Der optische Fluss bezeichnet das Verschiebungsvektorfeld zwischen zwei aufeinanderfolgenden Bildern einer Bildsequenz. Zur Berechnung des optischen Flusses werden häufig sogenannte Variationsansätze verwendet, welche den Fluss als Optimierungsproblem mit verschiedenen Annahmen modellieren. Hierbei gibt es Annahmen auf dem Bild, die Datenterme, und Annahmen über die Lösung, die Glättungsterme. Die Datenterme treffen Annahmen die es ermöglichen sollen die Objekte aus dem ersten Bild im zweiten Bild zu finden. Von den Glättungstermen wird die Annahme modelliert, dass benachbarte Pixel eine ähnliche Bewegung haben. Die Gewichtung zwischen diesen Termen spiegelt die Relevanz der Terme zueinander wieder. Diese Gewichtung ist Abhängigkeit von der Sequenz und muss manuell optimiert werden was aufwendig ist und zugleich ein Problem bei der Nutzung auf verschiedenen Anwendungen darstellt. Aus diesem Grund untersucht diese Arbeit Möglichkeiten zur adaptiven und lokalen Gewichtung zwischen den beiden Termen. Hierzu wird zum Einen das Verfahren aus Hong et al. [1] genutzt und zum Anderen ein neues Verfahren auf Entropiebasis vorgestellt. Beim Verfahren von Hong et al. wird untersucht wie es sich auf komplexeren Annahmen verhält. Zudem werden beide Verfahren anhand von aktuellen Benchmarks untersucht. Hierbei wird evaluiert ob die Verfahren bessere Ergebnisse erzielen und ob der Gewichtsparameter durch sie überflüssig wird.