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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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)
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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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	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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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)
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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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
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

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
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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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	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

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

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
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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
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

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

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

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_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
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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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
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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Low-res two-view benchmark