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

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
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

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

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

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
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

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

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

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	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	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	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	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 110	0.01 9	0.02 18	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	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 165	0.10 56	0.12 60	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	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 157	0.10 56	0.12 60	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	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

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
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
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

PWC_ROB	0.01 9	0.02 12	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	0.01 9	0.02 13	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	0.02 12	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

SMFormer	0.09 38	1.01 204	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 193	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 204	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-LNSev-Ref	0.11 59	0.44 140	0.33 167	0.39 150	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 190	0.36 181	0.02 18	0.02 20	0.02 19	0.02 19

BSDual-CNN	0.81 246	1.91 297	0.92 272	4.48 380	0.02 20	0.42 214	0.06 75	0.41 188	0.02 20	0.48 219	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 367	4.19 387	0.33 164	0.23 150	0.34 152	0.27 154

psmg	0.43 184	1.91 297	0.92 272	1.91 344	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 367	1.44 359	0.04 48	0.03 42	0.02 19	0.03 39

CSP-Net	0.34 144	1.29 273	1.19 293	1.36 331	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 342	1.21 345	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 117	1.31 275	0.74 257	0.92 243	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 268	0.75 260	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 39	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 42	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ttt	0.10 44	1.09 212	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 216	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

qqq	0.16 95	2.01 305	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

x	0.11 59	1.15 218	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

hknet	1.10 285	1.85 295	3.49 390	4.48 380	0.02 20	0.42 214	0.06 75	0.41 188	0.02 20	0.48 219	0.03 40	0.41 196	0.03 42	0.42 210	0.03 37	4.39 390	4.19 387	0.33 164	0.23 150	0.34 152	0.27 154

222	0.10 44	0.99 198	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 59	1.16 219	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 44	1.09 212	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 311	0.07 75	0.05 69	0.05 65	0.05 71	0.08 76	0.05 64	0.08 76	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 337	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 337	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

mmm	0.14 79	1.83 294	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 49	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 56	0.12 93	0.04 63	0.06 69	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 285	0.06 66	0.04 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

ADCRef	0.12 67	0.03 27	0.04 31	1.71 340	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 339	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 59	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 353	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 73	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

ADCP+	0.15 89	0.04 31	0.04 31	2.20 352	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.05 71	0.04 51	0.04 58	0.08 76	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 326	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 76	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
qqq1	0.25 117	3.70 343	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 343	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

11t1	0.17 98	2.16 310	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

DualNet	0.25 117	3.83 348	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 348	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 348	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 348	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

BUS	0.83 254	1.91 297	0.92 272	4.48 380	0.02 20	0.40 183	0.04 54	0.41 188	0.02 20	0.48 219	0.03 40	0.41 196	0.05 64	0.03 33	0.05 59	1.97 367	4.19 387	0.33 164	0.23 150	0.34 152	0.27 154

NINENet	0.69 224	3.87 352	1.20 296	1.98 348	0.05 69	0.40 183	0.04 54	0.40 175	0.05 69	0.41 189	0.04 63	0.41 196	0.05 64	0.40 186	0.05 59	1.79 360	1.56 362	0.34 171	0.22 145	0.34 152	0.23 133

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 78	0.07 80	0.08 75	0.07 79	0.08 76	0.06 76	0.07 73	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

SuperB	0.21 109	0.10 53	2.51 385	0.12 60	0.09 82	0.10 79	0.09 80	0.08 78	0.07 80	0.10 79	0.09 82	0.09 80	0.07 80	0.07 73	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 80	0.08 82	0.10 79	0.09 82	0.09 80	0.09 83	0.09 79	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

BEATNet-Init1	0.19 100	0.08 45	0.08 47	2.23 354	0.08 80	0.08 74	0.07 78	0.07 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 45	0.08 47	2.23 354	0.08 80	0.08 74	0.07 78	0.07 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

ac_64	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 298	0.14 95	0.10 86	0.28 144	0.14 120	0.17 109	0.19 137	0.28 153	0.09 76	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

ADCMid	0.08 37	0.02 12	0.02 13	1.01 256	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

PASM	0.39 166	3.06 334	1.36 355	1.58 335	0.09 82	0.11 90	0.11 97	0.11 91	0.11 100	0.09 78	0.09 82	0.11 92	0.09 83	0.09 79	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.10 86	0.14 95	0.09 82	0.14 96	0.09 83	0.13 96	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 272

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.09 85	0.14 95	0.10 86	0.14 96	0.09 83	0.14 97	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 282

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

UNet	0.29 130	0.90 185	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 270	0.69 273	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 258	0.76 277

PVD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	0.11 90	0.14 113	0.11 91	0.11 100	0.12 93	0.11 98	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	0.15 100	0.11 97	0.14 95	0.11 100	0.15 101	0.12 105	0.15 105	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 95	0.11 100	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 83	0.11 103	0.14 94	0.15 116	0.14 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.16 106	0.11 92	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 107

MIPNet	0.14 79	0.21 87	0.17 116	0.16 89	0.11 103	0.15 100	0.12 109	0.14 95	0.11 100	0.16 105	0.11 98	0.14 96	0.11 98	0.14 97	0.11 92	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	0.15 100	0.12 109	0.14 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 95	0.11 100	0.14 95	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ICVP	0.15 89	0.53 162	0.11 73	0.16 89	0.11 103	0.16 105	0.11 97	0.16 107	0.11 100	0.16 105	0.11 98	0.16 106	0.11 98	0.16 106	0.11 92	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 95	0.10 86	0.23 129	0.10 86	0.20 116	0.10 87	0.24 138	0.11 92	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.12 105	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.11 75	0.14 95	0.11 97	0.49 216	0.11 95

ELAS	0.13 72	0.16 72	0.11 73	0.15 83	0.09 82	0.18 110	0.11 97	0.18 111	0.11 100	0.17 108	0.11 98	0.18 112	0.11 98	0.18 111	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.11 59	0.11 64	0.12 78	0.13 70	0.14 119	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.11 98	0.11 92	0.11 98	0.12 95	0.12 103	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	0.16 105	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.13 115	0.17 109	0.12 103	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 107

cf-r	0.66 217	2.17 311	0.12 78	0.18 96	0.12 115	0.18 110	2.70 391	2.60 378	0.12 115	0.18 111	0.12 105	0.18 112	0.12 111	0.18 111	0.12 103	0.15 97	0.11 75	0.15 105	0.11 97	1.81 351	1.74 383

HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	0.17 108	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.12 111	0.17 109	0.12 103	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	0.10 88	0.18 110	0.11 97	0.19 112	0.11 100	0.19 112	0.12 105	0.18 112	0.11 98	0.19 113	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	0.19 113	0.11 97	0.19 112	0.12 115	0.19 112	0.12 105	0.20 116	0.12 111	0.19 113	0.12 103	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 99	0.13 118	0.19 113	0.13 112	0.19 112	0.13 118	0.19 112	0.13 117	0.19 115	0.13 115	0.19 113	0.13 109	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

PDISCO_ROB	0.83 254	2.80 331	3.49 390	0.14 74	0.11 103	0.17 108	0.09 80	0.15 106	0.10 86	0.15 101	0.12 105	0.16 106	0.14 117	3.30 389	0.13 109	0.14 90	2.34 379	0.16 106	0.12 110	2.62 369	0.10 83

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 121	0.12 115	0.20 115	0.12 105	0.20 116	0.12 111	0.21 126	0.13 109	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	0.14 94	0.14 113	0.14 95	0.14 119	0.14 95	0.14 120	0.14 96	0.14 117	0.14 97	0.14 112	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 292	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 292	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

hitnet-ft	0.79 239	2.78 330	0.14 97	0.20 100	0.14 119	0.21 123	2.89 392	2.80 383	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.54 368	2.33 389

GANet-RSSM	0.75 233	1.91 297	0.14 97	0.47 187	0.14 119	0.21 123	3.21 396	2.30 375	0.14 119	0.46 209	0.14 120	0.23 132	0.18 133	0.21 126	0.14 112	0.18 116	0.27 148	0.37 189	0.13 118	2.13 359	2.12 385

PSMNet-RSSM	0.77 235	2.76 327	0.14 97	0.20 100	0.14 119	0.20 115	2.66 389	2.79 382	0.14 119	0.21 124	0.14 120	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 366	2.31 387

GwcNet-RSSM	0.77 235	2.77 329	0.14 97	0.20 100	0.14 119	0.20 115	2.67 390	2.78 381	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.21 126	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 366	2.31 387

CFNet-ft	0.55 209	1.57 283	0.14 97	0.20 100	0.14 119	0.20 115	2.53 388	1.61 356	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	1.56 347	1.24 362

gwcnet-sp	0.82 250	1.72 288	1.48 361	0.39 150	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 360	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 350	0.32 157	0.16 124	6.75 399	0.23 133

scenet	0.82 250	1.72 288	1.48 361	0.39 150	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 360	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 350	0.32 157	0.16 124	6.75 399	0.23 133

ssnet	0.82 250	1.72 288	1.48 361	0.39 150	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 360	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 350	0.32 157	0.16 124	6.75 399	0.23 133

dd	0.23 114	0.98 196	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 128	0.15 127	0.23 129	0.15 127	0.24 136	0.17 128	0.23 134	0.15 120	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 116

dad	0.23 114	1.03 210	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 131	0.16 129	0.23 129	0.16 128	0.24 136	0.16 126	0.23 134	0.15 120	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	0.16 105	0.16 119	0.16 107	0.16 129	0.16 105	0.16 128	0.16 106	0.16 126	0.16 106	0.16 125	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 116

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 188	0.30 128	0.17 134	0.22 125	0.17 120	0.21 121	0.17 131	0.20 115	0.17 130	0.21 124	0.18 133	0.21 126	0.17 126	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

MIM_Stereo	0.25 117	0.23 91	0.66 244	0.80 229	0.17 134	0.22 125	0.17 120	0.23 128	0.18 132	0.26 142	0.17 130	0.21 124	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

MMNet	0.44 187	1.24 272	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 347	0.93 297	0.25 135	0.17 130	0.25 139	0.18 133	0.25 140	0.17 126	0.23 134	0.16 113	0.23 134	0.16 124	1.20 290	0.99 294

delet	0.43 184	1.21 270	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 347	0.95 298	0.25 135	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.22 130	0.16 124	1.18 287	0.98 293

psm_up	0.43 184	1.19 223	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 347	0.91 292	0.26 142	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.23 134	0.16 124	1.18 287	0.99 294

UPFNet	0.42 183	1.20 224	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 295	0.90 291	0.25 135	0.17 130	0.24 136	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.22 130	0.16 124	1.15 279	0.93 290

MSKI-zero shot	0.24 116	0.21 87	0.49 220	0.65 212	0.18 139	0.22 125	0.17 120	0.23 128	0.18 132	0.21 124	0.17 130	0.23 132	0.28 173	0.23 134	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 131	0.18 132	0.24 134	0.18 138	0.23 132	0.19 137	0.24 138	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 116

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 131	0.18 132	0.23 129	0.17 130	0.23 132	0.18 133	0.23 134	0.18 132	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

CFNet	1.37 341	5.27 370	0.19 123	5.49 386	0.19 142	0.28 147	0.19 127	0.28 140	0.19 137	0.28 144	0.19 139	0.28 149	4.35 396	0.28 153	0.19 135	0.23 134	0.17 125	0.23 134	4.21 406	4.81 388	0.17 122

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

AANet_RVC	1.26 337	0.31 106	4.99 396	5.93 389	0.20 143	0.25 136	0.20 129	0.25 134	0.20 138	0.23 129	0.19 139	0.25 139	0.20 140	0.25 140	0.20 136	5.66 398	4.76 390	0.26 143	0.30 191	0.24 131	0.27 154

GEStereo_RVC	0.86 261	4.45 359	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 138	0.18 132	5.03 403	0.20 141	0.27 148	0.19 137	0.27 151	0.21 139	0.20 119	0.19 128	0.19 121	4.02 404	0.20 117	0.18 125

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 142	0.22 150	0.36 168	0.21 135	0.36 158	0.21 141	0.42 200	0.21 146	0.36 169	0.22 145	0.36 171	0.21 139	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 131

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

ssnet_v2	0.68 222	1.96 304	1.25 347	0.29 127	0.20 143	0.30 151	0.20 129	0.29 143	0.22 142	1.50 358	0.20 141	0.31 157	0.20 140	0.27 151	0.22 141	0.24 139	1.49 360	0.26 143	0.18 139	3.90 377	0.19 126

DISCO	1.11 287	0.39 122	5.28 397	0.39 150	0.20 143	0.39 182	0.27 157	0.39 171	0.22 142	0.38 168	0.20 141	0.38 176	0.20 140	6.95 411	0.22 141	0.30 156	0.21 131	0.27 147	0.21 143	5.25 392	0.21 129

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 211	0.79 227	0.24 159	0.30 151	0.26 154	0.30 145	0.24 148	0.32 153	0.23 150	0.31 157	0.24 150	0.30 157	0.23 146	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

FENet	0.54 207	1.52 282	1.19 293	1.41 334	0.23 154	0.35 165	0.23 142	0.35 154	0.23 147	0.34 157	0.23 150	0.35 164	0.23 149	0.35 166	0.23 146	1.40 351	1.07 280	0.32 157	0.23 150	0.33 148	0.23 133

tt1	0.31 134	0.93 192	0.24 137	0.33 136	0.23 154	0.31 154	0.24 146	0.32 147	0.24 148	0.32 153	0.23 150	0.32 159	0.25 152	0.32 159	0.24 148	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

xxxxx1	0.31 134	0.91 186	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

tt_ll	0.31 134	0.91 186	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

ff	0.31 134	0.91 186	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 147	0.24 148	0.33 155	0.24 156	0.35 164	0.24 150	0.33 163	0.24 148	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 142

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.26 149	0.25 153	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 143

LoS_RVC	0.30 131	1.14 216	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.26 147	0.26 161	0.26 149	0.25 153	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

CAS	0.30 131	1.17 220	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.26 164	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 143

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 138	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 143

CroCo-Stereo	0.73 231	1.22 271	0.25 139	1.22 323	0.25 160	1.22 353	0.25 148	1.22 344	0.25 151	1.22 351	0.25 160	1.22 356	0.25 152	1.22 355	0.25 153	1.22 341	0.26 143	1.21 359	0.25 158	1.22 337	0.25 143
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
StereoDRNet-Refined	0.33 143	0.39 122	0.26 144	0.39 150	0.26 166	0.40 183	0.26 154	0.40 175	0.26 164	0.39 173	0.26 165	0.39 180	0.26 161	0.39 183	0.26 158	0.37 177	0.25 140	0.37 189	0.25 158	0.37 172	0.37 200
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
TorneroNet-64	0.45 188	0.27 100	0.30 154	0.58 205	0.27 167	0.70 261	0.30 172	0.28 140	0.73 280	0.73 263	0.28 173	0.71 261	0.66 260	0.75 267	0.27 159	0.27 147	0.29 162	0.37 189	0.75 283	0.28 138	0.30 178

CroCo-Stereo Lap2	0.77 235	1.29 273	0.29 150	1.27 326	0.29 176	1.27 356	0.26 154	1.26 347	0.26 164	1.26 352	0.26 165	1.27 357	0.26 161	1.26 356	0.27 159	1.27 343	0.27 148	1.27 362	0.27 170	1.27 339	0.27 154

CRFU-Net	0.65 215	1.67 287	1.22 343	1.96 347	0.27 167	0.41 198	0.27 157	0.41 188	0.27 167	0.40 177	0.26 165	0.41 196	0.27 168	0.40 186	0.27 159	1.80 361	1.62 364	0.34 171	0.23 150	0.33 148	0.23 133

MLCV	0.31 134	0.35 109	0.27 145	0.35 138	0.28 170	0.35 165	0.27 157	0.35 154	0.28 170	0.36 163	0.27 168	0.35 164	0.27 168	0.35 166	0.27 159	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

ACVNet-DCA	0.37 155	1.00 199	0.30 154	0.40 162	0.29 176	0.40 183	0.29 167	0.40 175	0.29 172	0.40 177	0.29 175	0.40 186	0.29 177	0.39 183	0.28 163	0.33 160	0.32 173	0.33 164	0.32 200	0.33 148	0.32 187

SQANet	0.28 127	0.28 102	0.28 148	0.28 126	0.28 170	0.28 147	0.28 162	0.28 140	0.28 170	0.28 144	0.28 173	0.28 149	0.28 173	0.28 153	0.28 163	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 166

Any-RAFT	0.32 142	0.36 112	0.27 145	0.36 142	0.27 167	0.36 168	0.27 157	0.36 158	0.27 167	0.36 163	0.27 168	0.36 169	0.27 168	0.36 171	0.28 163	0.36 173	0.28 153	0.36 187	0.28 174	0.36 170	0.28 166

IER	0.88 262	7.04 374	2.23 379	2.75 366	0.28 170	0.43 218	0.25 148	0.39 171	0.25 151	0.41 189	0.27 168	0.39 180	0.25 152	0.40 186	0.28 163	0.37 177	0.28 153	0.37 189	0.25 158	0.37 172	0.25 143

DGSMNet	0.34 144	0.41 131	0.27 145	0.41 171	0.28 170	0.41 198	0.28 162	0.41 188	0.27 167	0.41 189	0.27 168	0.42 212	0.27 168	0.41 199	0.28 163	0.40 193	0.29 162	0.40 204	0.28 174	0.40 188	0.27 154

DN-CSS_ROB	0.31 134	0.35 109	0.28 148	0.35 138	0.28 170	0.34 162	0.27 157	0.34 152	0.25 151	0.35 160	0.27 168	0.36 169	0.26 161	0.34 164	0.28 163	0.35 170	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

xx1	0.38 161	1.03 210	0.31 160	0.40 162	0.31 189	0.41 198	0.28 162	0.40 175	0.29 172	0.40 177	0.29 175	0.40 186	0.29 177	0.40 186	0.29 169	0.34 163	0.33 176	0.34 171	0.32 200	0.34 152	0.32 187

1test111	0.37 155	1.02 208	0.30 154	0.39 150	0.29 176	0.40 183	0.28 162	0.39 171	0.29 172	0.39 173	0.29 175	0.39 180	0.28 173	0.40 186	0.29 169	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 183

cc1	0.37 155	1.02 208	0.30 154	0.39 150	0.29 176	0.40 183	0.28 162	0.39 171	0.29 172	0.39 173	0.29 175	0.39 180	0.28 173	0.40 186	0.29 169	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 183

EKT-Stereo	0.37 155	0.40 124	0.44 202	1.07 260	0.29 176	0.34 162	0.31 176	0.36 158	0.29 172	0.38 168	0.31 187	0.37 174	0.30 182	0.36 171	0.29 169	0.34 163	0.28 153	0.39 200	0.30 191	0.37 172	0.30 178

PML	0.46 189	1.36 278	0.29 150	0.58 205	0.30 185	0.57 250	0.29 167	0.57 238	0.29 172	0.57 244	0.29 175	0.57 250	0.29 177	0.56 245	0.29 169	0.52 233	0.30 170	0.53 251	0.31 196	0.53 224	0.30 178

GES	0.66 217	2.34 315	0.29 150	0.41 171	0.29 176	0.41 198	0.29 167	0.42 204	0.29 172	0.40 177	0.41 223	0.41 196	0.30 182	0.51 237	0.29 169	0.32 159	0.29 162	0.32 157	2.46 392	2.49 365	0.30 178

UCFNet_RVC	2.75 384	10.06 394	0.29 150	10.31 412	0.29 176	0.42 214	0.29 167	0.43 206	0.29 172	0.42 200	0.29 175	0.42 212	9.87 412	0.43 211	0.29 169	0.36 173	9.84 412	0.36 187	0.26 164	9.77 411	0.26 149

LargeStereo	0.34 144	0.43 139	0.30 154	0.40 162	0.29 176	0.40 183	0.29 167	0.40 175	0.29 172	0.40 177	0.29 175	0.40 186	0.29 177	0.40 186	0.30 176	0.38 184	0.29 162	0.37 189	0.29 183	0.37 172	0.29 170

IGEV-Stereo	0.35 150	0.44 140	0.45 204	0.49 192	0.30 185	0.37 173	0.30 172	0.36 158	0.30 182	0.36 163	0.29 175	0.36 169	0.29 177	0.36 171	0.30 176	0.46 215	0.39 192	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 144	0.42 138	0.31 160	0.39 150	0.30 185	0.38 176	0.30 172	0.40 175	0.29 172	0.40 177	0.37 207	0.41 196	0.34 194	0.38 176	0.30 176	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

RAFT + AFF	0.31 134	0.45 142	0.34 174	0.39 150	0.28 170	0.38 176	0.33 184	0.29 143	0.31 184	0.30 147	0.30 184	0.29 154	0.27 168	0.29 156	0.30 176	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 187

DANet	0.30 131	0.30 105	0.30 154	0.30 128	0.30 185	0.30 151	0.30 172	0.30 145	0.30 182	0.30 147	0.30 184	0.30 155	0.30 182	0.30 157	0.30 176	0.30 156	0.30 170	0.30 155	0.30 191	0.30 143	0.30 178
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
iRaft-Stereo_20w	0.34 144	0.41 131	0.31 160	0.39 150	0.29 176	0.40 183	0.32 177	0.41 188	0.32 188	0.38 168	0.30 184	0.39 180	0.30 182	0.38 176	0.32 181	0.35 170	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

FCDSN-DC	0.41 175	0.59 168	0.64 238	0.54 201	0.33 201	0.50 239	0.37 204	0.42 204	0.40 215	0.61 249	0.43 231	0.50 241	0.49 241	0.38 176	0.32 181	0.28 149	0.23 138	0.26 143	0.22 145	0.35 164	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRS	0.41 175	1.49 281	0.32 163	0.42 179	0.32 192	0.41 198	0.32 177	0.41 188	0.33 191	0.41 189	0.32 188	0.41 196	0.32 187	0.41 199	0.32 181	0.39 190	0.28 153	0.39 200	0.28 174	0.40 188	0.28 166

MyStereo04	0.56 210	3.72 346	0.59 231	0.49 192	0.41 229	0.36 168	0.32 177	0.37 164	0.31 184	0.34 157	0.46 236	0.35 164	0.32 187	0.35 166	0.33 184	0.49 227	0.45 209	0.34 171	0.32 200	0.35 164	0.43 222

PCWNet_CMD	2.80 386	9.82 392	0.32 163	10.09 411	0.32 192	0.49 233	0.33 184	3.34 389	0.33 191	0.49 224	0.33 191	0.49 229	8.73 408	0.48 226	0.33 184	0.41 200	9.22 407	0.42 224	0.29 183	9.55 410	0.31 183

CFNet_ucs	2.73 383	9.64 391	0.33 167	9.92 409	0.32 192	0.49 233	0.33 184	0.49 220	0.33 191	0.49 224	0.33 191	0.49 229	8.98 410	0.48 226	0.33 184	0.41 200	9.96 413	0.40 204	0.29 183	10.12 413	0.54 244

RAFT-Test	0.36 153	0.37 113	0.33 167	0.41 171	0.32 192	0.41 198	0.32 177	0.41 188	0.32 188	0.41 189	0.32 188	0.41 196	0.32 187	0.41 199	0.33 184	0.37 177	0.29 162	0.37 189	0.29 183	0.38 179	0.31 183

RCA-Stereo	0.51 205	3.22 338	0.34 174	0.44 180	0.34 207	0.44 219	0.34 193	0.43 206	0.34 198	0.43 204	0.34 197	0.44 215	0.33 191	0.43 211	0.33 184	0.38 184	0.29 162	0.38 196	0.29 183	0.38 179	0.29 170

CFNet_pseudo	2.67 382	9.36 389	0.32 163	10.99 413	0.33 201	0.85 275	0.33 184	0.49 220	0.33 191	0.49 224	0.32 188	0.49 229	7.26 406	0.49 232	0.33 184	0.41 200	9.62 410	0.41 215	0.29 183	10.03 412	0.29 170

pcwnet_v2	2.66 381	9.89 393	0.33 167	9.89 408	0.32 192	0.50 239	0.32 177	0.49 220	0.33 191	0.49 224	0.34 197	0.49 229	8.76 409	0.48 226	0.33 184	0.41 200	9.58 409	0.40 204	0.29 183	9.01 408	0.63 258

HCRNet	1.22 335	7.11 375	3.00 387	3.55 376	0.33 201	0.29 150	0.14 113	0.19 112	0.15 127	0.33 155	0.29 175	0.25 139	0.14 117	0.22 130	0.33 184	3.64 386	3.00 382	0.76 274	0.32 200	0.18 114	0.13 113

ccnet	0.80 241	2.28 314	0.33 167	0.50 198	0.33 201	0.50 239	0.33 184	0.50 227	0.33 191	0.49 224	0.33 191	0.49 229	1.56 366	2.38 378	0.33 184	0.41 200	0.29 162	0.42 224	1.57 375	2.28 361	0.29 170

CFNet-RSSM	0.91 265	4.89 366	0.34 174	0.44 180	1.07 312	1.62 365	1.40 371	0.91 270	0.35 201	1.60 359	1.39 370	0.64 254	0.34 194	0.44 213	0.33 184	0.41 200	0.35 179	0.75 271	0.30 191	0.41 196	0.29 170

psmorigin	0.41 175	0.46 144	0.33 167	0.49 192	0.33 201	0.49 233	0.33 184	0.49 220	0.33 191	0.49 224	0.33 191	0.49 229	0.33 191	0.51 237	0.33 184	0.41 200	0.30 170	0.41 215	0.30 191	0.79 248	0.29 170

MSMDNet	2.65 380	10.14 395	0.33 167	9.74 406	0.32 192	0.87 276	0.33 184	2.95 385	0.68 270	0.49 224	0.34 197	0.49 229	5.70 402	0.49 232	0.33 184	0.42 213	9.57 408	0.41 215	0.31 196	8.36 406	0.65 260

ccs_rob	2.79 385	10.17 396	0.32 163	10.00 410	0.33 201	0.49 233	0.33 184	1.90 362	0.32 188	0.51 234	0.33 191	0.49 229	9.24 411	0.49 232	0.33 184	0.41 200	9.82 411	0.41 215	0.28 174	9.34 409	0.29 170

H2IRNET	0.34 144	0.34 108	0.34 174	0.34 137	0.34 207	0.34 162	0.34 193	0.34 152	0.34 198	0.34 157	0.34 197	0.34 163	0.34 194	0.34 164	0.34 197	0.34 163	0.34 177	0.34 171	0.34 206	0.34 152	0.34 195

Former-RAFT_DAM_RVC	0.49 202	0.98 196	0.64 238	0.84 233	0.46 240	0.45 220	0.35 196	0.47 214	0.47 235	0.45 208	0.34 197	0.46 216	0.48 236	0.46 216	0.35 198	0.39 190	0.71 257	0.39 200	0.35 209	0.41 196	0.41 216

ETE_ROB	0.35 150	0.35 109	0.35 178	0.35 138	0.35 210	0.35 165	0.35 196	0.35 154	0.35 201	0.35 160	0.35 202	0.35 164	0.35 197	0.35 166	0.35 198	0.35 170	0.35 179	0.35 182	0.35 209	0.35 164	0.35 196

MoCha-V2	1.98 356	31.61 422	0.36 179	0.70 217	0.35 210	0.47 226	0.35 196	0.44 208	0.34 198	0.46 209	0.36 203	0.49 229	0.38 202	0.46 216	0.36 200	0.43 214	0.34 177	0.44 226	0.37 216	0.44 203	0.39 208

CES	0.39 166	0.47 148	0.36 179	0.36 142	0.37 213	0.45 220	0.35 196	0.35 154	0.40 215	0.36 163	0.44 233	0.47 222	0.36 198	0.44 213	0.36 200	0.37 177	0.39 192	0.44 226	0.35 209	0.37 172	0.36 197

GMOStereo	0.37 155	0.45 142	0.23 131	0.30 128	0.37 213	0.41 198	0.36 200	0.41 188	0.35 201	0.43 204	0.36 203	0.41 196	0.40 208	0.41 199	0.36 200	0.34 163	0.22 134	0.47 234	0.37 216	0.39 185	0.33 190

error version	0.93 270	4.47 360	2.35 382	1.99 349	0.37 213	0.41 198	0.36 200	0.41 188	0.35 201	0.43 204	0.36 203	0.41 196	0.40 208	0.41 199	0.36 200	1.87 363	2.16 375	0.47 234	0.37 216	0.39 185	0.33 190

test_1	0.93 270	4.47 360	2.35 382	1.99 349	0.37 213	0.41 198	0.36 200	0.41 188	0.35 201	0.43 204	0.36 203	0.41 196	0.40 208	0.41 199	0.36 200	1.87 363	2.16 375	0.47 234	0.37 216	0.39 185	0.33 190

DMCA	0.36 153	0.38 115	0.37 181	0.35 138	0.35 210	0.36 168	0.36 200	0.36 158	0.35 201	0.35 160	0.37 207	0.36 169	0.36 198	0.35 166	0.36 200	0.36 173	0.36 181	0.35 182	0.36 213	0.36 170	0.36 197

ADCS	0.09 38	0.02 12	0.04 31	0.90 237	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 200	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

XPNet_ROB	0.37 155	0.37 113	0.37 181	0.37 145	0.37 213	0.37 173	0.37 204	0.37 164	0.37 207	0.37 167	0.37 207	0.37 174	0.37 200	0.37 175	0.37 207	0.37 177	0.37 183	0.37 189	0.37 216	0.37 172	0.37 200

WAO-8	0.38 161	0.38 115	0.38 183	0.38 146	0.38 218	0.38 176	0.38 209	0.38 167	0.38 209	0.38 168	0.38 212	0.38 176	0.38 202	0.38 176	0.38 208	0.38 184	0.38 187	0.38 196	0.37 216	0.38 179	0.38 204

WAO-7	0.38 161	0.38 115	0.38 183	0.38 146	0.38 218	0.38 176	0.38 209	0.38 167	0.38 209	0.38 168	0.38 212	0.38 176	0.38 202	0.38 176	0.38 208	0.38 184	0.38 187	0.38 196	0.38 223	0.38 179	0.38 204

Venus	0.38 161	0.38 115	0.38 183	0.38 146	0.38 218	0.37 173	0.38 209	0.37 164	0.37 207	0.41 189	0.37 207	0.39 180	0.37 200	0.38 176	0.38 208	0.37 177	0.38 187	0.38 196	0.37 216	0.37 172	0.38 204

IMH	0.38 161	0.38 115	0.38 183	0.38 146	0.38 218	0.38 176	0.38 209	0.38 167	0.38 209	0.42 200	0.38 212	0.40 186	0.38 202	0.38 176	0.38 208	0.38 184	0.38 187	0.39 200	0.38 223	0.38 179	0.38 204

iRaftStereo_RVC	0.97 274	3.17 337	2.30 381	2.42 361	0.38 218	0.54 244	0.38 209	0.54 233	0.38 209	0.54 239	0.38 212	0.54 243	0.38 202	0.54 240	0.38 208	2.38 377	2.34 379	0.49 245	0.36 213	0.49 216	0.36 197

LL-Strereo2	0.48 199	1.73 292	0.51 224	0.59 207	0.34 207	0.42 214	0.33 184	0.40 175	0.31 184	0.42 200	0.33 191	0.42 212	0.31 186	0.44 213	0.39 213	0.60 240	0.51 229	0.44 226	0.33 205	0.44 203	0.33 190

HanzoNet	0.39 166	0.38 115	0.40 188	0.39 150	0.41 229	0.38 176	0.38 209	0.38 167	0.38 209	0.39 173	0.39 216	0.38 176	0.38 202	0.39 183	0.40 214	0.38 184	0.38 187	0.40 204	0.38 223	0.38 179	0.40 209

knoymous	0.40 169	0.40 124	0.40 188	0.40 162	0.40 223	0.40 183	0.40 215	0.40 175	0.40 215	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

anonymousa	0.40 169	0.40 124	0.40 188	0.40 162	0.40 223	0.40 183	0.40 215	0.40 175	0.40 215	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

riskmin	0.40 169	0.40 124	0.40 188	0.40 162	0.40 223	0.40 183	0.40 215	0.40 175	0.40 215	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

Anonymous_2	0.40 169	0.40 124	0.40 188	0.40 162	0.40 223	0.40 183	0.40 215	0.40 175	0.40 215	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

Anonymous_1	0.40 169	0.40 124	0.40 188	0.40 162	0.40 223	0.40 183	0.40 215	0.40 175	0.40 215	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

AdaStereo	0.40 169	0.40 124	0.40 188	0.40 162	0.40 223	0.40 183	0.40 215	0.40 175	0.40 215	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209
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.
GwcNet-ADL	0.41 175	0.41 131	0.41 196	0.41 171	0.41 229	0.41 198	0.41 221	0.41 188	0.41 224	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

PSMNet-ADL	0.41 175	0.41 131	0.41 196	0.41 171	0.41 229	0.41 198	0.41 221	0.41 188	0.41 224	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

GANet-ADL	0.41 175	0.41 131	0.41 196	0.41 171	0.41 229	0.41 198	0.41 221	0.41 188	0.41 224	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

ADLNet2	0.41 175	0.41 131	0.41 196	0.41 171	0.41 229	0.41 198	0.41 221	0.41 188	0.41 224	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

ADLNet	0.41 175	0.41 131	0.41 196	0.41 171	0.41 229	0.41 198	0.41 221	0.41 188	0.41 224	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

Anonymous Stereo	2.36 369	18.47 399	11.50 412	9.80 407	0.53 259	0.28 147	0.50 246	0.58 240	0.53 251	0.59 247	0.53 258	0.66 259	0.52 247	0.62 251	0.41 221	0.36 173	0.37 183	0.31 156	0.19 140	0.20 117	0.22 131

SPstereo	0.47 194	0.38 115	0.51 224	0.56 203	0.31 189	0.67 259	0.44 228	0.55 234	0.31 184	0.61 249	0.44 233	0.46 216	0.52 247	0.67 258	0.42 227	0.48 224	0.40 194	0.47 234	0.36 213	0.53 224	0.33 190

CFNet_RVC	2.38 374	8.71 385	0.38 183	9.33 403	0.42 237	0.56 246	0.42 226	0.60 243	0.38 209	0.62 251	0.42 229	0.56 248	7.29 407	0.62 251	0.42 227	0.53 234	0.37 183	0.49 245	0.34 206	8.30 405	6.87 411

DispNO	1.00 277	0.63 169	0.43 201	3.45 375	0.44 238	0.65 257	0.43 227	0.64 248	0.43 229	0.64 253	0.43 231	0.64 254	3.03 385	0.64 254	0.43 229	4.55 392	0.43 208	0.63 256	0.43 238	0.63 229	0.43 222

MyStereo06	0.75 233	4.12 354	0.60 232	0.63 210	0.61 268	0.62 254	0.66 263	0.56 236	0.45 231	0.55 241	0.48 246	0.54 243	0.46 226	0.57 248	0.45 230	0.60 240	0.57 236	0.64 257	0.55 255	0.72 239	0.55 248

CASnet	0.35 150	0.51 160	0.44 202	0.32 134	0.31 189	0.24 132	0.34 193	0.36 158	0.25 151	0.31 149	0.37 207	0.30 155	0.33 191	0.25 140	0.45 230	0.37 177	0.37 183	0.33 164	0.35 209	0.34 152	0.37 200
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
otaku	0.46 189	0.46 144	0.46 206	0.46 182	0.46 240	0.46 222	0.46 230	0.46 209	0.46 232	0.46 209	0.46 236	0.46 216	0.46 226	0.46 216	0.46 232	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

Dean	0.46 189	0.46 144	0.46 206	0.46 182	0.46 240	0.46 222	0.46 230	0.46 209	0.46 232	0.47 215	0.46 236	0.46 216	0.46 226	0.46 216	0.46 232	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

ACVNet_1	0.46 189	0.47 148	0.46 206	0.46 182	0.46 240	0.46 222	0.46 230	0.46 209	0.47 235	0.46 209	0.46 236	0.46 216	0.46 226	0.46 216	0.46 232	0.46 215	0.46 211	0.47 234	0.46 240	0.46 205	0.46 226

ACVNet-4b	0.46 189	0.46 144	0.46 206	0.46 182	0.46 240	0.46 222	0.46 230	0.46 209	0.46 232	0.46 209	0.46 236	0.46 216	0.46 226	0.47 221	0.46 232	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

Ntro	0.47 194	0.47 148	0.46 206	0.46 182	0.46 240	0.47 226	0.47 236	0.46 209	0.47 235	0.46 209	0.46 236	0.47 222	0.46 226	0.47 221	0.47 236	0.47 220	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

HaxPig	0.47 194	0.47 148	0.47 211	0.49 192	0.47 246	0.47 226	0.47 236	0.47 214	0.47 235	0.47 215	0.47 243	0.47 222	0.47 235	0.47 221	0.47 236	0.47 220	0.47 217	0.47 234	0.47 246	0.47 211	0.48 234

UNDER WATER	0.47 194	0.47 148	0.47 211	0.47 187	0.47 246	0.47 226	0.47 236	0.47 214	0.47 235	0.47 215	0.47 243	0.47 222	0.46 226	0.47 221	0.47 236	0.47 220	0.47 217	0.47 234	0.46 240	0.47 211	0.47 231

LVE	0.47 194	0.47 148	0.47 211	0.47 187	0.49 251	0.47 226	0.47 236	0.47 214	0.49 243	0.47 215	0.47 243	0.47 222	0.46 226	0.47 221	0.47 236	0.47 220	0.47 217	0.48 242	0.47 246	0.47 211	0.47 231

AEACV	1.12 288	0.52 161	3.12 388	3.24 372	0.86 295	0.53 243	0.49 244	0.60 243	0.47 235	0.53 238	0.49 250	0.55 246	0.45 225	0.55 242	0.47 236	3.01 382	3.88 385	0.71 267	0.60 263	0.80 251	0.48 234

whm_eth	0.63 213	1.48 280	0.47 211	0.71 220	0.48 248	0.71 263	0.48 241	0.71 254	0.48 241	0.71 260	0.48 246	0.71 261	0.48 236	0.72 263	0.48 241	0.71 253	0.47 217	0.71 267	0.47 246	0.71 238	0.47 231

RainbowNet	0.48 199	0.48 154	0.48 216	0.48 190	0.48 248	0.48 231	0.48 241	0.48 218	0.48 241	0.48 219	0.48 246	0.48 227	0.48 236	0.48 226	0.48 241	0.48 224	0.48 221	0.48 242	0.48 249	0.48 214	0.48 234

notaker	0.48 199	0.49 155	0.48 216	0.48 190	0.48 248	0.48 231	0.48 241	0.48 218	0.49 243	0.48 219	0.48 246	0.48 227	0.48 236	0.48 226	0.48 241	0.48 224	0.48 221	0.48 242	0.48 249	0.48 214	0.49 237

ACVNet_2	0.49 202	0.49 155	0.49 220	0.49 192	0.49 251	0.49 233	0.49 244	0.49 220	0.49 243	0.49 224	0.49 250	0.49 229	0.49 241	0.49 232	0.49 244	0.49 227	0.49 223	0.49 245	0.49 251	0.49 216	0.49 237

LL-Strereo	1.01 281	5.06 369	1.63 364	0.70 217	1.43 377	0.56 246	0.46 230	0.57 238	0.50 246	0.57 244	0.50 252	1.58 363	0.49 241	0.59 250	0.50 245	1.64 357	0.52 230	0.51 249	1.37 366	0.52 222	0.45 225

SANet	0.50 204	0.50 157	0.50 222	0.50 198	0.50 254	0.50 239	0.50 246	0.50 227	0.50 246	0.50 233	0.50 252	0.50 241	0.50 244	0.50 236	0.50 245	0.50 231	0.50 228	0.50 248	0.50 253	0.50 220	0.50 240

ktn	0.72 230	0.53 162	1.08 284	1.14 267	0.51 255	1.22 353	1.36 365	0.51 231	0.59 258	0.51 234	0.51 255	0.69 260	1.20 305	0.67 258	0.51 247	0.51 232	0.49 223	0.58 254	0.66 271	0.52 222	0.53 243

MyStereo8	0.71 227	3.92 353	0.52 226	0.59 207	0.52 256	0.57 250	0.53 249	0.59 242	0.50 246	0.59 247	0.51 255	0.57 250	0.50 244	0.56 245	0.52 248	0.54 235	0.49 223	0.54 252	0.49 251	0.55 227	0.50 240

KSHMR	0.66 217	0.50 157	0.48 216	1.15 269	0.52 256	0.49 233	0.51 248	0.49 220	0.71 278	0.67 256	0.50 252	1.16 307	1.11 294	0.66 256	0.52 248	0.49 227	0.49 223	0.51 249	0.66 271	0.50 220	1.14 309

MyStereo03	0.84 256	4.93 367	0.68 249	0.90 237	0.74 288	0.56 246	0.46 230	0.55 234	0.52 250	0.74 267	0.56 261	0.56 248	0.46 226	0.81 272	0.54 250	0.59 238	0.52 230	0.75 271	0.68 275	0.68 232	0.65 260

test-3	0.98 276	4.13 356	1.85 374	1.85 341	0.61 268	0.69 260	0.37 204	0.63 247	0.61 262	0.66 255	0.51 255	0.73 265	0.44 224	0.57 248	0.54 250	1.68 358	1.81 373	0.40 204	0.43 238	0.66 230	0.50 240

PSMNet_ROB	0.54 207	0.54 165	0.54 227	0.54 201	0.53 259	0.54 244	0.54 250	0.53 232	0.54 255	0.54 239	0.54 259	0.54 243	0.53 249	0.54 240	0.54 250	0.54 235	0.53 232	0.54 252	0.54 254	0.54 226	0.54 244

MyStereo05	0.80 241	4.12 354	0.63 236	0.63 210	0.61 268	0.62 254	0.66 263	0.65 249	0.62 263	0.67 256	0.61 266	0.65 257	0.58 252	0.67 258	0.55 253	0.60 240	0.57 236	0.64 257	0.55 255	0.72 239	0.55 248

MyStereo02	0.85 259	4.58 362	0.64 238	0.76 225	0.65 273	0.75 265	0.61 255	0.60 243	0.53 251	0.80 270	0.64 270	0.78 270	0.66 260	0.55 242	0.57 254	0.70 250	0.66 248	0.68 261	0.62 266	0.72 239	0.59 252

MyStereo	0.85 259	4.58 362	0.64 238	0.76 225	0.65 273	0.75 265	0.61 255	0.60 243	0.53 251	0.80 270	0.64 270	0.78 270	0.66 260	0.55 242	0.57 254	0.70 250	0.66 248	0.68 261	0.62 266	0.72 239	0.59 252

CASS	0.57 211	0.89 183	0.56 228	0.57 204	0.56 261	0.56 246	0.56 251	0.56 236	0.53 251	0.57 244	0.57 263	0.59 252	0.48 236	0.56 245	0.57 254	0.55 237	0.56 235	0.47 234	0.56 258	0.62 228	0.56 251
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 213	0.69 171	0.56 228	0.71 220	0.56 261	0.71 263	0.56 251	0.71 254	0.56 256	0.72 261	0.56 261	0.71 261	0.56 251	0.71 262	0.58 257	0.68 246	0.55 233	0.68 261	0.55 255	0.68 232	0.54 244

UDG	0.80 241	2.21 312	0.60 232	0.91 240	0.60 263	0.90 280	0.58 253	0.88 268	0.60 259	0.90 277	0.60 264	0.88 279	0.60 254	0.90 281	0.58 257	0.86 267	0.60 238	0.84 283	0.59 262	0.84 256	0.61 255

DDUNet	0.81 246	2.45 316	0.57 230	0.90 237	0.60 263	0.88 277	0.59 254	0.90 269	0.60 259	0.88 276	0.60 264	0.90 282	0.58 252	0.88 278	0.60 259	0.84 266	0.60 238	0.86 285	0.57 259	0.86 257	0.60 254

ARAFT	0.68 222	0.81 180	0.63 236	0.74 223	0.60 263	0.78 270	0.62 258	0.77 259	0.66 268	0.74 267	0.63 268	0.75 267	0.62 255	0.83 273	0.60 259	0.70 250	0.55 233	0.70 266	0.60 263	0.78 246	0.55 248

RAFT-Stereo + iAFF	0.70 225	0.72 173	0.71 253	0.80 229	0.62 271	0.82 274	0.61 255	0.81 264	0.62 263	0.81 274	0.63 268	0.80 274	0.70 268	0.73 265	0.61 261	0.76 256	0.61 242	0.74 270	0.61 265	0.77 245	0.61 255

MyStereo07	0.60 212	3.72 346	0.48 216	0.49 192	0.41 229	0.36 168	0.32 177	0.49 220	0.43 229	0.51 234	0.42 229	0.49 229	0.43 223	0.51 237	0.64 262	0.49 227	0.45 209	0.34 171	0.32 200	0.35 164	0.43 222

test croco	1.88 354	3.16 336	0.64 238	3.10 370	0.65 273	3.10 387	0.64 260	3.12 386	0.65 266	3.10 387	0.65 274	3.11 387	0.65 258	3.12 386	0.65 263	3.12 383	0.65 246	3.13 387	0.65 269	3.13 372	0.65 260

DSFCA	0.66 217	0.73 174	0.78 261	0.65 212	0.65 273	0.64 256	0.64 260	0.65 249	0.63 265	0.64 253	0.64 270	0.64 254	0.64 256	0.65 255	0.65 263	0.65 243	0.65 246	0.65 259	0.65 269	0.66 230	0.64 259

LMCR-Stereo	0.65 215	0.63 169	0.65 243	0.65 212	0.65 273	0.66 258	0.63 259	0.58 240	0.65 266	0.63 252	0.64 270	0.65 257	0.65 258	0.66 256	0.66 265	0.66 244	0.64 245	0.65 259	0.67 274	0.68 232	0.73 272

CoDeX	0.15 89	0.70 172	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 266	0.02 14	0.69 254	0.75 271	0.01 9	0.02 19	0.02 19

Selective-IGEV	0.51 205	0.55 167	0.45 204	0.69 215	0.45 239	0.61 253	0.45 229	0.50 227	0.40 215	0.56 243	0.44 233	0.55 246	0.40 208	0.72 263	0.67 266	0.59 238	0.46 211	0.45 229	0.34 206	0.46 205	0.37 200

AFF-stereo	0.73 231	0.88 182	0.67 246	0.75 224	0.68 281	0.75 265	0.64 260	0.80 261	0.72 279	0.83 275	0.70 280	0.82 277	0.64 256	0.84 274	0.67 266	0.77 257	0.63 243	0.81 280	0.63 268	0.78 246	0.62 257

STTRV1_RVC	0.82 250	1.60 285	0.70 250	1.01 256	0.60 263	1.07 296	0.69 270	1.01 283	0.60 259	0.72 261	0.55 260	1.02 295	0.68 265	1.03 295	0.67 266	0.89 269	0.63 243	0.92 289	0.57 259	0.90 260	0.65 260

MIF-Stereo (partial)	2.58 379	3.31 340	0.66 244	3.18 371	0.66 278	3.18 388	0.66 263	3.21 387	0.67 269	3.19 388	0.66 276	3.19 388	0.66 260	3.31 390	0.68 270	5.09 394	1.79 372	8.23 412	1.67 379	6.18 397	1.38 371

MIF-Stereo	2.03 360	3.43 341	0.72 254	3.42 374	0.73 286	3.27 390	0.68 267	3.38 390	0.69 273	3.29 390	0.72 284	3.28 390	0.70 268	3.35 391	0.68 270	3.39 385	0.68 250	3.31 389	0.69 278	3.37 374	0.73 272

R-Stereo Train	0.81 246	0.96 194	0.67 246	0.95 247	0.67 279	0.95 285	0.68 267	0.95 278	0.68 270	0.95 285	0.68 277	0.96 289	0.68 265	0.96 289	0.68 270	0.94 275	0.68 250	0.94 291	0.68 275	0.94 267	0.68 265

RAFT-Stereo	0.81 246	0.96 194	0.67 246	0.95 247	0.67 279	0.95 285	0.68 267	0.95 278	0.68 270	0.95 285	0.68 277	0.96 289	0.68 265	0.96 289	0.68 270	0.94 275	0.68 250	0.94 291	0.68 275	0.94 267	0.68 265
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HH	0.71 227	2.54 318	0.74 257	1.10 262	0.32 192	0.41 198	0.37 204	0.69 252	0.78 283	0.73 263	0.90 294	0.75 267	1.00 286	0.84 274	0.69 274	0.69 247	0.40 194	0.35 182	0.26 164	0.35 164	0.26 149

HanStereo	0.71 227	2.54 318	0.74 257	1.10 262	0.32 192	0.41 198	0.37 204	0.69 252	0.78 283	0.73 263	0.90 294	0.75 267	1.00 286	0.84 274	0.69 274	0.69 247	0.40 194	0.35 182	0.26 164	0.35 164	0.26 149

DMCA-RVC	0.70 225	0.80 177	0.70 250	0.70 217	0.70 282	0.70 261	0.70 271	0.71 254	0.70 275	0.70 259	0.71 282	0.71 261	0.70 268	0.70 261	0.69 274	0.69 247	0.70 255	0.69 264	0.70 279	0.69 236	0.70 267

MSMD_ROB	1.19 289	1.10 215	0.70 250	1.10 262	0.60 263	1.10 299	0.70 271	1.10 288	0.70 275	1.10 295	0.70 280	1.10 301	0.70 268	7.00 412	0.70 277	1.10 285	0.70 255	1.10 303	0.70 279	1.10 276	0.70 267

DCRE	0.84 256	1.89 296	0.77 260	0.94 245	0.72 285	0.88 277	0.73 274	0.87 266	0.78 283	0.90 277	0.71 282	0.88 279	0.67 264	0.88 278	0.73 278	0.81 262	0.68 250	0.81 280	0.70 279	0.82 255	0.70 267

iGMRVC	0.84 256	2.85 332	0.72 254	0.72 222	0.73 286	0.77 268	0.79 278	0.73 257	0.74 282	0.73 263	0.72 284	0.73 265	0.76 274	0.73 265	0.73 278	0.72 255	0.73 258	0.73 269	0.72 282	0.73 244	0.72 270

PA-Net	11.80 412	223.51 435	0.62 235	0.59 207	0.71 283	0.59 252	0.73 274	0.67 251	0.73 280	0.55 241	0.61 266	0.60 253	0.74 272	0.63 253	0.73 278	0.66 244	0.60 238	0.69 264	0.66 271	0.72 239	0.65 260
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SFCPSM	0.17 98	0.78 175	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 281	0.02 14	0.75 260	0.76 274	0.02 20	0.02 19	0.02 19

G-Net	0.79 239	0.79 176	0.79 263	0.79 227	0.79 291	0.79 271	0.79 278	0.79 260	0.79 286	0.79 269	0.79 289	0.79 273	0.79 276	0.79 269	0.79 281	0.79 258	0.79 262	0.79 276	0.79 286	0.79 248	0.79 278

HSM-Net_RVC	0.95 273	1.17 220	0.78 261	1.18 276	0.71 283	1.16 306	0.75 276	1.09 287	0.80 287	1.10 295	0.75 287	1.17 308	0.74 272	1.17 307	0.80 283	1.13 291	0.73 258	1.17 310	0.77 284	1.16 281	0.72 270
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 241	0.80 177	0.80 264	0.80 229	0.80 293	0.80 272	0.80 280	0.80 261	0.80 287	0.80 270	0.80 290	0.80 274	0.80 277	0.80 270	0.80 283	0.80 259	0.80 265	0.80 278	0.80 287	0.80 251	0.80 279

CSAN	0.80 241	0.80 177	0.80 264	0.80 229	0.80 293	0.80 272	0.80 280	0.80 261	0.80 287	0.80 270	0.80 290	0.80 274	0.80 277	0.80 270	0.80 283	0.80 259	0.80 265	0.80 278	0.80 287	0.80 251	0.80 279

ToySt	0.92 266	2.11 306	0.90 269	0.95 247	0.79 291	0.99 287	0.78 277	0.94 277	0.81 290	0.94 284	0.78 288	0.95 288	0.77 275	0.94 285	0.86 286	0.91 270	0.79 262	0.85 284	0.77 284	0.89 259	0.73 272

DPSimNet_ROB	0.97 274	1.18 222	0.81 266	1.10 262	0.91 300	1.02 292	0.82 282	1.04 285	0.91 292	1.03 292	0.86 293	1.28 358	0.82 279	1.03 295	0.89 287	1.17 293	0.81 267	1.02 301	0.82 290	1.08 275	0.81 281

DGTPSM_ROB	0.93 270	1.00 199	0.92 272	0.94 245	0.96 304	0.91 281	0.92 287	0.91 270	0.96 299	0.91 279	0.96 300	0.93 287	0.92 282	0.94 285	0.92 288	0.92 271	0.92 272	0.90 286	0.92 293	0.94 267	0.91 288

DPSM_ROB	0.92 266	0.91 186	0.91 270	0.91 240	0.92 301	0.92 282	0.92 287	0.92 273	0.91 292	0.93 282	0.91 296	0.92 284	0.90 280	0.91 282	0.92 288	0.92 271	0.91 270	0.91 287	0.92 293	0.93 265	0.93 290

DPSM	0.92 266	0.91 186	0.91 270	0.91 240	0.92 301	0.92 282	0.92 287	0.92 273	0.91 292	0.93 282	0.91 296	0.92 284	0.90 280	0.91 282	0.92 288	0.92 271	0.91 270	0.91 287	0.92 293	0.93 265	0.93 290

pmcnn	0.92 266	0.92 191	0.92 272	0.92 243	0.92 301	0.92 282	0.92 287	0.92 273	0.92 296	0.92 280	0.92 299	0.92 284	0.92 282	0.92 284	0.92 288	0.92 271	0.92 272	0.92 289	0.92 293	0.92 264	0.92 289

Selective-RAFT	0.89 264	0.89 183	0.72 254	1.16 274	0.78 290	1.06 293	0.82 282	0.87 266	0.97 300	1.00 287	0.91 296	0.90 282	1.00 286	0.89 280	0.93 292	0.83 264	0.83 268	0.82 282	0.82 290	0.81 254	0.82 282

Selective-RAFT-Error	0.88 262	0.84 181	0.98 277	0.86 235	0.97 305	0.88 277	0.95 291	0.84 265	0.99 302	0.92 280	0.82 292	0.84 278	0.98 285	0.87 277	0.97 293	0.81 262	0.83 268	0.79 276	0.82 290	0.79 248	0.85 284

4D-IteraStereo	0.78 238	3.13 335	0.89 267	0.69 215	0.32 192	0.40 183	0.32 177	0.76 258	0.97 300	0.52 237	0.65 274	0.89 281	0.32 187	0.76 268	0.98 294	0.83 264	0.94 274	0.35 182	0.27 170	0.70 237	0.89 287

StereoIM	3.19 388	6.02 373	1.12 285	5.61 388	1.16 318	5.43 406	1.02 298	5.15 405	0.70 275	5.43 404	1.21 359	5.03 406	0.97 284	4.85 402	0.99 295	4.53 391	1.16 295	5.53 405	1.25 360	5.37 393	1.30 364

GANet	1.00 277	1.00 199	1.00 279	1.00 253	1.00 306	1.00 288	1.00 294	1.00 280	1.00 303	1.00 287	1.00 301	1.00 291	1.00 286	1.00 291	1.00 296	1.00 277	1.00 275	1.00 297	1.00 297	1.00 270	1.00 296

TDLM	1.00 277	1.00 199	1.00 279	1.00 253	1.00 306	1.00 288	1.00 294	1.00 280	1.00 303	1.00 287	1.00 301	1.00 291	1.00 286	1.00 291	1.00 296	1.00 277	1.00 275	1.00 297	1.00 297	1.00 270	1.00 296

CVANet_RVC	1.00 277	1.00 199	1.00 279	1.00 253	1.00 306	1.00 288	1.00 294	1.00 280	1.00 303	1.00 287	1.00 301	1.00 291	1.00 286	1.00 291	1.00 296	1.00 277	1.00 275	1.00 297	1.00 297	1.00 270	1.00 296

panet	1.01 281	1.01 204	1.01 282	1.01 256	1.01 310	1.01 291	1.01 297	1.01 283	1.01 306	1.01 291	1.01 304	1.01 294	1.01 292	1.01 294	1.01 299	1.01 280	1.01 278	1.01 300	1.01 300	1.01 273	1.01 299

FC-DCNN	1.07 283	1.09 212	0.98 277	0.89 236	0.52 256	1.41 362	0.91 286	1.21 343	1.24 366	1.96 367	2.05 390	1.91 367	1.30 358	1.27 357	1.08 300	0.80 259	0.60 238	0.58 254	0.41 232	0.68 232	0.54 244

GLC_STEREO	1.07 283	1.01 204	1.06 283	1.07 260	1.05 311	1.06 293	1.08 300	1.08 286	1.05 308	1.07 293	1.06 305	1.08 297	1.05 293	1.06 297	1.10 301	1.07 282	1.09 286	1.05 302	1.05 301	1.06 274	1.12 305

IGEVStereo-DCA	1.77 351	4.21 357	1.84 372	2.49 363	2.11 390	2.54 381	1.36 365	1.65 358	1.17 315	2.75 383	1.90 384	2.54 382	1.15 298	0.94 285	1.11 302	1.50 353	1.32 347	0.96 293	1.46 373	1.49 345	0.88 285

rrr	1.77 351	4.21 357	1.84 372	2.49 363	2.11 390	2.54 381	1.36 365	1.65 358	1.17 315	2.75 383	1.90 384	2.54 382	1.15 298	0.94 285	1.11 302	1.50 353	1.32 347	0.96 293	1.46 373	1.49 345	0.88 285

NCC-stereo	2.36 369	25.52 411	1.17 290	1.15 269	1.17 319	1.11 302	1.11 301	1.15 289	1.16 311	1.10 295	1.16 309	1.10 301	1.15 298	1.14 305	1.13 304	1.09 283	1.11 290	1.15 305	1.16 308	1.17 286	1.17 311

Nwc_Net	2.37 372	25.95 413	1.15 289	1.14 267	1.15 314	1.08 297	1.14 304	1.17 292	1.16 311	1.14 302	1.15 306	1.08 297	1.15 298	1.11 303	1.14 305	1.10 285	1.11 290	1.16 306	1.09 303	1.16 281	1.15 310

TorneroNet	0.66 217	0.53 162	0.50 222	0.50 198	0.64 272	1.06 293	0.70 271	0.50 227	0.51 249	0.49 224	0.69 279	0.49 229	0.50 244	0.48 226	1.15 306	0.71 253	0.49 223	1.14 304	1.08 302	0.49 216	0.49 237

AF-Net	2.37 372	25.71 412	1.17 290	1.13 266	1.15 314	1.15 305	1.18 309	1.19 295	1.16 311	1.10 295	1.15 306	1.10 301	1.18 303	1.12 304	1.15 306	1.10 285	1.10 289	1.17 310	1.15 306	1.16 281	1.12 305

RP	2.33 367	25.00 409	1.13 286	1.15 269	1.15 314	1.10 299	1.15 305	1.15 289	1.15 310	1.12 300	1.15 306	1.09 299	1.13 295	1.10 301	1.15 306	1.11 290	1.09 286	1.16 306	1.12 304	1.16 281	1.17 311

edge stereo	2.43 375	27.07 416	1.14 287	1.06 259	1.14 313	1.08 297	1.17 308	1.16 291	1.14 309	1.10 295	1.16 309	1.09 299	1.16 302	1.10 301	1.16 309	1.10 285	1.11 290	1.16 306	1.19 310	1.13 277	1.11 303

Abc-Net	2.32 366	24.75 408	1.14 287	1.17 275	1.17 319	1.11 302	1.15 305	1.17 292	1.21 363	1.08 294	1.16 309	1.12 305	1.14 297	1.09 299	1.17 310	1.09 283	1.16 295	1.17 310	1.17 309	1.16 281	1.11 303
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 369	25.48 410	1.19 293	1.15 269	1.15 314	1.10 299	1.16 307	1.17 292	1.16 311	1.12 300	1.16 309	1.11 304	1.13 295	1.09 299	1.18 311	1.10 285	1.15 294	1.16 306	1.12 304	1.14 278	1.12 305

stereogan	2.33 367	24.38 407	1.18 292	1.18 276	1.18 321	1.14 304	1.18 309	1.19 295	1.19 317	1.14 302	1.18 313	1.14 306	1.18 303	1.14 305	1.18 311	1.14 292	1.14 293	1.19 313	1.19 310	1.15 279	1.19 313

DisPM	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

CrosDoStereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PFNet+	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

LCNet	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

HHNet	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

Patchmatch Stereo++	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314
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
AAGNet	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

STrans-v2	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

TransformOpticalFlow	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

OMP-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

IIG-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

NF-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

OCTAStereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PSM-softLoss	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

KMStereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

NRIStereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PSM-adaLoss	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PSM-AAD	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

FTStereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

ROB_FTStereo_v2	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

ROB_FTStereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

Consistency-Raft	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

KYRaft	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

HUI-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

ASMatch	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

DeepStereo_LL	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

DEmStereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

SST-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

THIR-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RAFT_R40	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

DRaft	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PFNet	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

GrayStereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RE-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

Pruner-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

TVStereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

DeepStereo_RVC	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RAFT-RH_RVC	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

IRAFT_RVC	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RAFT-345	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

iRAFT	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

CRE-IMP	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

GMM-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RAFT-IKP	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

Prome-Stereo	1.20 290	1.20 224	1.20 296	1.20 278	1.20 322	1.20 307	1.20 311	1.20 298	1.20 318	1.20 305	1.20 314	1.20 310	1.20 305	1.20 309	1.20 313	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

HBP-ISP	1.24 336	1.72 288	1.65 365	1.15 269	0.76 289	1.40 361	0.88 284	1.67 360	1.02 307	1.69 364	1.38 369	1.69 365	1.21 351	1.87 364	1.21 358	1.05 281	0.79 262	0.97 295	0.80 287	1.19 289	0.75 276

GANetREF_RVC	1.55 344	1.94 303	1.22 343	1.88 342	1.21 368	1.88 369	1.22 357	1.88 361	1.22 364	1.88 365	1.22 360	1.88 366	1.22 352	1.89 365	1.22 359	1.87 363	1.22 346	1.88 373	1.22 359	1.88 353	1.22 360
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
StereoVision	3.15 387	5.00 368	0.89 267	4.83 383	1.00 306	3.93 394	1.27 361	6.37 406	1.34 369	5.67 407	1.26 364	5.84 408	1.27 355	5.03 404	1.24 360	5.10 395	1.09 286	4.61 400	0.57 259	5.62 395	1.12 305

FAT-Stereo	2.46 376	26.05 414	1.23 345	1.23 325	1.22 369	1.20 307	1.24 359	1.23 346	1.23 365	1.19 304	1.22 360	1.21 355	1.24 353	1.20 309	1.24 360	1.21 340	1.17 297	1.22 360	1.25 360	1.20 290	1.24 362

S-Stereo	2.51 377	26.86 415	1.23 345	1.22 323	1.22 369	1.24 355	1.25 360	1.22 344	1.24 366	1.21 350	1.24 362	1.19 309	1.27 355	1.19 308	1.24 360	1.19 294	1.20 299	1.25 361	1.19 310	1.24 338	1.23 361

11t	1.27 338	2.70 325	1.34 349	1.32 328	0.89 296	1.30 357	1.34 363	1.64 357	0.57 257	1.45 357	0.72 284	1.05 296	1.29 357	1.07 298	1.29 363	1.49 352	1.02 279	0.97 295	1.15 306	1.48 344	1.31 365

SPS-STEREO	1.59 345	1.91 297	1.21 342	1.94 345	1.20 322	2.00 371	1.23 358	1.99 364	1.24 366	2.00 369	1.25 363	2.03 370	1.26 354	2.00 368	1.29 363	1.90 366	1.18 298	1.89 374	1.21 358	1.89 354	1.20 314
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MaskLacGwcNet_RVC	1.35 339	1.35 277	1.35 351	1.35 330	1.35 371	1.35 358	1.35 364	1.36 352	1.35 371	1.36 355	1.35 366	1.36 359	1.36 360	1.36 358	1.35 365	1.35 348	1.35 353	1.35 364	1.35 363	1.35 341	1.35 368

MC-Stereo	1.76 350	2.96 333	1.37 356	2.14 351	1.37 373	2.14 373	1.36 365	2.14 368	1.37 373	2.14 374	1.37 368	2.14 371	1.37 361	2.14 372	1.37 366	1.97 367	1.32 347	1.97 375	1.32 362	1.98 355	1.33 366

CC-Net-ROB	1.36 340	1.33 276	1.33 348	1.36 331	1.38 374	1.36 359	1.33 362	1.37 353	1.34 369	1.35 354	1.36 367	1.38 360	1.34 359	1.38 359	1.38 367	1.35 348	1.38 356	1.33 363	1.35 363	1.43 343	1.34 367

sCroCo_RVC	2.10 361	2.76 327	1.92 378	2.78 368	1.39 375	2.73 383	1.41 372	2.73 379	1.40 375	2.77 385	1.41 372	2.74 384	1.40 363	2.74 384	1.40 368	2.72 379	1.42 358	2.72 384	1.44 372	2.79 370	1.42 373

PS-NSSS	1.38 342	1.39 279	1.34 349	1.34 329	1.35 371	1.38 360	1.37 370	1.35 351	1.38 374	1.34 353	1.34 365	1.39 361	1.38 362	1.70 362	1.40 368	1.36 350	1.36 354	1.36 366	1.37 366	1.37 342	1.36 369

Anonymous	2.11 362	2.74 326	1.41 359	2.77 367	1.40 376	2.74 384	1.46 374	2.75 380	1.50 377	2.87 386	1.39 370	2.74 384	1.46 365	2.72 383	1.41 370	2.72 379	1.41 357	2.81 385	1.41 368	3.16 373	1.39 372

test_xeample3	1.10 285	1.81 293	0.61 234	0.84 233	0.49 251	0.77 268	0.66 263	0.92 273	1.40 375	0.68 258	0.46 236	0.78 270	0.54 250	1.72 363	1.48 371	1.34 347	1.52 361	1.35 364	1.67 379	1.33 340	1.55 375

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 372	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

DPSMNet_ROB	1.60 346	1.59 284	1.70 367	1.59 336	1.59 379	1.61 364	1.61 375	1.60 355	1.60 378	1.62 363	1.59 376	1.60 364	1.60 367	1.60 361	1.59 373	1.59 356	1.60 363	1.59 371	1.59 376	1.59 348	1.59 376

RAFT_CTSACE	1.92 355	3.71 345	1.72 369	1.88 342	1.72 383	2.04 372	1.42 373	2.18 369	1.89 389	2.02 370	1.97 386	1.95 368	2.06 375	1.93 366	1.62 374	1.76 359	1.66 367	2.02 376	1.73 385	1.73 350	1.43 374

Anonymous3	2.55 378	3.26 339	1.65 365	3.28 373	1.63 380	3.24 389	1.68 376	3.27 388	1.66 379	3.28 389	1.67 378	3.25 389	1.66 368	3.27 388	1.64 375	3.26 384	1.65 366	3.30 388	1.65 377	4.95 390	1.65 379

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 376	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 377	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

UDGNet	2.23 364	5.40 371	1.72 369	2.48 362	1.69 381	2.51 380	1.69 377	2.51 377	1.72 380	2.50 381	1.69 379	2.52 381	1.69 369	2.50 380	1.68 378	2.41 378	1.70 368	2.42 383	1.69 381	2.42 364	1.64 377

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 56	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 379	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

MFMNet_re	1.81 353	1.91 297	1.71 368	1.95 346	1.70 382	1.95 370	1.70 378	1.96 363	1.74 381	1.97 368	1.72 380	1.95 368	1.71 370	1.97 367	1.71 379	1.86 362	1.62 364	1.85 372	1.66 378	1.86 352	1.64 377

TRStereo	2.00 357	2.13 307	1.85 374	2.27 356	1.84 385	2.28 375	1.84 380	2.29 371	1.86 386	2.30 376	1.87 381	2.30 373	1.87 372	2.08 369	1.72 381	2.08 371	1.72 369	2.08 377	1.72 382	2.08 356	1.72 380

XX-Stereo	2.00 357	2.13 307	1.85 374	2.27 356	1.84 385	2.28 375	1.84 380	2.29 371	1.86 386	2.30 376	1.87 381	2.30 373	1.87 372	2.08 369	1.72 381	2.08 371	1.72 369	2.08 377	1.72 382	2.08 356	1.72 380

EAI-Stereo	2.00 357	2.13 307	1.85 374	2.27 356	1.84 385	2.28 375	1.84 380	2.29 371	1.86 386	2.30 376	1.87 381	2.30 373	1.87 372	2.08 369	1.72 381	2.08 371	1.72 369	2.08 377	1.72 382	2.08 356	1.72 380

FBW_ROB	2.12 363	2.46 317	1.77 371	2.49 363	1.79 384	2.38 379	1.83 379	2.46 376	1.78 382	2.48 380	1.97 386	2.40 380	1.78 371	2.42 379	1.83 384	2.31 375	1.85 374	2.38 382	1.82 386	2.35 363	1.84 384

RASNet	1.49 343	1.65 286	1.45 360	1.38 333	1.43 377	1.47 363	1.36 365	1.38 354	1.36 372	1.39 356	1.60 377	1.45 362	1.45 364	1.51 360	2.21 385	1.53 355	1.36 354	1.36 366	1.36 365	1.66 349	1.36 369

ff7	1.68 347	2.68 322	1.35 351	0.97 250	0.89 296	1.84 366	2.15 383	2.12 365	1.80 383	2.05 371	1.56 373	2.33 376	2.12 376	2.23 373	2.25 386	1.31 344	1.07 280	1.48 368	1.41 368	0.90 260	1.04 300

ffff	1.68 347	2.68 322	1.35 351	0.97 250	0.89 296	1.84 366	2.15 383	2.12 365	1.80 383	2.05 371	1.56 373	2.33 376	2.12 376	2.23 373	2.25 386	1.31 344	1.07 280	1.48 368	1.41 368	0.90 260	1.04 300

ccc-4	1.68 347	2.68 322	1.35 351	0.97 250	0.89 296	1.84 366	2.15 383	2.12 365	1.80 383	2.05 371	1.56 373	2.33 376	2.12 376	2.23 373	2.25 386	1.31 344	1.07 280	1.48 368	1.41 368	0.90 260	1.04 300

STTStereo	3.73 392	30.40 420	2.37 384	2.39 360	2.31 394	2.35 378	2.33 387	2.29 371	2.42 391	2.32 379	2.34 392	2.33 376	2.36 380	2.30 377	2.27 389	2.35 376	2.22 377	2.31 381	2.22 387	2.29 362	2.34 390

NCCL2	2.28 365	2.27 313	2.28 380	2.28 359	2.28 392	2.27 374	2.29 386	2.28 370	2.28 390	2.27 375	2.28 391	2.28 372	2.27 379	2.27 376	2.28 390	2.28 374	2.28 378	2.27 380	2.29 390	2.27 360	2.29 386

NLCA_NET_v2_RVC	5.04 405	50.87 428	2.78 386	2.87 369	2.71 395	2.78 385	0.47 236	2.88 384	2.86 395	1.89 366	2.67 393	2.79 386	2.79 384	2.78 385	2.83 391	2.82 381	2.82 381	2.83 386	2.77 393	2.83 371	2.76 394
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT+CT+SA	4.28 393	7.62 379	4.91 395	5.55 387	2.28 392	3.09 386	3.64 398	4.49 400	3.07 396	4.80 400	3.35 395	4.77 403	3.70 389	4.29 399	3.05 392	5.58 397	5.98 396	3.58 392	3.78 401	4.26 382	3.72 399

test_5	4.62 399	7.55 378	6.23 400	6.32 392	3.40 398	5.29 405	3.50 397	3.53 392	4.11 404	4.28 396	4.47 406	4.26 399	4.38 397	3.68 393	3.24 393	5.89 399	5.60 393	4.84 401	3.50 395	4.33 383	3.93 404

DispFullNet	4.61 398	4.84 365	3.12 388	5.00 385	3.57 399	4.75 403	3.03 394	7.75 412	4.17 405	4.91 402	3.09 394	6.20 409	3.95 393	6.71 408	3.51 394	5.30 396	3.67 384	5.86 409	3.63 396	5.61 394	3.46 396

DPSNet	3.66 391	3.60 342	3.62 392	3.63 377	3.64 400	3.65 393	3.65 399	3.66 393	3.67 398	3.67 391	3.65 398	3.67 392	3.66 388	3.66 392	3.68 395	3.68 387	3.66 383	3.67 393	3.68 399	3.67 375	3.67 398

TestStereo1	4.60 396	8.41 383	6.44 402	6.86 395	3.79 401	3.97 395	3.78 400	3.99 396	3.74 399	3.97 393	3.52 396	3.94 395	3.58 386	3.98 395	3.72 396	6.82 405	6.50 399	3.76 394	3.66 397	3.90 377	3.74 401

SA-5K	4.60 396	8.41 383	6.44 402	6.86 395	3.79 401	3.97 395	3.78 400	3.99 396	3.74 399	3.97 393	3.52 396	3.94 395	3.58 386	3.98 395	3.72 396	6.82 405	6.50 399	3.76 394	3.66 397	3.90 377	3.74 401

Sa-1000	4.34 395	8.37 382	6.84 404	6.98 397	4.45 407	3.58 391	3.00 393	3.42 391	3.39 397	2.61 382	4.00 402	3.83 394	4.01 395	3.90 394	3.90 398	5.98 401	5.62 394	3.76 394	2.34 391	4.35 384	2.47 393

cross-raft	4.83 401	7.52 377	6.43 401	6.63 393	3.96 403	4.51 400	3.99 403	4.49 400	3.96 403	4.52 399	3.96 401	4.50 400	3.97 394	4.50 401	3.97 399	6.65 403	6.44 398	4.33 397	3.92 403	4.35 384	3.91 403

SA	4.33 394	7.35 376	6.85 405	5.96 390	4.09 404	3.59 392	3.15 395	3.82 394	2.64 392	3.91 392	3.85 399	3.57 391	2.72 383	3.13 387	4.03 400	7.09 408	6.86 401	3.57 391	3.12 394	3.85 376	3.51 397

test_4	4.88 402	8.13 381	6.98 406	7.46 398	4.44 406	4.25 398	3.85 402	4.04 398	3.92 402	4.13 395	3.91 400	4.18 398	3.84 391	4.14 397	4.06 401	7.01 407	7.13 402	4.53 398	3.72 400	4.09 380	3.72 399

test_3	5.01 404	8.86 386	7.77 408	8.09 399	2.76 396	4.13 397	4.05 404	3.88 395	3.76 401	4.33 397	4.13 403	3.71 393	3.91 392	4.21 398	4.06 401	7.93 409	7.69 404	4.53 398	3.91 402	4.17 381	4.29 406

raft_robust	4.71 400	7.75 380	5.40 399	6.81 394	3.31 397	4.28 399	4.20 405	4.32 399	4.37 407	4.35 398	4.35 405	4.14 397	3.75 390	4.30 400	4.20 403	6.67 404	6.37 397	3.36 390	4.24 407	4.86 389	3.25 395

SGM-Forest	5.21 406	5.92 372	4.08 393	6.18 391	4.16 405	6.31 408	4.34 406	6.50 407	4.33 406	6.14 409	4.21 404	6.61 412	4.55 398	6.67 407	4.48 404	5.94 400	3.94 386	5.85 408	4.03 405	5.79 396	4.17 405
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 402	4.75 364	4.79 394	4.87 384	4.92 408	4.81 404	4.90 407	4.78 402	4.77 408	4.87 401	4.89 407	4.90 404	4.91 399	4.99 403	4.79 405	4.98 393	4.87 391	4.87 402	4.92 408	5.00 391	5.00 407

SGM+DAISY	7.06 409	9.15 387	5.38 398	8.84 402	5.18 409	8.80 412	5.31 408	8.79 413	5.28 410	8.89 413	5.20 408	8.93 413	5.33 400	8.95 413	5.36 406	8.70 411	5.21 392	8.74 413	5.20 409	8.89 407	5.15 408

sAnonymous2	3.31 389	2.63 320	1.38 357	3.71 378	1.86 388	4.70 401	1.11 301	4.82 403	2.72 393	5.45 405	1.98 388	4.59 401	2.64 381	2.65 381	6.21 407	4.37 388	1.08 284	5.16 403	2.24 388	4.52 386	2.39 391

CroCo_RVC	3.31 389	2.63 320	1.38 357	3.71 378	1.86 388	4.70 401	1.11 301	4.82 403	2.72 393	5.45 405	1.98 388	4.59 401	2.64 381	2.65 381	6.21 407	4.37 388	1.08 284	5.16 403	2.24 388	4.52 386	2.39 391

test-1	6.46 407	9.16 388	8.03 411	8.09 399	5.62 410	6.11 407	6.35 409	6.85 409	4.94 409	6.08 408	6.29 411	4.98 405	6.43 403	6.22 405	6.36 409	6.16 402	7.47 403	5.82 407	5.44 410	7.11 402	5.68 409

RAFT	6.73 408	9.36 389	7.40 407	8.51 401	6.55 411	6.88 409	6.60 410	6.79 408	6.60 411	6.80 410	6.72 412	5.31 407	5.50 401	6.61 406	6.61 410	8.42 410	5.89 395	5.73 406	5.45 411	6.61 398	6.24 410

test-v	7.53 410	11.89 397	7.98 409	9.36 404	7.14 412	7.06 410	7.09 411	7.37 410	6.91 412	7.29 411	5.71 409	6.45 410	6.93 404	6.73 409	7.27 411	8.93 412	7.85 405	6.98 410	6.80 412	7.56 403	7.34 412

test-2	7.53 410	11.89 397	7.98 409	9.36 404	7.14 412	7.06 410	7.09 411	7.37 410	6.91 412	7.29 411	5.71 409	6.45 410	6.93 404	6.73 409	7.27 411	8.93 412	7.85 405	6.98 410	6.80 412	7.56 403	7.34 412

MANE	19.05 413	23.00 406	15.00 413	23.00 420	15.00 414	24.00 419	16.00 413	24.00 420	16.00 414	22.00 420	15.00 413	23.00 420	16.00 413	23.00 420	15.00 413	22.00 420	15.00 414	22.00 420	15.00 414	22.00 420	15.00 414

rafts_anoy	20.00 414	20.00 400	20.00 414	20.00 414	20.00 415	20.00 413	20.00 414	20.00 414	20.00 415	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

raft+_RVC	20.00 414	20.00 400	20.00 414	20.00 414	20.00 415	20.00 413	20.00 414	20.00 414	20.00 415	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

raftrobust	20.00 414	20.00 400	20.00 414	20.00 414	20.00 415	20.00 413	20.00 414	20.00 414	20.00 415	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

CasAABBNet	20.00 414	20.00 400	20.00 414	20.00 414	20.00 415	20.00 413	20.00 414	20.00 414	20.00 415	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

RALCasStereoNet	20.00 414	20.00 400	20.00 414	20.00 414	20.00 415	20.00 413	20.00 414	20.00 414	20.00 415	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

RALAANet	20.00 414	20.00 400	20.00 414	20.00 414	20.00 415	20.00 413	20.00 414	20.00 414	20.00 415	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

WCMA_ROB	31.10 421	35.43 426	27.12 420	39.51 429	23.10 421	38.78 428	25.30 420	37.49 429	25.39 421	37.29 428	27.02 420	38.52 429	26.48 420	37.80 428	26.44 420	36.28 428	22.65 421	33.90 425	22.30 421	37.10 426	24.18 421

fff	1000028.16 437	29.62 417	29.72 421	32.61 421	30.02 422	35.13 422	31.83 422	32.07 422	10000000.00 438	35.27 424	29.82 422	32.45 422	30.15 421	32.35 422	30.09 421	31.04 422	29.55 423	30.64 422	30.14 422	10000000.00 438	30.77 423

csc	1000028.16 437	29.62 417	29.72 421	32.61 421	30.02 422	35.13 422	31.83 422	32.07 422	10000000.00 438	35.27 424	29.82 422	32.45 422	30.15 421	32.35 422	30.09 421	31.04 422	29.55 423	30.64 422	30.14 422	10000000.00 438	30.77 423

cscssc	1000028.16 437	29.62 417	29.72 421	32.61 421	30.02 422	35.13 422	31.83 422	32.07 422	10000000.00 438	35.27 424	29.82 422	32.45 422	30.15 421	32.35 422	30.09 421	31.04 422	29.55 423	30.64 422	30.14 422	10000000.00 438	30.77 423

111	30.40 420	30.94 421	29.72 421	32.61 421	30.02 422	33.57 420	30.47 421	31.50 421	29.39 422	30.98 421	29.11 421	29.78 421	30.39 424	29.45 421	30.76 424	30.08 421	29.02 422	29.92 421	30.32 425	29.86 421	30.17 422

tt	500032.53 435	34.60 424	29.72 421	37.47 427	34.41 427	36.85 426	35.22 426	34.71 425	33.55 424	34.50 422	35.43 425	33.81 425	10000000.00 438	33.57 425	33.13 425	33.68 425	35.00 427	34.03 426	35.26 428	30.96 422	34.63 427

DCANet	500032.53 435	34.60 424	29.72 421	37.47 427	34.41 427	36.85 426	35.22 426	34.71 425	33.55 424	34.50 422	35.43 425	33.81 425	10000000.00 438	33.57 425	33.13 425	33.68 425	35.00 427	34.03 426	35.26 428	30.96 422	34.63 427

DCANet-4	35.22 422	34.54 423	35.08 427	33.58 425	35.47 429	34.55 421	35.53 428	36.08 427	35.85 426	35.92 427	35.77 427	35.18 427	35.48 426	35.39 427	37.15 427	34.55 427	33.92 426	35.02 428	34.90 427	35.79 425	34.74 429

ADStereo(finetuned)	36.13 423	36.63 427	38.07 428	36.97 426	33.25 426	35.91 425	34.45 425	36.36 428	32.99 423	38.14 429	36.71 428	36.69 428	34.13 425	38.57 429	40.79 428	37.60 429	36.58 429	35.90 429	33.36 426	35.42 424	34.04 426

MDST_ROB	69.83 424	87.70 429	41.95 429	113.75 432	65.62 432	75.05 429	55.25 430	75.64 431	45.04 427	71.61 430	41.75 429	72.81 430	44.06 427	68.38 430	44.63 429	101.89 432	59.57 432	107.10 432	61.05 432	104.38 429	59.38 432

CBMV	128.50 426	1422.70 440	53.10 430	79.50 431	51.30 431	77.30 430	49.70 429	74.00 430	48.20 428	77.20 431	48.80 430	73.90 431	48.00 428	73.80 431	48.80 430	70.40 431	45.10 431	68.90 431	46.10 431	68.20 428	45.00 431
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 425	153.00 433	121.00 432	51.00 430	44.00 430	165.00 432	127.00 431	153.00 432	119.00 429	164.00 433	125.00 431	168.00 433	120.00 429	153.00 432	117.00 431	49.00 430	44.00 430	49.00 430	44.00 430	49.00 427	44.00 430

MeshStereo	159.24 427	171.00 434	160.68 435	162.58 433	160.59 433	164.01 431	160.35 432	158.51 433	158.56 430	158.34 432	160.12 432	158.56 432	159.92 430	157.26 433	158.94 432	154.38 433	158.36 433	155.75 433	159.13 434	153.67 430	154.07 433
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
AE-Stereo	201.80 428	123.00 430	115.00 431	219.00 434	218.00 435	223.00 433	244.00 434	217.00 434	236.00 432	202.00 434	203.00 433	205.00 434	208.00 431	225.00 434	204.00 433	210.00 434	198.00 434	197.00 434	184.00 435	204.00 431	201.00 434

DLCB_ROB	284.23 431	354.61 436	207.27 436	363.24 437	206.46 434	364.72 436	210.41 433	364.72 437	210.41 431	364.81 437	208.64 434	364.81 437	208.64 432	364.72 437	210.41 434	354.70 437	205.53 435	354.70 437	205.53 436	354.70 434	205.53 435

MGS-Stereo	239.45 429	123.00 430	135.00 433	266.00 435	286.00 436	277.00 434	305.00 435	271.00 435	242.00 433	274.00 435	279.00 435	255.00 435	270.00 433	268.00 435	297.00 435	221.00 435	247.00 436	216.00 435	123.00 433	217.00 432	217.00 436

EGLCR-Stereo	246.90 430	129.00 432	139.00 434	266.00 435	286.00 436	277.00 434	305.00 435	271.00 435	242.00 433	274.00 435	279.00 435	255.00 435	270.00 433	268.00 435	297.00 435	230.00 436	247.00 436	216.00 435	223.00 437	237.00 433	227.00 437

LE_ROB	396.57 432	471.28 437	329.84 437	471.48 438	308.15 438	526.83 437	322.10 437	488.15 438	323.76 435	495.46 438	317.97 437	497.17 438	320.10 435	481.62 438	326.76 437	462.71 438	298.97 438	466.16 438	285.98 438	447.62 435	289.21 438

SGM-ForestM	596.69 433	677.77 438	444.52 438	699.85 439	517.25 439	732.94 438	488.29 438	770.79 439	460.11 436	750.81 439	487.98 438	792.79 439	499.41 436	730.90 439	475.81 438	720.03 439	491.16 439	663.96 439	418.60 439	674.76 436	436.05 439

CBMV_ROB	818.48 434	913.88 439	709.52 439	862.84 440	597.78 440	1073.99 439	700.52 439	1015.66 440	702.59 437	1115.65 440	760.02 439	1130.24 440	721.57 437	1037.41 440	692.65 439	814.05 440	564.29 440	843.28 440	595.31 440	915.51 437	602.92 440

SDNR	10000000.00 440	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 440	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441

anonymousdsp2	10000000.00 440	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 440	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441

anonymousdsp	10000000.00 440	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 440	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441

test_example2	10000000.00 440	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 440	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441

DIP-Stereo	10000000.00 440	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 440	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 440	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 42		0.09 41	0.10 88			0.05 61	0.03 44	0.04 54		0.05 63		0.04 46		0.15 97	0.10 59	0.17 111	0.13 118	0.11 90	0.11 95

Low-res two-view benchmark