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

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

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

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

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

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

CREStereo++_RVC	0.32 32	0.15 4	0.23 1	0.31 7	0.24 90	0.27 26	0.22 8	0.46 9	0.88 218	0.46 51	0.80 129	0.30 6	0.26 20	0.36 6	0.33 91	0.13 13	0.09 2	0.13 11	0.51 381	0.13 21	0.09 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.36 70	0.15 4	0.24 4	0.34 12	0.15 1	0.77 263	0.29 62	0.80 171	0.83 190	0.56 74	0.57 59	0.43 60	0.40 114	0.57 95	0.33 91	0.12 4	0.10 9	0.14 19	0.09 7	0.14 48	0.09 1

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

CREStereo	0.28 11	0.15 4	0.24 4	0.27 1	0.17 4	0.37 90	0.25 35	0.51 19	0.72 136	0.42 41	0.51 41	0.32 12	0.26 20	0.38 13	0.25 11	0.16 115	0.11 59	0.12 2	0.08 1	0.12 9	0.11 10
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
Any-RAFT	0.35 52	0.16 10	0.30 13	0.34 12	0.21 31	0.52 155	0.22 8	0.88 197	0.73 143	0.53 68	0.73 94	0.64 151	0.28 36	0.46 40	0.24 7	0.15 81	0.10 9	0.13 11	0.10 11	0.13 21	0.12 35

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

EGLCR-Stereo	0.25 3	0.16 10	0.33 23	0.34 12	0.20 22	0.35 82	0.20 1	0.52 22	0.36 23	0.28 4	0.27 4	0.41 48	0.18 1	0.45 33	0.26 28	0.14 33	0.10 9	0.16 64	0.14 76	0.13 21	0.11 10

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

test_4	0.36 70	0.18 37	0.31 15	0.44 209	0.25 116	0.20 1	0.34 124	0.56 32	0.41 44	0.59 79	1.45 337	0.43 60	0.25 14	0.63 155	0.28 47	0.12 4	0.10 9	0.17 89	0.19 215	0.15 81	0.11 10

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

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

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

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

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

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

RAFT-Stereo	0.39 114	0.18 37	0.42 106	0.42 176	0.26 153	0.40 108	0.32 108	0.72 137	0.34 11	0.89 252	1.28 306	0.57 106	0.35 81	0.42 23	0.32 79	0.15 81	0.12 101	0.14 19	0.12 32	0.14 48	0.13 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MGS-Stereo	0.28 11	0.19 52	0.40 82	0.36 38	0.23 72	0.37 90	0.30 75	0.39 2	0.44 54	0.31 9	0.51 41	0.40 45	0.24 12	0.43 26	0.26 28	0.15 81	0.12 101	0.15 45	0.13 53	0.14 48	0.13 60

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Prome-Stereo	0.46 171	0.19 52	0.35 33	0.44 209	0.26 153	0.40 108	0.45 245	0.68 105	0.44 54	0.96 284	1.84 363	0.59 128	0.67 249	0.61 139	0.32 79	0.14 33	0.11 59	0.16 64	0.14 76	0.16 112	0.29 300

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

raft+_RVC	0.38 100	0.19 52	0.35 33	0.37 47	0.25 116	0.45 137	0.37 171	0.78 165	0.89 228	0.51 62	0.78 118	0.50 83	0.29 46	0.53 72	0.40 163	0.15 81	0.12 101	0.17 89	0.15 98	0.14 48	0.12 35

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

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

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

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

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

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

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

CASnet	0.30 28	0.20 74	0.33 23	0.41 139	0.16 3	0.26 18	0.24 28	0.52 22	0.53 73	0.52 65	0.54 51	0.39 42	0.24 12	0.40 18	0.26 28	0.14 33	0.10 9	0.22 236	0.18 190	0.18 163	0.11 10
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
HH	0.35 52	0.20 74	0.47 162	0.40 114	0.25 116	0.33 71	0.31 92	0.76 157	0.38 37	0.43 44	0.57 59	0.79 223	0.44 136	0.71 203	0.25 11	0.15 81	0.11 59	0.15 45	0.14 76	0.14 48	0.12 35

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

anonymousdsp2	0.35 52	0.20 74	0.43 115	0.37 47	0.24 90	0.48 143	0.31 92	0.86 185	0.65 114	0.55 72	0.50 36	0.50 83	0.34 79	0.56 85	0.31 71	0.14 33	0.10 9	0.14 19	0.10 11	0.16 112	0.14 92

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

anonymousa	0.49 205	0.20 74	0.42 106	0.38 69	0.23 72	0.91 298	0.35 141	0.75 152	0.62 92	0.85 228	1.54 345	1.06 298	0.66 246	0.51 61	0.43 175	0.16 115	0.13 156	0.19 160	0.21 255	0.16 112	0.14 92

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

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

tt	6.20 418	0.20 74	5.89 410	3.55 422	2.07 411	11.26 423	19.21 424	11.74 426	5.46 412	2.69 399	2.04 372	4.87 411	6.25 418	3.70 409	7.09 415	8.32 427	11.17 432	4.93 423	5.41 426	5.74 425	2.37 419

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

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

LCNet	0.41 137	0.20 74	0.32 20	0.44 209	0.24 90	0.47 141	0.29 62	0.67 96	0.53 73	0.72 158	1.03 238	0.66 166	0.60 209	0.58 112	0.34 101	0.14 33	0.10 9	0.19 160	0.19 215	0.21 228	0.36 332

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

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

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

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

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

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

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

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

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

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

KYRaft	0.48 189	0.20 74	0.38 58	0.44 209	0.23 72	0.44 132	0.37 171	0.66 86	0.41 44	0.94 276	1.73 356	0.79 223	0.41 120	0.63 155	0.31 71	0.16 115	0.11 59	0.18 123	0.22 270	0.16 112	0.78 387

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

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

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

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

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

MyStereo06	0.38 100	0.21 106	0.61 247	0.41 139	0.28 197	0.41 121	0.50 269	0.95 221	0.35 18	0.62 89	0.54 51	0.76 215	0.27 27	0.50 57	0.29 59	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.15 111

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

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

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

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

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

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

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

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

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

IGEV-Stereo	0.29 16	0.21 106	0.38 58	0.37 47	0.25 116	0.30 47	0.35 141	0.63 66	0.35 18	0.39 32	0.33 11	0.33 20	0.28 36	0.59 126	0.25 11	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.45 165	0.21 106	0.48 178	0.42 176	0.28 197	0.31 57	0.54 293	0.63 66	0.62 92	0.62 89	0.89 176	1.01 284	0.69 259	0.75 224	0.66 261	0.13 13	0.12 101	0.17 89	0.15 98	0.14 48	0.15 111

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

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

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	0.39 114	0.21 106	0.50 200	0.41 139	0.28 197	0.62 214	0.27 48	0.77 160	0.40 41	0.64 105	0.86 161	0.52 88	0.33 73	0.66 174	0.42 170	0.15 81	0.13 156	0.17 89	0.14 76	0.15 81	0.15 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
iResNet_ROB	0.52 234	0.21 106	0.53 218	0.37 47	0.21 31	0.61 207	0.29 62	1.51 373	1.32 351	0.90 259	1.02 234	0.80 231	0.62 219	0.76 227	0.43 175	0.16 115	0.12 101	0.13 11	0.09 7	0.15 81	0.18 183

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

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

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

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

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

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

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

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

CroCo-Stereo	0.26 5	0.22 133	0.36 38	0.48 263	0.22 44	0.20 1	0.29 62	0.51 19	0.44 54	0.28 4	0.23 1	0.42 54	0.26 20	0.29 1	0.26 28	0.15 81	0.13 156	0.13 11	0.11 18	0.16 112	0.12 35
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
RAFT	0.45 165	0.22 133	0.45 136	0.47 258	0.26 153	0.54 165	0.47 253	0.66 86	0.58 87	0.80 191	0.82 139	0.94 268	0.57 192	0.75 224	0.34 101	0.17 148	0.15 208	0.22 236	0.20 237	0.16 112	0.12 35

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

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

FENet	0.42 143	0.22 133	0.38 58	0.39 90	0.24 90	0.55 170	0.32 108	0.79 167	0.70 125	0.71 147	0.72 90	0.63 144	0.57 192	0.62 145	0.44 188	0.19 205	0.13 156	0.19 160	0.17 167	0.18 163	0.19 211

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

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

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

HSM-Net_RVC	0.53 237	0.22 133	0.35 33	0.37 47	0.21 31	0.85 292	0.37 171	1.23 320	0.93 245	0.90 259	1.15 280	1.26 325	0.63 225	0.72 208	0.48 212	0.17 148	0.13 156	0.16 64	0.15 98	0.17 145	0.15 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DispNO	0.47 181	0.23 150	0.71 293	0.39 90	0.31 247	0.60 205	0.38 191	0.89 199	0.77 163	0.75 173	0.84 149	0.72 192	0.54 182	0.73 213	0.46 204	0.19 205	0.14 183	0.20 184	0.18 190	0.16 112	0.17 168

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

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

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

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

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

xx1	0.39 114	0.23 150	0.33 23	0.41 139	0.22 44	0.55 170	0.38 191	0.67 96	1.06 305	0.41 36	0.50 36	0.65 161	0.53 171	0.57 95	0.25 11	0.16 115	0.10 9	0.20 184	0.19 215	0.18 163	0.17 168

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CAS++	0.32 32	0.24 186	0.36 38	0.37 47	0.26 153	0.28 35	0.23 19	0.87 192	0.50 65	0.47 54	0.45 23	0.26 2	0.21 5	0.49 53	0.24 7	0.23 264	0.19 274	0.22 236	0.17 167	0.21 228	0.16 150
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
tt1	0.36 70	0.24 186	0.32 20	0.41 139	0.22 44	0.54 165	0.38 191	0.68 105	1.04 293	0.41 36	0.46 27	0.35 30	0.45 140	0.57 95	0.25 11	0.16 115	0.10 9	0.19 160	0.13 53	0.16 112	0.16 150

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

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

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

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

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

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

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

CFNet_pseudo	0.46 171	0.24 186	0.52 212	0.37 47	0.27 178	0.58 191	0.30 75	0.86 185	0.88 218	0.82 208	1.03 238	0.75 209	0.47 146	0.58 112	0.44 188	0.17 148	0.12 101	0.24 265	0.16 127	0.24 264	0.19 211

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

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

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

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

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

ccs_rob	0.46 171	0.24 186	0.52 212	0.37 47	0.27 178	0.58 191	0.31 92	0.86 185	0.88 218	0.82 208	1.02 234	0.75 209	0.47 146	0.58 112	0.44 188	0.17 148	0.12 101	0.24 265	0.16 127	0.24 264	0.19 211

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

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

LE_ROB	4.42 414	0.24 186	2.75 398	0.42 176	0.23 72	1.57 373	0.90 364	1.71 387	17.88 430	16.56 432	4.88 415	5.17 412	18.85 431	1.63 373	14.62 422	0.17 148	0.14 183	0.16 64	0.16 127	0.19 197	0.17 168

ttt	0.51 225	0.25 205	0.43 115	0.38 69	0.24 90	0.65 234	0.38 191	1.18 300	1.05 298	0.72 158	1.08 258	0.63 144	0.49 153	0.84 259	0.59 247	0.24 274	0.21 290	0.22 236	0.20 237	0.24 264	0.24 270

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

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

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

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

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

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

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

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

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

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

ICVP	0.46 171	0.25 205	0.38 58	0.48 263	0.28 197	0.58 191	0.43 237	1.00 235	0.70 125	0.67 124	0.95 197	0.75 209	0.55 185	0.53 72	0.54 236	0.23 264	0.17 249	0.19 160	0.17 167	0.19 197	0.20 231
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.55 248	0.25 205	0.61 247	0.43 194	0.34 276	1.07 328	0.39 211	0.87 192	0.91 235	0.91 264	0.93 189	0.86 243	0.76 285	0.81 245	0.76 283	0.15 81	0.14 183	0.18 123	0.19 215	0.20 210	0.16 150

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

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

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

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

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

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

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

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

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

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

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

UCFNet_RVC	0.49 205	0.26 219	0.35 33	0.39 90	0.26 153	0.64 229	0.36 159	1.15 289	0.84 193	0.67 124	0.88 172	0.88 253	0.59 205	0.58 112	0.45 194	0.24 274	0.17 249	0.27 302	0.27 318	0.25 272	0.23 264

HITNet	0.41 137	0.26 219	0.45 136	0.33 11	0.17 4	0.63 223	0.30 75	0.93 211	0.64 109	0.71 147	0.82 139	0.64 151	0.52 168	0.59 126	0.43 175	0.14 33	0.10 9	0.15 45	0.13 53	0.19 197	0.12 35
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
DISCO	0.70 297	0.26 219	0.68 280	0.44 209	0.31 247	1.14 339	0.51 283	1.23 320	1.23 337	0.81 199	1.05 246	1.50 359	0.85 311	1.82 382	1.03 340	0.19 205	0.15 208	0.18 123	0.16 127	0.24 264	0.23 264

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

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

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

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

CASS	0.45 165	0.27 233	0.42 106	0.48 263	0.22 44	0.61 207	0.34 124	0.97 227	0.62 92	0.71 147	0.85 158	0.61 137	0.55 185	0.57 95	0.41 166	0.29 313	0.16 235	0.22 236	0.18 190	0.22 245	0.28 294
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.49 205	0.27 233	0.75 304	0.40 114	0.27 178	0.64 229	0.49 265	0.84 179	0.77 163	0.60 83	0.83 144	0.88 253	0.66 246	0.70 198	0.56 242	0.16 115	0.17 249	0.21 224	0.20 237	0.21 228	0.19 211

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

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

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

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

Anonymous	0.39 114	0.27 233	0.66 273	0.53 320	0.43 325	0.55 170	0.49 265	0.63 66	0.50 65	0.37 20	0.42 22	0.33 20	0.42 121	0.56 85	0.38 152	0.20 227	0.19 274	0.17 89	0.18 190	0.30 300	0.24 270

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

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

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

MDST_ROB	0.91 340	0.27 233	0.85 319	0.63 353	0.41 314	2.53 392	0.71 342	1.60 380	1.13 322	2.83 402	1.73 356	0.97 274	0.69 259	1.61 370	0.73 278	0.25 284	0.22 296	0.32 330	0.28 323	0.25 272	0.24 270

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

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

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

pcwnet_v2	0.58 270	0.28 247	0.84 318	0.45 230	0.35 282	0.61 207	0.35 141	1.27 333	1.21 334	0.99 296	1.27 304	0.72 192	0.58 199	0.67 184	0.48 212	0.27 301	0.21 290	0.24 265	0.23 281	0.29 291	0.29 300

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

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

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

SGM_RVC	0.97 345	0.28 247	0.41 87	0.39 90	0.22 44	1.55 371	0.73 344	1.51 373	1.25 343	2.25 392	1.92 366	2.58 389	1.56 378	2.02 389	1.19 355	0.27 301	0.27 331	0.27 302	0.25 303	0.25 272	0.25 276
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
NINENet	0.50 218	0.29 255	0.51 207	0.45 230	0.32 260	0.70 247	0.34 124	1.10 270	0.88 218	0.80 191	0.94 190	0.65 161	0.49 153	0.73 213	0.51 223	0.22 259	0.20 283	0.25 276	0.18 190	0.22 245	0.21 244

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

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

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

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

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

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

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

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

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

NVstereo2D	0.60 280	0.30 261	0.75 304	0.48 263	0.43 325	0.89 297	0.48 259	1.05 257	1.15 325	0.66 123	0.86 161	0.88 253	0.70 269	0.99 304	0.65 259	0.32 334	0.15 208	0.28 309	0.20 237	0.40 339	0.36 332

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

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

BEATNet_4x	0.46 171	0.32 268	0.56 232	0.37 47	0.19 11	0.63 223	0.35 141	1.01 242	0.72 136	0.77 184	0.83 144	0.70 178	0.59 205	0.68 192	0.53 233	0.16 115	0.12 101	0.16 64	0.14 76	0.24 264	0.16 150

NLCA_NET_v2_RVC	0.53 237	0.32 268	0.64 263	0.44 209	0.30 230	0.66 237	0.44 243	1.04 252	0.88 218	0.91 264	0.91 182	0.99 278	0.60 209	0.68 192	0.60 250	0.21 241	0.17 249	0.22 236	0.22 270	0.21 228	0.21 244
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	0.57 264	0.32 268	0.54 221	0.45 230	0.27 178	0.57 189	0.48 259	1.00 235	1.28 347	0.86 233	1.33 314	0.87 248	0.58 199	1.07 320	0.75 282	0.18 176	0.12 101	0.15 45	0.13 53	0.18 163	0.18 183

AdaStereo	0.50 218	0.32 268	0.47 162	0.48 263	0.25 116	0.67 241	0.32 108	1.17 297	0.88 218	0.75 173	0.99 221	0.75 209	0.49 153	0.67 184	0.46 204	0.27 301	0.12 101	0.28 309	0.18 190	0.23 254	0.18 183
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
SGM-ForestM	4.04 412	0.32 268	0.46 152	0.43 194	0.27 178	7.50 419	1.45 402	3.84 412	4.24 411	8.19 423	6.76 419	19.00 430	9.08 419	10.74 424	6.62 413	0.31 322	0.33 360	0.32 330	0.32 342	0.29 291	0.29 300

StereoDRNet-Refined	0.58 270	0.32 268	0.54 221	0.46 249	0.30 230	0.96 309	0.40 217	1.00 235	0.94 252	1.12 334	1.08 258	0.96 272	0.67 249	0.90 279	0.89 320	0.17 148	0.13 156	0.22 236	0.21 255	0.20 210	0.19 211
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.66 289	0.32 268	0.66 273	0.50 292	0.39 302	1.15 341	0.61 315	1.49 369	1.01 281	1.12 334	1.08 258	1.06 298	0.69 259	0.77 234	0.94 326	0.23 264	0.17 249	0.26 290	0.25 303	0.25 272	0.21 244

SGM-Forest	0.62 283	0.32 268	0.39 75	0.43 194	0.30 230	1.02 319	0.55 297	1.09 269	1.05 298	1.06 322	1.18 289	1.10 309	0.67 249	0.88 272	0.62 253	0.31 322	0.33 360	0.33 335	0.30 329	0.30 300	0.28 294
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FAT-Stereo	0.73 307	0.33 276	0.75 304	0.49 278	0.37 289	0.71 252	0.59 308	1.36 352	1.30 349	1.03 316	1.40 326	1.59 368	1.15 353	0.87 269	0.86 302	0.28 307	0.28 333	0.28 309	0.23 281	0.28 288	0.38 344

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

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

CVANet_RVC	0.57 264	0.33 276	0.44 125	0.47 258	0.32 260	0.67 241	0.61 315	1.05 257	0.93 245	0.85 228	1.04 242	1.01 284	0.73 278	0.83 254	0.52 230	0.29 313	0.19 274	0.27 302	0.25 303	0.31 305	0.21 244

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

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

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

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

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

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

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

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

XPNet_ROB	0.70 297	0.35 285	0.68 280	0.52 315	0.40 307	0.79 270	0.85 360	1.16 292	0.94 252	1.33 355	1.15 280	1.38 347	0.83 308	1.03 314	0.90 322	0.32 334	0.25 321	0.26 290	0.24 294	0.31 305	0.28 294

CBMV	0.64 285	0.35 285	0.41 87	0.42 176	0.25 116	1.01 317	0.77 348	1.13 280	1.09 316	1.17 339	1.22 295	1.04 293	0.75 282	0.88 272	0.63 256	0.28 307	0.30 341	0.34 337	0.30 329	0.26 276	0.26 280
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
GwcNet	0.69 295	0.36 290	1.10 343	0.51 304	0.42 320	1.08 332	0.50 269	1.21 308	1.16 326	1.00 301	1.37 320	1.06 298	0.79 296	0.92 289	0.94 326	0.25 284	0.24 313	0.24 265	0.22 270	0.23 254	0.26 280

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

WCMA_ROB	1.14 362	0.36 290	0.76 309	0.49 278	0.44 332	1.23 351	0.67 324	1.11 275	1.23 337	2.84 403	3.95 408	3.28 399	1.83 389	1.25 342	0.99 336	0.44 365	0.34 362	0.34 337	0.37 351	0.41 345	0.40 349

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

GMStereo	0.39 114	0.37 293	0.54 221	0.40 114	0.26 153	0.42 126	0.36 159	0.59 41	1.04 293	0.55 72	0.51 41	0.37 37	0.35 81	0.54 75	0.41 166	0.19 205	0.13 156	0.16 64	0.17 167	0.24 264	0.18 183
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
APVNet	0.71 301	0.37 293	0.89 327	0.56 332	0.45 336	1.18 346	0.68 329	1.41 360	0.85 200	0.81 199	1.15 280	1.04 293	0.81 300	1.10 325	1.17 353	0.26 294	0.28 333	0.32 330	0.31 336	0.29 291	0.30 307

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

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

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

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

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

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

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

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

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

ADCL	1.04 353	0.38 302	1.35 370	0.50 292	0.39 302	1.61 375	0.89 362	1.29 336	1.39 357	1.29 352	1.50 341	1.24 324	1.24 362	1.37 360	4.87 407	0.21 241	0.19 274	0.25 276	0.25 303	0.29 291	0.27 287

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

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

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

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

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

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

Abc-Net	0.78 315	0.40 310	0.76 309	0.61 349	0.67 373	0.81 278	0.69 333	1.54 377	1.11 318	0.90 259	1.36 317	1.33 339	1.16 354	1.19 334	0.88 309	0.31 322	0.30 341	0.37 346	0.48 374	0.33 315	0.33 321
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCCL2	0.72 305	0.41 313	0.65 268	0.64 354	0.44 332	0.98 314	1.20 383	1.11 275	1.00 277	0.98 293	0.96 201	1.49 358	0.87 316	0.90 279	0.79 288	0.31 322	0.26 327	0.39 351	0.39 358	0.32 310	0.32 317

SANet	1.07 358	0.41 313	1.06 340	0.48 263	0.30 230	1.41 362	0.94 366	1.42 361	3.36 405	1.58 364	2.43 379	2.33 385	1.70 384	1.34 354	1.07 345	0.28 307	0.24 313	0.26 290	0.23 281	0.34 322	0.30 307

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

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

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

PA-Net	0.67 290	0.43 317	0.83 317	0.50 292	0.53 354	0.94 303	0.68 329	1.10 270	1.14 324	0.80 191	0.88 172	0.87 248	0.77 289	1.02 312	0.88 309	0.24 274	0.41 376	0.29 317	0.44 368	0.26 276	0.34 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LALA_ROB	0.74 308	0.43 317	0.69 286	0.54 326	0.40 307	1.01 317	0.95 367	1.21 308	1.07 311	1.22 346	1.12 267	1.56 365	0.79 296	1.04 316	0.86 302	0.33 340	0.22 296	0.35 339	0.30 329	0.35 326	0.31 313

MeshStereo	1.34 374	0.43 317	0.54 221	0.44 209	0.34 276	1.66 377	0.60 310	1.94 389	1.37 354	4.47 416	3.25 394	4.71 407	1.94 392	1.92 385	1.17 353	0.35 350	0.35 364	0.37 346	0.31 336	0.32 310	0.32 317
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
GMStereo_Zeroshot	0.49 205	0.44 321	0.74 301	0.49 278	0.27 178	0.56 185	0.29 62	0.73 144	0.76 156	0.86 233	0.94 190	0.91 263	0.36 91	0.74 220	0.43 175	0.26 294	0.14 183	0.26 290	0.15 98	0.36 330	0.18 183

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

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

NaN_ROB	0.69 295	0.44 321	0.69 286	0.51 304	0.33 269	0.97 310	1.06 375	1.22 316	1.19 331	1.24 349	0.96 201	1.08 305	0.78 294	1.20 336	0.67 264	0.24 274	0.30 341	0.23 251	0.24 294	0.23 254	0.25 276

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

DANet	0.71 301	0.45 325	0.91 328	0.59 342	0.40 307	0.81 278	0.40 217	0.97 227	0.84 193	1.20 344	1.22 295	1.33 339	0.88 319	1.16 331	1.24 358	0.27 301	0.23 306	0.31 325	0.25 303	0.35 326	0.32 317
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
G-Net	0.95 344	0.46 327	1.04 338	0.64 354	0.48 344	2.12 388	0.64 320	1.01 242	0.87 214	1.75 375	2.82 392	1.30 331	1.64 383	1.06 317	0.96 331	0.36 353	0.29 338	0.35 339	0.25 303	0.45 354	0.42 354

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

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

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

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

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

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

PWCDC_ROB	0.89 336	0.49 331	0.80 316	0.74 376	0.40 307	1.03 322	0.39 211	1.33 344	2.35 393	1.02 308	3.77 402	0.81 233	0.92 325	1.20 336	0.90 322	0.34 346	0.22 296	0.24 265	0.20 237	0.34 322	0.29 300

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

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

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

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

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

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

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

MANE	4.13 413	0.51 338	0.64 263	0.66 362	0.56 361	6.89 418	0.99 371	7.55 421	12.04 419	6.68 421	8.57 422	10.69 423	9.45 420	7.59 421	6.39 412	0.49 372	0.43 381	0.48 368	0.98 401	0.49 361	0.48 371

FC-DCNN	1.59 385	0.51 338	0.66 273	0.61 349	0.49 346	1.56 372	0.70 338	1.66 384	1.53 368	4.64 417	4.62 414	5.85 414	3.34 411	1.84 383	1.11 348	0.46 367	0.42 378	0.47 365	0.46 369	0.48 360	0.46 365

ADCMid	1.14 362	0.52 344	2.23 395	0.53 320	0.43 325	1.07 328	0.75 346	1.23 320	1.05 298	2.15 389	1.44 334	1.50 359	1.43 373	1.56 367	5.01 408	0.26 294	0.24 313	0.29 317	0.31 336	0.37 332	0.33 321

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

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

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

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

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

DGSMNet	0.76 311	0.55 350	1.29 365	0.58 339	0.62 370	0.94 303	0.70 338	1.26 331	1.11 318	0.83 220	1.24 300	1.00 281	0.71 273	1.03 314	0.81 293	0.34 346	0.29 338	0.41 355	0.40 361	0.57 375	0.55 380

FCDSN-DC	1.39 379	0.56 351	0.65 268	0.74 376	0.59 368	1.38 359	0.63 317	1.35 349	1.39 357	3.26 410	4.50 413	4.61 405	2.63 403	1.58 369	1.03 340	0.46 367	0.42 378	0.48 368	0.47 372	0.50 363	0.50 375
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
aanetorigin	0.83 329	0.56 351	1.87 389	0.49 278	0.38 297	0.56 185	0.66 322	0.70 128	1.00 277	2.42 395	2.02 370	1.31 332	1.18 357	0.93 294	1.13 352	0.20 227	0.18 260	0.20 184	0.19 215	0.27 286	0.30 307

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

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

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

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

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

STTRV1_RVC	0.82 323	0.59 355	1.16 349	0.67 365	0.81 378	1.11 334	0.63 317	1.30 339	1.11 318	0.98 293	1.33 314	1.08 305	0.95 334	1.26 343	0.87 306	0.55 381	0.25 321	0.43 357	0.39 358	0.58 378	0.40 349

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

ELAS_RVC	1.60 386	0.61 359	1.01 337	0.70 372	0.56 361	2.00 387	1.89 412	1.96 390	2.65 396	3.33 411	3.26 395	3.03 393	3.41 412	2.49 399	2.09 383	0.52 376	0.45 384	0.50 373	0.48 374	0.54 371	0.52 377
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.63 388	0.61 359	0.95 330	0.68 369	0.55 358	3.01 406	1.55 403	2.39 397	2.33 392	3.64 413	3.89 406	2.75 391	2.90 407	2.15 393	2.27 390	0.52 376	0.45 384	0.50 373	0.48 374	0.54 371	0.52 377
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C32	1.16 366	0.62 362	2.40 396	0.57 337	0.55 358	1.41 362	1.34 395	1.18 300	1.24 339	1.49 360	1.42 329	1.39 348	1.20 361	1.55 365	4.82 406	0.29 313	0.28 333	0.29 317	0.34 347	0.38 336	0.42 354

PASM	0.90 339	0.64 363	1.69 383	0.69 371	0.69 376	0.78 267	0.84 357	1.03 249	1.26 346	1.19 341	1.15 280	1.31 332	0.98 338	1.24 341	1.03 340	0.52 376	0.56 390	0.59 381	0.66 388	0.56 373	0.54 379

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

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

PVD	1.28 373	0.67 366	1.28 363	0.74 376	0.62 370	1.50 368	0.84 357	1.99 391	2.96 399	2.18 390	2.36 378	1.85 375	1.95 393	1.92 385	1.94 379	0.39 359	0.36 366	0.49 371	0.37 351	0.51 364	0.64 382

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

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

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

GANetREF_RVC	0.80 319	0.75 370	0.86 324	0.66 362	0.42 320	1.15 341	0.98 369	1.14 286	1.19 331	1.01 306	1.02 234	1.10 309	0.90 321	1.15 330	0.76 283	0.48 370	0.39 373	0.57 378	0.38 354	0.63 381	0.46 365
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
UDGNet	0.48 189	0.77 371	0.50 200	0.48 263	0.31 247	0.41 121	0.34 124	0.70 128	0.92 240	0.65 112	0.60 65	0.58 114	0.43 128	0.63 155	0.41 166	0.32 334	0.15 208	0.66 382	0.19 215	0.36 330	0.21 244

LSM	4.74 416	0.77 371	10.16 416	0.70 372	56.56 440	1.02 319	1.00 373	1.24 327	1.62 376	2.04 385	2.34 376	1.33 339	1.17 356	1.38 361	1.09 347	0.33 340	0.49 387	0.39 351	0.46 369	0.51 364	10.09 427

EDNetEfficient	1.46 381	0.80 373	6.12 411	0.47 258	0.39 302	0.69 245	0.83 354	0.90 204	2.77 398	3.50 412	1.96 368	1.66 369	2.03 395	1.26 343	4.18 404	0.21 241	0.18 260	0.21 224	0.20 237	0.41 345	0.39 346

Consistency-Raft	1.01 348	0.81 374	1.24 361	0.84 379	0.97 386	0.81 278	0.84 357	1.30 339	1.59 372	1.05 319	1.68 355	1.12 313	0.91 322	0.92 289	1.11 348	0.65 384	0.74 397	0.79 385	0.90 397	1.06 392	0.79 389

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

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

UDG	0.88 334	0.82 377	0.67 277	1.00 386	0.96 385	1.02 319	0.57 305	1.13 280	0.99 270	0.90 259	0.97 215	1.31 332	0.99 339	0.85 266	0.84 297	0.54 380	0.32 354	1.77 397	0.40 361	0.94 387	0.66 384

BEATNet-Init1	15.13 425	0.82 377	50.86 442	0.72 375	0.53 354	38.10 436	7.03 422	11.83 427	14.25 424	29.78 441	30.17 440	48.21 444	22.64 433	26.78 435	18.11 424	0.42 364	0.38 369	0.47 365	0.46 369	0.51 364	0.48 371

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

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

NVStereoNet_ROB	1.24 371	0.90 381	1.13 347	0.86 380	0.88 380	1.11 334	0.99 371	1.42 361	1.53 368	1.59 366	2.48 380	2.24 382	1.53 375	1.96 388	1.30 363	0.76 389	0.70 394	0.78 384	1.00 402	0.71 383	0.88 392
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	1.04 353	0.93 382	0.88 326	1.33 396	1.05 393	1.66 377	0.70 338	1.40 359	1.18 329	1.08 328	1.32 313	1.33 339	0.91 322	1.23 340	0.76 283	0.72 387	0.46 386	1.24 392	0.50 379	1.40 395	0.75 385

SPS-STEREO	1.25 372	0.93 382	1.06 340	1.04 388	1.03 391	1.41 362	0.91 365	1.51 373	1.19 331	2.09 387	1.83 362	1.94 377	1.39 370	1.62 371	1.39 366	0.97 395	0.94 411	0.90 387	0.89 396	0.96 389	0.96 397
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	1.35 376	0.94 384	1.25 362	0.96 383	1.00 390	1.52 370	1.02 374	1.34 346	1.21 334	2.64 398	2.65 387	2.44 386	1.56 378	1.64 374	1.26 360	0.97 395	0.95 412	0.90 387	0.90 397	0.94 387	0.96 397

RTS	1.98 394	0.96 385	11.36 418	0.65 359	0.57 365	2.77 398	1.40 398	1.39 356	2.26 388	1.89 380	2.56 382	1.32 337	1.25 363	5.20 414	4.05 402	0.31 322	0.22 296	0.29 317	0.29 327	0.40 339	0.37 338

RTSA	1.98 394	0.96 385	11.36 418	0.65 359	0.57 365	2.77 398	1.40 398	1.39 356	2.26 388	1.89 380	2.56 382	1.32 337	1.25 363	5.20 414	4.05 402	0.31 322	0.22 296	0.29 317	0.29 327	0.40 339	0.37 338

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

Ntro	1.09 360	0.97 388	0.91 328	1.44 397	1.19 395	1.69 380	0.80 352	1.35 349	1.25 343	1.00 301	1.29 309	1.31 332	0.97 337	1.26 343	0.84 297	0.84 391	0.43 381	1.36 393	0.50 379	1.56 396	0.78 387

MFMNet_re	1.14 362	0.97 388	1.19 356	0.99 384	0.95 384	1.25 353	1.22 386	1.39 356	1.55 370	1.69 374	1.67 354	1.21 321	1.53 375	1.12 328	0.99 336	0.87 393	0.75 401	0.79 385	0.75 392	0.90 385	0.94 394

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

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

EDNetEfficientorigin	9.93 421	1.15 392	175.16 444	0.48 263	0.36 284	1.04 326	0.68 329	1.24 327	2.69 397	3.17 409	2.50 381	2.30 383	2.07 396	1.76 379	2.21 385	0.20 227	0.18 260	0.24 265	0.19 215	0.51 364	0.50 375

WAO-7	1.90 392	1.20 393	1.35 370	1.27 394	1.06 394	2.84 400	1.56 404	3.23 405	3.06 403	2.23 391	3.33 399	3.17 397	2.28 398	3.12 402	2.21 385	1.02 397	0.91 407	1.06 391	1.03 405	1.04 391	0.97 400

JetBlue	2.78 403	1.26 394	7.04 413	1.16 391	1.48 398	8.00 420	6.02 421	2.60 398	1.92 383	2.12 388	2.64 386	3.34 400	3.05 409	6.49 418	3.39 397	0.78 390	0.76 402	0.75 383	0.76 393	0.97 390	1.18 408

ACVNet_2	1.65 389	1.27 395	1.41 377	1.75 400	1.62 400	2.22 389	1.20 383	2.30 396	2.62 395	1.78 377	2.56 382	3.03 393	1.61 380	1.54 364	1.12 351	1.06 398	0.58 392	1.82 398	0.70 391	1.82 400	0.96 397

ACVNet-4b	1.35 376	1.31 396	1.10 343	1.90 404	1.59 399	1.92 384	0.77 348	1.52 376	1.62 376	1.05 319	1.60 349	2.11 380	0.94 331	1.64 374	0.77 287	1.30 402	0.35 364	2.03 404	0.67 389	1.88 404	0.84 390

ACVNet_1	1.46 381	1.33 397	1.12 346	1.91 405	1.62 400	1.83 383	0.98 369	2.00 392	1.85 382	1.39 358	1.53 344	2.32 384	1.53 375	1.34 354	1.11 348	1.30 402	0.50 388	2.06 406	0.58 385	1.93 406	0.95 396

Dean	1.98 394	1.36 398	1.36 374	2.12 407	1.81 407	2.74 395	1.36 396	3.37 409	3.80 409	2.08 386	3.32 398	3.21 398	1.82 387	1.71 378	1.67 370	1.27 399	0.77 403	1.99 400	0.90 397	1.86 401	1.03 401

LVE	2.12 399	1.44 399	1.36 374	1.99 406	1.78 405	2.75 396	1.79 410	2.82 399	3.95 410	1.90 382	4.33 412	3.52 402	1.81 386	2.24 394	1.74 373	1.74 410	0.87 406	2.06 406	1.13 408	1.91 405	1.35 411

RainbowNet	1.35 376	1.49 400	1.19 356	1.88 403	1.45 397	1.48 367	1.07 377	1.61 381	1.55 370	1.20 344	1.59 348	1.54 363	1.13 351	1.34 354	0.97 332	1.36 405	0.70 394	1.82 398	0.79 394	1.71 398	1.07 402

WAO-6	2.04 397	1.50 401	1.16 349	1.70 399	1.67 404	2.69 394	1.44 401	3.06 402	3.63 408	1.98 384	3.27 396	3.54 403	2.07 396	2.36 396	2.22 387	1.31 404	0.91 407	2.04 405	1.22 412	1.73 399	1.27 410

coex-ft	6.43 419	1.51 402	87.33 443	0.49 278	0.38 297	1.34 357	1.21 385	1.16 292	8.09 416	12.12 424	2.79 389	2.77 392	3.31 410	1.16 331	3.15 394	0.24 274	0.23 306	0.27 302	0.24 294	0.45 354	0.37 338

WAO-8	2.92 404	1.55 403	1.35 370	1.79 401	1.63 402	5.23 414	1.22 386	4.58 416	12.56 421	2.84 403	4.07 410	4.83 408	2.72 405	3.49 406	2.25 388	1.27 399	0.91 407	1.99 400	1.15 410	1.86 401	1.15 404

Venus	2.92 404	1.55 403	1.35 370	1.79 401	1.63 402	5.23 414	1.22 386	4.58 416	12.56 421	2.84 403	4.06 409	4.83 408	2.72 405	3.49 406	2.25 388	1.27 399	0.91 407	1.99 400	1.15 410	1.86 401	1.15 404

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

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

IMH	2.04 397	1.62 405	1.20 359	2.20 408	1.89 408	2.91 405	1.30 391	3.11 403	3.03 401	1.81 378	3.35 400	3.03 393	1.90 390	2.48 398	1.80 378	1.66 409	0.77 403	2.45 412	1.04 406	2.15 409	1.19 409

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

TorneroNet-64	3.44 407	1.86 409	1.42 378	2.58 415	2.28 413	6.87 417	1.68 406	4.70 418	12.03 418	2.31 393	5.59 418	8.25 419	2.55 402	3.97 411	2.73 392	1.81 411	0.74 397	2.57 414	1.07 407	2.35 411	1.44 412

TorneroNet	4.53 415	1.89 410	1.48 380	2.55 413	2.27 412	13.78 425	1.69 407	4.84 420	23.73 435	2.89 406	7.70 421	7.06 418	2.69 404	4.26 413	3.42 398	1.84 412	0.77 403	2.68 416	1.13 408	2.42 412	1.47 413

KSHMR	2.57 401	1.93 411	1.69 383	2.63 416	2.42 415	2.86 402	2.07 413	3.27 407	6.50 414	2.49 397	3.36 401	3.41 401	1.92 391	2.49 399	1.94 379	2.13 415	1.40 417	2.79 419	1.50 415	2.73 415	1.77 414

UNDER WATER-64	3.53 409	2.01 412	3.94 405	3.22 421	2.49 417	5.41 416	2.60 418	3.43 410	12.41 420	3.03 408	2.68 388	6.07 416	4.04 414	3.79 410	3.33 396	2.02 413	1.24 416	2.63 415	1.46 414	2.78 416	2.08 418

FADE		2.05 413		1.03 387	0.99 389			3.91 413	3.00 400	1.76 376		2.73 390		5.95 416		11.57 431	1.70 419	23.09 437	15.86 431	0.62 380	0.65 383

UNDER WATER	3.46 408	2.07 414	3.64 404	3.09 419	2.48 416	3.75 410	2.42 417	3.31 408	13.77 423	2.90 407	2.95 393	5.84 413	3.69 413	3.69 408	3.48 400	2.07 414	1.11 414	2.70 417	1.40 413	2.84 418	1.98 416

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

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

MADNet+	2.23 400	2.43 417	10.85 417	1.22 393	0.91 382	2.76 397	1.40 398	2.12 394	1.67 378	1.32 353	1.74 358	1.86 376	1.74 385	6.25 417	4.41 405	0.65 384	0.64 393	0.58 380	0.54 383	0.80 384	0.76 386

HanzoNet	6.76 420	2.45 418	4.22 407	3.19 420	2.94 421	3.62 409	2.28 416	4.79 419	7.20 415	14.00 428	13.19 426	17.49 428	22.30 432	13.25 426	6.19 411	4.20 423	1.93 420	3.10 421	2.56 420	3.35 421	2.88 422

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

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

DispFullNet	1.60 386	2.63 421	2.75 398	2.56 414	1.79 406	1.24 352	0.47 253	1.37 354	1.45 363	1.87 379	1.50 341	1.55 364	2.46 399	2.04 390	1.04 343	0.59 382	0.18 260	2.32 409	0.68 390	2.29 410	1.14 403

MADNet++	4.03 411	2.70 422	3.44 403	3.72 423	3.44 422	4.44 413	3.52 419	3.95 414	3.61 407	4.46 415	4.98 416	4.10 404	4.58 416	7.00 420	5.89 410	3.74 420	3.67 424	3.27 422	2.71 421	3.70 423	3.66 424

SPstereo	24.26 430	4.19 423	6.66 412	4.29 424	3.79 423	45.68 437	78.09 443	63.52 445	33.36 444	27.50 440	26.65 432	39.53 443	33.55 442	42.77 445	51.02 438	3.90 421	3.72 425	5.95 427	4.66 423	3.15 420	3.30 423

JetRed	5.27 417	5.84 424	12.81 421	2.36 411	2.83 420	12.23 424	10.50 423	4.46 415	3.60 406	3.86 414	3.83 404	4.85 410	4.18 415	6.78 419	11.96 419	2.17 416	2.96 423	2.18 408	1.97 417	3.38 422	2.68 421

DPSMNet_ROB	12.08 424	8.00 425	21.00 424	8.97 428	16.79 427	10.67 421	30.89 430	9.02 424	15.17 426	6.51 420	15.41 430	9.04 421	14.85 423	9.27 423	21.67 427	4.58 425	8.57 427	5.09 425	9.29 428	5.90 426	10.95 428

DGTPSM_ROB	12.07 423	8.00 425	20.99 423	8.93 427	16.78 426	10.67 421	30.87 429	9.01 423	15.16 425	6.50 419	15.41 430	9.04 421	14.85 423	9.25 422	21.67 427	4.57 424	8.57 427	5.08 424	9.28 427	5.90 426	10.95 428

ASD4	9.96 422	8.86 427	17.78 422	7.17 425	9.80 424	16.08 426	28.92 428	9.77 425	8.20 417	7.02 422	7.08 420	8.47 420	9.57 421	11.17 425	20.26 425	4.12 422	4.14 426	5.57 426	4.74 424	5.53 424	4.90 426

Anonymous_1	33.25 432	18.26 428	23.92 426	20.54 429	21.28 430	25.59 428	35.94 431	22.01 436	15.57 427	13.33 425	13.49 427	18.08 429	15.29 425	20.36 427	24.60 429	16.28 435	8.84 429	66.59 442	118.00 442	155.73 445	11.23 430

DPSM_ROB	17.78 426	18.63 429	24.31 430	20.90 430	19.47 428	25.97 429	36.21 432	21.23 434	16.24 428	13.38 426	14.06 428	19.18 431	16.30 426	20.78 428	25.67 430	9.38 429	9.23 430	9.49 429	9.82 429	13.51 429	11.91 431

DPSM	17.78 426	18.63 429	24.31 430	20.90 430	19.47 428	25.97 429	36.21 432	21.23 434	16.24 428	13.38 426	14.06 428	19.18 431	16.30 426	20.78 428	25.67 430	9.38 429	9.23 430	9.49 429	9.82 429	13.51 429	11.91 431

xxxxx1	36.64 438	19.51 431	24.21 427	61.66 442	64.63 442	27.28 432	40.10 434	20.25 429	18.63 431	14.07 429	12.97 423	17.26 425	17.36 428	21.70 431	27.93 432	13.18 432	18.50 435	111.26 443	133.37 443	29.24 437	39.73 440

tt_ll	36.64 438	19.51 431	24.21 427	61.66 442	64.63 442	27.28 432	40.10 434	20.25 429	18.63 431	14.07 429	12.97 423	17.26 425	17.36 428	21.70 431	27.93 432	13.18 432	18.50 435	111.26 443	133.37 443	29.24 437	39.73 440

ff	36.64 438	19.51 431	24.21 427	61.66 442	64.63 442	27.28 432	40.10 434	20.25 429	18.63 431	14.07 429	12.97 423	17.26 425	17.36 428	21.70 431	27.93 432	13.18 432	18.50 435	111.26 443	133.37 443	29.24 437	39.73 440

PML	40.80 444	29.24 434	11.87 420	7.20 426	14.47 425	92.13 444	213.69 445	7.63 422	23.35 434	74.72 445	190.14 445	50.17 445	26.15 434	21.39 430	12.70 420	8.76 428	2.92 422	8.45 428	3.25 422	13.26 428	4.42 425

LRCNet_RVC	21.24 429	31.15 435	21.41 425	28.98 433	23.82 431	3.13 407	0.60 310	20.96 433	1.59 372	25.58 433	28.15 435	21.99 433	14.79 422	21.94 434	16.41 423	28.89 442	14.87 433	33.53 438	31.28 438	29.51 440	26.16 438

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

HaxPig	31.96 431	37.24 437	34.27 432	24.37 432	24.88 432	18.26 427	19.86 425	20.64 432	28.52 436	35.97 442	38.75 441	25.57 434	28.72 435	33.88 436	34.39 435	35.94 443	38.87 443	37.80 439	40.48 439	39.68 441	41.15 443

CasAABBNet	35.74 433	37.43 438	48.72 437	42.22 439	39.20 438	52.24 438	73.12 439	42.61 442	32.62 441	26.78 434	27.95 433	38.58 440	32.60 436	41.67 442	51.65 443	18.74 436	18.57 438	19.15 435	19.77 433	27.20 434	23.98 436

Selective-RAFT-Error	35.84 437	37.49 439	48.83 441	42.26 440	39.24 439	52.30 442	73.09 438	42.66 443	32.61 437	26.80 435	28.30 436	38.84 442	33.51 441	41.68 443	51.59 439	18.82 440	18.58 439	19.17 436	19.80 434	27.28 435	24.05 437

MyStereo03	35.77 434	37.55 440	48.75 438	42.19 436	39.18 435	52.27 439	73.13 440	42.32 439	32.61 437	27.03 437	28.40 437	38.50 437	32.89 437	41.62 439	51.63 440	18.78 437	18.59 440	19.11 431	19.80 434	27.18 431	23.95 433

MyStereo02	35.77 434	37.55 440	48.75 438	42.19 436	39.18 435	52.27 439	73.13 440	42.32 439	32.61 437	27.03 437	28.40 437	38.50 437	32.89 437	41.62 439	51.63 440	18.78 437	18.59 440	19.11 431	19.80 434	27.18 431	23.95 433

MyStereo	35.77 434	37.55 440	48.75 438	42.19 436	39.18 435	52.27 439	73.13 440	42.32 439	32.61 437	27.03 437	28.40 437	38.50 437	32.89 437	41.62 439	51.63 440	18.78 437	18.59 440	19.11 431	19.80 434	27.18 431	23.95 433

LSM0	38.95 443	37.60 443	48.58 436	43.57 441	91.06 445	52.57 443	72.57 437	43.17 444	32.63 442	26.97 436	27.97 434	38.65 441	32.94 440	41.86 444	51.78 444	18.89 441	18.41 434	19.13 434	19.63 432	27.29 436	33.77 439

AVERAGE_ROB	37.58 442	40.13 444	40.15 434	34.81 435	33.82 434	28.55 435	25.10 427	32.02 438	34.06 445	41.28 443	40.66 442	34.46 436	34.81 444	39.18 437	37.57 437	42.78 444	43.44 444	43.82 440	43.03 440	40.47 442	41.51 444

MEDIAN_ROB	37.38 441	40.85 445	40.60 435	32.31 434	31.85 433	27.20 431	24.55 426	29.10 437	33.19 443	42.09 444	41.76 443	33.35 435	34.39 443	39.78 438	37.07 436	43.64 445	44.10 445	44.12 441	43.40 441	41.51 443	42.76 445

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

Low-res two-view benchmark