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

4D-IteraStereo	0.09 14	0.07 73	0.10 47	0.18 186	0.07 19	0.09 35	0.15 120	0.17 77	0.15 74	0.10 44	0.11 59	0.10 62	0.07 34	0.11 48	0.09 20	0.05 2	0.03 1	0.08 167	0.07 166	0.06 104	0.05 54

modified_for_full_sf	0.10 54	0.05 6	0.10 47	0.16 71	0.08 50	0.12 108	0.13 44	0.23 178	0.23 188	0.13 110	0.09 25	0.10 62	0.10 93	0.11 48	0.11 91	0.05 2	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

H2IRNET	0.10 54	0.09 197	0.09 30	0.18 186	0.09 136	0.12 108	0.15 120	0.14 19	0.21 167	0.10 44	0.10 42	0.10 62	0.10 93	0.10 19	0.10 53	0.05 2	0.04 2	0.08 167	0.08 217	0.06 104	0.05 54

MGS-Stereo	0.09 14	0.07 73	0.12 96	0.15 40	0.08 50	0.09 35	0.15 120	0.12 6	0.12 28	0.07 2	0.10 42	0.08 27	0.06 6	0.10 19	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.06 104	0.05 54

MoCha-V2	0.08 2	0.05 6	0.10 47	0.20 275	0.07 19	0.09 35	0.14 72	0.11 2	0.08 2	0.07 2	0.08 17	0.07 18	0.06 6	0.09 10	0.08 11	0.05 2	0.04 2	0.05 2	0.04 9	0.04 1	0.04 7

LargeStereo	0.08 2	0.06 22	0.08 12	0.18 186	0.07 19	0.09 35	0.13 44	0.10 1	0.09 3	0.08 7	0.08 17	0.06 3	0.06 6	0.13 138	0.09 20	0.05 2	0.04 2	0.05 2	0.04 9	0.05 42	0.04 7

ACVNet-DCA	0.10 54	0.08 146	0.12 96	0.17 119	0.09 136	0.13 137	0.15 120	0.23 178	0.16 92	0.09 19	0.09 25	0.06 3	0.06 6	0.10 19	0.07 1	0.06 59	0.04 2	0.06 34	0.05 34	0.07 161	0.07 164

xx1	0.11 86	0.08 146	0.12 96	0.17 119	0.09 136	0.13 137	0.15 120	0.16 47	0.18 121	0.09 19	0.09 25	0.16 169	0.16 233	0.10 19	0.07 1	0.06 59	0.04 2	0.08 167	0.08 217	0.07 161	0.07 164

1test111	0.11 86	0.08 146	0.12 96	0.17 119	0.09 136	0.13 137	0.15 120	0.23 178	0.16 92	0.09 19	0.09 25	0.06 3	0.06 6	0.15 173	0.16 230	0.06 59	0.04 2	0.06 34	0.05 34	0.07 161	0.07 164

cc1	0.10 54	0.08 146	0.12 96	0.17 119	0.09 136	0.13 137	0.15 120	0.16 47	0.18 121	0.09 19	0.09 25	0.06 3	0.06 6	0.10 19	0.07 1	0.06 59	0.04 2	0.06 34	0.05 34	0.06 104	0.06 104

ff7	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

ffff	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

DualNet	0.13 164	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.15 31	0.19 133	0.15 155	0.25 233	0.19 208	0.13 177	0.10 19	0.20 270	0.06 59	0.04 2	0.09 233	0.08 217	0.06 104	0.06 104

ffm	0.12 142	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.15 31	0.19 133	0.15 155	0.25 233	0.19 208	0.13 177	0.10 19	0.07 1	0.06 59	0.04 2	0.09 233	0.08 217	0.06 104	0.06 104

ff1	0.13 164	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.15 31	0.19 133	0.15 155	0.25 233	0.19 208	0.13 177	0.14 154	0.20 270	0.06 59	0.04 2	0.09 233	0.08 217	0.06 104	0.06 104

11t	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

tt1	0.10 54	0.08 146	0.12 96	0.17 119	0.09 136	0.12 108	0.16 177	0.15 31	0.19 133	0.09 19	0.08 17	0.06 3	0.06 6	0.10 19	0.07 1	0.06 59	0.04 2	0.06 34	0.05 34	0.06 104	0.06 104

IGEV_Zeroshot_test	0.09 14	0.05 6	0.12 96	0.13 7	0.08 50	0.12 108	0.13 44	0.17 77	0.11 20	0.10 44	0.06 2	0.09 40	0.06 6	0.11 48	0.09 20	0.06 59	0.04 2	0.06 34	0.06 91	0.05 42	0.05 54

MSKI-zero shot	0.09 14	0.05 6	0.09 30	0.15 40	0.07 19	0.10 59	0.13 44	0.14 19	0.13 45	0.09 19	0.09 25	0.09 40	0.06 6	0.12 106	0.10 53	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.04 7

DLNR_Zeroshot_test	10.40 431	1.82 426	19.49 441	120.77 447	13.11 437	0.06 2	0.13 44	0.23 178	0.10 9	0.07 2	0.10 42	0.09 40	0.06 6	0.10 19	0.09 20	0.13 339	0.04 2	0.06 34	0.04 9	51.54 446	0.04 7

CASnet	0.09 14	0.09 197	0.09 30	0.19 233	0.06 3	0.07 16	0.11 11	0.18 101	0.14 62	0.11 64	0.10 42	0.09 40	0.07 34	0.10 19	0.10 53	0.06 59	0.04 2	0.10 275	0.08 217	0.05 42	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.08 2	0.05 6	0.08 12	0.14 14	0.13 308	0.14 161	0.13 44	0.14 19	0.09 3	0.07 2	0.09 25	0.07 18	0.08 53	0.10 19	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.05 42	0.04 7

Any-RAFT	0.10 54	0.05 6	0.09 30	0.14 14	0.07 19	0.13 137	0.14 72	0.21 145	0.15 74	0.11 64	0.12 67	0.12 96	0.09 72	0.12 106	0.09 20	0.07 146	0.04 2	0.05 2	0.04 9	0.06 104	0.05 54

RAFT-Test	0.09 14	0.06 22	0.10 47	0.15 40	0.07 19	0.11 85	0.15 120	0.16 47	0.13 45	0.09 19	0.10 42	0.10 62	0.09 72	0.12 106	0.09 20	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

HH	0.09 14	0.06 22	0.13 135	0.17 119	0.08 50	0.10 59	0.16 177	0.14 19	0.10 9	0.08 7	0.09 25	0.08 27	0.07 34	0.10 19	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.05 42	0.04 7

HanStereo	0.09 14	0.06 22	0.13 135	0.17 119	0.08 50	0.10 59	0.16 177	0.14 19	0.10 9	0.08 7	0.09 25	0.08 27	0.07 34	0.10 19	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.05 42	0.04 7

LL-Strereo	0.13 164	0.09 197	0.11 75	0.20 275	0.10 223	0.11 85	0.18 238	0.32 294	0.24 199	0.15 155	0.15 101	0.14 134	0.13 177	0.19 249	0.11 91	0.06 59	0.04 2	0.09 233	0.08 217	0.04 1	0.05 54

LoS_RVC	0.08 2	0.05 6	0.07 2	0.15 40	0.07 19	0.08 23	0.15 120	0.11 2	0.10 9	0.08 7	0.09 25	0.06 3	0.09 72	0.10 19	0.09 20	0.05 2	0.04 2	0.05 2	0.03 1	0.04 1	0.03 1

CAS	0.08 2	0.04 1	0.07 2	0.17 119	0.08 50	0.10 59	0.13 44	0.12 6	0.09 3	0.09 19	0.10 42	0.08 27	0.06 6	0.09 10	0.08 11	0.08 196	0.04 2	0.05 2	0.03 1	0.05 42	0.04 7

anonymousdsp2	0.11 86	0.07 73	0.10 47	0.16 71	0.09 136	0.13 137	0.14 72	0.18 101	0.22 179	0.13 110	0.14 87	0.12 96	0.09 72	0.14 154	0.11 91	0.05 2	0.04 2	0.05 2	0.04 9	0.06 104	0.05 54

anonymousdsp	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.09 19	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

CES	0.08 2	0.04 1	0.08 12	0.14 14	0.07 19	0.09 35	0.14 72	0.11 2	0.09 3	0.08 7	0.09 25	0.11 80	0.06 6	0.12 106	0.08 11	0.06 59	0.04 2	0.05 2	0.03 1	0.05 42	0.05 54

Selective-IGEV	0.07 1	0.06 22	0.08 12	0.17 119	0.06 3	0.08 23	0.12 22	0.13 12	0.07 1	0.08 7	0.07 14	0.06 3	0.04 1	0.10 19	0.09 20	0.05 2	0.04 2	0.05 2	0.04 9	0.04 1	0.03 1

EGLCR-Stereo	0.08 2	0.05 6	0.08 12	0.14 14	0.06 3	0.10 59	0.12 22	0.11 2	0.16 92	0.06 1	0.05 1	0.07 18	0.05 2	0.10 19	0.11 91	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

ProNet	0.09 14	0.07 73	0.10 47	0.17 119	0.08 50	0.10 59	0.15 120	0.15 31	0.12 28	0.09 19	0.06 2	0.07 18	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.04 1	0.06 104

MC-Stereo	0.08 2	0.06 22	0.09 30	0.17 119	0.06 3	0.10 59	0.14 72	0.12 6	0.10 9	0.09 19	0.12 67	0.09 40	0.06 6	0.11 48	0.10 53	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

RCA-Stereo	0.09 14	0.06 22	0.09 30	0.16 71	0.06 3	0.09 35	0.13 44	0.18 101	0.14 62	0.09 19	0.10 42	0.08 27	0.07 34	0.12 106	0.11 91	0.06 59	0.04 2	0.06 34	0.05 34	0.05 42	0.04 7

DCANet-4	0.10 54	0.06 22	0.12 96	0.16 71	0.06 3	0.09 35	0.17 198	0.18 101	0.19 133	0.13 110	0.16 109	0.09 40	0.14 200	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

ccc-4	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

fff	0.10 54	0.06 22	0.12 96	0.15 40	0.07 19	0.09 35	0.17 198	0.16 47	0.20 154	0.13 110	0.16 109	0.10 62	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

ADStereo(finetuned)	0.10 54	0.06 22	0.12 96	0.16 71	0.06 3	0.09 35	0.17 198	0.15 31	0.19 133	0.13 110	0.17 127	0.10 62	0.12 145	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.05 42	0.04 7

DisPM	0.11 86	0.07 73	0.12 96	0.16 71	0.09 136	0.06 2	0.13 44	0.17 77	0.17 104	0.14 131	0.20 166	0.12 96	0.10 93	0.11 48	0.10 53	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.11 300

RAFT+CT+SA	0.13 164	0.11 265	0.09 30	0.19 233	0.09 136	0.15 183	0.28 361	0.22 161	0.22 179	0.15 155	0.26 248	0.10 62	0.10 93	0.11 48	0.12 134	0.05 2	0.04 2	0.07 103	0.08 217	0.07 161	0.06 104

test_4	0.10 54	0.10 245	0.08 12	0.19 233	0.09 136	0.08 23	0.22 310	0.15 31	0.17 104	0.12 89	0.18 149	0.12 96	0.09 72	0.08 6	0.11 91	0.04 1	0.04 2	0.08 167	0.08 217	0.04 1	0.03 1

IGEV-Stereo	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.09 19	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 14	0.05 6	0.13 135	0.14 14	0.08 50	0.12 108	0.15 120	0.18 101	0.10 9	0.11 64	0.08 17	0.08 27	0.05 2	0.10 19	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.06 104	0.05 54

IPLG	0.10 54	0.07 73	0.15 198	0.17 119	0.08 50	0.11 85	0.14 72	0.20 128	0.15 74	0.12 89	0.17 127	0.07 18	0.07 34	0.14 154	0.13 164	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

MIPNet	0.11 86	0.08 146	0.14 161	0.17 119	0.09 136	0.12 108	0.14 72	0.20 128	0.24 199	0.11 64	0.10 42	0.09 40	0.07 34	0.13 138	0.12 134	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

test-3	0.08 2	0.06 22	0.09 30	0.17 119	0.07 19	0.07 16	0.14 72	0.12 6	0.15 74	0.09 19	0.08 17	0.07 18	0.08 53	0.11 48	0.10 53	0.05 2	0.04 2	0.07 103	0.05 34	0.04 1	0.04 7

test_1	0.08 2	0.06 22	0.09 30	0.17 119	0.07 19	0.07 16	0.14 72	0.12 6	0.15 74	0.09 19	0.08 17	0.07 18	0.08 53	0.11 48	0.10 53	0.05 2	0.04 2	0.07 103	0.05 34	0.04 1	0.04 7

test_3	0.10 54	0.09 197	0.10 47	0.20 275	0.08 50	0.13 137	0.26 349	0.14 19	0.21 167	0.10 44	0.10 42	0.09 40	0.09 72	0.08 6	0.11 91	0.05 2	0.04 2	0.08 167	0.07 166	0.04 1	0.04 7

CrosDoStereo	0.12 142	0.06 22	0.12 96	0.14 14	0.08 50	0.12 108	0.15 120	0.17 77	0.22 179	0.19 232	0.24 204	0.15 158	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.07 103	0.07 166	0.05 42	0.05 54

LCNet	0.11 86	0.07 73	0.09 30	0.19 233	0.09 136	0.08 23	0.15 120	0.21 145	0.15 74	0.11 64	0.15 101	0.16 169	0.11 116	0.12 106	0.11 91	0.05 2	0.04 2	0.08 167	0.07 166	0.06 104	0.15 350

HHNet	0.11 86	0.06 22	0.16 228	0.15 40	0.14 325	0.07 16	0.13 44	0.20 128	0.17 104	0.14 131	0.25 233	0.11 80	0.08 53	0.13 138	0.10 53	0.05 2	0.04 2	0.08 167	0.06 91	0.05 42	0.09 258

Patchmatch Stereo++	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.06 2	0.11 11	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 86	0.07 73	0.16 228	0.19 233	0.09 136	0.08 23	0.13 44	0.18 101	0.13 45	0.16 180	0.21 180	0.13 119	0.14 200	0.11 48	0.14 192	0.06 59	0.04 2	0.09 233	0.06 91	0.06 104	0.05 54

STrans-v2	0.10 54	0.07 73	0.12 96	0.18 186	0.07 19	0.10 59	0.14 72	0.21 145	0.11 20	0.11 64	0.15 101	0.12 96	0.10 93	0.11 48	0.12 134	0.05 2	0.04 2	0.06 34	0.06 91	0.04 1	0.04 7

TransformOpticalFlow	0.10 54	0.08 146	0.13 135	0.18 186	0.07 19	0.09 35	0.15 120	0.19 121	0.15 74	0.12 89	0.17 127	0.11 80	0.11 116	0.11 48	0.10 53	0.05 2	0.04 2	0.06 34	0.06 91	0.05 42	0.05 54

OMP-Stereo	0.11 86	0.06 22	0.14 161	0.18 186	0.08 50	0.09 35	0.12 22	0.21 145	0.21 167	0.13 110	0.14 87	0.11 80	0.12 145	0.11 48	0.13 164	0.06 59	0.04 2	0.07 103	0.06 91	0.05 42	0.04 7

NF-Stereo	0.11 86	0.07 73	0.13 135	0.17 119	0.09 136	0.10 59	0.14 72	0.23 178	0.19 133	0.12 89	0.17 127	0.12 96	0.11 116	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.12 311

OCTAStereo	0.11 86	0.07 73	0.13 135	0.17 119	0.09 136	0.10 59	0.14 72	0.23 178	0.19 133	0.12 89	0.17 127	0.12 96	0.11 116	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.12 311

NRIStereo	0.11 86	0.08 146	0.14 161	0.18 186	0.08 50	0.10 59	0.14 72	0.16 47	0.15 74	0.12 89	0.14 87	0.13 119	0.12 145	0.13 138	0.10 53	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.07 164

PSM-adaLoss	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

ROB_FTStereo_v2	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

ROB_FTStereo	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.06 2	0.11 11	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

KYRaft	0.11 86	0.07 73	0.10 47	0.19 233	0.09 136	0.08 23	0.15 120	0.22 161	0.12 28	0.13 110	0.16 109	0.20 218	0.10 93	0.12 106	0.10 53	0.05 2	0.04 2	0.08 167	0.08 217	0.06 104	0.16 361

HUI-Stereo	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

ASMatch	0.11 86	0.06 22	0.13 135	0.16 71	0.10 223	0.07 16	0.14 72	0.17 77	0.17 104	0.12 89	0.16 109	0.16 169	0.10 93	0.13 138	0.10 53	0.05 2	0.04 2	0.06 34	0.05 34	0.04 1	0.08 224

DeepStereo_LL	0.12 142	0.06 22	0.12 96	0.14 14	0.08 50	0.12 108	0.15 120	0.17 77	0.22 179	0.19 232	0.24 204	0.15 158	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.07 103	0.07 166	0.05 42	0.05 54

DEmStereo	0.12 142	0.06 22	0.14 161	0.14 14	0.10 223	0.16 207	0.15 120	0.16 47	0.24 199	0.17 192	0.24 204	0.13 119	0.14 200	0.12 106	0.13 164	0.05 2	0.04 2	0.07 103	0.06 91	0.05 42	0.05 54

SST-Stereo	0.10 54	0.07 73	0.15 198	0.18 186	0.09 136	0.06 2	0.12 22	0.17 77	0.11 20	0.15 155	0.17 127	0.13 119	0.12 145	0.10 19	0.11 91	0.06 59	0.04 2	0.09 233	0.06 91	0.06 104	0.05 54

THIR-Stereo	0.12 142	0.07 73	0.11 75	0.15 40	0.08 50	0.14 161	0.16 177	0.17 77	0.25 218	0.16 180	0.24 204	0.14 134	0.12 145	0.12 106	0.14 192	0.06 59	0.04 2	0.07 103	0.07 166	0.05 42	0.05 54

RAFT_R40	0.11 86	0.07 73	0.14 161	0.18 186	0.09 136	0.06 2	0.13 44	0.17 77	0.16 92	0.14 131	0.18 149	0.15 158	0.12 145	0.10 19	0.11 91	0.06 59	0.04 2	0.09 233	0.06 91	0.06 104	0.05 54

DRaft	0.12 142	0.06 22	0.11 75	0.14 14	0.09 136	0.14 161	0.17 198	0.21 145	0.30 264	0.17 192	0.28 264	0.10 62	0.15 213	0.10 19	0.12 134	0.05 2	0.04 2	0.07 103	0.06 91	0.05 42	0.05 54

PFNet	0.12 142	0.06 22	0.17 253	0.17 119	0.08 50	0.09 35	0.15 120	0.26 223	0.20 154	0.16 180	0.16 109	0.14 134	0.11 116	0.12 106	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.05 42	0.05 54

RE-Stereo	0.11 86	0.07 73	0.13 135	0.17 119	0.09 136	0.10 59	0.14 72	0.23 178	0.19 133	0.12 89	0.17 127	0.12 96	0.11 116	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.12 311

Pruner-Stereo	0.11 86	0.07 73	0.12 96	0.17 119	0.09 136	0.06 2	0.12 22	0.17 77	0.17 104	0.13 110	0.19 155	0.13 119	0.09 72	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.08 224

TVStereo	0.11 86	0.07 73	0.13 135	0.17 119	0.09 136	0.10 59	0.14 72	0.23 178	0.19 133	0.12 89	0.17 127	0.12 96	0.11 116	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.12 311

DeepStereo_RVC	0.11 86	0.08 146	0.16 228	0.18 186	0.08 50	0.08 23	0.12 22	0.17 77	0.12 28	0.13 110	0.14 87	0.12 96	0.12 145	0.12 106	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.07 161	0.08 224

iGMRVC	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

RAFT-RH_RVC	0.11 86	0.06 22	0.14 161	0.16 71	0.09 136	0.12 108	0.12 22	0.17 77	0.12 28	0.13 110	0.41 349	0.11 80	0.10 93	0.13 138	0.12 134	0.05 2	0.04 2	0.08 167	0.05 34	0.04 1	0.06 104

IRAFT_RVC	0.12 142	0.08 146	0.16 228	0.19 233	0.08 50	0.07 16	0.15 120	0.24 197	0.23 188	0.14 131	0.14 87	0.15 158	0.12 145	0.12 106	0.10 53	0.06 59	0.04 2	0.09 233	0.06 91	0.06 104	0.06 104

iRAFT	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.06 2	0.11 11	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

CRE-IMP	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.10 59	0.12 22	0.18 101	0.10 9	0.14 131	0.13 77	0.13 119	0.12 145	0.12 106	0.11 91	0.07 146	0.04 2	0.08 167	0.06 91	0.08 206	0.08 224

cross-raft	0.10 54	0.09 197	0.09 30	0.19 233	0.07 19	0.11 85	0.25 343	0.13 12	0.15 74	0.08 7	0.11 59	0.12 96	0.10 93	0.09 10	0.11 91	0.05 2	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

test-1	0.10 54	0.07 73	0.16 228	0.19 233	0.08 50	0.11 85	0.24 329	0.14 19	0.18 121	0.09 19	0.07 14	0.09 40	0.08 53	0.07 1	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

GMM-Stereo	0.11 86	0.07 73	0.10 47	0.18 186	0.09 136	0.08 23	0.15 120	0.23 178	0.16 92	0.11 64	0.15 101	0.13 119	0.11 116	0.11 48	0.11 91	0.05 2	0.04 2	0.08 167	0.07 166	0.06 104	0.09 258

RAFT-IKP	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

Prome-Stereo	0.11 86	0.06 22	0.10 47	0.18 186	0.08 50	0.12 108	0.15 120	0.22 161	0.13 45	0.12 89	0.17 127	0.13 119	0.08 53	0.12 106	0.10 53	0.05 2	0.04 2	0.07 103	0.06 91	0.06 104	0.09 258

rafts_anoy	0.11 86	0.06 22	0.10 47	0.17 119	0.08 50	0.10 59	0.14 72	0.17 77	0.14 62	0.13 110	0.13 77	0.12 96	0.10 93	0.11 48	0.12 134	0.07 146	0.04 2	0.09 233	0.11 313	0.07 161	0.06 104

iRaftStereo_RVC	0.10 54	0.07 73	0.09 30	0.17 119	0.09 136	0.11 85	0.17 198	0.18 101	0.12 28	0.09 19	0.12 67	0.10 62	0.07 34	0.11 48	0.10 53	0.05 2	0.04 2	0.08 167	0.08 217	0.04 1	0.04 7

CREStereo++_RVC	0.08 2	0.04 1	0.06 1	0.13 7	0.07 19	0.09 35	0.12 22	0.14 19	0.14 62	0.10 44	0.14 87	0.08 27	0.07 34	0.09 10	0.11 91	0.06 59	0.04 2	0.05 2	0.05 34	0.04 1	0.04 7
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.09 14	0.06 22	0.07 2	0.15 40	0.05 1	0.16 207	0.18 238	0.15 31	0.15 74	0.10 44	0.11 59	0.11 80	0.11 116	0.10 19	0.12 134	0.05 2	0.04 2	0.05 2	0.04 9	0.04 1	0.04 7

raft+_RVC	0.11 86	0.07 73	0.09 30	0.16 71	0.07 19	0.10 59	0.11 11	0.24 197	0.20 154	0.12 89	0.15 101	0.12 96	0.08 53	0.12 106	0.13 164	0.07 146	0.04 2	0.07 103	0.06 91	0.05 42	0.05 54

XX-TBD	0.09 14	0.06 22	0.07 2	0.14 14	0.07 19	0.12 108	0.16 177	0.14 19	0.13 45	0.11 64	0.12 67	0.09 40	0.08 53	0.10 19	0.10 53	0.06 59	0.04 2	0.05 2	0.03 1	0.06 104	0.05 54

DCANet	0.10 54	0.06 22	0.12 96	0.16 71	0.06 3	0.09 35	0.17 198	0.15 31	0.19 133	0.13 110	0.17 127	0.10 62	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.05 42	0.04 7

csc	0.10 54	0.06 22	0.12 96	0.15 40	0.07 19	0.09 35	0.17 198	0.16 47	0.20 154	0.13 110	0.16 109	0.10 62	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

cscssc	0.10 54	0.06 22	0.12 96	0.15 40	0.07 19	0.09 35	0.17 198	0.16 47	0.20 154	0.13 110	0.16 109	0.10 62	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

111	0.10 54	0.06 22	0.12 96	0.15 40	0.07 19	0.10 59	0.14 72	0.21 145	0.23 188	0.11 64	0.12 67	0.14 134	0.11 116	0.13 138	0.10 53	0.06 59	0.04 2	0.06 34	0.04 9	0.05 42	0.05 54

test_xeample3	0.09 14	0.06 22	0.12 96	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.13 45	0.10 44	0.06 2	0.08 27	0.06 6	0.10 19	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

RAFT-Stereo + iAFF	0.09 14	0.06 22	0.10 47	0.17 119	0.06 3	0.10 59	0.16 177	0.17 77	0.14 62	0.09 19	0.10 42	0.08 27	0.09 72	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.06 91	0.04 1	0.03 1

AFF-stereo	0.09 14	0.06 22	0.10 47	0.17 119	0.07 19	0.10 59	0.16 177	0.17 77	0.09 3	0.10 44	0.12 67	0.09 40	0.09 72	0.12 106	0.09 20	0.05 2	0.04 2	0.07 103	0.07 166	0.04 1	0.03 1

EAI-Stereo	0.09 14	0.07 73	0.11 75	0.15 40	0.06 3	0.10 59	0.15 120	0.16 47	0.09 3	0.08 7	0.09 25	0.08 27	0.07 34	0.09 10	0.11 91	0.05 2	0.04 2	0.05 2	0.05 34	0.05 42	0.04 7

CFNet-RSSM	0.09 14	0.07 73	0.09 30	0.16 71	0.07 19	0.09 35	0.15 120	0.16 47	0.17 104	0.08 7	0.12 67	0.10 62	0.09 72	0.11 48	0.09 20	0.06 59	0.04 2	0.06 34	0.04 9	0.04 1	0.04 7

Gwc-CoAtRS	0.09 14	0.06 22	0.10 47	0.16 71	0.07 19	0.10 59	0.14 72	0.17 77	0.17 104	0.08 7	0.10 42	0.12 96	0.09 72	0.12 106	0.09 20	0.06 59	0.04 2	0.06 34	0.04 9	0.04 1	0.04 7

CREStereo	0.09 14	0.04 1	0.08 12	0.11 1	0.06 3	0.13 137	0.14 72	0.14 19	0.10 9	0.08 7	0.13 77	0.09 40	0.08 53	0.11 48	0.10 53	0.08 196	0.04 2	0.05 2	0.03 1	0.06 104	0.06 104
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 14	0.05 6	0.09 30	0.12 3	0.06 3	0.12 108	0.14 72	0.15 31	0.11 20	0.09 19	0.13 77	0.10 62	0.07 34	0.13 138	0.10 53	0.15 353	0.04 2	0.05 2	0.03 1	0.07 161	0.06 104

HITNet	0.10 54	0.06 22	0.12 96	0.14 14	0.06 3	0.11 85	0.10 6	0.18 101	0.18 121	0.13 110	0.16 109	0.14 134	0.11 116	0.15 173	0.13 164	0.06 59	0.04 2	0.04 1	0.04 9	0.06 104	0.05 54
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
MLCV	0.12 142	0.07 73	0.16 228	0.18 186	0.06 3	0.15 183	0.17 198	0.19 121	0.21 167	0.18 219	0.25 233	0.17 188	0.13 177	0.14 154	0.13 164	0.05 2	0.04 2	0.05 2	0.04 9	0.05 42	0.04 7

iResNet	0.13 164	0.10 245	0.18 271	0.19 233	0.08 50	0.13 137	0.18 238	0.20 128	0.26 231	0.15 155	0.23 195	0.15 158	0.13 177	0.14 154	0.14 192	0.06 59	0.04 2	0.06 34	0.05 34	0.06 104	0.05 54

trnet	0.08 2	0.05 6	0.07 2	0.12 3	0.05 1	0.12 108	0.11 11	0.13 12	0.10 9	0.08 7	0.13 77	0.09 40	0.08 53	0.11 48	0.10 53	0.08 196	0.05 111	0.05 2	0.03 1	0.06 104	0.05 54

DispNO	0.14 193	0.08 146	0.17 253	0.19 233	0.12 290	0.11 85	0.21 300	0.23 178	0.29 256	0.17 192	0.23 195	0.18 199	0.17 252	0.15 173	0.15 215	0.07 146	0.05 111	0.08 167	0.08 217	0.07 161	0.06 104

Former-RAFT_DAM_RVC	0.10 54	0.08 146	0.12 96	0.16 71	0.08 50	0.15 183	0.16 177	0.18 101	0.18 121	0.10 44	0.09 25	0.09 40	0.08 53	0.11 48	0.12 134	0.07 146	0.05 111	0.08 167	0.06 91	0.07 161	0.06 104

MyStereo8	0.12 142	0.07 73	0.15 198	0.15 40	0.09 136	0.18 241	0.14 72	0.19 121	0.22 179	0.12 89	0.18 149	0.11 80	0.10 93	0.16 205	0.18 255	0.07 146	0.05 111	0.07 103	0.05 34	0.08 206	0.09 258

SMFormer	0.14 193	0.07 73	0.17 253	0.14 14	0.08 50	0.16 207	0.17 198	0.26 223	0.27 238	0.19 232	0.20 166	0.18 199	0.15 213	0.15 173	0.17 241	0.08 196	0.05 111	0.07 103	0.06 91	0.07 161	0.06 104

tta	0.14 193	0.07 73	0.17 253	0.14 14	0.08 50	0.16 207	0.17 198	0.26 223	0.27 238	0.19 232	0.20 166	0.18 199	0.15 213	0.15 173	0.17 241	0.08 196	0.05 111	0.07 103	0.06 91	0.06 104	0.06 104

qqq1	0.13 164	0.07 73	0.17 253	0.14 14	0.08 50	0.16 207	0.17 198	0.26 223	0.27 238	0.19 232	0.20 166	0.18 199	0.15 213	0.15 173	0.11 91	0.08 196	0.05 111	0.05 2	0.05 34	0.06 104	0.06 104

fff1	0.13 164	0.07 73	0.17 253	0.14 14	0.08 50	0.16 207	0.17 198	0.26 223	0.27 238	0.19 232	0.20 166	0.18 199	0.15 213	0.15 173	0.11 91	0.08 196	0.05 111	0.05 2	0.05 34	0.06 104	0.06 104

MyStereo07	0.10 54	0.07 73	0.10 47	0.17 119	0.09 136	0.14 161	0.18 238	0.15 31	0.15 74	0.09 19	0.06 2	0.06 3	0.07 34	0.12 106	0.09 20	0.06 59	0.05 111	0.08 167	0.07 166	0.06 104	0.06 104

MyStereo06	0.10 54	0.07 73	0.12 96	0.17 119	0.09 136	0.13 137	0.18 238	0.19 121	0.12 28	0.12 89	0.08 17	0.07 18	0.07 34	0.11 48	0.09 20	0.06 59	0.05 111	0.07 103	0.07 166	0.06 104	0.06 104

MyStereo05	0.13 164	0.07 73	0.10 47	0.17 119	0.09 136	0.13 137	0.18 238	0.27 241	0.35 300	0.17 192	0.14 87	0.15 158	0.11 116	0.15 173	0.13 164	0.06 59	0.05 111	0.07 103	0.07 166	0.06 104	0.06 104

MyStereo04	0.13 164	0.07 73	0.10 47	0.17 119	0.09 136	0.14 161	0.18 238	0.29 265	0.38 316	0.17 192	0.14 87	0.16 169	0.10 93	0.15 173	0.13 164	0.06 59	0.05 111	0.08 167	0.07 166	0.06 104	0.06 104

CoDeX	0.12 142	0.07 73	0.12 96	0.17 119	0.08 50	0.12 108	0.15 120	0.23 178	0.27 238	0.13 110	0.17 127	0.16 169	0.11 116	0.14 154	0.11 91	0.07 146	0.05 111	0.07 103	0.06 91	0.06 104	0.05 54

mmm	0.14 193	0.08 146	0.17 253	0.17 119	0.09 136	0.17 226	0.18 238	0.21 145	0.15 74	0.15 155	0.23 195	0.21 224	0.16 233	0.16 205	0.17 241	0.08 196	0.05 111	0.08 167	0.07 166	0.07 161	0.07 164

11t1	0.12 142	0.06 22	0.13 135	0.14 14	0.08 50	0.17 226	0.15 120	0.18 101	0.15 74	0.15 155	0.15 101	0.16 169	0.16 233	0.15 173	0.13 164	0.08 196	0.05 111	0.06 34	0.05 34	0.08 206	0.07 164

IGEVStereo-DCA	0.09 14	0.06 22	0.11 75	0.15 40	0.10 223	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.08 27	0.06 6	0.10 19	0.08 11	0.06 59	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

rrr	0.09 14	0.06 22	0.12 96	0.15 40	0.10 223	0.11 85	0.16 177	0.16 47	0.15 74	0.10 44	0.06 2	0.08 27	0.06 6	0.10 19	0.08 11	0.06 59	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

test croco	0.10 54	0.08 146	0.10 47	0.19 233	0.09 136	0.10 59	0.15 120	0.14 19	0.13 45	0.13 110	0.15 101	0.09 40	0.12 145	0.13 138	0.12 134	0.07 146	0.05 111	0.09 233	0.06 91	0.06 104	0.06 104

MIF-Stereo (partial)	0.11 86	0.06 22	0.10 47	0.19 233	0.10 223	0.10 59	0.11 11	0.17 77	0.18 121	0.14 131	0.16 109	0.09 40	0.11 116	0.12 106	0.12 134	0.08 196	0.05 111	0.08 167	0.07 166	0.06 104	0.07 164

MIF-Stereo	0.09 14	0.07 73	0.08 12	0.18 186	0.08 50	0.13 137	0.11 11	0.12 6	0.11 20	0.10 44	0.12 67	0.05 1	0.07 34	0.09 10	0.09 20	0.07 146	0.05 111	0.05 2	0.05 34	0.05 42	0.05 54

PCWNet_CMD	0.14 193	0.08 146	0.15 198	0.17 119	0.09 136	0.14 161	0.14 72	0.29 265	0.36 305	0.14 131	0.20 166	0.21 224	0.12 145	0.17 227	0.13 164	0.07 146	0.05 111	0.07 103	0.07 166	0.07 161	0.07 164

LL-Strereo2	0.10 54	0.10 245	0.15 198	0.18 186	0.08 50	0.15 183	0.09 3	0.17 77	0.14 62	0.14 131	0.10 42	0.09 40	0.07 34	0.16 205	0.10 53	0.05 2	0.05 111	0.10 275	0.07 166	0.06 104	0.05 54

LoS	0.09 14	0.05 6	0.11 75	0.13 7	0.07 19	0.14 161	0.11 11	0.15 31	0.15 74	0.09 19	0.09 25	0.12 96	0.09 72	0.15 173	0.10 53	0.07 146	0.05 111	0.05 2	0.03 1	0.05 42	0.05 54

DCRE	0.11 86	0.07 73	0.13 135	0.16 71	0.11 261	0.11 85	0.17 198	0.18 101	0.17 104	0.11 64	0.18 149	0.10 62	0.10 93	0.15 173	0.11 91	0.06 59	0.05 111	0.06 34	0.06 91	0.05 42	0.04 7

knoymous	0.11 86	0.05 6	0.12 96	0.13 7	0.07 19	0.15 183	0.14 72	0.19 121	0.13 45	0.11 64	0.17 127	0.13 119	0.09 72	0.13 138	0.11 91	0.08 196	0.05 111	0.06 34	0.05 34	0.08 206	0.07 164

anonymousa	0.13 164	0.07 73	0.13 135	0.18 186	0.09 136	0.13 137	0.17 198	0.19 121	0.29 256	0.15 155	0.24 204	0.15 158	0.14 200	0.14 154	0.14 192	0.07 146	0.05 111	0.07 103	0.09 258	0.05 42	0.06 104

riskmin	0.11 86	0.06 22	0.13 135	0.14 14	0.08 50	0.14 161	0.14 72	0.18 101	0.14 62	0.11 64	0.14 87	0.16 169	0.11 116	0.14 154	0.12 134	0.09 242	0.05 111	0.07 103	0.05 34	0.08 206	0.08 224

Selective-RAFT	0.11 86	0.10 245	0.11 75	0.21 300	0.08 50	0.16 207	0.13 44	0.20 128	0.22 179	0.10 44	0.10 42	0.11 80	0.10 93	0.15 173	0.11 91	0.05 2	0.05 111	0.06 34	0.05 34	0.06 104	0.05 54

x	0.13 164	0.07 73	0.14 161	0.14 14	0.08 50	0.18 241	0.14 72	0.22 161	0.20 154	0.15 155	0.19 155	0.19 208	0.17 252	0.18 238	0.18 255	0.07 146	0.05 111	0.06 34	0.06 91	0.07 161	0.07 164

Wz-Net-LNSev-Ref	0.18 276	0.09 197	0.29 334	0.15 40	0.10 223	0.22 295	0.20 284	0.26 223	0.39 319	0.25 303	0.42 354	0.24 259	0.15 213	0.20 268	0.19 264	0.07 146	0.05 111	0.06 34	0.05 34	0.10 281	0.09 258

IER	0.14 193	0.07 73	0.13 135	0.17 119	0.09 136	0.14 161	0.16 177	0.25 211	0.26 231	0.18 219	0.25 233	0.17 188	0.20 285	0.16 205	0.14 192	0.08 196	0.05 111	0.07 103	0.06 91	0.08 206	0.07 164

raft_robust	0.13 164	0.10 245	0.07 2	0.18 186	0.08 50	0.13 137	0.24 329	0.28 255	0.33 282	0.20 249	0.19 155	0.14 134	0.10 93	0.11 48	0.12 134	0.05 2	0.05 111	0.07 103	0.07 166	0.05 42	0.04 7

test_5	0.14 193	0.12 279	0.08 12	0.20 275	0.10 223	0.14 161	0.29 369	0.21 145	0.24 199	0.18 219	0.28 264	0.11 80	0.15 213	0.12 106	0.13 164	0.06 59	0.05 111	0.07 103	0.08 217	0.08 206	0.07 164

Sa-1000	0.12 142	0.08 146	0.08 12	0.18 186	0.08 50	0.14 161	0.22 310	0.22 161	0.18 121	0.15 155	0.20 166	0.17 188	0.11 116	0.10 19	0.10 53	0.06 59	0.05 111	0.09 233	0.09 258	0.05 42	0.05 54

SA	0.12 142	0.09 197	0.08 12	0.18 186	0.08 50	0.12 108	0.24 329	0.23 178	0.18 121	0.17 192	0.27 255	0.14 134	0.11 116	0.11 48	0.11 91	0.05 2	0.05 111	0.09 233	0.08 217	0.05 42	0.04 7

iRaft-Stereo_5w	0.12 142	0.09 197	0.12 96	0.19 233	0.08 50	0.09 35	0.12 22	0.21 145	0.21 167	0.19 232	0.14 87	0.11 80	0.09 72	0.20 268	0.16 230	0.05 2	0.05 111	0.07 103	0.06 91	0.05 42	0.06 104

CIPLG	0.11 86	0.08 146	0.14 161	0.17 119	0.08 50	0.12 108	0.15 120	0.17 77	0.15 74	0.14 131	0.11 59	0.16 169	0.09 72	0.16 205	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

IPLGR_C	0.11 86	0.08 146	0.14 161	0.17 119	0.08 50	0.12 108	0.15 120	0.17 77	0.15 74	0.14 131	0.10 42	0.16 169	0.09 72	0.16 205	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

IPLGR	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.12 108	0.17 198	0.21 145	0.24 199	0.11 64	0.12 67	0.11 80	0.08 53	0.12 106	0.12 134	0.06 59	0.05 111	0.06 34	0.06 91	0.04 1	0.04 7

GMOStereo	0.11 86	0.09 197	0.07 2	0.19 233	0.08 50	0.12 108	0.28 361	0.13 12	0.17 104	0.11 64	0.17 127	0.14 134	0.12 145	0.07 1	0.07 1	0.05 2	0.05 111	0.09 233	0.07 166	0.04 1	0.04 7

error version	0.11 86	0.09 197	0.07 2	0.19 233	0.08 50	0.12 108	0.28 361	0.13 12	0.17 104	0.11 64	0.17 127	0.14 134	0.12 145	0.07 1	0.07 1	0.05 2	0.05 111	0.09 233	0.07 166	0.04 1	0.04 7

test-v	0.11 86	0.09 197	0.07 2	0.19 233	0.08 50	0.12 108	0.28 361	0.13 12	0.17 104	0.11 64	0.17 127	0.14 134	0.12 145	0.07 1	0.07 1	0.05 2	0.05 111	0.09 233	0.07 166	0.04 1	0.04 7

ACRE	0.11 86	0.08 146	0.14 161	0.17 119	0.08 50	0.12 108	0.15 120	0.17 77	0.14 62	0.14 131	0.10 42	0.16 169	0.09 72	0.16 205	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

GwcNet-ADL	0.13 164	0.08 146	0.14 161	0.20 275	0.09 136	0.11 85	0.20 284	0.30 279	0.24 199	0.13 110	0.14 87	0.18 199	0.14 200	0.13 138	0.14 192	0.07 146	0.05 111	0.06 34	0.05 34	0.07 161	0.06 104

PFNet+	0.11 86	0.06 22	0.13 135	0.16 71	0.09 136	0.05 1	0.12 22	0.17 77	0.21 167	0.16 180	0.19 155	0.14 134	0.10 93	0.11 48	0.11 91	0.08 196	0.05 111	0.09 233	0.08 217	0.06 104	0.11 300

TRStereo	0.09 14	0.05 6	0.12 96	0.15 40	0.12 290	0.10 59	0.13 44	0.18 101	0.18 121	0.09 19	0.09 25	0.09 40	0.06 6	0.10 19	0.08 11	0.07 146	0.05 111	0.07 103	0.07 166	0.04 1	0.04 7

IIG-Stereo	0.11 86	0.06 22	0.13 135	0.17 119	0.08 50	0.11 85	0.12 22	0.22 161	0.17 104	0.14 131	0.17 127	0.11 80	0.12 145	0.12 106	0.12 134	0.06 59	0.05 111	0.07 103	0.06 91	0.05 42	0.04 7

PSM-softLoss	0.12 142	0.07 73	0.15 198	0.17 119	0.09 136	0.08 23	0.13 44	0.24 197	0.17 104	0.14 131	0.19 155	0.13 119	0.11 116	0.11 48	0.11 91	0.07 146	0.05 111	0.08 167	0.07 166	0.06 104	0.12 311

KMStereo	0.12 142	0.07 73	0.15 198	0.17 119	0.09 136	0.08 23	0.13 44	0.24 197	0.17 104	0.14 131	0.19 155	0.13 119	0.11 116	0.11 48	0.11 91	0.07 146	0.05 111	0.08 167	0.07 166	0.06 104	0.12 311

PSM-AAD	0.11 86	0.07 73	0.10 47	0.19 233	0.09 136	0.10 59	0.15 120	0.20 128	0.13 45	0.12 89	0.14 87	0.18 199	0.11 116	0.11 48	0.10 53	0.05 2	0.05 111	0.09 233	0.08 217	0.06 104	0.14 342

FTStereo	0.12 142	0.06 22	0.14 161	0.18 186	0.09 136	0.07 16	0.15 120	0.21 145	0.18 121	0.12 89	0.24 204	0.12 96	0.12 145	0.13 138	0.13 164	0.05 2	0.05 111	0.07 103	0.06 91	0.06 104	0.10 277

GrayStereo	0.11 86	0.06 22	0.11 75	0.19 233	0.09 136	0.09 35	0.16 177	0.18 101	0.17 104	0.14 131	0.17 127	0.17 188	0.11 116	0.12 106	0.11 91	0.05 2	0.05 111	0.07 103	0.06 91	0.05 42	0.10 277

RAFT-345	0.11 86	0.07 73	0.15 198	0.16 71	0.08 50	0.08 23	0.12 22	0.15 31	0.10 9	0.11 64	0.36 315	0.09 40	0.09 72	0.11 48	0.12 134	0.05 2	0.05 111	0.07 103	0.06 91	0.04 1	0.05 54

AnonymousM	0.09 14	0.05 6	0.10 47	0.14 14	0.06 3	0.09 35	0.13 44	0.19 121	0.14 62	0.13 110	0.11 59	0.09 40	0.08 53	0.13 138	0.10 53	0.08 196	0.05 111	0.08 167	0.05 34	0.05 42	0.05 54

CroCo-Stereo	0.09 14	0.08 146	0.08 12	0.22 313	0.09 136	0.09 35	0.19 269	0.15 31	0.12 28	0.07 2	0.07 14	0.08 27	0.06 6	0.08 6	0.07 1	0.07 146	0.05 111	0.06 34	0.04 9	0.05 42	0.04 7
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
test-2	0.11 86	0.09 197	0.07 2	0.19 233	0.08 50	0.12 108	0.28 361	0.13 12	0.17 104	0.11 64	0.17 127	0.14 134	0.12 145	0.07 1	0.07 1	0.05 2	0.05 111	0.09 233	0.07 166	0.04 1	0.04 7

TANstereo	0.09 14	0.04 1	0.08 12	0.13 7	0.06 3	0.11 85	0.14 72	0.15 31	0.19 133	0.11 64	0.15 101	0.10 62	0.06 6	0.12 106	0.09 20	0.07 146	0.05 111	0.05 2	0.04 9	0.06 104	0.05 54

raftrobust	0.09 14	0.06 22	0.10 47	0.17 119	0.08 50	0.09 35	0.10 6	0.18 101	0.16 92	0.10 44	0.09 25	0.12 96	0.07 34	0.12 106	0.10 53	0.08 196	0.05 111	0.06 34	0.05 34	0.05 42	0.05 54

sAnonymous2	0.13 164	0.12 279	0.24 310	0.20 275	0.12 290	0.17 226	0.13 44	0.26 223	0.21 167	0.11 64	0.11 59	0.13 119	0.08 53	0.10 19	0.10 53	0.09 242	0.05 111	0.08 167	0.06 91	0.15 350	0.10 277

CroCo_RVC	0.13 164	0.12 279	0.24 310	0.20 275	0.12 290	0.17 226	0.13 44	0.26 223	0.21 167	0.11 64	0.11 59	0.13 119	0.08 53	0.10 19	0.10 53	0.09 242	0.05 111	0.08 167	0.06 91	0.15 350	0.10 277

CFNet_pseudo	0.14 193	0.08 146	0.15 198	0.16 71	0.09 136	0.13 137	0.14 72	0.27 241	0.34 293	0.14 131	0.21 180	0.22 241	0.13 177	0.18 238	0.14 192	0.07 146	0.05 111	0.08 167	0.06 91	0.07 161	0.07 164

RALAANet	0.11 86	0.08 146	0.10 47	0.17 119	0.09 136	0.14 161	0.10 6	0.20 128	0.15 74	0.14 131	0.13 77	0.16 169	0.09 72	0.12 106	0.11 91	0.06 59	0.05 111	0.07 103	0.06 91	0.05 42	0.04 7

XX-Stereo	0.09 14	0.05 6	0.08 12	0.17 119	0.09 136	0.15 183	0.12 22	0.20 128	0.10 9	0.10 44	0.14 87	0.07 18	0.06 6	0.12 106	0.08 11	0.06 59	0.05 111	0.06 34	0.06 91	0.04 1	0.04 7

222	0.16 245	0.07 73	0.14 161	0.14 14	0.08 50	0.24 313	0.18 238	0.30 279	0.20 154	0.17 192	0.28 264	0.17 188	0.16 233	0.15 173	0.40 384	0.10 273	0.05 111	0.07 103	0.06 91	0.07 161	0.08 224

xxxx	0.15 227	0.07 73	0.14 161	0.14 14	0.08 50	0.23 308	0.18 238	0.31 285	0.19 133	0.14 131	0.28 264	0.22 241	0.14 200	0.15 173	0.26 337	0.09 242	0.05 111	0.07 103	0.07 166	0.08 206	0.07 164

test_xeample	0.15 227	0.06 22	0.13 135	0.14 14	0.08 50	0.21 287	0.20 284	0.28 255	0.20 154	0.16 180	0.29 275	0.19 208	0.16 233	0.15 173	0.26 337	0.09 242	0.05 111	0.07 103	0.07 166	0.07 161	0.07 164

ARAFT	0.12 142	0.08 146	0.17 253	0.19 233	0.09 136	0.14 161	0.18 238	0.20 128	0.12 28	0.12 89	0.13 77	0.14 134	0.11 116	0.15 173	0.12 134	0.06 59	0.05 111	0.10 275	0.09 258	0.05 42	0.04 7

SFCPSM	0.13 164	0.07 73	0.14 161	0.17 119	0.09 136	0.15 183	0.16 177	0.28 255	0.27 238	0.14 131	0.17 127	0.12 96	0.13 177	0.14 154	0.11 91	0.08 196	0.05 111	0.07 103	0.07 166	0.07 161	0.06 104

FENet	0.13 164	0.08 146	0.12 96	0.16 71	0.08 50	0.14 161	0.15 120	0.22 161	0.23 188	0.17 192	0.23 195	0.16 169	0.12 145	0.14 154	0.15 215	0.08 196	0.05 111	0.08 167	0.08 217	0.07 161	0.07 164

cf-r	0.13 164	0.07 73	0.12 96	0.16 71	0.08 50	0.14 161	0.19 269	0.20 128	0.25 218	0.17 192	0.25 233	0.21 224	0.16 233	0.14 154	0.14 192	0.10 273	0.05 111	0.06 34	0.08 217	0.06 104	0.06 104

GwcNet-RSSM	0.14 193	0.07 73	0.12 96	0.15 40	0.08 50	0.15 183	0.20 284	0.21 145	0.27 238	0.18 219	0.27 255	0.22 241	0.16 233	0.14 154	0.15 215	0.10 273	0.05 111	0.07 103	0.09 258	0.07 161	0.07 164

DIP-Stereo	0.11 86	0.07 73	0.14 161	0.17 119	0.09 136	0.13 137	0.09 3	0.16 47	0.16 92	0.11 64	0.16 109	0.14 134	0.12 145	0.15 173	0.13 164	0.06 59	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 142	0.08 146	0.14 161	0.18 186	0.07 19	0.15 183	0.07 1	0.22 161	0.18 121	0.16 180	0.19 155	0.18 199	0.14 200	0.16 205	0.15 215	0.07 146	0.05 111	0.05 2	0.05 34	0.06 104	0.06 104

R-Stereo Train	0.10 54	0.06 22	0.10 47	0.17 119	0.08 50	0.11 85	0.14 72	0.23 178	0.11 20	0.12 89	0.19 155	0.11 80	0.08 53	0.09 10	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.05 54

RAFT-Stereo	0.10 54	0.06 22	0.10 47	0.17 119	0.08 50	0.11 85	0.14 72	0.23 178	0.11 20	0.12 89	0.19 155	0.11 80	0.08 53	0.09 10	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.05 54
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.14 193	0.08 146	0.15 198	0.17 119	0.09 136	0.14 161	0.14 72	0.29 265	0.36 305	0.14 131	0.21 180	0.21 224	0.12 145	0.17 227	0.14 192	0.07 146	0.05 111	0.07 103	0.07 166	0.07 161	0.07 164

ccs_rob	0.14 193	0.08 146	0.15 198	0.16 71	0.09 136	0.12 108	0.14 72	0.27 241	0.34 293	0.14 131	0.21 180	0.22 241	0.13 177	0.18 238	0.14 192	0.07 146	0.05 111	0.08 167	0.07 166	0.07 161	0.07 164

AANet_RVC	0.16 245	0.10 245	0.10 47	0.18 186	0.09 136	0.18 241	0.19 269	0.26 223	0.31 270	0.22 270	0.35 312	0.21 224	0.21 289	0.22 295	0.16 230	0.06 59	0.05 111	0.06 34	0.06 91	0.07 161	0.06 104

AdaStereo	0.15 227	0.11 265	0.15 198	0.18 186	0.09 136	0.20 273	0.11 11	0.32 294	0.28 249	0.20 249	0.23 195	0.20 218	0.13 177	0.19 249	0.14 192	0.12 319	0.05 111	0.10 275	0.07 166	0.09 254	0.07 164
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.
iResNetv2_ROB	0.14 193	0.08 146	0.15 198	0.16 71	0.08 50	0.16 207	0.12 22	0.25 211	0.35 300	0.21 257	0.29 275	0.24 259	0.13 177	0.14 154	0.14 192	0.06 59	0.05 111	0.06 34	0.04 9	0.09 254	0.08 224

HSM	0.15 227	0.08 146	0.14 161	0.16 71	0.09 136	0.16 207	0.14 72	0.28 255	0.25 218	0.19 232	0.23 195	0.37 344	0.16 233	0.20 268	0.15 215	0.07 146	0.05 111	0.07 103	0.06 91	0.07 161	0.06 104

StereoDRNet-Refined	0.17 264	0.12 279	0.15 198	0.20 275	0.09 136	0.18 241	0.18 238	0.26 223	0.23 188	0.26 308	0.40 339	0.22 241	0.17 252	0.21 284	0.20 270	0.08 196	0.05 111	0.09 233	0.10 290	0.07 161	0.07 164
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.14 193	0.07 73	0.13 135	0.14 14	0.07 19	0.18 241	0.14 72	0.26 223	0.31 270	0.22 270	0.25 233	0.23 253	0.15 213	0.15 173	0.13 164	0.07 146	0.05 111	0.05 2	0.04 9	0.08 206	0.08 224

DN-CSS_ROB	0.13 164	0.13 300	0.16 228	0.18 186	0.10 223	0.16 207	0.08 2	0.22 161	0.18 121	0.17 192	0.22 189	0.13 119	0.13 177	0.12 106	0.13 164	0.05 2	0.05 111	0.10 275	0.10 290	0.08 206	0.06 104

pmcnn	0.15 227	0.07 73	0.19 280	0.15 40	0.07 19	0.20 273	0.15 120	0.24 197	0.26 231	0.21 257	0.34 308	0.28 291	0.18 262	0.18 238	0.17 241	0.07 146	0.05 111	0.05 2	0.04 9	0.07 161	0.06 104

AE-Stereo	0.10 54	0.08 146	0.10 47	0.18 186	0.09 136	0.10 59	0.15 120	0.14 19	0.19 133	0.09 19	0.14 87	0.12 96	0.08 53	0.11 48	0.10 53	0.05 2	0.06 196	0.07 103	0.06 91	0.05 42	0.04 7

mmx	0.14 193	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.27 241	0.25 218	0.15 155	0.25 233	0.19 208	0.13 177	0.14 154	0.20 270	0.08 196	0.06 196	0.09 233	0.08 217	0.08 206	0.08 224

xxx	0.14 193	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.27 241	0.25 218	0.15 155	0.25 233	0.19 208	0.13 177	0.14 154	0.20 270	0.08 196	0.06 196	0.09 233	0.08 217	0.08 206	0.08 224

GMStereo_Zeroshot	0.16 245	0.13 300	0.24 310	0.20 275	0.10 223	0.17 226	0.13 44	0.29 265	0.25 218	0.23 282	0.32 291	0.25 269	0.11 116	0.19 249	0.14 192	0.09 242	0.06 196	0.11 302	0.06 91	0.12 310	0.08 224

StereoIM	0.09 14	0.09 197	0.08 12	0.17 119	0.09 136	0.13 137	0.10 6	0.16 47	0.16 92	0.09 19	0.11 59	0.06 3	0.06 6	0.09 10	0.13 164	0.07 146	0.06 196	0.07 103	0.05 34	0.05 42	0.04 7

EKT-Stereo	0.11 86	0.07 73	0.14 161	0.15 40	0.10 223	0.13 137	0.14 72	0.18 101	0.21 167	0.11 64	0.08 17	0.12 96	0.09 72	0.11 48	0.12 134	0.08 196	0.06 196	0.07 103	0.06 91	0.08 206	0.07 164

MIM_Stereo	0.09 14	0.07 73	0.11 75	0.15 40	0.07 19	0.06 2	0.12 22	0.20 128	0.14 62	0.13 110	0.13 77	0.09 40	0.05 2	0.12 106	0.08 11	0.05 2	0.06 196	0.07 103	0.06 91	0.06 104	0.05 54

CFNet_ucs	0.15 227	0.08 146	0.16 228	0.16 71	0.11 261	0.14 161	0.14 72	0.30 279	0.34 293	0.16 180	0.24 204	0.23 253	0.14 200	0.18 238	0.15 215	0.09 242	0.06 196	0.08 167	0.07 166	0.09 254	0.09 258

CBFPSM	0.14 193	0.06 22	0.26 317	0.17 119	0.09 136	0.13 137	0.15 120	0.22 161	0.23 188	0.20 249	0.27 255	0.24 259	0.16 233	0.16 205	0.18 255	0.06 59	0.06 196	0.06 34	0.07 166	0.07 161	0.07 164

gwcnet-sp	0.14 193	0.07 73	0.12 96	0.18 186	0.09 136	0.16 207	0.17 198	0.24 197	0.24 199	0.18 219	0.24 204	0.15 158	0.16 233	0.15 173	0.15 215	0.08 196	0.06 196	0.07 103	0.08 217	0.08 206	0.07 164

scenet	0.14 193	0.07 73	0.12 96	0.18 186	0.09 136	0.16 207	0.17 198	0.24 197	0.24 199	0.18 219	0.24 204	0.15 158	0.16 233	0.15 173	0.15 215	0.08 196	0.06 196	0.07 103	0.08 217	0.08 206	0.07 164

CASS	0.13 164	0.12 279	0.11 75	0.23 332	0.09 136	0.15 183	0.17 198	0.18 101	0.19 133	0.17 192	0.18 149	0.15 158	0.15 213	0.14 154	0.14 192	0.09 242	0.06 196	0.10 275	0.08 217	0.09 254	0.07 164
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.14 193	0.07 73	0.12 96	0.18 186	0.09 136	0.16 207	0.17 198	0.24 197	0.24 199	0.18 219	0.24 204	0.15 158	0.16 233	0.15 173	0.15 215	0.08 196	0.06 196	0.07 103	0.08 217	0.08 206	0.07 164

CroCo-Stereo Lap2	0.09 14	0.09 197	0.08 12	0.22 313	0.09 136	0.09 35	0.19 269	0.16 47	0.12 28	0.09 19	0.10 42	0.05 1	0.05 2	0.08 6	0.08 11	0.06 59	0.06 196	0.07 103	0.05 34	0.05 42	0.05 54

TestStereo1	0.13 164	0.08 146	0.08 12	0.19 233	0.08 50	0.18 241	0.29 369	0.23 178	0.16 92	0.17 192	0.20 166	0.16 169	0.10 93	0.12 106	0.13 164	0.06 59	0.06 196	0.08 167	0.06 91	0.05 42	0.05 54

qqq	0.13 164	0.09 197	0.15 198	0.16 71	0.08 50	0.13 137	0.15 120	0.23 178	0.16 92	0.15 155	0.19 155	0.16 169	0.16 233	0.15 173	0.16 230	0.07 146	0.06 196	0.08 167	0.08 217	0.07 161	0.07 164

BUS	0.14 193	0.09 197	0.14 161	0.22 313	0.10 223	0.19 261	0.14 72	0.34 321	0.19 133	0.17 192	0.22 189	0.16 169	0.13 177	0.15 173	0.13 164	0.08 196	0.06 196	0.10 275	0.09 258	0.07 161	0.07 164

RAFT_CTSACE	0.12 142	0.09 197	0.10 47	0.22 313	0.08 50	0.12 108	0.24 329	0.18 101	0.16 92	0.20 249	0.27 255	0.13 119	0.07 34	0.13 138	0.09 20	0.05 2	0.06 196	0.08 167	0.07 166	0.04 1	0.04 7

BSDual-CNN	0.15 227	0.09 197	0.14 161	0.22 313	0.10 223	0.14 161	0.15 120	0.34 321	0.19 133	0.17 192	0.22 189	0.25 269	0.16 233	0.15 173	0.14 192	0.08 196	0.06 196	0.10 275	0.09 258	0.07 161	0.07 164

hknet	0.15 227	0.11 265	0.13 135	0.22 313	0.11 261	0.14 161	0.15 120	0.34 321	0.25 218	0.17 192	0.22 189	0.22 241	0.18 262	0.17 227	0.12 134	0.07 146	0.06 196	0.10 275	0.09 258	0.07 161	0.07 164

SA-5K	0.13 164	0.08 146	0.08 12	0.19 233	0.08 50	0.18 241	0.29 369	0.23 178	0.16 92	0.17 192	0.20 166	0.16 169	0.10 93	0.12 106	0.13 164	0.06 59	0.06 196	0.08 167	0.06 91	0.05 42	0.05 54

psmg	0.14 193	0.09 197	0.14 161	0.17 119	0.10 223	0.15 183	0.17 198	0.29 265	0.19 133	0.17 192	0.21 180	0.25 269	0.16 233	0.15 173	0.14 192	0.08 196	0.06 196	0.08 167	0.08 217	0.07 161	0.06 104

CSP-Net	0.16 245	0.09 197	0.14 161	0.16 71	0.09 136	0.19 261	0.17 198	0.25 211	0.32 276	0.25 303	0.30 279	0.24 259	0.15 213	0.21 284	0.18 255	0.09 242	0.06 196	0.07 103	0.07 166	0.08 206	0.07 164

UDGNet	0.14 193	0.13 300	0.16 228	0.17 119	0.10 223	0.12 108	0.16 177	0.21 145	0.27 238	0.20 249	0.20 166	0.16 169	0.13 177	0.16 205	0.13 164	0.10 273	0.06 196	0.09 233	0.07 166	0.06 104	0.07 164

dd	0.15 227	0.16 325	0.16 228	0.19 233	0.09 136	0.15 183	0.18 238	0.21 145	0.25 218	0.23 282	0.20 166	0.21 224	0.09 72	0.21 284	0.16 230	0.10 273	0.06 196	0.08 167	0.06 91	0.08 206	0.06 104

DAS	0.15 227	0.08 146	0.18 271	0.19 233	0.10 223	0.19 261	0.17 198	0.27 241	0.29 256	0.18 219	0.25 233	0.21 224	0.15 213	0.16 205	0.12 134	0.08 196	0.06 196	0.06 34	0.06 91	0.07 161	0.07 164

SepStereo	0.15 227	0.08 146	0.18 271	0.19 233	0.10 223	0.19 261	0.17 198	0.27 241	0.29 256	0.18 219	0.25 233	0.21 224	0.15 213	0.25 319	0.12 134	0.08 196	0.06 196	0.06 34	0.06 91	0.07 161	0.07 164

GANet-ADL	0.13 164	0.07 73	0.15 198	0.17 119	0.10 223	0.18 241	0.15 120	0.30 279	0.20 154	0.13 110	0.18 149	0.19 208	0.12 145	0.16 205	0.13 164	0.08 196	0.06 196	0.06 34	0.05 34	0.07 161	0.08 224

ADLNet2	0.16 245	0.09 197	0.13 135	0.16 71	0.09 136	0.20 273	0.16 177	0.31 285	0.39 319	0.16 180	0.20 166	0.20 218	0.18 262	0.21 284	0.22 298	0.08 196	0.06 196	0.07 103	0.07 166	0.09 254	0.07 164

LMCR-Stereo	0.15 227	0.08 146	0.13 135	0.21 300	0.09 136	0.17 226	0.20 284	0.27 241	0.19 133	0.24 290	0.24 204	0.23 253	0.17 252	0.20 268	0.17 241	0.07 146	0.06 196	0.08 167	0.06 91	0.10 281	0.08 224

GEStereo_RVC	0.17 264	0.12 279	0.15 198	0.22 313	0.11 261	0.19 261	0.17 198	0.32 294	0.48 353	0.20 249	0.25 233	0.17 188	0.13 177	0.21 284	0.16 230	0.10 273	0.06 196	0.08 167	0.07 166	0.09 254	0.08 224

TestStereo	0.13 164	0.14 312	0.11 75	0.23 332	0.08 50	0.15 183	0.21 300	0.20 128	0.23 188	0.14 131	0.24 204	0.16 169	0.12 145	0.16 205	0.14 192	0.05 2	0.06 196	0.08 167	0.06 91	0.09 254	0.05 54

RALCasStereoNet	0.10 54	0.06 22	0.09 30	0.16 71	0.08 50	0.12 108	0.14 72	0.17 77	0.11 20	0.12 89	0.17 127	0.14 134	0.10 93	0.12 106	0.11 91	0.07 146	0.06 196	0.06 34	0.05 34	0.08 206	0.07 164

ADLNet	0.16 245	0.08 146	0.15 198	0.16 71	0.10 223	0.16 207	0.17 198	0.32 294	0.27 238	0.22 270	0.27 255	0.24 259	0.16 233	0.18 238	0.21 289	0.10 273	0.06 196	0.10 275	0.10 290	0.08 206	0.09 258

RAFT + AFF	0.13 164	0.07 73	0.20 288	0.20 275	0.10 223	0.14 161	0.24 329	0.26 223	0.20 154	0.11 64	0.10 42	0.12 96	0.10 93	0.15 173	0.12 134	0.07 146	0.06 196	0.09 233	0.08 217	0.06 104	0.08 224

GMStereo	0.13 164	0.14 312	0.14 161	0.18 186	0.09 136	0.15 183	0.16 177	0.20 128	0.24 199	0.16 180	0.17 127	0.10 62	0.10 93	0.16 205	0.13 164	0.07 146	0.06 196	0.06 34	0.06 91	0.07 161	0.06 104
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MMNet	0.17 264	0.09 197	0.16 228	0.20 275	0.11 261	0.27 338	0.20 284	0.25 211	0.41 328	0.22 270	0.30 279	0.21 224	0.20 285	0.17 227	0.20 270	0.06 59	0.06 196	0.07 103	0.07 166	0.08 206	0.07 164

UNet	0.17 264	0.09 197	0.18 271	0.19 233	0.12 290	0.27 338	0.19 269	0.33 311	0.29 256	0.21 257	0.24 204	0.23 253	0.19 277	0.19 249	0.18 255	0.07 146	0.06 196	0.08 167	0.07 166	0.08 206	0.06 104

ACVNet	0.15 227	0.09 197	0.15 198	0.13 7	0.12 290	0.14 161	0.20 284	0.22 161	0.33 282	0.17 192	0.26 248	0.21 224	0.16 233	0.17 227	0.21 289	0.07 146	0.06 196	0.06 34	0.06 91	0.08 206	0.06 104

acv_ft	0.15 227	0.09 197	0.15 198	0.19 233	0.10 223	0.16 207	0.17 198	0.25 211	0.33 282	0.19 232	0.26 248	0.21 224	0.17 252	0.17 227	0.18 255	0.07 146	0.06 196	0.06 34	0.06 91	0.08 206	0.06 104

GANet-RSSM	0.14 193	0.07 73	0.13 135	0.13 7	0.08 50	0.14 161	0.17 198	0.22 161	0.21 167	0.17 192	0.24 204	0.23 253	0.15 213	0.16 205	0.15 215	0.10 273	0.06 196	0.07 103	0.08 217	0.08 206	0.07 164

PSMNet-RSSM	0.14 193	0.07 73	0.13 135	0.15 40	0.08 50	0.13 137	0.16 177	0.24 197	0.24 199	0.16 180	0.28 264	0.22 241	0.14 200	0.15 173	0.13 164	0.11 294	0.06 196	0.09 233	0.12 331	0.08 206	0.07 164

CFNet-ft	0.14 193	0.07 73	0.15 198	0.12 3	0.09 136	0.16 207	0.18 238	0.22 161	0.24 199	0.17 192	0.26 248	0.24 259	0.14 200	0.16 205	0.14 192	0.11 294	0.06 196	0.08 167	0.09 258	0.09 254	0.08 224

DMCA	0.14 193	0.09 197	0.16 228	0.19 233	0.09 136	0.15 183	0.17 198	0.23 178	0.27 238	0.14 131	0.19 155	0.17 188	0.18 262	0.15 173	0.17 241	0.10 273	0.06 196	0.08 167	0.06 91	0.09 254	0.10 277

SuperB	0.20 295	0.10 245	0.56 380	0.16 71	0.09 136	0.18 241	0.18 238	0.24 197	0.50 360	0.26 308	0.39 334	0.17 188	0.21 289	0.22 295	0.21 289	0.08 196	0.06 196	0.06 34	0.06 91	0.12 310	0.10 277

ADCRef	0.19 286	0.12 279	0.41 363	0.20 275	0.12 290	0.22 295	0.18 238	0.32 294	0.36 305	0.26 308	0.32 291	0.17 188	0.23 304	0.24 314	0.24 318	0.07 146	0.06 196	0.09 233	0.09 258	0.08 206	0.08 224

ADCP+	0.20 295	0.10 245	0.33 344	0.20 275	0.12 290	0.22 295	0.26 349	0.31 285	0.34 293	0.26 308	0.37 321	0.22 241	0.22 298	0.27 324	0.27 344	0.09 242	0.06 196	0.08 167	0.08 217	0.09 254	0.10 277

RASNet	0.14 193	0.07 73	0.14 161	0.16 71	0.08 50	0.18 241	0.14 72	0.29 265	0.20 154	0.17 192	0.25 233	0.21 224	0.18 262	0.20 268	0.19 264	0.07 146	0.06 196	0.06 34	0.08 217	0.06 104	0.06 104

HSM-Net_RVC	0.14 193	0.08 146	0.11 75	0.15 40	0.08 50	0.15 183	0.15 120	0.27 241	0.29 256	0.19 232	0.21 180	0.29 298	0.14 200	0.17 227	0.13 164	0.06 59	0.06 196	0.06 34	0.06 91	0.07 161	0.06 104
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RYNet	0.22 313	0.12 279	0.22 298	0.19 233	0.17 359	0.46 378	0.26 349	0.38 352	0.48 353	0.24 290	0.28 264	0.34 334	0.23 304	0.20 268	0.30 359	0.10 273	0.06 196	0.09 233	0.09 258	0.13 327	0.15 350

CFNet	0.15 227	0.10 245	0.17 253	0.17 119	0.08 50	0.18 241	0.09 3	0.28 255	0.25 218	0.19 232	0.24 204	0.24 259	0.17 252	0.17 227	0.14 192	0.08 196	0.06 196	0.09 233	0.10 290	0.07 161	0.06 104

CFNet_RVC	0.14 193	0.07 73	0.15 198	0.12 3	0.09 136	0.16 207	0.18 238	0.22 161	0.24 199	0.17 192	0.26 248	0.24 259	0.14 200	0.16 205	0.14 192	0.11 294	0.06 196	0.08 167	0.09 258	0.09 254	0.08 224

NLCA_NET_v2_RVC	0.17 264	0.10 245	0.22 298	0.20 275	0.10 223	0.15 183	0.18 238	0.31 285	0.25 218	0.21 257	0.30 279	0.25 269	0.17 252	0.21 284	0.20 270	0.09 242	0.06 196	0.08 167	0.08 217	0.07 161	0.08 224
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	0.19 286	0.10 245	0.15 198	0.17 119	0.15 336	0.28 344	0.23 320	0.44 375	0.42 334	0.15 155	0.27 255	0.25 269	0.19 277	0.22 295	0.17 241	0.09 242	0.06 196	0.10 275	0.08 217	0.15 350	0.09 258

DISCO	0.19 286	0.09 197	0.22 298	0.17 119	0.10 223	0.25 323	0.18 238	0.27 241	0.44 343	0.22 270	0.31 287	0.33 328	0.26 321	0.28 335	0.28 352	0.08 196	0.06 196	0.07 103	0.07 166	0.09 254	0.09 258

LE_ROB	0.50 390	0.07 73	0.14 161	0.15 40	0.08 50	0.24 313	0.16 177	0.22 161	1.81 422	4.63 426	0.67 386	0.47 377	0.44 383	0.20 268	0.29 355	0.07 146	0.06 196	0.06 34	0.06 91	0.08 206	0.06 104

DispFullNet	0.27 354	0.21 360	0.65 387	0.28 367	0.16 346	0.26 331	0.17 198	0.33 311	0.58 377	0.27 314	0.38 326	0.43 366	0.23 304	0.38 373	0.23 308	0.12 319	0.06 196	0.19 368	0.11 313	0.21 373	0.15 350

1111x	0.15 227	0.08 146	0.12 96	0.18 186	0.07 19	0.18 241	0.25 343	0.31 285	0.24 199	0.17 192	0.24 204	0.26 277	0.15 213	0.13 138	0.23 308	0.07 146	0.07 253	0.08 167	0.09 258	0.07 161	0.06 104

whm_eth	0.14 193	0.09 197	0.20 288	0.20 275	0.12 290	0.12 108	0.15 120	0.18 101	0.28 249	0.17 192	0.32 291	0.09 40	0.12 145	0.18 238	0.14 192	0.07 146	0.07 253	0.08 167	0.07 166	0.07 161	0.07 164

iinet-f	0.16 245	0.06 22	0.45 366	0.14 14	0.10 223	0.21 287	0.14 72	0.27 241	0.23 188	0.21 257	0.24 204	0.21 224	0.15 213	0.18 238	0.21 289	0.09 242	0.07 253	0.07 103	0.06 91	0.09 254	0.10 277

Wz-Net-MNSev	0.22 313	0.13 300	0.31 339	0.20 275	0.14 325	0.36 371	0.24 329	0.33 311	0.44 343	0.28 325	0.40 339	0.38 348	0.19 277	0.24 314	0.25 327	0.09 242	0.07 253	0.09 233	0.09 258	0.12 310	0.10 277

AACVNet	0.16 245	0.08 146	0.14 161	0.15 40	0.10 223	0.18 241	0.15 120	0.23 178	0.24 199	0.27 314	0.27 255	0.28 291	0.17 252	0.19 249	0.16 230	0.09 242	0.07 253	0.09 233	0.07 166	0.10 281	0.09 258

RAFT	0.13 164	0.09 197	0.11 75	0.18 186	0.08 50	0.15 183	0.24 329	0.20 128	0.19 133	0.21 257	0.21 180	0.17 188	0.12 145	0.16 205	0.09 20	0.06 59	0.07 253	0.10 275	0.09 258	0.05 42	0.05 54

ICVP	0.15 227	0.09 197	0.12 96	0.22 313	0.09 136	0.17 226	0.21 300	0.25 211	0.23 188	0.18 219	0.30 279	0.26 277	0.18 262	0.17 227	0.14 192	0.09 242	0.07 253	0.08 167	0.07 166	0.07 161	0.07 164
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous	0.14 193	0.10 245	0.24 310	0.22 313	0.13 308	0.18 241	0.22 310	0.20 128	0.19 133	0.14 131	0.12 67	0.11 80	0.13 177	0.16 205	0.13 164	0.08 196	0.07 253	0.08 167	0.08 217	0.12 310	0.10 277

GES	0.14 193	0.08 146	0.16 228	0.15 40	0.10 223	0.13 137	0.13 44	0.28 255	0.25 218	0.16 180	0.23 195	0.18 199	0.13 177	0.16 205	0.13 164	0.08 196	0.07 253	0.07 103	0.06 91	0.08 206	0.09 258

HCRNet	0.16 245	0.24 368	0.12 96	0.35 384	0.11 261	0.15 183	0.17 198	0.26 223	0.22 179	0.19 232	0.24 204	0.21 224	0.14 200	0.15 173	0.13 164	0.11 294	0.07 253	0.11 302	0.10 290	0.09 254	0.07 164

UPFNet	0.16 245	0.08 146	0.12 96	0.20 275	0.12 290	0.20 273	0.23 320	0.28 255	0.26 231	0.17 192	0.24 204	0.22 241	0.19 277	0.19 249	0.21 289	0.09 242	0.07 253	0.08 167	0.09 258	0.08 206	0.06 104

aanetorigin	0.22 313	0.17 336	0.56 380	0.17 119	0.10 223	0.15 183	0.19 269	0.20 128	0.33 282	0.49 381	0.48 364	0.29 298	0.27 329	0.20 268	0.23 308	0.08 196	0.07 253	0.08 167	0.07 166	0.10 281	0.09 258

EDNetEfficientorigin	7.91 427	0.31 384	153.02 446	0.19 233	0.09 136	0.21 287	0.16 177	0.22 161	0.59 378	0.72 396	0.67 386	0.42 362	0.50 388	0.24 314	0.39 382	0.08 196	0.07 253	0.08 167	0.07 166	0.12 310	0.10 277

EDNetEfficient	0.29 361	0.24 368	1.13 410	0.18 186	0.10 223	0.19 261	0.20 284	0.20 128	0.60 381	0.74 400	0.56 379	0.31 316	0.39 371	0.22 295	0.30 359	0.09 242	0.07 253	0.08 167	0.07 166	0.11 296	0.09 258

ac_64	0.16 245	0.08 146	0.15 198	0.18 186	0.10 223	0.22 295	0.18 238	0.24 197	0.21 167	0.18 219	0.24 204	0.29 298	0.18 262	0.19 249	0.22 298	0.09 242	0.07 253	0.08 167	0.09 258	0.07 161	0.06 104

hitnet-ft	0.18 276	0.09 197	0.17 253	0.14 14	0.09 136	0.26 331	0.20 284	0.25 211	0.26 231	0.24 290	0.32 291	0.31 316	0.22 298	0.24 314	0.21 289	0.12 319	0.07 253	0.10 275	0.08 217	0.12 310	0.11 300

DSFCA	0.16 245	0.09 197	0.14 161	0.16 71	0.10 223	0.20 273	0.19 269	0.28 255	0.31 270	0.23 282	0.24 204	0.22 241	0.15 213	0.19 249	0.20 270	0.10 273	0.07 253	0.09 233	0.09 258	0.08 206	0.08 224

ADCL	0.24 336	0.11 265	0.47 370	0.22 313	0.12 290	0.34 362	0.29 369	0.29 265	0.56 372	0.24 290	0.46 361	0.30 306	0.30 349	0.29 342	0.29 355	0.08 196	0.07 253	0.09 233	0.09 258	0.10 281	0.10 277

TDLM	0.17 264	0.12 279	0.13 135	0.24 337	0.10 223	0.18 241	0.18 238	0.36 340	0.30 264	0.21 257	0.28 264	0.28 291	0.18 262	0.23 306	0.18 255	0.11 294	0.07 253	0.10 275	0.10 290	0.08 206	0.08 224

UCFNet_RVC	0.14 193	0.08 146	0.13 135	0.11 1	0.10 223	0.20 273	0.10 6	0.24 197	0.22 179	0.17 192	0.20 166	0.23 253	0.15 213	0.17 227	0.15 215	0.12 319	0.07 253	0.10 275	0.13 340	0.11 296	0.10 277

DRN-Test	0.19 286	0.11 265	0.20 288	0.22 313	0.10 223	0.22 295	0.22 310	0.39 356	0.37 311	0.24 290	0.32 291	0.26 277	0.21 289	0.22 295	0.24 318	0.11 294	0.07 253	0.11 302	0.10 290	0.09 254	0.07 164

PWC_ROB	0.21 304	0.16 325	0.26 317	0.18 186	0.11 261	0.22 295	0.13 44	0.32 294	0.49 358	0.30 334	0.40 339	0.32 325	0.24 310	0.31 346	0.22 298	0.10 273	0.07 253	0.11 302	0.08 217	0.11 296	0.10 277

ttt	0.14 193	0.08 146	0.14 161	0.15 40	0.08 50	0.15 183	0.18 238	0.27 241	0.29 256	0.16 180	0.24 204	0.17 188	0.13 177	0.13 138	0.14 192	0.11 294	0.08 275	0.09 233	0.08 217	0.09 254	0.08 224

GASNet	0.22 313	0.23 365	0.33 344	0.26 353	0.17 359	0.26 331	0.16 177	0.44 375	0.42 334	0.27 314	0.24 204	0.30 306	0.15 213	0.27 324	0.18 255	0.12 319	0.08 275	0.12 317	0.11 313	0.16 357	0.07 164

ToySt	0.17 264	0.11 265	0.18 271	0.17 119	0.11 261	0.16 207	0.25 343	0.24 197	0.33 282	0.19 232	0.24 204	0.26 277	0.24 310	0.19 249	0.20 270	0.07 146	0.08 275	0.09 233	0.10 290	0.09 254	0.08 224

NINENet	0.16 245	0.10 245	0.15 198	0.17 119	0.11 261	0.19 261	0.14 72	0.40 360	0.36 305	0.18 219	0.21 180	0.16 169	0.13 177	0.15 173	0.13 164	0.08 196	0.08 275	0.10 275	0.07 166	0.10 281	0.09 258

WZ-Net	0.28 357	0.17 336	0.78 401	0.22 313	0.16 346	0.34 362	0.29 369	0.39 356	0.57 374	0.24 290	0.55 374	0.37 344	0.24 310	0.33 354	0.35 373	0.09 242	0.08 275	0.09 233	0.10 290	0.14 339	0.16 361

GLC_STEREO	0.11 86	0.07 73	0.11 75	0.17 119	0.07 19	0.09 35	0.13 44	0.15 31	0.24 199	0.12 89	0.13 77	0.12 96	0.08 53	0.18 238	0.11 91	0.06 59	0.08 275	0.08 167	0.06 91	0.05 42	0.05 54

AASNet	0.16 245	0.08 146	0.12 96	0.19 233	0.09 136	0.18 241	0.15 120	0.37 345	0.37 311	0.19 232	0.23 195	0.20 218	0.16 233	0.17 227	0.20 270	0.10 273	0.08 275	0.08 167	0.07 166	0.09 254	0.09 258

SACVNet	0.18 276	0.12 279	0.14 161	0.17 119	0.13 308	0.22 295	0.18 238	0.31 285	0.30 264	0.23 282	0.31 287	0.30 306	0.22 298	0.22 295	0.17 241	0.11 294	0.08 275	0.10 275	0.10 290	0.12 310	0.14 342

PSMNet-ADL	0.15 227	0.12 279	0.13 135	0.22 313	0.09 136	0.13 137	0.20 284	0.26 223	0.23 188	0.18 219	0.20 166	0.24 259	0.16 233	0.18 238	0.17 241	0.08 196	0.08 275	0.08 167	0.11 313	0.08 206	0.07 164

Anonymous3	0.16 245	0.13 300	0.33 344	0.26 353	0.14 325	0.27 338	0.17 198	0.28 255	0.28 249	0.15 155	0.17 127	0.14 134	0.10 93	0.15 173	0.12 134	0.08 196	0.08 275	0.08 167	0.08 217	0.08 206	0.11 300

sCroCo_RVC	0.12 142	0.09 197	0.23 307	0.24 337	0.11 261	0.19 261	0.14 72	0.17 77	0.14 62	0.10 44	0.13 77	0.12 96	0.07 34	0.14 154	0.11 91	0.08 196	0.08 275	0.08 167	0.08 217	0.05 42	0.07 164

delet	0.17 264	0.08 146	0.17 253	0.19 233	0.11 261	0.20 273	0.21 300	0.30 279	0.37 311	0.17 192	0.26 248	0.19 208	0.19 277	0.19 249	0.21 289	0.08 196	0.08 275	0.09 233	0.11 313	0.06 104	0.06 104

DMCA-RVC	0.17 264	0.10 245	0.15 198	0.24 337	0.11 261	0.18 241	0.18 238	0.25 211	0.24 199	0.21 257	0.26 248	0.25 269	0.27 329	0.18 238	0.20 270	0.12 319	0.08 275	0.13 331	0.10 290	0.10 281	0.08 224

FADNet-RVC-Resample	0.16 245	0.11 265	0.31 339	0.22 313	0.11 261	0.19 261	0.14 72	0.25 211	0.24 199	0.24 290	0.27 255	0.20 218	0.15 213	0.16 205	0.15 215	0.07 146	0.08 275	0.12 317	0.10 290	0.09 254	0.10 277

FADNet_RVC	0.16 245	0.14 312	0.40 361	0.20 275	0.11 261	0.13 137	0.13 44	0.26 223	0.22 179	0.21 257	0.23 195	0.20 218	0.17 252	0.14 154	0.16 230	0.08 196	0.08 275	0.12 317	0.09 258	0.11 296	0.10 277

RTSC	0.23 328	0.12 279	0.28 328	0.21 300	0.13 308	0.28 344	0.16 177	0.35 334	0.66 388	0.27 314	0.33 304	0.30 306	0.21 289	0.31 346	0.29 355	0.10 273	0.08 275	0.09 233	0.10 290	0.13 327	0.13 325

RTS	0.45 386	0.19 349	3.26 420	0.24 337	0.15 336	0.74 401	0.20 284	0.36 340	0.76 398	0.42 372	0.43 357	0.31 316	0.41 378	0.53 392	0.35 373	0.10 273	0.08 275	0.13 331	0.12 331	0.15 350	0.15 350

RTSA	0.45 386	0.19 349	3.26 420	0.24 337	0.15 336	0.74 401	0.20 284	0.36 340	0.76 398	0.42 372	0.43 357	0.31 316	0.41 378	0.53 392	0.35 373	0.10 273	0.08 275	0.13 331	0.12 331	0.15 350	0.15 350

CVANet_RVC	0.18 276	0.10 245	0.14 161	0.21 300	0.10 223	0.18 241	0.17 198	0.34 321	0.33 282	0.22 270	0.31 287	0.28 291	0.18 262	0.23 306	0.17 241	0.12 319	0.08 275	0.12 317	0.11 313	0.09 254	0.07 164

StereoDRNet	0.18 276	0.11 265	0.17 253	0.22 313	0.11 261	0.21 287	0.22 310	0.37 345	0.33 282	0.24 290	0.28 264	0.30 306	0.19 277	0.20 268	0.20 270	0.09 242	0.08 275	0.11 302	0.09 258	0.09 254	0.07 164

DLCB_ROB	0.18 276	0.10 245	0.15 198	0.23 332	0.11 261	0.24 313	0.18 238	0.29 265	0.28 249	0.27 314	0.28 264	0.28 291	0.24 310	0.19 249	0.20 270	0.08 196	0.08 275	0.09 233	0.09 258	0.07 161	0.07 164

ETE_ROB	0.23 328	0.17 336	0.22 298	0.25 348	0.13 308	0.26 331	0.29 369	0.31 285	0.36 305	0.28 325	0.36 315	0.45 370	0.26 321	0.27 324	0.26 337	0.11 294	0.08 275	0.12 317	0.09 258	0.14 339	0.13 325

PSMNet_ROB	0.21 304	0.11 265	0.15 198	0.27 364	0.15 336	0.24 313	0.35 386	0.43 373	0.37 311	0.27 314	0.32 291	0.32 325	0.22 298	0.21 284	0.26 337	0.12 319	0.08 275	0.13 331	0.11 313	0.09 254	0.09 258

CAS++	0.11 86	0.07 73	0.11 75	0.14 14	0.09 136	0.12 108	0.14 72	0.24 197	0.14 62	0.11 64	0.09 25	0.11 80	0.07 34	0.14 154	0.09 20	0.11 294	0.09 298	0.09 233	0.07 166	0.07 161	0.08 224
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
coex-ft	3.30 421	0.34 387	59.09 445	0.18 186	0.13 308	0.26 331	0.22 310	0.27 241	0.72 393	1.90 423	0.70 390	0.44 368	0.45 384	0.29 342	0.41 387	0.09 242	0.09 298	0.12 317	0.09 258	0.14 339	0.13 325

fast-acv-ft	0.18 276	0.11 265	0.19 280	0.19 233	0.12 290	0.24 313	0.21 300	0.25 211	0.34 293	0.22 270	0.34 308	0.27 284	0.20 285	0.21 284	0.23 308	0.09 242	0.09 298	0.08 167	0.10 290	0.08 206	0.07 164

ssnet_v2	0.17 264	0.10 245	0.17 253	0.17 119	0.11 261	0.21 287	0.21 300	0.33 311	0.25 218	0.22 270	0.22 189	0.27 284	0.18 262	0.22 295	0.20 270	0.11 294	0.09 298	0.09 233	0.09 258	0.08 206	0.08 224

Wz-Net-SNSev	0.25 345	0.17 336	0.44 365	0.25 348	0.14 325	0.26 331	0.23 320	0.38 352	0.56 372	0.30 334	0.55 374	0.39 356	0.26 321	0.23 306	0.30 359	0.10 273	0.09 298	0.09 233	0.10 290	0.11 296	0.11 300

Wz-Net-LNSev	0.22 313	0.16 325	0.38 357	0.21 300	0.13 308	0.25 323	0.23 320	0.32 294	0.43 339	0.30 334	0.41 349	0.31 316	0.18 262	0.22 295	0.25 327	0.10 273	0.09 298	0.08 167	0.08 217	0.12 310	0.11 300

CRFU-Net	0.16 245	0.08 146	0.14 161	0.17 119	0.09 136	0.19 261	0.14 72	0.26 223	0.20 154	0.28 325	0.27 255	0.29 298	0.17 252	0.19 249	0.17 241	0.09 242	0.09 298	0.07 103	0.07 166	0.08 206	0.08 224

dad	0.17 264	0.20 354	0.20 288	0.16 71	0.11 261	0.20 273	0.18 238	0.21 145	0.28 249	0.30 334	0.24 204	0.29 298	0.13 177	0.19 249	0.16 230	0.18 370	0.09 298	0.11 302	0.09 258	0.11 296	0.07 164

GwcNet	0.20 295	0.13 300	0.19 280	0.18 186	0.12 290	0.24 313	0.19 269	0.35 334	0.43 339	0.20 249	0.32 291	0.33 328	0.20 285	0.22 295	0.24 318	0.11 294	0.09 298	0.09 233	0.09 258	0.09 254	0.10 277

HGLStereo	0.17 264	0.08 146	0.19 280	0.17 119	0.12 290	0.18 241	0.18 238	0.31 285	0.32 276	0.21 257	0.32 291	0.25 269	0.18 262	0.19 249	0.20 270	0.09 242	0.09 298	0.07 103	0.07 166	0.09 254	0.10 277

G-Net	0.24 336	0.16 325	0.36 353	0.22 313	0.16 346	0.51 384	0.23 320	0.29 265	0.34 293	0.36 354	0.38 326	0.31 316	0.29 345	0.27 324	0.26 337	0.11 294	0.09 298	0.12 317	0.09 258	0.16 357	0.13 325

XQC	0.28 357	0.23 365	0.51 373	0.28 367	0.19 368	0.34 362	0.27 356	0.36 340	0.57 374	0.31 340	0.30 279	0.37 344	0.30 349	0.38 373	0.38 380	0.13 339	0.09 298	0.15 349	0.12 331	0.17 364	0.18 370

ADCMid	0.25 345	0.15 318	0.40 361	0.20 275	0.14 325	0.25 323	0.26 349	0.34 321	0.38 316	0.36 354	0.44 359	0.34 334	0.40 374	0.35 363	0.33 370	0.10 273	0.09 298	0.11 302	0.11 313	0.13 327	0.12 311

DANet	0.21 304	0.15 318	0.28 328	0.25 348	0.13 308	0.22 295	0.19 269	0.27 241	0.27 238	0.28 325	0.32 291	0.35 338	0.31 353	0.31 346	0.23 308	0.11 294	0.09 298	0.11 302	0.10 290	0.13 327	0.11 300
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DeepPruner_ROB	0.16 245	0.11 265	0.15 198	0.17 119	0.10 223	0.17 226	0.15 120	0.32 294	0.21 167	0.19 232	0.21 180	0.22 241	0.18 262	0.20 268	0.15 215	0.13 339	0.09 298	0.09 233	0.09 258	0.11 296	0.10 277

SANet	0.24 336	0.14 312	0.28 328	0.21 300	0.11 261	0.27 338	0.24 329	0.38 352	0.64 385	0.36 354	0.40 339	0.43 366	0.26 321	0.27 324	0.24 318	0.12 319	0.09 298	0.10 275	0.09 258	0.13 327	0.11 300

PDISCO_ROB	0.27 354	0.16 325	0.26 317	0.28 367	0.20 371	0.32 353	0.26 349	0.44 375	0.57 374	0.28 325	0.40 339	0.45 370	0.29 345	0.33 354	0.34 372	0.12 319	0.09 298	0.17 358	0.16 357	0.17 364	0.13 325

LALA_ROB	0.25 345	0.16 325	0.22 298	0.26 353	0.17 359	0.27 338	0.27 356	0.42 370	0.37 311	0.33 350	0.38 326	0.51 380	0.26 321	0.28 335	0.27 344	0.16 364	0.09 298	0.12 317	0.11 313	0.13 327	0.12 311

PWCDC_ROB	0.20 295	0.13 300	0.22 298	0.24 337	0.11 261	0.19 261	0.15 120	0.33 311	0.54 369	0.29 331	0.50 369	0.21 224	0.15 213	0.27 324	0.20 270	0.11 294	0.09 298	0.10 275	0.08 217	0.11 296	0.09 258

SQANet	0.23 328	0.23 365	0.30 337	0.30 376	0.19 368	0.27 338	0.13 44	0.29 265	0.33 282	0.24 290	0.37 321	0.31 316	0.22 298	0.27 324	0.23 308	0.15 353	0.10 317	0.21 371	0.16 357	0.21 373	0.15 350

pcwnet_v2	0.19 286	0.10 245	0.26 317	0.17 119	0.14 325	0.18 241	0.15 120	0.37 345	0.46 351	0.19 232	0.24 204	0.21 224	0.19 277	0.20 268	0.19 264	0.13 339	0.10 317	0.10 275	0.10 290	0.11 296	0.13 325

psm_up	0.18 276	0.10 245	0.18 271	0.20 275	0.11 261	0.17 226	0.19 269	0.37 345	0.34 293	0.21 257	0.28 264	0.29 298	0.24 310	0.20 268	0.22 298	0.09 242	0.10 317	0.11 302	0.11 313	0.08 206	0.08 224

AF-Net	0.22 313	0.17 336	0.17 253	0.26 353	0.13 308	0.25 323	0.24 329	0.32 294	0.50 360	0.25 303	0.33 304	0.38 348	0.26 321	0.28 335	0.25 327	0.11 294	0.10 317	0.16 355	0.11 313	0.11 296	0.10 277

Nwc_Net	0.23 328	0.16 325	0.21 293	0.25 348	0.14 325	0.24 313	0.26 349	0.37 345	0.38 316	0.22 270	0.41 349	0.30 306	0.28 337	0.28 335	0.25 327	0.11 294	0.10 317	0.17 358	0.20 370	0.10 281	0.10 277

ADCPNet	0.25 345	0.16 325	0.61 384	0.21 300	0.15 336	0.35 370	0.25 343	0.32 294	0.35 300	0.30 334	0.40 339	0.36 340	0.28 337	0.28 335	0.32 367	0.12 319	0.10 317	0.11 302	0.12 331	0.14 339	0.13 325

STTRV1_RVC	0.25 345	0.26 374	0.39 359	0.19 233	0.26 385	0.30 350	0.24 329	0.34 321	0.35 300	0.36 354	0.34 308	0.31 316	0.31 353	0.28 335	0.25 327	0.17 368	0.10 317	0.16 355	0.14 344	0.17 364	0.12 311

DPSNet	0.28 357	0.16 325	0.31 339	0.18 186	0.13 308	0.54 386	0.42 395	0.51 387	0.67 389	0.29 331	0.38 326	0.38 348	0.29 345	0.31 346	0.23 308	0.11 294	0.10 317	0.11 302	0.08 217	0.20 372	0.16 361

MDST_ROB	0.22 313	0.10 245	0.17 253	0.18 186	0.11 261	0.37 372	0.19 269	0.43 373	0.41 328	0.39 362	0.39 334	0.29 298	0.21 289	0.26 321	0.18 255	0.11 294	0.10 317	0.14 341	0.11 313	0.10 281	0.08 224

XPNet_ROB	0.22 313	0.11 265	0.19 280	0.22 313	0.13 308	0.22 295	0.19 269	0.34 321	0.40 325	0.30 334	0.39 334	0.39 356	0.26 321	0.26 321	0.28 352	0.15 353	0.10 317	0.10 275	0.10 290	0.13 327	0.12 311

StereoVision	0.13 164	0.12 279	0.09 30	0.24 337	0.10 223	0.15 183	0.21 300	0.21 145	0.20 154	0.12 89	0.24 204	0.10 62	0.10 93	0.16 205	0.10 53	0.09 242	0.11 327	0.12 317	0.12 331	0.06 104	0.05 54

DGSMNet	0.24 336	0.19 349	0.33 344	0.21 300	0.24 378	0.24 313	0.20 284	0.35 334	0.41 328	0.24 290	0.32 291	0.38 348	0.21 289	0.29 342	0.23 308	0.12 319	0.11 327	0.14 341	0.16 357	0.23 376	0.23 382

FAT-Stereo	0.20 295	0.12 279	0.22 298	0.21 300	0.12 290	0.17 226	0.18 238	0.34 321	0.39 319	0.27 314	0.37 321	0.34 334	0.32 357	0.21 284	0.20 270	0.09 242	0.11 327	0.10 275	0.09 258	0.11 296	0.14 342

STTStereo	0.18 276	0.12 279	0.27 323	0.20 275	0.11 261	0.16 207	0.21 300	0.29 265	0.23 188	0.21 257	0.30 279	0.29 298	0.18 262	0.20 268	0.19 264	0.12 319	0.11 327	0.11 302	0.14 344	0.09 254	0.08 224

NCC-stereo	0.24 336	0.15 318	0.31 339	0.26 353	0.16 346	0.20 273	0.30 376	0.40 360	0.40 325	0.24 290	0.38 326	0.33 328	0.28 337	0.36 368	0.27 344	0.12 319	0.11 327	0.15 349	0.22 375	0.13 327	0.13 325

edge stereo	0.22 313	0.13 300	0.20 288	0.21 300	0.13 308	0.23 308	0.16 177	0.32 294	0.42 334	0.32 346	0.40 339	0.38 348	0.35 364	0.25 319	0.24 318	0.13 339	0.11 327	0.14 341	0.11 313	0.12 310	0.13 325

Abc-Net	0.24 336	0.15 318	0.31 339	0.26 353	0.16 346	0.20 273	0.30 376	0.40 360	0.40 325	0.24 290	0.38 326	0.33 328	0.28 337	0.36 368	0.27 344	0.12 319	0.11 327	0.15 349	0.22 375	0.13 327	0.13 325
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 352	0.15 318	0.30 337	0.24 337	0.18 366	0.22 295	0.15 120	0.38 352	0.71 392	0.32 346	0.41 349	0.36 340	0.28 337	0.32 352	0.29 355	0.12 319	0.11 327	0.14 341	0.13 340	0.16 357	0.20 376

DeepPrunerF	0.24 336	0.17 336	0.42 364	0.26 353	0.16 346	0.22 295	0.28 361	0.37 345	0.50 360	0.26 308	0.29 275	0.24 259	0.28 337	0.21 284	0.22 298	0.15 353	0.11 327	0.20 370	0.18 368	0.12 310	0.13 325

UDG	0.21 304	0.17 336	0.19 280	0.23 332	0.15 336	0.30 350	0.20 284	0.33 311	0.35 300	0.23 282	0.28 264	0.31 316	0.27 329	0.20 268	0.22 298	0.15 353	0.12 336	0.13 331	0.09 258	0.14 339	0.14 342

APVNet	0.22 313	0.12 279	0.19 280	0.18 186	0.14 325	0.32 353	0.31 382	0.39 356	0.32 276	0.27 314	0.40 339	0.30 306	0.29 345	0.26 321	0.25 327	0.11 294	0.12 336	0.11 302	0.14 344	0.12 310	0.12 311

Syn2CoEx	0.21 304	0.16 325	0.27 323	0.29 374	0.14 325	0.26 331	0.20 284	0.33 311	0.31 270	0.28 325	0.36 315	0.27 284	0.25 318	0.19 249	0.24 318	0.16 364	0.12 336	0.14 341	0.11 313	0.09 254	0.08 224

S-Stereo	0.20 295	0.12 279	0.25 316	0.21 300	0.13 308	0.20 273	0.18 238	0.32 294	0.43 339	0.23 282	0.36 315	0.28 291	0.30 349	0.19 249	0.22 298	0.09 242	0.12 336	0.10 275	0.10 290	0.13 327	0.13 325

RP	0.21 304	0.13 300	0.21 293	0.23 332	0.11 261	0.21 287	0.20 284	0.25 211	0.44 343	0.21 257	0.38 326	0.36 340	0.24 310	0.27 324	0.25 327	0.11 294	0.12 336	0.13 331	0.12 331	0.12 310	0.14 342

stereogan	0.22 313	0.11 265	0.21 293	0.20 275	0.12 290	0.31 352	0.19 269	0.35 334	0.44 343	0.22 270	0.39 334	0.35 338	0.27 329	0.33 354	0.22 298	0.10 273	0.12 336	0.10 275	0.10 290	0.14 339	0.13 325

ADCS	0.29 361	0.18 346	0.45 366	0.21 300	0.17 359	0.28 344	0.23 320	0.41 365	0.63 384	0.40 365	0.49 365	0.40 359	0.36 366	0.39 376	0.40 384	0.13 339	0.12 336	0.13 331	0.14 344	0.16 357	0.16 361

AnyNet_C32	0.26 352	0.16 325	0.36 353	0.20 275	0.16 346	0.25 323	0.30 376	0.32 294	0.44 343	0.31 340	0.49 365	0.30 306	0.33 358	0.40 380	0.33 370	0.12 319	0.12 336	0.12 317	0.14 344	0.14 339	0.15 350

GANet	0.21 304	0.12 279	0.21 293	0.24 337	0.13 308	0.22 295	0.22 310	0.41 365	0.26 231	0.31 340	0.42 354	0.37 344	0.28 337	0.23 306	0.22 298	0.10 273	0.12 336	0.10 275	0.09 258	0.10 281	0.08 224

Anonymous Stereo	0.23 328	0.19 349	0.50 372	0.24 337	0.17 359	0.21 287	0.21 300	0.33 311	0.44 343	0.25 303	0.34 308	0.26 277	0.18 262	0.31 346	0.27 344	0.13 339	0.12 336	0.12 317	0.13 340	0.11 296	0.14 342

PS-NSSS	0.20 295	0.21 360	0.23 307	0.20 275	0.10 223	0.19 261	0.17 198	0.36 340	0.25 218	0.27 314	0.33 304	0.27 284	0.24 310	0.20 268	0.20 270	0.15 353	0.12 336	0.17 358	0.14 344	0.10 281	0.08 224

NCCL2	0.23 328	0.15 318	0.17 253	0.34 382	0.18 366	0.24 313	0.23 320	0.34 321	0.28 249	0.31 340	0.38 326	0.38 348	0.28 337	0.23 306	0.24 318	0.15 353	0.12 336	0.18 366	0.21 372	0.13 327	0.13 325

WCMA_ROB	0.24 336	0.11 265	0.22 298	0.17 119	0.14 325	0.32 353	0.15 120	0.32 294	0.32 276	0.38 360	0.53 371	0.40 359	0.34 362	0.34 357	0.25 327	0.11 294	0.12 336	0.12 317	0.10 290	0.14 339	0.14 342

Wz-Net-TNSev	0.29 361	0.20 354	0.65 387	0.19 233	0.15 336	0.38 374	0.27 356	0.35 334	0.55 370	0.34 351	0.42 354	0.45 370	0.38 369	0.32 352	0.30 359	0.12 319	0.13 349	0.10 275	0.12 331	0.15 350	0.14 342

DDUNet	0.22 313	0.17 336	0.21 293	0.22 313	0.15 336	0.25 323	0.24 329	0.29 265	0.30 264	0.31 340	0.36 315	0.33 328	0.25 318	0.24 314	0.20 270	0.18 370	0.13 349	0.17 358	0.11 313	0.16 357	0.16 361

FADNet-RVC	0.20 295	0.20 354	0.38 357	0.21 300	0.16 346	0.20 273	0.15 120	0.26 223	0.26 231	0.26 308	0.32 291	0.26 277	0.21 289	0.22 295	0.19 264	0.12 319	0.13 349	0.12 317	0.14 344	0.13 327	0.18 370

RGC	0.25 345	0.20 354	0.29 334	0.28 367	0.16 346	0.22 295	0.23 320	0.32 294	0.44 343	0.27 314	0.40 339	0.38 348	0.27 329	0.36 368	0.22 298	0.11 294	0.13 349	0.17 358	0.17 364	0.14 339	0.16 361

AnyNet_C01	0.36 375	0.25 373	1.37 413	0.22 313	0.17 359	0.48 382	0.27 356	0.35 334	0.39 319	0.39 362	0.74 394	0.46 374	0.38 369	0.45 384	0.47 393	0.13 339	0.13 349	0.13 331	0.14 344	0.14 339	0.15 350

SGM_RVC	0.23 328	0.12 279	0.15 198	0.15 40	0.09 136	0.33 359	0.18 238	0.34 321	0.31 270	0.44 377	0.37 321	0.53 383	0.35 364	0.35 363	0.24 318	0.13 339	0.13 349	0.13 331	0.13 340	0.10 281	0.11 300
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 354	0.13 300	0.18 271	0.15 40	0.11 261	0.32 353	0.24 329	0.40 360	0.36 305	0.52 383	0.57 380	0.67 394	0.40 374	0.35 363	0.26 337	0.14 350	0.13 349	0.13 331	0.11 313	0.11 296	0.10 277
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
ACVNet-4b	0.39 376	0.53 396	0.55 378	0.45 393	0.24 378	0.47 380	0.18 238	0.49 384	0.64 385	0.42 372	0.45 360	0.60 387	0.27 329	0.34 357	0.24 318	0.33 394	0.14 356	0.48 397	0.42 397	0.30 390	0.26 389

ccnet	0.29 361	0.28 379	0.23 307	0.20 275	0.28 387	0.41 377	0.21 300	0.45 378	0.33 282	0.36 354	0.46 361	0.36 340	0.30 349	0.39 376	0.42 388	0.23 386	0.14 356	0.21 371	0.17 364	0.23 376	0.18 370

MFN_U_SF_RVC	0.32 369	0.21 360	0.55 378	0.30 376	0.15 336	0.34 362	0.17 198	0.52 388	0.46 351	0.46 380	0.55 374	0.59 386	0.39 371	0.35 363	0.37 378	0.15 353	0.14 356	0.18 366	0.21 372	0.16 357	0.15 350

MaskLacGwcNet_RVC	0.22 313	0.21 360	0.24 310	0.26 353	0.11 261	0.23 308	0.14 72	0.39 356	0.24 199	0.32 346	0.36 315	0.30 306	0.21 289	0.19 249	0.21 289	0.17 368	0.14 356	0.21 371	0.16 357	0.12 310	0.12 311

PVD	0.39 376	0.20 354	0.39 359	0.31 380	0.22 375	0.29 347	0.43 397	0.52 388	0.96 405	0.55 386	0.79 398	0.53 383	0.59 395	0.52 390	0.38 380	0.19 374	0.14 356	0.17 358	0.14 344	0.24 383	0.31 394

FBW_ROB	0.24 336	0.17 336	0.22 298	0.26 353	0.14 325	0.25 323	0.22 310	0.41 365	0.41 328	0.41 369	0.41 349	0.42 362	0.27 329	0.31 346	0.23 308	0.09 242	0.14 356	0.14 341	0.12 331	0.11 296	0.09 258

psmorigin	0.25 345	0.15 318	0.34 352	0.17 119	0.13 308	0.23 308	0.14 72	0.34 321	0.33 282	0.41 369	0.55 374	0.41 361	0.37 368	0.34 357	0.27 344	0.11 294	0.15 362	0.11 302	0.11 313	0.12 310	0.16 361

FADNet	0.21 304	0.22 364	0.36 353	0.18 186	0.17 359	0.24 313	0.13 44	0.31 285	0.31 270	0.23 282	0.25 233	0.27 284	0.21 289	0.19 249	0.15 215	0.13 339	0.15 362	0.12 317	0.15 355	0.16 357	0.18 370

CBMV	0.19 286	0.14 312	0.17 253	0.18 186	0.10 223	0.20 273	0.11 11	0.29 265	0.30 264	0.29 331	0.30 279	0.30 306	0.23 304	0.27 324	0.19 264	0.13 339	0.15 362	0.17 358	0.16 357	0.10 281	0.10 277
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
HBP-ISP	0.18 276	0.13 300	0.16 228	0.15 40	0.11 261	0.08 23	0.13 44	0.28 255	0.29 256	0.22 270	0.33 304	0.21 224	0.25 318	0.23 306	0.17 241	0.14 350	0.16 365	0.21 371	0.17 364	0.10 281	0.08 224

FINET	0.21 304	0.18 346	0.26 317	0.18 186	0.16 346	0.23 308	0.23 320	0.32 294	0.48 353	0.25 303	0.32 291	0.22 241	0.22 298	0.22 295	0.17 241	0.18 370	0.16 365	0.11 302	0.10 290	0.15 350	0.13 325

SGM-ForestM	0.32 369	0.12 279	0.16 228	0.16 71	0.11 261	0.39 375	0.19 269	0.41 365	0.50 360	0.52 383	0.54 373	1.32 413	0.42 381	0.40 380	0.27 344	0.14 350	0.16 365	0.16 355	0.16 357	0.12 310	0.12 311

CSAN	0.29 361	0.24 368	0.27 323	0.34 382	0.19 368	0.33 359	0.42 395	0.37 345	0.50 360	0.38 360	0.40 339	0.44 368	0.33 358	0.28 335	0.30 359	0.20 376	0.16 365	0.19 368	0.19 369	0.14 339	0.15 350

SGM-Forest	0.20 295	0.14 312	0.18 271	0.19 233	0.13 308	0.20 273	0.22 310	0.33 311	0.30 264	0.24 290	0.29 275	0.28 291	0.19 277	0.23 306	0.17 241	0.15 353	0.16 365	0.15 349	0.14 344	0.12 310	0.12 311
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
NaN_ROB	0.22 313	0.19 349	0.24 310	0.25 348	0.13 308	0.29 347	0.26 349	0.33 311	0.41 328	0.31 340	0.31 287	0.32 325	0.23 304	0.30 345	0.21 289	0.11 294	0.17 370	0.10 275	0.10 290	0.08 206	0.09 258

CBMV_ROB	0.19 286	0.13 300	0.17 253	0.16 71	0.11 261	0.15 183	0.13 44	0.26 223	0.28 249	0.27 314	0.30 279	0.27 284	0.24 310	0.23 306	0.16 230	0.15 353	0.17 370	0.22 375	0.20 370	0.10 281	0.11 300

SDNR	0.19 286	0.08 146	0.19 280	0.16 71	0.12 290	0.77 407	0.14 72	0.25 211	0.32 276	0.19 232	0.24 204	0.19 208	0.13 177	0.19 249	0.15 215	0.16 364	0.18 372	0.14 341	0.11 313	0.08 206	0.11 300

BEATNet-Init1	0.52 391	0.27 376	0.62 385	0.30 376	0.21 373	0.76 405	0.29 369	0.54 391	0.65 387	0.86 405	0.95 405	2.07 423	0.62 398	0.56 396	0.42 388	0.18 370	0.18 372	0.23 376	0.22 375	0.22 375	0.21 378

NOSS_ROB	0.19 286	0.12 279	0.18 271	0.16 71	0.12 290	0.15 183	0.12 22	0.30 279	0.32 276	0.20 249	0.22 189	0.27 284	0.23 304	0.21 284	0.16 230	0.16 364	0.18 372	0.23 376	0.21 372	0.12 310	0.13 325

MSC_U_SF_DS_RVC	0.43 383	0.39 391	0.54 376	0.40 388	0.20 371	0.64 393	0.32 384	0.53 390	0.72 393	0.71 394	0.72 391	0.61 388	0.54 389	0.51 388	0.46 392	0.20 376	0.19 375	0.29 387	0.30 389	0.23 376	0.18 370

CC-Net-ROB	0.28 357	0.31 384	0.36 353	0.29 374	0.15 336	0.25 323	0.19 269	0.45 378	0.33 282	0.39 362	0.37 321	0.39 356	0.31 353	0.27 324	0.26 337	0.24 388	0.19 375	0.30 389	0.23 379	0.18 368	0.15 350

MSMD_ROB	0.31 367	0.26 374	0.26 317	0.24 337	0.21 373	0.34 362	0.25 343	0.34 321	0.39 319	0.40 365	0.69 388	0.45 370	0.40 374	0.34 357	0.27 344	0.20 376	0.19 375	0.26 378	0.25 381	0.23 376	0.22 380

FCDSN-DC	0.33 372	0.28 379	0.28 328	0.30 376	0.24 378	0.39 375	0.28 361	0.42 370	0.42 334	0.43 375	0.53 371	0.51 380	0.41 378	0.36 368	0.30 359	0.21 379	0.20 378	0.27 381	0.26 382	0.25 384	0.24 383
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_DS_RVC	0.30 366	0.24 368	0.29 334	0.36 386	0.16 346	0.34 362	0.30 376	0.32 294	0.42 334	0.40 365	0.46 361	0.38 348	0.31 353	0.34 357	0.28 352	0.19 374	0.20 378	0.26 378	0.29 387	0.18 368	0.19 375

SAMSARA	0.40 379	0.28 379	0.33 344	0.55 399	0.39 393	0.82 408	1.23 422	0.47 381	0.51 367	0.36 354	0.35 312	0.55 385	0.39 371	0.38 373	0.39 382	0.15 353	0.20 378	0.15 349	0.14 344	0.23 376	0.20 376

MANE	0.45 386	0.27 376	0.27 323	0.27 364	0.24 378	0.47 380	0.31 382	0.55 392	0.59 378	0.72 396	1.13 414	1.15 407	0.61 396	0.52 390	0.37 378	0.21 379	0.20 378	0.27 381	0.31 391	0.25 384	0.24 383

GANetREF_RVC	0.31 367	0.34 387	0.27 323	0.35 384	0.16 346	0.32 353	0.41 392	0.48 382	0.51 367	0.35 352	0.35 312	0.34 334	0.33 358	0.39 376	0.32 367	0.27 390	0.20 378	0.29 387	0.15 355	0.18 368	0.17 368
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
FC-DCNN	0.33 372	0.27 376	0.28 328	0.26 353	0.23 377	0.37 372	0.28 361	0.40 360	0.43 339	0.45 378	0.55 374	0.51 380	0.40 374	0.37 372	0.30 359	0.21 379	0.20 378	0.27 381	0.26 382	0.25 384	0.24 383

LSM	0.33 372	0.20 354	0.58 382	0.26 353	0.60 408	0.34 362	0.25 343	0.42 370	0.48 353	0.45 378	0.58 382	0.42 362	0.36 366	0.35 363	0.25 327	0.12 319	0.20 378	0.14 341	0.16 357	0.19 371	0.33 396

ELAS_RVC	0.41 381	0.29 382	0.33 344	0.28 367	0.24 378	0.54 386	0.36 387	0.49 384	0.59 378	0.72 396	0.74 394	0.65 392	0.54 389	0.54 394	0.40 384	0.22 382	0.20 378	0.27 381	0.26 382	0.26 387	0.25 387
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 381	0.29 382	0.33 344	0.27 364	0.24 378	0.60 391	0.36 387	0.50 386	0.50 360	0.71 394	0.79 398	0.67 394	0.54 389	0.51 388	0.42 388	0.22 382	0.20 378	0.27 381	0.26 382	0.26 387	0.25 387
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FADE		0.33 386		0.33 381	0.25 384			0.64 399	1.07 406	0.43 375		0.42 362		0.70 402		0.30 391	0.21 387	0.41 395	0.38 395	0.23 376	0.22 380

PA-Net	0.23 328	0.18 346	0.33 344	0.28 367	0.22 375	0.21 287	0.38 391	0.29 265	0.39 319	0.22 270	0.32 291	0.25 269	0.26 321	0.20 268	0.25 327	0.09 242	0.23 388	0.15 349	0.22 375	0.09 254	0.13 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ACVNet_1	0.44 384	0.49 395	0.60 383	0.45 393	0.28 387	0.49 383	0.27 356	0.57 395	0.72 393	0.62 389	0.58 382	0.74 398	0.49 387	0.50 387	0.35 373	0.26 389	0.24 389	0.39 393	0.29 387	0.31 393	0.24 383

Anonymous_2	0.22 313	0.17 336	0.28 328	0.15 40	0.16 346	0.32 353	0.22 310	0.22 161	0.17 104	0.23 282	0.24 204	0.26 277	0.27 329	0.27 324	0.23 308	0.22 382	0.25 390	0.17 358	0.17 364	0.17 364	0.17 368

PASM	0.32 369	0.24 368	0.48 371	0.28 367	0.27 386	0.29 347	0.30 376	0.34 321	0.49 358	0.35 352	0.39 334	0.46 374	0.34 362	0.34 357	0.35 373	0.23 386	0.25 390	0.26 378	0.28 386	0.23 376	0.21 378

JetBlue	0.71 400	0.45 394	1.14 411	0.51 397	0.47 398	2.02 422	0.64 409	0.75 402	0.70 391	0.69 393	0.77 397	1.22 409	0.83 406	1.03 419	1.01 418	0.40 397	0.28 392	0.33 390	0.33 392	0.30 390	0.34 397

Ntro	0.40 379	0.40 392	0.53 375	0.46 396	0.30 391	0.65 394	0.24 329	0.46 380	0.68 390	0.41 369	0.49 365	0.48 378	0.42 381	0.39 376	0.31 366	0.32 393	0.28 392	0.37 392	0.30 389	0.32 394	0.29 391

otaku	0.39 376	0.37 390	0.52 374	0.44 392	0.28 387	0.58 388	0.24 329	0.41 365	0.62 383	0.40 365	0.49 365	0.46 374	0.33 358	0.40 380	0.32 367	0.30 391	0.30 394	0.39 393	0.33 392	0.29 389	0.28 390

NVStereoNet_ROB	0.46 389	0.36 389	0.46 369	0.41 390	0.28 387	0.34 362	0.34 385	0.48 382	0.60 381	0.72 396	0.93 403	0.70 397	0.66 399	0.47 385	0.60 402	0.22 382	0.33 395	0.34 391	0.34 394	0.30 390	0.30 393
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Consistency-Raft	0.44 384	0.40 392	0.45 366	0.37 387	0.43 396	0.46 378	0.41 392	0.57 395	0.55 370	0.32 346	0.73 392	0.33 328	0.48 386	0.42 383	0.49 395	0.39 396	0.35 396	0.45 396	0.51 404	0.42 396	0.29 391

MADNet+	0.75 403	0.71 406	3.70 423	0.66 402	0.41 394	0.98 413	0.97 420	0.69 401	0.73 396	0.52 383	0.57 380	0.64 390	0.68 401	0.86 411	1.01 418	0.34 395	0.36 397	0.28 386	0.23 379	0.36 395	0.31 394

ACVNet_2	0.66 399	0.66 404	0.68 395	0.63 401	0.41 394	0.71 399	0.49 399	0.96 411	1.39 415	0.89 406	1.09 410	1.04 403	0.73 402	0.54 394	0.47 393	0.43 400	0.40 398	0.53 402	0.44 398	0.47 397	0.35 398

IMH-64-1	0.65 397	0.61 400	0.68 395	0.71 403	0.51 399	0.59 389	0.49 399	0.91 407	0.85 400	0.74 400	1.02 407	0.81 399	0.78 404	0.79 404	0.49 395	0.42 398	0.46 399	0.71 405	0.47 399	0.52 399	0.39 399

IMH-64	0.65 397	0.61 400	0.68 395	0.71 403	0.51 399	0.59 389	0.49 399	0.91 407	0.85 400	0.74 400	1.02 407	0.81 399	0.78 404	0.79 404	0.49 395	0.42 398	0.46 399	0.71 405	0.47 399	0.52 399	0.39 399

TorneroNet-64	0.76 404	0.72 407	0.74 400	0.78 407	0.58 407	0.91 412	0.56 404	0.84 405	1.29 412	0.66 390	0.90 401	1.40 415	0.75 403	0.85 410	0.67 408	0.49 403	0.46 399	0.72 407	0.59 407	0.67 408	0.53 404

PWCK	0.71 400	0.94 416	0.95 408	0.76 405	0.31 392	0.74 401	0.36 387	0.90 406	0.90 403	0.96 409	0.75 396	0.95 402	0.61 396	0.87 412	0.66 405	0.72 412	0.46 399	0.75 408	0.49 401	0.69 411	0.44 403

SPS-STEREO	0.57 395	0.58 398	0.65 387	0.45 393	0.55 403	0.62 392	0.44 398	0.62 398	0.50 360	0.68 392	0.64 384	0.66 393	0.57 394	0.61 398	0.60 402	0.62 410	0.47 403	0.51 399	0.49 401	0.55 403	0.58 406
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 393	0.61 400	0.70 399	0.57 400	0.43 396	0.65 394	0.37 390	0.60 397	0.87 402	0.50 382	0.66 385	0.64 390	0.47 385	0.49 386	0.43 391	0.47 402	0.48 404	0.52 401	0.41 396	0.52 399	0.40 401

SGM+DAISY	0.56 394	0.57 397	0.65 387	0.40 388	0.54 401	0.66 396	0.49 399	0.56 393	0.45 350	0.66 390	0.69 388	0.67 394	0.56 393	0.63 399	0.56 400	0.59 408	0.48 404	0.50 398	0.50 403	0.52 399	0.58 406

WAO-6	0.81 406	0.80 410	0.62 385	0.86 412	0.63 410	0.76 405	0.58 406	0.98 413	1.54 420	0.90 407	0.96 406	1.07 405	1.03 414	0.70 402	0.66 405	0.72 412	0.49 406	0.90 415	0.71 413	0.68 409	0.58 406

TorneroNet	0.82 407	0.74 408	0.81 405	0.84 410	0.63 410	0.99 414	0.63 407	0.96 411	1.16 409	0.80 403	1.11 412	1.36 414	0.86 408	0.93 415	0.80 413	0.56 405	0.49 406	0.78 412	0.66 411	0.73 414	0.63 414

IMH	0.71 400	0.64 403	0.68 395	0.76 405	0.54 401	0.69 397	0.54 403	0.98 413	1.10 408	0.82 404	1.09 410	0.89 401	0.88 409	0.87 412	0.52 399	0.44 401	0.50 408	0.75 408	0.51 404	0.56 404	0.41 402

anonymity	0.53 392	0.58 398	0.65 387	0.41 390	0.61 409	0.53 385	0.41 392	0.56 393	0.41 328	0.55 386	0.50 369	0.49 379	0.55 392	0.58 397	0.50 398	0.58 407	0.50 408	0.51 399	0.51 404	0.51 398	0.57 405

DPSimNet_ROB	1.11 417	1.23 422	0.78 401	1.13 419	0.88 420	1.10 419	1.13 421	1.16 422	1.23 411	1.43 420	1.02 407	1.41 416	1.10 418	0.90 414	1.60 420	1.46 425	0.51 410	1.21 422	1.03 422	0.90 418	1.01 424

WAO-8	0.91 410	0.81 411	0.65 387	0.94 415	0.69 413	0.90 409	0.67 411	1.07 418	1.83 423	1.06 414	1.45 420	1.30 410	1.07 415	0.84 408	0.78 411	0.74 414	0.53 411	0.86 413	0.75 414	0.69 411	0.62 412

Venus	0.91 410	0.81 411	0.65 387	0.94 415	0.69 413	0.90 409	0.67 411	1.07 418	1.83 423	1.06 414	1.45 420	1.30 410	1.07 415	0.84 408	0.78 411	0.74 414	0.53 411	0.86 413	0.75 414	0.69 411	0.62 412

UNDER WATER	0.97 413	0.97 418	1.42 414	0.99 417	0.70 416	1.12 420	0.84 416	0.80 404	1.08 407	1.01 411	0.90 401	1.55 419	1.22 421	1.03 419	1.00 417	0.78 416	0.53 411	1.02 417	0.87 418	0.80 417	0.74 417

LVE	0.83 408	0.85 413	0.85 406	0.80 408	0.56 404	1.04 418	0.65 410	1.05 416	1.47 418	0.96 409	1.22 418	1.10 406	0.85 407	0.83 407	0.71 410	0.49 403	0.55 414	0.76 410	0.60 409	0.65 406	0.59 411

Dean	0.87 409	0.86 414	0.79 403	0.81 409	0.56 404	0.90 409	0.63 407	1.15 421	1.73 421	1.15 416	1.15 415	1.31 412	0.99 413	0.81 406	0.81 414	0.57 406	0.56 415	0.77 411	0.64 410	0.66 407	0.58 406

UNDER WATER-64	0.95 412	0.94 416	1.43 415	0.87 413	0.56 404	1.18 421	0.87 417	0.77 403	0.94 404	1.04 412	0.85 400	1.58 420	1.21 420	0.94 416	0.96 416	0.87 418	0.57 416	1.03 418	0.88 419	0.78 416	0.73 416

MFMNet_re	0.64 396	0.66 404	0.65 387	0.51 397	0.69 413	0.69 397	0.57 405	0.64 399	0.73 396	0.60 388	0.73 392	0.62 389	0.67 400	0.65 400	0.60 402	0.66 411	0.58 417	0.63 403	0.59 407	0.68 409	0.69 415

WAO-7	0.79 405	0.78 409	0.54 376	0.85 411	0.67 412	0.74 401	0.68 413	1.05 416	1.32 413	0.90 407	1.20 417	1.04 403	0.92 410	0.69 401	0.66 405	0.60 409	0.62 418	0.67 404	0.68 412	0.64 405	0.58 406

notaker	0.97 413	1.11 419	0.98 409	1.13 419	0.81 417	0.73 400	0.68 413	0.93 409	1.16 409	1.18 418	1.18 416	1.41 416	1.16 419	1.08 421	0.69 409	0.81 417	0.64 419	1.17 420	0.79 416	0.98 419	0.80 420

SPstereo	13.84 436	0.93 415	1.50 416	1.22 421	0.88 420	28.82 439	48.26 439	26.77 447	29.54 446	22.37 445	22.60 443	23.23 445	24.68 444	24.53 445	15.06 436	0.88 419	0.69 420	1.83 426	1.60 426	0.74 415	0.77 419

ktn	1.01 415	1.21 421	0.80 404	1.23 422	0.86 419	1.01 416	0.87 417	0.94 410	1.39 415	1.04 412	1.12 413	1.15 407	1.07 415	0.94 416	0.59 401	1.28 424	0.71 421	1.38 424	0.83 417	1.02 421	0.75 418

HanzoNet	1.29 418	1.26 423	1.19 412	1.12 418	0.85 418	1.02 417	0.83 415	1.03 415	1.48 419	1.64 421	1.61 422	2.50 425	1.72 422	1.61 423	1.61 421	1.26 423	0.80 422	1.31 423	1.01 421	1.02 421	0.86 421

KSHMR	1.09 416	1.17 420	0.88 407	1.25 423	1.00 422	0.99 414	0.96 419	1.13 420	1.37 414	1.16 417	1.29 419	1.41 416	0.96 412	1.01 418	0.92 415	1.03 421	1.08 423	1.20 421	1.03 422	1.01 420	0.97 422

ASD4	3.54 422	3.38 427	2.05 418	1.72 424	2.51 427	9.03 428	17.71 429	2.25 424	5.51 427	2.46 424	2.81 425	2.03 422	3.36 424	2.73 425	5.06 425	1.22 422	1.34 424	1.13 419	1.33 424	1.68 424	1.49 426

JetRed	1.62 419	1.46 424	2.98 419	0.92 414	1.21 423	4.99 424	1.53 424	1.27 423	1.39 415	1.83 422	1.74 423	1.60 421	0.95 411	1.41 422	2.45 424	0.90 420	1.60 425	0.93 416	0.90 420	1.35 423	0.99 423

MADNet++	1.95 420	1.75 425	1.59 417	1.82 425	1.69 425	2.33 423	1.40 423	2.35 425	2.09 425	2.57 425	2.36 424	2.24 424	2.17 423	2.28 424	2.34 423	1.87 426	1.66 426	1.54 425	1.34 425	1.92 425	1.77 427

PML	8.91 430	9.34 436	6.13 424	5.35 430	6.41 431	14.99 431	23.38 435	5.27 426	6.83 428	18.04 437	28.19 445	7.67 429	6.83 427	7.85 430	5.75 426	5.35 432	1.83 427	5.95 436	1.93 427	8.64 434	2.52 428

xxxxx1	7.79 424	5.02 430	7.31 426	3.12 427	3.85 428	16.35 432	22.88 430	5.86 430	8.69 429	7.97 429	8.54 426	9.12 431	8.27 428	10.18 431	10.92 428	2.42 427	2.45 428	3.56 430	12.37 434	3.77 427	3.06 429

tt_ll	7.79 424	5.02 430	7.31 426	3.12 427	3.85 428	16.35 432	22.88 430	5.86 430	8.69 429	7.97 429	8.54 426	9.12 431	8.27 428	10.18 431	10.92 428	2.42 427	2.45 428	3.56 430	12.37 434	3.77 427	3.06 429

ff	7.79 424	5.02 430	7.31 426	3.12 427	3.85 428	16.35 432	22.88 430	5.86 430	8.69 429	7.97 429	8.54 426	9.12 431	8.27 428	10.18 431	10.92 428	2.42 427	2.45 428	3.56 430	12.37 434	3.77 427	3.06 429

LRCNet_RVC	10.62 432	13.42 437	7.30 425	18.92 437	2.07 426	0.33 359	0.30 376	5.59 429	0.48 353	13.03 435	17.94 435	8.87 430	5.65 426	4.79 427	1.89 422	23.51 444	2.73 431	27.55 445	25.71 445	16.07 442	16.33 443

DPSMNet_ROB	8.06 428	4.48 428	8.63 432	5.37 432	10.74 434	8.32 426	22.98 434	5.46 427	13.36 434	5.12 427	9.92 429	5.08 427	10.40 431	5.53 429	12.58 431	3.80 431	8.00 432	3.50 428	7.02 431	3.83 430	7.14 433

DGTPSM_ROB	8.06 428	4.48 428	8.63 432	5.35 430	10.72 433	8.32 426	22.97 433	5.46 427	13.35 433	5.12 427	9.92 429	5.08 427	10.40 431	5.52 428	12.58 431	3.79 430	8.00 432	3.50 428	7.02 431	3.83 430	7.14 433

Anonymous_1	10.96 433	7.92 433	7.46 429	10.33 433	10.06 432	18.65 436	26.34 436	11.06 434	13.44 435	9.40 432	10.05 431	9.67 434	11.23 433	10.73 434	12.72 433	6.42 434	8.38 434	5.77 433	10.61 433	12.12 435	6.77 432

DPSM_ROB	11.15 434	8.58 434	8.00 430	10.88 434	11.58 435	19.10 437	26.71 437	12.05 435	14.07 436	10.36 433	10.84 432	10.33 435	11.86 434	11.70 435	13.54 434	6.99 435	8.79 435	5.89 434	6.95 429	7.29 432	7.42 435

DPSM	11.15 434	8.58 434	8.00 430	10.88 434	11.58 435	19.10 437	26.71 437	12.05 435	14.07 436	10.36 433	10.84 432	10.33 435	11.86 434	11.70 435	13.54 434	6.99 435	8.79 435	5.89 434	6.95 429	7.29 432	7.42 435

tt	4.67 423	0.06 22	3.55 422	2.02 426	1.55 424	10.25 429	16.71 428	8.91 433	5.03 426	1.31 419	0.94 404	4.71 426	4.76 425	3.33 426	5.87 427	6.06 433	10.30 437	1.88 427	2.11 428	2.75 426	1.21 425

HaxPig	15.71 437	18.52 444	19.18 440	16.89 436	15.89 438	7.73 425	7.60 425	13.31 437	10.82 432	15.42 436	14.91 434	15.98 437	14.92 436	15.58 437	15.98 437	18.95 443	16.73 438	19.46 443	18.08 443	19.26 443	19.05 444

LSM0	22.87 444	17.28 438	18.96 439	22.19 444	29.04 446	38.42 445	53.71 440	24.28 444	28.31 440	20.78 441	21.00 437	21.43 444	24.16 443	23.50 443	27.39 441	14.09 442	17.38 439	11.84 442	14.04 442	14.73 441	14.89 437

Selective-RAFT-Error	22.47 443	17.37 443	16.09 435	22.06 443	23.34 444	38.39 444	53.83 445	24.29 445	28.47 445	20.74 440	21.83 439	20.81 442	23.90 441	23.54 444	27.53 445	14.08 438	17.69 440	11.82 437	14.00 437	14.69 440	15.00 442

CasAABBNet	22.42 439	17.33 439	16.01 434	22.01 442	23.28 443	38.32 440	53.80 444	24.14 440	28.41 441	20.60 439	21.77 438	20.89 443	23.91 442	23.43 439	27.36 440	14.07 437	17.69 440	11.83 441	14.01 438	14.67 439	14.95 441

MyStereo03	22.45 440	17.33 439	16.21 436	21.95 439	23.27 440	38.32 440	53.79 441	24.21 441	28.46 442	20.87 442	21.85 440	20.80 439	23.87 438	23.46 440	27.40 442	14.08 438	17.71 442	11.82 437	14.03 439	14.65 436	14.89 437

MyStereo02	22.45 440	17.33 439	16.21 436	21.95 439	23.27 440	38.32 440	53.79 441	24.21 441	28.46 442	20.87 442	21.85 440	20.80 439	23.87 438	23.46 440	27.40 442	14.08 438	17.71 442	11.82 437	14.03 439	14.65 436	14.89 437

MyStereo	22.45 440	17.33 439	16.21 436	21.95 439	23.27 440	38.32 440	53.79 441	24.21 441	28.46 442	20.87 442	21.85 440	20.80 439	23.87 438	23.46 440	27.40 442	14.08 438	17.71 442	11.82 437	14.03 439	14.65 436	14.89 437

MEDIAN_ROB	20.38 438	24.04 445	23.31 442	21.23 438	21.71 439	10.40 430	7.92 426	17.64 438	15.50 438	20.12 438	19.70 436	20.34 438	20.32 437	21.19 438	21.13 438	23.81 445	21.81 445	24.98 444	23.76 444	24.71 444	23.93 445

AVERAGE_ROB	24.90 445	29.20 446	28.14 443	24.89 445	24.64 445	17.75 435	11.12 427	21.45 439	19.93 439	25.12 446	24.46 444	25.12 446	25.46 445	24.69 446	22.83 439	29.76 446	27.13 446	28.97 446	27.95 446	29.91 445	29.47 446

test_example2	98.32 446	94.13 447	45.89 444	96.35 446	109.85 447	88.61 446	95.45 446	25.75 446	94.37 447	130.00 447	126.06 446	58.17 447	74.63 446	88.51 447	79.96 446	150.23 447	221.02 447	77.62 447	99.10 447	113.75 447	96.94 447

Low-res two-view benchmark