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

LoS_RVC	0.42 14	0.26 49	0.40 9	0.44 24	0.82 351	0.51 53	0.44 129	0.64 3	0.41 2	0.44 10	0.78 48	0.44 10	0.47 42	0.56 13	0.36 35	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 375

panet	0.39 6	0.21 4	0.37 2	0.36 2	0.20 2	0.53 60	0.29 21	0.78 13	1.12 181	0.59 41	0.71 35	0.53 42	0.42 22	0.54 9	0.34 25	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.13 4

LoS	0.40 10	0.21 4	0.44 12	0.37 3	0.22 5	0.50 42	0.40 88	1.00 72	0.94 109	0.48 20	0.66 25	0.48 24	0.40 18	0.60 26	0.37 41	0.18 61	0.14 78	0.16 11	0.11 7	0.14 2	0.14 13

AnonymousM	0.59 103	1.11 376	0.41 10	0.44 24	0.32 110	0.43 15	0.47 153	1.05 91	0.64 29	0.98 102	0.63 23	0.67 71	0.43 25	0.59 17	0.41 69	0.20 122	0.15 128	1.84 393	0.84 385	0.14 2	0.13 4

CREStereo	0.39 6	0.21 4	0.38 5	0.34 1	0.22 5	0.53 60	0.29 21	0.77 12	1.11 177	0.58 35	0.71 35	0.51 34	0.41 20	0.54 9	0.34 25	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.14 13
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
CAS	0.63 121	0.18 1	0.37 2	2.27 394	0.84 353	0.57 78	0.54 195	0.79 15	0.62 25	0.48 20	0.70 33	0.36 2	0.26 1	0.45 3	0.35 29	2.24 396	0.10 1	0.14 1	0.09 1	0.15 6	1.06 386

DCANet-4	0.54 66	0.26 49	1.07 266	0.42 8	0.24 11	0.48 23	0.36 61	0.99 68	1.30 267	1.10 136	1.02 102	0.56 45	0.75 144	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

fff	0.53 52	0.24 21	0.70 108	0.43 9	0.24 11	0.48 23	0.36 61	1.07 106	1.25 240	1.10 136	1.02 102	0.57 47	1.06 273	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

raftrobust	0.52 43	0.25 38	0.56 40	0.65 263	0.52 257	0.49 33	0.34 47	0.98 66	0.91 100	1.30 238	0.87 63	0.63 61	0.81 171	0.78 55	0.41 69	0.19 94	0.15 128	0.16 11	0.14 25	0.15 6	0.16 44

csc	0.53 52	0.24 21	0.70 108	0.43 9	0.24 11	0.48 23	0.36 61	1.07 106	1.25 240	1.10 136	1.02 102	0.57 47	1.06 273	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

cscssc	0.53 52	0.24 21	0.70 108	0.43 9	0.24 11	0.48 23	0.36 61	1.07 106	1.25 240	1.10 136	1.02 102	0.57 47	1.06 273	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

Gwc-CoAtRS	0.52 43	0.24 21	0.68 93	0.48 55	0.29 66	0.64 101	0.25 4	1.16 126	1.08 165	1.01 109	1.00 90	1.12 211	0.56 81	0.69 35	0.37 41	0.16 12	0.13 44	0.17 17	0.15 33	0.15 6	0.15 29

PMTNet	0.46 28	0.21 4	0.38 5	0.37 3	0.23 8	0.71 147	0.27 16	0.74 8	1.04 149	0.64 45	0.70 33	0.55 43	0.47 42	0.86 73	0.35 29	1.00 381	0.13 44	0.15 3	0.10 2	0.15 6	0.13 4

LargeStereo	0.40 10	0.22 10	0.51 25	0.52 114	0.29 66	0.45 19	0.25 4	1.65 238	0.46 4	0.37 2	0.57 20	0.46 17	0.45 32	0.50 5	0.38 51	0.19 94	0.12 9	0.16 11	0.13 12	0.16 14	0.15 29

IGEVStereo-DCA	0.46 28	0.28 88	0.56 40	0.43 9	0.33 126	0.49 33	0.42 101	0.87 27	0.50 7	0.47 16	0.48 7	0.48 24	0.46 36	2.03 256	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.18 82

rrr	0.46 28	0.28 88	0.73 135	0.43 9	0.33 126	0.49 33	0.38 74	0.76 11	0.50 7	0.47 16	0.48 7	0.48 24	0.46 36	2.03 256	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.16 44

MSKI-zero shot	0.55 81	0.26 49	0.57 48	0.51 98	0.26 22	0.69 137	0.28 19	1.18 133	0.64 29	0.91 85	1.32 214	0.82 107	0.33 10	1.92 245	0.32 8	0.17 33	0.12 9	0.17 17	0.13 12	0.16 14	0.16 44

Any-RAFT	0.53 52	0.24 21	0.47 14	0.47 43	0.27 35	1.00 240	0.25 4	1.58 224	1.05 153	0.85 81	0.99 87	1.06 190	0.47 42	0.70 37	0.32 8	0.18 61	0.13 44	0.16 11	0.13 12	0.16 14	0.16 44

RAFT-Test	0.54 66	0.25 38	0.64 76	0.47 43	0.30 83	0.97 234	0.27 16	1.24 153	0.81 71	0.96 95	1.12 142	1.28 252	0.48 50	0.71 41	0.36 35	0.17 33	0.13 44	0.17 17	0.14 25	0.16 14	0.16 44

Selective-IGEV	0.39 6	0.24 21	0.50 19	0.44 24	0.25 20	0.46 21	0.33 37	1.25 155	0.40 1	0.35 1	0.45 3	0.52 39	0.30 4	1.07 114	0.30 2	0.14 4	0.12 9	0.17 17	0.13 12	0.16 14	0.13 4

MC-Stereo	0.43 17	0.23 15	0.48 16	0.51 98	0.28 54	0.39 9	0.32 34	0.88 34	0.68 46	0.60 42	0.84 58	0.56 45	0.61 110	1.03 103	0.31 6	0.17 33	0.11 3	0.17 17	0.15 33	0.16 14	0.13 4

RCA-Stereo	0.50 41	0.23 15	0.58 51	0.48 55	0.33 126	0.55 70	0.45 140	0.97 64	1.38 301	0.68 48	1.05 114	0.63 61	0.80 168	0.59 17	0.32 8	0.17 33	0.12 9	0.17 17	0.14 25	0.16 14	0.14 13

RAFT-RH_RVC	1.03 280	0.24 21	0.67 90	0.49 68	0.28 54	0.81 189	0.33 37	0.83 24	1.08 165	2.05 357	4.65 392	1.04 188	0.57 89	5.98 370	0.50 132	0.18 61	0.13 44	0.26 231	0.20 140	0.16 14	0.17 64

TANstereo	0.44 25	0.21 4	0.44 12	0.41 6	0.21 4	0.65 113	0.26 10	0.79 15	0.83 77	0.93 88	0.98 85	0.51 34	0.46 36	0.54 9	0.35 29	0.18 61	0.24 278	0.16 11	0.13 12	0.16 14	0.26 230

CFNet-RSSM	0.54 66	0.24 21	0.70 108	0.48 55	0.28 54	0.60 89	0.27 16	1.49 197	1.14 194	1.06 120	0.93 73	1.08 197	0.54 71	0.70 37	0.35 29	0.16 12	0.12 9	0.17 17	0.15 33	0.16 14	0.14 13

MGS-Stereo	0.42 14	0.26 49	0.58 51	0.44 24	0.28 54	0.50 42	0.34 47	0.57 2	0.83 77	0.46 15	1.31 208	0.52 39	0.33 10	0.65 33	0.36 35	0.19 94	0.16 159	0.18 39	0.15 33	0.17 26	0.16 44

MoCha-V2	0.37 3	0.24 21	0.54 34	0.72 306	0.22 5	0.43 15	0.31 30	0.95 55	0.55 18	0.43 8	0.46 4	0.43 7	0.60 100	0.44 2	0.29 1	0.14 4	0.12 9	0.15 3	0.13 12	0.17 26	0.12 3

MIM_Stereo	0.57 95	0.24 21	0.92 220	0.46 37	0.30 83	0.54 64	0.28 19	1.27 157	0.75 58	1.00 106	1.16 159	0.93 149	0.53 68	1.45 173	0.61 177	0.16 12	0.16 159	0.20 77	0.19 112	0.17 26	0.14 13

AEACV	0.37 3	0.24 21	0.52 28	0.47 43	0.51 249	0.37 8	0.38 74	0.65 4	0.53 17	0.42 5	0.56 19	0.46 17	0.60 100	0.53 7	0.30 2	0.16 12	0.13 44	0.18 39	0.15 33	0.17 26	0.14 13

EGLCR-Stereo	0.37 3	0.22 10	0.51 25	0.43 9	0.26 22	0.44 18	0.22 2	0.99 68	0.48 5	0.42 5	0.42 2	0.67 71	0.29 3	0.86 73	0.33 17	0.17 33	0.12 9	0.19 53	0.17 78	0.17 26	0.15 29

ProNet	0.43 17	0.28 88	0.58 51	0.43 9	0.30 83	0.56 73	0.52 185	1.00 72	0.58 20	0.44 10	0.49 9	0.43 7	0.43 25	1.28 137	0.36 35	0.15 7	0.13 44	0.19 53	0.16 62	0.17 26	0.16 44

test-3	0.54 66	0.22 10	0.68 93	0.47 43	0.27 35	0.58 79	0.35 51	0.92 43	1.00 137	1.32 250	0.69 32	0.87 131	0.45 32	1.68 216	0.37 41	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 4

test_1	0.54 66	0.22 10	0.68 93	0.47 43	0.27 35	0.58 79	0.35 51	0.92 43	1.00 137	1.28 226	0.68 29	0.87 131	0.45 32	1.67 211	0.37 41	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 4

TRStereo	0.60 106	0.60 327	0.97 233	0.74 316	0.67 309	0.46 21	0.38 74	1.85 286	0.89 91	0.79 65	0.80 55	0.88 134	0.39 15	1.10 117	0.41 69	0.23 196	0.15 128	0.23 155	0.24 233	0.17 26	0.15 29

RAFT-345	0.84 226	0.25 38	0.66 86	0.50 75	0.27 35	0.54 64	0.42 101	0.83 24	1.11 177	1.32 250	2.34 357	0.86 127	0.54 71	5.72 363	0.47 114	0.18 61	0.13 44	0.22 126	0.17 78	0.17 26	0.16 44

XX-TBD	0.46 28	0.70 343	0.35 1	0.79 328	0.25 20	0.58 79	0.26 10	0.69 5	1.27 252	0.76 58	1.00 90	0.45 16	0.33 10	0.47 4	0.37 41	0.19 94	0.15 128	0.15 3	0.11 7	0.17 26	0.14 13

111	0.60 106	0.23 15	0.70 108	0.43 9	0.24 11	0.72 149	0.42 101	1.18 133	1.41 313	0.80 67	1.38 234	1.10 206	0.79 163	0.96 87	0.58 166	0.18 61	0.13 44	0.17 17	0.15 33	0.17 26	0.19 116

test_xeample3	0.42 14	0.28 88	0.69 102	0.43 9	0.33 126	0.56 73	0.38 74	0.79 15	0.45 3	0.53 32	0.46 4	0.44 10	0.44 29	1.38 158	0.31 6	0.18 61	0.14 78	0.19 53	0.15 33	0.17 26	0.16 44

ARAFT	0.77 197	0.36 235	1.49 330	0.51 98	0.31 95	0.90 209	0.82 289	1.90 297	1.06 156	1.62 324	1.24 180	1.02 182	0.64 123	1.84 236	0.50 132	0.18 61	0.14 78	0.28 252	0.27 266	0.17 26	0.16 44

RAFT-Stereo + iAFF	0.54 66	0.25 38	0.68 93	0.43 9	0.24 11	0.40 10	0.34 47	1.04 85	1.09 171	1.32 250	1.60 288	0.80 99	0.68 131	0.67 34	0.39 58	0.13 1	0.10 1	0.18 39	0.17 78	0.17 26	0.13 4

AFF-stereo	0.58 100	0.25 38	0.64 76	0.46 37	0.29 66	0.34 4	0.38 74	1.15 125	1.14 194	1.17 181	1.60 288	1.10 206	0.71 139	0.97 92	0.43 86	0.13 1	0.11 3	0.19 53	0.19 112	0.17 26	0.14 13

EAI-Stereo	0.65 136	0.28 88	0.69 102	0.53 123	0.27 35	0.60 89	0.40 88	2.28 366	0.64 29	0.71 53	3.18 375	0.57 47	0.43 25	1.06 110	0.41 69	0.18 61	0.13 44	0.17 17	0.17 78	0.17 26	0.17 64

R-Stereo Train	0.57 95	0.26 49	0.63 70	0.54 138	0.36 150	0.69 137	0.54 195	1.22 147	0.72 54	1.61 321	1.50 268	0.75 87	0.53 68	0.64 29	0.44 88	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64

RAFT-Stereo	0.57 95	0.26 49	0.63 70	0.54 138	0.36 150	0.69 137	0.54 195	1.22 147	0.72 54	1.61 321	1.50 268	0.75 87	0.53 68	0.64 29	0.44 88	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
tta	0.75 190	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.82 237	0.24 211	0.20 231	0.22 126	0.21 176	0.18 45	0.18 82

qqq1	0.72 166	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.44 88	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

fff1	0.72 166	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.44 88	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

ff7	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

ffff	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

11t	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

StereoIM	0.36 1	0.25 38	0.58 51	0.44 24	0.34 141	0.30 3	0.30 25	0.72 6	0.50 7	0.37 2	0.36 1	0.58 51	0.49 58	0.52 6	0.36 35	0.19 94	0.16 159	0.19 53	0.15 33	0.18 45	0.14 13

anonymousdsp	0.43 17	0.27 72	0.53 30	0.44 24	0.32 110	0.50 42	0.42 101	0.89 35	0.51 14	0.49 23	0.53 11	0.47 21	0.47 42	1.33 146	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

DCRE	0.82 217	0.26 49	0.70 108	0.58 187	0.44 208	0.54 64	0.48 161	0.95 55	0.78 65	0.78 62	7.33 405	0.86 127	0.52 63	0.76 52	0.41 69	0.16 12	0.16 159	0.19 53	0.17 78	0.18 45	0.17 64

ccc-4	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

ADStereo(finetuned)	0.57 95	0.24 21	1.06 262	0.43 9	0.24 11	0.49 33	0.35 51	1.05 91	1.30 267	1.12 142	1.03 110	0.58 51	1.20 299	0.84 68	0.51 135	0.16 12	0.13 44	0.17 17	0.13 12	0.18 45	0.19 116

IGEV-Stereo	0.43 17	0.27 72	0.54 34	0.45 34	0.32 110	0.50 42	0.42 101	0.90 41	0.51 14	0.49 23	0.53 11	0.47 21	0.47 42	1.32 144	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.69 158	0.27 72	0.97 233	0.51 98	0.43 202	0.79 180	0.33 37	1.21 140	1.06 156	1.30 238	1.10 131	0.52 39	0.55 77	3.16 312	0.63 184	0.16 12	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

MIPNet	0.56 90	0.28 88	0.94 224	0.49 68	0.33 126	0.66 122	0.38 74	1.35 169	1.08 165	1.06 120	0.92 71	0.60 56	0.79 163	0.73 47	0.52 141	0.17 33	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

ACRE	0.61 112	0.33 193	1.01 245	0.58 187	0.49 233	0.75 161	0.47 153	1.06 104	0.95 111	1.37 268	1.55 276	0.62 59	0.46 36	0.83 66	0.70 196	0.23 196	0.15 128	0.19 53	0.16 62	0.18 45	0.21 156

CrosDoStereo	1.58 343	0.24 21	0.72 123	0.48 55	0.29 66	0.67 126	12.49 418	1.10 113	0.98 125	1.34 261	1.75 314	1.00 173	1.89 363	6.65 378	0.81 232	0.19 94	0.15 128	0.20 77	0.22 202	0.18 45	0.19 116

STrans-v2	1.04 283	0.28 88	0.96 231	0.49 68	0.32 110	0.68 133	0.79 279	2.47 379	1.12 181	1.12 142	1.46 258	1.40 270	1.46 329	6.70 382	0.43 86	0.18 61	0.13 44	0.20 77	0.18 92	0.18 45	0.18 82

TransformOpticalFlow	0.96 259	0.28 88	0.89 210	0.52 114	0.31 95	0.66 122	0.54 195	1.75 259	1.12 181	1.09 128	1.44 250	1.37 269	1.01 258	6.70 382	0.42 77	0.19 94	0.12 9	0.20 77	0.19 112	0.18 45	0.19 116

FTStereo	0.91 248	0.26 49	0.56 40	0.54 138	0.33 126	0.66 122	1.87 383	1.00 72	0.75 58	1.75 334	4.15 386	1.04 188	1.65 346	1.57 196	0.46 109	0.19 94	0.16 159	0.23 155	0.21 176	0.18 45	0.63 359

DeepStereo_LL	1.58 343	0.24 21	0.72 123	0.48 55	0.29 66	0.67 126	12.49 418	1.10 113	0.98 125	1.34 261	1.75 314	1.00 173	1.89 363	6.65 378	0.81 232	0.19 94	0.15 128	0.20 77	0.22 202	0.18 45	0.19 116

DEmStereo	0.97 265	0.23 15	0.79 174	0.47 43	0.32 110	1.04 245	0.56 214	0.93 48	0.89 91	1.39 278	2.14 349	1.02 182	2.07 374	5.64 362	0.77 220	0.17 33	0.15 128	0.20 77	0.20 140	0.18 45	0.20 139

DRaft	0.80 209	0.24 21	0.70 108	0.45 34	0.30 83	0.97 234	0.53 191	1.05 91	0.97 120	1.78 337	2.02 342	0.80 99	1.74 353	2.73 297	0.72 204	0.17 33	0.14 78	0.20 77	0.20 140	0.18 45	0.21 156

GrayStereo	0.82 217	0.26 49	0.58 51	0.63 242	0.37 158	0.76 165	1.86 382	1.11 119	0.87 84	1.99 354	1.89 331	1.08 197	1.82 361	1.39 163	0.48 119	0.19 94	0.14 78	0.19 53	0.21 176	0.18 45	0.39 304

CREStereo++_RVC	0.47 34	0.21 4	0.38 5	0.45 34	0.38 175	0.45 19	0.25 4	0.75 9	1.29 261	0.80 67	1.21 172	0.47 21	0.37 13	0.53 7	0.44 88	0.16 12	0.11 3	0.15 3	0.80 383	0.18 45	0.11 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.52 43	0.20 2	0.38 5	0.41 6	0.19 1	0.96 230	0.34 47	1.17 128	1.25 240	0.81 71	0.90 68	0.63 61	0.50 59	1.45 173	0.42 77	0.14 4	0.12 9	0.17 17	0.11 7	0.18 45	0.11 1

raft+_RVC	0.53 52	0.26 49	0.54 34	0.60 211	0.47 229	0.54 64	0.54 195	1.27 157	0.99 132	0.76 58	1.03 110	0.70 81	0.56 81	0.93 86	0.47 114	0.18 61	0.14 78	0.19 53	0.18 92	0.18 45	0.15 29

XX-Stereo	0.63 121	0.26 49	1.90 354	0.81 334	0.67 309	0.43 15	0.23 3	1.03 81	0.58 20	0.65 46	1.56 280	1.41 272	0.39 15	1.28 137	0.35 29	0.20 122	0.14 78	0.20 77	0.19 112	0.18 45	0.14 13

DCANet	0.54 66	0.24 21	0.70 108	0.43 9	0.24 11	0.49 33	0.36 61	1.05 91	1.30 267	1.12 142	1.03 110	0.58 51	0.92 218	0.81 63	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.18 45	0.19 116

RASNet	1.12 299	0.30 131	0.91 216	0.66 268	0.77 337	0.97 234	0.57 224	1.37 172	1.35 290	1.02 112	1.34 221	2.11 353	1.43 325	7.09 387	1.39 313	0.19 94	0.17 185	0.17 17	0.19 112	0.18 45	0.16 44

iResNet_ROB	0.77 197	0.30 131	0.99 236	0.57 181	0.36 150	0.83 194	0.36 61	2.33 369	1.58 335	1.27 224	1.30 203	1.25 241	0.84 186	1.65 206	0.79 228	0.20 122	0.14 78	0.17 17	0.12 10	0.18 45	0.27 236

DispNO	0.93 253	0.30 131	1.34 311	0.55 157	0.55 269	0.89 206	0.49 168	1.48 195	1.21 227	1.17 181	1.27 193	1.19 225	0.90 212	5.23 349	0.74 208	0.22 172	0.17 185	0.24 175	0.21 176	0.19 75	0.20 139

AE-Stereo	0.49 39	0.27 72	0.67 90	0.60 211	0.39 183	0.67 126	0.46 147	1.18 133	1.09 171	0.47 16	0.75 43	0.69 78	0.47 42	0.59 17	0.40 62	0.16 12	0.15 128	0.21 100	0.20 140	0.19 75	0.15 29

cc1	0.64 131	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	0.93 48	3.05 388	0.58 35	0.79 51	0.48 24	0.88 205	1.46 175	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.19 75	0.19 116

DualNet	1.09 291	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	0.95 55	2.47 376	1.15 161	1.45 252	1.06 190	0.82 175	1.55 192	7.61 396	0.20 122	0.12 9	0.31 273	0.27 266	0.19 75	0.20 139

ffm	0.72 166	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	0.95 55	2.47 376	1.15 161	1.45 252	1.06 190	0.82 175	1.55 192	0.32 8	0.20 122	0.12 9	0.31 273	0.27 266	0.19 75	0.20 139

ff1	1.37 328	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	0.95 55	2.47 376	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 396	0.20 122	0.12 9	0.31 273	0.27 266	0.19 75	0.20 139

tt1	0.62 115	0.32 177	0.51 25	0.54 138	0.26 22	1.16 267	0.48 161	0.95 55	2.47 376	0.57 34	0.77 46	0.49 31	0.81 171	1.55 192	0.32 8	0.20 122	0.12 9	0.24 175	0.15 33	0.19 75	0.20 139

IGEV_Zeroshot_test	0.53 52	0.30 131	0.99 236	0.56 170	0.35 144	0.41 12	0.32 34	1.37 172	0.63 27	1.00 106	1.09 127	0.95 158	0.41 20	0.83 66	0.39 58	0.18 61	0.12 9	0.19 53	0.18 92	0.19 75	0.17 64

MIF-Stereo	0.36 1	0.23 15	0.59 56	0.48 55	0.36 150	0.40 10	0.32 34	0.53 1	0.49 6	0.54 33	0.55 18	0.36 2	0.31 6	0.58 16	0.51 135	0.20 122	0.15 128	0.17 17	0.15 33	0.19 75	0.15 29

HH	0.63 121	0.30 131	0.77 164	0.50 75	0.32 110	0.49 33	0.46 147	1.65 238	0.64 29	0.69 49	1.09 127	1.63 309	0.85 189	1.90 243	0.37 41	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

HanStereo	0.63 121	0.30 131	0.77 164	0.50 75	0.32 110	0.49 33	0.46 147	1.65 238	0.64 29	0.69 49	1.09 127	1.63 309	0.85 189	1.90 243	0.37 41	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

4D-IteraStereo	0.48 36	0.24 21	0.76 160	0.50 75	0.44 208	0.66 122	0.31 30	0.87 27	1.02 142	1.03 116	0.72 38	0.78 94	0.32 9	0.64 29	0.37 41	0.17 33	0.11 3	0.23 155	0.19 112	0.19 75	0.13 4

anonymousdsp2	0.53 52	0.27 72	0.74 149	0.48 55	0.29 66	0.76 165	0.47 153	1.61 231	0.82 76	0.77 61	0.77 46	0.75 87	0.47 42	1.03 103	0.40 62	0.18 61	0.13 44	0.18 39	0.13 12	0.19 75	0.18 82

CES	0.48 36	0.20 2	0.37 2	0.39 5	1.39 387	0.55 70	0.35 51	0.98 66	0.66 42	0.44 10	0.66 25	0.35 1	0.27 2	0.56 13	0.33 17	0.15 7	0.13 44	0.15 3	0.10 2	0.19 75	1.46 391

Selective-RAFT	0.52 43	0.28 88	0.79 174	0.55 157	0.27 35	0.91 211	0.33 37	0.80 20	0.88 88	0.58 35	0.63 23	0.81 102	0.77 156	1.29 140	0.48 119	0.19 94	0.14 78	0.17 17	0.15 33	0.19 75	0.17 64

CIPLG	0.62 115	0.33 193	0.96 231	0.58 187	0.50 239	0.75 161	0.48 161	1.05 91	0.96 113	1.40 279	1.57 284	0.64 64	0.48 50	0.89 78	0.70 196	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 156

iRaft-Stereo_20w	0.65 136	0.31 163	1.00 241	0.47 43	0.34 141	0.73 152	0.30 25	2.96 387	0.70 49	1.15 161	1.14 150	0.76 90	0.65 128	1.11 120	0.38 51	0.17 33	0.13 44	0.18 39	0.16 62	0.19 75	0.18 82

IPLGR_C	0.62 115	0.33 193	0.99 236	0.58 187	0.49 233	0.76 165	0.48 161	1.10 113	0.96 113	1.40 279	1.56 280	0.62 59	0.48 50	0.80 59	0.71 201	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 156

HHNet	0.62 115	0.26 49	0.63 70	0.43 9	0.45 215	0.50 42	0.58 227	1.07 106	1.01 139	1.25 217	2.23 352	0.70 81	0.61 110	1.07 114	0.47 114	0.20 122	0.13 44	0.23 155	0.19 112	0.19 75	0.30 262

ASMatch	0.88 240	0.26 49	0.69 102	0.51 98	0.35 144	0.48 23	0.37 70	1.12 121	0.92 104	1.10 136	3.28 376	0.96 164	0.98 246	4.90 344	0.49 126	0.19 94	0.16 159	0.22 126	0.19 112	0.19 75	0.27 236

THIR-Stereo	1.02 279	0.27 72	0.69 102	0.49 68	0.28 54	0.95 226	1.34 356	1.03 81	0.97 120	1.34 261	1.90 332	1.17 221	1.58 339	6.44 375	0.78 222	0.19 94	0.14 78	0.21 100	0.22 202	0.19 75	0.20 139

CroCo-Stereo	0.40 10	0.31 163	0.73 135	0.58 187	0.27 35	0.26 1	0.33 37	0.95 55	0.81 71	0.42 5	0.47 6	0.65 67	0.47 42	0.39 1	0.34 25	0.18 61	0.15 128	0.16 11	0.14 25	0.19 75	0.16 44
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
cross-raft	0.54 66	0.25 38	0.61 63	0.52 114	0.29 66	0.68 133	0.37 70	1.46 192	0.76 61	1.01 109	1.06 116	1.28 252	0.46 36	0.71 41	0.35 29	0.15 7	0.12 9	0.18 39	0.16 62	0.19 75	0.14 13

iRaftStereo_RVC	0.47 34	0.26 49	0.64 76	0.50 75	0.29 66	0.53 60	0.33 37	1.05 91	0.77 63	0.84 77	1.00 90	0.55 43	0.37 13	0.81 63	0.40 62	0.17 33	0.12 9	0.22 126	0.20 140	0.19 75	0.15 29

cf-r	0.73 180	0.30 131	0.77 164	0.55 157	0.63 300	0.78 176	0.48 161	1.79 274	1.15 203	1.13 156	1.26 190	1.43 274	0.87 201	1.40 168	0.85 245	0.25 235	0.18 201	0.22 126	0.23 222	0.19 75	0.19 116

DIP-Stereo	0.62 115	0.30 131	0.83 184	0.48 55	0.36 150	0.95 226	0.33 37	2.37 373	0.67 43	1.25 217	1.00 90	0.68 73	0.51 61	0.91 80	0.61 177	0.18 61	0.15 128	0.21 100	0.17 78	0.19 75	0.19 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MLCV	0.72 166	0.34 212	1.10 273	0.51 98	0.23 8	0.91 211	0.39 85	1.33 163	1.23 233	1.46 292	1.55 276	1.01 180	0.64 123	1.95 250	0.80 231	0.18 61	0.12 9	0.18 39	0.14 25	0.19 75	0.17 64

CoDeX	0.73 180	0.29 115	0.93 222	0.54 138	0.36 150	1.14 260	0.61 239	2.34 371	1.17 209	1.16 172	1.25 184	0.91 140	0.87 201	1.33 146	0.64 188	0.20 122	0.16 159	0.21 100	0.18 92	0.20 102	0.18 82

11t1	0.52 43	0.28 88	0.68 93	0.51 98	0.28 54	0.83 194	0.39 85	1.22 147	0.63 27	0.84 77	0.74 41	0.68 73	0.68 131	0.91 80	0.57 163	0.21 149	0.18 201	0.19 53	0.16 62	0.20 102	0.21 156

EKT-Stereo	0.53 52	0.30 131	0.73 135	0.58 187	0.60 291	0.51 53	0.48 161	0.94 52	0.90 95	0.71 53	0.88 65	0.77 91	0.43 25	1.07 114	0.40 62	0.22 172	0.16 159	0.21 100	0.18 92	0.20 102	0.22 171

anonymousa	0.72 166	0.27 72	0.75 151	0.47 43	0.63 300	1.43 306	0.45 140	1.24 153	0.89 91	1.28 226	1.75 314	1.62 307	1.13 287	0.69 35	0.59 168	0.19 94	0.16 159	0.23 155	0.25 244	0.20 102	0.18 82

DisPM	0.66 144	0.28 88	0.72 123	0.61 223	0.35 144	0.62 98	0.45 140	1.02 78	0.99 132	1.56 314	1.10 131	0.80 99	0.59 98	2.37 282	0.41 69	0.23 196	0.14 78	0.23 155	0.21 176	0.20 102	0.25 212

IER	0.70 160	0.31 163	1.02 251	0.48 55	0.52 257	1.34 293	0.51 176	1.17 128	0.99 132	1.23 205	1.34 221	1.12 211	1.11 282	0.99 95	0.71 201	0.20 122	0.16 159	0.21 100	0.21 176	0.20 102	0.19 116

raft_robust	0.68 157	0.30 131	0.64 76	0.52 114	0.26 22	0.54 64	0.35 51	1.33 163	1.24 237	1.16 172	1.07 119	0.60 56	0.54 71	3.58 324	0.37 41	0.18 61	0.14 78	0.20 77	0.22 202	0.20 102	0.16 44

RAFT_CTSACE	0.63 121	0.26 49	0.88 205	0.55 157	0.51 249	0.71 147	0.44 129	0.80 20	0.97 120	0.97 98	1.84 324	1.18 224	0.68 131	1.47 179	0.36 35	0.16 12	0.15 128	0.21 100	0.20 140	0.20 102	0.14 13

Sa-1000	0.72 166	0.29 115	0.76 160	0.59 200	0.30 83	0.73 152	0.37 70	1.62 234	1.33 279	1.28 226	2.04 343	0.86 127	0.75 144	1.84 236	0.38 51	0.19 94	0.14 78	0.25 212	0.23 222	0.20 102	0.16 44

test_4	0.53 52	0.22 10	0.56 40	0.54 138	0.32 110	0.64 101	0.39 85	0.80 20	0.62 25	0.92 87	1.87 329	0.68 73	0.42 22	1.16 127	0.37 41	0.15 7	0.13 44	0.20 77	0.22 202	0.20 102	0.15 29

iRaft-Stereo_5w	0.85 230	0.29 115	0.91 216	0.53 123	0.43 202	0.49 33	0.68 256	0.99 68	0.87 84	0.79 65	1.34 221	1.46 282	0.91 215	5.11 347	1.11 279	0.17 33	0.14 78	0.22 126	0.18 92	0.20 102	0.20 139

IPLGR	0.58 100	0.27 72	1.14 280	0.48 55	0.28 54	0.65 113	0.33 37	1.22 147	1.13 192	1.18 186	1.05 114	0.69 78	0.66 130	0.96 87	0.52 141	0.17 33	0.15 128	0.20 77	0.17 78	0.20 102	0.18 82

GMOStereo	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 281	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

error version	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 281	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

test-v	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 281	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

OMP-Stereo	0.94 255	0.33 193	0.72 123	0.90 360	0.31 95	0.49 33	0.36 61	1.16 126	1.06 156	1.58 320	1.12 142	1.46 282	0.69 134	6.94 385	0.49 126	0.19 94	0.14 78	0.24 175	0.18 92	0.20 102	0.14 13

IIG-Stereo	0.96 259	0.31 163	0.72 123	0.88 356	0.33 126	0.61 92	0.26 10	1.19 139	1.03 145	1.69 330	1.37 230	1.46 282	0.75 144	6.96 386	0.51 135	0.19 94	0.14 78	0.23 155	0.18 92	0.20 102	0.14 13

NF-Stereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.02 102	0.82 107	0.57 89	5.40 356	0.48 119	0.23 196	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

OCTAStereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.01 95	0.82 107	0.57 89	5.35 351	0.48 119	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

PSM-softLoss	0.78 203	0.31 163	0.77 164	0.58 187	0.32 110	0.56 73	0.40 88	1.18 133	0.70 49	1.24 213	1.07 119	0.83 114	0.52 63	5.36 352	0.53 149	0.24 211	0.15 128	0.25 212	0.22 202	0.20 102	0.25 212

KMStereo	0.78 203	0.31 163	0.77 164	0.58 187	0.32 110	0.56 73	0.40 88	1.18 133	0.70 49	1.24 213	1.07 119	0.83 114	0.52 63	5.36 352	0.53 149	0.24 211	0.15 128	0.25 212	0.22 202	0.20 102	0.25 212

KYRaft	0.75 190	0.28 88	0.62 67	0.56 170	0.29 66	0.67 126	0.86 297	0.94 52	0.84 79	1.62 324	2.21 351	1.16 220	1.02 263	1.57 196	0.40 62	0.20 122	0.13 44	0.22 126	0.28 283	0.20 102	1.02 381

PFNet	0.91 248	0.26 49	1.10 273	0.63 242	0.32 110	0.64 101	0.56 214	1.17 128	0.99 132	1.47 293	1.08 122	0.98 167	0.69 134	6.62 377	0.54 155	0.20 122	0.12 9	0.24 175	0.19 112	0.20 102	0.17 64

RE-Stereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.01 95	0.81 102	0.57 89	5.37 354	0.48 119	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

TVStereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.01 95	0.81 102	0.57 89	5.37 354	0.48 119	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

IRAFT_RVC	0.88 240	0.28 88	0.76 160	0.63 242	0.31 95	0.65 113	1.02 328	1.22 147	0.94 109	1.22 202	1.04 113	1.01 180	0.98 246	5.82 365	0.53 149	0.22 172	0.12 9	0.25 212	0.20 140	0.20 102	0.19 116

test-2	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 281	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

test-1	0.52 43	0.26 49	1.04 258	0.56 170	0.32 110	0.61 92	0.38 74	1.10 113	0.91 100	0.78 62	1.01 95	0.77 91	0.52 63	0.60 26	0.42 77	0.17 33	0.14 78	0.20 77	0.17 78	0.20 102	0.23 188

GMM-Stereo	0.74 183	0.25 38	0.59 56	0.54 138	0.34 141	0.72 149	0.99 323	1.01 77	0.87 84	1.36 266	1.78 317	1.12 211	0.81 171	2.09 261	0.46 109	0.18 61	0.12 9	0.25 212	0.25 244	0.20 102	0.85 376

Prome-Stereo	0.75 190	0.27 72	0.53 30	0.55 157	0.32 110	0.59 83	0.97 319	0.89 35	0.88 88	1.45 290	2.46 363	0.91 140	1.41 323	1.58 198	0.44 88	0.18 61	0.13 44	0.19 53	0.17 78	0.20 102	0.92 377

RALCasStereoNet	0.54 66	0.30 131	0.66 86	0.59 200	0.51 249	0.61 92	0.52 185	0.94 52	0.93 106	0.70 51	1.01 95	0.78 94	0.44 29	1.33 146	0.47 114	0.20 122	0.16 159	0.18 39	0.16 62	0.20 102	0.19 116

GwcNet-RSSM	0.77 197	0.32 177	1.01 245	0.62 234	0.54 263	0.78 176	0.51 176	1.73 253	1.20 222	1.09 128	1.37 230	1.46 282	0.85 189	1.53 188	1.09 274	0.25 235	0.18 201	0.23 155	0.24 233	0.20 102	0.19 116

HSM-Net_RVC	0.87 239	0.29 115	0.53 30	0.53 123	0.30 83	1.15 265	0.55 208	3.57 394	1.28 257	1.53 306	1.74 311	1.68 317	0.93 224	1.49 181	0.77 220	0.22 172	0.17 185	0.19 53	0.18 92	0.20 102	0.19 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
pmcnn	2.37 380	0.42 264	2.71 380	0.63 242	0.43 202	1.54 315	1.19 346	2.01 324	1.53 331	2.64 377	7.60 406	18.07 420	1.45 328	3.44 321	2.78 366	0.18 61	0.15 128	0.15 3	0.12 10	0.20 102	0.18 82

H2IRNET	0.56 90	0.26 49	0.66 86	0.47 43	0.35 144	0.41 12	0.26 10	0.92 43	1.17 209	0.61 43	1.28 198	1.08 197	0.86 197	0.99 95	0.63 184	0.19 94	0.16 159	0.22 126	0.25 244	0.21 136	0.18 82

LL-Strereo2	0.52 43	0.33 193	0.69 102	0.52 114	0.37 158	0.70 144	0.30 25	1.13 122	0.67 43	0.94 93	0.78 48	0.91 140	0.42 22	1.05 109	0.42 77	0.17 33	0.16 159	0.29 260	0.25 244	0.21 136	0.16 44

CBFPSM	0.92 250	0.33 193	1.86 353	0.49 68	0.38 175	1.75 332	0.84 291	1.39 178	1.12 181	1.09 128	0.99 87	2.37 363	1.66 350	1.32 144	1.42 322	0.19 94	0.18 201	0.20 77	0.20 140	0.21 136	0.33 282

CroCo-Stereo Lap2	0.44 25	0.34 212	0.77 164	0.61 223	0.79 342	0.28 2	0.35 51	0.75 9	0.71 53	0.38 4	0.50 10	0.72 84	0.55 77	0.57 15	0.47 114	0.17 33	0.18 201	0.19 53	0.16 62	0.21 136	0.20 139

TestStereo1	0.63 121	0.28 88	0.75 151	0.76 322	0.31 95	0.48 23	0.43 117	1.30 161	1.21 227	0.97 98	1.31 208	0.64 64	0.77 156	1.75 224	0.42 77	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

x	0.54 66	0.31 163	0.61 63	0.47 43	0.30 83	0.67 126	0.47 153	1.53 215	0.79 69	0.81 71	0.83 56	0.78 94	0.70 137	0.70 37	0.62 180	0.21 149	0.19 214	0.22 126	0.19 112	0.21 136	0.20 139

RAFT+CT+SA	0.58 100	0.29 115	0.60 60	0.66 268	0.37 158	0.42 14	0.55 208	1.27 157	1.03 145	0.70 51	1.22 174	0.60 56	0.70 137	1.64 205	0.41 69	0.18 61	0.13 44	0.22 126	0.22 202	0.21 136	0.18 82

test_5	0.65 136	0.30 131	0.75 151	0.67 278	0.50 239	0.92 217	0.52 185	1.39 178	1.12 181	0.76 58	1.11 136	1.00 173	0.90 212	1.53 188	0.45 96	0.18 61	0.13 44	0.23 155	0.22 202	0.21 136	0.19 116

SA-5K	0.63 121	0.28 88	0.75 151	0.76 322	0.31 95	0.48 23	0.43 117	1.30 161	1.21 227	0.97 98	1.31 208	0.64 64	0.77 156	1.75 224	0.42 77	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

SA	0.66 144	0.30 131	0.82 182	0.61 223	0.30 83	0.58 79	0.38 74	1.44 189	1.30 267	0.96 95	1.36 228	0.66 69	0.95 234	1.85 239	0.42 77	0.19 94	0.15 128	0.25 212	0.23 222	0.21 136	0.17 64

GLC_STEREO	0.39 6	0.25 38	0.41 10	0.54 138	0.23 8	0.48 23	0.30 25	0.73 7	0.58 20	0.52 31	0.73 39	0.51 34	0.31 6	0.64 29	0.42 77	0.17 33	0.20 231	0.23 155	0.19 112	0.21 136	0.17 64

test_3	0.55 81	0.23 15	0.71 119	0.53 123	0.28 54	0.61 92	0.40 88	0.92 43	1.05 153	1.19 190	0.68 29	0.93 149	0.44 29	1.67 211	0.39 58	0.15 7	0.12 9	0.22 126	0.19 112	0.21 136	0.14 13

PFNet+	0.59 103	0.28 88	0.77 164	0.53 123	0.30 83	0.59 83	0.31 30	0.92 43	1.14 194	1.33 258	1.10 131	0.79 97	0.57 89	1.31 142	0.49 126	0.25 235	0.17 185	0.28 252	0.26 258	0.21 136	0.25 212

NRIStereo	0.60 106	0.29 115	0.69 102	0.53 123	0.28 54	0.63 99	0.33 37	1.08 110	0.87 84	1.14 158	0.87 63	0.91 140	0.59 98	2.24 273	0.49 126	0.20 122	0.14 78	0.21 100	0.19 112	0.21 136	0.17 64

PSM-AAD	0.79 206	0.27 72	0.53 30	0.55 157	0.28 54	0.77 171	1.24 349	0.99 68	0.91 100	1.66 327	1.57 284	0.81 102	2.19 377	1.65 206	0.44 88	0.19 94	0.14 78	0.38 323	0.32 312	0.21 136	0.70 367

Pruner-Stereo	0.62 115	0.29 115	0.70 108	0.61 223	0.31 95	0.63 99	0.43 117	1.17 128	0.99 132	1.53 306	1.08 122	0.95 158	0.55 77	1.35 150	0.51 135	0.23 196	0.14 78	0.24 175	0.21 176	0.21 136	0.23 188

rafts_anoy	0.52 43	0.29 115	0.59 56	0.59 200	0.50 239	0.53 60	0.40 88	1.11 119	1.03 145	0.84 77	0.83 56	0.68 73	0.54 71	0.72 44	0.51 135	0.19 94	0.14 78	0.24 175	0.26 258	0.21 136	0.18 82

GES	0.66 144	0.34 212	0.90 213	0.59 200	0.38 175	0.94 222	0.57 224	2.11 339	0.86 80	1.02 112	1.11 136	0.66 69	0.79 163	0.99 95	0.61 177	0.27 258	0.19 214	0.20 77	0.20 140	0.21 136	0.30 262

SFCPSM	0.70 160	0.28 88	1.02 251	0.51 98	0.38 175	1.37 296	0.66 251	2.00 320	1.03 145	1.17 181	1.21 172	0.82 107	0.78 161	1.03 103	0.53 149	0.21 149	0.17 185	0.22 126	0.24 233	0.21 136	0.19 116

delet	0.85 230	0.32 177	0.95 227	0.65 263	0.66 307	1.64 324	0.84 291	1.75 259	1.35 290	1.32 250	1.30 203	1.30 256	0.88 205	1.68 216	1.10 277	0.21 149	0.21 247	0.24 175	0.24 233	0.21 136	0.21 156

acv_ft	0.75 190	0.31 163	0.95 227	0.70 296	0.86 356	1.24 280	0.53 191	1.44 189	1.07 161	1.24 213	1.30 203	1.08 197	0.92 218	0.80 59	1.34 305	0.21 149	0.19 214	0.21 100	0.18 92	0.21 136	0.18 82

HSM	1.19 311	0.32 177	0.65 80	0.57 181	0.38 175	1.23 279	0.59 234	2.25 364	1.19 217	1.30 238	1.25 184	1.94 339	1.03 265	9.32 408	0.71 201	0.22 172	0.16 159	0.20 77	0.16 62	0.21 136	0.21 156

MyStereo8	0.65 136	0.29 115	1.00 241	0.58 187	0.49 233	0.91 211	0.35 51	1.18 133	1.31 271	1.16 172	1.27 193	0.90 139	0.64 123	0.72 44	0.95 256	0.18 61	0.14 78	0.20 77	0.18 92	0.22 158	0.26 230

MyStereo06	0.61 112	0.28 88	0.95 227	0.56 170	0.46 225	0.61 92	0.73 266	1.78 272	0.67 43	1.03 116	1.12 142	1.13 216	0.56 81	0.78 55	0.41 69	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 139

MyStereo05	0.66 144	0.28 88	1.07 266	0.56 170	0.46 225	0.61 92	0.73 266	1.34 167	1.41 313	1.15 161	0.91 69	0.77 91	0.80 168	1.41 169	0.63 184	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 139

ACVNet-DCA	0.56 90	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	1.42 182	0.78 65	0.58 35	0.79 51	0.48 24	0.88 205	1.46 175	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 156

xx1	0.67 153	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	0.93 48	3.05 388	0.58 35	0.79 51	0.95 158	0.77 156	1.46 175	0.32 8	0.20 122	0.12 9	0.24 175	0.23 222	0.22 158	0.21 156

1test111	0.54 66	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	1.42 182	0.78 65	0.58 35	0.79 51	0.48 24	0.88 205	0.88 75	0.59 168	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 156

LL-Strereo	1.33 324	0.39 251	1.38 313	0.61 223	0.61 294	0.75 161	0.66 251	1.63 236	1.17 209	1.56 314	1.60 288	2.03 349	2.12 375	9.72 413	0.97 261	0.21 149	0.18 201	0.27 242	0.23 222	0.22 158	0.25 212

gwcnet-sp	0.74 183	0.33 193	1.44 317	0.57 181	0.45 215	1.40 301	0.54 195	1.50 201	1.14 194	1.30 238	1.02 102	0.94 152	0.82 175	1.39 163	0.76 214	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 171

scenet	0.74 183	0.33 193	1.44 317	0.57 181	0.45 215	1.40 301	0.54 195	1.50 201	1.14 194	1.30 238	1.02 102	0.94 152	0.82 175	1.39 163	0.76 214	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 171

ssnet	0.74 183	0.33 193	1.44 317	0.57 181	0.45 215	1.40 301	0.54 195	1.50 201	1.14 194	1.30 238	1.02 102	0.94 152	0.82 175	1.39 163	0.76 214	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 171

qqq	0.57 95	0.34 212	0.71 119	0.47 43	0.27 35	0.64 101	0.62 241	1.42 182	0.78 65	0.80 67	0.92 71	0.95 158	0.77 156	0.88 75	0.59 168	0.21 149	0.20 231	0.24 175	0.23 222	0.22 158	0.21 156

BUS	0.74 183	0.32 177	0.68 93	0.54 138	0.44 208	2.34 369	0.42 101	2.16 349	0.98 125	1.20 194	1.11 136	1.03 185	0.62 115	0.91 80	0.70 196	0.24 211	0.17 185	0.25 212	0.22 202	0.22 158	0.22 171

BSDual-CNN	0.71 165	0.32 177	0.68 93	0.54 138	0.44 208	1.27 284	0.65 246	2.16 349	0.98 125	1.20 194	1.11 136	1.12 211	0.74 142	0.91 80	0.66 190	0.24 211	0.17 185	0.25 212	0.22 202	0.22 158	0.22 171

hknet	0.77 197	0.32 177	0.95 227	0.54 138	0.38 175	1.27 284	0.65 246	2.16 349	1.07 161	1.20 194	1.11 136	1.59 303	0.81 171	1.37 154	0.66 190	0.22 172	0.17 185	0.25 212	0.22 202	0.22 158	0.22 171

RAFT	0.64 131	0.30 131	0.73 135	0.59 200	0.33 126	0.68 133	0.58 227	1.04 85	0.76 61	1.08 123	1.19 167	1.65 314	0.93 224	1.06 110	0.56 161	0.21 149	0.18 201	0.27 242	0.24 233	0.22 158	0.17 64

222	1.61 347	0.29 115	0.67 90	0.56 170	0.29 66	1.06 249	0.42 101	2.17 355	1.31 271	1.31 248	1.52 271	0.92 148	0.94 229	1.76 229	17.65 418	0.24 211	0.20 231	0.21 100	0.19 112	0.22 158	0.23 188

xxxx	1.51 339	0.28 88	0.68 93	0.54 138	0.28 54	1.16 267	0.44 129	2.19 357	1.29 261	1.09 128	1.36 228	1.22 230	0.85 189	1.79 232	15.70 417	0.24 211	0.21 247	0.21 100	0.20 140	0.22 158	0.23 188

test_xeample	1.45 335	0.28 88	0.65 80	0.51 98	0.28 54	0.94 222	0.59 234	2.14 344	1.29 261	1.24 213	1.51 270	0.88 134	0.86 197	1.46 175	15.10 414	0.22 172	0.20 231	0.22 126	0.20 140	0.22 158	0.22 171

FENet	0.60 106	0.28 88	0.63 70	0.54 138	0.33 126	0.83 194	0.38 74	1.27 157	1.07 161	1.00 106	0.86 60	0.99 172	0.85 189	0.96 87	0.68 194	0.22 172	0.15 128	0.23 155	0.20 140	0.22 158	0.23 188

ac_64	0.82 217	0.29 115	0.81 180	0.71 303	0.60 291	1.05 246	0.54 195	1.99 319	0.92 104	1.18 186	1.06 116	1.99 344	1.08 277	1.94 249	0.97 261	0.27 258	0.22 261	0.24 175	0.23 222	0.22 158	0.19 116

ACVNet	0.63 121	0.31 163	0.54 34	0.54 138	0.36 150	0.80 185	0.46 147	1.37 172	1.07 161	0.93 88	1.30 203	1.08 197	0.85 189	0.80 59	0.94 254	0.21 149	0.19 214	0.21 100	0.18 92	0.22 158	0.18 82

GANet-RSSM	0.72 166	0.28 88	0.63 70	0.64 251	0.58 281	0.80 185	0.58 227	1.89 294	1.08 165	1.04 119	1.25 184	1.15 219	1.04 266	1.49 181	0.62 180	0.25 235	0.19 214	0.22 126	0.22 202	0.22 158	0.21 156

AANet_RVC	1.16 309	0.52 300	1.49 330	0.65 263	0.45 215	0.75 161	0.69 260	1.42 182	1.55 334	1.34 261	1.87 329	1.53 294	0.78 161	7.43 393	1.38 310	0.25 235	0.17 185	0.19 53	0.16 62	0.22 158	0.26 230

iResNet	0.75 190	0.40 255	1.36 312	0.67 278	0.29 66	0.92 217	0.59 234	1.52 209	1.25 240	1.28 226	1.48 264	0.94 152	0.76 152	1.62 203	0.78 222	0.18 61	0.14 78	0.18 39	0.15 33	0.22 158	0.23 188

DN-CSS_ROB	0.64 131	0.32 177	1.05 259	0.55 157	0.40 188	0.54 64	0.45 140	1.21 140	0.93 106	1.03 116	1.47 259	0.69 78	0.63 120	1.76 229	0.49 126	0.18 61	0.14 78	0.25 212	0.22 202	0.22 158	0.20 139

Former-RAFT_DAM_RVC	0.46 28	0.36 235	0.71 119	0.47 43	0.36 150	0.67 126	0.35 51	0.78 13	1.12 181	0.61 43	0.62 22	0.39 4	0.39 15	0.71 41	0.39 58	0.20 122	0.17 185	0.22 126	0.18 92	0.23 183	0.19 116

SMFormer	0.75 190	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.82 237	0.24 211	0.20 231	0.22 126	0.21 176	0.23 183	0.24 200

MyStereo07	0.48 36	0.29 115	0.50 19	0.55 157	0.45 215	0.59 83	0.79 279	1.05 91	0.51 14	0.48 20	0.53 11	0.43 7	0.55 77	1.30 141	0.34 25	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 139

MyStereo04	0.67 153	0.29 115	1.07 266	0.55 157	0.45 215	0.59 83	0.79 279	1.50 201	1.40 310	0.91 85	0.91 69	0.74 85	0.86 197	1.52 184	0.62 180	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 139

CASnet	0.41 13	0.25 38	0.48 16	0.50 75	0.20 2	0.50 42	0.36 61	0.81 23	0.80 70	0.83 75	0.68 29	0.48 24	0.31 6	0.54 9	0.32 8	0.18 61	0.12 9	0.27 242	0.22 202	0.23 183	0.14 13
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
knoymous	0.51 42	0.29 115	0.47 14	0.43 9	0.30 83	0.55 70	0.55 208	1.02 78	0.77 63	0.98 102	0.85 59	0.94 152	0.56 81	0.85 70	0.45 96	0.20 122	0.14 78	0.26 231	0.14 25	0.23 183	0.23 188

CRFU-Net	0.86 235	0.39 251	1.00 241	0.65 263	0.57 273	1.78 339	0.86 297	2.15 346	0.81 71	1.38 273	1.18 164	1.64 312	1.19 296	1.35 150	0.90 251	0.26 249	0.22 261	0.21 100	0.19 112	0.23 183	0.24 200

psmg	0.72 166	0.32 177	0.68 93	0.50 75	0.44 208	1.48 309	0.75 268	1.94 310	0.98 125	1.21 197	1.33 216	1.12 211	0.74 142	0.91 80	0.66 190	0.24 211	0.19 214	0.25 212	0.25 244	0.23 183	0.22 171

CSP-Net	0.97 265	0.38 246	0.83 184	0.53 123	0.41 194	1.63 322	0.77 274	2.00 320	1.05 153	1.25 217	1.20 170	1.33 261	0.83 184	4.93 346	0.85 245	0.32 292	0.22 261	0.20 77	0.20 140	0.23 183	0.25 212

GANet-ADL	0.60 106	0.35 228	0.72 123	0.64 251	0.40 188	0.68 133	0.51 176	1.49 197	1.12 181	0.95 94	1.08 122	0.91 140	0.57 89	0.76 52	0.55 159	0.26 249	0.18 201	0.18 39	0.16 62	0.23 183	0.25 212

AAGNet	1.83 360	0.28 88	0.72 123	0.61 223	0.32 110	0.67 126	0.51 176	0.96 63	0.98 125	1.47 293	1.20 170	1.00 173	1.18 293	2.83 299	22.77 424	0.22 172	0.13 44	0.22 126	0.19 112	0.23 183	0.15 29

SST-Stereo	0.83 222	0.28 88	0.72 123	0.59 200	0.31 95	0.72 149	0.26 10	1.09 111	0.86 80	1.47 293	1.10 131	1.00 173	0.87 201	5.73 364	0.45 96	0.22 172	0.13 44	0.23 155	0.19 112	0.23 183	0.18 82

RAFT_R40	0.83 222	0.28 88	0.73 135	0.59 200	0.31 95	0.69 137	0.44 129	1.10 113	0.95 111	1.47 293	1.10 131	1.00 173	0.85 189	5.53 358	0.46 109	0.22 172	0.13 44	0.23 155	0.20 140	0.23 183	0.18 82

HGLStereo	0.85 230	0.38 246	0.94 224	0.80 331	1.03 369	1.17 269	0.58 227	1.52 209	1.20 222	1.19 190	1.62 295	1.13 216	1.20 299	1.80 233	1.06 269	0.24 211	0.24 278	0.24 175	0.21 176	0.23 183	0.27 236

1111x	1.70 355	0.29 115	0.86 192	0.51 98	0.27 35	1.01 241	0.68 256	2.22 361	1.28 257	1.13 156	1.40 240	1.21 228	1.10 281	5.53 358	15.20 415	0.22 172	0.21 247	0.22 126	0.22 202	0.24 197	0.22 171

whm_eth	0.65 136	0.47 282	1.05 259	0.55 157	0.64 302	0.69 137	0.45 140	1.34 167	1.26 245	1.02 112	1.92 334	0.49 31	0.48 50	0.70 37	0.52 141	0.23 196	0.20 231	0.25 212	0.24 233	0.24 197	0.31 272

test croco	0.46 28	0.27 72	1.01 245	0.50 75	0.40 188	0.35 5	0.37 70	0.87 27	0.56 19	0.43 8	0.76 45	0.42 5	0.40 18	1.13 123	0.45 96	0.21 149	0.15 128	0.24 175	0.19 112	0.24 197	0.16 44

MIF-Stereo (partial)	0.45 27	0.25 38	0.70 108	0.50 75	0.52 257	0.35 5	0.26 10	0.91 42	0.59 23	0.45 14	0.71 35	0.51 34	0.51 61	1.11 120	0.45 96	0.20 122	0.16 159	0.23 155	0.20 140	0.24 197	0.18 82

riskmin	0.56 90	0.27 72	0.60 60	0.43 9	0.31 95	0.83 194	0.42 101	1.14 123	1.04 149	0.73 57	0.75 43	1.11 210	1.01 258	0.81 63	0.51 135	0.20 122	0.14 78	0.24 175	0.15 33	0.24 197	0.25 212

DeepStereo_RVC	0.55 81	0.29 115	0.72 123	0.51 98	0.30 83	0.59 83	0.33 37	1.03 81	0.70 49	1.16 172	0.93 73	0.83 114	0.94 229	0.96 87	0.54 155	0.21 149	0.14 78	0.21 100	0.19 112	0.24 197	0.24 200

ICVP	0.63 121	0.33 193	0.57 48	0.61 223	0.40 188	0.80 185	0.58 227	1.61 231	0.89 91	0.90 83	1.24 180	0.88 134	0.73 140	0.72 44	0.88 248	0.29 276	0.21 247	0.22 126	0.21 176	0.24 197	0.27 236
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
PSMNet-RSSM	0.72 166	0.30 131	0.61 63	0.63 242	0.42 197	0.73 152	0.56 214	1.92 304	1.10 175	1.09 128	1.37 230	1.22 230	0.98 246	1.28 137	0.72 204	0.27 258	0.19 214	0.27 242	0.29 294	0.24 197	0.24 200

DMCA	0.67 153	0.34 212	0.90 213	0.51 98	0.44 208	0.86 203	0.47 153	1.42 182	1.02 142	1.17 181	1.12 142	1.23 235	0.75 144	0.78 55	0.95 256	0.25 235	0.19 214	0.27 242	0.19 112	0.24 197	0.27 236

iResNetv2_ROB	0.80 209	0.37 241	1.71 342	0.56 170	0.37 158	0.94 222	0.64 244	1.73 253	1.34 282	1.23 205	1.42 243	1.26 245	0.92 218	1.85 239	0.56 161	0.23 196	0.15 128	0.19 53	0.14 25	0.24 197	0.19 116

mmm	0.63 121	0.35 228	0.72 123	0.51 98	0.30 83	0.86 203	0.54 195	1.59 225	0.86 80	1.07 122	1.38 234	0.79 97	0.75 144	0.91 80	0.58 166	0.22 172	0.18 201	0.29 260	0.25 244	0.25 207	0.23 188

GwcNet-ADL	0.64 131	0.31 163	0.79 174	0.56 170	0.41 194	0.60 89	0.58 227	1.41 180	1.26 245	1.08 123	1.13 147	0.91 140	0.60 100	1.04 108	0.78 222	0.27 258	0.18 201	0.18 39	0.18 92	0.25 207	0.29 250

HCRNet	0.70 160	0.39 251	0.73 135	0.60 211	0.59 288	0.76 165	0.35 51	1.22 147	1.13 192	1.02 112	0.99 87	1.02 182	0.76 152	2.19 270	0.70 196	0.28 268	0.19 214	0.28 252	0.23 222	0.25 207	0.23 188

MMNet	0.84 226	0.32 177	1.09 270	0.60 211	0.59 288	1.85 345	0.49 168	1.51 206	1.27 252	1.37 268	1.15 156	1.26 245	1.18 293	1.67 211	1.22 290	0.19 94	0.18 201	0.23 155	0.22 202	0.25 207	0.21 156

UNet	0.83 222	0.34 212	1.31 303	0.58 187	0.74 327	1.58 318	0.49 168	1.41 180	1.04 149	1.21 197	1.08 122	1.54 295	1.12 285	1.65 206	1.09 274	0.23 196	0.17 185	0.25 212	0.20 140	0.25 207	0.22 171

UPFNet	0.80 209	0.32 177	0.90 213	0.59 200	0.74 327	1.26 283	0.80 285	1.52 209	1.10 175	1.30 238	1.12 142	1.30 256	0.84 186	1.67 211	1.09 274	0.24 211	0.24 278	0.24 175	0.23 222	0.25 207	0.18 82

StereoDRNet-Refined	0.80 209	0.41 261	0.88 205	0.62 234	0.42 197	1.33 291	0.48 161	1.52 209	1.17 209	1.45 290	1.44 250	1.44 278	0.90 212	1.26 136	1.24 292	0.20 122	0.16 159	0.27 242	0.24 233	0.25 207	0.28 247
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LE_ROB	8.05 413	0.37 241	23.53 420	0.74 316	0.33 126	2.77 381	2.87 409	3.71 396	27.24 427	25.39 427	8.87 412	8.46 410	26.71 427	6.65 378	21.99 421	0.21 149	0.19 214	0.20 77	0.21 176	0.25 207	0.22 171

iinet-f	0.99 270	0.45 276	3.71 388	0.55 157	0.43 202	1.81 340	0.68 256	1.14 123	1.14 194	1.18 186	1.42 243	1.58 302	1.44 326	1.34 149	1.59 335	0.24 211	0.23 269	0.20 77	0.19 112	0.26 215	0.25 212

NINENet	0.77 197	0.37 241	0.78 172	0.62 234	0.51 249	2.34 369	0.42 101	1.83 284	1.04 149	1.14 158	1.23 178	1.03 185	0.62 115	1.24 134	0.70 196	0.28 268	0.23 269	0.31 273	0.21 176	0.26 215	0.25 212

ADLNet2	0.88 240	0.34 212	1.17 284	0.77 325	0.64 302	1.12 258	0.76 271	1.74 257	1.24 237	1.21 197	1.65 301	1.71 320	1.05 270	1.67 211	1.17 286	0.24 211	0.21 247	0.21 100	0.22 202	0.26 215	0.29 250

Patchmatch Stereo++	0.55 81	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.29 21	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.37 154	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.41 99	1.04 85	0.64 29	1.12 142	0.96 77	0.82 107	0.61 110	1.06 110	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

ROB_FTStereo_v2	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.64 101	0.42 101	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.12 122	0.46 109	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

ROB_FTStereo	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.64 101	0.25 4	1.05 91	0.64 29	1.12 142	0.95 75	0.82 107	0.61 110	1.15 125	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

HUI-Stereo	0.52 43	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.30 25	1.04 85	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	0.79 58	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

iGMRVC	0.56 90	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.38 74	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.52 184	0.46 109	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

iRAFT	0.55 81	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.29 21	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.37 154	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

RAFT-IKP	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.59 83	0.36 61	1.04 85	0.64 29	1.12 142	0.96 77	0.83 114	0.61 110	1.22 131	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

CFNet	0.96 259	0.36 235	1.01 245	0.62 234	0.42 197	0.99 238	0.47 153	1.90 297	1.32 276	0.99 104	1.39 238	1.10 206	0.86 197	5.58 361	0.79 228	0.23 196	0.17 185	0.28 252	0.27 266	0.26 215	0.21 156

fast-acv-ft	0.94 255	0.44 270	1.40 314	0.58 187	0.51 249	1.77 337	0.69 260	1.36 171	1.42 316	1.29 231	1.86 327	1.74 324	1.25 307	1.52 184	1.38 310	0.26 249	0.28 303	0.28 252	0.28 283	0.27 227	0.26 230

ToySt	0.66 144	0.33 193	1.23 290	0.51 98	0.33 126	0.86 203	0.68 256	1.10 113	0.97 120	0.84 77	1.08 122	1.25 241	0.94 229	1.01 100	0.74 208	0.19 94	0.19 214	0.24 175	0.24 233	0.27 227	0.23 188

ssnet_v2	0.88 240	0.36 235	1.02 251	0.62 234	0.38 175	1.32 290	0.97 319	2.07 335	1.34 282	1.37 268	1.18 164	1.54 295	0.92 218	1.10 117	1.65 336	0.30 280	0.27 297	0.30 269	0.28 283	0.27 227	0.26 230

Wz-Net-LNSev-Ref	0.99 270	0.40 255	1.82 350	0.66 268	0.62 299	2.05 357	0.78 276	1.91 301	1.29 261	1.54 310	1.42 243	1.51 292	1.23 304	1.99 253	1.33 303	0.23 196	0.14 78	0.20 77	0.15 33	0.27 227	0.26 230

DAS	0.84 226	0.34 212	1.03 255	0.64 251	0.69 317	0.77 171	0.63 242	1.54 217	1.20 222	1.79 340	1.55 276	0.95 158	1.04 266	2.83 299	0.60 175	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 171

SepStereo	0.82 217	0.34 212	1.03 255	0.64 251	0.69 317	0.77 171	0.63 242	1.54 217	1.20 222	1.79 340	1.55 276	0.95 158	1.04 266	2.30 277	0.60 175	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 171

PSMNet-ADL	0.72 166	0.35 228	0.62 67	0.69 291	0.46 225	1.14 260	0.44 129	1.37 172	1.01 139	0.83 75	1.17 162	1.33 261	0.96 239	1.43 170	0.95 256	0.33 297	0.22 261	0.21 100	0.23 222	0.27 227	0.29 250

LCNet	0.72 166	0.28 88	0.52 28	0.55 157	0.31 95	0.69 137	0.54 195	1.00 72	0.88 88	1.19 190	1.34 221	0.97 166	1.34 320	2.56 290	0.45 96	0.18 61	0.13 44	0.21 100	0.25 244	0.27 227	0.73 370

GEStereo_RVC	0.90 245	0.37 241	0.99 236	0.64 251	0.50 239	0.95 226	0.79 279	2.42 376	1.17 209	1.16 172	1.11 136	1.26 245	0.92 218	3.24 313	0.90 251	0.29 276	0.19 214	0.23 155	0.20 140	0.27 227	0.29 250

TestStereo	0.64 131	0.39 251	0.71 119	0.51 98	0.27 35	0.56 73	0.42 101	1.03 81	0.91 100	0.80 67	1.00 90	0.68 73	0.52 63	3.25 314	0.45 96	0.22 172	0.15 128	0.24 175	0.18 92	0.27 227	0.16 44

RALAANet	0.60 106	0.33 193	0.87 202	0.62 234	0.50 239	0.69 137	0.31 30	1.21 140	1.06 156	1.09 128	1.16 159	0.88 134	0.46 36	1.22 131	0.42 77	0.19 94	0.15 128	0.21 100	0.17 78	0.27 227	0.17 64

RAFT + AFF	1.00 274	0.42 264	1.09 270	0.67 278	0.50 239	1.22 278	1.24 349	2.24 363	1.19 217	1.30 238	1.56 280	1.17 221	1.49 334	3.44 321	0.83 239	0.21 149	0.25 285	0.30 269	0.26 258	0.27 227	0.27 236

psm_up	0.77 197	0.34 212	0.70 108	0.66 268	0.58 281	1.05 246	0.92 309	1.52 209	1.12 181	1.26 221	1.16 159	1.31 259	1.23 304	1.20 129	0.81 232	0.25 235	0.29 311	0.31 273	0.27 266	0.27 227	0.25 212

DLCB_ROB	0.86 235	0.40 255	0.78 172	0.68 288	0.54 263	1.11 255	0.84 291	1.49 197	1.23 233	1.64 326	1.65 301	1.70 319	0.91 215	1.70 218	1.05 267	0.25 235	0.24 278	0.26 231	0.27 266	0.27 227	0.24 200

CASS	0.65 136	0.34 212	0.72 123	0.56 170	0.27 35	0.78 176	0.42 101	1.59 225	0.86 80	1.30 238	1.25 184	0.87 131	0.84 186	0.84 68	0.54 155	0.35 312	0.19 214	0.26 231	0.21 176	0.28 241	0.42 313
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
AASNet	0.76 196	0.35 228	0.91 216	0.79 328	0.81 349	1.14 260	0.56 214	2.02 327	1.08 165	1.22 202	1.24 180	0.93 149	0.76 152	0.77 54	1.16 284	0.27 258	0.23 269	0.24 175	0.20 140	0.28 241	0.24 200

CRE-IMP	0.55 81	0.30 131	0.74 149	0.52 114	0.29 66	0.79 180	0.25 4	1.04 85	0.72 54	1.09 128	0.95 75	0.81 102	0.57 89	1.10 117	0.50 132	0.21 149	0.14 78	0.23 155	0.19 112	0.28 241	0.22 171

ADLNet	0.85 230	0.36 235	0.89 210	0.85 348	0.72 322	1.24 280	0.76 271	1.82 280	1.36 293	1.52 305	1.35 227	1.27 249	0.99 254	1.23 133	1.15 283	0.27 258	0.20 231	0.26 231	0.25 244	0.28 241	0.30 262

DSFCA	0.93 253	0.34 212	1.06 262	0.52 114	0.65 305	1.55 316	0.93 313	1.49 197	1.19 217	1.56 314	1.15 156	1.50 290	0.96 239	3.07 307	1.02 266	0.30 280	0.26 289	0.25 212	0.25 244	0.28 241	0.24 200

ttt	0.94 255	0.34 212	0.59 56	0.61 223	0.37 158	0.94 222	0.50 175	2.17 355	1.34 282	1.23 205	1.61 292	0.91 140	0.76 152	1.85 239	3.97 381	0.30 280	0.26 289	0.26 231	0.24 233	0.29 246	0.29 250

AACVNet	0.86 235	0.35 228	0.79 174	0.82 339	0.39 183	0.76 165	0.49 168	1.61 231	0.81 71	1.08 123	1.33 216	1.30 256	0.93 224	4.34 335	0.74 208	0.25 235	0.21 247	0.28 252	0.22 202	0.29 246	0.25 212

LMCR-Stereo	0.82 217	0.46 278	0.88 205	0.75 320	0.43 202	1.33 291	0.56 214	2.43 377	0.98 125	1.53 306	1.49 265	0.74 85	1.00 256	1.63 204	0.89 249	0.28 268	0.17 185	0.22 126	0.17 78	0.29 246	0.20 139

sCroCo_RVC	0.49 39	0.40 255	1.02 251	0.65 263	0.60 291	0.52 55	0.40 88	0.83 24	0.61 24	0.44 10	0.74 41	0.49 31	0.50 59	0.63 28	0.48 119	0.26 249	0.27 297	0.23 155	0.22 202	0.29 246	0.25 212

Syn2CoEx	1.14 304	0.69 340	1.66 339	0.80 331	0.67 309	1.40 301	0.88 300	2.06 334	1.54 332	1.25 217	1.58 286	1.42 273	1.50 335	4.09 329	1.40 314	0.36 315	0.32 328	0.34 303	0.29 294	0.29 246	0.34 284

ADCRef	1.35 326	0.55 307	2.37 371	0.72 306	0.77 337	1.94 350	0.78 276	1.91 301	1.27 252	1.57 318	1.59 287	1.36 266	1.41 323	1.54 190	7.53 395	0.23 196	0.20 231	0.32 286	0.30 302	0.29 246	0.29 250

NLCA_NET_v2_RVC	0.79 206	0.43 267	1.05 259	0.64 251	0.58 281	0.95 226	0.53 191	1.53 215	1.18 214	1.37 268	1.15 156	1.43 274	0.88 205	1.61 202	0.84 242	0.25 235	0.22 261	0.27 242	0.27 266	0.29 246	0.29 250
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HITNet	0.65 136	0.40 255	0.77 164	0.48 55	0.24 11	1.05 246	0.49 168	1.76 265	1.02 142	1.18 186	1.18 164	0.89 138	0.80 168	0.85 70	0.79 228	0.17 33	0.12 9	0.21 100	0.17 78	0.29 246	0.15 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
AdaStereo	0.70 160	0.43 267	0.75 151	0.73 314	0.37 158	0.92 217	0.53 191	1.85 286	1.18 214	1.12 142	1.23 178	1.07 196	0.65 128	0.96 87	0.63 184	0.31 287	0.15 128	0.32 286	0.21 176	0.29 246	0.22 171
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.
mmx	1.39 330	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	2.13 340	1.37 297	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 396	0.24 211	0.19 214	0.31 273	0.27 266	0.30 255	0.25 212

xxx	1.39 330	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	2.13 340	1.37 297	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 396	0.24 211	0.19 214	0.31 273	0.27 266	0.30 255	0.25 212

GwcNet	1.08 289	0.51 297	2.33 369	0.79 328	1.18 381	1.76 334	0.70 262	1.68 245	1.47 322	1.41 281	1.64 299	1.74 324	1.04 266	2.20 271	1.41 318	0.30 280	0.29 311	0.29 260	0.27 266	0.30 255	0.35 289

CFNet-ft	0.72 166	0.32 177	0.54 34	0.66 268	0.54 263	0.83 194	0.55 208	1.37 172	1.15 203	0.93 88	1.28 198	1.57 299	0.97 242	1.35 150	0.81 232	0.26 249	0.20 231	0.33 293	0.25 244	0.30 255	0.23 188

CFNet_RVC	0.72 166	0.32 177	0.54 34	0.66 268	0.54 263	0.83 194	0.55 208	1.37 172	1.15 203	0.93 88	1.28 198	1.57 299	0.97 242	1.35 150	0.81 232	0.26 249	0.20 231	0.33 293	0.25 244	0.30 255	0.23 188

NaN_ROB	1.13 302	0.55 307	1.15 281	0.64 251	0.48 230	1.61 320	2.03 391	1.72 252	1.48 323	2.09 359	1.27 193	1.40 270	1.08 277	3.94 327	1.30 301	0.28 268	0.34 330	0.28 252	0.28 283	0.30 255	0.33 282

SGM_RVC	1.68 353	0.36 235	0.61 63	0.59 200	0.29 66	2.25 365	1.18 345	2.38 374	1.68 342	3.60 393	2.67 368	3.69 386	2.42 383	8.13 401	1.90 347	0.31 287	0.31 321	0.30 269	0.28 283	0.30 255	0.29 250
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Anonymous3	0.61 112	0.44 270	1.11 275	0.59 200	0.49 233	0.93 220	0.65 246	0.93 48	0.81 71	0.72 56	0.88 65	0.65 67	0.69 134	1.06 110	0.53 149	0.35 312	0.30 315	0.26 231	0.26 258	0.31 262	0.27 236

GMStereo	0.55 81	0.45 276	0.94 224	0.50 75	0.32 110	0.64 101	0.43 117	1.00 72	1.40 310	0.82 74	0.73 39	0.51 34	0.45 32	0.85 70	0.55 159	0.24 211	0.15 128	0.20 77	0.21 176	0.31 262	0.24 200
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
DeepPruner_ROB	0.74 183	0.48 287	0.87 202	0.57 181	0.44 208	0.79 180	0.54 195	1.73 253	0.96 113	1.38 273	1.27 193	1.24 237	0.73 140	1.43 170	0.73 207	0.34 305	0.28 303	0.27 242	0.26 258	0.31 262	0.31 272

DISCO	1.03 280	0.34 212	1.11 275	0.69 291	0.45 215	2.07 358	0.84 291	2.13 340	1.50 326	1.15 161	1.33 216	2.40 365	1.07 276	2.60 292	1.51 331	0.23 196	0.18 201	0.22 126	0.20 140	0.31 262	0.27 236

MDST_ROB	1.67 351	0.34 212	1.58 335	0.92 365	0.58 281	4.26 403	1.11 336	2.83 384	1.41 313	4.49 403	2.55 365	1.45 280	0.97 242	7.79 398	1.17 286	0.31 287	0.25 285	0.37 320	0.33 318	0.31 262	0.30 262

dd	0.59 103	0.48 287	0.97 233	0.55 157	0.32 110	0.64 101	0.47 153	1.02 78	1.34 282	0.78 62	0.86 60	0.58 51	0.54 71	1.01 100	0.86 247	0.28 268	0.18 201	0.26 231	0.19 112	0.32 267	0.24 200

DMCA-RVC	0.74 183	0.40 255	1.27 299	0.66 268	0.49 233	0.77 171	0.47 153	1.35 169	1.01 139	1.53 306	1.01 95	1.29 255	0.82 175	1.31 142	0.78 222	0.27 258	0.21 247	0.35 310	0.27 266	0.32 267	0.24 200

STTStereo	0.78 203	0.50 294	1.22 289	0.64 251	0.54 263	0.89 206	0.54 195	1.44 189	1.11 177	1.38 273	1.09 127	1.27 249	0.85 189	1.43 170	0.83 239	0.29 276	0.27 297	0.33 293	0.39 337	0.32 267	0.30 262

PA-Net	1.01 277	0.57 314	1.29 301	0.64 251	0.74 327	1.19 274	0.84 291	1.69 247	1.43 318	1.16 172	1.19 167	1.32 260	1.19 296	3.42 319	1.25 293	0.29 276	0.45 366	0.33 293	0.49 361	0.32 267	0.47 328
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
UCFNet_RVC	0.69 158	0.35 228	0.49 18	0.64 251	0.39 183	0.85 202	0.58 227	1.75 259	1.14 194	0.97 98	1.19 167	1.17 221	0.93 224	0.99 95	0.62 180	0.28 268	0.20 231	0.34 303	0.31 306	0.32 267	0.27 236

DRN-Test	1.00 274	0.44 270	1.13 279	0.70 296	0.81 349	1.62 321	0.79 279	2.14 344	1.44 319	1.78 337	1.33 216	1.43 274	1.05 270	2.18 269	1.53 332	0.27 258	0.21 247	0.31 273	0.30 302	0.32 267	0.28 247

Wz-Net-LNSev	1.03 280	0.67 337	2.71 380	0.64 251	0.84 353	1.75 332	1.00 325	1.80 276	1.32 276	1.28 226	1.25 184	1.65 314	1.22 303	1.39 163	1.40 314	0.28 268	0.26 289	0.24 175	0.23 222	0.33 273	0.32 278

CBMV	0.95 258	0.44 270	0.66 86	0.53 123	0.35 144	1.53 314	1.63 372	1.69 247	1.42 316	2.00 356	1.60 288	1.43 274	1.17 290	1.59 200	0.99 264	0.34 305	0.34 330	0.39 329	0.33 318	0.33 273	0.32 278
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-MNSev	1.11 297	0.58 317	2.23 367	0.66 268	0.71 320	1.95 351	1.46 362	1.98 318	1.45 320	1.79 340	1.43 247	1.49 289	1.33 319	1.97 252	1.42 322	0.27 258	0.23 269	0.28 252	0.28 283	0.34 275	0.31 272

SACVNet	0.85 230	0.46 278	0.85 186	0.81 334	0.56 271	0.80 185	0.79 279	1.68 245	1.12 181	1.34 261	1.33 216	1.25 241	0.94 229	2.39 284	0.76 214	0.34 305	0.26 289	0.31 273	0.29 294	0.35 276	0.44 319

hitnet-ft	0.79 206	0.35 228	0.57 48	0.58 187	0.42 197	0.96 230	0.46 147	1.47 194	1.33 279	1.19 190	1.22 174	1.81 328	0.98 246	1.66 210	0.94 254	0.33 297	0.28 303	0.34 303	0.27 266	0.35 276	0.31 272

FAT-Stereo	1.07 286	0.41 261	1.32 306	0.72 306	0.58 281	1.08 252	0.89 302	1.96 313	1.65 339	1.75 334	1.98 338	2.03 349	1.48 332	2.02 255	1.18 289	0.42 335	0.35 338	0.34 303	0.29 294	0.35 276	0.53 341

FADNet-RVC-Resample	0.84 226	0.47 282	2.10 360	0.61 223	0.45 215	1.07 251	0.61 239	1.59 225	1.20 222	1.08 123	0.98 85	1.03 185	0.98 246	2.17 266	0.72 204	0.23 196	0.22 261	0.30 269	0.32 312	0.35 276	0.34 284

StereoDRNet	0.98 269	0.47 282	1.70 341	0.76 322	0.94 364	1.51 312	0.91 307	1.92 304	1.32 276	1.61 321	1.13 147	1.47 287	0.97 242	1.75 224	1.46 327	0.28 268	0.23 269	0.29 260	0.27 266	0.35 276	0.27 236

PSMNet_ROB	0.90 245	0.52 300	1.17 284	0.72 306	0.61 294	1.27 284	1.12 338	1.76 265	1.12 181	1.09 128	1.28 198	1.45 280	0.89 211	1.65 206	1.42 322	0.33 297	0.25 285	0.37 320	0.39 337	0.35 276	0.29 250

StereoVision	0.65 136	0.34 212	0.86 192	0.59 200	0.40 188	0.50 42	0.41 99	1.09 111	0.93 106	0.71 53	2.50 364	0.82 107	0.57 89	1.03 103	0.49 126	0.25 235	0.28 303	0.29 260	0.28 283	0.36 282	0.20 139

CFNet_pseudo	0.66 144	0.32 177	0.86 192	0.48 55	0.39 183	0.70 144	0.40 88	1.33 163	1.22 230	1.16 172	1.34 221	1.24 237	0.64 123	0.98 93	0.59 168	0.21 149	0.16 159	0.33 293	0.19 112	0.36 282	0.25 212

APVNet	1.06 284	0.53 303	1.42 316	0.84 343	0.79 342	1.92 348	0.82 289	1.90 297	1.08 165	1.08 123	1.43 247	1.56 298	1.13 287	3.07 307	1.58 333	0.31 287	0.34 330	0.42 338	0.36 331	0.36 282	0.37 295

SGM-ForestM	6.52 410	0.38 246	1.26 296	0.63 242	0.35 144	13.59 421	5.32 415	6.32 414	6.70 409	11.14 418	9.18 413	22.51 428	13.93 417	16.89 421	20.07 420	0.36 315	0.37 345	0.36 318	0.35 327	0.36 282	0.34 284

pcwnet_v2	0.97 265	0.37 241	4.33 389	0.62 234	0.54 263	0.79 180	0.45 140	2.02 327	1.58 335	1.42 287	1.64 299	1.09 204	0.79 163	1.24 134	0.67 193	0.32 292	0.25 285	0.29 260	0.27 266	0.37 286	0.35 289

BEATNet_4x	0.73 180	0.49 290	1.17 284	0.53 123	0.26 22	1.03 243	0.55 208	1.82 280	1.06 156	1.21 197	1.22 174	0.96 164	0.91 215	1.01 100	1.06 269	0.21 149	0.14 78	0.24 175	0.19 112	0.37 286	0.21 156

RTSC	1.29 318	0.73 345	2.44 372	0.83 342	0.57 273	1.85 345	0.65 246	1.88 292	2.00 363	2.20 362	1.66 303	1.60 305	1.26 309	2.33 279	3.92 379	0.32 292	0.23 269	0.27 242	0.29 294	0.37 286	0.37 295

ADCP+	1.99 370	0.48 287	7.73 401	0.66 268	0.91 360	2.30 367	1.05 331	1.82 280	1.34 282	1.54 310	1.32 214	1.74 324	1.61 343	2.17 266	13.37 410	0.24 211	0.21 247	0.32 286	0.28 283	0.37 286	0.29 250

TDLM	1.06 284	0.44 270	0.79 174	0.63 242	0.50 239	0.89 206	1.44 361	1.48 195	1.26 245	1.12 142	1.40 240	1.08 197	0.98 246	6.65 378	0.78 222	0.33 297	0.21 247	0.33 293	0.26 258	0.37 286	0.24 200

ccs_rob	0.66 144	0.33 193	0.86 192	0.48 55	0.39 183	0.70 144	0.40 88	1.33 163	1.22 230	1.16 172	1.34 221	1.23 235	0.64 123	0.98 93	0.59 168	0.21 149	0.16 159	0.35 310	0.20 140	0.37 286	0.25 212

XPNet_ROB	0.96 259	0.49 290	1.09 270	0.72 306	0.57 273	1.11 255	1.14 340	1.66 243	1.23 233	1.85 346	1.39 238	1.64 312	1.11 282	1.80 233	1.42 322	0.38 323	0.30 315	0.33 293	0.29 294	0.37 286	0.34 284

SGM-Forest	1.24 313	0.38 246	0.60 60	0.52 114	0.37 158	1.56 317	1.30 354	1.65 238	1.36 293	2.11 360	1.79 318	1.63 309	0.93 224	7.48 395	0.95 256	0.36 315	0.37 345	0.39 329	0.34 323	0.37 286	0.32 278
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
aanetorigin	1.23 312	0.79 354	2.78 382	0.70 296	0.79 342	0.99 238	1.06 332	1.06 104	1.37 297	3.52 392	2.61 366	1.72 321	1.63 344	1.99 253	1.78 341	0.25 235	0.24 278	0.26 231	0.25 244	0.38 294	0.45 321

Nwc_Net	1.09 291	0.49 290	1.33 308	0.89 359	0.80 347	1.49 311	0.66 251	2.19 357	1.27 252	1.32 250	2.26 353	1.96 341	1.54 336	1.92 245	1.34 305	0.40 328	0.30 315	0.43 340	0.45 351	0.38 294	0.37 295

ADCL	1.72 358	0.57 314	3.66 386	0.67 278	0.61 294	2.61 378	1.85 381	1.96 313	1.67 341	1.90 350	1.83 322	2.06 352	1.90 365	2.13 264	9.15 403	0.26 249	0.24 278	0.34 303	0.32 312	0.38 294	0.35 289

PWC_ROB	1.24 313	0.76 352	2.46 374	0.72 306	0.78 340	1.15 265	0.49 168	1.75 259	1.92 359	2.31 364	3.07 373	1.59 303	1.40 322	2.46 287	2.10 356	0.33 297	0.22 261	0.35 310	0.24 233	0.38 294	0.41 309

AF-Net	1.13 302	0.52 300	1.33 308	0.86 350	0.91 360	1.38 299	0.71 264	2.16 349	1.62 337	1.56 314	2.40 360	1.99 344	1.65 346	1.81 235	1.48 329	0.48 354	0.28 303	0.49 352	0.33 318	0.39 298	0.32 278

MSMDNet	0.66 144	0.32 177	0.87 202	0.49 68	0.37 158	0.79 180	0.40 88	1.43 188	1.31 271	1.15 161	1.31 208	1.24 237	0.63 120	0.88 75	0.57 163	0.21 149	0.16 159	0.26 231	0.19 112	0.39 298	0.24 200

GANet	1.36 327	0.47 282	0.86 192	0.67 278	0.45 215	1.34 293	1.73 374	1.64 237	1.24 237	1.49 301	2.38 358	1.55 297	1.20 299	9.30 407	0.93 253	0.30 280	0.31 321	0.33 293	0.28 283	0.39 298	0.30 262

ETE_ROB	0.96 259	0.64 334	1.16 282	0.69 291	0.48 230	1.14 260	1.13 339	1.77 268	1.19 217	1.91 351	1.45 252	1.73 322	1.05 270	1.60 201	1.14 282	0.32 292	0.26 289	0.38 323	0.34 323	0.39 298	0.41 309

PCWNet_CMD	0.66 144	0.32 177	0.88 205	0.49 68	0.37 158	0.78 176	0.40 88	1.42 182	1.31 271	1.16 172	1.31 208	1.25 241	0.62 115	0.89 78	0.57 163	0.20 122	0.16 159	0.27 242	0.19 112	0.40 302	0.25 212

CFNet_ucs	0.70 160	0.33 193	0.88 205	0.50 75	0.43 202	0.74 155	0.44 129	1.60 228	1.29 261	1.22 202	1.54 274	1.09 204	0.63 120	0.99 95	0.59 168	0.25 235	0.20 231	0.37 320	0.21 176	0.40 302	0.28 247

NCCL2	1.00 274	0.56 310	1.06 262	0.75 320	0.57 273	1.31 289	1.72 373	1.77 268	1.36 293	1.50 302	1.17 162	1.91 334	1.17 290	1.54 190	1.29 300	0.35 312	0.31 321	0.45 344	0.44 349	0.40 302	0.40 305

dad	0.86 235	0.66 336	1.06 262	0.56 170	0.37 158	0.76 165	0.44 129	1.17 128	1.50 326	1.44 288	1.27 193	1.34 265	0.75 144	2.52 289	0.84 242	0.42 335	0.27 297	0.83 378	0.26 258	0.41 305	0.29 250

Anonymous	0.53 52	0.38 246	0.91 216	0.66 268	0.73 325	0.65 113	0.59 234	0.95 55	0.73 57	0.47 16	0.58 21	0.42 5	0.60 100	0.80 59	0.53 149	0.24 211	0.23 269	0.21 100	0.21 176	0.41 305	0.29 250

FADNet-RVC	0.88 240	0.67 337	1.93 356	0.60 211	0.48 230	0.91 211	0.60 238	1.71 251	1.18 214	0.90 83	0.96 77	1.36 266	0.92 218	2.25 275	1.17 286	0.30 280	0.29 311	0.32 286	0.32 312	0.41 305	0.35 289

DeepPrunerF	1.60 345	0.73 345	5.81 397	0.88 356	1.19 382	0.91 211	0.95 317	2.19 357	5.24 405	1.17 181	1.30 203	1.19 225	1.30 316	4.90 344	1.66 338	0.42 335	0.34 330	0.52 355	0.47 356	0.41 305	0.40 305

CBMV_ROB	0.90 245	0.44 270	0.63 70	0.51 98	0.37 158	1.25 282	0.49 168	1.77 268	1.27 252	1.41 281	2.00 339	1.33 261	1.08 277	2.17 266	0.76 214	0.43 340	0.42 358	0.47 349	0.44 349	0.41 305	0.36 293

Wz-Net-SNSev	1.49 336	1.23 382	6.27 399	0.68 288	0.67 309	1.37 296	1.41 359	2.00 320	1.39 305	1.48 299	1.61 292	2.29 358	1.32 318	3.93 326	2.14 357	0.31 287	0.28 303	0.31 273	0.33 318	0.42 310	0.36 293

NCC-stereo	1.10 294	0.54 304	1.24 293	0.84 343	0.94 364	1.29 287	0.89 302	2.01 324	1.34 282	1.32 250	1.74 311	1.88 329	1.74 353	2.35 280	1.25 293	0.45 346	0.37 345	0.45 344	0.58 372	0.42 310	0.42 313

edge stereo	1.11 297	0.50 294	1.30 302	0.71 303	0.65 305	1.14 260	0.75 268	1.93 308	1.37 297	1.71 331	1.83 322	2.54 369	1.44 326	2.43 286	1.23 291	0.42 335	0.41 356	0.54 361	0.35 327	0.42 310	0.46 325

Abc-Net	1.10 294	0.54 304	1.24 293	0.84 343	0.94 364	1.29 287	0.89 302	2.01 324	1.34 282	1.32 250	1.74 311	1.88 329	1.74 353	2.35 280	1.25 293	0.45 346	0.37 345	0.45 344	0.58 372	0.42 310	0.42 313
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
CVANet_RVC	1.07 286	0.43 267	0.76 160	0.60 211	0.50 239	0.90 209	0.97 319	1.52 209	1.26 245	1.33 258	1.38 234	1.24 237	1.18 293	6.75 384	0.75 212	0.34 305	0.23 269	0.34 303	0.29 294	0.42 310	0.27 236

FINET	0.97 265	0.54 304	1.60 336	0.63 242	0.79 342	1.08 252	1.07 333	1.56 222	2.20 370	1.15 161	1.49 265	0.94 152	0.88 205	2.32 278	1.05 267	0.42 335	0.35 338	0.32 286	0.28 283	0.43 315	0.38 301

psmorigin	1.52 340	0.69 340	10.52 409	0.68 288	0.59 288	1.13 259	0.70 262	1.57 223	1.19 217	1.99 354	1.79 318	2.26 357	1.47 331	2.09 261	1.36 309	0.39 326	0.40 354	0.34 303	0.33 318	0.43 315	0.56 346

FADNet_RVC	0.83 222	0.51 297	1.83 352	0.54 138	0.42 197	1.19 274	0.46 147	1.51 206	1.09 171	0.89 82	1.24 180	0.91 140	0.87 201	2.11 263	1.11 279	0.27 258	0.22 261	0.31 273	0.28 283	0.43 315	0.38 301

Anonymous Stereo	1.28 317	0.75 350	2.45 373	0.74 316	0.77 337	0.93 220	1.77 375	1.51 206	1.31 271	1.67 328	1.29 202	1.20 227	0.75 144	6.29 373	1.68 339	0.37 319	0.36 343	0.38 323	0.40 341	0.43 315	0.45 321

CSAN	1.41 333	0.59 320	1.26 296	0.70 296	0.50 239	1.76 334	1.78 376	1.77 268	1.90 358	2.35 367	2.32 355	1.92 337	1.94 367	5.56 360	1.49 330	0.43 340	0.35 338	0.40 334	0.41 343	0.43 315	0.41 309

LALA_ROB	1.01 277	0.59 320	1.16 282	0.67 278	0.51 249	1.63 322	1.26 353	1.69 247	1.38 301	1.81 343	1.37 230	1.94 339	1.02 263	1.58 198	1.38 310	0.37 319	0.27 297	0.43 340	0.37 334	0.43 315	0.37 295

MeshStereo	2.26 376	0.56 310	0.92 220	0.61 223	0.49 233	2.60 377	1.02 328	3.18 390	2.05 366	7.40 416	4.98 396	7.58 406	2.98 392	6.37 374	1.96 350	0.43 340	0.43 359	0.45 344	0.39 337	0.43 315	0.42 313
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
S-Stereo	1.15 307	0.46 278	2.17 364	0.81 334	0.80 347	1.21 277	1.19 346	1.93 308	2.02 364	1.47 293	2.11 346	1.57 299	1.17 290	2.05 259	1.41 318	0.40 328	0.40 354	0.35 310	0.31 306	0.44 322	0.70 367

DANet	1.08 289	0.61 328	1.32 306	0.85 348	0.72 322	1.37 296	0.51 176	1.54 217	1.15 203	1.78 337	1.54 274	2.01 346	1.11 282	2.90 302	2.00 352	0.33 297	0.30 315	0.40 334	0.30 302	0.44 322	0.45 321
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NOSS_ROB	1.26 316	0.46 278	0.62 67	0.56 170	0.38 175	1.06 249	0.78 276	1.73 253	1.40 310	1.01 109	1.43 247	1.10 206	0.75 144	10.62 416	0.65 189	0.45 346	0.43 359	0.48 350	0.45 351	0.44 322	0.41 309

RP	1.09 291	0.50 294	1.12 277	0.90 360	1.04 370	1.11 255	0.84 291	1.80 276	1.62 337	1.55 313	2.00 339	1.90 333	1.78 356	1.84 236	1.25 293	0.52 359	0.36 343	0.48 350	0.36 331	0.45 325	0.43 317

PS-NSSS	0.99 270	0.58 317	0.93 222	0.58 187	0.57 273	0.91 211	0.80 285	1.81 279	1.14 194	1.14 158	1.67 305	1.00 173	0.83 184	4.62 339	0.78 222	0.37 319	0.31 321	0.52 355	0.32 312	0.45 325	0.38 301

FBW_ROB	1.71 357	0.62 331	1.45 321	0.67 278	0.61 294	1.81 340	1.08 334	2.52 380	1.70 343	1.77 336	1.73 310	1.98 343	1.25 307	12.57 419	1.84 343	0.34 305	0.37 345	0.56 368	0.38 336	0.45 325	0.43 317

HBP-ISP	0.96 259	0.58 317	0.72 123	0.61 223	0.46 225	1.64 324	0.76 271	1.86 289	1.28 257	1.30 238	1.53 272	0.86 127	0.94 229	3.27 315	0.69 195	0.45 346	0.44 362	0.54 361	0.48 358	0.47 328	0.40 305

RGC	1.14 304	0.79 354	1.26 296	0.91 363	0.96 367	1.52 313	0.77 274	1.92 304	1.26 245	1.54 310	1.93 335	2.02 348	1.54 336	2.25 275	1.31 302	0.44 345	0.35 338	0.58 371	0.48 358	0.47 328	0.46 325

ADCPNet	1.85 362	0.69 340	8.07 402	0.71 303	0.58 281	2.79 382	1.22 348	1.94 310	1.54 332	1.88 347	1.69 306	2.46 368	2.04 371	2.37 282	6.48 390	0.38 323	0.37 345	0.38 323	0.43 347	0.47 328	0.45 321

SHD	1.31 321	0.71 344	2.34 370	0.86 350	0.75 333	1.77 337	0.65 246	2.22 361	2.50 380	2.40 371	1.71 308	1.91 334	1.60 342	1.93 248	2.37 360	0.38 323	0.31 321	0.38 323	0.40 341	0.48 331	0.50 336

SANet	1.88 363	0.57 314	2.18 366	0.63 242	0.40 188	2.80 383	1.57 369	2.39 375	5.88 407	2.36 369	3.57 380	3.72 387	2.97 391	4.74 340	1.76 340	0.34 305	0.30 315	0.32 286	0.29 294	0.48 331	0.37 295

WCMA_ROB	1.84 361	0.47 282	1.31 303	0.69 291	0.57 273	2.11 360	1.14 340	1.87 290	1.73 346	4.04 397	6.43 400	5.62 400	3.61 397	2.59 291	1.94 349	0.52 359	0.44 362	0.39 329	0.42 345	0.48 331	0.47 328

AnyNet_C32	1.96 368	1.10 373	5.17 393	0.90 360	1.11 374	2.12 361	2.37 402	1.85 286	1.48 323	2.45 372	1.70 307	2.05 351	1.64 345	2.50 288	10.28 406	0.37 319	0.34 330	0.35 310	0.41 343	0.49 334	0.54 342

MFN_U_SF_DS_RVC	1.74 359	0.87 360	3.56 385	0.80 331	0.75 333	3.72 394	2.44 404	1.82 280	1.82 353	1.74 333	1.91 333	1.92 337	1.26 309	7.69 397	1.28 299	0.45 346	0.47 370	0.52 355	0.77 381	0.50 335	0.50 336

RTS	2.67 388	1.38 384	15.28 414	0.99 370	1.26 385	3.78 395	1.96 388	2.15 346	2.62 382	2.61 375	2.85 371	2.60 371	1.59 340	6.27 371	5.71 388	0.40 328	0.28 303	0.35 310	0.35 327	0.50 335	0.48 331

RTSA	2.67 388	1.38 384	15.28 414	0.99 370	1.26 385	3.78 395	1.96 388	2.15 346	2.62 382	2.61 375	2.85 371	2.60 371	1.59 340	6.27 371	5.71 388	0.40 328	0.28 303	0.35 310	0.35 327	0.50 335	0.48 331

ADCMid	1.89 366	0.73 345	5.06 392	0.72 306	0.67 309	2.00 355	1.14 340	1.97 317	1.48 323	2.86 384	1.81 321	2.37 363	2.05 373	2.24 273	10.39 407	0.33 297	0.31 321	0.39 329	0.43 347	0.50 335	0.44 319

WZ-Net	1.95 367	0.95 364	10.10 406	0.86 350	0.78 340	1.69 327	1.60 370	2.20 360	1.98 362	2.08 358	1.93 335	2.30 359	1.97 368	5.30 350	3.17 373	0.34 305	0.26 289	0.29 260	0.31 306	0.51 339	0.47 328

stereogan	1.15 307	0.42 264	1.40 314	0.86 350	0.84 353	2.38 371	0.71 264	1.88 292	1.73 346	1.72 332	1.94 337	2.31 360	1.29 312	2.07 260	1.08 272	0.36 315	0.35 338	0.39 329	0.31 306	0.51 339	0.46 325

GMStereo_Zeroshot	0.67 153	0.61 328	1.01 245	0.64 251	0.37 158	0.84 201	0.35 51	1.05 91	1.12 181	1.12 142	1.06 116	1.27 249	0.54 71	1.19 128	0.59 168	0.32 292	0.17 185	0.31 273	0.18 92	0.52 341	0.22 171

PWCDC_ROB	1.29 318	0.75 350	1.33 308	1.05 374	0.88 359	1.73 331	0.52 185	1.89 294	3.28 390	1.29 231	4.88 395	1.22 230	1.46 329	1.77 231	1.45 326	0.60 369	0.26 289	0.29 260	0.25 244	0.52 341	0.37 295

Wz-Net-TNSev	1.88 363	2.08 406	7.66 400	0.67 278	0.64 302	2.42 372	1.83 380	2.33 369	1.74 348	1.57 318	1.56 280	2.58 370	1.90 365	4.86 342	3.12 370	0.39 326	0.37 345	0.33 293	0.37 334	0.53 343	0.58 351

FC-DCNN	2.72 393	0.59 320	0.86 192	0.73 314	0.57 273	2.91 384	1.04 330	3.01 388	2.60 381	6.83 412	7.64 407	9.92 413	6.33 412	5.21 348	3.14 371	0.53 365	0.48 371	0.51 354	0.50 363	0.53 343	0.51 340

MSMD_ROB	1.99 370	0.59 320	0.89 210	0.70 296	0.61 294	3.95 399	0.94 315	1.80 276	1.79 350	4.41 401	4.43 387	8.17 409	3.66 398	3.40 317	1.33 303	0.52 359	0.48 371	0.54 361	0.58 372	0.53 343	0.50 336

GASNet	0.99 270	0.97 365	1.72 343	0.98 369	0.68 315	0.83 194	0.67 254	1.60 228	1.28 257	1.31 248	1.22 174	1.22 230	1.21 302	2.41 285	1.41 318	0.43 340	0.26 289	0.36 318	0.34 323	0.55 346	0.31 272

MANE	6.19 408	0.59 320	1.03 255	0.93 366	1.22 384	13.38 420	2.69 405	12.81 421	17.94 423	8.21 417	10.82 415	14.72 418	11.68 416	11.39 418	11.90 409	0.59 368	0.50 375	0.52 355	1.76 409	0.55 346	0.54 342

RYNet	1.17 310	0.49 290	1.24 293	0.70 296	0.97 368	1.71 328	0.92 309	1.91 301	1.46 321	1.38 273	1.14 150	1.88 329	1.30 316	4.24 331	1.87 344	0.26 249	0.21 247	0.35 310	0.27 266	0.55 346	0.54 342

FCDSN-DC	2.32 378	0.63 332	0.81 180	0.84 343	0.75 333	2.23 364	0.94 315	2.09 338	1.80 351	5.45 410	7.72 408	7.77 408	6.93 414	3.39 316	1.80 342	0.52 359	0.48 371	0.52 355	0.51 365	0.57 349	0.58 351
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
NVstereo2D	0.92 250	0.41 261	1.48 328	0.72 306	0.72 322	1.20 276	0.87 299	1.75 259	1.38 301	0.99 104	1.13 147	1.26 245	0.98 246	2.21 272	0.89 249	0.43 340	0.20 231	0.38 323	0.24 233	0.57 349	0.63 359

SAMSARA	1.55 342	0.84 356	2.61 377	1.22 382	1.07 371	2.50 374	1.93 386	2.05 329	1.89 356	2.75 380	1.66 303	2.81 376	1.69 351	3.08 309	1.97 351	0.46 352	0.51 376	0.42 338	0.46 354	0.58 351	0.59 353

ADCS	2.25 375	0.99 367	5.55 394	0.81 334	0.74 327	2.19 363	1.80 377	2.27 365	2.14 368	2.80 383	2.13 348	2.40 365	2.03 370	2.64 294	13.69 411	0.41 332	0.39 352	0.40 334	0.45 351	0.58 351	0.56 346

ccnet	1.12 299	0.67 337	1.01 245	0.78 327	0.73 325	1.72 330	0.99 323	1.84 285	1.26 245	1.47 293	1.85 326	1.75 327	1.29 312	1.75 224	1.88 346	0.57 367	0.53 378	0.57 370	0.55 369	0.59 353	0.54 342

MFN_U_SF_RVC	1.52 340	0.84 356	3.42 384	0.87 355	0.66 307	2.56 376	0.95 317	2.36 372	1.70 343	1.98 353	1.86 327	2.45 367	1.79 357	2.95 303	2.58 362	0.52 359	0.48 371	0.55 365	0.59 375	0.59 353	0.61 357

FADNet	0.92 250	0.61 328	1.81 349	0.62 234	0.55 269	0.96 230	0.57 224	1.78 272	1.33 279	0.93 88	1.01 95	1.36 266	1.01 258	2.71 296	0.75 212	0.33 297	0.34 330	0.31 273	0.34 323	0.59 353	0.40 305

PVD	1.70 355	0.84 356	2.26 368	0.94 368	0.83 352	2.48 373	0.97 319	2.59 382	3.35 391	3.01 389	2.77 369	2.34 362	2.47 385	2.67 295	3.14 371	0.47 353	0.45 366	0.59 372	0.48 358	0.59 353	0.75 372

G-Net	1.66 350	0.63 332	1.56 333	1.11 379	0.74 327	2.98 386	0.91 307	1.55 221	1.22 230	2.76 381	8.18 411	2.32 361	2.53 386	1.92 245	1.87 344	0.48 354	0.44 362	0.45 344	0.31 306	0.60 357	0.57 350

BEATNet-Init1	26.87 427	13.43 424	70.68 439	0.91 363	0.68 315	57.02 440	21.06 422	32.82 432	32.67 429	52.12 440	53.61 439	66.05 440	49.56 440	48.79 441	34.71 431	0.49 358	0.44 362	0.53 360	0.53 367	0.63 358	0.59 353

ELAS	2.37 380	0.74 348	1.54 332	0.99 370	0.92 362	4.78 405	2.33 401	3.33 392	3.37 392	5.05 409	4.77 394	3.67 385	4.53 405	3.42 319	4.50 383	0.62 371	0.53 378	0.55 365	0.53 367	0.63 358	0.64 363
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SDNR	1.62 348	0.51 297	2.17 364	0.53 123	0.56 271	3.80 397	0.45 140	1.54 217	1.29 261	1.33 258	2.41 361	1.08 197	0.96 239	11.18 417	1.16 284	0.66 375	0.63 386	0.43 340	0.32 312	0.64 360	0.67 364

LSM	6.33 409	1.10 373	13.19 412	1.41 387	68.17 436	1.64 324	1.90 385	1.92 304	2.46 375	2.99 387	3.11 374	1.88 329	1.80 358	2.61 293	2.06 355	0.41 332	0.58 384	0.50 353	0.57 371	0.64 360	17.66 428

DPSNet	1.69 354	0.59 320	4.33 389	0.70 296	0.57 273	2.02 356	1.62 371	3.35 393	1.78 349	1.48 299	1.38 234	2.17 354	2.84 389	4.77 341	3.66 377	0.48 354	0.31 321	0.29 260	0.25 244	0.64 360	0.48 331

ELAS_RVC	2.48 385	0.74 348	1.90 354	1.05 374	0.92 362	2.76 380	4.01 413	2.76 383	4.11 399	4.69 404	4.63 391	4.62 391	5.96 410	3.97 328	3.96 380	0.63 373	0.53 378	0.56 368	0.52 366	0.64 360	0.63 359
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	8.13 414	2.13 407	98.04 440	0.67 278	0.53 260	1.71 328	1.56 367	1.65 238	11.11 412	18.17 426	3.75 382	3.88 388	7.61 415	2.98 306	6.49 391	0.30 280	0.30 315	0.32 286	0.31 306	0.66 364	0.50 336

AnyNet_C01	2.26 376	1.78 395	10.22 408	0.93 366	0.74 327	2.92 385	2.20 397	2.29 367	1.80 351	2.53 374	2.41 361	2.71 375	1.73 352	3.41 318	6.72 392	0.41 332	0.39 352	0.40 334	0.42 345	0.67 365	0.63 359

EDNetEfficient	2.37 380	1.10 373	8.08 403	0.74 316	0.71 320	0.98 237	1.56 367	1.46 192	4.06 398	4.90 406	2.82 370	2.25 356	3.48 396	2.95 303	9.97 404	0.26 249	0.24 278	0.26 231	0.30 302	0.68 366	0.61 357

XQC	1.37 328	0.87 360	2.56 376	0.84 343	0.69 317	1.83 343	0.89 302	2.07 335	1.88 355	1.88 347	1.53 272	1.91 334	1.55 338	2.85 301	3.05 368	0.48 354	0.29 311	0.44 343	0.39 337	0.69 367	0.60 356

PASM	1.34 325	0.92 363	2.62 378	0.86 350	0.87 358	1.03 243	1.08 334	1.50 201	1.51 328	1.82 344	1.41 242	1.68 317	1.26 309	4.87 343	1.34 305	0.61 370	0.65 389	0.68 374	0.78 382	0.69 367	0.68 366

UDGNet	0.72 166	1.17 381	0.80 179	0.77 325	0.41 194	0.77 171	0.38 74	0.97 64	1.34 282	0.81 71	0.88 65	0.71 83	0.60 100	1.21 130	0.54 155	0.52 359	0.19 214	1.02 385	0.26 258	0.71 369	0.31 272

PDISCO_ROB	1.32 323	0.65 335	1.44 317	1.36 383	1.46 389	2.55 375	0.92 309	2.45 378	2.07 367	1.37 268	1.49 265	1.65 314	1.00 256	2.82 298	1.35 308	1.01 382	0.27 297	0.54 361	0.47 356	0.71 369	0.73 370

DGSMNet	1.14 304	0.76 352	2.49 375	0.81 334	0.86 356	1.39 300	1.39 358	2.13 340	1.35 290	1.26 221	1.63 298	1.48 288	0.98 246	1.75 224	1.10 277	0.45 346	0.43 359	0.55 365	0.49 361	0.75 371	0.70 367

EDNetEfficientorigin	10.57 416	1.47 390	177.42 441	0.67 278	0.53 260	1.58 318	1.16 343	1.90 297	3.37 392	4.71 405	3.38 377	3.10 382	2.69 388	3.13 311	3.58 376	0.25 235	0.23 269	0.33 293	0.27 266	0.83 372	0.81 373

sAnonymous2	0.55 81	0.56 310	1.46 323	0.60 211	0.51 249	0.48 23	0.52 185	0.79 15	0.68 46	0.50 29	0.67 27	0.46 17	0.62 115	0.59 17	0.40 62	0.22 172	0.17 185	0.22 126	0.21 176	0.86 373	0.56 346

CroCo_RVC	0.55 81	0.56 310	1.46 323	0.60 211	0.51 249	0.48 23	0.52 185	0.79 15	0.68 46	0.50 29	0.67 27	0.46 17	0.62 115	0.59 17	0.40 62	0.22 172	0.17 185	0.22 126	0.21 176	0.86 373	0.56 346

GANetREF_RVC	1.07 286	0.86 359	1.31 303	0.82 339	0.53 260	1.41 305	1.31 355	1.76 265	1.52 329	1.27 224	1.31 208	1.46 282	1.24 306	2.03 256	0.96 260	0.56 366	0.45 366	0.67 373	0.50 363	0.88 375	0.59 353
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
NVStereoNet_ROB	1.88 363	1.07 371	1.45 321	1.07 377	1.17 379	1.47 308	1.48 364	1.89 294	1.93 361	1.94 352	4.67 393	3.08 381	1.80 358	6.51 376	1.65 336	1.06 387	0.86 399	1.08 387	1.32 399	0.93 376	1.26 389
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
anonymity	1.12 299	0.97 365	1.21 287	1.07 377	1.12 376	1.08 252	0.89 302	1.95 312	1.16 207	1.29 231	1.26 190	1.22 230	1.09 280	1.15 125	1.01 265	1.02 384	1.00 405	0.97 382	0.97 392	0.98 377	0.99 380

MADNet+	2.69 390	3.22 416	11.53 411	1.44 388	1.12 376	3.19 388	1.81 378	2.85 385	2.37 372	1.68 329	2.07 345	2.85 378	2.18 376	7.41 392	5.23 386	0.79 377	0.76 390	0.69 376	0.65 378	0.98 377	0.95 378

MFMNet_re	1.40 332	1.14 378	1.68 340	1.39 385	1.07 371	1.48 309	1.43 360	1.87 290	1.82 353	2.26 363	2.19 350	1.51 292	1.86 362	1.52 184	1.25 293	0.93 380	0.83 393	0.84 379	0.80 383	0.99 379	1.05 385

SGM+DAISY	2.41 383	1.07 371	2.14 363	1.18 380	1.10 373	2.14 362	1.36 357	1.96 313	1.66 340	5.46 411	7.07 403	4.95 396	4.32 404	5.50 357	2.26 359	1.04 386	1.02 407	0.99 384	0.97 392	1.02 380	1.04 383

SPS-STEREO	1.67 351	1.04 370	1.23 290	1.21 381	1.13 378	1.82 342	1.11 336	2.16 349	1.52 329	3.07 391	2.32 355	2.82 377	1.80 358	4.11 330	2.04 353	1.03 385	0.99 404	0.97 382	0.94 390	1.03 381	1.02 381
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MSC_U_SF_DS_RVC	2.12 372	1.15 379	3.10 383	1.05 374	0.76 336	5.03 408	2.40 403	2.16 349	2.62 382	1.89 349	2.28 354	2.69 374	1.65 346	9.35 409	2.04 353	0.64 374	0.51 376	0.68 374	0.71 379	1.09 382	0.67 364

Anonymous_2	1.30 320	0.55 307	0.82 182	0.52 114	0.58 281	1.01 241	0.64 244	1.25 155	0.97 120	0.96 95	0.78 48	1.33 261	1.29 312	1.03 103	0.74 208	0.62 371	0.64 387	1.06 386	9.63 423	1.16 383	0.49 335

WAO-7	2.66 387	1.40 386	1.73 345	1.39 385	1.17 379	3.93 398	1.94 387	4.11 399	3.88 397	2.92 385	5.50 397	4.18 389	3.00 393	7.63 396	3.71 378	1.13 390	1.00 405	1.17 388	1.13 398	1.18 384	1.09 387

CC-Net-ROB	1.49 336	1.26 383	1.27 299	0.88 356	0.79 342	1.76 334	1.00 325	1.79 274	1.26 245	1.10 136	1.61 292	1.21 228	0.99 254	8.13 401	0.84 242	1.09 388	0.41 356	2.20 394	0.46 354	1.20 385	0.48 331

MaskLacGwcNet_RVC	1.10 294	1.02 369	1.00 241	0.82 339	0.67 309	1.93 349	0.93 313	1.62 234	1.11 177	1.15 161	1.25 184	1.50 290	0.79 163	1.96 251	0.76 214	1.89 392	0.34 330	0.79 377	0.36 331	1.25 386	0.83 374

Consistency-Raft	1.25 315	0.99 367	1.93 356	1.02 373	1.21 383	0.96 230	1.01 327	1.75 259	1.92 359	1.36 266	2.12 347	1.44 278	1.01 258	1.14 124	1.40 314	0.72 376	0.82 392	0.89 380	0.98 394	1.31 387	0.95 378

JetBlue	3.97 399	2.01 401	10.19 407	1.38 384	2.84 409	10.53 416	9.54 416	3.60 395	2.41 374	2.73 379	3.39 378	4.54 390	4.31 403	7.85 400	6.84 393	0.88 378	0.93 403	0.89 380	0.91 388	1.74 388	1.91 396

UDG	1.41 333	2.65 412	0.99 236	1.44 388	1.64 391	1.34 293	0.80 285	1.60 228	1.23 233	1.23 205	1.71 308	2.01 346	1.34 320	1.47 179	1.41 318	0.90 379	0.54 381	2.29 396	0.75 380	1.84 389	1.04 383

DDUNet	1.50 338	2.69 413	1.12 277	1.77 390	1.88 393	1.84 344	0.92 309	1.70 250	1.16 207	1.38 273	1.79 318	1.60 305	1.12 285	1.37 154	1.08 272	1.10 389	0.76 390	2.37 398	0.94 390	2.00 390	1.37 390

WAO-6	2.81 394	1.60 392	1.46 323	2.36 397	2.28 400	3.55 392	2.29 400	4.21 400	4.56 403	2.36 369	4.51 388	4.88 395	2.66 387	4.60 338	4.07 382	1.72 391	1.15 411	2.31 397	1.46 405	2.31 391	1.85 395

SQANet	1.31 321	0.88 362	1.08 269	1.83 391	1.44 388	1.44 307	0.75 268	1.74 257	1.09 171	1.32 250	1.26 190	1.28 252	1.01 258	1.50 183	0.83 239	2.50 397	0.34 330	1.47 389	0.55 369	2.32 392	1.57 392

WAO-8	4.40 401	1.82 398	1.79 347	2.34 395	2.20 395	9.19 413	1.53 365	6.09 411	16.46 417	3.94 395	7.84 409	7.32 403	3.72 400	9.41 411	3.31 374	2.00 393	1.07 408	2.44 403	1.37 403	2.50 393	1.68 393

Venus	4.40 401	1.82 398	1.79 347	2.34 395	2.20 395	9.19 413	1.53 365	6.09 411	16.46 417	3.94 395	7.84 409	7.32 403	3.72 400	9.41 411	3.31 374	2.00 393	1.07 408	2.44 403	1.37 403	2.50 393	1.68 393

PWCK	2.88 395	2.05 404	5.72 396	2.08 392	1.11 374	3.55 392	3.90 412	2.86 386	3.54 395	3.03 390	3.63 381	3.10 382	2.31 380	8.15 403	3.09 369	2.12 395	0.91 402	1.75 391	0.98 394	2.57 395	1.18 388

ACVNet_2	2.43 384	1.41 387	2.04 358	2.62 399	2.24 398	2.63 379	1.88 384	3.31 391	3.01 387	2.19 361	3.45 379	4.62 391	2.04 371	4.50 337	1.47 328	2.55 398	0.64 387	2.22 395	0.84 385	2.69 396	2.29 401

otaku	1.60 345	1.11 376	1.21 287	2.20 393	1.56 390	1.97 352	1.24 349	2.07 335	1.36 293	1.44 288	1.62 295	1.73 322	1.19 296	1.73 223	0.98 263	2.89 401	0.57 383	1.74 390	0.60 376	2.78 397	1.94 397

Ntro	1.64 349	1.15 379	1.23 290	2.48 398	1.83 392	2.09 359	1.16 343	1.96 313	1.38 301	1.21 197	1.62 295	1.62 307	1.29 312	1.87 242	1.11 279	3.04 402	0.56 382	1.82 392	0.64 377	2.80 398	2.05 398

LVE	3.31 398	1.67 393	1.64 337	2.85 402	2.42 403	3.20 389	2.26 399	4.78 405	5.05 404	2.35 367	6.91 401	6.02 401	2.37 381	9.15 405	2.17 358	3.19 405	1.08 410	2.38 400	1.47 406	2.81 399	2.40 404

RainbowNet	1.97 369	1.76 394	1.57 334	2.81 401	2.21 397	1.98 354	1.81 378	2.54 381	1.89 356	1.50 302	1.84 324	1.96 341	1.65 346	2.14 265	1.25 293	3.33 408	0.85 397	2.39 401	0.98 394	2.82 400	2.22 399

ACVNet-4b	2.15 373	1.41 387	1.64 337	2.80 400	2.31 401	2.31 368	1.24 349	2.32 368	2.14 368	1.26 221	2.39 359	2.66 373	1.48 332	5.95 369	1.06 269	3.20 406	0.45 366	2.37 398	0.89 387	2.83 401	2.37 402

DispFullNet	2.34 379	2.85 414	3.66 386	3.08 407	2.27 399	1.97 352	0.67 254	2.00 320	1.70 343	2.52 373	2.00 339	2.23 355	5.86 408	3.44 321	1.58 333	1.01 382	0.32 328	2.64 407	1.94 412	2.85 402	2.24 400

Dean	2.91 396	1.53 391	2.07 359	2.96 406	2.51 404	3.15 387	2.14 395	4.75 404	4.41 402	2.76 381	6.10 399	5.53 399	2.37 381	2.97 305	1.92 348	3.18 404	0.85 397	2.51 405	1.04 397	2.88 403	2.47 405

ACVNet_1	2.18 374	1.45 389	1.72 343	2.85 402	2.33 402	2.28 366	1.46 362	3.08 389	2.22 371	1.82 344	2.05 344	3.56 384	1.98 369	3.09 310	1.40 314	3.17 403	0.60 385	2.40 402	0.92 389	2.91 404	2.37 402

ktn	4.70 403	2.38 410	2.12 362	3.76 414	3.24 412	4.85 406	2.95 410	5.52 407	7.37 410	4.07 399	19.32 423	7.46 405	3.47 395	7.39 391	2.95 367	4.04 416	1.85 416	3.26 416	2.22 415	3.08 405	2.65 410

IMH-64-1	2.70 391	1.79 396	1.46 323	3.26 409	2.66 405	3.23 390	2.10 392	4.08 397	2.75 385	2.34 365	3.81 383	3.06 379	2.22 378	4.25 332	2.59 363	3.75 412	0.84 394	2.75 408	1.35 400	3.15 406	2.60 408

IMH-64	2.70 391	1.79 396	1.46 323	3.26 409	2.66 405	3.23 390	2.10 392	4.08 397	2.75 385	2.34 365	3.81 383	3.06 379	2.22 378	4.25 332	2.59 363	3.75 412	0.84 394	2.75 408	1.35 400	3.15 406	2.60 408

IMH	3.21 397	1.85 400	1.48 328	3.25 408	2.69 407	4.07 401	2.02 390	4.41 402	3.80 396	2.72 378	7.11 404	4.75 394	2.92 390	5.92 367	2.55 361	3.85 415	0.88 400	2.78 410	1.36 402	3.19 408	2.59 407

TorneroNet-64	5.30 407	2.03 402	1.74 346	3.43 411	2.81 408	10.09 415	2.12 394	9.10 418	17.12 422	4.96 408	9.27 414	10.72 417	3.70 399	9.20 406	4.55 384	3.31 407	0.84 394	2.88 411	1.55 407	3.49 409	3.04 411

TorneroNet	10.70 417	2.03 402	1.82 350	3.43 411	3.01 410	43.83 432	2.22 398	8.87 417	67.47 441	7.17 415	27.36 426	10.68 416	3.85 402	8.67 404	7.65 400	3.59 410	0.88 400	3.04 412	1.57 408	3.71 410	3.17 412

KSHMR	8.75 415	2.06 405	2.11 361	3.53 413	3.11 411	4.13 402	2.69 405	5.60 408	61.37 440	3.00 388	55.83 440	4.98 398	2.45 384	4.49 336	2.61 365	3.46 409	1.55 415	3.14 414	1.94 412	3.72 411	3.18 413

notaker	3.98 400	2.40 411	2.68 379	3.82 416	3.27 414	3.97 400	2.14 395	4.78 405	3.45 394	4.12 400	6.94 402	7.65 407	3.26 394	7.82 399	5.30 387	4.04 416	1.41 413	3.36 417	2.10 414	3.88 412	3.31 414

DPSimNet_ROB	11.20 419	4.98 418	35.43 428	2.90 405	4.52 419	7.89 412	17.09 420	4.66 403	6.06 408	14.89 422	10.93 416	17.29 419	36.81 431	13.18 420	15.68 416	2.86 400	6.29 422	5.75 422	5.09 420	3.91 413	7.70 422

MADNet++	5.01 404	3.14 415	4.91 391	4.55 420	3.94 418	5.20 409	4.41 414	4.40 401	4.13 400	4.95 407	6.08 398	4.74 393	5.37 406	9.40 410	10.67 408	4.65 418	4.15 420	3.97 419	3.34 418	4.09 414	4.08 419

JetRed	6.91 412	8.80 422	25.96 424	2.85 402	3.25 413	13.98 422	11.87 417	6.25 413	4.28 401	4.45 402	4.56 389	6.69 402	5.46 407	7.46 394	14.05 412	2.59 399	3.31 417	2.59 406	2.29 416	4.20 415	3.36 415

UNDER WATER-64	5.27 406	2.32 408	8.78 405	3.93 417	3.54 416	7.61 411	3.03 411	5.84 410	14.19 413	4.04 397	4.04 385	9.39 412	6.26 411	5.93 368	8.48 401	3.60 411	1.51 414	3.13 413	1.88 410	4.29 416	3.61 416

UNDER WATER	5.08 405	2.33 409	5.55 394	3.94 418	3.51 415	5.20 409	2.72 407	5.61 409	16.52 419	3.84 394	4.60 390	9.21 411	5.89 409	5.90 366	8.66 402	3.75 412	1.34 412	3.18 415	1.88 410	4.33 417	3.61 416

SPstereo	26.54 426	6.08 419	10.71 410	5.55 421	5.68 420	48.14 433	80.43 440	67.31 441	34.39 436	28.70 434	27.52 427	43.76 438	37.60 436	45.04 440	54.41 441	4.92 421	4.89 421	10.74 427	5.88 421	4.46 418	4.57 420

tt	6.58 411	0.26 49	6.10 398	3.77 415	2.16 394	11.55 417	19.63 421	13.33 422	5.74 406	2.96 386	2.65 367	4.97 397	6.33 412	3.81 325	7.24 394	9.15 423	11.32 428	5.89 423	6.24 422	6.03 419	2.55 406

DGTPSM_ROB	13.01 420	8.23 420	21.87 417	9.51 423	18.10 421	11.56 418	32.01 426	10.63 419	16.20 415	7.03 413	19.48 424	10.15 414	16.66 419	9.83 414	22.42 422	4.75 419	8.68 423	5.37 420	10.25 424	6.16 420	11.36 423

DPSMNet_ROB	13.02 421	8.23 420	21.91 418	9.53 424	18.11 422	11.56 418	32.02 427	10.64 420	16.23 416	7.05 414	19.49 425	10.16 415	16.66 419	9.85 415	22.43 423	4.77 420	8.68 423	5.38 421	10.26 425	6.17 421	11.36 423

HanzoNet	11.04 418	3.62 417	8.10 404	4.08 419	3.55 417	4.90 407	2.73 408	7.19 415	10.10 411	31.86 436	28.92 428	21.96 427	36.36 429	18.08 422	10.17 405	7.94 422	3.32 418	3.47 418	3.31 417	7.06 422	4.04 418

SuperB	2.53 386	0.59 320	18.45 416	0.69 291	0.50 239	1.87 347	0.88 300	1.67 244	2.39 373	1.50 302	1.42 243	1.14 218	1.15 289	4.28 334	5.07 385	0.24 211	0.19 214	0.22 126	0.19 112	7.86 423	0.34 284

DPSM_ROB	19.08 422	19.14 426	25.17 422	22.15 426	20.85 424	28.17 424	37.82 429	26.56 425	16.85 420	14.14 419	14.84 418	21.70 422	18.75 422	21.87 424	26.55 426	10.16 426	9.30 426	10.47 425	10.42 426	14.03 424	12.61 426

DPSM	19.08 422	19.14 426	25.17 422	22.15 426	20.85 424	28.17 424	37.82 429	26.56 425	16.85 420	14.14 419	14.84 418	21.70 422	18.75 422	21.87 424	26.55 426	10.16 426	9.30 426	10.47 425	10.42 426	14.03 424	12.61 426

PML	51.67 438	36.25 432	13.28 413	7.46 422	20.81 423	108.69 441	232.22 442	8.72 416	27.82 428	87.01 441	269.67 442	69.67 441	61.95 441	24.76 430	14.20 413	9.74 425	3.40 419	9.62 424	4.70 419	18.74 426	4.72 421

MyStereo03	38.34 429	38.50 435	50.41 434	44.74 433	41.86 431	56.65 434	76.38 436	52.99 435	33.93 433	28.39 431	29.99 432	43.54 433	37.42 433	43.82 434	53.53 437	20.31 429	18.71 432	21.06 428	21.08 430	28.23 427	25.35 430

MyStereo02	38.34 429	38.50 435	50.41 434	44.74 433	41.86 431	56.65 434	76.38 436	52.99 435	33.93 433	28.39 431	29.99 432	43.54 433	37.42 433	43.82 434	53.53 437	20.31 429	18.71 432	21.06 428	21.08 430	28.23 427	25.35 430

MyStereo	38.34 429	38.50 435	50.41 434	44.74 433	41.86 431	56.65 434	76.38 436	52.99 435	33.93 433	28.39 431	29.99 432	43.54 433	37.42 433	43.82 434	53.53 437	20.31 429	18.71 432	21.06 428	21.08 430	28.23 427	25.35 430

CasAABBNet	38.33 428	38.46 433	50.35 433	44.75 436	41.84 430	56.68 437	76.37 435	53.22 438	33.83 431	28.31 429	29.54 430	43.62 437	37.71 437	43.84 437	53.41 436	20.30 428	18.70 430	21.07 431	21.07 429	28.24 430	25.34 429

Selective-RAFT-Error	38.39 432	38.47 434	50.44 437	44.73 432	41.97 434	56.68 437	76.38 436	53.24 439	33.92 432	28.34 430	29.85 431	43.60 436	38.20 438	43.75 433	53.34 435	20.38 432	18.70 430	21.09 432	21.05 428	28.30 431	25.43 433

LSM0	42.82 436	38.75 438	50.81 438	47.07 437	109.38 441	57.00 439	76.02 434	53.74 440	33.71 430	29.02 435	30.41 435	43.87 439	37.22 432	43.91 438	53.54 440	20.52 433	18.62 429	21.10 433	21.11 433	28.41 432	42.22 435

LRCNet_RVC	22.74 424	32.10 431	21.97 419	29.84 428	26.23 426	4.42 404	0.81 288	22.66 423	2.02 364	26.93 428	29.26 429	23.06 429	15.59 418	23.84 426	18.88 419	31.75 434	19.90 435	34.65 434	32.13 434	30.54 433	28.32 434

HaxPig	38.92 433	41.40 439	41.64 429	29.95 429	32.27 427	28.90 426	27.60 423	29.73 428	37.71 437	43.82 437	43.87 436	33.17 430	35.56 428	41.53 431	40.37 433	43.94 438	47.51 440	45.82 435	47.08 436	42.38 434	44.15 437

AVERAGE_ROB	40.43 434	42.37 440	42.73 430	36.96 431	35.58 429	30.50 427	27.61 424	36.71 434	38.39 438	44.91 438	44.36 437	37.45 432	36.70 430	41.88 432	40.35 432	45.43 439	46.81 439	47.11 436	46.35 435	42.51 435	43.87 436

MEDIAN_ROB	42.00 435	44.40 441	44.29 432	35.15 430	34.95 428	31.28 431	29.60 425	35.88 433	40.02 439	47.20 439	46.64 438	37.37 431	38.48 439	44.35 439	42.45 434	48.03 440	49.39 441	49.71 437	49.03 437	45.14 436	46.65 438

xxxxx1	54.10 439	25.67 428	27.13 425	113.43 438	96.96 438	30.69 428	47.44 431	32.38 429	25.60 424	17.75 423	17.27 420	21.81 424	21.02 424	24.43 427	33.82 428	33.37 435	40.54 436	157.71 439	175.86 439	66.16 437	72.93 439

tt_ll	54.10 439	25.67 428	27.13 425	113.43 438	96.96 438	30.69 428	47.44 431	32.38 429	25.60 424	17.75 423	17.27 420	21.81 424	21.02 424	24.43 427	33.82 428	33.37 435	40.54 436	157.71 439	175.86 439	66.16 437	72.93 439

ff	54.10 439	25.67 428	27.13 425	113.43 438	96.96 438	30.69 428	47.44 431	32.38 429	25.60 424	17.75 423	17.27 420	21.81 424	21.02 424	24.43 427	33.82 428	33.37 435	40.54 436	157.71 439	175.86 439	66.16 437	72.93 439

DLNR_Zeroshot_test	23.17 425	48.52 442	43.29 431	176.68 441	78.69 437	0.35 5	0.21 1	23.41 424	0.75 58	0.66 47	0.86 60	0.59 55	0.30 4	1.56 195	0.44 88	9.57 424	0.12 9	0.18 39	0.14 25	76.92 440	0.16 44

Anonymous_1	43.04 437	18.73 425	24.79 421	21.81 425	46.26 435	27.80 423	37.60 428	28.08 427	16.14 414	14.66 421	14.30 417	20.65 421	17.88 421	21.56 423	25.94 425	117.93 441	8.92 425	100.65 438	126.50 438	158.64 441	12.08 425

test_example2	192.40 442	210.76 443	206.48 442	199.83 442	204.73 442	172.94 442	183.52 441	133.93 442	133.41 442	191.38 442	196.19 441	187.13 442	178.77 442	205.33 442	208.00 442	222.09 442	238.72 442	186.54 442	190.54 442	227.34 442	170.31 442

ASD4		10.99 423

Low-res two-view benchmark