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

EGLCR-Stereo	1.06 35	0.51 12	1.56 25	1.02 139	0.39 28	4.27 297	0.42 9	4.08 264	1.48 43	0.90 25	0.68 1	1.09 58	0.66 14	1.81 100	0.62 4	0.27 35	0.19 39	0.29 84	0.23 61	0.37 166	0.25 29

StereoIM	0.82 6	0.66 126	1.53 20	0.65 5	1.87 366	1.24 9	0.36 4	2.13 32	1.27 13	0.67 4	0.75 2	0.88 43	0.70 15	1.15 18	1.07 108	0.29 79	0.23 130	0.26 39	0.20 25	0.31 78	0.22 10

test_xeample3	2.12 189	0.63 102	21.55 400	0.91 81	0.47 66	1.85 29	0.94 202	7.96 404	1.23 4	0.75 6	0.76 3	0.64 7	0.70 15	1.77 97	0.83 50	0.30 113	0.21 82	0.27 55	0.21 31	0.27 25	0.24 23

IGEVStereo-DCA	0.86 9	0.65 116	2.05 59	0.90 77	0.46 56	1.57 20	0.86 153	1.62 7	1.24 5	0.65 1	0.77 4	0.74 24	0.72 19	2.59 164	0.86 59	0.28 62	0.21 82	0.28 69	0.21 31	0.29 46	0.27 58

rrr	2.27 208	0.65 116	23.82 416	0.90 77	0.46 56	1.57 20	0.96 211	7.98 405	1.19 3	0.65 1	0.77 4	0.74 24	0.72 19	2.59 164	0.86 59	0.28 62	0.21 82	0.28 69	0.21 31	0.29 46	0.25 29

AEACV	0.79 3	0.54 32	1.35 11	0.97 111	0.63 126	1.13 6	0.92 198	2.02 28	0.91 1	0.76 13	0.79 6	0.80 32	1.61 196	1.28 40	0.61 3	0.22 5	0.18 24	0.26 39	0.23 61	0.27 25	0.23 16

LoS	0.94 16	0.52 17	1.88 44	0.86 61	0.36 7	4.15 261	0.51 23	2.18 35	1.45 27	0.97 31	0.88 7	0.62 5	0.79 34	1.59 73	0.86 59	0.26 28	0.19 39	0.24 19	0.16 8	0.21 2	0.20 7

4D-IteraStereo	1.97 166	0.84 225	20.43 371	0.78 27	1.56 327	2.09 43	1.05 228	2.43 48	1.56 90	1.41 59	1.00 8	1.94 160	0.61 7	1.22 32	1.06 106	0.27 35	0.18 24	0.31 122	0.26 105	0.27 25	0.23 16

CES	1.01 28	0.55 36	1.74 35	0.92 84	2.15 378	2.15 45	0.50 19	2.01 27	1.45 27	0.76 13	1.02 9	0.61 4	0.47 1	1.29 42	0.79 43	0.22 5	0.17 9	0.24 19	0.14 2	0.63 296	2.29 386

sAnonymous2	1.37 89	1.22 298	9.79 205	0.92 84	0.88 187	1.23 7	0.61 48	2.56 68	1.69 133	0.85 23	1.02 9	0.73 22	1.23 120	0.98 4	0.78 41	0.29 79	0.25 177	0.31 122	0.30 192	1.06 356	0.71 312

CroCo_RVC	1.37 89	1.22 298	9.79 205	0.92 84	0.88 187	1.23 7	0.61 48	2.56 68	1.69 133	0.85 23	1.02 9	0.73 22	1.23 120	0.98 4	0.78 41	0.29 79	0.25 177	0.31 122	0.30 192	1.06 356	0.71 312

ff7	0.98 20	0.69 141	2.05 59	0.84 51	0.52 88	4.55 341	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 78	0.27 58

ffff	0.98 20	0.69 141	2.05 59	0.84 51	0.52 88	4.55 341	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 78	0.27 58

11t	0.98 20	0.69 141	2.05 59	0.84 51	0.52 88	4.55 341	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 78	0.27 58

ccc-4	0.98 20	0.69 141	2.05 59	0.84 51	0.52 88	4.55 341	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 78	0.27 58

GLC_STEREO	0.76 1	0.52 17	1.12 3	0.83 45	0.33 4	1.86 30	0.82 138	1.46 3	1.38 20	0.95 30	1.04 16	0.68 10	0.72 19	0.97 3	0.80 44	0.23 8	0.25 177	0.32 138	0.25 91	0.32 101	0.30 102

PMTNet	0.99 26	0.48 5	1.73 32	0.62 2	0.56 102	4.20 286	0.43 12	1.88 22	1.58 98	1.00 32	1.05 17	0.78 27	0.98 62	1.50 62	0.85 55	1.21 376	0.20 57	0.23 7	0.15 4	0.22 4	0.19 3

anonymousdsp	0.95 18	0.69 141	1.27 5	0.83 45	0.52 88	4.54 338	0.84 145	1.76 17	1.24 5	0.76 13	1.06 18	0.78 27	0.77 26	1.67 91	0.69 21	0.27 35	0.17 9	0.29 84	0.21 31	0.31 78	0.26 46

IGEV-Stereo	0.95 18	0.69 141	1.27 5	0.84 51	0.52 88	4.54 338	0.84 145	1.76 17	1.24 5	0.75 6	1.06 18	0.79 31	0.77 26	1.68 92	0.69 21	0.27 35	0.17 9	0.29 84	0.21 31	0.31 78	0.26 46
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
knoymous	1.30 81	0.60 77	5.57 169	0.88 68	0.75 155	3.04 77	0.90 180	2.68 78	1.33 17	1.48 63	1.07 20	2.78 256	0.88 43	1.29 42	0.85 55	0.31 130	0.22 106	0.35 203	0.20 25	0.45 238	0.37 164

riskmin	1.25 66	0.56 43	2.05 59	1.05 148	0.93 202	2.86 64	0.55 29	3.23 118	1.34 18	1.55 69	1.07 20	3.56 317	2.03 260	1.29 42	1.00 101	0.28 62	0.27 196	0.34 187	0.21 31	0.41 202	0.43 217

CASnet	0.78 2	0.51 12	1.29 7	0.81 30	0.29 1	1.28 13	0.74 100	1.51 5	1.89 165	1.64 84	1.09 22	0.65 8	0.64 10	0.91 2	0.76 38	0.29 79	0.17 9	0.41 254	0.31 208	0.32 101	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CAS	1.26 73	0.40 1	1.46 15	2.97 390	1.61 335	4.13 257	0.73 90	1.78 20	1.49 49	0.83 22	1.10 23	0.59 3	0.53 2	1.26 36	0.80 44	2.99 394	0.13 1	0.21 3	0.13 1	0.31 78	1.72 377

FENet	2.25 204	0.50 10	20.29 364	1.35 268	0.67 139	4.01 233	0.60 45	3.95 227	1.99 176	1.96 145	1.11 24	2.43 219	1.43 154	1.60 75	1.39 167	0.32 146	0.22 106	0.33 170	0.26 105	0.29 46	0.39 183

CREStereo	0.92 14	0.53 26	1.45 14	0.61 1	0.34 5	4.42 317	0.40 7	2.21 37	1.54 79	0.94 28	1.12 25	0.87 41	0.87 42	1.12 12	0.72 32	0.28 62	0.19 39	0.22 5	0.15 4	0.22 4	0.19 3
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
ProNet	0.82 6	0.71 161	1.50 19	0.86 61	0.45 49	1.78 25	0.83 142	1.75 16	1.28 14	0.66 3	1.13 26	0.78 27	0.76 25	1.66 88	0.71 28	0.24 11	0.20 57	0.25 29	0.23 61	0.29 46	0.25 29

trnet	0.91 13	0.48 5	1.46 15	0.62 2	0.31 2	4.40 313	0.41 8	2.20 36	1.53 71	0.94 28	1.14 27	0.88 43	0.89 46	1.09 9	0.71 28	0.27 35	0.19 39	0.22 5	0.15 4	0.21 2	0.19 3

Anonymous	1.04 34	0.76 193	2.42 97	1.06 152	1.27 278	1.67 24	0.86 153	2.51 55	1.49 49	0.92 26	1.14 27	0.70 13	1.10 91	1.26 36	0.98 94	0.47 282	0.33 243	0.30 103	0.30 192	0.66 310	0.51 263

test-3	1.19 47	0.52 17	2.00 53	1.01 130	0.42 37	1.95 33	0.91 188	4.35 343	1.47 38	2.24 236	1.16 29	2.06 184	0.79 34	2.68 169	0.76 38	0.27 35	0.18 24	0.28 69	0.26 105	0.26 19	0.25 29

test_1	1.19 47	0.52 17	2.00 53	1.01 130	0.42 37	1.95 33	0.90 180	4.36 345	1.47 38	2.17 213	1.16 29	2.06 184	0.78 32	2.68 169	0.76 38	0.27 35	0.18 24	0.28 69	0.26 105	0.26 19	0.25 29

UDGNet	1.40 92	1.52 331	2.22 79	1.38 284	0.62 125	4.39 309	0.68 72	1.80 21	2.18 213	1.34 52	1.18 31	0.99 51	1.00 65	2.16 131	1.19 131	1.09 371	0.34 255	1.30 383	0.98 372	1.10 361	0.58 289

test_3	1.19 47	0.51 12	2.08 71	0.99 119	0.41 34	2.05 41	0.87 170	4.40 351	1.42 23	1.99 153	1.18 31	2.03 178	0.79 34	2.70 171	0.75 36	0.27 35	0.17 9	0.29 84	0.29 178	0.30 62	0.27 58

MIF-Stereo (partial)	0.98 20	0.55 36	2.83 113	0.71 9	1.03 226	1.08 5	0.49 18	2.55 66	1.66 126	0.79 17	1.20 33	0.80 32	0.90 47	1.61 80	1.56 198	0.36 192	0.24 159	0.33 170	0.25 91	0.40 181	0.28 71

CroCo-Stereo Lap2	0.99 26	0.89 234	2.55 100	0.99 119	1.80 363	0.54 2	0.46 14	3.10 106	1.24 5	1.07 40	1.21 34	1.05 57	0.78 32	1.26 36	1.08 110	0.27 35	0.23 130	0.27 55	0.21 31	0.43 226	0.34 136

MyStereo07	1.01 28	0.80 207	1.26 4	1.00 126	1.04 229	3.95 219	0.95 206	2.07 31	1.42 23	0.75 6	1.22 35	0.68 10	0.91 49	1.63 84	0.67 15	0.24 11	0.24 159	0.34 187	0.26 105	0.41 202	0.37 164

EKT-Stereo	6.79 396	0.64 108	4.24 148	1.77 343	106.39 437	4.51 336	0.61 48	3.16 110	1.53 71	1.88 123	1.22 35	1.98 171	1.36 139	3.81 193	0.84 52	0.35 187	0.24 159	0.29 84	0.26 105	0.34 132	0.48 246

FADNet-RVC	2.51 252	2.27 361	14.03 249	1.09 163	0.81 165	3.54 141	1.10 238	4.13 275	2.48 267	1.39 57	1.22 35	1.85 154	1.77 231	9.78 306	2.06 263	0.38 214	0.37 275	0.40 247	0.40 289	0.67 313	0.48 246

test croco	1.55 103	0.69 141	13.59 238	0.65 5	0.73 152	1.66 23	0.57 33	3.17 112	1.94 170	0.77 16	1.24 38	0.80 32	0.86 40	1.60 75	0.96 91	0.33 157	0.21 82	0.32 138	0.25 91	0.42 218	0.28 71

qqq	1.30 81	0.57 49	1.67 29	1.15 199	0.51 80	2.18 47	0.91 188	3.98 235	1.53 71	1.50 65	1.24 38	1.79 139	1.34 136	4.66 209	0.98 94	0.28 62	0.31 231	0.33 170	0.33 223	0.33 116	0.32 116

dd	1.26 73	1.15 282	2.47 98	0.92 84	0.49 76	4.35 305	0.75 107	1.92 24	2.11 204	1.44 61	1.24 38	1.19 72	1.05 75	1.78 98	1.70 220	0.57 321	0.34 255	0.35 203	0.33 223	0.60 288	0.46 237

GMStereo	1.01 28	1.00 256	2.86 115	0.83 45	0.45 49	1.47 17	0.57 33	1.89 23	2.11 204	1.52 66	1.24 38	0.87 41	0.74 23	1.58 70	0.94 88	0.40 232	0.21 82	0.30 103	0.30 192	0.47 247	0.36 150
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CroCo-Stereo	0.98 20	0.87 232	3.44 133	0.87 64	0.53 96	0.49 1	0.50 19	3.99 239	1.49 49	0.81 18	1.25 42	1.00 52	0.75 24	1.10 10	1.09 113	0.24 11	0.21 82	0.24 19	0.19 19	0.35 148	0.27 58
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
MyStereo05	2.37 233	0.72 164	19.94 345	1.02 139	0.99 216	4.26 292	0.86 153	4.01 242	2.62 287	2.14 199	1.26 43	2.28 198	1.63 211	2.07 120	1.68 218	0.24 11	0.23 130	0.34 187	0.26 105	0.42 218	0.36 150

11t1	1.11 39	0.53 26	1.80 40	1.55 318	0.65 133	2.20 49	0.60 45	3.66 163	1.49 49	1.60 74	1.26 43	1.03 54	1.35 138	1.72 94	0.97 92	0.28 62	0.31 231	0.29 84	0.23 61	0.30 62	0.34 136

MIF-Stereo	0.82 6	0.47 4	2.63 105	0.96 104	1.19 259	0.78 3	0.39 6	1.12 1	1.54 79	1.19 48	1.26 43	0.51 1	0.64 10	1.13 15	1.03 103	0.30 113	0.20 57	0.24 19	0.21 31	0.40 181	0.25 29

DLNR_Zeroshot_test	28.62 425	55.50 438	49.94 432	183.62 440	115.05 438	3.43 116	0.28 1	29.49 426	1.49 49	1.01 33	1.26 43	0.93 48	0.63 9	3.92 199	1.51 192	29.81 433	0.41 300	0.26 39	0.23 61	93.28 438	0.32 116

rafts_anoy	1.24 63	0.80 207	3.61 141	1.17 205	1.20 264	3.00 76	0.61 48	3.17 112	1.58 98	1.37 55	1.26 43	1.19 72	1.12 96	1.78 98	1.25 145	0.32 146	0.23 130	0.32 138	0.32 215	0.31 78	0.30 102

sCroCo_RVC	1.06 35	0.82 218	5.05 159	1.02 139	1.05 231	0.98 4	0.61 48	2.06 29	1.29 15	0.69 5	1.26 43	0.82 36	1.10 91	1.20 29	0.90 71	0.42 252	0.40 294	0.33 170	0.30 192	0.46 245	0.38 177

MyStereo04	2.29 216	0.80 207	18.77 319	1.00 126	1.04 229	3.95 219	0.95 206	3.91 216	2.54 279	1.99 153	1.27 49	2.31 205	1.65 216	2.02 119	1.77 230	0.24 11	0.24 159	0.34 187	0.26 105	0.41 202	0.37 164

x	1.15 44	0.57 49	1.53 20	1.44 294	0.67 139	1.94 32	0.97 213	3.87 203	1.57 96	1.61 79	1.28 50	1.58 110	1.22 117	1.93 111	1.04 104	0.28 62	0.30 222	0.34 187	0.29 178	0.32 101	0.31 109

TRStereo	2.31 220	1.87 349	19.74 339	1.53 311	1.16 252	4.26 292	1.08 234	4.73 383	1.45 27	1.55 69	1.28 50	1.75 129	0.85 39	1.81 100	1.20 134	0.36 192	0.26 188	0.32 138	0.36 252	0.34 132	0.33 126

CAS++	0.89 11	0.64 108	1.46 15	0.81 30	0.51 80	1.24 9	0.86 153	3.44 136	1.46 34	1.14 46	1.29 52	0.62 5	0.58 4	1.13 15	0.59 2	0.34 169	0.30 222	0.34 187	0.26 105	0.41 202	0.29 78
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
FADNet	2.49 249	1.76 346	13.17 232	1.17 205	0.95 205	3.27 97	0.88 174	3.94 225	2.27 227	1.40 58	1.29 52	2.51 228	2.06 264	9.93 312	1.94 248	0.43 257	0.45 314	0.40 247	0.43 299	1.06 356	0.53 270

CBFPSM	2.05 182	0.95 247	10.12 211	1.07 154	1.05 231	2.84 62	1.20 256	3.28 122	1.73 140	1.82 114	1.30 54	4.56 363	4.06 351	2.34 145	2.34 287	0.25 20	0.38 281	0.32 138	0.27 129	0.37 166	0.79 331

AnonymousM	1.22 57	1.32 313	0.97 1	0.88 68	0.56 102	4.03 236	0.69 77	2.41 45	1.68 128	1.48 63	1.31 55	1.15 64	1.00 65	1.18 27	0.73 33	0.32 146	0.40 294	2.07 390	1.70 392	0.24 6	0.22 10

LoS_RVC	0.94 16	1.30 309	1.31 8	0.84 51	1.63 338	2.02 35	0.59 42	1.51 5	1.36 19	0.81 18	1.33 56	0.84 37	0.88 43	1.36 48	0.73 33	0.21 1	0.17 9	0.20 1	0.14 2	0.20 1	1.45 370

NRIStereo	1.28 78	0.61 91	1.67 29	1.15 199	0.38 27	4.73 374	0.90 180	2.42 46	1.50 54	1.93 139	1.33 56	1.75 129	1.22 117	2.96 179	1.33 162	0.46 274	0.22 106	0.29 84	0.26 105	0.30 62	0.28 71

TestStereo	2.00 172	1.02 258	12.25 227	0.70 8	0.61 122	1.88 31	0.55 29	2.31 41	1.52 66	1.41 59	1.33 56	1.27 79	0.90 47	11.62 365	0.81 46	0.34 169	0.19 39	0.33 170	0.24 82	0.44 231	0.24 23

FADNet-RVC-Resample	2.83 284	2.02 356	21.07 386	1.12 177	0.91 196	3.53 137	1.37 277	4.08 264	2.09 194	1.68 91	1.33 56	2.03 178	1.51 177	9.54 301	1.69 219	0.38 214	0.37 275	0.42 260	0.44 301	0.56 277	0.56 281

DIP-Stereo	1.24 63	0.69 141	1.77 37	0.65 5	0.61 122	4.29 299	0.58 41	4.44 357	2.53 277	1.98 148	1.33 56	0.91 46	0.86 40	1.25 35	1.25 145	0.36 192	0.23 130	0.32 138	0.23 61	0.32 101	0.29 78
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
LargeStereo	0.90 12	0.58 61	1.32 9	0.94 98	0.45 49	1.27 12	1.00 217	3.32 129	1.55 85	0.82 20	1.34 61	0.86 40	1.09 86	1.16 19	0.89 68	0.33 157	0.18 24	0.23 7	0.19 19	0.29 46	0.22 10

Any-RAFT	1.40 92	0.53 26	2.78 112	1.09 163	0.64 128	4.41 315	0.81 135	3.97 233	2.78 305	1.99 153	1.34 61	2.36 211	1.56 190	1.56 69	0.75 36	0.27 35	0.20 57	0.25 29	0.18 10	0.25 13	0.28 71

Selective-RAFT	1.15 44	0.46 3	1.64 28	0.99 119	0.45 49	4.17 275	0.51 23	3.21 115	1.69 133	1.12 45	1.34 61	1.45 101	1.40 144	2.08 122	0.94 88	0.41 242	0.20 57	0.24 19	0.23 61	0.27 25	0.25 29

Anonymous_2	3.01 309	0.89 234	4.53 155	1.06 152	1.18 253	2.93 70	0.87 170	3.24 120	1.46 34	1.86 120	1.35 64	4.11 341	2.35 288	1.64 85	1.28 152	0.82 358	0.90 374	8.71 423	15.84 427	4.44 406	0.74 320

raft_robust	1.92 157	1.15 282	3.34 132	1.02 139	0.43 40	3.84 194	0.46 14	4.42 353	2.52 276	1.67 90	1.36 65	2.17 193	6.37 384	6.78 254	1.04 104	0.28 62	0.24 159	0.30 103	0.35 244	0.31 78	0.32 116

Anonymous3	1.72 127	0.76 193	11.61 224	0.83 45	0.84 177	4.46 321	0.84 145	3.57 153	1.16 2	1.34 52	1.37 66	1.11 60	1.03 69	1.58 70	1.13 119	0.70 347	0.58 345	0.33 170	0.35 244	0.47 247	0.42 209

CFNet-RSSM	2.08 187	0.52 17	20.06 350	1.01 130	0.56 102	3.39 111	0.64 59	3.67 164	1.55 85	1.72 98	1.37 66	2.57 233	1.19 115	1.11 11	0.86 59	0.27 35	0.20 57	0.25 29	0.23 61	0.27 25	0.23 16

raftrobust	1.19 47	0.72 164	2.30 87	1.26 238	1.31 282	3.55 142	0.68 72	2.75 83	1.47 38	2.21 229	1.38 68	1.17 66	1.22 117	1.20 29	1.11 115	0.28 62	0.24 159	0.21 3	0.19 19	0.25 13	0.28 71

LL-Strereo2	1.23 58	0.85 229	2.38 93	0.93 95	0.68 144	3.72 171	1.37 277	2.54 65	1.99 176	1.75 103	1.40 69	1.82 146	0.73 22	1.40 49	0.99 99	0.31 130	0.23 130	0.55 323	0.35 244	0.29 46	0.24 23

DMCA-RVC	2.45 240	1.22 298	18.29 309	1.23 228	1.14 246	2.49 54	0.85 151	3.29 123	1.68 128	3.02 337	1.41 70	2.00 174	1.53 186	6.39 242	2.00 256	0.38 214	0.30 222	0.44 267	0.35 244	0.45 238	0.44 222

PSM-softLoss	1.66 123	0.59 68	5.15 161	2.25 372	0.48 72	4.68 362	0.69 77	2.57 70	1.52 66	2.14 199	1.45 71	1.42 98	0.99 63	6.04 238	1.20 134	0.41 242	0.23 130	0.37 226	0.39 279	0.32 101	0.31 109

KMStereo	1.66 123	0.59 68	5.15 161	2.25 372	0.48 72	4.68 362	0.69 77	2.57 70	1.52 66	2.14 199	1.45 71	1.42 98	0.99 63	6.04 238	1.20 134	0.41 242	0.23 130	0.37 226	0.39 279	0.32 101	0.31 109

ROB_FTStereo_v2	1.23 58	0.66 126	2.02 55	0.75 12	0.37 19	4.67 361	0.76 108	2.53 56	1.58 98	1.99 153	1.46 73	1.78 132	1.14 104	2.08 122	0.88 66	0.48 287	0.22 106	0.32 138	0.27 129	0.40 181	0.29 78

HUI-Stereo	1.25 66	0.66 126	2.33 90	0.75 12	0.37 19	4.68 362	0.78 120	2.53 56	1.58 98	1.99 153	1.46 73	1.79 139	1.13 98	2.17 133	0.85 55	0.48 287	0.23 130	0.32 138	0.27 129	0.40 181	0.29 78

iGMRVC	1.26 73	0.66 126	2.14 73	0.75 12	0.37 19	4.66 359	0.74 100	2.53 56	1.58 98	1.99 153	1.46 73	1.78 132	1.14 104	2.46 149	0.92 80	0.48 287	0.23 130	0.32 138	0.27 129	0.40 181	0.29 78

CRE-IMP	1.23 58	0.61 91	2.14 73	0.82 38	0.39 28	4.54 338	0.83 142	2.63 75	1.55 85	1.95 143	1.46 73	1.87 156	0.96 57	1.48 61	1.33 162	0.45 270	0.21 82	0.31 122	0.26 105	0.41 202	0.31 109

Patchmatch Stereo++	1.25 66	0.65 116	2.06 68	0.75 12	0.37 19	4.68 362	0.76 108	2.53 56	1.58 98	1.99 153	1.47 77	1.78 132	1.14 104	2.44 147	0.90 71	0.48 287	0.23 130	0.32 138	0.27 129	0.40 181	0.29 78
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	1.24 63	0.65 116	2.03 56	0.75 12	0.37 19	4.68 362	0.73 90	2.53 56	1.58 98	1.99 153	1.47 77	1.78 132	1.13 98	2.18 135	0.87 64	0.48 287	0.23 130	0.32 138	0.27 129	0.40 181	0.29 78

ROB_FTStereo	1.25 66	0.66 126	2.14 73	0.75 12	0.37 19	4.65 358	0.77 118	2.53 56	1.58 98	1.99 153	1.47 77	1.78 132	1.13 98	2.26 143	0.86 59	0.47 282	0.22 106	0.32 138	0.27 129	0.40 181	0.29 78

iRAFT	1.25 66	0.65 116	2.06 68	0.75 12	0.37 19	4.68 362	0.76 108	2.53 56	1.58 98	1.99 153	1.47 77	1.78 132	1.14 104	2.44 147	0.90 71	0.48 287	0.23 130	0.32 138	0.27 129	0.40 181	0.29 78

RAFT-IKP	1.25 66	0.66 126	2.23 81	0.75 12	0.37 19	4.64 356	0.74 100	2.53 56	1.58 98	1.99 153	1.47 77	1.78 132	1.13 98	2.22 140	0.92 80	0.48 287	0.22 106	0.32 138	0.27 129	0.40 181	0.29 78

Gwc-CoAtRS	1.58 110	0.57 49	11.69 225	1.01 130	0.60 118	2.53 55	0.64 59	2.36 43	1.56 90	1.80 111	1.47 77	2.74 247	1.18 111	1.12 12	0.90 71	0.27 35	0.21 82	0.25 29	0.22 52	0.27 25	0.23 16

MIPNet	2.33 225	0.71 161	19.82 341	0.89 72	0.56 102	4.76 379	0.61 48	4.32 337	2.37 248	1.83 115	1.48 83	1.48 103	1.98 259	2.63 166	1.44 174	0.29 79	0.20 57	0.26 39	0.23 61	0.30 62	0.39 183

cross-raft	2.01 175	0.57 49	19.01 324	1.03 146	0.56 102	2.11 44	0.72 86	3.63 158	1.57 96	1.77 105	1.51 84	3.17 283	1.13 98	1.16 19	0.85 55	0.23 8	0.21 82	0.26 39	0.23 61	0.28 37	0.25 29

GMOStereo	1.13 40	0.70 151	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 271	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 203	0.28 154	0.34 132	0.26 46

error version	1.13 40	0.70 151	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 271	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 203	0.28 154	0.34 132	0.26 46

test-v	1.13 40	0.70 151	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 271	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 203	0.28 154	0.34 132	0.26 46

test-2	1.13 40	0.70 151	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 271	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 203	0.28 154	0.34 132	0.26 46

UPFNet	1.81 140	0.63 102	6.71 174	1.25 232	1.44 309	3.50 131	1.35 271	4.02 246	1.85 158	2.40 278	1.52 85	2.41 215	1.40 144	3.62 189	1.88 242	0.34 169	0.33 243	0.37 226	0.31 208	0.41 202	0.39 183

IPLGR	2.53 256	0.58 61	20.46 372	0.82 38	0.52 88	4.56 346	0.50 19	4.30 330	2.38 250	1.87 121	1.53 90	1.68 121	1.72 227	6.95 257	1.15 121	0.28 62	0.21 82	0.27 55	0.23 61	0.33 116	0.32 116

Former-RAFT_DAM_RVC	0.92 14	0.73 172	1.42 13	0.92 84	1.08 237	2.97 75	0.53 25	1.77 19	1.39 21	1.16 47	1.54 91	0.58 2	0.65 12	1.03 8	0.84 52	0.25 20	0.23 130	0.30 103	0.24 82	0.43 226	0.29 78

DeepPruner_ROB	2.05 182	1.09 272	10.50 216	1.01 130	1.20 264	4.39 309	0.91 188	3.14 108	1.72 138	2.60 302	1.54 91	2.78 256	1.27 124	4.52 207	1.72 222	0.51 306	0.40 294	0.37 226	0.34 230	0.48 250	0.52 268

IGEV_Zeroshot_test	2.16 193	0.69 141	20.60 377	1.22 224	0.54 97	2.18 47	0.53 25	3.38 134	1.61 116	1.93 139	1.55 93	3.76 323	1.05 75	1.55 68	0.91 77	0.29 79	0.20 57	0.27 55	0.29 178	0.40 181	0.32 116

ToySt	1.35 87	0.72 164	3.65 143	1.01 130	0.50 79	3.31 105	1.01 219	3.46 137	1.73 140	1.30 50	1.55 93	2.07 187	1.47 165	1.88 108	1.40 168	0.27 35	0.27 196	0.30 103	0.32 215	0.42 218	0.39 183

STTStereo	2.34 227	0.95 247	14.93 264	1.43 292	1.54 320	3.86 202	0.86 153	3.65 160	2.44 262	2.15 204	1.55 93	2.49 227	1.59 191	5.14 217	1.44 174	0.38 214	0.39 289	0.47 280	0.51 323	0.52 260	0.51 263

GMStereo_Zeroshot	1.41 94	1.21 292	3.33 131	1.29 247	0.72 148	3.35 108	0.53 25	2.58 72	1.68 128	2.35 265	1.56 96	2.42 218	0.96 57	2.50 152	1.16 124	0.45 270	0.23 130	0.40 247	0.24 82	0.79 336	0.33 126

anonymousdsp2	1.26 73	0.60 77	3.74 144	1.02 139	0.41 34	3.60 151	0.72 86	3.68 165	1.47 38	1.37 55	1.56 96	1.83 149	1.01 67	2.00 115	0.66 13	0.29 79	0.20 57	0.28 69	0.20 25	0.32 101	0.29 78

UNet	2.51 252	0.74 180	20.17 356	1.14 185	1.44 309	3.48 126	0.76 108	3.77 183	1.87 160	2.05 179	1.57 98	2.75 249	2.39 290	3.51 186	2.51 297	0.32 146	0.26 188	0.41 254	0.26 105	0.38 170	0.39 183

MIM_Stereo	1.20 52	0.78 201	3.30 129	1.05 148	0.43 40	3.04 77	0.60 45	2.46 51	1.51 59	1.60 74	1.58 99	1.82 146	1.29 129	2.00 115	1.07 108	0.24 11	0.24 159	0.28 69	0.25 91	0.27 25	0.27 58

Pruner-Stereo	1.32 86	0.59 68	2.11 72	1.79 349	0.47 66	4.73 374	0.79 125	2.53 56	1.72 138	2.47 284	1.58 99	1.48 103	1.03 69	1.66 88	1.47 181	0.44 264	0.21 82	0.34 187	0.30 192	0.30 62	0.39 183

DMCA	1.72 127	0.74 180	6.63 173	1.14 185	0.96 206	3.98 229	0.90 180	3.75 179	2.76 303	2.83 326	1.58 99	2.35 209	1.18 111	1.58 70	1.98 255	0.40 232	0.27 196	0.42 260	0.26 105	0.36 159	0.38 177

NF-Stereo	1.58 110	0.61 91	2.66 107	2.26 374	0.47 66	4.68 362	0.67 68	3.31 125	1.48 43	2.11 193	1.59 102	1.36 88	1.09 86	6.08 240	1.20 134	0.40 232	0.20 57	0.36 214	0.34 230	0.31 78	0.36 150

OCTAStereo	1.58 110	0.61 91	2.72 108	2.27 377	0.46 56	4.68 362	0.67 68	3.30 124	1.48 43	2.11 193	1.59 102	1.36 88	1.09 86	6.02 237	1.21 138	0.41 242	0.20 57	0.36 214	0.34 230	0.31 78	0.37 164

RE-Stereo	1.58 110	0.61 91	2.72 108	2.26 374	0.46 56	4.68 362	0.68 72	3.31 125	1.48 43	2.11 193	1.59 102	1.36 88	1.09 86	6.01 235	1.22 141	0.41 242	0.20 57	0.36 214	0.34 230	0.31 78	0.37 164

TVStereo	1.58 110	0.61 91	2.72 108	2.26 374	0.46 56	4.68 362	0.68 72	3.31 125	1.48 43	2.11 193	1.59 102	1.36 88	1.09 86	6.01 235	1.22 141	0.41 242	0.20 57	0.36 214	0.34 230	0.31 78	0.37 164

gwcnet-sp	2.31 220	1.21 292	17.34 293	1.08 159	0.92 197	3.56 144	1.04 225	3.69 170	2.09 194	2.55 292	1.60 106	1.80 142	1.62 199	3.87 195	1.95 250	0.29 79	0.29 213	0.30 103	0.28 154	0.38 170	0.39 183

scenet	2.31 220	1.21 292	17.34 293	1.08 159	0.92 197	3.56 144	1.04 225	3.69 170	2.09 194	2.55 292	1.60 106	1.80 142	1.62 199	3.87 195	1.95 250	0.29 79	0.29 213	0.30 103	0.28 154	0.38 170	0.39 183

ssnet	2.31 220	1.21 292	17.34 293	1.08 159	0.92 197	3.56 144	1.04 225	3.69 170	2.09 194	2.55 292	1.60 106	1.80 142	1.62 199	3.87 195	1.95 250	0.29 79	0.29 213	0.30 103	0.28 154	0.38 170	0.39 183

iRaft-Stereo_20w	1.88 148	0.62 98	10.58 217	0.90 77	0.83 174	2.96 74	0.78 120	4.90 387	1.58 98	2.29 244	1.60 106	1.25 77	4.51 361	2.28 144	0.90 71	0.29 79	0.21 82	0.26 39	0.24 82	0.41 202	0.31 109

MC-Stereo	1.06 35	0.48 5	1.55 24	1.15 199	0.41 34	4.56 346	0.61 48	2.06 29	1.46 34	1.90 129	1.61 110	0.89 45	1.12 96	1.35 47	0.73 33	0.25 20	0.18 24	0.26 39	0.22 52	0.25 13	0.24 23

HCRNet	1.60 116	0.56 43	2.47 98	0.78 27	1.36 293	4.11 252	0.71 84	3.57 153	2.79 307	1.75 103	1.61 110	1.58 110	1.41 149	5.79 232	1.56 198	0.34 169	0.28 204	0.36 214	0.29 178	0.33 116	0.37 164

HITNet	2.07 185	0.82 218	14.77 258	1.34 264	0.56 102	3.47 124	0.80 130	4.07 259	2.35 240	2.16 209	1.61 110	1.64 116	1.44 156	2.09 125	2.56 303	0.26 28	0.18 24	0.41 254	0.26 105	0.45 238	0.25 29
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
PCWNet_CMD	2.23 200	0.65 116	17.36 296	0.83 45	0.76 158	3.51 133	0.64 59	3.60 156	1.97 173	1.70 94	1.63 113	3.22 285	3.05 323	2.09 125	1.11 115	0.31 130	0.36 263	0.47 280	0.26 105	0.64 302	0.47 242

RAFT+CT+SA	1.62 118	0.72 164	7.42 180	0.97 111	1.42 308	4.04 237	0.94 202	3.90 212	1.61 116	1.61 79	1.63 113	1.33 84	1.18 111	2.73 174	1.10 114	0.27 35	0.19 39	0.31 122	0.34 230	0.33 116	0.33 126

Selective-IGEV	0.80 4	0.52 17	1.05 2	0.75 12	0.61 122	1.31 14	0.82 138	2.60 73	1.41 22	0.82 20	1.64 115	0.71 18	0.62 8	1.22 32	0.64 6	0.22 5	0.19 39	0.24 19	0.18 10	0.25 13	0.20 7

Wz-Net-LNSev	2.30 219	1.67 342	14.88 261	1.18 211	1.65 343	3.49 128	1.54 301	3.63 158	2.03 183	1.88 123	1.64 115	3.29 291	2.06 264	2.71 172	2.02 259	0.40 232	0.33 243	0.32 138	0.31 208	0.53 266	0.49 250

PFNet+	1.46 98	0.57 49	2.84 114	0.92 84	0.47 66	4.64 356	0.84 145	2.46 51	1.99 176	2.14 199	1.64 115	1.34 85	1.03 69	4.68 211	1.23 144	0.45 270	0.33 243	0.37 226	0.39 279	0.32 101	0.49 250

DSFCA	1.89 149	0.69 141	3.14 124	1.10 171	1.18 253	3.99 230	1.79 319	3.50 143	2.16 209	3.10 342	1.64 115	2.91 265	2.50 297	5.38 221	2.26 281	0.43 257	0.38 281	0.37 226	0.36 252	0.50 256	0.42 209

MSMDNet	2.23 200	0.64 108	17.32 292	0.84 51	0.75 155	3.53 137	0.64 59	3.61 157	1.98 175	1.71 97	1.64 115	3.22 285	2.99 317	2.08 122	1.11 115	0.31 130	0.37 275	0.45 273	0.26 105	0.62 295	0.45 227

ADCP+	3.74 347	1.96 353	16.90 289	1.09 163	1.55 324	4.35 305	3.65 389	3.93 222	2.98 332	2.22 230	1.66 120	3.95 330	4.83 364	3.41 184	18.87 410	0.38 214	0.41 300	0.63 343	0.53 330	0.64 302	0.81 332

raft+_RVC	1.21 55	0.83 221	2.61 102	1.35 268	0.97 209	3.60 151	0.76 108	3.23 118	1.51 59	1.33 51	1.67 121	1.03 54	1.10 91	1.87 107	0.92 80	0.24 11	0.22 106	0.25 29	0.24 82	0.26 19	0.25 29

NLCA_NET_v2_RVC	2.54 258	1.04 263	16.73 286	1.53 311	2.00 372	3.96 224	0.87 170	3.87 203	2.31 235	2.54 291	1.67 121	2.85 260	1.63 211	5.55 226	1.62 209	0.46 274	0.33 243	0.38 238	0.38 275	0.53 266	0.62 297
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT-Test	1.44 95	0.59 68	6.10 170	1.01 130	0.69 146	2.90 66	0.80 130	3.68 165	1.70 136	1.85 116	1.68 123	3.15 282	1.03 69	1.20 29	0.99 99	0.27 35	0.22 106	0.25 29	0.23 61	0.27 25	0.25 29

dad	1.65 121	1.19 289	3.04 121	0.98 114	0.56 102	4.22 287	0.84 145	1.99 26	2.48 267	2.14 199	1.68 123	1.62 115	1.13 98	3.85 194	2.04 260	1.03 370	0.40 294	2.04 389	0.48 314	0.75 330	0.53 270

RALCasStereoNet	1.19 47	1.02 258	2.06 68	1.12 177	1.14 246	3.08 83	0.70 82	2.99 98	1.73 140	1.34 52	1.68 123	1.18 69	0.91 49	2.16 131	1.00 101	0.30 113	0.26 188	0.24 19	0.21 31	0.29 46	0.30 102

HH	2.23 200	0.86 230	21.59 401	0.98 114	0.51 80	1.49 18	0.82 138	2.74 81	1.54 79	1.10 42	1.69 126	4.62 365	1.86 249	2.55 160	0.69 21	0.26 28	0.22 106	0.29 84	0.23 61	0.34 132	0.27 58

HanStereo	2.23 200	0.86 230	21.59 401	0.98 114	0.51 80	1.49 18	0.82 138	2.74 81	1.54 79	1.10 42	1.69 126	4.62 365	1.86 249	2.55 160	0.69 21	0.26 28	0.22 106	0.29 84	0.23 61	0.34 132	0.27 58

CFNet-ft	1.90 151	0.95 247	3.56 137	1.07 154	1.54 320	4.09 247	0.90 180	2.85 89	1.82 153	1.78 107	1.70 128	2.75 249	1.48 167	9.33 296	1.72 222	0.33 157	0.30 222	0.61 339	0.36 252	0.52 260	0.39 183

BEATNet_4x	1.92 157	1.36 318	8.75 193	1.20 216	0.56 102	3.46 122	1.03 223	4.00 241	2.43 259	2.25 239	1.70 128	2.10 189	1.59 191	2.57 163	3.05 320	0.37 200	0.22 106	0.47 280	0.29 178	0.60 288	0.40 201

RYNet	2.97 302	0.93 243	15.09 267	1.12 177	1.38 298	3.66 164	1.42 287	4.03 248	2.29 232	2.10 189	1.70 128	3.79 324	2.16 274	13.64 405	3.02 319	0.37 200	0.41 300	0.48 288	0.34 230	0.81 338	0.75 323

CFNet_RVC	1.90 151	0.95 247	3.56 137	1.07 154	1.54 320	4.09 247	0.90 180	2.85 89	1.82 153	1.78 107	1.70 128	2.75 249	1.48 167	9.33 296	1.72 222	0.33 157	0.30 222	0.61 339	0.36 252	0.52 260	0.39 183

RAFT	1.23 58	0.84 225	2.05 59	0.96 104	0.47 66	1.80 27	0.94 202	3.18 114	1.46 34	1.60 74	1.71 132	3.04 273	1.59 191	1.64 85	1.32 158	0.38 214	0.24 159	0.40 247	0.32 215	0.40 181	0.35 147

R-Stereo Train	1.20 52	0.58 61	1.81 41	0.99 119	0.67 139	3.78 181	0.90 180	4.09 266	1.51 59	2.16 209	1.71 132	1.13 61	0.94 54	1.40 49	0.91 77	0.30 113	0.24 159	0.26 39	0.21 31	0.26 19	0.25 29

RAFT-Stereo	1.20 52	0.58 61	1.81 41	0.99 119	0.67 139	3.78 181	0.90 180	4.09 266	1.51 59	2.16 209	1.71 132	1.13 61	0.94 54	1.40 49	0.91 77	0.30 113	0.24 159	0.26 39	0.21 31	0.26 19	0.25 29
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
NVstereo2D	2.54 258	0.90 236	11.10 221	1.32 256	1.47 313	3.58 148	1.38 279	4.13 275	2.45 263	1.90 129	1.71 132	2.86 261	1.76 230	10.86 339	1.66 216	0.60 325	0.43 307	0.53 315	0.41 293	0.78 334	0.94 346

PSMNet_ROB	2.95 295	1.38 320	18.46 316	1.19 213	1.20 264	3.80 185	1.65 312	3.54 149	2.35 240	1.98 148	1.71 132	2.75 249	1.79 234	11.43 359	2.78 311	0.42 252	0.36 263	0.50 304	0.60 342	0.59 284	0.49 250

MyStereo06	2.46 242	0.72 164	19.97 347	1.02 139	0.99 216	4.26 292	0.86 153	3.51 146	1.68 128	1.92 135	1.73 137	4.01 335	4.22 355	1.62 81	0.88 66	0.24 11	0.23 130	0.34 187	0.26 105	0.42 218	0.36 150

ac_64	2.35 229	0.62 98	9.77 204	1.32 256	1.71 351	3.27 97	0.93 199	3.48 138	2.50 272	1.74 101	1.73 137	3.91 329	1.77 231	10.21 321	1.86 240	0.40 232	0.31 231	0.33 170	0.30 192	0.34 132	0.39 183

LCNet	1.55 103	0.54 32	1.88 44	0.99 119	0.55 99	3.60 151	1.21 259	2.86 92	1.53 71	2.18 215	1.74 139	1.43 100	4.17 354	3.62 189	0.87 64	0.29 79	0.20 57	0.28 69	0.77 359	0.47 247	1.85 380

GES	1.38 91	0.64 108	2.61 102	1.09 163	0.57 111	4.30 301	1.02 222	3.86 201	1.51 59	1.72 98	1.74 139	1.28 80	1.77 231	1.62 81	1.61 207	0.39 225	0.27 196	0.33 170	0.30 192	0.41 202	0.47 242

GANet-RSSM	1.98 168	0.62 98	3.49 134	1.69 335	1.23 269	4.22 287	0.91 188	3.31 125	1.86 159	1.81 112	1.74 139	2.34 207	1.82 244	10.92 343	1.73 226	0.34 169	0.29 213	0.31 122	0.28 154	0.39 178	0.40 201

GANetREF_RVC	3.20 327	1.93 351	18.84 320	1.51 307	0.80 163	4.12 254	1.82 323	4.16 285	2.91 325	1.87 121	1.74 139	2.48 225	1.84 246	13.18 397	1.74 227	0.80 355	0.57 341	0.79 364	0.74 355	1.20 371	0.86 338
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
MoCha-V2	0.87 10	0.48 5	1.87 43	0.88 68	0.32 3	1.37 15	0.55 29	2.71 80	1.42 23	0.92 26	1.75 143	0.65 8	1.17 110	1.45 58	0.57 1	0.21 1	0.21 82	0.20 1	0.19 19	0.24 6	0.23 16

MyStereo8	2.33 225	1.13 278	19.26 328	1.22 224	1.62 336	4.16 270	0.57 33	3.50 143	2.36 242	2.15 204	1.75 143	2.28 198	1.14 104	1.46 60	2.20 278	0.24 11	0.21 82	0.32 138	0.27 129	0.36 159	0.43 217

SQANet	3.70 344	9.34 407	18.41 313	2.75 385	2.74 388	3.40 114	1.47 290	3.50 143	1.68 128	2.60 302	1.75 143	2.69 243	1.91 255	6.72 253	1.74 227	2.96 393	1.41 388	1.85 388	1.12 378	3.17 390	2.70 396

IRAFT_RVC	1.87 144	0.60 77	4.33 149	2.40 381	0.66 136	4.59 349	1.59 304	2.96 96	1.51 59	2.23 234	1.75 143	2.09 188	2.63 304	6.70 250	1.50 186	0.33 157	0.21 82	0.33 170	0.29 178	0.32 101	0.32 116

iinet-f	2.26 206	1.18 287	13.71 239	1.14 185	1.11 243	3.77 179	1.10 238	4.14 281	2.17 211	2.06 182	1.76 147	2.99 269	2.99 317	2.50 152	2.49 295	0.35 187	0.39 289	0.27 55	0.28 154	0.45 238	0.39 183

CRFU-Net	2.49 249	0.78 201	10.36 213	2.30 378	1.08 237	3.91 207	1.41 285	3.85 198	1.65 124	2.15 204	1.76 147	3.34 295	7.95 397	5.56 227	1.48 182	0.47 282	0.35 259	0.30 103	0.28 154	0.37 166	0.43 217

ICVP	2.26 206	0.66 126	21.18 392	0.99 119	0.88 187	4.28 298	0.95 206	3.32 129	1.60 113	1.66 88	1.76 147	1.34 85	1.14 104	1.62 81	1.32 158	0.53 314	0.35 259	0.33 170	0.29 178	0.40 181	0.51 263
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	1.09 38	0.70 151	1.39 12	0.95 100	0.45 49	3.83 189	0.42 9	2.37 44	1.58 98	1.69 92	1.76 147	1.80 142	0.83 38	1.50 62	0.98 94	0.28 62	0.18 24	0.29 84	0.26 105	0.30 62	0.31 109

MMNet	2.02 176	0.81 211	10.76 218	1.12 177	1.23 269	3.53 137	0.89 176	3.79 187	2.08 191	2.15 204	1.76 147	2.15 192	2.12 268	3.69 191	2.32 285	0.31 130	0.29 213	0.34 187	0.27 129	0.38 170	0.42 209

DeepPrunerF	3.70 344	1.72 343	14.87 260	1.33 260	1.74 354	3.70 168	1.55 302	4.20 289	14.00 410	2.02 171	1.77 152	2.74 247	2.30 283	10.88 340	6.88 356	0.68 343	0.60 350	0.78 363	0.78 362	0.81 338	0.71 312

AdaStereo	1.45 97	0.83 221	2.34 91	1.28 244	0.81 165	3.21 86	1.14 246	4.20 289	2.46 266	2.05 179	1.77 152	2.48 225	1.18 111	1.71 93	1.44 174	0.43 257	0.25 177	0.43 264	0.28 154	0.44 231	0.34 136
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.
test_5	1.87 144	0.75 189	10.23 212	1.14 185	1.40 301	3.85 200	1.27 264	3.91 216	1.93 169	1.69 92	1.78 154	1.67 119	1.79 234	2.99 180	1.17 127	0.30 113	0.18 24	0.35 203	0.33 223	0.34 132	0.33 126

test-1	1.23 58	0.65 116	1.88 44	0.96 104	0.52 88	3.84 194	0.62 57	4.01 242	1.47 38	1.93 139	1.78 154	1.83 149	0.92 51	1.19 28	1.28 152	0.26 28	0.29 213	0.31 122	0.24 82	0.29 46	0.36 150

FADNet_RVC	2.65 270	2.28 363	16.51 282	0.98 114	0.92 197	4.09 247	0.83 142	4.26 316	1.73 140	1.46 62	1.78 154	1.60 112	1.50 174	8.88 285	2.39 288	0.47 282	0.38 281	0.44 267	0.58 339	0.89 344	0.97 347

CFNet_pseudo	2.12 189	0.67 134	15.14 269	0.85 60	0.74 153	3.95 219	0.64 59	3.95 227	1.78 148	1.90 129	1.79 157	3.27 290	1.62 199	2.51 155	1.16 124	0.31 130	0.36 263	0.53 315	0.27 129	0.63 296	0.44 222

GwcNet-RSSM	2.66 272	1.05 264	15.91 274	1.22 224	1.19 259	4.12 254	1.12 241	3.84 195	2.02 181	1.93 139	1.79 157	3.12 280	1.46 163	10.37 325	2.05 262	0.33 157	0.27 196	0.35 203	0.30 192	0.40 181	0.36 150

ccs_rob	2.13 191	0.67 134	15.11 268	0.84 51	0.75 155	3.96 224	0.65 65	3.95 227	1.78 148	1.88 123	1.79 157	3.26 289	1.64 214	2.51 155	1.16 124	0.31 130	0.36 263	0.54 322	0.27 129	0.65 305	0.45 227

tt1	1.79 138	0.73 172	10.41 215	1.75 341	0.36 7	4.55 341	0.79 125	4.22 296	3.37 363	1.08 41	1.80 160	0.74 24	1.48 167	2.21 137	0.65 10	0.29 79	0.16 4	0.31 122	0.22 52	0.30 62	0.29 78

RCA-Stereo	1.21 55	0.52 17	1.58 26	0.90 77	0.46 56	4.68 362	0.79 125	4.13 275	1.74 146	1.92 135	1.80 160	0.94 49	1.48 167	1.14 17	0.70 25	0.27 35	0.18 24	0.25 29	0.19 19	0.25 13	0.23 16

DCANet-4	1.96 164	0.51 12	14.31 256	0.82 38	0.40 31	4.16 270	0.57 33	4.29 322	2.98 332	2.30 248	1.80 160	1.03 54	1.54 187	1.44 54	1.44 174	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 209

fff	1.74 130	0.70 151	9.08 195	0.81 30	0.36 7	4.15 261	0.57 33	4.23 301	2.09 194	2.30 248	1.80 160	1.19 72	3.02 320	1.44 54	1.46 178	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 209

GwcNet-ADL	2.47 245	0.67 134	21.48 399	0.96 104	0.72 148	4.61 352	0.95 206	4.42 353	2.36 242	1.98 148	1.80 160	2.55 231	1.24 122	1.90 109	1.41 169	0.40 232	0.46 321	0.24 19	0.27 129	0.41 202	0.49 250

GEStereo_RVC	1.91 154	0.80 207	6.57 172	1.20 216	1.06 233	4.02 235	1.43 289	4.13 275	1.89 165	2.03 175	1.80 160	2.34 207	1.86 249	4.94 214	1.77 230	0.48 287	0.38 281	0.32 138	0.28 154	0.42 218	0.50 257

RALAANet	1.28 78	1.08 269	3.21 125	1.25 232	0.94 203	1.44 16	0.69 77	3.15 109	2.57 283	2.01 167	1.80 160	1.29 82	1.05 75	2.00 115	1.48 182	0.27 35	0.20 57	0.27 55	0.24 82	0.40 181	0.27 58

csc	1.74 130	0.70 151	9.08 195	0.81 30	0.36 7	4.15 261	0.57 33	4.23 301	2.09 194	2.30 248	1.80 160	1.19 72	3.02 320	1.44 54	1.46 178	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 209

cscssc	1.74 130	0.70 151	9.08 195	0.81 30	0.36 7	4.15 261	0.57 33	4.23 301	2.09 194	2.30 248	1.80 160	1.19 72	3.02 320	1.44 54	1.46 178	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 209

psm_up	2.28 213	0.81 211	5.45 168	1.26 238	1.50 316	3.84 194	1.23 260	4.23 301	2.03 183	2.55 292	1.80 160	2.44 221	1.65 216	12.90 396	1.58 200	0.37 200	0.38 281	0.41 254	0.34 230	0.43 226	0.39 183

PSMNet-RSSM	1.96 164	0.77 196	3.26 127	1.29 247	1.31 282	4.19 281	0.96 211	3.68 165	1.89 165	2.05 179	1.80 160	2.60 237	1.70 223	9.84 307	1.81 234	0.35 187	0.29 213	0.35 203	0.37 263	0.42 218	0.35 147

NCCL2	2.53 256	1.35 317	10.90 220	1.15 199	0.97 209	3.53 137	2.56 354	3.65 160	2.23 218	2.76 319	1.80 160	2.41 215	1.66 218	10.35 324	2.07 266	0.44 264	0.40 294	0.57 327	0.53 330	0.59 284	0.65 304

ACVNet-DCA	1.85 143	0.74 180	13.77 241	1.78 344	0.36 7	4.48 323	0.74 100	3.98 235	1.53 71	1.01 33	1.81 172	0.72 19	1.62 199	2.13 127	0.64 6	0.29 79	0.17 9	0.32 138	0.21 31	0.33 116	0.32 116

xx1	2.03 177	0.74 180	13.77 241	1.78 344	0.36 7	4.48 323	0.74 100	4.23 301	3.95 380	1.01 33	1.81 172	1.79 139	1.34 136	2.13 127	0.64 6	0.29 79	0.17 9	0.33 170	0.33 223	0.33 116	0.32 116

1test111	1.99 171	0.74 180	13.77 241	1.78 344	0.36 7	4.48 323	0.74 100	3.98 235	1.53 71	1.01 33	1.81 172	0.72 19	1.62 199	4.66 209	0.98 94	0.29 79	0.17 9	0.32 138	0.21 31	0.33 116	0.32 116

cc1	1.98 168	0.74 180	13.77 241	1.78 344	0.36 7	4.48 323	0.74 100	4.23 301	3.95 380	1.01 33	1.81 172	0.72 19	1.62 199	2.13 127	0.64 6	0.29 79	0.17 9	0.32 138	0.21 31	0.31 78	0.29 78

DeepStereo_RVC	1.55 103	0.63 102	3.32 130	0.77 26	0.42 37	4.49 329	0.72 86	2.50 53	1.58 98	2.02 171	1.81 172	1.54 109	6.38 385	1.73 95	1.19 131	0.46 274	0.22 106	0.29 84	0.28 154	0.35 148	0.38 177

cf-r	2.57 265	0.79 204	16.09 276	1.48 303	1.35 291	4.19 281	0.93 199	3.68 165	2.36 242	1.97 147	1.81 172	3.42 299	1.45 160	8.24 275	1.83 237	0.32 146	0.26 188	0.33 170	0.30 192	0.34 132	0.37 164

AACVNet	1.83 141	1.02 258	2.41 95	1.45 297	0.87 184	3.21 86	0.73 90	3.16 110	1.61 116	2.01 167	1.82 178	2.28 198	1.33 135	10.98 345	1.49 185	0.39 225	0.32 237	0.38 238	0.32 215	0.43 226	0.44 222

DisPM	1.36 88	0.55 36	2.39 94	1.54 313	0.51 80	4.59 349	0.79 125	2.50 53	1.88 161	2.50 287	1.83 179	1.45 101	1.01 67	2.71 172	0.93 87	0.46 274	0.20 57	0.32 138	0.31 208	0.31 78	0.44 222

BUS	1.49 102	0.59 68	1.94 49	0.87 64	0.85 178	4.50 332	0.76 108	4.48 363	1.88 161	2.93 330	1.83 179	3.63 319	0.97 60	1.60 75	1.17 127	0.34 169	0.25 177	0.31 122	0.28 154	0.35 148	0.33 126

BSDual-CNN	1.46 98	0.59 68	1.94 49	0.87 64	0.85 178	4.16 270	1.16 248	4.48 363	1.88 161	2.93 330	1.83 179	2.60 237	1.31 132	1.60 75	1.21 138	0.34 169	0.25 177	0.31 122	0.28 154	0.35 148	0.33 126

hknet	1.98 168	0.64 108	8.70 192	0.87 64	1.07 235	4.16 270	1.16 248	4.48 363	1.73 140	2.93 330	1.83 179	3.48 302	1.30 131	3.91 198	1.51 192	0.31 130	0.25 177	0.31 122	0.28 154	0.35 148	0.33 126

SFCPSM	2.18 195	0.63 102	17.03 291	0.88 68	0.98 213	3.74 175	1.28 265	4.09 266	2.16 209	1.85 116	1.83 179	1.65 117	1.39 143	2.50 152	1.50 186	0.33 157	0.27 196	0.39 241	0.36 252	0.34 132	0.37 164

CoDeX	2.40 235	0.78 201	13.21 233	1.00 126	1.18 253	3.24 91	1.32 268	4.14 281	2.41 255	1.74 101	1.84 184	2.05 182	1.47 165	10.03 317	1.60 204	0.34 169	0.28 204	0.32 138	0.27 129	0.32 101	0.39 183

mmm	1.27 77	0.58 61	2.20 77	1.41 289	0.68 144	2.39 52	0.85 151	3.90 212	1.63 122	2.20 221	1.84 184	1.28 80	1.50 174	1.91 110	0.89 68	0.31 130	0.27 196	0.45 273	0.37 263	0.38 170	0.34 136

ADStereo(finetuned)	2.04 179	0.73 172	13.28 234	0.82 38	0.40 31	4.16 270	0.59 42	4.25 309	2.97 329	2.35 265	1.84 184	1.18 69	3.40 337	1.52 65	1.54 196	0.29 79	0.24 159	0.23 7	0.18 10	0.30 62	0.51 263

AAGNet	2.86 286	0.60 77	1.77 37	2.05 367	0.46 56	4.76 379	1.09 236	2.27 40	1.56 90	2.17 213	1.84 184	2.41 215	4.00 350	6.23 241	24.22 418	0.46 274	0.19 39	0.30 103	0.29 178	0.32 101	0.24 23

DCANet	1.74 130	0.73 172	9.08 195	0.82 38	0.40 31	4.18 277	0.59 42	4.25 309	2.97 329	2.35 265	1.84 184	1.18 69	1.63 211	1.51 64	1.55 197	0.29 79	0.24 159	0.23 7	0.18 10	0.30 62	0.53 270

PASM	2.67 274	2.05 358	9.71 203	1.73 340	1.37 294	2.53 55	1.52 296	3.10 106	2.17 211	2.79 322	1.84 184	2.90 263	1.85 248	11.89 383	2.19 277	0.81 357	0.85 372	0.87 369	1.01 373	1.14 364	1.05 351

StereoDRNet	2.84 285	1.49 330	14.48 257	1.33 260	1.57 331	3.44 117	2.06 336	3.69 170	2.36 242	3.26 351	1.84 184	2.79 258	1.80 239	10.88 340	3.16 321	0.41 242	0.33 243	0.39 241	0.36 252	0.59 284	0.58 289

PSMNet-ADL	1.91 154	0.72 164	1.78 39	1.09 163	0.86 182	4.18 277	0.78 120	3.77 183	2.10 202	1.72 98	1.85 191	2.91 265	1.82 244	10.38 327	1.91 245	0.48 287	0.46 321	0.28 69	0.29 178	0.38 170	0.51 263

LALA_ROB	1.95 162	1.48 329	3.11 123	1.05 148	0.98 213	3.99 230	1.82 323	4.44 357	2.28 230	3.31 352	1.85 191	2.76 255	1.67 220	4.04 202	3.23 323	0.46 274	0.41 300	0.55 323	0.52 326	0.60 288	0.57 285

NINENet	1.87 144	0.74 180	2.60 101	1.12 177	1.06 233	4.50 332	0.76 108	4.41 352	2.24 220	2.16 209	1.86 193	3.63 319	0.97 60	8.00 273	1.17 127	0.41 242	0.30 222	0.41 254	0.30 192	0.41 202	0.36 150

CFNet	2.34 227	1.10 273	8.96 194	1.34 264	1.24 271	4.09 247	0.73 90	4.04 252	2.77 304	1.62 81	1.87 194	2.27 197	1.45 160	11.41 357	1.82 235	0.31 130	0.24 159	0.43 264	0.36 252	0.43 226	0.33 126

Wz-Net-LNSev-Ref	2.42 237	1.47 328	14.14 251	1.30 252	1.35 291	3.51 133	1.64 309	4.04 252	2.10 202	2.46 282	1.88 195	2.28 198	2.51 298	4.73 213	3.17 322	0.38 214	0.19 39	0.35 203	0.20 25	0.40 181	0.36 150

ARAFT	2.56 263	1.13 278	19.50 334	0.89 72	0.48 72	4.15 261	1.40 282	4.36 345	2.82 319	2.36 270	1.88 195	1.70 124	1.04 73	6.45 243	1.22 141	0.29 79	0.18 24	0.37 226	0.35 244	0.35 148	0.25 29

ACVNet	1.46 98	0.64 108	3.56 137	0.93 95	0.85 178	4.22 287	0.80 130	2.85 89	2.08 191	1.78 107	1.88 195	3.10 277	1.46 163	1.33 45	1.89 243	0.29 79	0.26 188	0.30 103	0.26 105	0.39 178	0.27 58

acv_ft	1.55 103	0.64 108	3.29 128	1.14 185	2.01 373	2.93 70	0.97 213	3.81 190	2.08 191	2.22 230	1.88 195	3.10 277	1.66 218	1.33 45	2.22 279	0.29 79	0.26 188	0.30 103	0.26 105	0.39 178	0.27 58

UCFNet_RVC	1.57 109	0.84 225	3.25 126	1.36 274	1.40 301	4.07 245	1.01 219	2.68 78	1.50 54	2.11 193	1.88 195	2.37 212	1.50 174	3.41 184	1.42 171	0.36 192	0.28 204	0.52 313	0.40 289	0.53 266	0.43 217

Wz-Net-TNSev	3.67 343	8.83 399	13.47 237	1.48 303	1.18 253	3.60 151	2.49 351	4.27 317	3.13 343	2.18 215	1.89 200	4.21 349	2.80 310	12.10 386	7.58 362	0.57 321	0.55 338	0.47 280	0.54 332	0.91 347	1.05 351

SACVNet	2.46 242	1.14 281	9.47 202	1.44 294	1.18 253	4.06 240	1.49 295	3.84 195	2.24 220	2.62 305	1.89 200	2.57 233	1.28 127	11.35 355	1.64 213	0.50 300	0.39 289	0.48 288	0.41 293	0.55 271	0.75 323

XX-Stereo	2.54 258	0.61 91	20.21 357	1.78 344	1.19 259	4.30 301	0.46 14	4.39 349	1.58 98	2.32 257	1.89 200	4.64 367	0.60 5	4.16 204	0.82 47	0.31 130	0.21 82	0.28 69	0.27 129	0.51 257	0.26 46

DN-CSS_ROB	1.91 154	1.55 333	11.13 222	1.82 351	0.88 187	3.99 230	0.61 48	4.01 242	1.67 127	1.64 84	1.89 200	1.39 92	1.06 82	3.23 181	1.50 186	0.31 130	0.19 39	0.44 267	0.29 178	0.37 166	0.31 109

AE-Stereo	1.18 46	0.60 77	2.05 59	1.10 171	0.60 118	4.39 309	0.72 86	3.74 178	1.62 119	1.10 42	1.90 204	1.01 53	0.92 51	1.45 58	0.82 47	0.28 62	0.22 106	0.28 69	0.28 154	0.26 19	0.22 10

MaskLacGwcNet_RVC	3.13 321	1.43 325	9.93 207	2.50 382	1.62 336	4.29 299	1.68 316	3.95 227	2.43 259	1.66 88	1.91 205	3.04 273	1.41 149	13.26 398	1.58 200	3.82 405	1.59 390	1.12 380	0.46 307	2.21 386	2.74 397

DRN-Test	3.03 311	0.99 255	18.18 307	1.35 268	1.60 333	3.59 149	1.48 291	4.13 275	2.45 263	3.47 359	1.92 206	2.58 236	2.53 299	10.88 340	2.80 312	0.39 225	0.36 263	0.44 267	0.41 293	0.55 271	0.57 285

CSP-Net	1.78 137	1.32 313	1.92 48	1.16 204	1.03 226	3.38 110	1.31 267	3.52 147	1.75 147	1.96 145	1.93 207	2.40 213	1.48 167	8.58 281	1.58 200	0.46 274	0.34 255	0.27 55	0.26 105	0.41 202	0.50 257

CASS	1.29 80	0.66 126	2.62 104	0.95 100	0.66 136	2.84 62	0.69 77	3.00 99	1.79 150	2.57 296	1.95 208	1.39 92	1.55 189	1.59 73	1.06 106	0.50 300	0.28 204	0.34 187	0.28 154	0.46 245	0.63 300
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet_v2	2.04 179	0.88 233	7.87 183	1.20 216	0.87 184	3.86 202	1.64 309	4.01 242	2.60 286	2.61 304	1.96 209	3.79 324	1.71 225	2.20 136	2.96 316	0.41 242	0.35 259	0.42 260	0.37 263	0.55 271	0.52 268

HBP-ISP	3.25 330	1.10 273	20.86 381	1.54 313	1.15 248	4.50 332	2.89 364	4.43 356	2.38 250	4.14 373	1.96 209	1.90 157	2.04 262	11.08 351	1.32 158	0.66 338	0.57 341	0.66 349	0.61 345	0.64 302	0.61 295

111	1.83 141	0.92 240	9.08 195	0.81 30	0.36 7	4.25 291	0.91 188	4.44 357	2.70 296	2.39 276	1.96 209	2.30 204	1.64 214	1.28 40	1.82 235	0.28 62	0.22 106	0.24 19	0.20 25	0.31 78	0.54 276

DPSNet	3.43 337	1.37 319	12.19 226	1.39 286	1.24 271	4.15 261	2.06 336	4.51 370	3.34 362	2.69 314	1.96 209	3.52 312	5.56 373	10.68 333	9.68 371	0.93 364	0.73 367	0.40 247	0.37 263	1.06 356	0.86 338

DISCO	2.25 204	0.73 172	10.06 209	1.76 342	1.12 244	3.47 124	1.25 263	3.24 120	2.26 225	2.65 311	1.96 209	4.53 361	1.92 256	4.17 205	3.61 327	0.32 146	0.25 177	0.31 122	0.29 178	0.66 310	0.41 206

SA	1.62 118	0.75 189	3.78 146	1.07 154	0.43 40	4.26 292	1.36 273	4.45 360	3.12 342	1.63 82	1.97 214	1.68 121	2.26 282	2.55 160	1.27 149	0.27 35	0.22 106	0.37 226	0.37 263	0.35 148	0.30 102

IER	1.69 125	0.65 116	7.19 179	0.94 98	1.15 248	3.28 100	0.89 176	3.48 138	1.97 173	2.10 189	1.98 215	2.28 198	2.12 268	2.25 142	1.75 229	0.29 79	0.23 130	0.36 214	0.30 192	0.32 101	0.34 136

TDLM	2.29 216	1.08 269	4.61 156	1.29 247	1.01 224	4.26 292	2.17 342	3.75 179	2.79 307	2.31 253	1.98 215	2.06 184	1.59 191	12.45 392	1.72 222	0.51 306	0.28 204	0.52 313	0.35 244	0.56 277	0.50 257

GANet-ADL	2.20 197	0.73 172	20.11 355	1.25 232	0.69 146	3.83 189	0.76 108	3.49 141	1.71 137	1.65 87	1.99 217	2.10 189	1.10 91	1.42 53	1.26 148	0.38 214	0.33 243	0.25 29	0.22 52	0.42 218	0.36 150

IPLG	2.48 247	0.65 116	19.63 336	0.91 81	0.79 162	4.60 351	0.56 32	4.31 333	1.84 157	1.91 134	2.00 218	1.31 83	1.38 140	6.61 246	1.53 195	0.27 35	0.20 57	0.27 55	0.23 61	0.31 78	0.36 150

XPNet_ROB	2.27 208	1.11 276	4.10 147	1.36 274	0.97 209	3.94 214	1.63 307	4.07 259	2.14 206	2.82 325	2.00 218	2.32 206	1.73 229	10.81 338	3.39 324	0.51 306	0.47 325	0.48 288	0.40 289	0.51 257	0.56 281

XX-TBD	1.03 33	0.95 247	1.94 49	1.30 252	0.43 40	3.97 227	0.33 3	1.74 15	1.73 140	1.59 72	2.02 220	0.69 12	0.60 5	1.16 19	0.66 13	0.30 113	0.25 177	0.23 7	0.15 4	0.31 78	0.22 10

APVNet	3.13 321	1.25 305	21.14 388	1.31 254	1.52 318	3.94 214	1.13 244	3.32 129	2.14 206	2.20 221	2.03 221	3.05 276	1.96 258	11.79 378	2.53 299	0.42 252	0.45 314	0.64 346	0.46 307	0.67 313	0.57 285

iResNetv2_ROB	2.65 270	5.00 385	19.28 330	2.06 368	1.09 240	3.83 189	1.13 244	4.14 281	2.09 194	1.85 116	2.03 221	2.01 177	1.51 177	3.58 187	1.58 200	0.34 169	0.21 82	0.32 138	0.21 31	0.44 231	0.29 78

iResNet	2.52 255	0.94 246	21.17 391	1.84 353	0.72 148	3.75 176	0.81 135	4.14 281	2.55 281	2.33 263	2.03 221	1.35 87	1.44 156	3.27 182	2.16 276	0.35 187	0.23 130	0.28 69	0.22 52	0.44 231	0.45 227

CFNet_ucs	2.36 232	0.68 140	18.42 314	0.89 72	0.81 165	3.85 200	0.68 72	4.29 322	2.37 248	2.09 186	2.04 224	3.31 293	1.24 122	2.63 166	1.14 120	0.36 192	0.45 314	0.56 325	0.29 178	0.66 310	0.49 250

RAFT_CTSACE	1.80 139	1.06 266	10.00 208	1.71 337	1.39 299	3.49 128	1.06 229	3.05 103	1.62 119	1.70 94	2.04 224	2.51 228	1.80 239	1.98 114	0.94 88	0.25 20	0.22 106	0.28 69	0.30 192	0.30 62	0.26 46

hitnet-ft	2.37 233	0.73 172	8.34 186	0.96 104	0.89 192	3.77 179	0.80 130	3.55 150	2.58 284	2.24 236	2.04 224	3.65 321	1.49 173	11.71 375	1.89 243	0.44 264	0.53 335	0.44 267	0.35 244	0.52 260	0.48 246

CVANet_RVC	2.55 262	1.10 273	9.13 200	1.46 299	1.15 248	3.96 224	1.53 298	3.91 216	2.50 272	3.04 338	2.04 224	2.60 237	1.72 227	12.46 393	1.50 186	0.49 297	0.30 222	0.51 307	0.41 293	0.63 296	0.50 257

Anonymous Stereo	3.09 316	3.14 374	16.69 285	1.52 308	1.25 274	3.33 106	2.95 365	4.02 246	2.42 258	2.35 265	2.04 224	2.57 233	1.27 124	11.88 382	2.92 315	0.49 297	0.49 332	0.57 327	0.56 335	0.70 319	0.65 304

delet	1.92 157	0.76 193	5.14 160	1.01 130	1.65 343	3.44 117	2.03 335	3.76 181	2.48 267	2.01 167	2.05 229	2.63 241	1.90 254	5.34 220	2.12 270	0.28 62	0.29 213	0.40 247	0.31 208	0.41 202	0.45 227

CC-Net-ROB	3.35 335	1.76 346	13.89 247	2.33 380	1.65 343	4.49 329	1.62 306	4.73 383	2.90 324	1.92 135	2.05 229	1.99 173	1.61 196	12.57 395	1.60 204	2.46 390	2.18 398	2.68 400	1.04 376	2.11 385	1.38 368

StereoDRNet-Refined	1.77 136	0.81 211	2.22 79	1.21 221	0.76 158	3.26 95	0.71 84	3.82 191	2.05 188	2.29 244	2.05 229	2.98 268	1.44 156	7.15 259	2.27 282	0.30 113	0.23 130	0.42 260	0.33 223	0.45 238	0.64 302
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	1.89 149	1.02 258	8.60 191	1.39 286	0.98 213	3.72 171	0.66 67	3.84 195	2.65 290	1.88 123	2.05 229	1.98 171	1.27 124	4.52 207	1.67 217	0.30 113	0.20 57	0.28 69	0.18 10	0.31 78	0.40 201

whm_eth	2.04 179	1.24 303	18.44 315	0.89 72	1.37 294	2.59 58	0.73 90	3.56 152	2.56 282	1.53 68	2.06 233	0.78 27	0.71 17	1.02 7	0.98 94	0.36 192	0.29 213	0.34 187	0.32 215	0.41 202	0.54 276

ETE_ROB	2.07 185	1.40 323	3.01 120	1.09 163	0.92 197	3.94 214	1.53 298	4.25 309	2.23 218	3.31 352	2.06 233	2.35 209	1.52 179	8.74 283	2.07 266	0.44 264	0.36 263	0.51 307	0.48 314	0.54 269	0.62 297

Wz-Net-MNSev	2.71 280	2.54 369	13.91 248	1.52 308	1.37 294	3.28 100	2.47 349	4.03 248	2.32 236	2.57 296	2.07 235	2.29 203	3.01 319	7.55 267	2.74 309	0.38 214	0.36 263	0.36 214	0.37 263	0.57 281	0.47 242

psmg	1.47 101	0.59 68	1.94 49	0.92 84	0.85 178	4.30 301	1.42 287	4.10 273	1.88 161	2.64 309	2.09 236	2.60 237	1.31 132	1.60 75	1.21 138	0.34 169	0.27 196	0.33 170	0.34 230	0.36 159	0.34 136

GASNet	3.24 328	5.55 389	20.58 376	1.56 320	1.25 274	2.32 50	1.12 241	4.04 252	2.67 293	1.88 123	2.10 237	3.00 270	2.16 274	10.59 330	2.43 291	0.65 336	0.37 275	0.61 339	0.45 305	0.87 343	0.58 289

TANstereo	1.01 28	0.55 36	1.73 32	0.76 25	0.36 7	4.04 237	0.38 5	1.48 4	1.62 119	2.03 175	2.10 237	0.84 37	0.93 53	0.98 4	0.62 4	0.28 62	0.36 263	0.23 7	0.20 25	0.25 13	0.46 237

SuperB	4.79 371	4.41 383	21.08 387	1.45 297	1.08 237	3.91 207	3.08 374	4.18 286	3.01 335	2.50 287	2.10 237	2.75 249	3.49 342	8.80 284	19.60 412	0.44 264	0.33 243	0.53 315	0.39 279	12.01 423	0.64 302

PA-Net	3.09 316	1.24 303	18.84 320	1.38 284	1.19 259	3.42 115	1.75 317	3.89 207	3.27 360	1.88 123	2.10 237	3.03 272	1.88 253	11.60 363	2.88 314	0.40 232	0.54 336	0.44 267	0.62 346	0.52 260	1.02 349
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
anonymity	1.76 134	1.26 306	2.73 111	1.66 332	1.32 286	1.84 28	1.07 231	3.49 141	2.30 233	2.11 193	2.11 241	1.71 126	3.90 349	1.82 102	1.48 182	1.10 372	1.09 378	1.08 378	1.08 377	1.05 355	1.09 354

RASNet	2.56 263	0.70 151	10.06 209	1.60 325	2.25 382	3.67 165	1.00 217	3.38 134	3.14 345	1.81 112	2.11 241	4.60 364	2.30 283	10.25 323	2.61 304	0.37 200	0.24 159	0.25 29	0.24 82	0.28 37	0.26 46

HSM	2.35 229	0.81 211	2.21 78	1.14 185	1.55 324	3.44 117	1.03 223	3.99 239	2.25 222	2.29 244	2.11 241	8.04 393	3.05 323	11.60 363	1.71 221	0.33 157	0.22 106	0.28 69	0.23 61	0.32 101	0.35 147

GwcNet	3.00 307	1.63 336	19.83 342	1.32 256	2.04 376	3.27 97	1.55 302	3.65 160	2.33 237	2.00 165	2.12 244	3.56 317	1.68 221	9.47 299	2.45 292	0.44 264	0.45 314	0.46 277	0.38 275	0.60 288	0.76 325

CREStereo++_RVC	1.02 32	0.49 9	1.54 23	0.83 45	0.55 99	4.01 233	0.31 2	1.63 12	1.99 176	1.63 82	2.13 245	0.84 37	0.65 12	0.88 1	0.70 25	0.27 35	0.15 2	0.23 7	1.22 384	0.24 6	0.17 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
Ntro	4.21 361	8.94 403	19.89 344	3.22 393	2.96 392	4.15 261	1.89 327	3.92 221	2.36 242	1.77 105	2.14 246	3.35 296	2.17 276	9.48 300	2.24 280	3.52 401	1.76 393	2.13 391	1.31 385	3.83 399	3.09 398

anonymousa	2.16 193	0.67 134	19.19 325	1.04 147	1.67 347	2.06 42	0.79 125	2.86 92	1.96 171	1.85 116	2.14 246	3.23 287	1.81 242	1.12 12	1.15 121	0.26 28	0.26 188	0.34 187	0.32 215	0.30 62	0.28 71

fast-acv-ft	2.54 258	1.19 289	20.08 353	1.41 289	1.40 301	3.18 85	1.17 251	3.37 133	2.28 230	1.90 129	2.15 248	2.69 243	2.17 276	2.91 176	2.31 284	0.37 200	0.39 289	0.45 273	0.39 279	0.57 281	0.45 227

1111x	3.13 321	0.57 49	8.38 188	1.20 216	0.76 158	3.80 185	0.88 174	4.61 378	2.63 288	2.31 253	2.16 249	1.95 162	1.81 242	11.54 361	18.13 405	0.32 146	0.31 231	0.32 138	0.30 192	0.35 148	0.34 136

PDISCO_ROB	2.86 286	1.53 332	14.27 254	1.98 364	2.19 379	4.52 337	1.35 271	4.65 379	3.19 350	2.09 186	2.16 249	3.53 313	2.45 295	5.32 219	2.12 270	1.30 383	0.78 370	0.72 359	0.59 341	1.24 372	1.28 361

DLCB_ROB	2.05 182	0.95 247	2.37 92	1.24 230	1.02 225	2.92 69	1.30 266	3.68 165	2.30 233	2.91 328	2.17 251	3.32 294	1.52 179	10.37 325	2.50 296	0.40 232	0.33 243	0.40 247	0.36 252	0.41 202	0.47 242

SST-Stereo	1.76 134	0.58 61	3.10 122	1.44 294	0.46 56	4.71 373	0.76 108	2.22 38	2.79 307	2.07 185	2.18 252	2.43 219	3.22 331	6.66 249	0.84 52	0.42 252	0.19 39	0.30 103	0.27 129	0.35 148	0.26 46

DANet	2.63 268	1.07 267	8.10 185	1.83 352	1.70 350	3.25 94	1.16 248	4.31 333	2.38 250	3.40 357	2.18 252	4.08 339	1.80 239	9.77 304	3.89 331	0.52 312	0.55 338	0.59 331	0.44 301	0.63 296	0.86 338
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
WZ-Net	3.62 341	4.87 384	16.77 288	1.43 292	1.40 301	3.75 176	2.29 346	4.12 274	2.50 272	2.74 318	2.19 254	4.06 338	5.29 370	10.19 320	7.36 360	0.54 316	0.37 275	0.47 280	0.49 317	0.77 332	0.73 319

NOSS_ROB	2.27 208	0.73 172	3.00 119	1.71 337	1.00 223	3.90 206	0.97 213	4.29 322	2.81 317	2.94 334	2.19 254	3.88 328	1.19 115	11.77 377	1.62 209	0.59 324	0.54 336	0.56 325	0.52 326	0.56 277	0.54 276

HGLStereo	2.03 177	0.74 180	7.50 182	1.23 228	1.56 327	3.62 155	0.95 206	3.78 186	1.89 165	2.03 175	2.20 256	3.12 280	2.14 271	5.68 230	2.04 260	0.37 200	0.31 231	0.32 138	0.29 178	0.40 181	0.45 227

ADCPNet	3.89 349	1.63 336	20.25 362	1.28 244	1.27 278	6.43 397	2.65 357	3.93 222	2.70 296	2.78 321	2.20 256	4.28 351	6.16 382	5.56 227	10.27 374	0.65 336	1.18 381	0.71 355	1.70 392	0.84 342	1.37 366

AFF-stereo	1.31 84	0.77 196	1.46 15	1.10 171	0.45 49	3.93 212	0.48 17	2.92 94	2.92 326	1.90 129	2.21 258	2.11 191	1.52 179	1.93 111	1.12 118	0.21 1	0.16 4	0.25 29	0.25 91	0.29 46	0.20 7

ADCRef	3.30 331	1.23 302	14.90 262	1.17 205	1.41 307	3.95 219	1.64 309	3.88 206	2.36 242	3.05 340	2.21 258	2.40 213	2.81 311	5.04 215	16.63 397	0.46 274	0.34 255	0.63 343	0.62 346	0.54 269	0.67 307

xxxx	2.67 274	0.54 32	2.03 56	1.22 224	0.81 165	3.49 128	0.63 58	4.49 366	2.49 271	2.22 230	2.23 260	2.05 182	1.38 140	10.05 318	17.91 403	0.32 146	0.32 237	0.30 103	0.27 129	0.33 116	0.34 136

LL-Strereo	3.01 309	1.81 348	17.59 303	1.12 177	2.10 377	2.90 66	1.09 236	4.33 339	2.00 180	3.12 344	2.24 261	3.29 291	3.15 326	11.31 354	1.84 238	0.30 113	0.28 204	0.46 277	0.34 230	0.49 255	0.45 227

CBMV	3.32 333	0.96 253	21.16 390	1.32 256	0.83 174	3.81 187	3.91 394	4.47 362	2.53 277	3.34 354	2.24 261	4.45 356	2.58 302	10.07 319	1.96 253	0.45 270	0.43 307	0.48 288	0.38 275	0.52 260	0.53 270
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MLCV	1.87 144	0.91 238	8.59 190	1.10 171	0.57 111	3.59 149	0.53 25	3.70 174	2.20 215	2.80 323	2.25 263	2.00 174	1.42 152	4.13 203	1.86 240	0.30 113	0.20 57	0.32 138	0.21 31	0.33 116	0.36 150

MGS-Stereo	0.80 4	0.56 43	1.53 20	0.93 95	0.39 28	1.26 11	0.73 90	1.45 2	1.30 16	1.01 33	2.26 264	0.80 32	0.56 3	1.16 19	0.65 10	0.27 35	0.23 130	0.26 39	0.22 52	0.27 25	0.25 29

LMCR-Stereo	2.40 235	1.31 311	18.61 317	1.59 323	0.86 182	3.87 204	1.15 247	4.32 337	1.60 113	2.25 239	2.27 265	1.13 61	2.43 293	2.48 151	1.60 204	0.88 363	0.24 159	0.29 84	0.24 82	0.56 277	0.30 102

test_xeample	2.67 274	0.56 43	2.05 59	1.09 163	0.81 165	3.24 91	0.80 130	4.55 373	2.70 296	2.42 280	2.27 265	1.39 92	1.40 144	10.75 335	17.51 402	0.30 113	0.30 222	0.32 138	0.28 154	0.34 132	0.33 126

Syn2CoEx	3.08 315	2.55 370	19.88 343	1.34 264	1.18 253	2.43 53	1.65 312	3.91 216	2.40 253	2.39 276	2.27 265	2.90 263	3.17 329	9.57 302	2.54 301	0.50 300	0.45 314	0.53 315	0.39 279	0.74 328	0.72 318

DispNO	3.00 307	0.75 189	18.92 322	1.17 205	1.10 242	3.72 171	0.94 202	4.29 322	2.54 279	2.24 236	2.28 268	4.51 359	2.12 268	11.40 356	2.09 268	0.31 130	0.28 204	0.31 122	0.28 154	0.36 159	0.39 183

MSKI-zero shot	2.22 198	0.64 108	20.09 354	0.96 104	0.56 102	4.04 237	0.70 82	3.91 216	1.50 54	1.92 135	2.28 268	1.92 159	0.71 17	2.93 177	0.67 15	0.26 28	0.23 130	0.26 39	0.21 31	0.28 37	0.26 46

Wz-Net-SNSev	2.98 304	4.36 382	15.98 275	1.57 321	1.19 259	3.28 100	1.80 321	3.96 232	2.40 253	2.32 257	2.28 268	3.48 302	2.05 263	7.84 272	3.82 330	0.47 282	0.39 289	0.53 315	0.49 317	0.71 324	0.60 293

AASNet	2.44 239	0.92 240	19.79 340	1.35 268	1.49 314	3.81 187	1.07 231	3.85 198	2.93 327	1.95 143	2.29 271	1.96 167	1.29 129	1.73 95	1.93 246	0.39 225	0.33 243	0.45 273	0.30 192	0.55 271	0.45 227

pcwnet_v2	2.70 279	0.65 116	22.48 409	1.08 159	1.03 226	3.56 144	0.81 135	4.29 322	3.14 345	2.29 244	2.29 271	3.01 271	1.71 225	3.32 183	1.43 172	0.43 257	0.50 334	0.41 254	0.34 230	0.61 293	0.56 281

ADLNet	2.29 216	0.83 221	3.62 142	1.35 268	1.60 333	3.67 165	1.24 262	3.95 227	2.98 332	2.58 298	2.29 271	4.01 335	1.79 234	11.23 352	2.09 268	0.37 200	0.38 281	0.36 214	0.34 230	0.45 238	0.71 312

222	2.68 277	0.57 49	2.03 56	1.11 175	0.81 165	3.23 89	0.65 65	4.52 371	2.45 263	2.34 264	2.29 271	1.41 97	1.44 156	10.50 328	18.47 407	0.32 146	0.30 222	0.32 138	0.27 129	0.32 101	0.34 136

H2IRNET	1.90 151	0.53 26	14.29 255	1.14 185	0.60 118	4.48 323	0.44 13	2.65 76	1.81 152	1.05 39	2.30 275	1.67 119	1.40 144	2.17 133	1.50 186	0.36 192	0.21 82	0.33 170	0.37 263	0.34 132	0.29 78

DualNet	2.49 249	0.60 77	5.21 163	1.14 185	0.99 216	3.62 155	0.86 153	4.22 296	3.37 363	2.20 221	2.30 275	3.48 302	1.62 199	2.21 137	16.09 391	0.29 79	0.16 4	0.48 288	0.37 263	0.30 62	0.29 78

ffm	1.72 127	0.60 77	5.21 163	1.14 185	0.99 216	3.62 155	0.86 153	4.22 296	3.37 363	2.20 221	2.30 275	3.48 302	1.62 199	2.21 137	0.65 10	0.29 79	0.16 4	0.48 288	0.37 263	0.30 62	0.29 78

ff1	2.96 298	0.60 77	5.21 163	1.14 185	0.99 216	3.62 155	0.86 153	4.22 296	3.37 363	2.20 221	2.30 275	3.48 302	1.62 199	11.62 365	16.09 391	0.29 79	0.16 4	0.48 288	0.37 263	0.30 62	0.29 78

mmx	2.98 304	0.60 77	5.21 163	1.14 185	0.99 216	3.62 155	0.86 153	4.49 366	3.05 338	2.20 221	2.30 275	3.48 302	1.62 199	11.62 365	16.09 391	0.33 157	0.28 204	0.48 288	0.37 263	0.44 231	0.37 164

ttt	2.76 281	0.56 43	2.28 86	1.41 289	1.21 268	3.67 165	0.77 118	4.59 376	2.94 328	2.35 265	2.30 275	2.45 222	1.54 187	11.25 353	15.56 389	0.43 257	0.36 263	0.37 226	0.33 223	0.40 181	0.40 201

xxx	2.98 304	0.60 77	5.21 163	1.14 185	0.99 216	3.62 155	0.86 153	4.49 366	3.05 338	2.20 221	2.30 275	3.48 302	1.62 199	11.62 365	16.09 391	0.33 157	0.28 204	0.48 288	0.37 263	0.44 231	0.37 164

GMM-Stereo	2.45 240	0.52 17	20.38 367	0.89 72	0.82 173	4.18 277	1.91 328	2.45 50	1.48 43	2.48 285	2.30 275	1.69 123	1.86 249	2.93 177	1.08 110	0.28 62	0.18 24	0.33 170	0.48 314	0.35 148	2.41 389

SMFormer	2.00 172	0.57 49	4.46 150	1.36 274	0.57 111	2.03 36	0.73 90	4.25 309	2.80 311	2.32 257	2.31 283	1.95 162	1.52 179	10.99 346	2.13 273	0.34 169	0.32 237	0.36 214	0.31 208	0.38 170	0.36 150

tta	2.00 172	0.57 49	4.46 150	1.36 274	0.57 111	2.03 36	0.73 90	4.25 309	2.80 311	2.32 257	2.31 283	1.95 162	1.52 179	10.99 346	2.13 273	0.34 169	0.32 237	0.36 214	0.31 208	0.29 46	0.29 78

qqq1	1.92 157	0.57 49	4.46 150	1.36 274	0.57 111	2.03 36	0.73 90	4.25 309	2.80 311	2.32 257	2.31 283	1.95 162	1.52 179	10.99 346	0.71 28	0.34 169	0.32 237	0.30 103	0.23 61	0.29 46	0.29 78

fff1	1.92 157	0.57 49	4.46 150	1.36 274	0.57 111	2.03 36	0.73 90	4.25 309	2.80 311	2.32 257	2.31 283	1.95 162	1.52 179	10.99 346	0.71 28	0.34 169	0.32 237	0.30 103	0.23 61	0.29 46	0.29 78

test_4	1.30 81	0.50 10	6.16 171	0.84 51	0.45 49	1.61 22	1.12 241	2.14 33	1.42 23	1.52 66	2.31 283	1.84 152	0.79 34	2.52 159	1.19 131	0.27 35	0.17 9	0.29 84	0.29 178	0.29 46	0.25 29

PS-NSSS	2.22 198	1.33 316	2.90 116	0.97 111	1.53 319	4.11 252	1.08 234	4.55 373	2.65 290	2.10 189	2.32 288	1.77 131	1.40 144	11.79 378	1.61 207	0.68 343	0.45 314	0.96 372	0.43 299	0.95 348	0.92 344

FBW_ROB	3.24 328	1.02 258	9.21 201	1.49 305	1.07 235	3.78 181	1.48 291	4.31 333	3.08 340	2.46 282	2.32 288	4.20 348	2.08 266	15.19 411	7.16 359	0.84 361	0.62 353	1.33 384	0.92 369	0.99 353	1.31 363

FINET	2.96 298	1.07 267	23.18 414	1.29 247	1.86 365	2.03 36	1.52 296	4.30 330	4.71 387	2.23 234	2.34 290	1.65 117	1.48 167	5.89 234	2.81 313	0.51 306	0.47 325	0.49 301	0.40 289	0.59 284	0.49 250

RAFT_R40	1.70 126	0.59 68	2.99 118	1.46 299	0.46 56	4.74 377	0.98 216	2.23 39	1.56 90	2.02 171	2.35 291	2.71 245	2.56 301	6.71 252	0.90 71	0.40 232	0.19 39	0.30 103	0.27 129	0.33 116	0.26 46

MFN_U_SF_RVC	3.81 348	10.78 412	15.01 265	1.84 353	1.39 299	3.73 174	1.63 307	4.05 256	3.26 357	2.91 328	2.38 292	4.36 355	3.65 344	8.43 278	4.91 343	1.11 374	1.04 376	0.99 373	1.31 385	1.58 379	1.75 379

RAFT-Stereo + iAFF	1.25 66	0.72 164	1.74 35	1.05 148	0.36 7	4.13 257	0.42 9	2.95 95	2.84 321	2.02 171	2.40 293	1.61 114	1.11 95	1.26 36	0.97 92	0.21 1	0.15 2	0.26 39	0.23 61	0.29 46	0.23 16

HSM-Net_RVC	2.87 289	0.57 49	17.46 300	0.92 84	0.90 195	3.70 168	1.20 256	5.64 401	2.51 275	3.22 350	2.43 294	2.54 230	1.59 191	11.41 357	1.65 215	0.34 169	0.25 177	0.26 39	0.23 61	0.30 62	0.29 78
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
psmorigin	6.59 393	1.15 282	88.11 439	1.52 308	0.97 209	2.88 65	1.20 256	3.21 115	2.04 186	3.73 363	2.46 295	5.15 379	2.55 300	10.60 331	2.47 294	0.55 317	0.68 363	0.48 288	0.51 323	0.70 319	0.88 342

XQC	2.96 298	2.42 364	14.85 259	1.36 274	1.32 286	3.29 104	1.53 298	4.28 321	2.78 305	3.21 349	2.46 295	3.53 313	2.92 315	6.58 245	4.67 337	0.70 347	0.41 300	0.59 331	0.56 335	0.96 352	0.83 337

ADLNet2	3.15 324	0.92 240	20.06 350	1.20 216	1.79 360	3.83 189	1.48 291	3.94 225	3.59 370	2.19 219	2.47 297	4.65 368	1.93 257	10.69 334	1.96 253	0.39 225	0.37 275	0.28 69	0.30 192	0.48 250	0.43 217

s12784h	1.31 84	0.45 2	2.41 95	0.71 9	0.35 6	4.42 317	0.50 19	4.22 296	2.73 299	2.01 167	2.48 298	0.91 46	0.96 57	2.01 118	0.70 25	0.29 79	0.18 24	0.24 19	0.16 8	0.27 25	0.18 2

DDUNet	2.91 292	2.78 372	6.94 178	3.53 397	2.26 383	3.28 100	1.36 273	3.77 183	2.04 186	2.62 305	2.49 299	4.18 345	1.69 222	5.38 221	1.85 239	2.21 389	1.77 394	2.61 398	2.43 406	2.60 387	2.34 388

iRaft-Stereo_5w	2.10 188	0.83 221	8.57 189	0.81 30	0.76 158	3.21 86	0.84 145	3.71 175	1.65 124	1.56 71	2.50 300	2.20 194	2.23 280	9.13 292	2.01 258	0.38 214	0.19 39	0.35 203	0.27 129	0.45 238	0.39 183

GrayStereo	2.58 266	0.53 26	1.63 27	1.58 322	0.89 192	4.17 275	8.17 406	3.03 101	1.52 66	2.80 323	2.50 300	1.70 124	17.10 411	2.83 175	1.15 121	0.33 157	0.21 82	0.27 55	0.32 215	0.28 37	0.53 270

RAFT + AFF	2.51 252	2.66 371	4.48 154	1.15 199	1.95 370	4.15 261	2.01 334	4.46 361	3.30 361	2.19 219	2.51 302	2.22 195	4.87 365	8.91 287	2.06 263	0.30 113	0.60 350	0.48 288	0.38 275	0.77 332	0.69 311

DAS	2.31 220	0.67 134	4.79 157	1.14 185	1.64 340	2.93 70	2.13 340	4.09 266	2.74 300	4.17 374	2.52 303	2.46 223	1.79 234	11.55 362	1.63 211	0.37 200	0.22 106	0.39 241	0.25 91	0.41 202	0.34 136

SepStereo	2.15 192	0.67 134	4.79 157	1.14 185	1.64 340	2.93 70	2.13 340	4.09 266	2.74 300	4.17 374	2.52 303	2.46 223	1.79 234	8.36 276	1.63 211	0.37 200	0.22 106	0.39 241	0.25 91	0.41 202	0.34 136

UDG	3.55 339	2.81 373	17.45 299	2.69 384	1.98 371	3.97 227	1.19 255	4.35 343	2.02 181	2.42 280	2.53 305	4.50 358	2.46 296	6.53 244	2.41 290	2.12 388	1.77 394	2.63 399	2.57 408	2.64 388	1.95 382

NCC-stereo	3.16 325	1.28 307	18.31 311	1.25 232	1.75 355	4.06 240	1.40 282	3.89 207	2.22 216	2.72 316	2.55 306	3.49 309	2.65 305	9.91 310	2.99 317	1.29 381	0.65 357	0.64 346	0.86 366	0.65 305	0.71 312

Abc-Net	3.16 325	1.28 307	18.31 311	1.25 232	1.75 355	4.06 240	1.40 282	3.89 207	2.22 216	2.72 316	2.55 306	3.49 309	2.65 305	9.91 310	2.99 317	1.29 381	0.65 357	0.64 346	0.86 366	0.65 305	0.71 312
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PSM-AAD	2.43 238	0.54 32	1.32 9	0.92 84	0.54 97	4.48 323	7.47 402	2.96 96	1.55 85	2.31 253	2.56 308	1.26 78	16.23 410	2.46 149	0.89 68	0.28 62	0.21 82	0.58 329	0.41 293	0.34 132	1.32 365

NaN_ROB	4.06 357	1.13 278	16.64 283	1.12 177	1.25 274	3.50 131	3.05 372	4.29 322	3.26 357	3.64 360	2.56 308	2.97 267	4.79 363	13.33 399	16.91 398	0.37 200	0.41 300	0.38 238	0.39 279	0.48 250	0.81 332

TestStereo1	1.56 107	0.81 211	2.32 88	1.61 328	0.64 128	4.13 257	1.36 273	3.79 187	3.20 353	1.60 74	2.57 310	1.39 92	2.15 272	2.51 155	1.30 155	0.29 79	0.20 57	0.34 187	0.25 91	0.40 181	0.36 150

SA-5K	1.56 107	0.81 211	2.32 88	1.61 328	0.64 128	4.13 257	1.36 273	3.79 187	3.20 353	1.60 74	2.57 310	1.39 92	2.15 272	2.51 155	1.30 155	0.29 79	0.20 57	0.34 187	0.25 91	0.40 181	0.36 150

ACRE	2.27 208	1.11 276	19.45 331	0.91 81	1.30 280	3.94 214	0.87 170	4.21 293	1.80 151	2.28 242	2.62 312	1.17 66	1.04 73	1.52 65	1.30 155	0.37 200	0.23 130	0.27 55	0.22 52	0.31 78	0.46 237

MFN_U_SF_DS_RVC	3.94 352	10.88 413	12.30 228	1.26 238	1.55 324	5.19 388	3.33 379	4.42 353	2.82 319	2.58 298	2.62 312	5.00 374	2.11 267	14.03 409	2.73 308	1.28 380	2.34 404	0.67 351	1.83 397	0.81 338	1.03 350

IPLGR_C	2.28 213	1.31 311	19.46 332	0.92 84	1.32 286	3.93 212	0.89 176	4.20 289	1.82 153	2.30 248	2.63 314	1.16 65	1.07 84	1.41 52	1.29 154	0.37 200	0.23 130	0.27 55	0.22 52	0.31 78	0.45 227

RainbowNet	4.56 366	8.28 396	20.07 352	3.64 401	3.23 400	4.15 261	2.99 370	4.18 286	3.03 337	2.20 221	2.65 315	4.26 350	2.90 314	9.77 304	2.12 270	3.88 406	2.27 401	2.71 402	1.72 394	3.78 398	3.31 405

CIPLG	2.27 208	1.18 287	19.24 326	0.92 84	1.34 290	3.95 219	0.89 176	4.23 301	1.82 153	2.31 253	2.67 316	1.17 66	1.06 82	1.53 67	1.32 158	0.37 200	0.23 130	0.27 55	0.22 52	0.31 78	0.45 227

Consistency-Raft	2.86 286	1.66 340	19.61 335	1.40 288	1.75 355	3.84 194	1.32 268	4.07 259	2.25 222	1.78 107	2.67 316	1.82 146	4.41 358	1.94 113	2.06 263	0.83 360	0.94 375	1.03 374	1.12 378	1.70 382	1.09 354

MADNet+	3.97 354	9.54 408	13.83 246	1.87 357	1.69 349	4.19 281	2.87 363	4.80 386	4.10 383	2.51 289	2.67 316	4.55 362	3.41 338	8.72 282	6.92 357	1.25 378	1.27 385	1.04 375	0.93 370	1.39 377	1.85 380

stereogan	3.09 316	0.93 243	16.43 280	1.37 282	1.66 346	3.70 168	1.67 314	3.87 203	3.15 347	3.04 338	2.70 319	5.04 376	2.79 309	9.96 313	1.78 232	0.63 330	0.49 332	0.69 352	0.47 310	0.83 341	0.68 309

DEmStereo	2.97 302	0.58 61	13.42 236	0.79 29	0.51 80	3.84 194	1.84 326	2.42 46	1.60 113	2.25 239	2.74 320	2.03 178	6.04 378	6.79 256	12.80 382	0.35 187	0.26 188	0.26 39	0.27 129	0.27 25	0.37 164

MSC_U_SF_DS_RVC	4.48 365	10.62 411	15.18 270	1.55 318	1.45 312	6.16 394	3.54 386	5.41 399	3.68 374	2.59 301	2.74 320	4.81 370	2.20 279	13.79 406	4.40 334	2.04 387	3.36 417	1.05 376	1.20 383	2.09 384	1.72 377

SHD	2.82 283	2.04 357	13.80 245	1.69 335	1.79 360	2.73 61	1.07 231	3.85 198	3.18 349	4.63 382	2.74 320	3.38 298	2.77 308	5.48 225	3.66 328	0.62 329	0.47 325	0.51 307	0.55 333	0.65 305	0.74 320

OMP-Stereo	1.97 166	0.93 243	1.88 44	2.76 386	0.67 139	4.58 348	1.48 291	4.31 333	1.54 79	3.15 347	2.76 323	3.25 288	1.38 140	7.66 271	1.35 165	0.40 232	0.20 57	0.33 170	0.26 105	0.33 116	0.24 23

PFNet	2.47 245	0.60 77	16.95 290	2.15 371	0.81 165	4.63 355	0.91 188	2.55 66	1.52 66	2.40 278	2.79 324	1.83 149	1.42 152	7.54 266	1.34 164	0.33 157	0.21 82	0.36 214	0.27 129	0.32 101	0.39 183

RP	2.79 282	1.20 291	10.36 213	1.54 313	1.93 369	3.44 117	1.97 331	4.05 256	2.34 238	2.66 312	2.79 324	3.98 333	2.58 302	10.21 321	2.61 304	0.95 366	0.47 325	0.71 355	0.57 338	0.71 324	0.68 309

Sa-1000	1.63 120	0.79 204	3.56 137	1.11 175	0.48 72	4.06 240	1.41 285	4.49 366	2.75 302	2.00 165	2.80 326	1.84 152	1.43 154	2.64 168	1.50 186	0.27 35	0.19 39	0.36 214	0.33 223	0.36 159	0.30 102

DRaft	2.28 213	0.56 43	2.64 106	0.74 11	0.46 56	3.94 214	1.23 260	2.32 42	1.55 85	2.64 309	2.80 326	1.60 112	5.34 371	6.96 258	10.99 376	0.34 169	0.22 106	0.27 55	0.27 129	0.29 46	0.37 164

ADCS	4.22 362	5.33 386	16.32 278	1.64 330	1.31 282	3.91 207	3.64 388	4.21 293	2.89 323	5.11 386	2.81 328	4.46 357	3.06 325	5.21 218	19.50 411	0.63 330	0.64 356	0.69 352	0.69 353	1.12 362	1.26 360

Nwc_Net	2.88 291	1.16 285	18.30 310	1.35 268	1.68 348	3.52 136	1.18 252	3.90 212	2.06 189	2.52 290	2.82 329	3.82 326	2.34 287	6.78 254	2.55 302	0.86 362	0.40 294	0.59 331	0.67 348	0.57 281	0.55 279

ACVNet_1	6.04 390	13.97 421	21.36 396	3.58 399	3.14 397	4.73 374	2.48 350	4.20 289	3.17 348	2.98 336	2.83 330	23.31 415	4.34 357	11.06 350	2.45 292	3.68 402	2.33 403	2.60 397	1.79 396	3.69 396	3.19 402

MFMNet_re	2.91 292	1.91 350	18.25 308	3.06 391	1.89 367	3.13 84	1.67 314	3.52 147	2.97 329	3.14 345	2.87 331	2.26 196	2.41 291	2.42 146	2.00 256	1.10 372	1.05 377	0.94 371	0.90 368	1.28 373	1.46 372

AF-Net	2.87 289	1.30 309	16.24 277	1.33 260	1.75 355	3.26 95	1.59 304	4.09 266	2.43 259	2.69 314	2.94 332	4.51 359	3.20 330	5.84 233	2.75 310	0.76 351	0.36 263	0.72 359	0.49 317	0.70 319	0.56 281

DispFullNet	4.64 369	3.48 378	23.95 417	3.99 403	3.03 393	3.35 108	1.06 229	4.18 286	2.80 311	6.33 394	2.94 332	4.04 337	7.81 396	3.92 199	5.16 345	2.75 391	1.61 391	3.10 407	2.68 411	3.32 391	3.31 405

KYRaft	1.59 115	0.52 17	1.73 32	0.95 100	0.49 76	4.38 307	1.79 319	2.43 48	1.51 59	2.49 286	2.98 334	2.00 174	3.41 338	2.14 130	0.82 47	0.30 113	0.21 82	0.33 170	0.46 307	0.35 148	2.45 391

GANet	2.93 294	1.05 264	11.29 223	1.64 330	0.96 206	3.91 207	2.52 352	3.72 176	2.41 255	2.95 335	3.00 335	3.21 284	2.03 260	12.42 391	4.72 339	0.51 306	0.41 300	0.46 277	0.39 279	0.60 288	0.50 257

ADCMid	3.96 353	3.27 377	15.48 272	1.26 238	1.40 301	4.66 359	2.28 345	4.06 258	3.54 369	3.94 367	3.02 336	3.85 327	3.67 345	4.03 201	18.65 408	0.68 343	0.61 352	1.09 379	1.18 382	1.38 376	1.08 353

AnyNet_C32	4.17 360	5.75 390	12.62 229	1.60 325	1.54 320	5.51 391	4.09 395	3.90 212	3.23 355	4.22 378	3.03 337	3.10 277	3.41 338	8.01 274	18.85 409	0.53 314	0.58 345	0.53 315	0.74 355	1.19 370	0.97 347

SAMSARA	3.55 339	2.16 360	14.18 252	1.86 356	1.49 314	4.62 353	2.65 357	3.58 155	2.80 311	7.05 397	3.05 338	5.16 380	4.07 352	9.18 294	4.80 341	0.64 333	0.67 360	0.59 331	0.68 351	0.89 344	0.91 343

RTS	3.90 350	7.04 393	17.94 305	1.92 359	2.19 379	5.00 385	2.96 368	4.29 322	3.19 350	4.05 370	3.08 339	4.94 372	3.16 327	7.64 268	6.72 351	0.66 338	0.44 310	0.51 307	0.47 310	0.95 348	0.76 325

RTSA	3.90 350	7.04 393	17.94 305	1.92 359	2.19 379	5.00 385	2.96 368	4.29 322	3.19 350	4.05 370	3.08 339	4.94 372	3.16 327	7.64 268	6.72 351	0.66 338	0.44 310	0.51 307	0.47 310	0.95 348	0.76 325

TransformOpticalFlow	3.03 311	0.77 196	20.99 385	1.00 126	0.55 99	4.18 277	0.64 59	4.33 339	3.02 336	2.18 215	3.09 341	4.35 353	5.07 366	7.36 264	1.27 149	0.32 146	0.18 24	0.32 138	0.26 105	0.28 37	0.46 237

RAFT-345	2.46 242	0.55 36	19.69 338	1.02 139	0.49 76	4.43 319	0.78 120	1.64 13	2.34 238	2.09 186	3.12 342	1.96 167	1.31 132	6.65 248	1.43 172	0.36 192	0.23 130	0.32 138	0.25 91	0.28 37	0.25 29

RTSC	2.95 295	2.51 365	15.49 273	1.54 313	1.30 280	3.51 133	0.86 153	3.89 207	2.48 267	3.64 360	3.12 342	3.04 273	2.30 283	5.70 231	6.67 350	0.55 317	0.35 259	0.37 226	0.39 279	0.70 319	0.60 293

IIG-Stereo	1.95 162	0.79 204	2.14 73	2.78 387	0.66 136	4.62 353	0.76 108	4.27 317	1.53 71	2.63 308	3.14 344	3.35 296	1.61 196	7.65 270	1.41 169	0.39 225	0.20 57	0.31 122	0.25 91	0.33 116	0.22 10

DGSMNet	7.55 401	1.62 334	17.42 298	1.92 359	12.73 419	7.45 404	42.99 430	4.13 275	2.07 190	2.10 189	3.16 345	3.42 299	1.70 223	9.24 295	2.30 283	3.70 404	10.89 427	11.80 427	5.54 418	4.24 402	2.66 392

tt	7.19 399	0.51 12	6.83 175	4.03 404	2.30 384	12.05 412	20.19 421	15.46 420	6.58 403	3.42 358	3.22 346	5.37 381	6.39 386	4.20 206	7.46 361	9.81 422	11.53 428	7.05 420	7.46 421	6.31 412	3.71 410

ccnet	2.66 272	0.97 254	8.01 184	1.54 313	1.24 271	3.75 176	2.18 343	4.07 259	2.41 255	2.66 312	3.25 347	2.87 262	2.31 286	9.89 309	3.50 325	0.78 352	0.75 369	0.71 355	0.67 348	0.76 331	0.81 332

RGC	3.10 319	1.45 327	14.90 262	1.46 299	1.79 360	3.33 106	1.39 280	4.04 252	2.26 225	2.77 320	3.26 348	4.00 334	2.71 307	11.63 370	2.62 306	0.82 358	0.46 321	0.79 364	0.79 363	0.71 324	0.78 329

edge stereo	3.37 336	1.01 257	21.99 407	1.28 244	1.37 294	2.67 60	1.39 280	3.98 235	2.87 322	2.93 330	3.27 349	4.35 353	2.43 293	11.62 365	2.39 288	0.60 325	0.63 355	0.79 364	0.55 333	0.68 316	0.67 307

SGM-Forest	2.96 298	0.62 98	3.49 134	1.09 163	0.80 163	4.06 240	3.30 377	4.37 347	3.09 341	4.18 377	3.27 349	4.67 369	3.86 348	11.69 374	7.91 363	0.51 306	0.46 321	0.49 301	0.39 279	0.48 250	0.49 250
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV_ROB	3.62 341	0.70 151	21.42 398	1.21 221	0.89 192	4.43 319	1.76 318	4.39 349	2.79 307	5.88 390	3.38 351	4.18 345	5.12 367	10.75 335	2.32 285	0.56 319	0.55 338	0.53 315	0.51 323	0.55 271	0.46 237

PWC_ROB	2.69 278	2.01 355	8.36 187	1.33 260	1.90 368	3.23 89	1.18 252	4.33 339	3.25 356	3.11 343	3.41 352	2.71 245	2.18 278	9.15 293	4.48 335	0.56 319	0.31 231	0.61 339	0.36 252	0.69 318	0.74 320

Prome-Stereo	1.61 117	0.55 36	1.71 31	0.98 114	0.60 118	4.41 315	1.82 323	3.03 101	1.53 71	2.18 215	3.45 353	1.72 127	3.49 342	2.23 141	1.08 110	0.29 79	0.20 57	0.26 39	0.25 91	0.34 132	2.16 385

StereoVision	1.65 121	0.75 189	7.47 181	1.01 130	1.80 363	2.61 59	0.61 48	3.06 105	1.96 171	1.25 49	3.46 354	1.85 154	0.88 43	2.07 120	1.93 246	0.43 257	0.36 263	0.37 226	0.36 252	0.48 250	0.33 126

PVD	3.12 320	1.97 354	12.80 231	1.79 349	1.63 338	3.83 189	1.34 270	3.48 138	3.88 377	5.77 388	3.56 355	3.45 301	3.29 333	5.58 229	5.30 347	0.71 349	0.69 364	0.74 362	0.77 359	0.79 336	1.13 356

SPS-STEREO	3.97 354	1.44 326	20.85 380	1.72 339	1.71 351	3.24 91	2.30 347	3.55 150	2.68 295	4.79 384	3.66 356	5.44 382	2.97 316	9.11 291	9.35 370	1.15 375	1.10 379	1.06 377	1.02 375	1.16 367	1.18 358
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
STrans-v2	3.03 311	0.77 196	20.91 382	0.81 30	0.63 126	3.89 205	1.01 219	4.27 317	2.64 289	2.28 242	3.70 357	4.13 342	5.20 368	7.33 261	1.27 149	0.31 130	0.18 24	0.29 84	0.25 91	0.29 46	0.41 206

AnyNet_C01	4.37 364	7.80 395	16.40 279	1.98 364	1.40 301	6.37 396	6.47 401	4.09 266	5.03 392	4.06 372	3.78 358	4.16 344	3.31 334	6.62 247	10.00 372	0.61 327	0.67 360	0.63 343	0.67 348	2.01 383	1.31 363

S-Stereo	3.48 338	0.91 238	22.06 408	1.36 274	1.50 316	3.55 142	2.53 353	4.21 293	2.81 317	2.37 271	3.81 359	3.75 322	1.84 246	11.90 384	2.51 297	0.63 330	0.71 365	0.48 288	0.76 357	0.67 313	1.19 359

FAT-Stereo	3.34 334	0.81 211	20.05 349	1.25 232	1.20 264	3.44 117	1.99 333	4.23 301	2.67 293	3.14 345	3.82 360	3.51 311	3.32 335	11.68 373	1.94 248	0.64 333	0.67 360	0.48 288	0.52 326	0.61 293	0.81 332

ASMatch	2.62 267	0.60 77	20.65 378	1.37 282	0.64 128	4.39 309	0.78 120	1.97 25	1.58 98	1.70 94	3.89 361	1.94 160	3.79 346	5.46 223	1.64 213	0.31 130	0.24 159	0.34 187	0.28 154	0.33 116	0.50 257

ACVNet-4b	6.73 395	13.67 420	21.87 406	3.54 398	3.07 394	4.19 281	2.25 344	4.03 248	3.65 372	1.64 84	3.98 362	5.88 383	2.89 313	10.01 316	16.98 399	23.29 432	2.24 400	2.53 395	1.78 395	3.87 400	3.21 403

MDST_ROB	5.53 382	0.59 68	23.11 412	2.55 383	2.69 387	21.20 421	1.98 332	4.77 385	2.65 290	9.36 407	4.25 363	4.14 343	4.45 359	22.57 416	3.68 329	0.48 287	0.33 243	0.47 280	0.44 301	0.44 231	0.44 222

AANet_RVC	3.03 311	1.72 343	12.78 230	1.17 205	1.12 244	3.79 184	1.10 238	3.86 201	3.13 343	2.62 305	4.26 364	3.96 332	1.41 149	11.43 359	5.23 346	0.94 365	0.47 325	0.34 187	0.23 61	0.40 181	0.55 279

aanetorigin	3.30 331	1.66 340	17.52 302	1.18 211	1.58 332	2.57 57	3.80 391	2.65 76	2.03 183	6.12 393	4.30 365	2.82 259	5.70 374	5.47 224	4.67 337	0.50 300	0.44 310	0.43 264	0.47 310	1.17 368	0.92 344

JetBlue	6.27 392	9.15 405	13.76 240	1.94 362	4.60 414	11.91 410	12.00 411	5.12 390	3.45 368	3.79 364	4.52 366	9.54 397	6.56 387	9.40 298	13.48 384	1.26 379	1.37 387	1.17 382	1.34 387	7.06 417	3.95 412

ADCL	4.35 363	1.63 336	14.21 253	1.29 247	1.26 277	5.56 392	11.16 408	3.97 233	3.37 363	6.07 391	4.67 367	4.30 352	5.72 375	5.08 216	14.51 386	0.50 300	0.48 330	0.89 370	0.77 359	0.78 334	0.76 325

EDNetEfficientorigin	12.35 413	2.51 365	179.47 443	1.19 213	0.96 206	2.91 68	1.81 322	3.00 99	5.35 394	8.91 405	4.79 368	4.18 345	4.64 362	9.98 314	11.30 377	0.37 200	0.38 281	0.60 336	0.85 365	1.32 375	2.43 390

EDNetEfficient	5.61 383	2.14 359	16.75 287	1.67 333	3.64 402	4.12 254	7.51 403	3.05 103	5.63 398	11.57 416	4.83 369	3.95 330	12.72 406	8.44 279	20.78 414	0.41 242	0.43 307	0.47 280	1.01 373	1.66 381	1.39 369

HHNet	2.48 247	0.71 161	20.52 373	0.64 4	0.64 128	4.07 245	0.93 199	3.76 181	1.56 90	2.15 204	4.92 370	0.98 50	3.37 336	1.66 88	1.79 233	0.32 146	0.20 57	0.31 122	0.27 129	0.36 159	0.42 209

FTStereo	3.71 346	0.53 26	20.37 366	0.96 104	0.65 133	4.34 304	11.29 409	2.62 74	1.50 54	2.58 298	5.04 371	1.90 157	13.84 409	3.71 192	1.25 145	0.38 214	0.24 159	0.31 122	0.32 215	0.30 62	2.10 384

ACVNet_2	5.41 380	12.60 416	20.42 370	3.27 394	3.15 398	4.50 332	3.02 371	4.66 380	3.73 375	3.35 356	5.36 372	7.86 392	2.88 312	12.33 390	4.76 340	3.12 396	2.22 399	2.70 401	1.69 391	3.49 392	3.10 399

RAFT-RH_RVC	2.63 268	0.55 36	19.97 347	1.26 238	0.47 66	4.46 321	0.57 33	1.71 14	1.64 123	3.06 341	5.51 373	2.03 178	1.28 127	6.70 250	1.52 194	0.42 252	0.22 106	0.37 226	0.34 230	0.28 37	0.29 78

JetRed	10.48 407	27.10 426	35.70 424	4.27 406	4.09 410	15.55 420	12.83 412	12.16 410	5.50 395	5.83 389	5.56 374	10.14 398	7.43 393	8.88 285	26.39 422	3.32 397	3.81 418	3.51 411	2.96 416	7.85 418	6.69 421

SDNR	3.97 354	1.93 351	20.28 363	1.31 254	0.94 203	5.16 387	0.67 68	4.33 339	2.58 284	4.82 385	5.94 375	5.01 375	1.45 160	17.52 413	2.53 299	0.79 353	0.72 366	0.59 331	0.45 305	1.15 366	1.17 357

EAI-Stereo	2.35 229	0.63 102	2.97 117	0.95 100	0.65 133	3.84 194	14.27 413	5.04 389	2.19 214	2.06 182	7.25 376	1.10 59	0.94 54	1.65 87	1.37 166	0.31 130	0.22 106	0.27 55	0.60 342	0.27 25	0.32 116

PWCDC_ROB	2.95 295	3.26 376	14.06 250	1.59 323	1.56 327	4.19 281	0.86 153	4.30 330	4.08 382	2.06 182	7.37 377	2.75 249	2.42 292	3.59 188	2.67 307	1.34 385	0.36 263	0.39 241	0.34 230	1.13 363	0.62 297

PWCK	5.85 387	9.95 409	15.22 271	2.90 388	1.56 327	5.66 393	7.69 404	5.27 393	4.74 389	3.88 365	7.51 378	8.04 393	5.28 369	15.18 410	8.40 366	3.08 395	1.51 389	2.24 393	1.37 389	5.55 410	1.96 383

MADNet++	7.57 402	5.80 391	13.28 234	6.38 418	5.26 416	7.18 400	7.77 405	5.32 396	5.62 397	6.11 392	7.78 379	6.02 385	8.01 398	11.74 376	16.36 396	9.36 421	4.95 420	8.57 422	5.66 419	4.83 408	5.34 418

CSAN	4.71 370	1.39 322	20.23 358	1.19 213	0.87 184	3.65 162	3.50 383	4.57 375	3.87 376	3.89 366	7.82 380	3.54 316	6.16 382	23.47 421	6.82 354	0.52 312	0.45 314	0.49 301	0.52 326	0.63 296	0.66 306

ELAS_RVC	5.72 386	1.64 339	20.40 368	2.09 369	2.01 373	4.95 384	11.47 410	4.66 380	6.31 402	8.09 403	8.01 381	8.06 395	11.65 405	8.36 276	10.22 373	0.99 369	1.17 380	0.81 367	0.76 357	1.14 364	1.58 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSMD_ROB	5.61 383	1.08 269	16.68 284	1.21 221	0.83 174	10.14 408	2.07 338	3.93 222	6.22 400	10.37 413	8.03 382	22.22 414	9.45 403	11.66 371	4.52 336	0.66 338	0.58 345	0.66 349	0.68 351	0.65 305	0.63 300

DCRE	1.44 95	0.74 180	3.50 136	1.13 184	0.72 148	1.78 25	0.67 68	2.14 33	1.56 90	1.99 153	8.09 383	1.73 128	1.07 84	1.24 34	0.83 50	0.23 8	0.25 177	0.26 39	0.26 105	0.28 37	0.30 102

IMH-64-1	4.84 372	2.53 367	6.83 175	4.30 408	3.74 403	4.81 381	6.05 398	5.30 394	3.92 378	3.95 368	8.33 384	5.08 377	6.06 379	8.96 288	6.30 348	4.57 414	2.96 411	3.04 404	2.12 403	4.28 403	3.62 408

IMH-64	4.84 372	2.53 367	6.83 175	4.30 408	3.74 403	4.81 381	6.05 398	5.30 394	3.92 378	3.95 368	8.33 384	5.08 377	6.06 379	8.96 288	6.30 348	4.57 414	2.96 411	3.04 404	2.12 403	4.28 403	3.62 408

coex-ft	18.59 419	6.62 392	113.53 441	1.17 205	1.31 282	2.33 51	1.93 329	2.81 88	14.00 410	124.82 442	8.45 386	5.90 384	51.74 436	9.99 315	22.69 415	0.57 321	0.62 353	0.50 304	0.49 317	1.08 360	1.28 361

ELAS	5.99 389	1.62 334	20.29 364	1.96 363	2.01 373	15.09 417	8.38 407	5.23 392	5.54 396	9.02 406	8.61 387	6.74 387	9.75 404	7.48 265	11.40 379	0.96 367	1.18 381	0.72 359	0.93 370	1.30 374	1.67 375
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CrosDoStereo	5.24 377	0.60 77	20.23 358	0.82 38	0.51 80	3.39 111	18.11 417	3.82 191	2.27 227	1.98 148	8.74 388	1.96 167	6.96 389	7.35 262	26.35 420	0.30 113	0.22 106	0.30 103	0.28 154	0.33 116	0.38 177

DeepStereo_LL	5.24 377	0.60 77	20.23 358	0.82 38	0.51 80	3.39 111	18.11 417	3.82 191	2.27 227	1.98 148	8.74 388	1.96 167	6.96 389	7.35 262	26.35 420	0.30 113	0.22 106	0.30 103	0.28 154	0.33 116	0.38 177

SANet	5.65 385	1.72 343	20.94 383	1.26 238	0.88 187	7.20 401	3.81 392	4.60 377	11.23 405	4.56 381	8.78 390	7.49 390	6.95 388	11.85 381	18.11 404	0.49 297	0.44 310	0.50 304	0.42 298	0.90 346	0.82 336

SGM_RVC	4.57 367	0.72 164	17.46 300	1.84 353	0.58 117	4.23 290	3.45 381	4.66 380	3.66 373	7.99 402	8.82 391	7.56 391	8.74 402	12.30 388	6.84 355	0.43 257	0.38 281	0.39 241	0.35 244	0.51 257	0.48 246
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
WAO-7	5.16 376	3.21 375	18.98 323	1.88 358	1.44 309	5.34 389	3.09 375	4.91 388	5.81 399	4.35 379	8.92 392	6.55 386	6.06 379	13.40 401	10.81 375	1.34 385	1.20 384	1.48 386	1.35 388	1.60 380	1.45 370

G-Net	4.11 358	1.21 292	19.47 333	2.31 379	2.94 391	4.74 377	2.95 365	3.33 132	2.14 206	4.44 380	9.43 393	6.93 389	3.84 347	9.01 290	4.92 344	0.79 353	0.80 371	0.70 354	0.50 321	0.95 348	0.87 341

WAO-6	5.87 388	2.27 361	15.05 266	2.96 389	2.77 389	12.01 411	3.58 387	5.37 398	11.91 409	3.34 354	9.69 394	6.78 388	5.84 376	11.82 380	8.89 369	2.87 392	2.35 405	2.50 394	1.84 398	2.85 389	2.67 393

otaku	4.58 368	8.93 402	19.95 346	3.11 392	2.67 386	3.91 207	2.57 355	3.82 191	2.25 222	2.22 230	9.72 395	4.08 339	2.35 288	8.57 280	2.13 273	3.51 400	1.65 392	2.15 392	1.17 381	3.69 396	3.15 400

UNDER WATER-64	9.33 404	5.37 387	22.60 410	5.22 417	4.86 415	10.75 409	4.61 397	11.45 409	17.30 414	7.59 398	9.80 396	15.99 408	17.90 414	10.63 332	15.72 390	4.36 409	2.87 408	4.39 417	2.86 414	7.01 416	5.36 419

IMH	6.81 397	13.66 419	20.41 369	4.33 410	3.74 403	5.50 390	3.06 373	5.49 400	6.22 400	4.64 383	10.35 397	9.30 396	8.03 399	13.61 404	6.81 353	4.80 417	2.99 414	3.09 406	2.12 403	4.36 405	3.61 407

UNDER WATER	10.47 406	3.95 381	22.62 411	5.07 416	4.51 413	7.78 405	3.77 390	12.56 412	21.72 421	7.84 401	10.78 398	23.96 417	31.66 423	10.78 337	16.19 395	4.44 411	2.93 409	4.24 416	2.86 414	6.33 413	5.47 420

WCMA_ROB	5.12 375	0.90 236	21.33 394	1.50 306	1.33 289	4.09 247	3.49 382	4.03 248	4.59 386	6.57 395	10.95 399	12.92 403	8.41 401	9.86 308	8.78 368	0.75 350	0.58 345	0.51 307	0.50 321	0.68 316	0.57 285

modified_for_full_sf	2.18 195	0.63 102	3.77 145	1.07 154	0.74 153	3.65 162	2.95 365	4.07 259	1.50 54	1.59 72	11.18 400	2.55 231	2.24 281	4.71 212	1.17 127	0.39 225	0.24 159	0.32 138	0.25 91	0.28 37	0.38 177

FCDSN-DC	6.04 390	0.84 225	19.25 327	1.24 230	1.09 240	4.38 307	2.62 356	4.38 348	4.71 387	9.59 410	11.22 401	19.19 410	17.40 412	12.30 388	8.55 367	0.69 346	0.57 341	0.60 336	0.60 342	0.70 319	0.78 329
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	6.64 394	0.77 196	19.26 328	1.68 334	1.64 340	8.27 406	2.35 348	6.35 402	9.23 404	10.85 414	11.27 402	19.89 411	13.33 407	12.51 394	11.79 380	0.66 338	0.57 341	0.58 329	0.56 335	0.63 296	0.61 295

LVE	6.88 398	9.31 406	21.14 388	3.61 400	3.18 399	4.49 329	2.79 359	10.21 408	11.69 407	3.16 348	11.53 403	18.33 409	4.31 356	11.66 371	3.52 326	4.45 412	2.93 409	2.56 396	1.91 400	3.62 393	3.16 401

MeshStereo	5.35 379	1.32 313	21.34 395	1.34 264	1.15 248	4.40 313	3.90 393	5.18 391	4.55 385	10.14 412	11.82 404	11.47 399	5.84 376	13.84 407	7.03 358	0.61 327	0.58 345	0.60 336	0.58 339	0.72 327	0.59 292
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
THIR-Stereo	4.14 359	0.82 218	10.85 219	0.86 61	0.43 40	2.16 46	16.77 415	3.22 117	1.54 79	2.04 178	12.05 405	2.68 242	7.53 394	7.30 260	12.62 381	0.30 113	0.21 82	0.29 84	0.28 154	0.33 116	0.41 206

WAO-8	11.95 411	13.02 417	20.56 374	3.50 395	3.08 395	15.11 418	2.80 360	12.91 413	19.11 419	7.69 399	13.12 406	11.62 400	7.01 391	84.40 441	7.91 363	3.42 398	1.92 396	3.54 413	1.93 401	3.68 394	2.69 394

Venus	11.95 411	13.02 417	20.56 374	3.50 395	3.08 395	15.11 418	2.80 360	12.91 413	19.11 419	7.69 399	13.12 406	11.62 400	7.01 391	84.40 441	7.91 363	3.42 398	1.92 396	3.54 413	1.93 401	3.68 394	2.69 394

pmcnn	5.45 381	1.22 298	17.40 297	1.60 325	2.41 385	3.48 126	2.12 339	4.52 371	3.26 357	3.67 362	13.15 408	22.10 413	3.46 341	11.92 385	17.16 400	0.34 169	0.21 82	0.23 7	0.19 19	0.36 159	0.28 71

MANE	11.39 409	1.38 320	23.16 413	4.82 415	2.79 390	22.02 422	14.51 414	25.81 423	26.28 423	10.93 415	13.17 409	19.90 412	18.03 415	15.69 412	20.41 413	0.96 367	0.74 368	1.42 385	3.24 417	0.74 328	1.71 376

LSM	12.71 414	3.52 379	20.79 379	55.63 437	84.76 435	3.63 161	6.30 400	3.73 177	4.93 391	5.55 387	13.92 410	3.53 313	3.25 332	9.72 303	4.12 332	0.64 333	0.85 372	0.71 355	0.81 364	1.03 354	26.84 427

SGM+DAISY	8.36 403	3.82 380	24.83 418	2.02 366	1.75 355	14.80 416	17.22 416	4.27 317	11.79 408	13.88 417	14.38 411	11.74 402	13.83 408	10.56 329	15.12 387	1.21 376	1.19 383	1.14 381	1.13 380	1.17 368	1.37 366

SGM-ForestM	11.55 410	1.16 285	21.62 403	2.14 370	0.81 165	22.25 423	19.08 419	16.50 422	11.34 406	15.94 420	14.44 412	27.12 422	22.61 421	24.76 422	28.39 426	0.50 300	0.48 330	0.47 280	0.44 301	0.55 271	0.53 270

Anonymous_1	57.11 438	19.68 423	26.15 419	23.10 425	142.31 440	30.84 424	39.75 427	33.86 429	16.98 413	70.53 438	15.42 413	23.46 416	19.75 418	23.04 417	27.23 423	164.73 443	9.02 424	130.38 440	137.40 440	161.27 443	27.24 428

DPSM_ROB	20.78 420	20.03 424	26.57 420	23.62 426	22.46 422	31.10 425	39.97 428	33.52 427	17.41 415	15.25 418	15.80 414	24.06 418	20.71 419	23.30 419	27.62 424	10.78 423	9.41 425	11.69 425	11.50 423	14.49 424	16.36 425

DPSM	20.78 420	20.03 424	26.57 420	23.62 426	22.46 422	31.10 425	39.97 428	33.52 427	17.41 415	15.25 418	15.80 414	24.06 418	20.71 419	23.30 419	27.62 424	10.78 423	9.41 425	11.69 425	11.50 423	14.49 424	16.36 425

LE_ROB	18.58 418	1.21 292	48.38 430	8.60 422	23.00 424	7.32 403	19.74 420	9.94 407	38.69 431	43.53 429	21.91 416	28.40 423	40.92 426	23.18 418	54.71 431	0.34 169	0.33 243	0.32 138	0.36 252	0.42 218	0.40 201

DGTPSM_ROB	15.31 415	8.85 400	28.14 422	9.90 423	18.89 420	12.44 413	33.21 424	13.48 415	17.86 417	9.50 408	22.89 417	13.78 405	19.67 416	21.26 414	23.68 416	5.08 418	8.84 421	5.62 418	11.50 423	6.72 414	14.87 423

DPSMNet_ROB	15.52 416	8.89 401	31.44 423	10.07 424	18.91 421	12.44 413	33.22 425	13.51 416	17.94 418	9.58 409	22.91 418	13.79 406	19.67 416	21.43 415	23.73 417	5.17 419	8.84 421	5.63 419	11.52 426	6.79 415	14.90 424

TorneroNet-64	10.12 405	8.74 398	20.95 384	4.27 406	3.76 406	13.86 415	2.85 362	15.05 418	23.15 422	10.07 411	23.84 419	13.47 404	8.24 400	13.96 408	17.21 401	3.96 407	2.72 406	3.23 408	2.48 407	6.29 411	4.27 415

NVStereoNet_ROB	4.91 374	1.40 323	16.46 281	1.47 302	1.72 353	3.46 122	1.96 330	3.89 207	3.61 371	2.90 327	24.61 420	4.81 370	4.49 360	13.57 403	4.87 342	1.33 384	1.29 386	1.70 387	1.68 390	1.41 378	1.66 374
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Dean	7.52 400	9.08 404	21.41 397	3.74 402	3.53 401	4.81 381	3.53 384	5.33 397	5.25 393	4.17 374	26.53 421	25.62 421	4.09 353	10.97 344	4.32 333	3.69 403	2.30 402	2.91 403	1.87 399	4.03 401	3.24 404

SPstereo	30.42 426	11.55 415	18.72 318	8.51 421	9.93 418	50.05 433	82.85 441	71.73 439	35.92 430	30.73 427	29.66 422	48.61 434	42.30 435	47.77 438	58.10 438	7.32 420	8.89 423	20.37 428	10.07 422	7.98 420	7.43 422

LRCNet_RVC	25.52 423	33.45 427	23.21 415	31.79 428	32.78 425	6.74 399	1.18 252	25.88 424	4.46 384	28.94 421	30.89 423	24.91 420	17.57 413	27.66 423	24.34 419	35.26 434	25.60 435	35.91 435	33.81 434	31.90 434	34.10 435

MyStereo03	41.77 428	40.13 429	53.46 435	47.73 432	45.04 430	62.50 435	80.72 438	66.91 433	34.93 425	30.53 423	31.77 424	48.26 430	41.67 429	46.68 435	55.85 435	21.53 426	18.88 430	23.46 429	23.21 430	29.14 428	33.09 432

MyStereo02	41.77 428	40.13 429	53.46 435	47.73 432	45.04 430	62.50 435	80.72 438	66.91 433	34.93 425	30.53 423	31.77 424	48.26 430	41.67 429	46.68 435	55.85 435	21.53 426	18.88 430	23.46 429	23.21 430	29.14 428	33.09 432

MyStereo	41.77 428	40.13 429	53.46 435	47.73 432	45.04 430	62.50 435	80.72 438	66.91 433	34.93 425	30.53 423	31.77 424	48.26 430	41.67 429	46.68 435	55.85 435	21.53 426	18.88 430	23.46 429	23.21 430	29.14 428	33.09 432

Selective-RAFT-Error	41.77 428	40.16 432	53.34 433	47.73 432	45.25 434	62.51 438	80.64 436	67.22 436	34.93 425	30.64 426	31.81 427	48.11 428	42.11 433	46.57 432	54.95 432	21.61 430	18.87 429	23.48 432	23.15 429	29.16 431	33.08 431

CasAABBNet	41.80 432	40.20 433	53.41 434	47.73 432	45.18 433	62.51 438	80.71 437	67.26 437	34.80 424	30.49 422	31.88 428	48.24 429	41.81 432	46.63 434	55.64 434	21.60 429	18.88 430	23.48 432	23.22 433	29.19 432	33.05 430

LSM0	49.58 436	40.04 428	53.62 438	97.15 438	128.68 439	62.75 440	79.89 435	67.63 438	35.11 429	33.02 428	32.61 429	48.43 433	41.60 428	46.60 433	55.43 433	21.63 431	18.99 434	23.62 434	23.13 428	29.47 433	52.26 439

notaker	10.50 408	8.60 397	20.23 358	4.54 413	3.95 407	6.27 395	3.44 380	8.07 406	4.75 390	8.73 404	46.45 430	13.86 407	27.86 422	13.49 402	13.61 385	4.56 413	3.18 415	3.52 412	2.68 411	8.13 421	4.05 413

HanzoNet	31.60 427	17.23 422	21.22 393	7.32 419	5.84 417	7.25 402	3.53 384	13.82 417	14.20 412	50.38 432	47.01 431	44.45 425	56.61 437	36.61 429	32.00 427	63.89 438	56.57 439	7.97 421	89.20 439	28.69 426	28.25 429

HaxPig	43.25 433	43.65 434	45.00 428	33.85 429	35.61 427	32.69 427	30.52 422	45.09 430	42.97 432	48.77 430	48.17 432	43.00 424	40.26 425	44.58 430	43.61 428	47.18 435	49.30 436	51.54 437	50.25 436	43.73 435	45.29 436

AVERAGE_ROB	44.46 434	45.91 435	46.59 429	40.59 431	38.66 428	32.99 428	30.52 422	46.19 431	43.26 433	49.59 431	48.97 433	44.62 426	39.89 424	45.04 431	43.94 429	48.74 436	50.69 437	50.80 436	49.79 435	45.54 436	46.97 437

MEDIAN_ROB	47.37 435	49.08 436	49.92 431	40.32 430	39.97 429	34.95 429	33.43 426	49.17 432	46.39 435	53.06 433	52.65 434	47.65 427	42.23 434	48.35 439	47.29 430	52.10 437	54.04 438	54.28 438	53.48 437	48.76 437	50.33 438

KSHMR	16.96 417	5.37 387	21.64 405	4.46 411	4.50 412	8.30 407	3.32 378	15.58 421	76.24 437	6.62 396	61.47 435	56.53 435	5.43 372	35.17 428	11.37 378	4.39 410	2.97 413	3.63 415	2.74 413	5.10 409	4.34 416

xxxxx1	112.33 441	88.53 440	37.76 425	227.84 442	157.23 441	39.05 430	61.41 432	93.76 441	79.29 440	62.45 435	74.79 436	78.32 437	70.96 438	33.47 425	70.69 439	114.00 440	130.36 441	259.31 442	274.34 442	145.54 440	147.50 441

tt_ll	112.33 441	88.53 440	37.76 425	227.84 442	157.23 441	39.05 430	61.41 432	93.76 441	79.29 440	62.45 435	74.79 436	78.32 437	70.96 438	33.47 425	70.69 439	114.00 440	130.36 441	259.31 442	274.34 442	145.54 440	147.50 441

ff	112.33 441	88.53 440	37.76 425	227.84 442	157.23 441	39.05 430	61.41 432	93.76 441	79.29 440	62.45 435	74.79 436	78.32 437	70.96 438	33.47 425	70.69 439	114.00 440	130.36 441	259.31 442	274.34 442	145.54 440	147.50 441

TorneroNet	25.88 424	11.28 414	21.62 403	4.20 405	4.07 409	55.25 434	3.15 376	15.16 419	76.94 438	58.09 434	82.72 439	86.88 440	41.15 427	13.35 400	18.13 405	4.32 408	2.85 407	3.45 409	2.62 409	8.33 422	4.14 414

DPSimNet_ROB	102.30 440	119.72 444	143.59 442	109.42 439	94.10 436	127.22 442	127.15 442	26.62 425	102.36 443	149.58 443	83.99 440	139.34 443	137.54 443	64.62 440	82.36 443	105.18 439	66.15 440	120.15 439	69.61 438	99.58 439	77.72 440

BEATNet-Init1	49.72 437	64.32 439	97.77 440	4.68 414	4.28 411	84.75 441	60.42 431	73.38 440	68.59 436	88.29 440	88.51 441	91.94 441	97.99 441	85.26 443	70.96 442	0.80 355	0.65 357	0.85 368	0.70 354	7.96 419	2.33 387

ktn	21.74 422	10.34 410	19.68 337	4.53 412	4.00 408	6.53 398	4.51 396	6.79 403	78.82 439	84.69 439	100.86 442	58.49 436	7.57 395	12.11 387	13.35 383	4.58 416	3.24 416	3.49 410	2.62 409	4.65 407	3.84 411

test_example2	212.63 444	219.92 445	221.87 444	213.67 441	221.17 444	199.47 444	200.74 443	185.30 444	141.66 444	209.52 444	213.45 443	210.82 444	205.48 444	221.27 444	216.64 444	236.83 444	242.07 444	213.93 441	217.01 441	235.69 444	226.10 444

PML	64.32 439	53.22 437	17.88 304	8.10 420	32.94 426	148.46 443	247.79 444	12.18 411	45.42 434	111.41 441	288.92 444	101.47 442	101.31 442	31.67 424	15.55 388	14.03 425	4.83 419	10.98 424	6.18 420	28.82 427	5.17 417

ASD4		113.98 443

Low-res two-view benchmark