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

LargeStereo	0.24 1	0.17 21	0.31 15	0.38 69	0.22 44	0.24 7	0.22 8	0.50 18	0.23 1	0.28 4	0.35 18	0.30 6	0.22 7	0.31 3	0.28 47	0.14 33	0.10 9	0.13 11	0.10 11	0.13 21	0.13 60

Selective-IGEV	0.24 1	0.18 37	0.35 33	0.35 30	0.19 11	0.27 26	0.25 35	0.55 31	0.23 1	0.27 2	0.25 2	0.34 24	0.19 2	0.58 112	0.22 1	0.12 4	0.10 9	0.14 19	0.11 18	0.12 9	0.10 3

MoCha-V2	0.25 3	0.15 4	0.29 11	0.40 114	0.18 8	0.27 26	0.26 41	0.49 14	0.27 3	0.36 19	0.27 4	0.33 20	0.35 81	0.49 53	0.22 1	0.12 4	0.10 9	0.12 2	0.10 11	0.13 21	0.11 10

iRaft-Stereo_20w	0.39 114	0.19 52	0.57 235	0.37 47	0.27 178	0.31 57	0.24 28	1.44 364	0.29 4	0.69 135	0.53 49	0.60 133	0.42 121	0.83 254	0.27 37	0.14 33	0.11 59	0.14 19	0.13 53	0.15 81	0.13 60

XX-Stereo	0.37 85	0.17 21	0.45 136	0.55 329	0.36 284	0.38 104	0.20 1	0.60 51	0.30 5	0.46 51	1.30 310	0.73 202	0.26 20	0.56 85	0.26 28	0.16 115	0.11 59	0.17 89	0.16 127	0.14 48	0.10 3

EAI-Stereo	0.34 40	0.19 52	0.44 125	0.39 90	0.21 31	0.31 57	0.30 75	1.15 289	0.30 5	0.49 57	0.75 104	0.36 35	0.28 36	0.62 145	0.27 37	0.14 33	0.11 59	0.14 19	0.13 53	0.13 21	0.12 35

IGEV_Zeroshot_test	0.34 40	0.18 37	0.67 277	0.39 90	0.28 197	0.30 47	0.25 35	0.74 146	0.31 7	0.62 89	0.57 59	0.54 96	0.25 14	0.53 72	0.27 37	0.14 33	0.10 9	0.15 45	0.14 76	0.14 48	0.12 35

MIF-Stereo	0.27 7	0.17 21	0.37 49	0.40 114	0.27 178	0.30 47	0.28 55	0.39 2	0.31 7	0.29 7	0.46 27	0.27 3	0.25 14	0.47 47	0.34 101	0.17 148	0.13 156	0.13 11	0.12 32	0.14 48	0.12 35

AEACV	0.27 7	0.17 21	0.31 15	0.34 12	0.45 336	0.26 18	0.28 55	0.37 1	0.32 9	0.30 8	0.46 27	0.31 10	0.37 94	0.36 6	0.24 7	0.14 33	0.10 9	0.15 45	0.12 32	0.13 21	0.11 10

LoS_RVC	0.27 7	0.16 10	0.27 9	0.32 9	0.30 230	0.44 132	0.34 124	0.41 5	0.33 10	0.31 9	0.51 41	0.29 5	0.32 65	0.36 6	0.28 47	0.11 1	0.10 9	0.11 1	0.08 1	0.11 1	0.19 211

ff7	0.29 16	0.21 106	0.38 58	0.36 38	0.26 153	0.31 57	0.35 141	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 112	0.25 11	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

IGEVStereo-DCA	0.29 16	0.22 133	0.38 58	0.35 30	0.27 178	0.37 90	0.35 141	0.62 61	0.34 11	0.38 24	0.30 7	0.35 30	0.27 27	0.51 61	0.22 1	0.15 81	0.12 101	0.16 64	0.12 32	0.13 21	0.15 111

ffff	0.29 16	0.21 106	0.38 58	0.36 38	0.26 153	0.31 57	0.35 141	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 112	0.25 11	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

11t	0.29 16	0.21 106	0.38 58	0.36 38	0.26 153	0.31 57	0.35 141	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 112	0.25 11	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

ccc-4	0.29 16	0.21 106	0.38 58	0.36 38	0.26 153	0.31 57	0.35 141	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 112	0.25 11	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

R-Stereo Train	0.39 114	0.18 37	0.42 106	0.42 176	0.26 153	0.40 108	0.32 108	0.72 137	0.34 11	0.89 252	1.28 306	0.57 106	0.35 81	0.42 23	0.32 79	0.15 81	0.12 101	0.14 19	0.12 32	0.14 48	0.13 60

RAFT-Stereo	0.39 114	0.18 37	0.42 106	0.42 176	0.26 153	0.40 108	0.32 108	0.72 137	0.34 11	0.89 252	1.28 306	0.57 106	0.35 81	0.42 23	0.32 79	0.15 81	0.12 101	0.14 19	0.12 32	0.14 48	0.13 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MyStereo06	0.38 100	0.21 106	0.61 247	0.41 139	0.28 197	0.41 121	0.50 269	0.95 221	0.35 18	0.62 89	0.54 51	0.76 215	0.27 27	0.50 57	0.29 59	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.15 111

test croco	0.31 30	0.20 74	0.50 200	0.39 90	0.29 220	0.27 26	0.30 75	0.44 7	0.35 18	0.31 9	0.66 79	0.30 6	0.31 61	0.65 169	0.31 71	0.17 148	0.13 156	0.20 184	0.15 98	0.17 145	0.12 35

StereoIM	0.26 5	0.18 37	0.36 38	0.36 38	0.26 153	0.27 26	0.27 48	0.43 6	0.35 18	0.27 2	0.26 3	0.41 48	0.28 36	0.40 18	0.28 47	0.16 115	0.14 183	0.16 64	0.13 53	0.14 48	0.12 35

anonymousdsp	0.29 16	0.21 106	0.38 58	0.37 47	0.25 116	0.30 47	0.35 141	0.63 66	0.35 18	0.39 32	0.33 11	0.33 20	0.28 36	0.59 126	0.25 11	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

IGEV-Stereo	0.29 16	0.21 106	0.38 58	0.37 47	0.25 116	0.30 47	0.35 141	0.63 66	0.35 18	0.39 32	0.33 11	0.33 20	0.28 36	0.59 126	0.25 11	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
EGLCR-Stereo	0.25 3	0.16 10	0.33 23	0.34 12	0.20 22	0.35 82	0.20 1	0.52 22	0.36 23	0.28 4	0.27 4	0.41 48	0.18 1	0.45 33	0.26 28	0.14 33	0.10 9	0.16 64	0.14 76	0.13 21	0.11 10

Patchmatch Stereo++	0.35 52	0.23 150	0.47 162	0.41 139	0.22 44	0.24 7	0.22 8	0.59 41	0.36 23	0.63 96	0.73 94	0.58 114	0.38 97	0.58 112	0.36 132	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.35 52	0.23 150	0.47 162	0.41 139	0.22 44	0.24 7	0.31 92	0.59 41	0.36 23	0.63 96	0.73 94	0.58 114	0.38 97	0.56 85	0.35 116	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

ROB_FTStereo_v2	0.35 52	0.23 150	0.47 162	0.41 139	0.22 44	0.24 7	0.31 92	0.59 41	0.36 23	0.63 96	0.73 94	0.57 106	0.38 97	0.57 95	0.36 132	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

ROB_FTStereo	0.35 52	0.23 150	0.47 162	0.41 139	0.22 44	0.25 16	0.21 4	0.59 41	0.36 23	0.63 96	0.73 94	0.58 114	0.38 97	0.57 95	0.35 116	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

HUI-Stereo	0.35 52	0.23 150	0.47 162	0.41 139	0.22 44	0.24 7	0.22 8	0.60 51	0.36 23	0.63 96	0.73 94	0.58 114	0.38 97	0.50 57	0.35 116	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

iGMRVC	0.35 52	0.23 150	0.47 162	0.41 139	0.22 44	0.24 7	0.30 75	0.59 41	0.36 23	0.63 96	0.73 94	0.58 114	0.38 97	0.58 112	0.36 132	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

iRAFT	0.35 52	0.23 150	0.47 162	0.41 139	0.22 44	0.24 7	0.22 8	0.59 41	0.36 23	0.63 96	0.73 94	0.58 114	0.38 97	0.58 112	0.36 132	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

RAFT-IKP	0.35 52	0.23 150	0.47 162	0.41 139	0.22 44	0.24 7	0.28 55	0.59 41	0.36 23	0.63 96	0.73 94	0.57 106	0.38 97	0.58 112	0.36 132	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

test_xeample3	0.29 16	0.21 106	0.41 87	0.35 30	0.26 153	0.35 82	0.32 108	0.56 32	0.36 23	0.43 44	0.32 10	0.34 24	0.28 36	0.54 75	0.23 5	0.14 33	0.11 59	0.16 64	0.12 32	0.14 48	0.13 60

MyStereo07	0.32 32	0.22 133	0.34 30	0.42 176	0.28 197	0.40 108	0.50 269	0.72 137	0.37 33	0.37 20	0.34 17	0.32 12	0.31 61	0.59 126	0.27 37	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.16 150

DLNR_Zeroshot_test	20.09 428	36.28 436	38.04 433	169.85 445	61.80 441	0.23 5	0.20 1	13.88 427	0.37 33	0.44 47	0.66 79	0.43 60	0.21 5	0.62 145	0.28 47	5.46 426	0.10 9	0.15 45	0.11 18	72.60 444	0.11 10

ProNet	0.29 16	0.21 106	0.38 58	0.35 30	0.24 90	0.32 67	0.43 237	0.57 35	0.37 33	0.33 15	0.30 7	0.32 12	0.28 36	0.57 95	0.26 28	0.13 13	0.11 59	0.16 64	0.13 53	0.13 21	0.13 60

MC-Stereo	0.28 11	0.17 21	0.32 20	0.38 69	0.20 22	0.26 18	0.26 41	0.49 14	0.37 33	0.37 20	0.61 68	0.41 48	0.31 61	0.55 77	0.25 11	0.13 13	0.09 2	0.14 19	0.12 32	0.12 9	0.11 10

HH	0.35 52	0.20 74	0.47 162	0.40 114	0.25 116	0.33 71	0.31 92	0.76 157	0.38 37	0.43 44	0.57 59	0.79 223	0.44 136	0.71 203	0.25 11	0.15 81	0.11 59	0.15 45	0.14 76	0.14 48	0.12 35

HanStereo	0.35 52	0.20 74	0.47 162	0.40 114	0.25 116	0.33 71	0.31 92	0.76 157	0.38 37	0.43 44	0.57 59	0.79 223	0.44 136	0.71 203	0.25 11	0.15 81	0.11 59	0.15 45	0.14 76	0.14 48	0.12 35

CroCo-Stereo Lap2	0.28 11	0.24 186	0.39 75	0.50 292	0.29 220	0.20 1	0.31 92	0.49 14	0.38 37	0.24 1	0.27 4	0.46 72	0.31 61	0.39 15	0.30 64	0.14 33	0.15 208	0.16 64	0.13 53	0.16 112	0.15 111

DeepStereo_RVC	0.36 70	0.21 106	0.47 162	0.40 114	0.24 90	0.26 18	0.22 8	0.60 51	0.38 37	0.69 135	0.67 83	0.57 106	0.51 166	0.56 85	0.39 158	0.16 115	0.12 101	0.18 123	0.15 98	0.19 197	0.18 183

RAFT-Test	0.34 40	0.18 37	0.37 49	0.38 69	0.23 72	0.50 148	0.23 19	0.69 114	0.40 41	0.60 83	0.85 158	0.61 137	0.28 36	0.46 40	0.27 37	0.14 33	0.11 59	0.14 19	0.11 18	0.13 21	0.12 35

cross-raft	0.34 40	0.20 74	0.37 49	0.44 209	0.23 72	0.32 67	0.35 141	0.74 146	0.40 41	0.60 83	0.77 110	0.57 106	0.27 27	0.43 26	0.28 47	0.12 4	0.10 9	0.15 45	0.13 53	0.15 81	0.11 10

DIP-Stereo	0.39 114	0.21 106	0.50 200	0.41 139	0.28 197	0.62 214	0.27 48	0.77 160	0.40 41	0.64 105	0.86 161	0.52 88	0.33 73	0.66 174	0.42 170	0.15 81	0.13 156	0.17 89	0.14 76	0.15 81	0.15 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
test_4	0.36 70	0.18 37	0.31 15	0.44 209	0.25 116	0.20 1	0.34 124	0.56 32	0.41 44	0.59 79	1.45 337	0.43 60	0.25 14	0.63 155	0.28 47	0.12 4	0.10 9	0.17 89	0.19 215	0.15 81	0.11 10

KYRaft	0.48 189	0.20 74	0.38 58	0.44 209	0.23 72	0.44 132	0.37 171	0.66 86	0.41 44	0.94 276	1.73 356	0.79 223	0.41 120	0.63 155	0.31 71	0.16 115	0.11 59	0.18 123	0.22 270	0.16 112	0.78 386

AnonymousM	0.41 137	0.81 374	0.29 11	0.34 12	0.22 44	0.28 35	0.38 191	0.53 30	0.41 44	0.70 141	0.49 35	0.47 74	0.27 27	0.41 21	0.31 71	0.15 81	0.12 101	1.51 394	0.26 313	0.12 9	0.10 3

CRE-IMP	0.36 70	0.23 150	0.49 188	0.42 176	0.24 90	0.41 121	0.21 4	0.57 35	0.41 44	0.65 112	0.72 90	0.53 92	0.37 94	0.61 139	0.38 152	0.17 148	0.11 59	0.19 160	0.15 98	0.21 228	0.18 183

rrr	0.29 16	0.22 133	0.41 87	0.35 30	0.27 178	0.37 90	0.32 108	0.52 22	0.42 48	0.38 24	0.30 7	0.35 30	0.27 27	0.51 61	0.22 1	0.15 81	0.12 101	0.16 64	0.13 53	0.13 21	0.14 92

MIF-Stereo (partial)	0.31 30	0.18 37	0.37 49	0.41 139	0.31 247	0.28 35	0.23 19	0.47 10	0.42 48	0.31 9	0.63 70	0.36 35	0.35 81	0.57 95	0.31 71	0.17 148	0.13 156	0.19 160	0.17 167	0.18 163	0.14 92

11t1	0.36 70	0.21 106	0.42 106	0.35 30	0.22 44	0.62 214	0.29 62	0.69 114	0.43 50	0.60 83	0.53 49	0.53 92	0.48 150	0.56 85	0.40 163	0.18 176	0.14 183	0.16 64	0.13 53	0.17 145	0.17 168

MSKI-zero shot	0.32 32	0.17 21	0.34 30	0.39 90	0.21 31	0.32 67	0.22 8	0.61 57	0.43 50	0.52 65	0.64 73	0.61 137	0.20 4	0.74 220	0.25 11	0.14 33	0.10 9	0.14 19	0.10 11	0.12 9	0.12 35

GLC_STEREO	0.29 16	0.19 52	0.27 9	0.44 209	0.19 11	0.31 57	0.26 41	0.47 10	0.43 50	0.37 20	0.47 32	0.41 48	0.23 9	0.50 57	0.34 101	0.14 33	0.18 260	0.19 160	0.16 127	0.16 112	0.13 60

FTStereo	0.56 259	0.20 74	0.37 49	0.41 139	0.25 116	0.40 108	0.79 351	0.66 86	0.43 50	1.09 330	3.27 396	0.70 178	0.73 278	0.55 77	0.33 91	0.14 33	0.13 156	0.19 160	0.17 167	0.15 81	0.30 307

MGS-Stereo	0.28 11	0.19 52	0.40 82	0.36 38	0.23 72	0.37 90	0.30 75	0.39 2	0.44 54	0.31 9	0.51 41	0.40 45	0.24 12	0.43 26	0.26 28	0.15 81	0.12 101	0.15 45	0.13 53	0.14 48	0.13 60

LL-Strereo2	0.35 52	0.24 186	0.48 178	0.41 139	0.26 153	0.35 82	0.24 28	0.67 96	0.44 54	0.54 70	0.51 41	0.66 166	0.25 14	0.66 174	0.30 64	0.14 33	0.12 101	0.23 251	0.20 237	0.18 163	0.13 60

CroCo-Stereo	0.26 5	0.22 133	0.36 38	0.48 263	0.22 44	0.20 1	0.29 62	0.51 19	0.44 54	0.28 4	0.23 1	0.42 54	0.26 20	0.29 1	0.26 28	0.15 81	0.13 156	0.13 11	0.11 18	0.16 112	0.12 35
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
Prome-Stereo	0.46 171	0.19 52	0.35 33	0.44 209	0.26 153	0.40 108	0.45 245	0.68 105	0.44 54	0.96 284	1.84 363	0.59 128	0.67 249	0.61 139	0.32 79	0.14 33	0.11 59	0.16 64	0.14 76	0.16 112	0.29 300

sCroCo_RVC	0.35 52	0.28 247	0.69 286	0.51 304	0.39 302	0.41 121	0.31 92	0.49 14	0.45 58	0.31 9	0.48 33	0.38 41	0.32 65	0.46 40	0.32 79	0.21 241	0.22 296	0.19 160	0.19 215	0.21 228	0.20 231

CES	0.28 11	0.14 2	0.23 1	0.30 5	0.70 377	0.37 90	0.27 48	0.48 12	0.46 59	0.34 16	0.48 33	0.27 3	0.22 7	0.39 15	0.23 5	0.13 13	0.11 59	0.12 2	0.08 1	0.13 21	0.17 168

PSM-softLoss	0.38 100	0.20 74	0.48 178	0.41 139	0.26 153	0.30 47	0.35 141	0.69 114	0.46 59	0.62 89	0.82 139	0.59 128	0.33 73	0.70 198	0.39 158	0.19 205	0.12 101	0.20 184	0.18 190	0.16 112	0.22 257

KMStereo	0.38 100	0.20 74	0.48 178	0.41 139	0.26 153	0.30 47	0.35 141	0.69 114	0.46 59	0.62 89	0.82 139	0.59 128	0.33 73	0.70 198	0.39 158	0.19 205	0.12 101	0.20 184	0.18 190	0.16 112	0.22 257

CAS	0.34 40	0.13 1	0.25 7	1.28 395	0.30 230	0.46 139	0.38 191	0.48 12	0.47 62	0.34 16	0.52 47	0.24 1	0.19 2	0.29 1	0.27 37	0.69 386	0.08 1	0.12 2	0.08 1	0.12 9	0.15 111

SST-Stereo	0.40 126	0.19 52	0.45 136	0.42 176	0.25 116	0.25 16	0.21 4	0.66 86	0.47 62	1.08 328	0.79 127	0.72 192	0.43 128	0.77 234	0.35 116	0.16 115	0.11 59	0.20 184	0.16 127	0.19 197	0.15 111

MyStereo8	0.40 126	0.20 74	0.54 221	0.41 139	0.29 220	0.53 161	0.29 62	0.65 77	0.49 64	0.71 147	0.98 216	0.58 114	0.43 128	0.50 57	0.51 223	0.15 81	0.12 101	0.16 64	0.14 76	0.19 197	0.19 211

CAS++	0.32 32	0.24 186	0.36 38	0.37 47	0.26 153	0.28 35	0.23 19	0.87 192	0.50 65	0.47 54	0.45 23	0.26 2	0.21 5	0.49 53	0.24 7	0.23 264	0.19 274	0.22 236	0.17 167	0.21 228	0.16 150
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
Anonymous	0.39 114	0.27 233	0.66 273	0.53 320	0.43 325	0.55 170	0.49 265	0.63 66	0.50 65	0.37 20	0.42 22	0.33 20	0.42 121	0.56 85	0.38 152	0.20 227	0.19 274	0.17 89	0.18 190	0.30 300	0.24 270

DCRE	0.37 85	0.18 37	0.46 152	0.45 230	0.32 260	0.42 126	0.37 171	0.63 66	0.51 67	0.47 54	0.94 190	0.56 101	0.36 91	0.52 66	0.32 79	0.14 33	0.13 156	0.15 45	0.14 76	0.14 48	0.13 60

RAFT-345	0.40 126	0.18 37	0.40 82	0.38 69	0.22 44	0.33 71	0.26 41	0.61 57	0.51 67	0.74 171	1.79 361	0.45 66	0.33 73	0.66 174	0.36 132	0.14 33	0.11 59	0.18 123	0.14 76	0.13 21	0.13 60

iRaftStereo_RVC	0.32 32	0.19 52	0.37 49	0.39 90	0.22 44	0.31 57	0.29 62	0.68 105	0.51 67	0.49 57	0.66 79	0.37 37	0.23 9	0.45 33	0.33 91	0.14 33	0.10 9	0.18 123	0.17 167	0.15 81	0.12 35

x	0.39 114	0.24 186	0.41 87	0.34 12	0.23 72	0.52 155	0.32 108	0.86 185	0.52 70	0.57 76	0.70 88	0.59 128	0.50 163	0.49 53	0.46 204	0.17 148	0.15 208	0.17 89	0.15 98	0.17 145	0.16 150

sAnonymous2	0.40 126	0.39 306	0.85 319	0.48 263	0.37 289	0.40 108	0.46 248	0.57 35	0.52 70	0.38 24	0.46 27	0.35 30	0.42 121	0.43 26	0.30 64	0.19 205	0.14 183	0.18 123	0.17 167	0.57 375	0.44 360

CroCo_RVC	0.40 126	0.39 306	0.85 319	0.48 263	0.37 289	0.40 108	0.46 248	0.57 35	0.52 70	0.38 24	0.46 27	0.35 30	0.42 121	0.43 26	0.30 64	0.19 205	0.14 183	0.18 123	0.17 167	0.57 375	0.44 360

mmm	0.44 155	0.27 233	0.46 152	0.38 69	0.24 90	0.61 207	0.35 141	0.94 215	0.53 73	0.72 158	1.05 246	0.63 144	0.50 163	0.57 95	0.45 194	0.18 176	0.15 208	0.23 251	0.20 237	0.20 210	0.18 183

CASnet	0.30 28	0.20 74	0.33 23	0.41 139	0.16 3	0.26 18	0.24 28	0.52 22	0.53 73	0.52 65	0.54 51	0.39 42	0.24 12	0.40 18	0.26 28	0.14 33	0.10 9	0.22 236	0.18 190	0.18 163	0.11 10
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LCNet	0.41 137	0.20 74	0.32 20	0.44 209	0.24 90	0.47 141	0.29 62	0.67 96	0.53 73	0.72 158	1.03 238	0.66 166	0.60 209	0.58 112	0.34 101	0.14 33	0.10 9	0.19 160	0.19 215	0.21 228	0.36 332

GMM-Stereo	0.44 155	0.19 52	0.36 38	0.42 176	0.25 116	0.51 152	0.47 253	0.71 133	0.53 73	0.76 179	1.37 320	0.76 215	0.38 97	0.60 132	0.33 91	0.15 81	0.10 9	0.20 184	0.19 215	0.16 112	0.27 287

ACVNet-DCA	0.35 52	0.23 150	0.33 23	0.41 139	0.22 44	0.55 170	0.38 191	0.85 182	0.54 77	0.41 36	0.50 36	0.34 24	0.49 153	0.57 95	0.25 11	0.16 115	0.10 9	0.19 160	0.13 53	0.18 163	0.17 168

1test111	0.36 70	0.23 150	0.33 23	0.41 139	0.22 44	0.55 170	0.38 191	0.85 182	0.54 77	0.41 36	0.50 36	0.34 24	0.49 153	0.55 77	0.45 194	0.16 115	0.10 9	0.19 160	0.13 53	0.18 163	0.17 168

MIM_Stereo	0.38 100	0.17 21	0.53 218	0.37 47	0.24 90	0.27 26	0.24 28	0.70 128	0.54 77	0.72 158	1.00 223	0.63 144	0.29 46	0.64 162	0.38 152	0.13 13	0.14 183	0.17 89	0.16 127	0.14 48	0.11 10

qqq	0.40 126	0.26 219	0.44 125	0.36 38	0.22 44	0.46 139	0.36 159	0.85 182	0.54 77	0.56 74	0.69 86	0.65 161	0.53 171	0.55 77	0.45 194	0.17 148	0.16 235	0.20 184	0.19 215	0.18 163	0.17 168

AACVNet	0.50 218	0.23 150	0.49 188	0.46 249	0.29 220	0.52 155	0.38 191	0.90 204	0.55 81	0.81 199	1.03 238	1.00 281	0.70 269	0.83 254	0.54 236	0.21 241	0.18 260	0.24 265	0.18 190	0.23 254	0.20 231

NRIStereo	0.36 70	0.20 74	0.45 136	0.41 139	0.23 72	0.34 77	0.26 41	0.65 77	0.55 81	0.64 105	0.63 70	0.56 101	0.37 94	0.65 169	0.37 144	0.15 81	0.11 59	0.18 123	0.15 98	0.17 145	0.14 92

Pruner-Stereo	0.38 100	0.20 74	0.45 136	0.40 114	0.25 116	0.22 4	0.24 28	0.67 96	0.55 81	0.89 252	0.76 106	0.68 172	0.29 46	0.62 145	0.35 116	0.18 176	0.12 101	0.20 184	0.17 167	0.17 145	0.18 183

TANstereo	0.30 28	0.15 4	0.31 15	0.30 5	0.17 4	0.55 170	0.23 19	0.44 7	0.55 81	0.59 79	0.68 85	0.37 37	0.26 20	0.35 5	0.27 37	0.15 81	0.16 235	0.12 2	0.10 11	0.13 21	0.14 92

CRFU-Net	0.57 264	0.27 233	0.57 235	0.46 249	0.30 230	1.20 348	0.52 286	1.10 270	0.56 85	1.00 301	0.98 216	1.06 298	0.79 296	0.81 245	0.71 275	0.21 241	0.19 274	0.18 123	0.16 127	0.18 163	0.19 211

DisPM	0.39 114	0.19 52	0.44 125	0.41 139	0.27 178	0.24 7	0.31 92	0.65 77	0.57 86	0.87 240	0.87 165	0.60 133	0.32 65	0.76 227	0.32 79	0.18 176	0.12 101	0.19 160	0.17 167	0.15 81	0.20 231

RAFT	0.45 165	0.22 133	0.45 136	0.47 258	0.26 153	0.54 165	0.47 253	0.66 86	0.58 87	0.80 191	0.82 139	0.94 268	0.57 192	0.75 224	0.34 101	0.17 148	0.15 208	0.22 236	0.20 237	0.16 112	0.12 35

TRStereo	0.37 85	0.27 233	0.59 240	0.47 258	0.41 314	0.29 40	0.30 75	0.84 179	0.59 88	0.52 65	0.41 21	0.52 88	0.26 20	0.73 213	0.27 37	0.17 148	0.12 101	0.19 160	0.19 215	0.13 21	0.11 10

test-1	0.36 70	0.19 52	0.71 293	0.46 249	0.26 153	0.44 132	0.36 159	0.60 51	0.59 88	0.48 56	0.67 83	0.53 92	0.36 91	0.40 18	0.29 59	0.14 33	0.11 59	0.16 64	0.14 76	0.15 81	0.16 150

CIPLG	0.41 137	0.21 106	0.63 258	0.45 230	0.33 269	0.52 155	0.33 117	0.65 77	0.60 90	0.82 208	0.96 201	0.46 72	0.32 65	0.55 77	0.44 188	0.16 115	0.12 101	0.15 45	0.14 76	0.13 21	0.14 92

ac_64	0.52 234	0.22 133	0.50 200	0.45 230	0.28 197	0.80 273	0.45 245	1.02 245	0.61 91	0.91 264	0.83 144	1.07 303	0.68 255	0.74 220	0.70 271	0.21 241	0.18 260	0.20 184	0.19 215	0.18 163	0.15 111

AE-Stereo	0.34 40	0.21 106	0.42 106	0.48 263	0.31 247	0.48 143	0.35 141	0.61 57	0.62 92	0.32 14	0.55 56	0.52 88	0.27 27	0.47 47	0.29 59	0.13 13	0.13 156	0.18 123	0.16 127	0.15 81	0.12 35

StereoVision	0.42 143	0.28 247	0.45 136	0.49 278	0.28 197	0.38 104	0.38 191	0.72 137	0.62 92	0.44 47	1.14 275	0.54 96	0.39 109	0.56 85	0.34 101	0.21 241	0.24 313	0.25 276	0.24 294	0.26 276	0.16 150

CASS	0.45 165	0.27 233	0.42 106	0.48 263	0.22 44	0.61 207	0.34 124	0.97 227	0.62 92	0.71 147	0.85 158	0.61 137	0.55 185	0.57 95	0.41 166	0.29 313	0.16 235	0.22 236	0.18 190	0.22 245	0.28 294
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.49 205	0.20 74	0.42 106	0.38 69	0.23 72	0.91 298	0.35 141	0.75 152	0.62 92	0.85 228	1.54 345	1.06 298	0.66 246	0.51 61	0.43 175	0.16 115	0.13 156	0.19 160	0.21 255	0.16 112	0.14 92

iRaft-Stereo_5w	0.45 165	0.21 106	0.48 178	0.42 176	0.28 197	0.31 57	0.54 293	0.63 66	0.62 92	0.62 89	0.89 176	1.01 284	0.69 259	0.75 224	0.66 261	0.13 13	0.12 101	0.17 89	0.15 98	0.14 48	0.15 111

IPLGR_C	0.40 126	0.21 106	0.64 263	0.45 230	0.33 269	0.52 155	0.34 124	0.66 86	0.62 92	0.82 208	0.92 186	0.45 66	0.32 65	0.52 66	0.46 204	0.17 148	0.12 101	0.15 45	0.14 76	0.13 21	0.14 92

GMOStereo	0.37 85	0.19 52	0.38 58	0.43 194	0.24 90	0.37 90	0.38 191	0.52 22	0.62 92	0.87 240	0.84 149	0.64 151	0.35 81	0.37 9	0.28 47	0.13 13	0.11 59	0.20 184	0.18 190	0.15 81	0.11 10

error version	0.37 85	0.19 52	0.38 58	0.43 194	0.24 90	0.37 90	0.38 191	0.52 22	0.62 92	0.87 240	0.84 149	0.64 151	0.35 81	0.37 9	0.28 47	0.13 13	0.11 59	0.20 184	0.18 190	0.15 81	0.11 10

test-v	0.37 85	0.19 52	0.38 58	0.43 194	0.24 90	0.37 90	0.38 191	0.52 22	0.62 92	0.87 240	0.84 149	0.64 151	0.35 81	0.37 9	0.28 47	0.13 13	0.11 59	0.20 184	0.18 190	0.15 81	0.11 10

test-2	0.37 85	0.19 52	0.38 58	0.43 194	0.24 90	0.37 90	0.38 191	0.52 22	0.62 92	0.87 240	0.84 149	0.64 151	0.35 81	0.37 9	0.28 47	0.13 13	0.11 59	0.20 184	0.18 190	0.15 81	0.11 10

Selective-RAFT	0.35 52	0.23 150	0.51 207	0.44 209	0.21 31	0.64 229	0.27 48	0.59 41	0.63 102	0.40 35	0.38 20	0.55 99	0.40 114	0.57 95	0.35 116	0.13 13	0.11 59	0.14 19	0.12 32	0.16 112	0.13 60

IPLG	0.39 114	0.20 74	0.59 240	0.40 114	0.24 90	0.54 165	0.27 48	0.75 152	0.63 102	0.84 227	0.81 136	0.32 12	0.32 65	0.60 132	0.45 194	0.13 13	0.11 59	0.16 64	0.13 53	0.13 21	0.12 35

ACRE	0.40 126	0.21 106	0.65 268	0.45 230	0.33 269	0.51 152	0.33 117	0.66 86	0.63 102	0.80 191	0.92 186	0.45 66	0.32 65	0.52 66	0.45 194	0.16 115	0.12 101	0.15 45	0.14 76	0.13 21	0.14 92

GrayStereo	0.49 205	0.19 52	0.42 106	0.46 249	0.28 197	0.53 161	0.67 324	0.69 114	0.63 102	1.02 308	1.47 340	0.78 222	0.76 285	0.56 85	0.33 91	0.14 33	0.12 101	0.17 89	0.17 167	0.15 81	0.29 300

raftrobust	0.34 40	0.19 52	0.36 38	0.41 139	0.27 178	0.30 47	0.25 35	0.71 133	0.63 102	0.58 77	0.55 56	0.45 66	0.46 143	0.51 61	0.29 59	0.16 115	0.12 101	0.14 19	0.12 32	0.12 9	0.13 60

HCRNet	0.44 155	0.34 281	0.41 87	0.53 320	0.26 153	0.53 161	0.29 62	0.83 176	0.63 102	0.71 147	0.81 136	0.77 221	0.50 163	0.66 174	0.36 132	0.24 274	0.16 235	0.24 265	0.20 237	0.21 228	0.18 183

PMTNet	0.32 32	0.16 10	0.24 4	0.29 3	0.18 8	0.45 137	0.22 8	0.56 32	0.63 102	0.46 51	0.54 51	0.39 42	0.34 79	0.48 52	0.24 7	0.75 388	0.10 9	0.12 2	0.08 1	0.12 9	0.11 10

EKT-Stereo	0.35 52	0.23 150	0.39 75	0.43 194	0.29 220	0.38 104	0.31 92	0.69 114	0.64 109	0.45 49	0.63 70	0.49 82	0.27 27	0.56 85	0.33 91	0.18 176	0.14 183	0.18 123	0.15 98	0.16 112	0.16 150

knoymous	0.36 70	0.20 74	0.31 15	0.31 7	0.22 44	0.36 88	0.29 62	0.61 57	0.64 109	0.67 124	0.70 88	0.60 133	0.40 114	0.58 112	0.34 101	0.17 148	0.11 59	0.20 184	0.11 18	0.17 145	0.18 183

RALCasStereoNet	0.36 70	0.21 106	0.37 49	0.42 176	0.26 153	0.35 82	0.38 191	0.63 66	0.64 109	0.50 60	0.72 90	0.51 86	0.29 46	0.59 126	0.36 132	0.16 115	0.14 183	0.15 45	0.13 53	0.17 145	0.16 150

RALAANet	0.38 100	0.23 150	0.48 178	0.42 176	0.29 220	0.35 82	0.25 35	0.86 185	0.64 109	0.67 124	0.65 75	0.60 133	0.29 46	0.60 132	0.34 101	0.15 81	0.12 101	0.17 89	0.15 98	0.21 228	0.13 60

HITNet	0.41 137	0.26 219	0.45 136	0.33 11	0.17 4	0.63 223	0.30 75	0.93 211	0.64 109	0.71 147	0.82 139	0.64 151	0.52 168	0.59 126	0.43 175	0.14 33	0.10 9	0.15 45	0.13 53	0.19 197	0.12 35
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
anonymousdsp2	0.35 52	0.20 74	0.43 115	0.37 47	0.24 90	0.48 143	0.31 92	0.86 185	0.65 114	0.55 72	0.50 36	0.50 83	0.34 79	0.56 85	0.31 71	0.14 33	0.10 9	0.14 19	0.10 11	0.16 112	0.14 92

Anonymous3	0.46 171	0.34 281	0.86 324	0.50 292	0.37 289	0.81 278	0.50 269	0.72 137	0.65 114	0.51 62	0.65 75	0.45 66	0.45 140	0.64 162	0.38 152	0.24 274	0.24 313	0.22 236	0.21 255	0.23 254	0.23 264

TestStereo	0.38 100	0.31 266	0.40 82	0.45 230	0.20 22	0.40 108	0.37 171	0.66 86	0.65 114	0.53 68	0.78 118	0.47 74	0.40 114	0.55 77	0.37 144	0.18 176	0.13 156	0.20 184	0.15 98	0.22 245	0.13 60

IER	0.46 171	0.23 150	0.50 200	0.38 69	0.28 197	0.69 245	0.35 141	0.80 171	0.66 117	0.83 220	0.94 190	0.75 209	0.77 289	0.60 132	0.42 170	0.17 148	0.14 183	0.17 89	0.17 167	0.17 145	0.15 111

AFF-stereo	0.38 100	0.19 52	0.39 75	0.37 47	0.21 31	0.27 26	0.31 92	0.65 77	0.66 117	0.64 105	1.13 273	0.76 215	0.39 109	0.55 77	0.33 91	0.11 1	0.09 2	0.16 64	0.16 127	0.13 21	0.11 10

RAFT_R40	0.40 126	0.19 52	0.44 125	0.43 194	0.25 116	0.23 5	0.26 41	0.67 96	0.67 119	0.98 293	0.78 118	0.72 192	0.43 128	0.76 227	0.35 116	0.16 115	0.11 59	0.20 184	0.16 127	0.18 163	0.14 92

AAGNet	1.43 380	0.20 74	0.48 178	0.44 209	0.25 116	0.29 40	0.31 92	0.65 77	0.68 120	0.97 289	0.86 161	0.67 171	0.62 219	0.64 162	20.63 426	0.16 115	0.11 59	0.19 160	0.15 98	0.19 197	0.12 35

ASMatch	0.48 189	0.19 52	0.45 136	0.39 90	0.28 197	0.37 90	0.26 41	0.74 146	0.68 120	0.76 179	2.34 376	0.61 137	0.52 168	0.62 145	0.37 144	0.14 33	0.12 101	0.17 89	0.15 98	0.14 48	0.21 244

GES	0.44 155	0.23 150	0.57 235	0.40 114	0.30 230	0.59 200	0.36 159	0.96 223	0.68 120	0.74 171	0.83 144	0.47 74	0.48 150	0.67 184	0.43 175	0.22 259	0.16 235	0.17 89	0.16 127	0.18 163	0.23 264

DMCA-RVC	0.51 225	0.30 261	0.59 240	0.50 292	0.32 260	0.54 165	0.38 191	0.86 185	0.68 120	0.94 276	0.86 161	0.91 263	0.68 255	0.70 198	0.59 247	0.23 264	0.18 260	0.31 325	0.23 281	0.26 276	0.19 211

DMCA	0.45 165	0.26 219	0.50 200	0.38 69	0.28 197	0.51 152	0.34 124	0.93 211	0.68 120	0.75 173	0.83 144	0.79 223	0.53 171	0.51 61	0.54 236	0.21 241	0.16 235	0.21 224	0.16 127	0.19 197	0.21 244

MIPNet	0.37 85	0.21 106	0.59 240	0.39 90	0.25 116	0.50 148	0.28 55	0.77 160	0.70 125	0.65 112	0.60 65	0.40 45	0.49 153	0.44 32	0.37 144	0.14 33	0.11 59	0.16 64	0.13 53	0.14 48	0.13 60

PFNet+	0.40 126	0.19 52	0.49 188	0.39 90	0.25 116	0.28 35	0.23 19	0.64 76	0.70 125	0.85 228	0.79 127	0.64 151	0.35 81	0.72 208	0.34 101	0.19 205	0.14 183	0.23 251	0.20 237	0.16 112	0.20 231

NF-Stereo	0.38 100	0.20 74	0.45 136	0.41 139	0.25 116	0.26 18	0.31 92	0.69 114	0.70 125	0.65 112	0.77 110	0.57 106	0.30 57	0.67 184	0.35 116	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 287

OCTAStereo	0.38 100	0.20 74	0.46 152	0.41 139	0.25 116	0.26 18	0.31 92	0.69 114	0.70 125	0.65 112	0.77 110	0.58 114	0.30 57	0.67 184	0.35 116	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 287

PSM-AAD	0.48 189	0.20 74	0.37 49	0.43 194	0.23 72	0.56 185	0.50 269	0.65 77	0.70 125	1.07 325	1.12 267	0.58 114	0.92 325	0.61 139	0.32 79	0.15 81	0.11 59	0.25 276	0.26 313	0.18 163	0.43 359

RE-Stereo	0.38 100	0.20 74	0.46 152	0.41 139	0.25 116	0.26 18	0.31 92	0.69 114	0.70 125	0.65 112	0.77 110	0.58 114	0.30 57	0.67 184	0.35 116	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 287

TVStereo	0.38 100	0.20 74	0.46 152	0.41 139	0.25 116	0.26 18	0.31 92	0.69 114	0.70 125	0.65 112	0.77 110	0.58 114	0.30 57	0.67 184	0.35 116	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 287

RAFT-RH_RVC	0.56 259	0.17 21	0.41 87	0.37 47	0.23 72	0.57 189	0.24 28	0.60 51	0.70 125	1.19 341	3.94 407	0.56 101	0.38 97	0.65 169	0.36 132	0.13 13	0.11 59	0.20 184	0.14 76	0.12 9	0.13 60

ICVP	0.46 171	0.25 205	0.38 58	0.48 263	0.28 197	0.58 191	0.43 237	1.00 235	0.70 125	0.67 124	0.95 197	0.75 209	0.55 185	0.53 72	0.54 236	0.23 264	0.17 249	0.19 160	0.17 167	0.19 197	0.20 231
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FENet	0.42 143	0.22 133	0.38 58	0.39 90	0.24 90	0.55 170	0.32 108	0.79 167	0.70 125	0.71 147	0.72 90	0.63 144	0.57 192	0.62 145	0.44 188	0.19 205	0.13 156	0.19 160	0.17 167	0.18 163	0.19 211

DeepPruner_ROB	0.53 237	0.34 281	0.59 240	0.41 139	0.30 230	0.50 148	0.43 237	1.19 302	0.70 125	0.85 228	1.05 246	0.86 243	0.55 185	0.84 259	0.51 223	0.29 313	0.23 306	0.22 236	0.22 270	0.26 276	0.25 276

panet	0.27 7	0.14 2	0.23 1	0.28 2	0.15 1	0.37 90	0.23 19	0.52 22	0.72 136	0.42 41	0.51 41	0.34 24	0.26 20	0.39 15	0.25 11	0.15 81	0.11 59	0.12 2	0.08 1	0.11 1	0.10 3

H2IRNET	0.37 85	0.20 74	0.33 23	0.38 69	0.25 116	0.27 26	0.23 19	0.59 41	0.72 136	0.39 32	0.90 179	0.74 207	0.55 185	0.52 66	0.43 175	0.15 81	0.13 156	0.18 123	0.20 237	0.16 112	0.13 60

4D-IteraStereo	0.33 39	0.18 37	0.40 82	0.40 114	0.24 90	0.32 67	0.27 48	0.58 39	0.72 136	0.65 112	0.54 51	0.42 54	0.23 9	0.45 33	0.28 47	0.14 33	0.09 2	0.19 160	0.16 127	0.16 112	0.11 10

LoS	0.29 16	0.15 4	0.30 13	0.29 3	0.18 8	0.33 71	0.29 62	0.51 19	0.72 136	0.34 16	0.52 47	0.41 48	0.28 36	0.47 47	0.28 47	0.15 81	0.11 59	0.13 11	0.09 7	0.11 1	0.11 10

CSP-Net	0.56 259	0.27 233	0.49 188	0.41 139	0.28 197	1.22 349	0.50 269	1.23 320	0.72 136	0.95 283	0.95 197	0.89 257	0.62 219	0.83 254	0.62 253	0.26 294	0.17 249	0.17 89	0.17 167	0.18 163	0.17 168

CREStereo	0.28 11	0.15 4	0.24 4	0.27 1	0.17 4	0.37 90	0.25 35	0.51 19	0.72 136	0.42 41	0.51 41	0.32 12	0.26 20	0.38 13	0.25 11	0.16 115	0.11 59	0.12 2	0.08 1	0.12 9	0.11 10
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
BEATNet_4x	0.46 171	0.32 268	0.56 232	0.37 47	0.19 11	0.63 223	0.35 141	1.01 242	0.72 136	0.77 184	0.83 144	0.70 178	0.59 205	0.68 192	0.53 233	0.16 115	0.12 101	0.16 64	0.14 76	0.24 264	0.16 150

Any-RAFT	0.35 52	0.16 10	0.30 13	0.34 12	0.21 31	0.52 155	0.22 8	0.88 197	0.73 143	0.53 68	0.73 94	0.64 151	0.28 36	0.46 40	0.24 7	0.15 81	0.10 9	0.13 11	0.10 11	0.13 21	0.12 35

RAFT_CTSACE	0.45 165	0.20 74	0.44 125	0.45 230	0.27 178	0.34 77	0.39 211	0.60 51	0.73 143	0.76 179	1.44 334	0.83 235	0.38 97	1.08 322	0.26 28	0.12 4	0.13 156	0.18 123	0.16 127	0.15 81	0.11 10

STrans-v2	0.46 171	0.20 74	0.48 178	0.40 114	0.24 90	0.55 170	0.50 269	1.07 261	0.73 143	0.65 112	1.05 246	0.72 192	0.69 259	0.72 208	0.33 91	0.14 33	0.10 9	0.17 89	0.14 76	0.13 21	0.12 35

XX-TBD	0.32 32	0.53 347	0.26 8	0.51 304	0.20 22	0.37 90	0.24 28	0.40 4	0.73 143	0.54 70	0.69 86	0.31 10	0.25 14	0.32 4	0.27 37	0.16 115	0.10 9	0.12 2	0.09 7	0.13 21	0.11 10

RAFT-Stereo + iAFF	0.36 70	0.17 21	0.41 87	0.35 30	0.19 11	0.33 71	0.29 62	0.65 77	0.73 143	0.68 130	1.01 226	0.56 101	0.40 114	0.42 23	0.30 64	0.11 1	0.09 2	0.15 45	0.14 76	0.13 21	0.10 3

IPLGR	0.39 114	0.21 106	0.63 258	0.39 90	0.22 44	0.49 147	0.29 62	0.76 157	0.74 148	0.78 187	0.77 110	0.44 65	0.42 121	0.47 47	0.38 152	0.13 13	0.12 101	0.16 64	0.14 76	0.15 81	0.13 60

DEmStereo	0.48 189	0.17 21	0.50 200	0.38 69	0.25 116	0.59 200	0.34 124	0.63 66	0.74 148	0.89 252	1.66 352	0.58 114	1.06 345	0.60 132	0.42 170	0.14 33	0.11 59	0.16 64	0.16 127	0.14 48	0.15 111

HHNet	0.41 137	0.17 21	0.41 87	0.34 12	0.37 289	0.33 71	0.34 124	0.69 114	0.75 150	0.86 233	1.30 310	0.52 88	0.32 65	0.52 66	0.35 116	0.15 81	0.11 59	0.19 160	0.15 98	0.15 81	0.24 270

UNet	0.54 247	0.26 219	0.66 273	0.44 209	0.40 307	0.99 315	0.41 229	0.98 230	0.75 150	0.83 220	0.89 176	1.04 293	0.72 277	0.73 213	0.62 253	0.19 205	0.14 183	0.20 184	0.17 167	0.20 210	0.17 168

UPFNet	0.53 237	0.24 186	0.51 207	0.45 230	0.38 297	0.84 291	0.49 265	0.99 232	0.75 150	0.87 240	0.88 172	0.86 243	0.64 235	0.80 242	0.71 275	0.20 227	0.20 283	0.20 184	0.20 237	0.19 197	0.15 111

Gwc-CoAtRS	0.34 40	0.17 21	0.44 125	0.39 90	0.23 72	0.34 77	0.22 8	0.70 128	0.75 150	0.60 83	0.59 64	0.58 114	0.29 46	0.45 33	0.26 28	0.14 33	0.11 59	0.14 19	0.12 32	0.12 9	0.12 35

HSM	0.51 225	0.24 186	0.41 87	0.39 90	0.24 90	0.75 260	0.40 217	1.22 316	0.75 150	0.81 199	0.91 182	1.21 321	0.69 259	0.87 269	0.46 204	0.17 148	0.13 156	0.17 89	0.14 76	0.17 145	0.17 168

DN-CSS_ROB	0.43 149	0.26 219	0.62 250	0.40 114	0.29 220	0.44 132	0.27 48	0.77 160	0.75 150	0.72 158	1.09 262	0.48 78	0.43 128	0.69 195	0.37 144	0.15 81	0.12 101	0.21 224	0.19 215	0.18 163	0.16 150

GMStereo_Zeroshot	0.49 205	0.44 321	0.74 301	0.49 278	0.27 178	0.56 185	0.29 62	0.73 144	0.76 156	0.86 233	0.94 190	0.91 263	0.36 91	0.74 220	0.43 175	0.26 294	0.14 183	0.26 290	0.15 98	0.36 330	0.18 183

BUS	0.45 165	0.25 205	0.43 115	0.45 230	0.28 197	0.70 247	0.34 124	0.94 215	0.76 156	0.75 173	0.80 129	0.65 161	0.49 153	0.64 162	0.51 223	0.20 227	0.14 183	0.22 236	0.19 215	0.18 163	0.18 183

BSDual-CNN	0.46 171	0.25 205	0.43 115	0.45 230	0.28 197	0.77 263	0.40 217	0.94 215	0.76 156	0.75 173	0.80 129	0.76 215	0.54 182	0.64 162	0.43 175	0.20 227	0.14 183	0.22 236	0.19 215	0.18 163	0.18 183

psmg	0.49 205	0.25 205	0.43 115	0.41 139	0.28 197	0.85 292	0.43 237	0.99 232	0.76 156	0.91 264	0.94 190	0.76 215	0.54 182	0.64 162	0.43 175	0.20 227	0.15 208	0.20 184	0.20 237	0.18 163	0.18 183

TransformOpticalFlow	0.44 155	0.20 74	0.47 162	0.41 139	0.23 72	0.37 90	0.47 253	0.94 215	0.76 156	0.65 112	1.14 275	0.73 202	0.56 191	0.76 227	0.32 79	0.15 81	0.10 9	0.17 89	0.15 98	0.14 48	0.13 60

IIG-Stereo	0.43 149	0.21 106	0.44 125	0.50 292	0.25 116	0.44 132	0.21 4	0.71 133	0.76 156	0.83 220	0.95 197	0.83 235	0.43 128	0.90 279	0.35 116	0.15 81	0.12 101	0.19 160	0.14 76	0.15 81	0.11 10

LMCR-Stereo	0.53 237	0.30 261	0.53 218	0.58 339	0.30 230	0.83 288	0.36 159	1.19 302	0.76 156	0.88 248	1.04 242	0.56 101	0.62 219	0.82 247	0.67 264	0.19 205	0.15 208	0.19 160	0.14 76	0.23 254	0.17 168

DispNO	0.47 181	0.23 150	0.71 293	0.39 90	0.31 247	0.60 205	0.38 191	0.89 199	0.77 163	0.75 173	0.84 149	0.72 192	0.54 182	0.73 213	0.46 204	0.19 205	0.14 183	0.20 184	0.18 190	0.16 112	0.17 168

ToySt	0.49 205	0.27 233	0.75 304	0.40 114	0.27 178	0.64 229	0.49 265	0.84 179	0.77 163	0.60 83	0.83 144	0.88 253	0.66 246	0.70 198	0.56 242	0.16 115	0.17 249	0.21 224	0.20 237	0.21 228	0.19 211

Anonymous_2	0.82 323	0.44 321	0.63 258	0.40 114	0.43 325	0.80 273	0.52 286	0.72 137	0.77 163	0.71 147	0.60 65	0.87 248	0.76 285	0.75 224	0.58 243	0.52 376	0.54 389	0.54 376	4.82 425	0.56 373	0.40 349

SACVNet	0.58 270	0.34 281	0.55 226	0.55 329	0.36 284	0.63 223	0.48 259	1.13 280	0.77 163	1.02 308	1.06 252	1.02 289	0.74 280	0.90 279	0.51 223	0.27 301	0.21 290	0.25 276	0.24 294	0.29 291	0.36 332

IRAFT_RVC	0.42 143	0.20 74	0.48 178	0.44 209	0.24 90	0.27 26	0.54 293	0.74 146	0.77 163	0.76 179	0.80 129	0.73 202	0.51 166	0.70 198	0.36 132	0.17 148	0.10 9	0.21 224	0.16 127	0.16 112	0.14 92

SFCPSM	0.47 181	0.21 106	0.55 226	0.40 114	0.27 178	0.87 296	0.37 171	1.33 344	0.77 163	0.80 191	0.84 149	0.54 96	0.49 153	0.57 95	0.37 144	0.18 176	0.13 156	0.18 123	0.20 237	0.16 112	0.15 111

PSMNet-RSSM	0.48 189	0.22 133	0.38 58	0.42 176	0.25 116	0.50 148	0.37 171	1.10 270	0.77 163	0.70 141	1.06 252	0.84 239	0.64 235	0.62 145	0.47 209	0.23 264	0.15 208	0.23 251	0.25 303	0.20 210	0.19 211

whm_eth	0.48 189	0.30 261	0.74 301	0.46 249	0.38 297	0.37 90	0.37 171	0.79 167	0.78 170	0.82 208	1.74 358	0.37 37	0.38 97	0.60 132	0.38 152	0.18 176	0.16 235	0.20 184	0.20 237	0.19 197	0.22 257

test-3	0.34 40	0.16 10	0.43 115	0.39 90	0.21 31	0.43 128	0.22 8	0.63 66	0.78 170	0.71 147	0.45 23	0.64 151	0.27 27	0.43 26	0.31 71	0.12 4	0.09 2	0.17 89	0.13 53	0.12 9	0.10 3

test_1	0.34 40	0.16 10	0.43 115	0.39 90	0.21 31	0.43 128	0.23 19	0.63 66	0.78 170	0.68 130	0.45 23	0.64 151	0.27 27	0.43 26	0.31 71	0.12 4	0.09 2	0.17 89	0.13 53	0.12 9	0.10 3

OMP-Stereo	0.42 143	0.22 133	0.46 152	0.52 315	0.24 90	0.36 88	0.25 35	0.71 133	0.78 170	0.77 184	0.64 73	0.89 257	0.39 109	0.91 286	0.35 116	0.15 81	0.12 101	0.20 184	0.15 98	0.15 81	0.12 35

PFNet	0.42 143	0.18 37	0.58 239	0.43 194	0.24 90	0.43 128	0.32 108	0.74 146	0.78 170	1.00 301	0.74 103	0.68 172	0.39 109	0.72 208	0.37 144	0.16 115	0.10 9	0.20 184	0.15 98	0.16 112	0.13 60

HGLStereo	0.56 259	0.28 247	0.57 235	0.50 292	0.37 289	0.80 273	0.45 245	1.02 245	0.78 170	0.86 233	1.14 275	0.89 257	0.82 304	0.76 227	0.73 278	0.21 241	0.20 283	0.19 160	0.18 190	0.19 197	0.21 244

GANet-RSSM	0.47 181	0.21 106	0.37 49	0.38 69	0.25 116	0.58 191	0.36 159	1.07 261	0.78 170	0.68 130	1.01 226	0.86 243	0.67 249	0.62 145	0.44 188	0.21 241	0.15 208	0.18 123	0.18 190	0.18 163	0.17 168

MaskLacGwcNet_RVC	0.67 290	0.81 374	0.73 297	0.53 320	0.37 289	1.40 360	0.53 289	1.04 252	0.79 177	0.88 248	0.94 190	0.95 270	0.53 171	0.93 294	0.58 243	0.39 359	0.30 341	0.57 378	0.31 336	0.53 369	0.30 307

CoDeX	0.47 181	0.20 74	0.49 188	0.42 176	0.25 116	0.75 260	0.36 159	1.27 333	0.80 178	0.82 208	0.96 201	0.62 143	0.57 192	0.60 132	0.36 132	0.17 148	0.12 101	0.17 89	0.15 98	0.16 112	0.14 92

riskmin	0.38 100	0.20 74	0.39 75	0.32 9	0.23 72	0.53 161	0.30 75	0.63 66	0.80 178	0.49 57	0.56 58	0.73 202	0.58 199	0.55 77	0.36 132	0.17 148	0.11 59	0.19 160	0.13 53	0.19 197	0.20 231

RAFT+CT+SA	0.39 114	0.23 150	0.36 38	0.51 304	0.27 178	0.29 40	0.46 248	0.75 152	0.80 178	0.51 62	0.89 176	0.41 48	0.40 114	0.78 238	0.32 79	0.14 33	0.11 59	0.18 123	0.18 190	0.15 81	0.14 92

PSMNet-ADL	0.48 189	0.27 233	0.40 82	0.48 263	0.30 230	0.68 243	0.37 171	0.90 204	0.80 178	0.61 88	0.80 129	0.92 265	0.62 219	0.72 208	0.63 256	0.23 264	0.18 260	0.18 123	0.20 237	0.22 245	0.20 231

ACVNet	0.46 171	0.23 150	0.36 38	0.39 90	0.28 197	0.58 191	0.40 217	0.87 192	0.80 178	0.64 105	0.96 201	0.79 223	0.60 209	0.63 155	0.67 264	0.17 148	0.15 208	0.16 64	0.15 98	0.18 163	0.15 111

acv_ft	0.51 225	0.23 150	0.56 232	0.44 209	0.28 197	0.86 295	0.39 211	0.91 208	0.80 178	0.97 289	0.96 201	0.79 223	0.59 205	0.63 155	0.87 306	0.17 148	0.15 208	0.16 64	0.15 98	0.17 145	0.15 111

ARAFT	0.47 181	0.24 186	0.79 314	0.42 176	0.25 116	0.55 170	0.55 297	0.75 152	0.81 184	0.89 252	0.75 104	0.73 202	0.47 146	0.88 272	0.37 144	0.15 81	0.12 101	0.23 251	0.22 270	0.14 48	0.13 60

CBFPSM	0.59 277	0.22 133	1.31 366	0.38 69	0.27 178	1.12 337	0.65 321	0.79 167	0.82 185	0.80 191	0.81 136	1.35 345	0.87 316	0.67 184	0.76 283	0.16 115	0.15 208	0.15 45	0.16 127	0.17 145	0.22 257

test_5	0.43 149	0.24 186	0.43 115	0.52 315	0.28 197	0.28 35	0.42 236	0.72 137	0.82 185	0.62 89	0.91 182	0.72 192	0.55 185	0.79 241	0.35 116	0.14 33	0.11 59	0.18 123	0.18 190	0.18 163	0.16 150

test_3	0.36 70	0.19 52	0.44 125	0.44 209	0.23 72	0.48 143	0.36 159	0.66 86	0.82 185	0.64 105	0.45 23	0.68 172	0.25 14	0.41 21	0.31 71	0.12 4	0.10 9	0.18 123	0.16 127	0.15 81	0.11 10

psm_up	0.55 248	0.26 219	0.47 162	0.49 278	0.32 260	0.65 234	0.56 302	1.04 252	0.82 185	0.82 208	0.88 172	1.01 284	0.94 331	0.74 220	0.61 251	0.21 241	0.25 321	0.26 290	0.23 281	0.21 228	0.20 231

DSFCA	0.55 248	0.25 205	0.62 250	0.40 114	0.36 284	0.74 257	0.52 286	1.04 252	0.82 185	1.06 322	0.84 149	0.89 257	0.63 225	0.99 304	0.58 243	0.25 284	0.21 290	0.21 224	0.21 255	0.21 228	0.19 211

SQANet	0.82 323	0.74 369	0.67 277	1.13 390	0.98 388	1.11 334	0.47 253	1.07 261	0.83 190	0.91 264	1.05 246	1.03 291	0.74 280	1.01 307	0.64 258	0.61 383	0.24 313	1.03 390	0.35 349	1.18 394	0.58 381

hknet	0.49 205	0.25 205	0.51 207	0.45 230	0.29 220	0.77 263	0.40 217	0.94 215	0.83 190	0.75 173	0.80 129	0.97 274	0.61 214	0.73 213	0.45 194	0.18 176	0.14 183	0.22 236	0.19 215	0.18 163	0.18 183

s12784h	0.36 70	0.15 4	0.24 4	0.34 12	0.15 1	0.77 263	0.29 62	0.80 171	0.83 190	0.56 74	0.57 59	0.43 60	0.40 114	0.57 95	0.33 91	0.12 4	0.10 9	0.14 19	0.09 7	0.14 48	0.09 1

iinet-f	0.67 290	0.26 219	2.15 394	0.39 90	0.31 247	1.19 347	0.56 302	0.84 179	0.84 193	0.80 191	1.17 287	1.05 297	0.84 310	0.71 203	1.21 356	0.20 227	0.18 260	0.17 89	0.15 98	0.20 210	0.20 231

gwcnet-sp	0.48 189	0.23 150	0.70 290	0.40 114	0.26 153	0.81 278	0.41 229	0.89 199	0.84 193	0.91 264	0.76 106	0.66 166	0.61 214	0.66 174	0.50 215	0.18 176	0.17 249	0.18 123	0.18 190	0.18 163	0.18 183

scenet	0.48 189	0.23 150	0.70 290	0.40 114	0.26 153	0.81 278	0.41 229	0.89 199	0.84 193	0.91 264	0.76 106	0.66 166	0.61 214	0.66 174	0.50 215	0.18 176	0.17 249	0.18 123	0.18 190	0.18 163	0.18 183

ssnet	0.48 189	0.23 150	0.70 290	0.40 114	0.26 153	0.81 278	0.41 229	0.89 199	0.84 193	0.91 264	0.76 106	0.66 166	0.61 214	0.66 174	0.50 215	0.18 176	0.17 249	0.18 123	0.18 190	0.18 163	0.18 183

CFNet-RSSM	0.34 40	0.17 21	0.45 136	0.39 90	0.22 44	0.35 82	0.23 19	0.73 144	0.84 193	0.65 112	0.54 51	0.57 106	0.28 36	0.46 40	0.26 28	0.13 13	0.10 9	0.14 19	0.12 32	0.13 21	0.11 10

DANet	0.71 301	0.45 325	0.91 328	0.59 342	0.40 307	0.81 278	0.40 217	0.97 227	0.84 193	1.20 344	1.22 295	1.33 339	0.88 319	1.16 331	1.24 358	0.27 301	0.23 306	0.31 325	0.25 303	0.35 326	0.32 317
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
UCFNet_RVC	0.49 205	0.26 219	0.35 33	0.39 90	0.26 153	0.64 229	0.36 159	1.15 289	0.84 193	0.67 124	0.88 172	0.88 253	0.59 205	0.58 112	0.45 194	0.24 274	0.17 249	0.27 302	0.27 318	0.25 272	0.23 264

DRaft	0.49 205	0.17 21	0.47 162	0.37 47	0.25 116	0.58 191	0.40 217	0.65 77	0.85 200	1.02 308	1.75 360	0.50 83	0.82 304	0.63 155	0.40 163	0.13 13	0.11 59	0.16 64	0.16 127	0.14 48	0.15 111

APVNet	0.71 301	0.37 293	0.89 327	0.56 332	0.45 336	1.18 346	0.68 329	1.41 360	0.85 200	0.81 199	1.15 280	1.04 293	0.81 300	1.10 325	1.17 353	0.26 294	0.28 333	0.32 330	0.31 336	0.29 291	0.30 307

cf-r	0.47 181	0.23 150	0.41 87	0.39 90	0.23 72	0.59 200	0.37 171	0.88 197	0.85 200	0.72 158	1.05 246	0.94 268	0.62 219	0.56 85	0.54 236	0.21 241	0.14 183	0.17 89	0.19 215	0.15 81	0.15 111

CFNet-ft	0.48 189	0.23 150	0.36 38	0.40 114	0.26 153	0.64 229	0.37 171	0.87 192	0.85 200	0.64 105	1.00 223	1.01 284	0.64 235	0.61 139	0.53 233	0.23 264	0.15 208	0.24 265	0.21 255	0.23 254	0.18 183

CFNet_RVC	0.48 189	0.23 150	0.36 38	0.40 114	0.26 153	0.64 229	0.37 171	0.87 192	0.85 200	0.64 105	1.00 223	1.01 284	0.64 235	0.61 139	0.53 233	0.23 264	0.15 208	0.24 265	0.21 255	0.23 254	0.18 183

AASNet	0.53 237	0.25 205	0.52 212	0.49 278	0.32 260	0.74 257	0.40 217	1.50 370	0.86 205	0.86 233	0.92 186	0.64 151	0.59 205	0.59 126	0.79 288	0.23 264	0.19 274	0.20 184	0.16 127	0.21 228	0.19 211

GANet-ADL	0.42 143	0.25 205	0.45 136	0.43 194	0.29 220	0.54 165	0.35 141	0.89 199	0.86 205	0.63 96	0.72 90	0.68 172	0.42 121	0.52 66	0.41 166	0.21 241	0.14 183	0.15 45	0.13 53	0.18 163	0.19 211

CrosDoStereo	0.50 218	0.18 37	0.45 136	0.38 69	0.24 90	0.40 108	1.18 381	0.67 96	0.86 205	0.94 276	1.37 320	0.63 144	0.77 289	0.65 169	0.45 194	0.15 81	0.12 101	0.17 89	0.18 190	0.14 48	0.14 92

DeepStereo_LL	0.50 218	0.18 37	0.45 136	0.38 69	0.24 90	0.40 108	1.18 381	0.67 96	0.86 205	0.94 276	1.37 320	0.63 144	0.77 289	0.65 169	0.45 194	0.15 81	0.12 101	0.17 89	0.18 190	0.14 48	0.14 92

ADLNet	0.55 248	0.27 233	0.51 207	0.44 209	0.35 282	0.78 267	0.46 248	1.08 265	0.86 205	0.99 296	0.98 216	0.92 265	0.63 225	0.69 195	0.81 293	0.22 259	0.16 235	0.22 236	0.22 270	0.21 228	0.21 244

test_xeample	1.01 348	0.21 106	0.42 106	0.35 30	0.21 31	0.71 252	0.39 211	1.23 320	0.86 205	0.81 199	1.04 242	0.69 176	0.61 214	0.69 195	10.93 418	0.19 205	0.15 208	0.18 123	0.17 167	0.18 163	0.17 168

delet	0.55 248	0.24 186	0.55 226	0.44 209	0.33 269	1.07 328	0.50 269	1.00 235	0.86 205	0.85 228	0.96 201	0.90 261	0.63 225	0.83 254	0.74 281	0.18 176	0.18 260	0.20 184	0.21 255	0.16 112	0.15 111

STTStereo	0.55 248	0.37 293	0.76 309	0.44 209	0.31 247	0.60 205	0.44 243	0.96 223	0.86 205	0.99 296	0.90 179	0.96 272	0.58 199	0.71 203	0.61 251	0.25 284	0.23 306	0.26 290	0.32 342	0.24 264	0.23 264

PS-NSSS	0.58 270	0.44 321	0.62 250	0.42 176	0.33 269	0.66 237	0.58 306	1.02 245	0.86 205	0.77 184	1.28 306	0.72 192	0.64 235	0.82 247	0.59 247	0.31 322	0.26 327	0.40 354	0.27 318	0.33 315	0.26 280

THIR-Stereo	0.50 218	0.18 37	0.45 136	0.38 69	0.23 72	0.75 260	0.67 324	0.66 86	0.87 214	1.02 308	1.40 326	0.72 192	0.76 285	0.62 145	0.42 170	0.15 81	0.11 59	0.17 89	0.18 190	0.14 48	0.15 111

FADNet-RVC	0.60 280	0.53 347	1.14 348	0.46 249	0.39 302	0.61 207	0.39 211	1.12 279	0.87 214	0.70 141	0.84 149	1.04 293	0.55 185	0.94 301	0.69 268	0.26 294	0.25 321	0.28 309	0.28 323	0.31 305	0.31 313

G-Net	0.95 344	0.46 327	1.04 338	0.64 354	0.48 344	2.12 388	0.64 320	1.01 242	0.87 214	1.75 375	2.82 392	1.30 331	1.64 383	1.06 317	0.96 331	0.36 353	0.29 338	0.35 339	0.25 303	0.45 354	0.42 354

MLCV	0.47 181	0.24 186	0.61 247	0.37 47	0.17 4	0.61 207	0.33 117	0.80 171	0.87 214	0.94 276	1.13 273	0.72 192	0.43 128	0.89 277	0.51 223	0.13 13	0.10 9	0.13 11	0.11 18	0.14 48	0.12 35

NINENet	0.50 218	0.29 255	0.51 207	0.45 230	0.32 260	0.70 247	0.34 124	1.10 270	0.88 218	0.80 191	0.94 190	0.65 161	0.49 153	0.73 213	0.51 223	0.22 259	0.20 283	0.25 276	0.18 190	0.22 245	0.21 244

CREStereo++_RVC	0.32 32	0.15 4	0.23 1	0.31 7	0.24 90	0.27 26	0.22 8	0.46 9	0.88 218	0.46 51	0.80 129	0.30 6	0.26 20	0.36 6	0.33 91	0.13 13	0.09 2	0.13 11	0.51 381	0.13 21	0.09 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
CFNet_pseudo	0.46 171	0.24 186	0.52 212	0.37 47	0.27 178	0.58 191	0.30 75	0.86 185	0.88 218	0.82 208	1.03 238	0.75 209	0.47 146	0.58 112	0.44 188	0.17 148	0.12 101	0.24 265	0.16 127	0.24 264	0.19 211

xxxx	1.01 348	0.22 133	0.43 115	0.36 38	0.21 31	0.82 286	0.36 159	1.32 342	0.88 218	0.71 147	0.94 190	0.97 274	0.63 225	0.64 162	10.58 417	0.20 227	0.16 235	0.18 123	0.17 167	0.19 197	0.19 211

psmorigin	0.82 323	0.51 338	2.09 392	0.49 278	0.41 314	0.85 292	0.50 269	1.04 252	0.88 218	1.45 359	1.43 332	1.50 359	1.06 345	1.22 339	0.97 332	0.31 322	0.32 354	0.27 302	0.27 318	0.33 315	0.42 354

FADNet_RVC	0.55 248	0.37 293	1.17 354	0.44 209	0.31 247	0.56 185	0.34 124	1.06 260	0.88 218	0.67 124	0.90 179	0.61 137	0.65 241	0.93 294	0.70 271	0.21 241	0.18 260	0.26 290	0.23 281	0.31 305	0.28 294

RASNet	0.53 237	0.22 133	0.52 212	0.38 69	0.22 44	0.68 243	0.38 191	0.97 227	0.88 218	0.73 165	1.04 242	1.03 291	0.92 325	0.90 279	0.86 302	0.16 115	0.14 183	0.14 19	0.17 167	0.15 81	0.13 60

NLCA_NET_v2_RVC	0.53 237	0.32 268	0.64 263	0.44 209	0.30 230	0.66 237	0.44 243	1.04 252	0.88 218	0.91 264	0.91 182	0.99 278	0.60 209	0.68 192	0.60 250	0.21 241	0.17 249	0.22 236	0.22 270	0.21 228	0.21 244
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccs_rob	0.46 171	0.24 186	0.52 212	0.37 47	0.27 178	0.58 191	0.31 92	0.86 185	0.88 218	0.82 208	1.02 234	0.75 209	0.47 146	0.58 112	0.44 188	0.17 148	0.12 101	0.24 265	0.16 127	0.24 264	0.19 211

AdaStereo	0.50 218	0.32 268	0.47 162	0.48 263	0.25 116	0.67 241	0.32 108	1.17 297	0.88 218	0.75 173	0.99 221	0.75 209	0.49 153	0.67 184	0.46 204	0.27 301	0.12 101	0.28 309	0.18 190	0.23 254	0.18 183
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.
raft+_RVC	0.38 100	0.19 52	0.35 33	0.37 47	0.25 116	0.45 137	0.37 171	0.78 165	0.89 228	0.51 62	0.78 118	0.50 83	0.29 46	0.53 72	0.40 163	0.15 81	0.12 101	0.17 89	0.15 98	0.14 48	0.12 35

222	1.18 367	0.22 133	0.44 125	0.37 47	0.22 44	0.79 270	0.37 171	1.31 341	0.89 228	0.92 272	1.08 258	0.72 192	0.71 273	0.66 174	13.89 421	0.20 227	0.15 208	0.17 89	0.16 127	0.18 163	0.19 211

Former-RAFT_DAM_RVC	0.34 40	0.27 233	0.45 136	0.36 38	0.25 116	0.48 143	0.30 75	0.58 39	0.90 230	0.42 41	0.36 19	0.30 6	0.29 46	0.49 53	0.30 64	0.16 115	0.14 183	0.18 123	0.15 98	0.18 163	0.15 111

TestStereo1	0.43 149	0.23 150	0.41 87	0.51 304	0.24 90	0.34 77	0.40 217	0.77 160	0.90 230	0.68 130	0.96 201	0.48 78	0.46 143	0.91 286	0.32 79	0.16 115	0.13 156	0.18 123	0.15 98	0.14 48	0.13 60

SA-5K	0.43 149	0.23 150	0.41 87	0.51 304	0.24 90	0.34 77	0.40 217	0.77 160	0.90 230	0.68 130	0.96 201	0.48 78	0.46 143	0.91 286	0.32 79	0.16 115	0.13 156	0.18 123	0.15 98	0.14 48	0.13 60

rafts_anoy	0.37 85	0.21 106	0.36 38	0.41 139	0.26 153	0.30 47	0.33 117	0.67 96	0.90 230	0.58 77	0.66 79	0.45 66	0.33 73	0.47 47	0.39 158	0.16 115	0.11 59	0.21 224	0.23 281	0.17 145	0.14 92

hitnet-ft	0.55 248	0.27 233	0.39 75	0.41 139	0.28 197	0.78 267	0.40 217	0.92 209	0.90 230	0.82 208	1.01 226	1.13 316	0.70 269	0.78 238	0.67 264	0.28 307	0.20 283	0.28 309	0.22 270	0.29 291	0.26 280

anonymity	0.97 345	0.89 380	1.05 339	0.92 382	1.03 391	0.97 310	0.81 353	1.29 336	0.91 235	1.07 325	0.98 216	1.00 281	0.95 334	1.02 312	0.92 325	0.96 394	0.95 412	0.90 387	0.91 400	0.92 386	0.94 393

ADStereo(finetuned)	0.37 85	0.16 10	0.49 188	0.34 12	0.19 11	0.30 47	0.30 75	0.68 105	0.91 235	0.70 141	0.77 110	0.43 60	0.69 259	0.45 33	0.33 91	0.14 33	0.10 9	0.14 19	0.11 18	0.13 21	0.12 35

DCANet	0.36 70	0.16 10	0.41 87	0.34 12	0.19 11	0.30 47	0.30 75	0.68 105	0.91 235	0.70 141	0.77 110	0.43 60	0.57 192	0.45 33	0.34 101	0.14 33	0.10 9	0.14 19	0.11 18	0.13 21	0.12 35

RAFT + AFF	0.53 237	0.29 255	0.75 304	0.51 304	0.32 260	0.63 223	0.60 310	1.00 235	0.91 235	0.78 187	0.87 165	0.83 235	0.58 199	0.80 242	0.47 209	0.17 148	0.20 283	0.23 251	0.22 270	0.18 163	0.18 183

MMNet	0.55 248	0.25 205	0.61 247	0.43 194	0.34 276	1.07 328	0.39 211	0.87 192	0.91 235	0.91 264	0.93 189	0.86 243	0.76 285	0.81 245	0.76 283	0.15 81	0.14 183	0.18 123	0.19 215	0.20 210	0.16 150

DCANet-4	0.36 70	0.20 74	0.48 178	0.34 12	0.19 11	0.29 40	0.30 75	0.66 86	0.92 240	0.69 135	0.78 118	0.40 45	0.47 146	0.45 33	0.34 101	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

UDGNet	0.48 189	0.77 371	0.50 200	0.48 263	0.31 247	0.41 121	0.34 124	0.70 128	0.92 240	0.65 112	0.60 65	0.58 114	0.43 128	0.63 155	0.41 166	0.32 334	0.15 208	0.66 382	0.19 215	0.36 330	0.21 244

GEStereo_RVC	0.55 248	0.29 255	0.63 258	0.49 278	0.31 247	0.70 247	0.54 293	1.22 316	0.92 240	0.82 208	0.85 158	0.85 241	0.63 225	0.90 279	0.65 259	0.24 274	0.16 235	0.19 160	0.16 127	0.21 228	0.22 257

DLCB_ROB	0.58 270	0.28 247	0.47 162	0.49 278	0.32 260	0.77 263	0.50 269	0.99 232	0.92 240	1.04 317	1.14 275	1.21 321	0.69 259	0.88 272	0.69 268	0.20 227	0.20 283	0.22 236	0.22 270	0.21 228	0.18 183

PSMNet_ROB	0.64 285	0.37 293	0.65 268	0.56 332	0.42 320	0.97 310	0.83 354	1.21 308	0.92 240	0.79 189	1.02 234	1.08 305	0.63 225	0.82 247	0.91 324	0.29 313	0.20 283	0.31 325	0.31 336	0.26 276	0.23 264

CFNet_ucs	0.50 218	0.24 186	0.55 226	0.38 69	0.31 247	0.58 191	0.33 117	0.98 230	0.93 245	0.88 248	1.19 293	0.80 231	0.49 153	0.63 155	0.43 175	0.21 241	0.15 208	0.26 290	0.18 190	0.26 276	0.22 257

Sa-1000	0.48 189	0.24 186	0.41 87	0.45 230	0.25 116	0.59 200	0.34 124	0.81 174	0.93 245	0.82 208	1.50 341	0.53 92	0.45 140	0.92 289	0.30 64	0.15 81	0.12 101	0.21 224	0.19 215	0.15 81	0.13 60

GwcNet-RSSM	0.49 205	0.24 186	0.42 106	0.40 114	0.23 72	0.55 170	0.38 191	0.93 211	0.93 245	0.71 147	1.16 285	0.86 243	0.60 209	0.62 145	0.66 261	0.21 241	0.14 183	0.19 160	0.20 237	0.16 112	0.15 111

FADNet-RVC-Resample	0.56 259	0.33 276	1.16 349	0.49 278	0.34 276	0.71 252	0.43 237	1.01 242	0.93 245	0.82 208	0.87 165	0.74 207	0.67 249	0.73 213	0.45 194	0.18 176	0.18 260	0.26 290	0.27 318	0.26 276	0.27 287

HSM-Net_RVC	0.53 237	0.22 133	0.35 33	0.37 47	0.21 31	0.85 292	0.37 171	1.23 320	0.93 245	0.90 259	1.15 280	1.26 325	0.63 225	0.72 208	0.48 212	0.17 148	0.13 156	0.16 64	0.15 98	0.17 145	0.15 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CVANet_RVC	0.57 264	0.33 276	0.44 125	0.47 258	0.32 260	0.67 241	0.61 315	1.05 257	0.93 245	0.85 228	1.04 242	1.01 284	0.73 278	0.83 254	0.52 230	0.29 313	0.19 274	0.27 302	0.25 303	0.31 305	0.21 244

ETE_ROB	0.70 297	0.49 331	0.73 297	0.56 332	0.36 284	0.79 270	0.87 361	1.14 286	0.93 245	1.19 341	1.18 289	1.39 348	0.82 304	0.99 304	0.80 290	0.26 294	0.21 290	0.31 325	0.26 313	0.33 315	0.34 325

DDUNet	1.06 356	2.56 420	0.68 280	1.21 392	1.26 396	1.03 322	0.69 333	1.11 275	0.94 252	0.96 284	1.22 295	1.27 326	0.82 304	0.93 294	0.72 277	0.84 391	0.38 369	1.99 400	0.60 386	1.10 393	0.85 390

ccnet	0.82 323	0.57 353	0.75 304	0.54 326	0.59 368	1.09 333	0.66 322	1.38 355	0.94 252	1.12 334	1.44 334	1.29 329	0.92 325	0.95 303	1.24 358	0.49 372	0.42 378	0.50 373	0.47 372	0.51 364	0.46 365

GANet	0.70 297	0.37 293	0.55 226	0.51 304	0.34 276	0.94 303	0.96 368	1.08 265	0.94 252	1.04 317	1.98 369	1.13 316	0.88 319	1.12 328	0.66 261	0.25 284	0.26 327	0.27 302	0.22 270	0.31 305	0.22 257

StereoDRNet-Refined	0.58 270	0.32 268	0.54 221	0.46 249	0.30 230	0.96 309	0.40 217	1.00 235	0.94 252	1.12 334	1.08 258	0.96 272	0.67 249	0.90 279	0.89 320	0.17 148	0.13 156	0.22 236	0.21 255	0.20 210	0.19 211
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.70 297	0.35 285	0.68 280	0.52 315	0.40 307	0.79 270	0.85 360	1.16 292	0.94 252	1.33 355	1.15 280	1.38 347	0.83 308	1.03 314	0.90 322	0.32 334	0.25 321	0.26 290	0.24 294	0.31 305	0.28 294

ADLNet2	0.55 248	0.25 205	0.65 268	0.47 258	0.30 230	0.83 288	0.50 269	1.05 257	0.95 257	0.80 191	0.98 216	0.99 278	0.69 259	0.77 234	0.73 278	0.20 227	0.16 235	0.17 89	0.18 190	0.21 228	0.21 244

PCWNet_CMD	0.48 189	0.24 186	0.52 212	0.39 90	0.27 178	0.63 223	0.30 75	0.95 221	0.96 258	0.86 233	1.07 255	0.79 223	0.44 136	0.57 95	0.43 175	0.17 148	0.12 101	0.21 224	0.16 127	0.24 264	0.19 211

SA	0.44 155	0.25 205	0.46 152	0.46 249	0.24 90	0.43 128	0.36 159	0.75 152	0.96 258	0.59 79	1.03 238	0.48 78	0.52 168	0.94 301	0.32 79	0.16 115	0.12 101	0.21 224	0.19 215	0.15 81	0.13 60

MSMDNet	0.48 189	0.24 186	0.52 212	0.39 90	0.27 178	0.63 223	0.30 75	0.96 223	0.96 258	0.86 233	1.07 255	0.79 223	0.44 136	0.57 95	0.43 175	0.17 148	0.12 101	0.20 184	0.16 127	0.23 254	0.19 211

LL-Strereo	0.57 264	0.27 233	0.68 280	0.48 263	0.34 276	0.39 107	0.48 259	0.94 215	0.97 261	0.83 220	0.78 118	1.10 309	1.18 357	1.33 352	0.49 214	0.17 148	0.14 183	0.22 236	0.19 215	0.16 112	0.17 168

DAS	0.51 225	0.25 205	0.60 245	0.48 263	0.31 247	0.58 191	0.41 229	0.83 176	0.97 261	0.89 252	1.12 267	0.70 178	0.75 282	0.82 247	0.43 175	0.17 148	0.13 156	0.18 123	0.15 98	0.20 210	0.18 183

SepStereo	0.51 225	0.25 205	0.60 245	0.48 263	0.31 247	0.58 191	0.41 229	0.83 176	0.97 261	0.89 252	1.12 267	0.70 178	0.75 282	0.93 294	0.43 175	0.17 148	0.13 156	0.18 123	0.15 98	0.20 210	0.18 183

GwcNet-ADL	0.44 155	0.22 133	0.48 178	0.45 230	0.30 230	0.40 108	0.37 171	0.92 209	0.97 261	0.71 147	0.78 118	0.61 137	0.42 121	0.62 145	0.50 215	0.19 205	0.14 183	0.15 45	0.14 76	0.18 163	0.18 183

SDNR	0.86 331	0.37 293	1.47 379	0.40 114	0.38 297	3.38 408	0.33 117	0.90 204	0.98 265	0.99 296	2.09 373	0.59 128	0.71 273	1.29 348	0.70 271	0.51 375	0.56 390	0.36 342	0.26 313	0.43 349	0.46 365

fast-acv-ft	0.64 285	0.30 261	0.73 297	0.45 230	0.34 276	1.17 344	0.49 265	0.86 185	0.98 265	1.02 308	1.36 317	1.29 329	0.85 311	0.76 227	0.81 293	0.21 241	0.23 306	0.23 251	0.23 281	0.21 228	0.20 231

raft_robust	0.41 137	0.23 150	0.36 38	0.42 176	0.21 31	0.40 108	0.33 117	0.79 167	0.98 265	0.79 189	0.87 165	0.39 42	0.33 73	0.84 259	0.29 59	0.13 13	0.12 101	0.16 64	0.17 167	0.15 81	0.12 35

ADCRef	0.80 319	0.43 317	1.32 368	0.50 292	0.45 336	1.07 328	0.51 283	1.07 261	0.98 265	1.17 339	1.42 329	0.87 248	0.91 322	0.85 266	3.19 395	0.18 176	0.16 235	0.23 251	0.23 281	0.22 245	0.21 244

CBMV_ROB	0.59 277	0.37 293	0.38 58	0.39 90	0.28 197	0.74 257	0.28 55	1.00 235	0.98 265	0.94 276	1.25 302	0.81 233	0.78 294	0.87 269	0.50 215	0.36 353	0.37 367	0.43 357	0.40 361	0.33 315	0.30 307

1111x	0.55 248	0.22 133	0.46 152	0.38 69	0.20 22	0.66 237	0.43 237	1.23 320	0.99 270	0.71 147	0.99 221	0.95 270	0.69 259	0.90 279	1.08 346	0.18 176	0.17 249	0.18 123	0.19 215	0.20 210	0.18 183

ssnet_v2	0.58 270	0.28 247	0.56 232	0.43 194	0.29 220	0.95 306	0.59 308	1.13 280	0.99 270	0.93 273	0.80 129	0.99 278	0.64 235	0.82 247	0.94 326	0.25 284	0.22 296	0.23 251	0.24 294	0.20 210	0.19 211

Wz-Net-LNSev-Ref	0.63 284	0.28 247	0.99 335	0.40 114	0.30 230	1.03 322	0.56 302	1.10 270	0.99 270	0.97 289	1.22 295	1.06 298	0.69 259	1.07 320	0.95 329	0.19 205	0.11 59	0.16 64	0.13 53	0.22 245	0.21 244

UDG	0.88 334	0.82 377	0.67 277	1.00 386	0.96 385	1.02 319	0.57 305	1.13 280	0.99 270	0.90 259	0.97 215	1.31 332	0.99 339	0.85 266	0.84 297	0.54 380	0.32 354	1.77 397	0.40 361	0.94 387	0.66 383

Anonymous Stereo	0.75 310	0.54 349	1.78 387	0.57 337	0.56 361	0.62 214	1.25 389	0.96 223	0.99 270	0.96 284	0.95 197	0.83 235	0.58 199	1.27 346	1.21 356	0.31 322	0.30 341	0.31 325	0.33 345	0.33 315	0.36 332

StereoDRNet	0.64 285	0.33 276	0.68 280	0.51 304	0.43 325	1.03 322	0.53 289	1.47 366	0.99 270	1.10 332	0.87 165	1.07 303	0.71 273	0.82 247	0.88 309	0.23 264	0.19 274	0.25 276	0.23 281	0.27 286	0.19 211

iResNet	0.49 205	0.29 255	0.79 314	0.42 176	0.21 31	0.61 207	0.40 217	0.82 175	0.99 270	0.87 240	1.12 267	0.69 176	0.53 171	0.78 238	0.51 223	0.15 81	0.11 59	0.14 19	0.12 32	0.17 145	0.15 111

HBP-ISP	0.59 277	0.45 325	0.43 115	0.45 230	0.33 269	0.70 247	0.28 55	1.11 275	1.00 277	0.83 220	1.18 289	0.65 161	0.68 255	0.88 272	0.52 230	0.35 350	0.38 369	0.47 365	0.41 366	0.38 336	0.31 313

aanetorigin	0.83 329	0.56 351	1.87 389	0.49 278	0.38 297	0.56 185	0.66 322	0.70 128	1.00 277	2.42 394	2.02 370	1.31 332	1.18 357	0.93 294	1.13 352	0.20 227	0.18 260	0.20 184	0.19 215	0.27 286	0.30 307

CFNet	0.51 225	0.29 255	0.46 152	0.41 139	0.27 178	0.70 247	0.32 108	1.13 280	1.00 277	0.72 158	1.07 255	0.85 241	0.60 209	0.76 227	0.52 230	0.19 205	0.14 183	0.23 251	0.23 281	0.21 228	0.16 150

NCCL2	0.72 305	0.41 313	0.65 268	0.64 354	0.44 332	0.98 314	1.20 383	1.11 275	1.00 277	0.98 293	0.96 201	1.49 358	0.87 316	0.90 279	0.79 288	0.31 322	0.26 327	0.39 351	0.39 358	0.32 310	0.32 317

TDLM	0.57 264	0.33 276	0.49 188	0.51 304	0.30 230	0.66 237	0.73 344	1.03 249	1.01 281	0.82 208	1.10 264	0.84 239	0.70 269	0.86 268	0.58 243	0.28 307	0.17 249	0.25 276	0.22 270	0.26 276	0.19 211

iResNetv2_ROB	0.52 234	0.27 233	0.69 286	0.38 69	0.25 116	0.62 214	0.35 141	1.17 297	1.01 281	0.99 296	1.06 252	0.88 253	0.67 249	0.66 174	0.39 158	0.19 205	0.13 156	0.15 45	0.11 18	0.18 163	0.16 150

DRN-Test	0.66 289	0.32 268	0.66 273	0.50 292	0.39 302	1.15 341	0.61 315	1.49 369	1.01 281	1.12 334	1.08 258	1.06 298	0.69 259	0.77 234	0.94 326	0.23 264	0.17 249	0.26 290	0.25 303	0.25 272	0.21 244

SMFormer	0.51 225	0.23 150	0.62 250	0.34 12	0.20 22	0.62 214	0.34 124	1.21 308	1.02 284	0.81 199	1.01 226	0.71 182	0.65 241	0.84 259	0.55 240	0.19 205	0.15 208	0.18 123	0.16 127	0.18 163	0.18 183

tta	0.51 225	0.23 150	0.62 250	0.34 12	0.20 22	0.62 214	0.34 124	1.21 308	1.02 284	0.81 199	1.01 226	0.71 182	0.65 241	0.84 259	0.55 240	0.19 205	0.15 208	0.18 123	0.16 127	0.15 81	0.14 92

qqq1	0.49 205	0.23 150	0.62 250	0.34 12	0.20 22	0.62 214	0.34 124	1.21 308	1.02 284	0.81 199	1.01 226	0.71 182	0.65 241	0.84 259	0.34 101	0.19 205	0.15 208	0.14 19	0.12 32	0.15 81	0.14 92

fff1	0.49 205	0.23 150	0.62 250	0.34 12	0.20 22	0.62 214	0.34 124	1.21 308	1.02 284	0.81 199	1.01 226	0.71 182	0.65 241	0.84 259	0.34 101	0.19 205	0.15 208	0.14 19	0.12 32	0.15 81	0.14 92

CC-Net-ROB	0.82 323	0.96 385	0.85 319	0.58 339	0.45 336	1.27 354	0.70 338	1.17 297	1.02 284	0.83 220	1.23 299	0.90 261	0.77 289	1.06 317	0.69 268	0.46 367	0.34 362	1.71 396	0.38 354	0.59 379	0.36 332

mmx	0.53 237	0.26 219	0.49 188	0.37 47	0.25 116	0.55 170	0.37 171	1.16 292	1.03 289	0.73 165	0.96 201	0.71 182	0.53 171	1.01 307	0.88 309	0.20 227	0.15 208	0.25 276	0.21 255	0.22 245	0.20 231

xxx	0.53 237	0.26 219	0.49 188	0.37 47	0.25 116	0.55 170	0.37 171	1.16 292	1.03 289	0.73 165	0.96 201	0.71 182	0.53 171	1.01 307	0.88 309	0.20 227	0.15 208	0.25 276	0.21 255	0.22 245	0.20 231

GASNet	0.67 290	0.72 367	0.96 332	0.70 372	0.48 344	0.62 214	0.47 253	1.08 265	1.03 289	0.94 276	0.82 139	0.93 267	0.83 308	1.33 352	0.80 290	0.31 322	0.22 296	0.29 317	0.28 323	0.44 350	0.24 270

ADCP+	1.06 356	0.35 285	1.51 381	0.49 278	0.51 350	1.45 366	0.55 297	1.25 330	1.03 289	1.16 338	1.15 280	1.10 309	1.07 347	1.56 367	6.75 414	0.19 205	0.16 235	0.23 251	0.21 255	0.28 288	0.21 244

DualNet	0.47 181	0.26 219	0.49 188	0.37 47	0.25 116	0.55 170	0.37 171	0.68 105	1.04 293	0.73 165	0.96 201	0.71 182	0.53 171	0.57 95	0.88 309	0.16 115	0.10 9	0.25 276	0.21 255	0.16 112	0.16 150

ffm	0.44 155	0.26 219	0.49 188	0.37 47	0.25 116	0.55 170	0.37 171	0.68 105	1.04 293	0.73 165	0.96 201	0.71 182	0.53 171	0.57 95	0.25 11	0.16 115	0.10 9	0.25 276	0.21 255	0.16 112	0.16 150

ff1	0.49 205	0.26 219	0.49 188	0.37 47	0.25 116	0.55 170	0.37 171	0.68 105	1.04 293	0.73 165	0.96 201	0.71 182	0.53 171	1.01 307	0.88 309	0.16 115	0.10 9	0.25 276	0.21 255	0.16 112	0.16 150

tt1	0.36 70	0.24 186	0.32 20	0.41 139	0.22 44	0.54 165	0.38 191	0.68 105	1.04 293	0.41 36	0.46 27	0.35 30	0.45 140	0.57 95	0.25 11	0.16 115	0.10 9	0.19 160	0.13 53	0.16 112	0.16 150

GMStereo	0.39 114	0.37 293	0.54 221	0.40 114	0.26 153	0.42 126	0.36 159	0.59 41	1.04 293	0.55 72	0.51 41	0.37 37	0.35 81	0.54 75	0.41 166	0.19 205	0.13 156	0.16 64	0.17 167	0.24 264	0.18 183
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ttt	0.51 225	0.25 205	0.43 115	0.38 69	0.24 90	0.65 234	0.38 191	1.18 300	1.05 298	0.72 158	1.08 258	0.63 144	0.49 153	0.84 259	0.59 247	0.24 274	0.21 290	0.22 236	0.20 237	0.24 264	0.24 270

dd	0.43 149	0.38 302	0.55 226	0.44 209	0.25 116	0.47 141	0.38 191	0.70 128	1.05 298	0.59 79	0.65 75	0.42 54	0.39 109	0.66 174	0.50 215	0.24 274	0.15 208	0.21 224	0.15 98	0.22 245	0.18 183

FADNet	0.61 282	0.51 338	1.10 343	0.45 230	0.44 332	0.65 234	0.41 229	1.19 302	1.05 298	0.70 141	0.84 149	0.98 277	0.66 246	0.82 247	0.50 215	0.29 313	0.30 341	0.27 302	0.30 329	0.46 357	0.35 330

RGC	0.79 318	0.59 355	0.71 293	0.65 359	0.65 372	0.92 302	0.58 306	1.29 336	1.05 298	1.07 325	1.45 337	1.47 356	1.03 343	1.21 338	0.88 309	0.32 334	0.30 341	0.48 368	0.40 361	0.37 332	0.37 338

Nwc_Net	0.78 315	0.38 302	0.73 297	0.60 347	0.55 358	1.05 327	0.55 297	1.67 385	1.05 298	0.88 248	1.86 365	1.40 350	1.09 348	1.10 325	0.87 306	0.30 319	0.25 321	0.36 342	0.38 354	0.29 291	0.29 300

ADCMid	1.14 362	0.52 344	2.23 395	0.53 320	0.43 325	1.07 328	0.75 346	1.23 320	1.05 298	2.15 388	1.44 334	1.50 359	1.43 373	1.56 367	5.01 408	0.26 294	0.24 313	0.29 317	0.31 336	0.37 332	0.33 321

SGM-Forest	0.62 283	0.32 268	0.39 75	0.43 194	0.30 230	1.02 319	0.55 297	1.09 269	1.05 298	1.06 322	1.18 289	1.10 309	0.67 249	0.88 272	0.62 253	0.31 322	0.33 360	0.33 335	0.30 329	0.30 300	0.28 294
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
xx1	0.39 114	0.23 150	0.33 23	0.41 139	0.22 44	0.55 170	0.38 191	0.67 96	1.06 305	0.41 36	0.50 36	0.65 161	0.53 171	0.57 95	0.25 11	0.16 115	0.10 9	0.20 184	0.19 215	0.18 163	0.17 168

cc1	0.37 85	0.23 150	0.33 23	0.41 139	0.22 44	0.55 170	0.38 191	0.67 96	1.06 305	0.41 36	0.50 36	0.34 24	0.49 153	0.57 95	0.25 11	0.16 115	0.10 9	0.19 160	0.13 53	0.16 112	0.15 111

fff	0.37 85	0.16 10	0.41 87	0.34 12	0.19 11	0.29 40	0.30 75	0.69 114	1.06 305	0.69 135	0.78 118	0.42 54	0.63 225	0.46 40	0.34 101	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

csc	0.37 85	0.16 10	0.41 87	0.34 12	0.19 11	0.29 40	0.30 75	0.69 114	1.06 305	0.69 135	0.78 118	0.42 54	0.63 225	0.46 40	0.34 101	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

cscssc	0.37 85	0.16 10	0.41 87	0.34 12	0.19 11	0.29 40	0.30 75	0.69 114	1.06 305	0.69 135	0.78 118	0.42 54	0.63 225	0.46 40	0.34 101	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

edge stereo	0.76 311	0.38 302	0.74 301	0.52 315	0.43 325	0.80 273	0.53 289	1.28 335	1.06 305	1.28 351	1.38 325	1.81 372	1.11 350	1.08 322	0.85 301	0.33 340	0.32 354	0.41 355	0.28 323	0.32 310	0.36 332

Wz-Net-LNSev	0.71 301	0.51 338	1.36 374	0.50 292	0.41 314	1.15 341	0.69 333	1.21 308	1.07 311	1.02 308	1.12 267	1.08 305	0.87 316	0.89 277	0.89 320	0.24 274	0.22 296	0.21 224	0.19 215	0.26 276	0.26 280

ADCPNet	1.03 352	0.48 328	2.70 397	0.54 326	0.42 320	1.40 360	0.75 346	1.13 280	1.07 311	1.22 346	1.42 329	1.68 370	1.09 348	1.36 359	3.45 399	0.30 319	0.28 333	0.29 317	0.32 342	0.37 332	0.35 330

LALA_ROB	0.74 308	0.43 317	0.69 286	0.54 326	0.40 307	1.01 317	0.95 367	1.21 308	1.07 311	1.22 346	1.12 267	1.56 365	0.79 296	1.04 316	0.86 302	0.33 340	0.22 296	0.35 339	0.30 329	0.35 326	0.31 313

MyStereo04	0.44 155	0.22 133	0.44 125	0.42 176	0.28 197	0.40 108	0.50 269	1.00 235	1.08 314	0.62 89	0.58 63	0.55 99	0.57 192	0.71 203	0.44 188	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.16 150

NOSS_ROB	0.57 264	0.39 306	0.39 75	0.44 209	0.30 230	0.73 256	0.54 293	1.03 249	1.08 314	0.67 124	0.87 165	0.76 215	0.57 192	0.77 234	0.47 209	0.38 357	0.38 369	0.44 360	0.42 367	0.37 332	0.34 325

MyStereo05	0.44 155	0.21 106	0.45 136	0.41 139	0.28 197	0.41 121	0.50 269	0.93 211	1.09 316	0.76 179	0.61 68	0.51 86	0.57 192	0.73 213	0.42 170	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.15 111

CBMV	0.64 285	0.35 285	0.41 87	0.42 176	0.25 116	1.01 317	0.77 348	1.13 280	1.09 316	1.17 339	1.22 295	1.04 293	0.75 282	0.88 272	0.63 256	0.28 307	0.30 341	0.34 337	0.30 329	0.26 276	0.26 280
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DGSMNet	0.76 311	0.55 350	1.29 365	0.58 339	0.62 370	0.94 303	0.70 338	1.26 331	1.11 318	0.83 220	1.24 300	1.00 281	0.71 273	1.03 314	0.81 293	0.34 346	0.29 338	0.41 355	0.40 361	0.57 375	0.55 380

NCC-stereo	0.78 315	0.40 310	0.76 309	0.61 349	0.67 373	0.81 278	0.69 333	1.54 377	1.11 318	0.90 259	1.36 317	1.33 339	1.16 354	1.19 334	0.88 309	0.31 322	0.30 341	0.37 346	0.48 374	0.33 315	0.33 321

Abc-Net	0.78 315	0.40 310	0.76 309	0.61 349	0.67 373	0.81 278	0.69 333	1.54 377	1.11 318	0.90 259	1.36 317	1.33 339	1.16 354	1.19 334	0.88 309	0.31 322	0.30 341	0.37 346	0.48 374	0.33 315	0.33 321
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
STTRV1_RVC	0.82 323	0.59 355	1.16 349	0.67 365	0.81 378	1.11 334	0.63 317	1.30 339	1.11 318	0.98 293	1.33 314	1.08 305	0.95 334	1.26 343	0.87 306	0.55 381	0.25 321	0.43 357	0.39 358	0.58 378	0.40 349

Syn2CoEx	0.71 301	0.51 338	0.95 330	0.64 354	0.45 336	0.91 298	0.53 289	1.48 367	1.13 322	0.93 273	1.35 316	1.02 289	0.99 339	0.92 289	0.80 290	0.30 319	0.27 331	0.28 309	0.24 294	0.23 254	0.24 270

MDST_ROB	0.91 340	0.27 233	0.85 319	0.63 353	0.41 314	2.53 392	0.71 342	1.60 380	1.13 322	2.83 401	1.73 356	0.97 274	0.69 259	1.61 370	0.73 278	0.25 284	0.22 296	0.32 330	0.28 323	0.25 272	0.24 270

PA-Net	0.67 290	0.43 317	0.83 317	0.50 292	0.53 354	0.94 303	0.68 329	1.10 270	1.14 324	0.80 191	0.88 172	0.87 248	0.77 289	1.02 312	0.88 309	0.24 274	0.41 376	0.29 317	0.44 368	0.26 276	0.34 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NVstereo2D	0.60 280	0.30 261	0.75 304	0.48 263	0.43 325	0.89 297	0.48 259	1.05 257	1.15 325	0.66 123	0.86 161	0.88 253	0.70 269	0.99 304	0.65 259	0.32 334	0.15 208	0.28 309	0.20 237	0.40 339	0.36 332

Wz-Net-MNSev	0.76 311	0.40 310	1.34 369	0.50 292	0.40 307	1.44 365	0.83 354	1.15 289	1.16 326	1.25 350	1.20 294	1.13 316	0.81 300	1.16 331	1.00 339	0.22 259	0.19 274	0.24 265	0.23 281	0.28 288	0.26 280

111	0.40 126	0.17 21	0.41 87	0.34 12	0.19 11	0.52 155	0.28 55	0.74 146	1.16 326	0.50 60	0.91 182	0.63 144	0.48 150	0.61 139	0.35 116	0.14 33	0.10 9	0.14 19	0.12 32	0.13 21	0.13 60

GwcNet	0.69 295	0.36 290	1.10 343	0.51 304	0.42 320	1.08 332	0.50 269	1.21 308	1.16 326	1.00 301	1.37 320	1.06 298	0.79 296	0.92 289	0.94 326	0.25 284	0.24 313	0.24 265	0.22 270	0.23 254	0.26 280

otaku	1.04 353	0.93 382	0.88 326	1.33 396	1.05 393	1.66 377	0.70 338	1.40 359	1.18 329	1.08 328	1.32 313	1.33 339	0.91 322	1.23 340	0.76 283	0.72 387	0.46 386	1.24 392	0.50 379	1.40 395	0.75 384

RYNet	0.72 305	0.35 285	0.64 263	0.53 320	0.67 373	1.31 356	0.67 324	1.20 306	1.18 329	1.05 319	0.87 165	1.27 326	0.93 330	0.93 294	1.27 362	0.22 259	0.16 235	0.26 290	0.23 281	0.40 339	0.39 346

GANetREF_RVC	0.80 319	0.75 370	0.86 324	0.66 362	0.42 320	1.15 341	0.98 369	1.14 286	1.19 331	1.01 306	1.02 234	1.10 309	0.90 321	1.15 330	0.76 283	0.48 370	0.39 373	0.57 378	0.38 354	0.63 381	0.46 365
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
NaN_ROB	0.69 295	0.44 321	0.69 286	0.51 304	0.33 269	0.97 310	1.06 375	1.22 316	1.19 331	1.24 349	0.96 201	1.08 305	0.78 294	1.20 336	0.67 264	0.24 274	0.30 341	0.23 251	0.24 294	0.23 254	0.25 276

SPS-STEREO	1.25 372	0.93 382	1.06 340	1.04 388	1.03 391	1.41 362	0.91 365	1.51 373	1.19 331	2.09 386	1.83 362	1.94 377	1.39 370	1.62 371	1.39 366	0.97 395	0.94 411	0.90 387	0.89 396	0.96 389	0.96 396
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
pcwnet_v2	0.58 270	0.28 247	0.84 318	0.45 230	0.35 282	0.61 207	0.35 141	1.27 333	1.21 334	0.99 296	1.27 304	0.72 192	0.58 199	0.67 184	0.48 212	0.27 301	0.21 290	0.24 265	0.23 281	0.29 291	0.29 300

SGM+DAISY	1.35 376	0.94 384	1.25 362	0.96 383	1.00 390	1.52 370	1.02 374	1.34 346	1.21 334	2.64 397	2.65 387	2.44 386	1.56 378	1.64 374	1.26 360	0.97 395	0.95 412	0.90 387	0.90 397	0.94 387	0.96 396

RP	0.76 311	0.36 290	0.63 258	0.66 362	0.58 367	0.80 273	0.55 297	1.14 286	1.22 336	0.97 289	1.65 350	1.43 352	1.32 367	1.01 307	0.84 297	0.33 340	0.30 341	0.36 342	0.30 329	0.34 322	0.34 325

DISCO	0.70 297	0.26 219	0.68 280	0.44 209	0.31 247	1.14 339	0.51 283	1.23 320	1.23 337	0.81 199	1.05 246	1.50 359	0.85 311	1.82 382	1.03 340	0.19 205	0.15 208	0.18 123	0.16 127	0.24 264	0.23 264

WCMA_ROB	1.14 362	0.36 290	0.76 309	0.49 278	0.44 332	1.23 351	0.67 324	1.11 275	1.23 337	2.84 402	3.95 408	3.28 399	1.83 389	1.25 342	0.99 336	0.44 365	0.34 362	0.34 337	0.37 351	0.41 345	0.40 349

RCA-Stereo	0.35 52	0.17 21	0.34 30	0.38 69	0.22 44	0.31 57	0.34 124	0.68 105	1.24 339	0.45 49	0.65 75	0.47 74	0.43 128	0.38 13	0.27 37	0.13 13	0.10 9	0.14 19	0.11 18	0.11 1	0.11 10

Wz-Net-SNSev	0.91 340	0.73 368	2.13 393	0.56 332	0.45 336	0.95 306	1.13 380	1.34 346	1.24 339	1.02 308	1.30 310	1.46 353	0.86 313	1.81 381	1.50 368	0.25 284	0.23 306	0.25 276	0.26 313	0.32 310	0.29 300

AnyNet_C32	1.16 366	0.62 362	2.40 396	0.57 337	0.55 358	1.41 362	1.34 395	1.18 300	1.24 339	1.49 360	1.42 329	1.39 348	1.20 361	1.55 365	4.82 406	0.29 313	0.28 333	0.29 317	0.34 347	0.38 336	0.42 354

MSMD_ROB	1.21 369	0.49 331	0.62 250	0.59 342	0.50 347	1.62 376	0.67 324	1.23 320	1.24 339	2.45 395	3.77 402	3.09 396	2.98 408	1.32 351	0.81 293	0.45 366	0.41 376	0.49 371	0.51 381	0.47 359	0.44 360

Ntro	1.09 360	0.97 388	0.91 328	1.44 397	1.19 395	1.69 380	0.80 352	1.35 349	1.25 343	1.00 301	1.29 309	1.31 332	0.97 337	1.26 343	0.84 297	0.84 391	0.43 381	1.36 393	0.50 379	1.56 396	0.78 386

dad	0.58 270	0.50 335	0.64 263	0.43 194	0.30 230	0.59 200	0.36 159	0.78 165	1.25 343	1.01 306	1.17 287	1.15 319	0.53 171	0.68 192	0.50 215	0.35 350	0.23 306	0.37 346	0.21 255	0.29 291	0.20 231

SGM_RVC	0.97 345	0.28 247	0.41 87	0.39 90	0.22 44	1.55 371	0.73 344	1.51 373	1.25 343	2.25 391	1.92 366	2.58 389	1.56 378	2.02 389	1.19 355	0.27 301	0.27 331	0.27 302	0.25 303	0.25 272	0.25 276
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PASM	0.90 339	0.64 363	1.69 383	0.69 371	0.69 376	0.78 267	0.84 357	1.03 249	1.26 346	1.19 341	1.15 280	1.31 332	0.98 338	1.24 341	1.03 340	0.52 376	0.56 390	0.59 381	0.66 388	0.56 373	0.54 379

AANet_RVC	0.57 264	0.32 268	0.54 221	0.45 230	0.27 178	0.57 189	0.48 259	1.00 235	1.28 347	0.86 233	1.33 314	0.87 248	0.58 199	1.07 320	0.75 282	0.18 176	0.12 101	0.15 45	0.13 53	0.18 163	0.18 183

pmcnn	1.23 370	0.29 255	0.96 332	0.40 114	0.23 72	0.95 306	0.69 333	1.16 292	1.28 347	1.67 373	2.33 375	11.15 424	0.86 313	0.93 294	0.88 309	0.15 81	0.12 101	0.12 2	0.10 11	0.15 81	0.15 111

FAT-Stereo	0.73 307	0.33 276	0.75 304	0.49 278	0.37 289	0.71 252	0.59 308	1.36 352	1.30 349	1.03 316	1.40 326	1.59 368	1.15 353	0.87 269	0.86 302	0.28 307	0.28 333	0.28 309	0.23 281	0.28 288	0.38 344

AF-Net	0.81 322	0.39 306	0.68 280	0.64 354	0.54 356	0.91 298	0.51 283	1.61 381	1.31 350	0.96 284	2.02 370	1.46 353	1.26 365	1.11 327	0.99 336	0.32 334	0.24 313	0.39 351	0.27 318	0.30 300	0.25 276

iResNet_ROB	0.52 234	0.21 106	0.53 218	0.37 47	0.21 31	0.61 207	0.29 62	1.51 373	1.32 351	0.90 259	1.02 234	0.80 231	0.62 219	0.76 227	0.43 175	0.16 115	0.12 101	0.13 11	0.09 7	0.15 81	0.18 183

MFN_U_SF_RVC	1.09 360	0.59 355	1.97 391	0.67 365	0.44 332	1.93 385	0.60 310	1.85 388	1.36 352	1.61 367	1.54 345	1.95 378	1.37 369	1.64 374	1.73 372	0.40 363	0.37 367	0.45 361	0.48 374	0.44 350	0.44 360

AnyNet_C01	1.56 384	1.05 390	7.45 414	0.64 354	0.54 356	1.99 386	1.38 397	1.43 363	1.36 352	1.63 370	1.92 366	1.84 373	1.33 368	2.40 397	4.03 401	0.33 340	0.32 354	0.32 330	0.34 347	0.44 350	0.45 364

stereogan	0.80 319	0.31 266	0.71 293	0.59 342	0.50 347	1.72 381	0.48 259	1.35 349	1.37 354	1.00 301	1.46 339	1.56 365	0.95 334	1.29 348	0.84 297	0.28 307	0.29 338	0.29 317	0.25 303	0.38 336	0.38 344

FBW_ROB	0.88 334	0.50 335	0.85 319	0.55 329	0.40 307	1.17 344	0.78 350	1.50 370	1.37 354	1.33 355	1.27 304	1.48 357	1.00 341	2.57 401	0.98 335	0.25 284	0.32 354	0.45 361	0.30 329	0.34 322	0.28 294

MeshStereo	1.34 374	0.43 317	0.54 221	0.44 209	0.34 276	1.66 377	0.60 310	1.94 389	1.37 354	4.47 415	3.25 394	4.71 407	1.94 392	1.92 385	1.17 353	0.35 350	0.35 364	0.37 346	0.31 336	0.32 310	0.32 317
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
FCDSN-DC	1.39 379	0.56 351	0.65 268	0.74 376	0.59 368	1.38 359	0.63 317	1.35 349	1.39 357	3.26 409	4.50 413	4.61 405	2.63 403	1.58 369	1.03 340	0.46 367	0.42 378	0.48 368	0.47 372	0.50 363	0.50 375
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ADCL	1.04 353	0.38 302	1.35 370	0.50 292	0.39 302	1.61 375	0.89 362	1.29 336	1.39 357	1.29 352	1.50 341	1.24 324	1.24 362	1.37 360	4.87 407	0.21 241	0.19 274	0.25 276	0.25 303	0.29 291	0.27 287

Wz-Net-TNSev	1.14 362	1.06 391	4.32 408	0.49 278	0.42 320	1.51 369	1.11 379	1.48 367	1.40 359	1.22 346	1.26 303	1.58 367	1.43 373	1.76 379	1.70 371	0.32 334	0.31 351	0.26 290	0.30 329	0.41 345	0.41 353

MFN_U_SF_DS_RVC	1.02 351	0.57 353	1.51 381	0.67 365	0.50 347	2.57 393	1.66 405	1.20 306	1.43 360	1.38 357	1.57 347	1.33 339	0.92 325	1.64 374	0.88 309	0.37 356	0.39 373	0.46 364	0.60 386	0.41 345	0.40 349

DPSNet	0.99 347	0.42 315	1.88 390	0.53 320	0.41 314	1.59 374	1.26 390	2.21 395	1.43 360	1.10 332	1.11 265	1.46 353	1.95 393	1.34 354	1.26 360	0.34 346	0.25 321	0.25 276	0.21 255	0.46 357	0.37 338

SAMSARA	1.07 358	0.65 364	1.19 356	1.06 389	0.90 381	1.76 382	1.76 409	1.46 365	1.44 362	1.51 361	1.16 285	2.00 379	1.14 352	1.48 363	1.31 364	0.39 359	0.44 383	0.35 339	0.38 354	0.49 361	0.49 374

DispFullNet	1.60 386	2.63 421	2.75 398	2.56 414	1.79 406	1.24 352	0.47 253	1.37 354	1.45 363	1.87 378	1.50 341	1.55 364	2.46 399	2.04 390	1.04 343	0.59 382	0.18 260	2.32 409	0.68 390	2.29 410	1.14 402

CSAN	0.83 329	0.49 331	0.77 313	0.60 347	0.41 314	1.14 339	1.06 375	1.19 302	1.46 364	1.32 353	1.43 332	1.37 346	1.19 359	1.27 346	0.86 302	0.39 359	0.31 351	0.36 342	0.37 351	0.35 326	0.34 325

PWC_ROB	0.87 332	0.52 344	1.28 363	0.50 292	0.32 260	0.91 298	0.37 171	1.36 352	1.46 364	1.61 367	2.59 385	1.16 320	1.01 342	1.34 354	1.40 367	0.25 284	0.18 260	0.28 309	0.20 237	0.29 291	0.28 294

FINET	0.67 290	0.42 315	1.00 336	0.46 249	0.43 325	0.83 288	0.89 362	1.08 265	1.50 366	0.87 240	1.14 275	0.71 182	0.68 255	0.92 289	0.70 271	0.36 353	0.30 341	0.26 290	0.24 294	0.35 326	0.33 321

XQC	0.89 336	0.65 364	1.31 366	0.67 365	0.52 353	1.22 349	0.68 329	1.26 331	1.52 367	1.14 337	1.11 265	1.28 328	1.04 344	1.40 362	1.77 375	0.38 357	0.24 313	0.37 346	0.31 336	0.53 369	0.47 369

FC-DCNN	1.59 385	0.51 338	0.66 273	0.61 349	0.49 346	1.56 372	0.70 338	1.66 384	1.53 368	4.64 416	4.62 414	5.85 414	3.34 411	1.84 383	1.11 348	0.46 367	0.42 378	0.47 365	0.46 369	0.48 360	0.46 365

NVStereoNet_ROB	1.24 371	0.90 381	1.13 347	0.86 380	0.88 380	1.11 334	0.99 371	1.42 361	1.53 368	1.59 366	2.48 380	2.24 382	1.53 375	1.96 388	1.30 363	0.76 389	0.70 394	0.78 384	1.00 402	0.71 383	0.88 391
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RainbowNet	1.35 376	1.49 400	1.19 356	1.88 403	1.45 397	1.48 367	1.07 377	1.61 381	1.55 370	1.20 344	1.59 348	1.54 363	1.13 351	1.34 354	0.97 332	1.36 405	0.70 394	1.82 398	0.79 394	1.71 398	1.07 401

MFMNet_re	1.14 362	0.97 388	1.19 356	0.99 384	0.95 384	1.25 353	1.22 386	1.39 356	1.55 370	1.69 374	1.67 354	1.21 321	1.53 375	1.12 328	0.99 336	0.87 393	0.75 401	0.79 385	0.75 392	0.90 385	0.94 393

Consistency-Raft	1.01 348	0.81 374	1.24 361	0.84 379	0.97 386	0.81 278	0.84 357	1.30 339	1.59 372	1.05 319	1.68 355	1.12 313	0.91 322	0.92 289	1.11 348	0.65 384	0.74 397	0.79 385	0.90 397	1.06 392	0.79 388

LRCNet_RVC	21.24 429	31.15 435	21.41 425	28.98 433	23.82 431	3.13 407	0.60 310	20.96 432	1.59 372	25.58 432	28.15 435	21.99 433	14.79 422	21.94 433	16.41 423	28.89 442	14.87 433	33.53 438	31.28 438	29.51 440	26.16 437

PDISCO_ROB	0.91 340	0.48 328	1.06 340	0.99 384	0.97 386	1.67 379	0.63 317	1.64 383	1.59 372	1.06 322	1.18 289	1.31 332	0.79 296	1.55 365	0.97 332	0.49 372	0.22 296	0.45 361	0.40 361	0.45 354	0.37 338

S-Stereo	0.74 308	0.35 285	0.96 332	0.56 332	0.45 336	0.82 286	0.60 310	1.24 327	1.60 375	0.96 284	1.41 328	1.12 313	0.94 331	0.80 242	1.04 343	0.26 294	0.31 351	0.28 309	0.25 303	0.32 310	0.47 369

ACVNet-4b	1.35 376	1.31 396	1.10 343	1.90 404	1.59 399	1.92 384	0.77 348	1.52 376	1.62 376	1.05 319	1.60 349	2.11 380	0.94 331	1.64 374	0.77 287	1.30 402	0.35 364	2.03 404	0.67 389	1.88 404	0.84 389

LSM	4.74 416	0.77 371	10.16 416	0.70 372	56.56 440	1.02 319	1.00 373	1.24 327	1.62 376	2.04 384	2.34 376	1.33 339	1.17 356	1.38 361	1.09 347	0.33 340	0.49 387	0.39 351	0.46 369	0.51 364	10.09 426

MADNet+	2.23 400	2.43 417	10.85 417	1.22 393	0.91 382	2.76 397	1.40 398	2.12 394	1.67 378	1.32 353	1.74 358	1.86 376	1.74 385	6.25 416	4.41 405	0.65 384	0.64 393	0.58 380	0.54 383	0.80 384	0.76 385

WZ-Net	1.19 368	0.59 355	4.07 406	0.62 352	0.51 350	1.34 357	1.31 394	1.32 342	1.74 379	1.53 363	1.65 350	1.74 371	1.28 366	2.25 395	2.01 381	0.27 301	0.21 290	0.23 251	0.25 303	0.40 339	0.39 346

RTSC	0.87 332	0.48 328	1.23 360	0.52 315	0.37 289	1.13 338	0.50 269	1.34 346	1.79 380	1.51 361	1.24 300	1.12 313	0.81 300	1.62 371	2.16 384	0.25 284	0.19 274	0.23 251	0.24 294	0.30 300	0.31 313

ADCS	1.51 383	0.61 359	3.42 401	0.59 342	0.51 350	1.27 354	1.08 378	1.59 379	1.81 381	1.91 382	1.66 352	1.51 362	1.42 372	1.94 387	8.60 416	0.33 340	0.32 354	0.33 335	0.36 350	0.44 350	0.42 354

ACVNet_1	1.46 381	1.33 397	1.12 346	1.91 405	1.62 400	1.83 383	0.98 369	2.00 392	1.85 382	1.39 358	1.53 344	2.32 384	1.53 375	1.34 354	1.11 348	1.30 402	0.50 388	2.06 406	0.58 385	1.93 406	0.95 395

JetBlue	2.78 403	1.26 394	7.04 413	1.16 391	1.48 398	8.00 420	6.02 421	2.60 398	1.92 383	2.12 387	2.64 386	3.34 400	3.05 409	6.49 417	3.39 397	0.78 390	0.76 402	0.75 383	0.76 393	0.97 390	1.18 407

MSC_U_SF_DS_RVC	1.34 374	0.87 379	1.76 386	0.86 380	0.56 361	4.29 412	1.79 410	1.50 370	1.98 384	1.61 367	1.85 364	1.84 373	1.41 371	1.89 384	1.36 365	0.48 370	0.40 375	0.56 377	0.57 384	0.69 382	0.48 371

DeepPrunerF	0.89 336	0.52 344	3.43 402	0.68 369	0.81 378	0.72 255	0.72 343	1.22 316	1.99 385	0.93 273	1.01 226	0.87 248	0.86 313	1.08 322	0.95 329	0.34 346	0.28 333	0.43 357	0.39 358	0.30 300	0.32 317

SuperB	1.04 353	0.37 293	4.81 409	0.43 194	0.31 247	0.99 315	0.46 248	1.02 245	2.09 386	1.09 330	1.09 262	0.75 209	0.81 300	1.06 317	1.76 374	0.19 205	0.15 208	0.17 89	0.15 98	2.82 417	0.26 280

SHD	0.93 343	0.50 335	1.18 355	0.59 342	0.46 343	0.97 310	0.48 259	1.70 386	2.15 387	1.58 364	1.37 320	1.42 351	1.19 359	1.31 350	1.60 369	0.31 322	0.26 327	0.32 330	0.33 345	0.40 339	0.42 354

RTS	1.98 394	0.96 385	11.36 418	0.65 359	0.57 365	2.77 398	1.40 398	1.39 356	2.26 388	1.89 379	2.56 382	1.32 337	1.25 363	5.20 414	4.05 402	0.31 322	0.22 296	0.29 317	0.29 327	0.40 339	0.37 338

RTSA	1.98 394	0.96 385	11.36 418	0.65 359	0.57 365	2.77 398	1.40 398	1.39 356	2.26 388	1.89 379	2.56 382	1.32 337	1.25 363	5.20 414	4.05 402	0.31 322	0.22 296	0.29 317	0.29 327	0.40 339	0.37 338

IMH-64-1	1.86 390	1.62 405	1.16 349	2.20 408	1.89 408	2.33 390	1.30 391	2.89 400	2.29 390	1.66 371	2.80 390	2.49 387	1.61 380	2.10 391	1.78 376	1.60 406	0.74 397	2.43 410	1.02 403	2.12 407	1.17 405

IMH-64	1.86 390	1.62 405	1.16 349	2.20 408	1.89 408	2.33 390	1.30 391	2.89 400	2.29 390	1.66 371	2.80 390	2.49 387	1.61 380	2.10 391	1.78 376	1.60 406	0.74 397	2.43 410	1.02 403	2.12 407	1.17 405

ELAS	1.63 388	0.61 359	0.95 330	0.68 369	0.55 358	3.01 406	1.55 403	2.39 397	2.33 392	3.64 412	3.89 406	2.75 391	2.90 407	2.15 393	2.27 390	0.52 376	0.45 384	0.50 373	0.48 374	0.54 371	0.52 377
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCDC_ROB	0.89 336	0.49 331	0.80 316	0.74 376	0.40 307	1.03 322	0.39 211	1.33 344	2.35 393	1.02 308	3.77 402	0.81 233	0.92 325	1.20 336	0.90 322	0.34 346	0.22 296	0.24 265	0.20 237	0.34 322	0.29 300

PWCK	1.92 393	1.66 408	3.12 400	1.65 398	0.91 382	2.84 400	2.26 415	2.10 393	2.41 394	2.36 393	2.31 374	2.22 381	1.82 387	3.43 405	2.03 382	1.61 408	0.71 396	1.51 394	0.82 395	1.69 397	0.91 392

ACVNet_2	1.65 389	1.27 395	1.41 377	1.75 400	1.62 400	2.22 389	1.20 383	2.30 396	2.62 395	1.78 376	2.56 382	3.03 393	1.61 380	1.54 364	1.12 351	1.06 398	0.58 392	1.82 398	0.70 391	1.82 400	0.96 396

ELAS_RVC	1.60 386	0.61 359	1.01 337	0.70 372	0.56 361	2.00 387	1.89 412	1.96 390	2.65 396	3.33 410	3.26 395	3.03 393	3.41 412	2.49 399	2.09 383	0.52 376	0.45 384	0.50 373	0.48 374	0.54 371	0.52 377
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	9.93 421	1.15 392	175.16 444	0.48 263	0.36 284	1.04 326	0.68 329	1.24 327	2.69 397	3.17 408	2.50 381	2.30 383	2.07 396	1.76 379	2.21 385	0.20 227	0.18 260	0.24 265	0.19 215	0.51 364	0.50 375

EDNetEfficient	1.46 381	0.80 373	6.12 411	0.47 258	0.39 302	0.69 245	0.83 354	0.90 204	2.77 398	3.50 411	1.96 368	1.66 369	2.03 395	1.26 343	4.18 404	0.21 241	0.18 260	0.21 224	0.20 237	0.41 345	0.39 346

PVD	1.28 373	0.67 366	1.28 363	0.74 376	0.62 370	1.50 368	0.84 357	1.99 391	2.96 399	2.18 389	2.36 378	1.85 375	1.95 393	1.92 385	1.94 379	0.39 359	0.36 366	0.49 371	0.37 351	0.51 364	0.64 382

IMH	2.04 397	1.62 405	1.20 359	2.20 408	1.89 408	2.91 405	1.30 391	3.11 403	3.03 400	1.81 377	3.35 400	3.03 393	1.90 390	2.48 398	1.80 378	1.66 409	0.77 403	2.45 412	1.04 406	2.15 409	1.19 408

notaker	2.76 402	2.29 416	1.80 388	2.96 418	2.58 419	2.90 404	1.75 408	3.24 406	3.05 401	2.78 400	4.24 411	6.15 417	2.51 401	3.34 404	2.75 393	2.31 417	1.18 415	3.00 420	1.65 416	2.84 418	1.97 414

WAO-7	1.90 392	1.20 393	1.35 370	1.27 394	1.06 394	2.84 400	1.56 404	3.23 405	3.06 402	2.23 390	3.33 399	3.17 397	2.28 398	3.12 402	2.21 385	1.02 397	0.91 407	1.06 391	1.03 405	1.04 391	0.97 399

DPSimNet_ROB	3.58 410	2.45 418	8.57 415	2.53 412	2.37 414	2.88 403	3.77 420	3.14 404	3.23 403	4.71 417	3.86 405	4.68 406	4.87 417	4.07 412	5.62 409	2.33 418	2.33 421	2.47 413	2.52 419	2.51 414	2.64 419

SANet	1.07 358	0.41 313	1.06 340	0.48 263	0.30 230	1.41 362	0.94 366	1.42 361	3.36 404	1.58 364	2.43 379	2.33 385	1.70 384	1.34 354	1.07 345	0.28 307	0.24 313	0.26 290	0.23 281	0.34 322	0.30 307

JetRed	5.27 417	5.84 424	12.81 421	2.36 411	2.83 420	12.23 424	10.50 423	4.46 414	3.60 405	3.86 413	3.83 404	4.85 410	4.18 415	6.78 418	11.96 419	2.17 416	2.96 423	2.18 408	1.97 417	3.38 422	2.68 420

MADNet++	4.03 411	2.70 422	3.44 403	3.72 423	3.44 422	4.44 413	3.52 419	3.95 413	3.61 406	4.46 414	4.98 416	4.10 404	4.58 416	7.00 419	5.89 410	3.74 420	3.67 424	3.27 422	2.71 421	3.70 423	3.66 423

WAO-6	2.04 397	1.50 401	1.16 349	1.70 399	1.67 404	2.69 394	1.44 401	3.06 402	3.63 407	1.98 383	3.27 396	3.54 403	2.07 396	2.36 396	2.22 387	1.31 404	0.91 407	2.04 405	1.22 412	1.73 399	1.27 409

Dean	1.98 394	1.36 398	1.36 374	2.12 407	1.81 407	2.74 395	1.36 396	3.37 409	3.80 408	2.08 385	3.32 398	3.21 398	1.82 387	1.71 378	1.67 370	1.27 399	0.77 403	1.99 400	0.90 397	1.86 401	1.03 400

LVE	2.12 399	1.44 399	1.36 374	1.99 406	1.78 405	2.75 396	1.79 410	2.82 399	3.95 409	1.90 381	4.33 412	3.52 402	1.81 386	2.24 394	1.74 373	1.74 410	0.87 406	2.06 406	1.13 408	1.91 405	1.35 410

SGM-ForestM	4.04 412	0.32 268	0.46 152	0.43 194	0.27 178	7.50 419	1.45 402	3.84 412	4.24 410	8.19 422	6.76 419	19.00 430	9.08 419	10.74 423	6.62 413	0.31 322	0.33 360	0.32 330	0.32 342	0.29 291	0.29 300

tt	6.20 418	0.20 74	5.89 410	3.55 422	2.07 411	11.26 423	19.21 424	11.74 425	5.46 411	2.69 398	2.04 372	4.87 411	6.25 418	3.70 409	7.09 415	8.32 427	11.17 432	4.93 423	5.41 426	5.74 425	2.37 418

ktn	2.98 406	2.25 415	1.73 385	2.84 417	2.53 418	3.76 411	2.15 414	3.70 411	5.47 412	2.75 399	5.17 417	5.94 415	2.48 400	3.23 403	2.46 391	2.34 419	1.44 418	2.78 418	2.03 418	2.45 413	2.01 416

KSHMR	2.57 401	1.93 411	1.69 383	2.63 416	2.42 415	2.86 402	2.07 413	3.27 407	6.50 413	2.49 396	3.36 401	3.41 401	1.92 391	2.49 399	1.94 379	2.13 415	1.40 417	2.79 419	1.50 415	2.73 415	1.77 413

HanzoNet	6.76 420	2.45 418	4.22 407	3.19 420	2.94 421	3.62 409	2.28 416	4.79 418	7.20 414	14.00 427	13.19 426	17.49 428	22.30 432	13.25 425	6.19 411	4.20 423	1.93 420	3.10 421	2.56 420	3.35 421	2.88 421

coex-ft	6.43 419	1.51 402	87.33 443	0.49 278	0.38 297	1.34 357	1.21 385	1.16 292	8.09 415	12.12 423	2.79 389	2.77 392	3.31 410	1.16 331	3.15 394	0.24 274	0.23 306	0.27 302	0.24 294	0.45 354	0.37 338

ASD4	9.96 422	8.86 427	17.78 422	7.17 425	9.80 424	16.08 426	28.92 428	9.77 424	8.20 416	7.02 421	7.08 420	8.47 420	9.57 421	11.17 424	20.26 425	4.12 422	4.14 426	5.57 426	4.74 424	5.53 424	4.90 425

TorneroNet-64	3.44 407	1.86 409	1.42 378	2.58 415	2.28 413	6.87 417	1.68 406	4.70 417	12.03 417	2.31 392	5.59 418	8.25 419	2.55 402	3.97 411	2.73 392	1.81 411	0.74 397	2.57 414	1.07 407	2.35 411	1.44 411

MANE	4.13 413	0.51 338	0.64 263	0.66 362	0.56 361	6.89 418	0.99 371	7.55 420	12.04 418	6.68 420	8.57 422	10.69 423	9.45 420	7.59 420	6.39 412	0.49 372	0.43 381	0.48 368	0.98 401	0.49 361	0.48 371

UNDER WATER-64	3.53 409	2.01 412	3.94 405	3.22 421	2.49 417	5.41 416	2.60 418	3.43 410	12.41 419	3.03 407	2.68 388	6.07 416	4.04 414	3.79 410	3.33 396	2.02 413	1.24 416	2.63 415	1.46 414	2.78 416	2.08 417

WAO-8	2.92 404	1.55 403	1.35 370	1.79 401	1.63 402	5.23 414	1.22 386	4.58 415	12.56 420	2.84 402	4.07 410	4.83 408	2.72 405	3.49 406	2.25 388	1.27 399	0.91 407	1.99 400	1.15 410	1.86 401	1.15 403

Venus	2.92 404	1.55 403	1.35 370	1.79 401	1.63 402	5.23 414	1.22 386	4.58 415	12.56 420	2.84 402	4.06 409	4.83 408	2.72 405	3.49 406	2.25 388	1.27 399	0.91 407	1.99 400	1.15 410	1.86 401	1.15 403

UNDER WATER	3.46 408	2.07 414	3.64 404	3.09 419	2.48 416	3.75 410	2.42 417	3.31 408	13.77 422	2.90 406	2.95 393	5.84 413	3.69 413	3.69 408	3.48 400	2.07 414	1.11 414	2.70 417	1.40 413	2.84 418	1.98 415

BEATNet-Init1	15.13 425	0.82 377	50.86 442	0.72 375	0.53 354	38.10 436	7.03 422	11.83 426	14.25 423	29.78 440	30.17 440	48.21 444	22.64 433	26.78 434	18.11 424	0.42 364	0.38 369	0.47 365	0.46 369	0.51 364	0.48 371

DGTPSM_ROB	12.07 423	8.00 425	20.99 423	8.93 427	16.78 426	10.67 421	30.87 429	9.01 422	15.16 424	6.50 418	15.41 430	9.04 421	14.85 423	9.25 421	21.67 427	4.57 424	8.57 427	5.08 424	9.28 427	5.90 426	10.95 427

DPSMNet_ROB	12.08 424	8.00 425	21.00 424	8.97 428	16.79 427	10.67 421	30.89 430	9.02 423	15.17 425	6.51 419	15.41 430	9.04 421	14.85 423	9.27 422	21.67 427	4.58 425	8.57 427	5.09 425	9.29 428	5.90 426	10.95 427

Anonymous_1	33.25 432	18.26 428	23.92 426	20.54 429	21.28 430	25.59 428	35.94 431	22.01 435	15.57 426	13.33 424	13.49 427	18.08 429	15.29 425	20.36 426	24.60 429	16.28 435	8.84 429	66.59 442	118.00 442	155.73 445	11.23 429

DPSM_ROB	17.78 426	18.63 429	24.31 430	20.90 430	19.47 428	25.97 429	36.21 432	21.23 433	16.24 427	13.38 425	14.06 428	19.18 431	16.30 426	20.78 427	25.67 430	9.38 429	9.23 430	9.49 429	9.82 429	13.51 429	11.91 430

DPSM	17.78 426	18.63 429	24.31 430	20.90 430	19.47 428	25.97 429	36.21 432	21.23 433	16.24 427	13.38 425	14.06 428	19.18 431	16.30 426	20.78 427	25.67 430	9.38 429	9.23 430	9.49 429	9.82 429	13.51 429	11.91 430

LE_ROB	4.42 414	0.24 186	2.75 398	0.42 176	0.23 72	1.57 373	0.90 364	1.71 387	17.88 429	16.56 431	4.88 415	5.17 412	18.85 431	1.63 373	14.62 422	0.17 148	0.14 183	0.16 64	0.16 127	0.19 197	0.17 168

xxxxx1	36.64 438	19.51 431	24.21 427	61.66 442	64.63 442	27.28 432	40.10 434	20.25 428	18.63 430	14.07 428	12.97 423	17.26 425	17.36 428	21.70 430	27.93 432	13.18 432	18.50 435	111.26 443	133.37 443	29.24 437	39.73 439

tt_ll	36.64 438	19.51 431	24.21 427	61.66 442	64.63 442	27.28 432	40.10 434	20.25 428	18.63 430	14.07 428	12.97 423	17.26 425	17.36 428	21.70 430	27.93 432	13.18 432	18.50 435	111.26 443	133.37 443	29.24 437	39.73 439

ff	36.64 438	19.51 431	24.21 427	61.66 442	64.63 442	27.28 432	40.10 434	20.25 428	18.63 430	14.07 428	12.97 423	17.26 425	17.36 428	21.70 430	27.93 432	13.18 432	18.50 435	111.26 443	133.37 443	29.24 437	39.73 439

PML	40.80 444	29.24 434	11.87 420	7.20 426	14.47 425	92.13 444	213.69 445	7.63 421	23.35 433	74.72 444	190.14 445	50.17 445	26.15 434	21.39 429	12.70 420	8.76 428	2.92 422	8.45 428	3.25 422	13.26 428	4.42 424

TorneroNet	4.53 415	1.89 410	1.48 380	2.55 413	2.27 412	13.78 425	1.69 407	4.84 419	23.73 434	2.89 405	7.70 421	7.06 418	2.69 404	4.26 413	3.42 398	1.84 412	0.77 403	2.68 416	1.13 408	2.42 412	1.47 412

HaxPig	31.96 431	37.24 437	34.27 432	24.37 432	24.88 432	18.26 427	19.86 425	20.64 431	28.52 435	35.97 441	38.75 441	25.57 434	28.72 435	33.88 435	34.39 435	35.94 443	38.87 443	37.80 439	40.48 439	39.68 441	41.15 442

MyStereo03	35.77 434	37.55 440	48.75 438	42.19 436	39.18 435	52.27 439	73.13 440	42.32 438	32.61 436	27.03 436	28.40 437	38.50 437	32.89 437	41.62 438	51.63 440	18.78 437	18.59 440	19.11 431	19.80 434	27.18 431	23.95 432

MyStereo02	35.77 434	37.55 440	48.75 438	42.19 436	39.18 435	52.27 439	73.13 440	42.32 438	32.61 436	27.03 436	28.40 437	38.50 437	32.89 437	41.62 438	51.63 440	18.78 437	18.59 440	19.11 431	19.80 434	27.18 431	23.95 432

MyStereo	35.77 434	37.55 440	48.75 438	42.19 436	39.18 435	52.27 439	73.13 440	42.32 438	32.61 436	27.03 436	28.40 437	38.50 437	32.89 437	41.62 438	51.63 440	18.78 437	18.59 440	19.11 431	19.80 434	27.18 431	23.95 432

Selective-RAFT-Error	35.84 437	37.49 439	48.83 441	42.26 440	39.24 439	52.30 442	73.09 438	42.66 442	32.61 436	26.80 434	28.30 436	38.84 442	33.51 441	41.68 442	51.59 439	18.82 440	18.58 439	19.17 436	19.80 434	27.28 435	24.05 436

CasAABBNet	35.74 433	37.43 438	48.72 437	42.22 439	39.20 438	52.24 438	73.12 439	42.61 441	32.62 440	26.78 433	27.95 433	38.58 440	32.60 436	41.67 441	51.65 443	18.74 436	18.57 438	19.15 435	19.77 433	27.20 434	23.98 435

LSM0	38.95 443	37.60 443	48.58 436	43.57 441	91.06 445	52.57 443	72.57 437	43.17 443	32.63 441	26.97 435	27.97 434	38.65 441	32.94 440	41.86 443	51.78 444	18.89 441	18.41 434	19.13 434	19.63 432	27.29 436	33.77 438

MEDIAN_ROB	37.38 441	40.85 445	40.60 435	32.31 434	31.85 433	27.20 431	24.55 426	29.10 436	33.19 442	42.09 443	41.76 443	33.35 435	34.39 443	39.78 437	37.07 436	43.64 445	44.10 445	44.12 441	43.40 441	41.51 443	42.76 444

SPstereo	24.26 430	4.19 423	6.66 412	4.29 424	3.79 423	45.68 437	78.09 443	63.52 444	33.36 443	27.50 439	26.65 432	39.53 443	33.55 442	42.77 444	51.02 438	3.90 421	3.72 425	5.95 427	4.66 423	3.15 420	3.30 422

AVERAGE_ROB	37.58 442	40.13 444	40.15 434	34.81 435	33.82 434	28.55 435	25.10 427	32.02 437	34.06 444	41.28 442	40.66 442	34.46 436	34.81 444	39.18 436	37.57 437	42.78 444	43.44 444	43.82 440	43.03 440	40.47 442	41.51 443

test_example2	176.61 445	205.14 446	198.86 445	188.60 446	190.98 446	152.67 445	170.61 444	94.86 445	123.55 445	178.88 445	179.48 444	158.94 446	141.34 445	192.61 445	198.96 445	203.76 446	236.37 446	164.13 446	173.55 446	218.58 446	160.41 445

FADE		2.05 413		1.03 387	0.99 389							2.73 390				11.57 431	1.70 419	23.09 437	15.86 431	0.62 380

Low-res two-view benchmark