視覚合成からの自己監督を活用する非教師あり光流学習は、教師あり手法に対する有望な代替手段として注目されている。しかし、困難なシーンでは非教師あり学習の目的関数が信頼性を欠く可能性がある。本研究では、変換からのより信頼性の高い監督を活用するフレームワークを提案する。この手法は、通常の非教師あり学習パイプラインを単純に拡張し、データオーギュメンテーションから得られる変換済みデータを用いて別途前方伝搬を実行するとともに、元データの予測結果を変換したものを自己監督信号として用いる。さらに、複数フレームを扱う軽量なネットワーク構造を導入し、高度に共有された光流デコーダーを採用している。本手法は、複数のベンチマークにおいて一貫して性能の飛躍を達成し、深層非教師あり学習手法の中で最高の精度を記録した。また、パラメータ数を大幅に削減しつつ、最新の完全教師あり手法と同等の性能を達成している。