Low-res two-view results

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

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

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

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

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

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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

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

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

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

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

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

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 111	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 135	0.21 132	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 166	0.10 56	0.12 61	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 158	0.10 56	0.12 61	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

CoDeX	0.15 89	0.70 173	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 266	0.02 14	0.69 254	0.75 271	0.01 9	0.02 19	0.02 19

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

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

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

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

Wz-Net-LNSev-Ref	0.11 59	0.44 141	0.33 168	0.39 151	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 191	0.36 181	0.02 18	0.02 20	0.02 19	0.02 19

psmg	0.43 185	1.91 298	0.92 273	1.91 345	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 368	1.44 360	0.04 48	0.03 42	0.02 19	0.03 39

CSP-Net	0.34 145	1.29 274	1.19 294	1.36 332	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 343	1.21 346	0.03 34	0.09 80	0.02 19	0.09 79

SFCPSM	0.17 98	0.78 176	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 282	0.02 14	0.75 261	0.76 274	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 118	1.31 276	0.74 257	0.92 243	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 269	0.75 261	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 37	0.02 12	0.02 13	1.01 257	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 38	0.02 12	0.04 31	0.90 237	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 201	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 340	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 354	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

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

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

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

SMFormer	0.09 38	1.01 205	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 194	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

qqq1	0.25 118	3.70 344	0.14 97	0.14 75	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 118	3.70 344	0.14 97	0.14 75	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

ttt	0.10 44	1.09 213	0.12 78	0.12 61	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 217	0.13 93	0.14 75	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 205	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

qqq	0.16 95	2.01 306	0.12 78	0.15 84	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

x	0.11 59	1.15 219	0.15 111	0.14 75	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

test_xeample	0.10 44	1.09 213	0.13 93	0.12 61	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 338	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 338	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCRef	0.12 67	0.03 27	0.04 31	1.71 341	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 327	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 69	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

222	0.10 44	0.99 199	0.12 78	0.13 71	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 59	1.16 220	0.16 112	0.12 61	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

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

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

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 373	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 377	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 378	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCP+	0.15 89	0.04 31	0.04 31	2.20 353	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
mmm	0.14 79	1.83 295	0.12 78	0.11 58	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

11t1	0.17 98	2.16 311	0.13 93	0.13 71	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 286	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

DualNet	0.25 118	3.83 349	0.12 78	0.12 61	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 118	3.83 349	0.12 78	0.12 61	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 118	3.83 349	0.12 78	0.12 61	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 118	3.83 349	0.12 78	0.12 61	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

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

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 312	0.07 74	0.05 68	0.05 64	0.05 71	0.08 76	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 380	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

BEATNet-Init1	0.19 101	0.08 45	0.08 47	2.23 355	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SuperB	0.21 110	0.10 53	2.51 386	0.12 61	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 80	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

DeepPrunerF	0.19 101	0.08 45	0.08 47	2.23 355	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 80	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

PVD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetRed	0.11 59	0.12 66	0.11 73	0.11 58	0.11 103	0.11 90	0.14 113	0.11 91	0.11 99	0.12 92	0.11 99	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.16 113	0.11 88	0.11 98	0.11 90	0.11 95

JetBlue	0.11 59	0.11 64	0.12 78	0.13 71	0.14 119	0.11 90	0.11 97	0.11 91	0.11 99	0.11 90	0.11 99	0.11 92	0.11 98	0.12 95	0.12 103	0.11 68	0.11 75	0.11 88	0.11 98	0.11 90	0.11 95

ac_64	0.22 111	0.13 67	0.19 123	0.23 111	0.10 88	0.26 144	1.02 299	0.14 95	0.10 85	0.28 144	0.14 121	0.17 109	0.19 138	0.28 153	0.09 76	0.22 126	0.16 113	0.23 135	0.17 138	0.11 90	0.12 106

PASM	0.39 167	3.06 335	1.36 356	1.58 336	0.09 82	0.11 90	0.11 97	0.11 91	0.11 99	0.09 77	0.09 82	0.11 92	0.09 83	0.09 78	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

FADE		0.06 42		0.09 41	0.10 88							0.05 63				0.15 97	0.10 59	0.17 111	0.13 119	0.11 90

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 71	0.10 88	0.14 94	0.10 85	0.14 95	0.10 85	0.23 129	0.10 86	0.20 117	0.10 87	0.24 138	0.11 92	0.11 68	0.09 55	0.12 91	0.14 122	0.12 95	0.09 79

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 75	0.09 82	0.15 100	0.09 80	0.14 95	0.10 85	0.14 94	0.09 82	0.14 96	0.09 83	0.13 96	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 272

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 75	0.09 82	0.15 100	0.09 80	0.14 95	0.09 84	0.14 94	0.10 86	0.14 96	0.09 83	0.14 97	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 282

CIPLG	0.13 72	0.21 87	0.12 78	0.16 90	0.11 103	0.15 100	0.11 97	0.14 95	0.11 99	0.15 100	0.12 106	0.15 105	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

IPLG	0.13 72	0.20 82	0.14 97	0.15 84	0.11 103	0.14 94	0.11 97	0.14 95	0.11 99	0.14 94	0.11 99	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

MIPNet	0.14 79	0.21 87	0.17 116	0.16 90	0.11 103	0.15 100	0.12 109	0.14 95	0.11 99	0.16 104	0.11 99	0.14 96	0.11 98	0.14 97	0.11 92	0.14 90	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

IPLGR	0.14 79	0.24 97	0.14 97	0.16 90	0.12 115	0.15 100	0.12 109	0.14 95	0.11 99	0.15 100	0.12 106	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 84	0.11 103	0.14 94	0.11 97	0.14 95	0.11 99	0.14 94	0.12 106	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 98	0.14 98	0.11 95

GMStereo	0.14 79	0.13 67	0.14 97	0.14 75	0.14 119	0.14 94	0.14 113	0.14 95	0.14 118	0.14 94	0.14 121	0.14 96	0.14 117	0.14 97	0.14 112	0.14 90	0.14 108	0.14 95	0.14 122	0.14 98	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 72	0.16 72	0.11 73	0.15 84	0.09 82	0.18 111	0.11 97	0.18 111	0.11 99	0.17 107	0.11 99	0.18 112	0.11 98	0.18 111	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ProNet	0.14 79	0.20 82	0.14 97	0.16 90	0.11 103	0.16 106	0.11 97	0.17 109	0.11 99	0.17 107	0.12 106	0.17 109	0.13 115	0.17 109	0.12 103	0.15 97	0.11 75	0.16 106	0.11 98	0.15 105	0.12 106

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 84	0.11 103	0.14 94	0.15 116	0.14 95	0.11 99	0.15 100	0.12 106	0.14 96	0.11 98	0.16 106	0.11 92	0.15 97	0.12 86	0.14 95	0.12 111	0.15 105	0.12 106

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 84	0.10 88	0.18 111	0.11 97	0.19 112	0.11 99	0.19 111	0.12 106	0.18 112	0.11 98	0.19 113	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 90	0.16 133	0.16 106	0.16 119	0.16 107	0.16 128	0.16 104	0.16 129	0.16 106	0.16 126	0.16 106	0.16 125	0.16 105	0.16 113	0.16 106	0.16 125	0.16 108	0.16 115

ICVP	0.15 89	0.53 163	0.11 73	0.16 90	0.11 103	0.16 106	0.11 97	0.16 107	0.11 99	0.16 104	0.11 99	0.16 106	0.11 98	0.16 106	0.11 92	0.16 105	0.11 75	0.16 106	0.11 98	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 79	0.16 72	0.12 78	0.17 96	0.12 115	0.17 109	0.11 97	0.17 109	0.11 99	0.17 107	0.12 106	0.17 109	0.12 111	0.17 109	0.12 103	0.16 105	0.11 75	0.16 106	0.11 98	0.16 108	0.12 106

ACVNet	0.20 103	0.19 78	0.14 97	0.20 101	0.14 119	0.20 116	0.96 293	0.21 121	0.14 118	0.20 114	0.13 118	0.21 125	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	0.17 111	0.12 106

acv_ft	0.20 103	0.19 78	0.14 97	0.20 101	0.14 119	0.20 116	0.96 293	0.21 121	0.14 118	0.20 114	0.13 118	0.21 125	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	0.17 111	0.12 106

SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 97	0.11 103	0.19 114	0.11 97	0.19 112	0.12 114	0.19 111	0.12 106	0.20 117	0.12 111	0.19 113	0.12 103	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
HCRNet	1.22 336	7.11 376	3.00 388	3.55 377	0.33 202	0.29 151	0.14 113	0.19 112	0.15 126	0.33 155	0.29 176	0.25 140	0.14 117	0.22 130	0.33 185	3.64 387	3.00 383	0.76 274	0.32 201	0.18 114	0.13 112

DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 100	0.13 118	0.19 114	0.13 112	0.19 112	0.13 117	0.19 111	0.13 118	0.19 115	0.13 115	0.19 113	0.13 109	0.18 116	0.13 107	0.18 119	0.13 119	0.18 114	0.13 112

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 97	0.11 103	0.20 116	0.12 109	0.21 121	0.12 114	0.20 114	0.12 106	0.20 117	0.12 111	0.21 126	0.13 109	0.17 109	0.10 59	0.18 119	0.11 98	0.18 114	0.11 95

CAS++	0.17 98	0.27 100	0.21 129	0.10 45	0.21 150	0.15 100	0.22 139	0.10 79	0.21 140	0.22 125	0.10 86	0.19 115	0.18 133	0.10 80	0.19 135	0.20 119	0.19 128	0.18 119	0.10 86	0.19 117	0.18 124
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 103	0.19 78	0.40 188	0.30 129	0.17 134	0.22 126	0.17 120	0.21 121	0.17 130	0.20 114	0.17 131	0.21 125	0.18 133	0.21 126	0.17 126	0.20 119	0.16 113	0.20 123	0.16 125	0.20 118	0.17 121

DAS	0.20 103	0.20 82	0.20 125	0.20 101	0.20 143	0.20 116	0.20 129	0.20 116	0.20 137	0.20 114	0.20 142	0.20 117	0.20 141	0.20 116	0.20 137	0.20 119	0.20 130	0.20 123	0.20 142	0.20 118	0.20 127

GEStereo_RVC	0.86 262	4.45 360	0.20 125	0.27 126	0.20 143	0.27 147	0.20 129	0.26 138	0.18 131	5.03 403	0.20 142	0.27 149	0.19 138	0.27 151	0.21 140	0.20 119	0.19 128	0.19 122	4.02 405	0.20 118	0.18 124

ASD4	0.20 103	0.20 82	0.20 125	0.20 101	0.20 143	0.20 116	0.20 129	0.20 116	0.20 137	0.20 114	0.20 142	0.20 117	0.20 141	0.20 116	0.20 137	0.20 119	0.20 130	0.20 123	0.20 142	0.20 118	0.20 127

Anonymous Stereo	2.36 370	18.47 400	11.50 413	9.80 408	0.53 259	0.28 148	0.50 246	0.58 239	0.53 250	0.59 246	0.53 258	0.66 259	0.52 247	0.62 250	0.41 221	0.36 174	0.37 183	0.31 157	0.19 141	0.20 118	0.22 131

MSKI-zero shot	0.24 117	0.21 87	0.49 220	0.65 213	0.18 139	0.22 126	0.17 120	0.23 128	0.18 131	0.21 123	0.17 131	0.23 133	0.28 174	0.23 134	0.18 132	0.21 124	0.16 113	0.21 126	0.16 125	0.21 123	0.16 115

iResNet	0.20 103	0.23 91	0.18 121	0.24 116	0.18 139	0.24 133	0.20 129	0.24 131	0.18 131	0.23 129	0.17 131	0.23 133	0.18 133	0.23 134	0.18 132	0.22 126	0.16 113	0.21 126	0.16 125	0.21 123	0.16 115

WAO-6	0.22 111	0.23 91	0.22 130	0.23 111	0.22 151	0.22 126	0.22 139	0.22 125	0.22 142	0.22 125	0.22 148	0.22 130	0.22 146	0.22 130	0.22 142	0.22 126	0.22 135	0.22 131	0.22 146	0.22 125	0.22 131

IMH-64-1	0.22 111	0.23 91	0.23 132	0.22 109	0.22 151	0.22 126	0.22 139	0.22 125	0.22 142	0.22 125	0.22 148	0.22 130	0.22 146	0.22 130	0.22 142	0.22 126	0.22 135	0.23 135	0.22 146	0.22 125	0.23 133

IMH-64	0.22 111	0.23 91	0.23 132	0.22 109	0.22 151	0.22 126	0.22 139	0.22 125	0.22 142	0.22 125	0.22 148	0.22 130	0.22 146	0.22 130	0.22 142	0.22 126	0.22 135	0.23 135	0.22 146	0.22 125	0.23 133

MIM_Stereo	0.25 118	0.23 91	0.66 244	0.80 229	0.17 134	0.22 126	0.17 120	0.23 128	0.18 131	0.26 142	0.17 131	0.21 125	0.17 128	0.25 140	0.17 126	0.23 135	0.16 113	0.21 126	0.17 138	0.22 125	0.17 121

dd	0.23 115	0.98 197	0.16 112	0.23 111	0.15 128	0.23 132	0.15 116	0.23 128	0.15 126	0.23 129	0.15 128	0.24 137	0.17 128	0.23 134	0.15 120	0.22 126	0.15 111	0.21 126	0.15 124	0.22 125	0.16 115

dad	0.23 115	1.03 211	0.16 112	0.23 111	0.15 128	0.24 133	0.15 116	0.24 131	0.16 128	0.23 129	0.16 129	0.24 137	0.16 126	0.23 134	0.15 120	0.22 126	0.16 113	0.22 131	0.16 125	0.22 125	0.16 115

iResNetv2_ROB	0.20 103	0.23 91	0.18 121	0.24 116	0.20 143	0.24 133	0.18 124	0.24 131	0.18 131	0.24 134	0.18 139	0.23 133	0.19 138	0.24 138	0.18 132	0.21 124	0.16 113	0.21 126	0.16 125	0.22 125	0.16 115

AANet_RVC	1.26 338	0.31 107	4.99 397	5.93 390	0.20 143	0.25 137	0.20 129	0.25 134	0.20 137	0.23 129	0.19 140	0.25 140	0.20 141	0.25 140	0.20 137	5.66 399	4.76 391	0.26 144	0.30 192	0.24 132	0.27 154

UNDER WATER-64	0.25 118	0.26 99	0.25 140	0.26 125	0.25 161	0.25 137	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.25 140	0.25 153	0.26 149	0.25 154	0.25 144	0.25 141	0.25 141	0.25 159	0.25 133	0.25 143

LoS_RVC	0.30 132	1.14 217	0.25 140	0.25 119	0.25 161	0.26 144	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.26 148	0.26 162	0.26 149	0.25 154	0.26 145	0.26 144	0.25 141	0.25 159	0.26 134	0.26 149

CAS	0.30 132	1.17 221	0.25 140	0.25 119	0.25 161	0.26 144	0.25 149	0.25 134	0.26 164	0.25 135	0.25 161	0.25 140	0.25 153	0.25 140	0.25 154	0.26 145	0.26 144	0.26 144	0.25 159	0.26 134	0.25 143

LoS	0.25 118	0.27 100	0.25 140	0.25 119	0.25 161	0.25 137	0.25 149	0.26 138	0.25 151	0.25 135	0.25 161	0.25 140	0.25 153	0.25 140	0.25 154	0.26 145	0.25 141	0.25 141	0.26 165	0.26 134	0.25 143

tt1	0.31 135	0.93 193	0.24 138	0.33 137	0.23 155	0.31 155	0.24 147	0.32 147	0.24 148	0.32 153	0.23 151	0.32 160	0.25 153	0.32 159	0.24 149	0.27 148	0.26 144	0.27 148	0.26 165	0.27 137	0.27 154

RAFT + AFF	0.31 135	0.45 143	0.34 175	0.39 151	0.28 171	0.38 177	0.33 185	0.29 143	0.31 184	0.30 147	0.30 185	0.29 155	0.27 169	0.29 156	0.30 177	0.28 150	0.29 163	0.29 154	0.29 184	0.27 137	0.32 187

TorneroNet-64	0.45 189	0.27 100	0.30 155	0.58 206	0.27 168	0.70 261	0.30 173	0.28 140	0.73 280	0.73 262	0.28 174	0.71 261	0.66 260	0.75 266	0.27 160	0.27 148	0.29 163	0.37 190	0.75 284	0.28 139	0.30 178

SQANet	0.28 128	0.28 103	0.28 149	0.28 127	0.28 171	0.28 148	0.28 163	0.28 140	0.28 170	0.28 144	0.28 174	0.28 150	0.28 174	0.28 153	0.28 164	0.28 150	0.28 154	0.28 150	0.28 175	0.28 139	0.28 166

xxxxx1	0.31 135	0.91 187	0.23 132	0.31 132	0.23 155	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 161	0.25 153	0.32 159	0.24 149	0.28 150	0.28 154	0.28 150	0.28 175	0.29 141	0.27 154

tt_ll	0.31 135	0.91 187	0.23 132	0.31 132	0.23 155	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 161	0.25 153	0.32 159	0.24 149	0.28 150	0.28 154	0.28 150	0.28 175	0.29 141	0.27 154

ff	0.31 135	0.91 187	0.23 132	0.31 132	0.23 155	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 161	0.25 153	0.32 159	0.24 149	0.28 150	0.28 154	0.28 150	0.28 175	0.29 141	0.27 154

DANet	0.30 132	0.30 106	0.30 155	0.30 129	0.30 186	0.30 152	0.30 173	0.30 145	0.30 182	0.30 147	0.30 185	0.30 156	0.30 183	0.30 157	0.30 177	0.30 157	0.30 171	0.30 156	0.30 192	0.30 144	0.30 178
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
1test111	0.37 156	1.02 209	0.30 155	0.39 151	0.29 177	0.40 184	0.28 163	0.39 171	0.29 172	0.39 173	0.29 176	0.39 181	0.28 174	0.40 186	0.29 170	0.33 161	0.32 174	0.33 165	0.31 197	0.32 145	0.31 183

cc1	0.37 156	1.02 209	0.30 155	0.39 151	0.29 177	0.40 184	0.28 163	0.39 171	0.29 172	0.39 173	0.29 176	0.39 181	0.28 174	0.40 186	0.29 170	0.33 161	0.32 174	0.33 165	0.31 197	0.32 145	0.31 183

IGEV-Stereo	0.35 151	0.44 141	0.45 204	0.49 193	0.30 186	0.37 174	0.30 173	0.36 158	0.30 182	0.36 163	0.29 176	0.36 170	0.29 178	0.36 171	0.30 177	0.46 215	0.39 192	0.32 158	0.24 156	0.32 145	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 128	0.32 108	0.24 138	0.32 135	0.25 161	0.32 162	0.24 147	0.32 147	0.24 148	0.33 155	0.24 157	0.35 165	0.24 151	0.33 163	0.24 149	0.31 159	0.24 140	0.32 158	0.24 156	0.32 145	0.24 142

ACVNet-DCA	0.37 156	1.00 200	0.30 155	0.40 163	0.29 177	0.40 184	0.29 168	0.40 175	0.29 172	0.40 177	0.29 176	0.40 187	0.29 178	0.39 183	0.28 164	0.33 161	0.32 174	0.33 165	0.32 201	0.33 149	0.32 187

DLNR_Zeroshot_test	0.31 135	0.28 103	0.47 211	0.79 227	0.24 160	0.30 152	0.26 155	0.30 145	0.24 148	0.32 153	0.23 151	0.31 158	0.24 151	0.30 157	0.23 147	0.29 156	0.26 144	0.29 154	0.24 156	0.33 149	0.23 133

CRFU-Net	0.65 216	1.67 288	1.22 344	1.96 348	0.27 168	0.41 199	0.27 158	0.41 188	0.27 167	0.40 177	0.26 166	0.41 197	0.27 169	0.40 186	0.27 160	1.80 362	1.62 365	0.34 172	0.23 151	0.33 149	0.23 133

FENet	0.54 208	1.52 283	1.19 294	1.41 335	0.23 155	0.35 166	0.23 143	0.35 154	0.23 147	0.34 157	0.23 151	0.35 165	0.23 150	0.35 166	0.23 147	1.40 352	1.07 281	0.32 158	0.23 151	0.33 149	0.23 133

H2IRNET	0.34 145	0.34 109	0.34 175	0.34 138	0.34 208	0.34 163	0.34 194	0.34 152	0.34 198	0.34 157	0.34 198	0.34 164	0.34 195	0.34 164	0.34 198	0.34 164	0.34 178	0.34 172	0.34 207	0.34 153	0.34 195

xx1	0.38 162	1.03 211	0.31 161	0.40 163	0.31 190	0.41 199	0.28 163	0.40 175	0.29 172	0.40 177	0.29 176	0.40 187	0.29 178	0.40 186	0.29 170	0.34 164	0.33 177	0.34 172	0.32 201	0.34 153	0.32 187

CASnet	0.35 151	0.51 161	0.44 202	0.32 135	0.31 190	0.24 133	0.34 194	0.36 158	0.25 151	0.31 149	0.37 207	0.30 156	0.33 192	0.25 140	0.45 230	0.37 178	0.37 183	0.33 165	0.35 210	0.34 153	0.37 200
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 255	1.91 298	0.92 273	4.48 381	0.02 20	0.40 184	0.04 54	0.41 188	0.02 20	0.48 218	0.03 40	0.41 197	0.05 64	0.03 33	0.05 59	1.97 368	4.19 388	0.33 165	0.23 151	0.34 153	0.27 154

NINENet	0.69 225	3.87 353	1.20 297	1.98 349	0.05 69	0.40 184	0.04 54	0.40 175	0.05 68	0.41 189	0.04 63	0.41 197	0.05 64	0.40 186	0.05 59	1.79 361	1.56 363	0.34 172	0.22 146	0.34 153	0.23 133

BSDual-CNN	0.81 247	1.91 298	0.92 273	4.48 381	0.02 20	0.42 215	0.06 75	0.41 188	0.02 20	0.48 218	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 368	4.19 388	0.33 165	0.23 151	0.34 153	0.27 154

hknet	1.10 286	1.85 296	3.49 391	4.48 381	0.02 20	0.42 215	0.06 75	0.41 188	0.02 20	0.48 218	0.03 40	0.41 197	0.03 42	0.42 210	0.03 37	4.39 391	4.19 388	0.33 165	0.23 151	0.34 153	0.27 154

iRaft-Stereo_5w	0.34 145	0.42 139	0.31 161	0.39 151	0.30 186	0.38 177	0.30 173	0.40 175	0.29 172	0.40 177	0.37 207	0.41 197	0.34 195	0.38 176	0.30 177	0.34 164	0.27 149	0.34 172	0.26 165	0.34 153	0.26 149

iRaft-Stereo_20w	0.34 145	0.41 132	0.31 161	0.39 151	0.29 177	0.40 184	0.32 178	0.41 188	0.32 188	0.38 168	0.30 185	0.39 181	0.30 183	0.38 176	0.32 182	0.35 171	0.27 149	0.34 172	0.27 171	0.34 153	0.29 170

HGLStereo	0.28 128	0.29 105	0.22 130	0.36 143	0.22 151	0.36 169	0.21 135	0.36 158	0.21 140	0.42 200	0.21 147	0.36 170	0.22 146	0.36 171	0.21 140	0.34 164	0.21 132	0.34 172	0.21 144	0.34 153	0.21 129

MLCV	0.31 135	0.35 110	0.27 146	0.35 139	0.28 171	0.35 166	0.27 158	0.35 154	0.28 170	0.36 163	0.27 169	0.35 165	0.27 169	0.35 166	0.27 160	0.34 164	0.27 149	0.34 172	0.27 171	0.34 153	0.27 154

DN-CSS_ROB	0.31 135	0.35 110	0.28 149	0.35 139	0.28 171	0.34 163	0.27 158	0.34 152	0.25 151	0.35 160	0.27 169	0.36 170	0.26 162	0.34 164	0.28 164	0.35 171	0.28 154	0.34 172	0.28 175	0.34 153	0.27 154

MyStereo07	0.60 213	3.72 347	0.48 216	0.49 193	0.41 229	0.36 169	0.32 178	0.49 219	0.43 228	0.51 233	0.42 229	0.49 230	0.43 223	0.51 236	0.64 262	0.49 227	0.45 209	0.34 172	0.32 201	0.35 165	0.43 221

MyStereo04	0.56 211	3.72 347	0.59 231	0.49 193	0.41 229	0.36 169	0.32 178	0.37 164	0.31 184	0.34 157	0.46 236	0.35 165	0.32 188	0.35 166	0.33 185	0.49 227	0.45 209	0.34 172	0.32 201	0.35 165	0.43 221

HH	0.71 228	2.54 319	0.74 257	1.10 263	0.32 193	0.41 199	0.37 204	0.69 251	0.78 283	0.73 262	0.90 295	0.75 267	1.00 287	0.84 273	0.69 274	0.69 247	0.40 194	0.35 183	0.26 165	0.35 165	0.26 149

HanStereo	0.71 228	2.54 319	0.74 257	1.10 263	0.32 193	0.41 199	0.37 204	0.69 251	0.78 283	0.73 262	0.90 295	0.75 267	1.00 287	0.84 273	0.69 274	0.69 247	0.40 194	0.35 183	0.26 165	0.35 165	0.26 149

FCDSN-DC	0.41 176	0.59 169	0.64 238	0.54 202	0.33 202	0.50 239	0.37 204	0.42 204	0.40 214	0.61 248	0.43 231	0.50 241	0.49 241	0.38 176	0.32 182	0.28 150	0.23 139	0.26 144	0.22 146	0.35 165	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 151	0.35 110	0.35 179	0.35 139	0.35 211	0.35 166	0.35 197	0.35 154	0.35 200	0.35 160	0.35 203	0.35 165	0.35 198	0.35 166	0.35 199	0.35 171	0.35 179	0.35 183	0.35 210	0.35 165	0.35 196

Any-RAFT	0.32 143	0.36 113	0.27 146	0.36 143	0.27 168	0.36 169	0.27 158	0.36 158	0.27 167	0.36 163	0.27 169	0.36 170	0.27 169	0.36 171	0.28 164	0.36 174	0.28 154	0.36 188	0.28 175	0.36 171	0.28 166

DMCA	0.36 154	0.38 116	0.37 181	0.35 139	0.35 211	0.36 169	0.36 200	0.36 158	0.35 200	0.35 160	0.37 207	0.36 170	0.36 199	0.35 166	0.36 201	0.36 174	0.36 181	0.35 183	0.36 214	0.36 171	0.36 197

LargeStereo	0.34 145	0.43 140	0.30 155	0.40 163	0.29 177	0.40 184	0.29 168	0.40 175	0.29 172	0.40 177	0.29 176	0.40 187	0.29 178	0.40 186	0.30 177	0.38 185	0.29 163	0.37 190	0.29 184	0.37 173	0.29 170

Venus	0.38 162	0.38 116	0.38 183	0.38 147	0.38 218	0.37 174	0.38 209	0.37 164	0.37 206	0.41 189	0.37 207	0.39 181	0.37 201	0.38 176	0.38 208	0.37 178	0.38 187	0.38 197	0.37 217	0.37 173	0.38 204

EKT-Stereo	0.37 156	0.40 125	0.44 202	1.07 261	0.29 177	0.34 163	0.31 177	0.36 158	0.29 172	0.38 168	0.31 188	0.37 175	0.30 183	0.36 171	0.29 170	0.34 164	0.28 154	0.39 201	0.30 192	0.37 173	0.30 178

CES	0.39 167	0.47 149	0.36 180	0.36 143	0.37 213	0.45 221	0.35 197	0.35 154	0.40 214	0.36 163	0.44 233	0.47 223	0.36 199	0.44 213	0.36 201	0.37 178	0.39 192	0.44 227	0.35 210	0.37 173	0.36 197

IER	0.88 263	7.04 375	2.23 380	2.75 367	0.28 171	0.43 219	0.25 149	0.39 171	0.25 151	0.41 189	0.27 169	0.39 181	0.25 153	0.40 186	0.28 164	0.37 178	0.28 154	0.37 190	0.25 159	0.37 173	0.25 143

StereoDRNet-Refined	0.33 144	0.39 123	0.26 145	0.39 151	0.26 167	0.40 184	0.26 155	0.40 175	0.26 164	0.39 173	0.26 166	0.39 181	0.26 162	0.39 183	0.26 159	0.37 178	0.25 141	0.37 190	0.25 159	0.37 173	0.37 200
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 156	0.37 114	0.37 181	0.37 146	0.37 213	0.37 174	0.37 204	0.37 164	0.37 206	0.37 167	0.37 207	0.37 175	0.37 201	0.37 175	0.37 207	0.37 178	0.37 183	0.37 190	0.37 217	0.37 173	0.37 200

WAO-8	0.38 162	0.38 116	0.38 183	0.38 147	0.38 218	0.38 177	0.38 209	0.38 167	0.38 208	0.38 168	0.38 212	0.38 177	0.38 203	0.38 176	0.38 208	0.38 185	0.38 187	0.38 197	0.37 217	0.38 180	0.38 204

WAO-7	0.38 162	0.38 116	0.38 183	0.38 147	0.38 218	0.38 177	0.38 209	0.38 167	0.38 208	0.38 168	0.38 212	0.38 177	0.38 203	0.38 176	0.38 208	0.38 185	0.38 187	0.38 197	0.38 223	0.38 180	0.38 204

HanzoNet	0.39 167	0.38 116	0.40 188	0.39 151	0.41 229	0.38 177	0.38 209	0.38 167	0.38 208	0.39 173	0.39 216	0.38 177	0.38 203	0.39 183	0.40 214	0.38 185	0.38 187	0.40 205	0.38 223	0.38 180	0.40 208

IMH	0.38 162	0.38 116	0.38 183	0.38 147	0.38 218	0.38 177	0.38 209	0.38 167	0.38 208	0.42 200	0.38 212	0.40 187	0.38 203	0.38 176	0.38 208	0.38 185	0.38 187	0.39 201	0.38 223	0.38 180	0.38 204

RAFT-Test	0.36 154	0.37 114	0.33 168	0.41 172	0.32 193	0.41 199	0.32 178	0.41 188	0.32 188	0.41 189	0.32 189	0.41 197	0.32 188	0.41 199	0.33 185	0.37 178	0.29 163	0.37 190	0.29 184	0.38 180	0.31 183

RCA-Stereo	0.51 206	3.22 339	0.34 175	0.44 181	0.34 208	0.44 220	0.34 194	0.43 206	0.34 198	0.43 204	0.34 198	0.44 216	0.33 192	0.43 211	0.33 185	0.38 185	0.29 163	0.38 197	0.29 184	0.38 180	0.29 170

GMOStereo	0.37 156	0.45 143	0.23 132	0.30 129	0.37 213	0.41 199	0.36 200	0.41 188	0.35 200	0.43 204	0.36 204	0.41 197	0.40 208	0.41 199	0.36 201	0.34 164	0.22 135	0.47 234	0.37 217	0.39 186	0.33 190

error version	0.93 271	4.47 361	2.35 383	1.99 350	0.37 213	0.41 199	0.36 200	0.41 188	0.35 200	0.43 204	0.36 204	0.41 197	0.40 208	0.41 199	0.36 201	1.87 364	2.16 376	0.47 234	0.37 217	0.39 186	0.33 190

test_1	0.93 271	4.47 361	2.35 383	1.99 350	0.37 213	0.41 199	0.36 200	0.41 188	0.35 200	0.43 204	0.36 204	0.41 197	0.40 208	0.41 199	0.36 201	1.87 364	2.16 376	0.47 234	0.37 217	0.39 186	0.33 190

knoymous	0.40 170	0.40 125	0.40 188	0.40 163	0.40 223	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 187	0.40 208	0.40 186	0.40 214	0.40 194	0.40 194	0.40 205	0.40 226	0.40 189	0.40 208

anonymousa	0.40 170	0.40 125	0.40 188	0.40 163	0.40 223	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 187	0.40 208	0.40 186	0.40 214	0.40 194	0.40 194	0.40 205	0.40 226	0.40 189	0.40 208

riskmin	0.40 170	0.40 125	0.40 188	0.40 163	0.40 223	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 187	0.40 208	0.40 186	0.40 214	0.40 194	0.40 194	0.40 205	0.40 226	0.40 189	0.40 208

Anonymous_2	0.40 170	0.40 125	0.40 188	0.40 163	0.40 223	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 187	0.40 208	0.40 186	0.40 214	0.40 194	0.40 194	0.40 205	0.40 226	0.40 189	0.40 208

Anonymous_1	0.40 170	0.40 125	0.40 188	0.40 163	0.40 223	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 187	0.40 208	0.40 186	0.40 214	0.40 194	0.40 194	0.40 205	0.40 226	0.40 189	0.40 208

DGSMNet	0.34 145	0.41 132	0.27 146	0.41 172	0.28 171	0.41 199	0.28 163	0.41 188	0.27 167	0.41 189	0.27 169	0.42 213	0.27 169	0.41 199	0.28 164	0.40 194	0.29 163	0.40 205	0.28 175	0.40 189	0.27 154

Gwc-CoAtRS	0.41 176	1.49 282	0.32 164	0.42 180	0.32 193	0.41 199	0.32 178	0.41 188	0.33 191	0.41 189	0.32 189	0.41 197	0.32 188	0.41 199	0.32 182	0.39 191	0.28 154	0.39 201	0.28 175	0.40 189	0.28 166

AdaStereo	0.40 170	0.40 125	0.40 188	0.40 163	0.40 223	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 187	0.40 208	0.40 186	0.40 214	0.40 194	0.40 194	0.40 205	0.40 226	0.40 189	0.40 208
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.
Former-RAFT_DAM_RVC	0.49 203	0.98 197	0.64 238	0.84 233	0.46 240	0.45 221	0.35 197	0.47 213	0.47 234	0.45 208	0.34 198	0.46 217	0.48 236	0.46 216	0.35 199	0.39 191	0.71 257	0.39 201	0.35 210	0.41 197	0.41 215

GwcNet-ADL	0.41 176	0.41 132	0.41 196	0.41 172	0.41 229	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 197	0.41 218	0.41 199	0.41 221	0.41 201	0.41 203	0.41 216	0.41 232	0.41 197	0.41 215

PSMNet-ADL	0.41 176	0.41 132	0.41 196	0.41 172	0.41 229	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 197	0.41 218	0.41 199	0.41 221	0.41 201	0.41 203	0.41 216	0.41 232	0.41 197	0.41 215

GANet-ADL	0.41 176	0.41 132	0.41 196	0.41 172	0.41 229	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 197	0.41 218	0.41 199	0.41 221	0.41 201	0.41 203	0.41 216	0.41 232	0.41 197	0.41 215

ADLNet2	0.41 176	0.41 132	0.41 196	0.41 172	0.41 229	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 197	0.41 218	0.41 199	0.41 221	0.41 201	0.41 203	0.41 216	0.41 232	0.41 197	0.41 215

ADLNet	0.41 176	0.41 132	0.41 196	0.41 172	0.41 229	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 197	0.41 218	0.41 199	0.41 221	0.41 201	0.41 203	0.41 216	0.41 232	0.41 197	0.41 215

CFNet-RSSM	0.91 266	4.89 367	0.34 175	0.44 181	1.07 313	1.62 366	1.40 372	0.91 270	0.35 200	1.60 359	1.39 371	0.64 254	0.34 195	0.44 213	0.33 185	0.41 201	0.35 179	0.75 271	0.30 192	0.41 197	0.29 170

LL-Strereo2	0.48 200	1.73 293	0.51 224	0.59 208	0.34 208	0.42 215	0.33 185	0.40 175	0.31 184	0.42 200	0.33 192	0.42 213	0.31 187	0.44 213	0.39 213	0.60 240	0.51 229	0.44 227	0.33 206	0.44 204	0.33 190

otaku	0.46 190	0.46 145	0.46 206	0.46 183	0.46 240	0.46 223	0.46 230	0.46 208	0.46 231	0.46 209	0.46 236	0.46 217	0.46 226	0.46 216	0.46 232	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 225

Ntro	0.47 195	0.47 149	0.46 206	0.46 183	0.46 240	0.47 227	0.47 236	0.46 208	0.47 234	0.46 209	0.46 236	0.47 223	0.46 226	0.47 220	0.47 236	0.47 220	0.46 211	0.46 230	0.46 240	0.46 205	0.46 225

Dean	0.46 190	0.46 145	0.46 206	0.46 183	0.46 240	0.46 223	0.46 230	0.46 208	0.46 231	0.47 214	0.46 236	0.46 217	0.46 226	0.46 216	0.46 232	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 225

ACVNet_1	0.46 190	0.47 149	0.46 206	0.46 183	0.46 240	0.46 223	0.46 230	0.46 208	0.47 234	0.46 209	0.46 236	0.46 217	0.46 226	0.46 216	0.46 232	0.46 215	0.46 211	0.47 234	0.46 240	0.46 205	0.46 225

ACVNet-4b	0.46 190	0.46 145	0.46 206	0.46 183	0.46 240	0.46 223	0.46 230	0.46 208	0.46 231	0.46 209	0.46 236	0.46 217	0.46 226	0.47 220	0.46 232	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 225

Selective-IGEV	0.51 206	0.55 168	0.45 204	0.69 216	0.45 239	0.61 253	0.45 229	0.50 226	0.40 214	0.56 242	0.44 233	0.55 246	0.40 208	0.72 262	0.67 266	0.59 238	0.46 211	0.45 229	0.34 207	0.46 205	0.37 200

HaxPig	0.47 195	0.47 149	0.47 211	0.49 193	0.47 246	0.47 227	0.47 236	0.47 213	0.47 234	0.47 214	0.47 243	0.47 223	0.47 235	0.47 220	0.47 236	0.47 220	0.47 217	0.47 234	0.47 246	0.47 211	0.48 233

UNDER WATER	0.47 195	0.47 149	0.47 211	0.47 188	0.47 246	0.47 227	0.47 236	0.47 213	0.47 234	0.47 214	0.47 243	0.47 223	0.46 226	0.47 220	0.47 236	0.47 220	0.47 217	0.47 234	0.46 240	0.47 211	0.47 230

LVE	0.47 195	0.47 149	0.47 211	0.47 188	0.49 251	0.47 227	0.47 236	0.47 213	0.49 242	0.47 214	0.47 243	0.47 223	0.46 226	0.47 220	0.47 236	0.47 220	0.47 217	0.48 242	0.47 246	0.47 211	0.47 230

RainbowNet	0.48 200	0.48 155	0.48 216	0.48 191	0.48 248	0.48 231	0.48 241	0.48 217	0.48 240	0.48 218	0.48 246	0.48 228	0.48 236	0.48 225	0.48 241	0.48 224	0.48 221	0.48 242	0.48 249	0.48 214	0.48 233

notaker	0.48 200	0.49 156	0.48 216	0.48 191	0.48 248	0.48 231	0.48 241	0.48 217	0.49 242	0.48 218	0.48 246	0.48 228	0.48 236	0.48 225	0.48 241	0.48 224	0.48 221	0.48 242	0.48 249	0.48 214	0.49 236

TorneroNet	0.66 218	0.53 163	0.50 222	0.50 199	0.64 272	1.06 294	0.70 271	0.50 226	0.51 248	0.49 223	0.69 279	0.49 230	0.50 244	0.48 225	1.15 307	0.71 253	0.49 223	1.14 305	1.08 303	0.49 216	0.49 236

ACVNet_2	0.49 203	0.49 156	0.49 220	0.49 193	0.49 251	0.49 233	0.49 244	0.49 219	0.49 242	0.49 223	0.49 250	0.49 230	0.49 241	0.49 231	0.49 244	0.49 227	0.49 223	0.49 245	0.49 251	0.49 216	0.49 236

iRaftStereo_RVC	0.97 275	3.17 338	2.30 382	2.42 362	0.38 218	0.54 244	0.38 209	0.54 232	0.38 208	0.54 238	0.38 212	0.54 243	0.38 203	0.54 239	0.38 208	2.38 378	2.34 380	0.49 245	0.36 214	0.49 216	0.36 197

aanetorigin	0.13 72	0.11 64	0.11 73	0.11 58	0.11 103	0.11 90	0.11 97	0.11 91	0.11 99	0.11 90	0.12 106	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.11 75	0.14 95	0.11 98	0.49 216	0.11 95

KSHMR	0.66 218	0.50 158	0.48 216	1.15 270	0.52 256	0.49 233	0.51 248	0.49 219	0.71 277	0.67 255	0.50 252	1.16 308	1.11 295	0.66 255	0.52 248	0.49 227	0.49 223	0.51 249	0.66 271	0.50 220	1.14 309

SANet	0.50 205	0.50 158	0.50 222	0.50 199	0.50 254	0.50 239	0.50 246	0.50 226	0.50 245	0.50 232	0.50 252	0.50 241	0.50 244	0.50 235	0.50 245	0.50 231	0.50 228	0.50 248	0.50 253	0.50 220	0.50 239

ktn	0.72 231	0.53 163	1.08 285	1.14 268	0.51 255	1.22 354	1.36 366	0.51 230	0.59 257	0.51 233	0.51 255	0.69 260	1.20 306	0.67 257	0.51 247	0.51 232	0.49 223	0.58 254	0.66 271	0.52 222	0.53 242

LL-Strereo	1.01 282	5.06 370	1.63 365	0.70 218	1.43 378	0.56 246	0.46 230	0.57 237	0.50 245	0.57 243	0.50 252	1.58 364	0.49 241	0.59 249	0.50 245	1.64 358	0.52 230	0.51 249	1.37 367	0.52 222	0.45 224

SPstereo	0.47 195	0.38 116	0.51 224	0.56 204	0.31 190	0.67 259	0.44 228	0.55 233	0.31 184	0.61 248	0.44 233	0.46 217	0.52 247	0.67 257	0.42 227	0.48 224	0.40 194	0.47 234	0.36 214	0.53 224	0.33 190

PML	0.46 190	1.36 279	0.29 151	0.58 206	0.30 186	0.57 250	0.29 168	0.57 237	0.29 172	0.57 243	0.29 176	0.57 250	0.29 178	0.56 244	0.29 170	0.52 233	0.30 171	0.53 251	0.31 197	0.53 224	0.30 178

PSMNet_ROB	0.54 208	0.54 166	0.54 227	0.54 202	0.53 259	0.54 244	0.54 250	0.53 231	0.54 254	0.54 238	0.54 259	0.54 243	0.53 249	0.54 239	0.54 250	0.54 235	0.53 232	0.54 252	0.54 254	0.54 226	0.54 243

MyStereo8	0.71 228	3.92 354	0.52 226	0.59 208	0.52 256	0.57 250	0.53 249	0.59 241	0.50 245	0.59 246	0.51 255	0.57 250	0.50 244	0.56 244	0.52 248	0.54 235	0.49 223	0.54 252	0.49 251	0.55 227	0.50 239

CASS	0.57 212	0.89 184	0.56 228	0.57 205	0.56 261	0.56 246	0.56 251	0.56 235	0.53 250	0.57 243	0.57 263	0.59 252	0.48 236	0.56 244	0.57 254	0.55 237	0.56 235	0.47 234	0.56 258	0.62 228	0.56 250
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DispNO	1.00 278	0.63 170	0.43 201	3.45 376	0.44 238	0.65 257	0.43 227	0.64 247	0.43 228	0.64 252	0.43 231	0.64 254	3.03 386	0.64 253	0.43 229	4.55 393	0.43 208	0.63 256	0.43 238	0.63 229	0.43 221

test-3	0.98 277	4.13 357	1.85 375	1.85 342	0.61 268	0.69 260	0.37 204	0.63 246	0.61 261	0.66 254	0.51 255	0.73 265	0.44 224	0.57 247	0.54 250	1.68 359	1.81 374	0.40 205	0.43 238	0.66 230	0.50 239

DSFCA	0.66 218	0.73 175	0.78 261	0.65 213	0.65 273	0.64 256	0.64 260	0.65 248	0.63 264	0.64 252	0.64 270	0.64 254	0.64 256	0.65 254	0.65 263	0.65 243	0.65 246	0.65 259	0.65 269	0.66 230	0.64 258

MyStereo03	0.84 257	4.93 368	0.68 249	0.90 237	0.74 288	0.56 246	0.46 230	0.55 233	0.52 249	0.74 266	0.56 261	0.56 248	0.46 226	0.81 271	0.54 250	0.59 238	0.52 230	0.75 271	0.68 275	0.68 232	0.65 259

anonymity	0.63 214	0.69 172	0.56 228	0.71 220	0.56 261	0.71 263	0.56 251	0.71 253	0.56 255	0.72 260	0.56 261	0.71 261	0.56 251	0.71 261	0.58 257	0.68 246	0.55 233	0.68 261	0.55 255	0.68 232	0.54 243

LMCR-Stereo	0.65 216	0.63 170	0.65 243	0.65 213	0.65 273	0.66 258	0.63 259	0.58 239	0.65 265	0.63 251	0.64 270	0.65 257	0.65 258	0.66 255	0.66 265	0.66 244	0.64 245	0.65 259	0.67 274	0.68 232	0.73 272

FC-DCNN	1.07 284	1.09 213	0.98 278	0.89 236	0.52 256	1.41 363	0.91 287	1.21 343	1.24 366	1.96 367	2.05 391	1.91 368	1.30 359	1.27 357	1.08 301	0.80 259	0.60 238	0.58 254	0.41 232	0.68 232	0.54 243

DMCA-RVC	0.70 226	0.80 178	0.70 250	0.70 218	0.70 282	0.70 261	0.70 271	0.71 253	0.70 274	0.70 258	0.71 283	0.71 261	0.70 268	0.70 260	0.69 274	0.69 247	0.70 255	0.69 264	0.70 280	0.69 236	0.70 267

4D-IteraStereo	0.78 239	3.13 336	0.89 268	0.69 216	0.32 193	0.40 184	0.32 178	0.76 257	0.97 300	0.52 236	0.65 274	0.89 281	0.32 188	0.76 267	0.98 295	0.83 264	0.94 275	0.35 183	0.27 171	0.70 237	0.89 287

whm_eth	0.63 214	1.48 281	0.47 211	0.71 220	0.48 248	0.71 263	0.48 241	0.71 253	0.48 240	0.71 259	0.48 246	0.71 261	0.48 236	0.72 262	0.48 241	0.71 253	0.47 217	0.71 267	0.47 246	0.71 238	0.47 230

MyStereo06	0.75 234	4.12 355	0.60 232	0.63 211	0.61 268	0.62 254	0.66 263	0.56 235	0.45 230	0.55 240	0.48 246	0.54 243	0.46 226	0.57 247	0.45 230	0.60 240	0.57 236	0.64 257	0.55 255	0.72 239	0.55 247

MyStereo05	0.80 242	4.12 355	0.63 236	0.63 211	0.61 268	0.62 254	0.66 263	0.65 248	0.62 262	0.67 255	0.61 266	0.65 257	0.58 252	0.67 257	0.55 253	0.60 240	0.57 236	0.64 257	0.55 255	0.72 239	0.55 247

MyStereo02	0.85 260	4.58 363	0.64 238	0.76 225	0.65 273	0.75 265	0.61 255	0.60 242	0.53 250	0.80 269	0.64 270	0.78 270	0.66 260	0.55 241	0.57 254	0.70 250	0.66 248	0.68 261	0.62 266	0.72 239	0.59 251

MyStereo	0.85 260	4.58 363	0.64 238	0.76 225	0.65 273	0.75 265	0.61 255	0.60 242	0.53 250	0.80 269	0.64 270	0.78 270	0.66 260	0.55 241	0.57 254	0.70 250	0.66 248	0.68 261	0.62 266	0.72 239	0.59 251

PA-Net	11.80 413	223.51 436	0.62 235	0.59 208	0.71 283	0.59 252	0.73 275	0.67 250	0.73 280	0.55 240	0.61 266	0.60 253	0.74 273	0.63 252	0.73 279	0.66 244	0.60 238	0.69 264	0.66 271	0.72 239	0.65 259
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 257	2.85 333	0.72 254	0.72 222	0.73 286	0.77 268	0.79 279	0.73 256	0.74 282	0.73 262	0.72 285	0.73 265	0.76 275	0.73 264	0.73 279	0.72 255	0.73 259	0.73 269	0.72 283	0.73 244	0.72 270

RAFT-Stereo + iAFF	0.70 226	0.72 174	0.71 253	0.80 229	0.62 271	0.82 274	0.61 255	0.81 263	0.62 262	0.81 273	0.63 268	0.80 274	0.70 268	0.73 264	0.61 261	0.76 256	0.61 242	0.74 270	0.61 265	0.77 245	0.61 254

ARAFT	0.68 223	0.81 181	0.63 236	0.74 223	0.60 263	0.78 270	0.62 258	0.77 258	0.66 267	0.74 266	0.63 268	0.75 267	0.62 255	0.83 272	0.60 259	0.70 250	0.55 233	0.70 266	0.60 263	0.78 246	0.55 247

AFF-stereo	0.73 232	0.88 183	0.67 246	0.75 224	0.68 281	0.75 265	0.64 260	0.80 260	0.72 278	0.83 274	0.70 280	0.82 277	0.64 256	0.84 273	0.67 266	0.77 257	0.63 243	0.81 280	0.63 268	0.78 246	0.62 256

Selective-RAFT-Error	0.88 263	0.84 182	0.98 278	0.86 235	0.97 306	0.88 277	0.95 292	0.84 264	0.99 302	0.92 279	0.82 293	0.84 278	0.98 286	0.87 276	0.97 294	0.81 262	0.83 269	0.79 276	0.82 291	0.79 248	0.85 284

psmorigin	0.41 176	0.46 145	0.33 168	0.49 193	0.33 202	0.49 233	0.33 185	0.49 219	0.33 191	0.49 223	0.33 192	0.49 230	0.33 192	0.51 236	0.33 185	0.41 201	0.30 171	0.41 216	0.30 192	0.79 248	0.29 170

G-Net	0.79 240	0.79 177	0.79 264	0.79 227	0.79 292	0.79 271	0.79 279	0.79 259	0.79 286	0.79 268	0.79 290	0.79 273	0.79 277	0.79 268	0.79 282	0.79 258	0.79 263	0.79 276	0.79 287	0.79 248	0.79 278

AEACV	1.12 289	0.52 162	3.12 389	3.24 373	0.86 296	0.53 243	0.49 244	0.60 242	0.47 234	0.53 237	0.49 250	0.55 246	0.45 225	0.55 241	0.47 236	3.01 383	3.88 386	0.71 267	0.60 263	0.80 251	0.48 233

NaN_ROB	0.80 242	0.80 178	0.80 265	0.80 229	0.80 294	0.80 272	0.80 281	0.80 260	0.80 287	0.80 269	0.80 291	0.80 274	0.80 278	0.80 269	0.80 284	0.80 259	0.80 266	0.80 278	0.80 288	0.80 251	0.80 279

CSAN	0.80 242	0.80 178	0.80 265	0.80 229	0.80 294	0.80 272	0.80 281	0.80 260	0.80 287	0.80 269	0.80 291	0.80 274	0.80 278	0.80 269	0.80 284	0.80 259	0.80 266	0.80 278	0.80 288	0.80 251	0.80 279

Selective-RAFT	0.89 265	0.89 184	0.72 254	1.16 275	0.78 291	1.06 294	0.82 283	0.87 265	0.97 300	1.00 287	0.91 297	0.90 282	1.00 287	0.89 279	0.93 293	0.83 264	0.83 269	0.82 282	0.82 291	0.81 254	0.82 282

DCRE	0.84 257	1.89 297	0.77 260	0.94 246	0.72 285	0.88 277	0.73 275	0.87 265	0.78 283	0.90 276	0.71 283	0.88 279	0.67 264	0.88 277	0.73 279	0.81 262	0.68 250	0.81 280	0.70 280	0.82 255	0.70 267

UDG	0.80 242	2.21 313	0.60 232	0.91 240	0.60 263	0.90 280	0.58 253	0.88 267	0.60 258	0.90 276	0.60 264	0.88 279	0.60 254	0.90 280	0.58 257	0.86 268	0.60 238	0.84 283	0.59 262	0.84 256	0.61 254

DDUNet	0.81 247	2.45 317	0.57 230	0.90 237	0.60 263	0.88 277	0.59 254	0.90 268	0.60 258	0.88 275	0.60 264	0.90 282	0.58 252	0.88 277	0.60 259	0.84 266	0.60 238	0.86 285	0.57 259	0.86 257	0.60 253

MoCha-V2	2.11 362	26.97 417	0.78 261	0.92 243	0.77 290	0.96 287	0.72 274	0.90 268	0.72 278	0.94 283	0.70 280	0.90 282	0.71 272	0.91 281	0.71 278	0.85 267	0.71 257	0.88 286	0.69 278	0.87 258	0.67 264

UNet	0.29 131	0.90 186	0.10 56	0.14 75	0.10 88	0.14 94	0.10 85	0.91 270	0.69 272	0.14 94	0.11 99	0.14 96	0.11 98	0.14 97	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 259	0.76 277

ToySt	0.92 267	2.11 307	0.90 270	0.95 248	0.79 292	0.99 288	0.78 278	0.94 277	0.81 290	0.94 283	0.78 289	0.95 289	0.77 276	0.94 285	0.86 287	0.91 271	0.79 263	0.85 284	0.77 285	0.89 260	0.73 272

ff7	1.68 348	2.68 323	1.35 352	0.97 251	0.89 297	1.84 367	2.15 384	2.12 365	1.80 383	2.05 371	1.56 374	2.33 377	2.12 377	2.23 373	2.25 387	1.31 345	1.07 281	1.48 369	1.41 369	0.90 261	1.04 300

ffff	1.68 348	2.68 323	1.35 352	0.97 251	0.89 297	1.84 367	2.15 384	2.12 365	1.80 383	2.05 371	1.56 374	2.33 377	2.12 377	2.23 373	2.25 387	1.31 345	1.07 281	1.48 369	1.41 369	0.90 261	1.04 300

ccc-4	1.68 348	2.68 323	1.35 352	0.97 251	0.89 297	1.84 367	2.15 384	2.12 365	1.80 383	2.05 371	1.56 374	2.33 377	2.12 377	2.23 373	2.25 387	1.31 345	1.07 281	1.48 369	1.41 369	0.90 261	1.04 300

STTRV1_RVC	0.82 251	1.60 286	0.70 250	1.01 257	0.60 263	1.07 297	0.69 270	1.01 283	0.60 258	0.72 260	0.55 260	1.02 296	0.68 265	1.03 295	0.67 266	0.89 270	0.63 243	0.92 290	0.57 259	0.90 261	0.65 259

pmcnn	0.92 267	0.92 192	0.92 273	0.92 243	0.92 302	0.92 282	0.92 288	0.92 273	0.92 296	0.92 279	0.92 300	0.92 285	0.92 283	0.92 284	0.92 289	0.92 272	0.92 273	0.92 290	0.92 294	0.92 265	0.92 289

DPSM_ROB	0.92 267	0.91 187	0.91 271	0.91 240	0.92 302	0.92 282	0.92 288	0.92 273	0.91 292	0.93 281	0.91 297	0.92 285	0.90 281	0.91 281	0.92 289	0.92 272	0.91 271	0.91 288	0.92 294	0.93 266	0.93 290

DPSM	0.92 267	0.91 187	0.91 271	0.91 240	0.92 302	0.92 282	0.92 288	0.92 273	0.91 292	0.93 281	0.91 297	0.92 285	0.90 281	0.91 281	0.92 289	0.92 272	0.91 271	0.91 288	0.92 294	0.93 266	0.93 290

R-Stereo Train	0.81 247	0.96 195	0.67 246	0.95 248	0.67 279	0.95 285	0.68 267	0.95 278	0.68 269	0.95 285	0.68 277	0.96 290	0.68 265	0.96 289	0.68 270	0.94 276	0.68 250	0.94 292	0.68 275	0.94 268	0.68 265

RAFT-Stereo	0.81 247	0.96 195	0.67 246	0.95 248	0.67 279	0.95 285	0.68 267	0.95 278	0.68 269	0.95 285	0.68 277	0.96 290	0.68 265	0.96 289	0.68 270	0.94 276	0.68 250	0.94 292	0.68 275	0.94 268	0.68 265
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 271	1.00 200	0.92 273	0.94 246	0.96 305	0.91 281	0.92 288	0.91 270	0.96 299	0.91 278	0.96 301	0.93 288	0.92 283	0.94 285	0.92 289	0.92 272	0.92 273	0.90 287	0.92 294	0.94 268	0.91 288

GANet	1.00 278	1.00 200	1.00 280	1.00 254	1.00 307	1.00 289	1.00 295	1.00 280	1.00 303	1.00 287	1.00 302	1.00 292	1.00 287	1.00 291	1.00 297	1.00 278	1.00 276	1.00 298	1.00 298	1.00 271	1.00 296

TDLM	1.00 278	1.00 200	1.00 280	1.00 254	1.00 307	1.00 289	1.00 295	1.00 280	1.00 303	1.00 287	1.00 302	1.00 292	1.00 287	1.00 291	1.00 297	1.00 278	1.00 276	1.00 298	1.00 298	1.00 271	1.00 296

CVANet_RVC	1.00 278	1.00 200	1.00 280	1.00 254	1.00 307	1.00 289	1.00 295	1.00 280	1.00 303	1.00 287	1.00 302	1.00 292	1.00 287	1.00 291	1.00 297	1.00 278	1.00 276	1.00 298	1.00 298	1.00 271	1.00 296

panet	1.01 282	1.01 205	1.01 283	1.01 257	1.01 311	1.01 292	1.01 298	1.01 283	1.01 306	1.01 291	1.01 305	1.01 295	1.01 293	1.01 294	1.01 300	1.01 281	1.01 279	1.01 301	1.01 301	1.01 274	1.01 299

GLC_STEREO	1.07 284	1.01 205	1.06 284	1.07 261	1.05 312	1.06 294	1.08 301	1.08 286	1.05 308	1.07 293	1.06 306	1.08 298	1.05 294	1.06 297	1.10 302	1.07 283	1.09 287	1.05 303	1.05 302	1.06 275	1.12 305

DPSimNet_ROB	0.97 275	1.18 223	0.81 267	1.10 263	0.91 301	1.02 293	0.82 283	1.04 285	0.91 292	1.03 292	0.86 294	1.28 359	0.82 280	1.03 295	0.89 288	1.17 294	0.81 268	1.02 302	0.82 291	1.08 276	0.81 281

MSMD_ROB	1.19 290	1.10 216	0.70 250	1.10 263	0.60 263	1.10 300	0.70 271	1.10 288	0.70 274	1.10 295	0.70 280	1.10 302	0.70 268	7.00 412	0.70 277	1.10 286	0.70 255	1.10 304	0.70 280	1.10 277	0.70 267

edge stereo	2.43 376	27.07 418	1.14 288	1.06 260	1.14 314	1.08 298	1.17 309	1.16 291	1.14 309	1.10 295	1.16 310	1.09 300	1.16 303	1.10 301	1.16 310	1.10 286	1.11 291	1.16 307	1.19 311	1.13 278	1.11 303

RGC	2.36 370	25.48 411	1.19 294	1.15 270	1.15 315	1.10 300	1.16 308	1.17 292	1.16 311	1.12 300	1.16 310	1.11 305	1.13 296	1.09 299	1.18 312	1.10 286	1.15 295	1.16 307	1.12 305	1.14 279	1.12 305

UPFNet	0.42 184	1.20 225	0.17 116	0.24 116	0.17 134	0.25 137	0.17 120	1.19 295	0.90 291	0.25 135	0.17 131	0.24 137	0.17 128	0.25 140	0.17 126	0.22 126	0.17 125	0.22 131	0.16 125	1.15 280	0.93 290

stereogan	2.33 368	24.38 408	1.18 293	1.18 277	1.18 322	1.14 305	1.18 310	1.19 295	1.19 317	1.14 302	1.18 314	1.14 307	1.18 304	1.14 305	1.18 312	1.14 293	1.14 294	1.19 314	1.19 311	1.15 280	1.19 313

AF-Net	2.37 373	25.71 413	1.17 291	1.13 267	1.15 315	1.15 306	1.18 310	1.19 295	1.16 311	1.10 295	1.15 307	1.10 302	1.18 304	1.12 304	1.15 307	1.10 286	1.10 290	1.17 311	1.15 307	1.16 282	1.12 305

RP	2.33 368	25.00 410	1.13 287	1.15 270	1.15 315	1.10 300	1.15 306	1.15 289	1.15 310	1.12 300	1.15 307	1.09 300	1.13 296	1.10 301	1.15 307	1.11 291	1.09 287	1.16 307	1.12 305	1.16 282	1.17 311

Nwc_Net	2.37 373	25.95 414	1.15 290	1.14 268	1.15 315	1.08 298	1.14 305	1.17 292	1.16 311	1.14 302	1.15 307	1.08 298	1.15 299	1.11 303	1.14 306	1.10 286	1.11 291	1.16 307	1.09 304	1.16 282	1.15 310

Abc-Net	2.32 367	24.75 409	1.14 288	1.17 276	1.17 320	1.11 303	1.15 306	1.17 292	1.21 363	1.08 294	1.16 310	1.12 306	1.14 298	1.09 299	1.17 311	1.09 284	1.16 296	1.17 311	1.17 310	1.16 282	1.11 303
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 274	1.17 221	0.78 261	1.18 277	0.71 283	1.16 307	0.75 277	1.09 287	0.80 287	1.10 295	0.75 288	1.17 309	0.74 273	1.17 307	0.80 284	1.13 292	0.73 259	1.17 311	0.77 285	1.16 282	0.72 270
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 370	25.52 412	1.17 291	1.15 270	1.17 320	1.11 303	1.11 302	1.15 289	1.16 311	1.10 295	1.16 310	1.10 302	1.15 299	1.14 305	1.13 305	1.09 284	1.11 291	1.15 306	1.16 309	1.17 287	1.17 311

delet	0.43 185	1.21 271	0.17 116	0.25 119	0.17 134	0.25 137	0.18 124	1.26 347	0.95 298	0.25 135	0.17 131	0.25 140	0.17 128	0.25 140	0.17 126	0.23 135	0.16 113	0.22 131	0.16 125	1.18 288	0.98 293

psm_up	0.43 185	1.19 224	0.17 116	0.25 119	0.18 139	0.25 137	0.19 127	1.26 347	0.91 292	0.26 142	0.17 131	0.25 140	0.17 128	0.25 140	0.17 126	0.22 126	0.17 125	0.23 135	0.16 125	1.18 288	0.99 294

HBP-ISP	1.24 337	1.72 289	1.65 366	1.15 270	0.76 289	1.40 362	0.88 285	1.67 360	1.02 307	1.69 364	1.38 370	1.69 366	1.21 352	1.87 364	1.21 359	1.05 282	0.79 263	0.97 296	0.80 288	1.19 290	0.75 276

DisPM	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

CrosDoStereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

PFNet+	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

LCNet	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

HHNet	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

Patchmatch Stereo++	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

STrans-v2	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

TransformOpticalFlow	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

OMP-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

IIG-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

NF-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

OCTAStereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

PSM-softLoss	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

KMStereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

NRIStereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

PSM-adaLoss	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

PSM-AAD	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

FTStereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

ROB_FTStereo_v2	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

ROB_FTStereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

Consistency-Raft	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

KYRaft	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

HUI-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

ASMatch	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

DeepStereo_LL	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

DEmStereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

SST-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

THIR-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

RAFT_R40	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

DRaft	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

PFNet	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

GrayStereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

RE-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

Pruner-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

TVStereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

DeepStereo_RVC	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

RAFT-RH_RVC	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

IRAFT_RVC	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

RAFT-345	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

iRAFT	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

CRE-IMP	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

GMM-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

RAFT-IKP	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

Prome-Stereo	1.20 291	1.20 225	1.20 297	1.20 279	1.20 323	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 311	1.20 306	1.20 309	1.20 314	1.20 296	1.20 300	1.20 315	1.20 314	1.20 291	1.20 314

MMNet	0.44 188	1.24 273	0.17 116	0.25 119	0.17 134	0.25 137	0.18 124	1.26 347	0.93 297	0.25 135	0.17 131	0.25 140	0.18 133	0.25 140	0.17 126	0.23 135	0.16 113	0.23 135	0.16 125	1.20 291	0.99 294

FAT-Stereo	2.46 377	26.05 415	1.23 346	1.23 326	1.22 370	1.20 308	1.24 360	1.23 346	1.23 365	1.19 304	1.22 361	1.21 356	1.24 354	1.20 309	1.24 361	1.21 341	1.17 298	1.22 361	1.25 361	1.20 291	1.24 362

CroCo-Stereo	0.73 232	1.22 272	0.25 140	1.22 324	0.25 161	1.22 354	0.25 149	1.22 344	0.25 151	1.22 351	0.25 161	1.22 357	0.25 153	1.22 355	0.25 154	1.22 342	0.26 144	1.21 360	0.25 159	1.22 338	0.25 143
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
S-Stereo	2.51 378	26.86 416	1.23 346	1.22 324	1.22 370	1.24 356	1.25 361	1.22 344	1.24 366	1.21 350	1.24 363	1.19 310	1.27 356	1.19 308	1.24 361	1.19 295	1.20 300	1.25 362	1.19 311	1.24 339	1.23 361

CroCo-Stereo Lap2	0.77 236	1.29 274	0.29 151	1.27 327	0.29 177	1.27 357	0.26 155	1.26 347	0.26 164	1.26 352	0.26 166	1.27 358	0.26 162	1.26 356	0.27 160	1.27 344	0.27 149	1.27 363	0.27 171	1.27 340	0.27 154

test_xeample3	1.10 286	1.81 294	0.61 234	0.84 233	0.49 251	0.77 268	0.66 263	0.92 273	1.40 375	0.68 257	0.46 236	0.78 270	0.54 250	1.72 363	1.48 372	1.34 348	1.52 362	1.35 365	1.67 380	1.33 341	1.55 375

MaskLacGwcNet_RVC	1.35 340	1.35 278	1.35 352	1.35 331	1.35 372	1.35 359	1.35 365	1.36 352	1.35 371	1.36 355	1.35 367	1.36 360	1.36 361	1.36 358	1.35 366	1.35 349	1.35 354	1.35 365	1.35 364	1.35 342	1.35 368

PS-NSSS	1.38 343	1.39 280	1.34 350	1.34 330	1.35 372	1.38 361	1.37 371	1.35 351	1.38 374	1.34 353	1.34 366	1.39 362	1.38 363	1.70 362	1.40 369	1.36 351	1.36 355	1.36 367	1.37 367	1.37 343	1.36 369

CC-Net-ROB	1.36 341	1.33 277	1.33 349	1.36 332	1.38 375	1.36 360	1.33 363	1.37 353	1.34 369	1.35 354	1.36 368	1.38 361	1.34 360	1.38 359	1.38 368	1.35 349	1.38 357	1.33 364	1.35 364	1.43 344	1.34 367

11t	1.27 339	2.70 326	1.34 350	1.32 329	0.89 297	1.30 358	1.34 364	1.64 357	0.57 256	1.45 357	0.72 285	1.05 297	1.29 358	1.07 298	1.29 364	1.49 353	1.02 280	0.97 296	1.15 307	1.48 345	1.31 365

IGEVStereo-DCA	1.77 352	4.21 358	1.84 373	2.49 364	2.11 391	2.54 382	1.36 366	1.65 358	1.17 315	2.75 383	1.90 385	2.54 383	1.15 299	0.94 285	1.11 303	1.50 354	1.32 348	0.96 294	1.46 374	1.49 346	0.88 285

rrr	1.77 352	4.21 358	1.84 373	2.49 364	2.11 391	2.54 382	1.36 366	1.65 358	1.17 315	2.75 383	1.90 385	2.54 383	1.15 299	0.94 285	1.11 303	1.50 354	1.32 348	0.96 294	1.46 374	1.49 346	0.88 285

CFNet-ft	0.55 210	1.57 284	0.14 97	0.20 101	0.14 119	0.20 116	2.53 389	1.61 356	0.14 118	0.20 114	0.14 121	0.20 117	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	1.56 348	1.24 362

DPSMNet_ROB	1.60 347	1.59 285	1.70 368	1.59 337	1.59 380	1.61 365	1.61 376	1.60 355	1.60 378	1.62 363	1.59 377	1.60 365	1.60 368	1.60 361	1.59 374	1.59 357	1.60 364	1.59 372	1.59 377	1.59 349	1.59 376

RASNet	1.49 344	1.65 287	1.45 361	1.38 334	1.43 378	1.47 364	1.36 366	1.38 354	1.36 372	1.39 356	1.60 378	1.45 363	1.45 365	1.51 360	2.21 386	1.53 356	1.36 355	1.36 367	1.36 366	1.66 350	1.36 369

RAFT_CTSACE	1.92 356	3.71 346	1.72 370	1.88 343	1.72 384	2.04 373	1.42 374	2.18 369	1.89 389	2.02 370	1.97 387	1.95 369	2.06 376	1.93 366	1.62 375	1.76 360	1.66 368	2.02 377	1.73 386	1.73 351	1.43 374

cf-r	0.66 218	2.17 312	0.12 78	0.18 97	0.12 115	0.18 111	2.70 392	2.60 378	0.12 114	0.18 110	0.12 106	0.18 112	0.12 111	0.18 111	0.12 103	0.15 97	0.11 75	0.15 105	0.11 98	1.81 352	1.74 383

MFMNet_re	1.81 354	1.91 298	1.71 369	1.95 347	1.70 383	1.95 371	1.70 379	1.96 363	1.74 381	1.97 368	1.72 381	1.95 369	1.71 371	1.97 367	1.71 380	1.86 363	1.62 365	1.85 373	1.66 379	1.86 353	1.64 377

GANetREF_RVC	1.55 345	1.94 304	1.22 344	1.88 343	1.21 369	1.88 370	1.22 358	1.88 361	1.22 364	1.88 365	1.22 361	1.88 367	1.22 353	1.89 365	1.22 360	1.87 364	1.22 347	1.88 374	1.22 360	1.88 354	1.22 360
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
SPS-STEREO	1.59 346	1.91 298	1.21 343	1.94 346	1.20 323	2.00 372	1.23 359	1.99 364	1.24 366	2.00 369	1.25 364	2.03 371	1.26 355	2.00 368	1.29 364	1.90 367	1.18 299	1.89 375	1.21 359	1.89 355	1.20 314
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 351	2.96 334	1.37 357	2.14 352	1.37 374	2.14 374	1.36 366	2.14 368	1.37 373	2.14 374	1.37 369	2.14 372	1.37 362	2.14 372	1.37 367	1.97 368	1.32 348	1.97 376	1.32 363	1.98 356	1.33 366

TRStereo	2.00 357	2.13 308	1.85 375	2.27 357	1.84 386	2.28 376	1.84 381	2.29 371	1.86 386	2.30 376	1.87 382	2.30 374	1.87 373	2.08 369	1.72 382	2.08 372	1.72 370	2.08 378	1.72 383	2.08 357	1.72 380

XX-Stereo	2.00 357	2.13 308	1.85 375	2.27 357	1.84 386	2.28 376	1.84 381	2.29 371	1.86 386	2.30 376	1.87 382	2.30 374	1.87 373	2.08 369	1.72 382	2.08 372	1.72 370	2.08 378	1.72 383	2.08 357	1.72 380

EAI-Stereo	2.00 357	2.13 308	1.85 375	2.27 357	1.84 386	2.28 376	1.84 381	2.29 371	1.86 386	2.30 376	1.87 382	2.30 374	1.87 373	2.08 369	1.72 382	2.08 372	1.72 370	2.08 378	1.72 383	2.08 357	1.72 380

GANet-RSSM	0.75 234	1.91 298	0.14 97	0.47 188	0.14 119	0.21 124	3.21 397	2.30 375	0.14 118	0.46 209	0.14 121	0.23 133	0.18 133	0.21 126	0.14 112	0.18 116	0.27 149	0.37 190	0.13 119	2.13 360	2.12 385

NCCL2	2.28 366	2.27 314	2.28 381	2.28 360	2.28 393	2.27 375	2.29 387	2.28 370	2.28 390	2.27 375	2.28 392	2.28 373	2.27 380	2.27 376	2.28 391	2.28 375	2.28 379	2.27 381	2.29 391	2.27 361	2.29 386

ccnet	0.80 242	2.28 315	0.33 168	0.50 199	0.33 202	0.50 239	0.33 185	0.50 226	0.33 191	0.49 223	0.33 192	0.49 230	1.56 367	2.38 378	0.33 185	0.41 201	0.29 163	0.42 225	1.57 376	2.28 362	0.29 170

STTStereo	3.73 393	30.40 422	2.37 385	2.39 361	2.31 395	2.35 379	2.33 388	2.29 371	2.42 391	2.32 379	2.34 393	2.33 377	2.36 381	2.30 377	2.27 390	2.35 377	2.22 378	2.31 382	2.22 388	2.29 363	2.34 390

FBW_ROB	2.12 364	2.46 318	1.77 372	2.49 364	1.79 385	2.38 380	1.83 380	2.46 376	1.78 382	2.48 380	1.97 387	2.40 381	1.78 372	2.42 379	1.83 385	2.31 376	1.85 375	2.38 383	1.82 387	2.35 364	1.84 384

UDGNet	2.23 365	5.40 372	1.72 370	2.48 363	1.69 382	2.51 381	1.69 378	2.51 377	1.72 380	2.50 381	1.69 380	2.52 382	1.69 370	2.50 380	1.68 379	2.41 379	1.70 369	2.42 384	1.69 382	2.42 365	1.64 377

GES	0.66 218	2.34 316	0.29 151	0.41 172	0.29 177	0.41 199	0.29 168	0.42 204	0.29 172	0.40 177	0.41 223	0.41 197	0.30 183	0.51 236	0.29 170	0.32 160	0.29 163	0.32 158	2.46 393	2.49 366	0.30 178

PSMNet-RSSM	0.77 236	2.76 328	0.14 97	0.20 101	0.14 119	0.20 116	2.66 390	2.79 382	0.14 118	0.21 123	0.14 121	0.21 125	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	2.52 367	2.31 387

GwcNet-RSSM	0.77 236	2.77 330	0.14 97	0.20 101	0.14 119	0.20 116	2.67 391	2.78 381	0.14 118	0.20 114	0.14 121	0.20 117	0.14 117	0.21 126	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	2.52 367	2.31 387

hitnet-ft	0.79 240	2.78 331	0.14 97	0.20 101	0.14 119	0.21 124	2.89 393	2.80 383	0.14 118	0.20 114	0.14 121	0.20 117	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 111	2.54 369	2.33 389

PDISCO_ROB	0.83 255	2.80 332	3.49 391	0.14 75	0.11 103	0.17 109	0.09 80	0.15 106	0.10 85	0.15 100	0.12 106	0.16 106	0.14 117	3.30 389	0.13 109	0.14 90	2.34 380	0.16 106	0.12 111	2.62 370	0.10 83

sCroCo_RVC	2.10 361	2.76 328	1.92 379	2.78 369	1.39 376	2.73 384	1.41 373	2.73 379	1.40 375	2.77 385	1.41 373	2.74 385	1.40 364	2.74 384	1.40 369	2.72 380	1.42 359	2.72 385	1.44 373	2.79 371	1.42 373

NLCA_NET_v2_RVC	5.04 406	50.87 429	2.78 387	2.87 370	2.71 396	2.78 386	0.47 236	2.88 384	2.86 395	1.89 366	2.67 394	2.79 387	2.79 385	2.78 385	2.83 392	2.82 382	2.82 382	2.83 387	2.77 394	2.83 372	2.76 394
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
test croco	1.88 355	3.16 337	0.64 238	3.10 371	0.65 273	3.10 388	0.64 260	3.12 386	0.65 265	3.10 387	0.65 274	3.11 388	0.65 258	3.12 386	0.65 263	3.12 384	0.65 246	3.13 388	0.65 269	3.13 373	0.65 259

Anonymous	2.11 362	2.74 327	1.41 360	2.77 368	1.40 377	2.74 385	1.46 375	2.75 380	1.50 377	2.87 386	1.39 371	2.74 385	1.46 366	2.72 383	1.41 371	2.72 380	1.41 358	2.81 386	1.41 369	3.16 374	1.39 372

MIF-Stereo	2.03 360	3.43 342	0.72 254	3.42 375	0.73 286	3.27 391	0.68 267	3.38 390	0.69 272	3.29 390	0.72 285	3.28 391	0.70 268	3.35 391	0.68 270	3.39 386	0.68 250	3.31 390	0.69 278	3.37 375	0.73 272

DPSNet	3.66 392	3.60 343	3.62 393	3.63 378	3.64 401	3.65 394	3.65 400	3.66 393	3.67 398	3.67 391	3.65 399	3.67 393	3.66 389	3.66 392	3.68 396	3.68 388	3.66 384	3.67 394	3.68 400	3.67 376	3.67 398

SA	4.33 395	7.35 377	6.85 406	5.96 391	4.09 405	3.59 393	3.15 396	3.82 394	2.64 392	3.91 392	3.85 400	3.57 392	2.72 384	3.13 387	4.03 401	7.09 409	6.86 402	3.57 392	3.12 395	3.85 377	3.51 397

ssnet_v2	0.68 223	1.96 305	1.25 348	0.29 128	0.20 143	0.30 152	0.20 129	0.29 143	0.22 142	1.50 358	0.20 142	0.31 158	0.20 141	0.27 151	0.22 142	0.24 140	1.49 361	0.26 144	0.18 140	3.90 378	0.19 126

TestStereo1	4.60 397	8.41 384	6.44 403	6.86 396	3.79 402	3.97 396	3.78 401	3.99 396	3.74 399	3.97 393	3.52 397	3.94 396	3.58 387	3.98 395	3.72 397	6.82 406	6.50 400	3.76 395	3.66 398	3.90 378	3.74 401

SA-5K	4.60 397	8.41 384	6.44 403	6.86 396	3.79 402	3.97 396	3.78 401	3.99 396	3.74 399	3.97 393	3.52 397	3.94 396	3.58 387	3.98 395	3.72 397	6.82 406	6.50 400	3.76 395	3.66 398	3.90 378	3.74 401

test_4	4.88 403	8.13 382	6.98 407	7.46 399	4.44 407	4.25 399	3.85 403	4.04 398	3.92 402	4.13 395	3.91 401	4.18 399	3.84 392	4.14 397	4.06 402	7.01 408	7.13 403	4.53 399	3.72 401	4.09 381	3.72 399

test_3	5.01 405	8.86 387	7.77 409	8.09 400	2.76 397	4.13 398	4.05 405	3.88 395	3.76 401	4.33 397	4.13 404	3.71 394	3.91 393	4.21 398	4.06 402	7.93 410	7.69 405	4.53 399	3.91 403	4.17 382	4.29 406

RAFT+CT+SA	4.28 394	7.62 380	4.91 396	5.55 388	2.28 393	3.09 387	3.64 399	4.49 400	3.07 396	4.80 400	3.35 396	4.77 404	3.70 390	4.29 399	3.05 393	5.58 398	5.98 397	3.58 393	3.78 402	4.26 383	3.72 399

test_5	4.62 400	7.55 379	6.23 401	6.32 393	3.40 399	5.29 406	3.50 398	3.53 392	4.11 404	4.28 396	4.47 407	4.26 400	4.38 398	3.68 393	3.24 394	5.89 400	5.60 394	4.84 402	3.50 396	4.33 384	3.93 404

Sa-1000	4.34 396	8.37 383	6.84 405	6.98 398	4.45 408	3.58 392	3.00 394	3.42 391	3.39 397	2.61 382	4.00 403	3.83 395	4.01 396	3.90 394	3.90 399	5.98 402	5.62 395	3.76 395	2.34 392	4.35 385	2.47 393

cross-raft	4.83 402	7.52 378	6.43 402	6.63 394	3.96 404	4.51 401	3.99 404	4.49 400	3.96 403	4.52 399	3.96 402	4.50 401	3.97 395	4.50 401	3.97 400	6.65 404	6.44 399	4.33 398	3.92 404	4.35 385	3.91 403

sAnonymous2	3.31 390	2.63 321	1.38 358	3.71 379	1.86 389	4.70 402	1.11 302	4.82 403	2.72 393	5.45 405	1.98 389	4.59 402	2.64 382	2.65 381	6.21 408	4.37 389	1.08 285	5.16 404	2.24 389	4.52 387	2.39 391

CroCo_RVC	3.31 390	2.63 321	1.38 358	3.71 379	1.86 389	4.70 402	1.11 302	4.82 403	2.72 393	5.45 405	1.98 389	4.59 402	2.64 382	2.65 381	6.21 408	4.37 389	1.08 285	5.16 404	2.24 389	4.52 387	2.39 391

CFNet	1.37 342	5.27 371	0.19 123	5.49 387	0.19 142	0.28 148	0.19 127	0.28 140	0.19 136	0.28 144	0.19 140	0.28 150	4.35 397	0.28 153	0.19 135	0.23 135	0.17 125	0.23 135	4.21 407	4.81 389	0.17 121

raft_robust	4.71 401	7.75 381	5.40 400	6.81 395	3.31 398	4.28 400	4.20 406	4.32 399	4.37 407	4.35 398	4.35 406	4.14 398	3.75 391	4.30 400	4.20 404	6.67 405	6.37 398	3.36 391	4.24 408	4.86 390	3.25 395

Anonymous3	2.55 379	3.26 340	1.65 366	3.28 374	1.63 381	3.24 390	1.68 377	3.27 388	1.66 379	3.28 389	1.67 379	3.25 390	1.66 369	3.27 388	1.64 376	3.26 385	1.65 367	3.30 389	1.65 378	4.95 391	1.65 379

TestStereo	4.88 403	4.75 365	4.79 395	4.87 385	4.92 409	4.81 405	4.90 408	4.78 402	4.77 408	4.87 401	4.89 408	4.90 405	4.91 400	4.99 403	4.79 406	4.98 394	4.87 392	4.87 403	4.92 409	5.00 392	5.00 407

DISCO	1.11 288	0.39 123	5.28 398	0.39 151	0.20 143	0.39 183	0.27 158	0.39 171	0.22 142	0.38 168	0.20 142	0.38 177	0.20 141	6.95 411	0.22 142	0.30 157	0.21 132	0.27 148	0.21 144	5.25 393	0.21 129

StereoIM	3.19 389	6.02 374	1.12 286	5.61 389	1.16 319	5.43 407	1.02 299	5.15 405	0.70 274	5.43 404	1.21 360	5.03 407	0.97 285	4.85 402	0.99 296	4.53 392	1.16 296	5.53 406	1.25 361	5.37 394	1.30 364

DispFullNet	4.61 399	4.84 366	3.12 389	5.00 386	3.57 400	4.75 404	3.03 395	7.75 412	4.17 405	4.91 402	3.09 395	6.20 410	3.95 394	6.71 408	3.51 395	5.30 397	3.67 385	5.86 410	3.63 397	5.61 395	3.46 396

StereoVision	3.15 388	5.00 369	0.89 268	4.83 384	1.00 307	3.93 395	1.27 362	6.37 406	1.34 369	5.67 407	1.26 365	5.84 409	1.27 356	5.03 404	1.24 361	5.10 396	1.09 287	4.61 401	0.57 259	5.62 396	1.12 305

SGM-Forest	5.21 407	5.92 373	4.08 394	6.18 392	4.16 406	6.31 409	4.34 407	6.50 407	4.33 406	6.14 409	4.21 405	6.61 413	4.55 399	6.67 407	4.48 405	5.94 401	3.94 387	5.85 409	4.03 406	5.79 397	4.17 405
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 380	3.31 341	0.66 244	3.18 372	0.66 278	3.18 389	0.66 263	3.21 387	0.67 268	3.19 388	0.66 276	3.19 389	0.66 260	3.31 390	0.68 270	5.09 395	1.79 373	8.23 413	1.67 380	6.18 398	1.38 371

RAFT	6.73 409	9.36 390	7.40 408	8.51 402	6.55 412	6.88 410	6.60 411	6.79 408	6.60 411	6.80 410	6.72 413	5.31 408	5.50 402	6.61 406	6.61 411	8.42 411	5.89 396	5.73 407	5.45 412	6.61 399	6.24 410

gwcnet-sp	0.82 251	1.72 289	1.48 362	0.39 151	0.15 128	0.31 155	0.21 135	0.20 116	0.25 151	1.61 360	0.23 151	0.28 150	0.26 162	0.20 116	0.15 120	0.24 140	1.33 351	0.32 158	0.16 125	6.75 400	0.23 133

scenet	0.82 251	1.72 289	1.48 362	0.39 151	0.15 128	0.31 155	0.21 135	0.20 116	0.25 151	1.61 360	0.23 151	0.28 150	0.26 162	0.20 116	0.15 120	0.24 140	1.33 351	0.32 158	0.16 125	6.75 400	0.23 133

ssnet	0.82 251	1.72 289	1.48 362	0.39 151	0.15 128	0.31 155	0.21 135	0.20 116	0.25 151	1.61 360	0.23 151	0.28 150	0.26 162	0.20 116	0.15 120	0.24 140	1.33 351	0.32 158	0.16 125	6.75 400	0.23 133

test-1	6.46 408	9.16 389	8.03 412	8.09 400	5.62 411	6.11 408	6.35 410	6.85 409	4.94 409	6.08 408	6.29 412	4.98 406	6.43 404	6.22 405	6.36 410	6.16 403	7.47 404	5.82 408	5.44 411	7.11 403	5.68 409

test-v	7.53 411	11.89 398	7.98 410	9.36 405	7.14 413	7.06 411	7.09 412	7.37 410	6.91 412	7.29 411	5.71 410	6.45 411	6.93 405	6.73 409	7.27 412	8.93 413	7.85 406	6.98 411	6.80 413	7.56 404	7.34 412

test-2	7.53 411	11.89 398	7.98 410	9.36 405	7.14 413	7.06 411	7.09 412	7.37 410	6.91 412	7.29 411	5.71 410	6.45 411	6.93 405	6.73 409	7.27 412	8.93 413	7.85 406	6.98 411	6.80 413	7.56 404	7.34 412

CFNet_RVC	2.38 375	8.71 386	0.38 183	9.33 404	0.42 237	0.56 246	0.42 226	0.60 242	0.38 208	0.62 250	0.42 229	0.56 248	7.29 408	0.62 250	0.42 227	0.53 234	0.37 183	0.49 245	0.34 207	8.30 406	6.87 411

MSMDNet	2.65 381	10.14 396	0.33 168	9.74 407	0.32 193	0.87 276	0.33 185	2.95 385	0.68 269	0.49 223	0.34 198	0.49 230	5.70 403	0.49 231	0.33 185	0.42 214	9.57 409	0.41 216	0.31 197	8.36 407	0.65 259

SGM+DAISY	7.06 410	9.15 388	5.38 399	8.84 403	5.18 410	8.80 413	5.31 409	8.79 413	5.28 410	8.89 413	5.20 409	8.93 414	5.33 401	8.95 413	5.36 407	8.70 412	5.21 393	8.74 414	5.20 410	8.89 408	5.15 408

pcwnet_v2	2.66 382	9.89 394	0.33 168	9.89 409	0.32 193	0.50 239	0.32 178	0.49 219	0.33 191	0.49 223	0.34 198	0.49 230	8.76 410	0.48 225	0.33 185	0.41 201	9.58 410	0.40 205	0.29 184	9.01 409	0.63 257

ccs_rob	2.79 386	10.17 397	0.32 164	10.00 411	0.33 202	0.49 233	0.33 185	1.90 362	0.32 188	0.51 233	0.33 192	0.49 230	9.24 412	0.49 231	0.33 185	0.41 201	9.82 412	0.41 216	0.28 175	9.34 410	0.29 170

PCWNet_CMD	2.80 387	9.82 393	0.32 164	10.09 412	0.32 193	0.49 233	0.33 185	3.34 389	0.33 191	0.49 223	0.33 192	0.49 230	8.73 409	0.48 225	0.33 185	0.41 201	9.22 408	0.42 225	0.29 184	9.55 411	0.31 183

UCFNet_RVC	2.75 385	10.06 395	0.29 151	10.31 413	0.29 177	0.42 215	0.29 168	0.43 206	0.29 172	0.42 200	0.29 176	0.42 213	9.87 413	0.43 211	0.29 170	0.36 174	9.84 413	0.36 188	0.26 165	9.77 412	0.26 149

CFNet_pseudo	2.67 383	9.36 390	0.32 164	10.99 414	0.33 202	0.85 275	0.33 185	0.49 219	0.33 191	0.49 223	0.32 189	0.49 230	7.26 407	0.49 231	0.33 185	0.41 201	9.62 411	0.41 216	0.29 184	10.03 413	0.29 170

CFNet_ucs	2.73 384	9.64 392	0.33 168	9.92 410	0.32 193	0.49 233	0.33 185	0.49 219	0.33 191	0.49 223	0.33 192	0.49 230	8.98 411	0.48 225	0.33 185	0.41 201	9.96 414	0.40 205	0.29 184	10.12 414	0.54 243

rafts_anoy	20.00 415	20.00 401	20.00 415	20.00 415	20.00 416	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 415	20.00 415	20.00 414	20.00 415	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 415

raft+_RVC	20.00 415	20.00 401	20.00 415	20.00 415	20.00 416	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 415	20.00 415	20.00 414	20.00 415	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 415

raftrobust	20.00 415	20.00 401	20.00 415	20.00 415	20.00 416	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 415	20.00 415	20.00 414	20.00 415	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 415

CasAABBNet	20.00 415	20.00 401	20.00 415	20.00 415	20.00 416	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 415	20.00 415	20.00 414	20.00 415	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 415

RALCasStereoNet	20.00 415	20.00 401	20.00 415	20.00 415	20.00 416	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 415	20.00 415	20.00 414	20.00 415	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 415

RALAANet	20.00 415	20.00 401	20.00 415	20.00 415	20.00 416	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 415	20.00 415	20.00 414	20.00 415	20.00 415	20.00 416	20.00 415	20.00 416	20.00 415	20.00 415

MANE	19.05 414	23.00 407	15.00 414	23.00 421	15.00 415	24.00 420	16.00 414	24.00 420	16.00 414	22.00 420	15.00 414	23.00 421	16.00 414	23.00 420	15.00 414	22.00 421	15.00 415	22.00 421	15.00 415	22.00 421	15.00 414

111	30.40 421	30.94 423	29.72 422	32.61 422	30.02 423	33.57 421	30.47 422	31.50 421	29.39 422	30.98 421	29.11 422	29.78 422	30.39 425	29.45 421	30.76 425	30.08 422	29.02 423	29.92 422	30.32 426	29.86 422	30.17 422

tt	500032.53 436	34.60 425	29.72 422	37.47 428	34.41 428	36.85 427	35.22 427	34.71 425	33.55 424	34.50 422	35.43 426	33.81 426	10000000.00 439	33.57 425	33.13 426	33.68 426	35.00 428	34.03 427	35.26 429	30.96 423	34.63 427

DCANet	500032.53 436	34.60 425	29.72 422	37.47 428	34.41 428	36.85 427	35.22 427	34.71 425	33.55 424	34.50 422	35.43 426	33.81 426	10000000.00 439	33.57 425	33.13 426	33.68 426	35.00 428	34.03 427	35.26 429	30.96 423	34.63 427

ADStereo(finetuned)	36.13 424	36.63 428	38.07 429	36.97 427	33.25 427	35.91 426	34.45 426	36.36 428	32.99 423	38.14 429	36.71 429	36.69 429	34.13 426	38.57 429	40.79 429	37.60 430	36.58 430	35.90 430	33.36 427	35.42 425	34.04 426

DCANet-4	35.22 423	34.54 424	35.08 428	33.58 426	35.47 430	34.55 422	35.53 429	36.08 427	35.85 426	35.92 427	35.77 428	35.18 428	35.48 427	35.39 427	37.15 428	34.55 428	33.92 427	35.02 429	34.90 428	35.79 426	34.74 429

WCMA_ROB	31.10 422	35.43 427	27.12 421	39.51 430	23.10 422	38.78 429	25.30 421	37.49 429	25.39 421	37.29 428	27.02 421	38.52 430	26.48 421	37.80 428	26.44 421	36.28 429	22.65 422	33.90 426	22.30 422	37.10 427	24.18 421

NOSS_ROB	102.95 426	153.00 434	121.00 433	51.00 431	44.00 431	165.00 433	127.00 432	153.00 432	119.00 429	164.00 433	125.00 432	168.00 434	120.00 430	153.00 432	117.00 432	49.00 431	44.00 431	49.00 431	44.00 431	49.00 428	44.00 430

CBMV	128.50 427	1422.70 441	53.10 431	79.50 432	51.30 432	77.30 431	49.70 430	74.00 430	48.20 428	77.20 431	48.80 431	73.90 432	48.00 429	73.80 431	48.80 431	70.40 432	45.10 432	68.90 432	46.10 432	68.20 429	45.00 431
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 425	87.70 430	41.95 430	113.75 433	65.62 433	75.05 430	55.25 431	75.64 431	45.04 427	71.61 430	41.75 430	72.81 431	44.06 428	68.38 430	44.63 430	101.89 433	59.57 433	107.10 433	61.05 433	104.38 430	59.38 432

MeshStereo	159.24 428	171.00 435	160.68 436	162.58 434	160.59 434	164.01 432	160.35 433	158.51 433	158.56 430	158.34 432	160.12 433	158.56 433	159.92 431	157.26 433	158.94 433	154.38 434	158.36 434	155.75 434	159.13 435	153.67 431	154.07 433
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
AE-Stereo	201.80 429	123.00 431	115.00 432	219.00 435	218.00 436	223.00 434	244.00 435	217.00 434	236.00 432	202.00 434	203.00 434	205.00 435	208.00 432	225.00 434	204.00 434	210.00 435	198.00 435	197.00 435	184.00 436	204.00 432	201.00 434

MGS-Stereo	239.45 430	123.00 431	135.00 434	266.00 436	286.00 437	277.00 435	305.00 436	271.00 435	242.00 433	274.00 435	279.00 436	255.00 436	270.00 434	268.00 435	297.00 436	221.00 436	247.00 437	216.00 436	123.00 434	217.00 433	217.00 436

EGLCR-Stereo	246.90 431	129.00 433	139.00 435	266.00 436	286.00 437	277.00 435	305.00 436	271.00 435	242.00 433	274.00 435	279.00 436	255.00 436	270.00 434	268.00 435	297.00 436	230.00 437	247.00 437	216.00 436	223.00 438	237.00 434	227.00 437

DLCB_ROB	284.23 432	354.61 437	207.27 437	363.24 438	206.46 435	364.72 437	210.41 434	364.72 437	210.41 431	364.81 437	208.64 435	364.81 438	208.64 433	364.72 437	210.41 435	354.70 438	205.53 436	354.70 438	205.53 437	354.70 435	205.53 435

LE_ROB	396.57 433	471.28 438	329.84 438	471.48 439	308.15 439	526.83 438	322.10 438	488.15 438	323.76 435	495.46 438	317.97 438	497.17 439	320.10 436	481.62 438	326.76 438	462.71 439	298.97 439	466.16 439	285.98 439	447.62 436	289.21 438

SGM-ForestM	596.69 434	677.77 439	444.52 439	699.85 440	517.25 440	732.94 439	488.29 439	770.79 439	460.11 436	750.81 439	487.98 439	792.79 440	499.41 437	730.90 439	475.81 439	720.03 440	491.16 440	663.96 440	418.60 440	674.76 437	436.05 439

CBMV_ROB	818.48 435	913.88 440	709.52 440	862.84 441	597.78 441	1073.99 440	700.52 440	1015.66 440	702.59 437	1115.65 440	760.02 440	1130.24 441	721.57 438	1037.41 440	692.65 440	814.05 441	564.29 441	843.28 441	595.31 441	915.51 438	602.92 440

SDNR	10000000.00 441	10000000.00 442	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 441

anonymousdsp2	10000000.00 441	10000000.00 442	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 441

anonymousdsp	10000000.00 441	10000000.00 442	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 441

fff	1000028.16 438	29.62 419	29.72 422	32.61 422	30.02 423	35.13 423	31.83 423	32.07 422	10000000.00 438	35.27 424	29.82 423	32.45 423	30.15 422	32.35 422	30.09 422	31.04 423	29.55 424	30.64 423	30.14 423	10000000.00 439	30.77 423

csc	1000028.16 438	29.62 419	29.72 422	32.61 422	30.02 423	35.13 423	31.83 423	32.07 422	10000000.00 438	35.27 424	29.82 423	32.45 423	30.15 422	32.35 422	30.09 422	31.04 423	29.55 424	30.64 423	30.14 423	10000000.00 439	30.77 423

cscssc	1000028.16 438	29.62 419	29.72 422	32.61 422	30.02 423	35.13 423	31.83 423	32.07 422	10000000.00 438	35.27 424	29.82 423	32.45 423	30.15 422	32.35 422	30.09 422	31.04 423	29.55 424	30.64 423	30.14 423	10000000.00 439	30.77 423

test_example2	10000000.00 441	10000000.00 442	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 441

DIP-Stereo	10000000.00 441	10000000.00 442	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 442	10000000.00 439	10000000.00 441
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark