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

MoCha-V2	0.13 2	0.09 10	0.23 9	0.38 367	0.09 8	0.13 3	0.16 41	0.24 12	0.15 2	0.13 3	0.16 17	0.12 3	0.12 15	0.15 3	0.11 1	0.06 1	0.05 6	0.06 1	0.07 53	0.07 38	0.05 1

ACVNet-DCA	0.18 58	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.41 169	0.27 78	0.17 32	0.19 28	0.13 13	0.18 113	0.28 126	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

xx1	0.20 108	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.35 110	0.47 278	0.17 32	0.19 28	0.28 159	0.24 175	0.28 126	0.11 1	0.08 103	0.05 6	0.10 188	0.09 188	0.09 146	0.09 168

cc1	0.18 58	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.35 110	0.47 278	0.17 32	0.19 28	0.13 13	0.18 113	0.28 126	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

ffm	0.22 148	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.35 110	0.44 247	0.30 156	0.42 225	0.34 205	0.23 160	0.27 114	0.11 1	0.08 103	0.05 6	0.11 236	0.10 220	0.08 84	0.08 116

tt1	0.18 58	0.14 170	0.35 91	0.23 176	0.11 45	0.30 215	0.19 129	0.35 110	0.44 247	0.17 32	0.19 28	0.13 13	0.16 68	0.27 114	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

MGS-Stereo	0.14 9	0.11 66	0.32 64	0.19 27	0.11 45	0.18 15	0.17 63	0.20 2	0.22 35	0.14 10	0.24 63	0.15 30	0.10 4	0.18 21	0.12 7	0.07 17	0.06 74	0.07 16	0.06 25	0.10 195	0.06 20

ff7	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

ffff	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

11t	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

AEACV	0.13 2	0.09 10	0.23 9	0.18 9	0.19 288	0.19 37	0.16 41	0.23 7	0.14 1	0.13 3	0.17 21	0.13 13	0.16 68	0.16 8	0.12 7	0.07 17	0.05 6	0.07 16	0.08 114	0.07 38	0.06 20

Any-RAFT	0.17 40	0.08 2	0.31 58	0.19 27	0.10 22	0.29 198	0.16 41	0.42 181	0.30 118	0.24 75	0.27 80	0.27 144	0.16 68	0.21 44	0.12 7	0.08 103	0.05 6	0.06 1	0.05 10	0.07 38	0.06 20

HH	0.18 58	0.12 85	0.55 262	0.22 134	0.12 81	0.18 15	0.18 92	0.34 93	0.19 9	0.20 46	0.24 63	0.34 205	0.18 113	0.29 139	0.12 7	0.07 17	0.05 6	0.07 16	0.07 53	0.07 38	0.06 20

HanStereo	0.18 58	0.12 85	0.55 262	0.22 134	0.12 81	0.18 15	0.18 92	0.34 93	0.19 9	0.20 46	0.24 63	0.34 205	0.18 113	0.29 139	0.12 7	0.07 17	0.05 6	0.07 16	0.07 53	0.07 38	0.06 20

anonymousdsp	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.28 37	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.08 84	0.07 69

CES	0.14 9	0.08 2	0.19 1	0.17 6	0.22 325	0.18 15	0.16 41	0.23 7	0.19 9	0.14 10	0.17 21	0.14 24	0.10 4	0.18 21	0.12 7	0.07 17	0.05 6	0.06 1	0.04 1	0.08 84	0.18 327

Selective-IGEV	0.12 1	0.09 10	0.22 7	0.19 27	0.10 22	0.15 5	0.14 14	0.27 24	0.15 2	0.13 3	0.14 14	0.13 13	0.08 1	0.21 44	0.12 7	0.06 1	0.05 6	0.07 16	0.06 25	0.06 6	0.05 1

ProNet	0.14 9	0.12 85	0.25 17	0.19 27	0.11 45	0.19 37	0.19 129	0.27 24	0.20 18	0.14 10	0.13 6	0.13 13	0.12 15	0.24 62	0.12 7	0.06 1	0.05 6	0.07 16	0.06 25	0.07 38	0.07 69

ccc-4	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

IGEV-Stereo	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.28 37	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.08 84	0.07 69
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

error version	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

test-v	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

test-2	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

XX-Stereo	0.21 122	0.10 26	0.83 338	0.26 279	0.17 250	0.23 115	0.13 4	0.40 159	0.18 7	0.20 46	0.41 211	0.31 184	0.10 4	0.32 162	0.12 7	0.08 103	0.06 74	0.08 69	0.08 114	0.07 38	0.05 1

panet	0.13 2	0.08 2	0.21 4	0.15 2	0.07 1	0.21 77	0.12 1	0.24 12	0.24 57	0.16 27	0.21 46	0.15 30	0.13 36	0.18 21	0.13 26	0.08 103	0.05 6	0.06 1	0.04 1	0.06 6	0.05 1

MyStereo07	0.16 32	0.12 85	0.26 20	0.22 134	0.14 170	0.25 141	0.23 227	0.29 44	0.21 28	0.15 14	0.13 6	0.12 3	0.13 36	0.25 86	0.13 26	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

MSKI-zero shot	0.17 40	0.09 10	0.43 188	0.20 60	0.11 45	0.21 77	0.15 27	0.32 73	0.21 28	0.23 62	0.24 63	0.23 98	0.10 4	0.31 156	0.13 26	0.07 17	0.06 74	0.07 16	0.06 25	0.06 6	0.06 20

CASnet	0.14 9	0.12 85	0.22 7	0.22 134	0.08 3	0.16 8	0.15 27	0.27 24	0.25 62	0.22 59	0.20 38	0.15 30	0.11 9	0.17 12	0.13 26	0.07 17	0.05 6	0.11 236	0.09 188	0.08 84	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.13 2	0.10 26	0.19 1	0.18 9	0.16 234	0.20 58	0.18 92	0.20 2	0.17 5	0.13 3	0.19 28	0.12 3	0.15 54	0.17 12	0.13 26	0.06 1	0.05 6	0.06 1	0.04 1	0.05 1	0.12 260

CAS	0.15 25	0.07 1	0.21 4	0.41 373	0.16 234	0.20 58	0.18 92	0.22 4	0.19 9	0.15 14	0.19 28	0.11 2	0.09 2	0.14 1	0.13 26	0.29 377	0.04 1	0.06 1	0.04 1	0.06 6	0.14 289

EGLCR-Stereo	0.13 2	0.08 2	0.20 3	0.18 9	0.09 8	0.21 77	0.13 4	0.27 24	0.21 28	0.13 3	0.10 1	0.15 30	0.09 2	0.20 33	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.06 20

MC-Stereo	0.14 9	0.09 10	0.25 17	0.21 89	0.09 8	0.18 15	0.16 41	0.23 7	0.19 9	0.18 44	0.23 53	0.16 39	0.13 36	0.22 49	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.05 1

RAFT_CTSACE	0.21 122	0.16 213	0.41 171	0.25 251	0.15 211	0.22 98	0.24 249	0.32 73	0.28 91	0.33 201	0.51 290	0.29 166	0.17 91	0.32 162	0.13 26	0.06 1	0.07 163	0.09 124	0.08 114	0.08 84	0.06 20

TRStereo	0.19 95	0.17 229	0.47 217	0.23 176	0.19 288	0.19 37	0.16 41	0.52 268	0.28 91	0.20 46	0.19 28	0.21 72	0.13 36	0.24 62	0.13 26	0.09 170	0.06 74	0.09 124	0.11 255	0.06 6	0.06 20

CroCo-Stereo	0.14 9	0.13 140	0.24 13	0.25 251	0.11 45	0.11 1	0.18 92	0.32 73	0.23 47	0.12 1	0.12 2	0.18 51	0.12 15	0.14 1	0.13 26	0.08 103	0.06 74	0.07 16	0.05 10	0.07 38	0.06 20
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
TANstereo	0.15 25	0.09 10	0.28 33	0.16 4	0.08 3	0.25 141	0.14 14	0.23 7	0.28 91	0.24 75	0.30 104	0.16 39	0.12 15	0.17 12	0.13 26	0.08 103	0.07 163	0.06 1	0.05 10	0.06 6	0.07 69

XX-TBD	0.15 25	0.18 241	0.28 33	0.22 134	0.10 22	0.22 98	0.15 27	0.22 4	0.27 78	0.22 59	0.26 75	0.14 24	0.12 15	0.16 8	0.13 26	0.08 103	0.05 6	0.06 1	0.04 1	0.07 38	0.06 20

CFNet-RSSM	0.17 40	0.10 26	0.40 149	0.20 60	0.11 45	0.20 58	0.15 27	0.36 129	0.30 118	0.23 62	0.21 46	0.26 136	0.15 54	0.20 33	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.05 1

Gwc-CoAtRS	0.17 40	0.10 26	0.37 114	0.20 60	0.12 81	0.19 37	0.15 27	0.32 73	0.28 91	0.23 62	0.23 53	0.27 144	0.15 54	0.20 33	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.06 20

CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 3	0.22 98	0.15 27	0.25 14	0.24 57	0.16 27	0.21 46	0.14 24	0.13 36	0.18 21	0.13 26	0.09 170	0.05 6	0.06 1	0.04 1	0.07 38	0.06 20
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.15 25	0.08 2	0.23 9	0.15 2	0.09 8	0.23 115	0.16 41	0.25 14	0.23 47	0.17 32	0.21 46	0.16 39	0.14 47	0.22 49	0.13 26	0.29 377	0.05 6	0.06 1	0.04 1	0.07 38	0.06 20

LargeStereo	0.13 2	0.10 26	0.23 9	0.21 89	0.10 22	0.15 5	0.15 27	0.29 44	0.16 4	0.12 1	0.15 16	0.12 3	0.12 15	0.17 12	0.14 43	0.07 17	0.06 74	0.07 16	0.05 10	0.07 38	0.07 69

AE-Stereo	0.17 40	0.11 66	0.31 58	0.24 214	0.14 170	0.23 115	0.18 92	0.34 93	0.29 109	0.15 14	0.25 69	0.21 72	0.13 36	0.20 33	0.14 43	0.07 17	0.08 230	0.09 124	0.10 220	0.07 38	0.06 20

IGEVStereo-DCA	0.14 9	0.11 66	0.27 25	0.19 27	0.12 81	0.20 58	0.18 92	0.27 24	0.20 18	0.15 14	0.12 2	0.14 24	0.12 15	0.28 126	0.14 43	0.07 17	0.06 74	0.08 69	0.07 53	0.07 38	0.07 69

rrr	0.17 40	0.11 66	0.57 270	0.19 27	0.12 81	0.20 58	0.18 92	0.35 110	0.22 35	0.15 14	0.12 2	0.14 24	0.12 15	0.28 126	0.14 43	0.07 17	0.06 74	0.08 69	0.07 53	0.07 38	0.07 69

RAFT-Test	0.17 40	0.10 26	0.38 133	0.19 27	0.12 81	0.25 141	0.17 63	0.33 87	0.23 47	0.23 62	0.29 93	0.27 144	0.14 47	0.20 33	0.14 43	0.07 17	0.06 74	0.07 16	0.07 53	0.06 6	0.06 20

4D-IteraStereo	0.17 40	0.16 213	0.50 241	0.21 89	0.14 170	0.19 37	0.17 63	0.28 37	0.28 91	0.23 62	0.20 38	0.20 64	0.11 9	0.19 29	0.14 43	0.06 1	0.04 1	0.10 188	0.08 114	0.08 84	0.06 20

LoS	0.14 9	0.08 2	0.27 25	0.16 4	0.09 8	0.22 98	0.14 14	0.26 17	0.26 69	0.15 14	0.18 25	0.18 51	0.13 36	0.22 49	0.14 43	0.08 103	0.06 74	0.06 1	0.04 1	0.06 6	0.06 20

RCA-Stereo	0.16 32	0.09 10	0.25 17	0.20 60	0.10 22	0.19 37	0.17 63	0.36 129	0.35 161	0.20 46	0.25 69	0.17 44	0.17 91	0.18 21	0.14 43	0.07 17	0.05 6	0.07 16	0.06 25	0.06 6	0.05 1

CroCo-Stereo Lap2	0.15 25	0.15 195	0.28 33	0.25 251	0.18 270	0.11 1	0.19 129	0.28 37	0.21 28	0.13 3	0.16 17	0.15 30	0.12 15	0.17 12	0.14 43	0.07 17	0.07 163	0.08 69	0.06 25	0.08 84	0.07 69

AnonymousM	0.17 40	0.19 257	0.24 13	0.18 9	0.10 22	0.18 15	0.17 63	0.30 59	0.23 47	0.26 90	0.20 38	0.18 51	0.14 47	0.19 29	0.14 43	0.09 170	0.06 74	0.38 380	0.15 324	0.06 6	0.05 1

sAnonymous2	0.20 108	0.21 278	0.58 274	0.24 214	0.17 250	0.22 98	0.19 129	0.34 93	0.28 91	0.17 32	0.19 28	0.17 44	0.16 68	0.17 12	0.14 43	0.10 213	0.07 163	0.09 124	0.08 114	0.23 353	0.17 313

CroCo_RVC	0.20 108	0.21 278	0.58 274	0.24 214	0.17 250	0.22 98	0.19 129	0.34 93	0.28 91	0.17 32	0.19 28	0.17 44	0.16 68	0.17 12	0.14 43	0.10 213	0.07 163	0.09 124	0.08 114	0.23 353	0.17 313

Former-RAFT_DAM_RVC	0.17 40	0.13 140	0.24 13	0.19 27	0.13 136	0.24 130	0.17 63	0.30 59	0.37 180	0.43 307	0.17 21	0.13 13	0.12 15	0.19 29	0.15 55	0.08 103	0.07 163	0.09 124	0.07 53	0.09 146	0.08 116

DLNR_Zeroshot_test	10.44 425	12.10 433	19.93 433	106.08 445	23.66 442	0.14 4	0.13 4	3.22 421	0.17 5	0.16 27	0.23 53	0.16 39	0.10 4	0.31 156	0.15 55	2.36 420	0.06 74	0.07 16	0.07 53	39.70 443	0.06 20

LL-Strereo2	0.18 58	0.18 241	0.39 144	0.22 134	0.12 81	0.24 130	0.13 4	0.31 65	0.23 47	0.24 75	0.20 38	0.24 109	0.12 15	0.26 99	0.15 55	0.06 1	0.06 74	0.12 269	0.09 188	0.08 84	0.07 69

anonymousdsp2	0.17 40	0.10 26	0.28 33	0.20 60	0.11 45	0.25 141	0.17 63	0.41 169	0.31 129	0.23 62	0.23 53	0.22 79	0.15 54	0.25 86	0.15 55	0.07 17	0.05 6	0.07 16	0.05 10	0.08 84	0.07 69

DCRE	0.20 108	0.13 140	0.40 149	0.21 89	0.15 211	0.20 58	0.19 129	0.30 59	0.27 78	0.22 59	0.80 363	0.23 98	0.16 68	0.23 56	0.15 55	0.07 17	0.07 163	0.07 16	0.08 114	0.07 38	0.06 20

raft_robust	0.22 148	0.17 229	0.30 46	0.22 134	0.12 81	0.23 115	0.22 206	0.49 237	0.48 287	0.32 191	0.32 122	0.26 136	0.23 160	0.53 240	0.15 55	0.07 17	0.06 74	0.08 69	0.10 220	0.08 84	0.06 20

KYRaft	0.22 148	0.10 26	0.30 46	0.23 176	0.12 81	0.23 115	0.23 227	0.35 110	0.24 57	0.35 233	0.54 306	0.34 205	0.26 199	0.29 139	0.15 55	0.07 17	0.05 6	0.09 124	0.10 220	0.08 84	0.31 375

cross-raft	0.17 40	0.12 85	0.41 171	0.23 176	0.10 22	0.20 58	0.24 249	0.33 87	0.23 47	0.23 62	0.28 84	0.29 166	0.15 54	0.17 12	0.15 55	0.06 1	0.05 6	0.07 16	0.07 53	0.06 6	0.05 1

iRaftStereo_RVC	0.16 32	0.12 85	0.26 20	0.21 89	0.11 45	0.20 58	0.17 63	0.32 73	0.23 47	0.20 46	0.25 69	0.18 51	0.12 15	0.20 33	0.15 55	0.07 17	0.05 6	0.09 124	0.09 188	0.08 84	0.07 69

CREStereo++_RVC	0.15 25	0.08 2	0.26 20	0.17 6	0.11 45	0.18 15	0.13 4	0.22 4	0.30 118	0.21 55	0.30 104	0.13 13	0.11 9	0.16 8	0.15 55	0.07 17	0.04 1	0.06 1	0.15 324	0.06 6	0.05 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
raftrobust	0.16 32	0.13 140	0.29 40	0.22 134	0.15 211	0.19 37	0.13 4	0.32 73	0.26 69	0.26 90	0.20 38	0.19 62	0.17 91	0.21 44	0.15 55	0.08 103	0.06 74	0.07 16	0.06 25	0.06 6	0.07 69

sCroCo_RVC	0.18 58	0.14 170	0.49 231	0.27 302	0.18 270	0.22 98	0.17 63	0.27 24	0.23 47	0.14 10	0.22 51	0.17 44	0.14 47	0.21 44	0.15 55	0.10 213	0.11 293	0.09 124	0.09 188	0.09 146	0.09 168

test_xeample3	0.16 32	0.11 66	0.56 266	0.19 27	0.12 81	0.20 58	0.18 92	0.35 110	0.20 18	0.16 27	0.12 2	0.13 13	0.12 15	0.24 62	0.15 55	0.07 17	0.06 74	0.07 16	0.08 114	0.07 38	0.07 69

RAFT-Stereo + iAFF	0.17 40	0.14 170	0.32 64	0.20 60	0.09 8	0.19 37	0.17 63	0.32 73	0.30 118	0.25 81	0.33 141	0.20 64	0.17 91	0.19 29	0.15 55	0.06 1	0.05 6	0.07 16	0.07 53	0.07 38	0.05 1

AFF-stereo	0.18 58	0.15 195	0.32 64	0.21 89	0.10 22	0.18 15	0.18 92	0.33 87	0.27 78	0.25 81	0.37 173	0.25 116	0.17 91	0.24 62	0.15 55	0.06 1	0.05 6	0.08 69	0.08 114	0.07 38	0.05 1

R-Stereo Train	0.18 58	0.09 10	0.32 64	0.22 134	0.12 81	0.22 98	0.19 129	0.42 181	0.19 9	0.31 173	0.45 258	0.20 64	0.14 47	0.18 21	0.15 55	0.08 103	0.06 74	0.07 16	0.06 25	0.06 6	0.06 20

RAFT-Stereo	0.18 58	0.09 10	0.32 64	0.22 134	0.12 81	0.22 98	0.19 129	0.42 181	0.19 9	0.31 173	0.45 258	0.20 64	0.14 47	0.18 21	0.15 55	0.08 103	0.06 74	0.07 16	0.06 25	0.06 6	0.06 20
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
qqq1	0.24 188	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.16 72	0.10 213	0.07 163	0.07 16	0.06 25	0.08 84	0.07 69

fff1	0.24 188	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.16 72	0.10 213	0.07 163	0.07 16	0.06 25	0.08 84	0.07 69

test croco	0.17 40	0.13 140	0.43 188	0.21 89	0.13 136	0.16 8	0.17 63	0.27 24	0.22 35	0.16 27	0.26 75	0.13 13	0.16 68	0.27 114	0.16 72	0.08 103	0.06 74	0.10 188	0.07 53	0.10 195	0.07 69

MIF-Stereo	0.14 9	0.10 26	0.30 46	0.21 89	0.13 136	0.17 11	0.13 4	0.19 1	0.18 7	0.15 14	0.20 38	0.10 1	0.11 9	0.18 21	0.16 72	0.08 103	0.06 74	0.07 16	0.06 25	0.08 84	0.06 20

EKT-Stereo	0.38 315	0.12 85	0.38 133	0.42 374	3.88 422	0.21 77	0.17 63	0.35 110	0.28 91	0.20 46	0.20 38	0.23 98	0.15 54	0.28 126	0.16 72	0.09 170	0.07 163	0.09 124	0.07 53	0.09 146	0.09 168

MIM_Stereo	0.18 58	0.12 85	0.38 133	0.20 60	0.11 45	0.17 11	0.14 14	0.35 110	0.25 62	0.27 94	0.35 154	0.23 98	0.13 36	0.27 114	0.16 72	0.06 1	0.07 163	0.08 69	0.08 114	0.08 84	0.06 20

knoymous	0.17 40	0.09 10	0.32 64	0.17 6	0.11 45	0.21 77	0.17 63	0.32 73	0.23 47	0.23 62	0.28 84	0.27 144	0.16 68	0.23 56	0.16 72	0.09 170	0.06 74	0.09 124	0.06 25	0.09 146	0.09 168

DisPM	0.19 95	0.10 26	0.35 91	0.23 176	0.13 136	0.18 15	0.20 167	0.29 44	0.29 109	0.33 201	0.34 147	0.23 98	0.16 68	0.33 168	0.16 72	0.09 170	0.06 74	0.09 124	0.08 114	0.07 38	0.11 238

RAFT+CT+SA	0.21 122	0.18 241	0.33 78	0.25 251	0.18 270	0.23 115	0.29 296	0.40 159	0.36 171	0.24 75	0.38 183	0.18 51	0.16 68	0.32 162	0.16 72	0.07 17	0.05 6	0.09 124	0.12 287	0.09 146	0.09 168

Sa-1000	0.22 148	0.15 195	0.35 91	0.23 176	0.13 136	0.28 179	0.23 227	0.47 220	0.39 199	0.30 156	0.50 284	0.26 136	0.19 126	0.33 168	0.16 72	0.07 17	0.06 74	0.10 188	0.11 255	0.08 84	0.06 20

test_4	0.18 58	0.12 85	0.34 83	0.23 176	0.12 81	0.18 15	0.22 206	0.26 17	0.24 57	0.24 75	0.47 275	0.22 79	0.13 36	0.24 62	0.16 72	0.06 1	0.05 6	0.09 124	0.09 188	0.07 38	0.05 1

GLC_STEREO	0.15 25	0.10 26	0.24 13	0.21 89	0.09 8	0.17 11	0.15 27	0.23 7	0.27 78	0.17 32	0.20 38	0.17 44	0.11 9	0.23 56	0.16 72	0.07 17	0.09 258	0.09 124	0.08 114	0.07 38	0.06 20

Patchmatch Stereo++	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.26 99	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.16 41	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.18 113	0.24 62	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

PSM-AAD	0.25 210	0.10 26	0.30 46	0.24 214	0.12 81	0.26 159	0.38 343	0.34 93	0.28 91	0.35 233	0.39 195	0.28 159	0.79 378	0.30 151	0.16 72	0.07 17	0.06 74	0.12 269	0.11 255	0.08 84	0.21 351

ROB_FTStereo_v2	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.16 41	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.24 62	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

ROB_FTStereo	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.28 84	0.25 116	0.17 91	0.24 62	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

HUI-Stereo	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.28 84	0.25 116	0.17 91	0.22 49	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

GrayStereo	0.25 210	0.09 10	0.32 64	0.26 279	0.13 136	0.23 115	0.47 368	0.34 93	0.30 118	0.39 276	0.47 275	0.30 176	0.79 378	0.29 139	0.16 72	0.07 17	0.06 74	0.08 69	0.09 188	0.07 38	0.13 272

iRAFT	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.26 99	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

RAFT-IKP	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.15 27	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.18 113	0.25 86	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

Prome-Stereo	0.21 122	0.10 26	0.30 46	0.24 214	0.12 81	0.23 115	0.23 227	0.36 129	0.25 62	0.33 201	0.59 321	0.24 109	0.28 230	0.29 139	0.16 72	0.07 17	0.05 6	0.08 69	0.07 53	0.08 84	0.20 344

s12784h	0.17 40	0.09 10	0.26 20	0.18 9	0.07 1	0.32 234	0.19 129	0.37 135	0.32 137	0.23 62	0.25 69	0.18 51	0.17 91	0.25 86	0.16 72	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.05 1

StereoIM	0.14 9	0.13 140	0.26 20	0.19 27	0.14 170	0.16 8	0.13 4	0.25 14	0.21 28	0.13 3	0.14 14	0.14 24	0.11 9	0.17 12	0.17 95	0.08 103	0.07 163	0.08 69	0.06 25	0.07 38	0.06 20

MIF-Stereo (partial)	0.16 32	0.10 26	0.34 83	0.21 89	0.15 211	0.15 5	0.13 4	0.28 37	0.25 62	0.17 32	0.26 75	0.15 30	0.16 68	0.25 86	0.17 95	0.09 170	0.06 74	0.10 188	0.08 114	0.09 146	0.08 116

riskmin	0.18 58	0.09 10	0.34 83	0.18 9	0.12 81	0.24 130	0.16 41	0.34 93	0.28 91	0.21 55	0.23 53	0.33 199	0.24 175	0.23 56	0.17 95	0.09 170	0.06 74	0.09 124	0.06 25	0.10 195	0.10 213

Selective-RAFT	0.17 40	0.12 85	0.30 46	0.24 214	0.10 22	0.29 198	0.15 27	0.32 73	0.31 129	0.17 32	0.17 21	0.21 72	0.18 113	0.28 126	0.17 95	0.07 17	0.06 74	0.07 16	0.07 53	0.08 84	0.06 20

TestStereo1	0.21 122	0.16 213	0.32 64	0.26 279	0.13 136	0.26 159	0.27 279	0.40 159	0.36 171	0.29 128	0.39 195	0.22 79	0.21 140	0.33 168	0.17 95	0.07 17	0.06 74	0.09 124	0.08 114	0.08 84	0.07 69

SA-5K	0.21 122	0.16 213	0.32 64	0.26 279	0.13 136	0.26 159	0.27 279	0.40 159	0.36 171	0.29 128	0.39 195	0.22 79	0.21 140	0.33 168	0.17 95	0.07 17	0.06 74	0.09 124	0.08 114	0.08 84	0.07 69

SA	0.22 148	0.16 213	0.36 109	0.23 176	0.13 136	0.24 130	0.23 227	0.45 203	0.40 212	0.27 94	0.44 246	0.23 98	0.23 160	0.33 168	0.17 95	0.07 17	0.06 74	0.10 188	0.11 255	0.08 84	0.06 20

PFNet+	0.20 108	0.10 26	0.37 114	0.21 89	0.12 81	0.17 11	0.19 129	0.29 44	0.34 155	0.33 201	0.32 122	0.24 109	0.16 68	0.32 162	0.17 95	0.10 213	0.07 163	0.11 236	0.10 220	0.08 84	0.12 260

LCNet	0.21 122	0.11 66	0.29 40	0.25 251	0.12 81	0.23 115	0.19 129	0.34 93	0.26 69	0.28 103	0.35 154	0.26 136	0.30 252	0.35 183	0.17 95	0.07 17	0.05 6	0.09 124	0.10 220	0.13 271	0.22 356

SST-Stereo	0.21 122	0.10 26	0.37 114	0.24 214	0.13 136	0.19 37	0.17 63	0.31 65	0.24 57	0.34 217	0.33 141	0.29 166	0.25 190	0.56 253	0.17 95	0.08 103	0.05 6	0.10 188	0.08 114	0.09 146	0.07 69

iGMRVC	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.15 27	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.27 114	0.17 95	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

RAFT	0.21 122	0.17 229	0.32 64	0.24 214	0.12 81	0.25 141	0.27 279	0.35 110	0.28 91	0.33 201	0.33 141	0.38 233	0.22 151	0.29 139	0.17 95	0.08 103	0.08 230	0.11 236	0.10 220	0.10 195	0.06 20

GMM-Stereo	0.21 122	0.10 26	0.43 188	0.23 176	0.13 136	0.24 130	0.25 263	0.37 135	0.27 78	0.30 156	0.45 258	0.27 144	0.21 140	0.31 156	0.17 95	0.07 17	0.05 6	0.10 188	0.09 188	0.08 84	0.19 334

RALCasStereoNet	0.18 58	0.15 195	0.33 78	0.21 89	0.14 170	0.21 77	0.18 92	0.31 65	0.25 62	0.21 55	0.29 93	0.22 79	0.15 54	0.27 114	0.17 95	0.08 103	0.10 276	0.07 16	0.06 25	0.09 146	0.09 168

H2IRNET	0.18 58	0.13 140	0.35 91	0.21 89	0.12 81	0.20 58	0.15 27	0.27 24	0.30 118	0.17 32	0.31 118	0.25 116	0.20 134	0.24 62	0.18 109	0.07 17	0.06 74	0.09 124	0.10 220	0.09 146	0.06 20

MyStereo06	0.20 108	0.12 85	0.57 270	0.21 89	0.14 170	0.25 141	0.23 227	0.40 159	0.21 28	0.30 156	0.24 63	0.31 184	0.18 113	0.22 49	0.18 109	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

11t1	0.18 58	0.10 26	0.30 46	0.20 60	0.11 45	0.27 166	0.17 63	0.35 110	0.23 47	0.25 81	0.23 53	0.23 98	0.23 160	0.25 86	0.18 109	0.09 170	0.07 163	0.07 16	0.06 25	0.09 146	0.09 168

IGEV_Zeroshot_test	0.18 58	0.10 26	0.65 300	0.20 60	0.12 81	0.19 37	0.15 27	0.34 93	0.19 9	0.28 103	0.22 51	0.27 144	0.13 36	0.23 56	0.18 109	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.06 20

StereoVision	0.22 148	0.18 241	0.37 114	0.27 302	0.17 250	0.23 115	0.22 206	0.38 141	0.31 129	0.20 46	0.51 290	0.22 79	0.16 68	0.28 126	0.18 109	0.11 240	0.12 310	0.13 288	0.13 305	0.10 195	0.07 69

DCANet-4	0.19 95	0.10 26	0.52 251	0.19 27	0.09 8	0.19 37	0.18 92	0.36 129	0.39 199	0.29 128	0.30 104	0.17 44	0.22 151	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

fff	0.19 95	0.13 140	0.40 149	0.18 9	0.09 8	0.19 37	0.18 92	0.35 110	0.43 233	0.29 128	0.30 104	0.18 51	0.28 230	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

test_5	0.23 165	0.19 257	0.38 133	0.26 279	0.18 270	0.25 141	0.29 296	0.40 159	0.37 180	0.29 128	0.40 203	0.25 116	0.22 151	0.34 174	0.18 109	0.07 17	0.05 6	0.09 124	0.09 188	0.10 195	0.10 213

iRaft-Stereo_20w	0.19 95	0.10 26	0.46 210	0.19 27	0.13 136	0.25 141	0.19 129	0.52 268	0.19 9	0.29 128	0.21 46	0.22 79	0.20 134	0.28 126	0.18 109	0.07 17	0.06 74	0.07 16	0.08 114	0.08 84	0.08 116

IPLGR	0.21 122	0.13 140	0.61 283	0.21 89	0.11 45	0.25 141	0.18 92	0.41 169	0.37 180	0.28 103	0.27 80	0.21 72	0.19 126	0.37 189	0.18 109	0.07 17	0.06 74	0.08 69	0.07 53	0.07 38	0.06 20

test-3	0.16 32	0.09 10	0.31 58	0.21 89	0.11 45	0.18 15	0.16 41	0.30 59	0.27 78	0.26 90	0.16 17	0.22 79	0.12 15	0.26 99	0.18 109	0.06 1	0.04 1	0.08 69	0.08 114	0.06 6	0.06 20

test_1	0.16 32	0.09 10	0.31 58	0.21 89	0.11 45	0.18 15	0.16 41	0.30 59	0.27 78	0.25 81	0.16 17	0.22 79	0.12 15	0.26 99	0.18 109	0.06 1	0.04 1	0.08 69	0.08 114	0.06 6	0.06 20

NRIStereo	0.18 58	0.11 66	0.35 91	0.23 176	0.11 45	0.24 130	0.20 167	0.29 44	0.26 69	0.26 90	0.25 69	0.25 116	0.18 113	0.34 174	0.18 109	0.07 17	0.06 74	0.09 124	0.07 53	0.09 146	0.08 116

FTStereo	0.28 245	0.10 26	0.43 188	0.23 176	0.13 136	0.21 77	0.53 378	0.34 93	0.26 69	0.38 261	0.95 375	0.30 176	0.56 355	0.32 162	0.18 109	0.08 103	0.06 74	0.09 124	0.08 114	0.07 38	0.19 334

RAFT_R40	0.21 122	0.10 26	0.37 114	0.24 214	0.13 136	0.18 15	0.18 92	0.31 65	0.29 109	0.33 201	0.33 141	0.30 176	0.24 175	0.55 245	0.18 109	0.08 103	0.05 6	0.10 188	0.08 114	0.08 84	0.07 69

DeepStereo_RVC	0.18 58	0.11 66	0.40 149	0.21 89	0.11 45	0.19 37	0.16 41	0.28 37	0.22 35	0.27 94	0.27 80	0.23 98	0.28 230	0.24 62	0.18 109	0.08 103	0.06 74	0.09 124	0.07 53	0.09 146	0.10 213

CRE-IMP	0.18 58	0.12 85	0.37 114	0.22 134	0.11 45	0.24 130	0.17 63	0.29 44	0.21 28	0.27 94	0.26 75	0.24 109	0.17 91	0.23 56	0.18 109	0.08 103	0.05 6	0.10 188	0.07 53	0.10 195	0.10 213

Anonymous3	0.23 165	0.18 241	0.63 294	0.27 302	0.18 270	0.41 297	0.23 227	0.43 191	0.35 161	0.23 62	0.27 80	0.20 64	0.18 113	0.27 114	0.18 109	0.12 267	0.11 293	0.10 188	0.10 220	0.11 232	0.12 260

TestStereo	0.21 122	0.19 257	0.40 149	0.25 251	0.10 22	0.22 98	0.21 190	0.31 65	0.31 129	0.23 62	0.34 147	0.22 79	0.18 113	0.62 281	0.18 109	0.08 103	0.06 74	0.10 188	0.07 53	0.11 232	0.06 20

RALAANet	0.19 95	0.18 241	0.37 114	0.23 176	0.14 170	0.23 115	0.13 4	0.37 135	0.29 109	0.28 103	0.26 75	0.25 116	0.15 54	0.26 99	0.18 109	0.08 103	0.06 74	0.09 124	0.08 114	0.09 146	0.06 20

Anonymous	0.20 108	0.14 170	0.47 217	0.27 302	0.20 302	0.25 141	0.25 263	0.32 73	0.26 69	0.18 44	0.18 25	0.15 30	0.19 126	0.24 62	0.18 109	0.10 213	0.09 258	0.09 124	0.09 188	0.15 295	0.13 272

csc	0.19 95	0.13 140	0.40 149	0.18 9	0.09 8	0.19 37	0.18 92	0.35 110	0.43 233	0.29 128	0.30 104	0.18 51	0.28 230	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

cscssc	0.19 95	0.13 140	0.40 149	0.18 9	0.09 8	0.19 37	0.18 92	0.35 110	0.43 233	0.29 128	0.30 104	0.18 51	0.28 230	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

111	0.20 108	0.17 229	0.40 149	0.18 9	0.09 8	0.24 130	0.17 63	0.41 169	0.45 259	0.23 62	0.29 93	0.29 166	0.21 140	0.24 62	0.18 109	0.07 17	0.05 6	0.07 16	0.06 25	0.07 38	0.08 116

ARAFT	0.24 188	0.21 278	0.78 324	0.22 134	0.12 81	0.29 198	0.24 249	0.43 191	0.32 137	0.33 201	0.28 84	0.28 159	0.19 126	0.49 222	0.18 109	0.07 17	0.06 74	0.12 269	0.11 255	0.09 146	0.06 20

CoDeX	0.23 165	0.12 85	0.46 210	0.21 89	0.14 170	0.29 198	0.21 190	0.53 279	0.41 223	0.29 128	0.35 154	0.29 166	0.22 151	0.48 217	0.19 134	0.09 170	0.06 74	0.08 69	0.07 53	0.08 84	0.07 69

whm_eth	0.23 165	0.18 241	0.56 266	0.24 214	0.19 288	0.21 77	0.18 92	0.37 135	0.40 212	0.31 173	0.60 326	0.15 30	0.17 91	0.26 99	0.19 134	0.09 170	0.08 230	0.10 188	0.09 188	0.09 146	0.11 238

ADStereo(finetuned)	0.19 95	0.13 140	0.49 231	0.19 27	0.09 8	0.19 37	0.18 92	0.34 93	0.39 199	0.29 128	0.31 118	0.18 51	0.31 263	0.21 44	0.19 134	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

MIPNet	0.21 122	0.15 195	0.52 251	0.21 89	0.12 81	0.27 166	0.20 167	0.45 203	0.37 180	0.30 156	0.23 53	0.19 62	0.24 175	0.27 114	0.19 134	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.06 20

test_3	0.18 58	0.11 66	0.32 64	0.24 214	0.11 45	0.22 98	0.25 263	0.31 65	0.31 129	0.25 81	0.18 25	0.23 98	0.13 36	0.25 86	0.19 134	0.06 1	0.05 6	0.09 124	0.10 220	0.07 38	0.06 20

rafts_anoy	0.18 58	0.15 195	0.35 91	0.22 134	0.14 170	0.19 37	0.17 63	0.32 73	0.30 118	0.23 62	0.25 69	0.20 64	0.16 68	0.22 49	0.19 134	0.08 103	0.07 163	0.10 188	0.12 287	0.09 146	0.08 116

raft+_RVC	0.18 58	0.14 170	0.32 64	0.21 89	0.15 211	0.21 77	0.16 41	0.38 141	0.34 155	0.21 55	0.28 84	0.20 64	0.15 54	0.24 62	0.19 134	0.08 103	0.06 74	0.08 69	0.07 53	0.07 38	0.08 116

DCANet	0.18 58	0.13 140	0.40 149	0.19 27	0.09 8	0.19 37	0.18 92	0.34 93	0.39 199	0.29 128	0.31 118	0.18 51	0.23 160	0.20 33	0.19 134	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

GMStereo	0.19 95	0.25 304	0.40 149	0.21 89	0.12 81	0.22 98	0.19 129	0.29 44	0.40 212	0.25 81	0.23 53	0.16 39	0.15 54	0.25 86	0.19 134	0.09 170	0.06 74	0.08 69	0.08 114	0.10 195	0.08 116
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.22 148	0.10 26	0.51 247	0.21 89	0.14 170	0.34 256	0.22 206	0.55 296	0.39 199	0.29 128	0.32 122	0.23 98	0.21 140	0.27 114	0.19 134	0.09 170	0.07 163	0.09 124	0.09 188	0.09 146	0.08 116

DN-CSS_ROB	0.22 148	0.25 304	0.47 217	0.24 214	0.14 170	0.25 141	0.12 1	0.40 159	0.33 148	0.29 128	0.42 225	0.22 79	0.20 134	0.33 168	0.19 134	0.07 17	0.06 74	0.11 236	0.11 255	0.11 232	0.07 69

GMStereo_Zeroshot	0.24 188	0.21 278	0.45 204	0.26 279	0.13 136	0.28 179	0.15 27	0.39 152	0.35 161	0.37 253	0.43 237	0.40 258	0.17 91	0.34 174	0.20 145	0.12 267	0.07 163	0.13 288	0.07 53	0.16 303	0.09 168

PCWNet_CMD	0.23 165	0.13 140	0.48 226	0.20 60	0.13 136	0.28 179	0.16 41	0.46 213	0.46 273	0.29 128	0.36 164	0.37 228	0.24 175	0.28 126	0.20 145	0.09 170	0.06 74	0.10 188	0.08 114	0.11 232	0.09 168

CASS	0.21 122	0.15 195	0.32 64	0.26 279	0.11 45	0.28 179	0.19 129	0.39 152	0.30 118	0.32 191	0.34 147	0.25 116	0.24 175	0.25 86	0.20 145	0.13 283	0.08 230	0.11 236	0.09 188	0.11 232	0.11 238
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.23 165	0.11 66	0.50 241	0.21 89	0.16 234	0.31 226	0.20 167	0.36 129	0.35 161	0.32 191	0.50 284	0.39 245	0.26 199	0.22 49	0.20 145	0.08 103	0.06 74	0.09 124	0.11 255	0.07 38	0.08 116

CIPLG	0.21 122	0.21 278	0.55 262	0.23 176	0.15 211	0.25 141	0.20 167	0.35 110	0.29 109	0.31 173	0.33 141	0.22 79	0.15 54	0.26 99	0.20 145	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116

UDGNet	0.23 165	0.31 343	0.38 133	0.24 214	0.14 170	0.24 130	0.18 92	0.32 73	0.43 233	0.29 128	0.28 84	0.24 109	0.19 126	0.29 139	0.20 145	0.15 317	0.07 163	0.21 354	0.11 255	0.14 283	0.10 213

IPLGR_C	0.21 122	0.22 290	0.60 280	0.23 176	0.15 211	0.24 130	0.20 167	0.35 110	0.29 109	0.31 173	0.32 122	0.22 79	0.15 54	0.25 86	0.20 145	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116

ACRE	0.21 122	0.20 265	0.62 291	0.23 176	0.15 211	0.24 130	0.20 167	0.35 110	0.28 91	0.31 173	0.32 122	0.22 79	0.15 54	0.25 86	0.20 145	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116

GANet-ADL	0.21 122	0.12 85	0.45 204	0.23 176	0.14 170	0.29 198	0.19 129	0.46 213	0.35 161	0.25 81	0.32 122	0.32 192	0.19 126	0.24 62	0.20 145	0.10 213	0.07 163	0.07 16	0.06 25	0.09 146	0.10 213

TransformOpticalFlow	0.24 188	0.13 140	0.56 266	0.23 176	0.11 45	0.21 77	0.19 129	0.40 159	0.32 137	0.30 156	0.43 237	0.36 224	0.31 263	0.61 273	0.20 145	0.07 17	0.05 6	0.08 69	0.07 53	0.06 6	0.07 69

NF-Stereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

OCTAStereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

PSM-softLoss	0.21 122	0.10 26	0.39 144	0.24 214	0.12 81	0.20 58	0.18 92	0.38 141	0.26 69	0.29 128	0.32 122	0.24 109	0.16 68	0.52 235	0.20 145	0.09 170	0.06 74	0.10 188	0.09 188	0.08 84	0.12 260

KMStereo	0.21 122	0.10 26	0.39 144	0.24 214	0.12 81	0.20 58	0.18 92	0.38 141	0.26 69	0.29 128	0.32 122	0.24 109	0.16 68	0.52 235	0.20 145	0.09 170	0.06 74	0.10 188	0.09 188	0.08 84	0.12 260

RE-Stereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

TVStereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

test-1	0.17 40	0.11 66	0.40 149	0.23 176	0.13 136	0.22 98	0.23 227	0.34 93	0.26 69	0.20 46	0.24 63	0.22 79	0.14 47	0.16 8	0.20 145	0.07 17	0.06 74	0.08 69	0.07 53	0.06 6	0.08 116

HCRNet	0.24 188	0.25 304	0.33 78	0.34 350	0.16 234	0.27 166	0.18 92	0.43 191	0.35 161	0.30 156	0.35 154	0.32 192	0.22 151	0.44 208	0.20 145	0.13 283	0.08 230	0.13 288	0.11 255	0.10 195	0.09 168

DIP-Stereo	0.18 58	0.12 85	0.33 78	0.20 60	0.13 136	0.28 179	0.12 1	0.42 181	0.25 62	0.27 94	0.32 122	0.21 72	0.17 91	0.25 86	0.20 145	0.07 17	0.06 74	0.08 69	0.06 25	0.07 38	0.08 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.23 165	0.13 140	0.48 226	0.20 60	0.13 136	0.28 179	0.16 41	0.46 213	0.46 273	0.29 128	0.36 164	0.37 228	0.24 175	0.28 126	0.20 145	0.09 170	0.06 74	0.09 124	0.08 114	0.11 232	0.09 168

iResNetv2_ROB	0.27 227	0.26 315	0.72 318	0.23 176	0.13 136	0.29 198	0.18 92	0.52 268	0.49 296	0.37 253	0.45 258	0.39 245	0.25 190	0.34 174	0.20 145	0.08 103	0.06 74	0.07 16	0.05 10	0.12 258	0.09 168

MyStereo05	0.23 165	0.12 85	0.57 270	0.21 89	0.14 170	0.25 141	0.23 227	0.48 231	0.52 313	0.31 173	0.23 53	0.25 116	0.22 151	0.30 151	0.21 166	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

CFNet_ucs	0.24 188	0.13 140	0.50 241	0.20 60	0.15 211	0.28 179	0.17 63	0.49 237	0.45 259	0.32 191	0.42 225	0.39 245	0.22 151	0.31 156	0.21 166	0.11 240	0.08 230	0.12 269	0.09 188	0.12 258	0.11 238

BUS	0.23 165	0.12 85	0.28 33	0.25 251	0.14 170	0.43 312	0.17 63	0.56 310	0.34 155	0.34 217	0.35 154	0.32 192	0.20 134	0.26 99	0.21 166	0.10 213	0.07 163	0.11 236	0.10 220	0.09 146	0.09 168

NINENet	0.25 210	0.15 195	0.37 114	0.23 176	0.16 234	0.43 312	0.17 63	0.60 337	0.46 273	0.32 191	0.37 173	0.32 192	0.20 134	0.42 202	0.21 166	0.10 213	0.10 276	0.12 269	0.08 114	0.11 232	0.10 213

BSDual-CNN	0.23 165	0.12 85	0.28 33	0.25 251	0.14 170	0.35 265	0.21 190	0.56 310	0.34 155	0.34 217	0.35 154	0.38 233	0.24 175	0.26 99	0.21 166	0.10 213	0.07 163	0.11 236	0.10 220	0.09 146	0.09 168

hknet	0.25 210	0.14 170	0.40 149	0.25 251	0.15 211	0.35 265	0.21 190	0.56 310	0.37 180	0.34 217	0.35 154	0.43 271	0.27 216	0.37 189	0.21 166	0.09 170	0.07 163	0.11 236	0.10 220	0.09 146	0.09 168

psmg	0.23 165	0.12 85	0.28 33	0.21 89	0.14 170	0.35 265	0.23 227	0.51 258	0.34 155	0.35 233	0.38 183	0.38 233	0.24 175	0.26 99	0.21 166	0.10 213	0.08 230	0.10 188	0.10 220	0.09 146	0.08 116

DAS	0.27 227	0.12 85	0.42 178	0.24 214	0.18 270	0.29 198	0.24 249	0.45 203	0.45 259	0.41 293	0.44 246	0.34 205	0.29 243	0.75 324	0.21 166	0.09 170	0.07 163	0.09 124	0.07 53	0.09 146	0.09 168

SepStereo	0.26 220	0.12 85	0.42 178	0.24 214	0.18 270	0.29 198	0.24 249	0.45 203	0.45 259	0.41 293	0.44 246	0.34 205	0.29 243	0.64 288	0.21 166	0.09 170	0.07 163	0.09 124	0.07 53	0.09 146	0.09 168

IPLG	0.21 122	0.15 195	0.53 254	0.21 89	0.12 81	0.28 179	0.17 63	0.42 181	0.30 118	0.33 201	0.32 122	0.15 30	0.17 91	0.50 224	0.21 166	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.06 20

Pruner-Stereo	0.19 95	0.11 66	0.34 83	0.29 322	0.12 81	0.19 37	0.17 63	0.31 65	0.29 109	0.33 201	0.32 122	0.25 116	0.15 54	0.24 62	0.21 166	0.09 170	0.06 74	0.09 124	0.08 114	0.08 84	0.09 168

RAFT-345	0.21 122	0.10 26	0.46 210	0.22 134	0.11 45	0.20 58	0.16 41	0.26 17	0.25 62	0.27 94	0.66 342	0.21 72	0.16 68	0.55 245	0.21 166	0.07 17	0.06 74	0.08 69	0.07 53	0.06 6	0.06 20

CFNet_pseudo	0.23 165	0.13 140	0.47 217	0.19 27	0.13 136	0.26 159	0.16 41	0.44 195	0.44 247	0.29 128	0.37 173	0.38 233	0.23 160	0.29 139	0.21 166	0.09 170	0.06 74	0.11 236	0.08 114	0.11 232	0.09 168

ccs_rob	0.23 165	0.13 140	0.47 217	0.20 60	0.13 136	0.26 159	0.17 63	0.44 195	0.44 247	0.29 128	0.37 173	0.38 233	0.23 160	0.29 139	0.21 166	0.09 170	0.06 74	0.11 236	0.08 114	0.11 232	0.09 168

MyStereo04	0.23 165	0.12 85	0.55 262	0.22 134	0.14 170	0.25 141	0.23 227	0.49 237	0.52 313	0.28 103	0.23 53	0.27 144	0.23 160	0.30 151	0.22 180	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

1test111	0.19 95	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.41 169	0.27 78	0.17 32	0.19 28	0.13 13	0.18 113	0.34 174	0.22 180	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

mmm	0.21 122	0.12 85	0.31 58	0.22 134	0.12 81	0.28 179	0.21 190	0.41 169	0.27 78	0.29 128	0.38 183	0.29 166	0.24 175	0.29 139	0.22 180	0.09 170	0.07 163	0.11 236	0.09 188	0.10 195	0.09 168

qqq	0.20 108	0.12 85	0.31 58	0.20 60	0.11 45	0.23 115	0.19 129	0.41 169	0.27 78	0.24 75	0.28 84	0.28 159	0.24 175	0.34 174	0.22 180	0.08 103	0.07 163	0.10 188	0.09 188	0.09 146	0.09 168

IER	0.23 165	0.12 85	0.39 144	0.20 60	0.14 170	0.31 226	0.19 129	0.42 181	0.36 171	0.33 201	0.40 203	0.32 192	0.33 273	0.29 139	0.22 180	0.09 170	0.07 163	0.08 69	0.08 114	0.09 146	0.08 116

ASMatch	0.23 165	0.11 66	0.51 247	0.24 214	0.14 170	0.19 37	0.17 63	0.31 65	0.28 91	0.28 103	0.68 346	0.27 144	0.26 199	0.50 224	0.22 180	0.07 17	0.06 74	0.08 69	0.07 53	0.06 6	0.11 238

PFNet	0.23 165	0.10 26	0.57 270	0.24 214	0.14 170	0.22 98	0.19 129	0.39 152	0.33 148	0.35 233	0.32 122	0.27 144	0.19 126	0.64 288	0.22 180	0.09 170	0.05 6	0.09 124	0.07 53	0.08 84	0.07 69

IRAFT_RVC	0.22 148	0.12 85	0.39 144	0.26 279	0.11 45	0.18 15	0.24 249	0.40 159	0.37 180	0.31 173	0.30 104	0.29 166	0.24 175	0.55 245	0.22 180	0.08 103	0.06 74	0.10 188	0.08 114	0.08 84	0.07 69

GES	0.22 148	0.12 85	0.42 178	0.20 60	0.14 170	0.27 166	0.19 129	0.49 237	0.33 148	0.30 156	0.36 164	0.25 116	0.23 160	0.29 139	0.22 180	0.10 213	0.08 230	0.08 69	0.07 53	0.10 195	0.11 238

PSMNet-RSSM	0.24 188	0.15 195	0.36 109	0.21 89	0.14 170	0.25 141	0.20 167	0.48 231	0.37 180	0.30 156	0.44 246	0.38 233	0.26 199	0.52 235	0.22 180	0.12 267	0.07 163	0.11 236	0.13 305	0.10 195	0.09 168

HSM-Net_RVC	0.27 227	0.11 66	0.42 178	0.19 27	0.11 45	0.34 256	0.20 167	0.62 350	0.43 233	0.40 284	0.43 237	0.50 309	0.26 199	0.76 329	0.22 180	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
UCFNet_RVC	0.24 188	0.16 213	0.34 83	0.18 9	0.15 211	0.33 243	0.16 41	0.46 213	0.35 161	0.29 128	0.35 154	0.39 245	0.25 190	0.34 174	0.22 180	0.13 283	0.08 230	0.13 288	0.14 316	0.13 271	0.12 260

AdaStereo	0.24 188	0.16 213	0.37 114	0.24 214	0.12 81	0.32 234	0.17 63	0.54 286	0.42 228	0.33 201	0.38 183	0.35 219	0.21 140	0.30 151	0.22 180	0.14 306	0.06 74	0.13 288	0.08 114	0.11 232	0.08 116
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.
iResNet_ROB	0.25 210	0.19 257	0.40 149	0.20 60	0.12 81	0.30 215	0.16 41	0.55 296	0.53 317	0.38 261	0.43 237	0.37 228	0.26 199	0.38 193	0.22 180	0.08 103	0.06 74	0.06 1	0.04 1	0.09 146	0.09 168

LL-Strereo	0.29 255	0.25 304	0.58 274	0.25 251	0.21 310	0.23 115	0.24 249	0.55 296	0.42 228	0.34 217	0.32 122	0.41 261	0.40 308	0.94 368	0.23 194	0.08 103	0.07 163	0.11 236	0.09 188	0.09 146	0.09 168

x	0.19 95	0.11 66	0.29 40	0.20 60	0.11 45	0.26 159	0.18 92	0.41 169	0.29 109	0.25 81	0.29 93	0.28 159	0.24 175	0.26 99	0.23 194	0.09 170	0.07 163	0.08 69	0.07 53	0.09 146	0.08 116

GwcNet-ADL	0.22 148	0.14 170	0.58 274	0.24 214	0.13 136	0.22 98	0.23 227	0.49 237	0.40 212	0.27 94	0.29 93	0.30 176	0.20 134	0.26 99	0.23 194	0.09 170	0.07 163	0.07 16	0.07 53	0.09 146	0.09 168

STrans-v2	0.24 188	0.13 140	0.54 257	0.21 89	0.12 81	0.23 115	0.21 190	0.47 220	0.28 91	0.31 173	0.42 225	0.36 224	0.35 284	0.62 281	0.23 194	0.07 17	0.05 6	0.08 69	0.07 53	0.06 6	0.06 20

ICVP	0.23 165	0.13 140	0.44 194	0.26 279	0.14 170	0.29 198	0.25 263	0.45 203	0.33 148	0.29 128	0.43 237	0.35 219	0.25 190	0.26 99	0.23 194	0.12 267	0.09 258	0.09 124	0.08 114	0.09 146	0.10 213
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
EAI-Stereo	0.21 122	0.10 26	0.33 78	0.21 89	0.12 81	0.30 215	0.46 364	0.46 213	0.20 18	0.25 81	0.50 284	0.17 44	0.16 68	0.24 62	0.23 194	0.07 17	0.06 74	0.07 16	0.10 220	0.06 6	0.07 69

FENet	0.21 122	0.11 66	0.45 204	0.21 89	0.12 81	0.26 159	0.17 63	0.41 169	0.35 161	0.30 156	0.31 118	0.29 166	0.23 160	0.26 99	0.23 194	0.09 170	0.06 74	0.09 124	0.09 188	0.09 146	0.09 168

GANet-RSSM	0.24 188	0.14 170	0.36 109	0.21 89	0.14 170	0.27 166	0.21 190	0.45 203	0.33 148	0.29 128	0.39 195	0.39 245	0.28 230	0.58 261	0.23 194	0.11 240	0.07 163	0.09 124	0.09 188	0.10 195	0.09 168

HSM	0.28 245	0.16 213	0.35 91	0.20 60	0.15 211	0.33 243	0.19 129	0.53 279	0.37 180	0.36 248	0.38 183	0.67 360	0.31 263	0.89 359	0.23 194	0.08 103	0.06 74	0.08 69	0.07 53	0.08 84	0.08 116

OMP-Stereo	0.23 165	0.14 170	0.35 91	0.29 322	0.13 136	0.21 77	0.16 41	0.37 135	0.33 148	0.34 217	0.30 104	0.34 205	0.19 126	0.70 306	0.24 203	0.07 17	0.06 74	0.09 124	0.07 53	0.07 38	0.06 20

RAFT-RH_RVC	0.25 210	0.11 66	0.45 204	0.21 89	0.12 81	0.25 141	0.14 14	0.27 24	0.27 78	0.38 261	1.15 384	0.23 98	0.17 91	0.57 256	0.24 203	0.07 17	0.05 6	0.10 188	0.07 53	0.06 6	0.07 69

RAFT + AFF	0.27 227	0.23 297	0.50 241	0.25 251	0.17 250	0.30 215	0.33 325	0.52 268	0.40 212	0.28 103	0.30 104	0.30 176	0.31 263	0.62 281	0.24 203	0.09 170	0.10 276	0.11 236	0.10 220	0.11 232	0.11 238

CFNet-ft	0.24 188	0.15 195	0.35 91	0.18 9	0.15 211	0.30 215	0.21 190	0.39 152	0.36 171	0.28 103	0.40 203	0.43 271	0.25 190	0.47 215	0.24 203	0.12 267	0.07 163	0.12 269	0.11 255	0.12 258	0.09 168

FADNet-RVC-Resample	0.29 255	0.25 304	0.93 358	0.26 279	0.16 234	0.32 234	0.21 190	0.47 220	0.39 199	0.35 233	0.38 183	0.33 199	0.27 216	0.53 240	0.24 203	0.10 213	0.10 276	0.14 307	0.13 305	0.13 271	0.16 305

CFNet_RVC	0.24 188	0.15 195	0.35 91	0.18 9	0.15 211	0.30 215	0.21 190	0.39 152	0.36 171	0.28 103	0.40 203	0.43 271	0.25 190	0.47 215	0.24 203	0.12 267	0.07 163	0.12 269	0.11 255	0.12 258	0.09 168

DeepPruner_ROB	0.26 220	0.19 257	0.44 194	0.21 89	0.16 234	0.30 215	0.21 190	0.52 268	0.32 137	0.35 233	0.38 183	0.39 245	0.26 199	0.42 202	0.24 203	0.15 317	0.11 293	0.11 236	0.11 255	0.14 283	0.13 272

MLCV	0.22 148	0.16 213	0.44 194	0.21 89	0.08 3	0.29 198	0.19 129	0.38 141	0.37 180	0.38 261	0.44 246	0.31 184	0.21 140	0.41 200	0.24 203	0.07 17	0.05 6	0.06 1	0.05 10	0.07 38	0.06 20

NOSS_ROB	0.31 269	0.20 265	0.35 91	0.24 214	0.16 234	0.32 234	0.19 129	0.52 268	0.48 287	0.33 201	0.36 164	0.42 268	0.28 230	0.93 365	0.24 203	0.19 354	0.20 365	0.24 363	0.22 365	0.17 318	0.17 313

gwcnet-sp	0.24 188	0.13 140	0.63 294	0.22 134	0.14 170	0.34 256	0.22 206	0.44 195	0.39 199	0.35 233	0.34 147	0.27 144	0.27 216	0.35 183	0.25 212	0.09 170	0.08 230	0.09 124	0.09 188	0.09 146	0.09 168

scenet	0.24 188	0.13 140	0.63 294	0.22 134	0.14 170	0.34 256	0.22 206	0.44 195	0.39 199	0.35 233	0.34 147	0.27 144	0.27 216	0.35 183	0.25 212	0.09 170	0.08 230	0.09 124	0.09 188	0.09 146	0.09 168

ssnet	0.24 188	0.13 140	0.63 294	0.22 134	0.14 170	0.34 256	0.22 206	0.44 195	0.39 199	0.35 233	0.34 147	0.27 144	0.27 216	0.35 183	0.25 212	0.09 170	0.08 230	0.09 124	0.09 188	0.09 146	0.09 168

HBP-ISP	0.33 284	0.30 338	0.72 318	0.22 134	0.16 234	0.32 234	0.22 206	0.54 286	0.44 247	0.41 293	0.49 282	0.33 199	0.38 300	0.73 316	0.25 212	0.18 349	0.19 360	0.24 363	0.20 355	0.16 303	0.13 272

dd	0.22 148	0.26 315	0.40 149	0.22 134	0.12 81	0.25 141	0.21 190	0.32 73	0.44 247	0.29 128	0.28 84	0.25 116	0.16 68	0.30 151	0.25 212	0.12 267	0.07 163	0.10 188	0.08 114	0.11 232	0.09 168

SACVNet	0.30 262	0.20 265	0.41 171	0.25 251	0.18 270	0.34 256	0.25 263	0.52 268	0.40 212	0.41 293	0.44 246	0.46 291	0.32 270	0.71 309	0.25 212	0.13 283	0.10 276	0.12 269	0.12 287	0.16 303	0.17 313

AACVNet	0.26 220	0.16 213	0.37 114	0.22 134	0.14 170	0.29 198	0.19 129	0.41 169	0.31 129	0.38 261	0.42 225	0.43 271	0.28 230	0.73 316	0.25 212	0.11 240	0.08 230	0.11 236	0.09 188	0.13 271	0.11 238

pcwnet_v2	0.32 278	0.15 195	1.26 386	0.23 176	0.18 270	0.32 234	0.18 92	0.59 329	0.60 339	0.36 248	0.45 258	0.35 219	0.29 243	0.36 187	0.25 212	0.14 306	0.11 293	0.12 269	0.11 255	0.14 283	0.15 298

cf-r	0.24 188	0.15 195	0.44 194	0.21 89	0.14 170	0.27 166	0.22 206	0.42 181	0.40 212	0.30 156	0.42 225	0.42 268	0.26 199	0.43 204	0.25 212	0.11 240	0.06 74	0.08 69	0.10 220	0.08 84	0.08 116

FADNet	0.32 278	0.36 357	0.74 322	0.23 176	0.22 325	0.37 275	0.19 129	0.53 279	0.48 287	0.32 191	0.36 164	0.43 271	0.32 270	0.64 288	0.25 212	0.16 329	0.16 345	0.14 307	0.16 335	0.24 356	0.19 334

CFNet	0.27 227	0.20 265	0.44 194	0.22 134	0.14 170	0.33 243	0.14 14	0.51 258	0.45 259	0.30 156	0.40 203	0.38 233	0.27 216	0.76 329	0.25 212	0.09 170	0.07 163	0.11 236	0.11 255	0.11 232	0.08 116

HITNet	0.20 108	0.17 229	0.43 188	0.19 27	0.08 3	0.27 166	0.14 14	0.42 181	0.30 118	0.29 128	0.32 122	0.27 144	0.21 140	0.28 126	0.25 212	0.07 17	0.05 6	0.07 16	0.06 25	0.09 146	0.06 20
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
dad	0.28 245	0.31 343	0.44 194	0.21 89	0.14 170	0.30 215	0.20 167	0.33 87	0.49 296	0.44 313	0.44 246	0.45 285	0.21 140	0.41 200	0.26 224	0.20 357	0.11 293	0.20 351	0.11 255	0.14 283	0.10 213

IIG-Stereo	0.23 165	0.13 140	0.35 91	0.29 322	0.12 81	0.23 115	0.14 14	0.38 141	0.31 129	0.34 217	0.37 173	0.33 199	0.21 140	0.70 306	0.26 224	0.08 103	0.06 74	0.09 124	0.07 53	0.07 38	0.06 20

CVANet_RVC	0.30 262	0.19 257	0.41 171	0.26 279	0.16 234	0.33 243	0.26 274	0.52 268	0.47 278	0.40 284	0.46 268	0.43 271	0.31 263	0.89 359	0.26 224	0.14 306	0.09 258	0.14 307	0.13 305	0.14 283	0.10 213

iResNet	0.24 188	0.18 241	0.61 283	0.25 251	0.11 45	0.29 198	0.21 190	0.42 181	0.43 233	0.33 201	0.43 237	0.27 144	0.22 151	0.34 174	0.26 224	0.07 17	0.05 6	0.07 16	0.06 25	0.08 84	0.07 69

DispNO	0.27 227	0.18 241	0.62 291	0.23 176	0.17 250	0.25 141	0.22 206	0.45 203	0.41 223	0.32 191	0.39 195	0.38 233	0.27 216	0.77 335	0.27 228	0.09 170	0.07 163	0.10 188	0.10 220	0.08 84	0.08 116

iRaft-Stereo_5w	0.23 165	0.18 241	0.44 194	0.22 134	0.13 136	0.19 37	0.19 129	0.37 135	0.32 137	0.28 103	0.37 173	0.34 205	0.23 160	0.65 294	0.27 228	0.06 1	0.06 74	0.08 69	0.07 53	0.09 146	0.08 116

LMCR-Stereo	0.26 220	0.18 241	0.49 231	0.28 319	0.14 170	0.36 270	0.23 227	0.54 286	0.34 155	0.39 276	0.40 203	0.29 166	0.29 243	0.37 189	0.27 228	0.11 240	0.07 163	0.09 124	0.07 53	0.13 271	0.09 168

MyStereo8	0.22 148	0.15 195	0.63 294	0.21 89	0.17 250	0.31 226	0.16 41	0.36 129	0.32 137	0.28 103	0.36 164	0.25 116	0.18 113	0.25 86	0.28 231	0.08 103	0.07 163	0.08 69	0.07 53	0.10 195	0.12 260

SMFormer	0.25 210	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.28 231	0.10 213	0.07 163	0.08 69	0.08 114	0.09 146	0.09 168

tta	0.24 188	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.28 231	0.10 213	0.07 163	0.08 69	0.08 114	0.08 84	0.07 69

CSP-Net	0.27 227	0.15 195	0.30 46	0.21 89	0.14 170	0.44 314	0.24 249	0.50 245	0.40 212	0.41 293	0.43 237	0.42 268	0.26 199	0.66 298	0.28 231	0.12 267	0.08 230	0.08 69	0.08 114	0.10 195	0.09 168

GEStereo_RVC	0.27 227	0.20 265	0.44 194	0.27 302	0.16 234	0.33 243	0.25 263	0.56 310	0.54 321	0.34 217	0.38 183	0.34 205	0.25 190	0.51 229	0.28 231	0.12 267	0.08 230	0.09 124	0.08 114	0.11 232	0.11 238

GwcNet-RSSM	0.26 220	0.17 229	0.46 210	0.21 89	0.13 136	0.28 179	0.23 227	0.44 195	0.42 228	0.31 173	0.45 258	0.40 258	0.26 199	0.55 245	0.28 231	0.11 240	0.07 163	0.09 124	0.10 220	0.09 146	0.08 116

DMCA	0.22 148	0.14 170	0.36 109	0.22 134	0.14 170	0.27 166	0.20 167	0.43 191	0.38 193	0.31 173	0.32 122	0.33 199	0.24 175	0.24 62	0.28 231	0.11 240	0.08 230	0.10 188	0.08 114	0.10 195	0.11 238

STTStereo	0.28 245	0.20 265	0.61 283	0.25 251	0.17 250	0.29 198	0.24 249	0.47 220	0.39 199	0.39 276	0.41 211	0.44 281	0.28 230	0.40 198	0.28 231	0.13 283	0.12 310	0.13 288	0.16 335	0.12 258	0.11 238

TDLM	0.30 262	0.21 278	0.38 133	0.28 319	0.15 211	0.33 243	0.32 315	0.52 268	0.47 278	0.38 261	0.43 237	0.39 245	0.29 243	0.91 363	0.28 231	0.14 306	0.08 230	0.13 288	0.11 255	0.12 258	0.10 213

NVstereo2D	0.31 269	0.16 213	0.54 257	0.24 214	0.22 325	0.42 304	0.28 292	0.58 324	0.56 330	0.28 103	0.38 183	0.40 258	0.30 252	0.71 309	0.28 231	0.13 283	0.08 230	0.13 288	0.10 220	0.19 333	0.16 305

ToySt	0.24 188	0.16 213	0.48 226	0.21 89	0.13 136	0.29 198	0.29 296	0.39 152	0.39 199	0.27 94	0.35 154	0.39 245	0.31 263	0.31 156	0.29 241	0.08 103	0.09 258	0.10 188	0.11 255	0.11 232	0.10 213

Anonymous_2	0.37 309	0.21 278	0.47 217	0.20 60	0.21 310	0.42 304	0.26 274	0.38 141	0.29 109	0.33 201	0.30 104	0.44 281	0.38 300	0.36 187	0.29 241	0.26 366	0.29 384	0.44 384	1.41 418	0.34 377	0.21 351

CRFU-Net	0.28 245	0.14 170	0.45 204	0.25 251	0.15 211	0.45 319	0.23 227	0.50 245	0.30 118	0.43 307	0.41 211	0.48 299	0.46 334	0.43 204	0.29 241	0.11 240	0.10 276	0.09 124	0.08 114	0.10 195	0.10 213

PSMNet-ADL	0.25 210	0.15 195	0.32 64	0.26 279	0.14 170	0.31 226	0.22 206	0.44 195	0.36 171	0.27 94	0.33 141	0.41 261	0.28 230	0.61 273	0.29 241	0.11 240	0.09 258	0.09 124	0.11 255	0.10 195	0.10 213

BEATNet_4x	0.22 148	0.18 241	0.47 217	0.22 134	0.10 22	0.28 179	0.14 14	0.46 213	0.32 137	0.31 173	0.34 147	0.31 184	0.25 190	0.31 156	0.29 241	0.08 103	0.06 74	0.08 69	0.06 25	0.10 195	0.08 116

NLCA_NET_v2_RVC	0.27 227	0.21 278	0.59 278	0.25 251	0.18 270	0.29 198	0.22 206	0.50 245	0.40 212	0.38 261	0.41 211	0.43 271	0.27 216	0.43 204	0.29 241	0.11 240	0.08 230	0.10 188	0.10 220	0.10 195	0.11 238
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
psm_up	0.29 255	0.16 213	0.41 171	0.26 279	0.17 250	0.32 234	0.26 274	0.55 296	0.43 233	0.36 248	0.40 203	0.45 285	0.37 296	0.58 261	0.30 247	0.11 240	0.12 310	0.13 288	0.12 287	0.10 195	0.10 213

DMCA-RVC	0.27 227	0.21 278	0.61 283	0.28 319	0.17 250	0.29 198	0.21 190	0.42 181	0.35 161	0.40 284	0.37 173	0.39 245	0.36 288	0.43 204	0.30 247	0.13 283	0.10 276	0.15 319	0.11 255	0.13 271	0.10 213

MaskLacGwcNet_RVC	0.36 300	0.36 357	0.53 254	0.34 350	0.19 288	0.51 339	0.24 249	0.55 296	0.38 193	0.41 293	0.47 275	0.47 293	0.27 216	0.73 316	0.30 247	0.36 383	0.19 360	0.27 366	0.17 344	0.26 364	0.23 362

PS-NSSS	0.32 278	0.30 338	0.46 210	0.23 176	0.17 250	0.33 243	0.24 249	0.57 317	0.41 223	0.37 253	0.52 298	0.35 219	0.30 252	0.80 343	0.30 247	0.17 339	0.14 324	0.21 354	0.15 324	0.15 295	0.13 272

HHNet	0.22 148	0.12 85	0.52 251	0.18 9	0.18 270	0.20 58	0.20 167	0.34 93	0.31 129	0.32 191	0.59 321	0.20 64	0.21 140	0.24 62	0.31 251	0.08 103	0.05 6	0.09 124	0.07 53	0.08 84	0.11 238

UNet	0.28 245	0.14 170	0.69 309	0.23 176	0.20 302	0.44 314	0.22 206	0.50 245	0.40 212	0.34 217	0.39 195	0.43 271	0.33 273	0.40 198	0.31 251	0.09 170	0.07 163	0.10 188	0.08 114	0.10 195	0.08 116

FADNet_RVC	0.30 262	0.28 325	0.83 338	0.23 176	0.15 211	0.30 215	0.17 63	0.49 237	0.37 180	0.30 156	0.38 183	0.30 176	0.27 216	0.52 235	0.31 251	0.14 306	0.14 324	0.14 307	0.16 335	0.21 344	0.23 362

FADNet-RVC	0.31 269	0.35 354	0.78 324	0.25 251	0.20 302	0.33 243	0.20 167	0.49 237	0.40 212	0.34 217	0.39 195	0.41 261	0.29 243	0.63 286	0.31 251	0.13 283	0.14 324	0.14 307	0.15 324	0.19 333	0.19 334

CBMV	0.33 284	0.21 278	0.54 257	0.23 176	0.13 136	0.42 304	0.33 325	0.53 279	0.48 287	0.52 343	0.49 282	0.50 309	0.41 312	0.56 253	0.31 251	0.15 317	0.16 345	0.18 341	0.16 335	0.13 271	0.13 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SQANet	0.40 327	0.48 374	0.67 304	0.48 381	0.39 376	0.48 331	0.22 206	0.51 258	0.43 233	0.40 284	0.47 275	0.47 293	0.33 273	0.54 244	0.32 256	0.36 383	0.15 338	0.40 382	0.21 358	0.45 383	0.31 375

FINET	0.34 291	0.27 322	0.80 332	0.24 214	0.24 341	0.36 270	0.34 327	0.54 286	0.72 363	0.39 276	0.47 275	0.32 192	0.30 252	0.51 229	0.32 256	0.19 354	0.17 350	0.13 288	0.12 287	0.18 329	0.16 305

ac_64	0.27 227	0.13 140	0.41 171	0.24 214	0.17 250	0.36 270	0.22 206	0.46 213	0.33 148	0.35 233	0.36 164	0.52 316	0.30 252	0.62 281	0.32 256	0.11 240	0.09 258	0.10 188	0.10 220	0.09 146	0.08 116

ACVNet	0.23 165	0.13 140	0.35 91	0.18 9	0.15 211	0.27 166	0.23 227	0.39 152	0.44 247	0.28 103	0.41 211	0.38 233	0.26 199	0.27 114	0.32 256	0.08 103	0.07 163	0.08 69	0.07 53	0.10 195	0.07 69

hitnet-ft	0.29 255	0.17 229	0.40 149	0.19 27	0.14 170	0.39 289	0.23 227	0.44 195	0.41 223	0.36 248	0.46 268	0.53 320	0.34 280	0.76 329	0.32 256	0.14 306	0.10 276	0.13 288	0.10 220	0.15 295	0.13 272

DSFCA	0.27 227	0.13 140	0.36 109	0.20 60	0.17 250	0.38 282	0.31 310	0.47 220	0.43 233	0.43 307	0.37 173	0.39 245	0.29 243	0.52 235	0.32 256	0.12 267	0.10 276	0.10 188	0.11 255	0.11 232	0.10 213

CBMV_ROB	0.33 284	0.18 241	0.53 254	0.21 89	0.14 170	0.33 243	0.20 167	0.51 258	0.45 259	0.51 337	0.55 310	0.45 285	0.42 320	0.71 309	0.32 256	0.18 349	0.19 360	0.23 361	0.21 358	0.14 283	0.15 298

DDUNet	0.41 329	0.50 379	0.48 226	0.44 377	0.39 376	0.46 321	0.32 315	0.50 245	0.43 233	0.45 317	0.52 298	0.57 330	0.36 288	0.48 217	0.33 263	0.33 381	0.21 366	0.55 390	0.25 369	0.37 380	0.32 378

UPFNet	0.25 210	0.12 85	0.38 133	0.24 214	0.19 288	0.37 275	0.28 292	0.48 231	0.38 193	0.34 217	0.37 173	0.37 228	0.28 230	0.39 195	0.33 263	0.10 213	0.09 258	0.10 188	0.10 220	0.10 195	0.08 116

HGLStereo	0.27 227	0.14 170	0.46 210	0.24 214	0.21 310	0.33 243	0.23 227	0.50 245	0.42 228	0.35 233	0.48 281	0.41 261	0.33 273	0.45 210	0.33 263	0.11 240	0.10 276	0.09 124	0.09 188	0.10 195	0.12 260

DLCB_ROB	0.28 245	0.16 213	0.34 83	0.27 302	0.16 234	0.38 282	0.25 263	0.48 231	0.43 233	0.46 320	0.46 268	0.51 313	0.33 273	0.53 240	0.33 263	0.10 213	0.10 276	0.11 236	0.11 255	0.10 195	0.09 168

AASNet	0.27 227	0.19 257	0.49 231	0.26 279	0.17 250	0.34 256	0.20 167	0.62 350	0.48 287	0.35 233	0.40 203	0.32 192	0.25 190	0.28 126	0.34 267	0.11 240	0.09 258	0.10 188	0.08 114	0.13 271	0.11 238

MMNet	0.27 227	0.14 170	0.49 231	0.24 214	0.17 250	0.47 327	0.22 206	0.45 203	0.51 307	0.39 276	0.41 211	0.36 224	0.33 273	0.39 195	0.34 267	0.08 103	0.07 163	0.09 124	0.09 188	0.10 195	0.08 116

delet	0.27 227	0.14 170	0.40 149	0.23 176	0.19 288	0.41 297	0.29 296	0.49 237	0.48 287	0.33 201	0.41 211	0.37 228	0.30 252	0.48 217	0.34 267	0.09 170	0.09 258	0.11 236	0.12 287	0.08 84	0.08 116

FAT-Stereo	0.36 300	0.18 241	0.73 321	0.26 279	0.18 270	0.33 243	0.29 296	0.60 337	0.59 336	0.46 320	0.60 326	0.60 338	0.50 345	0.61 273	0.34 267	0.13 283	0.14 324	0.13 288	0.12 287	0.14 283	0.18 327

GASNet	0.36 300	0.46 370	0.88 349	0.34 350	0.23 336	0.35 265	0.22 206	0.60 337	0.53 317	0.40 284	0.37 173	0.45 285	0.30 252	0.79 339	0.35 271	0.15 317	0.10 276	0.14 307	0.14 316	0.22 350	0.12 260

ADLNet2	0.30 262	0.17 229	0.72 318	0.23 176	0.17 250	0.36 270	0.24 249	0.52 268	0.51 307	0.32 191	0.38 183	0.45 285	0.30 252	0.69 303	0.35 271	0.10 213	0.08 230	0.09 124	0.09 188	0.12 258	0.10 213

ADLNet	0.28 245	0.15 195	0.42 178	0.23 176	0.19 288	0.34 256	0.23 227	0.53 279	0.43 233	0.42 301	0.41 211	0.44 281	0.27 216	0.55 245	0.35 271	0.11 240	0.08 230	0.11 236	0.11 255	0.11 232	0.12 260

acv_ft	0.25 210	0.13 140	0.40 149	0.23 176	0.19 288	0.34 256	0.21 190	0.45 203	0.44 247	0.38 261	0.41 211	0.38 233	0.27 216	0.27 114	0.35 271	0.08 103	0.07 163	0.08 69	0.07 53	0.11 232	0.07 69

stereogan	0.37 309	0.17 229	0.65 300	0.27 302	0.22 325	0.62 361	0.26 274	0.59 329	0.63 347	0.43 307	0.60 326	0.67 360	0.42 320	0.68 301	0.35 271	0.13 283	0.14 324	0.14 307	0.12 287	0.19 333	0.17 313

CC-Net-ROB	0.43 336	0.47 372	0.65 300	0.37 365	0.23 336	0.51 339	0.29 296	0.66 364	0.49 296	0.46 320	0.51 290	0.48 299	0.38 300	0.96 371	0.35 271	0.34 382	0.23 374	0.55 390	0.25 369	0.31 374	0.20 344

RASNet	0.28 245	0.14 170	0.44 194	0.22 134	0.18 270	0.32 234	0.19 129	0.48 231	0.38 193	0.29 128	0.43 237	0.47 293	0.37 296	0.79 339	0.36 277	0.09 170	0.07 163	0.07 16	0.09 188	0.07 38	0.07 69

StereoDRNet-Refined	0.27 227	0.17 229	0.35 91	0.25 251	0.14 170	0.37 275	0.21 190	0.47 220	0.41 223	0.44 313	0.51 290	0.41 261	0.28 230	0.45 210	0.37 278	0.09 170	0.06 74	0.11 236	0.11 255	0.10 195	0.10 213
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NCCL2	0.35 296	0.26 315	0.49 231	0.36 360	0.22 325	0.41 297	0.41 352	0.53 279	0.42 228	0.47 328	0.46 268	0.61 342	0.39 305	0.55 245	0.37 278	0.16 329	0.13 320	0.21 354	0.21 358	0.16 303	0.16 305

SDNR	0.42 332	0.21 278	0.82 337	0.21 89	0.18 270	1.27 401	0.17 63	0.50 245	0.49 296	0.42 301	0.81 364	0.38 233	0.27 216	1.19 386	0.38 280	0.23 361	0.24 376	0.17 334	0.13 305	0.17 318	0.20 344

fast-acv-ft	0.31 269	0.20 265	0.81 334	0.24 214	0.18 270	0.46 321	0.27 279	0.41 169	0.49 296	0.39 276	0.55 310	0.49 303	0.35 284	0.37 189	0.38 280	0.11 240	0.11 293	0.11 236	0.12 287	0.12 258	0.09 168

CBFPSM	0.27 227	0.16 213	0.67 304	0.20 60	0.14 170	0.38 282	0.25 263	0.40 159	0.36 171	0.33 201	0.36 164	0.56 326	0.38 300	0.32 162	0.38 280	0.08 103	0.08 230	0.07 16	0.08 114	0.09 146	0.11 238

Wz-Net-LNSev-Ref	0.30 262	0.20 265	0.70 315	0.21 89	0.17 250	0.46 321	0.27 279	0.50 245	0.49 296	0.42 301	0.55 310	0.43 271	0.30 252	0.46 212	0.38 280	0.09 170	0.06 74	0.07 16	0.06 25	0.11 232	0.10 213

Syn2CoEx	0.36 300	0.31 343	0.78 324	0.34 350	0.21 310	0.41 297	0.28 292	0.61 341	0.49 296	0.42 301	0.56 315	0.45 285	0.44 325	0.69 303	0.38 280	0.17 339	0.14 324	0.15 319	0.12 287	0.13 271	0.12 260

MDST_ROB	0.48 348	0.14 170	0.95 361	0.30 330	0.21 310	1.33 404	0.32 315	0.77 381	0.56 330	1.06 391	0.71 351	0.49 303	0.35 284	1.26 392	0.38 280	0.13 283	0.11 293	0.16 328	0.13 305	0.12 258	0.12 260

ETE_ROB	0.34 291	0.26 315	0.45 204	0.29 322	0.18 270	0.40 294	0.37 337	0.57 317	0.47 278	0.50 332	0.50 284	0.62 344	0.36 288	0.55 245	0.38 280	0.13 283	0.10 276	0.14 307	0.12 287	0.16 303	0.16 305

PWCDC_ROB	0.38 315	0.30 338	0.60 280	0.33 348	0.20 302	0.42 304	0.19 129	0.58 324	0.89 380	0.42 301	1.26 388	0.36 224	0.34 280	0.50 224	0.38 280	0.18 349	0.11 293	0.11 236	0.09 188	0.19 333	0.13 272

ssnet_v2	0.28 245	0.16 213	0.44 194	0.22 134	0.15 211	0.40 294	0.30 306	0.57 317	0.46 273	0.38 261	0.36 164	0.47 293	0.29 243	0.38 193	0.39 288	0.13 283	0.11 293	0.11 236	0.11 255	0.11 232	0.11 238

Wz-Net-LNSev	0.34 291	0.29 332	0.91 354	0.26 279	0.21 310	0.47 327	0.31 310	0.54 286	0.54 321	0.44 313	0.52 298	0.50 309	0.35 284	0.39 195	0.39 288	0.11 240	0.11 293	0.10 188	0.09 188	0.14 283	0.13 272

UDG	0.40 327	0.46 370	0.49 231	0.40 372	0.35 373	0.47 327	0.27 279	0.54 286	0.47 278	0.39 276	0.45 258	0.59 335	0.44 325	0.46 212	0.39 288	0.26 366	0.19 360	0.48 386	0.22 365	0.34 377	0.26 368

RP	0.35 296	0.22 290	0.51 247	0.31 337	0.24 341	0.37 275	0.28 292	0.50 245	0.58 335	0.40 284	0.63 338	0.61 342	0.47 337	0.61 273	0.39 288	0.16 329	0.15 338	0.17 334	0.15 324	0.17 318	0.17 313

RGC	0.39 321	0.32 348	0.64 299	0.34 350	0.27 355	0.40 294	0.29 296	0.57 317	0.53 317	0.45 317	0.64 339	0.62 344	0.45 328	0.72 314	0.39 288	0.15 317	0.15 338	0.21 354	0.20 355	0.18 329	0.19 334

STTRV1_RVC	0.42 332	0.32 348	0.89 352	0.29 322	0.36 374	0.49 334	0.31 310	0.61 341	0.53 317	0.46 320	0.56 315	0.47 293	0.43 323	1.00 375	0.39 288	0.27 371	0.21 366	0.20 351	0.18 349	0.25 357	0.17 313

GANetREF_RVC	0.43 336	0.47 372	0.69 309	0.38 367	0.20 302	0.51 339	0.48 372	0.66 364	0.66 350	0.46 320	0.46 268	0.50 309	0.44 325	0.90 362	0.39 288	0.27 371	0.21 366	0.32 376	0.18 349	0.27 367	0.22 356
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
iinet-f	0.30 262	0.18 241	1.03 372	0.20 60	0.15 211	0.44 314	0.22 206	0.45 203	0.37 180	0.35 233	0.44 246	0.41 261	0.34 280	0.34 174	0.40 295	0.10 213	0.09 258	0.08 69	0.08 114	0.13 271	0.11 238

S-Stereo	0.38 315	0.20 265	1.05 373	0.27 302	0.22 325	0.38 282	0.32 315	0.55 296	0.66 350	0.39 276	0.59 321	0.49 303	0.41 312	0.75 324	0.40 295	0.12 267	0.15 338	0.13 288	0.13 305	0.16 303	0.21 351

edge stereo	0.39 321	0.22 290	0.81 334	0.27 302	0.22 325	0.37 275	0.24 249	0.56 310	0.54 321	0.53 348	0.60 326	0.71 368	0.50 345	0.78 337	0.40 295	0.16 329	0.14 324	0.19 348	0.14 316	0.16 303	0.17 313

Nwc_Net	0.37 309	0.25 304	0.68 308	0.31 337	0.24 341	0.44 314	0.30 306	0.65 358	0.50 304	0.37 253	0.69 350	0.58 333	0.45 328	0.60 268	0.40 295	0.15 317	0.12 310	0.19 348	0.21 358	0.14 283	0.13 272

AANet_RVC	0.31 269	0.22 290	0.50 241	0.23 176	0.14 170	0.30 215	0.24 249	0.47 220	0.54 321	0.38 261	0.60 326	0.43 271	0.29 243	0.87 355	0.40 295	0.11 240	0.07 163	0.07 16	0.07 53	0.09 146	0.09 168

StereoDRNet	0.32 278	0.22 290	0.61 283	0.27 302	0.21 310	0.42 304	0.30 306	0.61 341	0.48 287	0.46 320	0.39 195	0.48 299	0.30 252	0.57 256	0.40 295	0.11 240	0.09 258	0.12 269	0.11 255	0.12 258	0.10 213

GwcNet	0.35 296	0.23 297	0.88 349	0.25 251	0.24 341	0.48 331	0.27 279	0.55 296	0.57 333	0.38 261	0.52 298	0.51 313	0.32 270	0.60 268	0.41 301	0.13 283	0.11 293	0.12 269	0.11 255	0.13 271	0.14 289

GANet	0.36 300	0.22 290	0.49 231	0.29 322	0.17 250	0.41 297	0.38 343	0.57 317	0.45 259	0.46 320	0.75 357	0.55 324	0.40 308	0.94 368	0.41 301	0.13 283	0.13 320	0.13 288	0.11 255	0.14 283	0.11 238

DRN-Test	0.33 284	0.17 229	0.61 283	0.27 302	0.19 288	0.46 321	0.29 296	0.65 358	0.51 307	0.47 328	0.46 268	0.44 281	0.34 280	0.62 281	0.41 301	0.12 267	0.08 230	0.13 288	0.12 287	0.12 258	0.10 213

DRaft	0.24 188	0.10 26	0.34 83	0.18 9	0.12 81	0.28 179	0.23 227	0.33 87	0.39 199	0.38 261	0.61 333	0.21 72	0.41 312	0.48 217	0.42 304	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.08 116

DGSMNet	0.61 372	0.29 332	0.91 354	0.51 384	0.70 396	0.62 361	1.38 417	0.59 329	0.55 327	0.37 253	0.61 333	0.52 316	0.33 273	0.65 294	0.43 305	0.53 389	0.60 407	0.67 395	0.61 403	0.63 392	0.61 402

MFN_U_SF_DS_RVC	0.51 356	0.50 379	0.86 346	0.39 370	0.24 341	0.84 382	0.55 379	0.56 310	0.62 344	0.60 356	0.68 346	0.62 344	0.42 320	1.13 384	0.43 305	0.23 361	0.27 380	0.27 366	0.35 382	0.25 357	0.29 372

LALA_ROB	0.36 300	0.25 304	0.46 210	0.30 330	0.21 310	0.47 327	0.39 348	0.61 341	0.51 307	0.52 343	0.51 290	0.69 365	0.36 288	0.50 224	0.43 305	0.17 339	0.11 293	0.16 328	0.14 316	0.17 318	0.15 298

PSMNet_ROB	0.33 284	0.24 300	0.54 257	0.31 337	0.21 310	0.42 304	0.43 357	0.59 329	0.47 278	0.37 253	0.44 246	0.49 303	0.31 263	0.64 288	0.43 305	0.14 306	0.10 276	0.15 319	0.14 316	0.13 271	0.11 238

Wz-Net-MNSev	0.36 300	0.26 315	0.79 330	0.26 279	0.21 310	0.59 356	0.38 343	0.55 296	0.56 330	0.48 331	0.54 306	0.53 320	0.36 288	0.60 268	0.44 309	0.11 240	0.09 258	0.11 236	0.11 255	0.15 295	0.13 272

DEmStereo	0.26 220	0.09 10	0.47 217	0.19 27	0.12 81	0.30 215	0.25 263	0.28 37	0.36 171	0.36 248	0.58 319	0.25 116	0.48 343	0.53 240	0.44 309	0.07 17	0.06 74	0.08 69	0.08 114	0.06 6	0.07 69

AF-Net	0.37 309	0.26 315	0.56 266	0.32 343	0.23 336	0.41 297	0.29 296	0.61 341	0.64 348	0.42 301	0.68 346	0.65 355	0.49 344	0.57 256	0.44 309	0.15 317	0.11 293	0.19 348	0.14 316	0.15 295	0.13 272

Ntro	0.58 367	0.64 388	0.92 356	0.66 392	0.50 385	0.77 375	0.36 333	0.66 364	0.70 360	0.50 332	0.59 321	0.65 355	0.51 348	0.75 324	0.45 312	0.56 393	0.32 388	0.56 393	0.34 381	0.63 392	0.46 391

THIR-Stereo	0.29 255	0.12 85	0.41 171	0.19 27	0.11 45	0.28 179	0.72 391	0.32 73	0.35 161	0.37 253	0.65 340	0.34 205	0.50 345	0.57 256	0.45 312	0.07 17	0.06 74	0.08 69	0.09 188	0.07 38	0.07 69

psmorigin	0.50 352	0.25 304	3.03 413	0.24 214	0.19 288	0.38 282	0.22 206	0.50 245	0.44 247	0.64 361	0.68 346	0.71 368	0.51 348	0.85 352	0.45 312	0.14 306	0.17 350	0.13 288	0.14 316	0.16 303	0.21 351

NCC-stereo	0.39 321	0.25 304	0.69 309	0.32 343	0.28 358	0.46 321	0.36 333	0.65 358	0.52 313	0.40 284	0.57 317	0.56 326	0.47 337	0.73 316	0.45 312	0.17 339	0.14 324	0.18 341	0.25 369	0.16 303	0.16 305

Abc-Net	0.39 321	0.25 304	0.69 309	0.32 343	0.28 358	0.46 321	0.36 333	0.65 358	0.52 313	0.40 284	0.57 317	0.56 326	0.47 337	0.73 316	0.45 312	0.17 339	0.14 324	0.18 341	0.25 369	0.16 303	0.16 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XPNet_ROB	0.33 284	0.20 265	0.43 188	0.27 302	0.18 270	0.37 275	0.31 310	0.55 296	0.50 304	0.51 337	0.53 303	0.58 333	0.37 296	0.63 286	0.45 312	0.17 339	0.12 310	0.13 288	0.12 287	0.15 295	0.14 289

otaku	0.57 366	0.62 387	0.87 348	0.63 391	0.44 381	0.73 371	0.37 337	0.65 358	0.66 350	0.51 337	0.75 357	0.66 359	0.45 328	0.69 303	0.46 318	0.53 389	0.34 389	0.55 390	0.35 382	0.60 391	0.45 388

APVNet	0.36 300	0.20 265	0.70 315	0.26 279	0.22 325	0.52 348	0.35 330	0.61 341	0.44 247	0.38 261	0.52 298	0.48 299	0.38 300	0.84 351	0.46 318	0.13 283	0.14 324	0.15 319	0.16 335	0.16 303	0.15 298

PDISCO_ROB	0.43 336	0.30 338	0.67 304	0.43 375	0.36 374	0.67 366	0.32 315	0.72 377	0.76 368	0.43 307	0.53 303	0.63 352	0.40 308	0.66 298	0.47 320	0.21 358	0.12 310	0.21 354	0.19 354	0.25 357	0.20 344

Anonymous Stereo	0.38 315	0.34 351	1.00 366	0.30 330	0.25 348	0.33 243	0.44 360	0.50 245	0.54 321	0.41 293	0.45 258	0.39 245	0.26 199	0.93 365	0.48 321	0.15 317	0.14 324	0.15 319	0.16 335	0.16 303	0.17 313

PASM	0.45 343	0.35 354	0.90 353	0.35 359	0.33 370	0.39 289	0.38 343	0.50 245	0.61 342	0.52 343	0.51 290	0.62 344	0.45 328	0.93 365	0.48 321	0.26 366	0.29 384	0.29 372	0.33 380	0.29 372	0.26 368

DispFullNet	0.66 376	0.89 399	1.59 396	0.77 397	1.21 414	0.51 339	0.23 227	0.59 329	0.72 363	0.69 367	0.61 333	0.69 365	0.91 388	0.79 339	0.48 321	0.27 371	0.12 310	0.73 398	0.30 379	0.65 395	0.40 384

PA-Net	0.37 309	0.28 325	0.83 338	0.31 337	0.28 358	0.39 289	0.42 355	0.51 258	0.55 327	0.34 217	0.42 225	0.41 261	0.36 288	0.79 339	0.49 324	0.12 267	0.23 374	0.16 328	0.23 367	0.12 258	0.18 327
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DANet	0.35 296	0.23 297	0.60 280	0.36 360	0.22 325	0.39 289	0.25 263	0.48 231	0.43 233	0.52 343	0.50 284	0.59 335	0.41 312	0.76 329	0.49 324	0.13 283	0.11 293	0.14 307	0.12 287	0.17 318	0.15 298
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
LSM	1.64 409	0.40 366	2.56 409	2.02 420	17.61 432	0.51 339	0.52 376	0.61 341	0.76 368	0.82 377	1.11 382	0.63 352	0.54 351	0.75 324	0.49 324	0.16 329	0.24 376	0.18 341	0.21 358	0.25 357	2.42 423

DISCO	0.32 278	0.13 140	0.51 247	0.25 251	0.16 234	0.48 331	0.25 263	0.50 245	0.57 333	0.37 253	0.45 258	0.62 344	0.36 288	0.64 288	0.49 324	0.09 170	0.07 163	0.09 124	0.08 114	0.12 258	0.11 238

MSMD_ROB	0.60 371	0.33 350	0.61 283	0.30 330	0.25 348	0.86 383	0.35 330	0.55 296	0.67 353	1.10 393	1.49 397	1.76 401	0.97 392	0.88 358	0.49 324	0.23 361	0.21 366	0.27 366	0.27 375	0.25 357	0.24 366

aanetorigin	0.39 321	0.29 332	1.09 375	0.24 214	0.19 288	0.28 179	0.37 337	0.33 87	0.47 278	0.94 383	0.82 365	0.52 316	0.54 351	0.49 222	0.50 329	0.11 240	0.09 258	0.10 188	0.10 220	0.16 303	0.15 298

SGM-Forest	0.36 300	0.17 229	0.47 217	0.23 176	0.16 234	0.45 319	0.41 352	0.55 296	0.48 287	0.52 343	0.60 326	0.52 316	0.41 312	0.85 352	0.50 329	0.17 339	0.17 350	0.17 334	0.15 324	0.15 295	0.15 298
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FBW_ROB	0.43 336	0.26 315	0.54 257	0.31 337	0.20 302	0.51 339	0.32 315	0.70 374	0.60 339	0.59 355	0.55 310	0.65 355	0.41 312	1.40 397	0.51 331	0.13 283	0.17 350	0.21 354	0.16 335	0.17 318	0.18 327

DeepPrunerF	0.44 342	0.29 332	1.29 389	0.33 348	0.30 366	0.35 265	0.36 333	0.62 350	1.15 396	0.40 284	0.44 246	0.39 245	0.41 312	0.80 343	0.52 332	0.18 349	0.14 324	0.23 361	0.21 358	0.17 318	0.17 313

PWC_ROB	0.38 315	0.29 332	0.69 309	0.25 251	0.20 302	0.38 282	0.19 129	0.58 324	0.67 353	0.57 354	0.85 368	0.51 313	0.40 308	0.71 309	0.52 332	0.13 283	0.09 258	0.14 307	0.10 220	0.17 318	0.14 289

RYNet	0.37 309	0.18 241	0.59 278	0.25 251	0.28 358	0.61 360	0.32 315	0.59 329	0.59 336	0.41 293	0.38 183	0.57 330	0.39 305	0.87 355	0.53 334	0.11 240	0.08 230	0.12 269	0.11 255	0.18 329	0.18 327

ACVNet_1	0.72 381	0.81 394	1.37 393	0.72 395	0.53 388	0.77 375	0.42 355	0.85 392	0.90 382	0.74 372	0.75 357	1.32 393	0.72 375	1.02 378	0.55 335	0.54 391	0.31 387	0.71 397	0.35 382	0.64 394	0.45 388

RainbowNet	0.72 381	0.89 399	1.02 370	0.82 398	0.63 394	0.78 378	0.52 376	0.81 388	0.93 386	0.60 356	0.79 362	0.80 373	0.60 360	0.80 343	0.57 336	0.78 402	0.55 403	0.78 400	0.49 392	0.76 400	0.58 397

anonymity	0.56 363	0.54 383	0.70 315	0.47 380	0.61 392	0.56 351	0.43 357	0.69 373	0.49 296	0.63 359	0.55 310	0.54 322	0.60 360	0.61 273	0.57 336	0.55 392	0.53 400	0.50 387	0.54 398	0.51 385	0.56 395

CrosDoStereo	0.31 269	0.10 26	0.49 231	0.18 9	0.12 81	0.22 98	1.11 413	0.34 93	0.37 180	0.38 261	0.61 333	0.28 159	0.46 334	0.61 273	0.57 336	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.07 69

DeepStereo_LL	0.31 269	0.10 26	0.49 231	0.18 9	0.12 81	0.22 98	1.11 413	0.34 93	0.37 180	0.38 261	0.61 333	0.28 159	0.46 334	0.61 273	0.57 336	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.07 69

G-Net	0.46 345	0.25 304	0.86 346	0.34 350	0.28 358	0.90 386	0.35 330	0.47 220	0.45 259	0.68 365	1.22 386	0.64 354	0.60 360	0.61 273	0.57 336	0.16 329	0.14 324	0.17 334	0.13 305	0.22 350	0.19 334

SHD	0.42 332	0.27 322	0.81 334	0.31 337	0.25 348	0.42 304	0.22 206	0.66 364	0.94 387	0.63 359	0.60 326	0.59 335	0.47 337	0.59 267	0.58 341	0.15 317	0.13 320	0.16 328	0.16 335	0.20 341	0.22 356

Wz-Net-SNSev	0.43 336	0.41 369	1.27 387	0.30 330	0.21 310	0.44 314	0.41 352	0.61 341	0.65 349	0.46 320	0.65 340	0.62 344	0.39 305	0.74 323	0.59 342	0.12 267	0.11 293	0.12 269	0.13 305	0.16 303	0.14 289

MeshStereo	0.58 367	0.27 322	0.67 304	0.22 134	0.17 250	0.66 365	0.37 337	0.78 382	0.61 342	1.47 411	1.30 389	1.65 398	0.79 378	1.12 383	0.59 342	0.17 339	0.17 350	0.17 334	0.14 316	0.17 318	0.14 289
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
SGM_RVC	0.50 352	0.19 257	0.50 241	0.25 251	0.15 211	0.69 367	0.39 348	0.68 372	0.82 374	0.95 385	0.84 367	1.13 384	0.76 376	1.16 385	0.60 344	0.16 329	0.16 345	0.16 328	0.16 335	0.16 303	0.17 313
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ccnet	0.42 332	0.31 343	0.48 226	0.27 302	0.32 369	0.60 359	0.32 315	0.65 358	0.46 273	0.53 348	0.66 342	0.56 326	0.45 328	0.72 314	0.61 345	0.26 366	0.19 360	0.24 363	0.21 358	0.26 364	0.22 356

MFMNet_re	0.72 381	0.76 392	0.99 365	0.62 390	0.70 396	0.77 375	0.67 387	0.75 379	0.83 377	0.78 376	0.86 369	0.69 365	0.78 377	0.71 309	0.61 345	0.66 398	0.59 406	0.61 394	0.58 402	0.68 398	0.71 406

SAMSARA	0.56 363	0.39 365	0.80 332	0.60 389	0.46 382	1.00 390	1.23 416	0.67 369	0.68 356	0.71 368	0.54 306	0.89 378	0.57 357	0.81 346	0.62 347	0.19 354	0.22 371	0.18 341	0.18 349	0.27 367	0.25 367

CSAN	0.50 352	0.35 354	0.78 324	0.36 360	0.23 336	0.56 351	0.59 383	0.61 341	0.70 360	0.64 361	0.78 361	0.65 355	0.60 360	1.38 396	0.62 347	0.21 358	0.17 350	0.20 351	0.20 355	0.18 329	0.18 327

WCMA_ROB	0.51 356	0.21 278	0.65 300	0.25 251	0.21 310	0.58 355	0.32 315	0.54 286	0.55 327	0.95 385	1.40 392	1.28 391	0.81 381	0.73 316	0.62 347	0.18 349	0.15 338	0.15 319	0.15 324	0.19 333	0.19 334

Consistency-Raft	0.55 362	0.48 374	1.02 370	0.45 378	0.49 384	0.49 334	0.47 368	0.72 377	0.72 363	0.45 317	0.82 365	0.47 293	0.60 360	0.50 224	0.63 350	0.39 387	0.39 392	0.44 384	0.51 395	0.52 386	0.37 381

FCDSN-DC	0.63 373	0.31 343	0.61 283	0.36 360	0.30 366	0.65 363	0.37 337	0.66 364	0.68 356	1.14 395	1.54 400	1.71 400	1.26 401	0.92 364	0.64 351	0.24 364	0.22 371	0.27 366	0.26 373	0.27 367	0.27 371
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
NaN_ROB	0.41 329	0.28 325	0.62 291	0.30 330	0.19 288	0.51 339	0.47 368	0.58 324	0.59 336	0.56 352	0.47 275	0.49 303	0.41 312	1.21 389	0.64 351	0.12 267	0.18 356	0.12 269	0.13 305	0.11 232	0.14 289

ACVNet_2	0.89 390	0.87 398	1.25 385	0.82 398	0.62 393	0.97 389	0.62 385	1.14 397	1.42 400	1.00 388	1.40 392	1.47 396	0.84 384	1.11 381	0.66 353	0.61 396	0.43 394	0.78 400	0.49 392	0.75 399	0.52 393

MSC_U_SF_DS_RVC	0.68 378	0.64 388	1.06 374	0.45 378	0.27 355	1.40 407	0.58 381	0.78 382	0.92 384	0.84 378	0.86 369	0.88 377	0.68 371	1.33 395	0.68 354	0.37 385	0.29 384	0.34 378	0.36 385	0.43 381	0.37 381

DPSNet	0.47 346	0.24 300	0.93 358	0.27 302	0.20 302	0.75 374	0.57 380	0.84 390	0.79 372	0.47 328	0.51 290	0.60 338	0.69 372	0.87 355	0.71 355	0.16 329	0.13 320	0.12 269	0.10 220	0.25 357	0.21 351

XQC	0.43 336	0.37 362	0.96 362	0.34 350	0.25 348	0.53 349	0.34 327	0.60 337	0.73 366	0.51 337	0.46 268	0.57 330	0.47 337	0.70 306	0.72 356	0.17 339	0.12 310	0.18 341	0.15 324	0.25 357	0.23 362

MFN_U_SF_RVC	0.56 363	0.51 381	1.19 381	0.38 367	0.22 325	0.69 367	0.27 279	0.80 386	0.67 353	0.73 369	0.74 356	0.87 375	0.61 369	0.81 346	0.76 357	0.29 377	0.27 380	0.32 376	0.37 386	0.32 376	0.31 375

PVD	0.58 367	0.34 351	0.84 342	0.39 370	0.31 368	0.59 356	0.47 368	0.80 386	1.25 397	0.92 382	1.09 380	0.79 372	0.82 382	0.85 352	0.76 357	0.21 358	0.18 356	0.22 360	0.18 349	0.27 367	0.35 380

SANet	0.53 361	0.28 325	0.96 362	0.26 279	0.15 211	0.69 367	0.44 360	0.67 369	1.34 398	0.67 364	0.98 377	0.94 379	0.71 374	0.89 359	0.76 357	0.14 306	0.12 310	0.12 269	0.11 255	0.17 318	0.16 305

Wz-Net-TNSev	0.51 356	0.58 384	1.61 399	0.25 251	0.21 310	0.65 363	0.45 362	0.63 356	0.69 358	0.51 337	0.54 306	0.71 368	0.60 360	1.00 375	0.77 360	0.15 317	0.15 338	0.13 288	0.15 324	0.21 344	0.20 344

FC-DCNN	0.70 380	0.30 338	0.69 309	0.32 343	0.27 355	0.81 381	0.39 348	0.79 385	0.82 374	1.41 404	1.58 402	1.98 403	1.26 401	1.02 378	0.77 360	0.24 364	0.22 371	0.27 366	0.26 373	0.26 364	0.26 368

NVStereoNet_ROB	0.67 377	0.49 378	0.83 338	0.48 381	0.40 378	0.51 339	0.46 364	0.70 374	0.77 370	0.84 378	1.72 403	1.02 383	0.83 383	1.23 390	0.79 362	0.32 380	0.38 391	0.40 382	0.46 390	0.36 379	0.41 385
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RTSC	0.39 321	0.28 325	0.78 324	0.27 302	0.18 270	0.49 334	0.22 206	0.59 329	0.84 379	0.55 351	0.53 303	0.49 303	0.36 288	0.67 300	0.82 363	0.13 283	0.10 276	0.11 236	0.12 287	0.17 318	0.17 313

IMH-64-1	0.91 391	0.86 396	0.84 342	0.97 403	0.75 398	0.92 387	0.71 389	1.27 398	1.10 393	0.89 380	1.45 394	1.14 385	0.96 390	1.19 386	0.84 364	0.74 399	0.51 397	0.97 404	0.55 399	0.84 402	0.60 399

IMH-64	0.91 391	0.86 396	0.84 342	0.97 403	0.75 398	0.92 387	0.71 389	1.27 398	1.10 393	0.89 380	1.45 394	1.14 385	0.96 390	1.19 386	0.84 364	0.74 399	0.51 397	0.97 404	0.55 399	0.84 402	0.60 399

WZ-Net	0.52 360	0.38 364	1.90 401	0.30 330	0.24 341	0.57 354	0.48 372	0.62 350	0.78 371	0.50 332	0.71 351	0.68 363	0.54 351	0.98 374	0.84 364	0.13 283	0.10 276	0.11 236	0.12 287	0.19 333	0.20 344

ttt	0.29 255	0.12 85	0.34 83	0.21 89	0.13 136	0.29 198	0.20 167	0.56 310	0.47 278	0.31 173	0.44 246	0.30 176	0.22 151	0.65 294	0.85 367	0.13 283	0.10 276	0.10 188	0.10 220	0.11 232	0.11 238

SPS-STEREO	0.69 379	0.61 386	0.98 364	0.52 386	0.57 390	0.74 372	0.50 375	0.78 382	0.62 344	0.95 385	0.86 369	0.94 379	0.70 373	1.01 377	0.87 368	0.58 395	0.51 397	0.50 387	0.50 394	0.55 388	0.58 397
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH	1.05 396	0.95 403	1.00 366	1.01 405	0.78 402	1.11 393	0.68 388	1.38 401	1.43 401	1.00 388	1.72 403	1.43 394	1.14 394	1.73 405	0.89 369	1.09 412	0.55 403	0.99 406	0.57 401	0.87 404	0.62 404

LVE	1.13 398	1.02 404	1.28 388	1.01 405	0.80 405	1.29 403	0.81 400	1.47 405	1.96 406	1.07 392	1.90 406	1.90 402	1.01 393	1.48 398	0.91 370	0.93 409	0.61 409	0.94 403	0.69 406	0.87 404	0.75 410

ELAS_RVC	0.74 385	0.36 357	1.00 366	0.37 365	0.33 370	0.88 384	0.93 405	0.83 389	1.08 392	1.35 400	1.33 391	1.24 389	1.33 404	1.06 380	0.95 371	0.27 371	0.25 378	0.29 372	0.27 375	0.30 373	0.30 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
pmcnn	0.50 352	0.20 265	0.78 324	0.24 214	0.26 353	0.39 289	0.30 306	0.51 258	0.50 304	0.54 350	1.23 387	2.52 411	0.37 296	0.77 335	0.95 371	0.08 103	0.06 74	0.06 1	0.05 10	0.10 195	0.08 116

EDNetEfficientorigin	7.51 422	0.52 382	140.47 444	0.25 251	0.17 250	0.42 304	0.29 296	0.47 220	1.03 388	1.28 398	1.02 378	0.83 374	0.84 384	0.75 324	0.99 373	0.10 213	0.09 258	0.12 269	0.10 220	0.21 344	0.22 356

Dean	1.17 400	1.04 406	1.49 395	1.03 407	0.78 402	1.20 399	0.77 396	1.48 406	1.96 406	1.28 398	1.99 408	2.15 405	1.14 394	1.25 391	1.00 374	0.81 404	0.60 407	1.01 407	0.69 406	0.92 408	0.74 409

ELAS	0.74 385	0.36 357	0.85 345	0.36 360	0.33 370	1.36 405	0.77 396	0.93 393	0.92 384	1.41 404	1.53 399	1.16 387	1.17 397	0.95 370	1.03 375	0.26 366	0.25 378	0.28 371	0.28 378	0.31 374	0.30 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCK	1.00 393	1.17 412	1.70 400	0.91 401	0.41 379	1.19 398	0.92 404	1.10 395	1.14 395	1.16 396	1.14 383	1.25 390	0.88 387	1.75 406	1.04 376	0.87 406	0.50 395	0.87 402	0.53 397	0.96 409	0.52 393

DualNet	0.26 220	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.35 110	0.44 247	0.30 156	0.42 225	0.34 205	0.23 160	0.27 114	1.08 377	0.08 103	0.05 6	0.11 236	0.10 220	0.08 84	0.08 116

ff1	0.29 255	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.35 110	0.44 247	0.30 156	0.42 225	0.34 205	0.23 160	0.81 346	1.08 377	0.08 103	0.05 6	0.11 236	0.10 220	0.08 84	0.08 116

mmx	0.31 269	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.55 296	0.45 259	0.30 156	0.42 225	0.34 205	0.23 160	0.81 346	1.08 377	0.10 213	0.07 163	0.11 236	0.10 220	0.11 232	0.10 213

xxx	0.31 269	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.55 296	0.45 259	0.30 156	0.42 225	0.34 205	0.23 160	0.81 346	1.08 377	0.10 213	0.07 163	0.11 236	0.10 220	0.11 232	0.10 213

SuperB	0.49 350	0.28 325	2.23 403	0.23 176	0.15 211	0.41 297	0.32 315	0.47 220	0.82 374	0.43 307	0.50 284	0.33 199	0.45 328	0.68 301	1.08 377	0.10 213	0.07 163	0.09 124	0.08 114	0.98 410	0.14 289

SGM+DAISY	0.87 389	0.66 390	1.30 390	0.51 384	0.60 391	1.03 391	0.84 402	0.76 380	0.73 366	1.39 402	1.51 398	1.31 392	1.22 399	1.11 381	1.08 377	0.57 394	0.53 400	0.51 389	0.51 395	0.54 387	0.61 402

WAO-7	1.01 394	0.89 399	0.93 358	0.83 400	0.66 395	1.18 396	0.81 400	1.40 402	1.57 404	1.11 394	1.76 405	1.45 395	1.19 398	1.50 399	1.14 383	0.61 396	0.62 410	0.70 396	0.68 405	0.66 397	0.60 399

WAO-6	1.07 397	0.93 402	0.92 356	0.96 402	0.78 402	1.28 402	0.75 393	1.34 400	2.00 408	1.02 390	1.54 400	1.59 397	1.22 399	1.31 394	1.14 383	0.78 402	0.55 403	1.02 408	0.75 409	0.83 401	0.69 405

ADCPNet	0.48 348	0.29 332	1.60 397	0.27 302	0.23 336	0.70 370	0.38 343	0.53 279	0.51 307	0.51 337	0.59 321	0.67 360	0.56 355	0.60 268	1.14 383	0.15 317	0.18 356	0.14 307	0.23 367	0.19 333	0.19 334

RTS	0.78 387	0.48 374	4.68 415	0.34 350	0.28 358	1.12 394	0.46 364	0.62 350	1.03 388	0.73 369	0.89 373	0.60 338	0.59 358	1.61 400	1.16 386	0.14 306	0.11 293	0.15 319	0.15 324	0.21 344	0.19 334

RTSA	0.78 387	0.48 374	4.68 415	0.34 350	0.28 358	1.12 394	0.46 364	0.62 350	1.03 388	0.73 369	0.89 373	0.60 338	0.59 358	1.61 400	1.16 386	0.14 306	0.11 293	0.15 319	0.15 324	0.21 344	0.19 334

WAO-8	1.46 405	1.10 409	1.09 375	1.10 408	0.84 406	2.06 411	0.75 393	1.84 411	3.83 416	1.44 408	2.21 411	2.15 405	1.43 406	3.17 417	1.19 388	0.91 407	0.65 412	1.09 409	0.79 410	0.90 406	0.71 406

Venus	1.46 405	1.10 409	1.09 375	1.10 408	0.84 406	2.06 411	0.75 393	1.84 411	3.83 416	1.44 408	2.21 411	2.15 405	1.43 406	3.17 417	1.19 388	0.91 407	0.65 412	1.09 409	0.79 410	0.90 406	0.71 406

KSHMR	1.89 412	1.36 416	1.60 397	1.47 417	1.22 415	1.38 406	1.06 410	1.79 410	5.97 422	1.42 406	5.65 422	2.98 415	1.14 394	2.23 413	1.20 390	1.27 416	1.12 417	1.46 418	1.10 417	1.32 417	1.15 417

ACVNet-4b	0.72 381	0.81 394	1.33 391	0.72 395	0.50 385	0.80 380	0.31 310	0.71 376	0.80 373	0.50 332	0.72 355	0.95 381	0.43 323	0.96 371	1.20 390	1.13 415	0.21 366	0.76 399	0.45 389	0.65 395	0.46 391

ktn	1.77 411	1.36 416	1.22 383	1.43 416	1.14 413	1.52 408	1.08 411	1.51 408	3.96 419	2.77 418	4.69 418	3.35 416	1.46 408	1.69 404	1.25 392	1.43 417	0.77 416	1.45 417	0.99 415	1.32 417	0.96 413

ADCRef	0.38 315	0.24 300	0.88 349	0.26 279	0.21 310	0.49 334	0.27 279	0.52 268	0.48 287	0.50 332	0.58 319	0.35 219	0.47 337	0.48 217	1.29 393	0.09 170	0.08 230	0.12 269	0.12 287	0.11 232	0.11 238

1111x	0.32 278	0.11 66	0.40 149	0.22 134	0.11 45	0.32 234	0.26 274	0.59 329	0.43 233	0.31 173	0.41 211	0.39 245	0.28 230	0.76 329	1.37 394	0.09 170	0.08 230	0.09 124	0.10 220	0.09 146	0.08 116

TorneroNet-64	1.43 403	1.03 405	1.20 382	1.10 408	0.86 408	2.26 415	0.73 392	1.84 411	3.84 418	1.25 397	2.25 413	2.69 413	1.42 405	1.76 407	1.43 395	0.76 401	0.50 395	1.09 409	0.66 404	1.23 413	0.76 411

ADCL	0.47 346	0.22 290	1.00 366	0.27 302	0.19 288	0.74 372	0.64 386	0.54 286	0.69 358	0.56 352	0.71 351	0.55 324	0.60 360	0.60 268	1.43 395	0.11 240	0.09 258	0.13 288	0.13 305	0.14 283	0.14 289

AnyNet_C01	0.65 375	0.58 384	2.60 410	0.32 343	0.26 353	0.88 384	0.61 384	0.63 356	0.62 344	0.68 365	0.96 376	0.76 371	0.60 360	0.96 371	1.43 395	0.16 329	0.16 345	0.17 334	0.17 344	0.23 353	0.23 362

notaker	1.45 404	1.34 415	1.48 394	1.40 415	1.07 412	1.18 396	0.85 403	1.48 406	1.40 399	1.51 412	3.46 416	2.40 410	1.81 410	1.76 407	1.45 398	1.11 413	0.69 415	1.38 416	0.87 412	1.31 415	0.97 414

EDNetEfficient	0.63 373	0.37 362	2.40 407	0.26 279	0.25 348	0.38 282	0.49 374	0.41 169	1.06 391	1.38 401	0.87 372	0.62 344	0.95 389	0.65 294	1.65 399	0.11 240	0.09 258	0.10 188	0.11 255	0.19 333	0.17 313

ADCMid	0.49 350	0.34 351	1.13 379	0.26 279	0.21 310	0.51 339	0.37 337	0.57 317	0.54 321	0.75 373	0.66 342	0.62 344	0.64 370	0.64 288	1.68 400	0.13 283	0.12 310	0.17 334	0.17 344	0.20 341	0.17 313

MADNet+	1.01 394	1.16 411	4.72 417	0.70 393	0.47 383	1.24 400	0.96 406	0.97 394	0.89 380	0.65 363	0.77 360	0.87 375	0.85 386	2.09 410	1.68 400	0.38 386	0.39 392	0.31 375	0.27 375	0.43 381	0.39 383

JetBlue	1.14 399	0.76 392	2.36 405	0.59 388	0.75 398	3.04 418	1.78 418	1.11 396	0.90 382	0.94 383	1.10 381	1.66 399	1.28 403	2.09 410	1.72 402	0.43 388	0.36 390	0.38 380	0.38 388	0.58 390	0.56 395

AnyNet_C32	0.51 356	0.40 366	1.10 378	0.29 322	0.28 358	0.59 356	0.58 381	0.54 286	0.60 339	0.62 358	0.66 342	0.54 322	0.54 351	0.78 337	1.74 403	0.15 317	0.14 324	0.15 319	0.17 344	0.20 341	0.20 344

UNDER WATER-64	1.55 407	1.19 413	2.52 408	1.31 413	0.95 410	2.12 413	1.21 415	1.45 404	3.19 412	1.43 407	1.32 390	2.64 412	2.04 412	1.63 402	1.83 404	1.11 413	0.67 414	1.28 414	0.92 413	1.19 411	1.02 415

TorneroNet	2.22 413	1.08 408	1.24 384	1.14 412	0.90 409	5.58 420	0.80 398	2.12 417	8.69 425	2.58 416	5.42 420	3.88 418	1.97 411	1.78 409	1.87 405	0.86 405	0.54 402	1.15 413	0.74 408	1.23 413	0.85 412

ADCP+	0.45 343	0.24 300	1.15 380	0.25 251	0.22 325	0.56 351	0.39 348	0.54 286	0.51 307	0.44 313	0.51 290	0.46 291	0.52 350	0.56 253	1.89 406	0.10 213	0.08 230	0.11 236	0.10 220	0.14 283	0.13 272

coex-ft	3.44 417	0.73 391	48.55 442	0.24 214	0.19 288	0.50 338	0.43 357	0.47 220	2.40 410	7.03 424	1.20 385	0.97 382	2.23 413	0.73 316	1.92 407	0.12 267	0.15 338	0.14 307	0.12 287	0.21 344	0.43 386

UNDER WATER	1.59 408	1.22 414	2.36 405	1.38 414	1.03 411	1.67 410	1.10 412	1.54 409	3.63 414	1.44 408	1.47 396	2.85 414	2.25 414	1.67 403	1.94 408	1.06 411	0.62 410	1.31 415	0.93 414	1.21 412	1.02 415

MANE	1.41 402	0.36 357	0.74 322	0.43 375	0.41 379	2.16 414	0.80 398	2.39 419	3.38 413	2.22 414	3.06 415	3.54 417	2.73 417	2.15 412	1.94 408	0.28 375	0.27 380	0.30 374	0.46 390	0.28 371	0.34 379

xxxx	0.34 291	0.10 26	0.29 40	0.19 27	0.11 45	0.37 275	0.20 167	0.58 324	0.38 193	0.29 128	0.42 225	0.38 233	0.24 175	0.46 212	2.20 410	0.11 240	0.07 163	0.09 124	0.08 114	0.09 146	0.09 168

ADCS	0.58 367	0.40 366	1.35 392	0.29 322	0.24 341	0.55 350	0.45 362	0.67 369	0.83 377	0.76 375	0.71 351	0.68 363	0.60 360	0.76 329	2.23 411	0.16 329	0.16 345	0.16 328	0.17 344	0.22 350	0.22 356

test_xeample	0.34 291	0.10 26	0.29 40	0.19 27	0.11 45	0.33 243	0.23 227	0.55 296	0.38 193	0.32 191	0.45 258	0.29 166	0.26 199	0.57 256	2.24 412	0.10 213	0.07 163	0.09 124	0.08 114	0.09 146	0.09 168

SGM-ForestM	1.36 401	0.28 325	0.79 330	0.26 279	0.16 234	2.26 415	1.00 408	1.42 403	1.46 402	2.38 415	2.05 409	5.95 424	2.66 416	2.95 416	2.46 413	0.17 339	0.18 356	0.18 341	0.18 349	0.15 295	0.18 327

AAGNet	0.33 284	0.11 66	0.37 114	0.25 251	0.16 234	0.20 58	0.19 129	0.30 59	0.27 78	0.35 233	0.35 154	0.27 144	0.30 252	0.44 208	2.66 414	0.08 103	0.05 6	0.10 188	0.07 53	0.08 84	0.06 20

MADNet++	2.26 414	1.80 420	2.06 402	2.13 422	1.97 420	2.61 417	1.79 419	2.38 418	2.16 409	2.75 417	2.65 414	2.38 409	2.43 415	3.17 417	3.21 415	2.17 419	1.95 420	1.94 420	1.63 419	2.06 420	2.01 422

HanzoNet	2.97 416	1.69 418	2.29 404	1.74 418	1.33 416	1.53 409	1.03 409	1.99 415	2.64 411	5.51 421	5.16 419	5.90 423	6.82 423	4.32 422	3.29 416	3.16 421	2.02 422	1.92 419	2.87 423	2.24 421	1.89 421

222	0.41 329	0.10 26	0.29 40	0.19 27	0.11 45	0.36 270	0.20 167	0.57 317	0.39 199	0.35 233	0.44 246	0.30 176	0.27 216	0.55 245	3.56 417	0.11 240	0.07 163	0.08 69	0.08 114	0.09 146	0.09 168

LE_ROB	1.76 410	0.20 265	2.68 411	0.48 381	0.52 387	0.78 378	0.96 406	0.84 390	6.61 423	7.40 425	2.08 410	2.08 404	4.83 418	1.27 393	3.79 418	0.10 213	0.08 230	0.12 269	0.11 255	0.11 232	0.10 213

JetRed	2.30 415	2.64 422	6.12 418	1.12 411	1.38 417	5.85 421	3.29 420	1.99 415	1.67 405	1.98 413	1.95 407	2.16 408	1.60 409	2.48 414	4.10 419	1.05 410	1.60 419	1.09 409	1.01 416	1.67 419	1.28 418

DPSimNet_ROB	4.34 418	4.23 423	6.89 420	3.67 423	3.68 421	4.75 419	5.21 422	2.67 420	3.68 415	5.82 422	3.95 417	5.57 420	6.72 422	3.46 421	4.48 420	4.05 424	2.88 423	4.68 425	3.12 424	3.69 423	3.62 425

BEATNet-Init1	4.73 420	2.61 421	13.29 431	0.58 387	0.53 388	10.12 425	3.33 421	4.83 422	5.01 421	8.75 426	8.51 423	14.08 433	7.60 424	7.70 426	5.34 421	0.28 375	0.28 383	0.34 378	0.37 386	0.57 389	0.45 388

tt	4.71 419	0.10 26	3.94 414	2.06 421	1.53 418	10.14 426	16.88 426	9.27 428	4.98 420	1.39 402	1.02 378	4.68 419	4.90 419	3.35 420	5.86 422	5.76 426	9.15 432	2.24 421	2.53 422	3.10 422	1.32 419

LRCNet_RVC	10.90 426	14.34 435	9.35 422	15.35 431	8.04 425	1.08 392	0.34 327	8.78 427	0.70 360	12.63 433	16.05 432	9.85 426	6.54 421	8.57 427	6.34 423	20.27 440	5.40 426	23.70 439	21.88 438	14.87 433	13.83 435

PML	16.10 433	12.82 434	6.78 419	5.23 424	7.76 424	33.92 437	66.56 443	5.30 423	10.28 426	26.12 443	68.59 443	20.51 435	13.49 433	10.06 428	6.78 424	5.96 427	2.00 421	6.04 428	2.18 421	8.96 429	2.60 424

ASD4	7.23 421	6.65 426	7.69 421	5.24 425	5.62 423	11.85 427	20.36 427	7.57 426	7.14 424	6.55 423	5.47 421	5.99 425	5.78 420	7.22 425	9.24 425	4.85 425	4.44 424	6.40 429	5.19 425	6.53 426	4.89 426

DGTPSM_ROB	8.34 423	5.10 424	10.37 429	5.31 426	10.18 426	8.33 422	23.60 431	6.06 424	13.41 431	4.90 419	10.87 428	5.65 421	10.44 425	6.17 423	12.59 426	3.74 422	7.55 427	3.69 423	7.26 428	4.14 424	7.46 427

DPSMNet_ROB	8.40 424	5.11 425	10.49 430	5.58 427	10.25 427	8.34 423	23.62 432	6.07 425	13.45 432	4.93 420	10.88 429	5.66 422	10.44 425	6.24 424	12.64 427	3.98 423	7.61 428	3.76 424	7.30 429	4.20 425	7.51 428

Anonymous_1	16.62 434	9.35 427	9.84 423	10.66 428	14.64 430	18.66 433	27.12 433	12.64 432	13.51 433	10.76 432	10.30 427	10.13 427	10.60 427	11.06 432	12.74 428	15.87 439	7.74 429	16.92 436	43.48 441	58.66 444	7.68 429

DPSM_ROB	11.49 427	9.87 431	10.35 427	11.13 429	11.31 428	19.11 434	27.51 434	13.37 433	14.21 434	10.31 430	11.06 430	10.96 431	11.27 431	11.96 433	13.59 429	6.78 428	8.19 430	6.03 426	7.09 426	7.93 427	7.73 430

DPSM	11.49 427	9.87 431	10.35 427	11.13 429	11.31 428	19.11 434	27.51 434	13.37 433	14.21 434	10.31 430	11.06 430	10.96 431	11.27 431	11.96 433	13.59 429	6.78 428	8.19 430	6.03 426	7.09 426	7.93 427	7.73 430

xxxxx1	15.27 430	9.54 428	10.31 424	20.13 434	18.88 433	17.08 429	23.03 428	10.36 429	10.99 427	9.21 427	9.62 424	10.74 428	10.61 428	10.72 429	13.89 431	7.97 430	9.20 433	31.85 442	44.72 442	12.84 430	13.69 432

tt_ll	15.27 430	9.54 428	10.31 424	20.13 434	18.88 433	17.08 429	23.03 428	10.36 429	10.99 427	9.21 427	9.62 424	10.74 428	10.61 428	10.72 429	13.89 431	7.97 430	9.20 433	31.85 442	44.72 442	12.84 430	13.69 432

ff	15.27 430	9.54 428	10.31 424	20.13 434	18.88 433	17.08 429	23.03 428	10.36 429	10.99 427	9.21 427	9.62 424	10.74 428	10.61 428	10.72 429	13.89 431	7.97 430	9.20 433	31.85 442	44.72 442	12.84 430	13.69 432

HaxPig	17.72 435	20.22 442	19.73 432	16.53 432	16.51 431	9.27 424	9.33 423	14.34 435	13.27 430	18.65 434	18.70 433	17.35 434	16.77 434	17.04 435	16.45 434	22.05 441	20.89 442	22.27 438	21.53 437	21.29 440	22.13 442

SPstereo	14.25 429	1.73 419	2.83 412	1.84 419	1.57 419	23.16 436	43.27 436	35.72 444	29.56 444	20.86 441	20.62 434	26.34 444	21.82 436	25.23 444	19.62 435	1.56 418	1.42 418	2.96 422	2.17 420	1.31 415	1.33 420

MEDIAN_ROB	21.21 436	24.62 443	23.47 440	19.58 433	19.65 436	13.22 428	10.96 424	17.88 436	17.00 436	22.14 442	22.02 436	20.86 436	20.36 435	21.06 436	19.71 436	25.63 443	24.13 443	26.21 440	25.20 439	25.17 441	25.38 443

AVERAGE_ROB	25.43 443	29.06 444	27.24 441	24.63 443	24.20 443	17.73 432	12.61 425	22.29 437	21.39 437	26.79 444	26.16 442	25.20 443	24.64 443	25.07 443	23.53 437	29.96 444	28.40 444	30.60 441	29.58 440	29.72 442	29.84 444

LSM0	24.24 442	19.98 441	22.32 439	24.22 442	40.14 444	38.48 442	55.20 437	26.95 442	28.57 438	20.49 435	21.83 435	22.26 442	22.75 440	24.22 442	27.30 438	13.66 438	16.32 436	12.19 435	14.15 430	16.10 439	17.66 441

Selective-RAFT-Error	23.16 441	19.93 440	20.87 438	22.54 441	22.81 441	38.52 443	55.47 438	27.01 443	28.83 443	20.66 437	22.25 438	22.09 441	22.80 442	24.09 441	27.36 439	13.61 434	16.48 437	12.15 431	14.28 432	15.99 438	15.57 440

CasAABBNet	23.10 437	19.86 436	20.64 434	22.47 437	22.73 440	38.41 438	55.50 439	26.89 441	28.70 439	20.61 436	22.15 437	22.08 440	22.75 440	23.99 440	27.36 439	13.59 433	16.48 437	12.14 430	14.27 431	15.95 434	15.53 436

MyStereo03	23.12 438	19.90 437	20.85 435	22.49 438	22.71 437	38.42 439	55.53 440	26.80 438	28.72 440	20.77 438	22.25 438	22.03 437	22.69 437	23.90 437	27.38 441	13.62 435	16.50 439	12.15 431	14.28 432	15.95 434	15.53 436

MyStereo02	23.12 438	19.90 437	20.85 435	22.49 438	22.71 437	38.42 439	55.53 440	26.80 438	28.72 440	20.77 438	22.25 438	22.03 437	22.69 437	23.90 437	27.38 441	13.62 435	16.50 439	12.15 431	14.28 432	15.95 434	15.53 436

MyStereo	23.12 438	19.90 437	20.85 435	22.49 438	22.71 437	38.42 439	55.53 440	26.80 438	28.72 440	20.77 438	22.25 438	22.03 437	22.69 437	23.90 437	27.38 441	13.62 435	16.50 439	12.15 431	14.28 432	15.95 434	15.53 436

test_example2	101.33 444	108.28 445	68.15 443	98.43 444	106.93 445	89.75 444	102.43 444	36.80 445	97.65 445	129.04 445	130.15 444	65.26 445	66.62 444	92.11 445	80.24 444	144.10 445	199.48 445	81.81 445	103.01 445	125.01 445	101.27 445

FADE		1.06 407		0.71 394	0.76 401			1.85 414	1.52 403	0.75 373		1.17 388		2.83 415		24.23 442	4.70 425	17.35 437	17.61 436	0.49 384	0.44 387

Low-res two-view benchmark