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

Former-RAFT_DAM_RVC	0.52 86	0.51 103	1.12 1	0.26 17	0.22 90	0.46 24	0.20 23	1.10 345	1.33 376	3.13 414	0.33 34	0.22 9	0.20 16	0.34 16	0.26 35	0.11 113	0.09 84	0.11 96	0.09 39	0.17 92	0.21 75

anonymity	0.86 299	0.68 154	1.44 2	0.64 319	0.83 346	0.67 248	0.52 300	0.98 277	0.73 206	0.96 335	0.70 261	0.81 290	0.86 332	1.10 198	1.34 309	0.64 377	0.72 332	0.58 379	1.44 414	0.60 366	0.91 325

CES	0.33 5	0.32 15	1.46 3	0.25 6	0.50 280	0.40 15	0.20 23	0.48 12	0.48 29	0.22 3	0.29 17	0.26 33	0.19 9	0.35 25	0.22 5	0.09 11	0.07 6	0.08 3	0.05 1	0.16 71	0.54 252

BUS	0.45 43	0.32 15	1.58 4	0.31 77	0.22 90	0.91 333	0.23 64	1.05 322	0.67 141	0.64 243	0.53 131	0.65 216	0.32 112	0.48 63	0.34 99	0.13 191	0.10 107	0.14 226	0.12 142	0.13 36	0.15 33

BSDual-CNN	0.48 58	0.32 15	1.58 4	0.31 77	0.22 90	0.76 284	0.32 197	1.05 322	0.67 141	0.64 243	0.53 131	0.63 206	0.38 141	0.48 63	0.97 265	0.13 191	0.10 107	0.14 226	0.12 142	0.13 36	0.15 33

psmg	0.48 58	0.32 15	1.58 4	0.28 37	0.22 90	0.75 280	0.35 224	0.94 248	0.67 141	0.61 211	0.59 188	0.63 206	0.38 141	0.48 63	0.97 265	0.13 191	0.11 129	0.13 196	0.13 162	0.14 52	0.15 33

panet	0.31 1	0.31 7	1.65 7	0.20 2	0.12 3	0.55 87	0.15 1	0.50 24	0.51 44	0.28 19	0.34 36	0.24 22	0.21 18	0.34 16	0.24 17	0.11 113	0.07 6	0.08 3	0.05 1	0.09 5	0.12 11

CREStereo	0.31 1	0.35 38	1.66 8	0.19 1	0.13 6	0.55 87	0.17 6	0.50 24	0.50 39	0.28 19	0.34 36	0.24 22	0.21 18	0.34 16	0.23 16	0.11 113	0.07 6	0.08 3	0.05 1	0.10 11	0.12 11
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
CroCo-Stereo	0.35 9	0.71 162	1.67 9	0.32 95	0.17 39	0.19 1	0.21 34	0.79 138	0.54 60	0.22 3	0.25 11	0.55 170	0.22 22	0.28 1	0.28 45	0.10 48	0.08 39	0.08 3	0.07 13	0.12 26	0.10 4
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
PMTNet	0.35 9	0.38 56	1.75 10	0.21 3	0.14 9	0.57 111	0.24 86	0.48 12	0.44 17	0.28 19	0.32 33	0.26 33	0.24 30	0.41 44	0.24 17	0.42 363	0.07 6	0.08 3	0.05 1	0.18 112	0.15 33

CAS	0.39 18	0.31 7	1.79 11	0.81 348	0.34 214	0.51 50	0.23 64	0.49 15	0.42 9	0.23 6	0.31 26	0.20 2	0.17 2	0.30 2	0.25 26	0.77 382	0.06 1	0.07 1	0.05 1	0.10 11	0.41 194

CASnet	0.32 4	0.40 65	1.80 12	0.28 37	0.11 1	0.47 34	0.19 13	0.45 8	0.47 26	0.39 36	0.31 26	0.23 16	0.17 2	0.31 3	0.21 2	0.11 113	0.06 1	0.15 251	0.12 142	0.16 71	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.45 43	0.38 56	1.80 12	0.27 25	0.25 128	0.58 118	0.23 64	0.84 174	0.66 129	0.42 43	0.44 79	0.28 42	0.35 126	0.31 3	0.21 2	0.09 11	1.01 345	0.09 16	0.07 13	0.21 163	0.53 249

GLC_STEREO	0.31 1	0.30 5	1.80 12	0.29 49	0.12 3	0.41 16	0.20 23	0.39 2	0.42 9	0.26 15	0.31 26	0.25 26	0.19 9	0.36 27	0.26 35	0.09 11	0.11 129	0.12 139	0.10 73	0.13 36	0.15 33

CSP-Net	0.55 107	0.61 135	1.81 15	0.30 63	0.23 113	0.77 294	0.35 224	0.90 226	0.62 98	0.62 223	0.60 195	0.65 216	0.42 180	1.76 291	0.47 147	0.17 273	0.12 144	0.10 50	0.10 73	0.21 163	0.16 46

mmm	0.66 212	0.53 108	1.83 16	0.38 190	0.86 349	0.49 42	0.27 131	0.82 157	0.83 281	0.59 195	0.69 248	0.47 133	0.38 141	0.81 170	0.73 227	0.12 148	1.37 377	0.14 226	0.45 366	0.18 112	1.35 367

knoymous	0.37 14	0.34 31	1.83 16	0.25 6	0.18 49	0.45 21	0.24 86	0.60 68	0.40 4	0.42 43	0.39 55	0.54 162	0.25 44	0.41 44	0.29 54	0.12 148	0.08 39	0.12 139	0.07 13	0.13 36	0.20 71

AnonymousM	0.45 43	0.49 92	1.83 16	0.29 49	0.15 15	0.53 70	0.22 44	0.64 82	0.66 129	0.47 69	0.33 34	0.30 47	0.25 44	0.49 73	0.29 54	0.12 148	0.27 260	0.71 386	0.37 350	0.12 26	0.41 194

GMStereo_Zeroshot	0.44 40	0.44 82	1.84 19	0.44 243	0.20 72	0.52 65	0.19 13	0.60 68	0.54 60	0.58 176	0.59 188	0.63 206	0.29 93	0.59 106	0.34 99	0.16 254	0.09 84	0.16 267	0.09 39	0.26 227	0.26 107

AEACV	0.89 313	0.29 2	1.84 19	2.50 413	1.68 403	0.53 70	0.21 34	1.01 296	0.42 9	0.68 269	0.31 26	0.22 9	0.39 152	1.63 273	0.25 26	0.09 11	2.60 416	0.09 16	0.54 379	0.23 191	2.27 408

ProNet	0.46 48	0.60 130	1.85 21	0.35 148	0.67 325	0.49 42	0.25 105	0.53 32	0.57 72	0.21 1	0.24 6	0.22 9	0.20 16	0.52 83	0.22 5	0.09 11	0.47 292	0.10 50	0.09 39	0.23 191	1.33 363

DAS	0.61 158	0.42 72	1.85 21	0.34 133	0.34 214	0.52 65	0.42 259	0.89 218	0.80 263	0.85 322	0.69 248	0.57 181	0.51 239	2.38 355	0.57 182	0.13 191	0.09 84	0.12 139	0.09 39	0.18 112	0.37 167

SepStereo	0.57 122	0.42 72	1.85 21	0.34 133	0.34 214	0.52 65	0.42 259	0.89 218	0.80 263	0.85 322	0.69 248	0.57 181	0.51 239	1.55 256	0.57 182	0.13 191	0.09 84	0.12 139	0.09 39	0.18 112	0.37 167

Selective-IGEV	0.57 122	0.42 72	1.87 24	1.67 396	1.33 388	0.36 12	0.20 23	0.61 70	0.71 195	0.22 3	0.31 26	0.22 9	0.19 9	0.52 83	0.36 108	0.09 11	0.97 342	0.09 16	0.15 199	0.20 153	0.85 318

LoS	0.34 6	0.35 38	1.88 25	0.25 6	0.13 6	0.53 70	0.20 23	0.50 24	0.53 56	0.26 15	0.28 15	0.37 72	0.24 30	0.40 38	0.25 26	0.10 48	0.08 39	0.08 3	0.06 7	0.15 61	0.10 4

Selective-RAFT	0.46 48	0.48 90	1.88 25	0.32 95	0.16 22	0.61 167	0.19 13	0.66 87	0.62 98	0.28 19	0.30 20	0.41 92	0.33 117	0.51 79	0.32 82	0.11 113	1.09 354	0.09 16	0.35 344	0.19 136	0.37 167

Any-RAFT	0.42 25	0.33 24	1.89 27	0.28 37	0.21 81	0.69 257	0.21 34	0.83 167	0.60 86	0.45 57	0.43 68	0.62 202	0.30 103	0.48 63	0.24 17	0.11 113	0.40 283	0.08 3	0.06 7	0.10 11	0.16 46

CAS++	0.34 6	0.39 60	1.90 28	0.25 6	0.18 49	0.32 6	0.20 23	0.78 130	0.44 17	0.31 26	0.31 26	0.21 8	0.16 1	0.34 16	0.20 1	0.15 239	0.13 157	0.13 196	0.10 73	0.15 61	0.14 26
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
EGLCR-Stereo	0.90 316	0.31 7	1.90 28	1.60 392	0.95 358	1.14 360	0.42 259	0.85 184	0.43 13	1.74 390	0.21 1	0.27 40	0.17 2	1.56 258	0.30 59	0.10 48	2.60 416	0.10 50	0.09 39	0.10 11	3.10 417

CRFU-Net	0.58 130	0.42 72	1.90 28	0.49 271	0.27 153	0.83 314	0.35 224	0.94 248	0.54 60	0.65 255	0.60 195	0.78 279	1.34 363	1.00 187	0.51 166	0.17 273	0.14 171	0.17 281	0.10 73	0.19 136	0.20 71

iRaftStereo_RVC	0.47 51	0.84 197	1.91 31	0.29 49	0.15 15	0.53 70	0.20 23	0.58 58	0.50 39	0.37 31	0.43 68	0.42 96	0.23 28	0.38 30	0.28 45	0.09 11	0.70 329	0.12 139	0.11 112	0.43 339	0.77 303

SMFormer	0.64 190	0.54 110	1.92 32	0.32 95	0.16 22	0.46 24	0.24 86	0.94 248	0.85 296	0.58 176	0.70 261	0.51 149	0.41 169	1.89 317	0.86 257	0.13 191	1.01 345	0.11 96	0.26 295	0.17 92	0.84 314

tta	0.63 183	0.54 110	1.92 32	0.32 95	0.16 22	0.46 24	0.24 86	0.94 248	0.85 296	0.58 176	0.70 261	0.51 149	0.41 169	1.89 317	0.86 257	0.13 191	1.01 345	0.11 96	0.26 295	0.19 136	0.59 264

qqq1	0.62 171	0.54 110	1.92 32	0.32 95	0.16 22	0.46 24	0.24 86	0.94 248	0.85 296	0.58 176	0.70 261	0.51 149	0.41 169	1.89 317	0.64 202	0.13 191	1.01 345	0.09 16	0.24 283	0.19 136	0.59 264

fff1	0.62 171	0.54 110	1.92 32	0.32 95	0.16 22	0.46 24	0.24 86	0.94 248	0.85 296	0.58 176	0.70 261	0.51 149	0.41 169	1.89 317	0.64 202	0.13 191	1.01 345	0.09 16	0.24 283	0.19 136	0.59 264

EAI-Stereo	1.16 355	0.29 2	1.94 36	0.55 291	0.97 362	1.96 393	7.94 421	1.34 374	1.03 348	1.01 342	1.48 369	0.51 149	0.66 294	0.65 126	1.42 318	0.09 11	0.23 241	0.09 16	0.53 378	0.13 36	0.49 235

222	1.02 337	0.60 130	1.95 37	0.29 49	0.51 282	0.62 189	0.24 86	1.09 342	0.86 302	0.64 243	0.67 241	0.47 133	0.42 180	1.86 312	6.73 415	0.13 191	1.21 363	0.11 96	0.32 326	0.17 92	1.44 373

DSFCA	0.62 171	0.77 186	1.95 37	0.29 49	0.29 169	0.79 303	0.86 361	0.81 150	0.73 206	0.73 289	0.66 238	0.67 225	0.57 263	1.17 211	1.03 278	0.16 254	0.15 185	0.13 196	0.14 180	0.19 136	0.28 119

DMCA	0.50 74	0.83 196	1.95 37	0.32 95	0.24 122	0.59 136	0.26 117	0.81 150	0.68 165	0.59 195	0.49 106	0.56 177	0.36 129	0.65 126	0.65 207	0.14 221	0.10 107	0.14 226	0.10 73	0.19 136	0.29 125

LoS_RVC	0.34 6	0.38 56	1.96 40	0.27 25	0.35 222	0.43 19	0.22 44	0.43 6	0.34 1	0.24 9	0.34 36	0.23 16	0.28 77	0.34 16	0.22 5	0.08 1	0.07 6	0.07 1	0.05 1	0.10 11	0.35 160

anonymousdsp2	0.88 306	0.31 7	1.96 40	1.06 367	1.56 399	0.57 111	0.22 44	0.84 174	0.98 341	1.20 361	0.37 46	0.65 216	0.26 52	1.19 213	0.46 144	0.10 48	2.40 414	0.10 50	0.13 162	0.19 136	2.96 415

DISCO	0.61 158	0.63 141	1.98 42	0.46 253	0.34 214	0.84 319	0.35 224	0.88 211	0.81 270	0.61 211	0.64 225	1.06 354	0.53 249	1.11 202	0.83 253	0.13 191	0.10 107	0.11 96	0.10 73	0.26 227	0.37 167

MGS-Stereo	0.35 9	0.48 90	1.99 43	0.26 17	0.14 9	0.41 16	0.22 44	0.41 3	0.48 29	0.24 9	0.51 120	0.25 26	0.18 7	0.33 14	0.22 5	0.10 48	0.08 39	0.09 16	0.08 28	0.47 351	0.10 4

MC-Stereo	0.58 130	0.37 51	2.00 44	0.88 351	0.64 321	0.54 77	0.19 13	0.46 10	0.39 3	0.58 176	0.39 55	0.27 40	0.27 65	0.71 145	0.32 82	0.09 11	1.20 360	0.09 16	0.16 217	0.22 177	1.92 387

DLCB_ROB	0.61 158	0.96 229	2.00 44	0.37 172	0.25 128	0.65 228	0.37 234	0.86 196	0.76 236	0.73 289	0.70 261	0.84 299	0.47 224	1.57 263	0.72 226	0.13 191	0.13 157	0.14 226	0.14 180	0.18 112	0.33 147

RAFT-Test	0.56 115	0.41 70	2.01 46	0.90 354	1.07 373	0.65 228	0.37 234	0.83 167	0.65 122	0.49 87	0.49 106	0.93 324	0.24 30	0.52 83	0.30 59	0.10 48	0.38 277	0.09 16	0.38 354	0.11 18	0.19 63

CASS	0.43 28	0.34 31	2.01 46	0.33 116	0.17 39	0.54 77	0.24 86	0.71 108	0.52 50	0.62 223	0.55 154	0.40 87	0.41 169	0.43 48	0.33 91	0.17 273	0.10 107	0.14 226	0.11 112	0.18 112	0.23 88
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ccnet	0.77 267	0.61 135	2.01 46	0.40 216	0.46 275	1.05 350	0.59 321	1.02 302	0.74 223	0.90 328	0.97 332	0.82 293	0.89 337	1.68 283	1.16 292	0.32 354	0.26 254	0.32 356	0.28 305	0.35 297	0.47 225

CroCo-Stereo Lap2	0.38 16	0.91 219	2.02 49	0.33 116	0.38 240	0.23 2	0.21 34	0.63 80	0.51 44	0.23 6	0.28 15	0.29 46	0.23 28	0.34 16	0.28 45	0.10 48	0.09 84	0.10 50	0.08 28	0.22 177	0.15 33

Anonymous_2	1.36 368	0.49 92	2.03 50	1.71 398	1.58 400	2.49 405	0.58 318	1.59 387	2.31 398	0.77 301	0.88 319	1.03 346	0.58 270	1.20 214	0.66 210	0.32 354	1.38 378	1.42 408	3.87 422	0.78 382	1.56 377

PSMNet-ADL	0.56 115	0.47 87	2.03 50	0.35 148	0.22 90	0.67 248	0.27 131	0.77 123	0.58 78	0.43 49	0.53 131	0.70 254	0.45 209	1.89 317	0.64 202	0.16 254	0.13 157	0.11 96	0.13 162	0.15 61	0.51 241

MMNet	0.55 107	0.92 224	2.03 50	0.34 133	0.27 153	0.79 303	0.28 139	0.86 196	0.79 256	0.62 223	0.58 183	0.59 188	0.56 258	0.80 167	0.61 193	0.11 113	0.11 129	0.12 139	0.11 112	0.21 163	0.22 80

hknet	0.53 96	0.39 60	2.04 53	0.31 77	0.24 122	0.76 284	0.32 197	1.05 322	0.71 195	0.64 243	0.53 131	0.79 281	0.40 158	0.84 172	0.78 239	0.12 148	0.10 107	0.14 226	0.12 142	0.13 36	0.15 33

UPFNet	0.51 84	0.67 147	2.04 53	0.34 133	0.33 205	0.65 228	0.37 234	0.88 211	0.65 122	0.60 204	0.53 131	0.61 197	0.41 169	0.77 158	0.55 178	0.13 191	0.13 157	0.13 196	0.13 162	0.20 153	0.16 46

iResNet_ROB	0.60 151	1.59 352	2.04 53	0.32 95	0.21 81	0.60 149	0.22 44	0.99 282	0.85 296	0.61 211	0.63 218	0.58 185	0.42 180	1.08 196	0.98 271	0.11 113	0.08 39	0.09 16	0.06 7	0.23 191	0.33 147

LargeStereo	0.74 248	0.70 159	2.05 56	1.11 371	1.09 375	0.32 6	0.21 34	0.75 114	0.43 13	0.30 25	0.30 20	0.22 9	0.27 65	0.98 186	0.31 73	0.10 48	2.50 415	0.08 3	0.15 199	0.27 238	2.70 413

Gwc-CoAtRS	0.41 21	0.37 51	2.06 57	0.28 37	0.41 253	0.48 37	0.19 13	0.64 82	0.49 32	0.45 57	0.39 55	0.57 181	0.26 52	0.37 28	0.28 45	0.09 11	0.19 214	0.09 16	0.31 320	0.11 18	0.25 101

riskmin	0.96 327	0.32 15	2.07 58	1.72 399	1.61 402	1.62 381	0.57 316	1.45 380	0.55 65	0.73 289	0.89 321	0.92 319	0.45 209	1.16 209	0.60 188	0.11 113	1.30 374	0.12 139	1.38 413	0.14 52	1.51 376

StereoDRNet-Refined	0.55 107	0.61 135	2.07 58	0.34 133	0.21 81	0.68 254	0.26 117	0.87 203	0.73 206	0.70 277	0.69 248	0.74 265	0.45 209	1.10 198	0.62 196	0.12 148	0.09 84	0.14 226	0.14 180	0.27 238	0.24 97
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
HCRNet	0.50 74	0.75 183	2.08 60	0.39 203	0.29 169	0.58 118	0.22 44	0.79 138	0.67 141	0.49 87	0.49 106	0.48 140	0.37 134	1.13 205	0.40 120	0.15 239	0.10 107	0.15 251	0.13 162	0.21 163	0.19 63

ff7	0.65 195	0.58 122	2.09 61	0.39 203	0.60 307	0.56 92	0.23 64	0.49 15	0.62 98	1.00 338	0.24 6	0.20 2	0.24 30	0.71 145	0.24 17	0.09 11	2.09 397	0.10 50	0.18 238	0.24 197	2.22 403

IGEVStereo-DCA	0.74 248	0.74 179	2.09 61	0.76 339	0.77 340	0.45 21	0.23 64	0.49 15	0.62 98	0.71 286	0.22 2	0.30 47	0.28 77	1.29 227	1.53 325	0.10 48	1.50 383	0.10 50	0.18 238	0.24 197	2.22 403

ffff	0.65 195	0.58 122	2.09 61	0.39 203	0.60 307	0.56 92	0.23 64	0.49 15	0.62 98	1.00 338	0.24 6	0.20 2	0.24 30	0.71 145	0.24 17	0.09 11	2.09 397	0.10 50	0.18 238	0.24 197	2.22 403

11t	0.65 195	0.58 122	2.09 61	0.39 203	0.60 307	0.56 92	0.23 64	0.49 15	0.62 98	1.00 338	0.24 6	0.20 2	0.24 30	0.71 145	0.24 17	0.09 11	2.09 397	0.10 50	0.18 238	0.24 197	2.22 403

ccc-4	0.65 195	0.58 122	2.09 61	0.39 203	0.60 307	0.56 92	0.23 64	0.49 15	0.62 98	1.00 338	0.24 6	0.20 2	0.24 30	0.71 145	0.24 17	0.09 11	2.09 397	0.10 50	0.18 238	0.24 197	2.22 403

test-1	0.61 158	0.54 110	2.09 61	0.31 77	1.37 390	0.51 50	0.28 139	0.83 167	0.50 39	0.42 43	0.55 154	0.54 162	0.24 30	0.38 30	1.25 304	0.10 48	1.08 353	0.10 50	0.17 230	0.11 18	0.77 303

qqq	0.65 195	0.63 141	2.10 67	0.30 63	0.64 321	0.46 24	0.27 131	0.81 150	0.83 281	0.48 71	0.56 166	0.46 128	0.37 134	1.03 191	0.75 230	0.11 113	1.41 381	0.12 139	0.41 362	0.16 71	1.18 347

CBFPSM	0.62 171	1.34 311	2.12 68	0.30 63	0.23 113	0.71 264	0.38 242	0.77 123	0.68 165	0.51 116	0.49 106	1.03 346	0.82 324	0.63 118	1.35 311	0.11 113	0.12 144	0.10 50	0.10 73	0.19 136	0.37 167

x	0.65 195	0.62 139	2.12 68	0.36 162	0.61 314	0.48 37	0.24 86	0.80 143	0.89 313	0.50 105	0.56 166	0.44 112	0.36 129	0.62 117	0.80 244	0.11 113	1.44 382	0.11 96	0.39 357	0.16 71	1.34 365

IER	0.49 70	0.73 170	2.12 68	0.27 25	0.25 128	0.65 228	0.27 131	0.76 117	0.59 82	0.56 158	0.59 188	0.60 195	0.53 249	0.64 122	0.44 136	0.12 148	0.09 84	0.11 96	0.11 112	0.18 112	0.15 33

test_xeample	0.98 332	0.65 145	2.12 68	0.29 49	0.67 325	0.60 149	0.28 139	1.08 340	0.85 296	0.62 223	0.70 261	0.44 112	0.41 169	1.95 325	5.45 411	0.12 148	1.33 376	0.11 96	0.31 320	0.18 112	1.42 372

xxxx	0.97 330	0.64 143	2.14 72	0.30 63	0.67 325	0.64 214	0.24 86	1.09 342	0.91 318	0.57 170	0.65 232	0.58 185	0.39 152	1.57 263	5.49 412	0.13 191	1.38 378	0.11 96	0.32 326	0.17 92	1.41 371

StereoIM	0.35 9	0.89 211	2.15 73	0.25 6	0.29 169	0.29 3	0.17 6	0.47 11	0.41 5	0.21 1	0.22 2	0.28 42	0.21 18	0.32 13	0.31 73	0.10 48	0.09 84	0.10 50	0.08 28	0.11 18	0.12 11

test_4	0.47 51	0.80 194	2.15 73	0.36 162	0.29 169	0.59 136	0.28 139	0.50 24	0.42 9	0.43 49	0.76 292	0.39 79	0.22 22	0.73 151	0.49 160	0.08 1	0.18 210	0.11 96	0.15 199	0.29 257	0.27 113

raftrobust	0.52 86	1.14 261	2.15 73	0.33 116	0.99 363	0.53 70	0.21 34	0.59 65	0.50 39	0.53 132	0.36 42	0.31 53	0.33 117	0.47 54	0.42 127	0.10 48	0.55 304	0.09 16	0.08 28	0.22 177	0.46 223

cross-raft	0.47 51	0.34 31	2.17 76	0.70 334	0.84 348	0.50 48	0.35 224	0.74 112	0.43 13	0.44 55	0.45 80	0.63 206	0.25 44	0.37 28	0.27 40	0.08 1	0.14 171	0.10 50	0.23 281	0.11 18	0.27 113

s12784h	0.41 21	0.34 31	2.17 76	0.24 5	0.11 1	0.64 214	0.24 86	0.85 184	0.70 183	0.45 57	0.54 145	0.28 42	0.27 65	0.51 79	0.27 40	0.11 113	0.06 1	0.09 16	0.06 7	0.16 71	0.14 26

MoCha-V2	0.74 248	0.78 189	2.18 78	1.01 365	1.55 398	0.36 12	0.19 13	0.61 70	0.49 32	0.33 27	0.34 36	0.30 47	0.27 65	1.56 258	0.47 147	0.09 11	1.94 395	0.08 3	0.37 350	0.18 112	1.62 380

AdaStereo	0.48 58	0.44 82	2.18 78	0.36 162	0.20 72	0.59 136	0.29 164	0.97 271	0.74 223	0.52 124	0.55 154	0.61 197	0.33 117	0.52 83	0.44 136	0.18 284	0.08 39	0.17 281	0.11 112	0.18 112	0.24 97
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.
11t1	0.60 151	0.49 92	2.19 80	0.35 148	0.58 301	0.48 37	0.21 34	0.72 109	0.73 206	0.49 87	0.47 87	0.35 68	0.34 124	0.61 114	0.71 222	0.12 148	1.26 368	0.10 50	0.29 309	0.16 71	1.22 355

NINENet	0.54 103	0.40 65	2.19 80	0.55 291	0.26 142	0.91 333	0.23 64	1.05 322	0.77 244	0.54 136	0.57 177	0.65 216	0.32 112	1.22 215	0.34 99	0.16 254	0.13 157	0.16 267	0.11 112	0.16 71	0.14 26

DeepStereo_RVC	0.47 51	0.37 51	2.19 80	0.55 291	0.18 49	0.60 149	0.58 318	0.52 29	0.62 98	0.49 87	0.45 80	0.39 79	0.85 330	0.47 54	0.34 99	0.12 148	0.08 39	0.11 96	0.09 39	0.15 61	0.19 63

CFNet_pseudo	0.47 51	0.50 98	2.19 80	0.26 17	0.20 72	0.56 92	0.22 44	0.80 143	0.62 98	0.50 105	0.56 166	0.68 237	0.47 224	0.53 90	0.33 91	0.11 113	0.10 107	0.15 251	0.10 73	0.18 112	0.33 147

ccs_rob	0.47 51	0.50 98	2.19 80	0.26 17	0.20 72	0.56 92	0.22 44	0.80 143	0.62 98	0.50 105	0.56 166	0.68 237	0.47 224	0.53 90	0.33 91	0.11 113	0.10 107	0.16 267	0.10 73	0.18 112	0.33 147

iRaft-Stereo_5w	0.65 195	1.35 314	2.21 85	0.30 63	0.63 317	0.49 42	0.28 139	0.78 130	0.64 115	0.41 39	0.61 203	0.62 202	0.46 216	1.79 299	0.48 151	0.10 48	0.25 251	0.11 96	0.12 142	0.40 329	0.94 328

DIP-Stereo	0.43 28	0.50 98	2.21 85	0.27 25	0.18 49	0.63 202	0.17 6	0.94 248	0.58 78	0.49 87	0.48 93	0.30 47	0.30 103	0.40 38	0.31 73	0.10 48	0.08 39	0.10 50	0.08 28	0.15 61	0.33 147
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
PCWNet_CMD	0.48 58	0.50 98	2.23 87	0.27 25	0.20 72	0.56 92	0.22 44	0.78 130	0.67 141	0.49 87	0.55 154	0.68 237	0.56 258	0.48 63	0.32 82	0.11 113	0.10 107	0.14 226	0.10 73	0.19 136	0.43 203

MSMDNet	0.48 58	0.50 98	2.23 87	0.27 25	0.20 72	0.56 92	0.22 44	0.78 130	0.67 141	0.49 87	0.55 154	0.68 237	0.56 258	0.48 63	0.32 82	0.11 113	0.10 107	0.13 196	0.10 73	0.18 112	0.43 203

CoDeX	0.54 103	0.52 105	2.25 89	0.30 63	0.26 142	0.61 167	0.32 197	1.03 308	0.73 206	0.49 87	0.56 166	0.52 156	0.40 158	1.59 270	0.38 117	0.12 148	0.09 84	0.11 96	0.10 73	0.15 61	0.22 80

RAFT	0.62 171	1.35 314	2.26 90	0.62 314	0.53 289	0.47 34	0.35 224	0.70 102	0.58 78	0.50 105	0.50 118	0.79 281	0.40 158	0.49 73	0.36 108	0.11 113	0.79 334	0.14 226	0.13 162	0.52 359	0.72 299

CFNet	0.65 195	1.45 336	2.27 91	0.34 133	0.25 128	0.64 214	0.23 64	0.93 243	0.79 256	0.48 71	0.59 188	0.58 185	0.40 158	2.28 346	0.63 201	0.13 191	0.09 84	0.15 251	0.14 180	0.34 286	0.26 107

NOSS_ROB	0.75 259	1.03 238	2.27 91	0.68 332	0.26 142	0.68 254	0.30 177	0.99 282	0.82 275	0.59 195	0.58 183	0.77 275	0.39 152	2.75 385	0.48 151	0.25 337	0.24 244	0.28 344	0.26 295	0.29 257	1.07 342

CFNet_ucs	0.50 74	0.55 117	2.28 93	0.27 25	0.22 90	0.58 118	0.23 64	0.90 226	0.69 173	0.54 136	0.64 225	0.68 237	0.44 201	0.55 96	0.34 99	0.14 221	0.12 144	0.16 267	0.11 112	0.19 136	0.38 175

XPNet_ROB	0.68 220	1.11 256	2.28 93	0.38 190	0.27 153	0.67 248	0.47 286	0.94 248	0.75 228	0.80 312	0.71 274	0.81 290	0.54 251	1.72 285	0.84 254	0.22 316	0.16 197	0.16 267	0.15 199	0.25 212	0.45 220

NVstereo2D	0.63 183	0.57 120	2.29 95	0.37 172	0.35 222	0.69 257	0.49 293	0.96 264	0.88 308	0.49 87	0.54 145	0.72 257	0.46 216	1.98 327	0.50 163	0.19 295	0.20 226	0.18 297	0.16 217	0.28 249	0.34 154

HSM	0.67 215	0.92 224	2.29 95	0.30 63	0.29 169	0.65 228	0.29 164	0.98 277	0.67 141	0.59 195	0.58 183	1.39 376	0.65 288	2.56 367	0.45 140	0.11 113	0.09 84	0.10 50	0.08 28	0.18 112	0.24 97

SFCPSM	0.48 58	0.39 60	2.30 97	0.28 37	0.27 153	0.70 260	0.32 197	1.00 288	0.69 173	0.50 105	0.52 128	0.43 97	0.36 129	0.53 90	0.44 136	0.12 148	0.09 84	0.12 139	0.16 217	0.18 112	0.23 88

NCCL2	0.71 235	1.32 305	2.30 97	0.44 243	0.31 188	0.71 264	0.67 342	0.89 218	0.69 173	0.70 277	0.61 203	0.85 304	0.54 251	1.58 269	0.70 218	0.20 303	0.17 204	0.66 383	0.25 289	0.26 227	0.38 175

DCRE	0.76 262	0.80 194	2.31 99	1.05 366	1.18 381	0.63 202	0.26 117	1.03 308	0.59 82	0.52 124	2.12 384	0.44 112	0.27 65	0.41 44	0.53 171	0.09 11	1.02 350	0.10 50	0.32 326	0.16 71	1.47 375

DCANet-4	0.43 28	0.32 15	2.31 99	0.26 17	0.14 9	0.51 50	0.22 44	0.84 174	0.78 247	0.55 147	0.48 93	0.28 42	0.37 134	0.40 38	0.37 111	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 203

IIG-Stereo	0.65 195	0.87 202	2.32 101	0.55 291	0.23 113	0.62 189	0.21 34	0.78 130	0.71 195	0.64 243	0.69 248	0.69 248	0.38 141	2.07 332	1.37 315	0.11 113	0.08 39	0.11 96	0.09 39	0.15 61	0.27 113

ETE_ROB	0.68 220	1.09 249	2.32 101	0.38 190	0.26 142	0.69 257	0.51 296	1.49 382	0.75 228	0.81 313	0.71 274	0.85 304	0.51 239	1.39 235	0.70 218	0.17 273	0.14 171	0.19 303	0.16 217	0.24 197	0.35 160

THIR-Stereo	0.88 306	0.85 199	2.33 103	0.26 17	0.16 22	0.59 136	2.69 408	0.62 74	0.54 60	0.62 223	1.61 373	0.96 332	1.77 386	1.67 280	2.20 358	0.10 48	0.08 39	0.14 226	0.11 112	0.16 71	0.21 75

tt1	0.74 248	0.73 170	2.34 104	0.67 327	0.63 317	0.75 280	0.24 86	0.85 184	0.96 334	0.81 313	0.38 52	0.26 33	0.35 126	0.64 122	0.22 5	0.10 48	2.16 407	0.11 96	0.09 39	0.25 212	2.19 398

FBW_ROB	0.94 325	1.23 291	2.35 105	0.46 253	0.32 199	0.87 325	0.46 282	1.15 354	0.97 340	0.83 320	0.78 300	1.01 342	0.64 287	3.65 406	1.65 328	0.27 344	0.24 244	0.40 367	0.26 295	0.32 276	0.88 322

PVD	1.05 343	1.21 282	2.36 106	0.84 349	0.91 354	1.04 348	0.64 333	1.32 373	1.68 389	1.43 380	1.41 368	1.14 365	1.15 359	1.49 251	1.77 336	0.27 344	0.65 319	0.28 344	0.35 344	0.40 329	0.73 300

RYNet	0.77 267	0.91 219	2.36 106	0.37 172	0.41 253	0.88 327	0.44 272	0.99 282	0.88 308	0.65 255	0.54 145	0.92 319	0.61 280	2.70 380	1.23 301	0.15 239	0.14 171	0.17 281	0.14 180	0.27 238	0.55 258

ICVP	0.48 58	0.33 24	2.37 108	0.34 133	0.22 90	0.60 149	0.55 309	0.79 138	0.53 56	0.45 57	0.60 195	0.49 142	0.36 129	0.55 96	0.46 144	0.16 254	0.16 197	0.14 226	0.11 112	0.16 71	0.32 144
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GES	0.49 70	0.54 110	2.37 108	0.31 77	0.19 66	0.61 167	0.30 177	0.93 243	0.52 50	0.49 87	0.53 131	0.40 87	0.43 193	0.59 106	0.67 212	0.16 254	0.11 129	0.12 139	0.10 73	0.20 153	0.30 134

OMP-Stereo	0.64 190	0.87 202	2.38 110	0.56 300	0.37 234	0.60 149	0.26 117	0.75 114	0.71 195	0.65 255	0.60 195	0.68 237	0.32 112	2.07 332	1.18 293	0.11 113	0.08 39	0.12 139	0.09 39	0.17 92	0.28 119

DRaft	0.65 195	0.47 87	2.38 110	0.25 6	0.17 39	0.64 214	0.65 336	0.56 51	0.57 72	0.67 263	0.98 335	0.38 77	0.99 348	1.42 240	2.06 348	0.11 113	0.14 171	0.10 50	0.14 180	0.18 112	0.21 75

TestStereo	0.49 70	0.88 206	2.38 110	0.30 63	0.16 22	0.43 19	0.25 105	0.55 49	0.46 20	0.38 34	0.46 82	0.34 65	0.28 77	1.96 326	0.28 45	0.11 113	0.08 39	0.12 139	0.09 39	0.15 61	0.13 14

sCroCo_RVC	0.37 14	0.39 60	2.38 110	0.35 148	0.27 153	0.31 5	0.22 44	0.49 15	0.48 29	0.23 6	0.34 36	0.25 26	0.24 30	0.35 25	0.25 26	0.15 239	0.17 204	0.12 139	0.11 112	0.15 61	0.15 33

CFNet-RSSM	0.44 40	0.36 41	2.38 110	0.28 37	0.43 264	0.53 70	0.20 23	0.86 196	0.52 50	0.44 55	0.36 42	0.53 157	0.26 52	0.40 38	0.27 40	0.09 11	0.08 39	0.09 16	0.38 354	0.10 11	0.22 80

TDLM	0.83 285	1.28 300	2.38 110	0.46 253	0.26 142	0.66 241	0.55 309	0.87 203	0.80 263	2.54 407	0.62 210	0.61 197	0.51 239	2.68 379	0.67 212	0.20 303	0.11 129	0.35 361	0.15 199	0.33 280	0.48 229

dad	0.58 130	1.35 314	2.39 116	0.31 77	0.20 72	0.62 189	0.26 117	0.56 51	0.79 256	0.66 261	0.64 225	0.64 212	0.36 129	0.87 175	0.48 151	0.28 347	0.15 185	0.40 367	0.18 238	0.24 197	0.22 80

Prome-Stereo	0.53 96	0.36 41	2.39 116	0.60 306	0.23 113	0.63 202	0.41 253	0.66 87	0.67 141	0.59 195	1.02 342	0.43 97	0.71 305	0.61 114	0.34 99	0.10 48	0.07 6	0.10 50	0.09 39	0.13 36	0.44 215

Wz-Net-LNSev-Ref	0.65 195	1.15 267	2.40 118	0.33 116	0.30 180	0.83 314	0.40 251	0.94 248	0.82 275	0.67 263	0.76 292	0.68 237	0.58 270	1.13 205	1.25 304	0.14 221	0.08 39	0.10 50	0.08 28	0.18 112	0.28 119

KYRaft	0.52 86	0.35 38	2.40 118	0.34 133	0.21 81	0.75 280	0.43 266	0.62 74	0.63 109	0.64 243	0.92 325	0.53 157	0.72 306	0.60 111	0.26 35	0.10 48	0.07 6	0.12 139	0.14 180	0.13 36	0.54 252

GrayStereo	0.71 235	0.27 1	2.40 118	0.89 352	0.23 113	0.62 189	1.40 398	0.67 90	0.70 183	0.72 288	0.77 296	0.55 170	3.03 404	0.60 111	0.28 45	0.10 48	0.08 39	0.10 50	0.21 274	0.12 26	0.37 167

CRE-IMP	0.46 48	0.31 7	2.40 118	0.53 284	0.17 39	0.79 303	0.68 344	0.54 41	0.66 129	0.47 69	0.43 68	0.44 112	0.26 52	0.43 48	0.33 91	0.12 148	0.07 6	0.12 139	0.09 39	0.17 92	0.23 88

dd	0.48 58	1.32 305	2.41 122	0.31 77	0.17 39	0.58 118	0.26 117	0.50 24	0.71 195	0.42 43	0.41 64	0.34 65	0.28 77	0.47 54	0.41 123	0.18 284	0.10 107	0.13 196	0.12 142	0.22 177	0.16 46

PSM-AAD	0.67 215	0.29 2	2.41 122	0.37 172	0.23 113	0.86 321	1.15 384	0.62 74	0.66 129	0.64 243	0.71 274	0.67 225	2.90 403	0.65 126	0.32 82	0.10 48	0.08 39	0.17 281	0.15 199	0.14 52	0.34 154

DANet	0.85 296	0.68 154	2.41 122	1.18 376	0.48 277	0.77 294	1.23 390	0.93 243	1.53 385	0.90 328	0.72 277	0.97 334	0.57 263	1.86 312	1.05 280	0.18 284	0.16 197	0.19 303	0.16 217	0.26 227	0.67 284
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MLCV	0.59 145	1.41 327	2.41 122	0.31 77	0.15 15	0.60 149	0.23 64	0.77 123	0.63 109	0.67 263	0.66 238	0.55 170	0.37 134	1.16 209	1.09 284	0.10 48	0.07 6	0.09 16	0.07 13	0.21 163	0.29 125

MyStereo07	0.56 115	0.68 154	2.42 126	0.30 63	0.41 253	0.61 167	0.31 187	0.58 58	0.72 202	1.17 355	0.26 14	0.20 2	0.27 65	1.28 226	0.28 45	0.09 11	0.59 311	0.12 139	0.21 274	0.16 71	0.48 229

raft_robust	0.68 220	1.24 292	2.42 126	0.30 63	0.57 297	0.53 70	0.25 105	0.95 261	0.79 256	0.49 87	0.46 82	1.12 363	0.74 313	1.50 252	0.61 193	0.09 11	0.62 316	0.10 50	0.30 315	0.26 227	0.30 134

LCNet	0.58 130	0.43 78	2.42 126	0.91 356	0.22 90	0.95 341	0.29 164	0.62 74	0.64 115	0.52 124	0.55 154	0.41 92	0.75 317	0.84 172	0.27 40	0.10 48	0.07 6	0.12 139	0.18 238	0.97 387	0.40 187

DEmStereo	0.69 226	0.40 65	2.42 126	0.42 228	0.18 49	0.66 241	0.88 364	0.54 41	0.64 115	0.60 204	1.00 339	0.45 124	1.24 362	1.53 254	2.21 359	0.10 48	0.08 39	0.10 50	0.10 73	0.11 18	0.14 26

IRAFT_RVC	0.59 145	0.74 179	2.42 126	0.47 259	0.21 81	0.59 136	0.42 259	0.68 93	0.73 206	0.54 136	0.50 118	0.49 142	0.51 239	1.57 263	1.00 275	0.11 113	0.25 251	0.13 196	0.10 73	0.15 61	0.14 26

ACVNet-DCA	0.67 215	0.73 170	2.43 131	0.67 327	0.52 284	0.76 284	0.24 86	0.81 150	0.83 281	0.77 301	0.39 55	0.25 26	0.38 141	0.70 139	0.22 5	0.10 48	2.13 402	0.11 96	0.09 39	0.16 71	1.18 347

xx1	0.71 235	0.73 170	2.43 131	0.67 327	0.52 284	0.76 284	0.24 86	0.85 184	1.05 352	0.77 301	0.39 55	0.46 128	0.37 134	0.70 139	0.22 5	0.10 48	2.13 402	0.12 139	0.41 362	0.16 71	1.18 347

1test111	0.72 243	0.73 170	2.43 131	0.67 327	0.52 284	0.76 284	0.24 86	0.81 150	0.83 281	0.77 301	0.39 55	0.25 26	0.38 141	1.03 191	0.75 230	0.10 48	2.13 402	0.11 96	0.09 39	0.16 71	1.18 347

cc1	0.74 248	0.73 170	2.43 131	0.67 327	0.52 284	0.76 284	0.24 86	0.85 184	1.05 352	0.77 301	0.39 55	0.25 26	0.38 141	0.70 139	0.22 5	0.10 48	2.13 402	0.11 96	0.09 39	0.25 212	2.20 402

MIF-Stereo	0.36 13	0.66 146	2.43 131	0.28 37	0.24 122	0.30 4	0.18 11	0.35 1	0.36 2	0.26 15	0.37 46	0.18 1	0.18 7	0.33 14	0.30 59	0.11 113	0.08 39	0.09 16	0.08 28	0.25 212	0.09 2

ADStereo(finetuned)	0.50 74	0.91 219	2.43 131	0.26 17	0.14 9	0.51 50	0.22 44	0.84 174	0.78 247	0.56 158	0.49 106	0.32 57	0.75 317	0.40 38	0.40 120	0.10 48	0.07 6	0.09 16	0.07 13	0.13 36	0.45 220

raft+_RVC	0.62 171	1.18 275	2.43 131	0.36 162	2.08 409	0.52 65	0.25 105	0.66 87	0.54 60	0.36 29	0.46 82	0.32 57	0.28 77	0.49 73	0.43 133	0.10 48	0.91 340	0.10 50	0.09 39	0.22 177	0.70 296

PSMNet-RSSM	0.61 158	1.19 278	2.43 131	0.33 116	0.25 128	0.59 136	0.28 139	0.88 211	0.65 122	0.54 136	0.62 210	0.69 248	0.46 216	1.67 280	0.50 163	0.15 239	0.10 107	0.14 226	0.16 217	0.20 153	0.28 119

AE-Stereo	0.71 235	0.32 15	2.44 139	0.44 243	0.50 280	0.58 118	0.23 64	1.08 340	0.67 141	0.67 263	0.51 120	0.47 133	0.24 30	0.63 118	0.32 82	0.09 11	2.15 406	0.11 96	0.45 366	0.22 177	2.01 389

UDGNet	0.50 74	1.36 318	2.44 139	0.37 172	0.19 66	0.58 118	0.23 64	0.49 15	0.69 173	0.42 43	0.39 55	0.34 65	0.29 93	0.55 96	0.32 82	0.25 337	0.10 107	0.37 364	0.19 254	0.30 263	0.17 52

test-3	0.58 130	0.43 78	2.44 139	0.52 280	0.59 302	0.46 24	0.23 64	0.77 123	0.49 32	0.52 124	0.29 17	0.44 112	0.22 22	0.59 106	0.97 265	0.08 1	1.27 369	0.10 50	0.35 344	0.29 257	0.62 271

test_1	0.58 130	0.43 78	2.44 139	0.52 280	0.59 302	0.46 24	0.23 64	0.77 123	0.49 32	0.51 116	0.29 17	0.44 112	0.22 22	0.59 106	0.97 265	0.08 1	1.27 369	0.10 50	0.35 344	0.29 257	0.63 275

test_3	0.59 145	0.44 82	2.44 139	0.53 284	0.59 302	0.48 37	0.30 177	0.79 138	0.52 50	0.51 116	0.30 20	0.45 124	0.22 22	0.59 106	0.97 265	0.08 1	1.25 365	0.11 96	0.35 344	0.30 263	0.62 271

Patchmatch Stereo++	0.43 28	0.36 41	2.44 139	0.48 260	0.17 39	0.61 167	0.26 117	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.56 99	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 92	0.13 14
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
NRIStereo	0.50 74	0.34 31	2.44 139	0.52 280	0.16 22	0.94 339	0.73 351	0.52 29	0.65 122	0.48 71	0.40 63	0.59 188	0.29 93	0.78 162	0.33 91	0.11 113	0.13 157	0.11 96	0.09 39	0.22 177	0.25 101

PSM-adaLoss	0.43 28	0.36 41	2.44 139	0.48 260	0.18 49	0.61 167	0.28 139	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.49 73	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 92	0.13 14

ROB_FTStereo_v2	0.43 28	0.36 41	2.44 139	0.49 271	0.17 39	0.61 167	0.28 139	0.53 32	0.61 89	0.48 71	0.43 68	0.44 112	0.28 77	0.48 63	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 92	0.13 14

ROB_FTStereo	0.43 28	0.36 41	2.44 139	0.48 260	0.18 49	0.61 167	0.26 117	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.51 79	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 92	0.13 14

SST-Stereo	0.56 115	0.30 5	2.44 139	0.71 336	0.55 292	0.62 189	0.65 336	0.57 56	0.67 141	0.59 195	0.53 131	0.51 149	0.59 273	1.57 263	0.31 73	0.12 148	0.07 6	0.12 139	0.10 73	0.17 92	0.11 10

RAFT_R40	0.55 107	0.31 7	2.44 139	0.57 304	0.42 263	0.62 189	0.52 300	0.58 58	0.66 129	0.56 158	0.54 145	0.54 162	0.50 235	1.56 258	0.53 171	0.11 113	0.07 6	0.12 139	0.10 73	0.16 71	0.10 4

iGMRVC	0.43 28	0.36 41	2.44 139	0.48 260	0.18 49	0.61 167	0.27 131	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.57 102	0.31 73	0.12 148	0.08 39	0.12 139	0.10 73	0.17 92	0.13 14

iRAFT	0.43 28	0.36 41	2.44 139	0.48 260	0.17 39	0.61 167	0.26 117	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.56 99	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 92	0.13 14

RAFT-IKP	0.43 28	0.36 41	2.44 139	0.48 260	0.16 22	0.60 149	0.28 139	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.51 79	0.31 73	0.12 148	0.08 39	0.12 139	0.10 73	0.17 92	0.13 14

PS-NSSS	0.69 226	1.37 322	2.44 139	0.31 77	0.32 199	0.64 214	0.34 215	1.04 314	0.74 223	0.56 158	0.75 289	0.51 149	0.42 180	2.41 359	0.54 176	0.24 331	0.17 204	0.27 341	0.18 238	0.30 263	0.23 88

HUI-Stereo	0.43 28	0.36 41	2.45 155	0.48 260	0.18 49	0.61 167	0.27 131	0.53 32	0.61 89	0.48 71	0.43 68	0.44 112	0.28 77	0.47 54	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 92	0.13 14

delet	0.60 151	0.84 197	2.45 155	0.33 116	0.35 222	0.73 273	0.46 282	0.89 218	0.80 263	0.58 176	0.62 210	0.67 225	0.51 239	1.14 207	0.64 202	0.12 148	0.12 144	0.13 196	0.14 180	0.22 177	0.29 125

ACVNet	0.54 103	0.87 202	2.45 155	0.28 37	0.22 90	0.59 136	0.36 231	0.69 95	0.73 206	0.49 87	0.59 188	0.69 248	0.42 180	0.47 54	0.70 218	0.11 113	0.10 107	0.10 50	0.09 39	0.36 303	0.39 182

acv_ft	0.57 122	0.87 202	2.45 155	0.33 116	0.41 253	0.63 202	0.29 164	0.86 196	0.73 206	0.64 243	0.59 188	0.69 248	0.45 209	0.47 54	0.68 215	0.11 113	0.10 107	0.10 50	0.09 39	0.43 339	0.39 182

CFNet-ft	0.60 151	1.16 269	2.45 155	0.29 49	0.30 180	0.64 214	0.28 139	0.69 95	0.57 72	0.49 87	0.57 177	0.79 281	0.44 201	1.48 249	0.62 196	0.15 239	0.10 107	0.28 344	0.14 180	0.21 163	0.29 125

HSM-Net_RVC	0.70 231	0.40 65	2.45 155	0.27 25	0.19 66	0.68 254	0.30 177	1.29 370	0.73 206	0.73 289	0.70 261	0.77 275	0.45 209	3.73 407	0.46 144	0.13 191	0.09 84	0.10 50	0.09 39	0.13 36	0.32 144
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.60 151	1.16 269	2.45 155	0.29 49	0.30 180	0.64 214	0.28 139	0.69 95	0.57 72	0.49 87	0.57 177	0.79 281	0.44 201	1.48 249	0.62 196	0.15 239	0.10 107	0.28 344	0.14 180	0.21 163	0.29 125

GMOStereo	0.58 130	0.89 211	2.46 162	0.29 49	0.99 363	0.51 50	0.32 197	0.58 58	0.46 20	0.58 176	0.48 93	0.54 162	0.27 65	0.31 3	0.25 26	0.09 11	1.64 385	0.13 196	0.11 112	0.34 286	0.42 198

error version	0.58 130	0.89 211	2.46 162	0.29 49	0.99 363	0.51 50	0.32 197	0.58 58	0.46 20	0.58 176	0.48 93	0.54 162	0.27 65	0.31 3	0.25 26	0.09 11	1.64 385	0.13 196	0.11 112	0.34 286	0.42 198

test-v	0.58 130	0.89 211	2.46 162	0.29 49	0.99 363	0.51 50	0.32 197	0.58 58	0.46 20	0.58 176	0.48 93	0.54 162	0.27 65	0.31 3	0.25 26	0.09 11	1.64 385	0.13 196	0.11 112	0.34 286	0.42 198

test-2	0.58 130	0.89 211	2.46 162	0.29 49	0.99 363	0.51 50	0.32 197	0.58 58	0.46 20	0.58 176	0.48 93	0.54 162	0.27 65	0.31 3	0.25 26	0.09 11	1.64 385	0.13 196	0.11 112	0.34 286	0.42 198

FENet	0.48 58	0.58 122	2.46 162	0.33 116	0.18 49	0.58 118	0.22 44	0.83 167	0.64 115	0.49 87	0.42 66	0.55 170	0.38 141	0.52 83	0.51 166	0.12 148	0.09 84	0.12 139	0.11 112	0.17 92	0.31 142

LL-Strereo2	0.62 171	1.36 318	2.47 167	1.37 381	0.96 359	0.54 77	0.28 139	0.61 70	0.49 32	0.42 43	0.34 36	0.44 112	0.21 18	0.57 102	0.53 171	0.11 113	0.26 254	0.16 267	0.14 180	0.18 112	0.98 338

AACVNet	0.61 158	1.13 260	2.47 167	0.37 172	0.21 81	0.57 111	0.25 105	0.75 114	0.55 65	0.56 158	0.60 195	0.66 223	0.44 201	2.11 338	0.49 160	0.14 221	0.11 129	0.14 226	0.11 112	0.35 297	0.23 88

PSM-softLoss	0.52 86	0.34 31	2.47 167	0.55 291	0.17 39	0.61 167	0.39 248	0.64 82	0.67 141	0.52 124	0.48 93	0.39 79	0.25 44	1.46 246	0.77 235	0.13 191	0.08 39	0.13 196	0.12 142	0.12 26	0.15 33

KMStereo	0.52 86	0.34 31	2.47 167	0.55 291	0.17 39	0.61 167	0.39 248	0.64 82	0.67 141	0.52 124	0.48 93	0.39 79	0.25 44	1.46 246	0.77 235	0.13 191	0.08 39	0.13 196	0.12 142	0.12 26	0.15 33

CREStereo++_RVC	0.38 16	0.37 51	2.47 167	0.25 6	0.16 22	0.54 77	0.15 1	0.42 5	0.57 72	0.37 31	0.52 128	0.24 22	0.19 9	0.31 3	0.27 40	0.09 11	0.06 1	0.08 3	0.30 315	0.09 5	0.22 80
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
TANstereo	0.39 18	0.70 159	2.48 172	0.23 4	0.12 3	0.54 77	0.16 4	0.41 3	0.47 26	0.45 57	0.51 120	0.26 33	0.22 22	0.34 16	0.21 2	0.10 48	0.10 107	0.08 3	0.07 13	0.09 5	0.18 59

RP	0.74 248	1.01 234	2.48 172	0.44 243	0.45 268	0.66 241	0.45 277	0.95 261	0.87 304	0.70 277	0.95 330	0.99 338	0.82 324	1.55 256	0.82 251	0.26 341	0.19 214	0.23 328	0.20 263	0.34 286	0.38 175

UCFNet_RVC	0.55 107	1.16 269	2.48 172	0.31 77	0.27 153	0.65 228	0.28 139	0.76 117	0.58 78	0.51 116	0.53 131	0.67 225	0.42 180	0.91 180	0.45 140	0.16 254	0.11 129	0.17 281	0.17 230	0.20 153	0.23 88

RAFT+CT+SA	0.60 151	1.25 295	2.49 175	0.38 190	0.75 335	0.55 87	0.34 215	0.83 167	0.68 165	0.39 36	0.55 154	0.44 112	0.29 93	0.75 155	0.28 45	0.09 11	0.24 244	0.11 96	0.51 375	0.30 263	0.74 302

Pruner-Stereo	0.55 107	0.38 56	2.49 175	1.78 401	0.19 66	0.63 202	0.45 277	0.59 65	0.67 141	0.61 211	0.48 93	0.41 92	0.25 44	0.49 73	0.99 273	0.13 191	0.07 6	0.12 139	0.10 73	0.13 36	0.14 26

XX-TBD	0.40 20	1.04 241	2.49 175	0.35 148	0.13 6	0.51 50	0.17 6	0.44 7	0.52 50	0.38 34	0.51 120	0.23 16	0.19 9	0.31 3	0.25 26	0.10 48	0.07 6	0.08 3	0.06 7	0.09 5	0.18 59

LALA_ROB	0.68 220	1.14 261	2.50 178	0.37 172	0.29 169	0.78 299	0.55 309	0.99 282	0.84 293	0.82 317	0.68 244	0.93 324	0.50 235	1.01 188	0.89 259	0.21 311	0.15 185	0.21 317	0.18 238	0.26 227	0.30 134

ttt	0.89 313	0.51 103	2.51 179	0.36 162	0.31 188	0.61 167	0.28 139	1.07 337	0.92 320	0.56 158	0.77 296	0.55 170	0.37 134	2.27 345	3.51 391	0.16 254	1.21 363	0.13 196	0.31 320	0.18 112	1.26 357

GANet-ADL	0.48 58	0.56 119	2.51 179	0.34 133	0.20 72	0.58 118	0.25 105	0.80 143	0.57 72	0.43 49	0.61 203	0.56 177	0.31 107	0.44 51	0.44 136	0.14 221	0.11 129	0.10 50	0.09 39	0.22 177	0.38 175

R-Stereo Train	0.42 25	0.31 7	2.51 179	0.30 63	0.18 49	0.56 92	0.25 105	0.82 157	0.41 5	0.57 170	0.67 241	0.33 61	0.24 30	0.34 16	0.33 91	0.10 48	0.08 39	0.09 16	0.07 13	0.09 5	0.18 59

RAFT-Stereo	0.42 25	0.31 7	2.51 179	0.30 63	0.18 49	0.56 92	0.25 105	0.82 157	0.41 5	0.57 170	0.67 241	0.33 61	0.24 30	0.34 16	0.33 91	0.10 48	0.08 39	0.09 16	0.07 13	0.09 5	0.18 59
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AAGNet	0.92 319	0.40 65	2.53 183	0.60 306	1.01 368	0.62 189	0.45 277	0.52 29	0.68 165	0.58 176	0.53 131	0.50 146	0.72 306	1.22 215	7.32 417	0.12 148	0.07 6	0.12 139	0.10 73	0.16 71	0.10 4

RAFT-Stereo + iAFF	0.58 130	1.48 341	2.53 183	0.29 49	0.78 343	0.52 65	0.20 23	0.68 93	0.66 129	0.51 116	0.61 203	0.40 87	0.32 112	0.40 38	0.43 133	0.08 1	0.63 317	0.09 16	0.09 39	0.37 309	0.58 261

psm_up	0.65 195	1.02 235	2.53 183	0.36 162	0.31 188	0.64 214	0.38 242	0.96 264	0.73 206	0.63 232	0.57 177	0.68 237	0.57 263	1.90 322	0.52 168	0.17 273	0.15 185	0.16 267	0.15 199	0.27 238	0.22 80

FADNet	0.71 235	1.60 356	2.53 183	0.33 116	0.30 180	0.67 248	0.29 164	0.92 240	0.75 228	0.45 57	0.49 106	0.66 223	0.57 263	1.85 310	0.85 255	0.46 370	0.20 226	0.17 281	0.20 263	0.60 366	0.37 167

DisPM	0.48 58	0.41 70	2.54 187	0.61 312	0.18 49	0.59 136	0.62 331	0.54 41	0.67 141	0.61 211	0.53 131	0.38 77	0.26 52	0.76 157	0.31 73	0.13 191	0.07 6	0.12 139	0.11 112	0.12 26	0.15 33

PFNet+	0.50 74	0.43 78	2.54 187	0.49 271	0.18 49	0.58 118	0.76 353	0.54 41	0.72 202	0.56 158	0.48 93	0.39 79	0.26 52	0.94 183	0.33 91	0.14 221	0.09 84	0.14 226	0.13 162	0.12 26	0.16 46

OCTAStereo	0.53 96	0.33 24	2.54 187	0.56 300	0.16 22	0.61 167	0.42 259	0.70 102	0.70 183	0.50 105	0.47 87	0.37 72	0.26 52	1.43 241	0.79 242	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 52

RE-Stereo	0.53 96	0.33 24	2.54 187	0.56 300	0.16 22	0.61 167	0.43 266	0.70 102	0.70 183	0.50 105	0.47 87	0.37 72	0.26 52	1.43 241	0.77 235	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 52

TVStereo	0.53 96	0.33 24	2.54 187	0.56 300	0.16 22	0.61 167	0.43 266	0.70 102	0.70 183	0.50 105	0.47 87	0.37 72	0.26 52	1.43 241	0.77 235	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 52

SHD	0.84 288	1.14 261	2.54 187	0.80 346	0.52 284	0.76 284	0.34 215	1.16 357	1.29 373	1.11 349	0.85 310	0.98 335	0.74 313	1.25 222	1.48 321	0.22 316	0.37 273	0.20 313	0.27 303	0.36 303	0.41 194

iResNet	0.59 145	1.09 249	2.54 187	0.44 243	0.18 49	0.65 228	0.29 164	0.89 218	0.75 228	0.59 195	0.64 225	0.43 97	0.39 152	0.73 151	1.24 303	0.11 113	0.08 39	0.09 16	0.08 28	0.21 163	0.40 187

iinet-f	0.62 171	1.18 275	2.55 194	0.33 116	0.25 128	0.82 313	0.34 215	0.87 203	0.69 173	0.56 158	0.64 225	0.73 263	0.67 296	0.80 167	0.81 248	0.14 221	0.13 157	0.11 96	0.10 73	0.44 342	0.26 107

NF-Stereo	0.53 96	0.33 24	2.55 194	0.55 291	0.16 22	0.61 167	0.43 266	0.70 102	0.70 183	0.50 105	0.47 87	0.37 72	0.26 52	1.44 245	0.78 239	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 52

Anonymous	0.41 21	0.44 82	2.55 194	0.35 148	0.32 199	0.38 14	0.34 215	0.57 56	0.41 5	0.25 12	0.30 20	0.23 16	0.29 93	0.38 30	0.28 45	0.15 239	0.13 157	0.11 96	0.12 142	0.24 197	0.30 134

RGC	0.78 269	1.10 254	2.55 194	0.45 250	0.45 268	0.73 273	0.40 251	1.00 288	0.75 228	0.75 297	1.04 346	1.02 345	0.73 309	1.74 288	1.15 290	0.24 331	0.19 214	0.28 344	0.26 295	0.31 271	0.38 175

RALCasStereoNet	0.65 195	1.34 311	2.56 198	0.43 238	0.96 359	0.50 48	0.26 117	0.62 74	0.56 69	0.43 49	0.49 106	0.36 69	0.28 77	0.72 150	0.53 171	0.10 48	1.18 358	0.09 16	0.08 28	0.27 238	1.27 358

MFN_U_SF_DS_RVC	1.08 349	2.01 384	2.56 198	0.49 271	0.40 248	1.49 373	0.96 369	1.02 302	0.95 332	0.85 322	0.94 327	1.06 354	0.59 273	2.92 391	1.15 290	0.43 366	0.74 333	0.32 356	0.55 380	0.74 376	1.35 367

BEATNet_4x	0.57 122	1.16 269	2.56 198	0.35 148	0.16 22	0.56 92	0.25 105	0.91 233	0.64 115	0.55 147	0.53 131	0.59 188	0.43 193	0.67 132	0.76 233	0.12 148	0.09 84	0.12 139	0.09 39	0.23 191	0.58 261

StereoDRNet	0.71 235	1.24 292	2.56 198	0.42 228	0.45 268	0.73 273	0.46 282	0.98 277	0.81 270	0.77 301	0.56 166	0.74 265	0.48 231	1.69 284	0.91 261	0.15 239	0.14 171	0.15 251	0.15 199	0.26 227	0.51 241

H2IRNET	0.48 58	1.04 241	2.57 202	0.31 77	0.19 66	0.54 77	0.19 13	0.55 49	0.53 56	0.28 19	0.56 166	0.47 133	0.35 126	0.47 54	0.40 120	0.11 113	0.08 39	0.12 139	0.14 180	0.37 309	0.26 107

anonymousa	0.74 248	0.60 130	2.58 203	0.96 360	1.33 388	0.61 167	0.26 117	0.69 95	0.56 69	0.55 147	0.84 307	0.82 293	0.46 216	0.56 99	0.61 193	0.10 48	1.11 356	0.12 139	0.98 405	0.14 52	0.97 336

SACVNet	0.68 220	1.08 248	2.58 203	0.38 190	0.28 164	0.65 228	0.37 234	0.91 233	0.65 122	0.67 263	0.62 210	0.69 248	0.47 224	2.07 332	0.65 207	0.18 284	0.14 171	0.16 267	0.15 199	0.39 323	0.41 194

rafts_anoy	0.60 151	1.33 309	2.59 205	0.53 284	1.09 375	0.49 42	0.25 105	0.67 90	0.53 56	0.41 39	0.38 52	0.33 61	0.30 103	0.68 136	0.41 123	0.10 48	1.13 357	0.13 196	0.15 199	0.20 153	0.29 125

AFF-stereo	0.57 122	1.51 343	2.59 205	0.33 116	0.23 113	0.51 50	0.21 34	0.69 95	0.68 165	0.49 87	0.63 218	0.49 142	0.34 124	0.50 78	0.37 111	0.08 1	0.54 302	0.10 50	0.10 73	0.40 329	0.60 268

HGLStereo	0.61 158	1.20 280	2.59 205	0.36 162	0.40 248	0.65 228	0.30 177	0.87 203	0.67 141	0.60 204	0.70 261	0.69 248	0.56 258	1.07 195	0.59 186	0.14 221	0.13 157	0.13 196	0.12 142	0.23 191	0.23 88

hitnet-ft	0.73 245	1.09 249	2.59 205	0.28 37	0.22 90	0.71 264	0.36 231	0.89 218	0.67 141	0.58 176	0.83 305	1.03 346	0.94 345	2.31 348	0.70 218	0.23 324	0.14 171	0.41 369	0.13 162	0.24 197	0.28 119

RASNet	0.69 226	1.05 243	2.59 205	0.37 172	0.47 276	0.66 241	0.33 210	0.82 157	0.76 236	0.51 116	0.65 232	0.93 324	0.62 282	2.20 343	0.80 244	0.14 221	0.09 84	0.09 16	0.11 112	0.18 112	0.37 167

EKT-Stereo	1.56 384	0.55 117	2.60 210	2.54 414	19.66 430	0.55 87	0.22 44	0.76 117	0.51 44	0.40 38	0.36 42	0.43 97	0.27 65	0.74 154	0.42 127	0.13 191	0.17 204	0.11 96	0.16 217	0.20 153	0.50 237

LMCR-Stereo	0.61 158	1.00 231	2.60 210	0.42 228	0.22 90	0.74 278	0.31 187	1.06 334	0.70 183	0.62 223	0.64 225	0.40 87	0.52 246	0.84 172	1.27 306	0.20 303	0.09 84	0.12 139	0.09 39	0.26 227	0.16 46

SAMSARA	1.11 351	1.35 314	2.60 210	1.34 379	0.77 340	1.67 384	1.41 400	1.47 381	0.99 344	1.54 386	0.89 321	1.44 378	0.90 338	1.88 316	1.71 329	0.25 337	0.55 304	0.22 321	0.34 342	0.39 323	0.50 237

PWC_ROB	0.81 277	1.41 327	2.60 210	0.41 225	0.40 248	0.63 202	0.31 187	1.04 314	0.99 344	0.92 331	1.29 360	0.78 279	0.68 298	1.65 279	1.50 322	0.19 295	0.12 144	0.18 297	0.13 162	0.51 356	0.54 252

ToySt	0.67 215	0.88 206	2.61 214	0.39 203	0.73 333	0.61 167	0.38 242	0.78 130	0.73 206	0.43 49	0.70 261	0.72 257	0.45 209	0.66 129	0.62 196	0.14 221	0.63 317	0.13 196	0.33 336	0.24 197	1.18 347

GEStereo_RVC	0.61 158	1.19 278	2.61 214	0.48 260	0.25 128	0.63 202	0.37 234	1.05 322	0.79 256	0.55 147	0.55 154	0.59 188	0.44 201	1.10 198	0.48 151	0.16 254	0.11 129	0.12 139	0.11 112	0.27 238	0.43 203

Anonymous3	0.47 51	0.49 92	2.61 214	0.33 116	0.25 128	0.72 270	0.32 197	0.80 143	0.60 86	0.36 29	0.41 64	0.33 61	0.29 93	0.46 52	0.30 59	0.19 295	0.18 210	0.13 196	0.13 162	0.18 112	0.22 80

XQC	0.84 288	1.32 305	2.61 214	0.78 344	0.44 265	0.89 329	0.53 302	1.16 357	1.07 355	0.85 322	0.69 248	0.92 319	0.73 309	1.40 237	1.44 319	0.24 331	0.35 271	0.23 328	0.26 295	0.45 344	0.39 182

MSKI-zero shot	0.70 231	0.44 82	2.62 218	1.47 386	0.75 335	0.56 92	0.20 23	0.80 143	0.45 19	0.60 204	0.52 128	0.44 112	0.17 2	0.70 139	0.26 35	0.09 11	2.87 419	0.09 16	0.32 326	0.14 52	0.50 237

TestStereo1	0.59 145	1.21 282	2.63 219	0.40 216	0.60 307	0.56 92	0.34 215	0.82 157	0.73 206	0.45 57	0.63 218	0.36 69	0.42 180	0.66 129	0.42 127	0.10 48	0.32 265	0.12 139	0.10 73	0.34 286	0.52 246

fff	0.50 74	0.90 216	2.63 219	0.25 6	0.15 15	0.51 50	0.22 44	0.85 184	0.82 275	0.55 147	0.48 93	0.31 53	0.65 288	0.39 34	0.37 111	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 203

SA-5K	0.59 145	1.21 282	2.63 219	0.40 216	0.60 307	0.56 92	0.34 215	0.82 157	0.73 206	0.45 57	0.63 218	0.36 69	0.42 180	0.66 129	0.42 127	0.10 48	0.32 265	0.12 139	0.10 73	0.34 286	0.52 246

RALAANet	0.52 86	1.37 322	2.63 219	0.33 116	0.23 113	0.48 37	0.19 13	0.69 95	0.55 65	0.49 87	0.46 82	0.39 79	0.31 107	0.53 90	0.53 171	0.10 48	0.33 269	0.11 96	0.17 230	0.29 257	0.13 14

DCANet	0.49 70	0.91 219	2.63 219	0.26 17	0.14 9	0.51 50	0.22 44	0.84 174	0.78 247	0.56 158	0.49 106	0.32 57	0.41 169	0.39 34	0.41 123	0.10 48	0.07 6	0.09 16	0.07 13	0.14 52	0.45 220

csc	0.50 74	0.90 216	2.63 219	0.25 6	0.15 15	0.51 50	0.22 44	0.85 184	0.82 275	0.55 147	0.48 93	0.31 53	0.65 288	0.39 34	0.37 111	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 203

cscssc	0.50 74	0.90 216	2.63 219	0.25 6	0.15 15	0.51 50	0.22 44	0.85 184	0.82 275	0.55 147	0.48 93	0.31 53	0.65 288	0.39 34	0.37 111	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 203

111	0.57 122	1.41 327	2.63 219	0.25 6	0.15 15	0.59 136	0.26 117	0.90 226	0.83 281	0.50 105	0.54 145	0.57 181	0.38 141	0.54 95	0.41 123	0.10 48	0.07 6	0.09 16	0.07 13	0.24 197	0.81 312

PWCDC_ROB	0.83 285	1.57 347	2.63 219	0.48 260	0.37 234	0.78 299	0.29 164	1.04 314	1.36 378	0.63 232	2.05 383	0.64 212	0.70 304	1.10 198	1.20 296	0.33 356	0.14 171	0.15 251	0.12 142	0.63 370	0.46 223

aanetorigin	0.81 277	1.03 238	2.64 228	0.44 243	0.44 265	0.59 136	1.00 374	0.59 65	0.70 183	1.54 386	1.22 357	0.82 293	1.08 355	1.06 193	1.07 282	0.18 284	0.15 185	0.17 281	0.21 274	0.53 360	0.65 281

MIM_Stereo	0.55 107	0.92 224	2.65 229	0.32 95	1.09 375	0.51 50	0.19 13	0.67 90	0.52 50	0.48 71	0.54 145	0.43 97	0.27 65	0.57 102	0.30 59	0.08 1	0.17 204	0.11 96	0.10 73	0.28 249	0.80 310

anonymousdsp	0.86 299	0.59 128	2.65 229	1.33 378	1.25 385	0.56 92	0.23 64	0.54 41	0.71 195	1.13 351	0.25 11	0.22 9	0.24 30	1.24 219	0.24 17	0.09 11	2.34 412	0.10 50	0.18 238	0.25 212	3.12 418

IGEV-Stereo	0.86 299	0.60 130	2.65 229	1.35 380	1.25 385	0.56 92	0.23 64	0.54 41	0.71 195	1.14 352	0.25 11	0.22 9	0.24 30	1.24 219	0.24 17	0.09 11	2.34 412	0.10 50	0.18 238	0.25 212	3.13 419
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMStereo	0.44 40	1.32 305	2.65 229	0.28 37	0.16 22	0.42 18	0.22 44	0.48 12	0.63 109	0.41 39	0.36 42	0.26 33	0.25 44	0.41 44	0.30 59	0.14 221	0.08 39	0.10 50	0.12 142	0.17 92	0.13 14
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MyStereo04	0.57 122	0.68 154	2.66 233	0.30 63	0.41 253	0.61 167	0.31 187	0.88 211	0.80 263	0.48 71	0.37 46	0.54 162	0.42 180	0.61 114	0.71 222	0.09 11	0.59 311	0.12 139	0.21 274	0.16 71	0.48 229

gwcnet-sp	0.52 86	0.71 162	2.66 233	0.32 95	0.22 90	0.66 241	0.31 187	0.84 174	0.69 173	0.61 211	0.49 106	0.46 128	0.43 193	0.77 158	0.48 151	0.12 148	0.11 129	0.11 96	0.11 112	0.19 136	0.19 63

scenet	0.52 86	0.71 162	2.66 233	0.32 95	0.22 90	0.66 241	0.31 187	0.84 174	0.69 173	0.61 211	0.49 106	0.46 128	0.43 193	0.77 158	0.48 151	0.12 148	0.11 129	0.11 96	0.11 112	0.19 136	0.19 63

ssnet	0.52 86	0.71 162	2.66 233	0.32 95	0.22 90	0.66 241	0.31 187	0.84 174	0.69 173	0.61 211	0.49 106	0.46 128	0.43 193	0.77 158	0.48 151	0.12 148	0.11 129	0.11 96	0.11 112	0.19 136	0.19 63

CrosDoStereo	0.96 327	0.49 92	2.66 233	0.27 25	0.33 205	0.54 77	3.69 412	0.77 123	0.66 129	0.70 277	1.39 366	0.53 157	1.47 373	1.77 294	3.02 383	0.10 48	0.08 39	0.11 96	0.11 112	0.22 177	0.30 134

STrans-v2	0.69 226	0.62 139	2.66 233	0.28 37	0.23 113	0.57 111	0.32 197	1.01 296	0.77 244	0.92 331	0.84 307	0.88 314	0.92 342	1.81 302	1.19 295	0.10 48	0.07 6	0.10 50	0.09 39	0.12 26	0.30 134

DeepStereo_LL	0.96 327	0.49 92	2.66 233	0.27 25	0.33 205	0.54 77	3.69 412	0.77 123	0.66 129	0.70 277	1.39 366	0.53 157	1.47 373	1.77 294	3.02 383	0.10 48	0.08 39	0.11 96	0.11 112	0.22 177	0.30 134

MIF-Stereo (partial)	0.41 21	0.71 162	2.67 240	0.27 25	0.24 122	0.32 6	0.17 6	0.56 51	0.46 20	0.26 15	0.37 46	0.25 26	0.26 52	0.46 52	0.35 106	0.11 113	0.08 39	0.12 139	0.10 73	0.21 163	0.15 33

ssnet_v2	0.64 190	0.99 230	2.67 240	0.33 116	0.22 90	0.72 270	0.45 277	1.00 288	0.80 263	0.66 261	0.54 145	0.81 290	0.48 231	0.91 180	1.08 283	0.16 254	0.14 171	0.14 226	0.14 180	0.33 280	0.31 142

TransformOpticalFlow	0.65 195	0.61 135	2.67 240	0.45 250	0.26 142	0.62 189	0.28 139	0.88 211	0.76 236	0.76 299	0.74 282	0.90 318	0.84 327	1.82 305	0.80 244	0.10 48	0.07 6	0.11 96	0.09 39	0.12 26	0.19 63

GANet-RSSM	0.63 183	1.14 261	2.67 240	0.38 190	0.26 142	0.59 136	0.29 164	0.81 150	0.56 69	0.50 105	0.57 177	0.67 225	0.50 235	1.91 323	0.50 163	0.14 221	0.10 107	0.24 333	0.12 142	0.36 303	0.28 119

RTSC	0.84 288	1.40 326	2.67 240	0.50 276	0.40 248	0.83 314	0.33 210	1.11 349	1.14 363	0.93 334	0.82 303	0.84 299	0.58 270	1.34 232	1.82 339	0.18 284	0.49 296	0.14 226	0.30 315	0.46 348	0.42 198

RAFT-345	0.56 115	0.37 51	2.68 245	0.40 216	0.34 214	0.58 118	0.41 253	0.49 15	0.70 183	0.51 116	0.99 338	0.43 97	0.28 77	1.56 258	0.81 248	0.10 48	0.07 6	0.11 96	0.09 39	0.11 18	0.09 2

ADLNet	0.68 220	1.02 235	2.68 245	0.35 148	0.34 214	0.67 248	0.34 215	0.95 261	0.79 256	0.70 277	0.62 210	0.80 287	0.46 216	1.77 294	0.69 217	0.15 239	0.12 144	0.14 226	0.14 180	0.31 271	0.54 252

ADCRef	0.88 306	1.45 336	2.68 245	0.38 190	0.35 222	0.95 341	0.51 296	0.92 240	0.81 270	0.89 326	0.84 307	0.61 197	1.35 364	1.26 224	3.38 388	0.14 221	0.12 144	0.17 281	0.19 254	0.28 249	0.34 154

GANet	0.92 319	1.20 280	2.68 245	0.45 250	0.27 153	0.76 284	0.66 338	0.94 248	0.77 244	0.79 310	1.17 353	0.84 299	0.91 339	2.72 381	1.76 335	0.18 284	0.42 285	0.44 374	0.20 263	0.33 280	0.94 328

PASM	0.82 281	1.00 231	2.68 245	0.52 280	0.48 277	0.65 228	0.59 321	0.83 167	0.89 313	0.82 317	0.73 279	0.89 317	0.68 298	2.39 356	0.73 227	0.35 359	0.37 273	0.36 362	0.41 362	0.45 344	0.51 241

DeepPruner_ROB	0.58 130	1.06 244	2.68 245	0.30 63	0.26 142	0.63 202	0.31 187	0.83 167	0.51 44	0.62 223	0.56 166	0.65 216	0.39 152	1.06 193	0.56 180	0.19 295	0.14 171	0.14 226	0.14 180	0.24 197	0.33 147

IMH-64-1	1.50 378	1.98 380	2.69 251	1.39 382	1.12 378	1.39 370	1.19 388	1.80 392	1.47 382	1.19 356	2.20 388	1.53 380	1.51 377	2.12 339	1.98 342	1.34 402	0.68 323	1.28 402	0.70 389	1.37 399	1.12 344

IMH-64	1.50 378	1.98 380	2.69 251	1.39 382	1.12 378	1.39 370	1.19 388	1.80 392	1.47 382	1.19 356	2.20 388	1.53 380	1.51 377	2.12 339	1.98 342	1.34 402	0.68 323	1.28 402	0.70 389	1.37 399	1.12 344

PFNet	0.62 171	0.42 72	2.69 251	0.43 238	0.55 292	0.62 189	0.27 131	0.64 82	0.72 202	0.61 211	0.56 166	0.45 124	0.33 117	1.86 312	1.12 287	0.28 347	0.09 84	0.12 139	0.16 217	0.26 227	0.27 113

GwcNet-RSSM	0.64 190	1.38 325	2.69 251	0.33 116	0.26 142	0.60 149	0.32 197	0.84 174	0.73 206	0.56 158	0.65 232	0.72 257	0.42 180	1.78 297	0.60 188	0.14 221	0.10 107	0.12 139	0.13 162	0.26 227	0.26 107

StereoVision	0.52 86	1.12 258	2.70 255	0.34 133	0.32 199	0.47 34	0.26 117	0.73 110	0.61 89	0.33 27	0.89 321	0.45 124	0.26 52	0.52 83	0.39 119	0.14 221	0.15 185	0.16 267	0.15 199	0.22 177	0.14 26

Sa-1000	0.61 158	1.07 245	2.71 256	0.32 95	0.61 314	0.61 167	0.31 187	1.00 288	0.76 236	0.53 132	0.83 305	0.43 97	0.33 117	0.69 138	0.30 59	0.10 48	0.52 301	0.13 196	0.28 305	0.29 257	0.29 125

ac_64	0.63 183	0.77 186	2.71 256	0.37 172	0.34 214	0.64 214	0.30 177	0.86 196	0.67 141	0.58 176	0.53 131	0.88 314	0.48 231	1.84 308	0.71 222	0.15 239	0.12 144	0.12 139	0.12 142	0.21 163	0.25 101

MyStereo05	0.57 122	0.72 167	2.72 258	0.31 77	0.25 128	0.60 149	0.30 177	0.87 203	0.82 275	0.54 136	0.37 46	0.53 157	0.42 180	0.63 118	0.73 227	0.09 11	0.55 304	0.12 139	0.20 263	0.16 71	0.56 259

HH	0.79 272	0.52 105	2.72 258	1.45 384	0.80 344	0.91 333	0.23 64	0.76 117	0.76 236	0.64 243	0.55 154	0.87 310	0.41 169	0.94 183	0.45 140	0.09 11	1.20 360	0.10 50	0.09 39	0.16 71	2.16 396

HanStereo	0.79 272	0.52 105	2.72 258	1.45 384	0.80 344	0.91 333	0.23 64	0.76 117	0.76 236	0.64 243	0.55 154	0.87 310	0.41 169	0.94 183	0.45 140	0.09 11	1.20 360	0.10 50	0.09 39	0.16 71	2.16 396

ASMatch	0.61 158	0.47 87	2.72 258	0.91 356	0.36 228	0.56 92	0.24 86	0.54 41	0.67 141	0.48 71	1.20 355	0.47 133	0.65 288	1.33 231	0.93 262	0.10 48	0.08 39	0.11 96	0.11 112	0.10 11	0.17 52

AANet_RVC	0.79 272	1.46 338	2.72 258	0.34 133	0.25 128	0.59 136	0.32 197	0.88 211	0.83 281	0.62 223	0.95 330	0.80 287	0.43 193	2.46 362	1.72 331	0.38 360	0.26 254	0.10 50	0.09 39	0.25 212	0.43 203

HITNet	0.55 107	1.28 300	2.73 263	0.35 148	0.14 9	0.56 92	0.23 64	0.89 218	0.62 98	0.52 124	0.51 120	0.49 142	0.38 141	0.52 83	0.60 188	0.09 11	0.07 6	0.10 50	0.08 28	0.25 212	0.61 269
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
CBMV_ROB	0.88 306	0.75 183	2.73 263	0.36 162	0.22 90	0.76 284	0.47 286	1.05 322	0.81 270	1.06 346	1.04 346	0.88 314	1.36 366	2.17 342	2.03 345	0.23 324	0.24 244	0.27 341	0.25 289	0.27 238	0.73 300

FADNet-RVC	0.69 226	1.65 361	2.74 265	0.35 148	0.26 142	0.60 149	0.29 164	0.91 233	0.67 141	0.46 67	0.51 120	0.62 202	0.46 216	1.75 289	0.81 248	0.17 273	0.20 226	0.17 281	0.18 238	0.60 366	0.39 182

AF-Net	0.76 262	1.14 261	2.74 265	0.42 228	0.41 253	0.70 260	0.41 253	1.07 337	0.94 327	0.73 289	1.05 348	1.04 350	0.86 332	1.23 217	1.00 275	0.23 324	0.15 185	0.25 338	0.18 238	0.32 276	0.35 160

Wz-Net-MNSev	0.74 248	1.42 331	2.75 267	0.38 190	0.33 205	0.90 332	0.61 329	0.98 277	0.94 327	0.77 301	0.75 289	0.75 269	0.66 294	1.39 235	0.76 233	0.17 273	0.13 157	0.14 226	0.14 180	0.28 249	0.48 229

DN-CSS_ROB	0.56 115	1.64 360	2.75 267	0.42 228	0.22 90	0.57 111	0.19 13	0.79 138	0.66 129	0.46 67	0.62 210	0.41 92	0.32 112	0.73 151	0.49 160	0.12 148	0.08 39	0.14 226	0.13 162	0.38 316	0.17 52

MSMD_ROB	1.41 371	1.03 238	2.75 267	0.41 225	0.32 199	2.00 397	0.61 329	0.96 264	1.43 379	2.97 412	2.63 399	4.76 412	2.04 394	2.44 361	1.78 337	0.30 351	0.26 254	0.32 356	0.32 326	0.32 276	0.63 275

RAFT_CTSACE	0.58 130	1.16 269	2.76 270	0.36 162	0.29 169	0.54 77	0.29 164	0.69 95	0.51 44	0.51 116	0.75 289	0.67 225	0.37 134	0.63 118	0.47 147	0.08 1	0.49 296	0.11 96	0.10 73	0.41 335	0.32 144

test_5	0.61 158	1.25 295	2.76 270	0.39 203	0.64 321	0.58 118	0.35 224	0.85 184	0.66 129	0.49 87	0.56 166	0.55 170	0.40 158	0.79 163	0.32 82	0.10 48	0.19 214	0.12 139	0.12 142	0.33 280	0.85 318

DDUNet	0.90 316	1.63 359	2.77 272	0.77 342	0.69 329	0.83 314	0.44 272	0.90 226	0.70 183	0.68 269	0.76 292	0.92 319	0.54 251	1.14 207	1.35 311	0.61 376	0.37 273	0.96 392	0.52 377	0.77 380	0.67 284

RAFT-RH_RVC	0.65 195	0.73 170	2.78 273	0.39 203	0.29 169	0.60 149	0.18 11	0.45 8	0.63 109	0.75 297	1.89 379	0.47 133	0.29 93	1.59 270	1.21 297	0.15 239	0.07 6	0.13 196	0.13 162	0.11 18	0.10 4

whm_eth	0.51 84	0.86 201	2.79 274	0.31 77	0.31 188	0.49 42	0.24 86	0.78 130	0.75 228	0.48 71	0.86 315	0.26 33	0.26 52	0.38 30	0.29 54	0.13 191	0.11 129	0.13 196	0.12 142	0.14 52	0.44 215

SA	0.61 158	1.14 261	2.79 274	0.32 95	0.63 317	0.57 111	0.30 177	0.97 271	0.78 247	0.43 49	0.63 218	0.39 79	0.46 216	0.70 139	0.31 73	0.10 48	0.44 289	0.13 196	0.32 326	0.31 271	0.51 241

test croco	0.43 28	0.73 170	2.80 276	0.28 37	0.19 66	0.33 9	0.21 34	0.63 80	0.50 39	0.24 9	0.38 52	0.24 22	0.25 44	0.48 63	0.32 82	0.12 148	0.08 39	0.13 196	0.09 39	0.43 339	0.13 14

UDG	0.86 299	1.57 347	2.80 276	0.68 332	0.59 302	0.78 299	0.38 242	0.97 271	0.74 223	0.63 232	0.70 261	1.01 342	0.68 298	1.02 189	1.22 300	0.45 368	0.34 270	0.89 390	0.51 375	0.73 375	0.58 261

MaskLacGwcNet_RVC	0.84 288	1.41 327	2.80 276	0.94 358	0.35 222	0.89 329	0.41 253	0.89 218	0.66 129	0.57 170	0.63 218	0.75 269	0.38 141	2.37 352	0.55 178	1.16 397	0.31 264	0.36 362	0.21 274	0.59 365	0.63 275

ADCL	1.07 346	1.22 287	2.80 276	0.40 216	0.33 205	1.50 374	1.87 405	0.97 271	1.04 351	1.26 369	1.28 359	0.99 338	1.41 370	1.36 234	3.51 391	0.17 273	0.14 171	0.22 321	0.21 274	0.32 276	0.43 203

Wz-Net-LNSev	0.66 212	1.30 303	2.81 280	0.35 148	0.37 234	0.80 306	0.48 288	0.91 233	0.87 304	0.63 232	0.70 261	0.80 287	0.59 273	0.67 132	0.68 215	0.15 239	0.14 171	0.12 139	0.12 142	0.24 197	0.38 175

UNet	0.56 115	0.58 122	2.81 280	0.32 95	0.33 205	0.74 278	0.27 131	0.86 196	0.67 141	0.55 147	0.55 154	0.72 257	0.55 256	0.79 163	0.58 184	0.12 148	0.09 84	0.13 196	0.11 112	0.20 153	0.19 63

stereogan	0.74 248	0.68 154	2.82 282	0.40 216	0.40 248	1.05 350	0.42 259	0.99 282	0.96 334	0.78 309	0.86 315	1.15 367	0.73 309	1.57 263	0.56 180	0.20 303	0.19 214	0.20 313	0.16 217	0.37 309	0.34 154

CBMV	0.86 299	1.00 231	2.82 282	0.35 148	0.21 81	0.78 299	0.78 355	1.05 322	0.87 304	0.90 328	0.74 282	0.87 310	1.89 390	1.67 280	1.38 317	0.19 295	0.20 226	0.21 317	0.19 254	0.28 249	0.84 314
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FTStereo	0.79 272	0.32 15	2.83 284	0.70 334	0.21 81	0.73 273	1.75 403	0.61 70	0.60 86	1.07 347	1.62 374	1.28 371	2.11 395	0.75 155	0.30 59	0.19 295	0.08 39	0.12 139	0.11 112	0.12 26	0.39 182

DRN-Test	0.71 235	0.79 192	2.83 284	0.40 216	0.44 265	0.80 306	0.41 253	1.07 337	0.83 281	0.82 317	0.64 225	0.68 237	0.57 263	1.78 297	0.79 242	0.16 254	0.13 157	0.17 281	0.16 217	0.24 197	0.51 241

DPSNet	1.02 337	0.72 167	2.84 286	0.60 306	0.39 242	1.08 355	0.75 352	1.41 378	1.14 363	0.74 295	0.69 248	1.05 353	1.67 381	2.09 337	2.22 360	0.27 344	0.61 313	0.20 313	0.50 374	0.48 352	1.03 339

PDISCO_ROB	0.84 288	1.46 338	2.84 286	0.65 321	0.59 302	1.17 363	0.48 288	1.19 363	1.08 357	0.67 263	0.72 277	1.00 341	0.61 280	1.24 219	1.05 280	0.38 360	0.18 210	0.28 344	0.24 283	0.58 364	0.44 215

MIPNet	0.88 306	1.07 245	2.85 288	0.61 312	0.18 49	1.46 372	1.37 394	1.65 388	0.78 247	1.93 392	0.85 310	0.75 269	1.66 380	0.87 175	0.34 99	0.10 48	0.08 39	0.11 96	0.32 326	0.27 238	0.26 107

GwcNet-ADL	0.54 103	0.78 189	2.85 288	0.31 77	0.20 72	0.58 118	0.29 164	0.93 243	0.67 141	0.48 71	0.47 87	0.56 177	0.33 117	0.48 63	0.80 244	0.13 191	0.12 144	0.09 16	0.09 39	0.14 52	0.40 187

FAT-Stereo	0.72 243	0.60 130	2.86 290	0.37 172	0.29 169	0.64 214	0.55 309	1.01 296	0.91 318	0.76 299	0.94 327	0.93 324	0.79 322	1.82 305	0.60 188	0.19 295	0.19 214	0.17 281	0.16 217	0.23 191	0.47 225

IPLG	0.74 248	1.09 249	2.87 291	0.36 162	0.21 81	1.63 382	0.60 324	1.39 377	0.63 109	1.39 376	0.51 120	0.40 87	0.86 332	1.40 237	0.37 111	0.09 11	0.07 6	0.14 226	0.12 142	0.34 286	0.23 88

SGM_RVC	2.11 398	1.07 245	2.87 291	0.98 362	0.92 355	2.72 407	1.88 406	1.91 397	12.27 420	2.09 394	1.99 382	2.47 394	2.24 398	2.87 390	2.03 345	0.54 373	0.47 292	0.42 371	0.47 369	0.74 376	1.22 355
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
STTRV1_RVC	0.81 277	0.59 128	2.88 293	0.43 238	0.49 279	0.80 306	0.44 272	1.18 362	0.84 293	0.63 232	0.89 321	0.72 257	0.63 286	2.67 376	0.67 212	0.51 372	0.65 319	0.27 341	0.24 283	0.35 297	0.29 125

MyStereo8	0.73 245	1.16 269	2.89 294	0.53 284	0.34 214	0.71 264	0.20 23	1.87 395	0.59 82	0.53 132	0.66 238	0.50 146	0.33 117	1.27 225	0.62 196	0.10 48	1.19 359	0.10 50	0.21 274	0.21 163	0.61 269

GMM-Stereo	0.53 96	0.33 24	2.89 294	0.53 284	0.24 122	0.77 294	0.46 282	0.62 74	0.65 122	0.58 176	0.73 279	0.47 133	0.43 193	0.68 136	0.29 54	0.10 48	0.06 1	0.13 196	0.13 162	0.14 52	0.44 215

FADNet_RVC	0.87 305	1.51 343	2.90 296	0.31 77	0.24 122	0.71 264	0.25 105	1.00 288	0.65 122	0.45 57	0.57 177	0.61 197	0.44 201	1.53 254	0.75 230	0.94 387	0.97 342	0.28 344	1.00 406	0.89 384	1.36 369

TRStereo	0.89 313	1.02 235	2.91 297	4.59 421	0.31 188	0.93 337	0.23 64	1.93 398	0.66 129	0.37 31	0.54 145	0.48 140	0.40 158	0.67 132	0.29 54	0.13 191	0.37 273	0.11 96	0.48 370	0.13 36	1.21 353

ELAS	1.52 382	0.92 224	2.91 297	0.62 314	0.57 297	3.13 408	2.21 407	1.67 389	1.58 388	2.42 405	2.43 393	1.87 386	2.49 400	1.85 310	2.70 376	0.42 363	0.43 288	0.41 369	0.40 358	0.51 356	0.85 318
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CC-Net-ROB	0.95 326	1.57 347	2.93 299	0.90 354	0.39 242	0.87 325	0.44 272	1.12 351	0.83 281	0.59 195	0.69 248	0.64 212	0.50 235	2.73 383	0.93 262	0.97 390	0.40 283	0.87 389	0.29 309	0.61 369	0.66 282

PSMNet_ROB	0.75 259	1.42 331	2.93 299	0.39 203	0.32 199	0.73 273	0.56 313	0.90 226	0.74 223	0.56 158	0.60 195	0.75 269	0.47 224	2.00 328	1.31 307	0.18 284	0.13 157	0.19 303	0.20 263	0.26 227	0.40 187

SDNR	2.06 396	2.93 417	2.94 301	1.55 391	5.13 419	1.98 396	0.24 86	1.95 399	2.62 403	0.92 331	2.71 401	5.76 415	0.68 298	3.61 405	3.84 396	0.33 356	0.38 277	0.22 321	0.17 230	1.13 388	2.04 391

STTStereo	0.58 130	0.95 228	2.95 302	0.37 172	0.31 188	0.62 189	0.32 197	0.81 150	0.63 109	0.61 211	0.55 154	0.67 225	0.43 193	0.87 175	0.48 151	0.16 254	0.16 197	0.17 281	0.20 263	0.17 92	0.25 101

Nwc_Net	0.75 259	1.10 254	2.96 303	0.42 228	0.39 242	0.77 294	0.39 248	1.06 334	0.73 206	0.65 255	1.00 339	0.99 338	0.74 313	1.43 241	0.99 273	0.24 331	0.15 185	0.23 328	0.26 295	0.27 238	0.30 134

AASNet	0.66 212	1.49 342	2.97 304	0.37 172	0.33 205	0.65 228	0.30 177	1.00 288	0.78 247	0.56 158	0.60 195	0.55 170	0.39 152	0.88 179	0.96 264	0.15 239	0.12 144	0.13 196	0.11 112	0.45 344	0.35 160

sAnonymous2	0.45 43	0.88 206	2.97 304	0.31 77	0.25 128	0.34 10	0.28 139	0.56 51	0.49 32	0.25 12	0.30 20	0.23 16	0.29 93	0.31 3	0.22 5	0.12 148	0.09 84	0.12 139	0.13 162	0.38 316	0.43 203

CroCo_RVC	0.45 43	0.88 206	2.97 304	0.31 77	0.25 128	0.34 10	0.28 139	0.56 51	0.49 32	0.25 12	0.30 20	0.23 16	0.29 93	0.31 3	0.22 5	0.12 148	0.09 84	0.12 139	0.13 162	0.38 316	0.43 203

NCC-stereo	0.88 306	1.22 287	2.97 304	0.60 306	0.45 268	1.88 391	0.48 288	1.04 314	0.75 228	0.70 277	0.85 310	0.93 324	0.84 327	1.81 302	1.51 323	0.28 347	0.19 214	0.23 328	0.31 320	0.27 238	0.35 160

Abc-Net	0.88 306	1.22 287	2.97 304	0.60 306	0.45 268	1.88 391	0.48 288	1.04 314	0.75 228	0.70 277	0.85 310	0.93 324	0.84 327	1.81 302	1.51 323	0.28 347	0.19 214	0.23 328	0.31 320	0.27 238	0.35 160
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RAFT + AFF	0.79 272	1.73 366	2.99 309	0.34 133	0.35 222	0.67 248	0.51 296	1.05 322	0.79 256	0.54 136	0.58 183	0.59 188	0.81 323	1.80 300	1.21 297	0.13 191	0.27 260	0.15 251	0.14 180	0.45 344	0.69 293

cf-r	0.62 171	1.27 298	2.99 309	0.34 133	0.28 164	0.60 149	0.28 139	0.82 157	0.70 183	0.55 147	0.61 203	0.77 275	0.41 169	1.32 230	0.52 168	0.13 191	0.09 84	0.11 96	0.12 142	0.22 177	0.27 113

AnyNet_C32	1.08 349	1.76 370	3.01 311	0.50 276	0.54 290	1.17 363	1.16 386	0.97 271	0.95 332	1.11 349	0.98 335	0.87 310	0.93 344	1.57 263	4.11 403	0.22 316	0.20 226	0.25 338	0.25 289	0.40 329	0.68 289

MSC_U_SF_DS_RVC	1.40 370	2.04 387	3.02 312	0.58 305	0.41 253	2.15 400	1.00 374	1.31 372	1.29 373	1.05 344	1.10 351	1.29 373	0.91 339	3.07 394	1.34 309	1.65 409	0.84 337	0.68 385	0.88 400	1.55 404	1.91 386

4D-IteraStereo	0.62 171	1.29 302	3.04 313	0.27 25	0.30 180	0.46 24	0.26 117	0.54 41	0.51 44	0.41 39	0.31 26	0.39 79	0.19 9	0.53 90	0.65 207	0.09 11	0.47 292	0.12 139	0.11 112	0.21 163	2.14 395

GANetREF_RVC	0.81 277	1.44 335	3.04 313	0.49 271	0.27 153	0.83 314	0.63 332	1.03 308	0.92 320	0.63 232	0.61 203	0.72 257	0.59 273	2.40 357	0.58 184	0.33 356	0.25 251	0.37 364	0.25 289	0.41 335	0.36 166
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
MFMNet_re	1.01 336	1.73 366	3.04 313	0.85 350	0.76 338	0.93 337	0.81 358	1.02 302	1.10 358	1.05 344	1.06 349	0.84 299	0.96 346	0.93 182	0.97 265	0.68 380	0.61 313	0.63 382	0.60 387	0.77 380	0.80 310

MeshStereo	1.29 362	1.34 311	3.04 313	0.35 148	0.28 164	1.10 357	0.69 346	1.42 379	1.07 355	2.71 410	2.43 393	2.95 396	1.50 376	2.92 391	2.03 345	0.23 324	0.22 236	0.22 321	0.19 254	0.50 354	0.69 293
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
LL-Strereo	0.85 296	1.73 366	3.06 317	0.37 172	0.61 314	0.54 77	0.33 210	1.01 296	0.76 236	0.69 274	0.58 183	0.85 304	0.78 320	2.65 375	0.54 176	0.14 221	0.58 310	0.14 226	0.12 142	0.42 337	1.05 340

HHNet	0.63 183	0.67 147	3.10 318	0.37 172	0.25 128	0.64 214	0.60 324	0.70 102	0.67 141	0.55 147	1.12 352	0.32 57	0.60 278	0.43 48	1.75 334	0.16 254	0.08 39	0.12 139	0.10 73	0.18 112	0.22 80

NLCA_NET_v2_RVC	0.62 171	1.15 267	3.11 319	0.39 203	0.37 234	0.60 149	0.28 139	0.87 203	0.64 115	0.63 232	0.56 166	0.71 256	0.45 209	1.08 196	0.52 168	0.15 239	0.12 144	0.14 226	0.15 199	0.18 112	0.25 101
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
IPLGR	0.58 130	0.64 143	3.12 320	0.37 172	0.18 49	0.62 189	0.54 305	1.06 334	0.69 173	0.73 289	0.46 82	0.50 146	0.44 201	1.12 204	0.31 73	0.10 48	0.08 39	0.11 96	0.09 39	0.21 163	0.20 71

WCMA_ROB	1.29 362	1.21 282	3.13 321	0.65 321	0.36 228	1.20 366	0.78 355	1.00 288	0.98 341	1.78 391	2.62 398	3.08 401	2.01 393	1.86 312	2.35 365	0.38 360	0.38 277	0.32 356	0.32 326	0.31 271	1.06 341

DispNO	0.76 262	1.36 318	3.15 322	0.32 95	0.27 153	0.59 136	0.29 164	0.88 211	0.72 202	0.55 147	0.79 302	0.83 298	0.47 224	2.46 362	1.23 301	0.12 148	0.10 107	0.18 297	0.31 320	0.20 153	0.25 101

CIPLG	0.63 183	1.59 352	3.16 323	0.79 345	0.31 188	0.62 189	0.57 316	0.82 157	0.68 165	0.58 176	0.63 218	0.43 97	0.31 107	0.48 63	0.42 127	0.12 148	0.20 226	0.13 196	0.13 162	0.36 303	0.21 75

WAO-6	1.69 389	1.87 375	3.21 324	1.15 375	1.01 368	2.29 401	1.06 378	1.85 394	2.84 407	1.30 373	2.59 397	2.19 391	1.67 381	2.62 372	2.52 369	0.96 389	0.68 323	1.19 399	0.84 397	1.13 388	0.95 331

SQANet	0.92 319	1.96 378	3.23 325	0.77 342	0.83 346	0.76 284	0.38 242	0.87 203	0.68 165	0.64 243	0.69 248	0.73 263	0.52 246	1.35 233	1.36 313	0.80 383	0.30 263	0.60 381	0.29 309	0.93 385	0.70 296

APVNet	0.76 262	1.11 256	3.23 325	0.39 203	0.36 228	0.85 320	0.44 272	0.96 264	0.73 206	0.58 176	0.69 248	0.76 273	0.56 258	2.29 347	0.82 251	0.17 273	0.18 210	0.24 333	0.19 254	0.35 297	0.27 113

G-Net	1.02 337	0.70 159	3.23 325	0.60 306	0.66 324	2.00 397	0.71 348	0.78 130	0.70 183	1.14 352	2.53 395	1.29 373	1.01 350	1.47 248	1.74 333	0.25 337	0.24 244	0.24 333	0.26 295	0.37 309	0.40 187

WAO-7	1.58 386	2.04 387	3.25 328	0.94 358	0.75 335	1.75 387	1.13 381	1.87 395	1.97 396	1.46 383	2.53 395	1.98 388	1.75 384	3.13 395	2.48 368	0.69 381	0.67 322	0.94 391	0.74 394	0.80 383	0.77 303

fast-acv-ft	0.67 215	1.24 292	3.26 329	0.39 203	0.30 180	0.80 306	0.48 288	0.74 112	0.76 236	0.60 204	0.78 300	0.76 273	0.60 278	0.70 139	0.78 239	0.16 254	0.15 185	0.18 297	0.17 230	0.38 316	0.24 97

MADNet++	2.94 408	2.17 393	3.27 330	2.55 415	2.28 412	3.29 410	3.37 410	2.76 406	2.67 405	3.10 413	3.20 407	2.78 395	3.25 407	4.11 409	4.68 408	2.72 416	2.27 411	3.03 420	2.43 418	2.34 415	2.59 412

HBP-ISP	0.82 281	1.57 347	3.28 331	0.50 276	0.27 153	0.86 321	0.54 305	1.09 342	0.78 247	0.81 313	0.70 261	0.68 237	1.00 349	2.02 329	0.47 147	0.24 331	0.24 244	0.29 352	0.25 289	0.28 249	0.52 246

ADLNet2	0.73 245	1.22 287	3.28 331	0.34 133	0.36 228	0.65 228	0.37 234	0.94 248	0.87 304	0.57 170	0.65 232	0.92 319	0.48 231	2.05 330	0.60 188	0.13 191	0.11 129	0.11 96	0.11 112	0.37 309	0.38 175

1111x	1.06 344	0.79 192	3.29 333	0.33 116	0.60 307	0.64 214	0.33 210	1.10 345	0.92 320	0.59 195	0.69 248	0.59 188	0.47 224	2.64 374	4.61 407	0.12 148	1.38 378	0.11 96	0.49 372	0.18 112	1.30 362

FCDSN-DC	1.45 375	1.12 258	3.30 334	0.48 260	0.41 253	1.13 359	0.60 324	1.17 360	1.28 372	2.25 401	2.85 403	3.65 404	3.34 408	2.58 369	2.44 367	0.31 353	0.26 254	0.31 354	0.30 315	0.37 309	0.78 306
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	1.57 385	2.56 414	3.30 334	0.66 325	0.41 253	1.15 361	0.51 296	1.27 368	1.35 377	1.61 388	1.20 355	1.43 377	0.97 347	1.80 300	2.10 350	1.88 412	1.79 389	1.97 417	2.14 416	1.61 405	1.76 385

ARAFT	0.65 195	1.69 365	3.34 336	0.29 49	0.16 22	0.65 228	0.36 231	0.96 264	0.73 206	0.63 232	0.49 106	0.56 177	0.31 107	1.23 217	0.35 106	0.11 113	0.08 39	0.14 226	0.13 162	0.38 316	0.50 237

Wz-Net-SNSev	0.85 296	1.83 373	3.36 337	0.42 228	0.31 188	0.71 264	0.66 338	1.04 314	0.94 327	0.68 269	0.85 310	0.96 332	0.62 282	1.75 289	1.14 289	0.16 254	0.15 185	0.16 267	0.17 230	0.39 323	0.63 275

IPLGR_C	0.64 190	1.66 363	3.36 337	0.80 346	0.31 188	0.60 149	0.60 324	0.82 157	0.69 173	0.58 176	0.62 210	0.44 112	0.31 107	0.47 54	0.43 133	0.12 148	0.22 236	0.13 196	0.15 199	0.35 297	0.21 75

test_xeample3	0.86 299	0.75 183	3.36 337	0.65 321	0.76 338	0.49 42	0.33 210	1.21 366	0.80 263	0.61 211	0.23 5	0.30 47	0.29 93	1.17 211	1.57 327	0.10 48	1.79 389	0.10 50	0.40 358	0.25 212	2.09 392

ADCS	1.14 353	2.02 385	3.36 337	0.43 238	0.37 234	0.96 343	0.81 358	1.12 351	1.17 367	1.25 368	0.98 335	1.08 357	0.92 342	1.41 239	4.97 409	0.23 324	0.21 234	0.22 321	0.23 281	0.40 329	0.67 284

ELAS_RVC	1.51 381	0.88 206	3.36 337	0.63 316	0.56 294	1.53 375	2.73 409	1.53 383	1.76 393	2.26 402	2.21 390	2.10 389	3.07 405	2.08 335	2.52 369	0.42 363	0.42 285	0.42 371	0.37 350	0.51 356	0.84 314
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DualNet	0.97 330	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	0.85 184	0.96 334	0.54 136	0.74 282	0.67 225	0.40 158	0.64 122	3.86 397	0.10 48	2.16 407	0.15 251	0.33 336	0.25 212	2.19 398

ffm	0.78 269	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	0.85 184	0.96 334	0.54 136	0.74 282	0.67 225	0.40 158	0.64 122	0.22 5	0.10 48	2.16 407	0.15 251	0.33 336	0.25 212	2.19 398

ff1	1.07 346	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	0.85 184	0.96 334	0.54 136	0.74 282	0.67 225	0.40 158	2.75 385	3.86 397	0.10 48	2.16 407	0.15 251	0.33 336	0.25 212	2.19 398

mmx	0.99 334	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	1.05 322	0.92 320	0.54 136	0.74 282	0.67 225	0.40 158	2.75 385	3.86 397	0.13 191	1.25 365	0.15 251	0.33 336	0.19 136	1.28 360

xxx	0.99 334	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	1.05 322	0.92 320	0.54 136	0.74 282	0.67 225	0.40 158	2.75 385	3.86 397	0.13 191	1.25 365	0.15 251	0.33 336	0.19 136	1.28 360

rrr	0.84 288	0.74 179	3.40 347	0.76 339	0.77 340	0.45 21	0.28 139	1.23 367	0.84 293	0.71 286	0.22 2	0.30 47	0.28 77	1.29 227	1.53 325	0.10 48	1.50 383	0.10 50	0.29 309	0.24 197	1.75 384

ACRE	0.63 183	1.55 346	3.41 348	0.76 339	0.28 164	0.60 149	0.56 313	0.82 157	0.68 165	0.57 170	0.62 210	0.43 97	0.30 103	0.47 54	0.42 127	0.12 148	0.19 214	0.13 196	0.14 180	0.36 303	0.20 71

DeepPrunerF	0.92 319	1.33 309	3.41 348	0.46 253	0.51 282	0.64 214	0.49 293	1.16 357	2.62 403	0.65 255	0.61 203	0.65 216	0.62 282	2.23 344	1.31 307	0.23 324	0.19 214	0.30 353	0.28 305	0.39 323	0.34 154

SPS-STEREO	1.22 358	1.65 361	3.41 348	0.66 325	0.69 329	1.01 346	0.68 344	1.10 345	0.96 334	1.40 378	1.25 358	1.46 379	1.08 355	2.05 330	2.24 361	0.66 378	0.61 313	0.58 379	0.57 383	0.66 373	1.65 382
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
edge stereo	0.84 288	0.74 179	3.42 351	0.38 190	1.21 383	0.63 202	0.41 253	0.98 277	0.83 281	0.81 313	0.88 319	1.14 365	0.73 309	2.16 341	0.89 259	0.22 316	0.20 226	0.26 340	0.18 238	0.38 316	0.43 203

DGSMNet	2.93 407	0.77 186	3.44 352	3.58 420	4.25 418	2.53 406	6.86 420	1.03 308	0.88 308	0.58 176	1.85 378	0.79 281	0.62 282	1.63 273	1.46 320	4.62 419	4.98 422	5.15 424	4.71 423	4.52 423	4.37 421

FC-DCNN	1.60 387	0.85 199	3.44 352	0.46 253	0.39 242	1.96 393	0.66 338	1.72 391	1.70 390	2.75 411	2.91 406	4.20 407	3.15 406	2.72 381	2.66 374	0.30 351	0.26 254	0.31 354	0.30 315	0.33 280	0.91 325

iResNetv2_ROB	0.71 235	1.90 377	3.48 354	0.43 238	0.22 90	0.60 149	0.29 164	0.96 264	0.78 247	0.60 204	0.65 232	0.60 195	0.46 216	0.80 167	1.21 297	0.12 148	0.08 39	0.10 50	0.07 13	0.44 342	0.33 147

Consistency-Raft	0.92 319	1.21 282	3.50 355	0.98 362	0.63 317	0.77 294	0.54 305	1.02 302	1.01 346	0.62 223	1.03 344	0.65 216	1.04 352	0.81 170	1.36 313	0.45 368	0.47 292	0.51 377	0.59 385	0.65 372	0.47 225

MyStereo06	0.70 231	0.72 167	3.51 356	0.31 77	0.25 128	0.60 149	0.30 177	0.90 226	0.67 141	1.48 384	0.53 131	0.84 299	0.57 263	0.60 111	1.11 286	0.09 11	0.55 304	0.12 139	0.20 263	0.16 71	0.56 259

otaku	1.15 354	2.10 390	3.51 356	0.98 362	0.74 334	1.02 347	0.59 321	1.03 308	0.89 313	0.70 277	1.60 372	0.98 335	0.65 288	1.63 273	1.80 338	0.99 391	0.46 290	0.73 387	0.40 358	1.30 397	0.88 322

Ntro	1.11 351	2.10 390	3.52 358	0.97 361	0.87 351	1.06 353	0.54 305	1.02 302	0.93 326	0.63 232	0.76 292	0.93 324	0.67 296	1.76 291	1.71 329	1.03 392	0.46 290	0.76 388	0.41 362	1.29 395	0.86 321

ADCMid	1.06 344	1.82 372	3.53 359	0.39 203	0.36 228	0.99 344	0.58 318	1.01 296	0.94 327	1.23 367	1.02 342	1.01 342	1.01 350	1.11 202	4.04 401	0.22 316	0.19 214	0.42 371	0.32 326	0.42 337	0.53 249

Syn2CoEx	0.78 269	1.43 334	3.54 360	0.44 243	0.31 188	0.64 214	0.43 266	1.04 314	0.83 281	0.64 243	0.77 296	0.74 265	0.74 313	1.91 323	0.64 202	0.20 303	0.17 204	0.19 303	0.15 199	0.30 263	0.59 264

Anonymous Stereo	0.83 285	1.57 347	3.56 361	0.46 253	0.39 242	0.63 202	0.84 360	0.92 240	0.83 281	0.68 269	0.68 244	0.64 212	0.42 180	2.42 360	1.02 277	0.23 324	0.23 241	0.19 303	0.20 263	0.31 271	0.40 187

pmcnn	1.44 373	1.25 295	3.57 362	0.74 337	1.42 392	0.72 270	0.56 313	1.04 314	1.06 354	1.03 343	2.89 405	6.01 416	0.75 317	2.54 366	3.60 393	0.14 221	0.11 129	0.08 3	0.06 7	0.34 286	0.81 312

RainbowNet	1.27 360	2.22 397	3.58 363	1.14 374	0.92 355	1.08 355	0.76 353	1.19 363	1.15 365	0.77 301	0.97 332	1.08 357	0.83 326	1.64 276	1.72 331	1.20 399	1.30 374	1.01 395	0.58 384	1.23 392	0.97 336

DMCA-RVC	0.70 231	1.30 303	3.59 364	0.37 172	0.89 352	0.57 111	0.31 187	0.73 110	0.59 82	0.69 274	0.54 145	0.59 188	0.57 263	1.25 222	0.66 210	0.16 254	0.38 277	0.20 313	0.15 199	0.22 177	0.23 88

NVStereoNet_ROB	1.45 375	1.62 357	3.59 364	1.09 368	0.70 331	0.86 321	0.67 342	1.19 363	1.51 384	1.20 361	4.05 411	1.61 382	1.94 391	2.97 393	2.07 349	0.67 379	0.69 326	0.55 378	0.70 389	0.57 363	0.67 284
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
IMH	2.14 399	2.46 410	3.60 366	1.70 397	1.13 380	1.65 383	0.93 368	2.13 401	1.93 395	1.37 374	2.64 400	2.19 391	1.82 388	5.77 414	2.18 357	5.70 420	1.05 352	1.31 404	0.72 393	1.39 401	1.13 346

GwcNet	0.76 262	1.09 249	3.68 367	0.38 190	0.45 268	0.81 311	0.45 277	0.91 233	0.89 313	0.63 232	0.77 296	0.82 293	0.51 239	1.64 276	0.85 255	0.17 273	0.16 197	0.15 251	0.15 199	0.33 280	0.34 154

Wz-Net-TNSev	1.02 337	2.26 401	3.69 368	0.38 190	0.31 188	1.00 345	0.71 348	1.12 351	1.02 347	0.74 295	0.73 279	1.09 360	0.91 339	2.46 362	2.15 355	0.21 311	0.20 226	0.16 267	0.20 263	0.48 352	0.62 271

ktn	4.44 414	2.47 411	3.70 369	1.82 403	1.49 397	2.11 399	1.40 398	2.30 402	12.56 421	11.36 423	16.25 425	11.30 424	3.77 410	4.41 412	3.47 390	1.86 411	0.99 344	1.74 416	1.21 410	3.28 418	1.39 370

WAO-8	2.91 405	2.55 412	3.77 370	1.93 408	1.04 371	4.08 414	0.99 370	3.25 412	6.09 414	2.20 399	3.34 408	3.33 402	2.64 401	11.73 423	2.52 369	2.12 413	1.92 392	1.55 410	0.93 401	1.27 393	0.96 333

Venus	2.91 405	2.55 412	3.77 370	1.93 408	1.04 371	4.08 414	0.99 370	3.25 412	6.09 414	2.20 399	3.34 408	3.33 402	2.64 401	11.73 423	2.52 369	2.12 413	1.92 392	1.55 410	0.93 401	1.27 393	0.96 333

S-Stereo	0.82 281	0.73 170	3.79 372	0.40 216	0.37 234	0.70 260	0.69 346	1.00 288	1.03 348	0.63 232	0.92 325	0.82 293	0.59 273	2.35 351	0.71 222	0.18 284	0.22 236	0.17 281	0.18 238	0.30 263	0.67 284

IGEV_Zeroshot_test	0.91 318	0.39 60	3.80 373	0.42 228	1.95 407	0.56 92	0.64 333	0.84 174	0.55 65	1.45 381	0.53 131	0.79 281	0.42 180	0.57 102	1.13 288	0.10 48	0.49 296	0.10 50	0.34 342	0.19 136	2.97 416

FADNet-RVC-Resample	0.74 248	1.54 345	3.81 374	0.38 190	0.29 169	0.62 189	0.38 242	0.91 233	0.67 141	0.52 124	0.51 120	0.63 206	0.44 201	1.56 258	0.59 186	0.24 331	0.32 265	0.22 321	0.19 254	0.30 263	0.71 298

ADCP+	1.03 341	1.68 364	3.83 375	0.35 148	0.39 242	1.05 350	0.79 357	0.94 248	0.86 302	0.69 274	0.68 244	0.85 304	1.53 379	1.02 189	4.56 406	0.13 191	0.12 144	0.16 267	0.15 199	0.28 249	0.44 215

NaN_ROB	1.25 359	1.46 338	3.84 376	0.54 290	0.56 294	1.12 358	0.99 370	1.05 322	1.03 348	1.10 348	0.87 317	0.77 275	1.07 354	5.85 415	2.98 381	0.16 254	0.23 241	0.16 267	0.24 283	0.28 249	0.66 282

MDST_ROB	1.28 361	0.53 108	3.84 376	0.55 291	0.45 268	4.06 413	0.60 324	1.36 375	0.89 313	2.18 398	1.17 353	0.98 335	0.72 306	4.28 410	2.12 352	0.20 303	0.16 197	0.19 303	0.17 230	0.20 153	0.84 314

MANE	3.51 411	2.03 386	3.88 378	1.89 406	2.01 408	5.98 418	4.72 416	5.87 421	7.13 418	3.80 416	5.10 416	6.11 417	5.34 415	4.39 411	5.05 410	1.07 393	1.28 371	0.50 376	0.85 398	0.76 379	2.36 410

TorneroNet	5.60 417	2.30 404	3.98 379	1.49 389	1.26 387	14.47 425	1.11 379	4.85 418	20.66 435	10.12 420	16.30 426	11.78 425	7.35 418	3.41 403	4.38 405	1.36 404	0.70 329	1.46 409	0.87 399	2.73 416	1.33 363

CVANet_RVC	0.82 281	1.18 275	3.98 379	0.40 216	0.28 164	0.63 202	0.43 266	0.90 226	0.78 247	1.14 352	0.69 248	0.68 237	0.52 246	2.62 372	0.48 151	0.20 303	0.13 157	0.22 321	0.37 350	0.37 309	0.48 229

notaker	2.77 403	2.35 407	4.02 381	2.61 416	1.44 393	1.77 388	1.14 382	2.77 407	1.81 394	2.30 403	11.41 421	3.95 405	4.70 413	3.24 397	3.01 382	1.58 408	0.88 339	1.71 415	1.08 408	2.10 411	1.44 373

GASNet	0.84 288	1.98 380	4.07 382	0.48 260	0.33 205	0.58 118	0.34 215	0.97 271	0.81 270	0.60 204	0.59 188	0.74 265	0.55 256	2.08 335	1.18 293	0.22 316	0.15 185	0.19 303	0.17 230	0.55 362	0.29 125

CSAN	1.38 369	1.74 369	4.12 383	0.53 284	0.38 240	1.06 353	1.15 384	1.29 370	1.12 361	1.19 356	1.90 380	1.04 350	1.44 371	5.92 416	2.82 379	0.26 341	0.22 236	0.24 333	0.25 289	0.35 297	0.54 252

PA-Net	0.93 324	1.36 318	4.14 384	0.64 319	0.41 253	0.70 260	0.53 302	0.91 233	0.88 308	0.53 132	0.60 195	0.70 254	0.54 251	2.40 357	2.57 373	0.17 273	0.28 262	0.19 303	0.28 305	0.25 212	0.48 229
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
JetBlue	1.89 392	2.09 389	4.16 385	0.74 337	1.23 384	4.52 417	3.86 414	1.68 390	1.26 370	1.28 371	1.54 371	2.36 393	1.86 389	3.35 400	3.37 387	0.54 373	0.49 296	0.48 375	0.49 372	1.39 401	1.21 353

TorneroNet-64	2.74 402	2.23 398	4.18 386	1.48 387	1.20 382	3.88 412	1.01 376	3.48 416	6.61 417	2.62 409	4.55 414	4.20 407	3.84 411	3.39 402	3.40 389	1.23 400	0.66 321	1.39 407	0.80 396	3.42 419	1.27 358

WZ-Net	1.04 342	1.83 373	4.20 387	0.42 228	0.36 228	0.88 327	0.71 348	1.05 322	1.11 360	0.84 321	0.94 327	1.06 354	1.17 360	2.37 352	2.24 361	0.20 303	0.14 171	0.15 251	0.16 217	0.36 303	0.53 249

tt	4.94 416	0.32 15	4.22 388	2.29 412	1.58 400	10.19 423	16.94 426	9.44 425	5.03 412	1.69 389	1.33 364	4.68 411	5.02 414	3.38 401	5.91 413	6.15 422	9.47 429	2.80 419	3.16 421	3.54 420	1.58 378

AnyNet_C01	1.20 357	1.89 376	4.25 389	0.55 291	0.54 290	1.57 377	1.39 397	1.10 345	1.13 362	1.19 356	1.34 365	1.15 367	1.11 357	1.73 286	2.89 380	0.26 341	0.24 244	0.28 344	0.24 283	0.50 354	0.68 289

EDNetEfficient	1.29 362	0.78 189	4.27 390	0.65 321	1.03 370	0.94 339	1.38 396	0.87 203	1.75 392	2.33 404	1.32 363	1.04 350	2.21 397	1.59 270	4.07 402	0.16 254	0.19 214	0.15 251	0.27 303	0.38 316	0.40 187

PWCK	1.62 388	2.32 406	4.27 390	1.11 371	0.56 294	1.81 389	1.84 404	1.55 385	1.54 386	1.45 381	1.81 376	1.82 385	1.38 368	3.34 399	2.14 354	1.09 395	0.57 308	0.98 393	0.59 385	1.50 403	0.79 308

SGM+DAISY	2.67 401	2.14 392	4.28 392	1.92 407	2.11 411	4.36 416	5.22 418	3.17 409	3.00 408	3.24 415	3.81 410	3.03 398	3.61 409	2.53 365	3.79 395	1.15 396	1.29 372	0.66 383	0.71 392	0.95 386	2.44 411

pcwnet_v2	0.65 195	0.54 110	4.29 393	0.33 116	0.27 153	0.60 149	0.25 105	1.02 302	0.92 320	0.61 211	0.69 248	0.62 202	0.54 251	0.67 132	0.38 117	0.18 284	0.15 185	0.15 251	0.14 180	0.21 163	0.49 235

LVE	2.10 397	2.61 415	4.30 394	1.79 402	1.81 406	1.68 385	1.04 377	2.35 403	2.78 406	1.27 370	2.87 404	4.21 409	1.46 372	2.83 389	2.02 344	2.87 417	0.92 341	1.19 399	1.47 415	1.29 395	1.18 347

SANet	1.35 367	1.80 371	4.39 395	0.41 225	0.29 169	1.72 386	0.89 365	1.17 360	2.47 400	1.22 365	1.82 377	1.72 384	1.70 383	2.57 368	3.30 385	0.18 284	0.16 197	0.16 267	0.15 199	0.34 286	0.62 271

ACVNet_2	1.54 383	2.20 396	4.42 396	1.10 370	0.93 357	1.37 369	0.87 362	1.53 383	1.71 391	1.22 365	1.72 375	2.12 390	1.06 353	2.58 369	1.93 341	0.94 387	0.54 302	1.00 394	0.56 382	2.11 412	0.96 333

XX-Stereo	0.98 332	0.57 120	4.45 397	1.64 394	5.33 420	0.55 87	0.16 4	0.96 264	0.43 13	0.45 57	0.65 232	0.85 304	0.19 9	0.79 163	0.26 35	0.11 113	0.80 335	0.10 50	0.32 326	0.17 92	0.78 306

FINET	1.92 393	1.96 378	4.49 398	1.62 393	1.39 391	3.51 411	4.39 415	2.89 408	2.58 402	1.39 376	1.98 381	1.35 375	2.12 396	1.64 276	2.12 352	0.84 385	1.03 351	0.18 297	0.29 309	0.54 361	2.12 394

ADCPNet	1.07 346	1.37 322	4.54 399	0.38 190	0.68 328	1.36 367	0.64 333	0.93 243	0.83 281	0.79 310	0.82 303	1.08 357	1.18 361	1.30 229	2.68 375	0.21 311	0.69 326	0.21 317	0.95 403	0.30 263	0.54 252

iRaft-Stereo_20w	1.50 378	0.42 72	4.81 400	2.24 411	2.09 410	1.36 367	1.27 391	1.38 376	0.94 327	2.07 393	0.42 66	0.85 304	0.69 302	0.87 175	1.37 315	0.10 48	4.04 421	0.09 16	0.40 358	0.17 92	4.53 422

ACVNet-4b	2.00 395	2.19 394	4.85 401	1.09 368	0.86 349	1.15 361	0.53 302	1.11 349	1.15 365	0.65 255	1.09 350	1.97 387	0.69 302	2.31 348	9.78 421	5.73 421	0.42 285	1.03 396	0.55 380	1.89 408	0.92 327

ACVNet_1	1.47 377	2.27 402	4.92 402	1.11 371	0.89 352	1.19 365	0.66 338	1.28 369	1.19 368	0.98 336	0.97 332	3.06 400	1.48 375	2.37 352	1.82 339	1.08 394	0.49 296	1.03 396	0.48 370	1.20 391	0.95 331

SPstereo	16.55 428	3.18 418	4.92 402	2.73 417	2.77 413	29.67 435	52.00 437	39.41 444	29.70 445	21.94 440	21.64 434	27.45 442	23.83 436	27.92 445	26.10 438	2.44 415	2.60 416	4.96 422	3.11 420	2.27 413	2.32 409

Dean	1.92 393	2.31 405	5.03 404	1.31 377	1.08 374	1.55 376	0.99 370	1.98 400	2.33 399	1.51 385	4.15 412	4.23 410	1.39 369	2.31 348	2.10 350	1.18 398	0.69 326	1.18 398	0.75 395	1.30 397	1.07 342

DispFullNet	1.69 389	2.25 399	5.23 405	1.53 390	8.78 421	0.89 329	0.37 234	1.03 308	0.98 341	1.37 374	1.00 339	1.13 364	1.97 392	1.51 253	0.98 271	0.55 375	0.32 265	1.19 399	0.64 388	1.16 390	0.88 322

UNDER WATER	2.84 404	2.25 399	5.25 406	1.84 404	1.45 394	2.36 403	1.44 401	3.23 411	6.51 416	2.61 408	2.73 402	5.69 414	5.64 416	3.14 396	4.18 404	1.48 405	0.81 336	1.60 413	1.07 407	1.91 409	1.67 383

SuperB	1.19 356	1.62 357	5.29 407	0.37 172	0.26 142	0.81 311	0.87 362	0.94 248	1.19 368	0.68 269	0.68 244	0.63 206	1.37 367	1.73 286	3.30 385	0.16 254	0.12 144	0.17 281	0.16 217	2.74 417	0.63 275

SGM-ForestM	3.67 412	2.70 416	5.34 408	1.65 395	1.72 404	6.02 419	5.08 417	4.10 417	3.47 409	4.59 417	4.21 413	9.81 421	5.79 417	6.44 417	6.97 416	0.88 386	1.09 354	0.33 360	0.45 366	0.68 374	2.10 393

UNDER WATER-64	2.59 400	2.28 403	5.63 409	1.85 405	1.45 394	3.28 409	1.60 402	2.62 404	5.57 413	2.09 394	2.12 384	4.10 406	4.21 412	2.74 384	3.64 394	1.49 406	0.86 338	1.58 412	1.09 409	1.91 409	1.62 380

HanzoNet	7.85 419	3.30 420	5.75 410	7.47 424	3.97 416	2.34 402	1.37 394	3.47 414	4.02 410	13.30 425	10.49 417	10.86 422	16.67 427	8.50 422	10.51 423	10.80 428	9.84 430	5.83 425	13.69 428	7.24 425	7.51 425

LSM	3.40 410	1.42 331	5.81 411	9.98 426	30.74 440	0.86 321	1.14 382	0.99 282	1.26 370	1.40 378	2.18 387	0.93 324	0.85 330	1.76 291	1.03 278	0.22 316	0.35 271	0.24 333	0.29 309	0.40 329	6.21 424

MADNet+	1.44 373	2.19 394	6.00 412	0.89 352	0.70 331	1.58 378	1.11 379	1.56 386	1.30 375	0.89 326	1.03 344	1.25 370	1.12 358	3.29 398	2.80 377	0.48 371	0.57 308	0.39 366	0.36 349	0.63 370	0.69 293

KSHMR	4.19 413	2.37 408	6.24 413	1.73 400	1.48 396	1.97 395	1.29 392	3.18 410	17.06 430	2.15 397	15.74 424	9.09 420	1.75 384	8.33 421	2.37 366	1.55 407	1.29 372	1.70 414	1.23 411	1.75 406	1.60 379

RTS	1.29 362	1.59 352	6.48 414	0.63 316	0.57 297	1.59 379	0.90 366	1.15 354	1.44 380	1.20 361	1.31 361	1.10 361	0.87 335	2.67 376	2.27 363	0.21 311	0.38 277	0.19 303	0.20 263	0.46 348	0.68 289

RTSA	1.29 362	1.59 352	6.48 414	0.63 316	0.57 297	1.59 379	0.90 366	1.15 354	1.44 380	1.20 361	1.31 361	1.10 361	0.87 335	2.67 376	2.27 363	0.21 311	0.38 277	0.19 303	0.20 263	0.46 348	0.68 289

PML	22.99 431	17.34 429	8.24 416	5.48 422	9.84 422	50.35 444	102.65 444	5.84 420	13.52 422	37.08 445	104.84 444	30.61 444	23.20 435	12.09 425	7.96 418	6.27 423	2.12 401	6.31 426	2.42 417	10.67 428	2.95 414

LE_ROB	4.55 415	2.43 409	9.94 417	2.79 418	4.03 417	2.40 404	3.54 411	2.72 405	11.04 419	11.64 424	4.69 415	5.25 413	10.74 421	4.52 413	9.73 420	0.82 384	0.70 329	1.34 405	0.97 404	0.74 376	0.94 328

JetRed	3.37 409	4.96 421	10.08 418	1.48 387	1.73 405	7.63 420	5.47 419	3.47 414	2.20 397	2.42 405	2.40 392	2.98 397	2.35 399	3.52 404	6.60 414	1.33 401	1.90 391	1.38 406	1.23 411	2.30 414	2.02 390

SGM-Forest	1.84 391	7.91 424	10.36 419	0.42 228	0.33 205	1.04 348	1.29 392	1.01 296	0.88 308	1.19 356	2.30 391	1.03 346	1.79 387	2.60 371	2.81 378	0.22 316	0.21 234	0.21 317	0.19 254	0.25 212	0.79 308
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_1	22.76 430	11.11 425	11.93 420	12.73 427	26.05 439	19.39 430	27.77 432	14.18 427	13.64 424	14.92 426	10.66 418	11.26 423	11.24 424	12.48 427	14.45 426	37.82 444	7.87 424	34.92 441	63.61 441	87.51 445	11.75 430

DPSM_ROB	12.32 423	11.13 426	12.31 421	12.90 428	12.80 426	19.81 432	28.13 433	14.50 428	14.31 427	10.62 421	11.34 419	12.03 426	11.89 425	13.08 428	15.22 427	7.09 424	8.31 426	6.47 427	7.32 424	8.69 426	8.43 428

DPSM	12.32 423	11.13 426	12.31 421	12.90 428	12.80 426	19.81 432	28.13 433	14.50 428	14.31 427	10.62 421	11.34 419	12.03 426	11.89 425	13.08 428	15.22 427	7.09 424	8.31 426	6.47 427	7.32 424	8.69 426	8.43 428

LRCNet_RVC	13.78 427	19.34 430	13.01 423	19.47 431	12.67 425	1.85 390	0.42 259	12.28 426	1.10 358	15.76 427	18.69 430	12.52 428	8.65 419	12.22 426	9.64 419	22.29 435	8.38 428	25.92 437	24.06 438	19.72 436	17.59 433

DGTPSM_ROB	8.97 421	5.94 422	13.01 423	5.95 423	11.34 423	8.54 421	24.06 427	6.47 422	13.52 422	5.19 418	11.52 422	6.18 418	11.04 422	7.02 418	13.92 424	4.47 418	7.66 423	3.90 421	7.43 426	4.34 422	7.98 426

psmorigin	1.41 371	0.91 219	13.83 425	0.37 172	0.30 180	0.63 202	0.37 234	0.80 143	0.64 115	0.98 336	0.87 317	1.16 369	0.78 320	3.95 408	1.09 284	0.19 295	0.22 236	0.17 281	0.19 254	0.25 212	0.47 225

DPSMNet_ROB	9.58 422	5.96 423	13.98 426	8.88 425	11.87 424	8.54 421	24.08 428	6.48 423	13.67 425	5.35 419	11.53 423	6.31 419	11.04 422	7.69 419	14.09 425	7.61 427	8.23 425	5.03 423	7.75 427	5.24 424	8.36 427

xxxxx1	29.05 442	20.74 432	14.05 427	50.10 442	40.25 442	19.01 427	26.60 429	21.83 434	20.22 432	16.52 428	17.56 427	18.33 429	21.41 431	16.11 431	20.77 432	23.48 436	26.77 440	66.36 443	78.56 443	30.19 440	32.23 443

tt_ll	29.05 442	20.74 432	14.05 427	50.10 442	40.25 442	19.01 427	26.60 429	21.83 434	20.22 432	16.52 428	17.56 427	18.33 429	21.41 431	16.11 431	20.77 432	23.48 436	26.77 440	66.36 443	78.56 443	30.19 440	32.23 443

ff	29.05 442	20.74 432	14.05 427	50.10 442	40.25 442	19.01 427	26.60 429	21.83 434	20.22 432	16.52 428	17.56 427	18.33 429	21.41 431	16.11 431	20.77 432	23.48 436	26.77 440	66.36 443	78.56 443	30.19 440	32.23 443

HaxPig	19.88 429	22.39 436	22.30 430	17.98 430	17.98 429	12.06 424	12.06 423	16.25 431	15.97 429	21.05 433	21.41 433	18.85 432	18.35 428	20.07 435	19.64 431	23.57 439	23.19 439	24.07 436	23.71 437	22.95 437	23.72 440

ASD4	27.03 441	24.46 443	23.91 431	27.24 440	17.87 428	47.08 443	31.36 435	41.80 445	21.82 436	31.12 444	20.82 432	33.80 445	18.50 429	27.25 444	21.57 435	29.52 442	20.55 438	27.54 438	23.38 436	30.03 439	20.96 438

DLNR_Zeroshot_test	13.74 426	20.06 431	23.92 432	121.50 446	35.20 441	0.46 24	0.15 1	7.96 424	0.47 26	0.29 24	0.37 46	0.26 33	0.17 2	0.79 163	0.36 108	7.16 426	2.95 420	0.09 16	0.38 354	50.40 444	1.95 388

CasAABBNet	24.76 434	22.38 435	24.44 433	26.05 435	25.75 434	39.79 437	56.76 440	29.10 441	28.88 439	21.22 434	22.69 436	24.21 437	23.99 441	26.23 437	30.62 440	14.22 429	16.71 432	13.03 429	14.75 431	17.49 432	16.97 431

Selective-RAFT-Error	24.83 435	22.44 440	24.80 434	26.10 436	25.82 435	39.85 441	56.72 439	29.21 443	29.03 444	21.29 436	22.80 437	24.25 438	24.07 442	26.28 441	30.60 439	14.24 430	16.85 433	13.04 433	14.75 431	17.53 433	17.02 432

MyStereo03	24.90 436	22.40 437	24.90 435	26.19 437	25.93 436	39.80 438	56.77 441	29.00 438	28.95 441	21.51 437	22.81 438	24.16 434	23.92 437	26.26 438	30.65 441	14.24 430	17.13 434	13.03 429	14.76 433	17.48 429	18.00 434

MyStereo02	24.90 436	22.40 437	24.90 435	26.19 437	25.93 436	39.80 438	56.77 441	29.00 438	28.95 441	21.51 437	22.81 438	24.16 434	23.92 437	26.26 438	30.65 441	14.24 430	17.13 434	13.03 429	14.76 433	17.48 429	18.00 434

MyStereo	24.90 436	22.40 437	24.90 435	26.19 437	25.93 436	39.80 438	56.77 441	29.00 438	28.95 441	21.51 437	22.81 438	24.16 434	23.92 437	26.26 438	30.65 441	14.24 430	17.13 434	13.03 429	14.76 433	17.48 429	18.00 434

LSM0	26.57 439	22.53 441	25.76 438	30.62 441	52.30 445	39.86 442	56.49 438	29.18 442	28.76 438	21.26 435	22.46 435	24.42 439	23.97 440	26.42 442	30.66 444	14.29 434	16.56 431	13.06 434	14.65 430	17.62 434	20.52 437

MEDIAN_ROB	23.95 432	26.96 444	26.29 439	22.14 432	22.09 431	16.18 426	14.23 424	20.47 432	20.09 431	25.43 441	25.22 442	22.96 433	22.54 434	24.33 436	23.18 436	28.15 441	27.16 443	28.60 439	27.73 439	27.59 438	27.58 441

BEATNet-Init1	12.32 423	12.82 428	28.66 440	3.22 419	3.71 415	21.59 434	11.42 422	14.54 430	13.73 426	20.24 432	20.16 431	26.14 440	19.85 430	19.08 434	15.33 429	1.81 410	1.93 394	2.05 418	2.48 419	4.25 421	3.41 420

AVERAGE_ROB	26.91 440	30.28 445	29.18 441	25.78 433	25.30 433	19.49 431	15.38 425	23.70 437	23.02 437	28.38 443	27.78 443	26.23 441	25.76 443	26.95 443	25.55 437	31.27 443	30.02 444	31.76 440	30.80 440	30.88 443	30.77 442

DPSimNet_ROB	24.35 433	23.81 442	31.38 442	25.93 434	22.83 432	31.30 436	34.38 436	20.78 433	28.92 440	27.39 442	22.99 441	28.29 443	35.76 444	15.47 430	17.82 430	24.28 440	17.90 437	22.23 435	14.12 429	19.38 435	22.12 439

coex-ft	6.14 418	1.98 380	60.80 443	0.34 133	0.30 180	0.80 306	1.17 387	0.76 117	4.34 411	19.82 431	2.15 386	1.61 382	8.77 420	1.82 305	10.36 422	0.44 367	2.05 396	0.18 297	0.19 254	0.39 323	4.61 423

test_example2	115.17 445	122.38 446	93.45 444	115.38 445	123.53 446	101.24 445	113.11 445	54.67 446	99.94 446	135.50 446	136.43 445	85.67 446	85.40 445	110.44 446	104.91 445	152.17 446	205.21 446	99.17 446	114.27 446	138.55 446	112.04 446

EDNetEfficientorigin	8.19 420	1.27 298	145.54 445	0.51 279	0.96 359	0.75 280	0.49 293	0.86 196	1.57 387	2.12 396	1.49 370	1.28 371	1.35 364	1.84 308	2.15 355	0.14 221	0.13 157	0.17 281	0.18 238	0.39 323	0.64 280

FADE		3.24 419		2.10 410	2.93 414			4.99 419	2.50 401	1.28 371		3.05 399		8.01 420		96.22 445	36.26 445	65.47 442	65.78 442	1.78 407	1.34 365

Low-res two-view benchmark