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

CASnet	0.09 14	0.09 197	0.09 30	0.19 233	0.06 3	0.07 16	0.11 11	0.18 101	0.14 62	0.11 64	0.10 42	0.09 40	0.07 34	0.10 19	0.10 53	0.06 59	0.04 2	0.10 275	0.08 217	0.05 42	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.08 2	0.05 6	0.07 2	0.15 40	0.07 19	0.08 23	0.15 120	0.11 2	0.10 9	0.08 7	0.09 25	0.06 3	0.09 72	0.10 19	0.09 20	0.05 2	0.04 2	0.05 2	0.03 1	0.04 1	0.03 1

Selective-IGEV	0.07 1	0.06 22	0.08 12	0.17 119	0.06 3	0.08 23	0.12 22	0.13 12	0.07 1	0.08 7	0.07 14	0.06 3	0.04 1	0.10 19	0.09 20	0.05 2	0.04 2	0.05 2	0.04 9	0.04 1	0.03 1

test_4	0.10 54	0.10 245	0.08 12	0.19 233	0.09 136	0.08 23	0.22 310	0.15 31	0.17 104	0.12 89	0.18 149	0.12 96	0.09 72	0.08 6	0.11 91	0.04 1	0.04 2	0.08 167	0.08 217	0.04 1	0.03 1

RAFT-Stereo + iAFF	0.09 14	0.06 22	0.10 47	0.17 119	0.06 3	0.10 59	0.16 177	0.17 77	0.14 62	0.09 19	0.10 42	0.08 27	0.09 72	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.06 91	0.04 1	0.03 1

AFF-stereo	0.09 14	0.06 22	0.10 47	0.17 119	0.07 19	0.10 59	0.16 177	0.17 77	0.09 3	0.10 44	0.12 67	0.09 40	0.09 72	0.12 106	0.09 20	0.05 2	0.04 2	0.07 103	0.07 166	0.04 1	0.03 1

modified_for_full_sf	0.10 54	0.05 6	0.10 47	0.16 71	0.08 50	0.12 108	0.13 44	0.23 178	0.23 188	0.13 110	0.09 25	0.10 62	0.10 93	0.11 48	0.11 91	0.05 2	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

MoCha-V2	0.08 2	0.05 6	0.10 47	0.20 275	0.07 19	0.09 35	0.14 72	0.11 2	0.08 2	0.07 2	0.08 17	0.07 18	0.06 6	0.09 10	0.08 11	0.05 2	0.04 2	0.05 2	0.04 9	0.04 1	0.04 7

LargeStereo	0.08 2	0.06 22	0.08 12	0.18 186	0.07 19	0.09 35	0.13 44	0.10 1	0.09 3	0.08 7	0.08 17	0.06 3	0.06 6	0.13 138	0.09 20	0.05 2	0.04 2	0.05 2	0.04 9	0.05 42	0.04 7

AE-Stereo	0.10 54	0.08 146	0.10 47	0.18 186	0.09 136	0.10 59	0.15 120	0.14 19	0.19 133	0.09 19	0.14 87	0.12 96	0.08 53	0.11 48	0.10 53	0.05 2	0.06 196	0.07 103	0.06 91	0.05 42	0.04 7

StereoIM	0.09 14	0.09 197	0.08 12	0.17 119	0.09 136	0.13 137	0.10 6	0.16 47	0.16 92	0.09 19	0.11 59	0.06 3	0.06 6	0.09 10	0.13 164	0.07 146	0.06 196	0.07 103	0.05 34	0.05 42	0.04 7

MSKI-zero shot	0.09 14	0.05 6	0.09 30	0.15 40	0.07 19	0.10 59	0.13 44	0.14 19	0.13 45	0.09 19	0.09 25	0.09 40	0.06 6	0.12 106	0.10 53	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.04 7

DLNR_Zeroshot_test	10.40 432	1.82 426	19.49 442	120.77 447	13.11 437	0.06 2	0.13 44	0.23 178	0.10 9	0.07 2	0.10 42	0.09 40	0.06 6	0.10 19	0.09 20	0.13 339	0.04 2	0.06 34	0.04 9	51.54 446	0.04 7

AEACV	0.08 2	0.05 6	0.08 12	0.14 14	0.13 308	0.14 161	0.13 44	0.14 19	0.09 3	0.07 2	0.09 25	0.07 18	0.08 53	0.10 19	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.05 42	0.04 7

HH	0.09 14	0.06 22	0.13 135	0.17 119	0.08 50	0.10 59	0.16 177	0.14 19	0.10 9	0.08 7	0.09 25	0.08 27	0.07 34	0.10 19	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.05 42	0.04 7

HanStereo	0.09 14	0.06 22	0.13 135	0.17 119	0.08 50	0.10 59	0.16 177	0.14 19	0.10 9	0.08 7	0.09 25	0.08 27	0.07 34	0.10 19	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.05 42	0.04 7

CAS	0.08 2	0.04 1	0.07 2	0.17 119	0.08 50	0.10 59	0.13 44	0.12 6	0.09 3	0.09 19	0.10 42	0.08 27	0.06 6	0.09 10	0.08 11	0.08 196	0.04 2	0.05 2	0.03 1	0.05 42	0.04 7

EGLCR-Stereo	0.08 2	0.05 6	0.08 12	0.14 14	0.06 3	0.10 59	0.12 22	0.11 2	0.16 92	0.06 1	0.05 1	0.07 18	0.05 2	0.10 19	0.11 91	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

DCRE	0.11 86	0.07 73	0.13 135	0.16 71	0.11 261	0.11 85	0.17 198	0.18 101	0.17 104	0.11 64	0.18 149	0.10 62	0.10 93	0.15 173	0.11 91	0.06 59	0.05 111	0.06 34	0.06 91	0.05 42	0.04 7

MC-Stereo	0.08 2	0.06 22	0.09 30	0.17 119	0.06 3	0.10 59	0.14 72	0.12 6	0.10 9	0.09 19	0.12 67	0.09 40	0.06 6	0.11 48	0.10 53	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

RCA-Stereo	0.09 14	0.06 22	0.09 30	0.16 71	0.06 3	0.09 35	0.13 44	0.18 101	0.14 62	0.09 19	0.10 42	0.08 27	0.07 34	0.12 106	0.11 91	0.06 59	0.04 2	0.06 34	0.05 34	0.05 42	0.04 7

ADStereo(finetuned)	0.10 54	0.06 22	0.12 96	0.16 71	0.06 3	0.09 35	0.17 198	0.15 31	0.19 133	0.13 110	0.17 127	0.10 62	0.12 145	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.05 42	0.04 7

raft_robust	0.13 164	0.10 245	0.07 2	0.18 186	0.08 50	0.13 137	0.24 329	0.28 255	0.33 282	0.20 249	0.19 155	0.14 134	0.10 93	0.11 48	0.12 134	0.05 2	0.05 111	0.07 103	0.07 166	0.05 42	0.04 7

RAFT_CTSACE	0.12 142	0.09 197	0.10 47	0.22 313	0.08 50	0.12 108	0.24 329	0.18 101	0.16 92	0.20 249	0.27 255	0.13 119	0.07 34	0.13 138	0.09 20	0.05 2	0.06 196	0.08 167	0.07 166	0.04 1	0.04 7

SA	0.12 142	0.09 197	0.08 12	0.18 186	0.08 50	0.12 108	0.24 329	0.23 178	0.18 121	0.17 192	0.27 255	0.14 134	0.11 116	0.11 48	0.11 91	0.05 2	0.05 111	0.09 233	0.08 217	0.05 42	0.04 7

IPLG	0.10 54	0.07 73	0.15 198	0.17 119	0.08 50	0.11 85	0.14 72	0.20 128	0.15 74	0.12 89	0.17 127	0.07 18	0.07 34	0.14 154	0.13 164	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

MIPNet	0.11 86	0.08 146	0.14 161	0.17 119	0.09 136	0.12 108	0.14 72	0.20 128	0.24 199	0.11 64	0.10 42	0.09 40	0.07 34	0.13 138	0.12 134	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

IPLGR	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.12 108	0.17 198	0.21 145	0.24 199	0.11 64	0.12 67	0.11 80	0.08 53	0.12 106	0.12 134	0.06 59	0.05 111	0.06 34	0.06 91	0.04 1	0.04 7

GMOStereo	0.11 86	0.09 197	0.07 2	0.19 233	0.08 50	0.12 108	0.28 361	0.13 12	0.17 104	0.11 64	0.17 127	0.14 134	0.12 145	0.07 1	0.07 1	0.05 2	0.05 111	0.09 233	0.07 166	0.04 1	0.04 7

error version	0.11 86	0.09 197	0.07 2	0.19 233	0.08 50	0.12 108	0.28 361	0.13 12	0.17 104	0.11 64	0.17 127	0.14 134	0.12 145	0.07 1	0.07 1	0.05 2	0.05 111	0.09 233	0.07 166	0.04 1	0.04 7

test-v	0.11 86	0.09 197	0.07 2	0.19 233	0.08 50	0.12 108	0.28 361	0.13 12	0.17 104	0.11 64	0.17 127	0.14 134	0.12 145	0.07 1	0.07 1	0.05 2	0.05 111	0.09 233	0.07 166	0.04 1	0.04 7

test-3	0.08 2	0.06 22	0.09 30	0.17 119	0.07 19	0.07 16	0.14 72	0.12 6	0.15 74	0.09 19	0.08 17	0.07 18	0.08 53	0.11 48	0.10 53	0.05 2	0.04 2	0.07 103	0.05 34	0.04 1	0.04 7

test_1	0.08 2	0.06 22	0.09 30	0.17 119	0.07 19	0.07 16	0.14 72	0.12 6	0.15 74	0.09 19	0.08 17	0.07 18	0.08 53	0.11 48	0.10 53	0.05 2	0.04 2	0.07 103	0.05 34	0.04 1	0.04 7

test_3	0.10 54	0.09 197	0.10 47	0.20 275	0.08 50	0.13 137	0.26 349	0.14 19	0.21 167	0.10 44	0.10 42	0.09 40	0.09 72	0.08 6	0.11 91	0.05 2	0.04 2	0.08 167	0.07 166	0.04 1	0.04 7

TRStereo	0.09 14	0.05 6	0.12 96	0.15 40	0.12 290	0.10 59	0.13 44	0.18 101	0.18 121	0.09 19	0.09 25	0.09 40	0.06 6	0.10 19	0.08 11	0.07 146	0.05 111	0.07 103	0.07 166	0.04 1	0.04 7

STrans-v2	0.10 54	0.07 73	0.12 96	0.18 186	0.07 19	0.10 59	0.14 72	0.21 145	0.11 20	0.11 64	0.15 101	0.12 96	0.10 93	0.11 48	0.12 134	0.05 2	0.04 2	0.06 34	0.06 91	0.04 1	0.04 7

OMP-Stereo	0.11 86	0.06 22	0.14 161	0.18 186	0.08 50	0.09 35	0.12 22	0.21 145	0.21 167	0.13 110	0.14 87	0.11 80	0.12 145	0.11 48	0.13 164	0.06 59	0.04 2	0.07 103	0.06 91	0.05 42	0.04 7

IIG-Stereo	0.11 86	0.06 22	0.13 135	0.17 119	0.08 50	0.11 85	0.12 22	0.22 161	0.17 104	0.14 131	0.17 127	0.11 80	0.12 145	0.12 106	0.12 134	0.06 59	0.05 111	0.07 103	0.06 91	0.05 42	0.04 7

CroCo-Stereo	0.09 14	0.08 146	0.08 12	0.22 313	0.09 136	0.09 35	0.19 269	0.15 31	0.12 28	0.07 2	0.07 14	0.08 27	0.06 6	0.08 6	0.07 1	0.07 146	0.05 111	0.06 34	0.04 9	0.05 42	0.04 7
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
test-2	0.11 86	0.09 197	0.07 2	0.19 233	0.08 50	0.12 108	0.28 361	0.13 12	0.17 104	0.11 64	0.17 127	0.14 134	0.12 145	0.07 1	0.07 1	0.05 2	0.05 111	0.09 233	0.07 166	0.04 1	0.04 7

cross-raft	0.10 54	0.09 197	0.09 30	0.19 233	0.07 19	0.11 85	0.25 343	0.13 12	0.15 74	0.08 7	0.11 59	0.12 96	0.10 93	0.09 10	0.11 91	0.05 2	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

test-1	0.10 54	0.07 73	0.16 228	0.19 233	0.08 50	0.11 85	0.24 329	0.14 19	0.18 121	0.09 19	0.07 14	0.09 40	0.08 53	0.07 1	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.04 1	0.04 7

iRaftStereo_RVC	0.10 54	0.07 73	0.09 30	0.17 119	0.09 136	0.11 85	0.17 198	0.18 101	0.12 28	0.09 19	0.12 67	0.10 62	0.07 34	0.11 48	0.10 53	0.05 2	0.04 2	0.08 167	0.08 217	0.04 1	0.04 7

CREStereo++_RVC	0.08 2	0.04 1	0.06 1	0.13 7	0.07 19	0.09 35	0.12 22	0.14 19	0.14 62	0.10 44	0.14 87	0.08 27	0.07 34	0.09 10	0.11 91	0.06 59	0.04 2	0.05 2	0.05 34	0.04 1	0.04 7
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.09 14	0.06 22	0.07 2	0.15 40	0.05 1	0.16 207	0.18 238	0.15 31	0.15 74	0.10 44	0.11 59	0.11 80	0.11 116	0.10 19	0.12 134	0.05 2	0.04 2	0.05 2	0.04 9	0.04 1	0.04 7

RALAANet	0.11 86	0.08 146	0.10 47	0.17 119	0.09 136	0.14 161	0.10 6	0.20 128	0.15 74	0.14 131	0.13 77	0.16 169	0.09 72	0.12 106	0.11 91	0.06 59	0.05 111	0.07 103	0.06 91	0.05 42	0.04 7

XX-Stereo	0.09 14	0.05 6	0.08 12	0.17 119	0.09 136	0.15 183	0.12 22	0.20 128	0.10 9	0.10 44	0.14 87	0.07 18	0.06 6	0.12 106	0.08 11	0.06 59	0.05 111	0.06 34	0.06 91	0.04 1	0.04 7

DCANet	0.10 54	0.06 22	0.12 96	0.16 71	0.06 3	0.09 35	0.17 198	0.15 31	0.19 133	0.13 110	0.17 127	0.10 62	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.05 42	0.04 7

ARAFT	0.12 142	0.08 146	0.17 253	0.19 233	0.09 136	0.14 161	0.18 238	0.20 128	0.12 28	0.12 89	0.13 77	0.14 134	0.11 116	0.15 173	0.12 134	0.06 59	0.05 111	0.10 275	0.09 258	0.05 42	0.04 7

EAI-Stereo	0.09 14	0.07 73	0.11 75	0.15 40	0.06 3	0.10 59	0.15 120	0.16 47	0.09 3	0.08 7	0.09 25	0.08 27	0.07 34	0.09 10	0.11 91	0.05 2	0.04 2	0.05 2	0.05 34	0.05 42	0.04 7

CFNet-RSSM	0.09 14	0.07 73	0.09 30	0.16 71	0.07 19	0.09 35	0.15 120	0.16 47	0.17 104	0.08 7	0.12 67	0.10 62	0.09 72	0.11 48	0.09 20	0.06 59	0.04 2	0.06 34	0.04 9	0.04 1	0.04 7

Gwc-CoAtRS	0.09 14	0.06 22	0.10 47	0.16 71	0.07 19	0.10 59	0.14 72	0.17 77	0.17 104	0.08 7	0.10 42	0.12 96	0.09 72	0.12 106	0.09 20	0.06 59	0.04 2	0.06 34	0.04 9	0.04 1	0.04 7

MLCV	0.12 142	0.07 73	0.16 228	0.18 186	0.06 3	0.15 183	0.17 198	0.19 121	0.21 167	0.18 219	0.25 233	0.17 188	0.13 177	0.14 154	0.13 164	0.05 2	0.04 2	0.05 2	0.04 9	0.05 42	0.04 7

trnet	0.08 2	0.05 6	0.07 2	0.12 3	0.05 1	0.12 108	0.11 11	0.13 12	0.10 9	0.08 7	0.13 77	0.09 40	0.08 53	0.11 48	0.10 53	0.08 196	0.05 111	0.05 2	0.03 1	0.06 104	0.05 54

H2IRNET	0.10 54	0.09 197	0.09 30	0.18 186	0.09 136	0.12 108	0.15 120	0.14 19	0.21 167	0.10 44	0.10 42	0.10 62	0.10 93	0.10 19	0.10 53	0.05 2	0.04 2	0.08 167	0.08 217	0.06 104	0.05 54

MGS-Stereo	0.09 14	0.07 73	0.12 96	0.15 40	0.08 50	0.09 35	0.15 120	0.12 6	0.12 28	0.07 2	0.10 42	0.08 27	0.06 6	0.10 19	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.06 104	0.05 54

CoDeX	0.12 142	0.07 73	0.12 96	0.17 119	0.08 50	0.12 108	0.15 120	0.23 178	0.27 238	0.13 110	0.17 127	0.16 169	0.11 116	0.14 154	0.11 91	0.07 146	0.05 111	0.07 103	0.06 91	0.06 104	0.05 54

IGEV_Zeroshot_test	0.09 14	0.05 6	0.12 96	0.13 7	0.08 50	0.12 108	0.13 44	0.17 77	0.11 20	0.10 44	0.06 2	0.09 40	0.06 6	0.11 48	0.09 20	0.06 59	0.04 2	0.06 34	0.06 91	0.05 42	0.05 54

StereoVision	0.13 164	0.12 279	0.09 30	0.24 337	0.10 223	0.15 183	0.21 300	0.21 145	0.20 154	0.12 89	0.24 204	0.10 62	0.10 93	0.16 205	0.10 53	0.09 242	0.11 327	0.12 317	0.12 331	0.06 104	0.05 54

MIF-Stereo	0.09 14	0.07 73	0.08 12	0.18 186	0.08 50	0.13 137	0.11 11	0.12 6	0.11 20	0.10 44	0.12 67	0.05 1	0.07 34	0.09 10	0.09 20	0.07 146	0.05 111	0.05 2	0.05 34	0.05 42	0.05 54

MIM_Stereo	0.09 14	0.07 73	0.11 75	0.15 40	0.07 19	0.06 2	0.12 22	0.20 128	0.14 62	0.13 110	0.13 77	0.09 40	0.05 2	0.12 106	0.08 11	0.05 2	0.06 196	0.07 103	0.06 91	0.06 104	0.05 54

Any-RAFT	0.10 54	0.05 6	0.09 30	0.14 14	0.07 19	0.13 137	0.14 72	0.21 145	0.15 74	0.11 64	0.12 67	0.12 96	0.09 72	0.12 106	0.09 20	0.07 146	0.04 2	0.05 2	0.04 9	0.06 104	0.05 54

RAFT-Test	0.09 14	0.06 22	0.10 47	0.15 40	0.07 19	0.11 85	0.15 120	0.16 47	0.13 45	0.09 19	0.10 42	0.10 62	0.09 72	0.12 106	0.09 20	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

LL-Strereo2	0.10 54	0.10 245	0.15 198	0.18 186	0.08 50	0.15 183	0.09 3	0.17 77	0.14 62	0.14 131	0.10 42	0.09 40	0.07 34	0.16 205	0.10 53	0.05 2	0.05 111	0.10 275	0.07 166	0.06 104	0.05 54

LL-Strereo	0.13 164	0.09 197	0.11 75	0.20 275	0.10 223	0.11 85	0.18 238	0.32 294	0.24 199	0.15 155	0.15 101	0.14 134	0.13 177	0.19 249	0.11 91	0.06 59	0.04 2	0.09 233	0.08 217	0.04 1	0.05 54

4D-IteraStereo	0.09 14	0.07 73	0.10 47	0.18 186	0.07 19	0.09 35	0.15 120	0.17 77	0.15 74	0.10 44	0.11 59	0.10 62	0.07 34	0.11 48	0.09 20	0.05 2	0.03 1	0.08 167	0.07 166	0.06 104	0.05 54

anonymousdsp2	0.11 86	0.07 73	0.10 47	0.16 71	0.09 136	0.13 137	0.14 72	0.18 101	0.22 179	0.13 110	0.14 87	0.12 96	0.09 72	0.14 154	0.11 91	0.05 2	0.04 2	0.05 2	0.04 9	0.06 104	0.05 54

LoS	0.09 14	0.05 6	0.11 75	0.13 7	0.07 19	0.14 161	0.11 11	0.15 31	0.15 74	0.09 19	0.09 25	0.12 96	0.09 72	0.15 173	0.10 53	0.07 146	0.05 111	0.05 2	0.03 1	0.05 42	0.05 54

CES	0.08 2	0.04 1	0.08 12	0.14 14	0.07 19	0.09 35	0.14 72	0.11 2	0.09 3	0.08 7	0.09 25	0.11 80	0.06 6	0.12 106	0.08 11	0.06 59	0.04 2	0.05 2	0.03 1	0.05 42	0.05 54

Selective-RAFT	0.11 86	0.10 245	0.11 75	0.21 300	0.08 50	0.16 207	0.13 44	0.20 128	0.22 179	0.10 44	0.10 42	0.11 80	0.10 93	0.15 173	0.11 91	0.05 2	0.05 111	0.06 34	0.05 34	0.06 104	0.05 54

CroCo-Stereo Lap2	0.09 14	0.09 197	0.08 12	0.22 313	0.09 136	0.09 35	0.19 269	0.16 47	0.12 28	0.09 19	0.10 42	0.05 1	0.05 2	0.08 6	0.08 11	0.06 59	0.06 196	0.07 103	0.05 34	0.05 42	0.05 54

TestStereo1	0.13 164	0.08 146	0.08 12	0.19 233	0.08 50	0.18 241	0.29 369	0.23 178	0.16 92	0.17 192	0.20 166	0.16 169	0.10 93	0.12 106	0.13 164	0.06 59	0.06 196	0.08 167	0.06 91	0.05 42	0.05 54

DCANet-4	0.10 54	0.06 22	0.12 96	0.16 71	0.06 3	0.09 35	0.17 198	0.18 101	0.19 133	0.13 110	0.16 109	0.09 40	0.14 200	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

fff	0.10 54	0.06 22	0.12 96	0.15 40	0.07 19	0.09 35	0.17 198	0.16 47	0.20 154	0.13 110	0.16 109	0.10 62	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

SA-5K	0.13 164	0.08 146	0.08 12	0.19 233	0.08 50	0.18 241	0.29 369	0.23 178	0.16 92	0.17 192	0.20 166	0.16 169	0.10 93	0.12 106	0.13 164	0.06 59	0.06 196	0.08 167	0.06 91	0.05 42	0.05 54

Sa-1000	0.12 142	0.08 146	0.08 12	0.18 186	0.08 50	0.14 161	0.22 310	0.22 161	0.18 121	0.15 155	0.20 166	0.17 188	0.11 116	0.10 19	0.10 53	0.06 59	0.05 111	0.09 233	0.09 258	0.05 42	0.05 54

iRaft-Stereo_20w	0.09 14	0.05 6	0.13 135	0.14 14	0.08 50	0.12 108	0.15 120	0.18 101	0.10 9	0.11 64	0.08 17	0.08 27	0.05 2	0.10 19	0.09 20	0.06 59	0.04 2	0.06 34	0.05 34	0.06 104	0.05 54

GLC_STEREO	0.11 86	0.07 73	0.11 75	0.17 119	0.07 19	0.09 35	0.13 44	0.15 31	0.24 199	0.12 89	0.13 77	0.12 96	0.08 53	0.18 238	0.11 91	0.06 59	0.08 275	0.08 167	0.06 91	0.05 42	0.05 54

CrosDoStereo	0.12 142	0.06 22	0.12 96	0.14 14	0.08 50	0.12 108	0.15 120	0.17 77	0.22 179	0.19 232	0.24 204	0.15 158	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.07 103	0.07 166	0.05 42	0.05 54

AAGNet	0.11 86	0.07 73	0.16 228	0.19 233	0.09 136	0.08 23	0.13 44	0.18 101	0.13 45	0.16 180	0.21 180	0.13 119	0.14 200	0.11 48	0.14 192	0.06 59	0.04 2	0.09 233	0.06 91	0.06 104	0.05 54

TransformOpticalFlow	0.10 54	0.08 146	0.13 135	0.18 186	0.07 19	0.09 35	0.15 120	0.19 121	0.15 74	0.12 89	0.17 127	0.11 80	0.11 116	0.11 48	0.10 53	0.05 2	0.04 2	0.06 34	0.06 91	0.05 42	0.05 54

DeepStereo_LL	0.12 142	0.06 22	0.12 96	0.14 14	0.08 50	0.12 108	0.15 120	0.17 77	0.22 179	0.19 232	0.24 204	0.15 158	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.07 103	0.07 166	0.05 42	0.05 54

DEmStereo	0.12 142	0.06 22	0.14 161	0.14 14	0.10 223	0.16 207	0.15 120	0.16 47	0.24 199	0.17 192	0.24 204	0.13 119	0.14 200	0.12 106	0.13 164	0.05 2	0.04 2	0.07 103	0.06 91	0.05 42	0.05 54

SST-Stereo	0.10 54	0.07 73	0.15 198	0.18 186	0.09 136	0.06 2	0.12 22	0.17 77	0.11 20	0.15 155	0.17 127	0.13 119	0.12 145	0.10 19	0.11 91	0.06 59	0.04 2	0.09 233	0.06 91	0.06 104	0.05 54

THIR-Stereo	0.12 142	0.07 73	0.11 75	0.15 40	0.08 50	0.14 161	0.16 177	0.17 77	0.25 218	0.16 180	0.24 204	0.14 134	0.12 145	0.12 106	0.14 192	0.06 59	0.04 2	0.07 103	0.07 166	0.05 42	0.05 54

RAFT_R40	0.11 86	0.07 73	0.14 161	0.18 186	0.09 136	0.06 2	0.13 44	0.17 77	0.16 92	0.14 131	0.18 149	0.15 158	0.12 145	0.10 19	0.11 91	0.06 59	0.04 2	0.09 233	0.06 91	0.06 104	0.05 54

DRaft	0.12 142	0.06 22	0.11 75	0.14 14	0.09 136	0.14 161	0.17 198	0.21 145	0.30 264	0.17 192	0.28 264	0.10 62	0.15 213	0.10 19	0.12 134	0.05 2	0.04 2	0.07 103	0.06 91	0.05 42	0.05 54

PFNet	0.12 142	0.06 22	0.17 253	0.17 119	0.08 50	0.09 35	0.15 120	0.26 223	0.20 154	0.16 180	0.16 109	0.14 134	0.11 116	0.12 106	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.05 42	0.05 54

RAFT-345	0.11 86	0.07 73	0.15 198	0.16 71	0.08 50	0.08 23	0.12 22	0.15 31	0.10 9	0.11 64	0.36 315	0.09 40	0.09 72	0.11 48	0.12 134	0.05 2	0.05 111	0.07 103	0.06 91	0.04 1	0.05 54

AnonymousM	0.09 14	0.05 6	0.10 47	0.14 14	0.06 3	0.09 35	0.13 44	0.19 121	0.14 62	0.13 110	0.11 59	0.09 40	0.08 53	0.13 138	0.10 53	0.08 196	0.05 111	0.08 167	0.05 34	0.05 42	0.05 54

RAFT	0.13 164	0.09 197	0.11 75	0.18 186	0.08 50	0.15 183	0.24 329	0.20 128	0.19 133	0.21 257	0.21 180	0.17 188	0.12 145	0.16 205	0.09 20	0.06 59	0.07 253	0.10 275	0.09 258	0.05 42	0.05 54

TestStereo	0.13 164	0.14 312	0.11 75	0.23 332	0.08 50	0.15 183	0.21 300	0.20 128	0.23 188	0.14 131	0.24 204	0.16 169	0.12 145	0.16 205	0.14 192	0.05 2	0.06 196	0.08 167	0.06 91	0.09 254	0.05 54

raft+_RVC	0.11 86	0.07 73	0.09 30	0.16 71	0.07 19	0.10 59	0.11 11	0.24 197	0.20 154	0.12 89	0.15 101	0.12 96	0.08 53	0.12 106	0.13 164	0.07 146	0.04 2	0.07 103	0.06 91	0.05 42	0.05 54

TANstereo	0.09 14	0.04 1	0.08 12	0.13 7	0.06 3	0.11 85	0.14 72	0.15 31	0.19 133	0.11 64	0.15 101	0.10 62	0.06 6	0.12 106	0.09 20	0.07 146	0.05 111	0.05 2	0.04 9	0.06 104	0.05 54

XX-TBD	0.09 14	0.06 22	0.07 2	0.14 14	0.07 19	0.12 108	0.16 177	0.14 19	0.13 45	0.11 64	0.12 67	0.09 40	0.08 53	0.10 19	0.10 53	0.06 59	0.04 2	0.05 2	0.03 1	0.06 104	0.05 54

raftrobust	0.09 14	0.06 22	0.10 47	0.17 119	0.08 50	0.09 35	0.10 6	0.18 101	0.16 92	0.10 44	0.09 25	0.12 96	0.07 34	0.12 106	0.10 53	0.08 196	0.05 111	0.06 34	0.05 34	0.05 42	0.05 54

csc	0.10 54	0.06 22	0.12 96	0.15 40	0.07 19	0.09 35	0.17 198	0.16 47	0.20 154	0.13 110	0.16 109	0.10 62	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

cscssc	0.10 54	0.06 22	0.12 96	0.15 40	0.07 19	0.09 35	0.17 198	0.16 47	0.20 154	0.13 110	0.16 109	0.10 62	0.11 116	0.11 48	0.12 134	0.06 59	0.04 2	0.05 2	0.04 9	0.04 1	0.05 54

111	0.10 54	0.06 22	0.12 96	0.15 40	0.07 19	0.10 59	0.14 72	0.21 145	0.23 188	0.11 64	0.12 67	0.14 134	0.11 116	0.13 138	0.10 53	0.06 59	0.04 2	0.06 34	0.04 9	0.05 42	0.05 54

R-Stereo Train	0.10 54	0.06 22	0.10 47	0.17 119	0.08 50	0.11 85	0.14 72	0.23 178	0.11 20	0.12 89	0.19 155	0.11 80	0.08 53	0.09 10	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.05 54

RAFT-Stereo	0.10 54	0.06 22	0.10 47	0.17 119	0.08 50	0.11 85	0.14 72	0.23 178	0.11 20	0.12 89	0.19 155	0.11 80	0.08 53	0.09 10	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.05 54
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 54	0.06 22	0.12 96	0.14 14	0.06 3	0.11 85	0.10 6	0.18 101	0.18 121	0.13 110	0.16 109	0.14 134	0.11 116	0.15 173	0.13 164	0.06 59	0.04 2	0.04 1	0.04 9	0.06 104	0.05 54
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
iResNet	0.13 164	0.10 245	0.18 271	0.19 233	0.08 50	0.13 137	0.18 238	0.20 128	0.26 231	0.15 155	0.23 195	0.15 158	0.13 177	0.14 154	0.14 192	0.06 59	0.04 2	0.06 34	0.05 34	0.06 104	0.05 54

DispNO	0.14 193	0.08 146	0.17 253	0.19 233	0.12 290	0.11 85	0.21 300	0.23 178	0.29 256	0.17 192	0.23 195	0.18 199	0.17 252	0.15 173	0.15 215	0.07 146	0.05 111	0.08 167	0.08 217	0.07 161	0.06 104

Former-RAFT_DAM_RVC	0.10 54	0.08 146	0.12 96	0.16 71	0.08 50	0.15 183	0.16 177	0.18 101	0.18 121	0.10 44	0.09 25	0.09 40	0.08 53	0.11 48	0.12 134	0.07 146	0.05 111	0.08 167	0.06 91	0.07 161	0.06 104

SMFormer	0.14 193	0.07 73	0.17 253	0.14 14	0.08 50	0.16 207	0.17 198	0.26 223	0.27 238	0.19 232	0.20 166	0.18 199	0.15 213	0.15 173	0.17 241	0.08 196	0.05 111	0.07 103	0.06 91	0.07 161	0.06 104

tta	0.14 193	0.07 73	0.17 253	0.14 14	0.08 50	0.16 207	0.17 198	0.26 223	0.27 238	0.19 232	0.20 166	0.18 199	0.15 213	0.15 173	0.17 241	0.08 196	0.05 111	0.07 103	0.06 91	0.06 104	0.06 104

qqq1	0.13 164	0.07 73	0.17 253	0.14 14	0.08 50	0.16 207	0.17 198	0.26 223	0.27 238	0.19 232	0.20 166	0.18 199	0.15 213	0.15 173	0.11 91	0.08 196	0.05 111	0.05 2	0.05 34	0.06 104	0.06 104

fff1	0.13 164	0.07 73	0.17 253	0.14 14	0.08 50	0.16 207	0.17 198	0.26 223	0.27 238	0.19 232	0.20 166	0.18 199	0.15 213	0.15 173	0.11 91	0.08 196	0.05 111	0.05 2	0.05 34	0.06 104	0.06 104

MyStereo07	0.10 54	0.07 73	0.10 47	0.17 119	0.09 136	0.14 161	0.18 238	0.15 31	0.15 74	0.09 19	0.06 2	0.06 3	0.07 34	0.12 106	0.09 20	0.06 59	0.05 111	0.08 167	0.07 166	0.06 104	0.06 104

MyStereo06	0.10 54	0.07 73	0.12 96	0.17 119	0.09 136	0.13 137	0.18 238	0.19 121	0.12 28	0.12 89	0.08 17	0.07 18	0.07 34	0.11 48	0.09 20	0.06 59	0.05 111	0.07 103	0.07 166	0.06 104	0.06 104

MyStereo05	0.13 164	0.07 73	0.10 47	0.17 119	0.09 136	0.13 137	0.18 238	0.27 241	0.35 300	0.17 192	0.14 87	0.15 158	0.11 116	0.15 173	0.13 164	0.06 59	0.05 111	0.07 103	0.07 166	0.06 104	0.06 104

MyStereo04	0.13 164	0.07 73	0.10 47	0.17 119	0.09 136	0.14 161	0.18 238	0.29 265	0.38 316	0.17 192	0.14 87	0.16 169	0.10 93	0.15 173	0.13 164	0.06 59	0.05 111	0.08 167	0.07 166	0.06 104	0.06 104

cc1	0.10 54	0.08 146	0.12 96	0.17 119	0.09 136	0.13 137	0.15 120	0.16 47	0.18 121	0.09 19	0.09 25	0.06 3	0.06 6	0.10 19	0.07 1	0.06 59	0.04 2	0.06 34	0.05 34	0.06 104	0.06 104

ff7	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

IGEVStereo-DCA	0.09 14	0.06 22	0.11 75	0.15 40	0.10 223	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.08 27	0.06 6	0.10 19	0.08 11	0.06 59	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

ffff	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

rrr	0.09 14	0.06 22	0.12 96	0.15 40	0.10 223	0.11 85	0.16 177	0.16 47	0.15 74	0.10 44	0.06 2	0.08 27	0.06 6	0.10 19	0.08 11	0.06 59	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

DualNet	0.13 164	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.15 31	0.19 133	0.15 155	0.25 233	0.19 208	0.13 177	0.10 19	0.20 270	0.06 59	0.04 2	0.09 233	0.08 217	0.06 104	0.06 104

ffm	0.12 142	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.15 31	0.19 133	0.15 155	0.25 233	0.19 208	0.13 177	0.10 19	0.07 1	0.06 59	0.04 2	0.09 233	0.08 217	0.06 104	0.06 104

ff1	0.13 164	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.15 31	0.19 133	0.15 155	0.25 233	0.19 208	0.13 177	0.14 154	0.20 270	0.06 59	0.04 2	0.09 233	0.08 217	0.06 104	0.06 104

11t	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

tt1	0.10 54	0.08 146	0.12 96	0.17 119	0.09 136	0.12 108	0.16 177	0.15 31	0.19 133	0.09 19	0.08 17	0.06 3	0.06 6	0.10 19	0.07 1	0.06 59	0.04 2	0.06 34	0.05 34	0.06 104	0.06 104

1111x	0.15 227	0.08 146	0.12 96	0.18 186	0.07 19	0.18 241	0.25 343	0.31 285	0.24 199	0.17 192	0.24 204	0.26 277	0.15 213	0.13 138	0.23 308	0.07 146	0.07 253	0.08 167	0.09 258	0.07 161	0.06 104

test croco	0.10 54	0.08 146	0.10 47	0.19 233	0.09 136	0.10 59	0.15 120	0.14 19	0.13 45	0.13 110	0.15 101	0.09 40	0.12 145	0.13 138	0.12 134	0.07 146	0.05 111	0.09 233	0.06 91	0.06 104	0.06 104

anonymousdsp	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.09 19	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

anonymousa	0.13 164	0.07 73	0.13 135	0.18 186	0.09 136	0.13 137	0.17 198	0.19 121	0.29 256	0.15 155	0.24 204	0.15 158	0.14 200	0.14 154	0.14 192	0.07 146	0.05 111	0.07 103	0.09 258	0.05 42	0.06 104

ProNet	0.09 14	0.07 73	0.10 47	0.17 119	0.08 50	0.10 59	0.15 120	0.15 31	0.12 28	0.09 19	0.06 2	0.07 18	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.04 1	0.06 104

ccc-4	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.10 44	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

RAFT+CT+SA	0.13 164	0.11 265	0.09 30	0.19 233	0.09 136	0.15 183	0.28 361	0.22 161	0.22 179	0.15 155	0.26 248	0.10 62	0.10 93	0.11 48	0.12 134	0.05 2	0.04 2	0.07 103	0.08 217	0.07 161	0.06 104

IGEV-Stereo	0.09 14	0.07 73	0.11 75	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.12 28	0.09 19	0.06 2	0.06 3	0.06 6	0.11 48	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 142	0.09 197	0.12 96	0.19 233	0.08 50	0.09 35	0.12 22	0.21 145	0.21 167	0.19 232	0.14 87	0.11 80	0.09 72	0.20 268	0.16 230	0.05 2	0.05 111	0.07 103	0.06 91	0.05 42	0.06 104

psmg	0.14 193	0.09 197	0.14 161	0.17 119	0.10 223	0.15 183	0.17 198	0.29 265	0.19 133	0.17 192	0.21 180	0.25 269	0.16 233	0.15 173	0.14 192	0.08 196	0.06 196	0.08 167	0.08 217	0.07 161	0.06 104

CIPLG	0.11 86	0.08 146	0.14 161	0.17 119	0.08 50	0.12 108	0.15 120	0.17 77	0.15 74	0.14 131	0.11 59	0.16 169	0.09 72	0.16 205	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

dd	0.15 227	0.16 325	0.16 228	0.19 233	0.09 136	0.15 183	0.18 238	0.21 145	0.25 218	0.23 282	0.20 166	0.21 224	0.09 72	0.21 284	0.16 230	0.10 273	0.06 196	0.08 167	0.06 91	0.08 206	0.06 104

IPLGR_C	0.11 86	0.08 146	0.14 161	0.17 119	0.08 50	0.12 108	0.15 120	0.17 77	0.15 74	0.14 131	0.10 42	0.16 169	0.09 72	0.16 205	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

ACRE	0.11 86	0.08 146	0.14 161	0.17 119	0.08 50	0.12 108	0.15 120	0.17 77	0.14 62	0.14 131	0.10 42	0.16 169	0.09 72	0.16 205	0.11 91	0.07 146	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104

GwcNet-ADL	0.13 164	0.08 146	0.14 161	0.20 275	0.09 136	0.11 85	0.20 284	0.30 279	0.24 199	0.13 110	0.14 87	0.18 199	0.14 200	0.13 138	0.14 192	0.07 146	0.05 111	0.06 34	0.05 34	0.07 161	0.06 104

RAFT-RH_RVC	0.11 86	0.06 22	0.14 161	0.16 71	0.09 136	0.12 108	0.12 22	0.17 77	0.12 28	0.13 110	0.41 349	0.11 80	0.10 93	0.13 138	0.12 134	0.05 2	0.04 2	0.08 167	0.05 34	0.04 1	0.06 104

IRAFT_RVC	0.12 142	0.08 146	0.16 228	0.19 233	0.08 50	0.07 16	0.15 120	0.24 197	0.23 188	0.14 131	0.14 87	0.15 158	0.12 145	0.12 106	0.10 53	0.06 59	0.04 2	0.09 233	0.06 91	0.06 104	0.06 104

rafts_anoy	0.11 86	0.06 22	0.10 47	0.17 119	0.08 50	0.10 59	0.14 72	0.17 77	0.14 62	0.13 110	0.13 77	0.12 96	0.10 93	0.11 48	0.12 134	0.07 146	0.04 2	0.09 233	0.11 313	0.07 161	0.06 104

test_xeample3	0.09 14	0.06 22	0.12 96	0.16 71	0.09 136	0.11 85	0.15 120	0.16 47	0.13 45	0.10 44	0.06 2	0.08 27	0.06 6	0.10 19	0.09 20	0.05 2	0.04 2	0.06 34	0.05 34	0.05 42	0.06 104

GMStereo	0.13 164	0.14 312	0.14 161	0.18 186	0.09 136	0.15 183	0.16 177	0.20 128	0.24 199	0.16 180	0.17 127	0.10 62	0.10 93	0.16 205	0.13 164	0.07 146	0.06 196	0.06 34	0.06 91	0.07 161	0.06 104
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 164	0.07 73	0.14 161	0.17 119	0.09 136	0.15 183	0.16 177	0.28 255	0.27 238	0.14 131	0.17 127	0.12 96	0.13 177	0.14 154	0.11 91	0.08 196	0.05 111	0.07 103	0.07 166	0.07 161	0.06 104

delet	0.17 264	0.08 146	0.17 253	0.19 233	0.11 261	0.20 273	0.21 300	0.30 279	0.37 311	0.17 192	0.26 248	0.19 208	0.19 277	0.19 249	0.21 289	0.08 196	0.08 275	0.09 233	0.11 313	0.06 104	0.06 104

UNet	0.17 264	0.09 197	0.18 271	0.19 233	0.12 290	0.27 338	0.19 269	0.33 311	0.29 256	0.21 257	0.24 204	0.23 253	0.19 277	0.19 249	0.18 255	0.07 146	0.06 196	0.08 167	0.07 166	0.08 206	0.06 104

UPFNet	0.16 245	0.08 146	0.12 96	0.20 275	0.12 290	0.20 273	0.23 320	0.28 255	0.26 231	0.17 192	0.24 204	0.22 241	0.19 277	0.19 249	0.21 289	0.09 242	0.07 253	0.08 167	0.09 258	0.08 206	0.06 104

CREStereo	0.09 14	0.04 1	0.08 12	0.11 1	0.06 3	0.13 137	0.14 72	0.14 19	0.10 9	0.08 7	0.13 77	0.09 40	0.08 53	0.11 48	0.10 53	0.08 196	0.04 2	0.05 2	0.03 1	0.06 104	0.06 104
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
ac_64	0.16 245	0.08 146	0.15 198	0.18 186	0.10 223	0.22 295	0.18 238	0.24 197	0.21 167	0.18 219	0.24 204	0.29 298	0.18 262	0.19 249	0.22 298	0.09 242	0.07 253	0.08 167	0.09 258	0.07 161	0.06 104

ACVNet	0.15 227	0.09 197	0.15 198	0.13 7	0.12 290	0.14 161	0.20 284	0.22 161	0.33 282	0.17 192	0.26 248	0.21 224	0.16 233	0.17 227	0.21 289	0.07 146	0.06 196	0.06 34	0.06 91	0.08 206	0.06 104

acv_ft	0.15 227	0.09 197	0.15 198	0.19 233	0.10 223	0.16 207	0.17 198	0.25 211	0.33 282	0.19 232	0.26 248	0.21 224	0.17 252	0.17 227	0.18 255	0.07 146	0.06 196	0.06 34	0.06 91	0.08 206	0.06 104

cf-r	0.13 164	0.07 73	0.12 96	0.16 71	0.08 50	0.14 161	0.19 269	0.20 128	0.25 218	0.17 192	0.25 233	0.21 224	0.16 233	0.14 154	0.14 192	0.10 273	0.05 111	0.06 34	0.08 217	0.06 104	0.06 104

PMTNet	0.09 14	0.05 6	0.09 30	0.12 3	0.06 3	0.12 108	0.14 72	0.15 31	0.11 20	0.09 19	0.13 77	0.10 62	0.07 34	0.13 138	0.10 53	0.15 353	0.04 2	0.05 2	0.03 1	0.07 161	0.06 104

DIP-Stereo	0.11 86	0.07 73	0.14 161	0.17 119	0.09 136	0.13 137	0.09 3	0.16 47	0.16 92	0.11 64	0.16 109	0.14 134	0.12 145	0.15 173	0.13 164	0.06 59	0.05 111	0.06 34	0.05 34	0.05 42	0.06 104
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 142	0.08 146	0.14 161	0.18 186	0.07 19	0.15 183	0.07 1	0.22 161	0.18 121	0.16 180	0.19 155	0.18 199	0.14 200	0.16 205	0.15 215	0.07 146	0.05 111	0.05 2	0.05 34	0.06 104	0.06 104

RASNet	0.14 193	0.07 73	0.14 161	0.16 71	0.08 50	0.18 241	0.14 72	0.29 265	0.20 154	0.17 192	0.25 233	0.21 224	0.18 262	0.20 268	0.19 264	0.07 146	0.06 196	0.06 34	0.08 217	0.06 104	0.06 104

HSM-Net_RVC	0.14 193	0.08 146	0.11 75	0.15 40	0.08 50	0.15 183	0.15 120	0.27 241	0.29 256	0.19 232	0.21 180	0.29 298	0.14 200	0.17 227	0.13 164	0.06 59	0.06 196	0.06 34	0.06 91	0.07 161	0.06 104
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 227	0.10 245	0.17 253	0.17 119	0.08 50	0.18 241	0.09 3	0.28 255	0.25 218	0.19 232	0.24 204	0.24 259	0.17 252	0.17 227	0.14 192	0.08 196	0.06 196	0.09 233	0.10 290	0.07 161	0.06 104

AANet_RVC	0.16 245	0.10 245	0.10 47	0.18 186	0.09 136	0.18 241	0.19 269	0.26 223	0.31 270	0.22 270	0.35 312	0.21 224	0.21 289	0.22 295	0.16 230	0.06 59	0.05 111	0.06 34	0.06 91	0.07 161	0.06 104

HSM	0.15 227	0.08 146	0.14 161	0.16 71	0.09 136	0.16 207	0.14 72	0.28 255	0.25 218	0.19 232	0.23 195	0.37 344	0.16 233	0.20 268	0.15 215	0.07 146	0.05 111	0.07 103	0.06 91	0.07 161	0.06 104

LE_ROB	0.50 391	0.07 73	0.14 161	0.15 40	0.08 50	0.24 313	0.16 177	0.22 161	1.81 422	4.63 426	0.67 387	0.47 377	0.44 383	0.20 268	0.29 355	0.07 146	0.06 196	0.06 34	0.06 91	0.08 206	0.06 104

DN-CSS_ROB	0.13 164	0.13 300	0.16 228	0.18 186	0.10 223	0.16 207	0.08 2	0.22 161	0.18 121	0.17 192	0.22 189	0.13 119	0.13 177	0.12 106	0.13 164	0.05 2	0.05 111	0.10 275	0.10 290	0.08 206	0.06 104

pmcnn	0.15 227	0.07 73	0.19 280	0.15 40	0.07 19	0.20 273	0.15 120	0.24 197	0.26 231	0.21 257	0.34 308	0.28 291	0.18 262	0.18 238	0.17 241	0.07 146	0.05 111	0.05 2	0.04 9	0.07 161	0.06 104

ACVNet-DCA	0.10 54	0.08 146	0.12 96	0.17 119	0.09 136	0.13 137	0.15 120	0.23 178	0.16 92	0.09 19	0.09 25	0.06 3	0.06 6	0.10 19	0.07 1	0.06 59	0.04 2	0.06 34	0.05 34	0.07 161	0.07 164

xx1	0.11 86	0.08 146	0.12 96	0.17 119	0.09 136	0.13 137	0.15 120	0.16 47	0.18 121	0.09 19	0.09 25	0.16 169	0.16 233	0.10 19	0.07 1	0.06 59	0.04 2	0.08 167	0.08 217	0.07 161	0.07 164

1test111	0.11 86	0.08 146	0.12 96	0.17 119	0.09 136	0.13 137	0.15 120	0.23 178	0.16 92	0.09 19	0.09 25	0.06 3	0.06 6	0.15 173	0.16 230	0.06 59	0.04 2	0.06 34	0.05 34	0.07 161	0.07 164

mmm	0.14 193	0.08 146	0.17 253	0.17 119	0.09 136	0.17 226	0.18 238	0.21 145	0.15 74	0.15 155	0.23 195	0.21 224	0.16 233	0.16 205	0.17 241	0.08 196	0.05 111	0.08 167	0.07 166	0.07 161	0.07 164

11t1	0.12 142	0.06 22	0.13 135	0.14 14	0.08 50	0.17 226	0.15 120	0.18 101	0.15 74	0.15 155	0.15 101	0.16 169	0.16 233	0.15 173	0.13 164	0.08 196	0.05 111	0.06 34	0.05 34	0.08 206	0.07 164

whm_eth	0.14 193	0.09 197	0.20 288	0.20 275	0.12 290	0.12 108	0.15 120	0.18 101	0.28 249	0.17 192	0.32 291	0.09 40	0.12 145	0.18 238	0.14 192	0.07 146	0.07 253	0.08 167	0.07 166	0.07 161	0.07 164

MIF-Stereo (partial)	0.11 86	0.06 22	0.10 47	0.19 233	0.10 223	0.10 59	0.11 11	0.17 77	0.18 121	0.14 131	0.16 109	0.09 40	0.11 116	0.12 106	0.12 134	0.08 196	0.05 111	0.08 167	0.07 166	0.06 104	0.07 164

EKT-Stereo	0.11 86	0.07 73	0.14 161	0.15 40	0.10 223	0.13 137	0.14 72	0.18 101	0.21 167	0.11 64	0.08 17	0.12 96	0.09 72	0.11 48	0.12 134	0.08 196	0.06 196	0.07 103	0.06 91	0.08 206	0.07 164

PCWNet_CMD	0.14 193	0.08 146	0.15 198	0.17 119	0.09 136	0.14 161	0.14 72	0.29 265	0.36 305	0.14 131	0.20 166	0.21 224	0.12 145	0.17 227	0.13 164	0.07 146	0.05 111	0.07 103	0.07 166	0.07 161	0.07 164

fast-acv-ft	0.18 276	0.11 265	0.19 280	0.19 233	0.12 290	0.24 313	0.21 300	0.25 211	0.34 293	0.22 270	0.34 308	0.27 284	0.20 285	0.21 284	0.23 308	0.09 242	0.09 298	0.08 167	0.10 290	0.08 206	0.07 164

CBFPSM	0.14 193	0.06 22	0.26 317	0.17 119	0.09 136	0.13 137	0.15 120	0.22 161	0.23 188	0.20 249	0.27 255	0.24 259	0.16 233	0.16 205	0.18 255	0.06 59	0.06 196	0.06 34	0.07 166	0.07 161	0.07 164

GASNet	0.22 313	0.23 365	0.33 344	0.26 353	0.17 359	0.26 331	0.16 177	0.44 375	0.42 334	0.27 314	0.24 204	0.30 306	0.15 213	0.27 324	0.18 255	0.12 319	0.08 275	0.12 317	0.11 313	0.16 357	0.07 164

gwcnet-sp	0.14 193	0.07 73	0.12 96	0.18 186	0.09 136	0.16 207	0.17 198	0.24 197	0.24 199	0.18 219	0.24 204	0.15 158	0.16 233	0.15 173	0.15 215	0.08 196	0.06 196	0.07 103	0.08 217	0.08 206	0.07 164

scenet	0.14 193	0.07 73	0.12 96	0.18 186	0.09 136	0.16 207	0.17 198	0.24 197	0.24 199	0.18 219	0.24 204	0.15 158	0.16 233	0.15 173	0.15 215	0.08 196	0.06 196	0.07 103	0.08 217	0.08 206	0.07 164

CASS	0.13 164	0.12 279	0.11 75	0.23 332	0.09 136	0.15 183	0.17 198	0.18 101	0.19 133	0.17 192	0.18 149	0.15 158	0.15 213	0.14 154	0.14 192	0.09 242	0.06 196	0.10 275	0.08 217	0.09 254	0.07 164
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.11 86	0.05 6	0.12 96	0.13 7	0.07 19	0.15 183	0.14 72	0.19 121	0.13 45	0.11 64	0.17 127	0.13 119	0.09 72	0.13 138	0.11 91	0.08 196	0.05 111	0.06 34	0.05 34	0.08 206	0.07 164

ssnet	0.14 193	0.07 73	0.12 96	0.18 186	0.09 136	0.16 207	0.17 198	0.24 197	0.24 199	0.18 219	0.24 204	0.15 158	0.16 233	0.15 173	0.15 215	0.08 196	0.06 196	0.07 103	0.08 217	0.08 206	0.07 164

qqq	0.13 164	0.09 197	0.15 198	0.16 71	0.08 50	0.13 137	0.15 120	0.23 178	0.16 92	0.15 155	0.19 155	0.16 169	0.16 233	0.15 173	0.16 230	0.07 146	0.06 196	0.08 167	0.08 217	0.07 161	0.07 164

x	0.13 164	0.07 73	0.14 161	0.14 14	0.08 50	0.18 241	0.14 72	0.22 161	0.20 154	0.15 155	0.19 155	0.19 208	0.17 252	0.18 238	0.18 255	0.07 146	0.05 111	0.06 34	0.06 91	0.07 161	0.07 164

BUS	0.14 193	0.09 197	0.14 161	0.22 313	0.10 223	0.19 261	0.14 72	0.34 321	0.19 133	0.17 192	0.22 189	0.16 169	0.13 177	0.15 173	0.13 164	0.08 196	0.06 196	0.10 275	0.09 258	0.07 161	0.07 164

IER	0.14 193	0.07 73	0.13 135	0.17 119	0.09 136	0.14 161	0.16 177	0.25 211	0.26 231	0.18 219	0.25 233	0.17 188	0.20 285	0.16 205	0.14 192	0.08 196	0.05 111	0.07 103	0.06 91	0.08 206	0.07 164

test_5	0.14 193	0.12 279	0.08 12	0.20 275	0.10 223	0.14 161	0.29 369	0.21 145	0.24 199	0.18 219	0.28 264	0.11 80	0.15 213	0.12 106	0.13 164	0.06 59	0.05 111	0.07 103	0.08 217	0.08 206	0.07 164

BSDual-CNN	0.15 227	0.09 197	0.14 161	0.22 313	0.10 223	0.14 161	0.15 120	0.34 321	0.19 133	0.17 192	0.22 189	0.25 269	0.16 233	0.15 173	0.14 192	0.08 196	0.06 196	0.10 275	0.09 258	0.07 161	0.07 164

hknet	0.15 227	0.11 265	0.13 135	0.22 313	0.11 261	0.14 161	0.15 120	0.34 321	0.25 218	0.17 192	0.22 189	0.22 241	0.18 262	0.17 227	0.12 134	0.07 146	0.06 196	0.10 275	0.09 258	0.07 161	0.07 164

CSP-Net	0.16 245	0.09 197	0.14 161	0.16 71	0.09 136	0.19 261	0.17 198	0.25 211	0.32 276	0.25 303	0.30 279	0.24 259	0.15 213	0.21 284	0.18 255	0.09 242	0.06 196	0.07 103	0.07 166	0.08 206	0.07 164

UDGNet	0.14 193	0.13 300	0.16 228	0.17 119	0.10 223	0.12 108	0.16 177	0.21 145	0.27 238	0.20 249	0.20 166	0.16 169	0.13 177	0.16 205	0.13 164	0.10 273	0.06 196	0.09 233	0.07 166	0.06 104	0.07 164

dad	0.17 264	0.20 354	0.20 288	0.16 71	0.11 261	0.20 273	0.18 238	0.21 145	0.28 249	0.30 334	0.24 204	0.29 298	0.13 177	0.19 249	0.16 230	0.18 370	0.09 298	0.11 302	0.09 258	0.11 296	0.07 164

DAS	0.15 227	0.08 146	0.18 271	0.19 233	0.10 223	0.19 261	0.17 198	0.27 241	0.29 256	0.18 219	0.25 233	0.21 224	0.15 213	0.16 205	0.12 134	0.08 196	0.06 196	0.06 34	0.06 91	0.07 161	0.07 164

SepStereo	0.15 227	0.08 146	0.18 271	0.19 233	0.10 223	0.19 261	0.17 198	0.27 241	0.29 256	0.18 219	0.25 233	0.21 224	0.15 213	0.25 319	0.12 134	0.08 196	0.06 196	0.06 34	0.06 91	0.07 161	0.07 164

PSMNet-ADL	0.15 227	0.12 279	0.13 135	0.22 313	0.09 136	0.13 137	0.20 284	0.26 223	0.23 188	0.18 219	0.20 166	0.24 259	0.16 233	0.18 238	0.17 241	0.08 196	0.08 275	0.08 167	0.11 313	0.08 206	0.07 164

ADLNet2	0.16 245	0.09 197	0.13 135	0.16 71	0.09 136	0.20 273	0.16 177	0.31 285	0.39 319	0.16 180	0.20 166	0.20 218	0.18 262	0.21 284	0.22 298	0.08 196	0.06 196	0.07 103	0.07 166	0.09 254	0.07 164

Patchmatch Stereo++	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.06 2	0.11 11	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164
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
NRIStereo	0.11 86	0.08 146	0.14 161	0.18 186	0.08 50	0.10 59	0.14 72	0.16 47	0.15 74	0.12 89	0.14 87	0.13 119	0.12 145	0.13 138	0.10 53	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.07 164

PSM-adaLoss	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

ROB_FTStereo_v2	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

ROB_FTStereo	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.06 2	0.11 11	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

HUI-Stereo	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

iGMRVC	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

iRAFT	0.11 86	0.09 197	0.16 228	0.18 186	0.08 50	0.06 2	0.11 11	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

RAFT-IKP	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.06 2	0.12 22	0.16 47	0.13 45	0.15 155	0.16 109	0.14 134	0.12 145	0.11 48	0.10 53	0.06 59	0.04 2	0.08 167	0.06 91	0.08 206	0.07 164

ICVP	0.15 227	0.09 197	0.12 96	0.22 313	0.09 136	0.17 226	0.21 300	0.25 211	0.23 188	0.18 219	0.30 279	0.26 277	0.18 262	0.17 227	0.14 192	0.09 242	0.07 253	0.08 167	0.07 166	0.07 161	0.07 164
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.14 193	0.08 146	0.15 198	0.16 71	0.09 136	0.13 137	0.14 72	0.27 241	0.34 293	0.14 131	0.21 180	0.22 241	0.13 177	0.18 238	0.14 192	0.07 146	0.05 111	0.08 167	0.06 91	0.07 161	0.07 164

RALCasStereoNet	0.10 54	0.06 22	0.09 30	0.16 71	0.08 50	0.12 108	0.14 72	0.17 77	0.11 20	0.12 89	0.17 127	0.14 134	0.10 93	0.12 106	0.11 91	0.07 146	0.06 196	0.06 34	0.05 34	0.08 206	0.07 164

sCroCo_RVC	0.12 142	0.09 197	0.23 307	0.24 337	0.11 261	0.19 261	0.14 72	0.17 77	0.14 62	0.10 44	0.13 77	0.12 96	0.07 34	0.14 154	0.11 91	0.08 196	0.08 275	0.08 167	0.08 217	0.05 42	0.07 164

HCRNet	0.16 245	0.24 368	0.12 96	0.35 384	0.11 261	0.15 183	0.17 198	0.26 223	0.22 179	0.19 232	0.24 204	0.21 224	0.14 200	0.15 173	0.13 164	0.11 294	0.07 253	0.11 302	0.10 290	0.09 254	0.07 164

xxxx	0.15 227	0.07 73	0.14 161	0.14 14	0.08 50	0.23 308	0.18 238	0.31 285	0.19 133	0.14 131	0.28 264	0.22 241	0.14 200	0.15 173	0.26 337	0.09 242	0.05 111	0.07 103	0.07 166	0.08 206	0.07 164

test_xeample	0.15 227	0.06 22	0.13 135	0.14 14	0.08 50	0.21 287	0.20 284	0.28 255	0.20 154	0.16 180	0.29 275	0.19 208	0.16 233	0.15 173	0.26 337	0.09 242	0.05 111	0.07 103	0.07 166	0.07 161	0.07 164

MMNet	0.17 264	0.09 197	0.16 228	0.20 275	0.11 261	0.27 338	0.20 284	0.25 211	0.41 328	0.22 270	0.30 279	0.21 224	0.20 285	0.17 227	0.20 270	0.06 59	0.06 196	0.07 103	0.07 166	0.08 206	0.07 164

FENet	0.13 164	0.08 146	0.12 96	0.16 71	0.08 50	0.14 161	0.15 120	0.22 161	0.23 188	0.17 192	0.23 195	0.16 169	0.12 145	0.14 154	0.15 215	0.08 196	0.05 111	0.08 167	0.08 217	0.07 161	0.07 164

GANet-RSSM	0.14 193	0.07 73	0.13 135	0.13 7	0.08 50	0.14 161	0.17 198	0.22 161	0.21 167	0.17 192	0.24 204	0.23 253	0.15 213	0.16 205	0.15 215	0.10 273	0.06 196	0.07 103	0.08 217	0.08 206	0.07 164

PSMNet-RSSM	0.14 193	0.07 73	0.13 135	0.15 40	0.08 50	0.13 137	0.16 177	0.24 197	0.24 199	0.16 180	0.28 264	0.22 241	0.14 200	0.15 173	0.13 164	0.11 294	0.06 196	0.09 233	0.12 331	0.08 206	0.07 164

GwcNet-RSSM	0.14 193	0.07 73	0.12 96	0.15 40	0.08 50	0.15 183	0.20 284	0.21 145	0.27 238	0.18 219	0.27 255	0.22 241	0.16 233	0.14 154	0.15 215	0.10 273	0.05 111	0.07 103	0.09 258	0.07 161	0.07 164

MSMDNet	0.14 193	0.08 146	0.15 198	0.17 119	0.09 136	0.14 161	0.14 72	0.29 265	0.36 305	0.14 131	0.21 180	0.21 224	0.12 145	0.17 227	0.14 192	0.07 146	0.05 111	0.07 103	0.07 166	0.07 161	0.07 164

CVANet_RVC	0.18 276	0.10 245	0.14 161	0.21 300	0.10 223	0.18 241	0.17 198	0.34 321	0.33 282	0.22 270	0.31 287	0.28 291	0.18 262	0.23 306	0.17 241	0.12 319	0.08 275	0.12 317	0.11 313	0.09 254	0.07 164

ccs_rob	0.14 193	0.08 146	0.15 198	0.16 71	0.09 136	0.12 108	0.14 72	0.27 241	0.34 293	0.14 131	0.21 180	0.22 241	0.13 177	0.18 238	0.14 192	0.07 146	0.05 111	0.08 167	0.07 166	0.07 161	0.07 164

AdaStereo	0.15 227	0.11 265	0.15 198	0.18 186	0.09 136	0.20 273	0.11 11	0.32 294	0.28 249	0.20 249	0.23 195	0.20 218	0.13 177	0.19 249	0.14 192	0.12 319	0.05 111	0.10 275	0.07 166	0.09 254	0.07 164
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.
StereoDRNet-Refined	0.17 264	0.12 279	0.15 198	0.20 275	0.09 136	0.18 241	0.18 238	0.26 223	0.23 188	0.26 308	0.40 339	0.22 241	0.17 252	0.21 284	0.20 270	0.08 196	0.05 111	0.09 233	0.10 290	0.07 161	0.07 164
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.19 286	0.11 265	0.20 288	0.22 313	0.10 223	0.22 295	0.22 310	0.39 356	0.37 311	0.24 290	0.32 291	0.26 277	0.21 289	0.22 295	0.24 318	0.11 294	0.07 253	0.11 302	0.10 290	0.09 254	0.07 164

StereoDRNet	0.18 276	0.11 265	0.17 253	0.22 313	0.11 261	0.21 287	0.22 310	0.37 345	0.33 282	0.24 290	0.28 264	0.30 306	0.19 277	0.20 268	0.20 270	0.09 242	0.08 275	0.11 302	0.09 258	0.09 254	0.07 164

DLCB_ROB	0.18 276	0.10 245	0.15 198	0.23 332	0.11 261	0.24 313	0.18 238	0.29 265	0.28 249	0.27 314	0.28 264	0.28 291	0.24 310	0.19 249	0.20 270	0.08 196	0.08 275	0.09 233	0.09 258	0.07 161	0.07 164

CAS++	0.11 86	0.07 73	0.11 75	0.14 14	0.09 136	0.12 108	0.14 72	0.24 197	0.14 62	0.11 64	0.09 25	0.11 80	0.07 34	0.14 154	0.09 20	0.11 294	0.09 298	0.09 233	0.07 166	0.07 161	0.08 224
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
mmx	0.14 193	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.27 241	0.25 218	0.15 155	0.25 233	0.19 208	0.13 177	0.14 154	0.20 270	0.08 196	0.06 196	0.09 233	0.08 217	0.08 206	0.08 224

ttt	0.14 193	0.08 146	0.14 161	0.15 40	0.08 50	0.15 183	0.18 238	0.27 241	0.29 256	0.16 180	0.24 204	0.17 188	0.13 177	0.13 138	0.14 192	0.11 294	0.08 275	0.09 233	0.08 217	0.09 254	0.08 224

xxx	0.14 193	0.09 197	0.14 161	0.16 71	0.08 50	0.17 226	0.17 198	0.27 241	0.25 218	0.15 155	0.25 233	0.19 208	0.13 177	0.14 154	0.20 270	0.08 196	0.06 196	0.09 233	0.08 217	0.08 206	0.08 224

GMStereo_Zeroshot	0.16 245	0.13 300	0.24 310	0.20 275	0.10 223	0.17 226	0.13 44	0.29 265	0.25 218	0.23 282	0.32 291	0.25 269	0.11 116	0.19 249	0.14 192	0.09 242	0.06 196	0.11 302	0.06 91	0.12 310	0.08 224

ToySt	0.17 264	0.11 265	0.18 271	0.17 119	0.11 261	0.16 207	0.25 343	0.24 197	0.33 282	0.19 232	0.24 204	0.26 277	0.24 310	0.19 249	0.20 270	0.07 146	0.08 275	0.09 233	0.10 290	0.09 254	0.08 224

riskmin	0.11 86	0.06 22	0.13 135	0.14 14	0.08 50	0.14 161	0.14 72	0.18 101	0.14 62	0.11 64	0.14 87	0.16 169	0.11 116	0.14 154	0.12 134	0.09 242	0.05 111	0.07 103	0.05 34	0.08 206	0.08 224

ssnet_v2	0.17 264	0.10 245	0.17 253	0.17 119	0.11 261	0.21 287	0.21 300	0.33 311	0.25 218	0.22 270	0.22 189	0.27 284	0.18 262	0.22 295	0.20 270	0.11 294	0.09 298	0.09 233	0.09 258	0.08 206	0.08 224

HBP-ISP	0.18 276	0.13 300	0.16 228	0.15 40	0.11 261	0.08 23	0.13 44	0.28 255	0.29 256	0.22 270	0.33 304	0.21 224	0.25 318	0.23 306	0.17 241	0.14 350	0.16 365	0.21 371	0.17 364	0.10 281	0.08 224

CRFU-Net	0.16 245	0.08 146	0.14 161	0.17 119	0.09 136	0.19 261	0.14 72	0.26 223	0.20 154	0.28 325	0.27 255	0.29 298	0.17 252	0.19 249	0.17 241	0.09 242	0.09 298	0.07 103	0.07 166	0.08 206	0.08 224

GANet-ADL	0.13 164	0.07 73	0.15 198	0.17 119	0.10 223	0.18 241	0.15 120	0.30 279	0.20 154	0.13 110	0.18 149	0.19 208	0.12 145	0.16 205	0.13 164	0.08 196	0.06 196	0.06 34	0.05 34	0.07 161	0.08 224

ASMatch	0.11 86	0.06 22	0.13 135	0.16 71	0.10 223	0.07 16	0.14 72	0.17 77	0.17 104	0.12 89	0.16 109	0.16 169	0.10 93	0.13 138	0.10 53	0.05 2	0.04 2	0.06 34	0.05 34	0.04 1	0.08 224

Pruner-Stereo	0.11 86	0.07 73	0.12 96	0.17 119	0.09 136	0.06 2	0.12 22	0.17 77	0.17 104	0.13 110	0.19 155	0.13 119	0.09 72	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.08 224

DeepStereo_RVC	0.11 86	0.08 146	0.16 228	0.18 186	0.08 50	0.08 23	0.12 22	0.17 77	0.12 28	0.13 110	0.14 87	0.12 96	0.12 145	0.12 106	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.07 161	0.08 224

CRE-IMP	0.11 86	0.09 197	0.16 228	0.19 233	0.08 50	0.10 59	0.12 22	0.18 101	0.10 9	0.14 131	0.13 77	0.13 119	0.12 145	0.12 106	0.11 91	0.07 146	0.04 2	0.08 167	0.06 91	0.08 206	0.08 224

LMCR-Stereo	0.15 227	0.08 146	0.13 135	0.21 300	0.09 136	0.17 226	0.20 284	0.27 241	0.19 133	0.24 290	0.24 204	0.23 253	0.17 252	0.20 268	0.17 241	0.07 146	0.06 196	0.08 167	0.06 91	0.10 281	0.08 224

GEStereo_RVC	0.17 264	0.12 279	0.15 198	0.22 313	0.11 261	0.19 261	0.17 198	0.32 294	0.48 353	0.20 249	0.25 233	0.17 188	0.13 177	0.21 284	0.16 230	0.10 273	0.06 196	0.08 167	0.07 166	0.09 254	0.08 224

222	0.16 245	0.07 73	0.14 161	0.14 14	0.08 50	0.24 313	0.18 238	0.30 279	0.20 154	0.17 192	0.28 264	0.17 188	0.16 233	0.15 173	0.40 384	0.10 273	0.05 111	0.07 103	0.06 91	0.07 161	0.08 224

RAFT + AFF	0.13 164	0.07 73	0.20 288	0.20 275	0.10 223	0.14 161	0.24 329	0.26 223	0.20 154	0.11 64	0.10 42	0.12 96	0.10 93	0.15 173	0.12 134	0.07 146	0.06 196	0.09 233	0.08 217	0.06 104	0.08 224

Syn2CoEx	0.21 304	0.16 325	0.27 323	0.29 374	0.14 325	0.26 331	0.20 284	0.33 311	0.31 270	0.28 325	0.36 315	0.27 284	0.25 318	0.19 249	0.24 318	0.16 364	0.12 336	0.14 341	0.11 313	0.09 254	0.08 224

psm_up	0.18 276	0.10 245	0.18 271	0.20 275	0.11 261	0.17 226	0.19 269	0.37 345	0.34 293	0.21 257	0.28 264	0.29 298	0.24 310	0.20 268	0.22 298	0.09 242	0.10 317	0.11 302	0.11 313	0.08 206	0.08 224

CFNet-ft	0.14 193	0.07 73	0.15 198	0.12 3	0.09 136	0.16 207	0.18 238	0.22 161	0.24 199	0.17 192	0.26 248	0.24 259	0.14 200	0.16 205	0.14 192	0.11 294	0.06 196	0.08 167	0.09 258	0.09 254	0.08 224

DSFCA	0.16 245	0.09 197	0.14 161	0.16 71	0.10 223	0.20 273	0.19 269	0.28 255	0.31 270	0.23 282	0.24 204	0.22 241	0.15 213	0.19 249	0.20 270	0.10 273	0.07 253	0.09 233	0.09 258	0.08 206	0.08 224

DMCA-RVC	0.17 264	0.10 245	0.15 198	0.24 337	0.11 261	0.18 241	0.18 238	0.25 211	0.24 199	0.21 257	0.26 248	0.25 269	0.27 329	0.18 238	0.20 270	0.12 319	0.08 275	0.13 331	0.10 290	0.10 281	0.08 224

STTStereo	0.18 276	0.12 279	0.27 323	0.20 275	0.11 261	0.16 207	0.21 300	0.29 265	0.23 188	0.21 257	0.30 279	0.29 298	0.18 262	0.20 268	0.19 264	0.12 319	0.11 327	0.11 302	0.14 344	0.09 254	0.08 224

ADCRef	0.19 286	0.12 279	0.41 363	0.20 275	0.12 290	0.22 295	0.18 238	0.32 294	0.36 305	0.26 308	0.32 291	0.17 188	0.23 304	0.24 314	0.24 318	0.07 146	0.06 196	0.09 233	0.09 258	0.08 206	0.08 224

GANet	0.21 304	0.12 279	0.21 293	0.24 337	0.13 308	0.22 295	0.22 310	0.41 365	0.26 231	0.31 340	0.42 355	0.37 344	0.28 337	0.23 306	0.22 298	0.10 273	0.12 336	0.10 275	0.09 258	0.10 281	0.08 224

TDLM	0.17 264	0.12 279	0.13 135	0.24 337	0.10 223	0.18 241	0.18 238	0.36 340	0.30 264	0.21 257	0.28 264	0.28 291	0.18 262	0.23 306	0.18 255	0.11 294	0.07 253	0.10 275	0.10 290	0.08 206	0.08 224

CFNet_RVC	0.14 193	0.07 73	0.15 198	0.12 3	0.09 136	0.16 207	0.18 238	0.22 161	0.24 199	0.17 192	0.26 248	0.24 259	0.14 200	0.16 205	0.14 192	0.11 294	0.06 196	0.08 167	0.09 258	0.09 254	0.08 224

NLCA_NET_v2_RVC	0.17 264	0.10 245	0.22 298	0.20 275	0.10 223	0.15 183	0.18 238	0.31 285	0.25 218	0.21 257	0.30 279	0.25 269	0.17 252	0.21 284	0.20 270	0.09 242	0.06 196	0.08 167	0.08 217	0.07 161	0.08 224
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 295	0.21 360	0.23 307	0.20 275	0.10 223	0.19 261	0.17 198	0.36 340	0.25 218	0.27 314	0.33 304	0.27 284	0.24 310	0.20 268	0.20 270	0.15 353	0.12 336	0.17 358	0.14 344	0.10 281	0.08 224

iResNetv2_ROB	0.14 193	0.08 146	0.15 198	0.16 71	0.08 50	0.16 207	0.12 22	0.25 211	0.35 300	0.21 257	0.29 275	0.24 259	0.13 177	0.14 154	0.14 192	0.06 59	0.05 111	0.06 34	0.04 9	0.09 254	0.08 224

MDST_ROB	0.22 313	0.10 245	0.17 253	0.18 186	0.11 261	0.37 373	0.19 269	0.43 373	0.41 328	0.39 362	0.39 334	0.29 298	0.21 289	0.26 321	0.18 255	0.11 294	0.10 317	0.14 341	0.11 313	0.10 281	0.08 224

iResNet_ROB	0.14 193	0.07 73	0.13 135	0.14 14	0.07 19	0.18 241	0.14 72	0.26 223	0.31 270	0.22 270	0.25 233	0.23 253	0.15 213	0.15 173	0.13 164	0.07 146	0.05 111	0.05 2	0.04 9	0.08 206	0.08 224

MyStereo8	0.12 142	0.07 73	0.15 198	0.15 40	0.09 136	0.18 241	0.14 72	0.19 121	0.22 179	0.12 89	0.18 149	0.11 80	0.10 93	0.16 205	0.18 255	0.07 146	0.05 111	0.07 103	0.05 34	0.08 206	0.09 258

CFNet_ucs	0.15 227	0.08 146	0.16 228	0.16 71	0.11 261	0.14 161	0.14 72	0.30 279	0.34 293	0.16 180	0.24 204	0.23 253	0.14 200	0.18 238	0.15 215	0.09 242	0.06 196	0.08 167	0.07 166	0.09 254	0.09 258

Wz-Net-LNSev-Ref	0.18 276	0.09 197	0.29 334	0.15 40	0.10 223	0.22 295	0.20 284	0.26 223	0.39 319	0.25 303	0.42 355	0.24 259	0.15 213	0.20 268	0.19 264	0.07 146	0.05 111	0.06 34	0.05 34	0.10 281	0.09 258

NINENet	0.16 245	0.10 245	0.15 198	0.17 119	0.11 261	0.19 261	0.14 72	0.40 360	0.36 305	0.18 219	0.21 180	0.16 169	0.13 177	0.15 173	0.13 164	0.08 196	0.08 275	0.10 275	0.07 166	0.10 281	0.09 258

AASNet	0.16 245	0.08 146	0.12 96	0.19 233	0.09 136	0.18 241	0.15 120	0.37 345	0.37 311	0.19 232	0.23 195	0.20 218	0.16 233	0.17 227	0.20 270	0.10 273	0.08 275	0.08 167	0.07 166	0.09 254	0.09 258

AACVNet	0.16 245	0.08 146	0.14 161	0.15 40	0.10 223	0.18 241	0.15 120	0.23 178	0.24 199	0.27 314	0.27 255	0.28 291	0.17 252	0.19 249	0.16 230	0.09 242	0.07 253	0.09 233	0.07 166	0.10 281	0.09 258

HHNet	0.11 86	0.06 22	0.16 228	0.15 40	0.14 325	0.07 16	0.13 44	0.20 128	0.17 104	0.14 131	0.25 233	0.11 80	0.08 53	0.13 138	0.10 53	0.05 2	0.04 2	0.08 167	0.06 91	0.05 42	0.09 258

GMM-Stereo	0.11 86	0.07 73	0.10 47	0.18 186	0.09 136	0.08 23	0.15 120	0.23 178	0.16 92	0.11 64	0.15 101	0.13 119	0.11 116	0.11 48	0.11 91	0.05 2	0.04 2	0.08 167	0.07 166	0.06 104	0.09 258

Prome-Stereo	0.11 86	0.06 22	0.10 47	0.18 186	0.08 50	0.12 108	0.15 120	0.22 161	0.13 45	0.12 89	0.17 127	0.13 119	0.08 53	0.12 106	0.10 53	0.05 2	0.04 2	0.07 103	0.06 91	0.06 104	0.09 258

ADLNet	0.16 245	0.08 146	0.15 198	0.16 71	0.10 223	0.16 207	0.17 198	0.32 294	0.27 238	0.22 270	0.27 255	0.24 259	0.16 233	0.18 238	0.21 289	0.10 273	0.06 196	0.10 275	0.10 290	0.08 206	0.09 258

GES	0.14 193	0.08 146	0.16 228	0.15 40	0.10 223	0.13 137	0.13 44	0.28 255	0.25 218	0.16 180	0.23 195	0.18 199	0.13 177	0.16 205	0.13 164	0.08 196	0.07 253	0.07 103	0.06 91	0.08 206	0.09 258

aanetorigin	0.22 313	0.17 336	0.56 380	0.17 119	0.10 223	0.15 183	0.19 269	0.20 128	0.33 282	0.49 381	0.48 365	0.29 298	0.27 329	0.20 268	0.23 308	0.08 196	0.07 253	0.08 167	0.07 166	0.10 281	0.09 258

EDNetEfficient	0.29 361	0.24 368	1.13 411	0.18 186	0.10 223	0.19 261	0.20 284	0.20 128	0.60 381	0.74 400	0.56 380	0.31 316	0.39 371	0.22 295	0.30 359	0.09 242	0.07 253	0.08 167	0.07 166	0.11 296	0.09 258

NVstereo2D	0.19 286	0.10 245	0.15 198	0.17 119	0.15 336	0.28 344	0.23 320	0.44 375	0.42 334	0.15 155	0.27 255	0.25 269	0.19 277	0.22 295	0.17 241	0.09 242	0.06 196	0.10 275	0.08 217	0.15 350	0.09 258

DISCO	0.19 286	0.09 197	0.22 298	0.17 119	0.10 223	0.25 323	0.18 238	0.27 241	0.44 343	0.22 270	0.31 287	0.33 328	0.26 321	0.28 335	0.28 352	0.08 196	0.06 196	0.07 103	0.07 166	0.09 254	0.09 258

NaN_ROB	0.22 313	0.19 349	0.24 310	0.25 348	0.13 308	0.29 347	0.26 349	0.33 311	0.41 328	0.31 340	0.31 287	0.32 325	0.23 304	0.30 345	0.21 289	0.11 294	0.17 370	0.10 275	0.10 290	0.08 206	0.09 258

FBW_ROB	0.24 336	0.17 336	0.22 298	0.26 353	0.14 325	0.25 323	0.22 310	0.41 365	0.41 328	0.41 369	0.41 349	0.42 362	0.27 329	0.31 346	0.23 308	0.09 242	0.14 356	0.14 341	0.12 331	0.11 296	0.09 258

PWCDC_ROB	0.20 295	0.13 300	0.22 298	0.24 337	0.11 261	0.19 261	0.15 120	0.33 311	0.54 369	0.29 331	0.50 370	0.21 224	0.15 213	0.27 324	0.20 270	0.11 294	0.09 298	0.10 275	0.08 217	0.11 296	0.09 258

PSMNet_ROB	0.21 304	0.11 265	0.15 198	0.27 364	0.15 336	0.24 313	0.35 387	0.43 373	0.37 311	0.27 314	0.32 291	0.32 325	0.22 298	0.21 284	0.26 337	0.12 319	0.08 275	0.13 331	0.11 313	0.09 254	0.09 258

iinet-f	0.16 245	0.06 22	0.45 366	0.14 14	0.10 223	0.21 287	0.14 72	0.27 241	0.23 188	0.21 257	0.24 204	0.21 224	0.15 213	0.18 238	0.21 289	0.09 242	0.07 253	0.07 103	0.06 91	0.09 254	0.10 277

Wz-Net-MNSev	0.22 313	0.13 300	0.31 339	0.20 275	0.14 325	0.36 372	0.24 329	0.33 311	0.44 343	0.28 325	0.40 339	0.38 348	0.19 277	0.24 314	0.25 327	0.09 242	0.07 253	0.09 233	0.09 258	0.12 310	0.10 277

FTStereo	0.12 142	0.06 22	0.14 161	0.18 186	0.09 136	0.07 16	0.15 120	0.21 145	0.18 121	0.12 89	0.24 204	0.12 96	0.12 145	0.13 138	0.13 164	0.05 2	0.05 111	0.07 103	0.06 91	0.06 104	0.10 277

GrayStereo	0.11 86	0.06 22	0.11 75	0.19 233	0.09 136	0.09 35	0.16 177	0.18 101	0.17 104	0.14 131	0.17 127	0.17 188	0.11 116	0.12 106	0.11 91	0.05 2	0.05 111	0.07 103	0.06 91	0.05 42	0.10 277

sAnonymous2	0.13 164	0.12 279	0.24 310	0.20 275	0.12 290	0.17 226	0.13 44	0.26 223	0.21 167	0.11 64	0.11 59	0.13 119	0.08 53	0.10 19	0.10 53	0.09 242	0.05 111	0.08 167	0.06 91	0.15 350	0.10 277

CroCo_RVC	0.13 164	0.12 279	0.24 310	0.20 275	0.12 290	0.17 226	0.13 44	0.26 223	0.21 167	0.11 64	0.11 59	0.13 119	0.08 53	0.10 19	0.10 53	0.09 242	0.05 111	0.08 167	0.06 91	0.15 350	0.10 277

Anonymous	0.14 193	0.10 245	0.24 310	0.22 313	0.13 308	0.18 241	0.22 310	0.20 128	0.19 133	0.14 131	0.12 67	0.11 80	0.13 177	0.16 205	0.13 164	0.08 196	0.07 253	0.08 167	0.08 217	0.12 310	0.10 277

EDNetEfficientorigin	7.91 428	0.31 384	153.02 447	0.19 233	0.09 136	0.21 287	0.16 177	0.22 161	0.59 378	0.72 396	0.67 387	0.42 362	0.50 388	0.24 314	0.39 382	0.08 196	0.07 253	0.08 167	0.07 166	0.12 310	0.10 277

GwcNet	0.20 295	0.13 300	0.19 280	0.18 186	0.12 290	0.24 313	0.19 269	0.35 334	0.43 339	0.20 249	0.32 291	0.33 328	0.20 285	0.22 295	0.24 318	0.11 294	0.09 298	0.09 233	0.09 258	0.09 254	0.10 277

HGLStereo	0.17 264	0.08 146	0.19 280	0.17 119	0.12 290	0.18 241	0.18 238	0.31 285	0.32 276	0.21 257	0.32 291	0.25 269	0.18 262	0.19 249	0.20 270	0.09 242	0.09 298	0.07 103	0.07 166	0.09 254	0.10 277

DMCA	0.14 193	0.09 197	0.16 228	0.19 233	0.09 136	0.15 183	0.17 198	0.23 178	0.27 238	0.14 131	0.19 155	0.17 188	0.18 262	0.15 173	0.17 241	0.10 273	0.06 196	0.08 167	0.06 91	0.09 254	0.10 277

FADNet-RVC-Resample	0.16 245	0.11 265	0.31 339	0.22 313	0.11 261	0.19 261	0.14 72	0.25 211	0.24 199	0.24 290	0.27 255	0.20 218	0.15 213	0.16 205	0.15 215	0.07 146	0.08 275	0.12 317	0.10 290	0.09 254	0.10 277

FADNet_RVC	0.16 245	0.14 312	0.40 361	0.20 275	0.11 261	0.13 137	0.13 44	0.26 223	0.22 179	0.21 257	0.23 195	0.20 218	0.17 252	0.14 154	0.16 230	0.08 196	0.08 275	0.12 317	0.09 258	0.11 296	0.10 277

SuperB	0.20 295	0.10 245	0.56 380	0.16 71	0.09 136	0.18 241	0.18 238	0.24 197	0.50 360	0.26 308	0.39 334	0.17 188	0.21 289	0.22 295	0.21 289	0.08 196	0.06 196	0.06 34	0.06 91	0.12 310	0.10 277

AF-Net	0.22 313	0.17 336	0.17 253	0.26 353	0.13 308	0.25 323	0.24 329	0.32 294	0.50 360	0.25 303	0.33 304	0.38 348	0.26 321	0.28 335	0.25 327	0.11 294	0.10 317	0.16 355	0.11 313	0.11 296	0.10 277

Nwc_Net	0.23 328	0.16 325	0.21 293	0.25 348	0.14 325	0.24 313	0.26 349	0.37 345	0.38 316	0.22 270	0.41 349	0.30 306	0.28 337	0.28 335	0.25 327	0.11 294	0.10 317	0.17 358	0.20 370	0.10 281	0.10 277

ADCL	0.24 336	0.11 265	0.47 370	0.22 313	0.12 290	0.34 362	0.29 369	0.29 265	0.56 372	0.24 290	0.46 362	0.30 306	0.30 349	0.29 342	0.29 355	0.08 196	0.07 253	0.09 233	0.09 258	0.10 281	0.10 277

ADCP+	0.20 295	0.10 245	0.33 344	0.20 275	0.12 290	0.22 295	0.26 349	0.31 285	0.34 293	0.26 308	0.37 321	0.22 241	0.22 298	0.27 324	0.27 344	0.09 242	0.06 196	0.08 167	0.08 217	0.09 254	0.10 277

UCFNet_RVC	0.14 193	0.08 146	0.13 135	0.11 1	0.10 223	0.20 273	0.10 6	0.24 197	0.22 179	0.17 192	0.20 166	0.23 253	0.15 213	0.17 227	0.15 215	0.12 319	0.07 253	0.10 275	0.13 340	0.11 296	0.10 277

DeepPruner_ROB	0.16 245	0.11 265	0.15 198	0.17 119	0.10 223	0.17 226	0.15 120	0.32 294	0.21 167	0.19 232	0.21 180	0.22 241	0.18 262	0.20 268	0.15 215	0.13 339	0.09 298	0.09 233	0.09 258	0.11 296	0.10 277

PWC_ROB	0.21 304	0.16 325	0.26 317	0.18 186	0.11 261	0.22 295	0.13 44	0.32 294	0.49 358	0.30 334	0.40 339	0.32 325	0.24 310	0.31 346	0.22 298	0.10 273	0.07 253	0.11 302	0.08 217	0.11 296	0.10 277

CBMV	0.19 286	0.14 312	0.17 253	0.18 186	0.10 223	0.20 273	0.11 11	0.29 265	0.30 264	0.29 331	0.30 279	0.30 306	0.23 304	0.27 324	0.19 264	0.13 339	0.15 362	0.17 358	0.16 357	0.10 281	0.10 277
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	0.27 354	0.13 300	0.18 271	0.15 40	0.11 261	0.32 353	0.24 329	0.40 360	0.36 305	0.52 383	0.57 381	0.67 394	0.40 374	0.35 363	0.26 337	0.14 350	0.13 349	0.13 331	0.11 313	0.11 296	0.10 277
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
SDNR	0.19 286	0.08 146	0.19 280	0.16 71	0.12 290	0.77 408	0.14 72	0.25 211	0.32 276	0.19 232	0.24 204	0.19 208	0.13 177	0.19 249	0.15 215	0.16 364	0.18 372	0.14 341	0.11 313	0.08 206	0.11 300

DisPM	0.11 86	0.07 73	0.12 96	0.16 71	0.09 136	0.06 2	0.13 44	0.17 77	0.17 104	0.14 131	0.20 166	0.12 96	0.10 93	0.11 48	0.10 53	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.11 300

Wz-Net-SNSev	0.25 345	0.17 336	0.44 365	0.25 348	0.14 325	0.26 331	0.23 320	0.38 352	0.56 372	0.30 334	0.55 375	0.39 356	0.26 321	0.23 306	0.30 359	0.10 273	0.09 298	0.09 233	0.10 290	0.11 296	0.11 300

Wz-Net-LNSev	0.22 313	0.16 325	0.38 357	0.21 300	0.13 308	0.25 323	0.23 320	0.32 294	0.43 339	0.30 334	0.41 349	0.31 316	0.18 262	0.22 295	0.25 327	0.10 273	0.09 298	0.08 167	0.08 217	0.12 310	0.11 300

PFNet+	0.11 86	0.06 22	0.13 135	0.16 71	0.09 136	0.05 1	0.12 22	0.17 77	0.21 167	0.16 180	0.19 155	0.14 134	0.10 93	0.11 48	0.11 91	0.08 196	0.05 111	0.09 233	0.08 217	0.06 104	0.11 300

Anonymous3	0.16 245	0.13 300	0.33 344	0.26 353	0.14 325	0.27 338	0.17 198	0.28 255	0.28 249	0.15 155	0.17 127	0.14 134	0.10 93	0.15 173	0.12 134	0.08 196	0.08 275	0.08 167	0.08 217	0.08 206	0.11 300

hitnet-ft	0.18 276	0.09 197	0.17 253	0.14 14	0.09 136	0.26 331	0.20 284	0.25 211	0.26 231	0.24 290	0.32 291	0.31 316	0.22 298	0.24 314	0.21 289	0.12 319	0.07 253	0.10 275	0.08 217	0.12 310	0.11 300

DANet	0.21 304	0.15 318	0.28 328	0.25 348	0.13 308	0.22 295	0.19 269	0.27 241	0.27 238	0.28 325	0.32 291	0.35 338	0.31 353	0.31 346	0.23 308	0.11 294	0.09 298	0.11 302	0.10 290	0.13 327	0.11 300
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV_ROB	0.19 286	0.13 300	0.17 253	0.16 71	0.11 261	0.15 183	0.13 44	0.26 223	0.28 249	0.27 314	0.30 279	0.27 284	0.24 310	0.23 306	0.16 230	0.15 353	0.17 370	0.22 375	0.20 370	0.10 281	0.11 300

SANet	0.24 336	0.14 312	0.28 328	0.21 300	0.11 261	0.27 338	0.24 329	0.38 352	0.64 385	0.36 354	0.40 339	0.43 366	0.26 321	0.27 324	0.24 318	0.12 319	0.09 298	0.10 275	0.09 258	0.13 327	0.11 300

SGM_RVC	0.23 328	0.12 279	0.15 198	0.15 40	0.09 136	0.33 359	0.18 238	0.34 321	0.31 270	0.44 377	0.37 321	0.53 383	0.35 364	0.35 363	0.24 318	0.13 339	0.13 349	0.13 331	0.13 340	0.10 281	0.11 300
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
NF-Stereo	0.11 86	0.07 73	0.13 135	0.17 119	0.09 136	0.10 59	0.14 72	0.23 178	0.19 133	0.12 89	0.17 127	0.12 96	0.11 116	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.12 311

OCTAStereo	0.11 86	0.07 73	0.13 135	0.17 119	0.09 136	0.10 59	0.14 72	0.23 178	0.19 133	0.12 89	0.17 127	0.12 96	0.11 116	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.12 311

PSM-softLoss	0.12 142	0.07 73	0.15 198	0.17 119	0.09 136	0.08 23	0.13 44	0.24 197	0.17 104	0.14 131	0.19 155	0.13 119	0.11 116	0.11 48	0.11 91	0.07 146	0.05 111	0.08 167	0.07 166	0.06 104	0.12 311

KMStereo	0.12 142	0.07 73	0.15 198	0.17 119	0.09 136	0.08 23	0.13 44	0.24 197	0.17 104	0.14 131	0.19 155	0.13 119	0.11 116	0.11 48	0.11 91	0.07 146	0.05 111	0.08 167	0.07 166	0.06 104	0.12 311

RE-Stereo	0.11 86	0.07 73	0.13 135	0.17 119	0.09 136	0.10 59	0.14 72	0.23 178	0.19 133	0.12 89	0.17 127	0.12 96	0.11 116	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.12 311

TVStereo	0.11 86	0.07 73	0.13 135	0.17 119	0.09 136	0.10 59	0.14 72	0.23 178	0.19 133	0.12 89	0.17 127	0.12 96	0.11 116	0.11 48	0.11 91	0.06 59	0.04 2	0.07 103	0.06 91	0.06 104	0.12 311

APVNet	0.22 313	0.12 279	0.19 280	0.18 186	0.14 325	0.32 353	0.31 383	0.39 356	0.32 276	0.27 314	0.40 339	0.30 306	0.29 345	0.26 321	0.25 327	0.11 294	0.12 336	0.11 302	0.14 344	0.12 310	0.12 311

MaskLacGwcNet_RVC	0.22 313	0.21 360	0.24 310	0.26 353	0.11 261	0.23 308	0.14 72	0.39 356	0.24 199	0.32 346	0.36 315	0.30 306	0.21 289	0.19 249	0.21 289	0.17 368	0.14 356	0.21 371	0.16 357	0.12 310	0.12 311

ADCMid	0.25 345	0.15 318	0.40 361	0.20 275	0.14 325	0.25 323	0.26 349	0.34 321	0.38 316	0.36 354	0.44 360	0.34 334	0.40 374	0.35 363	0.33 370	0.10 273	0.09 298	0.11 302	0.11 313	0.13 327	0.12 311

STTRV1_RVC	0.25 345	0.26 374	0.39 359	0.19 233	0.26 385	0.30 350	0.24 329	0.34 321	0.35 300	0.36 354	0.34 308	0.31 316	0.31 353	0.28 335	0.25 327	0.17 368	0.10 317	0.16 355	0.14 344	0.17 364	0.12 311

SGM-ForestM	0.32 369	0.12 279	0.16 228	0.16 71	0.11 261	0.39 376	0.19 269	0.41 365	0.50 360	0.52 383	0.54 374	1.32 413	0.42 381	0.40 380	0.27 344	0.14 350	0.16 365	0.16 355	0.16 357	0.12 310	0.12 311

XPNet_ROB	0.22 313	0.11 265	0.19 280	0.22 313	0.13 308	0.22 295	0.19 269	0.34 321	0.40 325	0.30 334	0.39 334	0.39 356	0.26 321	0.26 321	0.28 352	0.15 353	0.10 317	0.10 275	0.10 290	0.13 327	0.12 311

LALA_ROB	0.25 345	0.16 325	0.22 298	0.26 353	0.17 359	0.27 338	0.27 356	0.42 370	0.37 311	0.33 350	0.38 326	0.51 380	0.26 321	0.28 335	0.27 344	0.16 364	0.09 298	0.12 317	0.11 313	0.13 327	0.12 311

SGM-Forest	0.20 295	0.14 312	0.18 271	0.19 233	0.13 308	0.20 273	0.22 310	0.33 311	0.30 264	0.24 290	0.29 275	0.28 291	0.19 277	0.23 306	0.17 241	0.15 353	0.16 365	0.15 349	0.14 344	0.12 310	0.12 311
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
coex-ft	3.30 422	0.34 387	59.09 446	0.18 186	0.13 308	0.26 331	0.22 310	0.27 241	0.72 393	1.90 423	0.70 391	0.44 368	0.45 384	0.29 342	0.41 387	0.09 242	0.09 298	0.12 317	0.09 258	0.14 339	0.13 325

pcwnet_v2	0.19 286	0.10 245	0.26 317	0.17 119	0.14 325	0.18 241	0.15 120	0.37 345	0.46 351	0.19 232	0.24 204	0.21 224	0.19 277	0.20 268	0.19 264	0.13 339	0.10 317	0.10 275	0.10 290	0.11 296	0.13 325

FINET	0.21 304	0.18 346	0.26 317	0.18 186	0.16 346	0.23 308	0.23 320	0.32 294	0.48 353	0.25 303	0.32 291	0.22 241	0.22 298	0.22 295	0.17 241	0.18 370	0.16 365	0.11 302	0.10 290	0.15 350	0.13 325

S-Stereo	0.20 295	0.12 279	0.25 316	0.21 300	0.13 308	0.20 273	0.18 238	0.32 294	0.43 339	0.23 282	0.36 315	0.28 291	0.30 349	0.19 249	0.22 298	0.09 242	0.12 336	0.10 275	0.10 290	0.13 327	0.13 325

G-Net	0.24 336	0.16 325	0.36 353	0.22 313	0.16 346	0.51 385	0.23 320	0.29 265	0.34 293	0.36 354	0.38 326	0.31 316	0.29 345	0.27 324	0.26 337	0.11 294	0.09 298	0.12 317	0.09 258	0.16 357	0.13 325

NCC-stereo	0.24 336	0.15 318	0.31 339	0.26 353	0.16 346	0.20 273	0.30 377	0.40 360	0.40 325	0.24 290	0.38 326	0.33 328	0.28 337	0.36 368	0.27 344	0.12 319	0.11 327	0.15 349	0.22 375	0.13 327	0.13 325

stereogan	0.22 313	0.11 265	0.21 293	0.20 275	0.12 290	0.31 352	0.19 269	0.35 334	0.44 343	0.22 270	0.39 334	0.35 338	0.27 329	0.33 354	0.22 298	0.10 273	0.12 336	0.10 275	0.10 290	0.14 339	0.13 325

edge stereo	0.22 313	0.13 300	0.20 288	0.21 300	0.13 308	0.23 308	0.16 177	0.32 294	0.42 334	0.32 346	0.40 339	0.38 348	0.35 364	0.25 319	0.24 318	0.13 339	0.11 327	0.14 341	0.11 313	0.12 310	0.13 325

Abc-Net	0.24 336	0.15 318	0.31 339	0.26 353	0.16 346	0.20 273	0.30 377	0.40 360	0.40 325	0.24 290	0.38 326	0.33 328	0.28 337	0.36 368	0.27 344	0.12 319	0.11 327	0.15 349	0.22 375	0.13 327	0.13 325
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RTSC	0.23 328	0.12 279	0.28 328	0.21 300	0.13 308	0.28 344	0.16 177	0.35 334	0.66 388	0.27 314	0.33 304	0.30 306	0.21 289	0.31 346	0.29 355	0.10 273	0.08 275	0.09 233	0.10 290	0.13 327	0.13 325

DeepPrunerF	0.24 336	0.17 336	0.42 364	0.26 353	0.16 346	0.22 295	0.28 361	0.37 345	0.50 360	0.26 308	0.29 275	0.24 259	0.28 337	0.21 284	0.22 298	0.15 353	0.11 327	0.20 370	0.18 368	0.12 310	0.13 325

ADCPNet	0.25 345	0.16 325	0.61 384	0.21 300	0.15 336	0.35 370	0.25 343	0.32 294	0.35 300	0.30 334	0.40 339	0.36 340	0.28 337	0.28 335	0.32 367	0.12 319	0.10 317	0.11 302	0.12 331	0.14 339	0.13 325

PA-Net	0.23 328	0.18 346	0.33 344	0.28 367	0.22 375	0.21 287	0.38 392	0.29 265	0.39 319	0.22 270	0.32 291	0.25 269	0.26 321	0.20 268	0.25 327	0.09 242	0.23 388	0.15 349	0.22 375	0.09 254	0.13 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 328	0.15 318	0.17 253	0.34 382	0.18 366	0.24 313	0.23 320	0.34 321	0.28 249	0.31 340	0.38 326	0.38 348	0.28 337	0.23 306	0.24 318	0.15 353	0.12 336	0.18 366	0.21 372	0.13 327	0.13 325

NOSS_ROB	0.19 286	0.12 279	0.18 271	0.16 71	0.12 290	0.15 183	0.12 22	0.30 279	0.32 276	0.20 249	0.22 189	0.27 284	0.23 304	0.21 284	0.16 230	0.16 364	0.18 372	0.23 376	0.21 372	0.12 310	0.13 325

ETE_ROB	0.23 328	0.17 336	0.22 298	0.25 348	0.13 308	0.26 331	0.29 369	0.31 285	0.36 305	0.28 325	0.36 315	0.45 370	0.26 321	0.27 324	0.26 337	0.11 294	0.08 275	0.12 317	0.09 258	0.14 339	0.13 325

PDISCO_ROB	0.27 354	0.16 325	0.26 317	0.28 367	0.20 371	0.32 353	0.26 349	0.44 375	0.57 374	0.28 325	0.40 339	0.45 370	0.29 345	0.33 354	0.34 372	0.12 319	0.09 298	0.17 358	0.16 357	0.17 364	0.13 325

Wz-Net-TNSev	0.29 361	0.20 354	0.65 387	0.19 233	0.15 336	0.38 375	0.27 356	0.35 334	0.55 370	0.34 351	0.42 355	0.45 370	0.38 369	0.32 352	0.30 359	0.12 319	0.13 349	0.10 275	0.12 331	0.15 350	0.14 342

UDG	0.21 304	0.17 336	0.19 280	0.23 332	0.15 336	0.30 350	0.20 284	0.33 311	0.35 300	0.23 282	0.28 264	0.31 316	0.27 329	0.20 268	0.22 298	0.15 353	0.12 336	0.13 331	0.09 258	0.14 339	0.14 342

SACVNet	0.18 276	0.12 279	0.14 161	0.17 119	0.13 308	0.22 295	0.18 238	0.31 285	0.30 264	0.23 282	0.31 287	0.30 306	0.22 298	0.22 295	0.17 241	0.11 294	0.08 275	0.10 275	0.10 290	0.12 310	0.14 342

PSM-AAD	0.11 86	0.07 73	0.10 47	0.19 233	0.09 136	0.10 59	0.15 120	0.20 128	0.13 45	0.12 89	0.14 87	0.18 199	0.11 116	0.11 48	0.10 53	0.05 2	0.05 111	0.09 233	0.08 217	0.06 104	0.14 342

FAT-Stereo	0.20 295	0.12 279	0.22 298	0.21 300	0.12 290	0.17 226	0.18 238	0.34 321	0.39 319	0.27 314	0.37 321	0.34 334	0.32 357	0.21 284	0.20 270	0.09 242	0.11 327	0.10 275	0.09 258	0.11 296	0.14 342

RP	0.21 304	0.13 300	0.21 293	0.23 332	0.11 261	0.21 287	0.20 284	0.25 211	0.44 343	0.21 257	0.38 326	0.36 340	0.24 310	0.27 324	0.25 327	0.11 294	0.12 336	0.13 331	0.12 331	0.12 310	0.14 342

Anonymous Stereo	0.23 328	0.19 349	0.50 372	0.24 337	0.17 359	0.21 287	0.21 300	0.33 311	0.44 343	0.25 303	0.34 308	0.26 277	0.18 262	0.31 346	0.27 344	0.13 339	0.12 336	0.12 317	0.13 340	0.11 296	0.14 342

WCMA_ROB	0.24 336	0.11 265	0.22 298	0.17 119	0.14 325	0.32 353	0.15 120	0.32 294	0.32 276	0.38 360	0.53 372	0.40 359	0.34 362	0.34 357	0.25 327	0.11 294	0.12 336	0.12 317	0.10 290	0.14 339	0.14 342

SQANet	0.23 328	0.23 365	0.30 337	0.30 376	0.19 368	0.27 338	0.13 44	0.29 265	0.33 282	0.24 290	0.37 321	0.31 316	0.22 298	0.27 324	0.23 308	0.15 353	0.10 317	0.21 371	0.16 357	0.21 373	0.15 350

LCNet	0.11 86	0.07 73	0.09 30	0.19 233	0.09 136	0.08 23	0.15 120	0.21 145	0.15 74	0.11 64	0.15 101	0.16 169	0.11 116	0.12 106	0.11 91	0.05 2	0.04 2	0.08 167	0.07 166	0.06 104	0.15 350

MFN_U_SF_RVC	0.32 369	0.21 360	0.55 378	0.30 376	0.15 336	0.34 362	0.17 198	0.52 388	0.46 351	0.46 380	0.55 375	0.59 386	0.39 371	0.35 363	0.37 378	0.15 353	0.14 356	0.18 366	0.21 372	0.16 357	0.15 350

RTS	0.45 386	0.19 349	3.26 421	0.24 337	0.15 336	0.74 402	0.20 284	0.36 340	0.76 398	0.42 372	0.43 358	0.31 316	0.41 378	0.53 392	0.35 373	0.10 273	0.08 275	0.13 331	0.12 331	0.15 350	0.15 350

RTSA	0.45 386	0.19 349	3.26 421	0.24 337	0.15 336	0.74 402	0.20 284	0.36 340	0.76 398	0.42 372	0.43 358	0.31 316	0.41 378	0.53 392	0.35 373	0.10 273	0.08 275	0.13 331	0.12 331	0.15 350	0.15 350

AnyNet_C01	0.36 375	0.25 373	1.37 414	0.22 313	0.17 359	0.48 383	0.27 356	0.35 334	0.39 319	0.39 362	0.74 395	0.46 374	0.38 369	0.45 384	0.47 393	0.13 339	0.13 349	0.13 331	0.14 344	0.14 339	0.15 350

AnyNet_C32	0.26 352	0.16 325	0.36 353	0.20 275	0.16 346	0.25 323	0.30 377	0.32 294	0.44 343	0.31 340	0.49 366	0.30 306	0.33 358	0.40 380	0.33 370	0.12 319	0.12 336	0.12 317	0.14 344	0.14 339	0.15 350

RYNet	0.22 313	0.12 279	0.22 298	0.19 233	0.17 359	0.46 379	0.26 349	0.38 352	0.48 353	0.24 290	0.28 264	0.34 334	0.23 304	0.20 268	0.30 359	0.10 273	0.06 196	0.09 233	0.09 258	0.13 327	0.15 350

CC-Net-ROB	0.28 357	0.31 384	0.36 353	0.29 374	0.15 336	0.25 323	0.19 269	0.45 378	0.33 282	0.39 362	0.37 321	0.39 356	0.31 353	0.27 324	0.26 337	0.24 388	0.19 375	0.30 389	0.23 379	0.18 368	0.15 350

CSAN	0.29 361	0.24 368	0.27 323	0.34 382	0.19 368	0.33 359	0.42 396	0.37 345	0.50 360	0.38 360	0.40 339	0.44 368	0.33 358	0.28 335	0.30 359	0.20 376	0.16 365	0.19 368	0.19 369	0.14 339	0.15 350

DispFullNet	0.27 354	0.21 360	0.65 387	0.28 367	0.16 346	0.26 331	0.17 198	0.33 311	0.58 377	0.27 314	0.38 326	0.43 366	0.23 304	0.38 373	0.23 308	0.12 319	0.06 196	0.19 368	0.11 313	0.21 373	0.15 350

WZ-Net	0.28 357	0.17 336	0.78 401	0.22 313	0.16 346	0.34 362	0.29 369	0.39 356	0.57 374	0.24 290	0.55 375	0.37 344	0.24 310	0.33 354	0.35 373	0.09 242	0.08 275	0.09 233	0.10 290	0.14 339	0.16 361

DDUNet	0.22 313	0.17 336	0.21 293	0.22 313	0.15 336	0.25 323	0.24 329	0.29 265	0.30 264	0.31 340	0.36 315	0.33 328	0.25 318	0.24 314	0.20 270	0.18 370	0.13 349	0.17 358	0.11 313	0.16 357	0.16 361

KYRaft	0.11 86	0.07 73	0.10 47	0.19 233	0.09 136	0.08 23	0.15 120	0.22 161	0.12 28	0.13 110	0.16 109	0.20 218	0.10 93	0.12 106	0.10 53	0.05 2	0.04 2	0.08 167	0.08 217	0.06 104	0.16 361

psmorigin	0.25 345	0.15 318	0.34 352	0.17 119	0.13 308	0.23 308	0.14 72	0.34 321	0.33 282	0.41 369	0.55 375	0.41 361	0.37 368	0.34 357	0.27 344	0.11 294	0.15 362	0.11 302	0.11 313	0.12 310	0.16 361

RGC	0.25 345	0.20 354	0.29 334	0.28 367	0.16 346	0.22 295	0.23 320	0.32 294	0.44 343	0.27 314	0.40 339	0.38 348	0.27 329	0.36 368	0.22 298	0.11 294	0.13 349	0.17 358	0.17 364	0.14 339	0.16 361

ADCS	0.29 361	0.18 346	0.45 366	0.21 300	0.17 359	0.28 344	0.23 320	0.41 365	0.63 384	0.40 365	0.49 366	0.40 359	0.36 366	0.39 376	0.40 384	0.13 339	0.12 336	0.13 331	0.14 344	0.16 357	0.16 361

DPSNet	0.28 357	0.16 325	0.31 339	0.18 186	0.13 308	0.54 387	0.42 396	0.51 387	0.67 389	0.29 331	0.38 326	0.38 348	0.29 345	0.31 346	0.23 308	0.11 294	0.10 317	0.11 302	0.08 217	0.20 372	0.16 361

Anonymous_2	0.22 313	0.17 336	0.28 328	0.15 40	0.16 346	0.32 353	0.22 310	0.22 161	0.17 104	0.23 282	0.24 204	0.26 277	0.27 329	0.27 324	0.23 308	0.22 382	0.25 390	0.17 358	0.17 364	0.17 364	0.17 368

GANetREF_RVC	0.31 367	0.34 387	0.27 323	0.35 384	0.16 346	0.32 353	0.41 393	0.48 382	0.51 367	0.35 352	0.35 312	0.34 334	0.33 358	0.39 376	0.32 367	0.27 390	0.20 378	0.29 387	0.15 355	0.18 368	0.17 368
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
ccnet	0.29 361	0.28 379	0.23 307	0.20 275	0.28 387	0.41 378	0.21 300	0.45 378	0.33 282	0.36 354	0.46 362	0.36 340	0.30 349	0.39 376	0.42 388	0.23 386	0.14 356	0.21 371	0.17 364	0.23 376	0.18 370

MSC_U_SF_DS_RVC	0.43 383	0.39 391	0.54 376	0.40 388	0.20 371	0.64 394	0.32 385	0.53 390	0.72 393	0.71 394	0.72 392	0.61 388	0.54 390	0.51 388	0.46 392	0.20 376	0.19 375	0.29 387	0.30 389	0.23 376	0.18 370

FADNet-RVC	0.20 295	0.20 354	0.38 357	0.21 300	0.16 346	0.20 273	0.15 120	0.26 223	0.26 231	0.26 308	0.32 291	0.26 277	0.21 289	0.22 295	0.19 264	0.12 319	0.13 349	0.12 317	0.14 344	0.13 327	0.18 370

FADNet	0.21 304	0.22 364	0.36 353	0.18 186	0.17 359	0.24 313	0.13 44	0.31 285	0.31 270	0.23 282	0.25 233	0.27 284	0.21 289	0.19 249	0.15 215	0.13 339	0.15 362	0.12 317	0.15 355	0.16 357	0.18 370

XQC	0.28 357	0.23 365	0.51 373	0.28 367	0.19 368	0.34 362	0.27 356	0.36 340	0.57 374	0.31 340	0.30 279	0.37 344	0.30 349	0.38 373	0.38 380	0.13 339	0.09 298	0.15 349	0.12 331	0.17 364	0.18 370

MFN_U_SF_DS_RVC	0.30 366	0.24 368	0.29 334	0.36 386	0.16 346	0.34 362	0.30 377	0.32 294	0.42 334	0.40 365	0.46 362	0.38 348	0.31 353	0.34 357	0.28 352	0.19 374	0.20 378	0.26 378	0.29 387	0.18 368	0.19 375

SHD	0.26 352	0.15 318	0.30 337	0.24 337	0.18 366	0.22 295	0.15 120	0.38 352	0.71 392	0.32 346	0.41 349	0.36 340	0.28 337	0.32 352	0.29 355	0.12 319	0.11 327	0.14 341	0.13 340	0.16 357	0.20 376

SAMSARA	0.40 379	0.28 379	0.33 344	0.55 399	0.39 393	0.82 409	1.23 423	0.47 381	0.51 367	0.36 354	0.35 312	0.55 385	0.39 371	0.38 373	0.39 382	0.15 353	0.20 378	0.15 349	0.14 344	0.23 376	0.20 376

BEATNet-Init1	0.52 392	0.27 376	0.62 385	0.30 376	0.21 373	0.76 406	0.29 369	0.54 391	0.65 387	0.86 405	0.95 406	2.07 423	0.62 399	0.56 396	0.42 388	0.18 370	0.18 372	0.23 376	0.22 375	0.22 375	0.21 378

PASM	0.32 369	0.24 368	0.48 371	0.28 367	0.27 386	0.29 347	0.30 377	0.34 321	0.49 358	0.35 352	0.39 334	0.46 374	0.34 362	0.34 357	0.35 373	0.23 386	0.25 390	0.26 378	0.28 386	0.23 376	0.21 378

MSMD_ROB	0.31 367	0.26 374	0.26 317	0.24 337	0.21 373	0.34 362	0.25 343	0.34 321	0.39 319	0.40 365	0.69 389	0.45 370	0.40 374	0.34 357	0.27 344	0.20 376	0.19 375	0.26 378	0.25 381	0.23 376	0.22 380

FADE	0.45 386	0.33 386	1.03 410	0.33 381	0.25 384	0.35 370	0.29 369	0.64 399	1.07 406	0.43 375	0.41 349	0.42 362	0.53 389	0.70 402	0.51 399	0.30 391	0.21 387	0.41 395	0.38 395	0.23 376	0.22 380

DGSMNet	0.24 336	0.19 349	0.33 344	0.21 300	0.24 378	0.24 313	0.20 284	0.35 334	0.41 328	0.24 290	0.32 291	0.38 348	0.21 289	0.29 342	0.23 308	0.12 319	0.11 327	0.14 341	0.16 357	0.23 376	0.23 382

ACVNet_1	0.44 384	0.49 395	0.60 383	0.45 393	0.28 387	0.49 384	0.27 356	0.57 395	0.72 393	0.62 389	0.58 383	0.74 398	0.49 387	0.50 387	0.35 373	0.26 389	0.24 389	0.39 393	0.29 387	0.31 393	0.24 383

FCDSN-DC	0.33 372	0.28 379	0.28 328	0.30 376	0.24 378	0.39 376	0.28 361	0.42 370	0.42 334	0.43 375	0.53 372	0.51 380	0.41 378	0.36 368	0.30 359	0.21 379	0.20 378	0.27 381	0.26 382	0.25 384	0.24 383
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	0.45 386	0.27 376	0.27 323	0.27 364	0.24 378	0.47 381	0.31 383	0.55 392	0.59 378	0.72 396	1.13 415	1.15 407	0.61 397	0.52 390	0.37 378	0.21 379	0.20 378	0.27 381	0.31 391	0.25 384	0.24 383

FC-DCNN	0.33 372	0.27 376	0.28 328	0.26 353	0.23 377	0.37 373	0.28 361	0.40 360	0.43 339	0.45 378	0.55 375	0.51 380	0.40 374	0.37 372	0.30 359	0.21 379	0.20 378	0.27 381	0.26 382	0.25 384	0.24 383

ELAS_RVC	0.41 381	0.29 382	0.33 344	0.28 367	0.24 378	0.54 387	0.36 388	0.49 384	0.59 378	0.72 396	0.74 395	0.65 392	0.54 390	0.54 394	0.40 384	0.22 382	0.20 378	0.27 381	0.26 382	0.26 387	0.25 387
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 381	0.29 382	0.33 344	0.27 364	0.24 378	0.60 392	0.36 388	0.50 386	0.50 360	0.71 394	0.79 399	0.67 394	0.54 390	0.51 388	0.42 388	0.22 382	0.20 378	0.27 381	0.26 382	0.26 387	0.25 387
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet-4b	0.39 376	0.53 396	0.55 378	0.45 393	0.24 378	0.47 381	0.18 238	0.49 384	0.64 385	0.42 372	0.45 361	0.60 387	0.27 329	0.34 357	0.24 318	0.33 394	0.14 356	0.48 397	0.42 397	0.30 390	0.26 389

otaku	0.39 376	0.37 390	0.52 374	0.44 392	0.28 387	0.58 389	0.24 329	0.41 365	0.62 383	0.40 365	0.49 366	0.46 374	0.33 358	0.40 380	0.32 367	0.30 391	0.30 394	0.39 393	0.33 392	0.29 389	0.28 390

Ntro	0.40 379	0.40 392	0.53 375	0.46 396	0.30 391	0.65 395	0.24 329	0.46 380	0.68 390	0.41 369	0.49 366	0.48 378	0.42 381	0.39 376	0.31 366	0.32 393	0.28 392	0.37 392	0.30 389	0.32 394	0.29 391

Consistency-Raft	0.44 384	0.40 392	0.45 366	0.37 387	0.43 396	0.46 379	0.41 393	0.57 395	0.55 370	0.32 346	0.73 393	0.33 328	0.48 386	0.42 383	0.49 395	0.39 396	0.35 396	0.45 396	0.51 404	0.42 396	0.29 391

NVStereoNet_ROB	0.46 390	0.36 389	0.46 369	0.41 390	0.28 387	0.34 362	0.34 386	0.48 382	0.60 381	0.72 396	0.93 404	0.70 397	0.66 400	0.47 385	0.60 403	0.22 382	0.33 395	0.34 391	0.34 394	0.30 390	0.30 393
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
PVD	0.39 376	0.20 354	0.39 359	0.31 380	0.22 375	0.29 347	0.43 398	0.52 388	0.96 405	0.55 386	0.79 399	0.53 383	0.59 396	0.52 390	0.38 380	0.19 374	0.14 356	0.17 358	0.14 344	0.24 383	0.31 394

MADNet+	0.75 404	0.71 406	3.70 424	0.66 402	0.41 394	0.98 414	0.97 421	0.69 401	0.73 396	0.52 383	0.57 381	0.64 390	0.68 402	0.86 411	1.01 419	0.34 395	0.36 397	0.28 386	0.23 379	0.36 395	0.31 394

LSM	0.33 372	0.20 354	0.58 382	0.26 353	0.60 408	0.34 362	0.25 343	0.42 370	0.48 353	0.45 378	0.58 383	0.42 362	0.36 366	0.35 363	0.25 327	0.12 319	0.20 378	0.14 341	0.16 357	0.19 371	0.33 396

JetBlue	0.71 401	0.45 394	1.14 412	0.51 397	0.47 398	2.02 423	0.64 410	0.75 402	0.70 391	0.69 393	0.77 398	1.22 409	0.83 407	1.03 419	1.01 419	0.40 397	0.28 392	0.33 390	0.33 392	0.30 390	0.34 397

ACVNet_2	0.66 400	0.66 404	0.68 395	0.63 401	0.41 394	0.71 400	0.49 400	0.96 411	1.39 415	0.89 406	1.09 411	1.04 403	0.73 403	0.54 394	0.47 393	0.43 400	0.40 398	0.53 402	0.44 398	0.47 397	0.35 398

IMH-64-1	0.65 398	0.61 400	0.68 395	0.71 403	0.51 399	0.59 390	0.49 400	0.91 407	0.85 400	0.74 400	1.02 408	0.81 399	0.78 405	0.79 404	0.49 395	0.42 398	0.46 399	0.71 405	0.47 399	0.52 399	0.39 399

IMH-64	0.65 398	0.61 400	0.68 395	0.71 403	0.51 399	0.59 390	0.49 400	0.91 407	0.85 400	0.74 400	1.02 408	0.81 399	0.78 405	0.79 404	0.49 395	0.42 398	0.46 399	0.71 405	0.47 399	0.52 399	0.39 399

RainbowNet	0.54 394	0.61 400	0.70 399	0.57 400	0.43 396	0.65 395	0.37 391	0.60 397	0.87 402	0.50 382	0.66 386	0.64 390	0.47 385	0.49 386	0.43 391	0.47 402	0.48 404	0.52 401	0.41 396	0.52 399	0.40 401

IMH	0.71 401	0.64 403	0.68 395	0.76 405	0.54 401	0.69 398	0.54 404	0.98 413	1.10 408	0.82 404	1.09 411	0.89 401	0.88 410	0.87 412	0.52 400	0.44 401	0.50 408	0.75 408	0.51 404	0.56 404	0.41 402

PWCK	0.71 401	0.94 416	0.95 408	0.76 405	0.31 392	0.74 402	0.36 388	0.90 406	0.90 403	0.96 409	0.75 397	0.95 402	0.61 397	0.87 412	0.66 406	0.72 412	0.46 399	0.75 408	0.49 401	0.69 411	0.44 403

TorneroNet-64	0.76 405	0.72 407	0.74 400	0.78 407	0.58 407	0.91 413	0.56 405	0.84 405	1.29 412	0.66 390	0.90 402	1.40 415	0.75 404	0.85 410	0.67 409	0.49 403	0.46 399	0.72 407	0.59 407	0.67 408	0.53 404

anonymity	0.53 393	0.58 398	0.65 387	0.41 390	0.61 409	0.53 386	0.41 393	0.56 393	0.41 328	0.55 386	0.50 370	0.49 379	0.55 393	0.58 397	0.50 398	0.58 407	0.50 408	0.51 399	0.51 404	0.51 398	0.57 405

WAO-7	0.79 406	0.78 409	0.54 376	0.85 411	0.67 412	0.74 402	0.68 414	1.05 416	1.32 413	0.90 407	1.20 418	1.04 403	0.92 411	0.69 401	0.66 406	0.60 409	0.62 418	0.67 404	0.68 412	0.64 405	0.58 406

WAO-6	0.81 407	0.80 410	0.62 385	0.86 412	0.63 410	0.76 406	0.58 407	0.98 413	1.54 420	0.90 407	0.96 407	1.07 405	1.03 415	0.70 402	0.66 406	0.72 412	0.49 406	0.90 415	0.71 413	0.68 409	0.58 406

Dean	0.87 410	0.86 414	0.79 403	0.81 409	0.56 404	0.90 410	0.63 408	1.15 421	1.73 421	1.15 416	1.15 416	1.31 412	0.99 414	0.81 406	0.81 415	0.57 406	0.56 415	0.77 411	0.64 410	0.66 407	0.58 406

SPS-STEREO	0.57 396	0.58 398	0.65 387	0.45 393	0.55 403	0.62 393	0.44 399	0.62 398	0.50 360	0.68 392	0.64 385	0.66 393	0.57 395	0.61 398	0.60 403	0.62 410	0.47 403	0.51 399	0.49 401	0.55 403	0.58 406
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.56 395	0.57 397	0.65 387	0.40 388	0.54 401	0.66 397	0.49 400	0.56 393	0.45 350	0.66 390	0.69 389	0.67 394	0.56 394	0.63 399	0.56 401	0.59 408	0.48 404	0.50 398	0.50 403	0.52 399	0.58 406

LVE	0.83 409	0.85 413	0.85 406	0.80 408	0.56 404	1.04 419	0.65 411	1.05 416	1.47 418	0.96 409	1.22 419	1.10 406	0.85 408	0.83 407	0.71 411	0.49 403	0.55 414	0.76 410	0.60 409	0.65 406	0.59 411

WAO-8	0.91 411	0.81 411	0.65 387	0.94 415	0.69 413	0.90 410	0.67 412	1.07 418	1.83 423	1.06 414	1.45 421	1.30 410	1.07 416	0.84 408	0.78 412	0.74 414	0.53 411	0.86 413	0.75 414	0.69 411	0.62 412

Venus	0.91 411	0.81 411	0.65 387	0.94 415	0.69 413	0.90 410	0.67 412	1.07 418	1.83 423	1.06 414	1.45 421	1.30 410	1.07 416	0.84 408	0.78 412	0.74 414	0.53 411	0.86 413	0.75 414	0.69 411	0.62 412

TorneroNet	0.82 408	0.74 408	0.81 405	0.84 410	0.63 410	0.99 415	0.63 408	0.96 411	1.16 409	0.80 403	1.11 413	1.36 414	0.86 409	0.93 415	0.80 414	0.56 405	0.49 406	0.78 412	0.66 411	0.73 414	0.63 414

MFMNet_re	0.64 397	0.66 404	0.65 387	0.51 397	0.69 413	0.69 398	0.57 406	0.64 399	0.73 396	0.60 388	0.73 393	0.62 389	0.67 401	0.65 400	0.60 403	0.66 411	0.58 417	0.63 403	0.59 407	0.68 409	0.69 415

UNDER WATER-64	0.95 413	0.94 416	1.43 416	0.87 413	0.56 404	1.18 422	0.87 418	0.77 403	0.94 404	1.04 412	0.85 401	1.58 420	1.21 421	0.94 416	0.96 417	0.87 418	0.57 416	1.03 418	0.88 419	0.78 416	0.73 416

UNDER WATER	0.97 414	0.97 418	1.42 415	0.99 417	0.70 416	1.12 421	0.84 417	0.80 404	1.08 407	1.01 411	0.90 402	1.55 419	1.22 422	1.03 419	1.00 418	0.78 416	0.53 411	1.02 417	0.87 418	0.80 417	0.74 417

ktn	1.01 416	1.21 421	0.80 404	1.23 422	0.86 419	1.01 417	0.87 418	0.94 410	1.39 415	1.04 412	1.12 414	1.15 407	1.07 416	0.94 416	0.59 402	1.28 424	0.71 421	1.38 424	0.83 417	1.02 421	0.75 418

SPstereo	13.84 437	0.93 415	1.50 417	1.22 421	0.88 420	28.82 440	48.26 440	26.77 447	29.54 446	22.37 445	22.60 444	23.23 445	24.68 445	24.53 445	15.06 437	0.88 419	0.69 420	1.83 426	1.60 426	0.74 415	0.77 419

notaker	0.97 414	1.11 419	0.98 409	1.13 419	0.81 417	0.73 401	0.68 414	0.93 409	1.16 409	1.18 418	1.18 417	1.41 416	1.16 420	1.08 421	0.69 410	0.81 417	0.64 419	1.17 420	0.79 416	0.98 419	0.80 420

HanzoNet	1.29 419	1.26 423	1.19 413	1.12 418	0.85 418	1.02 418	0.83 416	1.03 415	1.48 419	1.64 421	1.61 423	2.50 425	1.72 423	1.61 423	1.61 422	1.26 423	0.80 422	1.31 423	1.01 421	1.02 421	0.86 421

KSHMR	1.09 417	1.17 420	0.88 407	1.25 423	1.00 422	0.99 415	0.96 420	1.13 420	1.37 414	1.16 417	1.29 420	1.41 416	0.96 413	1.01 418	0.92 416	1.03 421	1.08 423	1.20 421	1.03 422	1.01 420	0.97 422

JetRed	1.62 420	1.46 424	2.98 420	0.92 414	1.21 423	4.99 425	1.53 425	1.27 423	1.39 415	1.83 422	1.74 424	1.60 421	0.95 412	1.41 422	2.45 425	0.90 420	1.60 425	0.93 416	0.90 420	1.35 423	0.99 423

DPSimNet_ROB	1.11 418	1.23 422	0.78 401	1.13 419	0.88 420	1.10 420	1.13 422	1.16 422	1.23 411	1.43 420	1.02 408	1.41 416	1.10 419	0.90 414	1.60 421	1.46 425	0.51 410	1.21 422	1.03 422	0.90 418	1.01 424

tt	4.67 424	0.06 22	3.55 423	2.02 426	1.55 424	10.25 430	16.71 429	8.91 433	5.03 426	1.31 419	0.94 405	4.71 426	4.76 426	3.33 426	5.87 428	6.06 433	10.30 437	1.88 427	2.11 428	2.75 426	1.21 425

ASD4	3.54 423	3.38 427	2.05 419	1.72 424	2.51 427	9.03 429	17.71 430	2.25 424	5.51 427	2.46 424	2.81 426	2.03 422	3.36 425	2.73 425	5.06 426	1.22 422	1.34 424	1.13 419	1.33 424	1.68 424	1.49 426

MADNet++	1.95 421	1.75 425	1.59 418	1.82 425	1.69 425	2.33 424	1.40 424	2.35 425	2.09 425	2.57 425	2.36 425	2.24 424	2.17 424	2.28 424	2.34 424	1.87 426	1.66 426	1.54 425	1.34 425	1.92 425	1.77 427

PML	8.91 431	9.34 436	6.13 425	5.35 430	6.41 431	14.99 432	23.38 436	5.27 426	6.83 428	18.04 437	28.19 446	7.67 429	6.83 428	7.85 430	5.75 427	5.35 432	1.83 427	5.95 436	1.93 427	8.64 434	2.52 428

xxxxx1	7.79 425	5.02 430	7.31 427	3.12 427	3.85 428	16.35 433	22.88 431	5.86 430	8.69 429	7.97 429	8.54 427	9.12 431	8.27 429	10.18 431	10.92 429	2.42 427	2.45 428	3.56 430	12.37 434	3.77 427	3.06 429

tt_ll	7.79 425	5.02 430	7.31 427	3.12 427	3.85 428	16.35 433	22.88 431	5.86 430	8.69 429	7.97 429	8.54 427	9.12 431	8.27 429	10.18 431	10.92 429	2.42 427	2.45 428	3.56 430	12.37 434	3.77 427	3.06 429

ff	7.79 425	5.02 430	7.31 427	3.12 427	3.85 428	16.35 433	22.88 431	5.86 430	8.69 429	7.97 429	8.54 427	9.12 431	8.27 429	10.18 431	10.92 429	2.42 427	2.45 428	3.56 430	12.37 434	3.77 427	3.06 429

Anonymous_1	10.96 434	7.92 433	7.46 430	10.33 433	10.06 432	18.65 437	26.34 437	11.06 434	13.44 435	9.40 432	10.05 432	9.67 434	11.23 434	10.73 434	12.72 434	6.42 434	8.38 434	5.77 433	10.61 433	12.12 435	6.77 432

DPSMNet_ROB	8.06 429	4.48 428	8.63 433	5.37 432	10.74 434	8.32 427	22.98 435	5.46 427	13.36 434	5.12 427	9.92 430	5.08 427	10.40 432	5.53 429	12.58 432	3.80 431	8.00 432	3.50 428	7.02 431	3.83 430	7.14 433

DGTPSM_ROB	8.06 429	4.48 428	8.63 433	5.35 430	10.72 433	8.32 427	22.97 434	5.46 427	13.35 433	5.12 427	9.92 430	5.08 427	10.40 432	5.52 428	12.58 432	3.79 430	8.00 432	3.50 428	7.02 431	3.83 430	7.14 433

DPSM_ROB	11.15 435	8.58 434	8.00 431	10.88 434	11.58 435	19.10 438	26.71 438	12.05 435	14.07 436	10.36 433	10.84 433	10.33 435	11.86 435	11.70 435	13.54 435	6.99 435	8.79 435	5.89 434	6.95 429	7.29 432	7.42 435

DPSM	11.15 435	8.58 434	8.00 431	10.88 434	11.58 435	19.10 438	26.71 438	12.05 435	14.07 436	10.36 433	10.84 433	10.33 435	11.86 435	11.70 435	13.54 435	6.99 435	8.79 435	5.89 434	6.95 429	7.29 432	7.42 435

MyStereo03	22.45 441	17.33 439	16.21 437	21.95 439	23.27 440	38.32 441	53.79 442	24.21 441	28.46 442	20.87 442	21.85 441	20.80 439	23.87 439	23.46 440	27.40 443	14.08 438	17.71 442	11.82 437	14.03 439	14.65 436	14.89 437

MyStereo02	22.45 441	17.33 439	16.21 437	21.95 439	23.27 440	38.32 441	53.79 442	24.21 441	28.46 442	20.87 442	21.85 441	20.80 439	23.87 439	23.46 440	27.40 443	14.08 438	17.71 442	11.82 437	14.03 439	14.65 436	14.89 437

MyStereo	22.45 441	17.33 439	16.21 437	21.95 439	23.27 440	38.32 441	53.79 442	24.21 441	28.46 442	20.87 442	21.85 441	20.80 439	23.87 439	23.46 440	27.40 443	14.08 438	17.71 442	11.82 437	14.03 439	14.65 436	14.89 437

LSM0	22.87 445	17.28 438	18.96 440	22.19 444	29.04 446	38.42 446	53.71 441	24.28 444	28.31 440	20.78 441	21.00 438	21.43 444	24.16 444	23.50 443	27.39 442	14.09 442	17.38 439	11.84 442	14.04 442	14.73 441	14.89 437

CasAABBNet	22.42 440	17.33 439	16.01 435	22.01 442	23.28 443	38.32 441	53.80 445	24.14 440	28.41 441	20.60 439	21.77 439	20.89 443	23.91 443	23.43 439	27.36 441	14.07 437	17.69 440	11.83 441	14.01 438	14.67 439	14.95 441

Selective-RAFT-Error	22.47 444	17.37 443	16.09 436	22.06 443	23.34 444	38.39 445	53.83 446	24.29 445	28.47 445	20.74 440	21.83 440	20.81 442	23.90 442	23.54 444	27.53 446	14.08 438	17.69 440	11.82 437	14.00 437	14.69 440	15.00 442

LRCNet_RVC	10.62 433	13.42 437	7.30 426	18.92 437	2.07 426	0.33 359	0.30 377	5.59 429	0.48 353	13.03 435	17.94 436	8.87 430	5.65 427	4.79 427	1.89 423	23.51 444	2.73 431	27.55 445	25.71 445	16.07 442	16.33 443

HaxPig	15.71 438	18.52 444	19.18 441	16.89 436	15.89 438	7.73 426	7.60 426	13.31 437	10.82 432	15.42 436	14.91 435	15.98 437	14.92 437	15.58 437	15.98 438	18.95 443	16.73 438	19.46 443	18.08 443	19.26 443	19.05 444

MEDIAN_ROB	20.38 439	24.04 445	23.31 443	21.23 438	21.71 439	10.40 431	7.92 427	17.64 438	15.50 438	20.12 438	19.70 437	20.34 438	20.32 438	21.19 438	21.13 439	23.81 445	21.81 445	24.98 444	23.76 444	24.71 444	23.93 445

AVERAGE_ROB	24.90 446	29.20 446	28.14 444	24.89 445	24.64 445	17.75 436	11.12 428	21.45 439	19.93 439	25.12 446	24.46 445	25.12 446	25.46 446	24.69 446	22.83 440	29.76 446	27.13 446	28.97 446	27.95 446	29.91 445	29.47 446

test_example2	98.32 447	94.13 447	45.89 445	96.35 446	109.85 447	88.61 447	95.45 447	25.75 446	94.37 447	130.00 447	126.06 447	58.17 447	74.63 447	88.51 447	79.96 447	150.23 447	221.02 447	77.62 447	99.10 447	113.75 447	96.94 447

Low-res two-view benchmark