En el campo del procesamiento de video, el seguimiento eficiente del movimiento 3D a partir de video de una sola cámara ha sido un desafío constante, especialmente cuando se requiere un seguimiento preciso a nivel de píxel en secuencias largas. Los métodos tradicionales enfrentan múltiples desafíos, a menudo solo pueden rastrear una pequeña cantidad de puntos clave, sin lograr una comprensión detallada de la escena completa. Además, las técnicas existentes tienen altas demandas computacionales, lo que dificulta mantener la eficiencia al procesar videos largos. Al mismo tiempo, el seguimiento a largo plazo se ve afectado por problemas como el movimiento de la cámara y la oclusión de objetos, lo que lleva a errores o fallos en el seguimiento. Actualmente, los métodos de estimación de movimiento en secuencias de video tienen diferentes ventajas y desventajas.