Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

CREStereo++_RVC	0.49 31	0.22 3	0.46 9	0.48 31	0.38 161	0.45 19	0.25 4	0.77 5	1.30 243	0.82 68	1.23 174	0.47 24	0.37 15	0.55 5	0.44 67	0.16 8	0.11 2	0.16 10	0.80 384	0.18 37	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.55 42	0.22 3	0.49 12	0.43 6	0.19 1	1.00 236	0.34 46	1.40 143	1.30 243	0.84 72	0.93 71	0.63 62	0.52 64	1.48 166	0.47 90	0.15 4	0.12 5	0.17 16	0.11 7	0.19 63	0.13 2

panet	0.40 3	0.23 6	0.40 2	0.37 1	0.20 2	0.53 56	0.29 23	0.81 7	1.15 176	0.59 34	0.72 36	0.53 43	0.43 25	0.56 6	0.37 27	0.18 41	0.13 17	0.15 3	0.10 1	0.14 1	0.14 3

StereoIM	0.38 1	0.27 38	0.72 62	0.45 9	0.35 142	0.30 3	0.31 29	0.81 7	0.54 3	0.38 2	0.38 1	0.58 49	0.49 58	0.53 4	0.39 34	0.20 101	0.16 142	0.19 51	0.15 33	0.19 63	0.15 4

CASnet	0.42 9	0.26 22	0.52 16	0.52 74	0.21 3	0.49 32	0.35 55	0.85 17	0.85 64	0.84 72	0.69 30	0.48 28	0.31 7	0.57 10	0.34 5	0.19 67	0.12 5	0.27 241	0.22 192	0.23 164	0.15 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS	0.41 5	0.23 6	0.46 9	0.39 3	0.23 6	0.48 27	0.40 86	1.12 76	0.94 92	0.50 21	0.66 24	0.49 32	0.42 22	0.63 25	0.39 34	0.19 67	0.14 61	0.16 10	0.11 7	0.14 1	0.15 4

Selective-IGEV	0.42 9	0.26 22	0.56 18	0.48 31	0.27 21	0.45 19	0.33 38	1.56 172	0.61 15	0.36 1	0.47 4	0.52 40	0.30 5	1.08 105	0.33 4	0.15 4	0.13 17	0.17 16	0.13 12	0.16 12	0.15 4

IIG-Stereo	0.97 253	0.34 167	0.80 104	0.90 351	0.33 115	0.61 93	0.26 11	1.27 125	1.08 141	1.69 326	1.37 225	1.44 277	0.74 140	6.94 383	0.53 123	0.21 126	0.14 61	0.23 151	0.18 88	0.20 91	0.15 4

AnonymousM	0.63 108	1.14 371	0.43 6	0.46 15	0.32 100	0.43 15	0.46 145	1.27 125	0.78 44	1.00 97	0.66 24	0.68 71	0.45 33	0.61 16	0.46 82	0.21 126	0.16 142	1.84 394	0.98 391	0.15 5	0.15 4

XX-TBD	0.47 26	0.71 334	0.39 1	0.81 323	0.25 10	0.57 75	0.26 11	0.73 4	1.30 243	0.78 59	1.01 93	0.45 17	0.33 12	0.49 3	0.39 34	0.20 101	0.15 115	0.15 3	0.11 7	0.17 21	0.15 4

AFF-stereo	0.60 94	0.28 46	0.72 62	0.48 31	0.29 54	0.34 4	0.37 68	1.22 113	1.20 196	1.21 182	1.59 288	1.10 205	0.70 136	1.01 89	0.44 67	0.14 1	0.12 5	0.19 51	0.20 133	0.18 37	0.15 4

CREStereo	0.40 3	0.24 11	0.40 2	0.37 1	0.22 5	0.52 52	0.29 23	0.81 7	1.15 176	0.59 34	0.72 36	0.51 36	0.42 22	0.57 10	0.37 27	0.19 67	0.13 17	0.15 3	0.10 1	0.14 1	0.15 4
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.47 26	0.22 3	0.43 6	0.39 3	0.24 8	0.71 143	0.26 11	0.78 6	1.03 127	0.65 44	0.69 30	0.55 44	0.48 48	0.90 73	0.36 18	0.99 382	0.13 17	0.15 3	0.10 1	0.15 5	0.15 4

4D-IteraStereo	0.50 35	0.26 22	0.84 131	0.51 62	0.49 228	0.64 111	0.31 29	0.91 22	1.02 124	1.05 112	0.72 36	0.76 88	0.32 10	0.69 32	0.40 49	0.18 41	0.11 2	0.23 151	0.20 133	0.19 63	0.16 14

MC-Stereo	0.46 23	0.24 11	0.58 20	0.63 208	0.30 66	0.38 7	0.32 33	0.98 33	0.74 38	0.66 45	0.85 59	0.56 46	0.60 105	1.07 103	0.32 3	0.17 19	0.12 5	0.17 16	0.15 33	0.16 12	0.16 14

RCA-Stereo	0.52 39	0.26 22	0.66 49	0.49 38	0.33 115	0.54 66	0.44 131	1.20 107	1.41 287	0.69 48	1.06 111	0.63 62	0.79 160	0.62 20	0.35 7	0.17 19	0.12 5	0.17 16	0.14 25	0.16 12	0.16 14

test-3	0.56 53	0.24 11	0.82 114	0.50 51	0.29 54	0.57 75	0.34 46	1.09 66	1.03 127	1.33 235	0.69 30	0.87 126	0.45 33	1.68 198	0.39 34	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.16 14

test_1	0.56 53	0.24 11	0.82 114	0.50 51	0.29 54	0.57 75	0.34 46	1.09 66	1.03 127	1.28 216	0.69 30	0.87 126	0.45 33	1.67 196	0.39 34	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.16 14

AAGNet	1.84 354	0.30 84	0.79 99	0.66 238	0.32 100	0.65 115	0.50 172	1.02 40	1.01 121	1.47 287	1.21 168	0.99 171	1.16 285	2.76 295	22.69 424	0.24 194	0.13 17	0.22 124	0.20 133	0.24 193	0.16 14

OMP-Stereo	0.95 248	0.35 191	0.79 99	0.92 353	0.32 100	0.49 32	0.35 55	1.22 113	1.11 155	1.58 311	1.12 134	1.44 277	0.69 134	6.92 382	0.51 108	0.20 101	0.15 115	0.24 173	0.19 107	0.21 126	0.16 14

XX-Stereo	0.97 253	0.28 46	8.28 391	0.85 337	0.70 316	0.44 17	0.22 2	1.07 54	0.69 27	0.66 45	1.56 279	1.38 270	0.38 16	1.36 141	0.38 31	0.21 126	0.14 61	0.20 74	0.19 107	0.19 63	0.16 14

RAFT-Stereo + iAFF	0.56 53	0.28 46	0.81 105	0.45 9	0.25 10	0.40 9	0.34 46	1.12 76	1.13 165	1.35 246	1.58 284	0.80 97	0.67 128	0.71 34	0.43 63	0.14 1	0.11 2	0.18 36	0.17 74	0.18 37	0.16 14

CFNet-RSSM	0.57 65	0.25 19	0.76 86	0.49 38	0.28 42	0.59 85	0.27 15	1.89 252	1.17 186	1.09 119	0.95 74	1.06 189	0.53 66	0.74 38	0.41 55	0.17 19	0.13 17	0.17 16	0.15 33	0.16 12	0.16 14

MIF-Stereo	0.38 1	0.24 11	0.67 52	0.49 38	0.36 145	0.40 9	0.32 33	0.55 1	0.55 4	0.55 33	0.55 17	0.36 2	0.31 7	0.59 13	0.52 114	0.21 126	0.15 115	0.17 16	0.15 33	0.19 63	0.17 24

AEACV	0.41 5	0.25 19	0.60 27	0.55 115	0.52 244	0.43 15	0.38 75	0.98 33	0.63 17	0.44 6	0.56 19	0.46 18	0.59 101	0.56 6	0.31 2	0.17 19	0.13 17	0.18 36	0.16 57	0.17 21	0.17 24

RAFT_CTSACE	0.66 117	0.29 66	1.14 217	0.57 146	0.51 241	0.68 130	0.44 131	0.88 21	0.98 107	1.03 108	1.83 322	1.23 233	0.67 128	1.48 166	0.38 31	0.16 8	0.16 142	0.21 97	0.20 133	0.20 91	0.17 24

test_3	0.57 65	0.24 11	0.87 144	0.55 115	0.30 66	0.60 89	0.40 86	1.07 54	1.08 141	1.20 176	0.68 27	0.92 148	0.43 25	1.68 198	0.40 49	0.16 8	0.13 17	0.22 124	0.19 107	0.21 126	0.17 24

RAFT-345	0.86 220	0.26 22	0.73 72	0.53 94	0.28 42	0.53 56	0.41 94	0.85 17	1.31 250	1.33 235	2.32 356	0.85 124	0.53 66	5.69 356	0.48 94	0.19 67	0.14 61	0.22 124	0.17 74	0.17 21	0.17 24

CroCo-Stereo	0.42 9	0.33 140	0.83 122	0.59 170	0.28 42	0.26 1	0.33 38	1.22 113	0.85 64	0.43 5	0.49 7	0.65 65	0.46 40	0.40 1	0.36 18	0.19 67	0.15 115	0.16 10	0.14 25	0.20 91	0.17 24
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
cross-raft	0.56 53	0.26 22	0.65 47	0.55 115	0.31 80	0.66 121	0.37 68	1.68 195	0.82 56	1.06 116	1.07 113	1.25 238	0.45 33	0.74 38	0.39 34	0.15 4	0.13 17	0.19 51	0.16 57	0.19 63	0.17 24

raft+_RVC	0.56 53	0.29 66	0.61 31	0.65 225	0.56 265	0.53 56	0.53 187	1.40 143	1.02 124	0.78 59	1.04 106	0.70 78	0.55 75	1.00 87	0.49 103	0.18 41	0.16 142	0.19 51	0.19 107	0.18 37	0.17 24

Gwc-CoAtRS	0.55 42	0.27 38	0.73 72	0.49 38	0.30 66	0.63 103	0.25 4	1.38 141	1.12 160	1.05 112	1.02 95	1.10 205	0.55 75	0.72 36	0.44 67	0.17 19	0.14 61	0.17 16	0.15 33	0.16 12	0.17 24

MGS-Stereo	0.43 12	0.28 46	0.61 31	0.46 15	0.28 42	0.49 32	0.33 38	0.60 2	0.89 69	0.47 12	1.32 207	0.51 36	0.32 10	0.66 29	0.39 34	0.20 101	0.16 142	0.18 36	0.16 57	0.18 37	0.18 33

MoCha-V2	0.43 12	0.23 6	0.55 17	0.56 127	0.23 6	0.44 17	0.32 33	1.35 135	0.63 17	0.54 31	0.55 17	0.42 6	0.57 82	1.12 116	0.28 1	0.15 4	0.13 17	0.15 3	0.13 12	0.17 21	0.18 33

LargeStereo	0.45 14	0.24 11	0.63 36	0.58 156	0.32 100	0.42 14	0.25 4	2.16 308	0.65 23	0.38 2	0.58 20	0.46 18	0.44 30	0.56 6	0.40 49	0.20 101	0.13 17	0.16 10	0.13 12	0.17 21	0.18 33

AE-Stereo	0.58 77	0.29 66	0.81 105	0.62 198	0.41 187	0.69 138	0.46 145	2.49 359	1.25 219	0.49 18	0.77 44	0.69 75	0.46 40	0.61 16	0.42 60	0.17 19	0.16 142	0.21 97	0.20 133	0.19 63	0.18 33

rrr	0.57 65	0.33 140	2.43 339	0.46 15	0.34 127	0.50 43	0.38 75	0.84 16	0.55 4	0.48 15	0.48 5	0.48 28	0.45 33	2.28 270	0.44 67	0.19 67	0.14 61	0.19 51	0.15 33	0.17 21	0.18 33

test croco	0.49 31	0.29 66	1.23 245	0.51 62	0.40 177	0.35 5	0.37 68	1.04 49	0.62 16	0.44 6	0.76 41	0.42 6	0.41 19	1.17 124	0.46 82	0.23 175	0.15 115	0.24 173	0.19 107	0.25 203	0.18 33

MIM_Stereo	0.60 94	0.26 22	1.02 189	0.49 38	0.32 100	0.52 52	0.28 19	1.41 147	0.82 56	1.02 104	1.16 155	0.93 150	0.53 66	1.48 166	0.63 164	0.17 19	0.17 166	0.20 74	0.19 107	0.17 21	0.18 33

RAFT-Test	0.58 77	0.27 38	0.81 105	0.50 51	0.33 115	0.95 227	0.27 15	1.40 143	0.89 69	1.00 97	1.12 134	1.39 271	0.48 48	0.74 38	0.41 55	0.17 19	0.14 61	0.17 16	0.14 25	0.16 12	0.18 33

EGLCR-Stereo	0.41 5	0.24 11	0.59 24	0.45 9	0.27 21	0.54 66	0.22 2	1.23 117	0.56 6	0.44 6	0.43 2	0.68 71	0.29 4	0.89 70	0.34 5	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.18 33

ProNet	0.46 23	0.30 84	0.69 58	0.46 15	0.32 100	0.57 75	0.52 181	1.15 93	0.67 24	0.44 6	0.50 8	0.44 10	0.43 25	1.31 134	0.38 31	0.16 8	0.15 115	0.19 51	0.16 57	0.18 37	0.18 33

test_4	0.55 42	0.23 6	0.67 52	0.56 127	0.32 100	0.71 143	0.39 84	0.83 13	0.72 30	0.93 87	1.87 329	0.70 78	0.41 19	1.21 128	0.39 34	0.16 8	0.13 17	0.21 97	0.23 220	0.20 91	0.18 33

GMOStereo	0.55 42	0.28 46	0.72 62	0.52 74	0.30 66	0.53 56	0.43 114	1.02 40	0.98 107	1.44 278	1.14 149	0.88 132	0.57 82	0.62 20	0.39 34	0.16 8	0.14 61	0.24 173	0.22 192	0.20 91	0.18 33

error version	0.55 42	0.28 46	0.72 62	0.52 74	0.30 66	0.53 56	0.43 114	1.02 40	0.98 107	1.44 278	1.14 149	0.88 132	0.57 82	0.62 20	0.39 34	0.16 8	0.14 61	0.24 173	0.22 192	0.20 91	0.18 33

test-v	0.55 42	0.28 46	0.72 62	0.52 74	0.30 66	0.53 56	0.43 114	1.02 40	0.98 107	1.44 278	1.14 149	0.88 132	0.57 82	0.62 20	0.39 34	0.16 8	0.14 61	0.24 173	0.22 192	0.20 91	0.18 33

NRIStereo	0.62 99	0.31 109	0.78 95	0.56 127	0.28 42	0.63 103	0.33 38	1.16 96	0.92 80	1.15 148	0.87 62	0.90 140	0.58 98	2.24 266	0.56 140	0.22 155	0.14 61	0.21 97	0.19 107	0.22 145	0.18 33

test-2	0.55 42	0.28 46	0.72 62	0.52 74	0.30 66	0.53 56	0.43 114	1.02 40	0.98 107	1.44 278	1.14 149	0.88 132	0.57 82	0.62 20	0.39 34	0.16 8	0.14 61	0.24 173	0.22 192	0.20 91	0.18 33

iRaftStereo_RVC	0.49 31	0.28 46	0.72 62	0.53 94	0.29 54	0.52 52	0.33 38	1.14 82	0.84 61	0.85 74	0.99 87	0.55 44	0.36 14	0.83 58	0.40 49	0.18 41	0.13 17	0.22 124	0.20 133	0.20 91	0.18 33

TestStereo	0.65 115	0.42 249	0.83 122	0.52 74	0.27 21	0.57 75	0.44 131	1.07 54	0.92 80	0.85 74	1.01 93	0.68 71	0.56 80	3.22 308	0.47 90	0.23 175	0.15 115	0.24 173	0.18 88	0.28 230	0.18 33

raftrobust	0.55 42	0.27 38	0.63 36	0.68 260	0.69 310	0.50 43	0.34 46	1.08 59	0.97 104	1.32 230	0.88 65	0.62 58	0.80 166	0.82 55	0.44 67	0.20 101	0.16 142	0.16 10	0.14 25	0.15 5	0.18 33

test_xeample3	0.57 65	0.33 140	3.11 356	0.46 15	0.34 127	0.55 70	0.38 75	0.86 20	0.49 2	0.54 31	0.46 3	0.44 10	0.44 30	1.49 172	0.45 78	0.18 41	0.14 61	0.19 51	0.15 33	0.17 21	0.18 33

ARAFT	0.82 200	0.40 238	1.77 299	0.53 94	0.31 80	0.89 204	0.81 284	2.32 335	1.08 141	1.66 323	1.25 180	1.04 185	0.64 118	1.91 231	0.52 114	0.20 101	0.15 115	0.28 253	0.27 266	0.17 21	0.18 33

HITNet	0.71 151	0.42 249	1.07 202	0.52 74	0.25 10	1.05 244	0.48 158	2.12 297	1.08 141	1.21 182	1.23 174	0.91 143	0.84 176	0.90 73	0.91 229	0.17 19	0.12 5	0.21 97	0.17 74	0.29 240	0.18 33
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
MSKI-zero shot	0.56 53	0.30 84	0.61 31	0.55 115	0.28 42	0.68 130	0.28 19	1.25 120	0.68 25	0.92 84	1.33 212	0.81 103	0.33 12	1.94 234	0.36 18	0.18 41	0.13 17	0.17 16	0.13 12	0.16 12	0.19 55

Any-RAFT	0.55 42	0.27 38	0.49 12	0.50 51	0.27 21	0.98 234	0.25 4	1.71 209	1.08 141	0.90 82	0.99 87	1.13 214	0.46 40	0.74 38	0.35 7	0.19 67	0.13 17	0.17 16	0.13 12	0.16 12	0.19 55

HH	0.68 134	0.33 140	0.83 122	0.53 94	0.34 127	0.92 216	0.45 139	1.79 224	0.74 38	0.71 49	1.13 144	1.60 303	0.83 174	1.95 237	0.39 34	0.18 41	0.14 61	0.19 51	0.17 74	0.19 63	0.19 55

HanStereo	0.68 134	0.33 140	0.83 122	0.53 94	0.34 127	0.92 216	0.45 139	1.79 224	0.74 38	0.71 49	1.13 144	1.60 303	0.83 174	1.95 237	0.39 34	0.18 41	0.14 61	0.19 51	0.17 74	0.19 63	0.19 55

LL-Strereo2	0.56 53	0.36 195	0.77 89	0.56 127	0.40 177	0.68 130	0.37 68	1.21 111	0.83 59	0.96 91	0.79 48	0.91 143	0.41 19	1.08 105	0.48 94	0.18 41	0.17 166	0.29 261	0.25 240	0.22 145	0.19 55

Selective-RAFT	0.55 42	0.29 66	0.85 137	0.58 156	0.28 42	0.91 209	0.34 46	1.00 39	0.96 100	0.59 34	0.64 22	0.80 97	0.76 146	1.34 139	0.51 108	0.21 126	0.15 115	0.17 16	0.15 33	0.19 63	0.19 55

raft_robust	0.71 151	0.32 123	0.75 82	0.54 105	0.28 42	0.54 66	0.35 55	1.54 168	1.24 212	1.18 165	1.07 113	0.73 85	0.53 66	3.65 317	0.40 49	0.19 67	0.16 142	0.20 74	0.22 192	0.21 126	0.19 55

RAFT+CT+SA	0.63 108	0.30 84	0.73 72	0.69 270	0.37 150	0.40 9	0.55 203	1.93 261	1.04 133	0.72 53	1.23 174	0.62 58	0.69 134	1.69 202	0.42 60	0.19 67	0.13 17	0.22 124	0.22 192	0.21 126	0.19 55

Sa-1000	0.76 170	0.30 84	0.92 159	0.62 198	0.31 80	0.78 168	0.37 68	2.00 275	1.38 273	1.30 222	2.04 342	0.86 125	0.74 140	1.87 224	0.40 49	0.19 67	0.14 61	0.25 210	0.24 232	0.21 126	0.19 55

SA	0.69 143	0.31 109	0.97 177	0.64 219	0.30 66	0.56 73	0.38 75	1.84 237	1.35 259	0.99 93	1.37 225	0.69 75	0.94 221	1.88 230	0.43 63	0.20 101	0.16 142	0.25 210	0.23 220	0.22 145	0.19 55

SST-Stereo	0.85 218	0.30 84	0.81 105	0.63 208	0.31 80	0.70 141	0.25 4	1.16 96	0.95 96	1.47 287	1.11 131	0.99 171	0.86 189	5.69 356	0.53 123	0.23 175	0.13 17	0.23 151	0.19 107	0.23 164	0.19 55

RAFT_R40	0.84 213	0.30 84	0.83 122	0.63 208	0.31 80	0.66 121	0.43 114	1.15 93	0.99 114	1.47 287	1.10 124	1.00 175	0.84 176	5.44 353	0.53 123	0.23 175	0.13 17	0.23 151	0.20 133	0.23 164	0.19 55

RAFT-RH_RVC	1.04 269	0.26 22	0.76 86	0.53 94	0.29 54	0.80 173	0.32 33	0.85 17	1.12 160	2.04 355	4.63 392	1.03 184	0.57 82	5.93 362	0.52 114	0.20 101	0.13 17	0.26 231	0.20 133	0.16 12	0.19 55

RALAANet	0.62 99	0.37 211	0.97 177	0.66 238	0.50 232	0.67 126	0.31 29	1.27 125	1.09 148	1.11 122	1.17 157	0.88 132	0.46 40	1.27 133	0.45 78	0.20 101	0.15 115	0.21 97	0.18 88	0.27 215	0.19 55

ACVNet	0.66 117	0.33 140	0.74 77	0.55 115	0.37 150	0.80 173	0.47 154	1.46 154	1.11 155	1.01 100	1.31 202	1.07 192	0.91 210	0.82 55	1.09 260	0.22 155	0.19 205	0.21 97	0.18 88	0.23 164	0.19 55

acv_ft	0.78 177	0.33 140	1.10 208	0.73 294	0.86 350	1.23 280	0.57 212	1.65 193	1.11 155	1.31 228	1.31 202	1.07 192	0.91 210	0.82 55	1.35 292	0.22 155	0.19 205	0.21 97	0.18 88	0.22 145	0.19 55

R-Stereo Train	0.60 94	0.30 84	0.72 62	0.57 146	0.37 150	0.68 130	0.52 181	1.45 152	0.78 44	1.61 316	1.50 261	0.76 88	0.53 66	0.67 30	0.51 108	0.19 67	0.16 142	0.18 36	0.15 33	0.18 37	0.19 55

RAFT-Stereo	0.60 94	0.30 84	0.72 62	0.57 146	0.37 150	0.68 130	0.52 181	1.45 152	0.78 44	1.61 316	1.50 261	0.76 88	0.53 66	0.67 30	0.51 108	0.19 67	0.16 142	0.18 36	0.15 33	0.18 37	0.19 55
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	1.16 289	0.34 167	1.11 210	0.73 294	0.86 350	1.00 236	0.60 231	1.56 172	1.43 296	1.07 117	1.37 225	2.08 354	1.44 327	7.00 384	1.56 313	0.20 101	0.17 166	0.17 16	0.19 107	0.19 63	0.19 55

H2IRNET	0.57 65	0.28 46	0.75 82	0.49 38	0.35 142	0.40 9	0.27 15	1.03 46	1.18 191	0.62 43	1.26 182	1.07 192	0.85 181	1.02 91	0.64 167	0.20 101	0.16 142	0.23 151	0.25 240	0.22 145	0.20 74

Former-RAFT_DAM_RVC	0.47 26	0.38 228	0.75 82	0.48 31	0.37 150	0.67 126	0.35 55	0.82 12	1.14 171	0.61 42	0.64 22	0.39 5	0.39 17	0.74 38	0.39 34	0.20 101	0.17 166	0.22 124	0.18 88	0.24 193	0.20 74

MIF-Stereo (partial)	0.48 29	0.28 46	0.83 122	0.51 62	0.53 249	0.39 8	0.27 15	1.03 46	0.64 20	0.47 12	0.71 35	0.51 36	0.51 60	1.13 117	0.47 90	0.20 101	0.16 142	0.23 151	0.20 133	0.24 193	0.20 74

TestStereo1	0.66 117	0.29 66	0.95 169	0.82 327	0.32 100	0.47 22	0.43 114	1.52 162	1.22 208	0.99 93	1.32 207	0.65 65	0.76 146	1.78 211	0.44 67	0.20 101	0.16 142	0.22 124	0.19 107	0.21 126	0.20 74

test_5	0.70 145	0.32 123	0.99 181	0.69 270	0.50 232	0.89 204	0.51 173	1.88 250	1.14 171	0.78 59	1.13 144	1.04 185	0.89 205	1.59 184	0.46 82	0.19 67	0.14 61	0.23 151	0.22 192	0.22 145	0.20 74

SA-5K	0.66 117	0.29 66	0.95 169	0.82 327	0.32 100	0.47 22	0.43 114	1.52 162	1.22 208	0.99 93	1.32 207	0.65 65	0.76 146	1.78 211	0.44 67	0.20 101	0.16 142	0.22 124	0.19 107	0.21 126	0.20 74

IPLGR	0.62 99	0.28 46	1.32 260	0.50 51	0.29 54	0.65 115	0.34 46	1.47 157	1.19 192	1.21 182	1.07 113	0.70 78	0.65 122	1.05 97	0.55 133	0.18 41	0.15 115	0.20 74	0.17 74	0.21 126	0.20 74

TRStereo	0.67 125	0.71 334	1.06 198	0.77 315	0.68 307	0.53 56	0.38 75	2.52 363	0.96 100	0.81 66	0.84 57	0.87 126	0.39 17	1.16 121	0.46 82	0.24 194	0.17 166	0.23 151	0.24 232	0.18 37	0.20 74

Patchmatch Stereo++	0.57 65	0.33 140	0.82 114	0.52 74	0.27 21	0.63 103	0.28 19	1.14 82	0.73 31	1.13 133	0.96 76	0.82 109	0.60 105	1.40 148	0.52 114	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.56 53	0.33 140	0.81 105	0.52 74	0.27 21	0.63 103	0.41 94	1.14 82	0.73 31	1.13 133	0.96 76	0.82 109	0.60 105	1.09 109	0.52 114	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

ROB_FTStereo_v2	0.57 65	0.33 140	0.81 105	0.52 74	0.27 21	0.62 95	0.42 98	1.14 82	0.73 31	1.13 133	0.97 83	0.82 109	0.60 105	1.15 119	0.53 123	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

ROB_FTStereo	0.56 53	0.33 140	0.82 114	0.52 74	0.27 21	0.62 95	0.25 4	1.14 82	0.74 38	1.13 133	0.96 76	0.82 109	0.60 105	1.18 125	0.52 114	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

HUI-Stereo	0.54 41	0.33 140	0.81 105	0.52 74	0.27 21	0.62 95	0.29 23	1.14 82	0.74 38	1.13 133	0.96 76	0.82 109	0.60 105	0.83 58	0.52 114	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

PFNet	0.92 242	0.28 46	1.20 239	0.68 260	0.32 100	0.62 95	0.55 203	1.27 125	1.01 121	1.47 287	1.09 122	0.97 165	0.68 131	6.58 376	0.59 154	0.21 126	0.13 17	0.24 173	0.19 107	0.20 91	0.20 74

iGMRVC	0.58 77	0.33 140	0.81 105	0.52 74	0.27 21	0.62 95	0.38 75	1.14 82	0.73 31	1.13 133	0.97 83	0.82 109	0.59 101	1.54 175	0.53 123	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

iRAFT	0.57 65	0.33 140	0.82 114	0.52 74	0.27 21	0.63 103	0.28 19	1.14 82	0.73 31	1.13 133	0.96 76	0.82 109	0.60 105	1.40 148	0.52 114	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

RAFT-IKP	0.57 65	0.33 140	0.82 114	0.52 74	0.27 21	0.57 75	0.35 55	1.14 82	0.73 31	1.13 133	0.96 76	0.83 117	0.61 115	1.26 131	0.53 123	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

UPFNet	0.84 213	0.34 167	1.09 205	0.62 198	0.74 321	1.25 282	0.78 272	1.69 204	1.20 196	1.39 259	1.13 144	1.30 254	0.87 195	1.73 205	1.22 275	0.24 194	0.26 287	0.24 173	0.23 220	0.26 213	0.20 74

pmcnn	2.84 388	0.46 262	5.19 380	0.68 260	0.42 194	1.55 315	1.16 339	2.32 335	1.60 331	2.72 376	7.49 406	17.96 420	1.48 331	6.04 365	6.64 389	0.18 41	0.15 115	0.15 3	0.12 10	0.20 91	0.20 74

CoDeX	0.78 177	0.31 109	1.04 193	0.56 127	0.37 150	1.13 256	0.60 231	2.77 377	1.29 241	1.17 154	1.26 182	0.91 143	0.87 195	1.42 155	0.74 191	0.21 126	0.16 142	0.21 97	0.18 88	0.21 126	0.21 93

ff7	0.45 14	0.30 84	0.64 42	0.47 26	0.33 115	0.49 32	0.42 98	0.93 23	0.59 7	0.50 21	0.53 9	0.44 10	0.48 48	1.41 150	0.36 18	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

IGEVStereo-DCA	0.49 31	0.33 140	0.64 42	0.46 15	0.34 127	0.50 43	0.42 98	0.93 23	0.59 7	0.48 15	0.48 5	0.48 28	0.45 33	2.28 270	0.44 67	0.19 67	0.14 61	0.19 51	0.15 33	0.17 21	0.21 93

ffff	0.45 14	0.30 84	0.64 42	0.47 26	0.33 115	0.49 32	0.42 98	0.93 23	0.59 7	0.50 21	0.53 9	0.44 10	0.48 48	1.41 150	0.36 18	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

11t	0.45 14	0.30 84	0.64 42	0.47 26	0.33 115	0.49 32	0.42 98	0.93 23	0.59 7	0.50 21	0.53 9	0.44 10	0.48 48	1.41 150	0.36 18	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

anonymousdsp	0.45 14	0.30 84	0.60 27	0.48 31	0.34 127	0.49 32	0.42 98	0.97 29	0.60 12	0.51 28	0.53 9	0.46 18	0.47 46	1.36 141	0.35 7	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

CroCo-Stereo Lap2	0.46 23	0.37 211	0.87 144	0.62 198	0.79 336	0.28 2	0.35 55	0.81 7	0.73 31	0.39 4	0.54 15	0.71 84	0.54 73	0.60 15	0.48 94	0.18 41	0.18 190	0.19 51	0.16 57	0.21 126	0.21 93

ccc-4	0.45 14	0.30 84	0.64 42	0.47 26	0.33 115	0.49 32	0.42 98	0.93 23	0.59 7	0.50 21	0.53 9	0.44 10	0.48 48	1.41 150	0.36 18	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

IER	0.74 162	0.33 140	1.25 250	0.50 51	0.53 249	1.32 287	0.55 203	1.31 132	1.08 141	1.30 222	1.34 215	1.11 210	1.10 277	1.05 97	0.81 211	0.20 101	0.17 166	0.21 97	0.21 169	0.20 91	0.21 93

IGEV-Stereo	0.45 14	0.30 84	0.60 27	0.48 31	0.34 127	0.49 32	0.42 98	0.98 33	0.60 12	0.51 28	0.53 9	0.46 18	0.47 46	1.36 141	0.35 7	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.41 5	0.27 38	0.43 6	0.55 115	0.24 8	0.47 22	0.30 27	0.81 7	0.64 20	0.53 30	0.74 40	0.50 35	0.31 7	0.65 27	0.45 78	0.18 41	0.20 215	0.23 151	0.19 107	0.21 126	0.21 93

IPLG	0.72 156	0.29 66	1.12 213	0.53 94	0.44 204	0.79 172	0.33 38	1.35 135	1.10 151	1.32 230	1.11 131	0.52 40	0.54 73	3.13 304	0.71 188	0.17 19	0.14 61	0.20 74	0.17 74	0.18 37	0.21 93

MIPNet	0.60 94	0.31 109	1.07 202	0.51 62	0.34 127	0.68 130	0.40 86	1.67 194	1.14 171	1.11 122	0.93 71	0.60 54	0.78 155	0.77 45	0.58 148	0.18 41	0.14 61	0.19 51	0.16 57	0.18 37	0.21 93

STrans-v2	1.06 273	0.31 109	1.02 189	0.52 74	0.33 115	0.67 126	0.78 272	2.66 373	1.26 225	1.15 148	1.46 249	1.37 269	1.40 322	6.68 379	0.46 82	0.19 67	0.13 17	0.21 97	0.18 88	0.18 37	0.21 93

IRAFT_RVC	0.90 234	0.30 84	0.89 149	0.67 251	0.31 80	0.64 111	1.00 321	1.40 143	0.97 104	1.23 189	1.04 106	1.00 175	0.96 228	5.77 359	0.57 143	0.24 194	0.13 17	0.25 210	0.21 169	0.20 91	0.21 93

rafts_anoy	0.55 42	0.32 123	0.66 49	0.72 287	0.61 286	0.53 56	0.40 86	1.24 118	1.06 137	0.85 74	0.83 56	0.67 69	0.53 66	0.77 45	0.55 133	0.20 101	0.15 115	0.25 210	0.26 252	0.22 145	0.21 93

EAI-Stereo	0.76 170	0.31 109	0.74 77	0.55 115	0.28 42	0.70 141	1.72 373	2.57 366	0.90 74	0.75 57	3.03 374	0.57 48	0.43 25	1.10 111	0.49 103	0.19 67	0.14 61	0.17 16	0.18 88	0.17 21	0.21 93

SFCPSM	0.74 162	0.30 84	1.06 198	0.52 74	0.39 168	1.36 295	0.64 241	2.42 347	1.11 155	1.18 165	1.21 168	0.81 103	0.78 155	1.08 105	0.57 143	0.22 155	0.17 166	0.22 124	0.24 232	0.23 164	0.21 93

cf-r	0.79 185	0.32 123	1.06 198	0.57 146	0.64 293	0.78 168	0.51 173	2.04 283	1.22 208	1.20 176	1.27 191	1.53 294	0.91 210	1.47 164	0.94 241	0.25 214	0.19 205	0.22 124	0.23 220	0.19 63	0.21 93

GwcNet-RSSM	0.83 209	0.34 167	1.29 257	0.65 225	0.55 260	0.78 168	0.62 235	1.89 252	1.27 229	1.18 165	1.39 231	1.56 299	0.91 210	1.60 189	1.22 275	0.26 231	0.20 215	0.23 151	0.24 232	0.21 126	0.21 93

iResNetv2_ROB	0.88 225	0.43 253	2.62 347	0.60 177	0.38 161	0.94 221	0.67 247	1.88 250	1.38 273	1.27 211	1.45 247	1.26 244	1.05 268	1.92 232	0.64 167	0.24 194	0.15 115	0.19 51	0.14 25	0.24 193	0.21 93

CAS++	0.48 29	0.34 167	0.59 24	0.48 31	0.32 100	0.45 19	0.29 23	1.73 213	0.78 44	0.71 49	0.73 39	0.36 2	0.28 2	0.70 33	0.35 7	0.27 248	0.22 238	0.26 231	0.21 169	0.29 240	0.22 114
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DispNO	0.98 256	0.34 167	2.02 318	0.58 156	0.55 260	0.88 202	0.49 166	1.70 207	1.24 212	1.22 187	1.26 182	1.18 220	0.88 202	5.17 344	0.88 221	0.23 175	0.18 190	0.24 173	0.22 192	0.19 63	0.22 114

tta	0.79 185	0.32 123	0.95 169	0.49 38	0.27 21	0.83 187	0.43 114	2.16 308	1.45 303	1.27 211	1.50 261	0.98 166	0.96 228	1.87 224	0.99 248	0.24 194	0.22 238	0.22 124	0.21 169	0.19 63	0.22 114

qqq1	0.76 170	0.32 123	0.95 169	0.49 38	0.27 21	0.83 187	0.43 114	2.16 308	1.45 303	1.27 211	1.50 261	0.98 166	0.96 228	1.87 224	0.48 94	0.24 194	0.22 238	0.18 36	0.15 33	0.19 63	0.22 114

fff1	0.76 170	0.32 123	0.95 169	0.49 38	0.27 21	0.83 187	0.43 114	2.16 308	1.45 303	1.27 211	1.50 261	0.98 166	0.96 228	1.87 224	0.48 94	0.24 194	0.22 238	0.18 36	0.15 33	0.19 63	0.22 114

StereoVision	0.67 125	0.37 211	1.02 189	0.60 177	0.41 187	0.50 43	0.41 94	1.32 133	0.96 100	0.73 54	2.48 365	0.82 109	0.57 82	1.06 101	0.50 106	0.26 231	0.28 299	0.29 261	0.28 275	0.37 284	0.22 114

anonymousdsp2	0.58 77	0.29 66	0.93 160	0.51 62	0.30 66	0.75 153	0.46 145	1.95 265	0.87 67	0.81 66	0.78 46	0.76 88	0.48 48	1.10 111	0.45 78	0.19 67	0.14 61	0.18 36	0.13 12	0.20 91	0.22 114

DCRE	0.85 218	0.28 46	0.76 86	0.60 177	0.49 228	0.59 85	0.53 187	1.04 49	0.92 80	0.80 62	7.34 405	0.87 126	0.57 82	0.78 52	0.43 63	0.16 8	0.17 166	0.19 51	0.17 74	0.18 37	0.22 114

anonymousa	0.78 177	0.30 84	0.85 137	0.51 62	0.96 363	1.41 303	0.47 154	1.61 186	0.94 92	1.33 235	1.77 313	1.66 311	1.11 279	0.72 36	0.63 164	0.19 67	0.18 190	0.23 151	0.25 240	0.20 91	0.22 114

LMCR-Stereo	0.87 223	0.50 278	0.99 181	0.80 320	0.43 197	1.32 287	0.55 203	2.79 380	1.03 127	1.55 306	1.49 254	0.74 86	1.01 250	1.76 208	0.99 248	0.30 277	0.17 166	0.22 124	0.18 88	0.31 256	0.22 114

RALCasStereoNet	0.58 77	0.34 167	0.77 89	0.65 225	0.64 293	0.64 111	0.51 173	1.06 53	0.99 114	0.71 49	1.06 111	0.77 92	0.44 30	1.38 145	0.52 114	0.20 101	0.18 190	0.18 36	0.16 57	0.20 91	0.22 114

ac_64	0.86 220	0.32 123	1.02 189	0.74 300	0.60 281	1.04 241	0.53 187	2.20 322	0.99 114	1.23 189	1.11 131	1.96 341	1.06 269	2.01 245	1.01 253	0.30 277	0.22 238	0.24 173	0.23 220	0.22 145	0.22 114

DIP-Stereo	0.64 111	0.32 123	0.91 157	0.49 38	0.36 145	0.91 209	0.33 38	2.51 362	0.77 43	1.25 196	1.00 91	0.68 71	0.51 60	0.92 75	0.65 172	0.19 67	0.15 115	0.21 97	0.17 74	0.19 63	0.22 114
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.91 239	0.31 109	0.60 27	0.54 105	0.31 80	1.15 262	0.60 231	3.76 393	1.30 243	1.57 310	1.75 310	1.67 313	1.01 250	1.61 191	0.90 227	0.23 175	0.17 166	0.19 51	0.18 88	0.20 91	0.22 114
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.99 259	0.40 238	1.23 245	0.65 225	0.43 197	1.03 240	0.49 166	2.01 276	1.35 259	1.02 104	1.39 231	1.10 205	0.86 189	5.47 354	0.89 224	0.24 194	0.18 190	0.28 253	0.27 266	0.27 215	0.22 114

MLCV	0.77 175	0.39 233	1.31 258	0.55 115	0.25 10	0.91 209	0.39 84	1.48 159	1.28 233	1.49 294	1.54 271	1.02 181	0.68 131	2.12 258	0.93 236	0.19 67	0.13 17	0.19 51	0.14 25	0.19 63	0.22 114

MyStereo07	0.50 35	0.30 84	0.58 20	0.58 156	0.48 222	0.59 85	0.78 272	1.19 103	0.60 12	0.49 18	0.54 15	0.43 9	0.55 75	1.32 137	0.36 18	0.18 41	0.18 190	0.24 173	0.21 169	0.23 164	0.23 130

MyStereo06	0.67 125	0.29 66	1.06 198	0.58 156	0.48 222	0.62 95	0.72 261	2.26 327	0.89 69	1.07 117	1.12 134	1.22 229	0.56 80	0.83 58	0.47 90	0.17 19	0.17 166	0.24 173	0.21 169	0.23 164	0.23 130

MyStereo05	0.70 145	0.29 66	1.22 243	0.58 156	0.48 222	0.62 95	0.72 261	1.52 162	1.54 321	1.17 154	0.91 69	0.77 92	0.79 160	1.45 160	0.68 181	0.17 19	0.17 166	0.24 173	0.21 169	0.23 164	0.23 130

MyStereo04	0.71 151	0.30 84	1.28 254	0.58 156	0.48 222	0.59 85	0.78 272	1.74 215	1.49 314	0.94 88	0.91 69	0.74 86	0.86 189	1.59 184	0.69 182	0.18 41	0.18 190	0.24 173	0.21 169	0.23 164	0.23 130

cc1	0.68 134	0.34 167	0.63 36	0.60 177	0.27 21	1.16 265	0.51 173	1.07 54	3.23 389	0.60 38	0.80 51	0.47 24	0.87 195	1.48 166	0.35 7	0.21 126	0.13 17	0.25 210	0.15 33	0.19 63	0.23 130

DualNet	1.46 325	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	1.08 59	2.62 377	1.19 170	1.49 254	1.07 192	0.85 181	1.57 178	13.82 408	0.21 126	0.13 17	0.31 274	0.28 275	0.20 91	0.23 130

ffm	0.79 185	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	1.08 59	2.62 377	1.19 170	1.49 254	1.07 192	0.85 181	1.57 178	0.35 7	0.21 126	0.13 17	0.31 274	0.28 275	0.20 91	0.23 130

ff1	1.88 355	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	1.08 59	2.62 377	1.19 170	1.49 254	1.07 192	0.85 181	9.88 412	13.82 408	0.21 126	0.13 17	0.31 274	0.28 275	0.20 91	0.23 130

tt1	0.65 115	0.34 167	0.65 47	0.60 177	0.27 21	1.14 259	0.48 158	1.08 59	2.62 377	0.59 34	0.79 48	0.49 32	0.80 166	1.57 178	0.35 7	0.21 126	0.13 17	0.25 210	0.16 57	0.20 91	0.23 130

GMStereo_Zeroshot	0.70 145	0.64 318	1.11 210	0.65 225	0.38 161	0.84 194	0.37 68	1.09 66	1.16 182	1.14 146	1.07 113	1.26 244	0.55 75	1.23 129	0.65 172	0.34 298	0.17 166	0.31 274	0.18 88	0.57 348	0.23 130

IGEV_Zeroshot_test	0.59 88	0.33 140	1.11 210	0.63 208	0.37 150	0.41 13	0.33 38	1.80 228	0.79 51	1.04 110	1.10 124	1.06 189	0.43 25	0.87 66	0.48 94	0.18 41	0.13 17	0.19 51	0.18 88	0.20 91	0.23 130

DLNR_Zeroshot_test	23.23 425	48.25 442	43.77 431	177.04 442	78.39 438	0.35 5	0.21 1	23.33 425	0.82 56	0.67 47	0.86 60	0.58 49	0.30 5	1.64 193	0.48 94	10.69 428	0.13 17	0.18 36	0.14 25	76.63 441	0.23 130

iRaft-Stereo_20w	0.71 151	0.33 140	1.25 250	0.50 51	0.36 145	0.82 181	0.31 29	3.16 386	0.89 69	1.24 193	1.14 149	0.79 95	0.65 122	1.15 119	0.43 63	0.18 41	0.13 17	0.18 36	0.17 74	0.20 91	0.23 130

TransformOpticalFlow	0.97 253	0.30 84	0.96 176	0.54 105	0.31 80	0.65 115	0.54 196	1.87 245	1.19 192	1.12 130	1.44 244	1.34 263	0.98 238	6.68 379	0.44 67	0.19 67	0.12 5	0.21 97	0.19 107	0.18 37	0.23 130

RAFT	0.67 125	0.32 123	0.83 122	0.63 208	0.34 127	0.69 138	0.57 212	1.14 82	0.84 61	1.12 130	1.20 163	1.75 326	0.92 218	1.09 109	0.60 156	0.22 155	0.19 205	0.27 241	0.24 232	0.22 145	0.23 130

GANet-RSSM	0.78 177	0.31 109	0.90 154	0.67 251	0.58 271	0.80 173	0.62 235	2.04 283	1.15 176	1.11 122	1.27 191	1.26 244	1.18 295	1.68 198	0.74 191	0.26 231	0.21 228	0.22 124	0.22 192	0.23 164	0.23 130

BEATNet_4x	0.82 200	0.54 291	2.02 318	0.56 127	0.28 42	1.04 241	0.55 203	2.14 302	1.13 165	1.24 193	1.26 182	1.00 175	0.94 221	1.13 117	1.23 278	0.21 126	0.14 61	0.24 173	0.20 133	0.37 284	0.23 130

AdaStereo	0.74 162	0.48 270	0.86 142	0.75 307	0.38 161	0.94 221	0.56 209	2.05 287	1.24 212	1.15 148	1.22 170	1.07 192	0.67 128	1.05 97	0.73 189	0.33 291	0.16 142	0.32 286	0.22 192	0.29 240	0.23 130
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
DN-CSS_ROB	0.67 125	0.36 195	1.36 265	0.59 170	0.41 187	0.54 66	0.45 139	1.30 131	0.95 96	1.05 112	1.47 251	0.69 75	0.64 118	1.80 218	0.60 156	0.19 67	0.15 115	0.25 210	0.23 220	0.22 145	0.23 130

DCANet-4	0.59 88	0.28 46	1.65 294	0.44 8	0.25 10	0.48 27	0.36 62	1.15 93	1.36 266	1.13 133	1.03 102	0.56 46	0.74 140	0.77 45	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.15 5	0.24 149

fff	0.58 77	0.26 22	1.15 219	0.46 15	0.25 10	0.48 27	0.36 62	1.20 107	1.28 233	1.13 133	1.03 102	0.59 51	1.04 263	0.77 45	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.15 5	0.24 149

ADStereo(finetuned)	0.62 99	0.26 22	1.59 291	0.45 9	0.25 10	0.49 32	0.36 62	1.18 99	1.35 259	1.16 152	1.04 106	0.60 54	1.18 295	0.85 64	0.57 143	0.17 19	0.14 61	0.17 16	0.13 12	0.19 63	0.24 149

x	0.59 88	0.34 167	0.79 99	0.51 62	0.32 100	0.69 138	0.46 145	1.64 190	0.97 104	0.86 78	0.86 60	0.83 117	0.74 140	0.75 43	0.70 185	0.21 126	0.22 238	0.22 124	0.20 133	0.21 126	0.24 149

BUS	0.78 177	0.34 167	0.77 89	0.55 115	0.45 207	2.30 366	0.42 98	2.65 370	1.04 133	1.25 196	1.12 134	1.02 181	0.70 136	0.94 76	0.75 194	0.25 214	0.18 190	0.25 210	0.22 192	0.23 164	0.24 149

BSDual-CNN	0.75 165	0.34 167	0.77 89	0.55 115	0.45 207	1.25 282	0.66 245	2.65 370	1.04 133	1.25 196	1.12 134	1.11 210	0.77 150	0.94 76	0.76 197	0.25 214	0.18 190	0.25 210	0.22 192	0.23 164	0.24 149

hknet	0.82 200	0.34 167	1.15 219	0.55 115	0.39 168	1.25 282	0.66 245	2.65 370	1.10 151	1.25 196	1.12 134	1.58 302	0.85 181	1.41 150	0.79 204	0.23 175	0.18 190	0.25 210	0.22 192	0.23 164	0.24 149

iRaft-Stereo_5w	0.89 227	0.31 109	1.04 193	0.56 127	0.47 220	0.47 22	0.68 249	1.19 103	1.08 141	0.80 62	1.35 220	1.46 282	0.90 208	5.11 343	1.16 267	0.18 41	0.15 115	0.22 124	0.19 107	0.21 126	0.24 149

psmg	0.75 165	0.34 167	0.77 89	0.52 74	0.45 207	1.46 308	0.73 264	2.15 306	1.04 133	1.25 196	1.33 212	1.11 210	0.77 150	0.94 76	0.76 197	0.25 214	0.20 215	0.25 210	0.26 252	0.23 164	0.24 149

DAS	0.89 227	0.37 211	1.20 239	0.66 238	0.69 310	0.82 181	0.62 235	1.79 224	1.26 225	1.93 347	1.55 274	0.96 162	1.17 288	2.72 293	0.69 182	0.22 155	0.16 142	0.25 210	0.18 88	0.29 240	0.24 149

SepStereo	0.87 223	0.37 211	1.20 239	0.66 238	0.69 310	0.82 181	0.62 235	1.79 224	1.26 225	1.93 347	1.55 274	0.96 162	1.17 288	2.34 273	0.69 182	0.22 155	0.16 142	0.25 210	0.18 88	0.29 240	0.24 149

DRaft	0.81 198	0.26 22	0.77 89	0.47 26	0.31 80	0.95 227	0.52 181	1.13 80	0.99 114	1.78 335	2.01 341	0.80 97	1.71 349	2.64 288	0.74 191	0.19 67	0.14 61	0.20 74	0.20 133	0.18 37	0.24 149

CRE-IMP	0.57 65	0.32 123	0.82 114	0.54 105	0.29 54	0.77 167	0.25 4	1.19 103	0.79 51	1.09 119	0.95 74	0.81 103	0.57 82	1.11 114	0.57 143	0.22 155	0.14 61	0.23 151	0.19 107	0.28 230	0.24 149

csc	0.58 77	0.26 22	1.15 219	0.46 15	0.25 10	0.48 27	0.36 62	1.20 107	1.28 233	1.13 133	1.03 102	0.59 51	1.04 263	0.77 45	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.15 5	0.24 149

cscssc	0.58 77	0.26 22	1.15 219	0.46 15	0.25 10	0.48 27	0.36 62	1.20 107	1.28 233	1.13 133	1.03 102	0.59 51	1.04 263	0.77 45	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.15 5	0.24 149

MMNet	0.89 227	0.35 191	1.44 271	0.64 219	0.59 277	1.83 343	0.48 158	1.70 207	1.38 273	1.45 284	1.19 162	1.25 238	1.16 285	1.77 209	1.27 283	0.20 101	0.19 205	0.23 151	0.22 192	0.25 203	0.24 149

delet	0.90 234	0.34 167	1.15 219	0.69 270	0.66 302	1.63 324	0.81 284	1.95 265	1.49 314	1.42 271	1.38 229	1.29 252	0.91 210	1.78 211	1.18 268	0.22 155	0.22 238	0.24 173	0.25 240	0.22 145	0.24 149

FENet	0.62 99	0.30 84	0.68 54	0.57 146	0.33 115	0.82 181	0.40 86	1.41 147	1.12 160	1.03 108	0.87 62	0.98 166	0.84 176	1.00 87	0.70 185	0.23 175	0.16 142	0.23 151	0.20 133	0.22 145	0.24 149

HSM	1.22 300	0.34 167	0.81 105	0.61 190	0.39 168	1.22 278	0.63 240	2.45 350	1.25 219	1.32 230	1.26 182	1.91 331	1.08 272	9.21 404	0.75 194	0.23 175	0.17 166	0.20 74	0.16 57	0.22 145	0.24 149

ACVNet-DCA	0.59 88	0.34 167	0.63 36	0.60 177	0.27 21	1.16 265	0.51 173	1.58 177	0.91 75	0.60 38	0.80 51	0.47 24	0.87 195	1.48 166	0.35 7	0.21 126	0.13 17	0.25 210	0.15 33	0.23 164	0.25 168

xx1	0.70 145	0.34 167	0.63 36	0.60 177	0.27 21	1.16 265	0.51 173	1.07 54	3.23 389	0.60 38	0.80 51	0.95 158	0.79 160	1.48 166	0.35 7	0.21 126	0.13 17	0.24 173	0.23 220	0.23 164	0.25 168

1test111	0.58 77	0.34 167	0.63 36	0.60 177	0.27 21	1.16 265	0.51 173	1.58 177	0.91 75	0.60 38	0.80 51	0.47 24	0.87 195	0.99 85	0.67 177	0.21 126	0.13 17	0.25 210	0.15 33	0.23 164	0.25 168

gwcnet-sp	0.80 190	0.37 211	1.94 311	0.62 198	0.45 207	1.38 296	0.53 187	1.68 195	1.20 196	1.37 252	1.08 119	0.93 150	0.82 171	1.45 160	0.79 204	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 168

scenet	0.80 190	0.37 211	1.94 311	0.62 198	0.45 207	1.38 296	0.53 187	1.68 195	1.20 196	1.37 252	1.08 119	0.93 150	0.82 171	1.45 160	0.79 204	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 168

knoymous	0.53 40	0.32 123	0.51 15	0.46 15	0.30 66	0.57 75	0.54 196	1.10 72	0.78 44	0.99 93	0.84 57	0.95 158	0.57 82	0.89 70	0.51 108	0.21 126	0.14 61	0.26 231	0.14 25	0.23 164	0.25 168

ssnet	0.80 190	0.37 211	1.94 311	0.62 198	0.45 207	1.38 296	0.53 187	1.68 195	1.20 196	1.37 252	1.08 119	0.93 150	0.82 171	1.45 160	0.79 204	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 168

qqq	0.62 99	0.36 195	0.88 146	0.50 51	0.28 42	0.64 111	0.62 235	1.58 177	0.91 75	0.83 69	0.96 76	0.95 158	0.79 160	0.99 85	0.67 177	0.21 126	0.23 261	0.24 173	0.23 220	0.23 164	0.25 168

CrosDoStereo	1.56 334	0.26 22	0.78 95	0.51 62	0.29 54	0.66 121	11.86 415	1.18 99	1.00 118	1.35 246	1.76 311	0.99 171	1.83 357	6.64 377	0.83 213	0.19 67	0.15 115	0.20 74	0.22 192	0.18 37	0.25 168

DeepStereo_LL	1.56 334	0.26 22	0.78 95	0.51 62	0.29 54	0.66 121	11.86 415	1.18 99	1.00 118	1.35 246	1.76 311	0.99 171	1.83 357	6.64 377	0.83 213	0.19 67	0.15 115	0.20 74	0.22 192	0.18 37	0.25 168

DEmStereo	0.98 256	0.25 19	0.85 137	0.49 38	0.33 115	1.02 239	0.55 203	0.97 29	0.93 87	1.41 267	2.13 347	1.01 179	2.01 364	5.62 355	0.78 200	0.19 67	0.15 115	0.20 74	0.20 133	0.18 37	0.25 168

THIR-Stereo	1.02 266	0.29 66	0.73 72	0.51 62	0.29 54	0.94 221	1.31 352	1.08 59	0.98 107	1.35 246	1.91 334	1.16 219	1.54 334	6.37 374	0.79 204	0.20 101	0.14 61	0.21 97	0.22 192	0.19 63	0.25 168

Pruner-Stereo	0.64 111	0.31 109	0.79 99	0.66 238	0.31 80	0.61 93	0.42 98	1.22 113	1.09 148	1.53 300	1.09 122	0.94 155	0.55 75	1.37 144	0.56 140	0.25 214	0.14 61	0.24 173	0.21 169	0.21 126	0.25 168

DCANet	0.58 77	0.26 22	1.15 219	0.45 9	0.25 10	0.49 32	0.36 62	1.18 99	1.35 259	1.15 148	1.04 106	0.60 54	0.91 210	0.84 61	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.19 63	0.25 168

test_xeample	1.55 333	0.31 109	0.94 166	0.54 105	0.31 80	0.94 221	0.58 219	2.40 345	1.40 284	1.29 220	1.55 274	0.89 138	0.88 202	1.72 204	15.94 415	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 168

UNet	0.86 220	0.36 195	1.52 283	0.62 198	0.74 321	1.56 317	0.49 166	1.55 170	1.12 160	1.28 216	1.10 124	1.52 293	1.10 277	1.69 202	1.14 265	0.24 194	0.18 190	0.25 210	0.21 169	0.25 203	0.25 168

LE_ROB	8.35 414	0.47 267	27.42 428	0.83 331	0.34 127	2.84 381	3.36 410	4.03 397	27.04 428	25.20 428	8.72 412	8.55 411	27.35 428	7.37 388	22.13 421	0.22 155	0.20 215	0.20 74	0.21 169	0.25 203	0.25 168

11t1	0.57 65	0.30 84	0.84 131	0.54 105	0.30 66	0.83 187	0.41 94	1.34 134	0.79 51	0.88 80	0.82 55	0.70 78	0.70 136	0.96 83	0.67 177	0.21 126	0.21 228	0.20 74	0.16 57	0.21 126	0.26 185

1111x	1.96 361	0.32 123	1.54 287	0.54 105	0.30 66	1.00 236	0.69 253	2.47 355	1.33 254	1.21 182	1.44 244	1.21 225	1.11 279	8.49 399	16.14 416	0.22 155	0.23 261	0.22 124	0.23 220	0.25 203	0.26 185

EKT-Stereo	0.56 53	0.33 140	0.84 131	0.61 190	0.64 293	0.51 48	0.48 158	1.14 82	0.95 96	0.74 55	0.89 67	0.77 92	0.42 22	1.18 125	0.42 60	0.23 175	0.17 166	0.21 97	0.18 88	0.20 91	0.26 185

iinet-f	1.04 269	0.50 278	4.24 373	0.58 156	0.43 197	1.78 340	0.70 259	1.29 130	1.16 182	1.25 196	1.42 240	1.57 301	1.42 324	1.47 164	1.70 329	0.26 231	0.23 261	0.20 74	0.20 133	0.26 213	0.26 185

DisPM	0.68 134	0.30 84	0.85 137	0.66 238	0.35 142	0.60 89	0.44 131	1.10 72	1.10 151	1.56 307	1.10 124	0.80 97	0.58 98	2.37 278	0.46 82	0.25 214	0.14 61	0.23 151	0.21 169	0.20 91	0.26 185

NINENet	0.81 198	0.40 238	0.89 149	0.65 225	0.53 249	2.30 366	0.42 98	2.12 297	1.13 165	1.20 176	1.27 191	1.02 181	0.70 136	1.26 131	0.75 194	0.29 272	0.24 269	0.31 274	0.21 169	0.27 215	0.26 185

PSM-softLoss	0.80 190	0.33 140	0.89 149	0.63 208	0.32 100	0.55 70	0.40 86	1.26 121	0.78 44	1.25 196	1.07 113	0.83 117	0.51 60	5.33 348	0.61 159	0.25 214	0.15 115	0.25 210	0.22 192	0.20 91	0.26 185

KMStereo	0.80 190	0.33 140	0.89 149	0.63 208	0.32 100	0.55 70	0.40 86	1.26 121	0.78 44	1.25 196	1.07 113	0.83 117	0.51 60	5.33 348	0.61 159	0.25 214	0.15 115	0.25 210	0.22 192	0.20 91	0.26 185

DeepStereo_RVC	0.57 65	0.31 109	0.78 95	0.53 94	0.30 66	0.57 75	0.32 33	1.11 74	0.80 55	1.17 154	0.94 73	0.83 117	0.93 219	1.01 89	0.61 159	0.23 175	0.14 61	0.21 97	0.19 107	0.24 193	0.26 185

test-1	0.56 53	0.28 46	1.13 214	0.58 156	0.34 127	0.60 89	0.38 75	1.56 172	0.98 107	0.80 62	1.02 95	0.83 117	0.52 64	0.64 26	0.46 82	0.17 19	0.16 142	0.20 74	0.17 74	0.20 91	0.26 185

HCRNet	0.72 156	0.40 238	0.86 142	0.61 190	0.57 269	0.75 153	0.35 55	1.39 142	1.21 202	1.11 122	0.99 87	1.01 179	0.76 146	2.18 262	0.73 189	0.28 260	0.19 205	0.28 253	0.23 220	0.25 203	0.26 185

222	1.67 341	0.31 109	0.93 160	0.59 170	0.31 80	1.05 244	0.43 114	2.39 343	1.47 309	1.37 252	1.55 274	0.94 155	0.94 221	1.98 240	17.76 418	0.24 194	0.22 238	0.21 97	0.20 133	0.22 145	0.26 185

PSMNet-RSSM	0.78 177	0.32 123	0.89 149	0.65 225	0.43 197	0.73 149	0.58 219	2.14 302	1.19 192	1.18 165	1.38 229	1.31 256	1.07 271	1.43 157	0.82 212	0.28 260	0.21 228	0.27 241	0.29 290	0.25 203	0.26 185

CFNet-ft	0.78 177	0.36 195	0.74 77	0.67 251	0.56 265	0.86 198	0.54 196	1.46 154	1.17 186	1.01 100	1.28 196	1.68 315	1.03 257	1.57 178	0.95 243	0.27 248	0.21 228	0.33 294	0.26 252	0.31 256	0.26 185

DSFCA	0.95 248	0.38 228	1.23 245	0.55 115	0.66 302	1.50 310	0.93 309	1.58 177	1.24 212	1.59 314	1.16 155	1.48 285	0.95 226	2.96 300	1.20 270	0.31 281	0.28 299	0.25 210	0.26 252	0.29 240	0.26 185

CFNet_RVC	0.78 177	0.36 195	0.74 77	0.67 251	0.56 265	0.86 198	0.54 196	1.46 154	1.17 186	1.01 100	1.28 196	1.68 315	1.03 257	1.57 178	0.95 243	0.27 248	0.21 228	0.33 294	0.26 252	0.31 256	0.26 185

SMFormer	0.79 185	0.32 123	0.95 169	0.49 38	0.27 21	0.83 187	0.43 114	2.16 308	1.45 303	1.27 211	1.50 261	0.98 166	0.96 228	1.87 224	0.99 248	0.24 194	0.22 238	0.22 124	0.21 169	0.23 164	0.27 201

mmm	0.68 134	0.37 211	0.91 157	0.54 105	0.34 127	0.86 198	0.58 219	1.72 212	1.02 124	1.13 133	1.41 239	0.83 117	0.78 155	0.95 82	0.67 177	0.22 155	0.20 215	0.29 261	0.26 252	0.27 215	0.27 201

CRFU-Net	0.90 234	0.42 249	1.10 208	0.69 270	0.59 277	1.76 335	0.84 291	2.33 340	0.92 80	1.45 284	1.20 163	1.62 305	1.25 302	1.38 145	0.94 241	0.28 260	0.23 261	0.22 124	0.19 107	0.24 193	0.27 201

dd	0.62 99	0.51 282	1.17 233	0.56 127	0.33 115	0.74 151	0.46 145	1.03 46	1.40 284	0.80 62	0.87 62	0.60 54	0.57 82	1.02 91	0.86 217	0.28 260	0.18 190	0.26 231	0.19 107	0.35 275	0.27 201

AASNet	0.80 190	0.39 233	1.16 232	0.84 335	0.80 338	1.14 259	0.59 223	2.12 297	1.21 202	1.26 206	1.26 182	0.93 150	0.77 150	0.84 61	1.23 278	0.28 260	0.24 269	0.24 173	0.20 133	0.28 230	0.27 201

GANet-ADL	0.63 108	0.38 228	0.82 114	0.67 251	0.41 187	0.68 130	0.51 173	1.64 190	1.16 182	0.98 92	1.10 124	0.90 140	0.58 98	0.81 53	0.63 164	0.27 248	0.18 190	0.18 36	0.16 57	0.23 164	0.27 201

PFNet+	0.62 99	0.31 109	0.99 181	0.57 146	0.31 80	0.57 75	0.30 27	0.99 38	1.25 219	1.33 235	1.10 124	0.79 95	0.57 82	1.35 140	0.53 123	0.26 231	0.17 166	0.28 253	0.26 252	0.21 126	0.27 201

TANstereo	0.45 14	0.23 6	0.50 14	0.43 6	0.21 3	0.65 115	0.26 11	0.83 13	0.88 68	0.95 90	0.99 87	0.51 36	0.45 33	0.56 6	0.36 18	0.19 67	0.24 269	0.16 10	0.13 12	0.17 21	0.27 201

xxxx	1.61 337	0.32 123	0.98 179	0.58 156	0.31 80	1.15 262	0.43 114	2.43 348	1.41 287	1.17 154	1.40 236	1.21 225	0.86 189	1.94 234	16.68 417	0.24 194	0.24 269	0.21 97	0.20 133	0.23 164	0.27 201

GMStereo	0.58 77	0.50 278	1.09 205	0.52 74	0.32 100	0.80 173	0.43 114	1.02 40	1.41 287	0.89 81	0.77 44	0.52 40	0.46 40	0.89 70	0.56 140	0.25 214	0.16 142	0.20 74	0.22 192	0.31 256	0.27 201
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
iResNet	0.80 190	0.45 259	1.47 274	0.72 287	0.31 80	0.96 232	0.64 241	1.80 228	1.28 233	1.31 228	1.48 253	0.94 155	0.78 155	1.77 209	0.99 248	0.19 67	0.14 61	0.18 36	0.15 33	0.22 145	0.27 201

PCWNet_CMD	0.68 134	0.34 167	0.93 160	0.51 62	0.38 161	0.80 173	0.42 98	1.51 160	1.34 256	1.17 154	1.31 202	1.23 233	0.65 122	0.94 76	0.62 162	0.21 126	0.17 166	0.27 241	0.19 107	0.43 308	0.28 212

ToySt	0.73 159	0.35 191	1.64 293	0.54 105	0.37 150	0.92 216	0.81 284	1.21 111	1.03 127	0.86 78	1.12 134	1.31 256	1.01 250	1.04 94	0.88 221	0.19 67	0.20 215	0.24 173	0.24 232	0.27 215	0.28 212

Wz-Net-LNSev-Ref	1.09 280	0.46 262	2.61 346	0.71 282	0.65 299	2.00 354	0.78 272	2.07 290	1.47 309	1.62 318	1.47 251	1.53 294	1.29 307	2.10 256	1.65 325	0.24 194	0.14 61	0.20 74	0.16 57	0.28 230	0.28 212

AACVNet	0.90 234	0.40 238	0.98 179	0.86 340	0.40 177	0.80 173	0.49 166	1.81 231	0.86 66	1.11 122	1.34 215	1.32 260	0.99 241	4.23 326	0.86 217	0.26 231	0.22 238	0.28 253	0.22 192	0.30 251	0.28 212

ICVP	0.66 117	0.35 191	0.71 61	0.63 208	0.41 187	0.85 197	0.56 209	1.78 221	0.96 100	0.92 84	1.24 178	0.88 132	0.75 145	0.76 44	0.93 236	0.31 281	0.22 238	0.22 124	0.21 169	0.24 193	0.28 212
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.68 134	0.34 167	0.93 160	0.50 51	0.39 168	0.72 146	0.42 98	1.44 150	1.25 219	1.17 154	1.35 220	1.22 229	0.66 126	1.04 94	0.64 167	0.21 126	0.17 166	0.33 294	0.19 107	0.39 294	0.28 212

sCroCo_RVC	0.51 37	0.43 253	1.15 219	0.66 238	0.60 281	0.52 52	0.40 86	0.93 23	0.64 20	0.45 10	0.76 41	0.49 32	0.49 58	0.65 27	0.49 103	0.27 248	0.28 299	0.23 151	0.22 192	0.29 240	0.28 212

111	0.66 117	0.27 38	1.15 219	0.46 15	0.25 10	0.72 146	0.42 98	1.57 175	1.44 298	0.83 69	1.39 231	1.10 205	0.80 166	0.97 84	0.65 172	0.20 101	0.14 61	0.18 36	0.15 33	0.18 37	0.28 212

psm_up	0.83 209	0.37 211	0.88 146	0.68 260	0.59 277	1.05 244	0.92 306	1.68 195	1.17 186	1.41 267	1.22 170	1.30 254	1.31 311	1.39 147	0.89 224	0.27 248	0.30 311	0.31 274	0.27 266	0.28 230	0.28 212

DMCA-RVC	0.83 209	0.46 262	2.19 331	0.68 260	0.49 228	0.84 194	0.48 158	1.44 150	1.07 138	1.56 307	1.04 106	1.29 252	0.86 189	1.49 172	0.92 233	0.27 248	0.22 238	0.35 308	0.28 275	0.32 264	0.28 212

MSMDNet	0.68 134	0.34 167	0.93 160	0.52 74	0.38 161	0.80 173	0.42 98	1.52 162	1.35 259	1.17 154	1.31 202	1.23 233	0.65 122	0.94 76	0.62 162	0.21 126	0.17 166	0.26 231	0.19 107	0.41 302	0.28 212

DLCB_ROB	0.92 242	0.43 253	0.95 169	0.71 282	0.55 260	1.11 253	0.83 289	1.61 186	1.32 252	1.67 324	1.66 297	1.70 318	0.93 219	1.96 239	1.34 290	0.26 231	0.25 282	0.27 241	0.28 275	0.28 230	0.28 212

mmx	1.89 358	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	2.32 335	1.41 287	1.19 170	1.49 254	1.07 192	0.85 181	9.88 412	13.82 408	0.25 214	0.21 228	0.31 274	0.28 275	0.32 264	0.29 224

xxx	1.89 358	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	2.32 335	1.41 287	1.19 170	1.49 254	1.07 192	0.85 181	9.88 412	13.82 408	0.25 214	0.21 228	0.31 274	0.28 275	0.32 264	0.29 224

riskmin	0.62 99	0.29 66	0.73 72	0.50 51	0.34 127	0.86 198	0.44 131	1.74 215	1.07 138	0.76 58	0.76 41	1.19 222	1.01 250	0.84 61	0.60 156	0.20 101	0.16 142	0.24 173	0.16 57	0.24 193	0.29 224

ssnet_v2	0.92 242	0.39 233	1.22 243	0.66 238	0.39 168	1.31 286	0.96 315	2.32 335	1.45 303	1.48 292	1.17 157	1.53 294	0.91 210	1.16 121	1.71 331	0.31 281	0.27 295	0.30 270	0.29 290	0.28 230	0.29 224

CIPLG	0.67 125	0.37 211	1.17 233	0.60 177	0.51 241	0.75 153	0.48 158	1.26 121	1.11 155	1.43 275	1.58 284	0.64 64	0.48 48	0.94 76	0.78 200	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 224

IPLGR_C	0.67 125	0.38 228	1.20 239	0.60 177	0.50 232	0.75 153	0.48 158	1.28 129	1.13 165	1.42 271	1.57 283	0.62 58	0.48 48	0.85 64	0.80 209	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 224

ACRE	0.66 117	0.37 211	1.27 253	0.60 177	0.50 232	0.74 151	0.47 154	1.26 121	1.10 151	1.40 265	1.56 279	0.62 58	0.46 40	0.88 68	0.78 200	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 224

HGLStereo	0.89 227	0.42 249	1.15 219	0.82 327	1.03 367	1.16 265	0.57 212	1.68 195	1.28 233	1.26 206	1.62 290	1.13 214	1.31 311	1.85 220	1.11 264	0.25 214	0.24 269	0.24 173	0.22 192	0.24 193	0.29 224

DMCA	0.71 151	0.36 195	1.17 233	0.53 94	0.45 207	0.84 194	0.46 145	1.52 162	1.09 148	1.20 176	1.12 134	1.21 225	0.74 140	0.87 66	1.09 260	0.25 214	0.20 215	0.27 241	0.19 107	0.24 193	0.29 224

TDLM	1.08 279	0.50 278	1.01 187	0.69 270	0.54 256	0.91 209	1.40 357	1.60 184	1.36 266	1.17 154	1.40 236	1.07 192	1.00 247	6.19 366	0.85 216	0.34 298	0.22 238	0.35 308	0.26 252	0.38 290	0.29 224

ccs_rob	0.68 134	0.34 167	0.93 160	0.50 51	0.39 168	0.72 146	0.42 98	1.43 149	1.25 219	1.17 154	1.34 215	1.22 229	0.66 126	1.04 94	0.64 167	0.21 126	0.17 166	0.35 308	0.20 133	0.40 298	0.29 224

UCFNet_RVC	0.72 156	0.37 211	0.59 24	0.66 238	0.41 187	0.89 204	0.68 249	1.78 221	1.15 176	1.01 100	1.20 163	1.22 229	0.95 226	1.07 103	0.66 176	0.28 260	0.21 228	0.34 302	0.31 305	0.33 269	0.29 224

DISCO	1.06 273	0.37 211	1.19 238	0.73 294	0.46 214	2.04 357	0.84 291	2.26 327	1.54 321	1.25 196	1.36 224	2.38 365	1.08 272	2.60 287	1.62 319	0.24 194	0.19 205	0.22 124	0.20 133	0.32 264	0.29 224

MyStereo8	0.70 145	0.32 123	1.24 248	0.63 208	0.53 249	0.90 207	0.34 46	1.60 184	1.35 259	1.20 176	1.31 202	0.89 138	0.64 118	0.77 45	1.02 255	0.18 41	0.15 115	0.20 74	0.18 88	0.22 145	0.30 237

CFNet_ucs	0.73 159	0.34 167	0.94 166	0.53 94	0.44 204	0.76 158	0.46 145	1.73 213	1.34 256	1.24 193	1.54 271	1.08 203	0.64 118	1.05 97	0.64 167	0.26 231	0.20 215	0.37 320	0.22 192	0.42 306	0.30 237

CSP-Net	1.00 262	0.41 247	0.99 181	0.56 127	0.43 197	1.62 323	0.76 268	2.16 308	1.16 182	1.33 235	1.22 170	1.32 260	0.89 205	4.67 337	0.93 236	0.35 306	0.24 269	0.20 74	0.20 133	0.23 164	0.30 237

NF-Stereo	0.82 200	0.33 140	0.83 122	0.65 225	0.31 80	0.63 103	0.43 114	1.35 135	0.93 87	1.30 222	1.02 95	0.81 103	0.57 82	5.37 352	0.55 133	0.26 231	0.14 61	0.24 173	0.20 133	0.20 91	0.30 237

OCTAStereo	0.82 200	0.33 140	0.83 122	0.65 225	0.31 80	0.62 95	0.44 131	1.35 135	0.93 87	1.30 222	1.02 95	0.81 103	0.57 82	5.32 347	0.55 133	0.26 231	0.14 61	0.24 173	0.20 133	0.20 91	0.30 237

ASMatch	0.89 227	0.29 66	0.72 62	0.56 127	0.36 145	0.47 22	0.37 68	1.16 96	0.95 96	1.11 122	3.26 377	0.95 158	0.96 228	4.88 340	0.53 123	0.20 101	0.16 142	0.22 124	0.19 107	0.20 91	0.30 237

Anonymous3	0.64 111	0.47 267	1.31 258	0.59 170	0.50 232	0.93 219	0.69 253	1.11 74	0.83 59	0.74 55	0.89 67	0.65 65	0.68 131	1.08 105	0.54 132	0.40 325	0.31 316	0.26 231	0.26 252	0.31 256	0.30 237

Anonymous	0.56 53	0.41 247	1.05 195	0.67 251	0.73 317	0.65 115	0.68 249	1.12 76	0.79 51	0.48 15	0.60 21	0.42 6	0.60 105	0.81 53	0.55 133	0.26 231	0.24 269	0.21 97	0.21 169	0.41 302	0.30 237

iResNet_ROB	0.82 200	0.36 195	1.13 214	0.60 177	0.37 150	0.91 209	0.38 75	2.41 346	1.61 332	1.35 246	1.35 220	1.25 238	0.97 235	1.75 207	0.88 221	0.21 126	0.14 61	0.17 16	0.12 10	0.19 63	0.30 237

fast-acv-ft	1.00 262	0.48 270	1.85 307	0.61 190	0.52 244	1.77 337	0.69 253	1.52 162	1.47 309	1.34 242	1.85 326	1.73 321	1.24 301	1.62 192	1.56 313	0.27 248	0.28 299	0.28 253	0.28 275	0.28 230	0.31 246

ADLNet2	0.92 242	0.37 211	1.25 250	0.80 320	0.65 299	1.12 255	0.75 266	1.95 265	1.42 295	1.26 206	1.67 299	1.68 315	1.04 263	1.80 218	1.23 278	0.25 214	0.22 238	0.21 97	0.22 192	0.27 215	0.31 246

HHNet	0.64 111	0.28 46	0.69 58	0.45 9	0.46 214	0.50 43	0.57 212	1.13 80	1.03 127	1.26 206	2.21 351	0.70 78	0.59 101	1.10 111	0.51 108	0.21 126	0.13 17	0.23 151	0.19 107	0.20 91	0.31 246

RE-Stereo	0.82 200	0.33 140	0.84 131	0.65 225	0.31 80	0.63 103	0.44 131	1.35 135	0.93 87	1.30 222	1.02 95	0.80 97	0.57 82	5.34 350	0.55 133	0.26 231	0.14 61	0.24 173	0.20 133	0.20 91	0.31 246

TVStereo	0.82 200	0.33 140	0.84 131	0.65 225	0.31 80	0.63 103	0.44 131	1.35 135	0.93 87	1.30 222	1.02 95	0.80 97	0.57 82	5.34 350	0.55 133	0.26 231	0.14 61	0.24 173	0.20 133	0.20 91	0.31 246

GEStereo_RVC	0.93 247	0.40 238	1.15 219	0.67 251	0.50 232	0.95 227	0.78 272	2.73 375	1.21 202	1.20 176	1.12 134	1.25 238	0.91 210	3.21 307	0.95 243	0.31 281	0.20 215	0.23 151	0.20 133	0.28 230	0.31 246

GES	0.70 145	0.37 211	1.05 195	0.62 198	0.38 161	0.94 221	0.57 212	2.37 342	0.92 80	1.05 112	1.12 134	0.67 69	0.77 150	1.02 91	0.65 172	0.28 260	0.20 215	0.20 74	0.20 133	0.22 145	0.31 246

SGM_RVC	1.88 355	0.40 238	0.90 154	0.63 208	0.30 66	2.81 379	1.26 350	2.73 375	1.81 349	4.09 395	2.85 371	3.88 389	3.19 390	8.42 398	2.44 354	0.33 291	0.31 316	0.30 270	0.28 275	0.31 256	0.31 246
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ttt	1.26 309	0.36 195	0.79 99	0.65 225	0.42 194	0.94 221	0.57 212	2.33 340	1.38 273	1.25 196	1.65 296	0.92 148	0.78 155	2.64 288	8.73 396	0.30 277	0.28 299	0.26 231	0.25 240	0.29 240	0.32 254

Wz-Net-MNSev	1.21 299	0.66 325	3.44 363	0.69 270	0.73 317	1.93 350	1.44 359	2.16 308	1.59 329	1.85 341	1.49 254	1.50 289	1.34 315	2.05 252	1.54 312	0.27 248	0.24 269	0.28 253	0.28 275	0.35 275	0.32 254

RAFT + AFF	1.07 277	0.47 267	1.36 265	0.68 260	0.50 232	1.20 276	1.22 345	2.58 367	1.26 225	1.33 235	1.56 279	1.19 222	1.49 332	3.89 324	1.01 253	0.22 155	0.26 287	0.30 270	0.27 266	0.29 240	0.32 254

ADCRef	1.50 329	0.61 309	3.83 368	0.76 313	0.77 330	1.91 348	0.77 269	2.16 308	1.34 256	1.63 320	1.59 288	1.35 264	1.40 322	1.79 216	8.32 395	0.25 214	0.21 228	0.32 286	0.31 305	0.31 256	0.32 254

CVANet_RVC	1.10 281	0.49 275	1.15 219	0.65 225	0.54 256	0.93 219	1.00 321	1.69 204	1.36 266	1.42 271	1.39 231	1.24 237	1.17 288	6.22 368	0.80 209	0.35 306	0.24 269	0.35 308	0.30 301	0.44 318	0.32 254

PSMNet_ROB	0.95 248	0.57 302	1.45 272	0.75 307	0.64 293	1.28 285	1.12 331	1.84 237	1.15 176	1.16 152	1.29 200	1.44 277	0.89 205	1.74 206	1.70 329	0.33 291	0.25 282	0.37 320	0.39 337	0.36 279	0.32 254

LL-Strereo	1.42 321	0.44 258	2.02 318	0.62 198	1.07 369	0.73 149	0.65 243	2.02 277	1.21 202	1.60 315	1.62 290	2.02 347	2.10 370	9.67 408	1.07 259	0.22 155	0.20 215	0.27 241	0.24 232	0.23 164	0.33 260

GASNet	1.13 285	1.10 369	3.29 361	1.00 367	0.68 307	0.82 181	0.67 247	1.85 243	1.38 273	1.39 259	1.25 180	1.25 238	1.20 297	2.72 293	1.62 319	0.46 345	0.26 287	0.36 318	0.34 324	0.55 345	0.33 260

GwcNet-ADL	0.67 125	0.33 140	0.90 154	0.58 156	0.41 187	0.60 89	0.59 223	1.55 170	1.28 233	1.11 122	1.13 144	0.90 140	0.59 101	1.11 114	0.91 229	0.28 260	0.18 190	0.18 36	0.18 88	0.25 203	0.33 260

hitnet-ft	0.84 213	0.38 228	0.75 82	0.59 170	0.44 204	0.99 235	0.47 154	1.61 186	1.38 273	1.21 182	1.22 170	1.82 329	0.99 241	1.87 224	1.09 260	0.33 291	0.29 307	0.34 302	0.27 266	0.36 279	0.33 260

GANet	1.41 319	0.52 286	1.18 237	0.74 300	0.48 222	1.40 301	1.69 369	1.87 245	1.28 233	1.56 307	2.39 359	1.56 299	1.25 302	9.13 402	1.20 270	0.31 281	0.32 326	0.34 302	0.29 290	0.40 298	0.33 260

DRN-Test	1.07 277	0.49 275	1.95 315	0.75 307	0.81 342	1.61 321	0.78 272	2.26 327	1.53 319	1.84 339	1.35 220	1.42 273	1.04 263	2.26 268	1.61 317	0.28 260	0.23 261	0.31 274	0.30 301	0.33 269	0.33 260

StereoDRNet	1.05 272	0.53 288	2.21 332	0.80 320	0.93 357	1.50 310	0.90 302	2.06 288	1.44 298	1.68 325	1.20 163	1.48 285	0.99 241	1.86 223	1.60 316	0.29 272	0.24 269	0.29 261	0.28 275	0.35 275	0.33 260

dad	0.90 234	0.73 340	1.28 254	0.59 170	0.39 168	0.83 187	0.45 139	1.24 118	1.54 321	1.52 297	1.28 196	1.36 265	0.86 189	2.54 284	0.91 229	0.43 333	0.27 295	0.82 379	0.26 252	0.44 318	0.34 267

AF-Net	1.23 304	0.56 297	2.31 336	0.88 343	0.93 357	1.41 303	0.73 264	2.27 331	1.71 339	1.76 334	2.42 361	2.00 344	1.70 347	1.98 240	1.62 319	0.50 357	0.29 307	0.49 353	0.33 319	0.40 298	0.34 267

ADCP+	2.12 368	0.56 297	10.01 398	0.68 260	0.91 353	2.25 364	1.04 324	1.92 260	1.50 316	1.58 311	1.34 215	1.73 321	1.62 338	2.27 269	13.20 405	0.25 214	0.22 238	0.32 286	0.29 290	0.38 290	0.34 267

DeepPruner_ROB	0.79 185	0.55 294	1.14 217	0.61 190	0.46 214	0.78 168	0.54 196	1.83 236	1.00 118	1.42 271	1.27 191	1.23 233	0.77 150	1.56 176	0.89 224	0.35 306	0.28 299	0.27 241	0.26 252	0.32 264	0.34 267

StereoDRNet-Refined	0.84 213	0.43 253	1.01 187	0.66 238	0.43 197	1.32 287	0.49 166	1.64 190	1.24 212	1.53 300	1.45 247	1.49 287	0.97 235	1.32 137	1.31 285	0.21 126	0.17 166	0.27 241	0.25 240	0.25 203	0.34 267
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
MDST_ROB	1.88 355	0.40 238	1.71 296	0.93 358	0.60 281	4.27 403	1.23 347	3.99 396	1.44 298	4.61 403	2.63 367	1.44 277	1.03 257	9.78 409	1.62 319	0.33 291	0.26 287	0.37 320	0.33 319	0.31 256	0.34 267

SGM-Forest	1.29 313	0.40 238	0.74 77	0.54 105	0.37 150	1.55 315	1.26 350	1.82 234	1.39 282	2.22 361	1.81 321	1.64 309	1.02 255	7.65 391	1.20 270	0.39 323	0.37 343	0.39 328	0.34 324	0.37 284	0.34 267
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	1.04 269	0.48 270	0.88 146	0.56 127	0.36 145	1.52 312	1.55 364	1.87 245	1.59 329	2.11 358	1.67 299	1.46 282	1.35 316	1.92 232	1.31 285	0.35 306	0.35 335	0.39 328	0.33 319	0.34 274	0.34 267
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
whm_eth	0.69 143	0.51 282	1.32 260	0.56 127	0.64 293	0.67 126	0.45 139	1.59 182	1.33 254	1.02 104	1.92 335	0.48 28	0.48 48	0.71 34	0.53 123	0.24 194	0.20 215	0.25 210	0.24 232	0.25 203	0.35 275

Wz-Net-LNSev	1.17 291	0.72 337	4.71 377	0.66 238	0.84 348	1.72 328	1.13 333	1.97 269	1.43 296	1.34 242	1.32 207	1.66 311	1.30 310	1.44 159	1.51 309	0.29 272	0.26 287	0.24 173	0.23 220	0.33 269	0.35 275

UDGNet	0.75 165	1.23 377	0.99 181	0.82 327	0.42 194	0.76 158	0.38 75	0.98 33	1.37 271	0.83 69	0.88 65	0.70 78	0.60 105	1.25 130	0.57 143	0.57 366	0.19 205	1.03 386	0.26 252	0.79 372	0.35 275

CBFPSM	0.95 248	0.37 211	2.10 324	0.51 62	0.39 168	1.73 331	0.87 299	1.59 182	1.13 165	1.11 122	1.00 91	2.34 363	1.64 343	1.42 155	1.44 300	0.19 67	0.18 190	0.20 74	0.20 133	0.22 145	0.36 278

PSMNet-ADL	0.75 165	0.36 195	0.69 58	0.71 282	0.47 220	1.13 256	0.46 145	1.47 157	1.07 138	0.85 74	1.18 159	1.31 256	0.94 221	1.56 176	1.06 258	0.34 298	0.22 238	0.22 124	0.23 220	0.27 215	0.36 278

ADLNet	0.89 227	0.39 233	1.09 205	0.88 343	0.73 317	1.24 281	0.75 266	2.02 277	1.41 287	1.58 311	1.37 225	1.26 244	1.00 247	1.31 134	1.18 268	0.28 260	0.21 228	0.26 231	0.26 252	0.29 240	0.36 278

pcwnet_v2	0.91 239	0.39 233	2.74 348	0.64 219	0.55 260	0.81 180	0.49 166	2.19 319	1.63 333	1.44 278	1.64 295	1.09 204	0.79 160	1.31 134	0.70 185	0.32 288	0.25 282	0.29 261	0.27 266	0.37 284	0.37 281

FADNet-RVC	0.96 252	0.72 337	2.96 352	0.64 219	0.49 228	0.90 207	0.59 223	1.85 243	1.27 229	0.92 84	0.97 83	1.36 265	0.90 208	2.36 275	1.31 285	0.30 277	0.29 307	0.32 286	0.32 310	0.42 306	0.37 281

STTStereo	0.82 200	0.53 288	1.53 286	0.68 260	0.56 265	0.88 202	0.56 209	1.57 175	1.14 171	1.39 259	1.10 124	1.26 244	0.84 176	1.49 172	0.90 227	0.29 272	0.28 299	0.33 294	0.40 339	0.33 269	0.37 281

AANet_RVC	1.22 300	0.60 304	1.94 311	0.69 270	0.46 214	0.75 153	0.69 253	1.51 160	1.57 327	1.36 251	1.90 332	1.51 291	0.87 195	7.23 386	1.89 338	0.26 231	0.19 205	0.19 51	0.16 57	0.23 164	0.37 281

NaN_ROB	1.23 304	0.63 315	1.76 298	0.67 251	0.50 232	1.59 320	2.00 384	1.87 245	1.52 317	2.14 360	1.26 182	1.40 272	1.09 274	4.60 335	1.75 332	0.28 260	0.34 331	0.28 253	0.29 290	0.30 251	0.37 281

XPNet_ROB	1.02 266	0.56 297	1.33 262	0.75 307	0.58 271	1.11 253	1.13 333	1.77 219	1.29 241	1.88 342	1.43 242	1.63 308	1.13 284	2.04 248	1.69 327	0.40 325	0.31 316	0.33 294	0.29 290	0.37 284	0.37 281

SuperB	2.50 380	0.72 337	18.07 416	0.72 287	0.53 249	1.85 344	0.86 297	1.80 228	2.40 371	1.54 303	1.42 240	1.13 214	1.17 288	4.18 325	4.80 380	0.25 214	0.20 215	0.23 151	0.19 107	7.64 423	0.38 287

SGM-ForestM	7.81 413	0.48 270	11.02 402	0.74 300	0.40 177	16.83 421	12.72 419	7.91 416	8.13 410	11.53 419	10.25 414	22.44 428	14.01 418	17.02 422	20.52 420	0.38 316	0.39 351	0.37 320	0.36 330	0.37 284	0.38 287

LALA_ROB	1.06 273	0.66 325	1.37 268	0.70 279	0.53 249	1.61 321	1.25 349	1.81 231	1.48 313	1.82 338	1.40 236	1.93 335	1.03 257	1.68 198	1.69 327	0.38 316	0.28 299	0.43 340	0.37 334	0.43 308	0.38 287

Wz-Net-SNSev	1.68 343	1.45 384	8.71 395	0.71 282	0.67 306	1.35 294	1.51 360	2.15 306	1.47 309	1.51 295	1.68 301	2.27 358	1.38 319	4.23 326	2.36 353	0.32 288	0.29 307	0.31 274	0.33 319	0.43 308	0.39 290

ADCL	1.82 352	0.70 332	4.57 376	0.70 279	0.63 292	2.56 372	1.77 376	2.08 291	1.77 343	1.95 351	1.89 330	2.04 352	1.88 360	2.36 275	9.55 400	0.27 248	0.25 282	0.35 308	0.32 310	0.39 294	0.39 290

NLCA_NET_v2_RVC	0.84 213	0.46 262	1.40 270	0.69 270	0.61 286	0.95 227	0.52 181	1.68 195	1.21 202	1.39 259	1.15 154	1.42 273	0.88 202	1.78 211	0.93 236	0.26 231	0.23 261	0.27 241	0.27 266	0.30 251	0.39 290
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CBMV_ROB	0.99 259	0.46 262	0.68 54	0.53 94	0.39 168	1.40 301	0.48 158	2.09 293	1.30 243	1.53 300	2.29 355	1.36 265	1.23 298	2.46 279	1.04 257	0.44 341	0.42 359	0.47 350	0.44 349	0.41 302	0.39 290

FADNet-RVC-Resample	0.91 239	0.51 282	2.92 351	0.64 219	0.46 214	1.07 249	0.60 231	1.76 218	1.24 212	1.10 121	0.98 86	1.06 189	0.98 238	2.17 261	0.95 243	0.24 194	0.22 238	0.30 270	0.32 310	0.36 279	0.40 294

Nwc_Net	1.19 295	0.53 288	2.34 337	0.92 353	0.81 342	1.49 309	0.70 259	2.28 333	1.32 252	1.41 267	2.27 353	2.03 350	1.76 353	2.05 252	1.46 303	0.43 333	0.30 311	0.43 340	0.46 354	0.39 294	0.40 294

RTSC	1.43 324	0.89 352	3.62 366	0.94 361	0.64 293	1.85 344	0.69 253	2.20 322	2.04 362	2.22 361	1.70 304	1.67 313	1.27 305	2.53 283	4.48 377	0.33 291	0.25 282	0.27 241	0.29 290	0.38 290	0.40 294

GrayStereo	0.83 209	0.28 46	0.62 35	0.66 238	0.37 150	0.76 158	1.79 377	1.19 103	0.91 75	1.98 352	1.89 330	1.07 192	1.76 353	1.43 157	0.50 106	0.20 101	0.15 115	0.19 51	0.21 169	0.18 37	0.41 297

FINET	1.54 332	0.67 328	7.28 387	0.76 313	0.97 364	1.42 306	1.38 356	2.80 382	3.12 388	1.23 189	1.68 301	1.04 185	1.11 279	3.35 313	1.78 336	0.43 333	0.37 343	0.32 286	0.29 290	0.43 308	0.41 297

APVNet	1.11 283	0.59 303	1.95 315	0.87 341	0.77 330	1.90 347	0.82 288	2.03 281	1.15 176	1.14 146	1.43 242	1.55 297	1.12 283	3.03 301	1.62 319	0.32 288	0.34 331	0.42 339	0.36 330	0.36 279	0.41 297

Syn2CoEx	1.23 304	0.80 344	3.07 355	0.83 331	0.68 307	1.39 299	0.87 299	2.23 324	1.57 327	1.28 216	1.58 284	1.42 273	1.57 336	3.79 322	1.48 306	0.36 313	0.32 326	0.34 302	0.30 301	0.30 251	0.41 297

GwcNet	1.26 309	0.63 315	5.13 379	0.81 323	1.15 377	1.73 331	0.69 253	1.84 237	1.53 319	1.51 295	1.71 306	1.72 319	1.09 274	2.20 263	1.61 317	0.31 281	0.30 311	0.29 261	0.27 266	0.30 251	0.41 297

PWCDC_ROB	1.39 317	0.91 357	2.10 324	1.08 371	0.92 354	1.72 328	0.58 219	2.03 281	3.30 391	1.32 230	4.87 395	1.21 225	1.71 349	1.98 240	1.75 332	0.65 372	0.26 287	0.29 261	0.25 240	0.56 346	0.41 297

HBP-ISP	1.00 262	0.60 304	0.85 137	0.64 219	0.48 222	1.63 324	0.77 269	2.24 326	1.30 243	1.33 235	1.53 270	0.87 126	0.99 241	3.26 310	0.76 197	0.46 345	0.44 361	0.54 361	0.48 358	0.48 329	0.42 303

FADNet_RVC	0.88 225	0.56 297	2.15 328	0.57 146	0.43 197	1.17 272	0.46 145	1.68 195	1.12 160	0.91 83	1.24 178	0.91 143	0.94 221	2.22 264	1.20 270	0.28 260	0.22 238	0.32 286	0.28 275	0.46 324	0.42 303

FADNet	0.98 256	0.64 318	2.57 343	0.66 238	0.55 260	0.95 227	0.57 212	1.91 256	1.38 273	0.94 88	1.02 95	1.36 265	1.00 247	2.69 291	0.97 247	0.34 298	0.34 331	0.31 274	0.34 324	0.61 357	0.42 303

DeepPrunerF	1.68 343	0.82 348	6.82 385	0.94 361	1.20 381	0.91 209	0.97 316	2.50 360	5.19 406	1.22 187	1.30 201	1.18 220	1.29 307	4.96 342	1.75 332	0.43 333	0.35 335	0.52 356	0.48 358	0.43 308	0.42 303

CASS	0.67 125	0.36 195	0.84 131	0.57 146	0.28 42	0.82 181	0.43 114	1.62 189	0.92 80	1.39 259	1.28 196	0.87 126	0.84 176	0.88 68	0.59 154	0.36 313	0.19 205	0.26 231	0.22 192	0.29 240	0.43 307
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SANet	2.26 373	0.70 332	6.94 386	0.69 270	0.46 214	2.76 378	1.76 375	2.61 368	5.84 408	2.45 369	3.52 381	3.71 386	3.38 395	5.90 360	2.14 345	0.34 298	0.31 316	0.32 286	0.29 290	0.54 343	0.43 307

NOSS_ROB	1.29 313	0.49 275	0.68 54	0.60 177	0.40 177	1.09 252	0.77 269	1.94 262	1.44 298	1.04 110	1.46 249	1.10 205	0.81 170	10.57 417	0.78 200	0.46 345	0.43 360	0.48 351	0.45 352	0.45 320	0.43 307

CSAN	1.61 337	0.67 328	3.24 360	0.74 300	0.52 244	1.77 337	1.74 374	1.98 270	1.94 356	2.47 372	2.33 357	1.93 335	2.04 367	6.45 375	1.95 341	0.43 333	0.36 339	0.41 338	0.42 344	0.43 308	0.44 310

ETE_ROB	1.01 265	0.69 331	1.49 276	0.72 287	0.50 232	1.15 262	1.12 331	1.91 256	1.24 212	1.94 349	1.50 261	1.73 321	1.06 269	1.78 211	1.33 289	0.33 291	0.26 287	0.38 324	0.34 324	0.40 298	0.44 310

NCC-stereo	1.20 297	0.60 304	1.84 305	0.88 343	0.95 361	1.32 287	0.94 311	2.14 302	1.36 266	1.43 275	1.79 315	1.93 335	2.13 374	2.54 284	1.41 297	0.49 353	0.38 346	0.45 344	0.59 374	0.43 308	0.45 312

Abc-Net	1.20 297	0.60 304	1.84 305	0.88 343	0.95 361	1.32 287	0.94 311	2.14 302	1.36 266	1.43 275	1.79 315	1.93 335	2.13 374	2.54 284	1.41 297	0.49 353	0.38 346	0.45 344	0.59 374	0.43 308	0.45 312
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PS-NSSS	1.02 266	0.62 314	1.17 233	0.61 190	0.58 271	0.91 209	0.79 280	2.02 277	1.19 192	1.17 154	1.68 301	1.00 175	0.85 181	4.43 331	0.86 217	0.38 316	0.31 316	0.52 356	0.32 310	0.52 336	0.45 312

NCCL2	1.06 273	0.64 318	1.35 263	0.78 318	0.58 271	1.32 287	1.69 369	1.89 252	1.38 273	1.52 297	1.20 163	1.91 331	1.17 288	1.79 216	1.50 307	0.35 306	0.31 316	0.45 344	0.44 349	0.41 302	0.45 312

MeshStereo	2.36 375	0.60 304	1.05 195	0.63 208	0.51 241	2.58 373	0.99 319	3.46 390	2.21 368	7.38 415	5.06 397	7.50 405	3.10 389	7.02 385	2.54 356	0.44 341	0.44 361	0.45 344	0.40 339	0.43 308	0.45 312
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
RP	1.17 291	0.54 291	1.48 275	0.93 358	1.05 368	1.14 259	0.85 296	1.99 274	1.70 337	1.72 328	2.07 344	1.91 331	1.93 362	2.00 244	1.37 294	0.55 364	0.37 343	0.48 351	0.37 334	0.46 324	0.46 317

SACVNet	0.89 227	0.51 282	1.08 204	0.83 331	0.58 271	0.83 187	0.78 272	1.84 237	1.17 186	1.39 259	1.33 212	1.25 238	1.01 250	2.31 272	0.92 233	0.35 306	0.26 287	0.31 274	0.29 290	0.35 275	0.48 318

RGC	1.22 300	0.82 348	1.71 296	0.95 363	0.98 366	1.53 314	0.80 283	2.18 317	1.35 259	1.69 326	1.94 336	2.03 350	1.66 344	2.36 275	1.50 307	0.46 345	0.36 339	0.59 372	0.48 358	0.49 332	0.49 319

stereogan	1.22 300	0.45 259	2.03 321	0.87 341	0.85 349	2.52 371	0.72 261	1.98 270	1.78 346	1.92 345	1.94 336	2.31 362	1.42 324	2.10 256	1.14 265	0.38 316	0.36 339	0.39 328	0.32 310	0.52 336	0.49 319

PWC_ROB	1.39 317	0.93 359	4.07 371	0.77 315	0.83 345	1.16 265	0.53 187	1.87 245	2.01 360	2.36 365	3.06 375	1.65 310	1.60 337	2.65 290	2.29 351	0.34 298	0.23 261	0.36 318	0.25 240	0.39 294	0.49 319

WZ-Net	2.14 369	1.08 366	11.68 405	0.89 350	0.78 334	1.76 335	1.59 367	2.39 343	2.03 361	2.11 358	1.95 338	2.30 361	2.28 377	5.94 363	3.86 373	0.35 306	0.27 295	0.29 261	0.32 310	0.52 336	0.50 322

edge stereo	1.15 288	0.54 291	1.50 277	0.73 294	0.66 302	1.18 274	0.84 291	2.13 301	1.41 287	1.73 329	1.84 323	2.53 370	1.46 328	2.46 279	1.35 292	0.43 333	0.41 354	0.54 361	0.36 330	0.43 308	0.50 322

ADCPNet	1.97 362	0.78 343	9.38 397	0.74 300	0.61 286	2.73 377	1.36 355	2.11 296	1.66 335	1.92 345	1.70 304	2.45 368	2.07 368	2.50 281	6.84 390	0.38 316	0.38 346	0.38 324	0.43 347	0.47 328	0.50 322

Anonymous Stereo	1.42 321	0.90 353	3.93 369	0.81 323	0.83 345	1.06 247	1.90 383	1.81 231	1.52 317	1.75 330	1.44 244	1.28 250	0.87 195	5.94 363	1.94 340	0.38 316	0.39 351	0.38 324	0.41 343	0.45 320	0.50 322

WCMA_ROB	2.05 363	0.55 294	1.77 299	0.74 300	0.61 286	2.24 363	1.56 365	2.17 316	1.79 347	4.16 399	6.36 401	5.66 400	4.66 404	3.19 306	2.77 359	0.55 364	0.45 363	0.40 334	0.43 347	0.48 329	0.50 322

aanetorigin	1.26 309	0.85 351	3.00 353	0.72 287	0.80 338	1.08 250	1.05 325	1.12 76	1.39 282	3.53 393	2.60 366	1.72 319	1.73 351	1.98 240	1.77 335	0.26 231	0.24 269	0.26 231	0.25 240	0.38 290	0.51 327

FBW_ROB	1.78 348	0.66 325	1.90 310	0.72 287	0.66 302	1.79 341	1.07 327	2.79 380	1.77 343	1.84 339	1.79 315	1.98 342	1.37 318	12.42 420	2.22 347	0.36 313	0.38 346	0.57 369	0.39 337	0.46 324	0.51 327

FC-DCNN	2.88 391	0.61 309	1.15 219	0.75 307	0.57 269	2.85 382	1.05 325	3.44 389	2.64 381	6.93 412	7.63 407	9.86 414	7.02 412	5.76 358	4.31 375	0.54 361	0.48 370	0.51 355	0.50 362	0.53 341	0.52 329

MSMD_ROB	2.08 365	0.61 309	1.15 219	0.71 282	0.62 290	4.00 399	0.93 309	1.94 262	1.79 347	4.71 405	4.60 391	8.14 409	3.87 400	3.75 321	1.65 325	0.54 361	0.48 370	0.55 365	0.58 372	0.53 341	0.52 329

ADCMid	2.11 367	0.90 353	8.39 393	0.75 307	0.69 310	1.98 352	1.14 336	2.18 317	1.67 336	2.85 380	1.85 326	2.35 364	2.02 366	2.35 274	10.58 403	0.34 298	0.32 326	0.39 328	0.44 349	0.51 335	0.53 331

SHD	1.42 321	0.81 347	2.79 350	0.98 365	0.92 354	1.97 351	0.68 249	2.43 348	2.55 374	2.54 373	1.72 307	2.01 346	1.62 338	2.14 259	2.70 358	0.40 325	0.33 329	0.39 328	0.40 339	0.48 329	0.54 332

RTS	2.76 382	1.55 390	15.40 408	1.13 374	1.42 386	3.75 395	2.21 393	2.45 350	2.72 383	2.91 383	2.85 371	2.58 372	1.62 338	6.28 370	5.80 385	0.41 328	0.30 311	0.35 308	0.35 328	0.52 336	0.54 332

RTSA	2.76 382	1.55 390	15.40 408	1.13 374	1.42 386	3.75 395	2.21 393	2.45 350	2.72 383	2.91 383	2.85 371	2.58 372	1.62 338	6.28 370	5.80 385	0.41 328	0.30 311	0.35 308	0.35 328	0.52 336	0.54 332

DANet	1.16 289	0.64 318	1.52 283	0.88 343	0.74 321	1.52 312	0.52 181	1.68 195	1.21 202	1.81 336	1.55 274	2.02 347	1.11 279	3.30 312	2.28 349	0.34 298	0.31 316	0.40 334	0.30 301	0.46 324	0.54 332
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	1.91 360	0.64 318	5.95 381	0.73 294	0.59 277	2.04 357	1.61 368	3.84 394	1.96 358	1.54 303	1.39 231	2.27 358	3.32 393	4.95 341	4.79 378	0.50 357	0.31 316	0.29 261	0.26 252	0.67 363	0.54 332

Anonymous_2	1.37 315	0.56 297	0.94 166	0.57 146	0.62 290	1.04 241	0.65 243	1.82 234	1.01 121	1.00 97	0.79 48	1.42 273	1.27 305	1.06 101	0.83 213	0.62 369	0.67 388	1.05 387	9.88 424	1.09 383	0.55 337

MFN_U_SF_DS_RVC	1.80 350	1.11 370	4.33 374	0.84 335	0.77 330	3.70 392	2.41 403	2.04 283	1.85 351	1.75 330	1.90 332	1.92 334	1.25 302	7.33 387	1.45 301	0.47 349	0.47 368	0.53 360	0.77 382	0.50 333	0.55 337

sAnonymous2	0.59 88	0.61 309	1.82 303	0.61 190	0.52 244	0.51 48	0.54 196	0.97 29	0.70 28	0.50 21	0.68 27	0.46 18	0.63 116	0.61 16	0.41 55	0.22 155	0.17 166	0.23 151	0.21 169	0.85 373	0.56 339

CroCo_RVC	0.59 88	0.61 309	1.82 303	0.61 190	0.52 244	0.51 48	0.54 196	0.97 29	0.70 28	0.50 21	0.68 27	0.46 18	0.63 116	0.61 16	0.41 55	0.22 155	0.17 166	0.23 151	0.21 169	0.85 373	0.56 339

CC-Net-ROB	1.53 331	1.31 382	1.68 295	0.92 353	0.80 338	1.75 334	0.99 319	2.04 283	1.27 229	1.12 130	1.62 290	1.20 224	0.98 238	7.82 392	0.92 233	1.15 391	0.41 354	2.20 395	0.46 354	1.37 387	0.56 339

coex-ft	8.35 414	2.39 406	100.24 441	0.68 260	0.54 256	1.77 337	1.57 366	1.71 209	11.00 412	18.91 426	3.76 383	3.85 388	8.23 414	3.29 311	6.58 388	0.31 281	0.31 316	0.32 286	0.31 305	0.69 365	0.57 342

FAT-Stereo	1.10 281	0.43 253	1.46 273	0.74 300	0.60 281	1.13 256	0.92 306	2.06 288	1.71 339	1.75 330	2.00 340	2.02 347	1.47 330	2.02 247	1.26 282	0.44 341	0.36 339	0.34 302	0.29 290	0.36 279	0.57 342

PA-Net	1.14 286	0.63 315	2.12 326	0.67 251	0.75 324	1.19 275	0.91 304	1.91 256	1.46 308	1.18 165	1.23 174	1.33 262	1.17 288	4.31 329	1.41 297	0.29 272	0.46 367	0.33 294	0.50 362	0.33 269	0.57 342
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FTStereo	0.92 242	0.28 46	0.61 31	0.57 146	0.34 127	0.65 115	1.80 380	1.09 66	0.84 61	1.75 330	4.13 387	1.04 185	1.62 338	1.59 184	0.48 94	0.21 126	0.17 166	0.23 151	0.22 192	0.19 63	0.58 345

MANE	7.50 412	0.64 318	7.97 389	1.40 383	2.10 394	16.86 422	12.56 418	12.91 422	17.51 424	8.50 417	11.60 415	14.66 419	13.33 416	12.02 419	13.28 406	0.62 369	0.52 376	0.52 356	1.90 410	0.56 346	0.58 345

FCDSN-DC	2.47 379	0.65 324	1.00 186	0.85 337	0.75 324	2.26 365	0.97 316	2.31 334	1.83 350	5.52 411	7.65 408	7.72 408	7.70 413	4.43 331	2.64 357	0.52 359	0.48 370	0.52 356	0.52 365	0.57 348	0.59 347
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
G-Net	1.71 346	0.67 328	2.09 323	1.14 377	0.75 324	2.96 384	0.89 301	1.58 177	1.30 243	2.76 378	8.12 411	2.29 360	2.51 383	1.94 234	2.23 348	0.49 353	0.45 363	0.45 344	0.31 305	0.62 358	0.59 347

RYNet	1.24 307	0.52 286	1.57 290	0.73 294	0.97 364	1.74 333	0.95 314	2.09 293	1.54 321	1.44 278	1.18 159	1.94 339	1.29 307	4.57 334	1.93 339	0.27 248	0.23 261	0.35 308	0.27 266	0.57 348	0.59 347

ccnet	1.19 295	0.71 334	1.36 265	0.81 323	0.75 324	1.72 328	1.13 333	1.98 270	1.31 250	1.52 297	1.84 323	1.75 326	1.36 317	2.01 245	2.04 342	0.57 366	0.54 378	0.57 369	0.56 370	0.60 354	0.60 350

AnyNet_C32	2.14 369	1.45 384	7.38 388	0.95 363	1.12 371	2.23 362	2.34 399	2.10 295	1.54 321	2.44 368	1.79 315	2.04 352	1.66 344	2.69 291	10.48 402	0.38 316	0.35 335	0.35 308	0.42 344	0.50 333	0.60 350

XQC	1.51 330	0.98 362	3.20 357	0.92 353	0.76 329	2.01 355	1.17 340	2.53 364	1.99 359	2.01 354	1.54 271	2.00 344	1.54 334	3.16 305	3.46 368	0.49 353	0.31 316	0.45 344	0.40 339	0.71 368	0.62 352

GANetREF_RVC	1.11 283	0.90 353	1.56 288	0.88 343	0.53 249	1.41 303	1.35 354	1.91 256	1.54 321	1.28 216	1.32 207	1.46 282	1.23 298	2.04 248	1.00 252	0.57 366	0.45 363	0.67 374	0.52 365	0.91 376	0.62 352
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
psmorigin	1.69 345	0.74 342	13.13 406	0.70 279	0.60 281	1.16 265	0.79 280	1.69 204	1.25 219	2.07 357	1.77 313	2.23 355	1.51 333	2.14 259	1.45 301	0.39 323	0.41 354	0.34 302	0.33 319	0.45 320	0.63 354

Wz-Net-TNSev	2.10 366	2.71 414	9.30 396	0.72 287	0.65 299	2.41 370	1.81 381	2.45 350	1.77 343	1.62 318	1.56 279	2.56 371	2.01 364	5.30 346	4.46 376	0.41 328	0.38 346	0.33 294	0.37 334	0.54 343	0.64 355

SAMSARA	1.80 350	0.90 353	3.37 362	1.28 382	1.13 373	3.71 393	2.33 398	2.53 364	1.93 355	3.17 391	1.73 308	2.99 379	1.68 346	3.53 316	2.46 355	0.47 349	0.54 378	0.43 340	0.47 356	0.59 351	0.64 355

EDNetEfficient	2.40 378	1.14 371	8.59 394	0.77 315	0.73 317	1.06 247	1.53 363	1.54 168	4.06 399	4.87 406	2.81 369	2.23 355	3.53 396	3.04 302	9.65 401	0.27 248	0.24 269	0.27 241	0.31 305	0.70 366	0.67 357

MFN_U_SF_RVC	1.62 339	0.96 361	4.36 375	0.92 353	0.69 310	2.62 375	1.10 329	2.50 360	1.74 342	1.99 353	1.86 328	2.45 368	1.78 355	3.08 303	2.84 360	0.54 361	0.50 375	0.56 367	0.60 376	0.60 354	0.67 357

ADCS	2.35 374	1.26 378	6.54 384	0.85 337	0.77 330	2.18 361	1.79 377	2.47 355	2.20 367	2.80 379	2.14 349	2.38 365	2.09 369	2.81 296	13.83 412	0.43 333	0.41 354	0.40 334	0.45 352	0.59 351	0.67 357

PSM-AAD	0.80 190	0.29 66	0.58 20	0.58 156	0.29 54	0.76 158	1.19 342	1.08 59	0.94 92	1.65 322	1.58 284	0.81 103	2.12 373	1.67 196	0.44 67	0.19 67	0.14 61	0.38 324	0.32 310	0.22 145	0.68 360

NVstereo2D	0.99 259	0.45 259	2.21 332	0.79 319	0.75 324	1.20 276	0.86 297	1.98 270	1.41 287	1.02 104	1.18 159	1.31 256	0.97 235	2.25 267	0.93 236	0.45 344	0.22 238	0.39 328	0.25 240	0.59 351	0.68 360

LCNet	0.73 159	0.30 84	0.58 20	0.58 156	0.31 80	0.68 130	0.53 187	1.09 66	0.94 92	1.19 170	1.34 215	0.96 162	1.32 313	2.50 281	0.46 82	0.19 67	0.13 17	0.21 97	0.25 240	0.28 230	0.69 362

BEATNet-Init1	27.39 428	21.01 427	73.65 440	1.07 370	0.80 338	56.07 435	22.82 422	33.14 433	31.71 430	51.78 441	52.93 440	65.63 441	48.54 440	48.75 442	36.36 432	0.52 359	0.47 368	0.54 361	0.54 368	0.64 359	0.72 363

S-Stereo	1.17 291	0.48 270	2.25 335	0.83 331	0.81 342	1.22 278	1.17 340	2.12 297	2.08 363	1.47 287	2.13 347	1.55 297	1.16 285	2.09 255	1.46 303	0.42 332	0.40 353	0.35 308	0.32 310	0.45 320	0.73 364

PASM	1.48 328	1.08 366	3.96 370	0.93 358	0.93 357	1.17 272	1.19 342	1.77 219	1.65 334	1.90 343	1.52 269	1.75 326	1.42 324	4.54 333	1.52 311	0.64 371	0.68 390	0.69 376	0.79 383	0.70 366	0.74 365

ELAS_RVC	2.87 390	0.80 344	3.22 359	1.16 379	1.12 371	2.92 383	5.33 412	2.98 384	4.18 400	5.04 407	4.82 394	4.71 394	8.23 414	4.25 328	4.79 378	0.67 374	0.57 382	0.57 369	0.53 367	0.66 362	0.74 365
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.67 381	0.80 344	2.13 327	1.13 374	1.15 377	6.25 410	2.56 404	3.50 391	3.68 396	5.36 409	4.92 396	3.79 387	5.56 406	3.65 317	5.22 382	0.66 373	0.57 382	0.56 367	0.54 368	0.65 361	0.75 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SDNR	1.66 340	0.55 294	2.36 338	0.56 127	0.58 271	3.79 397	0.45 139	1.78 221	1.40 284	1.38 257	2.45 363	1.13 214	0.96 228	11.03 418	1.31 285	0.67 374	0.64 386	0.43 340	0.32 310	0.71 368	0.76 368

GMM-Stereo	0.75 165	0.27 38	0.66 49	0.56 127	0.34 127	0.71 143	0.97 316	1.09 66	0.91 75	1.37 252	1.79 315	1.11 210	0.79 160	2.08 254	0.48 94	0.19 67	0.12 5	0.25 210	0.25 240	0.21 126	0.78 369

DGSMNet	1.24 307	0.84 350	3.20 357	0.91 352	0.92 354	1.39 299	1.34 353	2.46 354	1.44 298	1.34 242	1.66 297	1.50 289	1.03 257	1.85 220	1.30 284	0.48 351	0.48 370	0.55 365	0.51 364	0.78 371	0.79 370

AnyNet_C01	2.38 376	2.21 404	10.17 399	0.99 366	0.79 336	3.12 385	2.37 400	2.69 374	1.89 353	2.58 375	2.44 362	2.70 376	1.86 359	3.65 317	7.12 391	0.41 328	0.41 354	0.40 334	0.42 344	0.68 364	0.79 370

MSC_U_SF_DS_RVC	2.22 372	1.29 381	4.14 372	1.10 373	0.78 334	5.00 406	2.38 402	2.47 355	2.67 382	1.94 349	2.28 354	2.66 375	1.70 347	9.10 401	2.29 351	0.68 376	0.52 376	0.68 375	0.71 380	1.17 384	0.81 372

PVD	1.82 352	0.91 357	3.02 354	1.03 368	0.94 360	2.61 374	1.14 336	2.78 379	3.40 393	3.08 389	2.75 368	2.39 367	2.49 382	2.81 296	3.66 370	0.48 351	0.49 374	0.59 372	0.49 361	0.60 354	0.81 372

PDISCO_ROB	1.41 319	0.73 340	2.04 322	1.40 383	1.46 388	2.83 380	1.07 327	2.64 369	2.11 365	1.41 267	1.50 261	1.73 321	0.99 241	2.83 298	1.46 303	1.03 384	0.27 295	0.54 361	0.47 356	0.77 370	0.84 374

Prome-Stereo	0.76 170	0.29 66	0.57 19	0.58 156	0.33 115	0.58 84	0.94 311	0.98 33	0.92 80	1.46 286	2.45 363	0.91 143	1.38 319	1.60 189	0.44 67	0.19 67	0.13 17	0.19 51	0.18 88	0.20 91	0.87 375

EDNetEfficientorigin	10.59 417	1.52 388	177.33 442	0.68 260	0.54 256	1.66 326	1.20 344	1.94 262	3.39 392	4.69 404	3.37 378	3.08 382	2.79 387	3.25 309	3.63 369	0.26 231	0.24 269	0.33 294	0.28 275	0.85 373	0.87 375

Consistency-Raft	1.27 312	1.01 364	2.17 329	1.04 369	1.20 381	0.96 232	1.00 321	1.84 237	1.95 357	1.38 257	2.11 346	1.44 277	1.03 257	1.18 125	1.40 296	0.73 377	0.83 392	0.89 381	0.99 393	1.33 386	0.95 377

anonymity	1.14 286	0.98 362	1.24 248	1.09 372	1.13 373	1.08 250	0.90 302	2.02 277	1.23 211	1.32 230	1.27 191	1.27 249	1.09 274	1.16 121	1.03 256	1.02 383	1.01 406	0.97 383	0.97 390	0.98 378	1.01 378

KYRaft	0.77 175	0.29 66	0.68 54	0.59 170	0.29 54	0.66 121	0.83 289	1.05 52	0.89 69	1.63 320	2.22 352	1.15 218	0.99 241	1.59 184	0.41 55	0.21 126	0.14 61	0.22 124	0.28 275	0.21 126	1.01 378

SPS-STEREO	1.78 348	1.09 368	1.52 283	1.22 380	1.14 375	1.87 346	1.11 330	2.27 331	1.70 337	3.17 391	2.39 359	2.84 378	1.93 362	4.41 330	2.93 361	1.04 386	0.99 405	0.97 383	0.94 388	1.03 381	1.05 380
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	1.47 326	1.20 375	2.50 341	1.46 388	1.08 370	1.58 319	1.51 360	1.96 268	1.87 352	2.31 364	2.20 350	1.51 291	1.88 360	1.57 178	1.34 290	0.94 381	0.83 392	0.84 380	0.80 384	1.00 379	1.06 381

LoS_RVC	0.45 14	0.29 66	0.48 11	0.49 38	0.83 345	0.51 48	0.43 114	0.65 3	0.44 1	0.47 12	0.78 46	0.44 10	0.60 105	0.59 13	0.37 27	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 382

MADNet+	2.80 385	3.38 417	11.57 404	1.50 389	1.21 383	3.18 387	2.00 384	3.52 392	2.61 376	1.81 336	2.09 345	2.83 377	2.18 376	7.55 390	5.44 384	0.84 378	0.83 392	0.71 377	0.66 379	1.05 382	1.08 382

SGM+DAISY	5.38 404	1.28 380	8.24 390	1.27 381	1.16 379	10.62 415	16.01 420	2.93 383	2.53 373	8.64 418	13.03 416	8.26 410	13.38 417	6.34 373	7.59 393	1.07 387	1.05 408	1.00 385	0.98 391	1.02 380	1.12 384

WAO-7	2.78 384	1.54 389	2.18 330	1.41 386	1.19 380	3.92 398	2.01 387	4.19 398	3.89 398	2.98 385	5.47 398	4.18 390	3.28 392	8.24 397	4.27 374	1.13 390	1.01 406	1.18 389	1.13 399	1.19 385	1.13 385

UDG	1.47 326	2.69 412	1.13 214	1.45 387	1.65 391	1.34 293	0.79 280	1.75 217	1.27 229	1.29 220	1.74 309	1.99 343	1.39 321	1.66 195	1.51 309	0.91 380	0.55 380	2.30 397	0.76 381	1.99 389	1.20 386

CAS	0.66 117	0.19 1	0.41 5	2.31 395	0.86 350	0.56 73	0.53 187	0.83 13	0.63 17	0.49 18	0.70 34	0.36 2	0.26 1	0.47 2	0.37 27	2.33 397	0.10 1	0.14 1	0.10 1	0.17 21	1.31 387

NVStereoNet_ROB	2.17 371	1.18 373	3.51 364	1.14 377	1.26 384	1.57 318	1.51 360	2.19 319	2.11 365	2.04 355	4.80 393	3.17 384	2.11 372	7.97 394	2.10 343	1.12 389	0.94 402	1.10 388	1.34 400	0.95 377	1.31 387
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MaskLacGwcNet_RVC	1.17 291	1.06 365	1.28 254	0.88 343	0.69 310	1.92 349	0.92 306	1.71 209	1.14 171	1.17 154	1.26 182	1.49 287	0.80 166	2.04 248	0.86 217	2.02 393	0.34 331	0.79 378	0.36 330	1.38 388	1.33 389

PWCK	3.24 395	2.37 405	10.86 401	2.14 393	1.14 375	3.71 393	4.19 411	3.02 385	3.55 395	3.05 388	3.63 382	3.09 383	2.35 381	8.16 396	3.41 367	2.17 396	0.96 403	1.77 392	1.01 395	2.84 397	1.40 390

DDUNet	1.56 334	2.70 413	1.35 263	1.79 390	1.88 393	1.82 342	0.91 304	1.84 237	1.20 196	1.40 265	1.79 315	1.62 305	1.17 288	1.59 184	1.22 275	1.11 388	0.76 391	2.38 400	0.94 388	2.12 390	1.53 391

CES	0.51 37	0.21 2	0.40 2	0.42 5	1.40 385	0.53 56	0.34 46	1.04 49	0.68 25	0.45 10	0.67 26	0.35 1	0.28 2	0.58 12	0.35 7	0.16 8	0.13 17	0.15 3	0.10 1	0.19 63	1.69 392

SQANet	1.38 316	0.95 360	1.37 268	1.89 392	1.47 389	1.44 307	0.81 284	1.89 252	1.13 165	1.34 242	1.26 182	1.28 250	1.02 255	1.64 193	0.91 229	2.55 398	0.35 335	1.47 390	0.56 370	2.48 393	1.74 393

WAO-8	4.57 402	2.01 399	2.58 344	2.37 396	2.21 396	9.75 412	1.71 371	6.04 412	16.34 416	4.11 396	7.69 409	7.41 403	3.85 398	10.02 415	3.85 371	2.05 394	1.09 409	2.44 404	1.39 401	2.56 394	1.86 394

Venus	4.57 402	2.01 399	2.58 344	2.37 396	2.21 396	9.75 412	1.71 371	6.04 412	16.34 416	4.11 396	7.69 409	7.41 403	3.85 398	10.02 415	3.85 371	2.05 394	1.09 409	2.44 404	1.39 401	2.56 394	1.86 394

WAO-6	2.98 392	1.67 393	1.88 309	2.38 398	2.30 401	3.53 391	2.37 400	4.38 401	4.64 404	2.42 366	4.50 388	4.85 395	2.99 388	5.22 345	5.37 383	1.77 392	1.16 412	2.31 398	1.47 406	2.42 392	1.99 396

otaku	1.67 341	1.18 373	1.56 288	2.27 394	1.59 390	1.98 352	1.23 347	2.23 324	1.37 271	1.48 292	1.63 294	1.73 321	1.23 298	1.85 220	1.09 260	2.96 401	0.58 384	1.74 391	0.61 377	2.94 399	2.15 397

JetBlue	4.18 399	2.45 409	10.42 400	1.40 383	2.89 410	10.68 416	10.68 414	3.91 395	2.52 372	2.74 377	3.39 379	4.50 391	4.27 402	7.97 394	7.67 394	0.89 379	0.97 404	0.89 381	0.92 387	2.26 391	2.21 398

Ntro	1.72 347	1.21 376	1.62 292	2.54 399	1.86 392	2.09 360	1.14 336	2.08 291	1.38 273	1.23 189	1.62 290	1.62 305	1.33 314	2.04 248	1.21 274	3.09 402	0.56 381	1.82 393	0.65 378	2.97 402	2.25 399

DispFullNet	2.39 377	2.89 415	3.74 367	3.09 407	2.27 400	2.04 357	0.84 291	2.19 319	1.73 341	2.54 373	1.98 339	2.23 355	5.83 407	3.44 315	1.84 337	1.03 384	0.33 329	2.65 408	1.97 412	2.87 398	2.34 400

RainbowNet	2.06 364	1.86 395	1.97 317	2.86 402	2.25 398	2.03 356	1.79 377	2.77 377	1.92 354	1.54 303	1.84 323	1.95 340	1.73 351	2.23 265	1.38 295	3.40 408	0.86 397	2.39 402	1.00 394	2.94 399	2.42 401

ACVNet_2	2.86 389	1.47 386	8.28 391	2.68 400	2.26 399	2.70 376	1.84 382	3.41 388	3.04 387	2.27 363	3.42 380	4.58 392	2.10 370	5.91 361	1.62 319	2.58 399	0.67 388	2.22 396	0.85 386	2.79 396	2.47 402

ACVNet_1	3.08 394	1.48 387	17.70 413	2.90 404	2.35 403	2.30 366	1.43 358	3.16 386	2.26 370	1.91 344	2.05 343	3.51 385	2.32 378	3.71 320	1.58 315	3.25 404	0.66 387	2.40 403	1.06 397	3.07 404	2.59 403

ACVNet-4b	3.05 393	1.42 383	18.09 417	2.85 401	2.33 402	2.32 369	1.22 345	2.47 355	2.21 368	1.26 206	2.36 358	2.64 374	1.46 328	6.32 372	1.23 278	3.29 405	0.45 363	2.37 399	1.02 396	3.03 403	2.61 404

LVE	3.40 397	1.80 394	2.21 332	2.90 404	2.44 404	3.27 390	2.25 395	4.80 404	5.06 405	2.43 367	6.79 402	5.99 401	2.64 386	9.20 403	2.28 349	3.30 406	1.11 411	2.38 400	1.48 407	2.95 401	2.62 405

tt	6.61 410	0.28 46	6.10 382	3.77 415	2.17 395	11.53 417	19.61 421	13.53 423	5.81 407	3.00 386	2.82 370	4.97 398	6.33 409	3.83 323	7.23 392	9.13 424	11.32 428	5.87 423	6.22 422	6.01 420	2.63 406

Dean	3.77 398	1.65 392	17.87 414	3.01 406	2.54 405	3.15 386	2.10 391	4.80 404	4.42 401	2.89 382	6.03 399	5.45 399	2.55 385	3.40 314	2.13 344	3.22 403	0.89 399	2.51 406	1.07 398	3.07 404	2.65 407

ktn	4.56 401	2.41 407	2.54 342	3.79 416	3.25 413	4.81 405	2.91 408	5.52 408	7.36 409	4.12 398	14.55 418	7.54 406	3.70 397	7.84 393	3.35 366	4.06 416	1.86 417	3.26 417	2.22 416	3.27 406	2.86 408

IMH-64-1	2.82 386	1.87 396	1.77 299	3.31 409	2.69 406	3.22 388	2.07 388	4.25 399	2.77 385	2.46 370	3.78 384	3.05 380	2.34 379	4.67 337	3.00 363	3.84 412	0.84 395	2.75 409	1.39 401	3.34 407	2.93 409

IMH-64	2.82 386	1.87 396	1.77 299	3.31 409	2.69 406	3.22 388	2.07 388	4.25 399	2.77 385	2.46 370	3.78 384	3.05 380	2.34 379	4.67 337	3.00 363	3.84 412	0.84 395	2.75 409	1.39 401	3.34 407	2.93 409

IMH	3.35 396	1.95 398	1.86 308	3.30 408	2.72 408	4.03 401	2.00 384	4.58 403	3.83 397	2.87 381	6.99 404	4.69 393	3.21 391	6.77 381	2.97 362	3.91 415	0.89 399	2.78 411	1.40 405	3.36 409	2.93 409

TorneroNet-64	5.41 405	2.10 402	2.43 339	3.49 412	2.83 409	9.90 414	2.13 392	8.87 418	16.79 421	5.39 410	9.18 413	10.68 418	3.92 401	9.55 407	5.11 381	3.36 407	0.86 397	2.88 412	1.62 408	3.76 410	3.37 412

KSHMR	8.76 416	2.14 403	3.59 365	3.60 414	3.13 412	4.15 402	2.67 405	5.61 410	58.90 441	3.04 387	55.71 441	4.94 396	2.54 384	4.61 336	3.05 365	3.49 409	1.57 416	3.14 414	1.98 413	3.84 411	3.49 413

notaker	4.29 400	2.42 408	5.06 378	3.89 417	3.29 415	4.00 399	2.25 395	4.93 406	3.47 394	4.21 401	6.79 402	7.67 407	3.37 394	9.25 405	6.47 387	4.09 417	1.42 414	3.35 418	2.13 415	4.11 414	3.54 414

TorneroNet	10.72 418	2.09 401	2.76 349	3.48 411	3.03 411	44.72 433	2.31 397	8.62 417	67.06 442	7.45 416	23.21 426	10.59 417	4.28 403	9.03 400	9.00 397	3.67 410	0.91 401	3.04 413	1.63 409	3.92 412	3.55 415

JetRed	7.02 411	8.94 422	25.72 424	2.89 403	3.27 414	14.25 420	12.27 417	6.69 414	4.45 402	4.46 402	4.56 389	6.65 402	5.43 405	7.46 389	14.41 414	2.60 400	3.31 418	2.61 407	2.30 417	4.34 415	3.79 416

UNDER WATER-64	5.84 408	2.48 411	17.93 415	3.97 418	3.58 417	7.70 411	3.03 409	5.72 411	14.13 413	4.18 400	4.00 386	9.27 413	6.80 411	6.20 367	9.22 399	3.67 410	1.52 415	3.14 414	1.95 411	4.43 416	3.83 417

UNDER WATER	5.68 407	2.46 410	15.52 410	3.98 419	3.53 416	5.15 407	2.74 406	5.58 409	16.41 419	4.00 394	4.56 389	9.12 412	6.43 410	6.22 368	9.11 398	3.85 414	1.35 413	3.18 416	1.98 413	4.51 417	3.84 418

MADNet++	5.41 405	3.18 416	6.43 383	4.66 421	3.95 419	6.15 409	6.75 413	4.51 402	4.51 403	5.06 408	6.27 400	4.96 397	6.14 408	9.39 406	11.70 404	4.71 418	4.19 421	3.97 420	3.33 418	4.08 413	4.25 419

HanzoNet	11.92 419	5.12 418	17.18 412	4.19 420	3.59 418	5.16 408	2.82 407	7.41 415	9.96 411	33.31 437	27.60 428	22.25 427	37.31 432	18.18 423	13.57 407	8.13 423	3.44 420	3.50 419	3.44 419	7.77 424	4.52 420

PML	51.64 439	37.49 432	14.31 407	7.45 423	20.27 424	107.80 442	231.34 443	8.94 419	27.70 429	86.74 442	268.93 443	69.03 442	61.09 441	24.71 431	14.36 413	9.71 425	3.40 419	9.60 425	4.67 420	20.46 427	4.76 421

SPstereo	26.71 427	6.90 419	11.42 403	5.86 422	6.44 420	48.17 434	80.34 441	67.41 442	34.42 437	28.80 435	27.49 427	43.68 439	37.53 436	44.96 441	54.23 442	5.06 421	4.92 422	10.92 428	6.03 421	4.54 418	5.00 422

DGTPSM_ROB	13.06 420	8.27 420	22.29 419	9.53 424	18.14 421	11.53 417	31.97 426	10.82 420	16.25 414	7.14 413	19.39 424	10.12 415	16.69 420	9.85 410	22.49 422	4.77 419	8.72 423	5.37 421	10.24 425	6.15 421	11.56 423

DPSMNet_ROB	13.08 421	8.28 421	22.32 420	9.54 425	18.15 422	11.53 417	31.98 427	10.83 421	16.27 415	7.17 414	19.40 425	10.12 415	16.69 420	9.87 411	22.50 423	4.78 420	8.72 423	5.38 422	10.25 426	6.16 422	11.59 424

Anonymous_1	42.79 437	18.71 424	24.75 421	21.81 426	45.16 436	27.68 424	37.52 428	28.64 428	16.34 416	14.72 422	14.53 417	20.60 421	17.82 422	21.52 424	25.88 426	113.45 442	8.91 425	100.63 439	126.37 439	158.50 442	12.31 425

DPSM_ROB	19.12 422	19.13 425	25.13 422	22.15 427	20.86 425	28.06 425	37.75 429	27.18 426	16.95 422	14.25 420	15.07 419	21.66 422	18.69 423	21.83 425	26.51 427	10.15 426	9.30 426	10.45 426	10.41 427	14.00 425	12.85 426

DPSM	19.12 422	19.13 425	25.13 422	22.15 427	20.86 425	28.06 425	37.75 429	27.18 426	16.95 422	14.25 420	15.07 419	21.66 422	18.69 423	21.83 425	26.51 427	10.15 426	9.30 426	10.45 426	10.41 427	14.00 425	12.85 426

LSM	6.55 409	1.26 378	15.64 411	1.79 390	68.74 437	1.67 327	2.08 390	2.26 327	2.59 375	3.13 390	3.08 376	1.90 330	1.81 356	2.89 299	2.16 346	0.43 333	0.59 385	0.50 354	0.58 372	0.64 359	17.24 428

CasAABBNet	38.42 429	38.42 433	50.26 433	44.76 434	41.87 431	56.47 439	76.22 435	54.44 439	33.92 432	28.53 430	30.36 432	43.53 438	37.59 437	43.77 438	53.32 437	20.27 429	18.70 431	21.03 432	21.04 430	28.19 428	25.79 429

Selective-RAFT-Error	38.47 433	38.44 434	50.38 437	44.74 433	42.01 432	56.47 439	76.24 436	54.44 439	34.02 433	28.59 431	30.30 431	43.51 437	38.10 438	43.69 434	53.24 436	20.36 433	18.72 432	21.05 433	21.02 429	28.25 432	25.87 430

MyStereo03	38.45 430	38.46 435	50.33 434	44.93 435	42.03 433	56.44 436	76.24 436	54.16 436	34.06 434	28.68 432	30.42 433	43.46 434	37.33 433	43.76 435	53.43 438	20.29 430	18.73 433	21.02 429	21.05 431	28.19 428	25.91 431

MyStereo02	38.45 430	38.46 435	50.33 434	44.93 435	42.03 433	56.44 436	76.24 436	54.16 436	34.06 434	28.68 432	30.42 433	43.46 434	37.33 433	43.76 435	53.43 438	20.29 430	18.73 433	21.02 429	21.05 431	28.19 428	25.91 431

MyStereo	38.45 430	38.46 435	50.33 434	44.93 435	42.03 433	56.44 436	76.24 436	54.16 436	34.06 434	28.68 432	30.42 433	43.46 434	37.33 433	43.76 435	53.43 438	20.29 430	18.73 433	21.02 429	21.05 431	28.19 428	25.91 431

LRCNet_RVC	22.79 424	32.09 431	22.06 418	29.83 429	26.15 427	4.40 404	0.84 291	22.64 424	2.10 364	26.93 429	29.25 429	23.03 429	15.56 419	23.91 427	18.92 419	32.00 435	20.04 436	34.68 435	32.13 435	30.66 434	28.52 434

DPSimNet_ROB	24.77 426	9.69 423	61.46 439	3.56 413	19.46 423	25.95 423	77.56 440	5.09 407	16.60 420	21.50 427	29.82 430	25.12 430	85.69 442	13.37 421	23.07 425	7.23 422	17.79 429	8.55 424	7.57 423	4.57 419	31.84 435

LSM0	42.92 438	38.72 438	50.66 438	47.49 438	110.18 442	56.77 441	75.87 434	54.87 441	33.74 431	29.48 436	31.12 436	43.77 440	37.12 431	43.85 439	53.44 441	20.50 434	18.67 430	21.05 433	21.07 434	28.37 433	41.73 436

AVERAGE_ROB	40.42 435	42.30 440	42.61 430	36.91 432	35.54 430	30.42 428	27.59 423	37.45 435	38.45 439	44.87 439	44.27 438	37.55 433	36.69 430	41.82 433	40.25 433	45.36 440	46.73 440	47.09 437	46.32 436	42.47 436	43.74 437

HaxPig	39.02 434	41.39 439	41.59 429	30.10 430	32.36 428	29.49 427	27.65 424	30.56 429	37.94 438	43.75 438	43.81 437	33.42 431	35.69 429	41.51 432	40.33 434	43.91 439	47.48 441	45.87 436	47.14 437	42.29 435	44.06 438

MEDIAN_ROB	42.01 436	44.30 441	44.14 432	35.08 431	34.90 429	31.33 432	29.90 425	36.77 434	40.11 440	47.14 440	46.55 439	37.49 432	38.50 439	44.30 440	42.32 435	47.93 441	49.31 442	49.68 438	49.00 438	44.98 437	46.46 439

xxxxx1	54.34 440	26.72 428	27.03 425	114.14 439	99.00 439	30.68 429	47.19 431	32.52 430	26.09 425	17.85 423	17.48 421	21.86 424	20.92 425	24.38 428	33.78 429	34.73 436	41.33 437	157.67 440	175.68 440	65.82 438	71.99 440

tt_ll	54.34 440	26.72 428	27.03 425	114.14 439	99.00 439	30.68 429	47.19 431	32.52 430	26.09 425	17.85 423	17.48 421	21.86 424	20.92 425	24.38 428	33.78 429	34.73 436	41.33 437	157.67 440	175.68 440	65.82 438	71.99 440

ff	54.34 440	26.72 428	27.03 425	114.14 439	99.00 439	30.68 429	47.19 431	32.52 430	26.09 425	17.85 423	17.48 421	21.86 424	20.92 425	24.38 428	33.78 429	34.73 436	41.33 437	157.67 440	175.68 440	65.82 438	71.99 440

test_example2	192.91 443	210.59 443	206.44 443	199.86 443	204.90 443	172.02 443	182.95 442	138.34 443	134.89 443	193.14 443	200.54 442	186.77 443	177.82 443	204.95 443	207.57 443	221.83 443	238.70 443	186.02 443	190.07 443	226.94 443	173.78 443

Low-res two-view benchmark