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	deliv. area 1l	deliv. area 1s	deliv. area 2l	deliv. area 2s	deliv. area 3l	deliv. area 3s	elect. 1l	elect. 1s	elect. 2l	elect. 2s	elect. 3l	elect. 3s	facade 1s	forest 1s	forest 2s	playg. 1l	playg. 1s	playg. 2l	playg. 2s	playg. 3l	playg. 3s	terra. 1s	terra. 2s	terra. 1l	terra. 1s	terra. 2l	terra. 2s

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
STStereo	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.02 14	0.02 14	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

iinet-f	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MSC_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

RYNet	0.02 15	0.02 14	0.02 14	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.04 25	0.03 23	0.02 15	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

LSM0	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

AASNet	0.05 21	0.08 37	0.08 36	0.07 36	0.05 31	0.05 32	0.05 33	0.07 35	0.05 33	0.05 24	0.05 31	0.05 31	0.05 36	0.06 36	0.07 35	0.05 35	0.05 32	0.05 34	0.05 30	0.05 34	0.05 32	0.05 35	0.04 28	0.05 33	0.05 33	0.05 33	0.05 33	0.05 33

SACVNet	0.05 21	0.08 37	0.08 36	0.07 36	0.05 31	0.05 32	0.05 33	0.07 35	0.05 33	0.05 24	0.05 31	0.05 31	0.05 36	0.06 36	0.07 35	0.05 35	0.05 32	0.05 34	0.05 30	0.05 34	0.05 32	0.05 35	0.04 28	0.05 33	0.05 33	0.05 33	0.05 33	0.05 33

AACVNet	0.05 21	0.08 37	0.08 36	0.07 36	0.05 31	0.05 32	0.05 33	0.07 35	0.05 33	0.05 24	0.05 31	0.05 31	0.05 36	0.06 36	0.07 35	0.05 35	0.05 32	0.05 34	0.05 30	0.05 34	0.05 32	0.05 35	0.04 28	0.05 33	0.05 33	0.05 33	0.05 33	0.05 33

ADCS	0.06 24	0.02 14	0.04 21	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.02 15	1.03 150	0.02 15	0.02 15	0.03 21	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.02 15	0.01 9	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.04 27	0.02 15

FINET	0.07 25	0.08 37	0.07 33	0.08 39	0.07 38	0.08 40	0.07 37	0.08 41	0.07 37	0.08 30	0.07 38	0.08 38	0.07 39	0.07 39	0.07 35	0.07 38	0.07 38	0.07 39	0.07 37	0.07 39	0.08 40	0.07 38	0.07 35	0.06 39	0.07 39	0.07 38	0.08 41	0.06 39

BEATNet_4x	0.08 26	0.03 23	0.06 31	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.47 178	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.03 22	0.03 23

ADCL	0.08 26	0.03 23	0.06 31	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.47 178	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.03 22	0.03 23

ADCMid	0.08 26	0.02 14	0.13 69	0.03 23	0.02 15	0.03 22	0.02 15	0.02 15	0.02 15	1.32 171	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.07 37	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 23

AnyNet_C01	0.08 26	0.03 23	0.04 21	0.02 15	0.03 21	0.03 22	0.02 15	0.02 15	0.02 15	1.46 177	0.02 15	0.03 23	0.03 21	0.02 15	0.02 15	0.02 15	0.04 25	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.03 22	0.03 23

ADCPNet	0.08 26	0.03 23	0.04 21	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.03 25	1.32 171	0.03 24	0.03 23	0.03 21	0.03 25	0.03 24	0.03 24	0.03 20	0.03 23	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.03 24	0.03 24	0.04 27	0.03 23

SepStereo	0.09 31	0.09 41	0.09 39	0.09 42	0.10 43	0.09 41	0.08 40	0.09 42	0.08 40	0.09 31	0.08 39	0.09 41	0.09 42	0.08 42	0.08 42	0.09 42	0.09 42	0.08 42	0.09 41	0.08 40	0.09 41	0.08 41	0.09 38	0.09 42	0.10 42	0.08 41	0.10 42	0.09 42

APVNet	0.09 31	0.06 34	0.04 21	0.06 34	0.04 28	0.05 32	0.04 28	0.05 32	1.08 200	0.05 24	0.05 31	0.05 31	0.04 29	0.05 31	0.04 29	0.04 28	0.05 32	0.04 27	0.05 30	0.04 28	0.05 32	0.04 29	0.04 28	0.04 29	0.05 33	0.04 28	0.05 33	0.04 28

AnonymousM	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

FADNet-RVC-Resample	0.10 33	0.04 29	0.05 26	0.04 29	0.05 31	0.05 32	0.05 33	0.07 35	0.05 33	0.05 24	0.05 31	0.05 31	0.04 29	0.05 31	0.04 29	0.04 28	0.05 32	0.05 34	0.05 30	0.05 34	0.05 32	0.04 29	1.53 216	0.04 29	0.05 33	0.05 33	0.06 38	0.05 33

FADNet_RVC	0.10 33	0.03 23	0.04 21	0.03 23	0.04 28	0.05 32	0.04 28	0.04 28	0.04 28	0.03 21	0.04 27	0.04 27	0.03 21	0.04 28	0.03 24	0.03 24	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.03 24	1.63 217	0.03 23	0.03 24	0.04 28	0.03 22	0.04 28

PVD	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

SHD	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

SAMSARA	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

XQC	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

RTSC	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

RTS	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

RTSA	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

MADNet+	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

MADNet++	0.10 33	0.10 42	0.10 42	0.10 43	0.10 43	0.10 42	0.10 44	0.10 43	0.10 43	0.10 32	0.10 44	0.10 42	0.10 45	0.10 46	0.10 45	0.10 44	0.10 43	0.10 44	0.10 42	0.10 44	0.10 43	0.10 45	0.10 41	0.10 45	0.10 42	0.10 42	0.10 42	0.10 46

LRCNet_RVC	0.11 45	0.12 53	0.09 39	0.12 54	0.09 41	0.12 53	0.09 41	0.12 54	0.09 41	0.12 42	0.09 42	0.11 52	0.09 42	0.09 43	0.09 43	0.09 42	0.12 54	0.16 74	0.21 74	0.09 43	0.12 54	0.09 43	0.09 38	0.09 42	0.12 54	0.28 104	0.12 54	0.09 42

FADNet-RVC	0.11 45	0.04 29	0.05 26	0.04 29	0.05 31	0.04 28	0.04 28	0.05 32	0.04 28	0.04 22	0.04 27	0.04 27	0.04 29	0.05 31	0.04 29	0.04 28	0.04 25	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	1.79 223	0.04 29	0.04 28	0.04 28	0.04 27	0.05 33

FADNet	0.11 45	0.04 29	0.05 26	0.06 34	0.05 31	0.04 28	0.04 28	0.04 28	0.04 28	0.04 22	0.05 31	0.05 31	0.04 29	0.05 31	0.04 29	0.04 28	0.04 25	0.04 27	0.04 27	0.05 34	0.05 32	0.04 29	1.74 221	0.04 29	0.04 28	0.05 33	0.04 27	0.05 33

ProNet	0.12 48	0.18 66	0.11 55	0.14 57	0.10 43	0.14 57	0.11 54	0.14 56	0.11 54	0.14 43	0.10 44	0.14 56	0.10 45	0.10 46	0.11 55	0.10 44	0.15 63	0.10 44	0.14 55	0.10 44	0.14 56	0.10 45	0.11 53	0.10 45	0.15 62	0.10 42	0.14 57	0.10 46

IPLG	0.12 48	0.15 57	0.12 61	0.14 57	0.11 55	0.14 57	0.11 54	0.14 56	0.11 54	0.15 47	0.11 55	0.14 56	0.11 56	0.12 63	0.11 55	0.11 55	0.14 57	0.11 58	0.14 55	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 55	0.14 57	0.11 57

MIPNet	0.12 48	0.15 57	0.12 61	0.14 57	0.11 55	0.14 57	0.11 54	0.14 56	0.11 54	0.15 47	0.11 55	0.14 56	0.11 56	0.12 63	0.11 55	0.11 55	0.14 57	0.11 58	0.15 62	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 55	0.14 57	0.11 57

AnyNet_C32	0.12 48	0.03 23	0.07 33	0.03 23	0.03 21	0.03 22	0.03 24	0.03 24	0.02 15	2.33 211	0.04 27	0.04 27	0.03 21	0.02 15	0.03 24	0.04 28	0.04 25	0.04 27	0.03 22	0.03 24	0.03 23	0.03 24	0.03 23	0.03 23	0.04 28	0.03 24	0.03 22	0.02 15

ADCP+	0.12 48	0.04 29	0.07 33	0.04 29	0.05 31	0.04 28	0.04 28	0.04 28	0.04 28	2.28 205	0.05 31	0.05 31	0.04 29	0.04 28	0.04 29	0.04 28	0.05 32	0.04 27	0.05 30	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

CIPLG	0.13 53	0.15 57	0.12 61	0.14 57	0.11 55	0.14 57	0.11 54	0.15 64	0.11 54	0.15 47	0.11 55	0.15 64	0.11 56	0.12 63	0.12 66	0.11 55	0.15 63	0.11 58	0.15 62	0.11 56	0.14 56	0.11 56	0.11 53	0.12 65	0.15 62	0.12 65	0.15 63	0.12 65

IPLGR_C	0.13 53	0.16 62	0.14 72	0.15 64	0.11 55	0.14 57	0.11 54	0.14 56	0.11 54	0.14 43	0.11 55	0.14 56	0.11 56	0.12 63	0.11 55	0.11 55	0.14 57	0.11 58	0.14 55	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 55	0.15 63	0.11 57

IPLGR	0.13 53	0.15 57	0.12 61	0.14 57	0.11 55	0.14 57	0.11 54	0.14 56	0.13 69	0.15 47	0.11 55	0.14 56	0.12 69	0.12 63	0.11 55	0.11 55	0.14 57	0.11 58	0.14 55	0.11 56	0.14 56	0.11 56	0.11 53	0.12 65	0.15 62	0.11 55	0.14 57	0.11 57

ACRE	0.13 53	0.16 62	0.12 61	0.14 57	0.11 55	0.14 57	0.11 54	0.15 64	0.11 54	0.14 43	0.11 55	0.14 56	0.11 56	0.12 63	0.11 55	0.11 55	0.14 57	0.11 58	0.14 55	0.11 56	0.14 56	0.11 56	0.11 53	0.11 57	0.14 57	0.11 55	0.14 57	0.11 57

ICVP	0.13 53	0.16 62	0.11 55	0.16 65	0.11 55	0.16 65	0.11 54	0.16 66	0.11 54	0.16 53	0.11 55	0.16 66	0.11 56	0.11 59	0.11 55	0.11 55	0.16 65	0.11 58	0.16 64	0.11 56	0.16 65	0.11 56	0.11 53	0.11 57	0.16 66	0.11 55	0.16 65	0.11 57
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCRef	0.13 53	0.04 29	0.05 26	0.04 29	0.04 28	0.04 28	0.09 41	0.04 28	0.04 28	2.46 214	0.04 27	0.04 27	0.04 29	0.04 28	0.04 29	0.04 28	0.04 25	0.04 27	0.04 27	0.04 28	0.04 28	0.04 29	0.04 28	0.05 33	0.04 28	0.04 28	0.04 27	0.04 28

GMStereo	0.14 59	0.13 55	0.14 72	0.14 57	0.14 71	0.14 57	0.14 70	0.14 56	0.14 71	0.14 43	0.14 72	0.14 56	0.14 73	0.14 72	0.14 73	0.14 72	0.14 57	0.14 72	0.14 55	0.14 73	0.14 56	0.14 73	0.14 69	0.14 72	0.14 57	0.14 70	0.14 57	0.14 73
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HSM	0.14 59	0.17 65	0.11 55	0.17 67	0.11 55	0.17 66	0.12 65	0.17 69	0.11 54	0.17 54	0.11 55	0.17 68	0.11 56	0.12 63	0.12 66	0.12 64	0.17 68	0.12 68	0.17 65	0.12 68	0.17 66	0.12 67	0.12 64	0.12 65	0.17 67	0.12 65	0.17 66	0.12 65

ELAS_RVC	0.14 59	0.18 66	0.11 55	0.19 70	0.11 55	0.18 67	0.13 69	0.16 66	0.11 54	0.17 54	0.11 55	0.14 56	0.11 56	0.09 43	0.11 55	0.12 64	0.17 68	0.10 44	0.18 67	0.11 56	0.18 67	0.11 56	0.10 41	0.11 57	0.19 71	0.11 55	0.19 69	0.12 65
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.14 59	0.19 70	0.11 55	0.20 72	0.11 55	0.20 70	0.12 65	0.18 71	0.12 64	0.18 56	0.12 67	0.19 71	0.11 56	0.11 59	0.11 55	0.11 55	0.18 70	0.11 58	0.19 70	0.11 56	0.19 69	0.11 56	0.11 53	0.11 57	0.20 72	0.11 55	0.20 71	0.12 65
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.14 59	0.23 79	0.10 42	0.19 70	0.11 55	0.20 70	0.11 54	0.16 66	0.10 43	0.15 47	0.11 55	0.15 64	0.11 56	0.09 43	0.11 55	0.11 55	0.16 65	0.10 44	0.17 65	0.11 56	0.18 67	0.11 56	0.09 38	0.10 45	0.18 68	0.11 55	0.19 69	0.12 65
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
BEATNet-Init1	0.15 64	0.07 35	0.10 42	0.08 39	0.07 38	0.07 38	0.07 37	0.07 35	0.07 37	2.19 202	0.08 39	0.08 38	0.07 39	0.07 39	0.07 35	0.07 38	0.08 40	0.07 39	0.08 39	0.08 40	0.07 38	0.07 38	0.07 35	0.07 40	0.08 40	0.07 38	0.07 39	0.07 40

DeepPrunerF	0.15 64	0.07 35	0.10 42	0.08 39	0.07 38	0.07 38	0.07 37	0.07 35	0.07 37	2.19 202	0.08 39	0.08 38	0.07 39	0.07 39	0.07 35	0.07 38	0.08 40	0.07 39	0.08 39	0.08 40	0.07 38	0.07 38	0.07 35	0.07 40	0.08 40	0.07 38	0.07 39	0.07 40

DeepPruner_ROB	0.15 64	0.18 66	0.12 61	0.18 68	0.12 67	0.18 67	0.12 65	0.18 71	0.13 69	0.18 56	0.12 67	0.18 70	0.12 69	0.13 70	0.12 66	0.13 70	0.18 70	0.13 71	0.18 67	0.12 68	0.19 69	0.12 67	0.13 68	0.12 65	0.18 68	0.12 65	0.18 67	0.12 65

LALA_ROB	0.15 64	0.21 73	0.12 61	0.21 75	0.12 67	0.20 70	0.14 70	0.20 73	0.12 64	0.22 62	0.12 67	0.16 66	0.12 69	0.10 46	0.12 66	0.12 64	0.21 76	0.11 58	0.22 75	0.12 68	0.20 71	0.12 67	0.11 53	0.12 65	0.21 76	0.14 70	0.21 75	0.13 72

IGEV_Zeroshot_test	0.18 68	0.22 75	0.18 82	0.21 75	0.18 81	0.20 70	0.17 77	0.20 73	0.16 73	0.25 69	0.16 75	0.21 74	0.17 78	0.16 76	0.18 82	0.15 74	0.20 73	0.16 74	0.20 71	0.18 83	0.21 74	0.17 80	0.17 73	0.17 77	0.20 72	0.17 77	0.20 71	0.16 74

dd	0.18 68	0.22 75	0.16 74	0.22 77	0.15 72	0.22 77	0.15 72	0.21 77	0.15 72	0.21 60	0.15 73	0.21 74	0.15 74	0.15 73	0.15 75	0.15 74	0.22 78	0.14 72	0.22 75	0.14 73	0.22 77	0.15 74	0.16 71	0.15 74	0.23 82	0.15 72	0.22 76	0.16 74

dad	0.18 68	0.23 79	0.16 74	0.22 77	0.15 72	0.22 77	0.15 72	0.22 79	0.16 73	0.21 60	0.15 73	0.22 77	0.15 74	0.15 73	0.16 76	0.17 76	0.23 83	0.17 78	0.23 82	0.15 75	0.22 77	0.15 74	0.15 70	0.15 74	0.22 78	0.15 72	0.22 76	0.16 74

MSKI-zero shot	0.19 71	0.21 73	0.16 74	0.22 77	0.16 74	0.23 84	0.17 77	0.22 79	0.17 78	0.22 62	0.17 77	0.22 77	0.16 76	0.19 85	0.16 76	0.17 76	0.23 83	0.16 74	0.22 75	0.16 76	0.22 77	0.17 80	0.16 71	0.17 77	0.22 78	0.19 84	0.22 76	0.16 74

MIM_Stereo	0.19 71	0.23 79	0.18 82	0.22 77	0.16 74	0.22 77	0.16 75	0.21 77	0.16 73	0.22 62	0.17 77	0.21 74	0.17 78	0.20 86	0.18 82	0.17 76	0.22 78	0.18 85	0.22 75	0.16 76	0.21 74	0.16 76	0.17 73	0.17 77	0.21 76	0.16 75	0.22 76	0.20 86

UNet	0.19 71	0.13 55	0.09 39	0.13 56	0.09 41	0.13 55	0.09 41	0.13 55	0.09 41	0.90 141	0.09 42	0.13 55	0.09 42	0.10 46	0.09 43	0.70 174	0.13 56	0.09 43	0.13 53	0.10 44	0.91 176	0.09 43	0.10 41	0.09 42	0.13 55	0.10 42	0.13 56	0.09 42

iResNet	0.19 71	0.23 79	0.17 78	0.22 77	0.17 77	0.22 77	0.19 84	0.22 79	0.17 78	0.22 62	0.17 77	0.22 77	0.17 78	0.17 77	0.17 79	0.17 76	0.22 78	0.17 78	0.22 75	0.17 78	0.23 83	0.17 80	0.18 80	0.17 77	0.23 82	0.17 77	0.23 83	0.17 79

DAS	0.20 75	0.20 71	0.20 87	0.20 72	0.20 86	0.20 70	0.20 86	0.20 73	0.20 85	0.20 58	0.20 86	0.20 72	0.20 87	0.20 86	0.20 88	0.20 83	0.20 73	0.20 89	0.20 71	0.20 88	0.20 71	0.20 88	0.20 84	0.20 87	0.20 72	0.20 85	0.20 71	0.20 86

ASD4	0.20 75	0.20 71	0.20 87	0.20 72	0.20 86	0.20 70	0.20 86	0.20 73	0.20 85	0.20 58	0.20 86	0.20 72	0.20 87	0.20 86	0.20 88	0.20 83	0.20 73	0.20 89	0.20 71	0.20 88	0.20 71	0.20 88	0.20 84	0.20 87	0.20 72	0.20 85	0.20 71	0.20 86

iResNetv2_ROB	0.20 75	0.22 75	0.19 86	0.23 83	0.19 84	0.22 77	0.17 77	0.22 79	0.17 78	0.22 62	0.17 77	0.22 77	0.17 78	0.18 82	0.18 82	0.19 82	0.22 78	0.17 78	0.23 82	0.17 78	0.25 85	0.18 85	0.17 73	0.18 84	0.23 82	0.17 77	0.25 90	0.17 79

JetRed	0.22 78	0.11 52	0.12 61	0.11 53	0.11 55	0.11 52	0.11 54	0.11 53	0.11 54	2.93 221	0.11 55	0.11 52	0.11 56	0.11 59	0.11 55	0.12 64	0.11 53	0.11 58	0.11 52	0.11 56	0.11 53	0.11 56	0.11 53	0.11 57	0.11 53	0.11 55	0.11 53	0.11 57

JetBlue	0.23 79	0.12 53	0.13 69	0.12 54	0.12 67	0.12 53	0.11 54	0.14 56	0.12 64	3.07 222	0.12 67	0.12 54	0.11 56	0.11 59	0.13 71	0.13 70	0.12 54	0.12 68	0.13 53	0.11 56	0.12 54	0.13 71	0.12 64	0.14 72	0.13 55	0.12 65	0.12 54	0.11 57

SFCPSM	0.23 79	0.18 66	0.13 69	0.18 68	0.12 67	0.18 67	0.80 183	0.17 69	0.12 64	0.88 140	0.12 67	0.17 68	0.12 69	0.13 70	0.12 66	0.12 64	0.18 70	0.12 68	0.18 67	0.12 68	1.18 195	0.13 71	0.12 64	0.12 65	0.18 68	0.13 69	0.18 67	0.12 65

LoS_RVC	0.25 81	0.25 90	0.25 97	0.25 90	0.25 95	0.25 92	0.25 97	0.25 91	0.25 95	0.25 69	0.25 98	0.25 89	0.25 98	0.26 100	0.25 99	0.26 96	0.25 91	0.25 98	0.26 93	0.25 99	0.25 85	0.25 96	0.25 95	0.25 98	0.25 92	0.25 96	0.25 90	0.25 98

tt_ll	0.25 81	0.25 90	0.25 97	0.25 90	0.25 95	0.25 92	0.25 97	0.25 91	0.25 95	0.25 69	0.25 98	0.25 89	0.25 98	0.26 100	0.25 99	0.26 96	0.25 91	0.25 98	0.26 93	0.25 99	0.25 85	0.25 96	0.25 95	0.25 98	0.25 92	0.25 96	0.25 90	0.25 98

CAS	0.25 81	0.25 90	0.25 97	0.25 90	0.26 97	0.26 97	0.26 99	0.25 91	0.25 95	0.25 69	0.25 98	0.25 89	0.25 98	0.25 98	0.25 99	0.25 93	0.26 97	0.25 98	0.26 93	0.26 103	0.25 85	0.25 96	0.25 95	0.26 101	0.25 92	0.26 100	0.25 90	0.25 98

LoS	0.25 81	0.25 90	0.27 101	0.27 96	0.26 97	0.25 92	0.26 99	0.26 96	0.25 95	0.26 75	0.25 98	0.25 89	0.25 98	0.26 100	0.25 99	0.25 93	0.25 91	0.25 98	0.25 90	0.25 99	0.27 91	0.25 96	0.26 99	0.26 101	0.26 96	0.25 96	0.25 90	0.25 98

DLNR_Zeroshot_test	0.27 85	0.30 100	0.23 91	0.30 101	0.22 89	0.31 101	0.24 95	0.29 99	0.23 92	0.38 89	0.23 92	0.29 99	0.23 95	0.22 90	0.23 94	0.23 88	0.30 102	0.34 123	0.29 99	0.23 96	0.29 95	0.29 117	0.22 88	0.23 95	0.30 101	0.23 92	0.30 99	0.23 95

SPstereo	0.27 85	0.33 104	0.23 91	0.32 104	0.23 93	0.31 101	0.23 92	0.31 100	0.23 92	0.31 77	0.24 95	0.31 101	0.23 95	0.23 93	0.23 94	0.23 88	0.31 103	0.23 95	0.31 101	0.23 96	0.31 96	0.23 94	0.23 92	0.23 95	0.31 102	0.23 92	0.31 100	0.23 95

HGLStereo	0.27 85	0.25 90	0.21 89	0.35 112	0.21 88	0.35 108	0.21 89	0.34 108	0.21 88	0.39 92	0.21 89	0.34 104	0.21 91	0.22 90	0.21 90	0.21 85	0.35 109	0.22 92	0.35 108	0.22 92	0.35 104	0.22 90	0.21 86	0.21 90	0.35 109	0.21 88	0.35 107	0.21 90

iResNet_ROB	0.28 88	0.32 103	0.24 96	0.33 105	0.26 97	0.32 103	0.24 95	0.33 103	0.25 95	0.33 78	0.24 95	0.35 107	0.24 97	0.23 93	0.24 98	0.25 93	0.32 104	0.24 97	0.36 111	0.24 98	0.32 97	0.28 107	0.24 94	0.24 97	0.32 103	0.24 95	0.33 101	0.24 97

IMH-64-1	0.29 89	0.23 79	0.23 91	0.23 83	0.22 89	0.22 77	0.23 92	0.22 79	0.22 90	2.02 196	0.23 92	0.23 82	0.22 92	0.23 93	0.23 94	0.23 88	0.23 83	0.22 92	0.23 82	0.22 92	0.22 77	0.22 90	0.22 88	0.22 92	0.22 78	0.22 90	0.22 76	0.22 91

IMH-64	0.29 89	0.23 79	0.23 91	0.23 83	0.22 89	0.22 77	0.23 92	0.22 79	0.22 90	2.02 196	0.23 92	0.23 82	0.22 92	0.23 93	0.23 94	0.23 88	0.23 83	0.22 92	0.23 82	0.22 92	0.22 77	0.22 90	0.22 88	0.22 92	0.22 78	0.22 90	0.22 76	0.22 91

UPFNet	0.29 89	0.24 86	0.16 74	0.24 87	0.16 74	0.24 87	0.16 75	0.23 87	0.16 73	1.19 163	0.16 75	0.23 82	0.16 76	0.17 77	0.16 76	0.89 183	0.24 87	0.16 74	0.24 86	0.18 83	1.20 197	0.16 76	0.17 73	0.16 76	0.24 87	0.16 75	0.24 84	0.16 74

WAO-6	0.30 92	0.22 75	0.23 91	0.22 77	0.23 93	0.23 84	0.22 91	0.22 79	0.23 92	2.21 204	0.22 91	0.22 77	0.22 92	0.22 90	0.22 93	0.23 88	0.22 78	0.23 95	0.22 75	0.22 92	0.22 77	0.22 90	0.22 88	0.22 92	0.23 82	0.23 92	0.22 76	0.22 91

anonymity	0.30 92	0.34 106	0.27 101	0.33 105	0.27 102	0.33 104	0.28 107	0.33 103	0.28 107	0.33 78	0.28 108	0.33 102	0.28 106	0.28 109	0.28 109	0.28 104	0.34 106	0.28 105	0.34 105	0.28 106	0.34 99	0.27 103	0.27 101	0.27 104	0.34 106	0.28 104	0.34 105	0.28 107

iRaft-Stereo_20w	0.30 92	0.46 126	0.27 101	0.34 107	0.26 97	0.35 108	0.28 107	0.34 108	0.26 101	0.34 81	0.26 102	0.34 104	0.26 104	0.26 100	0.26 104	0.26 96	0.34 106	0.26 102	0.34 105	0.26 103	0.34 99	0.26 102	0.26 99	0.26 101	0.34 106	0.26 100	0.34 105	0.26 103

MMNet	0.30 92	0.24 86	0.17 78	0.24 87	0.17 77	0.24 87	0.17 77	0.23 87	0.18 82	1.21 165	0.17 77	0.23 82	0.17 78	0.17 77	0.17 79	0.89 183	0.24 87	0.17 78	0.24 86	0.17 78	1.22 199	0.16 76	0.17 73	0.17 77	0.24 87	0.17 77	0.24 84	0.17 79

delet	0.30 92	0.24 86	0.17 78	0.24 87	0.17 77	0.24 87	0.17 77	0.23 87	0.16 73	1.21 165	0.17 77	0.24 87	0.17 78	0.17 77	0.17 79	0.91 187	0.24 87	0.17 78	0.24 86	0.17 78	1.23 201	0.17 80	0.17 73	0.17 77	0.24 87	0.17 77	0.24 84	0.17 79

psm_up	0.30 92	0.24 86	0.17 78	0.25 90	0.17 77	0.24 87	0.17 77	0.24 90	0.17 78	1.20 164	0.17 77	0.23 82	0.17 78	0.17 77	0.18 82	0.90 186	0.24 87	0.17 78	0.25 90	0.17 78	1.24 204	0.17 80	0.17 73	0.17 77	0.24 87	0.17 77	0.24 84	0.17 79

MLCV	0.30 92	0.33 104	0.28 104	0.34 107	0.28 105	0.33 104	0.28 107	0.33 103	0.29 115	0.33 78	0.27 105	0.33 102	0.28 106	0.26 100	0.29 117	0.28 104	0.33 105	0.28 105	0.33 102	0.28 106	0.33 98	0.27 103	0.28 103	0.28 107	0.33 104	0.28 104	0.33 101	0.28 107

DN-CSS_ROB	0.30 92	0.34 106	0.29 109	0.34 107	0.27 102	0.34 106	0.28 107	0.33 103	0.27 103	0.34 81	0.27 105	0.34 104	0.28 106	0.29 111	0.27 106	0.26 96	0.35 109	0.29 114	0.33 102	0.28 106	0.34 99	0.28 107	0.28 103	0.27 104	0.34 106	0.28 104	0.33 101	0.28 107

UNDER WATER-64	0.31 100	0.25 90	0.25 97	0.26 95	0.26 97	0.25 92	0.26 99	0.25 91	0.26 101	1.69 183	0.26 102	0.25 89	0.25 98	0.25 98	0.26 104	0.26 96	0.25 91	0.26 102	0.26 93	0.26 103	0.25 85	0.25 96	0.25 95	0.25 98	0.26 96	0.26 100	0.25 90	0.26 103

CASnet	0.32 101	0.53 141	0.34 120	0.27 96	0.31 121	0.34 106	0.29 119	0.31 100	0.32 120	0.25 69	0.31 121	0.27 96	0.40 140	0.45 140	0.27 106	0.30 114	0.26 97	0.40 138	0.28 98	0.37 134	0.28 93	0.39 135	0.29 109	0.40 140	0.29 100	0.28 104	0.24 84	0.30 121
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.32 101	0.45 124	0.29 109	0.36 116	0.29 114	0.36 113	0.29 119	0.36 115	0.29 115	0.35 83	0.29 116	0.35 107	0.28 106	0.27 106	0.28 109	0.28 104	0.35 109	0.28 105	0.35 108	0.28 106	0.35 104	0.28 107	0.29 109	0.29 115	0.36 112	0.29 117	0.36 111	0.29 116

SQANet	0.33 103	0.28 97	0.28 104	0.28 100	0.28 105	0.29 99	0.28 107	0.28 97	0.28 107	1.59 181	0.28 108	0.28 98	0.28 106	0.28 109	0.28 109	0.28 104	0.28 100	0.28 105	0.29 99	0.28 106	0.28 93	0.28 107	0.28 103	0.28 107	0.28 99	0.28 104	0.28 97	0.28 107

DGSMNet	0.33 103	0.42 121	0.28 104	0.40 130	0.28 105	0.40 129	0.28 107	0.40 126	0.28 107	0.40 97	0.28 108	0.39 121	0.28 106	0.27 106	0.28 109	0.28 104	0.40 131	0.28 105	0.42 134	0.29 115	0.41 124	0.31 120	0.29 109	0.28 107	0.41 129	0.28 104	0.42 131	0.29 116

RAFT-Test	0.34 105	0.45 124	0.30 113	0.38 120	0.32 123	0.40 129	0.32 125	0.39 124	0.32 120	0.39 92	0.30 119	0.37 114	0.29 115	0.30 114	0.30 119	0.29 112	0.38 118	0.30 117	0.38 116	0.29 115	0.38 111	0.29 117	0.29 109	0.30 119	0.38 116	0.30 119	0.38 114	0.30 121

RAFT + AFF	0.34 105	0.29 98	0.32 119	0.31 102	0.30 119	0.39 126	0.32 125	0.39 124	0.30 117	0.39 92	0.32 122	0.39 121	0.32 120	0.35 120	0.36 128	0.32 121	0.38 118	0.31 119	0.38 116	0.31 122	0.38 111	0.28 107	0.37 129	0.34 125	0.38 116	0.30 119	0.38 114	0.28 107

ETE_ROB	0.35 107	0.35 109	0.35 121	0.35 112	0.35 129	0.35 108	0.35 128	0.35 111	0.35 128	0.35 83	0.35 126	0.35 107	0.35 127	0.35 120	0.35 125	0.35 125	0.35 109	0.35 127	0.35 108	0.35 129	0.35 104	0.35 126	0.35 125	0.35 129	0.35 109	0.35 126	0.35 107	0.35 128

EKT-Stereo	0.36 108	0.50 138	0.30 113	0.40 130	0.29 114	0.40 129	0.29 119	0.35 111	0.30 117	0.47 112	0.30 119	0.35 107	0.32 120	0.29 111	0.34 123	0.33 122	0.59 159	0.31 119	0.39 126	0.29 115	0.37 109	0.38 130	0.29 109	0.31 120	0.58 162	0.28 104	0.51 151	0.29 116

GEStereo_RVC	0.36 108	0.23 79	0.18 82	0.23 83	0.18 81	0.23 84	0.19 84	0.22 79	0.19 84	0.24 67	0.20 86	0.24 87	0.18 85	0.18 82	0.18 82	0.21 85	0.25 91	0.18 85	0.22 75	0.18 83	0.23 83	0.18 85	0.19 82	0.20 87	0.23 82	0.20 85	4.43 240	0.19 85

DMCA	0.36 108	0.38 111	0.37 123	0.35 112	0.35 129	0.35 108	0.36 130	0.35 111	0.36 130	0.36 87	0.37 131	0.36 113	0.36 131	0.36 124	0.35 125	0.37 129	0.36 114	0.36 128	0.36 111	0.36 133	0.36 108	0.35 126	0.36 127	0.36 131	0.37 114	0.36 128	0.36 111	0.36 130

XPNet_ROB	0.37 111	0.37 110	0.37 123	0.37 117	0.37 132	0.37 117	0.37 134	0.37 116	0.37 131	0.37 88	0.37 131	0.37 114	0.37 132	0.37 125	0.37 131	0.37 129	0.37 116	0.37 130	0.37 113	0.37 134	0.37 109	0.37 129	0.37 129	0.37 134	0.37 114	0.37 133	0.37 113	0.37 131

Former-RAFT_DAM_RVC	0.38 112	1.06 169	0.54 157	0.59 163	0.27 102	0.46 140	0.27 102	0.46 134	0.27 103	0.46 110	0.27 105	0.46 135	0.26 104	0.27 106	0.27 106	0.26 96	0.46 137	0.26 102	0.45 138	0.30 120	0.46 132	0.27 103	0.27 101	0.27 104	0.46 137	0.27 103	0.45 134	0.26 103

CES	0.38 112	0.34 106	0.44 137	0.43 140	0.33 125	0.37 117	0.44 148	0.37 116	0.38 132	0.45 108	0.35 126	0.35 107	0.41 141	0.45 140	0.36 128	0.36 127	0.36 114	0.45 146	0.43 135	0.35 129	0.34 99	0.46 145	0.36 127	0.36 131	0.42 134	0.34 125	0.35 107	0.38 133

PML	0.39 114	0.56 143	0.29 109	0.55 159	0.28 105	0.56 160	0.28 107	0.51 153	0.28 107	0.50 113	0.28 108	0.51 151	0.28 106	0.29 111	0.28 109	0.29 112	0.56 157	0.29 114	0.57 163	0.28 106	0.56 154	0.28 107	0.28 103	0.29 115	0.56 159	0.28 104	0.56 156	0.28 107

GwcNet-ADL	0.41 115	0.41 116	0.41 130	0.41 136	0.41 140	0.41 132	0.41 141	0.41 128	0.41 139	0.41 98	0.41 139	0.41 126	0.41 141	0.41 132	0.41 142	0.41 136	0.41 132	0.41 140	0.41 130	0.41 141	0.41 124	0.41 138	0.41 138	0.41 141	0.41 129	0.41 140	0.41 127	0.41 140

PSMNet-ADL	0.41 115	0.41 116	0.41 130	0.41 136	0.41 140	0.41 132	0.41 141	0.41 128	0.41 139	0.41 98	0.41 139	0.41 126	0.41 141	0.41 132	0.41 142	0.41 136	0.41 132	0.41 140	0.41 130	0.41 141	0.41 124	0.41 138	0.41 138	0.41 141	0.41 129	0.41 140	0.41 127	0.41 140

GANet-ADL	0.41 115	0.41 116	0.41 130	0.41 136	0.41 140	0.41 132	0.41 141	0.41 128	0.41 139	0.41 98	0.41 139	0.41 126	0.41 141	0.41 132	0.41 142	0.41 136	0.41 132	0.41 140	0.41 130	0.41 141	0.41 124	0.41 138	0.41 138	0.41 141	0.41 129	0.41 140	0.41 127	0.41 140

ADLNet	0.41 115	0.41 116	0.41 130	0.41 136	0.41 140	0.41 132	0.41 141	0.41 128	0.41 139	0.41 98	0.41 139	0.41 126	0.41 141	0.41 132	0.41 142	0.41 136	0.41 132	0.41 140	0.41 130	0.41 141	0.41 124	0.41 138	0.41 138	0.41 141	0.41 129	0.41 140	0.41 127	0.41 140

GES	0.43 119	0.41 116	0.31 116	0.35 112	0.30 119	0.47 146	0.28 107	0.33 103	0.28 107	0.35 83	0.29 116	2.95 225	0.38 133	0.35 120	0.30 119	0.34 123	0.34 106	0.30 117	0.33 102	0.30 120	0.35 104	0.30 119	0.33 121	0.33 123	0.33 104	0.31 121	0.33 101	0.29 116

FCDSN-DC	0.44 120	0.31 101	0.35 121	0.34 107	0.28 105	0.35 108	0.30 122	0.32 102	0.25 95	1.32 171	0.24 95	1.00 184	0.32 120	0.35 120	0.34 123	0.30 114	0.72 169	0.37 130	0.48 149	0.32 124	0.53 152	0.49 159	0.23 92	0.29 115	0.50 150	0.42 145	0.61 160	0.71 178
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
WAO-7	0.46 121	0.38 111	0.38 125	0.38 120	0.38 135	0.38 120	0.38 136	0.38 118	0.38 132	2.57 215	0.38 133	0.38 117	0.38 133	0.38 126	0.38 132	0.38 131	0.38 118	0.38 133	0.38 116	0.38 136	0.38 111	0.38 130	0.38 131	0.38 135	0.38 116	0.38 134	0.38 114	0.38 133

Venus	0.46 121	0.38 111	0.40 129	0.38 120	0.38 135	0.39 126	0.38 136	0.38 118	0.38 132	2.71 217	0.38 133	0.38 117	0.38 133	0.38 126	0.38 132	0.38 131	0.38 118	0.38 133	0.38 116	0.38 136	0.38 111	0.38 130	0.38 131	0.38 135	0.38 116	0.38 134	0.39 123	0.38 133

MyStereo	0.47 123	3.97 213	0.31 116	0.34 107	0.32 123	0.36 113	0.30 122	0.35 111	0.31 119	0.51 115	0.45 146	0.35 107	0.31 117	0.31 115	0.32 122	0.31 116	0.35 109	0.31 119	0.34 105	0.31 122	0.34 99	0.32 122	0.31 118	0.32 121	0.35 109	0.31 121	0.35 107	0.30 121

HanzoNet	0.47 123	0.39 114	0.38 125	0.38 120	0.38 135	0.38 120	0.38 136	0.40 126	0.38 132	2.63 216	0.38 133	0.38 117	0.38 133	0.38 126	0.38 132	0.39 135	0.38 118	0.38 133	0.38 116	0.42 146	0.38 111	0.39 135	0.39 135	0.38 135	0.38 116	0.38 134	0.38 114	0.39 138

IMH	0.47 123	0.40 115	0.39 128	0.38 120	0.38 135	0.38 120	0.38 136	0.38 118	0.40 137	2.79 219	0.38 133	0.38 117	0.38 133	0.38 126	0.38 132	0.38 131	0.39 127	0.38 133	0.38 116	0.40 140	0.38 111	0.38 130	0.38 131	0.38 135	0.38 116	0.38 134	0.38 114	0.38 133

LL-Strereo2	0.47 123	2.60 204	0.51 153	0.38 120	0.28 105	0.37 117	0.28 107	0.55 157	0.35 128	0.44 106	0.34 125	0.44 134	0.34 124	0.34 116	0.36 128	0.36 127	0.47 141	0.36 128	0.47 143	0.35 129	0.47 136	0.35 126	0.35 125	0.35 129	0.46 137	0.35 126	0.47 139	0.35 128

GMOStereo	0.50 127	0.44 122	2.38 230	0.40 130	0.34 126	0.42 136	0.36 130	1.96 210	0.34 124	0.41 98	0.36 128	0.42 130	0.35 127	0.34 116	0.38 132	0.31 116	0.39 127	0.34 123	0.40 127	0.33 126	0.39 119	0.33 123	0.33 121	0.34 125	0.40 125	0.36 128	0.40 124	0.32 125

error version	0.50 127	0.44 122	2.38 230	0.40 130	0.34 126	0.42 136	0.36 130	1.96 210	0.34 124	0.41 98	0.36 128	0.42 130	0.35 127	0.34 116	0.38 132	0.31 116	0.39 127	0.34 123	0.40 127	0.33 126	0.39 119	0.33 123	0.33 121	0.34 125	0.40 125	0.36 128	0.40 124	0.32 125

SANet	0.50 127	0.50 138	0.50 150	0.50 156	0.50 163	0.50 156	0.50 163	0.50 150	0.50 161	0.50 113	0.50 159	0.50 148	0.50 162	0.50 156	0.50 163	0.50 159	0.50 152	0.50 162	0.50 155	0.50 163	0.50 147	0.50 163	0.50 157	0.50 159	0.50 150	0.50 161	0.50 149	0.50 158

PDISCO_ROB	0.50 127	0.15 57	0.11 55	0.16 65	3.16 235	0.13 55	0.12 65	0.14 56	0.12 64	0.15 47	0.11 55	2.55 224	0.11 56	2.20 224	0.13 71	0.12 64	0.16 65	0.10 44	0.14 55	0.12 68	0.15 64	0.12 67	0.12 64	0.12 65	0.15 62	0.10 42	2.75 224	0.09 42

otaku	0.52 131	0.46 126	0.48 144	0.46 143	0.46 147	0.46 140	0.46 150	0.46 134	0.47 152	1.88 186	0.46 147	0.46 135	0.46 149	0.46 142	0.46 149	0.46 143	0.47 141	0.46 147	0.46 139	0.46 149	0.47 136	0.46 145	0.46 144	0.46 148	0.47 143	0.46 147	0.46 135	0.47 149

HaxPig	0.52 131	0.48 134	0.47 139	0.47 148	0.47 151	0.47 146	0.47 154	0.47 140	0.47 152	1.80 184	0.47 151	0.47 139	0.47 152	0.47 146	0.47 153	0.47 150	0.47 141	0.47 153	0.47 143	0.47 154	0.47 136	0.47 153	0.47 150	0.47 151	0.47 143	0.47 153	0.47 139	0.47 149

UNDER WATER	0.52 131	0.47 131	0.47 139	0.47 148	0.47 151	0.47 146	0.47 154	0.47 140	0.47 152	1.90 187	0.47 151	0.47 139	0.47 152	0.47 146	0.47 153	0.47 150	0.46 137	0.47 153	0.47 143	0.47 154	0.46 132	0.47 153	0.47 150	0.48 155	0.47 143	0.47 153	0.47 139	0.47 149

Dean	0.52 131	0.46 126	0.48 144	0.46 143	0.46 147	0.46 140	0.46 150	0.46 134	0.46 148	1.90 187	0.46 147	0.47 139	0.46 149	0.46 142	0.46 149	0.46 143	0.48 146	0.46 147	0.46 139	0.46 149	0.46 132	0.46 145	0.46 144	0.46 148	0.46 137	0.46 147	0.46 135	0.46 146

Ntro	0.53 135	0.47 131	0.50 150	0.46 143	0.48 156	0.47 146	0.47 154	0.46 134	0.46 148	2.05 198	0.47 151	0.47 139	0.49 160	0.47 146	0.47 153	0.46 143	0.48 146	0.46 147	0.49 152	0.46 149	0.47 136	0.46 145	0.46 144	0.47 151	0.46 137	0.46 147	0.47 139	0.47 149

RainbowNet	0.53 135	0.48 134	0.48 144	0.48 152	0.48 156	0.48 152	0.48 158	0.48 143	0.48 156	1.92 189	0.48 156	0.48 144	0.48 156	0.48 151	0.48 158	0.48 153	0.48 146	0.48 157	0.48 149	0.48 158	0.48 142	0.48 156	0.48 153	0.48 155	0.48 148	0.48 157	0.48 144	0.48 155

LVE	0.53 135	0.47 131	0.48 144	0.47 148	0.47 151	0.47 146	0.47 154	0.48 143	0.47 152	1.96 193	0.47 151	0.47 139	0.47 152	0.47 146	0.47 153	0.47 150	0.47 141	0.47 153	0.47 143	0.47 154	0.47 136	0.47 153	0.47 150	0.47 151	0.47 143	0.47 153	0.47 139	0.47 149

ACVNet_1	0.53 135	0.46 126	0.48 144	0.47 148	0.47 151	0.46 140	0.48 158	0.48 143	0.48 156	2.07 199	0.47 151	0.48 144	0.48 156	0.47 146	0.47 153	0.46 143	0.49 150	0.47 153	0.47 143	0.47 154	0.48 142	0.46 145	0.46 144	0.48 155	0.47 143	0.47 153	0.48 144	0.47 149

ACVNet-4b	0.53 135	0.46 126	0.47 139	0.46 143	0.46 147	0.46 140	0.46 150	0.46 134	0.46 148	2.17 201	0.46 147	0.46 135	0.47 152	0.46 142	0.46 149	0.46 143	0.46 137	0.46 147	0.46 139	0.46 149	0.46 132	0.46 145	0.46 144	0.47 151	0.46 137	0.46 147	0.46 135	0.46 146

notaker	0.54 140	0.48 134	0.48 144	0.48 152	0.48 156	0.48 152	0.49 161	0.48 143	0.48 156	1.95 192	0.48 156	0.48 144	0.48 156	0.48 151	0.48 158	0.48 153	0.48 146	0.48 157	0.48 149	0.48 158	0.49 145	0.48 156	0.48 153	0.49 158	0.48 148	0.48 157	0.48 144	0.49 156

ACVNet_2	0.55 141	0.49 137	0.50 150	0.49 154	0.49 160	0.49 154	0.49 161	0.49 147	0.49 160	2.14 200	0.49 158	0.50 148	0.49 160	0.49 153	0.49 161	0.49 156	0.50 152	0.49 161	0.50 155	0.49 161	0.49 145	0.49 159	0.49 155	0.50 159	0.50 150	0.49 159	0.50 149	0.49 156

CFNet	0.55 141	0.25 90	0.18 82	0.25 90	0.18 81	0.25 92	0.18 83	0.25 91	0.18 82	0.25 69	0.18 84	0.25 89	0.18 85	0.18 82	0.18 82	0.18 80	0.25 91	0.18 85	0.25 90	0.18 83	5.31 250	4.36 250	0.18 80	0.18 84	0.25 92	0.18 83	0.25 90	0.18 84

PSMNet_ROB	0.55 141	0.55 142	0.56 161	0.56 160	0.55 166	0.56 160	0.55 167	0.55 157	0.55 164	0.55 117	0.55 164	0.55 154	0.55 167	0.55 158	0.56 166	0.55 163	0.55 156	0.55 166	0.55 160	0.55 166	0.55 153	0.55 166	0.55 161	0.55 166	0.55 158	0.55 166	0.55 155	0.55 162

IER	0.56 144	2.72 205	2.20 225	0.38 120	0.29 114	0.38 120	0.27 102	2.77 223	0.27 103	0.38 89	0.28 108	0.37 114	0.25 98	0.26 100	0.25 99	0.26 96	0.38 118	0.29 114	0.38 116	0.25 99	0.39 119	0.25 96	0.29 109	0.29 115	0.40 125	0.25 96	0.38 114	0.25 98

CASS	0.58 145	0.89 158	0.55 159	0.56 160	0.55 166	0.60 164	0.57 170	0.57 159	0.56 166	0.55 117	0.56 165	0.56 155	0.50 162	0.63 167	0.56 166	0.56 164	0.62 161	0.62 173	0.59 164	0.56 167	0.56 154	0.48 156	0.60 166	0.56 167	0.57 161	0.60 170	0.57 158	0.59 165
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DISCO	0.59 146	0.29 98	0.22 90	0.27 96	5.05 252	0.30 100	0.21 89	0.28 97	0.21 88	0.27 76	0.21 89	0.27 96	0.20 87	0.21 89	0.21 90	0.21 85	0.27 99	0.21 91	0.27 97	0.21 91	0.27 91	0.23 94	0.21 86	0.21 90	0.27 98	0.21 88	5.06 246	0.22 91

LMCR-Stereo	0.61 147	0.61 144	0.61 166	0.61 165	0.61 172	0.67 169	0.61 174	0.61 160	0.61 172	0.61 120	0.61 171	0.61 158	0.61 172	0.61 163	0.61 172	0.61 168	0.61 160	0.61 172	0.61 165	0.61 172	0.61 157	0.61 172	0.61 167	0.61 173	0.61 164	0.61 172	0.61 160	0.61 171

AANet_RVC	0.61 147	0.31 101	5.05 242	0.31 102	0.19 84	0.24 87	0.20 86	5.86 238	0.20 85	0.24 67	0.18 84	0.25 89	0.20 87	0.23 93	0.21 90	0.18 80	0.37 116	0.18 85	0.24 86	0.19 87	0.25 85	0.19 87	0.19 82	0.19 86	0.24 87	0.15 72	0.24 84	0.20 86

iRaftStereo_RVC	0.62 149	1.76 188	2.24 227	0.52 158	0.37 132	0.53 159	0.38 136	2.51 221	0.38 132	0.51 115	0.38 133	0.51 151	0.38 133	0.38 126	0.38 132	0.38 131	0.52 154	0.38 133	0.52 159	0.38 136	0.52 150	0.38 130	0.38 131	0.38 135	0.52 156	0.39 138	0.52 153	0.38 133

ARAFT	0.64 150	0.74 151	0.62 167	0.70 173	0.56 168	0.72 172	0.55 167	0.72 166	0.54 163	0.73 128	0.56 165	0.72 169	0.56 168	0.56 159	0.62 173	0.63 170	0.73 171	0.53 165	0.73 172	0.54 165	0.72 166	0.65 175	0.62 168	0.56 167	0.72 170	0.54 164	0.72 167	0.57 163

test_1	0.65 151	4.37 217	2.38 230	0.40 130	0.34 126	0.42 136	0.36 130	1.96 210	0.34 124	0.41 98	0.36 128	0.42 130	0.35 127	0.34 116	0.38 132	0.31 116	0.39 127	0.34 123	0.40 127	0.33 126	0.39 119	0.33 123	0.33 121	0.34 125	0.40 125	0.36 128	0.40 124	0.32 125

HH	0.66 152	2.13 194	0.47 139	0.37 117	0.29 114	0.36 113	0.27 102	0.49 147	0.44 145	0.78 132	0.68 176	0.67 163	0.90 187	0.62 164	0.90 187	0.53 161	0.88 181	0.48 157	0.37 113	0.29 115	0.63 160	0.66 178	0.66 173	0.51 161	1.06 192	0.61 172	1.08 190	0.60 167

HanStereo	0.66 152	2.13 194	0.47 139	0.37 117	0.29 114	0.36 113	0.27 102	0.49 147	0.44 145	0.78 132	0.68 176	0.67 163	0.90 187	0.62 164	0.90 187	0.53 161	0.88 181	0.48 157	0.37 113	0.29 115	0.63 160	0.66 178	0.66 173	0.51 161	1.06 192	0.61 172	1.08 190	0.60 167

DSFCA	0.66 152	0.73 149	0.74 172	0.68 169	0.65 176	0.64 166	0.65 177	0.65 162	0.65 174	0.66 123	0.65 174	0.65 160	0.64 174	0.65 172	0.65 177	0.65 172	0.65 163	0.65 177	0.65 167	0.65 175	0.65 163	0.65 175	0.65 172	0.65 178	0.66 166	0.66 177	0.65 163	0.65 175

STTRV1_RVC	0.66 152	1.59 186	0.52 156	0.69 170	0.61 172	0.66 168	0.43 147	0.88 174	0.45 147	0.71 126	0.62 172	0.69 167	0.45 148	0.62 164	0.40 141	0.44 142	0.80 176	0.59 169	0.76 176	0.63 173	0.80 170	0.46 145	0.64 170	0.61 173	0.72 170	0.54 164	0.80 173	0.60 167

4D-IteraStereo	0.67 156	3.40 209	1.05 190	0.71 174	0.83 185	0.47 146	0.27 102	0.47 140	0.27 103	0.35 83	0.26 102	0.68 165	0.84 185	0.41 132	0.54 165	0.89 183	0.74 173	0.88 188	0.73 172	0.87 188	0.42 129	0.27 103	0.28 103	0.28 107	0.36 112	0.28 104	0.68 164	0.90 186

RAFT-Stereo + iAFF	0.67 156	0.74 151	0.60 164	0.79 179	0.61 172	0.76 173	0.57 170	0.71 165	0.56 166	0.71 126	0.54 163	0.72 169	0.66 177	0.65 172	0.65 177	0.64 171	0.74 173	0.64 176	0.74 174	0.63 173	0.73 167	0.65 175	0.64 170	0.64 177	0.74 172	0.61 172	0.73 168	0.64 173

TorneroNet-64	0.69 158	0.65 146	0.30 113	0.27 96	0.47 151	0.28 98	0.35 128	0.34 108	0.80 181	7.93 256	0.29 116	0.30 100	0.31 117	0.81 181	0.28 109	0.27 103	0.29 101	0.28 105	0.85 181	0.83 186	0.62 159	0.28 107	0.30 117	0.28 107	0.52 156	0.29 117	0.29 98	0.27 106

DDUNet	0.69 158	0.84 156	0.59 163	0.84 183	0.59 170	0.87 182	0.57 170	0.84 172	0.59 171	0.82 137	0.58 168	0.85 179	0.57 169	0.59 162	0.59 169	0.57 165	0.87 180	0.59 169	0.85 181	0.59 170	0.85 174	0.59 170	0.59 165	0.59 169	0.87 179	0.59 169	0.84 177	0.59 165

UDG	0.70 160	0.87 157	0.56 161	0.87 184	0.59 170	0.84 180	0.59 173	0.85 173	0.57 168	0.84 139	0.59 169	0.84 178	0.60 171	0.58 160	0.60 170	0.59 166	0.85 179	0.59 169	0.87 183	0.58 168	0.87 175	0.60 171	0.57 163	0.59 169	0.87 179	0.58 168	0.86 178	0.60 167

MaskLacGwcNet_RVC	0.70 160	6.91 230	0.46 138	0.46 143	0.46 147	0.46 140	0.46 150	0.46 134	0.46 148	0.46 110	0.46 147	0.46 135	0.46 149	0.46 142	0.46 149	0.46 143	0.46 137	0.46 147	0.46 139	0.46 149	0.47 136	0.46 145	0.46 144	0.46 148	0.46 137	0.46 147	0.46 135	0.46 146

HCRNet	0.71 162	6.06 228	3.15 235	0.50 156	0.22 89	0.21 76	0.15 72	3.04 225	0.34 124	0.43 105	0.33 124	0.43 133	0.33 123	0.15 73	0.14 73	0.14 72	0.21 76	0.17 78	0.47 143	0.20 88	0.21 74	0.16 76	0.32 119	0.33 123	0.50 150	0.33 124	0.49 148	0.28 107

AFF-stereo	0.71 162	0.73 149	0.65 169	0.82 182	0.63 175	0.83 179	0.63 175	0.73 167	0.65 174	0.82 137	0.73 179	0.74 172	0.64 174	0.63 167	0.62 173	0.62 169	0.73 171	0.63 175	0.74 174	0.72 180	0.80 170	0.58 168	0.70 179	0.71 180	0.79 174	0.69 179	0.78 171	0.72 179

DMCA-RVC	0.71 162	0.72 147	0.72 171	0.71 174	0.70 178	0.70 170	0.70 180	0.70 164	0.71 178	0.70 125	0.71 178	0.71 168	0.70 178	0.70 176	0.71 179	0.70 174	0.70 166	0.71 180	0.70 169	0.71 178	0.70 164	0.70 180	0.71 180	0.71 180	0.70 168	0.72 180	0.71 165	0.70 177

PA-Net	0.71 162	0.62 145	0.55 159	0.69 170	0.71 179	0.70 170	0.69 179	0.69 163	0.74 179	0.73 128	0.75 180	0.59 157	0.72 179	0.82 182	0.79 182	0.83 181	0.67 165	0.76 181	0.81 180	0.67 177	0.61 157	0.76 181	0.68 177	0.65 178	0.82 178	0.76 182	0.71 165	0.69 176
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AEACV	0.74 166	0.52 140	3.10 234	0.60 164	0.48 156	0.56 160	0.48 158	3.02 224	0.83 185	0.61 120	0.62 172	0.72 169	0.50 162	0.49 153	0.49 161	0.48 153	0.58 158	0.50 162	0.55 160	0.48 158	0.56 154	0.50 163	0.50 157	0.51 161	0.58 162	0.51 163	0.60 159	0.51 160

MyStereo04	0.76 167	4.78 222	0.62 167	0.63 167	0.54 165	0.65 167	0.56 169	0.61 160	0.58 169	0.61 120	0.56 165	0.63 159	0.57 169	0.63 167	0.60 170	0.60 167	0.64 162	0.56 168	0.63 166	0.58 168	0.63 160	0.62 173	0.55 161	0.60 171	0.63 165	0.57 167	0.64 162	0.58 164

test-3	0.78 168	4.38 218	1.80 216	0.62 166	0.49 160	0.62 165	0.50 163	1.86 206	0.64 173	0.69 124	0.52 161	0.66 161	0.38 133	0.58 160	0.57 168	0.46 143	0.66 164	0.46 147	0.50 155	0.44 148	0.48 142	0.58 168	0.54 160	0.60 171	0.70 168	0.46 147	0.48 144	0.50 158

MyStereo03	0.79 169	4.96 225	0.60 164	0.72 176	0.58 169	0.77 174	0.44 148	0.51 153	0.55 164	0.73 128	0.60 170	0.68 165	0.61 172	0.63 167	0.62 173	0.66 173	0.70 166	0.55 166	0.69 168	0.65 175	0.71 165	0.57 167	0.58 164	0.61 173	0.68 167	0.60 170	0.75 170	0.63 172

CroCo-Stereo	0.80 170	2.51 203	0.41 130	1.27 207	0.41 140	1.27 205	0.41 141	1.27 197	0.41 139	1.27 168	0.41 139	1.27 204	0.41 141	0.41 132	0.41 142	0.41 136	1.28 205	0.41 140	1.27 205	0.41 141	1.27 205	0.41 138	0.42 142	0.41 141	1.27 207	0.41 140	1.27 204	0.41 140
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
NaN_ROB	0.80 170	0.80 153	0.80 176	0.80 180	0.80 182	0.80 176	0.80 183	0.80 170	0.80 181	0.80 135	0.80 183	0.80 176	0.80 182	0.80 179	0.80 183	0.80 179	0.80 176	0.80 184	0.80 178	0.80 184	0.80 170	0.80 183	0.80 183	0.80 183	0.80 176	0.80 184	0.80 173	0.80 183

CSAN	0.80 170	0.80 153	0.80 176	0.80 180	0.80 182	0.80 176	0.80 183	0.80 170	0.80 181	0.80 135	0.80 183	0.80 176	0.80 182	0.80 179	0.80 183	0.80 179	0.80 176	0.80 184	0.80 178	0.80 184	0.80 170	0.80 183	0.80 183	0.80 183	0.80 176	0.80 184	0.80 173	0.80 183

G-Net	0.82 173	1.77 189	0.78 174	0.78 178	0.78 180	0.78 175	0.78 181	0.78 168	0.79 180	0.79 134	0.78 181	0.78 173	0.78 181	0.78 178	0.78 181	0.78 176	0.79 175	0.79 182	0.79 177	0.79 183	0.79 169	0.79 182	0.79 182	0.79 182	0.79 174	0.79 183	0.79 172	0.79 182

MyStereo02	0.84 174	4.69 221	0.69 170	0.73 177	0.65 176	0.80 176	0.66 178	0.79 169	0.67 177	0.77 131	0.66 175	0.78 173	0.65 176	0.63 167	0.63 176	0.79 178	0.72 169	0.62 173	0.72 171	0.59 170	0.74 168	0.62 173	0.63 169	0.62 176	0.78 173	0.62 176	0.74 169	0.64 173

ktn	0.84 174	1.15 173	0.54 157	1.16 203	1.26 211	0.51 157	0.53 166	0.51 153	0.66 176	4.54 240	0.51 160	0.52 153	0.52 166	0.66 174	0.51 164	0.51 160	1.37 210	1.17 206	0.49 152	0.51 164	1.23 201	0.51 165	0.67 175	0.51 161	0.51 154	0.68 178	0.51 151	0.51 160

KSHMR	0.85 176	0.72 147	0.51 153	0.49 154	0.49 160	0.51 157	1.07 200	0.50 150	0.48 156	6.04 250	0.52 161	0.66 161	0.98 193	0.49 153	0.77 180	0.49 156	1.17 199	0.51 164	0.49 152	1.06 199	0.51 148	0.49 159	0.49 155	0.51 161	1.04 190	0.49 159	0.81 176	0.72 179

CroCo-Stereo Lap2	0.85 176	2.86 207	0.43 136	1.33 209	0.43 146	1.31 206	0.42 146	1.32 198	0.42 144	1.31 170	0.44 145	1.32 205	0.44 147	0.43 139	0.44 148	0.43 141	1.35 206	0.43 145	1.32 207	0.43 147	1.31 206	0.43 144	0.43 143	0.42 147	1.31 208	0.42 145	1.31 205	0.43 145

DGTPSM_ROB	0.92 178	0.93 162	0.91 179	0.93 186	0.91 186	0.92 183	0.93 188	0.92 176	0.92 187	0.92 142	0.91 187	0.91 180	0.93 190	0.91 184	0.92 191	0.92 190	0.92 183	0.92 189	0.92 184	0.90 189	0.91 176	0.92 188	0.93 187	0.94 191	0.92 183	0.91 187	0.92 179	0.97 190

pmcnn	0.92 178	0.92 159	0.92 180	0.92 185	0.92 187	0.92 183	0.92 187	0.92 176	0.92 187	0.92 142	0.92 188	0.92 183	0.92 189	0.92 186	0.92 191	0.92 190	0.92 183	0.92 189	0.92 184	0.92 192	0.92 178	0.92 188	0.92 186	0.92 190	0.92 183	0.92 188	0.92 179	0.92 189

HSM-Net_RVC	0.93 180	1.09 171	0.79 175	1.10 196	0.78 180	1.09 193	0.79 182	1.16 191	0.80 181	1.14 155	0.79 182	1.17 197	0.77 180	0.73 177	0.83 185	0.78 176	1.19 201	0.79 182	1.18 200	0.72 180	1.19 196	0.80 183	0.72 181	0.80 183	1.18 202	0.74 181	1.14 194	0.73 181
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.93 180	8.54 243	0.41 130	0.56 160	0.37 132	0.56 160	0.37 134	0.50 150	0.40 137	0.56 119	5.24 253	0.56 155	0.34 124	0.40 131	0.41 142	0.34 123	0.53 155	0.40 138	0.56 162	0.38 136	0.52 150	0.40 137	0.40 136	0.41 141	0.56 159	0.40 139	0.56 156	0.40 139

DPSimNet_ROB	0.93 180	1.04 168	0.83 178	1.05 194	0.82 184	1.04 191	0.83 186	1.03 184	0.89 186	1.03 150	0.84 186	1.03 189	0.84 185	0.83 183	0.84 186	0.83 181	1.14 194	0.84 186	1.12 196	0.84 187	1.04 185	0.88 187	0.83 185	0.84 187	1.07 194	0.83 186	1.15 195	0.88 185

DPSM_ROB	0.93 180	0.92 159	0.94 181	0.96 187	1.02 192	0.92 183	0.98 189	0.95 178	0.92 187	0.92 142	0.92 188	0.91 180	0.97 191	0.92 186	0.91 189	0.91 187	0.96 185	0.94 191	0.93 186	0.91 190	0.93 179	0.92 188	0.93 187	0.91 188	0.91 181	0.99 189	0.92 179	0.91 187

DPSM	0.93 180	0.92 159	0.94 181	0.96 187	1.02 192	0.92 183	0.98 189	0.95 178	0.92 187	0.92 142	0.92 188	0.91 180	0.97 191	0.92 186	0.91 189	0.91 187	0.96 185	0.94 191	0.93 186	0.91 190	0.93 179	0.92 188	0.93 187	0.91 188	0.91 181	0.99 189	0.92 179	0.91 187

GANet	1.00 185	1.00 163	1.00 183	1.00 189	1.00 188	1.00 187	1.00 192	1.00 180	1.00 192	1.00 146	1.00 191	1.00 184	1.00 194	1.00 191	1.00 193	1.00 193	1.00 187	1.00 193	1.00 188	1.00 193	1.00 181	1.00 192	1.00 191	1.00 193	1.00 185	1.00 192	1.00 183	1.00 191

TDLM	1.00 185	1.00 163	1.00 183	1.00 189	1.00 188	1.00 187	1.00 192	1.00 180	1.00 192	1.00 146	1.00 191	1.00 184	1.00 194	1.00 191	1.00 193	1.00 193	1.00 187	1.00 193	1.00 188	1.00 193	1.00 181	1.00 192	1.00 191	1.00 193	1.00 185	1.00 192	1.00 183	1.00 191

CVANet_RVC	1.00 185	1.00 163	1.00 183	1.00 189	1.00 188	1.00 187	1.00 192	1.00 180	1.00 192	1.00 146	1.00 191	1.00 184	1.00 194	1.00 191	1.00 193	1.00 193	1.00 187	1.00 193	1.00 188	1.00 193	1.00 181	1.00 192	1.00 191	1.00 193	1.00 185	1.00 192	1.00 183	1.00 191

ccs_rob	1.00 185	10.06 248	0.31 116	0.44 142	0.31 121	0.43 139	0.31 124	0.43 132	0.32 120	0.45 108	0.32 122	1.20 201	0.31 117	7.02 254	0.31 121	0.31 116	0.44 136	0.31 119	0.44 136	0.32 124	0.44 130	0.31 120	0.32 119	0.32 121	0.44 136	0.32 123	0.43 132	0.31 124

panet	1.01 189	1.01 166	1.01 186	1.01 192	1.01 191	1.01 190	1.01 195	1.01 183	1.01 195	1.01 149	1.01 194	1.01 188	1.01 197	1.01 194	1.01 196	1.01 196	1.01 190	1.01 196	1.01 191	1.01 196	1.01 184	1.01 195	1.01 194	1.01 196	1.01 188	1.01 195	1.01 187	1.01 194

CFNet_pseudo	1.01 189	9.78 246	0.29 109	0.38 120	0.28 105	0.38 120	0.28 107	0.38 118	0.28 107	0.39 92	0.28 108	0.39 121	0.28 106	9.50 255	0.29 117	0.28 104	0.38 118	0.28 105	0.38 116	0.28 106	0.38 111	0.28 107	0.28 103	0.28 107	0.38 116	0.28 104	0.38 114	0.28 107

pcwnet_v2	1.01 189	9.73 245	0.28 104	0.38 120	0.28 105	0.38 120	0.28 107	0.38 118	0.28 107	0.38 89	0.28 108	0.39 121	0.28 106	9.61 256	0.28 109	0.28 104	0.38 118	0.28 105	0.38 116	0.28 106	0.38 111	0.28 107	0.29 109	0.28 107	0.38 116	0.28 104	0.38 114	0.28 107

WAO-8	1.02 192	1.50 185	1.49 209	0.40 130	0.40 139	1.56 212	0.98 189	1.55 204	0.58 169	4.18 237	0.40 138	0.79 175	0.48 156	0.91 184	0.39 140	0.99 192	0.71 168	0.70 179	0.51 158	0.77 182	1.07 187	0.82 186	0.69 178	0.96 192	1.01 188	1.30 212	1.10 192	1.38 216

UCFNet_RVC	1.03 193	10.10 249	0.28 104	0.38 120	0.28 105	0.39 126	0.28 107	0.38 118	0.28 107	0.39 92	0.28 108	0.39 121	0.29 115	9.62 257	0.28 109	0.28 104	0.38 118	0.28 105	0.38 116	0.28 106	0.39 119	0.28 107	0.29 109	0.28 107	0.39 124	0.28 104	0.38 114	0.29 116

GLC_STEREO	1.05 194	1.01 166	1.02 187	1.02 193	1.02 192	1.05 192	1.06 197	1.05 185	1.05 196	1.04 152	1.05 195	1.05 190	1.04 198	1.06 197	1.05 197	1.06 198	1.06 191	1.05 198	1.06 192	1.05 198	1.06 186	1.06 197	1.04 196	1.05 197	1.04 190	1.05 196	1.06 188	1.06 195

FC-DCNN	1.10 195	0.81 155	0.77 173	0.63 167	0.42 145	0.86 181	0.64 176	0.91 175	0.96 191	1.11 153	0.80 183	1.07 191	0.81 184	0.67 175	1.75 222	1.30 212	1.41 211	0.85 187	1.28 206	0.71 178	2.12 220	1.32 212	0.52 159	0.81 186	1.64 214	1.40 217	2.39 222	1.75 224

RP	1.14 196	1.16 175	1.15 196	1.17 204	1.10 199	1.16 197	1.15 202	1.10 186	1.16 205	1.15 156	1.08 197	1.16 195	1.15 204	1.15 204	1.14 204	1.16 203	1.16 197	1.10 200	1.10 193	1.10 202	1.16 191	1.11 200	1.10 199	1.19 209	1.14 198	1.19 208	1.07 189	1.10 198

Abc-Net	1.14 196	1.16 175	1.18 200	1.10 196	1.10 199	1.16 197	1.18 206	1.16 191	1.13 202	1.11 153	1.16 202	1.16 195	1.12 202	1.10 198	1.17 207	1.16 203	1.16 197	1.10 200	1.16 197	1.14 205	1.17 193	1.16 203	1.11 200	1.09 202	1.10 195	1.10 200	1.16 196	1.17 203
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
TorneroNet	1.15 198	1.10 172	0.51 153	0.69 170	0.51 164	1.10 194	0.50 163	0.51 153	0.51 162	13.92 257	1.17 206	0.49 147	0.51 165	0.54 157	0.48 158	0.49 156	0.49 150	0.65 177	0.70 169	0.49 161	0.51 148	0.49 159	0.67 175	1.36 215	0.51 154	0.50 161	0.52 153	1.23 209

RGC	1.15 198	1.16 175	1.17 199	1.15 201	1.11 201	1.21 202	1.21 212	1.10 186	1.15 203	1.16 159	1.11 199	1.17 197	1.09 200	1.14 203	1.11 201	1.16 203	1.19 201	1.11 203	1.10 193	1.15 207	1.11 188	1.19 206	1.16 203	1.12 204	1.17 200	1.10 200	1.16 196	1.17 203

NCC-stereo	1.15 198	1.17 178	1.12 195	1.10 196	1.15 202	1.14 195	1.15 202	1.15 189	1.12 201	1.17 162	1.17 206	1.11 193	1.17 208	1.11 200	1.10 200	1.16 203	1.12 193	1.11 203	1.16 197	1.13 204	1.23 201	1.16 203	1.19 207	1.11 203	1.18 202	1.17 205	1.17 199	1.13 201

edge stereo	1.15 198	1.18 179	1.11 194	1.12 199	1.17 206	1.17 201	1.17 204	1.16 191	1.18 209	1.16 159	1.17 206	1.17 197	1.13 203	1.11 200	1.11 201	1.12 200	1.17 199	1.17 206	1.11 195	1.17 208	1.17 193	1.17 205	1.18 205	1.14 205	1.11 196	1.18 206	1.12 193	1.11 199

Nwc_Net	1.15 198	1.15 173	1.15 196	1.09 195	1.19 207	1.16 197	1.17 204	1.15 189	1.16 205	1.16 159	1.16 202	1.08 192	1.16 205	1.11 200	1.15 206	1.18 207	1.11 192	1.10 200	1.16 197	1.17 208	1.16 191	1.13 202	1.18 205	1.20 210	1.11 196	1.15 203	1.16 196	1.20 206

stereogan	1.17 203	1.19 181	1.15 196	1.15 201	1.15 202	1.15 196	1.19 207	1.19 194	1.15 203	1.15 156	1.16 202	1.19 200	1.19 209	1.19 206	1.19 208	1.19 208	1.15 195	1.19 209	1.19 201	1.19 211	1.15 190	1.19 206	1.15 202	1.15 206	1.16 199	1.15 203	1.19 200	1.20 206

FAT-Stereo	1.22 204	1.23 182	1.19 202	1.21 206	1.24 210	1.24 204	1.19 207	1.25 196	1.24 212	1.25 167	1.19 209	1.20 201	1.24 212	1.20 207	1.21 209	1.25 211	1.22 203	1.21 210	1.25 204	1.23 213	1.22 199	1.19 206	1.19 207	1.24 212	1.25 205	1.20 209	1.19 200	1.25 211

S-Stereo	1.22 204	1.18 179	1.19 202	1.20 205	1.23 209	1.23 203	1.19 207	1.19 194	1.18 209	1.27 168	1.20 210	1.20 201	1.20 210	1.23 208	1.22 211	1.23 210	1.23 204	1.23 212	1.20 202	1.25 214	1.20 197	1.22 211	1.25 210	1.24 212	1.20 204	1.22 211	1.26 203	1.24 210

SPS-STEREO	1.25 206	1.47 184	1.06 192	1.54 213	1.08 197	1.52 211	1.20 211	1.44 202	1.06 198	1.49 180	1.10 198	1.41 209	1.10 201	0.98 189	1.08 199	1.12 200	1.47 212	1.04 197	1.53 211	1.14 205	1.52 210	1.07 198	1.02 195	1.05 197	1.48 212	1.07 198	1.55 209	1.11 199
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RASNet	1.39 207	1.37 183	1.35 205	1.38 211	1.40 213	1.39 209	1.77 222	1.36 199	1.74 222	1.36 174	1.36 213	1.36 208	1.36 214	1.36 209	1.35 212	1.41 217	1.36 208	1.36 217	1.36 208	1.35 216	1.36 208	1.35 214	1.36 212	1.35 214	1.36 210	1.35 214	1.36 208	1.35 212

HBP-ISP	1.47 208	1.07 170	1.03 188	1.30 208	1.08 197	1.36 207	1.06 197	1.44 202	1.25 213	1.97 194	1.51 217	1.65 211	1.58 218	0.98 189	1.58 218	1.68 220	1.98 217	1.32 213	2.02 217	1.28 215	2.95 225	1.89 228	0.97 190	1.06 199	1.26 206	0.99 189	1.94 212	1.43 218

PS-NSSS	1.48 209	4.46 220	1.35 205	1.35 210	1.35 212	1.41 210	1.34 214	1.36 199	1.35 215	1.40 175	1.35 212	1.33 206	1.35 213	1.37 210	1.40 214	1.35 213	1.35 206	1.35 215	1.39 209	1.44 220	1.35 207	1.34 213	1.35 211	1.38 218	1.35 209	1.33 213	1.34 206	1.38 216

CC-Net-ROB	1.51 210	4.40 219	1.69 213	1.39 212	1.40 213	1.37 208	1.40 217	1.36 199	1.39 216	1.41 176	1.36 213	1.35 207	1.38 215	1.39 211	1.39 213	1.36 214	1.36 208	1.35 215	1.39 209	1.39 217	1.37 209	1.36 215	1.41 215	1.48 219	1.39 211	1.42 218	1.35 207	1.35 212

GANetREF_RVC	1.52 211	2.01 191	1.21 204	1.98 218	1.21 208	1.98 217	1.21 212	1.98 213	1.21 211	1.99 195	1.21 211	1.98 215	1.21 211	1.02 195	1.21 209	1.21 209	1.99 218	1.21 210	1.99 216	1.21 212	1.99 215	1.21 209	1.21 209	1.21 211	1.99 218	1.21 210	1.99 215	1.21 208
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
MoCha-V2	1.57 212	31.91 264	0.38 125	0.43 140	0.35 129	0.49 154	0.34 127	0.43 132	0.33 123	0.44 106	0.41 139	0.50 148	0.34 124	0.41 132	0.35 125	0.35 125	0.47 141	0.37 130	0.44 136	0.35 129	0.44 130	0.41 138	0.40 136	0.36 131	0.43 135	0.36 128	0.44 133	0.37 131

R-Stereo Train	1.62 213	2.01 191	1.41 207	1.97 216	1.40 213	1.96 215	1.39 215	1.93 208	1.39 216	1.92 189	1.38 215	1.94 213	1.39 216	1.40 212	1.45 215	1.38 215	1.96 215	1.37 218	1.97 214	1.39 217	1.98 213	1.41 216	1.40 213	1.37 216	1.97 216	1.38 215	1.96 213	1.37 214

RAFT-Stereo	1.62 213	2.01 191	1.41 207	1.97 216	1.40 213	1.96 215	1.39 215	1.93 208	1.39 216	1.92 189	1.38 215	1.94 213	1.39 216	1.40 212	1.45 215	1.38 215	1.96 215	1.37 218	1.97 214	1.39 217	1.98 213	1.41 216	1.40 213	1.37 216	1.97 216	1.38 215	1.96 213	1.37 214
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DPSMNet_ROB	1.62 213	1.60 187	1.59 210	1.61 214	1.69 217	1.66 213	1.61 218	1.70 205	1.65 220	1.62 182	1.60 219	1.61 210	1.60 219	1.60 214	1.59 219	1.62 218	1.60 213	1.63 220	1.62 212	1.68 223	1.70 211	1.60 218	1.64 218	1.60 220	1.61 213	1.60 219	1.60 210	1.59 220

MFMNet_re	1.77 216	1.89 190	1.72 214	1.88 215	1.69 217	1.89 214	1.67 219	1.91 207	1.70 221	1.87 185	1.67 220	1.89 212	1.68 221	1.67 215	1.67 221	1.70 221	1.88 214	1.68 222	1.88 213	1.67 221	1.89 212	1.68 221	1.70 220	1.71 222	1.87 215	1.68 224	1.87 211	1.68 222

test croco	1.96 217	3.33 208	1.04 189	3.24 227	1.04 195	3.24 227	1.04 196	3.26 226	1.05 196	3.26 223	1.13 200	3.27 226	1.06 199	1.05 196	1.05 197	1.05 197	3.28 227	1.05 198	3.29 225	1.06 199	3.30 226	1.05 196	1.05 197	1.06 199	3.30 227	1.06 197	3.30 227	1.06 195

UDGNet	1.97 218	2.43 201	1.67 211	2.46 225	1.70 219	2.44 224	1.69 220	2.34 219	1.63 219	2.35 212	1.67 220	2.37 222	1.67 220	1.68 216	1.64 220	1.67 219	2.44 225	1.64 221	2.43 223	1.67 221	2.43 224	1.66 219	1.67 219	1.63 221	2.43 224	1.66 222	2.42 223	1.66 221

FBW_ROB	2.04 219	2.50 202	1.75 215	2.45 224	1.78 220	2.40 222	1.74 221	2.47 220	1.77 223	2.37 213	1.81 222	2.30 218	1.80 222	1.78 217	1.88 230	1.80 222	2.41 224	1.77 223	2.43 223	1.83 225	2.39 222	1.81 226	1.76 222	1.75 223	2.56 225	1.75 225	2.30 220	1.74 223

TRStereo	2.05 220	2.13 194	1.85 218	2.27 219	1.84 222	2.28 218	1.84 225	2.29 216	1.87 226	2.29 208	1.86 224	2.30 218	1.87 226	2.30 228	1.87 227	2.08 228	2.29 220	1.87 226	2.30 219	1.87 227	2.08 217	1.72 222	1.86 226	2.30 232	2.13 219	1.84 227	2.29 217	1.87 227

XX-Stereo	2.05 220	2.13 194	1.85 218	2.27 219	1.84 222	2.28 218	1.84 225	2.29 216	1.87 226	2.29 208	1.86 224	2.30 218	1.87 226	2.30 228	1.87 227	2.08 228	2.29 220	1.87 226	2.30 219	1.87 227	2.08 217	1.72 222	1.86 226	2.30 232	2.13 219	1.84 227	2.29 217	1.87 227

EAI-Stereo	2.05 220	2.13 194	1.85 218	2.27 219	1.84 222	2.28 218	1.84 225	2.29 216	1.87 226	2.29 208	1.86 224	2.30 218	1.87 226	2.30 228	1.87 227	2.08 228	2.29 220	1.87 226	2.30 219	1.87 227	2.08 217	1.72 222	1.86 226	2.30 232	2.13 219	1.84 227	2.29 217	1.87 227

AF-Net	2.06 223	25.73 263	1.18 200	1.12 199	1.16 205	1.16 197	1.19 207	1.10 186	1.17 208	1.15 156	1.14 201	1.11 193	1.16 205	1.16 205	1.14 204	1.11 199	1.15 195	1.13 205	1.21 203	1.17 208	1.11 188	1.21 209	1.17 204	1.17 207	1.17 200	1.11 202	1.20 202	1.13 201

MIF-Stereo	2.12 224	3.66 212	1.10 193	3.48 230	1.15 202	3.57 230	1.11 201	3.44 228	1.16 205	3.52 225	1.16 202	3.50 227	1.16 205	1.10 198	1.13 203	1.15 202	3.61 228	1.17 206	3.64 226	1.12 203	3.58 229	1.12 201	1.12 201	1.17 207	3.53 230	1.18 206	3.52 229	1.18 205

NCCL2	2.27 225	2.27 199	2.28 229	2.27 219	2.28 231	2.28 218	2.28 232	2.27 215	2.28 232	2.28 205	2.28 231	2.29 217	2.28 232	2.28 227	2.29 233	2.28 233	2.28 219	2.28 234	2.27 218	2.28 235	2.28 221	2.28 233	2.28 233	2.28 230	2.28 222	2.28 233	2.11 216	2.28 235

STTStereo	2.30 226	2.34 200	2.26 228	2.37 223	2.23 228	2.40 222	2.35 233	2.20 214	2.33 233	2.28 205	2.31 232	2.19 216	2.37 233	2.20 224	2.31 234	2.23 232	2.38 223	2.25 233	2.33 222	2.27 234	2.39 222	2.27 232	2.31 234	2.29 231	2.37 223	2.32 234	2.34 221	2.26 234

NLCA_NET_v2_RVC	2.50 227	2.85 206	1.90 223	2.90 226	2.77 232	2.88 225	2.85 234	2.51 221	2.85 235	2.88 220	1.99 229	2.50 223	2.76 235	2.20 224	1.57 217	2.64 234	2.89 226	2.63 235	5.69 250	1.03 197	2.01 216	2.71 234	2.74 237	2.73 235	2.87 226	1.64 220	1.00 183	1.49 219
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MIF-Stereo (partial)	2.52 228	3.41 210	1.05 190	3.29 228	1.05 196	3.29 229	1.06 197	3.30 227	1.06 198	3.31 224	1.06 196	4.97 245	2.72 234	2.72 231	2.71 235	2.70 235	6.57 253	2.19 231	5.08 247	1.08 201	3.36 227	1.07 198	1.07 198	1.07 201	3.35 229	1.07 198	3.36 228	1.07 197

sCroCo_RVC	2.76 229	4.00 214	1.82 217	4.00 237	1.83 221	3.98 236	1.82 223	3.99 230	1.81 224	4.14 234	2.76 233	4.13 238	1.82 224	1.83 218	1.83 223	1.82 223	4.01 237	1.82 225	3.98 234	1.86 226	4.00 237	1.82 227	1.83 224	1.84 224	4.02 239	1.81 226	4.00 236	1.83 226

sAnonymous2	2.87 230	4.16 215	1.89 221	4.26 241	1.87 225	4.23 239	1.92 228	4.17 231	1.94 229	4.16 235	1.92 227	4.20 239	1.92 229	1.96 220	1.86 225	1.87 225	4.25 240	1.90 229	4.23 239	1.91 230	4.26 240	1.93 229	1.89 229	1.90 225	4.07 240	1.91 230	5.09 248	1.93 231

CroCo_RVC	2.87 230	4.16 215	1.89 221	4.26 241	1.87 225	4.23 239	1.92 228	4.17 231	1.94 229	4.16 235	1.92 227	4.20 239	1.92 229	1.96 220	1.86 225	1.87 225	4.25 240	1.90 229	4.23 239	1.91 230	4.26 240	1.93 229	1.89 229	1.90 225	4.07 240	1.91 230	5.09 248	1.93 231

Anonymous3	3.36 232	4.93 224	2.20 225	4.92 247	2.23 228	4.90 246	2.23 231	4.89 236	2.24 231	4.95 245	2.21 230	4.91 244	2.21 231	2.18 223	2.22 232	2.22 231	4.86 247	2.20 232	4.90 245	2.20 233	4.96 247	2.21 231	2.21 232	2.21 229	6.30 251	2.21 232	4.90 243	2.23 233

StereoVision	3.44 233	10.12 250	1.68 212	5.44 250	2.26 230	5.87 249	1.97 230	5.17 237	1.31 214	5.80 248	1.56 218	5.62 249	1.84 225	1.97 222	1.91 231	1.84 224	4.98 249	1.32 213	5.60 248	1.71 224	5.35 251	1.73 225	1.97 231	1.96 227	5.40 248	1.65 221	5.08 247	1.76 225

DPSNet	3.67 234	3.61 211	3.62 237	3.64 231	3.61 240	3.64 231	3.65 240	3.64 229	3.67 239	3.67 227	3.65 238	3.68 229	3.69 245	3.69 239	3.69 246	3.68 242	3.70 230	3.70 243	3.69 231	3.69 244	3.71 232	3.69 240	3.67 241	3.69 243	3.68 233	3.67 239	3.68 231	3.67 237

StereoIM	3.69 235	10.19 251	2.01 224	6.09 251	2.01 227	5.94 250	1.82 223	6.14 242	1.85 225	6.59 252	1.82 223	6.01 250	1.81 223	1.83 218	1.83 223	2.02 227	5.87 250	1.79 224	5.93 251	2.06 232	4.63 245	1.67 220	1.84 225	2.08 228	5.90 249	1.66 222	6.34 252	1.87 227

Sa-1000	3.84 236	7.71 235	6.81 252	4.15 239	2.86 233	3.27 228	3.87 246	5.99 239	4.35 250	2.78 218	3.71 239	3.88 231	3.56 241	3.88 242	3.64 239	2.71 236	3.72 231	3.27 238	3.67 230	3.15 237	3.51 228	3.36 238	2.70 236	3.49 237	3.32 228	3.76 243	2.87 225	3.76 244

SA	3.93 237	7.22 231	4.74 239	4.15 239	3.88 246	3.70 232	4.02 249	6.67 248	3.95 244	3.64 226	3.74 240	3.63 228	3.00 237	3.51 234	3.68 245	3.68 242	3.73 232	3.71 244	3.64 226	3.48 239	3.58 229	2.97 235	3.69 242	3.61 238	3.55 232	3.42 236	3.64 230	3.79 245

TestStereo1	4.11 238	7.79 237	6.72 250	3.93 234	3.81 243	3.96 234	3.58 238	6.96 251	3.74 241	3.90 229	3.76 241	3.89 232	3.57 242	3.70 240	3.66 242	3.34 239	3.80 233	3.62 240	3.66 228	3.68 242	3.91 234	3.70 241	3.65 239	3.67 240	3.88 234	3.53 237	3.89 233	3.68 240

SA-5K	4.11 238	7.79 237	6.72 250	3.93 234	3.81 243	3.96 234	3.58 238	6.96 251	3.74 241	3.90 229	3.76 241	3.89 232	3.57 242	3.70 240	3.66 242	3.34 239	3.80 233	3.62 240	3.66 228	3.68 242	3.91 234	3.70 241	3.65 239	3.67 240	3.88 234	3.53 237	3.89 233	3.68 240

test_4	4.11 238	8.05 240	6.64 248	4.52 244	3.68 241	3.00 226	3.40 237	6.21 246	3.29 236	4.07 233	3.84 244	4.04 236	3.76 247	3.56 237	3.67 244	3.76 245	4.04 238	3.79 246	4.10 235	3.53 240	3.98 236	3.74 244	3.55 238	3.61 238	3.94 238	3.75 242	3.73 232	3.73 243

test-1	4.11 238	7.65 234	4.93 240	3.65 232	3.58 238	4.70 245	3.74 244	4.73 234	4.06 246	3.72 228	4.11 248	3.70 230	3.49 240	3.36 233	3.65 241	4.17 250	3.92 235	4.04 250	4.19 238	3.75 245	4.69 246	4.18 247	3.88 245	3.90 245	4.73 244	3.77 244	3.12 226	3.68 240

TESTraft	4.16 242	8.03 239	6.81 252	3.99 236	3.68 241	3.93 233	3.70 242	6.86 250	3.69 240	3.93 231	3.88 246	3.93 234	3.59 244	3.65 238	3.64 239	3.68 242	3.92 235	3.72 245	3.92 232	3.57 241	3.84 233	3.70 241	3.71 243	3.67 240	3.91 237	3.74 241	3.92 235	3.67 237

raft_robust	4.19 243	7.78 236	6.08 245	3.30 229	3.85 245	4.03 237	3.73 243	6.25 247	3.30 237	4.44 239	3.28 236	4.01 235	3.82 248	4.29 247	3.70 247	4.01 247	4.48 245	3.42 239	4.11 236	3.76 246	4.05 238	3.32 237	3.85 244	3.82 244	4.71 243	3.83 245	4.09 237	3.80 246

Anonymous	4.38 244	6.03 227	2.67 233	6.71 253	3.03 234	5.98 252	3.20 236	6.18 245	2.49 234	6.13 251	3.16 234	6.07 251	2.97 236	3.15 232	3.09 236	3.15 238	6.62 254	3.20 237	6.32 253	3.16 238	6.80 253	3.15 236	2.63 235	3.20 236	7.02 252	2.85 235	6.13 250	3.25 236

RAFT_CTSACE	4.43 245	8.26 242	6.10 246	4.62 245	4.01 248	4.54 244	3.65 240	6.09 241	3.93 243	4.64 242	4.14 249	4.26 241	4.13 250	3.91 243	3.88 248	4.06 249	4.30 242	4.03 249	4.27 241	3.92 247	4.26 240	3.67 239	3.91 246	4.16 248	4.82 245	4.08 249	4.20 239	3.67 237

RAFT+CT+SA	4.43 245	7.34 233	6.71 249	5.01 248	4.38 249	4.40 241	3.85 245	6.15 244	4.30 249	4.89 244	3.26 235	4.49 243	3.01 238	4.53 248	3.36 238	3.65 241	3.64 229	4.39 252	3.94 233	4.28 250	4.44 243	4.30 249	4.24 251	4.52 250	3.90 236	3.85 246	4.89 242	4.00 248

cross-raft	4.43 245	7.31 232	6.46 247	4.47 243	3.95 247	4.46 242	3.95 247	6.70 249	3.97 245	4.41 238	3.82 243	4.38 242	3.94 249	3.95 245	3.95 250	3.95 246	4.45 244	3.95 248	4.46 242	3.95 248	4.46 244	3.95 245	3.95 248	3.94 247	4.40 242	3.95 248	4.45 241	3.95 247

test_5	4.51 248	8.85 244	5.35 244	3.66 233	3.56 237	5.10 248	4.47 251	6.14 242	4.07 247	4.96 246	3.87 245	5.14 248	4.17 252	3.53 235	4.39 251	4.53 251	4.15 239	3.62 240	4.74 244	2.94 236	3.63 231	4.53 251	4.20 250	4.54 251	4.86 246	3.68 240	4.95 244	4.06 249

test_3	4.55 249	10.96 252	7.69 256	4.04 238	3.60 239	4.10 238	3.98 248	7.94 253	4.56 251	3.99 232	4.03 247	4.08 237	3.74 246	3.99 246	3.91 249	4.05 248	4.33 243	3.89 247	4.14 237	4.00 249	4.11 239	4.02 246	4.01 249	3.91 246	3.53 230	3.94 247	4.19 238	4.20 250

TestStereo	4.92 250	4.80 223	4.98 241	4.82 246	4.97 251	4.91 247	4.78 252	4.80 235	4.88 252	4.78 243	4.80 251	4.99 246	4.81 253	4.83 249	4.87 253	4.97 253	4.93 248	5.01 254	5.03 246	4.90 253	5.02 248	5.02 252	5.06 252	5.04 252	4.93 247	4.89 251	5.01 245	5.09 252

DispFullNet	4.96 251	5.67 226	3.30 236	5.01 248	3.21 236	4.50 243	3.11 235	4.43 233	3.44 238	4.60 241	3.46 237	5.13 247	3.44 239	3.53 235	3.20 237	2.87 237	4.80 246	3.15 236	4.70 243	4.83 252	9.02 257	5.98 255	5.95 256	6.21 254	8.84 257	5.85 253	9.76 257	5.91 254

SGM-Forest	5.07 252	6.74 229	4.17 238	6.46 252	4.68 250	6.21 253	4.38 250	6.00 240	4.14 248	5.84 249	4.44 250	6.28 252	4.16 251	3.92 244	4.56 252	4.60 252	6.15 251	4.27 251	6.12 252	4.31 251	5.99 252	4.27 248	3.92 247	4.27 249	6.13 250	4.10 250	6.18 251	4.49 251
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
SGM+DAISY	6.35 253	8.16 241	5.14 243	8.12 257	5.08 253	8.12 256	5.16 253	8.01 254	5.18 254	7.92 255	5.14 252	7.89 256	5.14 254	4.95 250	5.33 254	5.32 254	8.14 257	5.16 255	8.16 256	5.16 254	8.21 256	5.19 253	5.12 253	5.12 253	8.18 256	5.24 252	8.12 256	5.11 253

RAFT	6.60 254	9.99 247	8.33 257	7.21 256	6.55 254	5.95 251	5.87 254	8.70 257	5.02 253	5.10 247	6.69 254	7.06 255	6.94 257	6.17 253	7.09 257	6.84 255	6.47 252	4.72 253	5.60 248	5.60 255	5.11 249	5.97 254	6.93 257	6.89 255	7.16 253	7.08 256	6.58 253	6.66 255

test-v	7.17 255	11.53 253	7.63 254	7.17 254	6.87 255	7.48 254	6.90 255	8.14 255	6.88 255	6.93 253	7.42 255	7.05 253	6.14 255	6.05 251	6.86 255	6.99 256	7.60 255	6.75 256	6.90 254	6.66 256	7.83 254	6.36 256	5.89 254	7.34 256	7.19 254	6.75 254	7.52 254	6.77 256

test-2	7.17 255	11.53 253	7.63 254	7.17 254	6.87 255	7.48 254	6.90 255	8.14 255	6.88 255	6.93 253	7.42 255	7.05 253	6.14 255	6.05 251	6.86 255	6.99 256	7.60 255	6.75 256	6.90 254	6.66 256	7.83 254	6.36 256	5.89 254	7.34 256	7.19 254	6.75 254	7.52 254	6.77 256

MANE	18.41 257	23.00 262	16.00 258	22.00 265	15.00 257	22.00 264	15.00 257	22.00 265	15.00 257	21.00 265	15.00 257	22.00 264	15.00 258	15.00 258	17.00 258	15.00 258	23.00 265	15.00 258	22.00 264	15.00 258	23.00 265	15.00 258	18.00 258	15.00 258	24.00 265	17.00 257	24.00 265	16.00 258

rafts_anoy	20.00 258	20.00 255	20.00 259	20.00 258	20.00 258	20.00 257	20.00 258	20.00 258	20.00 258	20.00 258	20.00 258	20.00 257	20.00 259	20.00 259	20.00 259	20.00 259	20.00 258	20.00 259	20.00 257	20.00 259	20.00 258	20.00 259	20.00 259	20.00 259	20.00 258	20.00 258	20.00 258	20.00 259

raft+_RVC	20.00 258	20.00 255	20.00 259	20.00 258	20.00 258	20.00 257	20.00 258	20.00 258	20.00 258	20.00 258	20.00 258	20.00 257	20.00 259	20.00 259	20.00 259	20.00 259	20.00 258	20.00 259	20.00 257	20.00 259	20.00 258	20.00 259	20.00 259	20.00 259	20.00 258	20.00 258	20.00 258	20.00 259

raftrobust	20.00 258	20.00 255	20.00 259	20.00 258	20.00 258	20.00 257	20.00 258	20.00 258	20.00 258	20.00 258	20.00 258	20.00 257	20.00 259	20.00 259	20.00 259	20.00 259	20.00 258	20.00 259	20.00 257	20.00 259	20.00 258	20.00 259	20.00 259	20.00 259	20.00 258	20.00 258	20.00 258	20.00 259

CasAABBNet	20.00 258	20.00 255	20.00 259	20.00 258	20.00 258	20.00 257	20.00 258	20.00 258	20.00 258	20.00 258	20.00 258	20.00 257	20.00 259	20.00 259	20.00 259	20.00 259	20.00 258	20.00 259	20.00 257	20.00 259	20.00 258	20.00 259	20.00 259	20.00 259	20.00 258	20.00 258	20.00 258	20.00 259

RALCasStereoNet	20.00 258	20.00 255	20.00 259	20.00 258	20.00 258	20.00 257	20.00 258	20.00 258	20.00 258	20.00 258	20.00 258	20.00 257	20.00 259	20.00 259	20.00 259	20.00 259	20.00 258	20.00 259	20.00 257	20.00 259	20.00 258	20.00 259	20.00 259	20.00 259	20.00 258	20.00 258	20.00 258	20.00 259

RALAANet	20.00 258	20.00 255	20.00 259	20.00 258	20.00 258	20.00 257	20.00 258	20.00 258	20.00 258	20.00 258	20.00 258	20.00 257	20.00 259	20.00 259	20.00 259	20.00 259	20.00 258	20.00 259	20.00 257	20.00 259	20.00 258	20.00 259	20.00 259	20.00 259	20.00 258	20.00 258	20.00 258	20.00 259

MSMDNet	20.00 258	20.00 255	20.00 259	20.00 258	20.00 258	20.00 257	20.00 258	20.00 258	20.00 258	20.00 258	20.00 258	20.00 257	20.00 259	20.00 259	20.00 259	20.00 259	20.00 258	20.00 259	20.00 257	20.00 259	20.00 258	20.00 259	20.00 259	20.00 259	20.00 258	20.00 258	20.00 258	20.00 259

MDST_ROB	61.15 265	72.66 266	46.52 266	70.00 266	44.89 265	64.24 265	43.75 265	73.65 266	48.92 266	72.70 267	42.40 265	60.70 265	50.23 266	50.07 267	67.69 267	68.60 267	83.13 267	47.77 266	82.48 266	46.00 266	95.93 267	53.44 267	50.66 266	45.00 266	84.99 267	53.64 266	79.01 266	52.07 267

CBMV	101.59 266	71.60 265	48.40 267	72.70 267	49.00 266	79.60 266	48.40 266	80.90 267	46.90 265	68.90 266	49.00 266	78.00 266	572.10 275	49.50 266	51.30 266	48.40 266	72.20 266	639.60 275	79.40 265	48.90 267	79.50 266	51.40 266	52.30 267	48.30 267	80.20 266	49.10 265	79.60 267	47.60 266
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	151.99 267	131.36 267	140.69 268	151.38 268	151.40 267	150.79 267	151.72 267	149.36 268	159.46 267	146.42 268	150.73 267	149.06 270	176.22 267	143.94 268	133.10 270	133.45 270	153.30 269	154.22 268	154.67 268	153.95 269	156.90 270	156.53 270	160.21 268	162.72 268	154.57 268	160.59 267	153.47 268	163.50 268
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
NOSS_ROB	248.11 268	409.00 272	288.00 270	412.00 270	280.00 269	411.00 272	288.00 269	356.00 269	275.00 272	379.00 273	303.00 272	415.00 272	278.00 272	260.00 273	104.00 268	103.00 268	126.00 268	108.00 267	118.00 267	98.00 268	126.00 269	104.00 269	268.00 271	216.00 270	279.00 272	201.00 268	288.00 272	206.00 269

AE-Stereo	252.48 269	202.00 268	361.00 272	502.00 272	324.00 271	321.00 268	482.00 274	423.00 272	227.00 271	201.00 269	273.00 271	101.00 267	207.00 268	198.00 269	183.00 271	181.00 271	221.00 270	232.00 272	477.00 270	220.00 271	111.00 268	100.00 268	219.00 270	214.00 269	204.00 269	211.00 269	200.00 269	222.00 271

MGS-Stereo	264.93 270	208.00 269	362.00 273	512.00 273	350.00 272	326.00 269	443.00 273	410.00 271	210.00 268	232.00 271	215.00 268	125.00 268	217.00 269	216.00 271	127.00 269	122.00 269	223.00 271	230.00 270	487.00 272	255.00 272	250.00 271	223.00 272	272.00 272	228.00 272	241.00 270	220.00 271	214.00 270	235.00 272

EGLCR-Stereo	276.81 271	209.00 270	366.00 274	514.00 274	354.00 273	336.00 270	422.00 271	440.00 273	220.00 270	231.00 270	245.00 270	135.00 269	237.00 271	218.00 272	197.00 272	222.00 273	223.00 271	230.00 270	487.00 272	255.00 272	250.00 271	273.00 273	272.00 272	228.00 272	241.00 270	220.00 271	214.00 270	235.00 272

DLCB_ROB	280.78 272	376.74 271	215.59 269	376.74 269	215.59 268	376.74 271	215.59 268	366.42 270	218.39 269	366.42 272	218.39 269	366.42 271	218.39 270	209.96 270	219.76 273	219.38 272	376.72 273	216.43 269	376.72 269	216.43 270	376.72 273	216.43 271	216.14 269	216.14 271	376.69 273	217.67 270	376.69 273	217.67 270

LE_ROB	387.11 273	453.07 273	321.39 271	500.23 271	323.05 270	493.99 273	324.56 270	477.63 274	322.28 273	465.51 274	322.97 273	486.37 273	334.17 273	305.26 274	320.63 274	327.66 274	476.08 274	315.70 273	483.76 271	335.15 274	469.64 274	309.74 274	315.90 274	318.85 274	498.41 274	328.85 273	491.00 274	330.08 274

SGM-ForestM	522.49 274	676.08 274	448.56 275	638.17 275	433.15 274	639.59 274	427.03 272	617.52 275	439.90 274	604.63 275	429.02 274	611.68 274	432.74 274	420.18 275	451.96 275	465.85 275	601.06 275	403.73 274	659.15 274	405.50 275	669.64 275	437.21 275	455.85 275	425.66 275	689.82 275	481.65 274	662.43 275	479.61 275

CBMV_ROB	1133.35 275	1280.38 275	976.92 276	1317.57 276	1021.62 275	1282.66 275	1022.22 275	1213.88 276	982.57 275	1194.12 276	975.90 275	1357.87 275	1090.02 276	943.32 276	1021.85 276	1006.47 276	1309.01 276	986.29 276	1499.40 275	986.35 276	1359.35 276	975.96 276	975.21 276	969.30 276	1337.82 276	1042.34 275	1398.25 276	1073.86 276

anonymousdsp2	10000000.00 276	10000000.00 276	10000000.00 277	10000000.00 277	10000000.00 276	10000000.00 276	10000000.00 276	10000000.00 277	10000000.00 276	10000000.00 277	10000000.00 276	10000000.00 276	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 276	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 276	10000000.00 277	10000000.00 277

anonymousdsp	10000000.00 276	10000000.00 276	10000000.00 277	10000000.00 277	10000000.00 276	10000000.00 276	10000000.00 276	10000000.00 277	10000000.00 276	10000000.00 277	10000000.00 276	10000000.00 276	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 276	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 276	10000000.00 277	10000000.00 277

AMNet	10000000.00 276	10000000.00 276	10000000.00 277	10000000.00 277	10000000.00 276	10000000.00 276	10000000.00 276	10000000.00 277	10000000.00 276	10000000.00 277	10000000.00 276	10000000.00 276	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 276	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 277	10000000.00 276	10000000.00 277	10000000.00 277

FADE			0.05 26	0.05 33				0.05 32		0.06 29			0.04 29	0.05 31	0.07 35	0.07 38	0.07 38	0.05 34		0.04 28	0.09 41	0.08 41	0.06 34	0.05 33	0.06 38		0.05 33	0.04 28

Low-res two-view benchmark