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

StereoIM	0.36 1	0.25 38	0.58 52	0.44 24	0.34 142	0.30 3	0.30 26	0.72 6	0.50 7	0.37 2	0.36 1	0.58 52	0.49 59	0.52 5	0.36 36	0.19 94	0.16 159	0.19 53	0.15 33	0.18 45	0.14 12

MIF-Stereo	0.36 1	0.23 16	0.59 57	0.48 56	0.36 151	0.40 10	0.32 34	0.53 1	0.49 6	0.54 33	0.55 18	0.36 2	0.31 7	0.58 15	0.51 136	0.20 122	0.15 128	0.17 17	0.15 33	0.19 75	0.15 28

AEACV	0.37 3	0.24 22	0.52 29	0.47 43	0.51 250	0.37 8	0.38 75	0.65 4	0.53 17	0.42 5	0.56 19	0.46 18	0.60 102	0.53 6	0.30 2	0.16 12	0.13 44	0.18 39	0.15 33	0.17 26	0.14 12

EGLCR-Stereo	0.37 3	0.22 11	0.51 26	0.43 9	0.26 22	0.44 18	0.22 2	0.99 68	0.48 5	0.42 5	0.42 2	0.67 72	0.29 4	0.86 73	0.33 17	0.17 33	0.12 9	0.19 53	0.17 78	0.17 26	0.15 28

panet	0.39 5	0.21 5	0.37 2	0.36 2	0.20 2	0.53 61	0.29 22	0.78 13	1.12 182	0.59 41	0.71 35	0.53 43	0.42 23	0.54 8	0.34 26	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.13 3

Selective-IGEV	0.39 5	0.24 22	0.50 20	0.44 24	0.25 20	0.46 22	0.33 37	1.25 155	0.40 1	0.35 1	0.45 3	0.52 40	0.30 5	1.07 114	0.30 2	0.14 4	0.12 9	0.17 17	0.13 13	0.16 14	0.13 3

GLC_STEREO	0.39 5	0.25 38	0.41 10	0.54 140	0.23 8	0.48 24	0.30 26	0.73 7	0.58 20	0.52 30	0.73 40	0.51 35	0.31 7	0.64 28	0.42 78	0.17 33	0.20 231	0.23 155	0.19 112	0.21 136	0.17 64

CREStereo	0.39 5	0.21 5	0.38 5	0.34 1	0.22 6	0.53 61	0.29 22	0.77 12	1.11 178	0.58 35	0.71 35	0.51 35	0.41 21	0.54 8	0.34 26	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.14 12
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
MoCha-V2	0.40 9	0.20 2	0.49 18	0.50 76	0.21 4	0.44 18	0.33 37	0.93 48	0.53 17	0.53 31	0.53 10	0.42 6	0.58 99	1.09 117	0.27 1	0.14 4	0.12 9	0.15 3	0.12 10	0.17 26	0.15 28

LargeStereo	0.40 9	0.22 11	0.51 26	0.52 116	0.29 66	0.45 20	0.25 4	1.65 238	0.46 4	0.37 2	0.57 20	0.46 18	0.45 33	0.50 4	0.38 52	0.19 94	0.12 9	0.16 11	0.13 13	0.16 14	0.15 28

LoS	0.40 9	0.21 5	0.44 12	0.37 3	0.22 6	0.50 43	0.40 89	1.00 72	0.94 110	0.48 19	0.66 25	0.48 25	0.40 19	0.60 25	0.37 42	0.18 61	0.14 78	0.16 11	0.11 7	0.14 2	0.14 12

CroCo-Stereo	0.40 9	0.31 163	0.73 136	0.58 189	0.27 35	0.26 1	0.33 37	0.95 56	0.81 72	0.42 5	0.47 5	0.65 68	0.47 43	0.39 1	0.34 26	0.18 61	0.15 128	0.16 11	0.14 25	0.19 75	0.16 44
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
CASnet	0.41 13	0.25 38	0.48 16	0.50 76	0.20 2	0.50 43	0.36 62	0.81 23	0.80 71	0.83 76	0.68 29	0.48 25	0.31 7	0.54 8	0.32 8	0.18 61	0.12 9	0.27 243	0.22 203	0.23 183	0.14 12
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
MGS-Stereo	0.42 14	0.26 49	0.58 52	0.44 24	0.28 54	0.50 43	0.34 48	0.57 2	0.83 78	0.46 14	1.31 209	0.52 40	0.33 11	0.65 32	0.36 36	0.19 94	0.16 159	0.18 39	0.15 33	0.17 26	0.16 44

LoS_RVC	0.42 14	0.26 49	0.40 9	0.44 24	0.82 352	0.51 54	0.44 130	0.64 3	0.41 2	0.44 9	0.78 49	0.44 11	0.47 43	0.56 12	0.36 36	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 377

test_xeample3	0.42 14	0.28 88	0.69 103	0.43 9	0.33 127	0.56 74	0.38 75	0.79 15	0.45 3	0.53 31	0.46 4	0.44 11	0.44 30	1.38 159	0.31 6	0.18 61	0.14 78	0.19 53	0.15 33	0.17 26	0.16 44

ff7	0.43 17	0.27 72	0.56 40	0.44 24	0.33 127	0.50 43	0.42 102	0.87 27	0.50 7	0.49 22	0.53 10	0.44 11	0.48 51	1.38 159	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

ffff	0.43 17	0.27 72	0.56 40	0.44 24	0.33 127	0.50 43	0.42 102	0.87 27	0.50 7	0.49 22	0.53 10	0.44 11	0.48 51	1.38 159	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

11t	0.43 17	0.27 72	0.56 40	0.44 24	0.33 127	0.50 43	0.42 102	0.87 27	0.50 7	0.49 22	0.53 10	0.44 11	0.48 51	1.38 159	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

anonymousdsp	0.43 17	0.27 72	0.53 31	0.44 24	0.32 110	0.50 43	0.42 102	0.89 35	0.51 14	0.49 22	0.53 10	0.47 22	0.47 43	1.33 147	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

ProNet	0.43 17	0.28 88	0.58 52	0.43 9	0.30 83	0.56 74	0.52 186	1.00 72	0.58 20	0.44 9	0.49 8	0.43 9	0.43 26	1.28 138	0.36 36	0.15 7	0.13 44	0.19 53	0.16 62	0.17 26	0.16 44

MC-Stereo	0.43 17	0.23 16	0.48 16	0.51 100	0.28 54	0.39 9	0.32 34	0.88 34	0.68 46	0.60 42	0.84 59	0.56 46	0.61 111	1.03 103	0.31 6	0.17 33	0.11 3	0.17 17	0.15 33	0.16 14	0.13 3

ccc-4	0.43 17	0.27 72	0.56 40	0.44 24	0.33 127	0.50 43	0.42 102	0.87 27	0.50 7	0.49 22	0.53 10	0.44 11	0.48 51	1.38 159	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

IGEV-Stereo	0.43 17	0.27 72	0.54 35	0.45 34	0.32 110	0.50 43	0.42 102	0.90 41	0.51 14	0.49 22	0.53 10	0.47 22	0.47 43	1.32 145	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CroCo-Stereo Lap2	0.44 25	0.34 213	0.77 165	0.61 225	0.79 343	0.28 2	0.35 52	0.75 9	0.71 53	0.38 4	0.50 9	0.72 85	0.55 78	0.57 14	0.47 115	0.17 33	0.18 201	0.19 53	0.16 62	0.21 136	0.20 140

TANstereo	0.44 25	0.21 5	0.44 12	0.41 6	0.21 4	0.65 114	0.26 10	0.79 15	0.83 78	0.93 89	0.98 86	0.51 35	0.46 37	0.54 8	0.35 30	0.18 61	0.24 279	0.16 11	0.13 13	0.16 14	0.26 231

MIF-Stereo (partial)	0.45 27	0.25 38	0.70 109	0.50 76	0.52 258	0.35 5	0.26 10	0.91 42	0.59 23	0.45 13	0.71 35	0.51 35	0.51 62	1.11 121	0.45 97	0.20 122	0.16 159	0.23 155	0.20 140	0.24 197	0.18 82

Former-RAFT_DAM_RVC	0.46 28	0.36 236	0.71 120	0.47 43	0.36 151	0.67 127	0.35 52	0.78 13	1.12 182	0.61 43	0.62 22	0.39 5	0.39 16	0.71 41	0.39 59	0.20 122	0.17 185	0.22 126	0.18 92	0.23 183	0.19 116

IGEVStereo-DCA	0.46 28	0.28 88	0.56 40	0.43 9	0.33 127	0.49 34	0.42 102	0.87 27	0.50 7	0.47 15	0.48 6	0.48 25	0.46 37	2.03 257	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.18 82

rrr	0.46 28	0.28 88	0.73 136	0.43 9	0.33 127	0.49 34	0.38 75	0.76 11	0.50 7	0.47 15	0.48 6	0.48 25	0.46 37	2.03 257	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.16 44

test croco	0.46 28	0.27 72	1.01 246	0.50 76	0.40 189	0.35 5	0.37 71	0.87 27	0.56 19	0.43 8	0.76 46	0.42 6	0.40 19	1.13 124	0.45 97	0.21 149	0.15 128	0.24 175	0.19 112	0.24 197	0.16 44

XX-TBD	0.46 28	0.70 345	0.35 1	0.79 329	0.25 20	0.58 80	0.26 10	0.69 5	1.27 253	0.76 59	1.00 91	0.45 17	0.33 11	0.47 3	0.37 42	0.19 94	0.15 128	0.15 3	0.11 7	0.17 26	0.14 12

PMTNet	0.46 28	0.21 5	0.38 5	0.37 3	0.23 8	0.71 148	0.27 16	0.74 8	1.04 150	0.64 45	0.70 33	0.55 44	0.47 43	0.86 73	0.35 30	1.00 383	0.13 44	0.15 3	0.10 2	0.15 6	0.13 3

CAS++	0.47 34	0.31 163	0.56 40	0.47 43	0.32 110	0.42 14	0.28 19	1.76 265	0.72 54	0.71 53	0.72 38	0.37 4	0.28 3	0.69 34	0.33 17	0.27 258	0.22 261	0.26 231	0.21 176	0.29 246	0.19 116
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
iRaftStereo_RVC	0.47 34	0.26 49	0.64 77	0.50 76	0.29 66	0.53 61	0.33 37	1.05 91	0.77 64	0.84 78	1.00 91	0.55 44	0.37 14	0.81 63	0.40 63	0.17 33	0.12 9	0.22 126	0.20 140	0.19 75	0.15 28

CREStereo++_RVC	0.47 34	0.21 5	0.38 5	0.45 34	0.38 176	0.45 20	0.25 4	0.75 9	1.29 262	0.80 68	1.21 173	0.47 22	0.37 14	0.53 6	0.44 89	0.16 12	0.11 3	0.15 3	0.80 385	0.18 45	0.11 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
MyStereo07	0.48 37	0.29 115	0.50 20	0.55 159	0.45 216	0.59 84	0.79 280	1.05 91	0.51 14	0.48 19	0.53 10	0.43 9	0.55 78	1.30 142	0.34 26	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 140

4D-IteraStereo	0.48 37	0.24 22	0.76 161	0.50 76	0.44 209	0.66 123	0.31 31	0.87 27	1.02 143	1.03 117	0.72 38	0.78 95	0.32 10	0.64 28	0.37 42	0.17 33	0.11 3	0.23 155	0.19 112	0.19 75	0.13 3

CES	0.48 37	0.20 2	0.37 2	0.39 5	1.39 389	0.55 71	0.35 52	0.98 66	0.66 42	0.44 9	0.66 25	0.35 1	0.27 2	0.56 12	0.33 17	0.15 7	0.13 44	0.15 3	0.10 2	0.19 75	1.46 394

AE-Stereo	0.49 40	0.27 72	0.67 91	0.60 213	0.39 184	0.67 127	0.46 148	1.18 133	1.09 172	0.47 15	0.75 44	0.69 79	0.47 43	0.59 16	0.40 63	0.16 12	0.15 128	0.21 100	0.20 140	0.19 75	0.15 28

sCroCo_RVC	0.49 40	0.40 256	1.02 252	0.65 265	0.60 292	0.52 56	0.40 89	0.83 24	0.61 24	0.44 9	0.74 42	0.49 32	0.50 60	0.63 27	0.48 120	0.26 249	0.27 298	0.23 155	0.22 203	0.29 246	0.25 213

RCA-Stereo	0.50 42	0.23 16	0.58 52	0.48 56	0.33 127	0.55 71	0.45 141	0.97 64	1.38 302	0.68 48	1.05 115	0.63 62	0.80 169	0.59 16	0.32 8	0.17 33	0.12 9	0.17 17	0.14 25	0.16 14	0.14 12

knoymous	0.51 43	0.29 115	0.47 14	0.43 9	0.30 83	0.55 71	0.55 209	1.02 78	0.77 64	0.98 103	0.85 60	0.94 153	0.56 82	0.85 70	0.45 97	0.20 122	0.14 78	0.26 231	0.14 25	0.23 183	0.23 189

11t1	0.52 44	0.28 88	0.68 94	0.51 100	0.28 54	0.83 195	0.39 86	1.22 147	0.63 27	0.84 78	0.74 42	0.68 74	0.68 132	0.91 80	0.57 164	0.21 149	0.18 201	0.19 53	0.16 62	0.20 102	0.21 157

LL-Strereo2	0.52 44	0.33 194	0.69 103	0.52 116	0.37 159	0.70 145	0.30 26	1.13 122	0.67 43	0.94 94	0.78 49	0.91 141	0.42 23	1.05 109	0.42 78	0.17 33	0.16 159	0.29 261	0.25 245	0.21 136	0.16 44

Selective-RAFT	0.52 44	0.28 88	0.79 175	0.55 159	0.27 35	0.91 212	0.33 37	0.80 20	0.88 89	0.58 35	0.63 23	0.81 103	0.77 157	1.29 141	0.48 120	0.19 94	0.14 78	0.17 17	0.15 33	0.19 75	0.17 64

HUI-Stereo	0.52 44	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.30 26	1.04 85	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	0.79 58	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

test-1	0.52 44	0.26 49	1.04 259	0.56 172	0.32 110	0.61 93	0.38 75	1.10 113	0.91 101	0.78 63	1.01 96	0.77 92	0.52 64	0.60 25	0.42 78	0.17 33	0.14 78	0.20 77	0.17 78	0.20 102	0.23 189

rafts_anoy	0.52 44	0.29 115	0.59 57	0.59 202	0.50 240	0.53 61	0.40 89	1.11 119	1.03 146	0.84 78	0.83 57	0.68 74	0.54 72	0.72 44	0.51 136	0.19 94	0.14 78	0.24 175	0.26 259	0.21 136	0.18 82

s12784h	0.52 44	0.20 2	0.38 5	0.41 6	0.19 1	0.96 231	0.34 48	1.17 128	1.25 241	0.81 72	0.90 69	0.63 62	0.50 60	1.45 174	0.42 78	0.14 4	0.12 9	0.17 17	0.11 7	0.18 45	0.11 1

raftrobust	0.52 44	0.25 38	0.56 40	0.65 265	0.52 258	0.49 34	0.34 48	0.98 66	0.91 101	1.30 240	0.87 64	0.63 62	0.81 172	0.78 55	0.41 70	0.19 94	0.15 128	0.16 11	0.14 25	0.15 6	0.16 44

Gwc-CoAtRS	0.52 44	0.24 22	0.68 94	0.48 56	0.29 66	0.64 102	0.25 4	1.16 126	1.08 166	1.01 110	1.00 91	1.12 212	0.56 82	0.69 34	0.37 42	0.16 12	0.13 44	0.17 17	0.15 33	0.15 6	0.15 28

IGEV_Zeroshot_test	0.53 53	0.30 131	0.99 237	0.56 172	0.35 145	0.41 12	0.32 34	1.37 172	0.63 27	1.00 107	1.09 128	0.95 159	0.41 21	0.83 66	0.39 59	0.18 61	0.12 9	0.19 53	0.18 92	0.19 75	0.17 64

EKT-Stereo	0.53 53	0.30 131	0.73 136	0.58 189	0.60 292	0.51 54	0.48 162	0.94 53	0.90 96	0.71 53	0.88 66	0.77 92	0.43 26	1.07 114	0.40 63	0.22 172	0.16 159	0.21 100	0.18 92	0.20 102	0.22 172

Any-RAFT	0.53 53	0.24 22	0.47 14	0.47 43	0.27 35	1.00 241	0.25 4	1.58 224	1.05 154	0.85 82	0.99 88	1.06 191	0.47 43	0.70 37	0.32 8	0.18 61	0.13 44	0.16 11	0.13 13	0.16 14	0.16 44

anonymousdsp2	0.53 53	0.27 72	0.74 150	0.48 56	0.29 66	0.76 166	0.47 154	1.61 231	0.82 77	0.77 62	0.77 47	0.75 88	0.47 43	1.03 103	0.40 63	0.18 61	0.13 44	0.18 39	0.13 13	0.19 75	0.18 82

fff	0.53 53	0.24 22	0.70 109	0.43 9	0.24 11	0.48 24	0.36 62	1.07 106	1.25 241	1.10 137	1.02 103	0.57 48	1.06 274	0.73 47	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.15 6	0.19 116

test_4	0.53 53	0.22 11	0.56 40	0.54 140	0.32 110	0.64 102	0.39 86	0.80 20	0.62 25	0.92 88	1.87 330	0.68 74	0.42 23	1.16 128	0.37 42	0.15 7	0.13 44	0.20 77	0.22 203	0.20 102	0.15 28

GMOStereo	0.53 53	0.26 49	0.65 81	0.50 76	0.29 66	0.52 56	0.43 118	0.89 35	0.96 114	1.41 283	1.14 151	0.85 124	0.56 82	0.59 16	0.38 52	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 28

error version	0.53 53	0.26 49	0.65 81	0.50 76	0.29 66	0.52 56	0.43 118	0.89 35	0.96 114	1.41 283	1.14 151	0.85 124	0.56 82	0.59 16	0.38 52	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 28

test-v	0.53 53	0.26 49	0.65 81	0.50 76	0.29 66	0.52 56	0.43 118	0.89 35	0.96 114	1.41 283	1.14 151	0.85 124	0.56 82	0.59 16	0.38 52	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 28

test-2	0.53 53	0.26 49	0.65 81	0.50 76	0.29 66	0.52 56	0.43 118	0.89 35	0.96 114	1.41 283	1.14 151	0.85 124	0.56 82	0.59 16	0.38 52	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 28

raft+_RVC	0.53 53	0.26 49	0.54 35	0.60 213	0.47 230	0.54 65	0.54 196	1.27 157	0.99 133	0.76 59	1.03 111	0.70 82	0.56 82	0.93 86	0.47 115	0.18 61	0.14 78	0.19 53	0.18 92	0.18 45	0.15 28

Anonymous	0.53 53	0.38 247	0.91 217	0.66 270	0.73 326	0.65 114	0.59 235	0.95 56	0.73 58	0.47 15	0.58 21	0.42 6	0.60 102	0.80 59	0.53 150	0.24 211	0.23 270	0.21 100	0.21 176	0.41 306	0.29 251

csc	0.53 53	0.24 22	0.70 109	0.43 9	0.24 11	0.48 24	0.36 62	1.07 106	1.25 241	1.10 137	1.02 103	0.57 48	1.06 274	0.73 47	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.15 6	0.19 116

cscssc	0.53 53	0.24 22	0.70 109	0.43 9	0.24 11	0.48 24	0.36 62	1.07 106	1.25 241	1.10 137	1.02 103	0.57 48	1.06 274	0.73 47	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.15 6	0.19 116

1test111	0.54 67	0.31 163	0.50 20	0.54 140	0.26 22	1.18 271	0.51 177	1.42 182	0.78 66	0.58 35	0.79 52	0.48 25	0.88 206	0.88 75	0.59 169	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 157

RAFT-Test	0.54 67	0.25 38	0.64 77	0.47 43	0.30 83	0.97 235	0.27 16	1.24 153	0.81 72	0.96 96	1.12 143	1.28 253	0.48 51	0.71 41	0.36 36	0.17 33	0.13 44	0.17 17	0.14 25	0.16 14	0.16 44

DCANet-4	0.54 67	0.26 49	1.07 267	0.42 8	0.24 11	0.48 24	0.36 62	0.99 68	1.30 268	1.10 137	1.02 103	0.56 46	0.75 145	0.73 47	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.15 6	0.19 116

x	0.54 67	0.31 163	0.61 64	0.47 43	0.30 83	0.67 127	0.47 154	1.53 215	0.79 70	0.81 72	0.83 57	0.78 95	0.70 138	0.70 37	0.62 181	0.21 149	0.19 214	0.22 126	0.19 112	0.21 136	0.20 140

test-3	0.54 67	0.22 11	0.68 94	0.47 43	0.27 35	0.58 80	0.35 52	0.92 43	1.00 138	1.32 252	0.69 32	0.87 132	0.45 33	1.68 217	0.37 42	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 3

test_1	0.54 67	0.22 11	0.68 94	0.47 43	0.27 35	0.58 80	0.35 52	0.92 43	1.00 138	1.28 227	0.68 29	0.87 132	0.45 33	1.67 212	0.37 42	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 3

PSM-adaLoss	0.54 67	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.41 100	1.04 85	0.64 29	1.12 143	0.96 78	0.82 108	0.61 111	1.06 110	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

ROB_FTStereo_v2	0.54 67	0.30 131	0.73 136	0.50 76	0.27 35	0.64 102	0.42 102	1.05 91	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	1.12 123	0.46 110	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

ROB_FTStereo	0.54 67	0.30 131	0.73 136	0.50 76	0.27 35	0.64 102	0.25 4	1.05 91	0.64 29	1.12 143	0.95 76	0.82 108	0.61 111	1.15 126	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

cross-raft	0.54 67	0.25 38	0.61 64	0.52 116	0.29 66	0.68 134	0.37 71	1.46 192	0.76 62	1.01 110	1.06 117	1.28 253	0.46 37	0.71 41	0.35 30	0.15 7	0.12 9	0.18 39	0.16 62	0.19 75	0.14 12

RAFT-IKP	0.54 67	0.30 131	0.73 136	0.50 76	0.27 35	0.59 84	0.36 62	1.04 85	0.64 29	1.12 143	0.96 78	0.83 115	0.61 111	1.22 132	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

RALCasStereoNet	0.54 67	0.30 131	0.66 87	0.59 202	0.51 250	0.61 93	0.52 186	0.94 53	0.93 107	0.70 51	1.01 96	0.78 95	0.44 30	1.33 147	0.47 115	0.20 122	0.16 159	0.18 39	0.16 62	0.20 102	0.19 116

DCANet	0.54 67	0.24 22	0.70 109	0.43 9	0.24 11	0.49 34	0.36 62	1.05 91	1.30 268	1.12 143	1.03 111	0.58 52	0.92 219	0.81 63	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.18 45	0.19 116

RAFT-Stereo + iAFF	0.54 67	0.25 38	0.68 94	0.43 9	0.24 11	0.40 10	0.34 48	1.04 85	1.09 172	1.32 252	1.60 289	0.80 100	0.68 132	0.67 33	0.39 59	0.13 1	0.10 1	0.18 39	0.17 78	0.17 26	0.13 3

CFNet-RSSM	0.54 67	0.24 22	0.70 109	0.48 56	0.28 54	0.60 90	0.27 16	1.49 197	1.14 195	1.06 121	0.93 74	1.08 198	0.54 72	0.70 37	0.35 30	0.16 12	0.12 9	0.17 17	0.15 33	0.16 14	0.14 12

MSKI-zero shot	0.55 82	0.26 49	0.57 49	0.51 100	0.26 22	0.69 138	0.28 19	1.18 133	0.64 29	0.91 86	1.32 215	0.82 108	0.33 11	1.92 246	0.32 8	0.17 33	0.12 9	0.17 17	0.13 13	0.16 14	0.16 44

test_3	0.55 82	0.23 16	0.71 120	0.53 125	0.28 54	0.61 93	0.40 89	0.92 43	1.05 154	1.19 191	0.68 29	0.93 150	0.44 30	1.67 212	0.39 59	0.15 7	0.12 9	0.22 126	0.19 112	0.21 136	0.14 12

Patchmatch Stereo++	0.55 82	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.29 22	1.05 91	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	1.37 155	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82
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
DeepStereo_RVC	0.55 82	0.29 115	0.72 124	0.51 100	0.30 83	0.59 84	0.33 37	1.03 81	0.70 49	1.16 173	0.93 74	0.83 115	0.94 230	0.96 87	0.54 156	0.21 149	0.14 78	0.21 100	0.19 112	0.24 197	0.24 201

iRAFT	0.55 82	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.29 22	1.05 91	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	1.37 155	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

CRE-IMP	0.55 82	0.30 131	0.74 150	0.52 116	0.29 66	0.79 181	0.25 4	1.04 85	0.72 54	1.09 129	0.95 76	0.81 103	0.57 90	1.10 118	0.50 133	0.21 149	0.14 78	0.23 155	0.19 112	0.28 241	0.22 172

sAnonymous2	0.55 82	0.56 311	1.46 324	0.60 213	0.51 250	0.48 24	0.52 186	0.79 15	0.68 46	0.50 28	0.67 27	0.46 18	0.62 116	0.59 16	0.40 63	0.22 172	0.17 185	0.22 126	0.21 176	0.86 375	0.56 348

CroCo_RVC	0.55 82	0.56 311	1.46 324	0.60 213	0.51 250	0.48 24	0.52 186	0.79 15	0.68 46	0.50 28	0.67 27	0.46 18	0.62 116	0.59 16	0.40 63	0.22 172	0.17 185	0.22 126	0.21 176	0.86 375	0.56 348

GMStereo	0.55 82	0.45 277	0.94 225	0.50 76	0.32 110	0.64 102	0.43 118	1.00 72	1.40 311	0.82 75	0.73 40	0.51 35	0.45 33	0.85 70	0.55 160	0.24 211	0.15 128	0.20 77	0.21 176	0.31 263	0.24 201
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
H2IRNET	0.56 91	0.26 49	0.66 87	0.47 43	0.35 145	0.41 12	0.26 10	0.92 43	1.17 210	0.61 43	1.28 199	1.08 198	0.86 198	0.99 95	0.63 185	0.19 94	0.16 159	0.22 126	0.25 245	0.21 136	0.18 82

ACVNet-DCA	0.56 91	0.31 163	0.50 20	0.54 140	0.26 22	1.18 271	0.51 177	1.42 182	0.78 66	0.58 35	0.79 52	0.48 25	0.88 206	1.46 176	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 157

riskmin	0.56 91	0.27 72	0.60 61	0.43 9	0.31 95	0.83 195	0.42 102	1.14 123	1.04 150	0.73 58	0.75 44	1.11 211	1.01 259	0.81 63	0.51 136	0.20 122	0.14 78	0.24 175	0.15 33	0.24 197	0.25 213

MIPNet	0.56 91	0.28 88	0.94 225	0.49 69	0.33 127	0.66 123	0.38 75	1.35 169	1.08 166	1.06 121	0.92 72	0.60 57	0.79 164	0.73 47	0.52 142	0.17 33	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

iGMRVC	0.56 91	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.38 75	1.05 91	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	1.52 185	0.46 110	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

MIM_Stereo	0.57 96	0.24 22	0.92 221	0.46 37	0.30 83	0.54 65	0.28 19	1.27 157	0.75 59	1.00 107	1.16 160	0.93 150	0.53 69	1.45 174	0.61 178	0.16 12	0.16 159	0.20 77	0.19 112	0.17 26	0.14 12

qqq	0.57 96	0.34 213	0.71 120	0.47 43	0.27 35	0.64 102	0.62 242	1.42 182	0.78 66	0.80 68	0.92 72	0.95 159	0.77 157	0.88 75	0.59 169	0.21 149	0.20 231	0.24 175	0.23 223	0.22 158	0.21 157

ADStereo(finetuned)	0.57 96	0.24 22	1.06 263	0.43 9	0.24 11	0.49 34	0.35 52	1.05 91	1.30 268	1.12 143	1.03 111	0.58 52	1.20 300	0.84 68	0.51 136	0.16 12	0.13 44	0.17 17	0.13 13	0.18 45	0.19 116

R-Stereo Train	0.57 96	0.26 49	0.63 71	0.54 140	0.36 151	0.69 138	0.54 196	1.22 147	0.72 54	1.61 323	1.50 269	0.75 88	0.53 69	0.64 28	0.44 89	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64

RAFT-Stereo	0.57 96	0.26 49	0.63 71	0.54 140	0.36 151	0.69 138	0.54 196	1.22 147	0.72 54	1.61 323	1.50 269	0.75 88	0.53 69	0.64 28	0.44 89	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RAFT+CT+SA	0.58 101	0.29 115	0.60 61	0.66 270	0.37 159	0.42 14	0.55 209	1.27 157	1.03 146	0.70 51	1.22 175	0.60 57	0.70 138	1.64 206	0.41 70	0.18 61	0.13 44	0.22 126	0.22 203	0.21 136	0.18 82

IPLGR	0.58 101	0.27 72	1.14 281	0.48 56	0.28 54	0.65 114	0.33 37	1.22 147	1.13 193	1.18 187	1.05 115	0.69 79	0.66 131	0.96 87	0.52 142	0.17 33	0.15 128	0.20 77	0.17 78	0.20 102	0.18 82

AFF-stereo	0.58 101	0.25 38	0.64 77	0.46 37	0.29 66	0.34 4	0.38 75	1.15 125	1.14 195	1.17 182	1.60 289	1.10 207	0.71 140	0.97 92	0.43 87	0.13 1	0.11 3	0.19 53	0.19 112	0.17 26	0.14 12

dd	0.59 104	0.48 288	0.97 234	0.55 159	0.32 110	0.64 102	0.47 154	1.02 78	1.34 283	0.78 63	0.86 61	0.58 52	0.54 72	1.01 100	0.86 248	0.28 269	0.18 201	0.26 231	0.19 112	0.32 268	0.24 201

PFNet+	0.59 104	0.28 88	0.77 165	0.53 125	0.30 83	0.59 84	0.31 31	0.92 43	1.14 195	1.33 260	1.10 132	0.79 98	0.57 90	1.31 143	0.49 127	0.25 235	0.17 185	0.28 253	0.26 259	0.21 136	0.25 213

AnonymousM	0.59 104	1.11 378	0.41 10	0.44 24	0.32 110	0.43 16	0.47 154	1.05 91	0.64 29	0.98 103	0.63 23	0.67 72	0.43 26	0.59 16	0.41 70	0.20 122	0.15 128	1.84 395	0.84 387	0.14 2	0.13 3

GANet-ADL	0.60 107	0.35 229	0.72 124	0.64 253	0.40 189	0.68 134	0.51 177	1.49 197	1.12 182	0.95 95	1.08 123	0.91 141	0.57 90	0.76 52	0.55 160	0.26 249	0.18 201	0.18 39	0.16 62	0.23 183	0.25 213

TRStereo	0.60 107	0.60 328	0.97 234	0.74 317	0.67 310	0.46 22	0.38 75	1.85 287	0.89 92	0.79 66	0.80 56	0.88 135	0.39 16	1.10 118	0.41 70	0.23 196	0.15 128	0.23 155	0.24 234	0.17 26	0.15 28

NRIStereo	0.60 107	0.29 115	0.69 103	0.53 125	0.28 54	0.63 100	0.33 37	1.08 110	0.87 85	1.14 159	0.87 64	0.91 141	0.59 100	2.24 274	0.49 127	0.20 122	0.14 78	0.21 100	0.19 112	0.21 136	0.17 64

RALAANet	0.60 107	0.33 194	0.87 203	0.62 236	0.50 240	0.69 138	0.31 31	1.21 140	1.06 157	1.09 129	1.16 160	0.88 135	0.46 37	1.22 132	0.42 78	0.19 94	0.15 128	0.21 100	0.17 78	0.27 227	0.17 64

111	0.60 107	0.23 16	0.70 109	0.43 9	0.24 11	0.72 150	0.42 102	1.18 133	1.41 314	0.80 68	1.38 235	1.10 207	0.79 164	0.96 87	0.58 167	0.18 61	0.13 44	0.17 17	0.15 33	0.17 26	0.19 116

FENet	0.60 107	0.28 88	0.63 71	0.54 140	0.33 127	0.83 195	0.38 75	1.27 157	1.07 162	1.00 107	0.86 61	0.99 173	0.85 190	0.96 87	0.68 195	0.22 172	0.15 128	0.23 155	0.20 140	0.22 158	0.23 189

MyStereo06	0.61 113	0.28 88	0.95 228	0.56 172	0.46 226	0.61 93	0.73 267	1.78 273	0.67 43	1.03 117	1.12 143	1.13 217	0.56 82	0.78 55	0.41 70	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 140

ACRE	0.61 113	0.33 194	1.01 246	0.58 189	0.49 234	0.75 162	0.47 154	1.06 104	0.95 112	1.37 270	1.55 277	0.62 60	0.46 37	0.83 66	0.70 197	0.23 196	0.15 128	0.19 53	0.16 62	0.18 45	0.21 157

Anonymous3	0.61 113	0.44 271	1.11 276	0.59 202	0.49 234	0.93 221	0.65 247	0.93 48	0.81 72	0.72 57	0.88 66	0.65 68	0.69 135	1.06 110	0.53 150	0.35 313	0.30 316	0.26 231	0.26 259	0.31 263	0.27 237

tt1	0.62 116	0.32 178	0.51 26	0.54 140	0.26 22	1.16 268	0.48 162	0.95 56	2.47 378	0.57 34	0.77 47	0.49 32	0.81 172	1.55 193	0.32 8	0.20 122	0.12 9	0.24 175	0.15 33	0.19 75	0.20 140

CIPLG	0.62 116	0.33 194	0.96 232	0.58 189	0.50 240	0.75 162	0.48 162	1.05 91	0.96 114	1.40 281	1.57 285	0.64 65	0.48 51	0.89 78	0.70 197	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 157

IPLGR_C	0.62 116	0.33 194	0.99 237	0.58 189	0.49 234	0.76 166	0.48 162	1.10 113	0.96 114	1.40 281	1.56 281	0.62 60	0.48 51	0.80 59	0.71 202	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 157

HHNet	0.62 116	0.26 49	0.63 71	0.43 9	0.45 216	0.50 43	0.58 228	1.07 106	1.01 140	1.25 218	2.23 354	0.70 82	0.61 111	1.07 114	0.47 115	0.20 122	0.13 44	0.23 155	0.19 112	0.19 75	0.30 263

Pruner-Stereo	0.62 116	0.29 115	0.70 109	0.61 225	0.31 95	0.63 100	0.43 118	1.17 128	0.99 133	1.53 308	1.08 123	0.95 159	0.55 78	1.35 151	0.51 136	0.23 196	0.14 78	0.24 175	0.21 176	0.21 136	0.23 189

DIP-Stereo	0.62 116	0.30 131	0.83 185	0.48 56	0.36 151	0.95 227	0.33 37	2.37 375	0.67 43	1.25 218	1.00 91	0.68 74	0.51 62	0.91 80	0.61 178	0.18 61	0.15 128	0.21 100	0.17 78	0.19 75	0.19 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
mmm	0.63 122	0.35 229	0.72 124	0.51 100	0.30 83	0.86 204	0.54 196	1.59 225	0.86 81	1.07 123	1.38 235	0.79 98	0.75 145	0.91 80	0.58 167	0.22 172	0.18 201	0.29 261	0.25 245	0.25 207	0.23 189

HH	0.63 122	0.30 131	0.77 165	0.50 76	0.32 110	0.49 34	0.46 148	1.65 238	0.64 29	0.69 49	1.09 128	1.63 311	0.85 190	1.90 244	0.37 42	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

HanStereo	0.63 122	0.30 131	0.77 165	0.50 76	0.32 110	0.49 34	0.46 148	1.65 238	0.64 29	0.69 49	1.09 128	1.63 311	0.85 190	1.90 244	0.37 42	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

CAS	0.63 122	0.18 1	0.37 2	2.27 397	0.84 354	0.57 79	0.54 196	0.79 15	0.62 25	0.48 19	0.70 33	0.36 2	0.26 1	0.45 2	0.35 30	2.24 398	0.10 1	0.14 1	0.09 1	0.15 6	1.06 388

TestStereo1	0.63 122	0.28 88	0.75 152	0.76 323	0.31 95	0.48 24	0.43 118	1.30 161	1.21 228	0.97 99	1.31 209	0.64 65	0.77 157	1.75 225	0.42 78	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

RAFT_CTSACE	0.63 122	0.26 49	0.88 206	0.55 159	0.51 250	0.71 148	0.44 130	0.80 20	0.97 121	0.97 99	1.84 325	1.18 225	0.68 132	1.47 180	0.36 36	0.16 12	0.15 128	0.21 100	0.20 140	0.20 102	0.14 12

SA-5K	0.63 122	0.28 88	0.75 152	0.76 323	0.31 95	0.48 24	0.43 118	1.30 161	1.21 228	0.97 99	1.31 209	0.64 65	0.77 157	1.75 225	0.42 78	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

ICVP	0.63 122	0.33 194	0.57 49	0.61 225	0.40 189	0.80 186	0.58 228	1.61 231	0.89 92	0.90 84	1.24 181	0.88 135	0.73 141	0.72 44	0.88 249	0.29 277	0.21 247	0.22 126	0.21 176	0.24 197	0.27 237
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
XX-Stereo	0.63 122	0.26 49	1.90 355	0.81 335	0.67 310	0.43 16	0.23 3	1.03 81	0.58 20	0.65 46	1.56 281	1.41 274	0.39 16	1.28 138	0.35 30	0.20 122	0.14 78	0.20 77	0.19 112	0.18 45	0.14 12

ACVNet	0.63 122	0.31 163	0.54 35	0.54 140	0.36 151	0.80 186	0.46 148	1.37 172	1.07 162	0.93 89	1.30 204	1.08 198	0.85 190	0.80 59	0.94 255	0.21 149	0.19 214	0.21 100	0.18 92	0.22 158	0.18 82

cc1	0.64 132	0.31 163	0.50 20	0.54 140	0.26 22	1.18 271	0.51 177	0.93 48	3.05 390	0.58 35	0.79 52	0.48 25	0.88 206	1.46 176	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.19 75	0.19 116

GwcNet-ADL	0.64 132	0.31 163	0.79 175	0.56 172	0.41 195	0.60 90	0.58 228	1.41 180	1.26 246	1.08 124	1.13 148	0.91 141	0.60 102	1.04 108	0.78 223	0.27 258	0.18 201	0.18 39	0.18 92	0.25 207	0.29 251

RAFT	0.64 132	0.30 131	0.73 136	0.59 202	0.33 127	0.68 134	0.58 228	1.04 85	0.76 62	1.08 124	1.19 168	1.65 316	0.93 225	1.06 110	0.56 162	0.21 149	0.18 201	0.27 243	0.24 234	0.22 158	0.17 64

TestStereo	0.64 132	0.39 252	0.71 120	0.51 100	0.27 35	0.56 74	0.42 102	1.03 81	0.91 101	0.80 68	1.00 91	0.68 74	0.52 64	3.25 315	0.45 97	0.22 172	0.15 128	0.24 175	0.18 92	0.27 227	0.16 44

DN-CSS_ROB	0.64 132	0.32 178	1.05 260	0.55 159	0.40 189	0.54 65	0.45 141	1.21 140	0.93 107	1.03 117	1.47 260	0.69 79	0.63 121	1.76 230	0.49 127	0.18 61	0.14 78	0.25 212	0.22 203	0.22 158	0.20 140

MyStereo8	0.65 137	0.29 115	1.00 242	0.58 189	0.49 234	0.91 212	0.35 52	1.18 133	1.31 272	1.16 173	1.27 194	0.90 140	0.64 124	0.72 44	0.95 257	0.18 61	0.14 78	0.20 77	0.18 92	0.22 158	0.26 231

whm_eth	0.65 137	0.47 283	1.05 260	0.55 159	0.64 303	0.69 138	0.45 141	1.34 167	1.26 246	1.02 113	1.92 335	0.49 32	0.48 51	0.70 37	0.52 142	0.23 196	0.20 231	0.25 212	0.24 234	0.24 197	0.31 273

StereoVision	0.65 137	0.34 213	0.86 193	0.59 202	0.40 189	0.50 43	0.41 100	1.09 111	0.93 107	0.71 53	2.50 366	0.82 108	0.57 90	1.03 103	0.49 127	0.25 235	0.28 304	0.29 261	0.28 284	0.36 283	0.20 140

CASS	0.65 137	0.34 213	0.72 124	0.56 172	0.27 35	0.78 177	0.42 102	1.59 225	0.86 81	1.30 240	1.25 185	0.87 132	0.84 187	0.84 68	0.54 156	0.35 313	0.19 214	0.26 231	0.21 176	0.28 241	0.42 314
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test_5	0.65 137	0.30 131	0.75 152	0.67 280	0.50 240	0.92 218	0.52 186	1.39 178	1.12 182	0.76 59	1.11 137	1.00 174	0.90 213	1.53 189	0.45 97	0.18 61	0.13 44	0.23 155	0.22 203	0.21 136	0.19 116

iRaft-Stereo_20w	0.65 137	0.31 163	1.00 242	0.47 43	0.34 142	0.73 153	0.30 26	2.96 389	0.70 49	1.15 162	1.14 151	0.76 91	0.65 129	1.11 121	0.38 52	0.17 33	0.13 44	0.18 39	0.16 62	0.19 75	0.18 82

EAI-Stereo	0.65 137	0.28 88	0.69 103	0.53 125	0.27 35	0.60 90	0.40 89	2.28 368	0.64 29	0.71 53	3.18 377	0.57 48	0.43 26	1.06 110	0.41 70	0.18 61	0.13 44	0.17 17	0.17 78	0.17 26	0.17 64

HITNet	0.65 137	0.40 256	0.77 165	0.48 56	0.24 11	1.05 247	0.49 169	1.76 265	1.02 143	1.18 187	1.18 165	0.89 139	0.80 169	0.85 70	0.79 229	0.17 33	0.12 9	0.21 100	0.17 78	0.29 246	0.15 28
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
MyStereo05	0.66 145	0.28 88	1.07 267	0.56 172	0.46 226	0.61 93	0.73 267	1.34 167	1.41 314	1.15 162	0.91 70	0.77 92	0.80 169	1.41 170	0.63 185	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 140

PCWNet_CMD	0.66 145	0.32 178	0.88 206	0.49 69	0.37 159	0.78 177	0.40 89	1.42 182	1.31 272	1.16 173	1.31 209	1.25 242	0.62 116	0.89 78	0.57 164	0.20 122	0.16 159	0.27 243	0.19 112	0.40 303	0.25 213

ToySt	0.66 145	0.33 194	1.23 291	0.51 100	0.33 127	0.86 204	0.68 257	1.10 113	0.97 121	0.84 78	1.08 123	1.25 242	0.94 230	1.01 100	0.74 209	0.19 94	0.19 214	0.24 175	0.24 234	0.27 227	0.23 189

DisPM	0.66 145	0.28 88	0.72 124	0.61 225	0.35 145	0.62 99	0.45 141	1.02 78	0.99 133	1.56 316	1.10 132	0.80 100	0.59 100	2.37 283	0.41 70	0.23 196	0.14 78	0.23 155	0.21 176	0.20 102	0.25 213

SA	0.66 145	0.30 131	0.82 183	0.61 225	0.30 83	0.58 80	0.38 75	1.44 189	1.30 268	0.96 96	1.36 229	0.66 70	0.95 235	1.85 240	0.42 78	0.19 94	0.15 128	0.25 212	0.23 223	0.21 136	0.17 64

CFNet_pseudo	0.66 145	0.32 178	0.86 193	0.48 56	0.39 184	0.70 145	0.40 89	1.33 163	1.22 231	1.16 173	1.34 222	1.24 238	0.64 124	0.98 93	0.59 169	0.21 149	0.16 159	0.33 294	0.19 112	0.36 283	0.25 213

GES	0.66 145	0.34 213	0.90 214	0.59 202	0.38 176	0.94 223	0.57 225	2.11 340	0.86 81	1.02 113	1.11 137	0.66 70	0.79 164	0.99 95	0.61 178	0.27 258	0.19 214	0.20 77	0.20 140	0.21 136	0.30 263

MSMDNet	0.66 145	0.32 178	0.87 203	0.49 69	0.37 159	0.79 181	0.40 89	1.43 188	1.31 272	1.15 162	1.31 209	1.24 238	0.63 121	0.88 75	0.57 164	0.21 149	0.16 159	0.26 231	0.19 112	0.39 299	0.24 201

ccs_rob	0.66 145	0.33 194	0.86 193	0.48 56	0.39 184	0.70 145	0.40 89	1.33 163	1.22 231	1.16 173	1.34 222	1.23 236	0.64 124	0.98 93	0.59 169	0.21 149	0.16 159	0.35 311	0.20 140	0.37 287	0.25 213

MyStereo04	0.67 154	0.29 115	1.07 267	0.55 159	0.45 216	0.59 84	0.79 280	1.50 201	1.40 311	0.91 86	0.91 70	0.74 86	0.86 198	1.52 185	0.62 181	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 140

xx1	0.67 154	0.31 163	0.50 20	0.54 140	0.26 22	1.18 271	0.51 177	0.93 48	3.05 390	0.58 35	0.79 52	0.95 159	0.77 157	1.46 176	0.32 8	0.20 122	0.12 9	0.24 175	0.23 223	0.22 158	0.21 157

GMStereo_Zeroshot	0.67 154	0.61 329	1.01 246	0.64 253	0.37 159	0.84 202	0.35 52	1.05 91	1.12 182	1.12 143	1.06 117	1.27 250	0.54 72	1.19 129	0.59 169	0.32 293	0.17 185	0.31 274	0.18 92	0.52 342	0.22 172

DMCA	0.67 154	0.34 213	0.90 214	0.51 100	0.44 209	0.86 204	0.47 154	1.42 182	1.02 143	1.17 182	1.12 143	1.23 236	0.75 145	0.78 55	0.95 257	0.25 235	0.19 214	0.27 243	0.19 112	0.24 197	0.27 237

raft_robust	0.68 158	0.30 131	0.64 77	0.52 116	0.26 22	0.54 65	0.35 52	1.33 163	1.24 238	1.16 173	1.07 120	0.60 57	0.54 72	3.58 325	0.37 42	0.18 61	0.14 78	0.20 77	0.22 203	0.20 102	0.16 44

IPLG	0.69 159	0.27 72	0.97 234	0.51 100	0.43 203	0.79 181	0.33 37	1.21 140	1.06 157	1.30 240	1.10 132	0.52 40	0.55 78	3.16 313	0.63 185	0.16 12	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

UCFNet_RVC	0.69 159	0.35 229	0.49 18	0.64 253	0.39 184	0.85 203	0.58 228	1.75 259	1.14 195	0.97 99	1.19 168	1.17 222	0.93 225	0.99 95	0.62 181	0.28 269	0.20 231	0.34 304	0.31 307	0.32 268	0.27 237

CFNet_ucs	0.70 161	0.33 194	0.88 206	0.50 76	0.43 203	0.74 156	0.44 130	1.60 228	1.29 262	1.22 203	1.54 275	1.09 205	0.63 121	0.99 95	0.59 169	0.25 235	0.20 231	0.37 321	0.21 176	0.40 303	0.28 248

IER	0.70 161	0.31 163	1.02 252	0.48 56	0.52 258	1.34 294	0.51 177	1.17 128	0.99 133	1.23 206	1.34 222	1.12 212	1.11 283	0.99 95	0.71 202	0.20 122	0.16 159	0.21 100	0.21 176	0.20 102	0.19 116

HCRNet	0.70 161	0.39 252	0.73 136	0.60 213	0.59 289	0.76 166	0.35 52	1.22 147	1.13 193	1.02 113	0.99 88	1.02 183	0.76 153	2.19 271	0.70 197	0.28 269	0.19 214	0.28 253	0.23 223	0.25 207	0.23 189

SFCPSM	0.70 161	0.28 88	1.02 252	0.51 100	0.38 176	1.37 297	0.66 252	2.00 321	1.03 146	1.17 182	1.21 173	0.82 108	0.78 162	1.03 103	0.53 150	0.21 149	0.17 185	0.22 126	0.24 234	0.21 136	0.19 116

AdaStereo	0.70 161	0.43 268	0.75 152	0.73 315	0.37 159	0.92 218	0.53 192	1.85 287	1.18 215	1.12 143	1.23 179	1.07 197	0.65 129	0.96 87	0.63 185	0.31 288	0.15 128	0.32 287	0.21 176	0.29 246	0.22 172
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.
BSDual-CNN	0.71 166	0.32 178	0.68 94	0.54 140	0.44 209	1.27 285	0.65 247	2.16 350	0.98 126	1.20 195	1.11 137	1.12 212	0.74 143	0.91 80	0.66 191	0.24 211	0.17 185	0.25 212	0.22 203	0.22 158	0.22 172

qqq1	0.72 167	0.30 131	0.86 193	0.46 37	0.26 22	0.82 191	0.43 118	2.05 330	1.39 306	1.23 206	1.47 260	0.98 168	0.95 235	1.71 220	0.44 89	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

fff1	0.72 167	0.30 131	0.86 193	0.46 37	0.26 22	0.82 191	0.43 118	2.05 330	1.39 306	1.23 206	1.47 260	0.98 168	0.95 235	1.71 220	0.44 89	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

ffm	0.72 167	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	0.95 56	2.47 378	1.15 162	1.45 253	1.06 191	0.82 176	1.55 193	0.32 8	0.20 122	0.12 9	0.31 274	0.27 267	0.19 75	0.20 140

anonymousa	0.72 167	0.27 72	0.75 152	0.47 43	0.63 301	1.43 307	0.45 141	1.24 153	0.89 92	1.28 227	1.75 315	1.62 309	1.13 288	0.69 34	0.59 169	0.19 94	0.16 159	0.23 155	0.25 245	0.20 102	0.18 82

Sa-1000	0.72 167	0.29 115	0.76 161	0.59 202	0.30 83	0.73 153	0.37 71	1.62 234	1.33 280	1.28 227	2.04 345	0.86 128	0.75 145	1.84 237	0.38 52	0.19 94	0.14 78	0.25 212	0.23 223	0.20 102	0.16 44

psmg	0.72 167	0.32 178	0.68 94	0.50 76	0.44 209	1.48 310	0.75 269	1.94 311	0.98 126	1.21 198	1.33 217	1.12 212	0.74 143	0.91 80	0.66 191	0.24 211	0.19 214	0.25 212	0.25 245	0.23 183	0.22 172

UDGNet	0.72 167	1.17 383	0.80 180	0.77 326	0.41 195	0.77 172	0.38 75	0.97 64	1.34 283	0.81 72	0.88 66	0.71 84	0.60 102	1.21 131	0.54 156	0.52 360	0.19 214	1.02 387	0.26 259	0.71 370	0.31 273

PSMNet-ADL	0.72 167	0.35 229	0.62 68	0.69 293	0.46 226	1.14 261	0.44 130	1.37 172	1.01 140	0.83 76	1.17 163	1.33 262	0.96 240	1.43 171	0.95 257	0.33 298	0.22 261	0.21 100	0.23 223	0.27 227	0.29 251

LCNet	0.72 167	0.28 88	0.52 29	0.55 159	0.31 95	0.69 138	0.54 196	1.00 72	0.88 89	1.19 191	1.34 222	0.97 167	1.34 322	2.56 291	0.45 97	0.18 61	0.13 44	0.21 100	0.25 245	0.27 227	0.73 372

GANet-RSSM	0.72 167	0.28 88	0.63 71	0.64 253	0.58 282	0.80 186	0.58 228	1.89 295	1.08 166	1.04 120	1.25 185	1.15 220	1.04 267	1.49 182	0.62 181	0.25 235	0.19 214	0.22 126	0.22 203	0.22 158	0.21 157

PSMNet-RSSM	0.72 167	0.30 131	0.61 64	0.63 244	0.42 198	0.73 153	0.56 215	1.92 305	1.10 176	1.09 129	1.37 231	1.22 231	0.98 247	1.28 138	0.72 205	0.27 258	0.19 214	0.27 243	0.29 295	0.24 197	0.24 201

CFNet-ft	0.72 167	0.32 178	0.54 35	0.66 270	0.54 264	0.83 195	0.55 209	1.37 172	1.15 204	0.93 89	1.28 199	1.57 301	0.97 243	1.35 151	0.81 233	0.26 249	0.20 231	0.33 294	0.25 245	0.30 256	0.23 189

CFNet_RVC	0.72 167	0.32 178	0.54 35	0.66 270	0.54 264	0.83 195	0.55 209	1.37 172	1.15 204	0.93 89	1.28 199	1.57 301	0.97 243	1.35 151	0.81 233	0.26 249	0.20 231	0.33 294	0.25 245	0.30 256	0.23 189

MLCV	0.72 167	0.34 213	1.10 274	0.51 100	0.23 8	0.91 212	0.39 86	1.33 163	1.23 234	1.46 294	1.55 277	1.01 181	0.64 124	1.95 251	0.80 232	0.18 61	0.12 9	0.18 39	0.14 25	0.19 75	0.17 64

CoDeX	0.73 181	0.29 115	0.93 223	0.54 140	0.36 151	1.14 261	0.61 240	2.34 373	1.17 210	1.16 173	1.25 185	0.91 141	0.87 202	1.33 147	0.64 189	0.20 122	0.16 159	0.21 100	0.18 92	0.20 102	0.18 82

cf-r	0.73 181	0.30 131	0.77 165	0.55 159	0.63 301	0.78 177	0.48 162	1.79 275	1.15 204	1.13 157	1.26 191	1.43 276	0.87 202	1.40 169	0.85 246	0.25 235	0.18 201	0.22 126	0.23 223	0.19 75	0.19 116

BEATNet_4x	0.73 181	0.49 291	1.17 285	0.53 125	0.26 22	1.03 244	0.55 209	1.82 281	1.06 157	1.21 198	1.22 175	0.96 165	0.91 216	1.01 100	1.06 270	0.21 149	0.14 78	0.24 175	0.19 112	0.37 287	0.21 157

gwcnet-sp	0.74 184	0.33 194	1.44 318	0.57 183	0.45 216	1.40 302	0.54 196	1.50 201	1.14 195	1.30 240	1.02 103	0.94 153	0.82 176	1.39 164	0.76 215	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 172

scenet	0.74 184	0.33 194	1.44 318	0.57 183	0.45 216	1.40 302	0.54 196	1.50 201	1.14 195	1.30 240	1.02 103	0.94 153	0.82 176	1.39 164	0.76 215	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 172

ssnet	0.74 184	0.33 194	1.44 318	0.57 183	0.45 216	1.40 302	0.54 196	1.50 201	1.14 195	1.30 240	1.02 103	0.94 153	0.82 176	1.39 164	0.76 215	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 172

BUS	0.74 184	0.32 178	0.68 94	0.54 140	0.44 209	2.34 371	0.42 102	2.16 350	0.98 126	1.20 195	1.11 137	1.03 186	0.62 116	0.91 80	0.70 197	0.24 211	0.17 185	0.25 212	0.22 203	0.22 158	0.22 172

GMM-Stereo	0.74 184	0.25 38	0.59 57	0.54 140	0.34 142	0.72 150	0.99 325	1.01 77	0.87 85	1.36 268	1.78 318	1.12 212	0.81 172	2.09 262	0.46 110	0.18 61	0.12 9	0.25 212	0.25 245	0.20 102	0.85 378

DMCA-RVC	0.74 184	0.40 256	1.27 300	0.66 270	0.49 234	0.77 172	0.47 154	1.35 169	1.01 140	1.53 308	1.01 96	1.29 256	0.82 176	1.31 143	0.78 223	0.27 258	0.21 247	0.35 311	0.27 267	0.32 268	0.24 201

DeepPruner_ROB	0.74 184	0.48 288	0.87 203	0.57 183	0.44 209	0.79 181	0.54 196	1.73 253	0.96 114	1.38 275	1.27 194	1.24 238	0.73 141	1.43 171	0.73 208	0.34 306	0.28 304	0.27 243	0.26 259	0.31 263	0.31 273

SMFormer	0.75 191	0.30 131	0.86 193	0.46 37	0.26 22	0.82 191	0.43 118	2.05 330	1.39 306	1.23 206	1.47 260	0.98 168	0.95 235	1.71 220	0.82 238	0.24 211	0.20 231	0.22 126	0.21 176	0.23 183	0.24 201

tta	0.75 191	0.30 131	0.86 193	0.46 37	0.26 22	0.82 191	0.43 118	2.05 330	1.39 306	1.23 206	1.47 260	0.98 168	0.95 235	1.71 220	0.82 238	0.24 211	0.20 231	0.22 126	0.21 176	0.18 45	0.18 82

KYRaft	0.75 191	0.28 88	0.62 68	0.56 172	0.29 66	0.67 127	0.86 298	0.94 53	0.84 80	1.62 326	2.21 353	1.16 221	1.02 264	1.57 197	0.40 63	0.20 122	0.13 44	0.22 126	0.28 284	0.20 102	1.02 383

Prome-Stereo	0.75 191	0.27 72	0.53 31	0.55 159	0.32 110	0.59 84	0.97 321	0.89 35	0.88 89	1.45 292	2.46 365	0.91 141	1.41 325	1.58 199	0.44 89	0.18 61	0.13 44	0.19 53	0.17 78	0.20 102	0.92 379

acv_ft	0.75 191	0.31 163	0.95 228	0.70 298	0.86 357	1.24 281	0.53 192	1.44 189	1.07 162	1.24 214	1.30 204	1.08 198	0.92 219	0.80 59	1.34 307	0.21 149	0.19 214	0.21 100	0.18 92	0.21 136	0.18 82

iResNet	0.75 191	0.40 256	1.36 313	0.67 280	0.29 66	0.92 218	0.59 235	1.52 209	1.25 241	1.28 227	1.48 265	0.94 153	0.76 153	1.62 204	0.78 223	0.18 61	0.14 78	0.18 39	0.15 33	0.22 158	0.23 189

AASNet	0.76 197	0.35 229	0.91 217	0.79 329	0.81 350	1.14 261	0.56 215	2.02 328	1.08 166	1.22 203	1.24 181	0.93 150	0.76 153	0.77 54	1.16 285	0.27 258	0.23 270	0.24 175	0.20 140	0.28 241	0.24 201

NINENet	0.77 198	0.37 242	0.78 173	0.62 236	0.51 250	2.34 371	0.42 102	1.83 285	1.04 150	1.14 159	1.23 179	1.03 186	0.62 116	1.24 135	0.70 197	0.28 269	0.23 270	0.31 274	0.21 176	0.26 215	0.25 213

hknet	0.77 198	0.32 178	0.95 228	0.54 140	0.38 176	1.27 285	0.65 247	2.16 350	1.07 162	1.20 195	1.11 137	1.59 305	0.81 172	1.37 155	0.66 191	0.22 172	0.17 185	0.25 212	0.22 203	0.22 158	0.22 172

ARAFT	0.77 198	0.36 236	1.49 331	0.51 100	0.31 95	0.90 210	0.82 290	1.90 298	1.06 157	1.62 326	1.24 181	1.02 183	0.64 124	1.84 237	0.50 133	0.18 61	0.14 78	0.28 253	0.27 267	0.17 26	0.16 44

psm_up	0.77 198	0.34 213	0.70 109	0.66 270	0.58 282	1.05 247	0.92 311	1.52 209	1.12 182	1.26 222	1.16 160	1.31 260	1.23 306	1.20 130	0.81 233	0.25 235	0.29 312	0.31 274	0.27 267	0.27 227	0.25 213

GwcNet-RSSM	0.77 198	0.32 178	1.01 246	0.62 236	0.54 264	0.78 177	0.51 177	1.73 253	1.20 223	1.09 129	1.37 231	1.46 284	0.85 190	1.53 189	1.09 275	0.25 235	0.18 201	0.23 155	0.24 234	0.20 102	0.19 116

iResNet_ROB	0.77 198	0.30 131	0.99 237	0.57 183	0.36 151	0.83 195	0.36 62	2.33 371	1.58 336	1.27 225	1.30 204	1.25 242	0.84 187	1.65 207	0.79 229	0.20 122	0.14 78	0.17 17	0.12 10	0.18 45	0.27 237

PSM-softLoss	0.78 204	0.31 163	0.77 165	0.58 189	0.32 110	0.56 74	0.40 89	1.18 133	0.70 49	1.24 214	1.07 120	0.83 115	0.52 64	5.36 353	0.53 150	0.24 211	0.15 128	0.25 212	0.22 203	0.20 102	0.25 213

KMStereo	0.78 204	0.31 163	0.77 165	0.58 189	0.32 110	0.56 74	0.40 89	1.18 133	0.70 49	1.24 214	1.07 120	0.83 115	0.52 64	5.36 353	0.53 150	0.24 211	0.15 128	0.25 212	0.22 203	0.20 102	0.25 213

STTStereo	0.78 204	0.50 295	1.22 290	0.64 253	0.54 264	0.89 207	0.54 196	1.44 189	1.11 178	1.38 275	1.09 128	1.27 250	0.85 190	1.43 171	0.83 240	0.29 277	0.27 298	0.33 294	0.39 338	0.32 268	0.30 263

PSM-AAD	0.79 207	0.27 72	0.53 31	0.55 159	0.28 54	0.77 172	1.24 351	0.99 68	0.91 101	1.66 329	1.57 285	0.81 103	2.19 379	1.65 207	0.44 89	0.19 94	0.14 78	0.38 324	0.32 313	0.21 136	0.70 369

hitnet-ft	0.79 207	0.35 229	0.57 49	0.58 189	0.42 198	0.96 231	0.46 148	1.47 194	1.33 280	1.19 191	1.22 175	1.81 330	0.98 247	1.66 211	0.94 255	0.33 298	0.28 304	0.34 304	0.27 267	0.35 277	0.31 273

NLCA_NET_v2_RVC	0.79 207	0.43 268	1.05 260	0.64 253	0.58 282	0.95 227	0.53 192	1.53 215	1.18 215	1.37 270	1.15 157	1.43 276	0.88 206	1.61 203	0.84 243	0.25 235	0.22 261	0.27 243	0.27 267	0.29 246	0.29 251
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NF-Stereo	0.80 210	0.30 131	0.75 152	0.60 213	0.31 95	0.64 102	0.44 130	1.21 140	0.90 96	1.29 232	1.02 103	0.82 108	0.57 90	5.40 357	0.48 120	0.23 196	0.14 78	0.24 175	0.20 140	0.20 102	0.30 263

OCTAStereo	0.80 210	0.30 131	0.75 152	0.60 213	0.31 95	0.64 102	0.44 130	1.21 140	0.90 96	1.29 232	1.01 96	0.82 108	0.57 90	5.35 352	0.48 120	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 263

DRaft	0.80 210	0.24 22	0.70 109	0.45 34	0.30 83	0.97 235	0.53 192	1.05 91	0.97 121	1.78 339	2.02 343	0.80 100	1.74 355	2.73 298	0.72 205	0.17 33	0.14 78	0.20 77	0.20 140	0.18 45	0.21 157

RE-Stereo	0.80 210	0.30 131	0.75 152	0.60 213	0.31 95	0.64 102	0.44 130	1.21 140	0.90 96	1.29 232	1.01 96	0.81 103	0.57 90	5.37 355	0.48 120	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 263

TVStereo	0.80 210	0.30 131	0.75 152	0.60 213	0.31 95	0.64 102	0.44 130	1.21 140	0.90 96	1.29 232	1.01 96	0.81 103	0.57 90	5.37 355	0.48 120	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 263

UPFNet	0.80 210	0.32 178	0.90 214	0.59 202	0.74 328	1.26 284	0.80 286	1.52 209	1.10 176	1.30 240	1.12 143	1.30 257	0.84 187	1.67 212	1.09 275	0.24 211	0.24 279	0.24 175	0.23 223	0.25 207	0.18 82

iResNetv2_ROB	0.80 210	0.37 242	1.71 343	0.56 172	0.37 159	0.94 223	0.64 245	1.73 253	1.34 283	1.23 206	1.42 244	1.26 246	0.92 219	1.85 240	0.56 162	0.23 196	0.15 128	0.19 53	0.14 25	0.24 197	0.19 116

StereoDRNet-Refined	0.80 210	0.41 262	0.88 206	0.62 236	0.42 198	1.33 292	0.48 162	1.52 209	1.17 210	1.45 292	1.44 251	1.44 280	0.90 213	1.26 137	1.24 293	0.20 122	0.16 159	0.27 243	0.24 234	0.25 207	0.28 248
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCRE	0.82 218	0.26 49	0.70 109	0.58 189	0.44 209	0.54 65	0.48 162	0.95 56	0.78 66	0.78 63	7.33 407	0.86 128	0.52 64	0.76 52	0.41 70	0.16 12	0.16 159	0.19 53	0.17 78	0.18 45	0.17 64

SepStereo	0.82 218	0.34 213	1.03 256	0.64 253	0.69 318	0.77 172	0.63 243	1.54 217	1.20 223	1.79 342	1.55 277	0.95 159	1.04 267	2.30 278	0.60 176	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 172

GrayStereo	0.82 218	0.26 49	0.58 52	0.63 244	0.37 159	0.76 166	1.86 384	1.11 119	0.87 85	1.99 356	1.89 332	1.08 198	1.82 363	1.39 164	0.48 120	0.19 94	0.14 78	0.19 53	0.21 176	0.18 45	0.39 305

LMCR-Stereo	0.82 218	0.46 279	0.88 206	0.75 321	0.43 203	1.33 292	0.56 215	2.43 379	0.98 126	1.53 308	1.49 266	0.74 86	1.00 257	1.63 205	0.89 250	0.28 269	0.17 185	0.22 126	0.17 78	0.29 246	0.20 140

ac_64	0.82 218	0.29 115	0.81 181	0.71 305	0.60 292	1.05 247	0.54 196	1.99 320	0.92 105	1.18 187	1.06 117	1.99 346	1.08 278	1.94 250	0.97 262	0.27 258	0.22 261	0.24 175	0.23 223	0.22 158	0.19 116

SST-Stereo	0.83 223	0.28 88	0.72 124	0.59 202	0.31 95	0.72 150	0.26 10	1.09 111	0.86 81	1.47 295	1.10 132	1.00 174	0.87 202	5.73 365	0.45 97	0.22 172	0.13 44	0.23 155	0.19 112	0.23 183	0.18 82

RAFT_R40	0.83 223	0.28 88	0.73 136	0.59 202	0.31 95	0.69 138	0.44 130	1.10 113	0.95 112	1.47 295	1.10 132	1.00 174	0.85 190	5.53 359	0.46 110	0.22 172	0.13 44	0.23 155	0.20 140	0.23 183	0.18 82

UNet	0.83 223	0.34 213	1.31 304	0.58 189	0.74 328	1.58 320	0.49 169	1.41 180	1.04 150	1.21 198	1.08 123	1.54 297	1.12 286	1.65 207	1.09 275	0.23 196	0.17 185	0.25 212	0.20 140	0.25 207	0.22 172

FADNet_RVC	0.83 223	0.51 298	1.83 353	0.54 140	0.42 198	1.19 275	0.46 148	1.51 206	1.09 172	0.89 83	1.24 181	0.91 141	0.87 202	2.11 264	1.11 280	0.27 258	0.22 261	0.31 274	0.28 284	0.43 316	0.38 302

DAS	0.84 227	0.34 213	1.03 256	0.64 253	0.69 318	0.77 172	0.63 243	1.54 217	1.20 223	1.79 342	1.55 277	0.95 159	1.04 267	2.83 300	0.60 176	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 172

RAFT-345	0.84 227	0.25 38	0.66 87	0.50 76	0.27 35	0.54 65	0.42 102	0.83 24	1.11 178	1.32 252	2.34 359	0.86 128	0.54 72	5.72 364	0.47 115	0.18 61	0.13 44	0.22 126	0.17 78	0.17 26	0.16 44

MMNet	0.84 227	0.32 178	1.09 271	0.60 213	0.59 289	1.85 347	0.49 169	1.51 206	1.27 253	1.37 270	1.15 157	1.26 246	1.18 294	1.67 212	1.22 291	0.19 94	0.18 201	0.23 155	0.22 203	0.25 207	0.21 157

FADNet-RVC-Resample	0.84 227	0.47 283	2.10 362	0.61 225	0.45 216	1.07 252	0.61 240	1.59 225	1.20 223	1.08 124	0.98 86	1.03 186	0.98 247	2.17 267	0.72 205	0.23 196	0.22 261	0.30 270	0.32 313	0.35 277	0.34 285

iRaft-Stereo_5w	0.85 231	0.29 115	0.91 217	0.53 125	0.43 203	0.49 34	0.68 257	0.99 68	0.87 85	0.79 66	1.34 222	1.46 284	0.91 216	5.11 348	1.11 280	0.17 33	0.14 78	0.22 126	0.18 92	0.20 102	0.20 140

SACVNet	0.85 231	0.46 279	0.85 187	0.81 335	0.56 272	0.80 186	0.79 280	1.68 245	1.12 182	1.34 263	1.33 217	1.25 242	0.94 230	2.39 285	0.76 215	0.34 306	0.26 290	0.31 274	0.29 295	0.35 277	0.44 320

ADLNet	0.85 231	0.36 236	0.89 211	0.85 349	0.72 323	1.24 281	0.76 272	1.82 281	1.36 294	1.52 307	1.35 228	1.27 250	0.99 255	1.23 134	1.15 284	0.27 258	0.20 231	0.26 231	0.25 245	0.28 241	0.30 263

delet	0.85 231	0.32 178	0.95 228	0.65 265	0.66 308	1.64 326	0.84 292	1.75 259	1.35 291	1.32 252	1.30 204	1.30 257	0.88 206	1.68 217	1.10 278	0.21 149	0.21 247	0.24 175	0.24 234	0.21 136	0.21 157

HGLStereo	0.85 231	0.38 247	0.94 225	0.80 332	1.03 370	1.17 270	0.58 228	1.52 209	1.20 223	1.19 191	1.62 296	1.13 217	1.20 300	1.80 234	1.06 270	0.24 211	0.24 279	0.24 175	0.21 176	0.23 183	0.27 237

CRFU-Net	0.86 236	0.39 252	1.00 242	0.65 265	0.57 274	1.78 341	0.86 298	2.15 347	0.81 72	1.38 275	1.18 165	1.64 314	1.19 297	1.35 151	0.90 252	0.26 249	0.22 261	0.21 100	0.19 112	0.23 183	0.24 201

dad	0.86 236	0.66 337	1.06 263	0.56 172	0.37 159	0.76 166	0.44 130	1.17 128	1.50 327	1.44 290	1.27 194	1.34 266	0.75 145	2.52 290	0.84 243	0.42 336	0.27 298	0.83 380	0.26 259	0.41 306	0.29 251

AACVNet	0.86 236	0.35 229	0.79 175	0.82 340	0.39 184	0.76 166	0.49 169	1.61 231	0.81 72	1.08 124	1.33 217	1.30 257	0.93 225	4.34 336	0.74 209	0.25 235	0.21 247	0.28 253	0.22 203	0.29 246	0.25 213

DLCB_ROB	0.86 236	0.40 256	0.78 173	0.68 290	0.54 264	1.11 256	0.84 292	1.49 197	1.23 234	1.64 328	1.65 302	1.70 321	0.91 216	1.70 219	1.05 268	0.25 235	0.24 279	0.26 231	0.27 267	0.27 227	0.24 201

HSM-Net_RVC	0.87 240	0.29 115	0.53 31	0.53 125	0.30 83	1.15 266	0.55 209	3.57 396	1.28 258	1.53 308	1.74 312	1.68 319	0.93 225	1.49 182	0.77 221	0.22 172	0.17 185	0.19 53	0.18 92	0.20 102	0.19 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ssnet_v2	0.88 241	0.36 236	1.02 252	0.62 236	0.38 176	1.32 291	0.97 321	2.07 336	1.34 283	1.37 270	1.18 165	1.54 297	0.92 219	1.10 118	1.65 338	0.30 281	0.27 298	0.30 270	0.28 284	0.27 227	0.26 231

ADLNet2	0.88 241	0.34 213	1.17 285	0.77 326	0.64 303	1.12 259	0.76 272	1.74 257	1.24 238	1.21 198	1.65 302	1.71 322	1.05 271	1.67 212	1.17 287	0.24 211	0.21 247	0.21 100	0.22 203	0.26 215	0.29 251

ASMatch	0.88 241	0.26 49	0.69 103	0.51 100	0.35 145	0.48 24	0.37 71	1.12 121	0.92 105	1.10 137	3.28 378	0.96 165	0.98 247	4.90 345	0.49 127	0.19 94	0.16 159	0.22 126	0.19 112	0.19 75	0.27 237

IRAFT_RVC	0.88 241	0.28 88	0.76 161	0.63 244	0.31 95	0.65 114	1.02 330	1.22 147	0.94 110	1.22 203	1.04 114	1.01 181	0.98 247	5.82 366	0.53 150	0.22 172	0.12 9	0.25 212	0.20 140	0.20 102	0.19 116

FADNet-RVC	0.88 241	0.67 338	1.93 357	0.60 213	0.48 231	0.91 212	0.60 239	1.71 251	1.18 215	0.90 84	0.96 78	1.36 267	0.92 219	2.25 276	1.17 287	0.30 281	0.29 312	0.32 287	0.32 313	0.41 306	0.35 290

GEStereo_RVC	0.90 246	0.37 242	0.99 237	0.64 253	0.50 240	0.95 227	0.79 280	2.42 378	1.17 210	1.16 173	1.11 137	1.26 246	0.92 219	3.24 314	0.90 252	0.29 277	0.19 214	0.23 155	0.20 140	0.27 227	0.29 251

CBMV_ROB	0.90 246	0.44 271	0.63 71	0.51 100	0.37 159	1.25 283	0.49 169	1.77 269	1.27 253	1.41 283	2.00 340	1.33 262	1.08 278	2.17 267	0.76 215	0.43 341	0.42 360	0.47 350	0.44 350	0.41 306	0.36 294

PSMNet_ROB	0.90 246	0.52 301	1.17 285	0.72 308	0.61 295	1.27 285	1.12 340	1.76 265	1.12 182	1.09 129	1.28 199	1.45 282	0.89 212	1.65 207	1.42 324	0.33 298	0.25 286	0.37 321	0.39 338	0.35 277	0.29 251

FTStereo	0.91 249	0.26 49	0.56 40	0.54 140	0.33 127	0.66 123	1.87 385	1.00 72	0.75 59	1.75 336	4.15 388	1.04 189	1.65 348	1.57 197	0.46 110	0.19 94	0.16 159	0.23 155	0.21 176	0.18 45	0.63 361

PFNet	0.91 249	0.26 49	1.10 274	0.63 244	0.32 110	0.64 102	0.56 215	1.17 128	0.99 133	1.47 295	1.08 123	0.98 168	0.69 135	6.62 378	0.54 156	0.20 122	0.12 9	0.24 175	0.19 112	0.20 102	0.17 64

CBFPSM	0.92 251	0.33 194	1.86 354	0.49 69	0.38 176	1.75 334	0.84 292	1.39 178	1.12 182	1.09 129	0.99 88	2.37 365	1.66 352	1.32 145	1.42 324	0.19 94	0.18 201	0.20 77	0.20 140	0.21 136	0.33 283

FADNet	0.92 251	0.61 329	1.81 350	0.62 236	0.55 270	0.96 231	0.57 225	1.78 273	1.33 280	0.93 89	1.01 96	1.36 267	1.01 259	2.71 297	0.75 213	0.33 298	0.34 332	0.31 274	0.34 324	0.59 354	0.40 306

NVstereo2D	0.92 251	0.41 262	1.48 329	0.72 308	0.72 323	1.20 277	0.87 300	1.75 259	1.38 302	0.99 105	1.13 148	1.26 246	0.98 247	2.21 273	0.89 250	0.43 341	0.20 231	0.38 324	0.24 234	0.57 350	0.63 361

DispNO	0.93 254	0.30 131	1.34 312	0.55 159	0.55 270	0.89 207	0.49 169	1.48 195	1.21 228	1.17 182	1.27 194	1.19 226	0.90 213	5.23 350	0.74 209	0.22 172	0.17 185	0.24 175	0.21 176	0.19 75	0.20 140

DSFCA	0.93 254	0.34 213	1.06 263	0.52 116	0.65 306	1.55 317	0.93 315	1.49 197	1.19 218	1.56 316	1.15 157	1.50 292	0.96 240	3.07 308	1.02 267	0.30 281	0.26 290	0.25 212	0.25 245	0.28 241	0.24 201

ttt	0.94 256	0.34 213	0.59 57	0.61 225	0.37 159	0.94 223	0.50 176	2.17 356	1.34 283	1.23 206	1.61 293	0.91 141	0.76 153	1.85 240	3.97 383	0.30 281	0.26 290	0.26 231	0.24 234	0.29 246	0.29 251

fast-acv-ft	0.94 256	0.44 271	1.40 315	0.58 189	0.51 250	1.77 339	0.69 261	1.36 171	1.42 317	1.29 232	1.86 328	1.74 326	1.25 309	1.52 185	1.38 312	0.26 249	0.28 304	0.28 253	0.28 284	0.27 227	0.26 231

OMP-Stereo	0.94 256	0.33 194	0.72 124	0.90 362	0.31 95	0.49 34	0.36 62	1.16 126	1.06 157	1.58 322	1.12 143	1.46 284	0.69 135	6.94 386	0.49 127	0.19 94	0.14 78	0.24 175	0.18 92	0.20 102	0.14 12

CBMV	0.95 259	0.44 271	0.66 87	0.53 125	0.35 145	1.53 315	1.63 374	1.69 247	1.42 317	2.00 358	1.60 289	1.43 276	1.17 291	1.59 201	0.99 265	0.34 306	0.34 332	0.39 330	0.33 319	0.33 274	0.32 279
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
HBP-ISP	0.96 260	0.58 318	0.72 124	0.61 225	0.46 226	1.64 326	0.76 272	1.86 290	1.28 258	1.30 240	1.53 273	0.86 128	0.94 230	3.27 316	0.69 196	0.45 347	0.44 364	0.54 362	0.48 359	0.47 329	0.40 306

TransformOpticalFlow	0.96 260	0.28 88	0.89 211	0.52 116	0.31 95	0.66 123	0.54 196	1.75 259	1.12 182	1.09 129	1.44 251	1.37 270	1.01 259	6.70 383	0.42 78	0.19 94	0.12 9	0.20 77	0.19 112	0.18 45	0.19 116

IIG-Stereo	0.96 260	0.31 163	0.72 124	0.88 357	0.33 127	0.61 93	0.26 10	1.19 139	1.03 146	1.69 332	1.37 231	1.46 284	0.75 145	6.96 387	0.51 136	0.19 94	0.14 78	0.23 155	0.18 92	0.20 102	0.14 12

CFNet	0.96 260	0.36 236	1.01 246	0.62 236	0.42 198	0.99 239	0.47 154	1.90 298	1.32 277	0.99 105	1.39 239	1.10 207	0.86 198	5.58 362	0.79 229	0.23 196	0.17 185	0.28 253	0.27 267	0.26 215	0.21 157

XPNet_ROB	0.96 260	0.49 291	1.09 271	0.72 308	0.57 274	1.11 256	1.14 342	1.66 243	1.23 234	1.85 348	1.39 239	1.64 314	1.11 283	1.80 234	1.42 324	0.38 324	0.30 316	0.33 294	0.29 295	0.37 287	0.34 285

ETE_ROB	0.96 260	0.64 335	1.16 283	0.69 293	0.48 231	1.14 261	1.13 341	1.77 269	1.19 218	1.91 353	1.45 253	1.73 324	1.05 271	1.60 202	1.14 283	0.32 293	0.26 290	0.38 324	0.34 324	0.39 299	0.41 310

CSP-Net	0.97 266	0.38 247	0.83 185	0.53 125	0.41 195	1.63 324	0.77 275	2.00 321	1.05 154	1.25 218	1.20 171	1.33 262	0.83 185	4.93 347	0.85 246	0.32 293	0.22 261	0.20 77	0.20 140	0.23 183	0.25 213

DEmStereo	0.97 266	0.23 16	0.79 175	0.47 43	0.32 110	1.04 246	0.56 215	0.93 48	0.89 92	1.39 280	2.14 351	1.02 183	2.07 376	5.64 363	0.77 221	0.17 33	0.15 128	0.20 77	0.20 140	0.18 45	0.20 140

pcwnet_v2	0.97 266	0.37 242	4.33 391	0.62 236	0.54 264	0.79 181	0.45 141	2.02 328	1.58 336	1.42 289	1.64 300	1.09 205	0.79 164	1.24 135	0.67 194	0.32 293	0.25 286	0.29 261	0.27 267	0.37 287	0.35 290

FINET	0.97 266	0.54 305	1.60 337	0.63 244	0.79 343	1.08 253	1.07 335	1.56 222	2.20 372	1.15 162	1.49 266	0.94 153	0.88 206	2.32 279	1.05 268	0.42 336	0.35 340	0.32 287	0.28 284	0.43 316	0.38 302

StereoDRNet	0.98 270	0.47 283	1.70 342	0.76 323	0.94 365	1.51 313	0.91 309	1.92 305	1.32 277	1.61 323	1.13 148	1.47 289	0.97 243	1.75 225	1.46 329	0.28 269	0.23 270	0.29 261	0.27 267	0.35 277	0.27 237

iinet-f	0.99 271	0.45 277	3.71 390	0.55 159	0.43 203	1.81 342	0.68 257	1.14 123	1.14 195	1.18 187	1.42 244	1.58 304	1.44 328	1.34 150	1.59 337	0.24 211	0.23 270	0.20 77	0.19 112	0.26 215	0.25 213

GASNet	0.99 271	0.97 367	1.72 344	0.98 371	0.68 316	0.83 195	0.67 255	1.60 228	1.28 258	1.31 250	1.22 175	1.22 231	1.21 303	2.41 286	1.41 320	0.43 341	0.26 290	0.36 319	0.34 324	0.55 347	0.31 273

Wz-Net-LNSev-Ref	0.99 271	0.40 256	1.82 351	0.66 270	0.62 300	2.05 359	0.78 277	1.91 302	1.29 262	1.54 312	1.42 244	1.51 294	1.23 306	1.99 254	1.33 305	0.23 196	0.14 78	0.20 77	0.15 33	0.27 227	0.26 231

PS-NSSS	0.99 271	0.58 318	0.93 223	0.58 189	0.57 274	0.91 212	0.80 286	1.81 280	1.14 195	1.14 159	1.67 306	1.00 174	0.83 185	4.62 340	0.78 223	0.37 320	0.31 322	0.52 356	0.32 313	0.45 326	0.38 302

RAFT + AFF	1.00 275	0.42 265	1.09 271	0.67 280	0.50 240	1.22 279	1.24 351	2.24 364	1.19 218	1.30 240	1.56 281	1.17 222	1.49 336	3.44 322	0.83 240	0.21 149	0.25 286	0.30 270	0.26 259	0.27 227	0.27 237

DRN-Test	1.00 275	0.44 271	1.13 280	0.70 298	0.81 350	1.62 323	0.79 280	2.14 345	1.44 320	1.78 339	1.33 217	1.43 276	1.05 271	2.18 270	1.53 334	0.27 258	0.21 247	0.31 274	0.30 303	0.32 268	0.28 248

NCCL2	1.00 275	0.56 311	1.06 263	0.75 321	0.57 274	1.31 290	1.72 375	1.77 269	1.36 294	1.50 304	1.17 163	1.91 336	1.17 291	1.54 191	1.29 301	0.35 313	0.31 322	0.45 345	0.44 350	0.40 303	0.40 306

PA-Net	1.01 278	0.57 315	1.29 302	0.64 253	0.74 328	1.19 275	0.84 292	1.69 247	1.43 319	1.16 173	1.19 168	1.32 261	1.19 297	3.42 320	1.25 294	0.29 277	0.45 368	0.33 294	0.49 362	0.32 268	0.47 329
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LALA_ROB	1.01 278	0.59 321	1.16 283	0.67 280	0.51 250	1.63 324	1.26 355	1.69 247	1.38 302	1.81 345	1.37 231	1.94 341	1.02 264	1.58 199	1.38 312	0.37 320	0.27 298	0.43 341	0.37 335	0.43 316	0.37 296

THIR-Stereo	1.02 280	0.27 72	0.69 103	0.49 69	0.28 54	0.95 227	1.34 358	1.03 81	0.97 121	1.34 263	1.90 333	1.17 222	1.58 341	6.44 376	0.78 223	0.19 94	0.14 78	0.21 100	0.22 203	0.19 75	0.20 140

Wz-Net-LNSev	1.03 281	0.67 338	2.71 382	0.64 253	0.84 354	1.75 334	1.00 327	1.80 277	1.32 277	1.28 227	1.25 185	1.65 316	1.22 304	1.39 164	1.40 316	0.28 269	0.26 290	0.24 175	0.23 223	0.33 274	0.32 279

RAFT-RH_RVC	1.03 281	0.24 22	0.67 91	0.49 69	0.28 54	0.81 190	0.33 37	0.83 24	1.08 166	2.05 359	4.65 394	1.04 189	0.57 90	5.98 371	0.50 133	0.18 61	0.13 44	0.26 231	0.20 140	0.16 14	0.17 64

DISCO	1.03 281	0.34 213	1.11 276	0.69 293	0.45 216	2.07 360	0.84 292	2.13 341	1.50 327	1.15 162	1.33 217	2.40 367	1.07 277	2.60 293	1.51 333	0.23 196	0.18 201	0.22 126	0.20 140	0.31 263	0.27 237

STrans-v2	1.04 284	0.28 88	0.96 232	0.49 69	0.32 110	0.68 134	0.79 280	2.47 381	1.12 182	1.12 143	1.46 259	1.40 271	1.46 331	6.70 383	0.43 87	0.18 61	0.13 44	0.20 77	0.18 92	0.18 45	0.18 82

APVNet	1.06 285	0.53 304	1.42 317	0.84 344	0.79 343	1.92 350	0.82 290	1.90 298	1.08 166	1.08 124	1.43 248	1.56 300	1.13 288	3.07 308	1.58 335	0.31 288	0.34 332	0.42 339	0.36 332	0.36 283	0.37 296

TDLM	1.06 285	0.44 271	0.79 175	0.63 244	0.50 240	0.89 207	1.44 363	1.48 195	1.26 246	1.12 143	1.40 241	1.08 198	0.98 247	6.65 379	0.78 223	0.33 298	0.21 247	0.33 294	0.26 259	0.37 287	0.24 201

FAT-Stereo	1.07 287	0.41 262	1.32 307	0.72 308	0.58 282	1.08 253	0.89 303	1.96 314	1.65 340	1.75 336	1.98 339	2.03 351	1.48 334	2.02 256	1.18 290	0.42 336	0.35 340	0.34 304	0.29 295	0.35 277	0.53 343

GANetREF_RVC	1.07 287	0.86 361	1.31 304	0.82 340	0.53 261	1.41 306	1.31 357	1.76 265	1.52 330	1.27 225	1.31 209	1.46 284	1.24 308	2.03 257	0.96 261	0.56 367	0.45 368	0.67 375	0.50 365	0.88 377	0.59 355
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
CVANet_RVC	1.07 287	0.43 268	0.76 161	0.60 213	0.50 240	0.90 210	0.97 321	1.52 209	1.26 246	1.33 260	1.38 235	1.24 238	1.18 294	6.75 385	0.75 213	0.34 306	0.23 270	0.34 304	0.29 295	0.42 311	0.27 237

GwcNet	1.08 290	0.51 298	2.33 371	0.79 329	1.18 383	1.76 336	0.70 263	1.68 245	1.47 323	1.41 283	1.64 300	1.74 326	1.04 267	2.20 272	1.41 320	0.30 281	0.29 312	0.29 261	0.27 267	0.30 256	0.35 290

DANet	1.08 290	0.61 329	1.32 307	0.85 349	0.72 323	1.37 297	0.51 177	1.54 217	1.15 204	1.78 339	1.54 275	2.01 348	1.11 283	2.90 303	2.00 354	0.33 298	0.30 316	0.40 335	0.30 303	0.44 323	0.45 322
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DualNet	1.09 292	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	0.95 56	2.47 378	1.15 162	1.45 253	1.06 191	0.82 176	1.55 193	7.61 398	0.20 122	0.12 9	0.31 274	0.27 267	0.19 75	0.20 140

RP	1.09 292	0.50 295	1.12 278	0.90 362	1.04 371	1.11 256	0.84 292	1.80 277	1.62 338	1.55 315	2.00 340	1.90 335	1.78 358	1.84 237	1.25 294	0.52 360	0.36 345	0.48 351	0.36 332	0.45 326	0.43 318

Nwc_Net	1.09 292	0.49 291	1.33 309	0.89 361	0.80 348	1.49 312	0.66 252	2.19 358	1.27 253	1.32 252	2.26 355	1.96 343	1.54 338	1.92 246	1.34 307	0.40 329	0.30 316	0.43 341	0.45 352	0.38 295	0.37 296

MaskLacGwcNet_RVC	1.10 295	1.02 371	1.00 242	0.82 340	0.67 310	1.93 351	0.93 315	1.62 234	1.11 178	1.15 162	1.25 185	1.50 292	0.79 164	1.96 252	0.76 215	1.89 394	0.34 332	0.79 379	0.36 332	1.25 389	0.83 376

NCC-stereo	1.10 295	0.54 305	1.24 294	0.84 344	0.94 365	1.29 288	0.89 303	2.01 325	1.34 283	1.32 252	1.74 312	1.88 331	1.74 355	2.35 281	1.25 294	0.45 347	0.37 347	0.45 345	0.58 374	0.42 311	0.42 314

Abc-Net	1.10 295	0.54 305	1.24 294	0.84 344	0.94 365	1.29 288	0.89 303	2.01 325	1.34 283	1.32 252	1.74 312	1.88 331	1.74 355	2.35 281	1.25 294	0.45 347	0.37 347	0.45 345	0.58 374	0.42 311	0.42 314
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Wz-Net-MNSev	1.11 298	0.58 318	2.23 369	0.66 270	0.71 321	1.95 353	1.46 364	1.98 319	1.45 321	1.79 342	1.43 248	1.49 291	1.33 321	1.97 253	1.42 324	0.27 258	0.23 270	0.28 253	0.28 284	0.34 276	0.31 273

edge stereo	1.11 298	0.50 295	1.30 303	0.71 305	0.65 306	1.14 261	0.75 269	1.93 309	1.37 298	1.71 333	1.83 323	2.54 371	1.44 328	2.43 287	1.23 292	0.42 336	0.41 358	0.54 362	0.35 328	0.42 311	0.46 326

anonymity	1.12 300	0.97 367	1.21 288	1.07 379	1.12 377	1.08 253	0.89 303	1.95 313	1.16 208	1.29 232	1.26 191	1.22 231	1.09 281	1.15 126	1.01 266	1.02 386	1.00 407	0.97 384	0.97 394	0.98 379	0.99 382

ccnet	1.12 300	0.67 338	1.01 246	0.78 328	0.73 326	1.72 332	0.99 325	1.84 286	1.26 246	1.47 295	1.85 327	1.75 329	1.29 314	1.75 225	1.88 348	0.57 368	0.53 380	0.57 372	0.55 371	0.59 354	0.54 344

RASNet	1.12 300	0.30 131	0.91 217	0.66 270	0.77 338	0.97 235	0.57 225	1.37 172	1.35 291	1.02 113	1.34 222	2.11 355	1.43 327	7.09 388	1.39 315	0.19 94	0.17 185	0.17 17	0.19 112	0.18 45	0.16 44

AF-Net	1.13 303	0.52 301	1.33 309	0.86 351	0.91 361	1.38 300	0.71 265	2.16 350	1.62 338	1.56 316	2.40 362	1.99 346	1.65 348	1.81 236	1.48 331	0.48 355	0.28 304	0.49 353	0.33 319	0.39 299	0.32 279

NaN_ROB	1.13 303	0.55 308	1.15 282	0.64 253	0.48 231	1.61 322	2.03 393	1.72 252	1.48 324	2.09 361	1.27 194	1.40 271	1.08 278	3.94 328	1.30 302	0.28 269	0.34 332	0.28 253	0.28 284	0.30 256	0.33 283

DGSMNet	1.14 305	0.76 354	2.49 377	0.81 335	0.86 357	1.39 301	1.39 360	2.13 341	1.35 291	1.26 222	1.63 299	1.48 290	0.98 247	1.75 225	1.10 278	0.45 347	0.43 361	0.55 367	0.49 362	0.75 373	0.70 369

Syn2CoEx	1.14 305	0.69 342	1.66 340	0.80 332	0.67 310	1.40 302	0.88 301	2.06 335	1.54 333	1.25 218	1.58 287	1.42 275	1.50 337	4.09 330	1.40 316	0.36 316	0.32 329	0.34 304	0.29 295	0.29 246	0.34 285

RGC	1.14 305	0.79 356	1.26 297	0.91 365	0.96 368	1.52 314	0.77 275	1.92 305	1.26 246	1.54 312	1.93 336	2.02 350	1.54 338	2.25 276	1.31 303	0.44 346	0.35 340	0.58 373	0.48 359	0.47 329	0.46 326

S-Stereo	1.15 308	0.46 279	2.17 366	0.81 335	0.80 348	1.21 278	1.19 348	1.93 309	2.02 366	1.47 295	2.11 348	1.57 301	1.17 291	2.05 260	1.41 320	0.40 329	0.40 356	0.35 311	0.31 307	0.44 323	0.70 369

stereogan	1.15 308	0.42 265	1.40 315	0.86 351	0.84 354	2.38 373	0.71 265	1.88 293	1.73 347	1.72 334	1.94 338	2.31 362	1.29 314	2.07 261	1.08 273	0.36 316	0.35 340	0.39 330	0.31 307	0.51 340	0.46 326

AANet_RVC	1.16 310	0.52 301	1.49 331	0.65 265	0.45 216	0.75 162	0.69 261	1.42 182	1.55 335	1.34 263	1.87 330	1.53 296	0.78 162	7.43 394	1.38 312	0.25 235	0.17 185	0.19 53	0.16 62	0.22 158	0.26 231

RYNet	1.17 311	0.49 291	1.24 294	0.70 298	0.97 369	1.71 330	0.92 311	1.91 302	1.46 322	1.38 275	1.14 151	1.88 331	1.30 318	4.24 332	1.87 346	0.26 249	0.21 247	0.35 311	0.27 267	0.55 347	0.54 344

HSM	1.19 312	0.32 178	0.65 81	0.57 183	0.38 176	1.23 280	0.59 235	2.25 365	1.19 218	1.30 240	1.25 185	1.94 341	1.03 266	9.32 409	0.71 202	0.22 172	0.16 159	0.20 77	0.16 62	0.21 136	0.21 157

aanetorigin	1.23 313	0.79 356	2.78 384	0.70 298	0.79 343	0.99 239	1.06 334	1.06 104	1.37 298	3.52 395	2.61 368	1.72 323	1.63 346	1.99 254	1.78 343	0.25 235	0.24 279	0.26 231	0.25 245	0.38 295	0.45 322

PWC_ROB	1.24 314	0.76 354	2.46 376	0.72 308	0.78 341	1.15 266	0.49 169	1.75 259	1.92 361	2.31 366	3.07 375	1.59 305	1.40 324	2.46 288	2.10 358	0.33 298	0.22 261	0.35 311	0.24 234	0.38 295	0.41 310

SGM-Forest	1.24 314	0.38 247	0.60 61	0.52 116	0.37 159	1.56 318	1.30 356	1.65 238	1.36 294	2.11 362	1.79 319	1.63 311	0.93 225	7.48 396	0.95 257	0.36 316	0.37 347	0.39 330	0.34 324	0.37 287	0.32 279
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Consistency-Raft	1.25 316	0.99 369	1.93 357	1.02 375	1.21 385	0.96 231	1.01 329	1.75 259	1.92 361	1.36 268	2.12 349	1.44 280	1.01 259	1.14 125	1.40 316	0.72 377	0.82 394	0.89 382	0.98 396	1.31 390	0.95 380

NOSS_ROB	1.26 317	0.46 279	0.62 68	0.56 172	0.38 176	1.06 250	0.78 277	1.73 253	1.40 311	1.01 110	1.43 248	1.10 207	0.75 145	10.62 419	0.65 190	0.45 347	0.43 361	0.48 351	0.45 352	0.44 323	0.41 310

Anonymous Stereo	1.28 318	0.75 352	2.45 375	0.74 317	0.77 338	0.93 221	1.77 377	1.51 206	1.31 272	1.67 330	1.29 203	1.20 228	0.75 145	6.29 374	1.68 341	0.37 320	0.36 345	0.38 324	0.40 342	0.43 316	0.45 322

RTSC	1.29 319	0.73 347	2.44 374	0.83 343	0.57 274	1.85 347	0.65 247	1.88 293	2.00 365	2.20 364	1.66 304	1.60 307	1.26 311	2.33 280	3.92 381	0.32 293	0.23 270	0.27 243	0.29 295	0.37 287	0.37 296

PWCDC_ROB	1.29 319	0.75 352	1.33 309	1.05 376	0.88 360	1.73 333	0.52 186	1.89 295	3.28 392	1.29 232	4.88 397	1.22 231	1.46 331	1.77 232	1.45 328	0.60 370	0.26 290	0.29 261	0.25 245	0.52 342	0.37 296

Anonymous_2	1.30 321	0.55 308	0.82 183	0.52 116	0.58 282	1.01 242	0.64 245	1.25 155	0.97 121	0.96 96	0.78 49	1.33 262	1.29 314	1.03 103	0.74 209	0.62 372	0.64 389	1.06 388	9.63 425	1.16 386	0.49 336

SQANet	1.31 322	0.88 364	1.08 270	1.83 393	1.44 390	1.44 308	0.75 269	1.74 257	1.09 172	1.32 252	1.26 191	1.28 253	1.01 259	1.50 184	0.83 240	2.50 399	0.34 332	1.47 391	0.55 371	2.32 395	1.57 395

SHD	1.31 322	0.71 346	2.34 372	0.86 351	0.75 334	1.77 339	0.65 247	2.22 362	2.50 382	2.40 373	1.71 309	1.91 336	1.60 344	1.93 249	2.37 362	0.38 324	0.31 322	0.38 324	0.40 342	0.48 332	0.50 337

PDISCO_ROB	1.32 324	0.65 336	1.44 318	1.36 385	1.46 391	2.55 377	0.92 311	2.45 380	2.07 369	1.37 270	1.49 266	1.65 316	1.00 257	2.82 299	1.35 310	1.01 384	0.27 298	0.54 362	0.47 357	0.71 370	0.73 372

LL-Strereo	1.33 325	0.39 252	1.38 314	0.61 225	0.61 295	0.75 162	0.66 252	1.63 236	1.17 210	1.56 316	1.60 289	2.03 351	2.12 377	9.72 414	0.97 262	0.21 149	0.18 201	0.27 243	0.23 223	0.22 158	0.25 213

PASM	1.34 326	0.92 365	2.62 380	0.86 351	0.87 359	1.03 244	1.08 336	1.50 201	1.51 329	1.82 346	1.41 243	1.68 319	1.26 311	4.87 344	1.34 307	0.61 371	0.65 391	0.68 376	0.78 384	0.69 368	0.68 368

ADCRef	1.35 327	0.55 308	2.37 373	0.72 308	0.77 338	1.94 352	0.78 277	1.91 302	1.27 253	1.57 320	1.59 288	1.36 267	1.41 325	1.54 191	7.53 397	0.23 196	0.20 231	0.32 287	0.30 303	0.29 246	0.29 251

GANet	1.36 328	0.47 283	0.86 193	0.67 280	0.45 216	1.34 294	1.73 376	1.64 237	1.24 238	1.49 303	2.38 360	1.55 299	1.20 300	9.30 408	0.93 254	0.30 281	0.31 322	0.33 294	0.28 284	0.39 299	0.30 263

ff1	1.37 329	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	0.95 56	2.47 378	1.15 162	1.45 253	1.06 191	0.82 176	7.22 389	7.61 398	0.20 122	0.12 9	0.31 274	0.27 267	0.19 75	0.20 140

XQC	1.37 329	0.87 362	2.56 378	0.84 344	0.69 318	1.83 345	0.89 303	2.07 336	1.88 357	1.88 349	1.53 273	1.91 336	1.55 340	2.85 302	3.05 370	0.48 355	0.29 312	0.44 344	0.39 338	0.69 368	0.60 358

mmx	1.39 331	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	2.13 341	1.37 298	1.15 162	1.45 253	1.06 191	0.82 176	7.22 389	7.61 398	0.24 211	0.19 214	0.31 274	0.27 267	0.30 256	0.25 213

xxx	1.39 331	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	2.13 341	1.37 298	1.15 162	1.45 253	1.06 191	0.82 176	7.22 389	7.61 398	0.24 211	0.19 214	0.31 274	0.27 267	0.30 256	0.25 213

MFMNet_re	1.40 333	1.14 380	1.68 341	1.39 387	1.07 372	1.48 310	1.43 362	1.87 291	1.82 355	2.26 365	2.19 352	1.51 294	1.86 364	1.52 185	1.25 294	0.93 382	0.83 395	0.84 381	0.80 385	0.99 381	1.05 387

UDG	1.41 334	2.65 414	0.99 237	1.44 390	1.64 393	1.34 294	0.80 286	1.60 228	1.23 234	1.23 206	1.71 309	2.01 348	1.34 322	1.47 180	1.41 320	0.90 381	0.54 383	2.29 398	0.75 382	1.84 392	1.04 385

CSAN	1.41 334	0.59 321	1.26 297	0.70 298	0.50 240	1.76 336	1.78 378	1.77 269	1.90 360	2.35 369	2.32 357	1.92 339	1.94 369	5.56 361	1.49 332	0.43 341	0.35 340	0.40 335	0.41 344	0.43 316	0.41 310

test_xeample	1.45 336	0.28 88	0.65 81	0.51 100	0.28 54	0.94 223	0.59 235	2.14 345	1.29 262	1.24 214	1.51 271	0.88 135	0.86 198	1.46 176	15.10 416	0.22 172	0.20 231	0.22 126	0.20 140	0.22 158	0.22 172

Wz-Net-SNSev	1.49 337	1.23 384	6.27 401	0.68 290	0.67 310	1.37 297	1.41 361	2.00 321	1.39 306	1.48 301	1.61 293	2.29 360	1.32 320	3.93 327	2.14 359	0.31 288	0.28 304	0.31 274	0.33 319	0.42 311	0.36 294

CC-Net-ROB	1.49 337	1.26 385	1.27 300	0.88 357	0.79 343	1.76 336	1.00 327	1.79 275	1.26 246	1.10 137	1.61 293	1.21 229	0.99 255	8.13 402	0.84 243	1.09 390	0.41 358	2.20 396	0.46 355	1.20 388	0.48 332

DDUNet	1.50 339	2.69 415	1.12 278	1.77 392	1.88 395	1.84 346	0.92 311	1.70 250	1.16 208	1.38 275	1.79 319	1.60 307	1.12 286	1.37 155	1.08 273	1.10 391	0.76 392	2.37 400	0.94 392	2.00 393	1.37 393

xxxx	1.51 340	0.28 88	0.68 94	0.54 140	0.28 54	1.16 268	0.44 130	2.19 358	1.29 262	1.09 129	1.36 229	1.22 231	0.85 190	1.79 233	15.70 419	0.24 211	0.21 247	0.21 100	0.20 140	0.22 158	0.23 189

psmorigin	1.52 341	0.69 342	10.52 411	0.68 290	0.59 289	1.13 260	0.70 263	1.57 223	1.19 218	1.99 356	1.79 319	2.26 359	1.47 333	2.09 262	1.36 311	0.39 327	0.40 356	0.34 304	0.33 319	0.43 316	0.56 348

MFN_U_SF_RVC	1.52 341	0.84 358	3.42 386	0.87 356	0.66 308	2.56 378	0.95 319	2.36 374	1.70 344	1.98 355	1.86 328	2.45 369	1.79 359	2.95 304	2.58 364	0.52 360	0.48 373	0.55 367	0.59 377	0.59 354	0.61 359

SAMSARA	1.55 343	0.84 358	2.61 379	1.22 384	1.07 372	2.50 376	1.93 388	2.05 330	1.89 358	2.75 382	1.66 304	2.81 378	1.69 353	3.08 310	1.97 353	0.46 353	0.51 378	0.42 339	0.46 355	0.58 352	0.59 355

CrosDoStereo	1.58 344	0.24 22	0.72 124	0.48 56	0.29 66	0.67 127	12.49 420	1.10 113	0.98 126	1.34 263	1.75 315	1.00 174	1.89 365	6.65 379	0.81 233	0.19 94	0.15 128	0.20 77	0.22 203	0.18 45	0.19 116

DeepStereo_LL	1.58 344	0.24 22	0.72 124	0.48 56	0.29 66	0.67 127	12.49 420	1.10 113	0.98 126	1.34 263	1.75 315	1.00 174	1.89 365	6.65 379	0.81 233	0.19 94	0.15 128	0.20 77	0.22 203	0.18 45	0.19 116

STTRV1_RVC	1.58 344	0.68 341	1.96 359	0.88 357	1.12 377	1.57 319	0.90 308	2.25 365	1.75 350	1.29 232	2.02 343	1.40 271	1.22 304	9.77 415	1.31 303	0.81 379	0.33 331	0.54 362	0.49 362	0.73 372	0.52 342

otaku	1.60 347	1.11 378	1.21 288	2.20 396	1.56 392	1.97 354	1.24 351	2.07 336	1.36 294	1.44 290	1.62 296	1.73 324	1.19 297	1.73 224	0.98 264	2.89 403	0.57 385	1.74 392	0.60 378	2.78 400	1.94 400

DeepPrunerF	1.60 347	0.73 347	5.81 399	0.88 357	1.19 384	0.91 212	0.95 319	2.19 358	5.24 408	1.17 182	1.30 204	1.19 226	1.30 318	4.90 345	1.66 340	0.42 336	0.34 332	0.52 356	0.47 357	0.41 306	0.40 306

222	1.61 349	0.29 115	0.67 91	0.56 172	0.29 66	1.06 250	0.42 102	2.17 356	1.31 272	1.31 250	1.52 272	0.92 149	0.94 230	1.76 230	17.65 420	0.24 211	0.20 231	0.21 100	0.19 112	0.22 158	0.23 189

SDNR	1.62 350	0.51 298	2.17 366	0.53 125	0.56 272	3.80 399	0.45 141	1.54 217	1.29 262	1.33 260	2.41 363	1.08 198	0.96 240	11.18 420	1.16 285	0.66 376	0.63 388	0.43 341	0.32 313	0.64 361	0.67 366

Ntro	1.64 351	1.15 381	1.23 291	2.48 401	1.83 394	2.09 361	1.16 345	1.96 314	1.38 302	1.21 198	1.62 296	1.62 309	1.29 314	1.87 243	1.11 280	3.04 404	0.56 384	1.82 394	0.64 379	2.80 401	2.05 401

G-Net	1.66 352	0.63 333	1.56 334	1.11 381	0.74 328	2.98 388	0.91 309	1.55 221	1.22 231	2.76 383	8.18 413	2.32 363	2.53 388	1.92 246	1.87 346	0.48 355	0.44 364	0.45 345	0.31 307	0.60 358	0.57 352

MDST_ROB	1.67 353	0.34 213	1.58 336	0.92 367	0.58 282	4.26 405	1.11 338	2.83 386	1.41 314	4.49 406	2.55 367	1.45 282	0.97 243	7.79 399	1.17 287	0.31 288	0.25 286	0.37 321	0.33 319	0.31 263	0.30 263

SPS-STEREO	1.67 353	1.04 372	1.23 291	1.21 383	1.13 380	1.82 344	1.11 338	2.16 350	1.52 330	3.07 394	2.32 357	2.82 379	1.80 360	4.11 331	2.04 355	1.03 387	0.99 406	0.97 384	0.94 392	1.03 383	1.02 383
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM_RVC	1.68 355	0.36 236	0.61 64	0.59 202	0.29 66	2.25 367	1.18 347	2.38 376	1.68 343	3.60 396	2.67 370	3.69 388	2.42 385	8.13 402	1.90 349	0.31 288	0.31 322	0.30 270	0.28 284	0.30 256	0.29 251
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DPSNet	1.69 356	0.59 321	4.33 391	0.70 298	0.57 274	2.02 358	1.62 373	3.35 395	1.78 351	1.48 301	1.38 235	2.17 356	2.84 391	4.77 342	3.66 379	0.48 355	0.31 322	0.29 261	0.25 245	0.64 361	0.48 332

1111x	1.70 357	0.29 115	0.86 193	0.51 100	0.27 35	1.01 242	0.68 257	2.22 362	1.28 258	1.13 157	1.40 241	1.21 229	1.10 282	5.53 359	15.20 417	0.22 172	0.21 247	0.22 126	0.22 203	0.24 197	0.22 172

PVD	1.70 357	0.84 358	2.26 370	0.94 370	0.83 353	2.48 375	0.97 321	2.59 384	3.35 393	3.01 392	2.77 371	2.34 364	2.47 387	2.67 296	3.14 373	0.47 354	0.45 368	0.59 374	0.48 359	0.59 354	0.75 374

FBW_ROB	1.71 359	0.62 332	1.45 322	0.67 280	0.61 295	1.81 342	1.08 336	2.52 382	1.70 344	1.77 338	1.73 311	1.98 345	1.25 309	12.57 422	1.84 345	0.34 306	0.37 347	0.56 370	0.38 337	0.45 326	0.43 318

ADCL	1.72 360	0.57 315	3.66 388	0.67 280	0.61 295	2.61 380	1.85 383	1.96 314	1.67 342	1.90 352	1.83 323	2.06 354	1.90 367	2.13 265	9.15 405	0.26 249	0.24 279	0.34 304	0.32 313	0.38 295	0.35 290

MFN_U_SF_DS_RVC	1.74 361	0.87 362	3.56 387	0.80 332	0.75 334	3.72 396	2.44 406	1.82 281	1.82 355	1.74 335	1.91 334	1.92 339	1.26 311	7.69 398	1.28 300	0.45 347	0.47 372	0.52 356	0.77 383	0.50 336	0.50 337

AAGNet	1.83 362	0.28 88	0.72 124	0.61 225	0.32 110	0.67 127	0.51 177	0.96 63	0.98 126	1.47 295	1.20 171	1.00 174	1.18 294	2.83 300	22.77 426	0.22 172	0.13 44	0.22 126	0.19 112	0.23 183	0.15 28

WCMA_ROB	1.84 363	0.47 283	1.31 304	0.69 293	0.57 274	2.11 362	1.14 342	1.87 291	1.73 347	4.04 400	6.43 402	5.62 403	3.61 399	2.59 292	1.94 351	0.52 360	0.44 364	0.39 330	0.42 346	0.48 332	0.47 329

ADCPNet	1.85 364	0.69 342	8.07 404	0.71 305	0.58 282	2.79 384	1.22 350	1.94 311	1.54 333	1.88 349	1.69 307	2.46 370	2.04 373	2.37 283	6.48 392	0.38 324	0.37 347	0.38 324	0.43 348	0.47 329	0.45 322

Wz-Net-TNSev	1.88 365	2.08 408	7.66 402	0.67 280	0.64 303	2.42 374	1.83 382	2.33 371	1.74 349	1.57 320	1.56 281	2.58 372	1.90 367	4.86 343	3.12 372	0.39 327	0.37 347	0.33 294	0.37 335	0.53 344	0.58 353

NVStereoNet_ROB	1.88 365	1.07 373	1.45 322	1.07 379	1.17 381	1.47 309	1.48 366	1.89 295	1.93 363	1.94 354	4.67 395	3.08 383	1.80 360	6.51 377	1.65 338	1.06 389	0.86 401	1.08 389	1.32 401	0.93 378	1.26 392
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SANet	1.88 365	0.57 315	2.18 368	0.63 244	0.40 189	2.80 385	1.57 371	2.39 377	5.88 410	2.36 371	3.57 382	3.72 389	2.97 393	4.74 341	1.76 342	0.34 306	0.30 316	0.32 287	0.29 295	0.48 332	0.37 296

ADCMid	1.89 368	0.73 347	5.06 394	0.72 308	0.67 310	2.00 357	1.14 342	1.97 318	1.48 324	2.86 386	1.81 322	2.37 365	2.05 375	2.24 274	10.39 409	0.33 298	0.31 322	0.39 330	0.43 348	0.50 336	0.44 320

WZ-Net	1.95 369	0.95 366	10.10 408	0.86 351	0.78 341	1.69 329	1.60 372	2.20 361	1.98 364	2.08 360	1.93 336	2.30 361	1.97 370	5.30 351	3.17 375	0.34 306	0.26 290	0.29 261	0.31 307	0.51 340	0.47 329

AnyNet_C32	1.96 370	1.10 375	5.17 395	0.90 362	1.11 375	2.12 363	2.37 404	1.85 287	1.48 324	2.45 374	1.70 308	2.05 353	1.64 347	2.50 289	10.28 408	0.37 320	0.34 332	0.35 311	0.41 344	0.49 335	0.54 344

RainbowNet	1.97 371	1.76 396	1.57 335	2.81 404	2.21 400	1.98 356	1.81 380	2.54 383	1.89 358	1.50 304	1.84 325	1.96 343	1.65 348	2.14 266	1.25 294	3.33 410	0.85 399	2.39 403	0.98 396	2.82 403	2.22 402

ADCP+	1.99 372	0.48 288	7.73 403	0.66 270	0.91 361	2.30 369	1.05 333	1.82 281	1.34 283	1.54 312	1.32 215	1.74 326	1.61 345	2.17 267	13.37 412	0.24 211	0.21 247	0.32 287	0.28 284	0.37 287	0.29 251

MSMD_ROB	1.99 372	0.59 321	0.89 211	0.70 298	0.61 295	3.95 401	0.94 317	1.80 277	1.79 352	4.41 404	4.43 389	8.17 412	3.66 400	3.40 318	1.33 305	0.52 360	0.48 373	0.54 362	0.58 374	0.53 344	0.50 337

MSC_U_SF_DS_RVC	2.12 374	1.15 381	3.10 385	1.05 376	0.76 337	5.03 410	2.40 405	2.16 350	2.62 384	1.89 351	2.28 356	2.69 376	1.65 348	9.35 410	2.04 355	0.64 375	0.51 378	0.68 376	0.71 381	1.09 385	0.67 366

ACVNet-4b	2.15 375	1.41 389	1.64 338	2.80 403	2.31 404	2.31 370	1.24 351	2.32 370	2.14 370	1.26 222	2.39 361	2.66 375	1.48 334	5.95 370	1.06 270	3.20 408	0.45 368	2.37 400	0.89 389	2.83 404	2.37 405

ACVNet_1	2.18 376	1.45 391	1.72 344	2.85 405	2.33 405	2.28 368	1.46 364	3.08 391	2.22 373	1.82 346	2.05 346	3.56 386	1.98 371	3.09 311	1.40 316	3.17 405	0.60 387	2.40 404	0.92 391	2.91 407	2.37 405

ADCS	2.25 377	0.99 369	5.55 396	0.81 335	0.74 328	2.19 365	1.80 379	2.27 367	2.14 370	2.80 385	2.13 350	2.40 367	2.03 372	2.64 295	13.69 413	0.41 333	0.39 354	0.40 335	0.45 352	0.58 352	0.56 348

AnyNet_C01	2.26 378	1.78 397	10.22 410	0.93 368	0.74 328	2.92 387	2.20 399	2.29 369	1.80 353	2.53 376	2.41 363	2.71 377	1.73 354	3.41 319	6.72 394	0.41 333	0.39 354	0.40 335	0.42 346	0.67 366	0.63 361

MeshStereo	2.26 378	0.56 311	0.92 221	0.61 225	0.49 234	2.60 379	1.02 330	3.18 392	2.05 368	7.40 419	4.98 398	7.58 409	2.98 394	6.37 375	1.96 352	0.43 341	0.43 361	0.45 345	0.39 338	0.43 316	0.42 314
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
FCDSN-DC	2.32 380	0.63 333	0.81 181	0.84 344	0.75 334	2.23 366	0.94 317	2.09 339	1.80 353	5.45 413	7.72 410	7.77 411	6.93 416	3.39 317	1.80 344	0.52 360	0.48 373	0.52 356	0.51 367	0.57 350	0.58 353
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispFullNet	2.34 381	2.85 416	3.66 388	3.08 410	2.27 402	1.97 354	0.67 255	2.00 321	1.70 344	2.52 375	2.00 340	2.23 357	5.86 410	3.44 322	1.58 335	1.01 384	0.32 329	2.64 409	1.94 414	2.85 405	2.24 403

EDNetEfficient	2.37 382	1.10 375	8.08 405	0.74 317	0.71 321	0.98 238	1.56 369	1.46 192	4.06 400	4.90 409	2.82 372	2.25 358	3.48 398	2.95 304	9.97 406	0.26 249	0.24 279	0.26 231	0.30 303	0.68 367	0.61 359

pmcnn	2.37 382	0.42 265	2.71 382	0.63 244	0.43 203	1.54 316	1.19 348	2.01 325	1.53 332	2.64 379	7.60 408	18.07 424	1.45 330	3.44 322	2.78 368	0.18 61	0.15 128	0.15 3	0.12 10	0.20 102	0.18 82

ELAS	2.37 382	0.74 350	1.54 333	0.99 372	0.92 363	4.78 407	2.33 403	3.33 394	3.37 394	5.05 412	4.77 396	3.67 387	4.53 407	3.42 320	4.50 385	0.62 372	0.53 380	0.55 367	0.53 369	0.63 359	0.64 365
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM+DAISY	2.41 385	1.07 373	2.14 365	1.18 382	1.10 374	2.14 364	1.36 359	1.96 314	1.66 341	5.46 414	7.07 405	4.95 399	4.32 406	5.50 358	2.26 361	1.04 388	1.02 409	0.99 386	0.97 394	1.02 382	1.04 385

ACVNet_2	2.43 386	1.41 389	2.04 360	2.62 402	2.24 401	2.63 381	1.88 386	3.31 393	3.01 389	2.19 363	3.45 381	4.62 394	2.04 373	4.50 338	1.47 330	2.55 400	0.64 389	2.22 397	0.84 387	2.69 399	2.29 404

ELAS_RVC	2.48 387	0.74 350	1.90 355	1.05 376	0.92 363	2.76 382	4.01 415	2.76 385	4.11 401	4.69 407	4.63 393	4.62 394	5.96 412	3.97 329	3.96 382	0.63 374	0.53 380	0.56 370	0.52 368	0.64 361	0.63 361
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SuperB	2.53 388	0.59 321	18.45 418	0.69 293	0.50 240	1.87 349	0.88 301	1.67 244	2.39 375	1.50 304	1.42 244	1.14 219	1.15 290	4.28 335	5.07 387	0.24 211	0.19 214	0.22 126	0.19 112	7.86 426	0.34 285

WAO-7	2.66 389	1.40 388	1.73 346	1.39 387	1.17 381	3.93 400	1.94 389	4.11 401	3.88 399	2.92 387	5.50 399	4.18 392	3.00 395	7.63 397	3.71 380	1.13 392	1.00 407	1.17 390	1.13 400	1.18 387	1.09 389

RTS	2.67 390	1.38 386	15.28 416	0.99 372	1.26 387	3.78 397	1.96 390	2.15 347	2.62 384	2.61 377	2.85 373	2.60 373	1.59 342	6.27 372	5.71 390	0.40 329	0.28 304	0.35 311	0.35 328	0.50 336	0.48 332

RTSA	2.67 390	1.38 386	15.28 416	0.99 372	1.26 387	3.78 397	1.96 390	2.15 347	2.62 384	2.61 377	2.85 373	2.60 373	1.59 342	6.27 372	5.71 390	0.40 329	0.28 304	0.35 311	0.35 328	0.50 336	0.48 332

MADNet+	2.69 392	3.22 418	11.53 413	1.44 390	1.12 377	3.19 390	1.81 380	2.85 387	2.37 374	1.68 331	2.07 347	2.85 380	2.18 378	7.41 393	5.23 388	0.79 378	0.76 392	0.69 378	0.65 380	0.98 379	0.95 380

IMH-64-1	2.70 393	1.79 398	1.46 324	3.26 412	2.66 408	3.23 392	2.10 394	4.08 399	2.75 387	2.34 367	3.81 385	3.06 381	2.22 380	4.25 333	2.59 365	3.75 414	0.84 396	2.75 410	1.35 402	3.15 409	2.60 411

IMH-64	2.70 393	1.79 398	1.46 324	3.26 412	2.66 408	3.23 392	2.10 394	4.08 399	2.75 387	2.34 367	3.81 385	3.06 381	2.22 380	4.25 333	2.59 365	3.75 414	0.84 396	2.75 410	1.35 402	3.15 409	2.60 411

FC-DCNN	2.72 395	0.59 321	0.86 193	0.73 315	0.57 274	2.91 386	1.04 332	3.01 390	2.60 383	6.83 415	7.64 409	9.92 416	6.33 414	5.21 349	3.14 373	0.53 366	0.48 373	0.51 355	0.50 365	0.53 344	0.51 341

WAO-6	2.81 396	1.60 394	1.46 324	2.36 400	2.28 403	3.55 394	2.29 402	4.21 402	4.56 405	2.36 371	4.51 390	4.88 398	2.66 389	4.60 339	4.07 384	1.72 393	1.15 413	2.31 399	1.46 407	2.31 394	1.85 398

PWCK	2.88 397	2.05 406	5.72 398	2.08 395	1.11 375	3.55 394	3.90 414	2.86 388	3.54 397	3.03 393	3.63 383	3.10 384	2.31 382	8.15 404	3.09 371	2.12 397	0.91 404	1.75 393	0.98 396	2.57 398	1.18 391

Dean	2.91 398	1.53 393	2.07 361	2.96 409	2.51 407	3.15 389	2.14 397	4.75 406	4.41 404	2.76 383	6.10 401	5.53 402	2.37 383	2.97 306	1.92 350	3.18 406	0.85 399	2.51 407	1.04 399	2.88 406	2.47 408

IMH	3.21 399	1.85 402	1.48 329	3.25 411	2.69 410	4.07 403	2.02 392	4.41 404	3.80 398	2.72 380	7.11 406	4.75 397	2.92 392	5.92 368	2.55 363	3.85 417	0.88 402	2.78 412	1.36 404	3.19 411	2.59 410

LVE	3.31 400	1.67 395	1.64 338	2.85 405	2.42 406	3.20 391	2.26 401	4.78 407	5.05 407	2.35 369	6.91 403	6.02 404	2.37 383	9.15 406	2.17 360	3.19 407	1.08 412	2.38 402	1.47 408	2.81 402	2.40 407

JetBlue	3.97 401	2.01 403	10.19 409	1.38 386	2.84 412	10.53 418	9.54 418	3.60 397	2.41 376	2.73 381	3.39 380	4.54 393	4.31 405	7.85 401	6.84 395	0.88 380	0.93 405	0.89 382	0.91 390	1.74 391	1.91 399

notaker	3.98 402	2.40 413	2.68 381	3.82 419	3.27 417	3.97 402	2.14 397	4.78 407	3.45 396	4.12 403	6.94 404	7.65 410	3.26 396	7.82 400	5.30 389	4.04 418	1.41 415	3.36 419	2.10 416	3.88 415	3.31 417

WAO-8	4.40 403	1.82 400	1.79 348	2.34 398	2.20 398	9.19 415	1.53 367	6.09 414	16.46 421	3.94 398	7.84 411	7.32 406	3.72 402	9.41 412	3.31 376	2.00 395	1.07 410	2.44 405	1.37 405	2.50 396	1.68 396

Venus	4.40 403	1.82 400	1.79 348	2.34 398	2.20 398	9.19 415	1.53 367	6.09 414	16.46 421	3.94 398	7.84 411	7.32 406	3.72 402	9.41 412	3.31 376	2.00 395	1.07 410	2.44 405	1.37 405	2.50 396	1.68 396

ktn	4.70 405	2.38 412	2.12 364	3.76 417	3.24 415	4.85 408	2.95 412	5.52 409	7.37 413	4.07 402	19.32 426	7.46 408	3.47 397	7.39 392	2.95 369	4.04 418	1.85 418	3.26 418	2.22 417	3.08 408	2.65 413

MADNet++	5.01 406	3.14 417	4.91 393	4.55 423	3.94 421	5.20 411	4.41 416	4.40 403	4.13 402	4.95 410	6.08 400	4.74 396	5.37 408	9.40 411	10.67 410	4.65 420	4.15 423	3.97 421	3.34 420	4.09 417	4.08 422

UNDER WATER	5.08 407	2.33 411	5.55 396	3.94 421	3.51 418	5.20 411	2.72 409	5.61 412	16.52 423	3.84 397	4.60 392	9.21 414	5.89 411	5.90 367	8.66 404	3.75 414	1.34 414	3.18 417	1.88 412	4.33 420	3.61 419

UNDER WATER-64	5.27 408	2.32 410	8.78 407	3.93 420	3.54 419	7.61 413	3.03 413	5.84 413	14.19 417	4.04 400	4.04 387	9.39 415	6.26 413	5.93 369	8.48 403	3.60 413	1.51 416	3.13 415	1.88 412	4.29 419	3.61 419

TorneroNet-64	5.30 409	2.03 404	1.74 347	3.43 414	2.81 411	10.09 417	2.12 396	9.10 421	17.12 426	4.96 411	9.27 416	10.72 420	3.70 401	9.20 407	4.55 386	3.31 409	0.84 396	2.88 413	1.55 409	3.49 412	3.04 414

MANE	6.19 410	0.59 321	1.03 256	0.93 368	1.22 386	13.38 422	2.69 407	12.81 424	17.94 427	8.21 420	10.82 418	14.72 422	11.68 418	11.39 421	11.90 411	0.59 369	0.50 377	0.52 356	1.76 411	0.55 347	0.54 344

LSM	6.33 411	1.10 375	13.19 414	1.41 389	68.17 440	1.64 326	1.90 387	1.92 305	2.46 377	2.99 390	3.11 376	1.88 331	1.80 360	2.61 294	2.06 357	0.41 333	0.58 386	0.50 354	0.57 373	0.64 361	17.66 432

SGM-ForestM	6.52 412	0.38 247	1.26 297	0.63 244	0.35 145	13.59 423	5.32 417	6.32 417	6.70 412	11.14 421	9.18 415	22.51 432	13.93 420	16.89 425	20.07 422	0.36 316	0.37 347	0.36 319	0.35 328	0.36 283	0.34 285

tt	6.58 413	0.26 49	6.10 400	3.77 418	2.16 397	11.55 419	19.63 423	13.33 425	5.74 409	2.96 389	2.65 369	4.97 400	6.33 414	3.81 326	7.24 396	9.15 425	11.32 432	5.89 425	6.24 424	6.03 422	2.55 409

JetRed	6.91 414	8.80 425	25.96 427	2.85 405	3.25 416	13.98 424	11.87 419	6.25 416	4.28 403	4.45 405	4.56 391	6.69 405	5.46 409	7.46 395	14.05 414	2.59 401	3.31 420	2.59 408	2.29 418	4.20 418	3.36 418

LE_ROB	8.05 415	0.37 242	23.53 423	0.74 317	0.33 127	2.77 383	2.87 411	3.71 398	27.24 431	25.39 431	8.87 414	8.46 413	26.71 430	6.65 379	21.99 423	0.21 149	0.19 214	0.20 77	0.21 176	0.25 207	0.22 172

coex-ft	8.13 416	2.13 409	98.04 443	0.67 280	0.53 261	1.71 330	1.56 369	1.65 238	11.11 416	18.17 430	3.75 384	3.88 390	7.61 417	2.98 307	6.49 393	0.30 281	0.30 316	0.32 287	0.31 307	0.66 365	0.50 337

KSHMR	8.75 417	2.06 407	2.11 363	3.53 416	3.11 414	4.13 404	2.69 407	5.60 411	61.37 444	3.00 391	55.83 443	4.98 401	2.45 386	4.49 337	2.61 367	3.46 411	1.55 417	3.14 416	1.94 414	3.72 414	3.18 416

EDNetEfficientorigin	10.57 418	1.47 392	177.42 444	0.67 280	0.53 261	1.58 320	1.16 345	1.90 298	3.37 394	4.71 408	3.38 379	3.10 384	2.69 390	3.13 312	3.58 378	0.25 235	0.23 270	0.33 294	0.27 267	0.83 374	0.81 375

TorneroNet	10.70 419	2.03 404	1.82 351	3.43 414	3.01 413	43.83 435	2.22 400	8.87 420	67.47 445	7.17 418	27.36 429	10.68 419	3.85 404	8.67 405	7.65 402	3.59 412	0.88 402	3.04 414	1.57 410	3.71 413	3.17 415

HanzoNet	11.04 420	3.62 419	8.10 406	4.08 422	3.55 420	4.90 409	2.73 410	7.19 418	10.10 414	31.86 440	28.92 431	21.96 431	36.36 432	18.08 426	10.17 407	7.94 424	3.32 421	3.47 420	3.31 419	7.06 425	4.04 421

DPSimNet_ROB	11.20 421	4.98 421	35.43 431	2.90 408	4.52 422	7.89 414	17.09 422	4.66 405	6.06 411	14.89 426	10.93 419	17.29 423	36.81 434	13.18 423	15.68 418	2.86 402	6.29 425	5.75 424	5.09 422	3.91 416	7.70 425

DGTPSM_ROB	13.01 422	8.23 423	21.87 420	9.51 426	18.10 425	11.56 420	32.01 429	10.63 422	16.20 419	7.03 416	19.48 427	10.15 417	16.66 422	9.83 416	22.42 424	4.75 421	8.68 426	5.37 422	10.25 426	6.16 423	11.36 426

DPSMNet_ROB	13.02 423	8.23 423	21.91 421	9.53 427	18.11 426	11.56 420	32.02 430	10.64 423	16.23 420	7.05 417	19.49 428	10.16 418	16.66 422	9.85 417	22.43 425	4.77 422	8.68 426	5.38 423	10.26 427	6.17 424	11.36 426

ASD4	15.85 424	10.99 426	19.63 419	10.21 428	11.70 424	19.24 425	31.10 428	19.35 426	10.68 415	11.14 421	10.18 417	12.59 421	12.64 419	14.74 424	24.83 427	12.93 430	9.94 431	26.83 436	19.40 430	16.23 429	12.70 431

DPSM_ROB	19.08 425	19.14 429	25.17 425	22.15 430	20.85 428	28.17 427	37.82 432	26.56 429	16.85 424	14.14 423	14.84 421	21.70 426	18.75 425	21.87 428	26.55 429	10.16 428	9.30 429	10.47 427	10.42 428	14.03 427	12.61 429

DPSM	19.08 425	19.14 429	25.17 425	22.15 430	20.85 428	28.17 427	37.82 432	26.56 429	16.85 424	14.14 423	14.84 421	21.70 426	18.75 425	21.87 428	26.55 429	10.16 428	9.30 429	10.47 427	10.42 428	14.03 427	12.61 429

LRCNet_RVC	22.74 427	32.10 434	21.97 422	29.84 432	26.23 430	4.42 406	0.81 289	22.66 427	2.02 366	26.93 432	29.26 432	23.06 433	15.59 421	23.84 430	18.88 421	31.75 437	19.90 439	34.65 437	32.13 437	30.54 437	28.32 438

DLNR_Zeroshot_test	23.17 428	48.52 445	43.29 434	176.68 445	78.69 441	0.35 5	0.21 1	23.41 428	0.75 59	0.66 47	0.86 61	0.59 56	0.30 5	1.56 196	0.44 89	9.57 426	0.12 9	0.18 39	0.14 25	76.92 444	0.16 44

SPstereo	26.54 429	6.08 422	10.71 412	5.55 424	5.68 423	48.14 436	80.43 443	67.31 445	34.39 440	28.70 438	27.52 430	43.76 442	37.60 439	45.04 444	54.41 444	4.92 423	4.89 424	10.74 429	5.88 423	4.46 421	4.57 423

BEATNet-Init1	26.87 430	13.43 427	70.68 442	0.91 365	0.68 316	57.02 443	21.06 424	32.82 436	32.67 433	52.12 444	53.61 442	66.05 444	49.56 443	48.79 445	34.71 434	0.49 359	0.44 364	0.53 361	0.53 369	0.63 359	0.59 355

CasAABBNet	38.33 431	38.46 436	50.35 436	44.75 440	41.84 434	56.68 440	76.37 438	53.22 442	33.83 435	28.31 433	29.54 433	43.62 441	37.71 440	43.84 441	53.41 439	20.30 431	18.70 434	21.07 433	21.07 432	28.24 434	25.34 433

MyStereo03	38.34 432	38.50 438	50.41 437	44.74 437	41.86 435	56.65 437	76.38 439	52.99 439	33.93 437	28.39 435	29.99 435	43.54 437	37.42 436	43.82 438	53.53 440	20.31 432	18.71 436	21.06 430	21.08 433	28.23 431	25.35 434

MyStereo02	38.34 432	38.50 438	50.41 437	44.74 437	41.86 435	56.65 437	76.38 439	52.99 439	33.93 437	28.39 435	29.99 435	43.54 437	37.42 436	43.82 438	53.53 440	20.31 432	18.71 436	21.06 430	21.08 433	28.23 431	25.35 434

MyStereo	38.34 432	38.50 438	50.41 437	44.74 437	41.86 435	56.65 437	76.38 439	52.99 439	33.93 437	28.39 435	29.99 435	43.54 437	37.42 436	43.82 438	53.53 440	20.31 432	18.71 436	21.06 430	21.08 433	28.23 431	25.35 434

Selective-RAFT-Error	38.39 435	38.47 437	50.44 440	44.73 436	41.97 438	56.68 440	76.38 439	53.24 443	33.92 436	28.34 434	29.85 434	43.60 440	38.20 441	43.75 437	53.34 438	20.38 435	18.70 434	21.09 434	21.05 431	28.30 435	25.43 437

HaxPig	38.92 436	41.40 442	41.64 432	29.95 433	32.27 431	28.90 429	27.60 425	29.73 432	37.71 441	43.82 441	43.87 439	33.17 434	35.56 431	41.53 435	40.37 436	43.94 441	47.51 444	45.82 438	47.08 439	42.38 438	44.15 441

AVERAGE_ROB	40.43 437	42.37 443	42.73 433	36.96 435	35.58 433	30.50 430	27.61 426	36.71 438	38.39 442	44.91 442	44.36 440	37.45 436	36.70 433	41.88 436	40.35 435	45.43 442	46.81 443	47.11 439	46.35 438	42.51 439	43.87 440

MEDIAN_ROB	42.00 438	44.40 444	44.29 435	35.15 434	34.95 432	31.28 434	29.60 427	35.88 437	40.02 443	47.20 443	46.64 441	37.37 435	38.48 442	44.35 443	42.45 437	48.03 443	49.39 445	49.71 440	49.03 440	45.14 440	46.65 442

LSM0	42.82 439	38.75 441	50.81 441	47.07 441	109.38 445	57.00 442	76.02 437	53.74 444	33.71 434	29.02 439	30.41 438	43.87 443	37.22 435	43.91 442	53.54 443	20.52 436	18.62 433	21.10 435	21.11 436	28.41 436	42.22 439

Anonymous_1	43.04 440	18.73 428	24.79 424	21.81 429	46.26 439	27.80 426	37.60 431	28.08 431	16.14 418	14.66 425	14.30 420	20.65 425	17.88 424	21.56 427	25.94 428	117.93 444	8.92 428	100.65 441	126.50 441	158.64 445	12.08 428

PML	51.67 441	36.25 435	13.28 415	7.46 425	20.81 427	108.69 444	232.22 445	8.72 419	27.82 432	87.01 445	269.67 445	69.67 445	61.95 444	24.76 434	14.20 415	9.74 427	3.40 422	9.62 426	4.70 421	18.74 430	4.72 424

xxxxx1	54.10 442	25.67 431	27.13 428	113.43 442	96.96 442	30.69 431	47.44 434	32.38 433	25.60 428	17.75 427	17.27 423	21.81 428	21.02 427	24.43 431	33.82 431	33.37 438	40.54 440	157.71 443	175.86 443	66.16 441	72.93 443

tt_ll	54.10 442	25.67 431	27.13 428	113.43 442	96.96 442	30.69 431	47.44 434	32.38 433	25.60 428	17.75 427	17.27 423	21.81 428	21.02 427	24.43 431	33.82 431	33.37 438	40.54 440	157.71 443	175.86 443	66.16 441	72.93 443

ff	54.10 442	25.67 431	27.13 428	113.43 442	96.96 442	30.69 431	47.44 434	32.38 433	25.60 428	17.75 427	17.27 423	21.81 428	21.02 427	24.43 431	33.82 431	33.37 438	40.54 440	157.71 443	175.86 443	66.16 441	72.93 443

test_example2	192.40 445	210.76 446	206.48 445	199.83 446	204.73 446	172.94 445	183.52 444	133.93 446	133.41 446	191.38 446	196.19 444	187.13 446	178.77 445	205.33 446	208.00 445	222.09 446	238.72 446	186.54 446	190.54 446	227.34 446	170.31 446

FADE		4.78 420		1.89 394	1.92 396			5.58 410	5.04 406	2.92 387		4.13 391		10.23 418		188.09 445	2.77 419	123.78 442	127.92 442	1.06 384	1.10 390

Low-res two-view benchmark