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

MIF-Stereo	1.73 30	0.60 25	20.25 269	0.98 96	1.19 240	0.78 3	0.39 5	1.19 1	1.55 24	1.21 40	1.28 41	0.52 1	0.64 10	1.17 7	1.16 77	0.35 136	0.20 18	0.25 25	0.22 45	0.42 195	0.31 15

Former-RAFT_DAM_RVC	0.99 3	0.85 125	1.58 1	0.95 79	1.08 214	2.95 62	0.53 24	1.93 19	2.00 88	1.19 39	1.63 105	0.59 2	0.65 12	1.10 4	0.90 30	0.28 29	0.23 72	0.31 119	0.25 78	0.45 219	0.32 18

CAS	1.34 13	0.48 1	2.20 6	3.01 386	1.66 332	4.08 243	0.73 96	1.96 21	1.51 17	0.86 12	1.10 15	0.59 2	0.53 2	1.36 30	0.94 40	3.07 391	0.14 1	0.21 3	0.14 1	0.38 154	1.78 302

CES	1.08 9	0.63 35	2.53 9	0.95 79	2.18 363	2.13 34	0.50 20	2.07 26	1.46 7	0.79 6	1.06 11	0.61 4	0.48 1	1.45 38	0.87 26	0.24 4	0.18 5	0.24 16	0.15 3	0.64 293	2.36 319

CAS++	1.01 6	0.77 109	3.30 11	0.86 37	0.53 62	1.23 9	0.85 153	3.43 121	1.57 29	1.16 38	1.33 49	0.62 5	0.58 4	1.18 9	0.63 1	0.37 164	0.30 149	0.35 201	0.27 107	0.41 187	0.38 59
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
LoS	1.05 7	0.58 10	3.31 12	0.91 58	0.38 7	4.14 258	0.50 20	2.22 32	1.49 13	1.02 29	0.88 7	0.62 5	0.84 38	1.69 61	0.94 40	0.27 22	0.20 18	0.24 16	0.17 9	0.22 2	0.32 18

test_xeample3	3.67 306	3.52 324	21.53 387	0.98 96	0.51 58	1.88 23	0.91 192	8.10 403	2.76 179	0.82 8	0.76 2	0.65 7	0.70 15	5.88 224	7.74 340	0.32 85	0.29 141	0.27 46	0.22 45	0.29 34	15.33 412

MoCha-V2	3.53 297	0.90 141	17.00 122	1.32 228	8.54 411	1.38 14	0.55 27	2.89 77	3.31 274	0.99 28	1.82 160	0.66 8	1.16 107	1.79 77	0.84 22	0.26 14	15.15 419	0.20 1	0.20 20	0.25 6	11.33 394

CASnet	0.85 2	0.59 18	1.66 2	0.91 58	0.30 1	1.37 13	0.73 96	1.63 6	1.94 81	1.66 78	1.14 23	0.66 8	0.63 9	1.07 2	0.90 30	0.37 164	0.17 3	0.41 249	0.31 196	0.33 90	0.23 5
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
MyStereo07	2.29 88	1.18 203	20.10 252	1.04 117	1.21 247	3.96 221	0.95 207	2.13 30	3.37 285	1.09 34	1.28 41	0.68 10	0.91 48	1.74 74	0.86 25	0.26 14	3.49 377	0.34 184	0.27 107	0.43 204	0.49 118

GLC_STEREO	0.83 1	0.59 18	1.71 3	0.89 50	0.34 3	1.88 23	0.80 130	1.48 2	1.60 39	0.98 27	1.06 11	0.68 10	0.71 17	1.19 10	0.89 29	0.25 8	0.25 103	0.32 134	0.25 78	0.32 69	0.34 31

XX-TBD	1.98 37	1.08 190	20.29 275	1.31 222	0.43 27	3.97 223	0.33 3	1.76 15	1.77 63	1.59 69	2.18 245	0.69 12	0.59 5	1.44 37	0.75 5	0.33 108	0.25 103	0.23 5	0.16 6	0.31 50	0.22 1

ff7	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 337	0.83 142	1.68 7	3.44 297	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 407

ffff	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 337	0.83 142	1.68 7	3.44 297	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 407

11t	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 337	0.83 142	1.68 7	3.44 297	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 407

ccc-4	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 337	0.83 142	1.68 7	3.44 297	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 407

Anonymous	1.97 36	0.88 132	20.58 317	1.08 128	1.27 256	1.65 18	0.89 168	2.54 51	1.62 45	0.92 23	1.18 26	0.70 13	1.09 84	1.28 15	1.00 55	0.53 292	0.35 182	0.30 101	0.30 179	0.66 302	0.56 148

Selective-IGEV	1.42 17	0.58 10	8.82 41	0.92 64	0.85 151	1.32 12	0.80 130	2.85 76	3.84 326	0.87 15	1.68 115	0.71 18	0.62 8	1.30 17	0.75 5	0.24 4	0.27 130	0.24 16	0.19 10	0.27 17	1.18 268

ACVNet-DCA	3.67 306	0.94 158	19.66 203	1.87 337	0.42 23	4.47 319	0.73 96	4.07 223	4.63 362	1.21 40	1.89 187	0.73 19	1.62 201	2.20 122	0.81 15	0.31 71	18.77 420	0.32 134	0.21 27	0.35 124	8.09 375

1test111	3.86 318	0.94 158	19.66 203	1.87 337	0.42 23	4.47 319	0.73 96	4.07 223	4.63 362	1.21 40	1.89 187	0.73 19	1.62 201	5.19 210	1.68 179	0.31 71	18.77 420	0.32 134	0.21 27	0.35 124	8.09 375

cc1	3.93 323	0.94 158	19.66 203	1.87 337	0.42 23	4.47 319	0.73 96	4.24 288	4.01 334	1.21 40	1.89 187	0.73 19	1.62 201	2.20 122	0.81 15	0.31 71	18.77 420	0.32 134	0.21 27	0.32 69	13.93 397

sAnonymous2	2.00 42	1.54 247	21.24 376	0.93 66	0.89 162	1.21 6	0.62 53	2.58 61	2.28 122	0.86 12	1.04 9	0.73 19	1.22 116	1.10 4	0.85 23	0.30 56	0.25 103	0.31 119	0.31 196	1.06 351	0.72 206

CroCo_RVC	2.00 42	1.54 247	21.24 376	0.93 66	0.89 162	1.21 6	0.62 53	2.58 61	2.28 122	0.86 12	1.04 9	0.73 19	1.22 116	1.10 4	0.85 23	0.30 56	0.25 103	0.31 119	0.31 196	1.06 351	0.72 206

IGEVStereo-DCA	3.09 240	3.48 322	16.25 105	0.96 86	0.49 49	1.59 16	0.83 142	1.68 7	3.44 297	0.75 4	0.78 3	0.74 24	0.73 20	5.79 221	7.75 341	0.32 85	0.26 123	0.28 66	0.21 27	0.32 69	15.08 407

rrr	3.66 304	3.48 322	23.50 412	0.96 86	0.49 49	1.59 16	0.92 197	8.19 404	2.75 176	0.75 4	0.78 3	0.74 24	0.73 20	5.79 221	7.75 341	0.32 85	0.26 123	0.28 66	0.21 27	0.32 69	13.47 395

tt1	3.79 314	0.93 155	15.34 88	1.83 335	0.45 32	4.54 331	0.78 120	4.23 281	4.73 367	1.27 48	1.89 187	0.74 24	1.48 162	2.29 133	0.78 8	0.30 56	19.28 430	0.32 134	0.22 45	0.31 50	14.02 398

whm_eth	2.15 59	1.55 250	19.39 192	0.96 86	1.37 274	2.60 51	0.72 89	3.63 137	2.97 210	1.55 63	2.06 224	0.78 27	0.71 17	1.17 7	1.08 65	0.45 233	0.29 141	0.34 184	0.33 213	0.44 212	0.65 189

anonymousdsp	3.14 248	0.83 120	20.28 272	0.94 71	0.64 100	4.54 331	0.82 138	2.03 25	3.32 278	0.91 20	1.13 20	0.78 27	0.77 26	1.78 76	0.90 30	0.29 34	0.25 103	0.29 80	0.21 27	0.33 90	21.81 426

ProNet	1.63 23	0.91 144	5.70 24	0.96 86	0.64 100	2.40 45	0.82 138	1.92 18	3.28 264	0.69 1	1.17 25	0.78 27	0.76 25	1.72 69	0.87 26	0.27 22	0.97 319	0.25 25	0.26 92	0.31 50	7.97 374

PMTNet	1.13 10	0.55 3	3.88 17	0.71 7	0.59 82	4.21 283	0.43 11	2.00 22	1.58 31	1.02 29	1.06 11	0.78 27	0.98 58	1.58 51	0.93 34	1.21 369	0.20 18	0.23 5	0.15 3	0.23 4	0.27 7

IGEV-Stereo	3.15 250	0.83 120	20.31 279	0.94 71	0.64 100	4.54 331	0.82 138	2.01 23	3.31 274	0.91 20	1.13 20	0.79 31	0.77 26	1.79 77	0.92 33	0.29 34	0.25 103	0.29 80	0.21 27	0.33 90	21.85 427
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
MGS-Stereo	1.24 12	0.66 52	9.68 44	0.97 93	0.40 22	1.26 10	0.72 89	1.50 3	1.35 1	1.03 31	2.26 257	0.80 32	0.56 3	1.28 15	0.78 8	0.31 71	0.23 72	0.26 36	0.22 45	0.28 22	0.34 31

test croco	2.00 42	0.89 136	21.49 386	0.67 3	0.73 123	1.66 19	0.57 31	3.27 109	2.18 103	0.80 7	1.25 36	0.80 32	0.86 40	1.72 69	1.13 70	0.34 124	0.21 34	0.32 134	0.25 78	0.44 212	0.34 31

MIF-Stereo (partial)	1.93 34	0.69 65	21.14 366	0.74 8	1.02 195	1.07 5	0.49 17	2.75 72	1.78 65	0.82 8	1.22 31	0.80 32	0.90 46	1.68 56	1.63 169	0.38 177	0.24 91	0.33 166	0.26 92	0.41 187	0.32 18

AEACV	2.12 56	0.67 54	6.33 27	1.38 246	1.50 294	3.53 130	0.90 184	2.83 75	1.60 39	0.91 20	0.81 6	0.80 32	1.61 193	1.56 50	0.73 4	0.25 8	0.60 281	0.26 36	0.27 107	0.29 34	15.65 413

sCroCo_RVC	1.81 32	0.93 155	19.44 195	1.04 117	1.05 208	0.97 4	0.61 46	2.08 27	1.36 2	0.71 3	1.28 41	0.82 36	1.10 90	1.31 19	0.97 49	0.54 296	0.41 225	0.33 166	0.30 179	0.46 227	0.48 113

LoS_RVC	1.23 11	1.51 243	6.09 25	0.88 49	1.71 337	1.96 26	0.59 39	1.61 5	1.37 3	0.84 10	1.35 52	0.84 37	1.15 106	1.49 43	0.83 21	0.21 1	0.17 3	0.20 1	0.14 1	0.20 1	1.49 285

TANstereo	1.98 37	0.87 129	20.35 282	0.80 21	0.37 6	4.05 236	0.38 4	1.50 3	1.65 52	2.03 153	2.16 239	0.84 37	0.93 52	1.09 3	0.68 2	0.30 56	0.36 189	0.24 16	0.20 20	0.26 14	0.46 98

CREStereo++_RVC	1.98 37	0.59 18	19.94 233	0.87 44	0.55 68	4.02 229	0.31 2	1.75 14	2.09 93	1.65 77	2.20 249	0.85 39	0.65 12	1.03 1	0.72 3	0.29 34	0.16 2	0.23 5	1.22 379	0.25 6	0.22 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
LargeStereo	3.59 300	0.91 144	13.63 61	1.08 128	0.98 185	1.27 11	0.98 215	3.33 113	1.89 76	0.93 24	1.38 60	0.86 40	1.09 84	1.71 65	1.09 67	0.36 156	21.52 434	0.23 5	0.21 27	0.31 50	18.10 423

GMStereo	2.01 45	2.26 297	20.93 344	0.90 56	0.48 42	1.67 20	0.56 28	1.90 17	2.19 104	1.58 68	1.31 47	0.87 41	0.74 23	1.68 56	1.00 55	0.41 194	0.21 34	0.30 101	0.32 206	0.50 247	0.46 98
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
panet	1.00 4	0.55 3	1.89 5	0.66 1	0.33 2	4.41 310	0.40 7	2.42 40	1.95 82	0.96 25	1.24 33	0.88 42	0.89 45	1.27 14	0.78 8	0.30 56	0.19 9	0.23 5	0.15 3	0.22 2	0.22 1

StereoIM	1.60 20	1.11 194	16.13 102	0.67 3	1.87 351	1.22 8	0.39 5	2.17 31	1.42 6	0.69 1	0.78 3	0.88 42	0.70 15	1.24 12	1.13 70	0.32 85	0.23 72	0.26 36	0.21 27	0.32 69	0.28 8

CREStereo	1.00 4	0.59 18	1.82 4	0.66 1	0.36 4	4.43 313	0.40 7	2.43 41	1.98 85	0.96 25	1.22 31	0.88 42	0.87 42	1.30 17	0.79 13	0.30 56	0.20 18	0.23 5	0.16 6	0.23 4	0.22 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
MC-Stereo	2.54 141	0.58 10	6.38 28	1.30 219	1.37 274	4.56 341	0.60 43	2.08 27	1.57 29	1.97 131	1.68 115	0.89 45	1.12 95	1.46 39	0.88 28	0.27 22	8.44 397	0.27 46	0.22 45	0.26 14	14.87 404

s12784h	2.08 54	0.50 2	16.85 120	0.75 9	0.36 4	4.42 312	0.49 17	4.23 281	3.08 233	2.03 153	2.67 315	0.91 46	1.05 78	2.05 104	0.78 8	0.37 164	0.18 5	0.24 16	0.16 6	0.27 17	0.26 6

DIP-Stereo	2.03 49	0.98 171	16.44 116	0.67 3	0.62 95	4.30 295	0.58 37	4.43 343	2.89 202	1.97 131	1.40 63	0.91 46	0.86 40	1.31 19	1.27 103	0.38 177	0.23 72	0.33 166	0.23 54	0.33 90	0.57 153
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DLNR_Zeroshot_test	29.83 425	55.48 438	50.99 432	183.84 442	114.74 439	3.44 109	0.28 1	29.52 426	1.59 34	1.03 31	1.25 36	0.93 48	0.64 10	3.95 194	1.62 166	37.16 434	1.69 342	0.26 36	0.23 54	92.97 439	15.07 406

RCA-Stereo	1.38 15	0.61 30	3.95 19	0.94 71	0.48 42	4.68 364	0.78 120	4.17 261	1.95 82	1.93 115	1.84 174	0.94 49	1.48 162	1.23 11	0.75 5	0.30 56	0.43 237	0.25 25	0.20 20	0.26 14	0.37 52

HHNet	2.51 131	0.76 106	20.83 336	0.67 3	0.67 108	4.07 240	0.90 184	3.85 175	1.59 34	2.14 182	4.91 370	0.98 50	3.32 331	1.73 72	1.80 202	0.41 194	0.20 18	0.31 119	0.28 132	0.38 154	0.44 87

UDGNet	2.34 98	1.71 265	20.28 272	1.42 263	0.62 95	4.39 306	0.67 65	1.82 16	2.28 122	1.40 54	1.21 30	0.99 51	1.00 61	2.23 127	1.23 86	1.14 366	0.35 182	1.30 382	0.98 366	1.11 360	0.62 179

CroCo-Stereo	1.07 8	1.18 203	3.66 13	0.91 58	0.60 85	0.49 1	0.49 17	4.07 223	1.91 77	0.84 10	1.29 45	1.00 52	0.75 24	1.32 22	1.38 123	0.26 14	0.21 34	0.24 16	0.20 20	0.37 145	0.30 13
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
AE-Stereo	2.91 215	0.63 35	17.05 124	1.15 153	0.63 98	4.39 306	0.70 81	4.02 209	2.12 99	1.24 47	2.04 216	1.01 53	0.91 48	1.67 55	1.42 127	0.30 56	1.14 326	0.28 66	0.28 132	0.27 17	16.93 422

raft+_RVC	3.46 292	2.57 306	19.51 199	1.49 279	17.54 420	3.63 148	0.76 116	3.24 103	1.53 20	1.35 50	1.67 113	1.03 54	1.10 90	1.98 101	1.53 144	0.25 8	7.10 394	0.25 25	0.24 67	0.28 22	2.18 316

DCANet-4	2.06 53	0.58 10	15.30 87	0.86 37	0.44 31	4.16 264	0.57 31	4.31 314	3.28 264	2.31 230	1.82 160	1.04 55	1.54 178	1.69 61	1.56 150	0.35 136	0.24 91	0.24 16	0.19 10	0.25 6	0.57 153

11t1	2.82 206	0.72 78	17.81 144	1.60 299	0.93 176	2.27 41	0.62 53	3.76 158	4.47 359	1.72 88	1.33 49	1.05 56	1.34 131	1.84 89	1.45 136	0.29 34	5.57 388	0.29 80	0.26 92	0.32 69	8.80 386

CroCo-Stereo Lap2	1.65 26	1.14 200	14.70 81	1.00 104	1.80 349	0.53 2	0.46 14	3.18 98	1.62 45	1.10 36	1.24 33	1.05 56	0.78 28	1.40 34	1.18 78	0.31 71	0.23 72	0.27 46	0.22 45	0.46 227	0.38 59

EGLCR-Stereo	2.52 133	0.56 5	9.39 42	1.16 157	0.81 143	5.24 385	0.61 46	4.20 271	1.56 27	1.09 34	0.71 1	1.09 58	0.66 14	1.92 93	0.82 20	0.29 34	0.30 149	0.29 80	0.24 67	0.37 145	19.09 424

EAI-Stereo	4.89 360	0.69 65	7.74 33	0.99 101	1.63 322	4.68 364	51.52 430	5.79 397	3.37 285	3.64 359	7.24 376	1.10 59	0.95 55	2.51 146	1.71 187	0.33 108	0.31 154	0.28 66	2.04 402	0.28 22	0.92 242

Anonymous3	2.20 70	0.80 113	20.08 249	0.86 37	0.86 153	4.46 316	0.84 149	3.64 140	1.40 5	1.37 52	1.40 63	1.11 60	1.03 65	1.71 65	1.24 90	0.75 344	0.58 278	0.34 184	0.35 235	0.48 242	0.65 189

LMCR-Stereo	2.53 137	2.30 299	18.81 162	1.64 310	0.86 153	3.88 198	1.14 245	4.33 324	1.63 48	2.27 221	2.35 272	1.13 61	2.41 287	2.63 156	2.26 250	1.06 362	0.24 91	0.29 80	0.25 78	0.62 284	0.42 79

R-Stereo Train	2.13 57	0.65 45	19.43 193	1.02 111	0.67 108	3.79 178	0.89 168	4.12 244	1.55 24	2.15 186	1.72 126	1.13 61	0.94 53	1.46 39	1.30 105	0.32 85	0.25 103	0.27 46	0.21 27	0.28 22	0.37 52

RAFT-Stereo	2.13 57	0.65 45	19.43 193	1.02 111	0.67 108	3.79 178	0.89 168	4.12 244	1.55 24	2.15 186	1.72 126	1.13 61	0.94 53	1.46 39	1.30 105	0.32 85	0.25 103	0.27 46	0.21 27	0.28 22	0.37 52
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AnonymousM	1.38 15	1.33 227	2.35 8	0.95 79	0.56 71	4.03 231	0.67 65	2.63 66	2.49 152	1.51 61	1.36 55	1.15 64	1.00 61	1.26 13	1.04 59	0.41 194	0.46 247	2.07 389	1.71 390	0.25 6	0.40 67

IPLGR_C	2.96 224	11.71 374	20.02 240	0.95 79	1.31 264	3.93 212	0.92 197	4.22 276	3.76 323	2.35 248	2.62 310	1.16 65	1.07 82	1.71 65	1.34 109	0.45 233	0.25 103	0.27 46	0.23 54	0.33 90	0.60 171

CIPLG	2.88 211	10.01 365	20.02 240	0.95 79	1.34 268	3.95 217	0.91 192	4.24 288	3.69 321	2.36 252	2.66 313	1.17 66	1.06 80	1.82 86	1.37 122	0.45 233	0.25 103	0.27 46	0.23 54	0.33 90	0.60 171

ACRE	2.75 198	7.69 352	19.93 232	0.93 66	1.30 260	3.94 215	0.90 184	4.23 281	3.66 318	2.33 244	2.61 309	1.17 66	1.04 71	1.80 83	1.35 110	0.46 246	0.25 103	0.27 46	0.23 54	0.32 69	0.60 171

raftrobust	2.05 52	1.45 237	13.44 60	1.29 215	5.81 409	3.59 139	0.67 65	2.80 74	1.50 14	2.21 205	1.41 66	1.17 66	1.22 116	1.37 32	1.46 138	0.29 34	0.33 166	0.22 4	0.20 20	0.27 17	0.36 51

ADStereo(finetuned)	2.30 91	0.97 168	17.29 130	0.86 37	0.43 27	4.17 269	0.59 39	4.31 314	3.29 269	2.35 248	1.86 180	1.18 69	3.35 334	1.69 61	1.59 158	0.34 124	0.25 103	0.23 5	0.19 10	0.31 50	0.72 206

RALCasStereoNet	3.17 254	1.87 279	20.86 339	1.17 164	1.63 322	3.10 69	0.70 81	3.21 100	2.19 104	1.39 53	1.73 132	1.18 69	0.91 48	2.46 141	1.64 172	0.31 71	8.75 401	0.25 25	0.22 45	0.31 50	9.45 387

DCANet	2.37 106	0.98 171	20.47 296	0.86 37	0.43 27	4.18 272	0.59 39	4.31 314	3.29 269	2.35 248	1.86 180	1.18 69	1.63 204	1.69 61	1.59 158	0.34 124	0.25 103	0.24 16	0.19 10	0.31 50	0.73 211

fff	2.40 111	0.96 164	20.47 296	0.84 29	0.38 7	4.15 261	0.57 31	4.30 304	2.85 192	2.31 230	1.82 160	1.19 72	2.98 313	1.68 56	1.57 153	0.35 136	0.24 91	0.23 5	0.19 10	0.25 6	0.57 153

dd	2.27 81	3.06 314	20.18 257	0.96 86	0.51 58	4.24 288	0.74 104	1.94 20	2.43 143	1.48 60	1.28 41	1.19 72	1.05 78	1.82 86	1.69 182	0.63 318	0.34 173	0.35 201	0.33 213	0.61 279	0.57 153

rafts_anoy	2.76 200	1.68 262	20.42 289	1.42 263	3.90 396	3.03 67	0.61 46	3.24 103	1.66 54	1.42 55	1.26 38	1.19 72	1.11 93	2.13 113	1.64 172	0.33 108	8.77 402	0.32 134	0.32 206	0.32 69	0.38 59

csc	2.40 111	0.96 164	20.47 296	0.84 29	0.38 7	4.15 261	0.57 31	4.30 304	2.85 192	2.31 230	1.82 160	1.19 72	2.98 313	1.68 56	1.57 153	0.35 136	0.24 91	0.23 5	0.19 10	0.25 6	0.57 153

cscssc	2.40 111	0.96 164	20.47 296	0.84 29	0.38 7	4.15 261	0.57 31	4.30 304	2.85 192	2.31 230	1.82 160	1.19 72	2.98 313	1.68 56	1.57 153	0.35 136	0.24 91	0.23 5	0.19 10	0.25 6	0.57 153

PSM-AAD	3.41 284	0.58 10	20.55 308	0.95 79	0.56 71	4.46 316	7.40 403	3.11 94	1.58 31	2.30 227	2.56 304	1.26 77	16.19 410	2.47 144	1.00 55	0.32 85	0.22 49	0.58 328	0.41 283	0.37 145	1.32 274

TestStereo	2.41 117	1.95 282	19.15 175	0.77 10	0.61 86	1.83 21	0.58 37	2.33 36	1.53 20	1.44 58	1.37 57	1.26 77	0.90 46	11.59 361	0.94 40	0.36 156	0.19 9	0.33 166	0.24 67	0.45 219	0.32 18

RALAANet	2.29 88	2.73 308	21.08 356	1.29 215	0.94 179	1.45 15	0.68 73	3.25 106	2.61 164	2.02 148	1.80 153	1.28 79	1.04 71	2.12 111	1.79 201	0.30 56	0.22 49	0.27 46	0.27 107	0.41 187	0.35 36

GES	2.26 78	0.79 112	19.68 210	1.12 143	0.59 82	4.30 295	1.01 217	3.90 182	1.59 34	1.78 98	1.78 146	1.28 79	1.75 227	1.80 83	1.61 164	0.42 204	0.29 141	0.33 166	0.31 196	0.45 219	0.50 122

IPLG	2.56 151	1.11 194	19.89 229	0.95 79	0.79 140	4.60 346	0.56 28	4.31 314	2.10 95	1.94 121	2.00 211	1.34 81	1.37 135	6.59 243	1.59 158	0.32 85	0.21 34	0.27 46	0.23 54	0.32 69	0.63 182

PFNet+	2.46 125	0.64 38	21.10 363	0.98 96	0.48 42	4.63 350	0.83 142	2.47 43	3.48 306	2.14 182	1.67 113	1.34 81	1.03 65	4.66 204	1.35 110	0.49 264	0.33 166	0.38 236	0.39 266	0.33 90	0.49 118

ICVP	2.19 66	0.72 78	19.18 178	1.03 114	0.88 161	4.22 285	0.94 204	3.44 123	1.69 58	1.68 81	1.76 136	1.35 83	1.19 113	1.80 83	1.40 125	0.58 305	0.37 194	0.34 184	0.30 179	0.41 187	0.59 167
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iResNet	2.70 186	1.35 229	20.93 344	2.01 348	0.73 123	3.76 172	0.83 142	4.28 301	2.93 206	2.38 258	2.03 214	1.35 83	1.54 178	3.28 178	4.42 313	0.42 204	0.25 103	0.29 80	0.23 54	0.45 219	0.64 186

NF-Stereo	2.68 185	0.67 54	21.09 361	2.43 364	0.47 37	4.67 356	0.67 65	3.68 143	4.30 349	2.11 176	1.62 101	1.36 85	1.09 84	6.07 232	1.24 90	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

OCTAStereo	2.67 182	0.67 54	21.08 356	2.43 364	0.47 37	4.67 356	0.67 65	3.68 143	4.31 352	2.11 176	1.62 101	1.36 85	1.09 84	6.02 229	1.25 96	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

RE-Stereo	2.67 182	0.67 54	21.08 356	2.43 364	0.47 37	4.67 356	0.67 65	3.68 143	4.30 349	2.11 176	1.62 101	1.36 85	1.09 84	6.01 226	1.26 101	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

TVStereo	2.67 182	0.67 54	21.08 356	2.43 364	0.47 37	4.67 356	0.67 65	3.68 143	4.30 349	2.11 176	1.62 101	1.36 85	1.09 84	6.01 226	1.26 101	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

CASS	1.65 26	0.73 81	8.72 39	0.97 93	0.67 108	2.88 57	0.69 79	3.07 93	1.86 72	2.82 314	2.02 212	1.39 89	1.55 181	1.75 75	1.36 117	0.51 280	0.28 136	0.34 184	0.28 132	0.47 237	0.63 182
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test_xeample	4.19 331	0.93 155	14.09 70	1.16 157	1.17 233	3.28 86	0.80 130	4.63 369	5.30 380	2.46 274	2.35 272	1.39 89	1.42 150	10.88 334	17.68 400	0.30 56	6.50 392	0.32 134	0.32 206	0.36 141	8.38 383

DN-CSS_ROB	2.89 213	9.72 363	19.71 211	2.07 353	0.90 166	4.01 227	0.61 46	4.06 221	3.35 283	1.66 78	1.89 187	1.39 89	1.06 80	3.24 177	1.88 210	0.44 224	0.19 9	0.44 265	0.29 162	0.40 169	0.42 79

222	3.82 315	0.88 132	6.92 29	1.15 153	0.99 187	3.27 84	0.64 60	4.57 362	5.37 384	2.43 269	2.32 270	1.41 92	1.44 154	10.64 327	18.51 406	0.32 85	4.89 385	0.32 134	0.30 179	0.34 111	9.80 390

PSM-softLoss	2.62 165	0.65 45	21.11 364	2.46 368	0.49 49	4.68 364	0.68 73	2.61 64	4.23 343	2.14 182	1.47 70	1.42 93	0.99 59	6.04 230	1.24 90	0.47 253	0.23 72	0.37 224	0.39 266	0.33 90	0.34 31

KMStereo	2.62 165	0.65 45	21.11 364	2.46 368	0.49 49	4.68 364	0.68 73	2.61 64	4.23 343	2.14 182	1.47 70	1.42 93	0.99 59	6.04 230	1.24 90	0.47 253	0.23 72	0.37 224	0.39 266	0.33 90	0.34 31

TestStereo1	2.56 151	1.41 233	20.56 310	1.63 306	0.74 126	4.13 253	1.34 270	3.93 191	3.38 287	1.61 70	2.56 304	1.43 95	2.13 268	2.55 152	1.70 184	0.32 85	0.22 49	0.34 184	0.26 92	0.40 169	0.53 139

SA-5K	2.56 151	1.41 233	20.56 310	1.63 306	0.74 126	4.13 253	1.34 270	3.93 191	3.38 287	1.61 70	2.56 304	1.43 95	2.13 268	2.55 152	1.70 184	0.32 85	0.22 49	0.34 184	0.26 92	0.40 169	0.53 139

LCNet	2.54 141	0.60 25	20.89 341	1.01 107	0.57 78	3.60 143	1.21 257	3.20 99	1.70 59	2.17 192	1.76 136	1.43 95	4.12 350	3.61 184	0.94 40	0.32 85	0.20 18	0.28 66	0.76 352	0.50 247	1.83 306

Selective-RAFT	1.34 13	0.58 10	2.21 7	1.01 107	0.49 49	4.19 280	0.51 22	3.39 118	3.62 316	1.15 37	1.40 63	1.45 98	1.40 143	2.09 107	1.31 107	0.43 218	0.40 219	0.25 25	0.26 92	0.29 34	0.38 59

DisPM	2.29 88	0.61 30	20.25 269	1.79 333	0.52 61	4.58 342	0.77 117	2.50 46	2.22 110	2.49 280	1.82 160	1.45 98	1.01 64	2.73 164	1.04 59	0.48 258	0.20 18	0.32 134	0.31 196	0.32 69	0.45 91

Pruner-Stereo	2.33 96	0.70 71	20.66 325	2.05 352	0.48 42	4.73 371	0.78 120	2.55 58	2.70 171	2.47 275	1.57 91	1.48 100	1.03 65	1.71 65	1.55 149	0.48 258	0.21 34	0.34 184	0.30 179	0.31 50	0.42 79

mmm	2.70 186	0.80 113	8.26 34	1.50 281	1.18 235	2.44 46	0.85 153	4.08 230	4.59 361	2.31 230	1.95 203	1.51 101	1.55 181	2.33 137	1.72 189	0.31 71	7.71 396	0.45 271	0.42 286	0.40 169	9.56 388

MIPNet	2.43 120	1.13 198	20.00 238	0.93 66	0.58 81	4.74 373	0.62 53	4.33 324	2.95 208	1.94 121	1.49 72	1.52 102	1.96 255	2.77 165	1.60 162	0.35 136	0.20 18	0.27 46	0.23 54	0.32 69	0.59 167

DeepStereo_RVC	2.42 119	0.70 71	18.41 153	0.79 20	0.43 27	4.50 325	0.70 81	2.51 47	3.51 309	2.02 148	1.79 149	1.54 103	6.35 373	1.93 95	1.22 85	0.47 253	0.22 49	0.29 80	0.29 162	0.35 124	0.40 67

HCRNet	2.24 74	0.74 87	14.54 78	0.82 27	1.36 271	4.11 248	0.70 81	3.61 135	3.03 225	1.83 106	1.61 98	1.58 104	1.40 143	5.79 221	1.60 162	0.35 136	0.28 136	0.36 213	0.29 162	0.34 111	0.46 98

DRaft	3.12 245	0.68 60	20.57 314	0.77 10	0.49 49	3.95 217	1.20 255	2.40 37	1.60 39	2.64 295	2.80 324	1.59 105	5.33 364	6.94 255	9.51 349	0.43 218	0.22 49	0.27 46	0.27 107	0.32 69	0.47 106

x	2.94 221	0.83 120	16.07 99	1.51 283	0.83 146	2.13 34	0.96 212	3.97 198	4.73 367	1.73 90	1.43 67	1.61 106	1.27 121	2.24 128	1.71 187	0.29 34	6.91 393	0.34 184	0.31 196	0.34 111	9.60 389

RAFT-Stereo + iAFF	2.49 129	1.68 262	20.50 303	1.11 136	1.32 267	4.13 253	0.42 10	3.23 102	3.30 273	2.05 160	2.40 281	1.61 106	1.11 93	1.49 43	1.63 169	0.22 2	0.22 49	0.26 36	0.24 67	0.31 50	2.47 324

FADNet_RVC	3.10 241	7.62 350	19.12 173	1.05 121	0.93 176	4.09 244	0.84 149	4.34 327	2.05 91	1.54 62	1.78 146	1.61 106	1.50 166	8.92 283	2.64 273	0.50 274	0.38 207	0.44 265	0.61 338	0.91 342	1.16 267

RAFT+CT+SA	2.32 93	1.30 223	19.71 211	1.01 107	1.41 283	4.04 232	0.92 197	3.96 195	1.64 50	1.64 74	1.69 118	1.63 109	1.18 111	3.06 175	1.19 81	0.28 29	0.22 49	0.32 134	0.34 222	0.34 111	0.47 106

SFCPSM	2.16 61	0.75 98	15.82 97	0.91 58	0.98 185	3.74 169	1.27 263	4.15 254	2.56 158	1.90 110	1.82 160	1.64 110	1.39 139	2.51 146	1.57 153	0.36 156	0.28 136	0.39 240	0.36 244	0.36 141	0.50 122

H2IRNET	2.19 66	0.83 120	19.13 174	1.25 203	0.61 86	4.48 323	0.44 12	2.94 80	1.86 72	1.08 33	2.29 265	1.67 111	1.40 143	2.18 120	1.64 172	0.41 194	0.21 34	0.33 166	0.37 252	0.38 154	0.39 64

HITNet	2.49 129	2.91 311	19.23 183	1.54 288	0.57 78	3.47 115	0.79 126	4.16 257	2.93 206	2.18 195	1.65 112	1.68 112	1.45 156	2.17 118	2.99 285	0.28 29	0.20 18	0.41 249	0.27 107	0.45 219	0.52 134
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
SA	2.55 146	1.54 247	20.70 327	1.12 143	0.48 42	4.26 289	1.33 269	4.45 346	3.28 264	1.68 81	1.96 204	1.69 113	2.25 278	2.60 154	1.57 153	0.30 56	0.29 141	0.37 224	0.38 260	0.36 141	0.47 106

GMM-Stereo	2.52 133	0.56 5	20.57 314	0.92 64	0.83 146	4.18 272	1.88 323	2.51 47	2.40 138	2.48 277	2.30 268	1.69 113	1.84 244	2.93 172	1.25 96	0.32 85	0.19 9	0.33 166	0.49 308	0.37 145	2.40 320

GrayStereo	3.68 308	0.56 5	20.61 320	1.71 322	0.90 166	4.17 269	8.11 405	3.17 97	4.13 338	2.80 312	2.49 295	1.70 115	17.06 411	2.83 168	1.25 96	0.37 164	0.23 72	0.27 46	0.32 206	0.30 45	0.57 153

ARAFT	3.24 267	13.49 382	19.88 228	0.93 66	0.49 49	4.16 264	1.40 279	4.37 333	3.21 249	2.40 263	1.91 195	1.70 115	1.04 71	6.43 240	1.45 136	0.37 164	0.19 9	0.37 224	0.35 235	0.37 145	0.35 36

Prome-Stereo	2.57 155	0.60 25	20.29 275	1.01 107	0.62 95	4.40 308	1.80 319	3.22 101	1.74 61	2.18 195	3.43 350	1.71 117	3.45 339	2.24 128	1.19 81	0.32 85	0.20 18	0.27 46	0.25 78	0.37 145	2.15 313

dad	2.65 174	3.40 319	19.45 196	1.05 121	0.65 105	4.21 283	0.84 149	2.10 29	2.77 180	2.32 242	1.72 126	1.72 118	1.27 121	3.86 189	2.04 233	1.06 362	0.40 219	2.04 388	0.49 308	0.78 326	0.83 227

IPLGR	2.61 162	0.73 81	20.72 330	0.87 44	0.54 65	4.58 342	0.52 23	4.32 321	2.79 183	1.91 111	1.54 84	1.72 118	1.71 224	6.94 255	1.43 129	0.31 71	0.21 34	0.27 46	0.24 67	0.34 111	0.48 113

DCRE	3.02 231	0.95 162	18.48 155	1.18 168	1.89 352	3.57 136	0.82 138	3.36 116	1.70 59	2.04 156	8.12 381	1.73 120	1.07 82	1.31 19	1.24 90	0.24 4	0.87 310	0.26 36	0.27 107	0.28 22	11.03 393

GMOStereo	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 252	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 414	0.35 201	0.28 132	0.35 124	0.33 23

error version	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 252	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 414	0.35 201	0.28 132	0.35 124	0.33 23

test-v	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 252	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 414	0.35 201	0.28 132	0.35 124	0.33 23

TRStereo	2.86 208	2.12 291	19.98 237	1.68 316	1.18 235	4.35 300	1.05 228	5.07 383	3.48 306	1.56 65	1.39 61	1.75 121	0.85 39	2.01 103	1.50 140	0.43 218	0.34 173	0.33 166	0.36 244	0.36 141	7.50 372

NRIStereo	2.32 93	0.69 65	20.07 244	1.35 234	0.38 7	4.73 371	0.89 168	2.43 41	3.35 283	1.95 126	1.37 57	1.75 121	1.21 115	2.97 173	1.35 110	0.49 264	0.22 49	0.29 80	0.26 92	0.31 50	0.33 23

test-2	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 252	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 414	0.35 201	0.28 132	0.35 124	0.33 23

PS-NSSS	3.11 242	1.60 255	19.48 197	1.00 104	1.53 299	4.12 250	1.08 232	4.59 367	2.80 184	2.19 200	2.38 276	1.76 127	1.39 139	11.79 372	1.94 222	0.69 328	0.45 243	0.95 369	0.43 291	1.03 349	1.00 251

Patchmatch Stereo++	2.28 85	0.74 87	20.54 306	0.77 10	0.38 7	4.67 356	0.75 109	2.55 58	3.21 249	2.00 139	1.53 75	1.77 128	1.14 101	2.46 141	0.98 50	0.51 280	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	2.26 78	0.74 87	20.53 305	0.77 10	0.38 7	4.67 356	0.71 86	2.54 51	3.22 254	2.00 139	1.53 75	1.77 128	1.13 96	2.22 126	0.96 46	0.50 274	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

ROB_FTStereo_v2	2.25 76	0.74 87	20.45 293	0.77 10	0.38 7	4.66 355	0.74 104	2.54 51	3.20 246	2.00 139	1.53 75	1.77 128	1.14 101	2.13 113	0.96 46	0.50 274	0.22 49	0.32 134	0.28 132	0.40 169	0.35 36

ROB_FTStereo	2.26 78	0.74 87	20.44 291	0.77 10	0.38 7	4.65 353	0.75 109	2.54 51	3.19 245	2.00 139	1.54 84	1.77 128	1.13 96	2.28 132	0.94 40	0.49 264	0.22 49	0.32 134	0.28 132	0.40 169	0.35 36

HUI-Stereo	2.27 81	0.74 87	20.56 310	0.77 10	0.38 7	4.67 356	0.78 120	2.54 51	3.23 257	2.00 139	1.53 75	1.77 128	1.13 96	2.21 125	0.93 34	0.49 264	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

iGMRVC	2.27 81	0.74 87	20.46 294	0.77 10	0.38 7	4.65 353	0.73 96	2.54 51	3.21 249	2.00 139	1.53 75	1.77 128	1.14 101	2.47 144	0.99 52	0.51 280	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

iRAFT	2.28 85	0.74 87	20.54 306	0.77 10	0.38 7	4.67 356	0.75 109	2.55 58	3.21 249	2.00 139	1.53 75	1.77 128	1.14 101	2.46 141	0.98 50	0.51 280	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

RAFT-IKP	2.27 81	0.74 87	20.55 308	0.77 10	0.38 7	4.64 352	0.73 96	2.54 51	3.21 249	2.00 139	1.53 75	1.77 128	1.13 96	2.25 131	1.00 55	0.51 280	0.22 49	0.32 134	0.28 132	0.40 169	0.35 36

xx1	3.69 309	0.94 158	19.66 203	1.87 337	0.42 23	4.47 319	0.73 96	4.24 288	4.01 334	1.21 40	1.89 187	1.78 136	1.36 133	2.20 122	0.81 15	0.31 71	18.77 420	0.33 166	0.36 244	0.35 124	8.09 375

qqq	2.96 224	0.88 132	15.54 94	1.27 208	0.74 126	2.29 42	0.90 184	4.07 223	4.63 362	1.63 73	1.32 48	1.78 136	1.36 133	5.19 210	1.68 179	0.29 34	6.43 391	0.33 166	0.36 244	0.35 124	8.09 375

gwcnet-sp	2.38 107	1.51 243	17.58 137	1.11 136	0.92 172	3.59 139	1.03 222	3.79 162	2.43 143	2.60 287	1.63 105	1.80 138	1.61 193	3.87 190	1.99 223	0.33 108	0.32 160	0.30 101	0.29 162	0.40 169	0.47 106

scenet	2.38 107	1.51 243	17.58 137	1.11 136	0.92 172	3.59 139	1.03 222	3.79 162	2.43 143	2.60 287	1.63 105	1.80 138	1.61 193	3.87 190	1.99 223	0.33 108	0.32 160	0.30 101	0.29 162	0.40 169	0.47 106

ssnet	2.38 107	1.51 243	17.58 137	1.11 136	0.92 172	3.59 139	1.03 222	3.79 162	2.43 143	2.60 287	1.63 105	1.80 138	1.61 193	3.87 190	1.99 223	0.33 108	0.32 160	0.30 101	0.29 162	0.40 169	0.47 106

Consistency-Raft	2.93 217	1.93 281	19.72 213	1.41 256	1.75 341	3.85 190	1.32 268	4.09 234	2.75 176	1.82 104	2.66 313	1.81 141	4.34 355	2.29 133	2.08 237	0.90 355	0.94 315	1.03 371	1.13 373	1.71 382	1.10 262

iRaftStereo_RVC	1.70 29	1.18 203	3.88 17	0.99 101	0.46 33	3.83 185	0.41 9	2.41 38	1.60 39	1.69 84	1.76 136	1.81 141	0.83 37	1.58 51	1.23 86	0.31 71	4.86 384	0.29 80	0.26 92	0.33 90	4.33 356

MIM_Stereo	2.71 188	1.26 213	20.92 343	1.34 233	5.57 408	3.10 69	0.59 39	3.25 106	2.51 153	1.64 74	1.61 98	1.82 143	1.29 126	2.07 106	1.35 110	0.25 8	0.31 154	0.28 66	0.26 92	0.29 34	4.43 358

LL-Strereo2	2.36 102	1.81 273	19.35 189	1.04 117	1.03 199	3.73 167	1.35 273	2.70 70	2.04 90	1.76 96	1.44 69	1.82 143	0.73 20	1.48 42	1.53 144	0.33 108	0.30 149	0.55 319	0.35 235	0.30 45	3.51 346

PFNet	2.75 198	0.69 65	19.96 234	2.25 357	0.80 141	4.63 350	0.90 184	2.60 63	3.85 328	2.39 260	2.71 319	1.82 143	1.41 148	7.53 265	1.41 126	0.36 156	0.21 34	0.36 213	0.27 107	0.32 69	0.46 98

Sa-1000	2.54 141	1.47 239	20.36 283	1.16 157	0.55 68	4.07 240	1.39 278	4.49 350	3.01 220	2.06 161	2.79 323	1.84 146	1.43 153	2.68 160	1.53 144	0.31 71	0.26 123	0.36 213	0.33 213	0.37 145	0.46 98

StereoVision	2.36 102	1.15 201	20.38 285	1.07 127	1.79 347	2.58 50	0.61 46	3.14 95	2.34 131	1.33 49	3.46 351	1.85 147	0.88 43	2.12 111	2.01 228	0.46 246	0.36 189	0.37 224	0.36 244	0.50 247	0.41 72

test_5	2.45 123	1.43 235	19.72 213	1.20 173	1.39 277	3.88 198	1.25 262	4.03 212	1.98 85	1.74 93	1.82 160	1.86 148	1.78 232	3.57 183	1.35 110	0.33 108	0.21 34	0.35 201	0.33 213	0.34 111	0.43 83

CRE-IMP	2.28 85	0.68 60	19.67 209	0.85 34	0.39 21	4.54 331	0.80 130	2.63 66	4.84 374	1.96 128	1.51 74	1.86 148	0.96 56	1.52 46	1.43 129	0.47 253	0.21 34	0.31 119	0.26 92	0.41 187	0.35 36

FADNet-RVC	3.23 265	12.51 377	17.02 123	1.17 164	0.81 143	3.52 128	1.09 234	4.16 257	2.74 175	1.44 58	1.29 45	1.86 148	1.76 229	9.82 300	2.46 264	0.39 184	0.38 207	0.40 245	0.41 283	0.68 310	0.59 167

test_4	1.98 37	0.68 60	15.65 95	0.91 58	0.48 42	4.11 248	1.09 234	2.41 38	1.50 14	1.55 63	2.31 269	1.87 151	0.79 34	2.86 170	1.51 141	0.34 124	0.19 9	0.29 80	0.29 162	0.30 45	0.40 67

HBP-ISP	3.78 313	9.10 358	20.83 336	1.72 323	1.14 228	4.54 331	2.82 361	4.61 368	3.03 225	4.13 371	1.98 207	1.88 152	3.31 330	11.06 343	1.52 143	0.74 342	0.57 272	0.67 348	0.62 340	0.65 298	0.64 186

anonymity	2.02 47	1.28 219	5.16 22	1.73 325	1.63 322	1.86 22	1.06 230	3.50 125	2.42 141	2.19 200	2.11 231	1.88 152	3.89 346	1.92 93	1.56 150	1.11 364	1.14 326	1.08 374	1.11 372	1.05 350	2.68 326

FTStereo	3.74 311	0.60 25	20.43 290	0.99 101	0.66 106	4.34 299	11.24 407	2.63 66	1.95 82	2.58 286	5.03 371	1.90 154	13.77 405	3.70 187	1.28 104	0.41 194	0.24 91	0.31 119	0.33 213	0.32 69	2.08 310

MSKI-zero shot	2.33 96	0.69 65	20.22 265	1.14 152	0.77 136	4.05 236	0.68 73	3.95 194	1.51 17	1.93 115	2.35 272	1.91 155	0.71 17	3.01 174	0.79 13	0.28 29	1.47 334	0.27 46	0.21 27	0.28 22	0.44 87

4D-IteraStereo	2.95 223	1.83 276	20.75 331	0.81 22	1.56 308	2.22 38	1.03 222	2.48 45	1.56 27	1.42 55	1.00 8	1.93 156	0.61 7	1.65 54	2.04 233	0.31 71	0.22 49	0.31 119	0.26 92	0.28 22	16.75 420

ASMatch	2.65 174	0.68 60	20.65 324	1.60 299	0.71 121	4.40 308	0.77 117	2.02 24	1.65 52	1.71 87	3.89 358	1.93 156	3.75 344	5.45 215	1.67 177	0.33 108	0.24 91	0.34 184	0.28 132	0.34 111	0.57 153

SMFormer	2.40 111	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 304	4.43 354	2.41 264	2.40 281	1.94 158	1.52 172	10.99 339	3.10 290	0.35 136	0.84 306	0.36 213	0.33 213	0.40 169	0.77 218

tta	2.44 121	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 304	4.43 354	2.41 264	2.40 281	1.94 158	1.52 172	10.99 339	3.10 290	0.35 136	0.84 306	0.36 213	0.33 213	0.31 50	1.75 297

qqq1	2.35 100	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 304	4.43 354	2.41 264	2.40 281	1.94 158	1.52 172	10.99 339	1.36 117	0.35 136	0.84 306	0.30 101	0.25 78	0.31 50	1.75 297

fff1	2.35 100	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 304	4.43 354	2.41 264	2.40 281	1.94 158	1.52 172	10.99 339	1.36 117	0.35 136	0.84 306	0.30 101	0.25 78	0.31 50	1.75 297

anonymousdsp2	2.72 189	0.68 60	11.15 50	1.20 173	0.64 100	3.66 156	0.71 86	3.71 151	2.14 102	1.62 72	1.61 98	1.95 162	1.00 61	2.24 128	0.81 15	0.32 85	0.50 264	0.28 66	0.20 20	0.34 111	19.58 425

AASNet	2.65 174	3.20 316	20.19 258	1.38 246	1.49 293	3.84 187	1.06 230	3.92 187	3.28 264	2.07 167	2.28 263	1.95 162	1.28 124	2.19 121	2.17 243	0.42 204	0.33 166	0.45 271	0.30 179	0.59 275	0.52 134

CrosDoStereo	5.27 367	0.75 98	20.07 244	0.85 34	0.53 62	3.40 101	18.03 413	3.90 182	3.29 269	1.99 135	8.27 383	1.95 162	6.95 382	7.34 260	25.94 419	0.33 108	0.22 49	0.30 101	0.28 132	0.35 124	0.61 175

DeepStereo_LL	5.27 367	0.75 98	20.07 244	0.85 34	0.53 62	3.40 101	18.03 413	3.90 182	3.29 269	1.99 135	8.27 383	1.95 162	6.95 382	7.34 260	25.94 419	0.33 108	0.22 49	0.30 101	0.28 132	0.35 124	0.61 175

RAFT-345	2.55 146	0.60 25	19.89 229	1.22 182	0.49 49	4.43 313	0.77 117	1.68 7	3.54 311	2.09 172	3.10 339	1.95 162	1.30 127	6.65 244	1.47 139	0.41 194	0.23 72	0.32 134	0.26 92	0.29 34	0.28 8

EKT-Stereo	7.93 398	0.75 98	21.17 371	1.84 336	109.80 438	4.51 329	0.61 46	4.13 247	1.59 34	1.89 109	1.24 33	1.96 167	1.35 132	4.02 195	1.36 117	0.42 204	0.31 154	0.29 80	0.27 107	0.35 124	0.78 220

1111x	4.75 357	1.05 185	20.89 341	1.28 210	1.02 195	3.81 184	0.88 167	4.65 370	5.52 388	2.43 269	2.27 260	1.97 168	1.81 238	12.40 382	18.19 404	0.32 85	9.06 408	0.32 134	0.34 222	0.38 154	6.34 369

iResNet_ROB	2.72 189	10.38 367	14.41 76	1.46 271	0.99 187	3.74 169	0.66 63	4.01 204	2.84 191	2.04 156	2.05 222	1.98 169	1.38 136	4.73 205	1.91 214	0.35 136	0.20 18	0.28 66	0.19 10	0.33 90	0.41 72

KYRaft	2.55 146	0.57 9	20.60 319	0.98 96	0.51 58	4.38 302	1.76 316	2.51 47	1.59 34	2.48 277	2.98 332	1.99 170	3.36 335	2.17 118	0.96 46	0.34 124	0.22 49	0.33 166	0.46 301	0.38 154	2.44 322

DMCA-RVC	2.72 189	3.31 318	20.08 249	1.27 208	1.13 227	2.49 47	0.85 153	3.43 121	1.85 71	3.04 331	1.58 95	1.99 170	1.51 168	6.42 239	2.86 278	0.39 184	0.31 154	0.44 265	0.37 252	0.47 237	0.65 189

CC-Net-ROB	3.82 315	3.41 320	20.20 259	2.40 363	1.66 332	4.49 324	1.61 302	4.77 378	3.08 233	2.06 161	2.06 224	1.99 170	1.60 188	12.57 391	1.91 214	2.82 388	2.19 351	2.67 399	1.06 370	2.31 385	1.59 290

MLCV	2.52 133	1.77 269	18.20 150	1.17 164	0.63 98	3.60 143	0.53 24	3.88 178	2.35 134	2.82 314	2.24 254	1.99 170	1.42 150	4.59 203	3.09 289	0.39 184	0.22 49	0.33 166	0.22 45	0.35 124	0.52 134

iResNetv2_ROB	3.31 275	14.88 411	20.01 239	2.17 355	1.09 217	3.84 187	1.13 243	4.22 276	3.15 243	2.02 148	2.06 224	2.00 174	1.69 219	3.61 184	2.10 239	0.36 156	0.22 49	0.32 134	0.22 45	0.48 242	0.58 165

test_3	2.17 64	0.58 10	18.64 158	1.11 136	0.78 137	2.15 36	0.85 153	4.42 341	1.47 8	2.00 139	1.20 27	2.02 175	0.79 34	2.70 163	1.35 110	0.29 34	1.04 321	0.29 80	0.29 162	0.31 50	1.07 259

DEmStereo	3.24 267	0.65 45	18.95 167	0.83 28	0.54 65	3.85 190	1.79 318	2.53 50	2.54 157	2.25 212	2.74 321	2.02 175	6.02 371	6.78 250	11.30 355	0.40 191	0.26 123	0.27 46	0.27 107	0.28 22	0.57 153

RAFT-RH_RVC	2.72 189	0.64 38	20.10 252	1.48 277	0.49 49	4.46 316	0.56 28	1.73 13	2.86 198	3.06 332	5.50 373	2.02 175	1.28 124	6.70 247	1.56 150	0.46 246	0.22 49	0.37 224	0.34 222	0.29 34	0.33 23

CoDeX	2.47 127	0.91 144	13.65 62	1.03 114	1.17 233	3.28 86	1.30 265	4.17 261	2.99 214	1.78 98	1.85 178	2.04 178	1.46 158	9.99 310	1.66 176	0.38 177	0.28 136	0.32 134	0.28 132	0.34 111	0.57 153

test-1	1.81 32	0.72 78	9.51 43	1.02 111	1.57 310	3.85 190	0.60 43	4.07 223	1.51 17	1.94 121	1.81 158	2.04 178	0.91 48	1.39 33	1.73 192	0.27 22	0.93 313	0.31 119	0.25 78	0.29 34	1.37 277

xxxx	4.25 335	0.86 126	14.59 79	1.30 219	1.16 231	3.51 126	0.63 58	4.56 360	5.42 387	2.33 244	2.29 265	2.04 178	1.39 139	10.23 317	18.00 402	0.33 108	7.15 395	0.31 119	0.30 179	0.35 124	8.33 381

test-3	2.19 66	0.59 18	18.63 157	1.13 148	0.75 130	2.07 32	0.89 168	4.37 333	1.53 20	2.25 212	1.20 27	2.05 181	0.79 34	2.68 160	1.35 110	0.29 34	0.95 316	0.28 66	0.27 107	0.27 17	1.47 284

test_1	2.19 66	0.59 18	18.67 159	1.13 148	0.78 137	2.07 32	0.89 168	4.37 333	1.53 20	2.18 195	1.20 27	2.05 181	0.78 28	2.68 160	1.36 117	0.29 34	0.93 313	0.28 66	0.27 107	0.28 22	1.53 287

TDLM	3.20 259	1.58 252	18.80 161	1.70 321	1.10 220	4.29 293	2.17 342	3.81 169	3.27 262	2.89 318	1.98 207	2.06 183	1.70 222	12.44 388	2.15 241	0.58 305	0.31 154	0.56 322	0.40 273	0.58 273	1.59 290

IRAFT_RVC	2.74 195	0.71 75	19.80 217	2.52 370	0.67 108	4.60 346	1.57 300	3.05 91	2.99 214	2.23 209	1.72 126	2.08 184	2.59 298	6.69 246	1.61 164	0.37 164	0.21 34	0.33 166	0.29 162	0.33 90	0.35 36

GANet-ADL	2.25 76	0.80 113	20.17 256	1.28 210	0.69 120	3.83 185	0.75 109	3.63 137	1.83 69	1.68 81	2.04 216	2.09 185	1.10 90	1.63 53	1.43 129	0.42 204	0.33 166	0.26 36	0.23 54	0.43 204	0.41 72

AFF-stereo	2.54 141	3.44 321	20.84 338	1.30 219	0.48 42	3.94 215	0.48 16	3.30 110	3.40 293	1.94 121	2.21 252	2.10 186	1.51 168	2.36 138	1.62 166	0.23 3	0.21 34	0.25 25	0.25 78	0.33 90	0.53 139

MMNet	2.15 59	1.33 227	12.06 54	1.22 182	1.23 250	3.55 133	0.89 168	3.84 173	2.26 118	2.19 200	1.78 146	2.15 187	2.10 262	3.70 187	2.35 257	0.45 233	0.38 207	0.34 184	0.28 132	0.40 169	0.52 134

BEATNet_4x	2.65 174	4.43 332	18.10 147	1.41 256	0.59 82	3.44 109	1.02 220	4.08 230	2.97 210	2.28 223	1.75 135	2.18 188	1.61 193	2.80 167	3.54 299	0.39 184	0.25 103	0.47 278	0.31 196	0.61 279	0.86 235

iRaft-Stereo_5w	2.47 127	1.37 230	13.85 64	0.87 44	0.99 187	3.22 76	0.84 149	3.72 152	2.12 99	1.57 67	2.49 295	2.20 189	2.22 276	9.12 286	2.03 231	0.48 258	0.27 130	0.35 201	0.29 162	0.48 242	0.94 246

ToySt	2.53 137	0.89 136	19.20 180	1.12 143	0.95 181	3.47 115	1.13 243	3.72 152	2.25 115	1.36 51	1.71 124	2.22 190	1.59 187	2.14 116	1.81 205	0.28 29	0.64 288	0.30 101	0.33 213	0.43 204	5.14 361

MFMNet_re	3.44 287	8.89 355	19.36 190	3.25 390	1.91 354	3.13 71	1.99 329	3.60 133	4.16 339	3.17 342	2.86 327	2.25 191	2.41 287	2.61 155	2.35 257	1.13 365	1.06 322	0.94 368	0.91 364	1.29 370	1.57 289

FADNet-RVC-Resample	3.31 275	8.52 354	22.84 408	1.18 168	0.91 171	3.52 128	1.35 273	4.13 247	2.32 130	1.75 95	1.35 52	2.26 192	1.51 168	9.51 293	2.03 231	0.42 204	0.38 207	0.42 259	0.44 294	0.59 275	0.71 203

MyStereo8	2.97 228	1.76 267	18.94 166	1.55 291	1.62 319	4.16 264	0.57 31	3.79 162	2.41 140	2.22 207	2.93 330	2.27 193	1.14 101	2.16 117	2.28 252	0.27 22	8.58 398	0.32 134	0.29 162	0.37 145	1.72 296

IER	2.09 55	0.91 144	14.11 71	0.97 93	1.15 230	3.17 73	0.89 168	3.59 131	2.39 135	2.15 186	1.98 207	2.27 193	2.11 264	2.39 140	1.80 202	0.35 136	0.24 91	0.36 213	0.30 179	0.34 111	0.42 79

RAFT + AFF	3.98 325	14.10 396	20.78 332	1.16 157	1.96 356	4.14 258	2.00 332	4.56 360	3.52 310	2.23 209	2.51 299	2.27 193	4.92 360	8.94 284	2.82 276	0.33 108	0.60 281	0.48 283	0.39 266	0.81 332	1.03 256

CFNet	3.04 235	6.89 347	16.27 110	1.36 238	1.24 252	4.09 244	0.72 89	4.15 254	3.00 216	1.69 84	1.88 185	2.27 193	1.45 156	11.41 354	2.12 240	0.36 156	0.29 141	0.43 263	0.36 244	0.48 242	0.38 59

MyStereo05	2.55 146	1.07 187	19.87 227	1.06 124	1.08 214	4.26 289	0.86 157	4.10 236	3.01 220	2.19 200	1.26 38	2.30 197	1.64 206	2.13 113	1.99 223	0.25 8	2.43 361	0.34 184	0.27 107	0.46 227	0.48 113

111	2.59 156	3.10 315	20.47 296	0.84 29	0.38 7	4.26 289	0.91 192	4.45 346	2.96 209	2.48 277	2.07 228	2.31 198	1.64 206	1.49 43	1.90 212	0.35 136	0.22 49	0.25 25	0.21 27	0.32 69	1.14 265

XPNet_ROB	2.99 229	1.58 252	17.06 126	1.38 246	0.99 187	3.91 204	1.62 304	4.20 271	2.42 141	2.87 317	2.03 214	2.31 198	1.72 225	10.76 330	3.60 301	0.55 299	0.49 261	0.48 283	0.40 273	0.53 254	0.85 232

MyStereo04	2.54 141	1.18 203	18.82 164	1.04 117	1.21 247	3.96 221	0.95 207	4.02 209	3.01 220	2.06 161	1.27 40	2.33 200	1.66 214	2.06 105	2.01 228	0.26 14	3.49 377	0.34 184	0.27 107	0.43 204	0.49 118

Wz-Net-MNSev	3.26 271	7.24 349	17.26 128	1.58 296	1.37 274	3.27 84	2.45 349	4.10 236	4.50 360	2.61 291	2.17 240	2.33 200	3.02 318	7.48 264	2.88 281	0.46 246	0.39 216	0.37 224	0.38 260	0.61 279	0.63 182

GEStereo_RVC	2.66 178	1.20 210	20.38 285	1.29 215	1.05 208	4.02 229	1.42 282	4.17 261	2.24 112	2.10 174	1.86 180	2.33 200	1.84 244	4.93 206	1.78 197	0.51 280	0.38 207	0.32 134	0.29 162	0.44 212	0.56 148

ETE_ROB	2.93 217	2.12 291	17.80 143	1.13 148	0.94 179	3.71 164	1.53 293	4.29 302	2.98 213	3.32 349	2.13 234	2.34 203	1.51 168	8.68 279	2.82 276	0.44 224	0.40 219	0.51 303	0.49 308	0.56 266	0.80 223

Wz-Net-LNSev-Ref	2.72 189	2.55 305	14.91 82	1.37 243	1.36 271	3.50 124	1.63 305	4.11 239	3.38 287	2.55 284	2.04 216	2.35 204	2.50 295	5.14 209	4.64 317	0.53 292	0.22 49	0.35 201	0.21 27	0.41 187	0.60 171

DMCA	2.02 47	1.07 187	11.33 52	1.17 164	0.96 183	3.92 211	0.89 168	3.80 167	3.11 237	2.89 318	1.58 95	2.35 204	1.17 108	1.79 77	2.25 249	0.42 204	0.29 141	0.42 259	0.27 107	0.38 154	0.43 83

GMStereo_Zeroshot	1.51 19	1.27 216	4.75 20	1.54 288	0.72 122	3.33 95	0.54 26	2.67 69	1.74 61	2.34 246	1.57 91	2.40 206	0.96 56	2.51 146	1.21 83	0.48 258	0.23 72	0.41 249	0.24 67	0.82 334	0.40 67

CSP-Net	1.99 41	1.70 264	4.84 21	1.22 182	1.02 195	3.42 106	1.30 265	3.66 141	2.11 97	2.07 167	1.93 201	2.40 206	1.48 162	8.56 277	1.62 166	0.51 280	0.41 225	0.27 46	0.27 107	0.44 212	0.54 143

AAGNet	3.88 320	0.67 54	20.04 242	2.27 358	0.46 33	4.76 375	1.05 228	2.28 34	3.38 287	2.16 190	1.84 174	2.40 206	3.95 347	6.22 234	24.21 416	0.49 264	0.19 9	0.30 101	0.29 162	0.33 90	0.29 11

ADCRef	3.66 304	5.95 340	15.50 93	1.20 173	1.41 283	3.93 212	1.61 302	3.92 187	2.77 180	3.13 336	2.20 249	2.40 206	2.78 304	6.23 236	16.59 384	0.50 274	0.35 182	0.63 342	0.62 340	0.58 273	0.92 242

UPFNet	2.23 72	0.86 126	14.25 73	1.28 210	1.44 288	3.51 126	1.34 270	4.05 219	2.11 97	2.44 272	1.53 75	2.41 210	1.39 139	3.62 186	1.91 214	0.41 194	0.41 225	0.37 224	0.32 206	0.44 212	0.48 113

NCCL2	2.96 224	4.07 329	15.75 96	1.24 189	1.03 199	3.48 121	2.55 354	3.79 162	2.39 135	2.78 308	1.80 153	2.41 210	1.67 216	10.27 320	2.48 267	0.46 246	0.41 225	0.57 325	0.55 328	0.61 279	0.86 235

SST-Stereo	2.63 169	0.63 35	19.76 216	1.69 317	0.46 33	4.71 370	0.74 104	2.27 33	3.07 232	2.07 167	2.15 235	2.42 212	3.17 326	6.66 245	0.95 45	0.45 233	0.19 9	0.30 101	0.27 107	0.35 124	0.31 15

FENet	2.30 91	0.61 30	20.21 263	1.43 268	0.68 115	4.04 232	0.60 43	4.01 204	2.26 118	2.03 153	1.13 20	2.42 212	1.42 150	1.72 69	1.43 129	0.36 156	0.24 91	0.33 166	0.27 107	0.29 34	0.51 128

psm_up	3.04 235	1.30 223	18.97 169	1.31 222	1.51 296	3.86 193	1.22 258	4.26 298	2.31 129	2.72 300	1.83 173	2.43 214	1.68 217	12.86 393	1.78 197	0.43 218	0.41 225	0.41 249	0.34 222	0.46 227	0.67 196

ttt	4.23 334	0.75 98	19.96 234	1.48 277	1.31 264	3.69 160	0.87 160	4.65 370	5.33 381	2.45 273	2.39 279	2.44 215	1.54 178	11.35 352	16.49 383	0.43 218	4.35 382	0.37 224	0.35 235	0.41 187	4.01 353

GANetREF_RVC	3.45 289	5.10 335	19.89 229	1.58 296	0.80 141	4.13 253	1.82 321	4.24 288	3.33 280	1.91 111	1.76 136	2.46 216	1.83 243	13.17 397	1.87 209	0.83 352	0.57 272	0.79 362	0.77 353	1.21 366	0.91 240
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
AACVNet	2.77 202	1.64 260	19.22 182	1.57 294	0.86 153	3.28 86	0.74 104	3.31 112	1.66 54	2.06 161	1.82 160	2.47 217	1.40 143	10.95 338	1.92 218	0.41 194	0.35 182	0.38 236	0.33 213	0.46 227	0.61 175

AdaStereo	2.22 71	0.90 141	16.41 114	1.33 231	0.83 146	3.21 74	1.12 241	4.25 297	2.91 205	2.06 161	1.76 136	2.47 217	1.17 108	1.93 95	1.65 175	0.50 274	0.26 123	0.43 263	0.29 162	0.46 227	0.39 64
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.
STTStereo	2.62 165	1.28 219	19.16 176	1.52 285	1.55 304	3.84 187	0.89 168	3.75 157	2.59 163	2.23 209	1.59 97	2.48 219	1.58 184	5.11 208	1.72 189	0.38 177	0.41 225	0.47 278	0.54 324	0.53 254	0.75 217

FADNet	3.20 259	11.55 373	16.16 103	1.24 189	0.95 181	3.30 93	0.87 160	4.00 202	2.73 173	1.42 55	1.35 52	2.51 220	2.04 258	9.95 308	2.39 262	0.44 224	0.46 247	0.40 245	0.44 294	1.13 361	0.61 175

GANet-RSSM	2.96 224	1.27 216	21.17 371	1.73 325	1.23 250	4.22 285	0.91 192	3.39 118	2.02 89	1.97 131	1.74 134	2.53 221	2.06 259	10.91 337	1.88 210	0.37 164	0.35 182	0.32 134	0.29 162	0.42 195	0.46 98

HSM-Net_RVC	3.02 231	0.65 45	19.48 197	0.94 71	0.90 166	3.71 164	1.20 255	5.61 396	2.87 200	3.24 345	2.49 295	2.53 221	1.61 193	11.39 353	1.90 212	0.37 164	0.27 130	0.27 46	0.24 67	0.31 50	0.39 64
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
GwcNet-ADL	2.51 131	0.75 98	21.41 385	0.98 96	0.73 123	4.58 342	0.95 207	4.46 348	2.61 164	2.06 161	1.80 153	2.54 223	1.24 119	1.98 101	1.73 192	0.41 194	0.46 247	0.24 16	0.27 107	0.41 187	0.55 146

SACVNet	3.06 237	1.61 256	19.29 187	1.46 271	1.18 235	4.05 236	1.48 290	4.03 212	2.58 162	2.75 304	1.89 187	2.55 224	1.38 136	11.33 351	2.28 252	0.51 280	0.41 225	0.48 283	0.43 291	0.57 270	0.93 245

CFNet-RSSM	2.17 64	0.56 5	20.50 303	1.08 128	0.57 78	3.42 106	0.62 53	4.24 288	1.60 39	1.73 90	1.39 61	2.55 224	1.19 113	1.36 30	1.04 59	0.29 34	0.20 18	0.26 36	0.23 54	0.28 22	0.32 18

DAS	2.52 133	0.76 106	7.72 31	1.16 157	1.64 326	2.96 63	2.10 339	4.14 250	3.31 274	4.16 372	2.51 299	2.56 226	1.81 238	11.54 359	1.83 206	0.44 224	0.23 72	0.39 240	0.25 78	0.42 195	0.45 91

SepStereo	2.36 102	0.76 106	7.72 31	1.16 157	1.64 326	2.96 63	2.10 339	4.14 250	3.31 274	4.16 372	2.51 299	2.56 226	1.81 238	8.34 275	1.83 206	0.44 224	0.23 72	0.39 240	0.25 78	0.42 195	0.45 91

Anonymous Stereo	3.53 297	5.56 338	19.23 183	1.75 329	1.40 281	3.35 97	3.23 372	4.15 254	3.13 240	2.42 268	2.38 276	2.56 226	1.53 176	11.88 374	3.54 299	0.68 326	0.92 312	0.57 325	0.57 331	0.74 321	1.08 261

BSDual-CNN	1.61 21	0.64 38	3.82 14	0.94 71	0.86 153	4.18 272	1.14 245	4.49 350	2.29 126	2.96 327	1.82 160	2.58 229	1.30 127	1.79 77	1.44 133	0.39 184	0.25 103	0.31 119	0.28 132	0.38 154	0.41 72

psmg	1.63 23	0.64 38	3.82 14	0.96 86	0.86 153	4.35 300	1.41 281	4.11 239	2.29 126	2.68 297	2.09 229	2.58 229	1.30 127	1.79 77	1.44 133	0.39 184	0.29 141	0.33 166	0.34 222	0.38 154	0.44 87

CVANet_RVC	3.32 277	1.63 259	21.06 355	1.66 312	1.29 259	3.99 225	1.55 297	3.98 199	3.00 216	3.51 355	2.06 224	2.58 229	1.72 225	12.46 389	1.70 184	0.62 315	0.34 173	0.53 310	0.47 303	0.64 293	1.66 295

DRN-Test	3.17 254	1.30 223	19.66 203	1.41 256	1.60 316	3.61 145	1.47 288	4.18 266	2.83 190	3.48 354	1.92 200	2.58 229	2.50 295	10.81 331	2.90 282	0.49 264	0.49 261	0.44 265	0.42 286	0.57 270	0.78 220

delet	2.66 178	1.11 194	18.42 154	1.05 121	1.65 329	3.47 115	2.00 332	3.81 169	2.82 189	2.15 186	2.11 231	2.62 233	1.88 251	5.38 213	2.21 247	0.34 124	0.38 207	0.40 245	0.32 206	0.45 219	0.54 143

STTRV1_RVC	3.55 299	1.06 186	20.71 329	1.47 275	1.46 290	3.29 89	1.56 299	4.14 250	3.33 280	1.96 128	3.50 352	2.63 234	2.08 260	11.95 377	2.32 254	2.09 381	4.04 381	0.81 365	0.73 350	1.06 351	0.71 203

PSMNet-RSSM	2.91 215	1.55 250	20.10 252	1.32 228	1.30 260	4.19 280	0.95 207	3.78 161	2.28 122	2.28 223	1.80 153	2.64 235	1.87 249	9.83 301	1.93 219	0.37 164	0.33 166	0.35 201	0.38 260	0.46 227	0.40 67

THIR-Stereo	4.50 347	1.11 194	18.71 160	0.89 50	0.47 37	2.25 39	16.71 412	3.53 127	1.58 31	2.04 156	12.04 404	2.66 236	7.52 385	7.29 258	11.25 354	0.32 85	0.21 34	0.29 80	0.28 132	0.35 124	0.52 134

SQANet	4.22 332	14.03 395	20.30 277	2.78 378	2.75 377	3.41 104	1.48 290	3.66 141	2.25 115	2.62 293	1.77 143	2.68 237	1.90 252	7.41 263	3.78 304	2.97 390	1.42 333	1.85 387	1.13 373	3.28 390	2.86 330

fast-acv-ft	2.62 165	1.62 257	20.48 302	1.45 270	1.39 277	3.16 72	1.16 250	3.41 120	2.45 149	1.97 131	2.15 235	2.68 237	2.15 270	2.92 171	2.47 266	0.43 218	0.40 219	0.45 271	0.40 273	0.62 284	0.64 186

RAFT_R40	2.61 162	0.64 38	19.86 225	1.69 317	0.46 33	4.74 373	0.95 207	2.28 34	2.52 155	2.02 148	2.32 270	2.69 239	2.52 297	6.70 247	1.05 62	0.42 204	0.19 9	0.30 101	0.27 107	0.33 90	0.29 11

Gwc-CoAtRS	1.80 31	0.61 30	14.92 83	1.08 128	0.61 86	2.88 57	0.63 58	2.47 43	1.62 45	1.80 102	1.50 73	2.73 240	1.17 108	1.35 28	1.08 65	0.30 56	0.22 49	0.25 25	0.23 54	0.28 22	0.30 13

DeepPrunerF	4.00 326	5.64 339	16.81 119	1.36 238	1.75 341	3.69 160	1.54 295	4.24 288	13.98 410	2.21 205	1.77 143	2.73 240	2.29 279	10.90 336	6.64 331	0.71 332	0.61 283	0.77 361	0.79 355	0.87 340	0.79 222

PWCDC_ROB	3.62 301	9.86 364	17.35 131	1.62 303	1.57 310	4.19 280	1.01 217	4.35 328	4.20 340	2.26 218	7.36 377	2.73 240	2.75 302	4.10 197	4.51 314	1.47 376	0.37 194	0.39 240	0.34 222	1.22 367	0.73 211

UNet	2.53 137	0.91 144	20.07 244	1.19 171	1.44 288	3.45 112	0.75 109	3.80 167	1.98 85	2.09 172	1.57 91	2.74 243	2.37 285	3.51 182	2.52 268	0.35 136	0.30 149	0.41 249	0.28 132	0.40 169	0.50 122

SuperB	5.03 363	8.93 356	20.96 346	1.51 283	1.11 222	3.88 198	3.00 366	4.24 288	3.13 240	2.53 282	2.10 230	2.74 243	3.37 336	8.76 280	19.44 412	0.45 233	0.34 173	0.53 310	0.40 273	11.97 424	1.15 266

knoymous	1.50 18	0.65 45	8.73 40	0.91 58	0.75 130	2.97 65	0.90 184	2.93 78	1.38 4	1.56 65	1.07 14	2.75 245	0.88 43	1.43 36	1.13 70	0.32 85	0.22 49	0.35 201	0.20 20	0.45 219	0.41 72

LALA_ROB	2.88 211	2.13 293	19.08 172	1.10 132	0.99 187	3.91 204	1.81 320	4.50 354	3.04 228	3.32 349	1.87 183	2.75 245	1.66 214	4.06 196	4.02 306	0.47 253	0.44 241	0.55 319	0.53 321	0.61 279	0.73 211

PSMNet_ROB	3.38 282	5.24 337	20.61 320	1.24 189	1.22 249	3.76 172	1.64 308	3.59 131	2.80 184	2.07 167	1.72 126	2.75 245	1.79 235	11.42 356	4.58 315	0.42 204	0.38 207	0.50 298	0.62 340	0.62 284	0.69 199

DeepPruner_ROB	2.61 162	1.97 283	19.32 188	1.03 114	1.20 242	4.38 302	0.90 184	3.44 123	1.77 63	2.61 291	1.54 84	2.77 248	1.27 121	5.05 207	2.08 237	0.52 290	0.40 219	0.37 224	0.35 235	0.52 253	0.62 179

StereoDRNet	3.07 238	2.92 313	16.33 112	1.36 238	1.57 310	3.45 112	2.04 336	3.77 160	2.85 192	3.31 348	1.85 178	2.78 249	1.79 235	10.85 333	3.41 296	0.45 233	0.36 189	0.39 240	0.37 252	0.62 284	0.85 232

PWC_ROB	3.32 277	4.61 333	14.41 76	1.46 271	1.90 353	3.21 74	1.15 248	4.39 339	3.46 304	3.13 336	3.40 349	2.79 250	2.34 283	9.17 287	6.94 332	0.61 310	0.34 173	0.61 335	0.37 252	0.73 317	1.40 278

Any-RAFT	1.62 22	0.59 18	5.29 23	1.12 143	0.76 134	4.41 310	0.79 126	4.12 244	3.26 260	2.02 148	1.36 55	2.82 251	1.56 183	1.90 92	0.81 15	0.29 34	0.25 103	0.26 36	0.19 10	0.25 6	0.35 36

RAFT_CTSACE	2.41 117	1.83 276	20.33 281	1.77 332	1.39 277	3.50 124	1.03 222	3.25 106	1.64 50	1.80 102	2.04 216	2.82 251	1.78 232	2.11 110	1.10 68	0.27 22	0.24 91	0.28 66	0.30 179	0.31 50	0.33 23

NLCA_NET_v2_RVC	2.76 200	1.48 240	19.72 213	1.62 303	2.00 358	3.95 217	0.86 157	3.92 187	2.51 153	2.56 285	1.69 118	2.83 253	1.61 193	5.65 219	1.78 197	0.48 258	0.36 189	0.38 236	0.42 286	0.56 266	0.77 218
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccnet	3.03 233	1.48 240	12.88 58	1.54 288	1.26 255	3.71 164	2.32 348	4.11 239	3.05 230	2.92 321	3.21 343	2.86 254	2.40 286	9.87 302	4.19 307	0.80 347	0.76 302	0.71 354	0.70 347	0.78 326	1.07 259

aanetorigin	3.34 280	2.00 284	17.58 137	1.20 173	1.57 310	2.57 49	3.75 388	2.73 71	2.10 95	6.11 393	4.27 363	2.88 255	5.64 367	5.46 216	4.60 316	0.53 292	0.46 247	0.45 271	0.48 305	1.15 362	1.22 269

Syn2CoEx	3.42 286	7.66 351	20.57 314	1.42 263	1.18 235	2.49 47	1.64 308	4.07 223	2.68 168	2.51 281	2.27 260	2.89 256	3.15 325	9.56 294	2.58 269	0.52 290	0.45 243	0.53 310	0.42 286	0.79 330	1.00 251

PSMNet-ADL	2.01 45	0.78 110	2.89 10	1.11 136	0.86 153	4.13 253	0.80 130	3.84 173	2.26 118	1.74 93	1.87 183	2.90 257	1.81 238	10.37 323	2.34 256	0.49 264	0.47 255	0.29 80	0.30 179	0.39 165	0.56 148

DSFCA	2.38 107	1.03 183	11.06 49	1.15 153	1.18 235	3.97 223	1.75 315	3.63 137	2.44 147	3.14 339	1.68 115	2.90 257	2.48 292	5.38 213	3.17 293	0.49 264	0.45 243	0.37 224	0.37 252	0.54 257	0.46 98

UCFNet_RVC	2.53 137	1.29 221	20.56 310	1.42 263	1.40 281	4.01 227	1.04 227	2.79 73	1.67 56	2.27 221	1.88 185	2.94 259	1.50 166	3.48 180	1.68 179	0.37 164	0.29 141	0.52 306	0.41 283	0.55 260	0.51 128

StereoDRNet-Refined	2.23 72	0.98 171	10.62 47	1.25 203	0.78 137	3.29 89	0.71 86	3.96 195	2.20 107	2.43 269	2.05 222	2.97 260	1.46 158	6.87 253	2.33 255	0.37 164	0.25 103	0.42 259	0.34 222	0.47 237	0.80 223
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NaN_ROB	4.73 356	6.66 345	21.89 392	1.26 207	1.28 257	3.49 122	3.02 368	4.38 337	3.93 331	3.65 360	2.55 303	2.97 260	5.01 361	13.23 398	17.43 398	0.38 177	0.42 236	0.38 236	0.40 273	0.50 247	1.82 304

iinet-f	2.44 121	1.82 275	14.97 84	1.21 178	1.11 222	3.78 177	1.10 238	4.19 269	2.90 204	2.10 174	1.76 136	2.99 262	2.97 311	2.84 169	2.79 274	0.38 177	0.38 207	0.28 66	0.28 132	0.50 247	0.47 106

GASNet	3.86 318	15.35 416	21.16 369	1.63 306	1.25 254	2.35 43	1.11 239	4.11 239	2.86 198	1.99 135	2.11 231	2.99 262	2.16 272	10.62 326	3.75 303	0.71 332	0.37 194	0.61 335	0.46 301	0.91 342	0.70 201

pcwnet_v2	2.73 194	0.70 71	22.43 407	1.11 136	1.02 195	3.58 138	0.80 130	4.31 314	3.42 296	2.39 260	2.28 263	2.99 262	1.68 217	3.31 179	1.54 147	0.44 224	0.51 266	0.41 249	0.34 222	0.62 284	0.74 215

PA-Net	3.45 289	2.50 302	20.39 288	1.42 263	1.20 242	3.39 100	1.73 314	3.93 191	3.57 313	1.94 121	2.17 240	3.02 265	1.87 249	11.67 364	6.48 330	0.40 191	0.55 270	0.44 265	0.63 344	0.55 260	1.13 264
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MaskLacGwcNet_RVC	3.77 312	1.65 261	20.61 320	2.55 372	1.63 322	4.29 293	1.67 311	3.99 201	2.56 158	1.76 96	1.93 201	3.03 266	1.41 148	13.24 399	2.02 230	4.47 408	1.63 340	1.12 377	0.48 305	2.42 386	2.85 329

APVNet	3.24 267	1.59 254	21.72 391	1.36 238	1.52 298	3.93 212	1.12 241	3.58 129	2.80 184	2.32 242	2.02 212	3.05 267	1.96 255	11.77 371	2.61 271	0.44 224	0.46 247	0.65 346	0.47 303	0.73 317	0.73 211

NVstereo2D	2.79 204	1.13 198	13.75 63	1.37 243	1.47 292	3.57 136	1.38 277	4.17 261	3.77 324	2.04 156	1.72 126	3.05 267	1.75 227	10.84 332	1.72 189	0.62 315	0.48 258	0.56 322	0.54 324	0.79 330	1.02 254

iRaft-Stereo_20w	3.11 242	0.69 65	18.89 165	1.00 104	1.09 217	5.03 382	1.00 216	5.86 398	2.46 150	2.83 316	1.64 110	3.06 269	4.30 353	3.08 176	1.74 194	0.31 71	0.30 149	0.27 46	0.35 235	0.42 195	7.93 373

ACVNet	2.40 111	0.97 168	20.20 259	0.94 71	0.86 153	4.22 285	0.79 126	2.97 88	2.85 192	1.93 115	1.91 195	3.07 270	1.46 158	1.52 46	2.37 260	0.33 108	0.27 130	0.30 101	0.27 107	0.42 195	0.35 36

acv_ft	2.45 123	0.97 168	19.57 200	1.15 153	2.01 359	2.97 65	0.96 212	3.88 178	2.85 192	2.34 246	1.91 195	3.07 270	1.65 213	1.52 46	2.26 250	0.33 108	0.27 130	0.30 101	0.27 107	0.42 195	0.35 36

AnyNet_C32	4.49 346	9.53 361	13.85 64	1.67 313	1.56 308	5.40 387	4.06 394	4.03 212	3.69 321	4.21 374	3.09 338	3.09 272	3.38 337	8.24 273	18.76 409	0.56 302	0.64 288	0.53 310	0.81 357	1.36 373	1.42 281

PASM	3.22 262	2.89 310	15.38 90	2.00 346	1.57 310	2.77 53	1.96 327	3.62 136	2.75 176	2.95 326	2.26 257	3.10 273	2.24 277	11.87 373	2.46 264	0.97 359	1.06 322	0.87 366	1.02 367	1.20 365	1.41 280

HGLStereo	2.74 195	1.03 183	20.80 334	1.24 189	1.55 304	3.62 147	0.94 204	3.83 172	2.09 93	2.18 195	2.20 249	3.11 274	2.12 266	5.65 219	2.07 236	0.50 274	0.34 173	0.32 134	0.30 179	0.42 195	0.50 122

GwcNet-RSSM	3.13 247	5.08 334	19.86 225	1.28 210	1.20 242	4.12 250	1.11 239	3.89 180	2.80 184	2.13 180	1.81 158	3.11 274	1.46 158	10.33 322	2.19 246	0.36 156	0.34 173	0.35 201	0.31 196	0.45 219	0.43 83

cross-raft	1.95 35	0.66 52	16.17 104	1.23 188	0.92 172	2.25 39	0.70 81	3.69 147	1.68 57	1.78 98	1.53 75	3.15 276	1.13 96	1.35 28	1.06 63	0.24 4	0.23 72	0.26 36	0.24 67	0.29 34	0.45 91

GANet	3.64 302	1.76 267	19.65 202	1.92 342	1.04 206	3.91 204	2.51 353	3.86 176	2.81 188	3.13 336	3.03 334	3.19 277	2.19 275	12.43 387	8.23 344	0.60 309	0.43 237	0.52 306	0.43 291	0.63 290	0.63 182

PCWNet_CMD	2.16 61	0.71 75	15.44 91	0.84 29	0.76 134	3.38 98	0.68 73	3.69 147	2.24 112	1.72 88	1.63 105	3.20 278	3.00 317	2.09 107	1.23 86	0.32 85	0.37 194	0.47 278	0.27 107	0.65 298	0.51 128

MSMDNet	2.16 61	0.71 75	15.36 89	0.86 37	0.75 130	3.41 104	0.69 79	3.70 149	2.25 115	1.73 90	1.64 110	3.21 279	2.95 309	2.09 107	1.24 90	0.32 85	0.37 194	0.45 271	0.27 107	0.63 290	0.50 122

OMP-Stereo	2.94 221	1.26 213	20.07 244	2.73 376	0.67 108	4.58 342	1.46 287	4.33 324	2.21 109	3.14 339	2.68 316	3.22 280	1.38 136	7.65 267	1.42 127	0.46 246	0.21 34	0.33 166	0.26 92	0.34 111	0.31 15

ccs_rob	2.03 49	0.74 87	12.67 56	0.87 44	0.75 130	3.91 204	0.66 63	4.04 216	1.93 79	1.92 114	1.79 149	3.24 281	1.63 204	2.52 150	1.25 96	0.32 85	0.37 194	0.54 318	0.28 132	0.66 302	0.51 128

CFNet_pseudo	2.03 49	0.74 87	12.75 57	0.87 44	0.74 126	3.91 204	0.65 62	4.04 216	1.93 79	1.93 115	1.79 149	3.25 282	1.61 193	2.51 146	1.25 96	0.32 85	0.37 194	0.53 310	0.28 132	0.64 293	0.50 122

LL-Strereo	4.26 337	13.69 388	20.37 284	1.24 189	2.18 363	2.90 60	1.08 232	4.35 328	2.22 110	3.20 343	2.26 257	3.29 283	3.13 322	11.30 350	1.91 214	0.33 108	3.89 380	0.46 276	0.34 222	0.54 257	6.47 370

CFNet_ucs	2.32 93	0.75 98	17.05 124	0.90 56	0.81 143	3.86 193	0.68 73	4.31 314	2.68 168	2.13 180	2.04 216	3.30 284	1.24 119	2.63 156	1.23 86	0.37 164	0.46 247	0.56 322	0.30 179	0.67 305	0.53 139

Wz-Net-LNSev	2.78 203	6.16 341	17.27 129	1.24 189	1.65 329	3.49 122	1.55 297	3.70 149	3.61 314	1.96 128	1.76 136	3.30 284	2.17 274	2.78 166	2.24 248	0.49 264	0.35 182	0.32 134	0.31 196	0.56 266	0.65 189

RTSC	3.44 287	6.78 346	16.53 117	1.76 331	1.54 300	3.53 130	0.94 204	4.22 276	2.97 210	3.65 360	3.23 345	3.31 286	2.29 279	6.22 234	7.41 338	0.61 310	1.32 332	0.37 224	0.42 286	0.78 326	0.98 249

CRFU-Net	2.56 151	0.89 136	10.77 48	2.53 371	1.09 217	3.91 204	1.40 279	3.87 177	1.92 78	2.25 212	1.80 153	3.32 287	7.85 388	5.53 218	1.54 147	0.58 305	0.36 189	0.31 119	0.28 132	0.39 165	0.56 148

IIG-Stereo	2.89 213	0.98 171	19.80 217	2.78 378	0.67 108	4.62 348	0.74 104	4.29 302	2.26 118	2.62 293	3.10 339	3.33 288	1.60 188	7.64 266	1.51 141	0.42 204	0.21 34	0.32 134	0.25 78	0.33 90	0.28 8

Ntro	4.83 359	14.73 406	20.47 296	3.24 389	2.97 380	4.12 250	1.88 323	4.00 202	2.57 160	1.79 101	2.15 235	3.34 289	2.16 272	10.01 311	7.34 335	3.53 398	1.77 343	2.13 390	1.32 382	3.89 399	3.23 336

DLCB_ROB	2.55 146	1.32 226	10.26 46	1.31 222	1.04 206	2.94 61	1.29 264	3.81 169	2.73 173	2.93 322	2.17 240	3.37 290	1.53 176	10.40 324	3.26 295	0.42 204	0.35 182	0.41 249	0.37 252	0.43 204	0.68 197

cf-r	2.93 217	2.19 295	20.59 318	1.49 279	1.35 270	4.18 272	0.92 197	3.73 156	3.12 239	2.16 190	1.82 160	3.40 291	1.44 154	8.22 272	1.93 219	0.34 124	0.31 154	0.33 166	0.30 179	0.38 154	0.45 91

anonymousa	3.14 248	0.83 120	19.20 180	1.62 303	9.63 412	2.06 31	0.78 120	2.93 78	2.20 107	1.95 126	2.17 240	3.41 292	1.81 238	1.33 23	1.67 177	0.29 34	8.64 400	0.34 184	0.37 252	0.32 69	1.33 275

DGSMNet	8.13 399	2.31 300	18.62 156	2.77 377	13.96 419	6.91 399	42.17 429	4.16 257	2.53 156	2.25 212	3.21 343	3.41 292	1.69 219	9.19 288	3.03 286	3.79 401	10.31 413	11.70 427	5.68 418	4.38 404	10.58 392

RAFT	2.36 102	1.62 257	18.03 146	1.75 329	0.54 65	1.91 25	0.91 192	3.24 103	3.65 317	1.64 74	1.73 132	3.45 294	1.58 184	1.82 86	1.74 194	0.42 204	1.06 322	0.40 245	0.32 206	0.44 212	1.03 256

hknet	2.34 98	0.78 110	13.86 66	0.94 71	1.07 211	4.18 272	1.14 245	4.49 350	3.00 216	2.96 327	1.82 160	3.47 295	1.30 127	4.11 198	1.77 196	0.35 136	0.25 103	0.31 119	0.28 132	0.38 154	0.41 72

Wz-Net-SNSev	3.47 293	10.51 368	16.90 121	1.65 311	1.20 242	3.29 89	2.03 335	4.16 257	3.03 225	2.35 248	2.39 279	3.48 296	2.12 266	7.95 271	4.28 309	0.51 280	0.40 219	0.53 310	0.49 308	0.74 321	1.46 283

DualNet	5.08 364	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.23 281	4.73 367	2.31 230	2.40 281	3.49 297	1.64 206	2.29 133	16.90 387	0.30 56	19.28 430	0.48 283	0.40 273	0.31 50	14.02 398

ffm	4.27 338	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.23 281	4.73 367	2.31 230	2.40 281	3.49 297	1.64 206	2.29 133	0.78 8	0.30 56	19.28 430	0.48 283	0.40 273	0.31 50	14.02 398

ff1	5.58 369	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.23 281	4.73 367	2.31 230	2.40 281	3.49 297	1.64 206	12.40 382	16.90 387	0.30 56	19.28 430	0.48 283	0.40 273	0.31 50	14.02 398

mmx	4.56 349	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.53 356	5.34 382	2.31 230	2.40 281	3.49 297	1.64 206	12.40 382	16.90 387	0.34 124	5.98 389	0.48 283	0.40 273	0.46 227	5.71 364

xxx	4.56 349	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.53 356	5.34 382	2.31 230	2.40 281	3.49 297	1.64 206	12.40 382	16.90 387	0.34 124	5.98 389	0.48 283	0.40 273	0.46 227	5.71 364

CFNet-ft	2.87 209	1.80 270	20.20 259	1.10 132	1.54 300	4.09 244	0.89 168	2.97 88	1.88 74	1.93 115	1.70 120	3.50 302	1.60 188	9.35 290	2.17 243	0.35 136	0.32 160	0.61 335	0.38 260	0.55 260	0.45 91

FAT-Stereo	3.38 282	0.88 132	19.96 234	1.28 210	1.20 242	3.44 109	1.97 328	4.26 298	3.15 243	3.14 339	3.92 359	3.50 302	3.28 329	11.68 367	2.04 233	0.65 321	0.68 294	0.48 283	0.54 324	0.63 290	0.91 240

CFNet_RVC	2.87 209	1.80 270	20.20 259	1.10 132	1.54 300	4.09 244	0.89 168	2.97 88	1.88 74	1.93 115	1.70 120	3.50 302	1.60 188	9.35 290	2.17 243	0.35 136	0.32 160	0.61 335	0.38 260	0.55 260	0.45 91

NCC-stereo	3.49 294	2.07 288	20.23 266	1.31 222	1.76 343	4.04 232	1.42 282	4.01 204	2.34 131	3.06 332	2.59 307	3.51 305	3.02 318	10.02 312	5.44 324	1.38 374	0.66 292	0.64 344	0.88 361	0.67 305	0.84 230

Abc-Net	3.49 294	2.07 288	20.23 266	1.31 222	1.76 343	4.04 232	1.42 282	4.01 204	2.34 131	3.06 332	2.59 307	3.51 305	3.02 318	10.02 312	5.44 324	1.38 374	0.66 292	0.64 344	0.88 361	0.67 305	0.84 230
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
LSM	13.03 411	7.72 353	21.01 347	55.44 438	85.65 436	3.65 154	6.27 399	3.91 186	5.06 377	5.63 388	13.91 408	3.53 307	3.46 340	9.93 306	4.36 312	0.72 337	0.95 316	0.72 357	0.85 360	1.09 357	26.67 428

CSAN	5.95 375	13.70 389	21.94 394	1.35 234	0.93 176	3.65 154	3.46 378	4.73 376	4.26 346	3.98 367	7.70 379	3.54 308	6.94 381	22.83 417	16.00 381	0.53 292	0.47 255	0.50 298	0.55 328	0.65 298	1.22 269

GwcNet	3.26 271	3.93 325	20.24 268	1.38 246	2.04 360	3.24 81	1.53 293	3.72 152	3.66 318	2.17 192	2.25 256	3.55 309	1.69 219	9.38 292	3.03 286	0.48 258	0.49 261	0.46 276	0.39 266	0.66 302	0.86 235

PVD	3.91 321	4.36 331	13.89 68	2.81 382	4.79 405	3.80 181	1.94 325	3.89 180	4.11 336	5.75 389	3.56 353	3.59 310	3.34 333	6.44 241	6.44 329	0.73 339	2.84 365	0.74 360	0.84 359	0.82 334	3.45 345

BUS	1.64 25	0.64 38	3.82 14	0.94 71	0.86 153	4.50 325	0.75 109	4.49 350	2.29 126	2.96 327	1.82 160	3.61 311	1.03 65	1.79 77	1.18 78	0.39 184	0.25 103	0.31 119	0.28 132	0.38 154	0.41 72

NINENet	2.59 156	0.89 136	16.09 100	1.16 157	1.07 211	4.50 325	0.75 109	4.43 343	2.61 164	2.18 195	1.91 195	3.61 311	1.03 65	7.92 270	1.18 78	0.49 264	0.34 173	0.41 249	0.30 179	0.42 195	0.44 87

SHD	3.22 262	4.21 330	14.19 72	2.37 362	2.12 362	2.77 53	1.19 252	4.24 288	3.25 259	4.64 381	2.73 320	3.62 313	2.76 303	6.30 237	4.75 319	0.66 322	1.25 331	0.52 306	0.59 334	0.69 312	1.64 294

hitnet-ft	2.99 229	1.23 212	19.37 191	0.96 86	0.90 166	3.76 172	0.79 126	3.60 133	2.68 168	2.31 230	2.04 216	3.63 314	1.49 165	11.70 368	2.37 260	0.45 233	0.54 268	0.44 265	0.36 244	0.54 257	0.56 148

PDISCO_ROB	3.32 277	5.22 336	18.16 149	2.03 350	2.19 365	4.52 330	1.63 305	4.74 377	3.32 278	2.22 207	2.18 245	3.71 315	2.41 287	5.36 212	2.43 263	1.35 372	0.79 303	0.72 357	0.62 340	1.31 371	1.53 287

S-Stereo	3.51 296	0.96 164	22.00 399	1.38 246	1.50 294	3.55 133	2.49 352	4.27 300	3.00 216	2.38 258	3.94 360	3.73 316	1.84 244	11.89 375	2.59 270	0.64 319	0.71 299	0.49 296	0.81 357	0.68 310	1.31 273

XQC	3.41 284	6.58 344	15.18 86	1.97 343	1.62 319	3.40 101	1.76 316	4.53 356	3.67 320	3.40 351	2.45 291	3.73 316	2.91 308	6.78 250	5.36 323	0.73 339	0.90 311	0.60 332	0.61 338	1.02 348	0.99 250

RAFT-Test	1.67 28	0.64 38	6.13 26	1.25 203	1.82 350	3.06 68	0.78 120	4.02 209	3.09 236	1.88 108	1.70 120	3.76 318	1.03 65	1.40 34	1.07 64	0.29 34	0.33 166	0.25 25	0.23 54	0.29 34	0.33 23

ssnet_v2	2.81 205	1.39 231	21.16 369	1.25 203	0.90 166	3.86 193	1.63 305	4.10 236	3.22 254	2.79 310	1.96 204	3.78 319	1.70 222	2.53 151	3.12 292	0.44 224	0.37 194	0.42 259	0.38 260	0.59 275	0.58 165

DPSNet	3.94 324	2.01 285	14.69 80	1.58 296	1.30 260	4.17 269	2.08 338	4.57 362	4.63 362	2.78 308	1.99 210	3.79 320	7.88 389	10.66 328	11.35 357	0.94 357	0.99 320	0.41 249	0.57 331	1.09 357	1.40 278

Nwc_Net	3.03 233	1.90 280	19.16 176	1.38 246	1.69 335	3.53 130	1.19 252	4.03 212	2.19 104	2.79 310	2.84 326	3.80 321	2.46 291	6.93 254	2.87 280	0.96 358	0.41 225	0.59 329	0.68 345	0.60 278	0.65 189

RYNet	3.15 250	1.48 240	16.27 110	1.24 189	1.39 277	3.67 157	1.44 286	4.09 234	3.20 246	2.26 218	1.70 120	3.83 322	2.15 270	13.64 404	3.23 294	0.45 233	0.45 243	0.50 298	0.35 235	0.81 332	0.83 227

ADCMid	4.55 348	10.78 369	17.67 141	1.32 228	1.43 286	4.62 348	2.24 344	4.22 276	4.97 376	3.93 366	3.01 333	3.84 323	3.66 342	4.22 201	18.57 408	0.69 328	0.62 286	1.09 375	1.20 377	1.48 375	1.49 285

NOSS_ROB	3.12 245	0.89 136	19.03 170	2.01 348	1.07 211	3.90 201	0.97 214	4.32 321	3.08 233	2.94 324	2.19 248	3.85 324	1.18 111	11.75 370	1.69 182	0.69 328	0.54 268	0.57 325	0.52 319	0.57 270	0.72 206

ac_64	2.93 217	0.87 129	19.66 203	1.35 234	1.70 336	3.29 89	0.92 197	3.56 128	3.46 304	1.91 111	1.79 149	3.90 325	1.76 229	10.23 317	1.93 219	0.44 224	0.32 160	0.33 166	0.31 196	0.35 124	0.51 128

ADCP+	4.42 344	12.67 379	18.95 167	1.12 143	1.55 304	4.30 295	3.60 385	4.01 204	3.80 325	2.30 227	1.71 124	3.93 326	4.29 352	3.49 181	18.77 410	0.40 191	0.41 225	0.63 342	0.53 321	0.67 305	1.35 276

EDNetEfficient	5.62 371	2.26 297	17.51 134	1.67 313	3.59 391	3.99 225	7.25 401	3.14 95	5.63 392	11.52 416	4.82 369	3.94 327	12.48 401	8.39 276	20.56 414	0.46 246	0.46 247	0.48 283	1.06 370	1.65 381	1.62 293

AANet_RVC	3.70 310	7.03 348	17.25 127	1.21 178	1.12 225	3.79 178	1.09 234	3.98 199	3.38 287	2.65 296	4.29 364	3.95 328	1.40 143	11.43 357	7.88 343	1.25 370	0.57 272	0.34 184	0.25 78	0.43 204	0.71 203

RP	3.26 271	1.73 266	17.70 142	1.56 293	1.93 355	3.43 108	1.94 325	4.18 266	2.72 172	2.77 306	3.05 335	3.96 329	2.69 300	10.17 314	2.86 278	1.04 360	0.50 264	0.71 354	0.59 334	0.75 323	0.83 227

RGC	3.35 281	1.84 278	18.13 148	1.52 285	1.79 347	3.33 95	1.37 276	4.18 266	2.39 135	2.96 327	3.23 345	3.98 330	2.71 301	11.53 358	3.42 297	0.90 355	0.48 258	0.79 362	0.79 355	0.75 323	0.89 238

ADLNet	3.23 265	1.19 209	21.03 349	1.36 238	1.61 317	3.69 160	1.23 259	4.05 219	3.41 294	2.72 300	2.29 265	4.00 331	1.77 231	11.21 347	2.15 241	0.42 204	0.43 237	0.36 213	0.35 235	0.47 237	0.82 225

DispFullNet	4.71 355	3.93 325	23.92 414	4.00 400	3.01 381	3.38 98	1.31 267	4.23 281	3.26 260	6.31 394	2.92 329	4.03 332	7.80 386	3.93 193	5.15 321	2.80 387	1.61 339	3.11 407	2.70 411	3.32 391	3.38 343

WZ-Net	4.39 343	12.37 376	17.44 133	1.47 275	1.42 285	3.76 172	2.27 346	4.17 261	3.11 237	2.89 318	2.24 254	4.05 333	5.69 369	10.89 335	12.07 361	0.66 322	0.41 225	0.47 278	0.49 308	0.78 326	1.12 263

otaku	5.59 370	14.82 410	20.70 327	3.13 387	2.70 376	3.91 204	2.56 355	3.90 182	2.48 151	2.25 212	9.38 392	4.06 334	2.32 282	9.59 296	14.37 374	3.52 397	1.66 341	2.15 391	1.19 376	3.73 397	3.35 342

IGEV_Zeroshot_test	2.66 178	0.75 98	21.55 388	1.50 281	0.89 162	2.21 37	0.90 184	3.52 126	1.83 69	2.17 192	1.57 91	4.09 335	1.60 188	1.73 72	1.21 83	0.32 85	0.33 166	0.28 66	0.30 179	0.44 212	6.09 367

DANet	2.82 206	1.17 202	10.20 45	1.87 337	1.72 339	3.25 83	1.15 248	4.36 330	3.02 223	3.42 352	2.18 245	4.09 335	1.79 235	9.78 299	4.32 310	0.55 299	0.57 272	0.60 332	0.44 294	0.65 298	1.25 272
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MDST_ROB	6.31 382	1.18 203	22.96 411	2.56 373	2.69 375	21.07 419	2.01 334	4.79 379	2.87 200	9.49 406	4.45 365	4.10 337	4.48 356	22.33 416	17.61 399	0.79 346	0.44 241	0.47 278	0.44 294	0.47 237	0.95 247

STrans-v2	3.11 242	0.95 162	20.80 334	0.86 37	0.64 100	3.90 201	1.01 217	4.30 304	3.61 314	2.28 223	3.65 354	4.11 338	5.17 363	7.32 259	1.63 169	0.34 124	0.18 5	0.29 80	0.26 92	0.30 45	0.65 189

AnyNet_C01	4.68 353	10.90 370	16.41 114	2.03 350	1.62 319	6.25 392	6.40 400	4.19 269	5.13 379	4.03 368	3.77 357	4.14 339	3.26 328	7.23 257	11.19 353	0.64 319	0.80 304	0.65 346	0.72 349	2.18 383	2.08 310

CBMV_ROB	4.57 351	0.90 141	21.30 380	1.46 271	0.89 162	4.43 313	1.69 313	4.51 355	3.14 242	5.97 391	4.23 362	4.16 340	7.83 387	11.06 343	16.47 382	0.61 310	0.55 270	0.53 310	0.51 318	0.56 266	0.59 167

DDUNet	3.65 303	2.81 309	19.59 201	3.57 395	2.26 366	3.47 115	1.35 273	4.21 275	2.40 138	2.68 297	2.48 294	4.17 341	1.78 232	5.48 217	2.61 271	2.25 383	1.77 343	2.61 397	2.43 406	2.63 387	2.40 320

EDNetEfficientorigin	12.42 408	3.26 317	179.44 444	1.21 178	1.00 193	2.89 59	1.82 321	3.05 91	5.37 384	8.87 403	4.78 368	4.17 341	4.80 359	9.91 304	11.32 356	0.41 194	0.41 225	0.62 341	0.88 361	1.33 372	2.81 328

FBW_ROB	3.91 321	2.07 288	15.46 92	1.60 299	1.16 231	3.80 181	1.48 290	4.37 333	3.41 294	2.53 282	2.45 291	4.19 343	2.10 262	15.17 411	9.45 348	0.86 353	0.65 291	1.54 385	0.96 365	1.08 356	3.80 347

Wz-Net-TNSev	4.22 332	13.55 383	15.87 98	1.57 294	1.19 240	3.61 145	2.48 351	4.38 337	3.45 303	2.29 226	1.91 195	4.20 344	2.86 306	12.11 379	10.56 351	0.61 310	0.59 279	0.48 283	0.54 324	0.93 344	1.24 271

RainbowNet	5.20 366	15.03 413	21.14 366	3.66 397	3.25 389	4.18 272	2.98 365	4.22 276	3.20 246	2.30 227	2.65 312	4.24 345	2.97 311	9.92 305	6.29 327	3.92 403	2.27 355	2.71 401	1.73 392	3.82 398	3.43 344

ADCPNet	4.25 335	4.04 327	21.95 395	1.33 231	1.31 264	6.34 394	2.63 357	4.07 223	3.23 257	2.81 313	2.21 252	4.27 346	6.08 372	6.01 226	11.73 360	0.67 325	1.17 328	0.71 354	1.71 390	0.87 340	1.82 304

MyStereo06	2.74 195	1.07 187	21.19 374	1.06 124	1.08 214	4.26 289	0.86 157	3.72 152	1.80 66	2.25 212	1.77 143	4.28 347	4.12 350	1.85 90	1.38 123	0.25 8	2.43 361	0.34 184	0.27 107	0.46 227	0.48 113

ADCL	4.70 354	4.04 327	16.12 101	1.35 234	1.28 257	5.46 388	10.88 406	4.08 230	4.25 345	5.97 391	4.51 366	4.29 348	5.60 365	6.37 238	15.21 379	0.54 296	0.48 258	0.88 367	0.78 354	0.86 338	1.01 253

riskmin	2.46 125	0.61 30	12.91 59	1.22 182	1.65 329	3.56 135	0.61 46	4.30 304	1.50 14	1.86 107	1.16 24	4.30 349	2.02 257	1.53 49	1.32 108	0.29 34	0.95 316	0.34 184	0.23 54	0.43 204	8.34 382

TransformOpticalFlow	3.07 238	0.87 129	20.87 340	1.10 132	0.56 71	4.18 272	0.64 60	4.36 330	3.28 264	2.19 200	3.08 337	4.32 350	5.01 361	7.36 262	1.59 158	0.34 124	0.18 5	0.32 134	0.26 92	0.29 34	0.57 153

edge stereo	3.45 289	1.08 190	22.14 401	1.31 222	1.36 271	2.68 52	1.54 295	4.13 247	3.27 262	2.94 324	3.27 347	4.34 351	2.48 292	11.60 363	2.79 274	0.62 315	0.64 288	0.79 362	0.56 330	0.70 313	0.82 225

MFN_U_SF_RVC	4.08 328	13.72 391	15.13 85	2.00 346	1.43 286	3.73 167	1.68 312	4.11 239	3.39 292	2.93 322	2.38 276	4.39 352	3.63 341	8.63 278	6.14 326	1.14 366	1.07 325	1.01 370	1.35 384	1.63 379	2.09 312

ADCS	4.77 358	12.63 378	17.40 132	1.72 323	1.34 268	3.90 201	3.60 385	4.30 304	3.54 311	5.11 386	2.81 325	4.44 353	3.05 321	6.15 233	19.32 411	0.74 342	0.68 294	0.70 352	0.70 347	1.25 369	1.98 307

CBMV	4.12 329	1.27 216	21.14 366	1.52 285	0.85 151	3.80 181	3.89 392	4.58 364	3.02 223	3.56 358	2.37 275	4.44 353	13.88 407	11.23 349	3.78 304	0.56 302	0.43 237	0.48 283	0.39 266	0.55 260	0.74 215
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	3.84 317	2.91 311	20.05 243	2.98 384	1.98 357	3.95 217	1.18 251	4.43 343	2.24 112	2.47 275	2.53 302	4.49 355	2.44 290	6.52 242	4.74 318	2.14 382	1.77 343	2.64 398	2.58 408	2.66 388	2.19 317

AF-Net	3.15 250	2.65 307	18.81 162	1.37 243	1.76 343	3.30 93	1.57 300	4.20 271	3.05 230	2.76 305	2.94 331	4.50 356	3.21 327	5.88 224	3.07 288	0.88 354	0.39 216	0.72 357	0.50 314	0.75 323	0.66 195

DispNO	3.22 262	2.06 286	19.82 220	1.21 178	1.11 222	3.74 169	0.93 202	4.31 314	2.89 202	2.37 257	2.27 260	4.51 357	2.09 261	11.41 354	3.47 298	0.35 136	0.28 136	0.31 119	0.29 162	0.39 165	0.51 128

DISCO	2.40 111	0.99 180	11.99 53	1.81 334	1.12 225	3.47 115	1.24 261	3.34 114	2.57 160	2.73 302	1.96 204	4.52 358	1.90 252	4.18 200	3.62 302	0.37 164	0.27 130	0.31 119	0.30 179	0.70 313	0.62 179

CBFPSM	2.24 74	2.06 286	12.12 55	1.13 148	1.05 208	2.85 55	1.23 259	3.37 117	2.05 91	1.82 104	1.33 49	4.55 359	4.00 348	2.38 139	2.35 257	0.27 22	0.38 207	0.32 134	0.28 132	0.39 165	0.89 238

MADNet+	4.46 345	11.36 371	14.35 75	2.23 356	2.50 374	4.18 272	2.86 363	5.46 391	4.43 354	2.74 303	2.69 317	4.55 359	3.43 338	8.97 285	9.42 347	1.47 376	2.06 349	1.09 375	1.02 367	1.54 377	2.96 335

RASNet	3.15 250	1.20 210	19.81 219	1.63 306	2.26 366	3.67 157	1.09 234	3.58 129	3.44 297	1.99 135	2.15 235	4.59 361	2.30 281	10.24 319	2.98 284	0.57 304	0.26 123	0.25 25	0.25 78	0.30 45	0.54 143

XX-Stereo	2.66 178	0.70 71	21.17 371	2.33 361	1.24 252	4.31 298	0.45 13	4.48 349	1.60 39	2.39 260	1.89 187	4.60 362	0.60 6	4.17 199	1.11 69	0.34 124	0.26 123	0.29 80	0.29 162	0.53 254	0.43 83

HH	3.19 257	0.91 144	21.34 381	1.24 189	0.61 86	4.16 264	0.80 130	2.94 80	1.82 67	1.23 45	1.84 174	4.61 363	1.84 244	2.63 156	0.99 52	0.29 34	1.53 336	0.30 101	0.24 67	0.34 111	14.22 402

HanStereo	3.19 257	0.91 144	21.34 381	1.24 189	0.61 86	4.16 264	0.80 130	2.94 80	1.82 67	1.23 45	1.84 174	4.61 363	1.84 244	2.63 156	0.99 52	0.29 34	1.53 336	0.30 101	0.24 67	0.34 111	14.22 402

ADLNet2	3.20 259	1.43 235	20.11 255	1.22 182	1.78 346	3.86 193	1.47 288	3.96 195	3.89 330	2.26 218	2.49 295	4.63 365	1.92 254	10.68 329	2.00 227	0.42 204	0.37 194	0.29 80	0.30 179	0.51 252	0.46 98

SGM-Forest	4.96 362	0.86 126	21.02 348	1.22 182	0.83 146	4.05 236	3.26 373	4.40 340	3.49 308	4.40 377	3.69 356	4.66 366	13.91 408	11.94 376	17.16 395	0.66 322	0.46 247	0.49 296	0.39 266	0.49 246	1.77 301
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_2	4.03 327	0.99 180	11.19 51	1.20 173	1.71 337	3.68 159	0.93 202	3.76 158	1.63 48	2.07 167	1.43 67	4.76 367	2.34 283	1.86 91	1.78 197	0.82 351	2.42 360	8.69 422	16.64 427	4.38 404	8.29 380

MSC_U_SF_DS_RVC	4.90 361	13.94 394	16.59 118	1.69 317	1.46 290	6.15 391	3.52 381	5.47 392	3.95 332	2.77 306	2.74 321	4.81 368	2.49 294	13.78 405	5.33 322	2.34 384	3.46 376	1.05 372	1.21 378	2.28 384	2.94 334

RTS	4.29 339	9.35 359	18.25 151	2.79 380	2.29 368	4.98 380	3.41 376	4.72 374	4.27 347	4.35 375	3.10 339	4.93 369	3.14 323	7.71 268	6.99 333	0.71 332	0.68 294	0.51 303	0.50 314	1.07 354	1.98 307

RTSA	4.29 339	9.35 359	18.25 151	2.79 380	2.29 368	4.98 380	3.41 376	4.72 374	4.27 347	4.35 375	3.10 339	4.93 369	3.14 323	7.71 268	6.99 333	0.71 332	0.68 294	0.51 303	0.50 314	1.07 354	1.98 307

MFN_U_SF_DS_RVC	4.38 342	13.66 386	13.95 69	1.39 253	1.58 315	5.18 384	3.31 374	4.53 356	3.22 254	2.60 287	2.62 310	4.99 371	2.11 264	13.99 408	4.21 308	1.53 378	2.56 363	0.67 348	1.82 396	0.83 337	2.92 333

stereogan	3.26 271	1.26 213	18.01 145	1.38 246	1.66 332	3.76 172	1.64 308	4.06 221	3.86 329	3.23 344	2.70 318	5.02 372	2.85 305	9.88 303	1.85 208	0.71 332	0.51 266	0.69 351	0.48 305	0.86 338	0.85 232

IMH-64-1	6.10 379	13.83 392	17.55 135	4.34 404	3.78 393	4.79 376	5.94 397	5.34 385	4.20 340	4.10 369	8.31 385	5.07 373	6.92 379	9.63 297	7.36 336	4.60 411	2.96 370	3.04 403	2.14 403	4.30 402	3.88 350

IMH-64	6.10 379	13.83 392	17.55 135	4.34 404	3.78 393	4.79 376	5.94 397	5.34 385	4.20 340	4.10 369	8.31 385	5.07 373	6.92 379	9.63 297	7.36 336	4.60 411	2.96 370	3.04 403	2.14 403	4.30 402	3.88 350

psmorigin	6.62 387	1.45 237	87.38 439	1.55 291	0.97 184	2.86 56	1.42 282	3.30 110	2.12 99	3.74 362	2.45 291	5.15 375	2.59 298	10.55 325	2.91 283	0.55 299	0.68 294	0.48 283	0.53 321	0.73 317	1.02 254

SAMSARA	4.67 352	6.50 343	16.40 113	4.62 411	3.13 385	6.62 396	3.49 379	5.24 384	3.04 228	7.78 399	3.07 336	5.32 376	4.05 349	9.98 309	6.42 328	0.69 328	2.39 359	0.60 332	0.74 351	0.99 347	2.26 318

tt	7.29 396	0.58 10	7.34 30	4.04 401	2.30 370	12.04 410	20.18 416	15.60 421	7.41 401	3.46 353	3.36 348	5.36 377	6.39 375	4.27 202	7.46 339	9.80 422	11.53 418	7.04 420	7.45 421	6.31 411	3.81 348

SPS-STEREO	5.18 365	10.36 366	21.09 361	1.74 327	1.72 339	3.24 81	2.26 345	3.92 187	4.12 337	5.06 385	3.66 355	5.43 378	3.33 332	9.56 294	12.34 363	1.17 368	1.17 328	1.07 373	1.03 369	1.17 363	10.25 391
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	6.63 388	9.57 362	19.28 186	3.19 388	2.11 361	3.69 160	1.99 329	4.32 321	6.27 399	3.26 347	24.57 420	5.45 379	11.39 400	13.56 402	12.37 364	2.79 386	2.05 348	1.76 386	1.75 393	1.49 376	1.75 297
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SDNR	4.37 341	2.22 296	20.63 323	1.60 299	0.99 187	5.15 383	0.67 65	4.36 330	5.55 390	4.89 383	7.17 375	5.50 380	1.58 184	17.48 413	4.33 311	0.80 347	0.72 300	0.59 329	0.45 299	1.18 364	1.43 282

ACVNet-4b	6.98 393	14.78 408	22.17 402	3.56 394	3.11 384	4.14 258	2.23 343	4.08 230	3.84 326	1.67 80	3.96 361	5.86 381	2.87 307	10.30 321	17.16 395	26.09 432	2.24 354	2.53 394	1.79 394	3.91 400	3.28 339

coex-ft	20.00 419	11.54 372	120.82 441	1.18 168	1.30 260	2.36 44	1.99 329	2.96 87	13.96 409	129.83 443	8.40 387	5.88 382	52.82 436	9.93 306	31.13 427	0.61 310	0.62 286	0.50 298	0.49 308	1.10 359	2.63 325

MADNet++	8.64 401	6.17 342	13.88 67	6.61 414	5.25 407	10.15 405	14.20 411	5.89 399	8.25 402	7.14 396	8.18 382	6.41 383	9.84 398	11.71 369	16.73 386	9.65 421	5.03 386	8.63 421	5.68 418	4.83 408	8.57 384

WAO-7	6.00 377	14.29 399	20.46 294	1.97 343	1.51 296	5.31 386	3.06 370	5.00 381	5.92 395	4.55 380	8.87 390	6.52 384	6.47 376	13.38 401	13.85 370	1.35 372	1.24 330	1.48 383	1.36 385	1.63 379	1.79 303

WAO-6	6.68 390	9.03 357	20.68 326	2.98 384	2.79 378	11.93 408	3.56 384	5.39 389	11.65 407	3.55 357	9.59 394	6.77 385	6.72 378	12.28 380	11.56 358	2.88 389	2.36 358	2.50 393	1.84 397	2.89 389	2.72 327

G-Net	4.16 330	1.39 231	20.31 279	2.30 359	2.91 379	4.68 364	2.86 363	3.35 115	2.44 147	4.43 378	9.43 393	6.89 386	3.83 345	8.91 282	4.83 320	0.80 347	0.80 304	0.70 352	0.50 314	0.95 346	0.97 248

ELAS	6.58 386	2.54 304	20.08 249	2.66 374	2.48 372	15.49 416	7.29 402	5.50 393	5.72 393	10.05 411	8.94 391	6.91 387	10.83 399	8.33 274	14.27 373	1.92 379	2.19 351	1.23 380	1.31 380	1.62 378	2.17 315
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SANet	6.43 384	13.71 390	22.08 400	1.43 268	1.00 193	6.86 398	3.78 390	4.71 373	11.10 405	4.71 382	8.72 389	7.47 388	7.91 390	12.46 389	18.12 403	0.51 280	0.47 255	0.50 298	0.45 299	0.94 345	1.60 292

raft_robust	3.17 254	2.15 294	20.28 272	1.06 124	0.55 68	3.86 193	0.46 14	4.42 341	2.77 180	1.70 86	1.37 57	7.48 389	6.35 373	6.81 252	1.44 133	0.31 71	0.74 301	0.30 101	0.37 252	0.32 69	0.57 153

ACVNet_2	6.09 378	15.28 415	21.36 383	3.30 391	3.17 386	4.50 325	3.00 366	4.70 372	3.96 333	3.52 356	5.34 372	7.79 390	2.95 309	12.40 382	13.76 369	3.28 393	2.23 353	2.70 400	1.70 389	3.52 392	3.24 337

PWCK	6.49 385	13.40 381	20.27 271	2.95 383	1.61 317	5.68 390	7.63 404	5.37 388	4.77 373	3.90 365	7.48 378	7.96 391	5.63 366	15.15 410	10.93 352	3.21 392	1.55 338	2.34 392	1.43 387	6.05 410	2.45 323

HSM	3.25 270	1.08 190	19.18 178	1.19 171	1.54 300	3.45 112	1.02 220	4.04 216	2.61 164	2.31 230	2.17 240	8.01 392	2.99 316	11.59 361	1.80 202	0.35 136	0.24 91	0.28 66	0.24 67	0.33 90	0.55 146

ELAS_RVC	6.36 383	2.53 303	20.21 263	2.67 375	2.48 372	4.90 379	11.89 408	4.84 380	6.31 400	9.03 404	8.54 388	8.09 393	12.73 403	9.32 289	13.25 368	1.92 379	2.18 350	1.51 384	1.31 380	1.40 374	2.15 313
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	6.11 381	1.10 193	20.44 291	2.15 354	0.66 106	15.87 418	3.98 393	5.00 381	6.19 397	9.79 410	11.46 401	8.23 394	12.63 402	12.32 381	9.15 346	0.54 296	0.39 216	0.41 249	0.35 235	0.55 260	1.05 258
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
IMH	7.25 395	16.24 420	21.08 356	4.40 406	3.79 395	5.46 388	3.03 369	5.58 395	6.26 398	4.92 384	10.32 396	9.24 395	8.30 392	13.62 403	11.56 358	4.84 415	3.00 373	3.09 406	2.14 403	4.38 404	3.83 349

JetBlue	6.69 391	12.01 375	14.30 74	1.98 345	4.64 404	11.97 409	12.29 409	5.39 389	4.32 353	3.81 364	4.51 366	9.50 396	6.53 377	10.22 316	14.50 375	1.32 371	1.47 334	1.18 378	1.36 385	7.48 417	5.05 360

JetRed	10.68 405	26.07 427	35.62 422	4.40 406	4.16 401	15.72 417	13.07 410	14.57 417	5.83 394	5.85 390	5.55 374	10.12 397	7.37 384	8.86 281	25.99 421	3.33 394	3.82 379	3.59 414	2.98 416	8.51 420	8.22 379

MeshStereo	5.67 372	1.80 270	21.28 378	1.40 254	1.14 228	4.38 302	3.83 391	5.51 394	4.85 375	10.12 412	11.72 403	11.44 398	5.87 370	13.86 406	12.31 362	0.68 326	0.61 283	0.61 335	0.60 336	0.73 317	0.68 197
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
FINET	10.59 404	14.44 404	25.84 417	2.30 359	3.90 396	21.74 420	25.19 419	8.85 405	16.99 413	2.68 297	15.19 410	11.45 399	13.83 406	6.71 249	15.11 378	0.80 347	8.59 399	0.53 310	0.44 294	0.62 284	16.67 416

WAO-8	12.61 409	16.02 418	21.99 397	3.55 392	3.10 382	15.07 414	2.80 359	12.81 412	19.10 420	7.93 401	13.05 405	11.75 400	8.46 394	83.86 442	15.10 376	3.51 395	1.94 346	3.54 412	1.96 400	3.72 395	2.89 331

Venus	12.61 409	16.02 418	21.99 397	3.55 392	3.10 382	15.07 414	2.80 359	12.81 412	19.10 420	7.93 401	13.05 405	11.75 400	8.46 394	83.86 442	15.10 376	3.51 395	1.94 346	3.54 412	1.96 400	3.72 395	2.89 331

FADE		14.73 406		10.62 424	13.30 416			28.45 425	8.38 403	5.17 387		11.84 402		44.20 430		481.80 446	167.92 445	346.21 446	320.29 446	7.64 418	6.52 371

SGM+DAISY	13.18 412	14.36 401	24.65 416	8.10 417	13.49 418	22.47 421	25.54 420	12.13 409	17.08 414	14.77 418	15.82 412	12.17 403	13.97 409	12.65 392	18.22 405	8.40 419	9.18 409	1.23 380	1.33 383	1.23 368	16.81 421

WCMA_ROB	5.78 373	2.42 301	21.71 390	1.67 313	1.55 304	4.07 240	3.53 382	4.14 250	4.73 367	6.59 395	10.89 398	12.82 404	9.59 397	10.17 314	12.65 366	1.05 361	0.61 283	0.52 306	0.52 319	0.71 315	5.64 363

TorneroNet-64	10.52 403	14.33 400	21.95 395	4.29 403	3.76 392	13.77 413	2.83 362	14.96 418	23.11 423	10.24 413	23.77 419	13.44 405	8.15 391	13.98 407	17.70 401	4.03 404	2.73 364	3.23 408	2.53 407	7.27 416	4.35 357

DGTPSM_ROB	16.67 415	21.79 425	40.19 426	10.00 421	19.05 421	12.43 411	33.20 423	13.71 414	18.09 418	9.71 408	22.85 417	13.77 406	19.64 415	21.23 414	24.07 415	5.09 416	8.95 405	5.62 418	11.49 423	6.73 413	15.75 414

DPSMNet_ROB	16.76 416	21.81 426	40.95 427	10.20 423	19.08 422	12.43 411	33.21 424	13.73 415	18.21 419	9.76 409	22.88 418	13.78 407	19.64 415	21.39 415	24.21 416	5.20 417	8.97 406	5.63 419	11.51 426	6.80 414	15.82 415

notaker	10.92 406	14.17 397	20.38 285	4.56 410	3.98 398	6.29 393	3.53 382	7.68 402	5.10 378	9.04 405	46.37 431	13.84 408	28.85 422	14.18 409	14.16 372	4.57 410	3.19 374	3.52 411	2.70 411	8.16 419	4.13 354

UNDER WATER-64	10.08 402	14.27 398	22.85 409	5.26 413	4.88 406	11.00 407	4.57 396	11.41 408	17.25 415	7.68 398	9.72 395	15.96 409	21.47 420	11.12 346	16.63 385	4.38 405	2.88 367	4.41 417	2.95 415	7.12 415	5.81 366

LVE	7.57 397	15.80 417	21.28 378	3.69 398	3.19 388	4.54 331	2.78 358	10.13 407	11.63 406	3.24 345	11.52 402	18.10 410	4.55 357	11.67 364	10.30 350	4.62 414	2.95 368	2.56 395	1.91 399	3.63 393	3.26 338

FCDSN-DC	6.71 392	1.18 203	21.61 389	1.29 215	1.10 220	4.38 302	2.59 356	4.58 364	5.52 388	9.58 407	11.19 399	19.17 411	17.69 413	13.03 395	17.11 393	0.73 339	0.57 272	0.61 335	0.60 336	0.71 315	0.92 242
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	15.29 413	13.67 387	23.58 413	10.15 422	13.37 417	23.58 423	23.86 417	27.83 424	26.26 424	12.02 417	15.10 409	19.83 412	18.01 414	15.68 412	20.35 413	8.58 420	9.20 410	3.05 405	4.19 417	0.82 334	16.69 417

FC-DCNN	7.08 394	1.01 182	21.89 392	1.74 327	1.64 326	8.18 404	2.31 347	6.50 400	9.16 404	10.85 415	11.33 400	19.85 413	13.33 404	12.94 394	17.10 392	0.72 337	0.57 272	0.59 329	0.57 331	0.64 293	0.69 199

pmcnn	5.90 374	1.81 273	22.30 403	1.69 317	2.37 371	3.47 115	2.10 339	4.58 364	5.56 391	3.75 363	13.12 407	22.07 414	3.70 343	11.99 378	17.13 394	0.58 305	0.23 72	0.23 5	0.19 10	0.37 145	0.70 201

MSMD_ROB	5.99 376	1.29 221	19.23 183	1.40 254	0.84 150	10.25 406	2.05 337	4.20 271	6.02 396	10.42 414	8.00 380	22.21 415	9.45 396	11.67 364	8.73 345	0.76 345	0.59 279	0.67 348	0.68 345	0.67 305	0.72 206

ACVNet_1	6.63 388	14.79 409	21.40 384	3.59 396	3.17 386	4.69 369	2.46 350	4.24 288	3.34 282	3.11 335	2.86 327	23.21 416	4.59 358	11.06 343	12.59 365	3.75 399	2.34 357	2.60 396	1.80 395	3.70 394	3.31 340

Anonymous_1	57.77 438	19.65 422	26.12 418	23.12 426	141.97 442	30.79 424	39.72 426	34.10 429	16.98 412	70.09 439	15.64 411	23.44 417	19.73 417	23.03 419	27.21 422	164.70 444	9.02 407	130.41 439	137.42 441	161.21 445	41.01 433

UNDER WATER	11.28 407	13.60 384	22.90 410	5.11 412	4.53 403	7.75 402	3.75 388	12.50 410	21.62 422	7.80 400	10.68 397	23.75 418	35.20 423	11.54 359	17.40 397	4.46 407	2.95 368	4.23 416	2.90 414	6.57 412	6.27 368

DPSM_ROB	20.83 420	20.01 423	26.54 419	23.64 427	22.42 423	31.06 425	39.94 427	34.02 427	17.42 416	15.35 419	16.05 414	24.04 419	20.69 418	23.28 420	27.60 423	10.77 423	9.41 411	11.68 425	11.50 424	14.48 425	16.71 418

DPSM	20.83 420	20.01 423	26.54 419	23.64 427	22.42 423	31.06 425	39.94 427	34.02 427	17.42 416	15.35 419	16.05 414	24.04 419	20.69 418	23.28 420	27.60 423	10.77 423	9.41 411	11.68 425	11.50 424	14.48 425	16.71 418

LRCNet_RVC	25.63 423	33.47 428	24.35 415	31.77 429	32.74 426	6.73 397	1.19 252	25.87 423	4.67 366	28.95 422	30.91 423	24.89 421	17.54 412	27.82 423	24.57 418	35.48 433	25.62 435	35.91 435	33.80 434	31.95 435	34.38 432

Dean	8.35 400	15.23 414	22.34 404	3.76 399	3.55 390	4.81 378	3.51 380	5.34 385	5.37 384	4.49 379	26.13 421	25.59 422	4.33 354	11.21 347	13.12 367	3.78 400	2.31 356	2.90 402	1.89 398	4.04 401	3.34 341

SGM-ForestM	15.60 414	14.94 412	28.17 421	7.84 416	10.49 413	23.43 422	24.58 418	20.87 422	16.87 411	15.92 421	15.89 413	27.08 423	22.45 421	24.86 422	28.42 426	3.85 402	8.90 403	0.55 319	1.15 375	0.64 293	15.05 405

LE_ROB	19.18 418	12.99 380	48.22 430	8.42 419	23.91 425	7.26 400	19.71 415	9.92 406	38.58 432	43.44 430	21.85 416	28.15 424	41.18 426	23.00 418	54.71 431	0.38 177	0.34 173	0.32 134	0.36 244	0.43 204	0.49 118

HaxPig	43.31 433	43.63 435	45.01 428	33.88 430	35.67 428	32.79 427	30.52 422	45.50 430	42.95 433	48.75 431	48.14 432	43.24 425	40.44 425	44.58 431	43.63 428	47.17 435	49.30 436	51.65 437	50.37 436	43.72 436	45.27 434

HanzoNet	31.86 427	17.33 421	21.23 375	7.52 415	5.85 410	7.49 401	3.61 387	14.35 416	13.37 408	50.38 433	46.35 430	44.46 426	56.50 437	36.53 429	28.25 425	64.05 438	58.31 439	9.45 423	89.24 439	31.17 434	31.77 429

AVERAGE_ROB	44.46 434	45.87 436	46.48 429	40.54 432	38.62 429	32.95 428	30.49 421	46.80 431	43.31 434	49.57 432	48.93 433	44.57 427	39.87 424	45.01 432	43.89 429	48.70 436	50.65 437	50.80 436	49.79 435	45.54 437	46.89 435

MEDIAN_ROB	47.37 435	49.00 437	49.74 431	40.28 431	39.94 430	34.93 429	33.41 425	49.78 432	46.38 436	53.04 434	52.61 434	47.67 428	42.28 434	48.33 440	47.25 430	52.06 437	53.99 438	54.28 438	53.48 437	48.70 438	50.27 436

Selective-RAFT-Error	41.88 428	40.10 433	53.23 433	47.74 434	45.20 432	62.42 438	80.58 436	68.27 437	34.95 426	30.85 424	32.30 427	48.08 429	42.07 432	46.54 433	54.92 432	21.60 430	19.12 428	23.46 432	23.15 429	29.14 431	33.95 431

CasAABBNet	41.89 429	40.14 434	53.33 437	47.71 433	45.10 431	62.42 438	80.65 437	68.29 438	34.85 425	30.67 423	32.34 428	48.22 430	41.76 431	46.61 435	55.60 434	21.59 429	18.89 424	23.46 432	23.21 430	29.17 432	33.75 430

MyStereo03	43.09 430	40.09 430	53.32 434	48.07 435	45.83 433	62.40 435	80.65 437	67.87 433	35.18 428	31.09 426	32.21 424	48.24 431	41.62 428	46.66 436	55.80 435	21.53 426	18.98 425	23.44 429	23.21 430	29.12 428	56.57 438

MyStereo02	43.09 430	40.09 430	53.32 434	48.07 435	45.83 433	62.40 435	80.65 437	67.87 433	35.18 428	31.09 426	32.21 424	48.24 431	41.62 428	46.66 436	55.80 435	21.53 426	18.98 425	23.44 429	23.21 430	29.12 428	56.57 438

MyStereo	43.09 430	40.09 430	53.32 434	48.07 435	45.83 433	62.40 435	80.65 437	67.87 433	35.18 428	31.09 426	32.21 424	48.24 431	41.62 428	46.66 436	55.80 435	21.53 426	18.98 425	23.44 429	23.21 430	29.12 428	56.57 438

LSM0	49.69 436	40.02 429	53.50 438	97.07 439	129.56 440	62.65 440	79.82 435	68.02 436	35.12 427	33.72 429	33.34 429	48.41 434	41.54 427	46.57 434	55.40 433	21.63 431	19.16 429	23.60 434	23.13 428	29.46 433	52.08 437

SPstereo	30.75 426	13.65 385	19.03 170	8.80 420	10.65 414	50.20 433	82.83 441	71.83 439	35.94 431	30.86 425	29.63 422	48.58 435	42.25 433	47.75 439	58.04 438	7.66 418	8.94 404	20.43 428	10.51 422	8.69 421	8.79 385

KSHMR	17.50 417	14.38 403	22.35 405	4.50 408	4.51 402	8.17 403	3.33 375	15.44 420	76.15 438	7.32 397	61.40 435	56.33 436	5.66 368	32.91 425	13.97 371	4.42 406	2.99 372	3.64 415	2.79 413	5.13 409	4.55 359

ktn	22.24 422	14.37 402	20.30 277	4.54 409	4.02 399	6.52 395	4.50 395	6.78 401	78.80 440	84.67 440	100.54 442	58.48 437	8.39 393	13.13 396	17.09 391	4.61 413	3.24 375	3.49 410	2.62 409	4.70 407	3.96 352

xxxxx1	112.85 440	94.19 441	38.10 423	228.21 444	161.02 443	39.23 430	61.26 432	92.54 441	79.08 441	63.44 436	74.84 436	77.80 438	69.88 438	33.55 426	70.96 439	117.25 440	130.44 442	258.49 443	273.88 443	145.63 442	147.24 443

tt_ll	112.85 440	94.19 441	38.10 423	228.21 444	161.02 443	39.23 430	61.26 432	92.54 441	79.08 441	63.44 436	74.84 436	77.80 438	69.88 438	33.55 426	70.96 439	117.25 440	130.44 442	258.49 443	273.88 443	145.63 442	147.24 443

ff	112.85 440	94.19 441	38.10 423	228.21 444	161.02 443	39.23 430	61.26 432	92.54 441	79.08 441	63.44 436	74.84 436	77.80 438	69.88 438	33.55 426	70.96 439	117.25 440	130.44 442	258.49 443	273.88 443	145.63 442	147.24 443

TorneroNet	26.32 424	14.70 405	22.40 406	4.24 402	4.08 400	54.72 434	3.19 371	15.11 419	76.73 439	57.99 435	82.55 439	86.65 441	45.79 435	13.34 400	18.51 406	4.52 409	2.86 366	3.45 409	2.63 410	8.75 422	4.28 355

BEATNet-Init1	51.93 437	71.67 440	99.39 440	10.91 425	13.10 415	84.39 441	59.36 431	73.78 440	67.97 437	88.09 441	88.15 440	91.73 442	97.51 442	85.13 444	72.56 442	2.59 385	5.18 387	1.20 379	1.49 388	10.61 423	13.83 396

PML	64.55 439	56.00 439	20.79 333	8.10 417	32.82 427	147.60 443	247.57 445	12.71 411	45.39 435	111.32 442	288.85 445	101.42 443	100.62 443	31.63 424	15.84 380	13.96 425	4.84 383	10.95 424	6.18 420	28.99 427	5.33 362

ASD4	117.27 443	129.52 444	123.56 442	122.58 440	90.02 437	142.70 442	121.49 442	155.40 445	106.26 444	137.15 444	93.99 441	116.23 444	77.54 441	123.37 445	97.34 443	115.20 439	101.37 440	138.98 441	118.15 440	131.38 441	103.11 441

DPSimNet_ROB	143.68 444	156.64 445	170.66 443	162.59 441	135.40 441	195.13 444	174.01 443	141.76 444	167.78 446	174.58 445	138.78 443	186.01 445	183.75 444	82.32 441	97.85 444	151.24 443	102.48 441	131.25 440	82.78 438	115.21 440	123.37 442

test_example2	213.42 445	219.67 446	222.97 445	213.78 443	220.82 446	199.03 445	200.49 444	189.27 446	143.61 445	211.05 446	218.08 444	210.69 446	205.21 445	221.14 446	216.49 445	236.74 445	242.08 446	213.66 442	216.96 442	235.55 446	231.06 446

Low-res two-view benchmark