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

DLNR_Zeroshot_test	29.83 425	55.48 438	50.99 433	183.84 442	114.74 439	3.44 109	0.28 1	29.52 426	1.59 34	1.03 31	1.25 36	0.93 48	0.64 10	3.95 194	1.62 166	37.16 434	1.69 342	0.26 36	0.23 54	92.97 439	15.07 406

CREStereo++_RVC	1.98 37	0.59 18	19.94 233	0.87 44	0.55 68	4.02 229	0.31 2	1.75 14	2.09 93	1.65 77	2.20 249	0.85 39	0.65 12	1.03 1	0.72 3	0.29 34	0.16 2	0.23 5	1.22 379	0.25 6	0.22 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
XX-TBD	1.98 37	1.08 190	20.29 275	1.31 222	0.43 27	3.97 223	0.33 3	1.76 15	1.77 63	1.59 69	2.18 245	0.69 12	0.59 5	1.44 37	0.75 5	0.33 108	0.25 103	0.23 5	0.16 6	0.31 50	0.22 1

TANstereo	1.98 37	0.87 129	20.35 282	0.80 21	0.37 6	4.05 236	0.38 4	1.50 3	1.65 52	2.03 153	2.16 239	0.84 37	0.93 52	1.09 3	0.68 2	0.30 56	0.36 189	0.24 16	0.20 20	0.26 14	0.46 98

StereoIM	1.60 20	1.11 194	16.13 102	0.67 3	1.87 351	1.22 8	0.39 5	2.17 31	1.42 6	0.69 1	0.78 3	0.88 42	0.70 15	1.24 12	1.13 70	0.32 85	0.23 72	0.26 36	0.21 27	0.32 69	0.28 8

MIF-Stereo	1.73 30	0.60 25	20.25 269	0.98 96	1.19 240	0.78 3	0.39 5	1.19 1	1.55 24	1.21 40	1.28 41	0.52 1	0.64 10	1.17 7	1.16 77	0.35 136	0.20 18	0.25 25	0.22 45	0.42 195	0.31 15

panet	1.00 4	0.55 3	1.89 5	0.66 1	0.33 2	4.41 311	0.40 7	2.42 40	1.95 82	0.96 25	1.24 33	0.88 42	0.89 45	1.27 14	0.78 8	0.30 56	0.19 9	0.23 5	0.15 3	0.22 2	0.22 1

CREStereo	1.00 4	0.59 18	1.82 4	0.66 1	0.36 4	4.43 314	0.40 7	2.43 41	1.98 85	0.96 25	1.22 31	0.88 42	0.87 42	1.30 17	0.79 13	0.30 56	0.20 18	0.23 5	0.16 6	0.23 4	0.22 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
iRaftStereo_RVC	1.70 29	1.18 203	3.88 17	0.99 101	0.46 33	3.83 185	0.41 9	2.41 38	1.60 39	1.69 84	1.76 136	1.81 141	0.83 37	1.58 51	1.23 86	0.31 71	4.86 384	0.29 80	0.26 92	0.33 90	4.33 356

RAFT-Stereo + iAFF	2.49 129	1.68 262	20.50 303	1.11 136	1.32 267	4.13 253	0.42 10	3.23 102	3.30 273	2.05 160	2.40 281	1.61 106	1.11 93	1.49 43	1.63 169	0.22 2	0.22 49	0.26 36	0.24 67	0.31 50	2.47 324

PMTNet	1.13 10	0.55 3	3.88 17	0.71 7	0.59 82	4.21 284	0.43 11	2.00 22	1.58 31	1.02 29	1.06 11	0.78 27	0.98 58	1.58 51	0.93 34	1.21 369	0.20 18	0.23 5	0.15 3	0.23 4	0.27 7

H2IRNET	2.19 66	0.83 120	19.13 174	1.25 203	0.61 86	4.48 324	0.44 12	2.94 80	1.86 72	1.08 33	2.29 265	1.67 111	1.40 143	2.18 120	1.64 172	0.41 194	0.21 34	0.33 166	0.37 252	0.38 154	0.39 64

XX-Stereo	2.66 178	0.70 71	21.17 371	2.33 361	1.24 252	4.31 299	0.45 13	4.48 349	1.60 39	2.39 260	1.89 187	4.60 362	0.60 6	4.17 199	1.11 69	0.34 124	0.26 123	0.29 80	0.29 162	0.53 254	0.43 83

CroCo-Stereo Lap2	1.65 26	1.14 200	14.70 81	1.00 104	1.80 349	0.53 2	0.46 14	3.18 98	1.62 45	1.10 36	1.24 33	1.05 56	0.78 28	1.40 34	1.18 78	0.31 71	0.23 72	0.27 46	0.22 45	0.46 227	0.38 59

raft_robust	3.17 254	2.15 294	20.28 272	1.06 124	0.55 68	3.86 193	0.46 14	4.42 341	2.77 180	1.70 86	1.37 57	7.48 389	6.35 373	6.81 252	1.44 133	0.31 71	0.74 301	0.30 101	0.37 252	0.32 69	0.57 153

AFF-stereo	2.54 141	3.44 321	20.84 338	1.30 219	0.48 42	3.94 215	0.48 16	3.30 110	3.40 293	1.94 121	2.21 252	2.10 186	1.51 168	2.36 138	1.62 166	0.23 3	0.21 34	0.25 25	0.25 78	0.33 90	0.53 139

MIF-Stereo (partial)	1.93 34	0.69 65	21.14 366	0.74 8	1.02 195	1.07 5	0.49 17	2.75 72	1.78 65	0.82 8	1.22 31	0.80 32	0.90 46	1.68 56	1.63 169	0.38 177	0.24 91	0.33 166	0.26 92	0.41 187	0.32 18

CroCo-Stereo	1.07 8	1.18 203	3.66 13	0.91 58	0.60 85	0.49 1	0.49 17	4.07 223	1.91 77	0.84 10	1.29 45	1.00 52	0.75 24	1.32 22	1.38 123	0.26 14	0.21 34	0.24 16	0.20 20	0.37 145	0.30 13
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
s12784h	2.08 54	0.50 2	16.85 120	0.75 9	0.36 4	4.42 313	0.49 17	4.23 281	3.08 233	2.03 153	2.67 315	0.91 46	1.05 78	2.05 104	0.78 8	0.37 164	0.18 5	0.24 16	0.16 6	0.27 17	0.26 6

LoS	1.05 7	0.58 10	3.31 12	0.91 58	0.38 7	4.14 258	0.50 20	2.22 32	1.49 13	1.02 29	0.88 7	0.62 5	0.84 38	1.69 61	0.94 40	0.27 22	0.20 18	0.24 16	0.17 9	0.22 2	0.32 18

CES	1.08 9	0.63 35	2.53 9	0.95 79	2.18 363	2.13 34	0.50 20	2.07 26	1.46 7	0.79 6	1.06 11	0.61 4	0.48 1	1.45 38	0.87 26	0.24 4	0.18 5	0.24 16	0.15 3	0.64 293	2.36 319

Selective-RAFT	1.34 13	0.58 10	2.21 7	1.01 107	0.49 49	4.19 281	0.51 22	3.39 118	3.62 316	1.15 37	1.40 63	1.45 98	1.40 143	2.09 107	1.31 107	0.43 218	0.40 219	0.25 25	0.26 92	0.29 34	0.38 59

IPLGR	2.61 162	0.73 81	20.72 330	0.87 44	0.54 65	4.58 343	0.52 23	4.32 321	2.79 183	1.91 111	1.54 84	1.72 118	1.71 224	6.94 255	1.43 129	0.31 71	0.21 34	0.27 46	0.24 67	0.34 111	0.48 113

Former-RAFT_DAM_RVC	0.99 3	0.85 125	1.58 1	0.95 79	1.08 214	2.95 62	0.53 24	1.93 19	2.00 88	1.19 39	1.63 105	0.59 2	0.65 12	1.10 4	0.90 30	0.28 29	0.23 72	0.31 119	0.25 78	0.45 219	0.32 18

MLCV	2.52 133	1.77 269	18.20 150	1.17 164	0.63 98	3.60 143	0.53 24	3.88 178	2.35 134	2.82 314	2.24 254	1.99 170	1.42 150	4.59 203	3.09 289	0.39 184	0.22 49	0.33 166	0.22 45	0.35 124	0.52 134

GMStereo_Zeroshot	1.51 19	1.27 216	4.75 20	1.54 288	0.72 122	3.33 95	0.54 26	2.67 69	1.74 61	2.34 246	1.57 91	2.40 206	0.96 56	2.51 146	1.21 83	0.48 258	0.23 72	0.41 249	0.24 67	0.82 334	0.40 67

MoCha-V2	3.53 297	0.90 141	17.00 122	1.32 228	8.54 411	1.38 14	0.55 27	2.89 77	3.31 274	0.99 28	1.82 160	0.66 8	1.16 107	1.79 77	0.84 22	0.26 14	15.15 419	0.20 1	0.20 20	0.25 6	11.33 394

IPLG	2.56 151	1.11 194	19.89 229	0.95 79	0.79 140	4.60 347	0.56 28	4.31 314	2.10 95	1.94 121	2.00 211	1.34 81	1.37 135	6.59 243	1.59 158	0.32 85	0.21 34	0.27 46	0.23 54	0.32 69	0.63 182

RAFT-RH_RVC	2.72 189	0.64 38	20.10 252	1.48 277	0.49 49	4.46 317	0.56 28	1.73 13	2.86 198	3.06 332	5.50 374	2.02 175	1.28 124	6.70 247	1.56 150	0.46 246	0.22 49	0.37 224	0.34 222	0.29 34	0.33 23

GMStereo	2.01 45	2.26 297	20.93 344	0.90 56	0.48 42	1.67 20	0.56 28	1.90 17	2.19 104	1.58 68	1.31 47	0.87 41	0.74 23	1.68 56	1.00 55	0.41 194	0.21 34	0.30 101	0.32 206	0.50 247	0.46 98
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MyStereo8	2.97 228	1.76 267	18.94 166	1.55 291	1.62 319	4.16 264	0.57 31	3.79 162	2.41 140	2.22 207	2.93 330	2.27 193	1.14 101	2.16 117	2.28 252	0.27 22	8.58 398	0.32 134	0.29 162	0.37 145	1.72 296

test croco	2.00 42	0.89 136	21.49 386	0.67 3	0.73 123	1.66 19	0.57 31	3.27 109	2.18 103	0.80 7	1.25 36	0.80 32	0.86 40	1.72 69	1.13 70	0.34 124	0.21 34	0.32 134	0.25 78	0.44 212	0.34 31

DCANet-4	2.06 53	0.58 10	15.30 87	0.86 37	0.44 31	4.16 264	0.57 31	4.31 314	3.28 264	2.31 230	1.82 160	1.04 55	1.54 178	1.69 61	1.56 150	0.35 136	0.24 91	0.24 16	0.19 10	0.25 6	0.57 153

fff	2.40 111	0.96 164	20.47 296	0.84 29	0.38 7	4.15 261	0.57 31	4.30 304	2.85 192	2.31 230	1.82 160	1.19 72	2.98 313	1.68 56	1.57 153	0.35 136	0.24 91	0.23 5	0.19 10	0.25 6	0.57 153

csc	2.40 111	0.96 164	20.47 296	0.84 29	0.38 7	4.15 261	0.57 31	4.30 304	2.85 192	2.31 230	1.82 160	1.19 72	2.98 313	1.68 56	1.57 153	0.35 136	0.24 91	0.23 5	0.19 10	0.25 6	0.57 153

cscssc	2.40 111	0.96 164	20.47 296	0.84 29	0.38 7	4.15 261	0.57 31	4.30 304	2.85 192	2.31 230	1.82 160	1.19 72	2.98 313	1.68 56	1.57 153	0.35 136	0.24 91	0.23 5	0.19 10	0.25 6	0.57 153

TestStereo	2.41 117	1.95 282	19.15 175	0.77 10	0.61 86	1.83 21	0.58 37	2.33 36	1.53 20	1.44 58	1.37 57	1.26 77	0.90 46	11.59 361	0.94 40	0.36 156	0.19 9	0.33 166	0.24 67	0.45 219	0.32 18

DIP-Stereo	2.03 49	0.98 171	16.44 116	0.67 3	0.62 95	4.30 296	0.58 37	4.43 343	2.89 202	1.97 131	1.40 63	0.91 46	0.86 40	1.31 19	1.27 103	0.38 177	0.23 72	0.33 166	0.23 54	0.33 90	0.57 153
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MIM_Stereo	2.71 188	1.26 213	20.92 343	1.34 233	5.57 408	3.10 69	0.59 39	3.25 106	2.51 153	1.64 74	1.61 98	1.82 143	1.29 126	2.07 106	1.35 110	0.25 8	0.31 154	0.28 66	0.26 92	0.29 34	4.43 358

LoS_RVC	1.23 11	1.51 243	6.09 25	0.88 49	1.71 337	1.96 26	0.59 39	1.61 5	1.37 3	0.84 10	1.35 52	0.84 37	1.15 106	1.49 43	0.83 21	0.21 1	0.17 3	0.20 1	0.14 1	0.20 1	1.49 285

ADStereo(finetuned)	2.30 91	0.97 168	17.29 130	0.86 37	0.43 27	4.17 269	0.59 39	4.31 314	3.29 269	2.35 248	1.86 180	1.18 69	3.35 334	1.69 61	1.59 158	0.34 124	0.25 103	0.23 5	0.19 10	0.31 50	0.72 206

DCANet	2.37 106	0.98 171	20.47 296	0.86 37	0.43 27	4.18 273	0.59 39	4.31 314	3.29 269	2.35 248	1.86 180	1.18 69	1.63 204	1.69 61	1.59 158	0.34 124	0.25 103	0.24 16	0.19 10	0.31 50	0.73 211

MC-Stereo	2.54 141	0.58 10	6.38 28	1.30 219	1.37 274	4.56 342	0.60 43	2.08 27	1.57 29	1.97 131	1.68 115	0.89 45	1.12 95	1.46 39	0.88 28	0.27 22	8.44 397	0.27 46	0.22 45	0.26 14	14.87 404

test-1	1.81 32	0.72 78	9.51 43	1.02 111	1.57 310	3.85 190	0.60 43	4.07 223	1.51 17	1.94 121	1.81 158	2.04 178	0.91 48	1.39 33	1.73 192	0.27 22	0.93 313	0.31 119	0.25 78	0.29 34	1.37 277

FENet	2.30 91	0.61 30	20.21 263	1.43 268	0.68 115	4.04 232	0.60 43	4.01 204	2.26 118	2.03 153	1.13 20	2.42 212	1.42 150	1.72 69	1.43 129	0.36 156	0.24 91	0.33 166	0.27 107	0.29 34	0.51 128

StereoVision	2.36 102	1.15 201	20.38 285	1.07 127	1.79 347	2.58 50	0.61 46	3.14 95	2.34 131	1.33 49	3.46 351	1.85 147	0.88 43	2.12 111	2.01 228	0.46 246	0.36 189	0.37 224	0.36 244	0.50 247	0.41 72

EKT-Stereo	7.93 398	0.75 98	21.17 371	1.84 336	109.80 438	4.51 330	0.61 46	4.13 247	1.59 34	1.89 109	1.24 33	1.96 167	1.35 132	4.02 195	1.36 117	0.42 204	0.31 154	0.29 80	0.27 107	0.35 124	0.78 220

EGLCR-Stereo	2.52 133	0.56 5	9.39 42	1.16 157	0.81 143	5.24 386	0.61 46	4.20 271	1.56 27	1.09 34	0.71 1	1.09 58	0.66 14	1.92 93	0.82 20	0.29 34	0.30 149	0.29 80	0.24 67	0.37 145	19.09 424

riskmin	2.46 125	0.61 30	12.91 59	1.22 182	1.65 329	3.56 135	0.61 46	4.30 304	1.50 14	1.86 107	1.16 24	4.30 349	2.02 257	1.53 49	1.32 108	0.29 34	0.95 316	0.34 184	0.23 54	0.43 204	8.34 382

rafts_anoy	2.76 200	1.68 262	20.42 289	1.42 263	3.90 396	3.03 67	0.61 46	3.24 103	1.66 54	1.42 55	1.26 38	1.19 72	1.11 93	2.13 113	1.64 172	0.33 108	8.77 402	0.32 134	0.32 206	0.32 69	0.38 59

sCroCo_RVC	1.81 32	0.93 155	19.44 195	1.04 117	1.05 208	0.97 4	0.61 46	2.08 27	1.36 2	0.71 3	1.28 41	0.82 36	1.10 90	1.31 19	0.97 49	0.54 296	0.41 225	0.33 166	0.30 179	0.46 227	0.48 113

DN-CSS_ROB	2.89 213	9.72 363	19.71 211	2.07 353	0.90 166	4.01 227	0.61 46	4.06 221	3.35 283	1.66 78	1.89 187	1.39 89	1.06 80	3.24 177	1.88 210	0.44 224	0.19 9	0.44 265	0.29 162	0.40 169	0.42 79

11t1	2.82 206	0.72 78	17.81 144	1.60 299	0.93 176	2.27 41	0.62 53	3.76 158	4.47 359	1.72 88	1.33 49	1.05 56	1.34 131	1.84 89	1.45 136	0.29 34	5.57 388	0.29 80	0.26 92	0.32 69	8.80 386

MIPNet	2.43 120	1.13 198	20.00 238	0.93 66	0.58 81	4.74 374	0.62 53	4.33 324	2.95 208	1.94 121	1.49 72	1.52 102	1.96 255	2.77 165	1.60 162	0.35 136	0.20 18	0.27 46	0.23 54	0.32 69	0.59 167

sAnonymous2	2.00 42	1.54 247	21.24 376	0.93 66	0.89 162	1.21 6	0.62 53	2.58 61	2.28 122	0.86 12	1.04 9	0.73 19	1.22 116	1.10 4	0.85 23	0.30 56	0.25 103	0.31 119	0.31 196	1.06 351	0.72 206

CroCo_RVC	2.00 42	1.54 247	21.24 376	0.93 66	0.89 162	1.21 6	0.62 53	2.58 61	2.28 122	0.86 12	1.04 9	0.73 19	1.22 116	1.10 4	0.85 23	0.30 56	0.25 103	0.31 119	0.31 196	1.06 351	0.72 206

CFNet-RSSM	2.17 64	0.56 5	20.50 303	1.08 128	0.57 78	3.42 106	0.62 53	4.24 288	1.60 39	1.73 90	1.39 61	2.55 224	1.19 113	1.36 30	1.04 59	0.29 34	0.20 18	0.26 36	0.23 54	0.28 22	0.32 18

xxxx	4.25 335	0.86 126	14.59 79	1.30 219	1.16 231	3.51 126	0.63 58	4.56 360	5.42 387	2.33 244	2.29 265	2.04 178	1.39 139	10.23 317	18.00 402	0.33 108	7.15 395	0.31 119	0.30 179	0.35 124	8.33 381

Gwc-CoAtRS	1.80 31	0.61 30	14.92 83	1.08 128	0.61 86	2.88 57	0.63 58	2.47 43	1.62 45	1.80 102	1.50 73	2.73 240	1.17 108	1.35 28	1.08 65	0.30 56	0.22 49	0.25 25	0.23 54	0.28 22	0.30 13

TransformOpticalFlow	3.07 238	0.87 129	20.87 340	1.10 132	0.56 71	4.18 273	0.64 60	4.36 330	3.28 264	2.19 200	3.08 337	4.32 350	5.01 361	7.36 262	1.59 158	0.34 124	0.18 5	0.32 134	0.26 92	0.29 34	0.57 153

222	3.82 315	0.88 132	6.92 29	1.15 153	0.99 187	3.27 84	0.64 60	4.57 362	5.37 384	2.43 269	2.32 270	1.41 92	1.44 154	10.64 327	18.51 406	0.32 85	4.89 385	0.32 134	0.30 179	0.34 111	9.80 390

CFNet_pseudo	2.03 49	0.74 87	12.75 57	0.87 44	0.74 126	3.91 204	0.65 62	4.04 216	1.93 79	1.93 115	1.79 149	3.25 282	1.61 193	2.51 146	1.25 96	0.32 85	0.37 194	0.53 310	0.28 132	0.64 293	0.50 122

ccs_rob	2.03 49	0.74 87	12.67 56	0.87 44	0.75 130	3.91 204	0.66 63	4.04 216	1.93 79	1.92 114	1.79 149	3.24 281	1.63 204	2.52 150	1.25 96	0.32 85	0.37 194	0.54 318	0.28 132	0.66 302	0.51 128

iResNet_ROB	2.72 189	10.38 367	14.41 76	1.46 271	0.99 187	3.74 169	0.66 63	4.01 204	2.84 191	2.04 156	2.05 222	1.98 169	1.38 136	4.73 205	1.91 214	0.35 136	0.20 18	0.28 66	0.19 10	0.33 90	0.41 72

SDNR	4.37 341	2.22 296	20.63 323	1.60 299	0.99 187	5.15 384	0.67 65	4.36 330	5.55 390	4.89 383	7.17 376	5.50 380	1.58 184	17.48 413	4.33 311	0.80 347	0.72 300	0.59 329	0.45 299	1.18 364	1.43 282

UDGNet	2.34 98	1.71 265	20.28 272	1.42 263	0.62 95	4.39 307	0.67 65	1.82 16	2.28 122	1.40 54	1.21 30	0.99 51	1.00 61	2.23 127	1.23 86	1.14 366	0.35 182	1.30 382	0.98 366	1.11 360	0.62 179

NF-Stereo	2.68 185	0.67 54	21.09 361	2.43 364	0.47 37	4.67 357	0.67 65	3.68 143	4.30 349	2.11 176	1.62 101	1.36 85	1.09 84	6.07 232	1.24 90	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

OCTAStereo	2.67 182	0.67 54	21.08 356	2.43 364	0.47 37	4.67 357	0.67 65	3.68 143	4.31 352	2.11 176	1.62 101	1.36 85	1.09 84	6.02 229	1.25 96	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

RE-Stereo	2.67 182	0.67 54	21.08 356	2.43 364	0.47 37	4.67 357	0.67 65	3.68 143	4.30 349	2.11 176	1.62 101	1.36 85	1.09 84	6.01 226	1.26 101	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

TVStereo	2.67 182	0.67 54	21.08 356	2.43 364	0.47 37	4.67 357	0.67 65	3.68 143	4.30 349	2.11 176	1.62 101	1.36 85	1.09 84	6.01 226	1.26 101	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

AnonymousM	1.38 15	1.33 227	2.35 8	0.95 79	0.56 71	4.03 231	0.67 65	2.63 66	2.49 152	1.51 61	1.36 55	1.15 64	1.00 61	1.26 13	1.04 59	0.41 194	0.46 247	2.07 389	1.71 390	0.25 6	0.40 67

raftrobust	2.05 52	1.45 237	13.44 60	1.29 215	5.81 409	3.59 139	0.67 65	2.80 74	1.50 14	2.21 205	1.41 66	1.17 66	1.22 116	1.37 32	1.46 138	0.29 34	0.33 166	0.22 4	0.20 20	0.27 17	0.36 51

MSKI-zero shot	2.33 96	0.69 65	20.22 265	1.14 152	0.77 136	4.05 236	0.68 73	3.95 194	1.51 17	1.93 115	2.35 272	1.91 155	0.71 17	3.01 174	0.79 13	0.28 29	1.47 334	0.27 46	0.21 27	0.28 22	0.44 87

PCWNet_CMD	2.16 61	0.71 75	15.44 91	0.84 29	0.76 134	3.38 98	0.68 73	3.69 147	2.24 112	1.72 88	1.63 105	3.20 278	3.00 317	2.09 107	1.23 86	0.32 85	0.37 194	0.47 278	0.27 107	0.65 298	0.51 128

CFNet_ucs	2.32 93	0.75 98	17.05 124	0.90 56	0.81 143	3.86 193	0.68 73	4.31 314	2.68 168	2.13 180	2.04 216	3.30 284	1.24 119	2.63 156	1.23 86	0.37 164	0.46 247	0.56 322	0.30 179	0.67 305	0.53 139

PSM-softLoss	2.62 165	0.65 45	21.11 364	2.46 368	0.49 49	4.68 365	0.68 73	2.61 64	4.23 343	2.14 182	1.47 70	1.42 93	0.99 59	6.04 230	1.24 90	0.47 253	0.23 72	0.37 224	0.39 266	0.33 90	0.34 31

KMStereo	2.62 165	0.65 45	21.11 364	2.46 368	0.49 49	4.68 365	0.68 73	2.61 64	4.23 343	2.14 182	1.47 70	1.42 93	0.99 59	6.04 230	1.24 90	0.47 253	0.23 72	0.37 224	0.39 266	0.33 90	0.34 31

RALAANet	2.29 88	2.73 308	21.08 356	1.29 215	0.94 179	1.45 15	0.68 73	3.25 106	2.61 164	2.02 148	1.80 153	1.28 79	1.04 71	2.12 111	1.79 201	0.30 56	0.22 49	0.27 46	0.27 107	0.41 187	0.35 36

CASS	1.65 26	0.73 81	8.72 39	0.97 93	0.67 108	2.88 57	0.69 79	3.07 93	1.86 72	2.82 314	2.02 212	1.39 89	1.55 181	1.75 75	1.36 117	0.51 280	0.28 136	0.34 184	0.28 132	0.47 237	0.63 182
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MSMDNet	2.16 61	0.71 75	15.36 89	0.86 37	0.75 130	3.41 104	0.69 79	3.70 149	2.25 115	1.73 90	1.64 110	3.21 279	2.95 309	2.09 107	1.24 90	0.32 85	0.37 194	0.45 271	0.27 107	0.63 290	0.50 122

AE-Stereo	2.91 215	0.63 35	17.05 124	1.15 153	0.63 98	4.39 307	0.70 81	4.02 209	2.12 99	1.24 47	2.04 216	1.01 53	0.91 48	1.67 55	1.42 127	0.30 56	1.14 326	0.28 66	0.28 132	0.27 17	16.93 422

DeepStereo_RVC	2.42 119	0.70 71	18.41 153	0.79 20	0.43 27	4.50 326	0.70 81	2.51 47	3.51 309	2.02 148	1.79 149	1.54 103	6.35 373	1.93 95	1.22 85	0.47 253	0.22 49	0.29 80	0.29 162	0.35 124	0.40 67

cross-raft	1.95 35	0.66 52	16.17 104	1.23 188	0.92 172	2.25 39	0.70 81	3.69 147	1.68 57	1.78 98	1.53 75	3.15 276	1.13 96	1.35 28	1.06 63	0.24 4	0.23 72	0.26 36	0.24 67	0.29 34	0.45 91

RALCasStereoNet	3.17 254	1.87 279	20.86 339	1.17 164	1.63 322	3.10 69	0.70 81	3.21 100	2.19 104	1.39 53	1.73 132	1.18 69	0.91 48	2.46 141	1.64 172	0.31 71	8.75 401	0.25 25	0.22 45	0.31 50	9.45 387

HCRNet	2.24 74	0.74 87	14.54 78	0.82 27	1.36 271	4.11 248	0.70 81	3.61 135	3.03 225	1.83 106	1.61 98	1.58 104	1.40 143	5.79 221	1.60 162	0.35 136	0.28 136	0.36 213	0.29 162	0.34 111	0.46 98

anonymousdsp2	2.72 189	0.68 60	11.15 50	1.20 173	0.64 100	3.66 156	0.71 86	3.71 151	2.14 102	1.62 72	1.61 98	1.95 162	1.00 61	2.24 128	0.81 15	0.32 85	0.50 264	0.28 66	0.20 20	0.34 111	19.58 425

PSM-adaLoss	2.26 78	0.74 87	20.53 305	0.77 10	0.38 7	4.67 357	0.71 86	2.54 51	3.22 254	2.00 139	1.53 75	1.77 128	1.13 96	2.22 126	0.96 46	0.50 274	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

StereoDRNet-Refined	2.23 72	0.98 171	10.62 47	1.25 203	0.78 137	3.29 89	0.71 86	3.96 195	2.20 107	2.43 269	2.05 222	2.97 260	1.46 158	6.87 253	2.33 255	0.37 164	0.25 103	0.42 259	0.34 222	0.47 237	0.80 223
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
MGS-Stereo	1.24 12	0.66 52	9.68 44	0.97 93	0.40 22	1.26 10	0.72 89	1.50 3	1.35 1	1.03 31	2.26 257	0.80 32	0.56 3	1.28 15	0.78 8	0.31 71	0.23 72	0.26 36	0.22 45	0.28 22	0.34 31

SMFormer	2.40 111	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 304	4.43 354	2.41 264	2.40 281	1.94 158	1.52 172	10.99 339	3.10 290	0.35 136	0.84 306	0.36 213	0.33 213	0.40 169	0.77 218

tta	2.44 121	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 304	4.43 354	2.41 264	2.40 281	1.94 158	1.52 172	10.99 339	3.10 290	0.35 136	0.84 306	0.36 213	0.33 213	0.31 50	1.75 297

qqq1	2.35 100	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 304	4.43 354	2.41 264	2.40 281	1.94 158	1.52 172	10.99 339	1.36 117	0.35 136	0.84 306	0.30 101	0.25 78	0.31 50	1.75 297

fff1	2.35 100	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 304	4.43 354	2.41 264	2.40 281	1.94 158	1.52 172	10.99 339	1.36 117	0.35 136	0.84 306	0.30 101	0.25 78	0.31 50	1.75 297

whm_eth	2.15 59	1.55 250	19.39 192	0.96 86	1.37 274	2.60 51	0.72 89	3.63 137	2.97 210	1.55 63	2.06 224	0.78 27	0.71 17	1.17 7	1.08 65	0.45 233	0.29 141	0.34 184	0.33 213	0.44 212	0.65 189

CFNet	3.04 235	6.89 347	16.27 110	1.36 238	1.24 252	4.09 244	0.72 89	4.15 254	3.00 216	1.69 84	1.88 185	2.27 193	1.45 156	11.41 354	2.12 240	0.36 156	0.29 141	0.43 263	0.36 244	0.48 242	0.38 59

ACVNet-DCA	3.67 306	0.94 158	19.66 203	1.87 337	0.42 23	4.47 320	0.73 96	4.07 223	4.63 362	1.21 40	1.89 187	0.73 19	1.62 201	2.20 122	0.81 15	0.31 71	18.77 420	0.32 134	0.21 27	0.35 124	8.09 375

xx1	3.69 309	0.94 158	19.66 203	1.87 337	0.42 23	4.47 320	0.73 96	4.24 288	4.01 334	1.21 40	1.89 187	1.78 136	1.36 133	2.20 122	0.81 15	0.31 71	18.77 420	0.33 166	0.36 244	0.35 124	8.09 375

1test111	3.86 318	0.94 158	19.66 203	1.87 337	0.42 23	4.47 320	0.73 96	4.07 223	4.63 362	1.21 40	1.89 187	0.73 19	1.62 201	5.19 210	1.68 179	0.31 71	18.77 420	0.32 134	0.21 27	0.35 124	8.09 375

cc1	3.93 323	0.94 158	19.66 203	1.87 337	0.42 23	4.47 320	0.73 96	4.24 288	4.01 334	1.21 40	1.89 187	0.73 19	1.62 201	2.20 122	0.81 15	0.31 71	18.77 420	0.32 134	0.21 27	0.32 69	13.93 397

CASnet	0.85 2	0.59 18	1.66 2	0.91 58	0.30 1	1.37 13	0.73 96	1.63 6	1.94 81	1.66 78	1.14 23	0.66 8	0.63 9	1.07 2	0.90 30	0.37 164	0.17 3	0.41 249	0.31 196	0.33 90	0.23 5
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CAS	1.34 13	0.48 1	2.20 6	3.01 386	1.66 332	4.08 243	0.73 96	1.96 21	1.51 17	0.86 12	1.10 15	0.59 2	0.53 2	1.36 30	0.94 40	3.07 391	0.14 1	0.21 3	0.14 1	0.38 154	1.78 302

iGMRVC	2.27 81	0.74 87	20.46 294	0.77 10	0.38 7	4.65 354	0.73 96	2.54 51	3.21 249	2.00 139	1.53 75	1.77 128	1.14 101	2.47 144	0.99 52	0.51 280	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

RAFT-IKP	2.27 81	0.74 87	20.55 308	0.77 10	0.38 7	4.64 353	0.73 96	2.54 51	3.21 249	2.00 139	1.53 75	1.77 128	1.13 96	2.25 131	1.00 55	0.51 280	0.22 49	0.32 134	0.28 132	0.40 169	0.35 36

dd	2.27 81	3.06 314	20.18 257	0.96 86	0.51 58	4.24 289	0.74 104	1.94 20	2.43 143	1.48 60	1.28 41	1.19 72	1.05 78	1.82 86	1.69 182	0.63 318	0.34 173	0.35 201	0.33 213	0.61 279	0.57 153

AACVNet	2.77 202	1.64 260	19.22 182	1.57 294	0.86 153	3.28 86	0.74 104	3.31 112	1.66 54	2.06 161	1.82 160	2.47 217	1.40 143	10.95 338	1.92 218	0.41 194	0.35 182	0.38 236	0.33 213	0.46 227	0.61 175

IIG-Stereo	2.89 213	0.98 171	19.80 217	2.78 378	0.67 108	4.62 349	0.74 104	4.29 302	2.26 118	2.62 293	3.10 339	3.33 288	1.60 188	7.64 266	1.51 141	0.42 204	0.21 34	0.32 134	0.25 78	0.33 90	0.28 8

ROB_FTStereo_v2	2.25 76	0.74 87	20.45 293	0.77 10	0.38 7	4.66 356	0.74 104	2.54 51	3.20 246	2.00 139	1.53 75	1.77 128	1.14 101	2.13 113	0.96 46	0.50 274	0.22 49	0.32 134	0.28 132	0.40 169	0.35 36

SST-Stereo	2.63 169	0.63 35	19.76 216	1.69 317	0.46 33	4.71 371	0.74 104	2.27 33	3.07 232	2.07 167	2.15 235	2.42 212	3.17 326	6.66 245	0.95 45	0.45 233	0.19 9	0.30 101	0.27 107	0.35 124	0.31 15

BUS	1.64 25	0.64 38	3.82 14	0.94 71	0.86 153	4.50 326	0.75 109	4.49 350	2.29 126	2.96 327	1.82 160	3.61 311	1.03 65	1.79 77	1.18 78	0.39 184	0.25 103	0.31 119	0.28 132	0.38 154	0.41 72

NINENet	2.59 156	0.89 136	16.09 100	1.16 157	1.07 211	4.50 326	0.75 109	4.43 343	2.61 164	2.18 195	1.91 195	3.61 311	1.03 65	7.92 270	1.18 78	0.49 264	0.34 173	0.41 249	0.30 179	0.42 195	0.44 87

GANet-ADL	2.25 76	0.80 113	20.17 256	1.28 210	0.69 120	3.83 185	0.75 109	3.63 137	1.83 69	1.68 81	2.04 216	2.09 185	1.10 90	1.63 53	1.43 129	0.42 204	0.33 166	0.26 36	0.23 54	0.43 204	0.41 72

Patchmatch Stereo++	2.28 85	0.74 87	20.54 306	0.77 10	0.38 7	4.67 357	0.75 109	2.55 58	3.21 249	2.00 139	1.53 75	1.77 128	1.14 101	2.46 141	0.98 50	0.51 280	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36
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
ROB_FTStereo	2.26 78	0.74 87	20.44 291	0.77 10	0.38 7	4.65 354	0.75 109	2.54 51	3.19 245	2.00 139	1.54 84	1.77 128	1.13 96	2.28 132	0.94 40	0.49 264	0.22 49	0.32 134	0.28 132	0.40 169	0.35 36

iRAFT	2.28 85	0.74 87	20.54 306	0.77 10	0.38 7	4.67 357	0.75 109	2.55 58	3.21 249	2.00 139	1.53 75	1.77 128	1.14 101	2.46 141	0.98 50	0.51 280	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

UNet	2.53 137	0.91 144	20.07 244	1.19 171	1.44 288	3.45 112	0.75 109	3.80 167	1.98 85	2.09 172	1.57 91	2.74 243	2.37 285	3.51 182	2.52 268	0.35 136	0.30 149	0.41 249	0.28 132	0.40 169	0.50 122

raft+_RVC	3.46 292	2.57 306	19.51 199	1.49 279	17.54 420	3.63 148	0.76 116	3.24 103	1.53 20	1.35 50	1.67 113	1.03 54	1.10 90	1.98 101	1.53 144	0.25 8	7.10 394	0.25 25	0.24 67	0.28 22	2.18 316

DisPM	2.29 88	0.61 30	20.25 269	1.79 333	0.52 61	4.58 343	0.77 117	2.50 46	2.22 110	2.49 280	1.82 160	1.45 98	1.01 64	2.73 164	1.04 59	0.48 258	0.20 18	0.32 134	0.31 196	0.32 69	0.45 91

ASMatch	2.65 174	0.68 60	20.65 324	1.60 299	0.71 121	4.40 309	0.77 117	2.02 24	1.65 52	1.71 87	3.89 358	1.93 156	3.75 344	5.45 215	1.67 177	0.33 108	0.24 91	0.34 184	0.28 132	0.34 111	0.57 153

RAFT-345	2.55 146	0.60 25	19.89 229	1.22 182	0.49 49	4.43 314	0.77 117	1.68 7	3.54 311	2.09 172	3.10 339	1.95 162	1.30 127	6.65 244	1.47 139	0.41 194	0.23 72	0.32 134	0.26 92	0.29 34	0.28 8

tt1	3.79 314	0.93 155	15.34 88	1.83 335	0.45 32	4.54 332	0.78 120	4.23 281	4.73 367	1.27 48	1.89 187	0.74 24	1.48 162	2.29 133	0.78 8	0.30 56	19.28 430	0.32 134	0.22 45	0.31 50	14.02 398

RAFT-Test	1.67 28	0.64 38	6.13 26	1.25 203	1.82 350	3.06 68	0.78 120	4.02 209	3.09 236	1.88 108	1.70 120	3.76 318	1.03 65	1.40 34	1.07 64	0.29 34	0.33 166	0.25 25	0.23 54	0.29 34	0.33 23

anonymousa	3.14 248	0.83 120	19.20 180	1.62 303	9.63 412	2.06 31	0.78 120	2.93 78	2.20 107	1.95 126	2.17 240	3.41 292	1.81 238	1.33 23	1.67 177	0.29 34	8.64 400	0.34 184	0.37 252	0.32 69	1.33 275

RCA-Stereo	1.38 15	0.61 30	3.95 19	0.94 71	0.48 42	4.68 365	0.78 120	4.17 261	1.95 82	1.93 115	1.84 174	0.94 49	1.48 162	1.23 11	0.75 5	0.30 56	0.43 237	0.25 25	0.20 20	0.26 14	0.37 52

HUI-Stereo	2.27 81	0.74 87	20.56 310	0.77 10	0.38 7	4.67 357	0.78 120	2.54 51	3.23 257	2.00 139	1.53 75	1.77 128	1.13 96	2.21 125	0.93 34	0.49 264	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

Pruner-Stereo	2.33 96	0.70 71	20.66 325	2.05 352	0.48 42	4.73 372	0.78 120	2.55 58	2.70 171	2.47 275	1.57 91	1.48 100	1.03 65	1.71 65	1.55 149	0.48 258	0.21 34	0.34 184	0.30 179	0.31 50	0.42 79

Any-RAFT	1.62 22	0.59 18	5.29 23	1.12 143	0.76 134	4.41 311	0.79 126	4.12 244	3.26 260	2.02 148	1.36 55	2.82 251	1.56 183	1.90 92	0.81 15	0.29 34	0.25 103	0.26 36	0.19 10	0.25 6	0.35 36

ACVNet	2.40 111	0.97 168	20.20 259	0.94 71	0.86 153	4.22 286	0.79 126	2.97 88	2.85 192	1.93 115	1.91 195	3.07 270	1.46 158	1.52 46	2.37 260	0.33 108	0.27 130	0.30 101	0.27 107	0.42 195	0.35 36

hitnet-ft	2.99 229	1.23 212	19.37 191	0.96 86	0.90 166	3.76 172	0.79 126	3.60 133	2.68 168	2.31 230	2.04 216	3.63 314	1.49 165	11.70 368	2.37 260	0.45 233	0.54 268	0.44 265	0.36 244	0.54 257	0.56 148

HITNet	2.49 129	2.91 311	19.23 183	1.54 288	0.57 78	3.47 115	0.79 126	4.16 257	2.93 206	2.18 195	1.65 112	1.68 112	1.45 156	2.17 118	2.99 285	0.28 29	0.20 18	0.41 249	0.27 107	0.45 219	0.52 134
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
HH	3.19 257	0.91 144	21.34 381	1.24 189	0.61 86	4.16 264	0.80 130	2.94 80	1.82 67	1.23 45	1.84 174	4.61 363	1.84 244	2.63 156	0.99 52	0.29 34	1.53 336	0.30 101	0.24 67	0.34 111	14.22 402

HanStereo	3.19 257	0.91 144	21.34 381	1.24 189	0.61 86	4.16 264	0.80 130	2.94 80	1.82 67	1.23 45	1.84 174	4.61 363	1.84 244	2.63 156	0.99 52	0.29 34	1.53 336	0.30 101	0.24 67	0.34 111	14.22 402

Selective-IGEV	1.42 17	0.58 10	8.82 41	0.92 64	0.85 151	1.32 12	0.80 130	2.85 76	3.84 326	0.87 15	1.68 115	0.71 18	0.62 8	1.30 17	0.75 5	0.24 4	0.27 130	0.24 16	0.19 10	0.27 17	1.18 268

GLC_STEREO	0.83 1	0.59 18	1.71 3	0.89 50	0.34 3	1.88 23	0.80 130	1.48 2	1.60 39	0.98 27	1.06 11	0.68 10	0.71 17	1.19 10	0.89 29	0.25 8	0.25 103	0.32 134	0.25 78	0.32 69	0.34 31

PSMNet-ADL	2.01 45	0.78 110	2.89 10	1.11 136	0.86 153	4.13 253	0.80 130	3.84 173	2.26 118	1.74 93	1.87 183	2.90 257	1.81 238	10.37 323	2.34 256	0.49 264	0.47 255	0.29 80	0.30 179	0.39 165	0.56 148

CRE-IMP	2.28 85	0.68 60	19.67 209	0.85 34	0.39 21	4.54 332	0.80 130	2.63 66	4.84 374	1.96 128	1.51 74	1.86 148	0.96 56	1.52 46	1.43 129	0.47 253	0.21 34	0.31 119	0.26 92	0.41 187	0.35 36

pcwnet_v2	2.73 194	0.70 71	22.43 407	1.11 136	1.02 195	3.58 138	0.80 130	4.31 314	3.42 296	2.39 260	2.28 263	2.99 262	1.68 217	3.31 179	1.54 147	0.44 224	0.51 266	0.41 249	0.34 222	0.62 284	0.74 215

test_xeample	4.19 331	0.93 155	14.09 70	1.16 157	1.17 233	3.28 86	0.80 130	4.63 369	5.30 380	2.46 274	2.35 272	1.39 89	1.42 150	10.88 334	17.68 400	0.30 56	6.50 392	0.32 134	0.32 206	0.36 141	8.38 383

anonymousdsp	3.14 248	0.83 120	20.28 272	0.94 71	0.64 100	4.54 332	0.82 138	2.03 25	3.32 278	0.91 20	1.13 20	0.78 27	0.77 26	1.78 76	0.90 30	0.29 34	0.25 103	0.29 80	0.21 27	0.33 90	21.81 426

DCRE	3.02 231	0.95 162	18.48 155	1.18 168	1.89 352	3.57 136	0.82 138	3.36 116	1.70 59	2.04 156	8.12 382	1.73 120	1.07 82	1.31 19	1.24 90	0.24 4	0.87 310	0.26 36	0.27 107	0.28 22	11.03 393

ProNet	1.63 23	0.91 144	5.70 24	0.96 86	0.64 100	2.40 45	0.82 138	1.92 18	3.28 264	0.69 1	1.17 25	0.78 27	0.76 25	1.72 69	0.87 26	0.27 22	0.97 319	0.25 25	0.26 92	0.31 50	7.97 374

IGEV-Stereo	3.15 250	0.83 120	20.31 279	0.94 71	0.64 100	4.54 332	0.82 138	2.01 23	3.31 274	0.91 20	1.13 20	0.79 31	0.77 26	1.79 77	0.92 33	0.29 34	0.25 103	0.29 80	0.21 27	0.33 90	21.85 427
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ff7	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 338	0.83 142	1.68 7	3.44 297	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 407

IGEVStereo-DCA	3.09 240	3.48 322	16.25 105	0.96 86	0.49 49	1.59 16	0.83 142	1.68 7	3.44 297	0.75 4	0.78 3	0.74 24	0.73 20	5.79 221	7.75 341	0.32 85	0.26 123	0.28 66	0.21 27	0.32 69	15.08 407

ffff	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 338	0.83 142	1.68 7	3.44 297	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 407

11t	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 338	0.83 142	1.68 7	3.44 297	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 407

ccc-4	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 338	0.83 142	1.68 7	3.44 297	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 407

PFNet+	2.46 125	0.64 38	21.10 363	0.98 96	0.48 42	4.63 351	0.83 142	2.47 43	3.48 306	2.14 182	1.67 113	1.34 81	1.03 65	4.66 204	1.35 110	0.49 264	0.33 166	0.38 236	0.39 266	0.33 90	0.49 118

iResNet	2.70 186	1.35 229	20.93 344	2.01 348	0.73 123	3.76 172	0.83 142	4.28 301	2.93 206	2.38 258	2.03 214	1.35 83	1.54 178	3.28 178	4.42 313	0.42 204	0.25 103	0.29 80	0.23 54	0.45 219	0.64 186

iRaft-Stereo_5w	2.47 127	1.37 230	13.85 64	0.87 44	0.99 187	3.22 76	0.84 149	3.72 152	2.12 99	1.57 67	2.49 295	2.20 189	2.22 276	9.12 286	2.03 231	0.48 258	0.27 130	0.35 201	0.29 162	0.48 242	0.94 246

dad	2.65 174	3.40 319	19.45 196	1.05 121	0.65 105	4.21 284	0.84 149	2.10 29	2.77 180	2.32 242	1.72 126	1.72 118	1.27 121	3.86 189	2.04 233	1.06 362	0.40 219	2.04 388	0.49 308	0.78 326	0.83 227

Anonymous3	2.20 70	0.80 113	20.08 249	0.86 37	0.86 153	4.46 317	0.84 149	3.64 140	1.40 5	1.37 52	1.40 63	1.11 60	1.03 65	1.71 65	1.24 90	0.75 344	0.58 278	0.34 184	0.35 235	0.48 242	0.65 189

FADNet_RVC	3.10 241	7.62 350	19.12 173	1.05 121	0.93 176	4.09 244	0.84 149	4.34 327	2.05 91	1.54 62	1.78 146	1.61 106	1.50 166	8.92 283	2.64 273	0.50 274	0.38 207	0.44 265	0.61 338	0.91 342	1.16 267

CAS++	1.01 6	0.77 109	3.30 11	0.86 37	0.53 62	1.23 9	0.85 153	3.43 121	1.57 29	1.16 38	1.33 49	0.62 5	0.58 4	1.18 9	0.63 1	0.37 164	0.30 149	0.35 201	0.27 107	0.41 187	0.38 59
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
mmm	2.70 186	0.80 113	8.26 34	1.50 281	1.18 235	2.44 46	0.85 153	4.08 230	4.59 361	2.31 230	1.95 203	1.51 101	1.55 181	2.33 137	1.72 189	0.31 71	7.71 396	0.45 271	0.42 286	0.40 169	9.56 388

test_3	2.17 64	0.58 10	18.64 158	1.11 136	0.78 137	2.15 36	0.85 153	4.42 341	1.47 8	2.00 139	1.20 27	2.02 175	0.79 34	2.70 163	1.35 110	0.29 34	1.04 321	0.29 80	0.29 162	0.31 50	1.07 259

DMCA-RVC	2.72 189	3.31 318	20.08 249	1.27 208	1.13 227	2.49 47	0.85 153	3.43 121	1.85 71	3.04 331	1.58 95	1.99 170	1.51 168	6.42 239	2.86 278	0.39 184	0.31 154	0.44 265	0.37 252	0.47 237	0.65 189

MyStereo06	2.74 195	1.07 187	21.19 374	1.06 124	1.08 214	4.26 290	0.86 157	3.72 152	1.80 66	2.25 212	1.77 143	4.28 347	4.12 350	1.85 90	1.38 123	0.25 8	2.43 361	0.34 184	0.27 107	0.46 227	0.48 113

MyStereo05	2.55 146	1.07 187	19.87 227	1.06 124	1.08 214	4.26 290	0.86 157	4.10 236	3.01 220	2.19 200	1.26 38	2.30 197	1.64 206	2.13 113	1.99 223	0.25 8	2.43 361	0.34 184	0.27 107	0.46 227	0.48 113

NLCA_NET_v2_RVC	2.76 200	1.48 240	19.72 213	1.62 303	2.00 358	3.95 217	0.86 157	3.92 187	2.51 153	2.56 285	1.69 118	2.83 253	1.61 193	5.65 219	1.78 197	0.48 258	0.36 189	0.38 236	0.42 286	0.56 266	0.77 218
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DualNet	5.08 364	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.23 281	4.73 367	2.31 230	2.40 281	3.49 297	1.64 206	2.29 133	16.90 387	0.30 56	19.28 430	0.48 283	0.40 273	0.31 50	14.02 398

ffm	4.27 338	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.23 281	4.73 367	2.31 230	2.40 281	3.49 297	1.64 206	2.29 133	0.78 8	0.30 56	19.28 430	0.48 283	0.40 273	0.31 50	14.02 398

ff1	5.58 369	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.23 281	4.73 367	2.31 230	2.40 281	3.49 297	1.64 206	12.40 382	16.90 387	0.30 56	19.28 430	0.48 283	0.40 273	0.31 50	14.02 398

mmx	4.56 349	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.53 356	5.34 382	2.31 230	2.40 281	3.49 297	1.64 206	12.40 382	16.90 387	0.34 124	5.98 389	0.48 283	0.40 273	0.46 227	5.71 364

ttt	4.23 334	0.75 98	19.96 234	1.48 277	1.31 264	3.69 160	0.87 160	4.65 370	5.33 381	2.45 273	2.39 279	2.44 215	1.54 178	11.35 352	16.49 383	0.43 218	4.35 382	0.37 224	0.35 235	0.41 187	4.01 353

xxx	4.56 349	0.98 171	21.04 350	1.24 189	1.03 199	3.64 149	0.87 160	4.53 356	5.34 382	2.31 230	2.40 281	3.49 297	1.64 206	12.40 382	16.90 387	0.34 124	5.98 389	0.48 283	0.40 273	0.46 227	5.71 364

FADNet	3.20 259	11.55 373	16.16 103	1.24 189	0.95 181	3.30 93	0.87 160	4.00 202	2.73 173	1.42 55	1.35 52	2.51 220	2.04 258	9.95 308	2.39 262	0.44 224	0.46 247	0.40 245	0.44 294	1.13 361	0.61 175

1111x	4.75 357	1.05 185	20.89 341	1.28 210	1.02 195	3.81 184	0.88 167	4.65 370	5.52 388	2.43 269	2.27 260	1.97 168	1.81 238	12.40 382	18.19 404	0.32 85	9.06 408	0.32 134	0.34 222	0.38 154	6.34 369

IER	2.09 55	0.91 144	14.11 71	0.97 93	1.15 230	3.17 73	0.89 168	3.59 131	2.39 135	2.15 186	1.98 207	2.27 193	2.11 264	2.39 140	1.80 202	0.35 136	0.24 91	0.36 213	0.30 179	0.34 111	0.42 79

GMOStereo	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 252	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 414	0.35 201	0.28 132	0.35 124	0.33 23

error version	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 252	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 414	0.35 201	0.28 132	0.35 124	0.33 23

test-v	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 252	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 414	0.35 201	0.28 132	0.35 124	0.33 23

test-3	2.19 66	0.59 18	18.63 157	1.13 148	0.75 130	2.07 32	0.89 168	4.37 333	1.53 20	2.25 212	1.20 27	2.05 181	0.79 34	2.68 160	1.35 110	0.29 34	0.95 316	0.28 66	0.27 107	0.27 17	1.47 284

test_1	2.19 66	0.59 18	18.67 159	1.13 148	0.78 137	2.07 32	0.89 168	4.37 333	1.53 20	2.18 195	1.20 27	2.05 181	0.78 28	2.68 160	1.36 117	0.29 34	0.93 313	0.28 66	0.27 107	0.28 22	1.53 287

NRIStereo	2.32 93	0.69 65	20.07 244	1.35 234	0.38 7	4.73 372	0.89 168	2.43 41	3.35 283	1.95 126	1.37 57	1.75 121	1.21 115	2.97 173	1.35 110	0.49 264	0.22 49	0.29 80	0.26 92	0.31 50	0.33 23

test-2	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 252	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 414	0.35 201	0.28 132	0.35 124	0.33 23

Anonymous	1.97 36	0.88 132	20.58 317	1.08 128	1.27 256	1.65 18	0.89 168	2.54 51	1.62 45	0.92 23	1.18 26	0.70 13	1.09 84	1.28 15	1.00 55	0.53 292	0.35 182	0.30 101	0.30 179	0.66 302	0.56 148

MMNet	2.15 59	1.33 227	12.06 54	1.22 182	1.23 250	3.55 133	0.89 168	3.84 173	2.26 118	2.19 200	1.78 146	2.15 187	2.10 262	3.70 187	2.35 257	0.45 233	0.38 207	0.34 184	0.28 132	0.40 169	0.52 134

CFNet-ft	2.87 209	1.80 270	20.20 259	1.10 132	1.54 300	4.09 244	0.89 168	2.97 88	1.88 74	1.93 115	1.70 120	3.50 302	1.60 188	9.35 290	2.17 243	0.35 136	0.32 160	0.61 335	0.38 260	0.55 260	0.45 91

DMCA	2.02 47	1.07 187	11.33 52	1.17 164	0.96 183	3.92 211	0.89 168	3.80 167	3.11 237	2.89 318	1.58 95	2.35 204	1.17 108	1.79 77	2.25 249	0.42 204	0.29 141	0.42 259	0.27 107	0.38 154	0.43 83

STTStereo	2.62 165	1.28 219	19.16 176	1.52 285	1.55 304	3.84 187	0.89 168	3.75 157	2.59 163	2.23 209	1.59 97	2.48 219	1.58 184	5.11 208	1.72 189	0.38 177	0.41 225	0.47 278	0.54 324	0.53 254	0.75 217

R-Stereo Train	2.13 57	0.65 45	19.43 193	1.02 111	0.67 108	3.79 178	0.89 168	4.12 244	1.55 24	2.15 186	1.72 126	1.13 61	0.94 53	1.46 39	1.30 105	0.32 85	0.25 103	0.27 46	0.21 27	0.28 22	0.37 52

RAFT-Stereo	2.13 57	0.65 45	19.43 193	1.02 111	0.67 108	3.79 178	0.89 168	4.12 244	1.55 24	2.15 186	1.72 126	1.13 61	0.94 53	1.46 39	1.30 105	0.32 85	0.25 103	0.27 46	0.21 27	0.28 22	0.37 52
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CFNet_RVC	2.87 209	1.80 270	20.20 259	1.10 132	1.54 300	4.09 244	0.89 168	2.97 88	1.88 74	1.93 115	1.70 120	3.50 302	1.60 188	9.35 290	2.17 243	0.35 136	0.32 160	0.61 335	0.38 260	0.55 260	0.45 91

IGEV_Zeroshot_test	2.66 178	0.75 98	21.55 388	1.50 281	0.89 162	2.21 37	0.90 184	3.52 126	1.83 69	2.17 192	1.57 91	4.09 335	1.60 188	1.73 72	1.21 83	0.32 85	0.33 166	0.28 66	0.30 179	0.44 212	6.09 367

AEACV	2.12 56	0.67 54	6.33 27	1.38 246	1.50 294	3.53 130	0.90 184	2.83 75	1.60 39	0.91 20	0.81 6	0.80 32	1.61 193	1.56 50	0.73 4	0.25 8	0.60 281	0.26 36	0.27 107	0.29 34	15.65 413

knoymous	1.50 18	0.65 45	8.73 40	0.91 58	0.75 130	2.97 65	0.90 184	2.93 78	1.38 4	1.56 65	1.07 14	2.75 245	0.88 43	1.43 36	1.13 70	0.32 85	0.22 49	0.35 201	0.20 20	0.45 219	0.41 72

qqq	2.96 224	0.88 132	15.54 94	1.27 208	0.74 126	2.29 42	0.90 184	4.07 223	4.63 362	1.63 73	1.32 48	1.78 136	1.36 133	5.19 210	1.68 179	0.29 34	6.43 391	0.33 166	0.36 244	0.35 124	8.09 375

ACRE	2.75 198	7.69 352	19.93 232	0.93 66	1.30 260	3.94 215	0.90 184	4.23 281	3.66 318	2.33 244	2.61 309	1.17 66	1.04 71	1.80 83	1.35 110	0.46 246	0.25 103	0.27 46	0.23 54	0.32 69	0.60 171

HHNet	2.51 131	0.76 106	20.83 336	0.67 3	0.67 108	4.07 240	0.90 184	3.85 175	1.59 34	2.14 182	4.91 371	0.98 50	3.32 331	1.73 72	1.80 202	0.41 194	0.20 18	0.31 119	0.28 132	0.38 154	0.44 87

PFNet	2.75 198	0.69 65	19.96 234	2.25 357	0.80 141	4.63 351	0.90 184	2.60 63	3.85 328	2.39 260	2.71 319	1.82 143	1.41 148	7.53 265	1.41 126	0.36 156	0.21 34	0.36 213	0.27 107	0.32 69	0.46 98

DeepPruner_ROB	2.61 162	1.97 283	19.32 188	1.03 114	1.20 242	4.38 303	0.90 184	3.44 123	1.77 63	2.61 291	1.54 84	2.77 248	1.27 121	5.05 207	2.08 237	0.52 290	0.40 219	0.37 224	0.35 235	0.52 253	0.62 179

CIPLG	2.88 211	10.01 365	20.02 240	0.95 79	1.34 268	3.95 217	0.91 192	4.24 288	3.69 321	2.36 252	2.66 313	1.17 66	1.06 80	1.82 86	1.37 122	0.45 233	0.25 103	0.27 46	0.23 54	0.33 90	0.60 171

RAFT	2.36 102	1.62 257	18.03 146	1.75 329	0.54 65	1.91 25	0.91 192	3.24 103	3.65 317	1.64 74	1.73 132	3.45 294	1.58 184	1.82 86	1.74 194	0.42 204	1.06 322	0.40 245	0.32 206	0.44 212	1.03 256

111	2.59 156	3.10 315	20.47 296	0.84 29	0.38 7	4.26 290	0.91 192	4.45 346	2.96 209	2.48 277	2.07 228	2.31 198	1.64 206	1.49 43	1.90 212	0.35 136	0.22 49	0.25 25	0.21 27	0.32 69	1.14 265

test_xeample3	3.67 306	3.52 324	21.53 387	0.98 96	0.51 58	1.88 23	0.91 192	8.10 403	2.76 179	0.82 8	0.76 2	0.65 7	0.70 15	5.88 224	7.74 340	0.32 85	0.29 141	0.27 46	0.22 45	0.29 34	15.33 412

GANet-RSSM	2.96 224	1.27 216	21.17 371	1.73 325	1.23 250	4.22 286	0.91 192	3.39 118	2.02 89	1.97 131	1.74 134	2.53 221	2.06 259	10.91 337	1.88 210	0.37 164	0.35 182	0.32 134	0.29 162	0.42 195	0.46 98

rrr	3.66 304	3.48 322	23.50 412	0.96 86	0.49 49	1.59 16	0.92 197	8.19 404	2.75 176	0.75 4	0.78 3	0.74 24	0.73 20	5.79 221	7.75 341	0.32 85	0.26 123	0.28 66	0.21 27	0.32 69	13.47 395

RAFT+CT+SA	2.32 93	1.30 223	19.71 211	1.01 107	1.41 283	4.04 232	0.92 197	3.96 195	1.64 50	1.64 74	1.69 118	1.63 109	1.18 111	3.06 175	1.19 81	0.28 29	0.22 49	0.32 134	0.34 222	0.34 111	0.47 106

IPLGR_C	2.96 224	11.71 374	20.02 240	0.95 79	1.31 264	3.93 212	0.92 197	4.22 276	3.76 323	2.35 248	2.62 310	1.16 65	1.07 82	1.71 65	1.34 109	0.45 233	0.25 103	0.27 46	0.23 54	0.33 90	0.60 171

ac_64	2.93 217	0.87 129	19.66 203	1.35 234	1.70 336	3.29 89	0.92 197	3.56 128	3.46 304	1.91 111	1.79 149	3.90 325	1.76 229	10.23 317	1.93 219	0.44 224	0.32 160	0.33 166	0.31 196	0.35 124	0.51 128

cf-r	2.93 217	2.19 295	20.59 318	1.49 279	1.35 270	4.18 273	0.92 197	3.73 156	3.12 239	2.16 190	1.82 160	3.40 291	1.44 154	8.22 272	1.93 219	0.34 124	0.31 154	0.33 166	0.30 179	0.38 154	0.45 91

DispNO	3.22 262	2.06 286	19.82 220	1.21 178	1.11 222	3.74 169	0.93 202	4.31 314	2.89 202	2.37 257	2.27 260	4.51 357	2.09 261	11.41 354	3.47 298	0.35 136	0.28 136	0.31 119	0.29 162	0.39 165	0.51 128

Anonymous_2	4.03 327	0.99 180	11.19 51	1.20 173	1.71 337	3.68 159	0.93 202	3.76 158	1.63 48	2.07 167	1.43 67	4.76 367	2.34 283	1.86 91	1.78 197	0.82 351	2.42 360	8.69 422	16.64 427	4.38 404	8.29 380

ICVP	2.19 66	0.72 78	19.18 178	1.03 114	0.88 161	4.22 286	0.94 204	3.44 123	1.69 58	1.68 81	1.76 136	1.35 83	1.19 113	1.80 83	1.40 125	0.58 305	0.37 194	0.34 184	0.30 179	0.41 187	0.59 167
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HGLStereo	2.74 195	1.03 183	20.80 334	1.24 189	1.55 304	3.62 147	0.94 204	3.83 172	2.09 93	2.18 195	2.20 249	3.11 274	2.12 266	5.65 219	2.07 236	0.50 274	0.34 173	0.32 134	0.30 179	0.42 195	0.50 122

RTSC	3.44 287	6.78 346	16.53 117	1.76 331	1.54 300	3.53 130	0.94 204	4.22 276	2.97 210	3.65 360	3.23 345	3.31 286	2.29 279	6.22 234	7.41 338	0.61 310	1.32 332	0.37 224	0.42 286	0.78 326	0.98 249

MyStereo07	2.29 88	1.18 203	20.10 252	1.04 117	1.21 247	3.96 221	0.95 207	2.13 30	3.37 285	1.09 34	1.28 41	0.68 10	0.91 48	1.74 74	0.86 25	0.26 14	3.49 377	0.34 184	0.27 107	0.43 204	0.49 118

MyStereo04	2.54 141	1.18 203	18.82 164	1.04 117	1.21 247	3.96 221	0.95 207	4.02 209	3.01 220	2.06 161	1.27 40	2.33 200	1.66 214	2.06 105	2.01 228	0.26 14	3.49 377	0.34 184	0.27 107	0.43 204	0.49 118

GwcNet-ADL	2.51 131	0.75 98	21.41 385	0.98 96	0.73 123	4.58 343	0.95 207	4.46 348	2.61 164	2.06 161	1.80 153	2.54 223	1.24 119	1.98 101	1.73 192	0.41 194	0.46 247	0.24 16	0.27 107	0.41 187	0.55 146

RAFT_R40	2.61 162	0.64 38	19.86 225	1.69 317	0.46 33	4.74 374	0.95 207	2.28 34	2.52 155	2.02 148	2.32 270	2.69 239	2.52 297	6.70 247	1.05 62	0.42 204	0.19 9	0.30 101	0.27 107	0.33 90	0.29 11

PSMNet-RSSM	2.91 215	1.55 250	20.10 252	1.32 228	1.30 260	4.19 281	0.95 207	3.78 161	2.28 122	2.28 223	1.80 153	2.64 235	1.87 249	9.83 301	1.93 219	0.37 164	0.33 166	0.35 201	0.38 260	0.46 227	0.40 67

x	2.94 221	0.83 120	16.07 99	1.51 283	0.83 146	2.13 34	0.96 212	3.97 198	4.73 367	1.73 90	1.43 67	1.61 106	1.27 121	2.24 128	1.71 187	0.29 34	6.91 393	0.34 184	0.31 196	0.34 111	9.60 389

acv_ft	2.45 123	0.97 168	19.57 200	1.15 153	2.01 359	2.97 65	0.96 212	3.88 178	2.85 192	2.34 246	1.91 195	3.07 270	1.65 213	1.52 46	2.26 250	0.33 108	0.27 130	0.30 101	0.27 107	0.42 195	0.35 36

NOSS_ROB	3.12 245	0.89 136	19.03 170	2.01 348	1.07 211	3.90 201	0.97 214	4.32 321	3.08 233	2.94 324	2.19 248	3.85 324	1.18 111	11.75 370	1.69 182	0.69 328	0.54 268	0.57 325	0.52 319	0.57 270	0.72 206

LargeStereo	3.59 300	0.91 144	13.63 61	1.08 128	0.98 185	1.27 11	0.98 215	3.33 113	1.89 76	0.93 24	1.38 60	0.86 40	1.09 84	1.71 65	1.09 67	0.36 156	21.52 434	0.23 5	0.21 27	0.31 50	18.10 423

iRaft-Stereo_20w	3.11 242	0.69 65	18.89 165	1.00 104	1.09 217	5.03 383	1.00 216	5.86 398	2.46 150	2.83 316	1.64 110	3.06 269	4.30 353	3.08 176	1.74 194	0.31 71	0.30 149	0.27 46	0.35 235	0.42 195	7.93 373

STrans-v2	3.11 242	0.95 162	20.80 334	0.86 37	0.64 100	3.90 201	1.01 217	4.30 304	3.61 314	2.28 223	3.65 354	4.11 338	5.17 363	7.32 259	1.63 169	0.34 124	0.18 5	0.29 80	0.26 92	0.30 45	0.65 189

GES	2.26 78	0.79 112	19.68 210	1.12 143	0.59 82	4.30 296	1.01 217	3.90 182	1.59 34	1.78 98	1.78 146	1.28 79	1.75 227	1.80 83	1.61 164	0.42 204	0.29 141	0.33 166	0.31 196	0.45 219	0.50 122

PWCDC_ROB	3.62 301	9.86 364	17.35 131	1.62 303	1.57 310	4.19 281	1.01 217	4.35 328	4.20 340	2.26 218	7.36 378	2.73 240	2.75 302	4.10 197	4.51 314	1.47 376	0.37 194	0.39 240	0.34 222	1.22 367	0.73 211

BEATNet_4x	2.65 174	4.43 332	18.10 147	1.41 256	0.59 82	3.44 109	1.02 220	4.08 230	2.97 210	2.28 223	1.75 135	2.18 188	1.61 193	2.80 167	3.54 299	0.39 184	0.25 103	0.47 278	0.31 196	0.61 279	0.86 235

HSM	3.25 270	1.08 190	19.18 178	1.19 171	1.54 300	3.45 112	1.02 220	4.04 216	2.61 164	2.31 230	2.17 240	8.01 392	2.99 316	11.59 361	1.80 202	0.35 136	0.24 91	0.28 66	0.24 67	0.33 90	0.55 146

4D-IteraStereo	2.95 223	1.83 276	20.75 331	0.81 22	1.56 308	2.22 38	1.03 222	2.48 45	1.56 27	1.42 55	1.00 8	1.93 156	0.61 7	1.65 54	2.04 233	0.31 71	0.22 49	0.31 119	0.26 92	0.28 22	16.75 420

gwcnet-sp	2.38 107	1.51 243	17.58 137	1.11 136	0.92 172	3.59 139	1.03 222	3.79 162	2.43 143	2.60 287	1.63 105	1.80 138	1.61 193	3.87 190	1.99 223	0.33 108	0.32 160	0.30 101	0.29 162	0.40 169	0.47 106

scenet	2.38 107	1.51 243	17.58 137	1.11 136	0.92 172	3.59 139	1.03 222	3.79 162	2.43 143	2.60 287	1.63 105	1.80 138	1.61 193	3.87 190	1.99 223	0.33 108	0.32 160	0.30 101	0.29 162	0.40 169	0.47 106

ssnet	2.38 107	1.51 243	17.58 137	1.11 136	0.92 172	3.59 139	1.03 222	3.79 162	2.43 143	2.60 287	1.63 105	1.80 138	1.61 193	3.87 190	1.99 223	0.33 108	0.32 160	0.30 101	0.29 162	0.40 169	0.47 106

RAFT_CTSACE	2.41 117	1.83 276	20.33 281	1.77 332	1.39 277	3.50 124	1.03 222	3.25 106	1.64 50	1.80 102	2.04 216	2.82 251	1.78 232	2.11 110	1.10 68	0.27 22	0.24 91	0.28 66	0.30 179	0.31 50	0.33 23

UCFNet_RVC	2.53 137	1.29 221	20.56 310	1.42 263	1.40 281	4.01 227	1.04 227	2.79 73	1.67 56	2.27 221	1.88 185	2.94 259	1.50 166	3.48 180	1.68 179	0.37 164	0.29 141	0.52 306	0.41 283	0.55 260	0.51 128

TRStereo	2.86 208	2.12 291	19.98 237	1.68 316	1.18 235	4.35 301	1.05 228	5.07 383	3.48 306	1.56 65	1.39 61	1.75 121	0.85 39	2.01 103	1.50 140	0.43 218	0.34 173	0.33 166	0.36 244	0.36 141	7.50 372

AAGNet	3.88 320	0.67 54	20.04 242	2.27 358	0.46 33	4.76 376	1.05 228	2.28 34	3.38 287	2.16 190	1.84 174	2.40 206	3.95 347	6.22 234	24.21 416	0.49 264	0.19 9	0.30 101	0.29 162	0.33 90	0.29 11

anonymity	2.02 47	1.28 219	5.16 22	1.73 325	1.63 322	1.86 22	1.06 230	3.50 125	2.42 141	2.19 200	2.11 231	1.88 152	3.89 346	1.92 93	1.56 150	1.11 364	1.14 326	1.08 374	1.11 372	1.05 350	2.68 326

AASNet	2.65 174	3.20 316	20.19 258	1.38 246	1.49 293	3.84 187	1.06 230	3.92 187	3.28 264	2.07 167	2.28 263	1.95 162	1.28 124	2.19 121	2.17 243	0.42 204	0.33 166	0.45 271	0.30 179	0.59 275	0.52 134

LL-Strereo	4.26 337	13.69 388	20.37 284	1.24 189	2.18 363	2.90 60	1.08 232	4.35 328	2.22 110	3.20 343	2.26 257	3.29 283	3.13 322	11.30 350	1.91 214	0.33 108	3.89 380	0.46 276	0.34 222	0.54 257	6.47 370

PS-NSSS	3.11 242	1.60 255	19.48 197	1.00 104	1.53 299	4.12 250	1.08 232	4.59 367	2.80 184	2.19 200	2.38 276	1.76 127	1.39 139	11.79 372	1.94 222	0.69 328	0.45 243	0.95 369	0.43 291	1.03 349	1.00 251

test_4	1.98 37	0.68 60	15.65 95	0.91 58	0.48 42	4.11 248	1.09 234	2.41 38	1.50 14	1.55 63	2.31 269	1.87 151	0.79 34	2.86 170	1.51 141	0.34 124	0.19 9	0.29 80	0.29 162	0.30 45	0.40 67

FADNet-RVC	3.23 265	12.51 377	17.02 123	1.17 164	0.81 143	3.52 128	1.09 234	4.16 257	2.74 175	1.44 58	1.29 45	1.86 148	1.76 229	9.82 300	2.46 264	0.39 184	0.38 207	0.40 245	0.41 283	0.68 310	0.59 167

RASNet	3.15 250	1.20 210	19.81 219	1.63 306	2.26 366	3.67 157	1.09 234	3.58 129	3.44 297	1.99 135	2.15 235	4.59 361	2.30 281	10.24 319	2.98 284	0.57 304	0.26 123	0.25 25	0.25 78	0.30 45	0.54 143

AANet_RVC	3.70 310	7.03 348	17.25 127	1.21 178	1.12 225	3.79 178	1.09 234	3.98 199	3.38 287	2.65 296	4.29 365	3.95 328	1.40 143	11.43 357	7.88 343	1.25 370	0.57 272	0.34 184	0.25 78	0.43 204	0.71 203

iinet-f	2.44 121	1.82 275	14.97 84	1.21 178	1.11 222	3.78 177	1.10 238	4.19 269	2.90 204	2.10 174	1.76 136	2.99 262	2.97 311	2.84 169	2.79 274	0.38 177	0.38 207	0.28 66	0.28 132	0.50 247	0.47 106

GASNet	3.86 318	15.35 416	21.16 369	1.63 306	1.25 254	2.35 43	1.11 239	4.11 239	2.86 198	1.99 135	2.11 231	2.99 262	2.16 272	10.62 326	3.75 303	0.71 332	0.37 194	0.61 335	0.46 301	0.91 342	0.70 201

GwcNet-RSSM	3.13 247	5.08 334	19.86 225	1.28 210	1.20 242	4.12 250	1.11 239	3.89 180	2.80 184	2.13 180	1.81 158	3.11 274	1.46 158	10.33 322	2.19 246	0.36 156	0.34 173	0.35 201	0.31 196	0.45 219	0.43 83

APVNet	3.24 267	1.59 254	21.72 391	1.36 238	1.52 298	3.93 212	1.12 241	3.58 129	2.80 184	2.32 242	2.02 212	3.05 267	1.96 255	11.77 371	2.61 271	0.44 224	0.46 247	0.65 346	0.47 303	0.73 317	0.73 211

AdaStereo	2.22 71	0.90 141	16.41 114	1.33 231	0.83 146	3.21 74	1.12 241	4.25 297	2.91 205	2.06 161	1.76 136	2.47 217	1.17 108	1.93 95	1.65 175	0.50 274	0.26 123	0.43 263	0.29 162	0.46 227	0.39 64
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.
ToySt	2.53 137	0.89 136	19.20 180	1.12 143	0.95 181	3.47 115	1.13 243	3.72 152	2.25 115	1.36 51	1.71 124	2.22 190	1.59 187	2.14 116	1.81 205	0.28 29	0.64 288	0.30 101	0.33 213	0.43 204	5.14 361

iResNetv2_ROB	3.31 275	14.88 411	20.01 239	2.17 355	1.09 217	3.84 187	1.13 243	4.22 276	3.15 243	2.02 148	2.06 224	2.00 174	1.69 219	3.61 184	2.10 239	0.36 156	0.22 49	0.32 134	0.22 45	0.48 242	0.58 165

BSDual-CNN	1.61 21	0.64 38	3.82 14	0.94 71	0.86 153	4.18 273	1.14 245	4.49 350	2.29 126	2.96 327	1.82 160	2.58 229	1.30 127	1.79 77	1.44 133	0.39 184	0.25 103	0.31 119	0.28 132	0.38 154	0.41 72

hknet	2.34 98	0.78 110	13.86 66	0.94 71	1.07 211	4.18 273	1.14 245	4.49 350	3.00 216	2.96 327	1.82 160	3.47 295	1.30 127	4.11 198	1.77 196	0.35 136	0.25 103	0.31 119	0.28 132	0.38 154	0.41 72

LMCR-Stereo	2.53 137	2.30 299	18.81 162	1.64 310	0.86 153	3.88 198	1.14 245	4.33 324	1.63 48	2.27 221	2.35 272	1.13 61	2.41 287	2.63 156	2.26 250	1.06 362	0.24 91	0.29 80	0.25 78	0.62 284	0.42 79

DANet	2.82 206	1.17 202	10.20 45	1.87 337	1.72 339	3.25 83	1.15 248	4.36 330	3.02 223	3.42 352	2.18 245	4.09 335	1.79 235	9.78 299	4.32 310	0.55 299	0.57 272	0.60 332	0.44 294	0.65 298	1.25 272
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PWC_ROB	3.32 277	4.61 333	14.41 76	1.46 271	1.90 353	3.21 74	1.15 248	4.39 339	3.46 304	3.13 336	3.40 349	2.79 250	2.34 283	9.17 287	6.94 332	0.61 310	0.34 173	0.61 335	0.37 252	0.73 317	1.40 278

fast-acv-ft	2.62 165	1.62 257	20.48 302	1.45 270	1.39 277	3.16 72	1.16 250	3.41 120	2.45 149	1.97 131	2.15 235	2.68 237	2.15 270	2.92 171	2.47 266	0.43 218	0.40 219	0.45 271	0.40 273	0.62 284	0.64 186

UDG	3.84 317	2.91 311	20.05 243	2.98 384	1.98 357	3.95 217	1.18 251	4.43 343	2.24 112	2.47 275	2.53 302	4.49 355	2.44 290	6.52 242	4.74 318	2.14 382	1.77 343	2.64 398	2.58 408	2.66 388	2.19 317

LRCNet_RVC	25.63 423	33.47 428	24.35 415	31.77 429	32.74 426	6.73 398	1.19 252	25.87 423	4.67 366	28.95 422	30.91 424	24.89 421	17.54 412	27.82 423	24.57 418	35.48 433	25.62 435	35.91 435	33.80 434	31.95 435	34.38 432

Nwc_Net	3.03 233	1.90 280	19.16 176	1.38 246	1.69 335	3.53 130	1.19 252	4.03 212	2.19 104	2.79 310	2.84 326	3.80 321	2.46 291	6.93 254	2.87 280	0.96 358	0.41 225	0.59 329	0.68 345	0.60 278	0.65 189

SHD	3.22 262	4.21 330	14.19 72	2.37 362	2.12 362	2.77 53	1.19 252	4.24 288	3.25 259	4.64 381	2.73 320	3.62 313	2.76 303	6.30 237	4.75 319	0.66 322	1.25 331	0.52 306	0.59 334	0.69 312	1.64 294

DRaft	3.12 245	0.68 60	20.57 314	0.77 10	0.49 49	3.95 217	1.20 255	2.40 37	1.60 39	2.64 295	2.80 324	1.59 105	5.33 364	6.94 255	9.51 349	0.43 218	0.22 49	0.27 46	0.27 107	0.32 69	0.47 106

HSM-Net_RVC	3.02 231	0.65 45	19.48 197	0.94 71	0.90 166	3.71 164	1.20 255	5.61 396	2.87 200	3.24 345	2.49 295	2.53 221	1.61 193	11.39 353	1.90 212	0.37 164	0.27 130	0.27 46	0.24 67	0.31 50	0.39 64
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
LCNet	2.54 141	0.60 25	20.89 341	1.01 107	0.57 78	3.60 143	1.21 257	3.20 99	1.70 59	2.17 192	1.76 136	1.43 95	4.12 350	3.61 184	0.94 40	0.32 85	0.20 18	0.28 66	0.76 352	0.50 247	1.83 306

psm_up	3.04 235	1.30 223	18.97 169	1.31 222	1.51 296	3.86 193	1.22 258	4.26 298	2.31 129	2.72 300	1.83 173	2.43 214	1.68 217	12.86 393	1.78 197	0.43 218	0.41 225	0.41 249	0.34 222	0.46 227	0.67 196

CBFPSM	2.24 74	2.06 286	12.12 55	1.13 148	1.05 208	2.85 55	1.23 259	3.37 117	2.05 91	1.82 104	1.33 49	4.55 359	4.00 348	2.38 139	2.35 257	0.27 22	0.38 207	0.32 134	0.28 132	0.39 165	0.89 238

ADLNet	3.23 265	1.19 209	21.03 349	1.36 238	1.61 317	3.69 160	1.23 259	4.05 219	3.41 294	2.72 300	2.29 265	4.00 331	1.77 231	11.21 347	2.15 241	0.42 204	0.43 237	0.36 213	0.35 235	0.47 237	0.82 225

DISCO	2.40 111	0.99 180	11.99 53	1.81 334	1.12 225	3.47 115	1.24 261	3.34 114	2.57 160	2.73 302	1.96 204	4.52 358	1.90 252	4.18 200	3.62 302	0.37 164	0.27 130	0.31 119	0.30 179	0.70 313	0.62 179

test_5	2.45 123	1.43 235	19.72 213	1.20 173	1.39 277	3.88 198	1.25 262	4.03 212	1.98 85	1.74 93	1.82 160	1.86 148	1.78 232	3.57 183	1.35 110	0.33 108	0.21 34	0.35 201	0.33 213	0.34 111	0.43 83

SFCPSM	2.16 61	0.75 98	15.82 97	0.91 58	0.98 185	3.74 169	1.27 263	4.15 254	2.56 158	1.90 110	1.82 160	1.64 110	1.39 139	2.51 146	1.57 153	0.36 156	0.28 136	0.39 240	0.36 244	0.36 141	0.50 122

DLCB_ROB	2.55 146	1.32 226	10.26 46	1.31 222	1.04 206	2.94 61	1.29 264	3.81 169	2.73 173	2.93 322	2.17 240	3.37 290	1.53 176	10.40 324	3.26 295	0.42 204	0.35 182	0.41 249	0.37 252	0.43 204	0.68 197

CoDeX	2.47 127	0.91 144	13.65 62	1.03 114	1.17 233	3.28 86	1.30 265	4.17 261	2.99 214	1.78 98	1.85 178	2.04 178	1.46 158	9.99 310	1.66 176	0.38 177	0.28 136	0.32 134	0.28 132	0.34 111	0.57 153

CSP-Net	1.99 41	1.70 264	4.84 21	1.22 182	1.02 195	3.42 106	1.30 265	3.66 141	2.11 97	2.07 167	1.93 201	2.40 206	1.48 162	8.56 277	1.62 166	0.51 280	0.41 225	0.27 46	0.27 107	0.44 212	0.54 143

DispFullNet	4.71 355	3.93 325	23.92 414	4.00 400	3.01 381	3.38 98	1.31 267	4.23 281	3.26 260	6.31 394	2.92 329	4.03 332	7.80 386	3.93 193	5.15 321	2.80 387	1.61 339	3.11 407	2.70 411	3.32 391	3.38 343

Consistency-Raft	2.93 217	1.93 281	19.72 213	1.41 256	1.75 341	3.85 190	1.32 268	4.09 234	2.75 176	1.82 104	2.66 313	1.81 141	4.34 355	2.29 133	2.08 237	0.90 355	0.94 315	1.03 371	1.13 373	1.71 382	1.10 262

SA	2.55 146	1.54 247	20.70 327	1.12 143	0.48 42	4.26 290	1.33 269	4.45 346	3.28 264	1.68 81	1.96 204	1.69 113	2.25 278	2.60 154	1.57 153	0.30 56	0.29 141	0.37 224	0.38 260	0.36 141	0.47 106

TestStereo1	2.56 151	1.41 233	20.56 310	1.63 306	0.74 126	4.13 253	1.34 270	3.93 191	3.38 287	1.61 70	2.56 304	1.43 95	2.13 268	2.55 152	1.70 184	0.32 85	0.22 49	0.34 184	0.26 92	0.40 169	0.53 139

SA-5K	2.56 151	1.41 233	20.56 310	1.63 306	0.74 126	4.13 253	1.34 270	3.93 191	3.38 287	1.61 70	2.56 304	1.43 95	2.13 268	2.55 152	1.70 184	0.32 85	0.22 49	0.34 184	0.26 92	0.40 169	0.53 139

UPFNet	2.23 72	0.86 126	14.25 73	1.28 210	1.44 288	3.51 126	1.34 270	4.05 219	2.11 97	2.44 272	1.53 75	2.41 210	1.39 139	3.62 186	1.91 214	0.41 194	0.41 225	0.37 224	0.32 206	0.44 212	0.48 113

LL-Strereo2	2.36 102	1.81 273	19.35 189	1.04 117	1.03 199	3.73 167	1.35 273	2.70 70	2.04 90	1.76 96	1.44 69	1.82 143	0.73 20	1.48 42	1.53 144	0.33 108	0.30 149	0.55 319	0.35 235	0.30 45	3.51 346

DDUNet	3.65 303	2.81 309	19.59 201	3.57 395	2.26 366	3.47 115	1.35 273	4.21 275	2.40 138	2.68 297	2.48 294	4.17 341	1.78 232	5.48 217	2.61 271	2.25 383	1.77 343	2.61 397	2.43 406	2.63 387	2.40 320

FADNet-RVC-Resample	3.31 275	8.52 354	22.84 408	1.18 168	0.91 171	3.52 128	1.35 273	4.13 247	2.32 130	1.75 95	1.35 52	2.26 192	1.51 168	9.51 293	2.03 231	0.42 204	0.38 207	0.42 259	0.44 294	0.59 275	0.71 203

RGC	3.35 281	1.84 278	18.13 148	1.52 285	1.79 347	3.33 95	1.37 276	4.18 266	2.39 135	2.96 327	3.23 345	3.98 330	2.71 301	11.53 358	3.42 297	0.90 355	0.48 258	0.79 362	0.79 355	0.75 323	0.89 238

NVstereo2D	2.79 204	1.13 198	13.75 63	1.37 243	1.47 292	3.57 136	1.38 277	4.17 261	3.77 324	2.04 156	1.72 126	3.05 267	1.75 227	10.84 332	1.72 189	0.62 315	0.48 258	0.56 322	0.54 324	0.79 330	1.02 254

Sa-1000	2.54 141	1.47 239	20.36 283	1.16 157	0.55 68	4.07 240	1.39 278	4.49 350	3.01 220	2.06 161	2.79 323	1.84 146	1.43 153	2.68 160	1.53 144	0.31 71	0.26 123	0.36 213	0.33 213	0.37 145	0.46 98

CRFU-Net	2.56 151	0.89 136	10.77 48	2.53 371	1.09 217	3.91 204	1.40 279	3.87 177	1.92 78	2.25 212	1.80 153	3.32 287	7.85 388	5.53 218	1.54 147	0.58 305	0.36 189	0.31 119	0.28 132	0.39 165	0.56 148

ARAFT	3.24 267	13.49 382	19.88 228	0.93 66	0.49 49	4.16 264	1.40 279	4.37 333	3.21 249	2.40 263	1.91 195	1.70 115	1.04 71	6.43 240	1.45 136	0.37 164	0.19 9	0.37 224	0.35 235	0.37 145	0.35 36

psmg	1.63 23	0.64 38	3.82 14	0.96 86	0.86 153	4.35 301	1.41 281	4.11 239	2.29 126	2.68 297	2.09 229	2.58 229	1.30 127	1.79 77	1.44 133	0.39 184	0.29 141	0.33 166	0.34 222	0.38 154	0.44 87

GEStereo_RVC	2.66 178	1.20 210	20.38 285	1.29 215	1.05 208	4.02 229	1.42 282	4.17 261	2.24 112	2.10 174	1.86 180	2.33 200	1.84 244	4.93 206	1.78 197	0.51 280	0.38 207	0.32 134	0.29 162	0.44 212	0.56 148

psmorigin	6.62 387	1.45 237	87.38 440	1.55 291	0.97 184	2.86 56	1.42 282	3.30 110	2.12 99	3.74 362	2.45 291	5.15 375	2.59 298	10.55 325	2.91 283	0.55 299	0.68 294	0.48 283	0.53 321	0.73 317	1.02 254

NCC-stereo	3.49 294	2.07 288	20.23 266	1.31 222	1.76 343	4.04 232	1.42 282	4.01 204	2.34 131	3.06 332	2.59 307	3.51 305	3.02 318	10.02 312	5.44 324	1.38 374	0.66 292	0.64 344	0.88 361	0.67 305	0.84 230

Abc-Net	3.49 294	2.07 288	20.23 266	1.31 222	1.76 343	4.04 232	1.42 282	4.01 204	2.34 131	3.06 332	2.59 307	3.51 305	3.02 318	10.02 312	5.44 324	1.38 374	0.66 292	0.64 344	0.88 361	0.67 305	0.84 230
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RYNet	3.15 250	1.48 240	16.27 110	1.24 189	1.39 277	3.67 157	1.44 286	4.09 234	3.20 246	2.26 218	1.70 120	3.83 322	2.15 270	13.64 404	3.23 294	0.45 233	0.45 243	0.50 298	0.35 235	0.81 332	0.83 227

OMP-Stereo	2.94 221	1.26 213	20.07 244	2.73 376	0.67 108	4.58 343	1.46 287	4.33 324	2.21 109	3.14 339	2.68 316	3.22 280	1.38 136	7.65 267	1.42 127	0.46 246	0.21 34	0.33 166	0.26 92	0.34 111	0.31 15

ADLNet2	3.20 259	1.43 235	20.11 255	1.22 182	1.78 346	3.86 193	1.47 288	3.96 195	3.89 330	2.26 218	2.49 295	4.63 365	1.92 254	10.68 329	2.00 227	0.42 204	0.37 194	0.29 80	0.30 179	0.51 252	0.46 98

DRN-Test	3.17 254	1.30 223	19.66 203	1.41 256	1.60 316	3.61 145	1.47 288	4.18 266	2.83 190	3.48 354	1.92 200	2.58 229	2.50 295	10.81 331	2.90 282	0.49 264	0.49 261	0.44 265	0.42 286	0.57 270	0.78 220

SQANet	4.22 332	14.03 395	20.30 277	2.78 378	2.75 377	3.41 104	1.48 290	3.66 141	2.25 115	2.62 293	1.77 143	2.68 237	1.90 252	7.41 263	3.78 304	2.97 390	1.42 333	1.85 387	1.13 373	3.28 390	2.86 330

SACVNet	3.06 237	1.61 256	19.29 187	1.46 271	1.18 235	4.05 236	1.48 290	4.03 212	2.58 162	2.75 304	1.89 187	2.55 224	1.38 136	11.33 351	2.28 252	0.51 280	0.41 225	0.48 283	0.43 291	0.57 270	0.93 245

FBW_ROB	3.91 321	2.07 288	15.46 92	1.60 299	1.16 231	3.80 181	1.48 290	4.37 333	3.41 294	2.53 282	2.45 291	4.19 343	2.10 262	15.17 411	9.45 348	0.86 353	0.65 291	1.54 385	0.96 365	1.08 356	3.80 347

GwcNet	3.26 271	3.93 325	20.24 268	1.38 246	2.04 360	3.24 81	1.53 293	3.72 152	3.66 318	2.17 192	2.25 256	3.55 309	1.69 219	9.38 292	3.03 286	0.48 258	0.49 261	0.46 276	0.39 266	0.66 302	0.86 235

ETE_ROB	2.93 217	2.12 291	17.80 143	1.13 148	0.94 179	3.71 164	1.53 293	4.29 302	2.98 213	3.32 349	2.13 234	2.34 203	1.51 168	8.68 279	2.82 276	0.44 224	0.40 219	0.51 303	0.49 308	0.56 266	0.80 223

edge stereo	3.45 289	1.08 190	22.14 401	1.31 222	1.36 271	2.68 52	1.54 295	4.13 247	3.27 262	2.94 324	3.27 347	4.34 351	2.48 292	11.60 363	2.79 274	0.62 315	0.64 288	0.79 362	0.56 330	0.70 313	0.82 225

DeepPrunerF	4.00 326	5.64 339	16.81 119	1.36 238	1.75 341	3.69 160	1.54 295	4.24 288	13.98 410	2.21 205	1.77 143	2.73 240	2.29 279	10.90 336	6.64 331	0.71 332	0.61 283	0.77 361	0.79 355	0.87 340	0.79 222

Wz-Net-LNSev	2.78 203	6.16 341	17.27 129	1.24 189	1.65 329	3.49 122	1.55 297	3.70 149	3.61 314	1.96 128	1.76 136	3.30 284	2.17 274	2.78 166	2.24 248	0.49 264	0.35 182	0.32 134	0.31 196	0.56 266	0.65 189

CVANet_RVC	3.32 277	1.63 259	21.06 355	1.66 312	1.29 259	3.99 225	1.55 297	3.98 199	3.00 216	3.51 355	2.06 224	2.58 229	1.72 225	12.46 389	1.70 184	0.62 315	0.34 173	0.53 310	0.47 303	0.64 293	1.66 295

STTRV1_RVC	3.55 299	1.06 186	20.71 329	1.47 275	1.46 290	3.29 89	1.56 299	4.14 250	3.33 280	1.96 128	3.50 352	2.63 234	2.08 260	11.95 377	2.32 254	2.09 381	4.04 381	0.81 365	0.73 350	1.06 351	0.71 203

IRAFT_RVC	2.74 195	0.71 75	19.80 217	2.52 370	0.67 108	4.60 347	1.57 300	3.05 91	2.99 214	2.23 209	1.72 126	2.08 184	2.59 298	6.69 246	1.61 164	0.37 164	0.21 34	0.33 166	0.29 162	0.33 90	0.35 36

AF-Net	3.15 250	2.65 307	18.81 162	1.37 243	1.76 343	3.30 93	1.57 300	4.20 271	3.05 230	2.76 305	2.94 331	4.50 356	3.21 327	5.88 224	3.07 288	0.88 354	0.39 216	0.72 357	0.50 314	0.75 323	0.66 195

ADCRef	3.66 304	5.95 340	15.50 93	1.20 173	1.41 283	3.93 212	1.61 302	3.92 187	2.77 180	3.13 336	2.20 249	2.40 206	2.78 304	6.23 236	16.59 384	0.50 274	0.35 182	0.63 342	0.62 340	0.58 273	0.92 242

CC-Net-ROB	3.82 315	3.41 320	20.20 259	2.40 363	1.66 332	4.49 325	1.61 302	4.77 378	3.08 233	2.06 161	2.06 224	1.99 170	1.60 188	12.57 391	1.91 214	2.82 388	2.19 351	2.67 399	1.06 370	2.31 385	1.59 290

XPNet_ROB	2.99 229	1.58 252	17.06 126	1.38 246	0.99 187	3.91 204	1.62 304	4.20 271	2.42 141	2.87 317	2.03 214	2.31 198	1.72 225	10.76 330	3.60 301	0.55 299	0.49 261	0.48 283	0.40 273	0.53 254	0.85 232

ssnet_v2	2.81 205	1.39 231	21.16 369	1.25 203	0.90 166	3.86 193	1.63 305	4.10 236	3.22 254	2.79 310	1.96 204	3.78 319	1.70 222	2.53 151	3.12 292	0.44 224	0.37 194	0.42 259	0.38 260	0.59 275	0.58 165

Wz-Net-LNSev-Ref	2.72 189	2.55 305	14.91 82	1.37 243	1.36 271	3.50 124	1.63 305	4.11 239	3.38 287	2.55 284	2.04 216	2.35 204	2.50 295	5.14 209	4.64 317	0.53 292	0.22 49	0.35 201	0.21 27	0.41 187	0.60 171

PDISCO_ROB	3.32 277	5.22 336	18.16 149	2.03 350	2.19 365	4.52 331	1.63 305	4.74 377	3.32 278	2.22 207	2.18 245	3.71 315	2.41 287	5.36 212	2.43 263	1.35 372	0.79 303	0.72 357	0.62 340	1.31 371	1.53 287

Syn2CoEx	3.42 286	7.66 351	20.57 314	1.42 263	1.18 235	2.49 47	1.64 308	4.07 223	2.68 168	2.51 281	2.27 260	2.89 256	3.15 325	9.56 294	2.58 269	0.52 290	0.45 243	0.53 310	0.42 286	0.79 330	1.00 251

stereogan	3.26 271	1.26 213	18.01 145	1.38 246	1.66 332	3.76 172	1.64 308	4.06 221	3.86 329	3.23 344	2.70 318	5.02 372	2.85 305	9.88 303	1.85 208	0.71 332	0.51 266	0.69 351	0.48 305	0.86 338	0.85 232

PSMNet_ROB	3.38 282	5.24 337	20.61 320	1.24 189	1.22 249	3.76 172	1.64 308	3.59 131	2.80 184	2.07 167	1.72 126	2.75 245	1.79 235	11.42 356	4.58 315	0.42 204	0.38 207	0.50 298	0.62 340	0.62 284	0.69 199

MaskLacGwcNet_RVC	3.77 312	1.65 261	20.61 320	2.55 372	1.63 322	4.29 294	1.67 311	3.99 201	2.56 158	1.76 96	1.93 201	3.03 266	1.41 148	13.24 399	2.02 230	4.47 408	1.63 340	1.12 377	0.48 305	2.42 386	2.85 329

MFN_U_SF_RVC	4.08 328	13.72 391	15.13 85	2.00 346	1.43 286	3.73 167	1.68 312	4.11 239	3.39 292	2.93 322	2.38 276	4.39 352	3.63 341	8.63 278	6.14 326	1.14 366	1.07 325	1.01 370	1.35 384	1.63 379	2.09 312

CBMV_ROB	4.57 351	0.90 141	21.30 380	1.46 271	0.89 162	4.43 314	1.69 313	4.51 355	3.14 242	5.97 391	4.23 363	4.16 340	7.83 387	11.06 343	16.47 382	0.61 310	0.55 270	0.53 310	0.51 318	0.56 266	0.59 167

PA-Net	3.45 289	2.50 302	20.39 288	1.42 263	1.20 242	3.39 100	1.73 314	3.93 191	3.57 313	1.94 121	2.17 240	3.02 265	1.87 249	11.67 364	6.48 330	0.40 191	0.55 270	0.44 265	0.63 344	0.55 260	1.13 264
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DSFCA	2.38 107	1.03 183	11.06 49	1.15 153	1.18 235	3.97 223	1.75 315	3.63 137	2.44 147	3.14 339	1.68 115	2.90 257	2.48 292	5.38 213	3.17 293	0.49 264	0.45 243	0.37 224	0.37 252	0.54 257	0.46 98

KYRaft	2.55 146	0.57 9	20.60 319	0.98 96	0.51 58	4.38 303	1.76 316	2.51 47	1.59 34	2.48 277	2.98 332	1.99 170	3.36 335	2.17 118	0.96 46	0.34 124	0.22 49	0.33 166	0.46 301	0.38 154	2.44 322

XQC	3.41 284	6.58 344	15.18 86	1.97 343	1.62 319	3.40 101	1.76 316	4.53 356	3.67 320	3.40 351	2.45 291	3.73 316	2.91 308	6.78 250	5.36 323	0.73 339	0.90 311	0.60 332	0.61 338	1.02 348	0.99 250

DEmStereo	3.24 267	0.65 45	18.95 167	0.83 28	0.54 65	3.85 190	1.79 318	2.53 50	2.54 157	2.25 212	2.74 321	2.02 175	6.02 371	6.78 250	11.30 355	0.40 191	0.26 123	0.27 46	0.27 107	0.28 22	0.57 153

Prome-Stereo	2.57 155	0.60 25	20.29 275	1.01 107	0.62 95	4.40 309	1.80 319	3.22 101	1.74 61	2.18 195	3.43 350	1.71 117	3.45 339	2.24 128	1.19 81	0.32 85	0.20 18	0.27 46	0.25 78	0.37 145	2.15 313

LALA_ROB	2.88 211	2.13 293	19.08 172	1.10 132	0.99 187	3.91 204	1.81 320	4.50 354	3.04 228	3.32 349	1.87 183	2.75 245	1.66 214	4.06 196	4.02 306	0.47 253	0.44 241	0.55 319	0.53 321	0.61 279	0.73 211

EDNetEfficientorigin	12.42 408	3.26 317	179.44 445	1.21 178	1.00 193	2.89 59	1.82 321	3.05 91	5.37 384	8.87 403	4.78 369	4.17 341	4.80 359	9.91 304	11.32 356	0.41 194	0.41 225	0.62 341	0.88 361	1.33 372	2.81 328

GANetREF_RVC	3.45 289	5.10 335	19.89 229	1.58 296	0.80 141	4.13 253	1.82 321	4.24 288	3.33 280	1.91 111	1.76 136	2.46 216	1.83 243	13.17 397	1.87 209	0.83 352	0.57 272	0.79 362	0.77 353	1.21 366	0.91 240
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
Ntro	4.83 359	14.73 406	20.47 296	3.24 389	2.97 380	4.12 250	1.88 323	4.00 202	2.57 160	1.79 101	2.15 235	3.34 289	2.16 272	10.01 311	7.34 335	3.53 398	1.77 343	2.13 390	1.32 382	3.89 399	3.23 336

GMM-Stereo	2.52 133	0.56 5	20.57 314	0.92 64	0.83 146	4.18 273	1.88 323	2.51 47	2.40 138	2.48 277	2.30 268	1.69 113	1.84 244	2.93 172	1.25 96	0.32 85	0.19 9	0.33 166	0.49 308	0.37 145	2.40 320

RP	3.26 271	1.73 266	17.70 142	1.56 293	1.93 355	3.43 108	1.94 325	4.18 266	2.72 172	2.77 306	3.05 335	3.96 329	2.69 300	10.17 314	2.86 278	1.04 360	0.50 264	0.71 354	0.59 334	0.75 323	0.83 227

PVD	3.91 321	4.36 331	13.89 68	2.81 382	4.79 405	3.80 181	1.94 325	3.89 180	4.11 336	5.75 389	3.56 353	3.59 310	3.34 333	6.44 241	6.44 329	0.73 339	2.84 365	0.74 360	0.84 359	0.82 334	3.45 345

PASM	3.22 262	2.89 310	15.38 90	2.00 346	1.57 310	2.77 53	1.96 327	3.62 136	2.75 176	2.95 326	2.26 257	3.10 273	2.24 277	11.87 373	2.46 264	0.97 359	1.06 322	0.87 366	1.02 367	1.20 365	1.41 280

FAT-Stereo	3.38 282	0.88 132	19.96 234	1.28 210	1.20 242	3.44 109	1.97 328	4.26 298	3.15 243	3.14 339	3.92 360	3.50 302	3.28 329	11.68 367	2.04 233	0.65 321	0.68 294	0.48 283	0.54 324	0.63 290	0.91 240

coex-ft	20.00 419	11.54 372	120.82 442	1.18 168	1.30 260	2.36 44	1.99 329	2.96 87	13.96 409	129.83 443	8.40 388	5.88 382	52.82 437	9.93 306	31.13 428	0.61 310	0.62 286	0.50 298	0.49 308	1.10 359	2.63 325

MFMNet_re	3.44 287	8.89 355	19.36 190	3.25 390	1.91 354	3.13 71	1.99 329	3.60 133	4.16 339	3.17 342	2.86 327	2.25 191	2.41 287	2.61 155	2.35 257	1.13 365	1.06 322	0.94 368	0.91 364	1.29 370	1.57 289

NVStereoNet_ROB	6.63 388	9.57 362	19.28 186	3.19 388	2.11 361	3.69 160	1.99 329	4.32 321	6.27 399	3.26 347	24.57 421	5.45 379	11.39 400	13.56 402	12.37 364	2.79 386	2.05 348	1.76 386	1.75 393	1.49 376	1.75 297
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RAFT + AFF	3.98 325	14.10 396	20.78 332	1.16 157	1.96 356	4.14 258	2.00 332	4.56 360	3.52 310	2.23 209	2.51 299	2.27 193	4.92 360	8.94 284	2.82 276	0.33 108	0.60 281	0.48 283	0.39 266	0.81 332	1.03 256

delet	2.66 178	1.11 194	18.42 154	1.05 121	1.65 329	3.47 115	2.00 332	3.81 169	2.82 189	2.15 186	2.11 231	2.62 233	1.88 251	5.38 213	2.21 247	0.34 124	0.38 207	0.40 245	0.32 206	0.45 219	0.54 143

MDST_ROB	6.31 382	1.18 203	22.96 411	2.56 373	2.69 375	21.07 420	2.01 334	4.79 379	2.87 200	9.49 406	4.45 366	4.10 337	4.48 356	22.33 416	17.61 399	0.79 346	0.44 241	0.47 278	0.44 294	0.47 237	0.95 247

Wz-Net-SNSev	3.47 293	10.51 368	16.90 121	1.65 311	1.20 242	3.29 89	2.03 335	4.16 257	3.03 225	2.35 248	2.39 279	3.48 296	2.12 266	7.95 271	4.28 309	0.51 280	0.40 219	0.53 310	0.49 308	0.74 321	1.46 283

StereoDRNet	3.07 238	2.92 313	16.33 112	1.36 238	1.57 310	3.45 112	2.04 336	3.77 160	2.85 192	3.31 348	1.85 178	2.78 249	1.79 235	10.85 333	3.41 296	0.45 233	0.36 189	0.39 240	0.37 252	0.62 284	0.85 232

MSMD_ROB	5.99 376	1.29 221	19.23 183	1.40 254	0.84 150	10.25 407	2.05 337	4.20 271	6.02 396	10.42 414	8.00 381	22.21 415	9.45 396	11.67 364	8.73 345	0.76 345	0.59 279	0.67 348	0.68 345	0.67 305	0.72 206

DPSNet	3.94 324	2.01 285	14.69 80	1.58 296	1.30 260	4.17 269	2.08 338	4.57 362	4.63 362	2.78 308	1.99 210	3.79 320	7.88 389	10.66 328	11.35 357	0.94 357	0.99 320	0.41 249	0.57 331	1.09 357	1.40 278

DAS	2.52 133	0.76 106	7.72 31	1.16 157	1.64 326	2.96 63	2.10 339	4.14 250	3.31 274	4.16 372	2.51 299	2.56 226	1.81 238	11.54 359	1.83 206	0.44 224	0.23 72	0.39 240	0.25 78	0.42 195	0.45 91

SepStereo	2.36 102	0.76 106	7.72 31	1.16 157	1.64 326	2.96 63	2.10 339	4.14 250	3.31 274	4.16 372	2.51 299	2.56 226	1.81 238	8.34 275	1.83 206	0.44 224	0.23 72	0.39 240	0.25 78	0.42 195	0.45 91

pmcnn	5.90 374	1.81 273	22.30 403	1.69 317	2.37 371	3.47 115	2.10 339	4.58 364	5.56 391	3.75 363	13.12 408	22.07 414	3.70 343	11.99 378	17.13 394	0.58 305	0.23 72	0.23 5	0.19 10	0.37 145	0.70 201

TDLM	3.20 259	1.58 252	18.80 161	1.70 321	1.10 220	4.29 294	2.17 342	3.81 169	3.27 262	2.89 318	1.98 207	2.06 183	1.70 222	12.44 388	2.15 241	0.58 305	0.31 154	0.56 322	0.40 273	0.58 273	1.59 290

ACVNet-4b	6.98 393	14.78 408	22.17 402	3.56 394	3.11 384	4.14 258	2.23 343	4.08 230	3.84 326	1.67 80	3.96 362	5.86 381	2.87 307	10.30 321	17.16 395	26.09 432	2.24 354	2.53 394	1.79 394	3.91 400	3.28 339

ADCMid	4.55 348	10.78 369	17.67 141	1.32 228	1.43 286	4.62 349	2.24 344	4.22 276	4.97 376	3.93 366	3.01 333	3.84 323	3.66 342	4.22 201	18.57 408	0.69 328	0.62 286	1.09 375	1.20 377	1.48 375	1.49 285

SPS-STEREO	5.18 365	10.36 366	21.09 361	1.74 327	1.72 339	3.24 81	2.26 345	3.92 187	4.12 337	5.06 385	3.66 355	5.43 378	3.33 332	9.56 294	12.34 363	1.17 368	1.17 328	1.07 373	1.03 369	1.17 363	10.25 391
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WZ-Net	4.39 343	12.37 376	17.44 133	1.47 275	1.42 285	3.76 172	2.27 346	4.17 261	3.11 237	2.89 318	2.24 254	4.05 333	5.69 369	10.89 335	12.07 361	0.66 322	0.41 225	0.47 278	0.49 308	0.78 326	1.12 263

FC-DCNN	7.08 394	1.01 182	21.89 392	1.74 327	1.64 326	8.18 405	2.31 347	6.50 400	9.16 404	10.85 415	11.33 401	19.85 413	13.33 404	12.94 394	17.10 392	0.72 337	0.57 272	0.59 329	0.57 331	0.64 293	0.69 199

ccnet	3.03 233	1.48 240	12.88 58	1.54 288	1.26 255	3.71 164	2.32 348	4.11 239	3.05 230	2.92 321	3.21 343	2.86 254	2.40 286	9.87 302	4.19 307	0.80 347	0.76 302	0.71 354	0.70 347	0.78 326	1.07 259

Wz-Net-MNSev	3.26 271	7.24 349	17.26 128	1.58 296	1.37 274	3.27 84	2.45 349	4.10 236	4.50 360	2.61 291	2.17 240	2.33 200	3.02 318	7.48 264	2.88 281	0.46 246	0.39 216	0.37 224	0.38 260	0.61 279	0.63 182

ACVNet_1	6.63 388	14.79 409	21.40 384	3.59 396	3.17 386	4.69 370	2.46 350	4.24 288	3.34 282	3.11 335	2.86 327	23.21 416	4.59 358	11.06 343	12.59 365	3.75 399	2.34 357	2.60 396	1.80 395	3.70 394	3.31 340

Wz-Net-TNSev	4.22 332	13.55 383	15.87 98	1.57 294	1.19 240	3.61 145	2.48 351	4.38 337	3.45 303	2.29 226	1.91 195	4.20 344	2.86 306	12.11 379	10.56 351	0.61 310	0.59 279	0.48 283	0.54 324	0.93 344	1.24 271

S-Stereo	3.51 296	0.96 164	22.00 399	1.38 246	1.50 294	3.55 133	2.49 352	4.27 300	3.00 216	2.38 258	3.94 361	3.73 316	1.84 244	11.89 375	2.59 270	0.64 319	0.71 299	0.49 296	0.81 357	0.68 310	1.31 273

GANet	3.64 302	1.76 267	19.65 202	1.92 342	1.04 206	3.91 204	2.51 353	3.86 176	2.81 188	3.13 336	3.03 334	3.19 277	2.19 275	12.43 387	8.23 344	0.60 309	0.43 237	0.52 306	0.43 291	0.63 290	0.63 182

NCCL2	2.96 224	4.07 329	15.75 96	1.24 189	1.03 199	3.48 121	2.55 354	3.79 162	2.39 135	2.78 308	1.80 153	2.41 210	1.67 216	10.27 320	2.48 267	0.46 246	0.41 225	0.57 325	0.55 328	0.61 279	0.86 235

otaku	5.59 370	14.82 410	20.70 327	3.13 387	2.70 376	3.91 204	2.56 355	3.90 182	2.48 151	2.25 212	9.38 393	4.06 334	2.32 282	9.59 296	14.37 374	3.52 397	1.66 341	2.15 391	1.19 376	3.73 397	3.35 342

FCDSN-DC	6.71 392	1.18 203	21.61 389	1.29 215	1.10 220	4.38 303	2.59 356	4.58 364	5.52 388	9.58 407	11.19 400	19.17 411	17.69 413	13.03 395	17.11 393	0.73 339	0.57 272	0.61 335	0.60 336	0.71 315	0.92 242
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ADCPNet	4.25 335	4.04 327	21.95 395	1.33 231	1.31 264	6.34 395	2.63 357	4.07 223	3.23 257	2.81 313	2.21 252	4.27 346	6.08 372	6.01 226	11.73 360	0.67 325	1.17 328	0.71 354	1.71 390	0.87 340	1.82 304

LVE	7.57 397	15.80 417	21.28 378	3.69 398	3.19 388	4.54 332	2.78 358	10.13 407	11.63 406	3.24 345	11.52 403	18.10 410	4.55 357	11.67 364	10.30 350	4.62 414	2.95 368	2.56 395	1.91 399	3.63 393	3.26 338

WAO-8	12.61 409	16.02 418	21.99 397	3.55 392	3.10 382	15.07 415	2.80 359	12.81 412	19.10 420	7.93 401	13.05 406	11.75 400	8.46 394	83.86 442	15.10 376	3.51 395	1.94 346	3.54 412	1.96 400	3.72 395	2.89 331

Venus	12.61 409	16.02 418	21.99 397	3.55 392	3.10 382	15.07 415	2.80 359	12.81 412	19.10 420	7.93 401	13.05 406	11.75 400	8.46 394	83.86 442	15.10 376	3.51 395	1.94 346	3.54 412	1.96 400	3.72 395	2.89 331

HBP-ISP	3.78 313	9.10 358	20.83 336	1.72 323	1.14 228	4.54 332	2.82 361	4.61 368	3.03 225	4.13 371	1.98 207	1.88 152	3.31 330	11.06 343	1.52 143	0.74 342	0.57 272	0.67 348	0.62 340	0.65 298	0.64 186

TorneroNet-64	10.52 403	14.33 400	21.95 395	4.29 403	3.76 392	13.77 414	2.83 362	14.96 418	23.11 423	10.24 413	23.77 420	13.44 405	8.15 391	13.98 407	17.70 401	4.03 404	2.73 364	3.23 408	2.53 407	7.27 416	4.35 357

G-Net	4.16 330	1.39 231	20.31 279	2.30 359	2.91 379	4.68 365	2.86 363	3.35 115	2.44 147	4.43 378	9.43 394	6.89 386	3.83 345	8.91 282	4.83 320	0.80 347	0.80 304	0.70 352	0.50 314	0.95 346	0.97 248

MADNet+	4.46 345	11.36 371	14.35 75	2.23 356	2.50 374	4.18 273	2.86 363	5.46 391	4.43 354	2.74 303	2.69 317	4.55 359	3.43 338	8.97 285	9.42 347	1.47 376	2.06 349	1.09 375	1.02 367	1.54 377	2.96 335

RainbowNet	5.20 366	15.03 413	21.14 366	3.66 397	3.25 389	4.18 273	2.98 365	4.22 276	3.20 246	2.30 227	2.65 312	4.24 345	2.97 311	9.92 305	6.29 327	3.92 403	2.27 355	2.71 401	1.73 392	3.82 398	3.43 344

ACVNet_2	6.09 378	15.28 415	21.36 383	3.30 391	3.17 386	4.50 326	3.00 366	4.70 372	3.96 333	3.52 356	5.34 373	7.79 390	2.95 309	12.40 382	13.76 369	3.28 393	2.23 353	2.70 400	1.70 389	3.52 392	3.24 337

SuperB	5.03 363	8.93 356	20.96 346	1.51 283	1.11 222	3.88 198	3.00 366	4.24 288	3.13 240	2.53 282	2.10 230	2.74 243	3.37 336	8.76 280	19.44 412	0.45 233	0.34 173	0.53 310	0.40 273	11.97 424	1.15 266

NaN_ROB	4.73 356	6.66 345	21.89 392	1.26 207	1.28 257	3.49 122	3.02 368	4.38 337	3.93 331	3.65 360	2.55 303	2.97 260	5.01 361	13.23 398	17.43 398	0.38 177	0.42 236	0.38 236	0.40 273	0.50 247	1.82 304

IMH	7.25 395	16.24 420	21.08 356	4.40 406	3.79 395	5.46 389	3.03 369	5.58 395	6.26 398	4.92 384	10.32 397	9.24 395	8.30 392	13.62 403	11.56 358	4.84 415	3.00 373	3.09 406	2.14 403	4.38 404	3.83 349

WAO-7	6.00 377	14.29 399	20.46 294	1.97 343	1.51 296	5.31 387	3.06 370	5.00 381	5.92 395	4.55 380	8.87 391	6.52 384	6.47 376	13.38 401	13.85 370	1.35 372	1.24 330	1.48 383	1.36 385	1.63 379	1.79 303

TorneroNet	26.32 424	14.70 405	22.40 406	4.24 402	4.08 400	54.72 435	3.19 371	15.11 419	76.73 439	57.99 435	82.55 440	86.65 441	45.79 436	13.34 400	18.51 406	4.52 409	2.86 366	3.45 409	2.63 410	8.75 422	4.28 355

Anonymous Stereo	3.53 297	5.56 338	19.23 183	1.75 329	1.40 281	3.35 97	3.23 372	4.15 254	3.13 240	2.42 268	2.38 276	2.56 226	1.53 176	11.88 374	3.54 299	0.68 326	0.92 312	0.57 325	0.57 331	0.74 321	1.08 261

SGM-Forest	4.96 362	0.86 126	21.02 348	1.22 182	0.83 146	4.05 236	3.26 373	4.40 340	3.49 308	4.40 377	3.69 356	4.66 366	13.91 408	11.94 376	17.16 395	0.66 322	0.46 247	0.49 296	0.39 266	0.49 246	1.77 301
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MFN_U_SF_DS_RVC	4.38 342	13.66 386	13.95 69	1.39 253	1.58 315	5.18 385	3.31 374	4.53 356	3.22 254	2.60 287	2.62 310	4.99 371	2.11 264	13.99 408	4.21 308	1.53 378	2.56 363	0.67 348	1.82 396	0.83 337	2.92 333

KSHMR	17.50 417	14.38 403	22.35 405	4.50 408	4.51 402	8.17 404	3.33 375	15.44 420	76.15 438	7.32 397	61.40 436	56.33 436	5.66 368	32.91 425	13.97 371	4.42 406	2.99 372	3.64 415	2.79 413	5.13 409	4.55 359

RTS	4.29 339	9.35 359	18.25 151	2.79 380	2.29 368	4.98 381	3.41 376	4.72 374	4.27 347	4.35 375	3.10 339	4.93 369	3.14 323	7.71 268	6.99 333	0.71 332	0.68 294	0.51 303	0.50 314	1.07 354	1.98 307

RTSA	4.29 339	9.35 359	18.25 151	2.79 380	2.29 368	4.98 381	3.41 376	4.72 374	4.27 347	4.35 375	3.10 339	4.93 369	3.14 323	7.71 268	6.99 333	0.71 332	0.68 294	0.51 303	0.50 314	1.07 354	1.98 307

CSAN	5.95 375	13.70 389	21.94 394	1.35 234	0.93 176	3.65 154	3.46 378	4.73 376	4.26 346	3.98 367	7.70 380	3.54 308	6.94 381	22.83 417	16.00 381	0.53 292	0.47 255	0.50 298	0.55 328	0.65 298	1.22 269

SAMSARA	4.67 352	6.50 343	16.40 113	4.62 411	3.13 385	6.62 397	3.49 379	5.24 384	3.04 228	7.78 399	3.07 336	5.32 376	4.05 349	9.98 309	6.42 328	0.69 328	2.39 359	0.60 332	0.74 351	0.99 347	2.26 318

Dean	8.35 400	15.23 414	22.34 404	3.76 399	3.55 390	4.81 379	3.51 380	5.34 385	5.37 384	4.49 379	26.13 422	25.59 422	4.33 354	11.21 347	13.12 367	3.78 400	2.31 356	2.90 402	1.89 398	4.04 401	3.34 341

MSC_U_SF_DS_RVC	4.90 361	13.94 394	16.59 118	1.69 317	1.46 290	6.15 392	3.52 381	5.47 392	3.95 332	2.77 306	2.74 321	4.81 368	2.49 294	13.78 405	5.33 322	2.34 384	3.46 376	1.05 372	1.21 378	2.28 384	2.94 334

notaker	10.92 406	14.17 397	20.38 285	4.56 410	3.98 398	6.29 394	3.53 382	7.68 402	5.10 378	9.04 405	46.37 432	13.84 408	28.85 422	14.18 409	14.16 372	4.57 410	3.19 374	3.52 411	2.70 411	8.16 419	4.13 354

WCMA_ROB	5.78 373	2.42 301	21.71 390	1.67 313	1.55 304	4.07 240	3.53 382	4.14 250	4.73 367	6.59 395	10.89 399	12.82 404	9.59 397	10.17 314	12.65 366	1.05 361	0.61 283	0.52 306	0.52 319	0.71 315	5.64 363

WAO-6	6.68 390	9.03 357	20.68 326	2.98 384	2.79 378	11.93 409	3.56 384	5.39 389	11.65 407	3.55 357	9.59 395	6.77 385	6.72 378	12.28 380	11.56 358	2.88 389	2.36 358	2.50 393	1.84 397	2.89 389	2.72 327

ADCS	4.77 358	12.63 378	17.40 132	1.72 323	1.34 268	3.90 201	3.60 385	4.30 304	3.54 311	5.11 386	2.81 325	4.44 353	3.05 321	6.15 233	19.32 411	0.74 342	0.68 294	0.70 352	0.70 347	1.25 369	1.98 307

ADCP+	4.42 344	12.67 379	18.95 167	1.12 143	1.55 304	4.30 296	3.60 385	4.01 204	3.80 325	2.30 227	1.71 124	3.93 326	4.29 352	3.49 181	18.77 410	0.40 191	0.41 225	0.63 342	0.53 321	0.67 305	1.35 276

HanzoNet	31.86 427	17.33 421	21.23 375	7.52 415	5.85 410	7.49 402	3.61 387	14.35 416	13.37 408	50.38 433	46.35 431	44.46 426	56.50 438	36.53 429	28.25 426	64.05 438	58.31 439	9.45 423	89.24 439	31.17 434	31.77 429

UNDER WATER	11.28 407	13.60 384	22.90 410	5.11 412	4.53 403	7.75 403	3.75 388	12.50 410	21.62 422	7.80 400	10.68 398	23.75 418	35.20 423	11.54 359	17.40 397	4.46 407	2.95 368	4.23 416	2.90 414	6.57 412	6.27 368

aanetorigin	3.34 280	2.00 284	17.58 137	1.20 173	1.57 310	2.57 49	3.75 388	2.73 71	2.10 95	6.11 393	4.27 364	2.88 255	5.64 367	5.46 216	4.60 316	0.53 292	0.46 247	0.45 271	0.48 305	1.15 362	1.22 269

SANet	6.43 384	13.71 390	22.08 400	1.43 268	1.00 193	6.86 399	3.78 390	4.71 373	11.10 405	4.71 382	8.72 390	7.47 388	7.91 390	12.46 389	18.12 403	0.51 280	0.47 255	0.50 298	0.45 299	0.94 345	1.60 292

MeshStereo	5.67 372	1.80 270	21.28 378	1.40 254	1.14 228	4.38 303	3.83 391	5.51 394	4.85 375	10.12 412	11.72 404	11.44 398	5.87 370	13.86 406	12.31 362	0.68 326	0.61 283	0.61 335	0.60 336	0.73 317	0.68 197
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
CBMV	4.12 329	1.27 216	21.14 366	1.52 285	0.85 151	3.80 181	3.89 392	4.58 364	3.02 223	3.56 358	2.37 275	4.44 353	13.88 407	11.23 349	3.78 304	0.56 302	0.43 237	0.48 283	0.39 266	0.55 260	0.74 215
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SGM_RVC	6.11 381	1.10 193	20.44 291	2.15 354	0.66 106	15.87 419	3.98 393	5.00 381	6.19 397	9.79 410	11.46 402	8.23 394	12.63 402	12.32 381	9.15 346	0.54 296	0.39 216	0.41 249	0.35 235	0.55 260	1.05 258
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
AnyNet_C32	4.49 346	9.53 361	13.85 64	1.67 313	1.56 308	5.40 388	4.06 394	4.03 212	3.69 321	4.21 374	3.09 338	3.09 272	3.38 337	8.24 273	18.76 409	0.56 302	0.64 288	0.53 310	0.81 357	1.36 373	1.42 281

FADE	78.97 440	14.73 406	35.82 423	10.62 424	13.30 416	4.17 269	4.16 395	28.45 425	8.38 403	5.17 387	3.89 358	11.84 402	36.55 424	44.20 430	27.82 425	481.80 446	167.92 445	346.21 446	320.29 446	7.64 418	6.52 371

ktn	22.24 422	14.37 402	20.30 277	4.54 409	4.02 399	6.52 396	4.50 396	6.78 401	78.80 440	84.67 440	100.54 443	58.48 437	8.39 393	13.13 396	17.09 391	4.61 413	3.24 375	3.49 410	2.62 409	4.70 407	3.96 352

UNDER WATER-64	10.08 402	14.27 398	22.85 409	5.26 413	4.88 406	11.00 408	4.57 397	11.41 408	17.25 415	7.68 398	9.72 396	15.96 409	21.47 420	11.12 346	16.63 385	4.38 405	2.88 367	4.41 417	2.95 415	7.12 415	5.81 366

IMH-64-1	6.10 379	13.83 392	17.55 135	4.34 404	3.78 393	4.79 377	5.94 398	5.34 385	4.20 340	4.10 369	8.31 386	5.07 373	6.92 379	9.63 297	7.36 336	4.60 411	2.96 370	3.04 403	2.14 403	4.30 402	3.88 350

IMH-64	6.10 379	13.83 392	17.55 135	4.34 404	3.78 393	4.79 377	5.94 398	5.34 385	4.20 340	4.10 369	8.31 386	5.07 373	6.92 379	9.63 297	7.36 336	4.60 411	2.96 370	3.04 403	2.14 403	4.30 402	3.88 350

LSM	13.03 411	7.72 353	21.01 347	55.44 438	85.65 436	3.65 154	6.27 400	3.91 186	5.06 377	5.63 388	13.91 409	3.53 307	3.46 340	9.93 306	4.36 312	0.72 337	0.95 316	0.72 357	0.85 360	1.09 357	26.67 428

AnyNet_C01	4.68 353	10.90 370	16.41 114	2.03 350	1.62 319	6.25 393	6.40 401	4.19 269	5.13 379	4.03 368	3.77 357	4.14 339	3.26 328	7.23 257	11.19 353	0.64 319	0.80 304	0.65 346	0.72 349	2.18 383	2.08 310

EDNetEfficient	5.62 371	2.26 297	17.51 134	1.67 313	3.59 391	3.99 225	7.25 402	3.14 95	5.63 392	11.52 416	4.82 370	3.94 327	12.48 401	8.39 276	20.56 414	0.46 246	0.46 247	0.48 283	1.06 370	1.65 381	1.62 293

ELAS	6.58 386	2.54 304	20.08 249	2.66 374	2.48 372	15.49 417	7.29 403	5.50 393	5.72 393	10.05 411	8.94 392	6.91 387	10.83 399	8.33 274	14.27 373	1.92 379	2.19 351	1.23 380	1.31 380	1.62 378	2.17 315
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PSM-AAD	3.41 284	0.58 10	20.55 308	0.95 79	0.56 71	4.46 317	7.40 404	3.11 94	1.58 31	2.30 227	2.56 304	1.26 77	16.19 410	2.47 144	1.00 55	0.32 85	0.22 49	0.58 328	0.41 283	0.37 145	1.32 274

PWCK	6.49 385	13.40 381	20.27 271	2.95 383	1.61 317	5.68 391	7.63 405	5.37 388	4.77 373	3.90 365	7.48 379	7.96 391	5.63 366	15.15 410	10.93 352	3.21 392	1.55 338	2.34 392	1.43 387	6.05 410	2.45 323

GrayStereo	3.68 308	0.56 5	20.61 320	1.71 322	0.90 166	4.17 269	8.11 406	3.17 97	4.13 338	2.80 312	2.49 295	1.70 115	17.06 411	2.83 168	1.25 96	0.37 164	0.23 72	0.27 46	0.32 206	0.30 45	0.57 153

ADCL	4.70 354	4.04 327	16.12 101	1.35 234	1.28 257	5.46 389	10.88 407	4.08 230	4.25 345	5.97 391	4.51 367	4.29 348	5.60 365	6.37 238	15.21 379	0.54 296	0.48 258	0.88 367	0.78 354	0.86 338	1.01 253

FTStereo	3.74 311	0.60 25	20.43 290	0.99 101	0.66 106	4.34 300	11.24 408	2.63 66	1.95 82	2.58 286	5.03 372	1.90 154	13.77 405	3.70 187	1.28 104	0.41 194	0.24 91	0.31 119	0.33 213	0.32 69	2.08 310

ELAS_RVC	6.36 383	2.53 303	20.21 263	2.67 375	2.48 372	4.90 380	11.89 409	4.84 380	6.31 400	9.03 404	8.54 389	8.09 393	12.73 403	9.32 289	13.25 368	1.92 379	2.18 350	1.51 384	1.31 380	1.40 374	2.15 313
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	6.69 391	12.01 375	14.30 74	1.98 345	4.64 404	11.97 410	12.29 410	5.39 389	4.32 353	3.81 364	4.51 367	9.50 396	6.53 377	10.22 316	14.50 375	1.32 371	1.47 334	1.18 378	1.36 385	7.48 417	5.05 360

JetRed	10.68 405	26.07 427	35.62 422	4.40 406	4.16 401	15.72 418	13.07 411	14.57 417	5.83 394	5.85 390	5.55 375	10.12 397	7.37 384	8.86 281	25.99 421	3.33 394	3.82 379	3.59 414	2.98 416	8.51 420	8.22 379

MADNet++	8.64 401	6.17 342	13.88 67	6.61 414	5.25 407	10.15 406	14.20 412	5.89 399	8.25 402	7.14 396	8.18 383	6.41 383	9.84 398	11.71 369	16.73 386	9.65 421	5.03 386	8.63 421	5.68 418	4.83 408	8.57 384

THIR-Stereo	4.50 347	1.11 194	18.71 160	0.89 50	0.47 37	2.25 39	16.71 413	3.53 127	1.58 31	2.04 156	12.04 405	2.66 236	7.52 385	7.29 258	11.25 354	0.32 85	0.21 34	0.29 80	0.28 132	0.35 124	0.52 134

CrosDoStereo	5.27 367	0.75 98	20.07 244	0.85 34	0.53 62	3.40 101	18.03 414	3.90 182	3.29 269	1.99 135	8.27 384	1.95 162	6.95 382	7.34 260	25.94 419	0.33 108	0.22 49	0.30 101	0.28 132	0.35 124	0.61 175

DeepStereo_LL	5.27 367	0.75 98	20.07 244	0.85 34	0.53 62	3.40 101	18.03 414	3.90 182	3.29 269	1.99 135	8.27 384	1.95 162	6.95 382	7.34 260	25.94 419	0.33 108	0.22 49	0.30 101	0.28 132	0.35 124	0.61 175

LE_ROB	19.18 418	12.99 380	48.22 431	8.42 419	23.91 425	7.26 401	19.71 416	9.92 406	38.58 432	43.44 430	21.85 417	28.15 424	41.18 427	23.00 418	54.71 432	0.38 177	0.34 173	0.32 134	0.36 244	0.43 204	0.49 118

tt	7.29 396	0.58 10	7.34 30	4.04 401	2.30 370	12.04 411	20.18 417	15.60 421	7.41 401	3.46 353	3.36 348	5.36 377	6.39 375	4.27 202	7.46 339	9.80 422	11.53 418	7.04 420	7.45 421	6.31 411	3.81 348

MANE	15.29 413	13.67 387	23.58 413	10.15 422	13.37 417	23.58 424	23.86 418	27.83 424	26.26 424	12.02 417	15.10 410	19.83 412	18.01 414	15.68 412	20.35 413	8.58 420	9.20 410	3.05 405	4.19 417	0.82 334	16.69 417

SGM-ForestM	15.60 414	14.94 412	28.17 421	7.84 416	10.49 413	23.43 423	24.58 419	20.87 422	16.87 411	15.92 421	15.89 414	27.08 423	22.45 421	24.86 422	28.42 427	3.85 402	8.90 403	0.55 319	1.15 375	0.64 293	15.05 405

FINET	10.59 404	14.44 404	25.84 417	2.30 359	3.90 396	21.74 421	25.19 420	8.85 405	16.99 413	2.68 297	15.19 411	11.45 399	13.83 406	6.71 249	15.11 378	0.80 347	8.59 399	0.53 310	0.44 294	0.62 284	16.67 416

SGM+DAISY	13.18 412	14.36 401	24.65 416	8.10 417	13.49 418	22.47 422	25.54 421	12.13 409	17.08 414	14.77 418	15.82 413	12.17 403	13.97 409	12.65 392	18.22 405	8.40 419	9.18 409	1.23 380	1.33 383	1.23 368	16.81 421

AVERAGE_ROB	44.46 434	45.87 436	46.48 430	40.54 432	38.62 429	32.95 429	30.49 422	46.80 431	43.31 434	49.57 432	48.93 434	44.57 427	39.87 425	45.01 432	43.89 430	48.70 436	50.65 437	50.80 436	49.79 435	45.54 437	46.89 435

HaxPig	43.31 433	43.63 435	45.01 429	33.88 430	35.67 428	32.79 428	30.52 423	45.50 430	42.95 433	48.75 431	48.14 433	43.24 425	40.44 426	44.58 431	43.63 429	47.17 435	49.30 436	51.65 437	50.37 436	43.72 436	45.27 434

DGTPSM_ROB	16.67 415	21.79 425	40.19 427	10.00 421	19.05 421	12.43 412	33.20 424	13.71 414	18.09 418	9.71 408	22.85 418	13.77 406	19.64 415	21.23 414	24.07 415	5.09 416	8.95 405	5.62 418	11.49 423	6.73 413	15.75 414

DPSMNet_ROB	16.76 416	21.81 426	40.95 428	10.20 423	19.08 422	12.43 412	33.21 425	13.73 415	18.21 419	9.76 409	22.88 419	13.78 407	19.64 415	21.39 415	24.21 416	5.20 417	8.97 406	5.63 419	11.51 426	6.80 414	15.82 415

MEDIAN_ROB	47.37 435	49.00 437	49.74 432	40.28 431	39.94 430	34.93 430	33.41 426	49.78 432	46.38 436	53.04 434	52.61 435	47.67 428	42.28 435	48.33 440	47.25 431	52.06 437	53.99 438	54.28 438	53.48 437	48.70 438	50.27 436

Anonymous_1	57.77 438	19.65 422	26.12 418	23.12 426	141.97 442	30.79 425	39.72 427	34.10 429	16.98 412	70.09 439	15.64 412	23.44 417	19.73 417	23.03 419	27.21 422	164.70 444	9.02 407	130.41 439	137.42 441	161.21 445	41.01 433

DPSM_ROB	20.83 420	20.01 423	26.54 419	23.64 427	22.42 423	31.06 426	39.94 428	34.02 427	17.42 416	15.35 419	16.05 415	24.04 419	20.69 418	23.28 420	27.60 423	10.77 423	9.41 411	11.68 425	11.50 424	14.48 425	16.71 418

DPSM	20.83 420	20.01 423	26.54 419	23.64 427	22.42 423	31.06 426	39.94 428	34.02 427	17.42 416	15.35 419	16.05 415	24.04 419	20.69 418	23.28 420	27.60 423	10.77 423	9.41 411	11.68 425	11.50 424	14.48 425	16.71 418

DGSMNet	8.13 399	2.31 300	18.62 156	2.77 377	13.96 419	6.91 400	42.17 430	4.16 257	2.53 156	2.25 212	3.21 343	3.41 292	1.69 219	9.19 288	3.03 286	3.79 401	10.31 413	11.70 427	5.68 418	4.38 404	10.58 392

EAI-Stereo	4.89 360	0.69 65	7.74 33	0.99 101	1.63 322	4.68 365	51.52 431	5.79 397	3.37 285	3.64 359	7.24 377	1.10 59	0.95 55	2.51 146	1.71 187	0.33 108	0.31 154	0.28 66	2.04 402	0.28 22	0.92 242

BEATNet-Init1	51.93 437	71.67 440	99.39 441	10.91 425	13.10 415	84.39 442	59.36 432	73.78 440	67.97 437	88.09 441	88.15 441	91.73 442	97.51 443	85.13 444	72.56 443	2.59 385	5.18 387	1.20 379	1.49 388	10.61 423	13.83 396

xxxxx1	112.85 441	94.19 441	38.10 424	228.21 444	161.02 443	39.23 431	61.26 433	92.54 441	79.08 441	63.44 436	74.84 437	77.80 438	69.88 439	33.55 426	70.96 440	117.25 440	130.44 442	258.49 443	273.88 443	145.63 442	147.24 443

tt_ll	112.85 441	94.19 441	38.10 424	228.21 444	161.02 443	39.23 431	61.26 433	92.54 441	79.08 441	63.44 436	74.84 437	77.80 438	69.88 439	33.55 426	70.96 440	117.25 440	130.44 442	258.49 443	273.88 443	145.63 442	147.24 443

ff	112.85 441	94.19 441	38.10 424	228.21 444	161.02 443	39.23 431	61.26 433	92.54 441	79.08 441	63.44 436	74.84 437	77.80 438	69.88 439	33.55 426	70.96 440	117.25 440	130.44 442	258.49 443	273.88 443	145.63 442	147.24 443

LSM0	49.69 436	40.02 429	53.50 439	97.07 439	129.56 440	62.65 441	79.82 436	68.02 436	35.12 427	33.72 429	33.34 430	48.41 434	41.54 428	46.57 434	55.40 434	21.63 431	19.16 429	23.60 434	23.13 428	29.46 433	52.08 437

Selective-RAFT-Error	41.88 428	40.10 433	53.23 434	47.74 434	45.20 432	62.42 439	80.58 437	68.27 437	34.95 426	30.85 424	32.30 428	48.08 429	42.07 433	46.54 433	54.92 433	21.60 430	19.12 428	23.46 432	23.15 429	29.14 431	33.95 431

MyStereo03	43.09 430	40.09 430	53.32 435	48.07 435	45.83 433	62.40 436	80.65 438	67.87 433	35.18 428	31.09 426	32.21 425	48.24 431	41.62 429	46.66 436	55.80 436	21.53 426	18.98 425	23.44 429	23.21 430	29.12 428	56.57 438

MyStereo02	43.09 430	40.09 430	53.32 435	48.07 435	45.83 433	62.40 436	80.65 438	67.87 433	35.18 428	31.09 426	32.21 425	48.24 431	41.62 429	46.66 436	55.80 436	21.53 426	18.98 425	23.44 429	23.21 430	29.12 428	56.57 438

MyStereo	43.09 430	40.09 430	53.32 435	48.07 435	45.83 433	62.40 436	80.65 438	67.87 433	35.18 428	31.09 426	32.21 425	48.24 431	41.62 429	46.66 436	55.80 436	21.53 426	18.98 425	23.44 429	23.21 430	29.12 428	56.57 438

CasAABBNet	41.89 429	40.14 434	53.33 438	47.71 433	45.10 431	62.42 439	80.65 438	68.29 438	34.85 425	30.67 423	32.34 429	48.22 430	41.76 432	46.61 435	55.60 435	21.59 429	18.89 424	23.46 432	23.21 430	29.17 432	33.75 430

SPstereo	30.75 426	13.65 385	19.03 170	8.80 420	10.65 414	50.20 434	82.83 442	71.83 439	35.94 431	30.86 425	29.63 423	48.58 435	42.25 434	47.75 439	58.04 439	7.66 418	8.94 404	20.43 428	10.51 422	8.69 421	8.79 385

ASD4	117.27 444	129.52 444	123.56 443	122.58 440	90.02 437	142.70 443	121.49 443	155.40 445	106.26 444	137.15 444	93.99 442	116.23 444	77.54 442	123.37 445	97.34 444	115.20 439	101.37 440	138.98 441	118.15 440	131.38 441	103.11 441

DPSimNet_ROB	143.68 445	156.64 445	170.66 444	162.59 441	135.40 441	195.13 445	174.01 444	141.76 444	167.78 446	174.58 445	138.78 444	186.01 445	183.75 445	82.32 441	97.85 445	151.24 443	102.48 441	131.25 440	82.78 438	115.21 440	123.37 442

test_example2	213.42 446	219.67 446	222.97 446	213.78 443	220.82 446	199.03 446	200.49 445	189.27 446	143.61 445	211.05 446	218.08 445	210.69 446	205.21 446	221.14 446	216.49 446	236.74 445	242.08 446	213.66 442	216.96 442	235.55 446	231.06 446

PML	64.55 439	56.00 439	20.79 333	8.10 417	32.82 427	147.60 444	247.57 446	12.71 411	45.39 435	111.32 442	288.85 446	101.42 443	100.62 444	31.63 424	15.84 380	13.96 425	4.84 383	10.95 424	6.18 420	28.99 427	5.33 362

Low-res two-view benchmark