセットは KITTI ベンチマークから適応されています）。