我々は、ピラミッドネットワークのアップサンプリングおよび学習を改善することで、オプティカルフロー推定のための非教師あり学習アプローチを提案する。ピラミッドレベル間の双線形アップサンプリングによる補間ブラー問題に対処するため、自己誘導型アップサンプリングモジュールを設計した。さらに、最も細かいレベルのフローを擬似ラベルとして用いて、中間レベルに監督信号を導入するためのピラミッド蒸留損失（pyramid distillation loss）を提案した。これらの2つの要素を統合することにより、MPI-Sintel、KITTI 2012、KITTI 2015といった複数の最先端ベンチマークにおいて、非教師ありオプティカルフロー学習の最良性能を達成した。特に、KITTI 2012ではEPE=1.4、KITTI 2015ではF1=9.38%を達成し、従来の最先端手法と比較してそれぞれ22.2%、15.7%の性能向上を実現した。