特徴のワーピングは、光流推定における核心的技术であるが、ワーピング過程における遮蔽領域によって引き起こされる不確かさは、未解決の主要な問題である。本論文では、特徴ワーピング直後に明示的な教師信号を用いずに、無用な（遮蔽された）領域をフィルタリングできる粗い遮蔽マスクを学習可能な非対称な遮蔽認識特徴マッチングモジュールを提案する。このモジュールはエンドツーエンドのネットワークアーキテクチャに容易に統合可能であり、計算コストの増加をほとんど伴わずに性能向上を実現する。学習された遮蔽マスクは、二重特徴ピラミッドを備えた後続のネットワークカスケードにさらに供給可能であり、これにより最先端の性能を達成している。提出時点において、本手法であるMaskFlownetは、MPI Sintel、KITTI 2012および2015ベンチマークにおいて、発表済みのすべての光流推定手法を上回っている。コードは https://github.com/microsoft/MaskFlownet にて公開されている。