弱教師ありインスタンスセグメンテーションは，モデルの学習に要するアノテーションコストの大幅な削減を可能にする重要なタスクである．弱教師あり学習では正解マスクを教師として活用できないため，バウンディングボックスから前景領域を分離して擬似ラベルを生成し，効率的に前景特徴を学習することが重要な課題であった．我々は，前景の動きが往々にして背景と異なることに着目し，オプティカルフローを観察することで前景の分離が改善されることを示してきた．本稿では，オプティカルフローをマスク生成の特徴量として活用することで，入力特徴量と擬似ラベルの相関を強化し，マスク生成の精度を改善できることを示す．