Low-res two-view results

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

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

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

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

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

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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 25	0.09 50	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 96	0.20 125	0.23 108	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 132	0.21 129	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 164	0.10 56	0.12 59	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 74	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 156	0.10 56	0.12 59	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

CoDeX	0.15 89	0.70 171	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 265	0.02 14	0.69 251	0.75 269	0.01 9	0.02 19	0.02 19

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-LNSev-Ref	0.11 59	0.44 139	0.33 166	0.39 148	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 188	0.36 179	0.02 18	0.02 20	0.02 19	0.02 19

psmg	0.43 183	1.91 295	0.92 270	1.91 341	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 364	1.44 356	0.04 48	0.03 42	0.02 19	0.03 39

CSP-Net	0.34 143	1.29 272	1.19 291	1.36 328	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 339	1.21 342	0.03 34	0.09 80	0.02 19	0.09 79

SFCPSM	0.17 98	0.78 174	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 279	0.02 14	0.75 257	0.76 272	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 116	1.31 274	0.74 255	0.92 241	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 266	0.75 257	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCMid	0.08 37	0.02 12	0.02 13	1.01 254	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 38	0.02 12	0.04 31	0.90 235	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 96	0.36 199	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

SMFormer	0.09 38	1.01 203	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 192	0.09 52	0.10 44	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

mmm	0.14 79	1.83 292	0.12 78	0.11 56	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 74	0.05 58	0.04 52	0.05 63	0.04 53

DualNet	0.25 116	3.83 346	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 116	3.83 346	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 116	3.83 346	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 116	3.83 346	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ttt	0.10 44	1.09 211	0.12 78	0.12 59	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 215	0.13 93	0.14 73	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 74	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 203	0.10 56	0.10 44	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

222	0.10 44	0.99 197	0.12 78	0.13 69	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 59	1.16 218	0.16 112	0.12 59	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 112	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 44	1.09 211	0.13 93	0.12 59	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 107	0.03 34	0.03 42	0.03 39	0.03 39

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 334	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 334	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 336	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 350	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 39	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 42	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

x	0.11 59	1.15 217	0.15 111	0.14 73	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 110	0.03 34	0.03 42	0.03 39	0.03 39

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 370	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 374	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 377	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 375	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCRef	0.12 67	0.03 27	0.04 31	1.71 337	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCP+	0.15 89	0.04 31	0.04 31	2.20 349	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 323	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 283	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

GwcNet	0.12 67	0.07 43	0.05 44	0.08 37	0.05 69	0.08 74	1.20 309	0.07 74	0.05 68	0.05 64	0.05 71	0.08 75	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

qqq1	0.25 116	3.70 341	0.14 97	0.14 73	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 116	3.70 341	0.14 97	0.14 73	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

11t1	0.17 98	2.16 308	0.13 93	0.13 69	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.05 59	0.18 115	0.12 85	0.06 65	0.03 42	0.05 63	0.03 39

qqq	0.16 95	2.01 303	0.12 78	0.15 82	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.03 37	0.12 73	0.14 107	0.04 48	0.04 52	0.03 39	0.03 39

AASNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 44	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 77	0.07 79	0.08 74	0.07 79	0.08 75	0.06 76	0.07 72	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

BEATNet-Init1	0.19 100	0.08 44	0.08 47	2.23 351	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 44	0.08 47	2.23 351	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

PASM	0.39 165	3.06 332	1.36 353	1.58 332	0.09 82	0.11 90	0.11 97	0.11 90	0.11 99	0.09 77	0.09 82	0.11 91	0.09 83	0.09 78	0.09 76	0.11 68	0.11 74	0.11 88	0.09 80	0.11 90	0.11 95

SepStereo	0.09 38	0.09 50	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 79	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

AnonymousM	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SuperB	0.21 108	0.10 52	2.51 383	0.12 59	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 79	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

PVD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetBlue	0.11 59	0.11 63	0.12 78	0.13 69	0.14 118	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 91	0.11 98	0.12 94	0.12 103	0.11 68	0.11 74	0.11 88	0.11 97	0.11 90	0.11 95

aanetorigin	0.13 72	0.11 63	0.11 73	0.11 56	0.11 102	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.11 74	0.14 95	0.11 97	0.49 214	0.11 95

JetRed	0.11 59	0.12 65	0.11 73	0.11 56	0.11 102	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.16 112	0.11 88	0.11 97	0.11 90	0.11 95

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 68	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

IPLG	0.13 72	0.20 81	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

ACRE	0.13 72	0.21 86	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

GMStereo	0.14 79	0.13 66	0.14 97	0.14 73	0.14 118	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 95	0.14 117	0.14 96	0.14 112	0.14 90	0.14 107	0.14 95	0.14 120	0.14 97	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 129	0.90 184	0.10 56	0.14 73	0.10 88	0.14 94	0.10 85	0.91 268	0.69 270	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 256	0.76 274

DRN-Test	0.14 79	0.13 66	0.09 52	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 95	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 94	0.73 269

StereoDRNet	0.15 89	0.14 70	0.10 56	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 95	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 96	0.82 279

CIPLG	0.13 72	0.21 86	0.12 78	0.16 88	0.11 102	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 104	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLGR_C	0.14 79	0.20 81	0.12 78	0.15 82	0.11 102	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.16 105	0.11 92	0.15 97	0.12 85	0.14 95	0.12 110	0.15 104	0.12 106

IPLGR	0.14 79	0.24 96	0.14 97	0.16 88	0.12 114	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

PDISCO_ROB	0.83 252	2.80 329	3.49 388	0.14 73	0.11 102	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 105	0.14 117	3.30 386	0.13 109	0.14 90	2.34 376	0.16 106	0.12 110	2.62 366	0.10 83

GMStereo_Zeroshot	0.16 95	0.16 71	0.16 112	0.16 88	0.16 132	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 105	0.16 126	0.16 105	0.16 125	0.16 104	0.16 112	0.16 106	0.16 123	0.16 107	0.16 115

MIPNet	0.14 79	0.21 86	0.17 116	0.16 88	0.11 102	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.14 90	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

ICVP	0.15 89	0.53 161	0.11 73	0.16 88	0.11 102	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 105	0.11 98	0.16 105	0.11 92	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ProNet	0.14 79	0.20 81	0.14 97	0.16 88	0.11 102	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.13 115	0.17 108	0.12 103	0.15 97	0.11 74	0.16 106	0.11 97	0.15 104	0.12 106

HSM	0.14 79	0.16 71	0.12 78	0.17 94	0.12 114	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.12 111	0.17 108	0.12 103	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.12 106

ELAS	0.13 72	0.16 71	0.11 73	0.15 82	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 111	0.11 98	0.18 110	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 97	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
cf-r	0.66 216	2.17 309	0.12 78	0.18 95	0.12 114	0.18 110	2.70 389	2.60 375	0.12 114	0.18 110	0.12 105	0.18 111	0.12 111	0.18 110	0.12 103	0.15 97	0.11 74	0.15 105	0.11 97	1.81 348	1.74 380

DeepPruner_ROB	0.16 95	0.18 76	0.13 93	0.19 98	0.13 117	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 114	0.13 115	0.19 112	0.13 109	0.18 115	0.13 106	0.18 118	0.13 118	0.18 113	0.13 112

ELAS_RVC	0.14 79	0.16 71	0.10 56	0.15 82	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 111	0.11 98	0.19 112	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 104	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 89	0.17 75	0.11 73	0.18 95	0.11 102	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 115	0.12 111	0.19 112	0.12 103	0.16 104	0.11 74	0.17 111	0.10 86	0.17 110	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
IGEV_Zeroshot_test	0.20 102	0.19 77	0.40 187	0.30 126	0.17 133	0.22 124	0.17 120	0.21 119	0.17 130	0.20 114	0.17 130	0.21 122	0.18 133	0.21 124	0.17 126	0.20 118	0.16 112	0.20 121	0.16 123	0.20 116	0.17 121

DAS	0.20 102	0.20 81	0.20 125	0.20 99	0.20 142	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 115	0.20 140	0.20 115	0.20 136	0.20 118	0.20 128	0.20 121	0.20 140	0.20 116	0.20 126

ACVNet	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 290	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

acv_ft	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 290	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

hitnet-ft	0.79 238	2.78 328	0.14 97	0.20 99	0.14 118	0.21 122	2.89 390	2.80 380	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.54 365	2.33 386

GwcNet-RSSM	0.77 234	2.77 327	0.14 97	0.20 99	0.14 118	0.20 115	2.67 388	2.78 378	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.21 124	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 363	2.31 384

CFNet-ft	0.55 208	1.57 282	0.14 97	0.20 99	0.14 118	0.20 115	2.53 386	1.61 353	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	1.56 344	1.24 359

LALA_ROB	0.15 89	0.19 77	0.12 78	0.18 95	0.11 102	0.20 115	0.12 109	0.21 119	0.12 114	0.20 114	0.12 105	0.20 115	0.12 111	0.21 124	0.13 109	0.17 108	0.10 59	0.18 118	0.11 97	0.18 113	0.11 95

MSKI-zero shot	0.24 115	0.21 86	0.49 219	0.65 210	0.18 138	0.22 124	0.17 120	0.23 126	0.18 131	0.21 122	0.17 130	0.23 130	0.28 172	0.23 132	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

PSMNet-RSSM	0.77 234	2.76 325	0.14 97	0.20 99	0.14 118	0.20 115	2.66 387	2.79 379	0.14 118	0.21 122	0.14 120	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 363	2.31 384

WAO-6	0.22 109	0.23 90	0.22 128	0.23 108	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.22 128	0.22 143	0.22 122	0.22 129

IMH-64-1	0.22 109	0.23 90	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

IMH-64	0.22 109	0.23 90	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

dd	0.23 113	0.98 195	0.16 112	0.23 108	0.15 127	0.23 130	0.15 116	0.23 126	0.15 126	0.23 127	0.15 127	0.24 134	0.17 128	0.23 132	0.15 120	0.22 123	0.15 110	0.21 123	0.15 122	0.22 122	0.16 115

dad	0.23 113	1.03 209	0.16 112	0.23 108	0.15 127	0.24 131	0.15 116	0.24 129	0.16 128	0.23 127	0.16 128	0.24 134	0.16 126	0.23 132	0.15 120	0.22 123	0.16 112	0.22 128	0.16 123	0.22 122	0.16 115

LRCNet_RVC	0.13 72	0.13 66	0.09 52	0.13 69	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 127	0.10 86	0.20 115	0.10 87	0.24 136	0.11 92	0.11 68	0.09 55	0.12 91	0.14 120	0.12 94	0.09 79

AANet_RVC	1.26 335	0.31 105	4.99 394	5.93 386	0.20 142	0.25 135	0.20 129	0.25 132	0.20 137	0.23 127	0.19 139	0.25 137	0.20 140	0.25 138	0.20 136	5.66 395	4.76 387	0.26 141	0.30 189	0.24 129	0.27 152

iResNet	0.20 102	0.23 90	0.18 121	0.24 113	0.18 138	0.24 131	0.20 129	0.24 129	0.18 131	0.23 127	0.17 130	0.23 130	0.18 133	0.23 132	0.18 132	0.22 123	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

iResNetv2_ROB	0.20 102	0.23 90	0.18 121	0.24 113	0.20 142	0.24 131	0.18 124	0.24 129	0.18 131	0.24 132	0.18 138	0.23 130	0.19 137	0.24 136	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.22 122	0.16 115

UNDER WATER-64	0.25 116	0.26 98	0.25 138	0.26 122	0.25 158	0.25 135	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.26 147	0.25 152	0.25 141	0.25 138	0.25 138	0.25 156	0.25 130	0.25 141

LoS_RVC	0.30 130	1.14 215	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.26 145	0.26 160	0.26 147	0.25 152	0.26 142	0.26 141	0.25 138	0.25 156	0.26 131	0.26 147

CAS	0.30 130	1.17 219	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.26 162	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.26 141	0.26 141	0.25 156	0.26 131	0.25 141

LoS	0.25 116	0.27 99	0.25 138	0.25 116	0.25 158	0.25 135	0.25 147	0.26 136	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.25 138	0.25 138	0.26 162	0.26 131	0.25 141

MMNet	0.44 186	1.24 271	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 344	0.93 294	0.25 133	0.17 130	0.25 137	0.18 133	0.25 138	0.17 126	0.23 132	0.16 112	0.23 132	0.16 123	1.20 287	0.99 291

delet	0.43 183	1.21 269	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 344	0.95 295	0.25 133	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.22 128	0.16 123	1.18 284	0.98 290

UPFNet	0.42 182	1.20 223	0.17 116	0.24 113	0.17 133	0.25 135	0.17 120	1.19 292	0.90 288	0.25 133	0.17 130	0.24 134	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.22 128	0.16 123	1.15 276	0.93 287

MIM_Stereo	0.25 116	0.23 90	0.66 243	0.80 227	0.17 133	0.22 124	0.17 120	0.23 126	0.18 131	0.26 140	0.17 130	0.21 122	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.21 123	0.17 136	0.22 122	0.17 121

psm_up	0.43 183	1.19 222	0.17 116	0.25 116	0.18 138	0.25 135	0.19 127	1.26 344	0.91 289	0.26 140	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.23 132	0.16 123	1.18 284	0.99 291

SQANet	0.28 126	0.28 101	0.28 147	0.28 124	0.28 168	0.28 146	0.28 161	0.28 138	0.28 168	0.28 142	0.28 172	0.28 147	0.28 172	0.28 151	0.28 162	0.28 147	0.28 151	0.28 147	0.28 172	0.28 136	0.28 164

ac_64	0.22 109	0.13 66	0.19 123	0.23 108	0.10 88	0.26 142	1.02 296	0.14 94	0.10 85	0.28 142	0.14 120	0.17 108	0.19 137	0.28 151	0.09 76	0.22 123	0.16 112	0.23 132	0.17 136	0.11 90	0.12 106

CFNet	1.37 339	5.27 368	0.19 123	5.49 383	0.19 141	0.28 146	0.19 127	0.28 138	0.19 136	0.28 142	0.19 139	0.28 147	4.35 394	0.28 151	0.19 135	0.23 132	0.17 124	0.23 132	4.21 403	4.81 385	0.17 121

RAFT + AFF	0.31 133	0.45 141	0.34 173	0.39 148	0.28 168	0.38 175	0.33 183	0.29 141	0.31 182	0.30 145	0.30 183	0.29 152	0.27 167	0.29 154	0.30 175	0.28 147	0.29 160	0.29 151	0.29 181	0.27 134	0.32 185

DANet	0.30 130	0.30 104	0.30 153	0.30 126	0.30 183	0.30 150	0.30 171	0.30 143	0.30 180	0.30 145	0.30 183	0.30 153	0.30 181	0.30 155	0.30 175	0.30 154	0.30 168	0.30 153	0.30 189	0.30 141	0.30 176
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxxx1	0.31 133	0.91 185	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

CASnet	0.35 149	0.51 159	0.44 201	0.32 132	0.31 187	0.24 131	0.34 192	0.36 156	0.25 149	0.31 147	0.37 206	0.30 153	0.33 190	0.25 138	0.45 229	0.37 175	0.37 181	0.33 162	0.35 207	0.34 150	0.37 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
tt_ll	0.31 133	0.91 185	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

ff	0.31 133	0.91 185	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

tt1	0.31 133	0.93 191	0.24 136	0.33 134	0.23 152	0.31 153	0.24 145	0.32 145	0.24 146	0.32 151	0.23 149	0.32 157	0.25 151	0.32 157	0.24 147	0.27 145	0.26 141	0.27 145	0.26 162	0.27 134	0.27 152

DLNR_Zeroshot_test	0.31 133	0.28 101	0.47 210	0.79 225	0.24 157	0.30 150	0.26 153	0.30 143	0.24 146	0.32 151	0.23 149	0.31 155	0.24 149	0.30 155	0.23 145	0.29 153	0.26 141	0.29 151	0.24 153	0.33 146	0.23 131

HCRNet	1.22 333	7.11 373	3.00 385	3.55 373	0.33 199	0.29 149	0.14 113	0.19 111	0.15 126	0.33 153	0.29 174	0.25 137	0.14 117	0.22 128	0.33 183	3.64 383	3.00 379	0.76 272	0.32 198	0.18 113	0.13 112

iResNet_ROB	0.28 126	0.32 106	0.24 136	0.32 132	0.25 158	0.32 160	0.24 145	0.32 145	0.24 146	0.33 153	0.24 155	0.35 162	0.24 149	0.33 161	0.24 147	0.31 156	0.24 137	0.32 155	0.24 153	0.32 142	0.24 140

H2IRNET	0.34 143	0.34 107	0.34 173	0.34 135	0.34 205	0.34 161	0.34 192	0.34 150	0.34 196	0.34 155	0.34 196	0.34 161	0.34 193	0.34 162	0.34 196	0.34 161	0.34 175	0.34 169	0.34 204	0.34 150	0.34 193

MyStereo04	0.56 209	3.72 344	0.59 230	0.49 190	0.41 227	0.36 167	0.32 176	0.37 162	0.31 182	0.34 155	0.46 235	0.35 162	0.32 186	0.35 164	0.33 183	0.49 225	0.45 207	0.34 169	0.32 198	0.35 162	0.43 220

FENet	0.54 206	1.52 281	1.19 291	1.41 331	0.23 152	0.35 164	0.23 141	0.35 152	0.23 145	0.34 155	0.23 149	0.35 162	0.23 148	0.35 164	0.23 145	1.40 348	1.07 277	0.32 155	0.23 148	0.33 146	0.23 131

DMCA	0.36 152	0.38 114	0.37 180	0.35 136	0.35 208	0.36 167	0.36 199	0.36 156	0.35 199	0.35 158	0.37 206	0.36 167	0.36 197	0.35 164	0.36 199	0.36 171	0.36 179	0.35 180	0.36 211	0.36 168	0.36 195

ETE_ROB	0.35 149	0.35 108	0.35 177	0.35 136	0.35 208	0.35 164	0.35 195	0.35 152	0.35 199	0.35 158	0.35 201	0.35 162	0.35 196	0.35 164	0.35 197	0.35 168	0.35 177	0.35 180	0.35 207	0.35 162	0.35 194

DN-CSS_ROB	0.31 133	0.35 108	0.28 147	0.35 136	0.28 168	0.34 161	0.27 156	0.34 150	0.25 149	0.35 158	0.27 167	0.36 167	0.26 160	0.34 162	0.28 162	0.35 168	0.28 151	0.34 169	0.28 172	0.34 150	0.27 152

Any-RAFT	0.32 141	0.36 111	0.27 144	0.36 140	0.27 165	0.36 167	0.27 156	0.36 156	0.27 165	0.36 161	0.27 167	0.36 167	0.27 167	0.36 169	0.28 162	0.36 171	0.28 151	0.36 185	0.28 172	0.36 168	0.28 164

CES	0.39 165	0.47 147	0.36 178	0.36 140	0.37 211	0.45 219	0.35 195	0.35 152	0.40 213	0.36 161	0.44 232	0.47 220	0.36 197	0.44 211	0.36 199	0.37 175	0.39 190	0.44 224	0.35 207	0.37 170	0.36 195

IGEV-Stereo	0.35 149	0.44 139	0.45 203	0.49 190	0.30 183	0.37 172	0.30 171	0.36 156	0.30 180	0.36 161	0.29 174	0.36 167	0.29 176	0.36 169	0.30 175	0.46 213	0.39 190	0.32 155	0.24 153	0.32 142	0.25 141
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
MLCV	0.31 133	0.35 108	0.27 144	0.35 136	0.28 168	0.35 164	0.27 156	0.35 152	0.28 168	0.36 161	0.27 167	0.35 162	0.27 167	0.35 164	0.27 158	0.34 161	0.27 146	0.34 169	0.27 168	0.34 150	0.27 152

XPNet_ROB	0.37 154	0.37 112	0.37 180	0.37 143	0.37 211	0.37 172	0.37 203	0.37 162	0.37 205	0.37 165	0.37 206	0.37 172	0.37 199	0.37 173	0.37 206	0.37 175	0.37 181	0.37 187	0.37 214	0.37 170	0.37 198

WAO-8	0.38 160	0.38 114	0.38 182	0.38 144	0.38 216	0.38 175	0.38 208	0.38 165	0.38 207	0.38 166	0.38 211	0.38 174	0.38 201	0.38 174	0.38 207	0.38 182	0.38 185	0.38 194	0.37 214	0.38 177	0.38 202

WAO-7	0.38 160	0.38 114	0.38 182	0.38 144	0.38 216	0.38 175	0.38 208	0.38 165	0.38 207	0.38 166	0.38 211	0.38 174	0.38 201	0.38 174	0.38 207	0.38 182	0.38 185	0.38 194	0.38 221	0.38 177	0.38 202

EKT-Stereo	0.37 154	0.40 123	0.44 201	1.07 257	0.29 174	0.34 161	0.31 175	0.36 156	0.29 170	0.38 166	0.31 186	0.37 172	0.30 181	0.36 169	0.29 168	0.34 161	0.28 151	0.39 198	0.30 189	0.37 170	0.30 176

iRaft-Stereo_20w	0.34 143	0.41 130	0.31 159	0.39 148	0.29 174	0.40 182	0.32 176	0.41 186	0.32 186	0.38 166	0.30 183	0.39 178	0.30 181	0.38 174	0.32 180	0.35 168	0.27 146	0.34 169	0.27 168	0.34 150	0.29 168

DISCO	1.11 285	0.39 121	5.28 395	0.39 148	0.20 142	0.39 181	0.27 156	0.39 169	0.22 140	0.38 166	0.20 141	0.38 174	0.20 140	6.95 408	0.22 140	0.30 154	0.21 129	0.27 145	0.21 141	5.25 389	0.21 127

1test111	0.37 154	1.02 207	0.30 153	0.39 148	0.29 174	0.40 182	0.28 161	0.39 169	0.29 170	0.39 171	0.29 174	0.39 178	0.28 172	0.40 184	0.29 168	0.33 158	0.32 171	0.33 162	0.31 194	0.32 142	0.31 181

cc1	0.37 154	1.02 207	0.30 153	0.39 148	0.29 174	0.40 182	0.28 161	0.39 169	0.29 170	0.39 171	0.29 174	0.39 178	0.28 172	0.40 184	0.29 168	0.33 158	0.32 171	0.33 162	0.31 194	0.32 142	0.31 181

HanzoNet	0.39 165	0.38 114	0.40 187	0.39 148	0.41 227	0.38 175	0.38 208	0.38 165	0.38 207	0.39 171	0.39 215	0.38 174	0.38 201	0.39 181	0.40 213	0.38 182	0.38 185	0.40 202	0.38 221	0.38 177	0.40 207

StereoDRNet-Refined	0.33 142	0.39 121	0.26 143	0.39 148	0.26 164	0.40 182	0.26 153	0.40 173	0.26 162	0.39 171	0.26 164	0.39 178	0.26 160	0.39 181	0.26 157	0.37 175	0.25 138	0.37 187	0.25 156	0.37 170	0.37 198
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LargeStereo	0.34 143	0.43 138	0.30 153	0.40 160	0.29 174	0.40 182	0.29 166	0.40 173	0.29 170	0.40 175	0.29 174	0.40 184	0.29 176	0.40 184	0.30 175	0.38 182	0.29 160	0.37 187	0.29 181	0.37 170	0.29 168

ACVNet-DCA	0.37 154	1.00 198	0.30 153	0.40 160	0.29 174	0.40 182	0.29 166	0.40 173	0.29 170	0.40 175	0.29 174	0.40 184	0.29 176	0.39 181	0.28 162	0.33 158	0.32 171	0.33 162	0.32 198	0.33 146	0.32 185

xx1	0.38 160	1.03 209	0.31 159	0.40 160	0.31 187	0.41 197	0.28 161	0.40 173	0.29 170	0.40 175	0.29 174	0.40 184	0.29 176	0.40 184	0.29 168	0.34 161	0.33 174	0.34 169	0.32 198	0.34 150	0.32 185

knoymous	0.40 168	0.40 123	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

anonymousa	0.40 168	0.40 123	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

riskmin	0.40 168	0.40 123	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

Anonymous_2	0.40 168	0.40 123	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

Anonymous_1	0.40 168	0.40 123	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

CRFU-Net	0.65 214	1.67 285	1.22 341	1.96 344	0.27 165	0.41 197	0.27 156	0.41 186	0.27 165	0.40 175	0.26 164	0.41 194	0.27 167	0.40 184	0.27 158	1.80 358	1.62 361	0.34 169	0.23 148	0.33 146	0.23 131

iRaft-Stereo_5w	0.34 143	0.42 137	0.31 159	0.39 148	0.30 183	0.38 175	0.30 171	0.40 173	0.29 170	0.40 175	0.37 206	0.41 194	0.34 193	0.38 174	0.30 175	0.34 161	0.27 146	0.34 169	0.26 162	0.34 150	0.26 147

GES	0.66 216	2.34 313	0.29 149	0.41 169	0.29 174	0.41 197	0.29 166	0.42 202	0.29 170	0.40 175	0.41 222	0.41 194	0.30 181	0.51 235	0.29 168	0.32 157	0.29 160	0.32 155	2.46 389	2.49 362	0.30 176

AdaStereo	0.40 168	0.40 123	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207
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.
Venus	0.38 160	0.38 114	0.38 182	0.38 144	0.38 216	0.37 172	0.38 208	0.37 162	0.37 205	0.41 187	0.37 206	0.39 178	0.37 199	0.38 174	0.38 207	0.37 175	0.38 185	0.38 194	0.37 214	0.37 170	0.38 202

RAFT-Test	0.36 152	0.37 112	0.33 166	0.41 169	0.32 190	0.41 197	0.32 176	0.41 186	0.32 186	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.33 183	0.37 175	0.29 160	0.37 187	0.29 181	0.38 177	0.31 181

IER	0.88 260	7.04 372	2.23 377	2.75 363	0.28 168	0.43 217	0.25 147	0.39 169	0.25 149	0.41 187	0.27 167	0.39 178	0.25 151	0.40 184	0.28 162	0.37 175	0.28 151	0.37 187	0.25 156	0.37 170	0.25 141

NINENet	0.69 223	3.87 350	1.20 294	1.98 345	0.05 69	0.40 182	0.04 54	0.40 173	0.05 68	0.41 187	0.04 63	0.41 194	0.05 64	0.40 184	0.05 59	1.79 357	1.56 359	0.34 169	0.22 143	0.34 150	0.23 131

GwcNet-ADL	0.41 174	0.41 130	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

PSMNet-ADL	0.41 174	0.41 130	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

GANet-ADL	0.41 174	0.41 130	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

ADLNet2	0.41 174	0.41 130	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

ADLNet	0.41 174	0.41 130	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

DGSMNet	0.34 143	0.41 130	0.27 144	0.41 169	0.28 168	0.41 197	0.28 161	0.41 186	0.27 165	0.41 187	0.27 167	0.42 210	0.27 167	0.41 197	0.28 162	0.40 191	0.29 160	0.40 202	0.28 172	0.40 186	0.27 152

Gwc-CoAtRS	0.41 174	1.49 280	0.32 162	0.42 177	0.32 190	0.41 197	0.32 176	0.41 186	0.33 189	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.32 180	0.39 188	0.28 151	0.39 198	0.28 172	0.40 186	0.28 164

IMH	0.38 160	0.38 114	0.38 182	0.38 144	0.38 216	0.38 175	0.38 208	0.38 165	0.38 207	0.42 198	0.38 211	0.40 184	0.38 201	0.38 174	0.38 207	0.38 182	0.38 185	0.39 198	0.38 221	0.38 177	0.38 202

LL-Strereo2	0.48 198	1.73 290	0.51 223	0.59 205	0.34 205	0.42 213	0.33 183	0.40 173	0.31 182	0.42 198	0.33 190	0.42 210	0.31 185	0.44 211	0.39 212	0.60 238	0.51 227	0.44 224	0.33 203	0.44 201	0.33 188

HGLStereo	0.28 126	0.29 103	0.22 128	0.36 140	0.22 148	0.36 167	0.21 134	0.36 156	0.21 139	0.42 198	0.21 145	0.36 167	0.22 144	0.36 169	0.21 138	0.34 161	0.21 129	0.34 169	0.21 141	0.34 150	0.21 127

UCFNet_RVC	2.75 382	10.06 392	0.29 149	10.31 409	0.29 174	0.42 213	0.29 166	0.43 204	0.29 170	0.42 198	0.29 174	0.42 210	9.87 410	0.43 209	0.29 168	0.36 171	9.84 409	0.36 185	0.26 162	9.77 408	0.26 147

RCA-Stereo	0.51 204	3.22 336	0.34 173	0.44 178	0.34 205	0.44 218	0.34 192	0.43 204	0.34 196	0.43 202	0.34 196	0.44 213	0.33 190	0.43 209	0.33 183	0.38 182	0.29 160	0.38 194	0.29 181	0.38 177	0.29 168

GMOStereo	0.37 154	0.45 141	0.23 130	0.30 126	0.37 211	0.41 197	0.36 199	0.41 186	0.35 199	0.43 202	0.36 202	0.41 194	0.40 207	0.41 197	0.36 199	0.34 161	0.22 132	0.47 232	0.37 214	0.39 183	0.33 188

error version	0.93 268	4.47 358	2.35 380	1.99 346	0.37 211	0.41 197	0.36 199	0.41 186	0.35 199	0.43 202	0.36 202	0.41 194	0.40 207	0.41 197	0.36 199	1.87 360	2.16 372	0.47 232	0.37 214	0.39 183	0.33 188

test_1	0.93 268	4.47 358	2.35 380	1.99 346	0.37 211	0.41 197	0.36 199	0.41 186	0.35 199	0.43 202	0.36 202	0.41 194	0.40 207	0.41 197	0.36 199	1.87 360	2.16 372	0.47 232	0.37 214	0.39 183	0.33 188

Former-RAFT_DAM_RVC	0.49 201	0.98 195	0.64 237	0.84 231	0.46 238	0.45 219	0.35 195	0.47 212	0.47 233	0.45 206	0.34 196	0.46 214	0.48 235	0.46 214	0.35 197	0.39 188	0.71 254	0.39 198	0.35 207	0.41 194	0.41 214

MoCha-V2	1.98 354	31.61 420	0.36 178	0.70 215	0.35 208	0.47 225	0.35 195	0.44 206	0.34 196	0.46 207	0.36 202	0.49 227	0.38 201	0.46 214	0.36 199	0.43 212	0.34 175	0.44 224	0.37 214	0.44 201	0.39 206

otaku	0.46 188	0.46 143	0.46 205	0.46 180	0.46 238	0.46 221	0.46 229	0.46 207	0.46 230	0.46 207	0.46 235	0.46 214	0.46 225	0.46 214	0.46 231	0.46 213	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

Ntro	0.47 193	0.47 147	0.46 205	0.46 180	0.46 238	0.47 225	0.47 235	0.46 207	0.47 233	0.46 207	0.46 235	0.47 220	0.46 225	0.47 219	0.47 235	0.47 218	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

ACVNet_1	0.46 188	0.47 147	0.46 205	0.46 180	0.46 238	0.46 221	0.46 229	0.46 207	0.47 233	0.46 207	0.46 235	0.46 214	0.46 225	0.46 214	0.46 231	0.46 213	0.46 209	0.47 232	0.46 238	0.46 203	0.46 224

ACVNet-4b	0.46 188	0.46 143	0.46 205	0.46 180	0.46 238	0.46 221	0.46 229	0.46 207	0.46 230	0.46 207	0.46 235	0.46 214	0.46 225	0.47 219	0.46 231	0.46 213	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

GANet-RSSM	0.75 232	1.91 295	0.14 97	0.47 185	0.14 118	0.21 122	3.21 394	2.30 372	0.14 118	0.46 207	0.14 120	0.23 130	0.18 133	0.21 124	0.14 112	0.18 115	0.27 146	0.37 187	0.13 118	2.13 356	2.12 382

HaxPig	0.47 193	0.47 147	0.47 210	0.49 190	0.47 244	0.47 225	0.47 235	0.47 212	0.47 233	0.47 213	0.47 242	0.47 220	0.47 234	0.47 219	0.47 235	0.47 218	0.47 215	0.47 232	0.47 244	0.47 209	0.48 232

UNDER WATER	0.47 193	0.47 147	0.47 210	0.47 185	0.47 244	0.47 225	0.47 235	0.47 212	0.47 233	0.47 213	0.47 242	0.47 220	0.46 225	0.47 219	0.47 235	0.47 218	0.47 215	0.47 232	0.46 238	0.47 209	0.47 229

LVE	0.47 193	0.47 147	0.47 210	0.47 185	0.49 249	0.47 225	0.47 235	0.47 212	0.49 241	0.47 213	0.47 242	0.47 220	0.46 225	0.47 219	0.47 235	0.47 218	0.47 215	0.48 240	0.47 244	0.47 209	0.47 229

Dean	0.46 188	0.46 143	0.46 205	0.46 180	0.46 238	0.46 221	0.46 229	0.46 207	0.46 230	0.47 213	0.46 235	0.46 214	0.46 225	0.46 214	0.46 231	0.46 213	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

RainbowNet	0.48 198	0.48 153	0.48 215	0.48 188	0.48 246	0.48 230	0.48 240	0.48 216	0.48 239	0.48 217	0.48 245	0.48 225	0.48 235	0.48 224	0.48 240	0.48 222	0.48 219	0.48 240	0.48 247	0.48 212	0.48 232

notaker	0.48 198	0.49 154	0.48 215	0.48 188	0.48 246	0.48 230	0.48 240	0.48 216	0.49 241	0.48 217	0.48 245	0.48 225	0.48 235	0.48 224	0.48 240	0.48 222	0.48 219	0.48 240	0.48 247	0.48 212	0.49 235

BUS	0.83 252	1.91 295	0.92 270	4.48 377	0.02 20	0.40 182	0.04 54	0.41 186	0.02 20	0.48 217	0.03 40	0.41 194	0.05 64	0.03 33	0.05 59	1.97 364	4.19 384	0.33 162	0.23 148	0.34 150	0.27 152

BSDual-CNN	0.81 245	1.91 295	0.92 270	4.48 377	0.02 20	0.42 213	0.06 75	0.41 186	0.02 20	0.48 217	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 364	4.19 384	0.33 162	0.23 148	0.34 150	0.27 152

hknet	1.10 283	1.85 293	3.49 388	4.48 377	0.02 20	0.42 213	0.06 75	0.41 186	0.02 20	0.48 217	0.03 40	0.41 194	0.03 42	0.42 208	0.03 37	4.39 387	4.19 384	0.33 162	0.23 148	0.34 150	0.27 152

TorneroNet	0.66 216	0.53 161	0.50 221	0.50 196	0.64 269	1.06 292	0.70 269	0.50 225	0.51 247	0.49 222	0.69 277	0.49 227	0.50 243	0.48 224	1.15 304	0.71 251	0.49 221	1.14 301	1.08 299	0.49 214	0.49 235

ACVNet_2	0.49 201	0.49 154	0.49 219	0.49 190	0.49 249	0.49 232	0.49 243	0.49 218	0.49 241	0.49 222	0.49 249	0.49 227	0.49 240	0.49 230	0.49 243	0.49 225	0.49 221	0.49 243	0.49 249	0.49 214	0.49 235

PCWNet_CMD	2.80 384	9.82 390	0.32 162	10.09 408	0.32 190	0.49 232	0.33 183	3.34 386	0.33 189	0.49 222	0.33 190	0.49 227	8.73 406	0.48 224	0.33 183	0.41 198	9.22 404	0.42 222	0.29 181	9.55 407	0.31 181

CFNet_ucs	2.73 381	9.64 389	0.33 166	9.92 406	0.32 190	0.49 232	0.33 183	0.49 218	0.33 189	0.49 222	0.33 190	0.49 227	8.98 408	0.48 224	0.33 183	0.41 198	9.96 410	0.40 202	0.29 181	10.12 410	0.54 242

CFNet_pseudo	2.67 380	9.36 387	0.32 162	10.99 410	0.33 199	0.85 274	0.33 183	0.49 218	0.33 189	0.49 222	0.32 187	0.49 227	7.26 404	0.49 230	0.33 183	0.41 198	9.62 407	0.41 213	0.29 181	10.03 409	0.29 168

pcwnet_v2	2.66 379	9.89 391	0.33 166	9.89 405	0.32 190	0.50 238	0.32 176	0.49 218	0.33 189	0.49 222	0.34 196	0.49 227	8.76 407	0.48 224	0.33 183	0.41 198	9.58 406	0.40 202	0.29 181	9.01 405	0.63 256

ccnet	0.80 240	2.28 312	0.33 166	0.50 196	0.33 199	0.50 238	0.33 183	0.50 225	0.33 189	0.49 222	0.33 190	0.49 227	1.56 364	2.38 375	0.33 183	0.41 198	0.29 160	0.42 222	1.57 372	2.28 358	0.29 168

psmorigin	0.41 174	0.46 143	0.33 166	0.49 190	0.33 199	0.49 232	0.33 183	0.49 218	0.33 189	0.49 222	0.33 190	0.49 227	0.33 190	0.51 235	0.33 183	0.41 198	0.30 168	0.41 213	0.30 189	0.79 246	0.29 168

MSMDNet	2.65 378	10.14 393	0.33 166	9.74 403	0.32 190	0.87 275	0.33 183	2.95 382	0.68 267	0.49 222	0.34 196	0.49 227	5.70 400	0.49 230	0.33 183	0.42 211	9.57 405	0.41 213	0.31 194	8.36 403	0.65 258

SANet	0.50 203	0.50 156	0.50 221	0.50 196	0.50 252	0.50 238	0.50 245	0.50 225	0.50 244	0.50 231	0.50 251	0.50 239	0.50 243	0.50 234	0.50 244	0.50 229	0.50 226	0.50 246	0.50 251	0.50 218	0.50 238

MyStereo07	0.60 211	3.72 344	0.48 215	0.49 190	0.41 227	0.36 167	0.32 176	0.49 218	0.43 227	0.51 232	0.42 228	0.49 227	0.43 222	0.51 235	0.64 261	0.49 225	0.45 207	0.34 169	0.32 198	0.35 162	0.43 220

ktn	0.72 229	0.53 161	1.08 282	1.14 264	0.51 253	1.22 351	1.36 363	0.51 229	0.59 256	0.51 232	0.51 254	0.69 258	1.20 303	0.67 256	0.51 246	0.51 230	0.49 221	0.58 252	0.66 268	0.52 220	0.53 241

ccs_rob	2.79 383	10.17 394	0.32 162	10.00 407	0.33 199	0.49 232	0.33 183	1.90 359	0.32 186	0.51 232	0.33 190	0.49 227	9.24 409	0.49 230	0.33 183	0.41 198	9.82 408	0.41 213	0.28 172	9.34 406	0.29 168

4D-IteraStereo	0.78 237	3.13 333	0.89 265	0.69 213	0.32 190	0.40 182	0.32 176	0.76 256	0.97 297	0.52 235	0.65 272	0.89 279	0.32 186	0.76 266	0.98 292	0.83 262	0.94 271	0.35 180	0.27 168	0.70 235	0.89 284

AEACV	1.12 286	0.52 160	3.12 386	3.24 369	0.86 292	0.53 242	0.49 243	0.60 241	0.47 233	0.53 236	0.49 249	0.55 244	0.45 224	0.55 240	0.47 235	3.01 379	3.88 382	0.71 265	0.60 260	0.80 249	0.48 232

iRaftStereo_RVC	0.97 272	3.17 335	2.30 379	2.42 358	0.38 216	0.54 243	0.38 208	0.54 231	0.38 207	0.54 237	0.38 211	0.54 241	0.38 201	0.54 238	0.38 207	2.38 374	2.34 376	0.49 243	0.36 211	0.49 214	0.36 195

PSMNet_ROB	0.54 206	0.54 164	0.54 226	0.54 199	0.53 257	0.54 243	0.54 249	0.53 230	0.54 253	0.54 237	0.54 258	0.54 241	0.53 248	0.54 238	0.54 249	0.54 233	0.53 230	0.54 250	0.54 252	0.54 224	0.54 242

MyStereo06	0.75 232	4.12 352	0.60 231	0.63 208	0.61 265	0.62 253	0.66 262	0.56 234	0.45 229	0.55 239	0.48 245	0.54 241	0.46 225	0.57 246	0.45 229	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

PA-Net	11.80 410	223.51 433	0.62 234	0.59 205	0.71 280	0.59 251	0.73 272	0.67 249	0.73 277	0.55 239	0.61 264	0.60 251	0.74 270	0.63 251	0.73 276	0.66 242	0.60 236	0.69 262	0.66 268	0.72 237	0.65 258
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Selective-IGEV	0.51 204	0.55 166	0.45 203	0.69 213	0.45 237	0.61 252	0.45 228	0.50 225	0.40 213	0.56 241	0.44 232	0.55 244	0.40 207	0.72 261	0.67 265	0.59 236	0.46 209	0.45 227	0.34 204	0.46 203	0.37 198

LL-Strereo	1.01 279	5.06 367	1.63 362	0.70 215	1.43 374	0.56 245	0.46 229	0.57 236	0.50 244	0.57 242	0.50 251	1.58 360	0.49 240	0.59 248	0.50 244	1.64 354	0.52 228	0.51 247	1.37 363	0.52 220	0.45 223

CASS	0.57 210	0.89 182	0.56 227	0.57 202	0.56 259	0.56 245	0.56 250	0.56 234	0.53 249	0.57 242	0.57 261	0.59 250	0.48 235	0.56 243	0.57 253	0.55 235	0.56 233	0.47 232	0.56 256	0.62 226	0.56 249
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PML	0.46 188	1.36 277	0.29 149	0.58 203	0.30 183	0.57 249	0.29 166	0.57 236	0.29 170	0.57 242	0.29 174	0.57 248	0.29 176	0.56 243	0.29 168	0.52 231	0.30 168	0.53 249	0.31 194	0.53 222	0.30 176

MyStereo8	0.71 226	3.92 351	0.52 225	0.59 205	0.52 254	0.57 249	0.53 248	0.59 240	0.50 244	0.59 245	0.51 254	0.57 248	0.50 243	0.56 243	0.52 247	0.54 233	0.49 221	0.54 250	0.49 249	0.55 225	0.50 238

Anonymous Stereo	2.36 367	18.47 397	11.50 410	9.80 404	0.53 257	0.28 146	0.50 245	0.58 238	0.53 249	0.59 245	0.53 257	0.66 257	0.52 246	0.62 249	0.41 220	0.36 171	0.37 181	0.31 154	0.19 139	0.20 116	0.22 129

SPstereo	0.47 193	0.38 114	0.51 223	0.56 201	0.31 187	0.67 258	0.44 227	0.55 232	0.31 182	0.61 247	0.44 232	0.46 214	0.52 246	0.67 256	0.42 226	0.48 222	0.40 192	0.47 232	0.36 211	0.53 222	0.33 188

FCDSN-DC	0.41 174	0.59 167	0.64 237	0.54 199	0.33 199	0.50 238	0.37 203	0.42 202	0.40 213	0.61 247	0.43 230	0.50 239	0.49 240	0.38 174	0.32 180	0.28 147	0.23 136	0.26 141	0.22 143	0.35 162	0.28 164
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
CFNet_RVC	2.38 372	8.71 383	0.38 182	9.33 400	0.42 235	0.56 245	0.42 225	0.60 241	0.38 207	0.62 249	0.42 228	0.56 246	7.29 405	0.62 249	0.42 226	0.53 232	0.37 181	0.49 243	0.34 204	8.30 402	6.87 408

LMCR-Stereo	0.65 214	0.63 168	0.65 242	0.65 210	0.65 270	0.66 257	0.63 258	0.58 238	0.65 263	0.63 250	0.64 268	0.65 255	0.65 257	0.66 254	0.66 264	0.66 242	0.64 242	0.65 257	0.67 271	0.68 230	0.73 269

DispNO	1.00 275	0.63 168	0.43 200	3.45 372	0.44 236	0.65 256	0.43 226	0.64 246	0.43 227	0.64 251	0.43 230	0.64 252	3.03 383	0.64 252	0.43 228	4.55 389	0.43 206	0.63 254	0.43 236	0.63 227	0.43 220

DSFCA	0.66 216	0.73 173	0.78 259	0.65 210	0.65 270	0.64 255	0.64 259	0.65 247	0.63 262	0.64 251	0.64 268	0.64 252	0.64 255	0.65 253	0.65 262	0.65 241	0.65 243	0.65 257	0.65 266	0.66 228	0.64 257

test-3	0.98 274	4.13 354	1.85 372	1.85 338	0.61 265	0.69 259	0.37 203	0.63 245	0.61 259	0.66 253	0.51 254	0.73 263	0.44 223	0.57 246	0.54 249	1.68 355	1.81 370	0.40 202	0.43 236	0.66 228	0.50 238

MyStereo05	0.80 240	4.12 352	0.63 235	0.63 208	0.61 265	0.62 253	0.66 262	0.65 247	0.62 260	0.67 254	0.61 264	0.65 255	0.58 251	0.67 256	0.55 252	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

KSHMR	0.66 216	0.50 156	0.48 215	1.15 266	0.52 254	0.49 232	0.51 247	0.49 218	0.71 275	0.67 254	0.50 251	1.16 304	1.11 292	0.66 254	0.52 247	0.49 225	0.49 221	0.51 247	0.66 268	0.50 218	1.14 306

test_xeample3	1.10 283	1.81 291	0.61 233	0.84 231	0.49 249	0.77 267	0.66 262	0.92 271	1.40 372	0.68 256	0.46 235	0.78 268	0.54 249	1.72 360	1.48 369	1.34 344	1.52 358	1.35 361	1.67 376	1.33 337	1.55 372

DMCA-RVC	0.70 224	0.80 176	0.70 249	0.70 215	0.70 279	0.70 260	0.70 269	0.71 252	0.70 272	0.70 257	0.71 280	0.71 259	0.70 266	0.70 259	0.69 272	0.69 245	0.70 252	0.69 262	0.70 276	0.69 234	0.70 264

whm_eth	0.63 212	1.48 279	0.47 210	0.71 218	0.48 246	0.71 262	0.48 240	0.71 252	0.48 239	0.71 258	0.48 245	0.71 259	0.48 235	0.72 261	0.48 240	0.71 251	0.47 215	0.71 265	0.47 244	0.71 236	0.47 229

anonymity	0.63 212	0.69 170	0.56 227	0.71 218	0.56 259	0.71 262	0.56 250	0.71 252	0.56 254	0.72 259	0.56 259	0.71 259	0.56 250	0.71 260	0.58 256	0.68 244	0.55 231	0.68 259	0.55 253	0.68 230	0.54 242

TorneroNet-64	0.45 187	0.27 99	0.30 153	0.58 203	0.27 165	0.70 260	0.30 171	0.28 138	0.73 277	0.73 260	0.28 172	0.71 259	0.66 259	0.75 265	0.27 158	0.27 145	0.29 160	0.37 187	0.75 280	0.28 136	0.30 176

HH	0.71 226	2.54 316	0.74 255	1.10 259	0.32 190	0.41 197	0.37 203	0.69 250	0.78 280	0.73 260	0.90 292	0.75 265	1.00 284	0.84 272	0.69 272	0.69 245	0.40 192	0.35 180	0.26 162	0.35 162	0.26 147

HanStereo	0.71 226	2.54 316	0.74 255	1.10 259	0.32 190	0.41 197	0.37 203	0.69 250	0.78 280	0.73 260	0.90 292	0.75 265	1.00 284	0.84 272	0.69 272	0.69 245	0.40 192	0.35 180	0.26 162	0.35 162	0.26 147

iGMRVC	0.84 254	2.85 330	0.72 252	0.72 220	0.73 283	0.77 267	0.79 276	0.73 255	0.74 279	0.73 260	0.72 282	0.73 263	0.76 272	0.73 263	0.73 276	0.72 253	0.73 255	0.73 267	0.72 279	0.73 242	0.72 267

MyStereo03	0.84 254	4.93 365	0.68 248	0.90 235	0.74 285	0.56 245	0.46 229	0.55 232	0.52 248	0.74 264	0.56 259	0.56 246	0.46 225	0.81 270	0.54 249	0.59 236	0.52 228	0.75 269	0.68 272	0.68 230	0.65 258

ARAFT	0.68 221	0.81 179	0.63 235	0.74 221	0.60 261	0.78 269	0.62 257	0.77 257	0.66 265	0.74 264	0.63 266	0.75 265	0.62 254	0.83 271	0.60 258	0.70 248	0.55 231	0.70 264	0.60 260	0.78 244	0.55 246

G-Net	0.79 238	0.79 175	0.79 261	0.79 225	0.79 288	0.79 270	0.79 276	0.79 258	0.79 283	0.79 266	0.79 287	0.79 271	0.79 274	0.79 267	0.79 279	0.79 256	0.79 259	0.79 274	0.79 283	0.79 246	0.79 275

MyStereo02	0.85 257	4.58 360	0.64 237	0.76 223	0.65 270	0.75 264	0.61 254	0.60 241	0.53 249	0.80 267	0.64 268	0.78 268	0.66 259	0.55 240	0.57 253	0.70 248	0.66 245	0.68 259	0.62 263	0.72 237	0.59 250

MyStereo	0.85 257	4.58 360	0.64 237	0.76 223	0.65 270	0.75 264	0.61 254	0.60 241	0.53 249	0.80 267	0.64 268	0.78 268	0.66 259	0.55 240	0.57 253	0.70 248	0.66 245	0.68 259	0.62 263	0.72 237	0.59 250

NaN_ROB	0.80 240	0.80 176	0.80 262	0.80 227	0.80 290	0.80 271	0.80 278	0.80 259	0.80 284	0.80 267	0.80 288	0.80 272	0.80 275	0.80 268	0.80 281	0.80 257	0.80 262	0.80 276	0.80 284	0.80 249	0.80 276

CSAN	0.80 240	0.80 176	0.80 262	0.80 227	0.80 290	0.80 271	0.80 278	0.80 259	0.80 284	0.80 267	0.80 288	0.80 272	0.80 275	0.80 268	0.80 281	0.80 257	0.80 262	0.80 276	0.80 284	0.80 249	0.80 276

RAFT-Stereo + iAFF	0.70 224	0.72 172	0.71 251	0.80 227	0.62 268	0.82 273	0.61 254	0.81 262	0.62 260	0.81 271	0.63 266	0.80 272	0.70 266	0.73 263	0.61 260	0.76 254	0.61 240	0.74 268	0.61 262	0.77 243	0.61 253

AFF-stereo	0.73 230	0.88 181	0.67 245	0.75 222	0.68 278	0.75 264	0.64 259	0.80 259	0.72 276	0.83 272	0.70 278	0.82 275	0.64 255	0.84 272	0.67 265	0.77 255	0.63 241	0.81 278	0.63 265	0.78 244	0.62 255

DDUNet	0.81 245	2.45 314	0.57 229	0.90 235	0.60 261	0.88 276	0.59 253	0.90 267	0.60 257	0.88 273	0.60 262	0.90 280	0.58 251	0.88 276	0.60 258	0.84 264	0.60 236	0.86 283	0.57 257	0.86 255	0.60 252

DCRE	0.84 254	1.89 294	0.77 258	0.94 243	0.72 282	0.88 276	0.73 272	0.87 264	0.78 280	0.90 274	0.71 280	0.88 277	0.67 263	0.88 276	0.73 276	0.81 260	0.68 247	0.81 278	0.70 276	0.82 253	0.70 264

UDG	0.80 240	2.21 310	0.60 231	0.91 238	0.60 261	0.90 279	0.58 252	0.88 266	0.60 257	0.90 274	0.60 262	0.88 277	0.60 253	0.90 279	0.58 256	0.86 265	0.60 236	0.84 281	0.59 259	0.84 254	0.61 253

DGTPSM_ROB	0.93 268	1.00 198	0.92 270	0.94 243	0.96 301	0.91 280	0.92 285	0.91 268	0.96 296	0.91 276	0.96 298	0.93 285	0.92 280	0.94 283	0.92 286	0.92 268	0.92 269	0.90 284	0.92 290	0.94 264	0.91 285

Selective-RAFT-Error	0.88 260	0.84 180	0.98 275	0.86 233	0.97 302	0.88 276	0.95 289	0.84 263	0.99 299	0.92 277	0.82 290	0.84 276	0.98 283	0.87 275	0.97 291	0.81 260	0.83 265	0.79 274	0.82 287	0.79 246	0.85 281

pmcnn	0.92 264	0.92 190	0.92 270	0.92 241	0.92 298	0.92 281	0.92 285	0.92 271	0.92 293	0.92 277	0.92 297	0.92 282	0.92 280	0.92 282	0.92 286	0.92 268	0.92 269	0.92 287	0.92 290	0.92 261	0.92 286

DPSM_ROB	0.92 264	0.91 185	0.91 268	0.91 238	0.92 298	0.92 281	0.92 285	0.92 271	0.91 289	0.93 279	0.91 294	0.92 282	0.90 278	0.91 280	0.92 286	0.92 268	0.91 267	0.91 285	0.92 290	0.93 262	0.93 287

DPSM	0.92 264	0.91 185	0.91 268	0.91 238	0.92 298	0.92 281	0.92 285	0.92 271	0.91 289	0.93 279	0.91 294	0.92 282	0.90 278	0.91 280	0.92 286	0.92 268	0.91 267	0.91 285	0.92 290	0.93 262	0.93 287

ToySt	0.92 264	2.11 304	0.90 267	0.95 245	0.79 288	0.99 286	0.78 275	0.94 275	0.81 287	0.94 281	0.78 286	0.95 286	0.77 273	0.94 283	0.86 284	0.91 267	0.79 259	0.85 282	0.77 281	0.89 257	0.73 269

R-Stereo Train	0.81 245	0.96 193	0.67 245	0.95 245	0.67 276	0.95 284	0.68 266	0.95 276	0.68 267	0.95 282	0.68 275	0.96 287	0.68 264	0.96 287	0.68 268	0.94 272	0.68 247	0.94 288	0.68 272	0.94 264	0.68 262

RAFT-Stereo	0.81 245	0.96 193	0.67 245	0.95 245	0.67 276	0.95 284	0.68 266	0.95 276	0.68 267	0.95 282	0.68 275	0.96 287	0.68 264	0.96 287	0.68 268	0.94 272	0.68 247	0.94 288	0.68 272	0.94 264	0.68 262
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Selective-RAFT	0.89 262	0.89 182	0.72 252	1.16 271	0.78 287	1.06 292	0.82 280	0.87 264	0.97 297	1.00 284	0.91 294	0.90 280	1.00 284	0.89 278	0.93 290	0.83 262	0.83 265	0.82 280	0.82 287	0.81 252	0.82 279

GANet	1.00 275	1.00 198	1.00 277	1.00 251	1.00 303	1.00 287	1.00 292	1.00 278	1.00 300	1.00 284	1.00 299	1.00 289	1.00 284	1.00 289	1.00 294	1.00 274	1.00 272	1.00 294	1.00 294	1.00 267	1.00 293

TDLM	1.00 275	1.00 198	1.00 277	1.00 251	1.00 303	1.00 287	1.00 292	1.00 278	1.00 300	1.00 284	1.00 299	1.00 289	1.00 284	1.00 289	1.00 294	1.00 274	1.00 272	1.00 294	1.00 294	1.00 267	1.00 293

CVANet_RVC	1.00 275	1.00 198	1.00 277	1.00 251	1.00 303	1.00 287	1.00 292	1.00 278	1.00 300	1.00 284	1.00 299	1.00 289	1.00 284	1.00 289	1.00 294	1.00 274	1.00 272	1.00 294	1.00 294	1.00 267	1.00 293

panet	1.01 279	1.01 203	1.01 280	1.01 254	1.01 307	1.01 290	1.01 295	1.01 281	1.01 303	1.01 288	1.01 302	1.01 292	1.01 290	1.01 292	1.01 297	1.01 277	1.01 275	1.01 297	1.01 297	1.01 270	1.01 296

DPSimNet_ROB	0.97 272	1.18 221	0.81 264	1.10 259	0.91 297	1.02 291	0.82 280	1.04 282	0.91 289	1.03 289	0.86 291	1.28 355	0.82 277	1.03 293	0.89 285	1.17 290	0.81 264	1.02 298	0.82 287	1.08 272	0.81 278

GLC_STEREO	1.07 281	1.01 203	1.06 281	1.07 257	1.05 308	1.06 292	1.08 298	1.08 283	1.05 305	1.07 290	1.06 303	1.08 294	1.05 291	1.06 294	1.10 299	1.07 279	1.09 283	1.05 299	1.05 298	1.06 271	1.12 302

Abc-Net	2.32 364	24.75 406	1.14 285	1.17 272	1.17 316	1.11 300	1.15 303	1.17 289	1.21 360	1.08 291	1.16 307	1.12 302	1.14 295	1.09 296	1.17 308	1.09 280	1.16 292	1.17 307	1.17 306	1.16 278	1.11 300
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AF-Net	2.37 370	25.71 410	1.17 288	1.13 263	1.15 311	1.15 303	1.18 307	1.19 292	1.16 308	1.10 292	1.15 304	1.10 298	1.18 301	1.12 301	1.15 304	1.10 282	1.10 286	1.17 307	1.15 303	1.16 278	1.12 302

NCC-stereo	2.36 367	25.52 409	1.17 288	1.15 266	1.17 316	1.11 300	1.11 299	1.15 286	1.16 308	1.10 292	1.16 307	1.10 298	1.15 296	1.14 302	1.13 302	1.09 280	1.11 287	1.15 302	1.16 305	1.17 283	1.17 308

edge stereo	2.43 373	27.07 414	1.14 285	1.06 256	1.14 310	1.08 295	1.17 306	1.16 288	1.14 306	1.10 292	1.16 307	1.09 296	1.16 300	1.10 298	1.16 307	1.10 282	1.11 287	1.16 303	1.19 307	1.13 274	1.11 300

HSM-Net_RVC	0.95 271	1.17 219	0.78 259	1.18 273	0.71 280	1.16 304	0.75 274	1.09 284	0.80 284	1.10 292	0.75 285	1.17 305	0.74 270	1.17 304	0.80 281	1.13 288	0.73 255	1.17 307	0.77 281	1.16 278	0.72 267
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MSMD_ROB	1.19 287	1.10 214	0.70 249	1.10 259	0.60 261	1.10 297	0.70 269	1.10 285	0.70 272	1.10 292	0.70 278	1.10 298	0.70 266	7.00 409	0.70 275	1.10 282	0.70 252	1.10 300	0.70 276	1.10 273	0.70 264

RP	2.33 365	25.00 407	1.13 284	1.15 266	1.15 311	1.10 297	1.15 303	1.15 286	1.15 307	1.12 297	1.15 304	1.09 296	1.13 293	1.10 298	1.15 304	1.11 287	1.09 283	1.16 303	1.12 301	1.16 278	1.17 308

RGC	2.36 367	25.48 408	1.19 291	1.15 266	1.15 311	1.10 297	1.16 305	1.17 289	1.16 308	1.12 297	1.16 307	1.11 301	1.13 293	1.09 296	1.18 309	1.10 282	1.15 291	1.16 303	1.12 301	1.14 275	1.12 302

stereogan	2.33 365	24.38 405	1.18 290	1.18 273	1.18 318	1.14 302	1.18 307	1.19 292	1.19 314	1.14 299	1.18 311	1.14 303	1.18 301	1.14 302	1.18 309	1.14 289	1.14 290	1.19 310	1.19 307	1.15 276	1.19 310

Nwc_Net	2.37 370	25.95 411	1.15 287	1.14 264	1.15 311	1.08 295	1.14 302	1.17 289	1.16 308	1.14 299	1.15 304	1.08 294	1.15 296	1.11 300	1.14 303	1.10 282	1.11 287	1.16 303	1.09 300	1.16 278	1.15 307

FAT-Stereo	2.46 374	26.05 412	1.23 343	1.23 322	1.22 366	1.20 305	1.24 357	1.23 343	1.23 362	1.19 301	1.22 358	1.21 352	1.24 351	1.20 306	1.24 358	1.21 337	1.17 294	1.22 357	1.25 357	1.20 287	1.24 359

DisPM	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

CrosDoStereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PFNet+	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

LCNet	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

HHNet	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Patchmatch Stereo++	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311
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
AAGNet	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

STrans-v2	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

TransformOpticalFlow	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

OMP-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

IIG-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

NF-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

OCTAStereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PSM-softLoss	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

KMStereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

NRIStereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PSM-adaLoss	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PSM-AAD	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

FTStereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

ROB_FTStereo_v2	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

ROB_FTStereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Consistency-Raft	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

KYRaft	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

HUI-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

ASMatch	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DeepStereo_LL	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DEmStereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

SST-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

THIR-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT_R40	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DRaft	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PFNet	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

GrayStereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RE-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Pruner-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

TVStereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DeepStereo_RVC	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT-RH_RVC	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

IRAFT_RVC	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT-345	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

iRAFT	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

CRE-IMP	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

GMM-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT-IKP	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Prome-Stereo	1.20 288	1.20 223	1.20 294	1.20 275	1.20 319	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

S-Stereo	2.51 375	26.86 413	1.23 343	1.22 320	1.22 366	1.24 353	1.25 358	1.22 341	1.24 363	1.21 347	1.24 360	1.19 306	1.27 353	1.19 305	1.24 358	1.19 291	1.20 296	1.25 358	1.19 307	1.24 335	1.23 358

CroCo-Stereo	0.73 230	1.22 270	0.25 138	1.22 320	0.25 158	1.22 351	0.25 147	1.22 341	0.25 149	1.22 348	0.25 159	1.22 353	0.25 151	1.22 352	0.25 152	1.22 338	0.26 141	1.21 356	0.25 156	1.22 334	0.25 141
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
CroCo-Stereo Lap2	0.77 234	1.29 272	0.29 149	1.27 323	0.29 174	1.27 354	0.26 153	1.26 344	0.26 162	1.26 349	0.26 164	1.27 354	0.26 160	1.26 353	0.27 158	1.27 340	0.27 146	1.27 359	0.27 168	1.27 336	0.27 152

PS-NSSS	1.38 340	1.39 278	1.34 347	1.34 326	1.35 368	1.38 358	1.37 368	1.35 348	1.38 371	1.34 350	1.34 363	1.39 358	1.38 360	1.70 359	1.40 366	1.36 347	1.36 351	1.36 363	1.37 363	1.37 339	1.36 366

CC-Net-ROB	1.36 338	1.33 275	1.33 346	1.36 328	1.38 371	1.36 357	1.33 360	1.37 350	1.34 366	1.35 351	1.36 365	1.38 357	1.34 357	1.38 356	1.38 365	1.35 345	1.38 353	1.33 360	1.35 360	1.43 340	1.34 364

MaskLacGwcNet_RVC	1.35 337	1.35 276	1.35 349	1.35 327	1.35 368	1.35 356	1.35 362	1.36 349	1.35 368	1.36 352	1.35 364	1.36 356	1.36 358	1.36 355	1.35 363	1.35 345	1.35 350	1.35 361	1.35 360	1.35 338	1.35 365

RASNet	1.49 341	1.65 284	1.45 358	1.38 330	1.43 374	1.47 361	1.36 363	1.38 351	1.36 369	1.39 353	1.60 375	1.45 359	1.45 362	1.51 357	2.21 383	1.53 352	1.36 351	1.36 363	1.36 362	1.66 346	1.36 366

11t	1.27 336	2.70 323	1.34 347	1.32 325	0.89 293	1.30 355	1.34 361	1.64 354	0.57 255	1.45 354	0.72 282	1.05 293	1.29 355	1.07 295	1.29 361	1.49 349	1.02 276	0.97 292	1.15 303	1.48 341	1.31 362

ssnet_v2	0.68 221	1.96 302	1.25 345	0.29 125	0.20 142	0.30 150	0.20 129	0.29 141	0.22 140	1.50 355	0.20 141	0.31 155	0.20 140	0.27 149	0.22 140	0.24 137	1.49 357	0.26 141	0.18 138	3.90 374	0.19 125

CFNet-RSSM	0.91 263	4.89 364	0.34 173	0.44 178	1.07 309	1.62 363	1.40 369	0.91 268	0.35 199	1.60 356	1.39 368	0.64 252	0.34 193	0.44 211	0.33 183	0.41 198	0.35 177	0.75 269	0.30 189	0.41 194	0.29 168

gwcnet-sp	0.82 249	1.72 286	1.48 359	0.39 148	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 357	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 347	0.32 155	0.16 123	6.75 396	0.23 131

scenet	0.82 249	1.72 286	1.48 359	0.39 148	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 357	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 347	0.32 155	0.16 123	6.75 396	0.23 131

ssnet	0.82 249	1.72 286	1.48 359	0.39 148	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 357	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 347	0.32 155	0.16 123	6.75 396	0.23 131

DPSMNet_ROB	1.60 344	1.59 283	1.70 365	1.59 333	1.59 376	1.61 362	1.61 373	1.60 352	1.60 375	1.62 360	1.59 374	1.60 361	1.60 365	1.60 358	1.59 371	1.59 353	1.60 360	1.59 368	1.59 373	1.59 345	1.59 373

HBP-ISP	1.24 334	1.72 286	1.65 363	1.15 266	0.76 286	1.40 359	0.88 282	1.67 357	1.02 304	1.69 361	1.38 367	1.69 362	1.21 349	1.87 361	1.21 356	1.05 278	0.79 259	0.97 292	0.80 284	1.19 286	0.75 273

GANetREF_RVC	1.55 342	1.94 301	1.22 341	1.88 339	1.21 365	1.88 367	1.22 355	1.88 358	1.22 361	1.88 362	1.22 358	1.88 363	1.22 350	1.89 362	1.22 357	1.87 360	1.22 343	1.88 370	1.22 356	1.88 350	1.22 357
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
NLCA_NET_v2_RVC	5.04 403	50.87 426	2.78 384	2.87 366	2.71 392	2.78 383	0.47 235	2.88 381	2.86 392	1.89 363	2.67 391	2.79 383	2.79 382	2.78 382	2.83 389	2.82 378	2.82 378	2.83 383	2.77 390	2.83 368	2.76 391
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
FC-DCNN	1.07 281	1.09 211	0.98 275	0.89 234	0.52 254	1.41 360	0.91 284	1.21 340	1.24 363	1.96 364	2.05 388	1.91 364	1.30 356	1.27 354	1.08 298	0.80 257	0.60 236	0.58 252	0.41 230	0.68 230	0.54 242

MFMNet_re	1.81 351	1.91 295	1.71 366	1.95 343	1.70 379	1.95 368	1.70 376	1.96 360	1.74 378	1.97 365	1.72 378	1.95 365	1.71 368	1.97 364	1.71 377	1.86 359	1.62 361	1.85 369	1.66 375	1.86 349	1.64 374

SPS-STEREO	1.59 343	1.91 295	1.21 340	1.94 342	1.20 319	2.00 369	1.23 356	1.99 361	1.24 363	2.00 366	1.25 361	2.03 367	1.26 352	2.00 365	1.29 361	1.90 363	1.18 295	1.89 371	1.21 355	1.89 351	1.20 311
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RAFT_CTSACE	1.92 353	3.71 343	1.72 367	1.88 339	1.72 380	2.04 370	1.42 371	2.18 366	1.89 386	2.02 367	1.97 384	1.95 365	2.06 373	1.93 363	1.62 372	1.76 356	1.66 364	2.02 373	1.73 382	1.73 347	1.43 371

ff7	1.68 345	2.68 320	1.35 349	0.97 248	0.89 293	1.84 364	2.15 381	2.12 362	1.80 380	2.05 368	1.56 371	2.33 373	2.12 374	2.23 370	2.25 384	1.31 341	1.07 277	1.48 365	1.41 365	0.90 258	1.04 297

ffff	1.68 345	2.68 320	1.35 349	0.97 248	0.89 293	1.84 364	2.15 381	2.12 362	1.80 380	2.05 368	1.56 371	2.33 373	2.12 374	2.23 370	2.25 384	1.31 341	1.07 277	1.48 365	1.41 365	0.90 258	1.04 297

ccc-4	1.68 345	2.68 320	1.35 349	0.97 248	0.89 293	1.84 364	2.15 381	2.12 362	1.80 380	2.05 368	1.56 371	2.33 373	2.12 374	2.23 370	2.25 384	1.31 341	1.07 277	1.48 365	1.41 365	0.90 258	1.04 297

MC-Stereo	1.76 348	2.96 331	1.37 354	2.14 348	1.37 370	2.14 371	1.36 363	2.14 365	1.37 370	2.14 371	1.37 366	2.14 368	1.37 359	2.14 369	1.37 364	1.97 364	1.32 344	1.97 372	1.32 359	1.98 352	1.33 363

NCCL2	2.28 363	2.27 311	2.28 378	2.28 356	2.28 389	2.27 372	2.29 384	2.28 367	2.28 387	2.27 372	2.28 389	2.28 369	2.27 377	2.27 373	2.28 388	2.28 371	2.28 375	2.27 377	2.29 387	2.27 357	2.29 383

TRStereo	2.00 355	2.13 305	1.85 372	2.27 353	1.84 382	2.28 373	1.84 378	2.29 368	1.86 383	2.30 373	1.87 379	2.30 370	1.87 370	2.08 366	1.72 379	2.08 368	1.72 366	2.08 374	1.72 379	2.08 353	1.72 377

XX-Stereo	2.00 355	2.13 305	1.85 372	2.27 353	1.84 382	2.28 373	1.84 378	2.29 368	1.86 383	2.30 373	1.87 379	2.30 370	1.87 370	2.08 366	1.72 379	2.08 368	1.72 366	2.08 374	1.72 379	2.08 353	1.72 377

EAI-Stereo	2.00 355	2.13 305	1.85 372	2.27 353	1.84 382	2.28 373	1.84 378	2.29 368	1.86 383	2.30 373	1.87 379	2.30 370	1.87 370	2.08 366	1.72 379	2.08 368	1.72 366	2.08 374	1.72 379	2.08 353	1.72 377

STTStereo	3.73 390	30.40 418	2.37 382	2.39 357	2.31 391	2.35 376	2.33 385	2.29 368	2.42 388	2.32 376	2.34 390	2.33 373	2.36 378	2.30 374	2.27 387	2.35 373	2.22 374	2.31 378	2.22 384	2.29 359	2.34 387

FBW_ROB	2.12 361	2.46 315	1.77 369	2.49 360	1.79 381	2.38 377	1.83 377	2.46 373	1.78 379	2.48 377	1.97 384	2.40 377	1.78 369	2.42 376	1.83 382	2.31 372	1.85 371	2.38 379	1.82 383	2.35 360	1.84 381

UDGNet	2.23 362	5.40 369	1.72 367	2.48 359	1.69 378	2.51 378	1.69 375	2.51 374	1.72 377	2.50 378	1.69 377	2.52 378	1.69 367	2.50 377	1.68 376	2.41 375	1.70 365	2.42 380	1.69 378	2.42 361	1.64 374

Sa-1000	4.34 393	8.37 380	6.84 402	6.98 394	4.45 404	3.58 389	3.00 391	3.42 388	3.39 394	2.61 379	4.00 400	3.83 391	4.01 393	3.90 391	3.90 396	5.98 398	5.62 391	3.76 391	2.34 388	4.35 381	2.47 390

IGEVStereo-DCA	1.77 349	4.21 355	1.84 370	2.49 360	2.11 387	2.54 379	1.36 363	1.65 355	1.17 312	2.75 380	1.90 382	2.54 379	1.15 296	0.94 283	1.11 300	1.50 350	1.32 344	0.96 290	1.46 370	1.49 342	0.88 282

rrr	1.77 349	4.21 355	1.84 370	2.49 360	2.11 387	2.54 379	1.36 363	1.65 355	1.17 312	2.75 380	1.90 382	2.54 379	1.15 296	0.94 283	1.11 300	1.50 350	1.32 344	0.96 290	1.46 370	1.49 342	0.88 282

sCroCo_RVC	2.10 359	2.76 325	1.92 376	2.78 365	1.39 372	2.73 381	1.41 370	2.73 376	1.40 372	2.77 382	1.41 370	2.74 381	1.40 361	2.74 381	1.40 366	2.72 376	1.42 355	2.72 381	1.44 369	2.79 367	1.42 370

Anonymous	2.11 360	2.74 324	1.41 357	2.77 364	1.40 373	2.74 382	1.46 372	2.75 377	1.50 374	2.87 383	1.39 368	2.74 381	1.46 363	2.72 380	1.41 368	2.72 376	1.41 354	2.81 382	1.41 365	3.16 370	1.39 369

test croco	1.88 352	3.16 334	0.64 237	3.10 367	0.65 270	3.10 385	0.64 259	3.12 383	0.65 263	3.10 384	0.65 272	3.11 384	0.65 257	3.12 383	0.65 262	3.12 380	0.65 243	3.13 384	0.65 266	3.13 369	0.65 258

MIF-Stereo (partial)	2.58 377	3.31 338	0.66 243	3.18 368	0.66 275	3.18 386	0.66 262	3.21 384	0.67 266	3.19 385	0.66 274	3.19 385	0.66 259	3.31 387	0.68 268	5.09 391	1.79 369	8.23 409	1.67 376	6.18 394	1.38 368

Anonymous3	2.55 376	3.26 337	1.65 363	3.28 370	1.63 377	3.24 387	1.68 374	3.27 385	1.66 376	3.28 386	1.67 376	3.25 386	1.66 366	3.27 385	1.64 373	3.26 381	1.65 363	3.30 385	1.65 374	4.95 387	1.65 376

MIF-Stereo	2.03 358	3.43 339	0.72 252	3.42 371	0.73 283	3.27 388	0.68 266	3.38 387	0.69 270	3.29 387	0.72 282	3.28 387	0.70 266	3.35 388	0.68 268	3.39 382	0.68 247	3.31 386	0.69 275	3.37 371	0.73 269

DPSNet	3.66 389	3.60 340	3.62 390	3.63 374	3.64 397	3.65 391	3.65 397	3.66 390	3.67 395	3.67 388	3.65 396	3.67 389	3.66 386	3.66 389	3.68 393	3.68 384	3.66 380	3.67 390	3.68 396	3.67 372	3.67 395

SA	4.33 392	7.35 374	6.85 403	5.96 387	4.09 401	3.59 390	3.15 393	3.82 391	2.64 389	3.91 389	3.85 397	3.57 388	2.72 381	3.13 384	4.03 398	7.09 405	6.86 398	3.57 388	3.12 391	3.85 373	3.51 394

TestStereo1	4.60 394	8.41 381	6.44 400	6.86 392	3.79 398	3.97 393	3.78 398	3.99 393	3.74 396	3.97 390	3.52 394	3.94 392	3.58 384	3.98 392	3.72 394	6.82 402	6.50 396	3.76 391	3.66 394	3.90 374	3.74 398

SA-5K	4.60 394	8.41 381	6.44 400	6.86 392	3.79 398	3.97 393	3.78 398	3.99 393	3.74 396	3.97 390	3.52 394	3.94 392	3.58 384	3.98 392	3.72 394	6.82 402	6.50 396	3.76 391	3.66 394	3.90 374	3.74 398

test_4	4.88 400	8.13 379	6.98 404	7.46 395	4.44 403	4.25 396	3.85 400	4.04 395	3.92 399	4.13 392	3.91 398	4.18 395	3.84 389	4.14 394	4.06 399	7.01 404	7.13 399	4.53 395	3.72 397	4.09 377	3.72 396

test_5	4.62 397	7.55 376	6.23 398	6.32 389	3.40 395	5.29 403	3.50 395	3.53 389	4.11 401	4.28 393	4.47 404	4.26 396	4.38 395	3.68 390	3.24 391	5.89 396	5.60 390	4.84 398	3.50 392	4.33 380	3.93 401

test_3	5.01 402	8.86 384	7.77 406	8.09 396	2.76 393	4.13 395	4.05 402	3.88 392	3.76 398	4.33 394	4.13 401	3.71 390	3.91 390	4.21 395	4.06 399	7.93 406	7.69 401	4.53 395	3.91 399	4.17 378	4.29 403

raft_robust	4.71 398	7.75 378	5.40 397	6.81 391	3.31 394	4.28 397	4.20 403	4.32 396	4.37 404	4.35 395	4.35 403	4.14 394	3.75 388	4.30 397	4.20 401	6.67 401	6.37 394	3.36 387	4.24 404	4.86 386	3.25 392

cross-raft	4.83 399	7.52 375	6.43 399	6.63 390	3.96 400	4.51 398	3.99 401	4.49 397	3.96 400	4.52 396	3.96 399	4.50 397	3.97 392	4.50 398	3.97 397	6.65 400	6.44 395	4.33 394	3.92 400	4.35 381	3.91 400

RAFT+CT+SA	4.28 391	7.62 377	4.91 393	5.55 384	2.28 389	3.09 384	3.64 396	4.49 397	3.07 393	4.80 397	3.35 393	4.77 400	3.70 387	4.29 396	3.05 390	5.58 394	5.98 393	3.58 389	3.78 398	4.26 379	3.72 396

TestStereo	4.88 400	4.75 362	4.79 392	4.87 381	4.92 405	4.81 402	4.90 405	4.78 399	4.77 405	4.87 398	4.89 405	4.90 401	4.91 397	4.99 400	4.79 403	4.98 390	4.87 388	4.87 399	4.92 405	5.00 388	5.00 404

DispFullNet	4.61 396	4.84 363	3.12 386	5.00 382	3.57 396	4.75 401	3.03 392	7.75 409	4.17 402	4.91 399	3.09 392	6.20 406	3.95 391	6.71 405	3.51 392	5.30 393	3.67 381	5.86 406	3.63 393	5.61 391	3.46 393

GEStereo_RVC	0.86 259	4.45 357	0.20 125	0.27 123	0.20 142	0.27 145	0.20 129	0.26 136	0.18 131	5.03 400	0.20 141	0.27 146	0.19 137	0.27 149	0.21 138	0.20 118	0.19 127	0.19 120	4.02 401	0.20 116	0.18 124

StereoIM	3.19 386	6.02 371	1.12 283	5.61 385	1.16 315	5.43 404	1.02 296	5.15 402	0.70 272	5.43 401	1.21 357	5.03 403	0.97 282	4.85 399	0.99 293	4.53 388	1.16 292	5.53 402	1.25 357	5.37 390	1.30 361

sAnonymous2	3.31 387	2.63 318	1.38 355	3.71 375	1.86 385	4.70 399	1.11 299	4.82 400	2.72 390	5.45 402	1.98 386	4.59 398	2.64 379	2.65 378	6.21 405	4.37 385	1.08 281	5.16 400	2.24 385	4.52 383	2.39 388

CroCo_RVC	3.31 387	2.63 318	1.38 355	3.71 375	1.86 385	4.70 399	1.11 299	4.82 400	2.72 390	5.45 402	1.98 386	4.59 398	2.64 379	2.65 378	6.21 405	4.37 385	1.08 281	5.16 400	2.24 385	4.52 383	2.39 388

StereoVision	3.15 385	5.00 366	0.89 265	4.83 380	1.00 303	3.93 392	1.27 359	6.37 403	1.34 366	5.67 404	1.26 362	5.84 405	1.27 353	5.03 401	1.24 358	5.10 392	1.09 283	4.61 397	0.57 257	5.62 392	1.12 302

test-1	6.46 405	9.16 386	8.03 409	8.09 396	5.62 407	6.11 405	6.35 407	6.85 406	4.94 406	6.08 405	6.29 409	4.98 402	6.43 401	6.22 402	6.36 407	6.16 399	7.47 400	5.82 404	5.44 407	7.11 399	5.68 406

SGM-Forest	5.21 404	5.92 370	4.08 391	6.18 388	4.16 402	6.31 406	4.34 404	6.50 404	4.33 403	6.14 406	4.21 402	6.61 409	4.55 396	6.67 404	4.48 402	5.94 397	3.94 383	5.85 405	4.03 402	5.79 393	4.17 402
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
RAFT	6.73 406	9.36 387	7.40 405	8.51 398	6.55 408	6.88 407	6.60 408	6.79 405	6.60 408	6.80 407	6.72 410	5.31 404	5.50 399	6.61 403	6.61 408	8.42 407	5.89 392	5.73 403	5.45 408	6.61 395	6.24 407

test-v	7.53 408	11.89 395	7.98 407	9.36 401	7.14 409	7.06 408	7.09 409	7.37 407	6.91 409	7.29 408	5.71 407	6.45 407	6.93 402	6.73 406	7.27 409	8.93 409	7.85 402	6.98 407	6.80 409	7.56 400	7.34 409

test-2	7.53 408	11.89 395	7.98 407	9.36 401	7.14 409	7.06 408	7.09 409	7.37 407	6.91 409	7.29 408	5.71 407	6.45 407	6.93 402	6.73 406	7.27 409	8.93 409	7.85 402	6.98 407	6.80 409	7.56 400	7.34 409

SGM+DAISY	7.06 407	9.15 385	5.38 396	8.84 399	5.18 406	8.80 410	5.31 406	8.79 410	5.28 407	8.89 410	5.20 406	8.93 410	5.33 398	8.95 410	5.36 404	8.70 408	5.21 389	8.74 410	5.20 406	8.89 404	5.15 405

rafts_anoy	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

raft+_RVC	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

raftrobust	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

CasAABBNet	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

RALCasStereoNet	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

RALAANet	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

MANE	19.05 411	23.00 404	15.00 411	23.00 417	15.00 411	24.00 417	16.00 411	24.00 417	16.00 411	22.00 417	15.00 411	23.00 417	16.00 411	23.00 417	15.00 411	22.00 417	15.00 411	22.00 417	15.00 411	22.00 417	15.00 411

111	30.40 418	30.94 419	29.72 419	32.61 418	30.02 419	33.57 418	30.47 419	31.50 418	29.39 419	30.98 418	29.11 419	29.78 418	30.39 422	29.45 418	30.76 422	30.08 418	29.02 419	29.92 418	30.32 422	29.86 418	30.17 419

tt	500032.53 433	34.60 422	29.72 419	37.47 424	34.41 424	36.85 424	35.22 424	34.71 422	33.55 421	34.50 419	35.43 423	33.81 422	10000000.00 436	33.57 422	33.13 423	33.68 422	35.00 424	34.03 423	35.26 425	30.96 419	34.63 424

DCANet	500032.53 433	34.60 422	29.72 419	37.47 424	34.41 424	36.85 424	35.22 424	34.71 422	33.55 421	34.50 419	35.43 423	33.81 422	10000000.00 436	33.57 422	33.13 423	33.68 422	35.00 424	34.03 423	35.26 425	30.96 419	34.63 424

fff	1000028.16 435	29.62 415	29.72 419	32.61 418	30.02 419	35.13 420	31.83 420	32.07 419	10000000.00 435	35.27 421	29.82 420	32.45 419	30.15 419	32.35 419	30.09 419	31.04 419	29.55 420	30.64 419	30.14 419	10000000.00 435	30.77 420

csc	1000028.16 435	29.62 415	29.72 419	32.61 418	30.02 419	35.13 420	31.83 420	32.07 419	10000000.00 435	35.27 421	29.82 420	32.45 419	30.15 419	32.35 419	30.09 419	31.04 419	29.55 420	30.64 419	30.14 419	10000000.00 435	30.77 420

cscssc	1000028.16 435	29.62 415	29.72 419	32.61 418	30.02 419	35.13 420	31.83 420	32.07 419	10000000.00 435	35.27 421	29.82 420	32.45 419	30.15 419	32.35 419	30.09 419	31.04 419	29.55 420	30.64 419	30.14 419	10000000.00 435	30.77 420

DCANet-4	35.22 420	34.54 421	35.08 425	33.58 422	35.47 426	34.55 419	35.53 426	36.08 424	35.85 423	35.92 424	35.77 425	35.18 424	35.48 424	35.39 424	37.15 425	34.55 424	33.92 423	35.02 425	34.90 424	35.79 422	34.74 426

WCMA_ROB	31.10 419	35.43 424	27.12 418	39.51 426	23.10 418	38.78 426	25.30 418	37.49 426	25.39 418	37.29 425	27.02 418	38.52 426	26.48 418	37.80 425	26.44 418	36.28 425	22.65 418	33.90 422	22.30 418	37.10 423	24.18 418

ADStereo(finetuned)	36.13 421	36.63 425	38.07 426	36.97 423	33.25 423	35.91 423	34.45 423	36.36 425	32.99 420	38.14 426	36.71 426	36.69 425	34.13 423	38.57 426	40.79 426	37.60 426	36.58 426	35.90 426	33.36 423	35.42 421	34.04 423

MDST_ROB	69.83 422	87.70 427	41.95 427	113.75 429	65.62 429	75.05 427	55.25 428	75.64 428	45.04 424	71.61 427	41.75 427	72.81 427	44.06 425	68.38 427	44.63 427	101.89 429	59.57 429	107.10 429	61.05 429	104.38 426	59.38 429

CBMV	128.50 424	1422.70 438	53.10 428	79.50 428	51.30 428	77.30 428	49.70 427	74.00 427	48.20 425	77.20 428	48.80 428	73.90 428	48.00 426	73.80 428	48.80 428	70.40 428	45.10 428	68.90 428	46.10 428	68.20 425	45.00 428
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 425	171.00 432	160.68 433	162.58 430	160.59 430	164.01 429	160.35 430	158.51 430	158.56 427	158.34 429	160.12 430	158.56 429	159.92 428	157.26 430	158.94 430	154.38 430	158.36 430	155.75 430	159.13 431	153.67 427	154.07 430
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
NOSS_ROB	102.95 423	153.00 431	121.00 430	51.00 427	44.00 427	165.00 430	127.00 429	153.00 429	119.00 426	164.00 430	125.00 429	168.00 430	120.00 427	153.00 429	117.00 429	49.00 427	44.00 427	49.00 427	44.00 427	49.00 424	44.00 427

AE-Stereo	201.80 426	123.00 428	115.00 429	219.00 431	218.00 432	223.00 431	244.00 432	217.00 431	236.00 429	202.00 431	203.00 431	205.00 431	208.00 429	225.00 431	204.00 431	210.00 431	198.00 431	197.00 431	184.00 432	204.00 428	201.00 431

MGS-Stereo	239.45 427	123.00 428	135.00 431	266.00 432	286.00 433	277.00 432	305.00 433	271.00 432	242.00 430	274.00 432	279.00 433	255.00 432	270.00 431	268.00 432	297.00 433	221.00 432	247.00 433	216.00 432	123.00 430	217.00 429	217.00 433

EGLCR-Stereo	246.90 428	129.00 430	139.00 432	266.00 432	286.00 433	277.00 432	305.00 433	271.00 432	242.00 430	274.00 432	279.00 433	255.00 432	270.00 431	268.00 432	297.00 433	230.00 433	247.00 433	216.00 432	223.00 434	237.00 430	227.00 434

DLCB_ROB	284.23 429	354.61 434	207.27 434	363.24 434	206.46 431	364.72 434	210.41 431	364.72 434	210.41 428	364.81 434	208.64 432	364.81 434	208.64 430	364.72 434	210.41 432	354.70 434	205.53 432	354.70 434	205.53 433	354.70 431	205.53 432

LE_ROB	396.57 430	471.28 435	329.84 435	471.48 435	308.15 435	526.83 435	322.10 435	488.15 435	323.76 432	495.46 435	317.97 435	497.17 435	320.10 433	481.62 435	326.76 435	462.71 435	298.97 435	466.16 435	285.98 435	447.62 432	289.21 435

SGM-ForestM	596.69 431	677.77 436	444.52 436	699.85 436	517.25 436	732.94 436	488.29 436	770.79 436	460.11 433	750.81 436	487.98 436	792.79 436	499.41 434	730.90 436	475.81 436	720.03 436	491.16 436	663.96 436	418.60 436	674.76 433	436.05 436

CBMV_ROB	818.48 432	913.88 437	709.52 437	862.84 437	597.78 437	1073.99 437	700.52 437	1015.66 437	702.59 434	1115.65 437	760.02 437	1130.24 437	721.57 435	1037.41 437	692.65 437	814.05 437	564.29 437	843.28 437	595.31 437	915.51 434	602.92 437

SDNR	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438

anonymousdsp2	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438

anonymousdsp	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438

test_example2	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438

DIP-Stereo	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ASD4		0.20 81

Low-res two-view benchmark