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

CroCo-Stereo	0.26 5	0.22 133	0.36 38	0.48 261	0.22 44	0.20 1	0.29 61	0.51 19	0.44 54	0.28 4	0.23 1	0.42 53	0.26 20	0.29 1	0.26 27	0.15 81	0.13 156	0.13 11	0.11 18	0.16 112	0.12 35
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
Selective-IGEV	0.24 2	0.18 36	0.35 33	0.35 30	0.19 11	0.27 27	0.25 35	0.55 31	0.23 2	0.27 2	0.25 2	0.34 23	0.19 2	0.58 111	0.22 1	0.12 4	0.10 9	0.14 19	0.11 18	0.12 9	0.10 4

MoCha-V2	0.23 1	0.18 36	0.31 14	0.64 352	0.17 4	0.21 4	0.24 27	0.40 4	0.22 1	0.30 8	0.26 3	0.30 5	0.25 13	0.30 3	0.22 1	0.12 4	0.10 9	0.12 2	0.10 11	0.13 21	0.09 1

StereoIM	0.26 5	0.18 36	0.36 38	0.36 38	0.26 153	0.27 27	0.27 47	0.43 7	0.35 18	0.27 2	0.26 3	0.41 47	0.28 36	0.40 19	0.28 46	0.16 115	0.14 183	0.16 64	0.13 53	0.14 48	0.12 35

EGLCR-Stereo	0.25 4	0.16 9	0.33 23	0.34 12	0.20 22	0.35 81	0.20 1	0.52 22	0.36 23	0.28 4	0.27 5	0.41 47	0.18 1	0.45 34	0.26 27	0.14 33	0.10 9	0.16 64	0.14 76	0.13 21	0.11 11

CroCo-Stereo Lap2	0.28 11	0.24 186	0.39 74	0.50 290	0.29 219	0.20 1	0.31 91	0.49 15	0.38 37	0.24 1	0.27 5	0.46 71	0.31 61	0.39 16	0.30 63	0.14 33	0.15 208	0.16 64	0.13 53	0.16 112	0.15 111

IGEVStereo-DCA	0.29 16	0.22 133	0.38 57	0.35 30	0.27 177	0.37 89	0.35 140	0.62 61	0.34 11	0.38 24	0.30 7	0.35 29	0.27 27	0.51 60	0.22 1	0.15 81	0.12 101	0.16 64	0.12 32	0.13 21	0.15 111

rrr	0.29 16	0.22 133	0.41 86	0.35 30	0.27 177	0.37 89	0.32 107	0.52 22	0.42 48	0.38 24	0.30 7	0.35 29	0.27 27	0.51 60	0.22 1	0.15 81	0.12 101	0.16 64	0.13 53	0.13 21	0.14 92

ProNet	0.29 16	0.21 106	0.38 57	0.35 30	0.24 90	0.32 66	0.43 236	0.57 35	0.37 33	0.33 16	0.30 7	0.32 12	0.28 36	0.57 94	0.26 27	0.13 13	0.11 59	0.16 64	0.13 53	0.13 21	0.13 60

test_xeample3	0.29 16	0.21 106	0.41 86	0.35 30	0.26 153	0.35 81	0.32 107	0.56 32	0.36 23	0.43 44	0.32 10	0.34 23	0.28 36	0.54 74	0.23 5	0.14 33	0.11 59	0.16 64	0.12 32	0.14 48	0.13 60

ff7	0.29 16	0.21 106	0.38 57	0.36 38	0.26 153	0.31 56	0.35 140	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 111	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

ffff	0.29 16	0.21 106	0.38 57	0.36 38	0.26 153	0.31 56	0.35 140	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 111	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

11t	0.29 16	0.21 106	0.38 57	0.36 38	0.26 153	0.31 56	0.35 140	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 111	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

anonymousdsp	0.29 16	0.21 106	0.38 57	0.37 47	0.25 116	0.30 46	0.35 140	0.63 66	0.35 18	0.39 32	0.33 11	0.33 20	0.28 36	0.59 125	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

ccc-4	0.29 16	0.21 106	0.38 57	0.36 38	0.26 153	0.31 56	0.35 140	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 111	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

IGEV-Stereo	0.29 16	0.21 106	0.38 57	0.37 47	0.25 116	0.30 46	0.35 140	0.63 66	0.35 18	0.39 32	0.33 11	0.33 20	0.28 36	0.59 125	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
MyStereo07	0.32 32	0.22 133	0.34 30	0.42 174	0.28 196	0.40 107	0.50 268	0.72 137	0.37 33	0.37 20	0.34 17	0.32 12	0.31 61	0.59 125	0.27 36	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.16 150

LargeStereo	0.24 2	0.17 20	0.31 14	0.38 68	0.22 44	0.24 8	0.22 8	0.50 18	0.23 2	0.28 4	0.35 18	0.30 5	0.22 6	0.31 4	0.28 46	0.14 33	0.10 9	0.13 11	0.10 11	0.13 21	0.13 60

Former-RAFT_DAM_RVC	0.34 39	0.27 232	0.45 135	0.36 38	0.25 116	0.48 142	0.30 74	0.58 39	0.90 229	0.42 41	0.36 19	0.30 5	0.29 46	0.49 54	0.30 63	0.16 115	0.14 183	0.18 123	0.15 98	0.18 163	0.15 111

Selective-RAFT	0.35 51	0.23 150	0.51 206	0.44 207	0.21 31	0.64 228	0.27 47	0.59 41	0.63 101	0.40 35	0.38 20	0.55 98	0.40 113	0.57 94	0.35 115	0.13 13	0.11 59	0.14 19	0.12 32	0.16 112	0.13 60

TRStereo	0.37 84	0.27 232	0.59 239	0.47 256	0.41 313	0.29 39	0.30 74	0.84 179	0.59 87	0.52 64	0.41 21	0.52 87	0.26 20	0.73 212	0.27 36	0.17 148	0.12 101	0.19 160	0.19 214	0.13 21	0.11 11

Anonymous	0.39 113	0.27 232	0.66 272	0.53 318	0.43 324	0.55 169	0.49 264	0.63 66	0.50 65	0.37 20	0.42 22	0.33 20	0.42 120	0.56 84	0.38 151	0.20 227	0.19 274	0.17 89	0.18 189	0.30 299	0.24 269

test-3	0.34 39	0.16 9	0.43 114	0.39 89	0.21 31	0.43 127	0.22 8	0.63 66	0.78 169	0.71 146	0.45 23	0.64 150	0.27 27	0.43 27	0.31 70	0.12 4	0.09 2	0.17 89	0.13 53	0.12 9	0.10 4

test_1	0.34 39	0.16 9	0.43 114	0.39 89	0.21 31	0.43 127	0.23 19	0.63 66	0.78 169	0.68 129	0.45 23	0.64 150	0.27 27	0.43 27	0.31 70	0.12 4	0.09 2	0.17 89	0.13 53	0.12 9	0.10 4

test_3	0.36 69	0.19 52	0.44 124	0.44 207	0.23 72	0.48 142	0.36 158	0.66 86	0.82 184	0.64 104	0.45 23	0.68 171	0.25 13	0.41 22	0.31 70	0.12 4	0.10 9	0.18 123	0.16 127	0.15 81	0.11 11

tt1	0.36 69	0.24 186	0.32 20	0.41 137	0.22 44	0.54 164	0.38 190	0.68 105	1.04 292	0.41 36	0.46 26	0.35 29	0.45 139	0.57 94	0.25 10	0.16 115	0.10 9	0.19 160	0.13 53	0.16 112	0.16 150

MIF-Stereo	0.27 7	0.17 20	0.37 48	0.40 113	0.27 177	0.30 46	0.28 54	0.39 2	0.31 7	0.29 7	0.46 26	0.27 2	0.25 13	0.47 48	0.34 100	0.17 148	0.13 156	0.13 11	0.12 32	0.14 48	0.12 35

AEACV	0.27 7	0.17 20	0.31 14	0.34 12	0.45 335	0.26 19	0.28 54	0.37 1	0.32 9	0.30 8	0.46 26	0.31 10	0.37 93	0.36 7	0.24 7	0.14 33	0.10 9	0.15 45	0.12 32	0.13 21	0.11 11

sAnonymous2	0.40 125	0.39 305	0.85 318	0.48 261	0.37 288	0.40 107	0.46 247	0.57 35	0.52 69	0.38 24	0.46 26	0.35 29	0.42 120	0.43 27	0.30 63	0.19 205	0.14 183	0.18 123	0.17 167	0.57 374	0.44 359

CroCo_RVC	0.40 125	0.39 305	0.85 318	0.48 261	0.37 288	0.40 107	0.46 247	0.57 35	0.52 69	0.38 24	0.46 26	0.35 29	0.42 120	0.43 27	0.30 63	0.19 205	0.14 183	0.18 123	0.17 167	0.57 374	0.44 359

GLC_STEREO	0.29 16	0.19 52	0.27 9	0.44 207	0.19 11	0.31 56	0.26 41	0.47 11	0.43 50	0.37 20	0.47 31	0.41 47	0.23 8	0.50 56	0.34 100	0.14 33	0.18 260	0.19 160	0.16 127	0.16 112	0.13 60

CES	0.28 11	0.14 2	0.23 1	0.30 5	0.70 376	0.37 89	0.27 47	0.48 13	0.46 59	0.34 17	0.48 32	0.27 2	0.22 6	0.39 16	0.23 5	0.13 13	0.11 59	0.12 2	0.08 1	0.13 21	0.17 167

sCroCo_RVC	0.35 51	0.28 246	0.69 285	0.51 302	0.39 301	0.41 120	0.31 91	0.49 15	0.45 58	0.31 10	0.48 32	0.38 40	0.32 65	0.46 41	0.32 78	0.21 241	0.22 295	0.19 160	0.19 214	0.21 228	0.20 230

AnonymousM	0.41 136	0.81 373	0.29 11	0.34 12	0.22 44	0.28 35	0.38 190	0.53 30	0.41 44	0.70 140	0.49 34	0.47 73	0.27 27	0.41 22	0.31 70	0.15 81	0.12 101	1.51 393	0.26 312	0.12 9	0.10 4

ACVNet-DCA	0.35 51	0.23 150	0.33 23	0.41 137	0.22 44	0.55 169	0.38 190	0.85 182	0.54 76	0.41 36	0.50 35	0.34 23	0.49 152	0.57 94	0.25 10	0.16 115	0.10 9	0.19 160	0.13 53	0.18 163	0.17 167

xx1	0.39 113	0.23 150	0.33 23	0.41 137	0.22 44	0.55 169	0.38 190	0.67 96	1.06 304	0.41 36	0.50 35	0.65 160	0.53 170	0.57 94	0.25 10	0.16 115	0.10 9	0.20 184	0.19 214	0.18 163	0.17 167

1test111	0.36 69	0.23 150	0.33 23	0.41 137	0.22 44	0.55 169	0.38 190	0.85 182	0.54 76	0.41 36	0.50 35	0.34 23	0.49 152	0.55 76	0.45 193	0.16 115	0.10 9	0.19 160	0.13 53	0.18 163	0.17 167

cc1	0.37 84	0.23 150	0.33 23	0.41 137	0.22 44	0.55 169	0.38 190	0.67 96	1.06 304	0.41 36	0.50 35	0.34 23	0.49 152	0.57 94	0.25 10	0.16 115	0.10 9	0.19 160	0.13 53	0.16 112	0.15 111

anonymousdsp2	0.35 51	0.20 74	0.43 114	0.37 47	0.24 90	0.48 142	0.31 91	0.86 185	0.65 113	0.55 71	0.50 35	0.50 82	0.34 79	0.56 84	0.31 70	0.14 33	0.10 9	0.14 19	0.10 11	0.16 112	0.14 92

panet	0.27 7	0.14 2	0.23 1	0.28 2	0.15 1	0.37 89	0.23 19	0.52 22	0.72 135	0.42 41	0.51 40	0.34 23	0.26 20	0.39 16	0.25 10	0.15 81	0.11 59	0.12 2	0.08 1	0.11 1	0.10 4

MGS-Stereo	0.28 11	0.19 52	0.40 81	0.36 38	0.23 72	0.37 89	0.30 74	0.39 2	0.44 54	0.31 10	0.51 40	0.40 44	0.24 11	0.43 27	0.26 27	0.15 81	0.12 101	0.15 45	0.13 53	0.14 48	0.13 60

LL-Strereo2	0.35 51	0.24 186	0.48 177	0.41 137	0.26 153	0.35 81	0.24 27	0.67 96	0.44 54	0.54 69	0.51 40	0.66 165	0.25 13	0.66 173	0.30 63	0.14 33	0.12 101	0.23 250	0.20 236	0.18 163	0.13 60

LoS_RVC	0.27 7	0.16 9	0.27 9	0.32 9	0.30 229	0.44 131	0.34 123	0.41 6	0.33 10	0.31 10	0.51 40	0.29 4	0.32 65	0.36 7	0.28 46	0.11 1	0.10 9	0.11 1	0.08 1	0.11 1	0.19 210

GMStereo	0.39 113	0.37 292	0.54 220	0.40 113	0.26 153	0.42 125	0.36 158	0.59 41	1.04 292	0.55 71	0.51 40	0.37 36	0.35 81	0.54 74	0.41 165	0.19 205	0.13 156	0.16 64	0.17 167	0.24 263	0.18 182
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CREStereo	0.28 11	0.15 4	0.24 4	0.27 1	0.17 4	0.37 89	0.25 35	0.51 19	0.72 135	0.42 41	0.51 40	0.32 12	0.26 20	0.38 14	0.25 10	0.16 115	0.11 59	0.12 2	0.08 1	0.12 9	0.11 11
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
CAS	0.34 39	0.13 1	0.25 7	1.28 394	0.30 229	0.46 138	0.38 190	0.48 13	0.47 62	0.34 17	0.52 46	0.24 1	0.19 2	0.29 1	0.27 36	0.69 385	0.08 1	0.12 2	0.08 1	0.12 9	0.15 111

LoS	0.29 16	0.15 4	0.30 12	0.29 3	0.18 9	0.33 70	0.29 61	0.51 19	0.72 135	0.34 17	0.52 46	0.41 47	0.28 36	0.47 48	0.28 46	0.15 81	0.11 59	0.13 11	0.09 7	0.11 1	0.11 11

11t1	0.36 69	0.21 106	0.42 105	0.35 30	0.22 44	0.62 213	0.29 61	0.69 114	0.43 50	0.60 82	0.53 48	0.53 91	0.48 149	0.56 84	0.40 162	0.18 176	0.14 183	0.16 64	0.13 53	0.17 145	0.17 167

iRaft-Stereo_20w	0.39 113	0.19 52	0.57 234	0.37 47	0.27 177	0.31 56	0.24 27	1.44 363	0.29 4	0.69 134	0.53 48	0.60 132	0.42 120	0.83 253	0.27 36	0.14 33	0.11 59	0.14 19	0.13 53	0.15 81	0.13 60

MyStereo06	0.38 99	0.21 106	0.61 246	0.41 137	0.28 196	0.41 120	0.50 268	0.95 220	0.35 18	0.62 88	0.54 50	0.76 214	0.27 27	0.50 56	0.29 58	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.15 111

CASnet	0.30 28	0.20 74	0.33 23	0.41 137	0.16 3	0.26 19	0.24 27	0.52 22	0.53 72	0.52 64	0.54 50	0.39 41	0.24 11	0.40 19	0.26 27	0.14 33	0.10 9	0.22 236	0.18 189	0.18 163	0.11 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
4D-IteraStereo	0.33 38	0.18 36	0.40 81	0.40 113	0.24 90	0.32 66	0.27 47	0.58 39	0.72 135	0.65 111	0.54 50	0.42 53	0.23 8	0.45 34	0.28 46	0.14 33	0.09 2	0.19 160	0.16 127	0.16 112	0.11 11

CFNet-RSSM	0.34 39	0.17 20	0.45 135	0.39 89	0.22 44	0.35 81	0.23 19	0.73 144	0.84 192	0.65 111	0.54 50	0.57 105	0.28 36	0.46 41	0.26 27	0.13 13	0.10 9	0.14 19	0.12 32	0.13 21	0.11 11

PMTNet	0.32 32	0.16 9	0.24 4	0.29 3	0.18 9	0.45 136	0.22 8	0.56 32	0.63 101	0.46 51	0.54 50	0.39 41	0.34 79	0.48 53	0.24 7	0.75 387	0.10 9	0.12 2	0.08 1	0.12 9	0.11 11

AE-Stereo	0.34 39	0.21 106	0.42 105	0.48 261	0.31 246	0.48 142	0.35 140	0.61 57	0.62 91	0.32 15	0.55 55	0.52 87	0.27 27	0.47 48	0.29 58	0.13 13	0.13 156	0.18 123	0.16 127	0.15 81	0.12 35

raftrobust	0.34 39	0.19 52	0.36 38	0.41 137	0.27 177	0.30 46	0.25 35	0.71 133	0.63 101	0.58 76	0.55 55	0.45 65	0.46 142	0.51 60	0.29 58	0.16 115	0.12 101	0.14 19	0.12 32	0.12 9	0.13 60

riskmin	0.38 99	0.20 74	0.39 74	0.32 9	0.23 72	0.53 160	0.30 74	0.63 66	0.80 177	0.49 56	0.56 57	0.73 201	0.58 198	0.55 76	0.36 131	0.17 148	0.11 59	0.19 160	0.13 53	0.19 197	0.20 230

IGEV_Zeroshot_test	0.34 39	0.18 36	0.67 276	0.39 89	0.28 196	0.30 46	0.25 35	0.74 146	0.31 7	0.62 88	0.57 58	0.54 95	0.25 13	0.53 71	0.27 36	0.14 33	0.10 9	0.15 45	0.14 76	0.14 48	0.12 35

HH	0.35 51	0.20 74	0.47 161	0.40 113	0.25 116	0.33 70	0.31 91	0.76 157	0.38 37	0.43 44	0.57 58	0.79 222	0.44 135	0.71 202	0.25 10	0.15 81	0.11 59	0.15 45	0.14 76	0.14 48	0.12 35

HanStereo	0.35 51	0.20 74	0.47 161	0.40 113	0.25 116	0.33 70	0.31 91	0.76 157	0.38 37	0.43 44	0.57 58	0.79 222	0.44 135	0.71 202	0.25 10	0.15 81	0.11 59	0.15 45	0.14 76	0.14 48	0.12 35

s12784h	0.36 69	0.15 4	0.24 4	0.34 12	0.15 1	0.77 262	0.29 61	0.80 171	0.83 189	0.56 73	0.57 58	0.43 59	0.40 113	0.57 94	0.33 90	0.12 4	0.10 9	0.14 19	0.09 7	0.14 48	0.09 1

MyStereo04	0.44 154	0.22 133	0.44 124	0.42 174	0.28 196	0.40 107	0.50 268	1.00 234	1.08 313	0.62 88	0.58 62	0.55 98	0.57 191	0.71 202	0.44 187	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.16 150

Gwc-CoAtRS	0.34 39	0.17 20	0.44 124	0.39 89	0.23 72	0.34 76	0.22 8	0.70 128	0.75 149	0.60 82	0.59 63	0.58 113	0.29 46	0.45 34	0.26 27	0.14 33	0.11 59	0.14 19	0.12 32	0.12 9	0.12 35

Anonymous_2	0.82 322	0.44 320	0.63 257	0.40 113	0.43 324	0.80 272	0.52 285	0.72 137	0.77 162	0.71 146	0.60 64	0.87 247	0.76 284	0.75 223	0.58 242	0.52 375	0.54 388	0.54 375	4.82 424	0.56 372	0.40 348

UDGNet	0.48 188	0.77 370	0.50 199	0.48 261	0.31 246	0.41 120	0.34 123	0.70 128	0.92 239	0.65 111	0.60 64	0.58 113	0.43 127	0.63 154	0.41 165	0.32 333	0.15 208	0.66 381	0.19 214	0.36 329	0.21 243

MIPNet	0.37 84	0.21 106	0.59 239	0.39 89	0.25 116	0.50 147	0.28 54	0.77 160	0.70 124	0.65 111	0.60 64	0.40 44	0.49 152	0.44 33	0.37 143	0.14 33	0.11 59	0.16 64	0.13 53	0.14 48	0.13 60

MyStereo05	0.44 154	0.21 106	0.45 135	0.41 137	0.28 196	0.41 120	0.50 268	0.93 210	1.09 315	0.76 178	0.61 67	0.51 85	0.57 191	0.73 212	0.42 169	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.15 111

MC-Stereo	0.28 11	0.17 20	0.32 20	0.38 68	0.20 22	0.26 19	0.26 41	0.49 15	0.37 33	0.37 20	0.61 67	0.41 47	0.31 61	0.55 76	0.25 10	0.13 13	0.09 2	0.14 19	0.12 32	0.12 9	0.11 11

MIF-Stereo (partial)	0.31 30	0.18 36	0.37 48	0.41 137	0.31 246	0.28 35	0.23 19	0.47 11	0.42 48	0.31 10	0.63 69	0.36 34	0.35 81	0.57 94	0.31 70	0.17 148	0.13 156	0.19 160	0.17 167	0.18 163	0.14 92

EKT-Stereo	0.35 51	0.23 150	0.39 74	0.43 192	0.29 219	0.38 103	0.31 91	0.69 114	0.64 108	0.45 49	0.63 69	0.49 81	0.27 27	0.56 84	0.33 90	0.18 176	0.14 183	0.18 123	0.15 98	0.16 112	0.16 150

NRIStereo	0.36 69	0.20 74	0.45 135	0.41 137	0.23 72	0.34 76	0.26 41	0.65 77	0.55 80	0.64 104	0.63 69	0.56 100	0.37 93	0.65 168	0.37 143	0.15 81	0.11 59	0.18 123	0.15 98	0.17 145	0.14 92

MSKI-zero shot	0.32 32	0.17 20	0.34 30	0.39 89	0.21 31	0.32 66	0.22 8	0.61 57	0.43 50	0.52 64	0.64 72	0.61 136	0.20 4	0.74 219	0.25 10	0.14 33	0.10 9	0.14 19	0.10 11	0.12 9	0.12 35

OMP-Stereo	0.42 142	0.22 133	0.46 151	0.52 313	0.24 90	0.36 87	0.25 35	0.71 133	0.78 169	0.77 183	0.64 72	0.89 256	0.39 108	0.91 285	0.35 115	0.15 81	0.12 101	0.20 184	0.15 98	0.15 81	0.12 35

RCA-Stereo	0.35 51	0.17 20	0.34 30	0.38 68	0.22 44	0.31 56	0.34 123	0.68 105	1.24 338	0.45 49	0.65 74	0.47 73	0.43 127	0.38 14	0.27 36	0.13 13	0.10 9	0.14 19	0.11 18	0.11 1	0.11 11

dd	0.43 148	0.38 301	0.55 225	0.44 207	0.25 116	0.47 140	0.38 190	0.70 128	1.05 297	0.59 78	0.65 74	0.42 53	0.39 108	0.66 173	0.50 214	0.24 273	0.15 208	0.21 224	0.15 98	0.22 244	0.18 182

Anonymous3	0.46 170	0.34 280	0.86 323	0.50 290	0.37 288	0.81 277	0.50 268	0.72 137	0.65 113	0.51 61	0.65 74	0.45 65	0.45 139	0.64 161	0.38 151	0.24 273	0.24 312	0.22 236	0.21 254	0.23 253	0.23 263

RALAANet	0.38 99	0.23 150	0.48 177	0.42 174	0.29 219	0.35 81	0.25 35	0.86 185	0.64 108	0.67 123	0.65 74	0.60 132	0.29 46	0.60 131	0.34 100	0.15 81	0.12 101	0.17 89	0.15 98	0.21 228	0.13 60

test croco	0.31 30	0.20 74	0.50 199	0.39 89	0.29 219	0.27 27	0.30 74	0.44 8	0.35 18	0.31 10	0.66 78	0.30 5	0.31 61	0.65 168	0.31 70	0.17 148	0.13 156	0.20 184	0.15 98	0.17 145	0.12 35

DLNR_Zeroshot_test	20.09 428	36.28 435	38.04 433	169.85 444	61.80 440	0.23 6	0.20 1	13.88 427	0.37 33	0.44 47	0.66 78	0.43 59	0.21 5	0.62 144	0.28 46	5.46 425	0.10 9	0.15 45	0.11 18	72.60 443	0.11 11

rafts_anoy	0.37 84	0.21 106	0.36 38	0.41 137	0.26 153	0.30 46	0.33 116	0.67 96	0.90 229	0.58 76	0.66 78	0.45 65	0.33 73	0.47 48	0.39 157	0.16 115	0.11 59	0.21 224	0.23 280	0.17 145	0.14 92

iRaftStereo_RVC	0.32 32	0.19 52	0.37 48	0.39 89	0.22 44	0.31 56	0.29 61	0.68 105	0.51 66	0.49 56	0.66 78	0.37 36	0.23 8	0.45 34	0.33 90	0.14 33	0.10 9	0.18 123	0.17 167	0.15 81	0.12 35

DeepStereo_RVC	0.36 69	0.21 106	0.47 161	0.40 113	0.24 90	0.26 19	0.22 8	0.60 51	0.38 37	0.69 134	0.67 82	0.57 105	0.51 165	0.56 84	0.39 157	0.16 115	0.12 101	0.18 123	0.15 98	0.19 197	0.18 182

test-1	0.36 69	0.19 52	0.71 292	0.46 247	0.26 153	0.44 131	0.36 158	0.60 51	0.59 87	0.48 55	0.67 82	0.53 91	0.36 90	0.40 19	0.29 58	0.14 33	0.11 59	0.16 64	0.14 76	0.15 81	0.16 150

TANstereo	0.30 28	0.15 4	0.31 14	0.30 5	0.17 4	0.55 169	0.23 19	0.44 8	0.55 80	0.59 78	0.68 84	0.37 36	0.26 20	0.35 6	0.27 36	0.15 81	0.16 235	0.12 2	0.10 11	0.13 21	0.14 92

qqq	0.40 125	0.26 218	0.44 124	0.36 38	0.22 44	0.46 138	0.36 158	0.85 182	0.54 76	0.56 73	0.69 85	0.65 160	0.53 170	0.55 76	0.45 193	0.17 148	0.16 235	0.20 184	0.19 214	0.18 163	0.17 167

XX-TBD	0.32 32	0.53 346	0.26 8	0.51 302	0.20 22	0.37 89	0.24 27	0.40 4	0.73 142	0.54 69	0.69 85	0.31 10	0.25 13	0.32 5	0.27 36	0.16 115	0.10 9	0.12 2	0.09 7	0.13 21	0.11 11

knoymous	0.36 69	0.20 74	0.31 14	0.31 7	0.22 44	0.36 87	0.29 61	0.61 57	0.64 108	0.67 123	0.70 87	0.60 132	0.40 113	0.58 111	0.34 100	0.17 148	0.11 59	0.20 184	0.11 18	0.17 145	0.18 182

x	0.39 113	0.24 186	0.41 86	0.34 12	0.23 72	0.52 154	0.32 107	0.86 185	0.52 69	0.57 75	0.70 87	0.59 127	0.50 162	0.49 54	0.46 203	0.17 148	0.15 208	0.17 89	0.15 98	0.17 145	0.16 150

GANet-ADL	0.42 142	0.25 204	0.45 135	0.43 192	0.29 219	0.54 164	0.35 140	0.89 198	0.86 204	0.63 95	0.72 89	0.68 171	0.42 120	0.52 65	0.41 165	0.21 241	0.14 183	0.15 45	0.13 53	0.18 163	0.19 210

CRE-IMP	0.36 69	0.23 150	0.49 187	0.42 174	0.24 90	0.41 120	0.21 4	0.57 35	0.41 44	0.65 111	0.72 89	0.53 91	0.37 93	0.61 138	0.38 151	0.17 148	0.11 59	0.19 160	0.15 98	0.21 228	0.18 182

RALCasStereoNet	0.36 69	0.21 106	0.37 48	0.42 174	0.26 153	0.35 81	0.38 190	0.63 66	0.64 108	0.50 59	0.72 89	0.51 85	0.29 46	0.59 125	0.36 131	0.16 115	0.14 183	0.15 45	0.13 53	0.17 145	0.16 150

FENet	0.42 142	0.22 133	0.38 57	0.39 89	0.24 90	0.55 169	0.32 107	0.79 167	0.70 124	0.71 146	0.72 89	0.63 143	0.57 191	0.62 144	0.44 187	0.19 205	0.13 156	0.19 160	0.17 167	0.18 163	0.19 210

Any-RAFT	0.35 51	0.16 9	0.30 12	0.34 12	0.21 31	0.52 154	0.22 8	0.88 196	0.73 142	0.53 67	0.73 93	0.64 150	0.28 36	0.46 41	0.24 7	0.15 81	0.10 9	0.13 11	0.10 11	0.13 21	0.12 35

Patchmatch Stereo++	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.22 8	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.58 111	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.31 91	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.56 84	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

ROB_FTStereo_v2	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.31 91	0.59 41	0.36 23	0.63 95	0.73 93	0.57 105	0.38 96	0.57 94	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

ROB_FTStereo	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.25 17	0.21 4	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.57 94	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

HUI-Stereo	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.22 8	0.60 51	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.50 56	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

iGMRVC	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.30 74	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.58 111	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

iRAFT	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.22 8	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.58 111	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

RAFT-IKP	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.28 54	0.59 41	0.36 23	0.63 95	0.73 93	0.57 105	0.38 96	0.58 111	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

PFNet	0.42 142	0.18 36	0.58 238	0.43 192	0.24 90	0.43 127	0.32 107	0.74 146	0.78 169	1.00 300	0.74 102	0.68 171	0.39 108	0.72 207	0.37 143	0.16 115	0.10 9	0.20 184	0.15 98	0.16 112	0.13 60

ARAFT	0.47 180	0.24 186	0.79 313	0.42 174	0.25 116	0.55 169	0.55 296	0.75 152	0.81 183	0.89 251	0.75 103	0.73 201	0.47 145	0.88 271	0.37 143	0.15 81	0.12 101	0.23 250	0.22 269	0.14 48	0.13 60

EAI-Stereo	0.34 39	0.19 52	0.44 124	0.39 89	0.21 31	0.31 56	0.30 74	1.15 288	0.30 5	0.49 56	0.75 103	0.36 34	0.28 36	0.62 144	0.27 36	0.14 33	0.11 59	0.14 19	0.13 53	0.13 21	0.12 35

gwcnet-sp	0.48 188	0.23 150	0.70 289	0.40 113	0.26 153	0.81 277	0.41 228	0.89 198	0.84 192	0.91 263	0.76 105	0.66 165	0.61 213	0.66 173	0.50 214	0.18 176	0.17 249	0.18 123	0.18 189	0.18 163	0.18 182

scenet	0.48 188	0.23 150	0.70 289	0.40 113	0.26 153	0.81 277	0.41 228	0.89 198	0.84 192	0.91 263	0.76 105	0.66 165	0.61 213	0.66 173	0.50 214	0.18 176	0.17 249	0.18 123	0.18 189	0.18 163	0.18 182

ssnet	0.48 188	0.23 150	0.70 289	0.40 113	0.26 153	0.81 277	0.41 228	0.89 198	0.84 192	0.91 263	0.76 105	0.66 165	0.61 213	0.66 173	0.50 214	0.18 176	0.17 249	0.18 123	0.18 189	0.18 163	0.18 182

Pruner-Stereo	0.38 99	0.20 74	0.45 135	0.40 113	0.25 116	0.22 5	0.24 27	0.67 96	0.55 80	0.89 251	0.76 105	0.68 171	0.29 46	0.62 144	0.35 115	0.18 176	0.12 101	0.20 184	0.17 167	0.17 145	0.18 182

ADStereo(finetuned)	0.37 84	0.16 9	0.49 187	0.34 12	0.19 11	0.30 46	0.30 74	0.68 105	0.91 234	0.70 140	0.77 109	0.43 59	0.69 258	0.45 34	0.33 90	0.14 33	0.10 9	0.14 19	0.11 18	0.13 21	0.12 35

IPLGR	0.39 113	0.21 106	0.63 257	0.39 89	0.22 44	0.49 146	0.29 61	0.76 157	0.74 147	0.78 186	0.77 109	0.44 64	0.42 120	0.47 48	0.38 151	0.13 13	0.12 101	0.16 64	0.14 76	0.15 81	0.13 60

NF-Stereo	0.38 99	0.20 74	0.45 135	0.41 137	0.25 116	0.26 19	0.31 91	0.69 114	0.70 124	0.65 111	0.77 109	0.57 105	0.30 57	0.67 183	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 286

OCTAStereo	0.38 99	0.20 74	0.46 151	0.41 137	0.25 116	0.26 19	0.31 91	0.69 114	0.70 124	0.65 111	0.77 109	0.58 113	0.30 57	0.67 183	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 286

RE-Stereo	0.38 99	0.20 74	0.46 151	0.41 137	0.25 116	0.26 19	0.31 91	0.69 114	0.70 124	0.65 111	0.77 109	0.58 113	0.30 57	0.67 183	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 286

TVStereo	0.38 99	0.20 74	0.46 151	0.41 137	0.25 116	0.26 19	0.31 91	0.69 114	0.70 124	0.65 111	0.77 109	0.58 113	0.30 57	0.67 183	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 286

cross-raft	0.34 39	0.20 74	0.37 48	0.44 207	0.23 72	0.32 66	0.35 140	0.74 146	0.40 41	0.60 82	0.77 109	0.57 105	0.27 27	0.43 27	0.28 46	0.12 4	0.10 9	0.15 45	0.13 53	0.15 81	0.11 11

DCANet	0.36 69	0.16 9	0.41 86	0.34 12	0.19 11	0.30 46	0.30 74	0.68 105	0.91 234	0.70 140	0.77 109	0.43 59	0.57 191	0.45 34	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.13 21	0.12 35

LL-Strereo	0.57 263	0.27 232	0.68 279	0.48 261	0.34 275	0.39 106	0.48 258	0.94 214	0.97 260	0.83 219	0.78 117	1.10 308	1.18 356	1.33 351	0.49 213	0.17 148	0.14 183	0.22 236	0.19 214	0.16 112	0.17 167

DCANet-4	0.36 69	0.20 74	0.48 177	0.34 12	0.19 11	0.29 39	0.30 74	0.66 86	0.92 239	0.69 134	0.78 117	0.40 44	0.47 145	0.45 34	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

fff	0.37 84	0.16 9	0.41 86	0.34 12	0.19 11	0.29 39	0.30 74	0.69 114	1.06 304	0.69 134	0.78 117	0.42 53	0.63 224	0.46 41	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

GwcNet-ADL	0.44 154	0.22 133	0.48 177	0.45 228	0.30 229	0.40 107	0.37 170	0.92 208	0.97 260	0.71 146	0.78 117	0.61 136	0.42 120	0.62 144	0.50 214	0.19 205	0.14 183	0.15 45	0.14 76	0.18 163	0.18 182

RAFT_R40	0.40 125	0.19 52	0.44 124	0.43 192	0.25 116	0.23 6	0.26 41	0.67 96	0.67 118	0.98 292	0.78 117	0.72 191	0.43 127	0.76 226	0.35 115	0.16 115	0.11 59	0.20 184	0.16 127	0.18 163	0.14 92

TestStereo	0.38 99	0.31 265	0.40 81	0.45 228	0.20 22	0.40 107	0.37 170	0.66 86	0.65 113	0.53 67	0.78 117	0.47 73	0.40 113	0.55 76	0.37 143	0.18 176	0.13 156	0.20 184	0.15 98	0.22 244	0.13 60

raft+_RVC	0.38 99	0.19 52	0.35 33	0.37 47	0.25 116	0.45 136	0.37 170	0.78 165	0.89 227	0.51 61	0.78 117	0.50 82	0.29 46	0.53 71	0.40 162	0.15 81	0.12 101	0.17 89	0.15 98	0.14 48	0.12 35

csc	0.37 84	0.16 9	0.41 86	0.34 12	0.19 11	0.29 39	0.30 74	0.69 114	1.06 304	0.69 134	0.78 117	0.42 53	0.63 224	0.46 41	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

cscssc	0.37 84	0.16 9	0.41 86	0.34 12	0.19 11	0.29 39	0.30 74	0.69 114	1.06 304	0.69 134	0.78 117	0.42 53	0.63 224	0.46 41	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

PFNet+	0.40 125	0.19 52	0.49 187	0.39 89	0.25 116	0.28 35	0.23 19	0.64 76	0.70 124	0.85 227	0.79 126	0.64 150	0.35 81	0.72 207	0.34 100	0.19 205	0.14 183	0.23 250	0.20 236	0.16 112	0.20 230

SST-Stereo	0.40 125	0.19 52	0.45 135	0.42 174	0.25 116	0.25 17	0.21 4	0.66 86	0.47 62	1.08 327	0.79 126	0.72 191	0.43 127	0.77 233	0.35 115	0.16 115	0.11 59	0.20 184	0.16 127	0.19 197	0.15 111

ssnet_v2	0.58 269	0.28 246	0.56 231	0.43 192	0.29 219	0.95 305	0.59 307	1.13 279	0.99 269	0.93 272	0.80 128	0.99 277	0.64 234	0.82 246	0.94 325	0.25 283	0.22 295	0.23 250	0.24 293	0.20 210	0.19 210

BUS	0.45 164	0.25 204	0.43 114	0.45 228	0.28 196	0.70 246	0.34 123	0.94 214	0.76 155	0.75 172	0.80 128	0.65 160	0.49 152	0.64 161	0.51 222	0.20 227	0.14 183	0.22 236	0.19 214	0.18 163	0.18 182

BSDual-CNN	0.46 170	0.25 204	0.43 114	0.45 228	0.28 196	0.77 262	0.40 216	0.94 214	0.76 155	0.75 172	0.80 128	0.76 214	0.54 181	0.64 161	0.43 174	0.20 227	0.14 183	0.22 236	0.19 214	0.18 163	0.18 182

hknet	0.49 204	0.25 204	0.51 206	0.45 228	0.29 219	0.77 262	0.40 216	0.94 214	0.83 189	0.75 172	0.80 128	0.97 273	0.61 213	0.73 212	0.45 193	0.18 176	0.14 183	0.22 236	0.19 214	0.18 163	0.18 182

PSMNet-ADL	0.48 188	0.27 232	0.40 81	0.48 261	0.30 229	0.68 242	0.37 170	0.90 203	0.80 177	0.61 87	0.80 128	0.92 264	0.62 218	0.72 207	0.63 255	0.23 264	0.18 260	0.18 123	0.20 236	0.22 244	0.20 230

IRAFT_RVC	0.42 142	0.20 74	0.48 177	0.44 207	0.24 90	0.27 27	0.54 292	0.74 146	0.77 162	0.76 178	0.80 128	0.73 201	0.51 165	0.70 197	0.36 131	0.17 148	0.10 9	0.21 224	0.16 127	0.16 112	0.14 92

CREStereo++_RVC	0.32 32	0.15 4	0.23 1	0.31 7	0.24 90	0.27 27	0.22 8	0.46 10	0.88 217	0.46 51	0.80 128	0.30 5	0.26 20	0.36 7	0.33 90	0.13 13	0.09 2	0.13 11	0.51 380	0.13 21	0.09 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
CBFPSM	0.59 276	0.22 133	1.31 365	0.38 68	0.27 177	1.12 336	0.65 320	0.79 167	0.82 184	0.80 190	0.81 135	1.35 344	0.87 315	0.67 183	0.76 282	0.16 115	0.15 208	0.15 45	0.16 127	0.17 145	0.22 256

IPLG	0.39 113	0.20 74	0.59 239	0.40 113	0.24 90	0.54 164	0.27 47	0.75 152	0.63 101	0.84 226	0.81 135	0.32 12	0.32 65	0.60 131	0.45 193	0.13 13	0.11 59	0.16 64	0.13 53	0.13 21	0.12 35

HCRNet	0.44 154	0.34 280	0.41 86	0.53 318	0.26 153	0.53 160	0.29 61	0.83 176	0.63 101	0.71 146	0.81 135	0.77 220	0.50 162	0.66 173	0.36 131	0.24 273	0.16 235	0.24 264	0.20 236	0.21 228	0.18 182

GASNet	0.67 289	0.72 366	0.96 331	0.70 371	0.48 343	0.62 213	0.47 252	1.08 264	1.03 288	0.94 275	0.82 138	0.93 266	0.83 307	1.33 351	0.80 289	0.31 321	0.22 295	0.29 316	0.28 322	0.44 349	0.24 269

PSM-softLoss	0.38 99	0.20 74	0.48 177	0.41 137	0.26 153	0.30 46	0.35 140	0.69 114	0.46 59	0.62 88	0.82 138	0.59 127	0.33 73	0.70 197	0.39 157	0.19 205	0.12 101	0.20 184	0.18 189	0.16 112	0.22 256

KMStereo	0.38 99	0.20 74	0.48 177	0.41 137	0.26 153	0.30 46	0.35 140	0.69 114	0.46 59	0.62 88	0.82 138	0.59 127	0.33 73	0.70 197	0.39 157	0.19 205	0.12 101	0.20 184	0.18 189	0.16 112	0.22 256

RAFT	0.45 164	0.22 133	0.45 135	0.47 256	0.26 153	0.54 164	0.47 252	0.66 86	0.58 86	0.80 190	0.82 138	0.94 267	0.57 191	0.75 223	0.34 100	0.17 148	0.15 208	0.22 236	0.20 236	0.16 112	0.12 35

HITNet	0.41 136	0.26 218	0.45 135	0.33 11	0.17 4	0.63 222	0.30 74	0.93 210	0.64 108	0.71 146	0.82 138	0.64 150	0.52 167	0.59 125	0.43 174	0.14 33	0.10 9	0.15 45	0.13 53	0.19 197	0.12 35
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
ToySt	0.49 204	0.27 232	0.75 303	0.40 113	0.27 177	0.64 228	0.49 264	0.84 179	0.77 162	0.60 82	0.83 143	0.88 252	0.66 245	0.70 197	0.56 241	0.16 115	0.17 249	0.21 224	0.20 236	0.21 228	0.19 210

GES	0.44 154	0.23 150	0.57 234	0.40 113	0.30 229	0.59 199	0.36 158	0.96 222	0.68 119	0.74 170	0.83 143	0.47 73	0.48 149	0.67 183	0.43 174	0.22 259	0.16 235	0.17 89	0.16 127	0.18 163	0.23 263

ac_64	0.52 233	0.22 133	0.50 199	0.45 228	0.28 196	0.80 272	0.45 244	1.02 244	0.61 90	0.91 263	0.83 143	1.07 302	0.68 254	0.74 219	0.70 270	0.21 241	0.18 260	0.20 184	0.19 214	0.18 163	0.15 111

DMCA	0.45 164	0.26 218	0.50 199	0.38 68	0.28 196	0.51 151	0.34 123	0.93 210	0.68 119	0.75 172	0.83 143	0.79 222	0.53 170	0.51 60	0.54 235	0.21 241	0.16 235	0.21 224	0.16 127	0.19 197	0.21 243

BEATNet_4x	0.46 170	0.32 267	0.56 231	0.37 47	0.19 11	0.63 222	0.35 140	1.01 241	0.72 135	0.77 183	0.83 143	0.70 177	0.59 204	0.68 191	0.53 232	0.16 115	0.12 101	0.16 64	0.14 76	0.24 263	0.16 150

DispNO	0.47 180	0.23 150	0.71 292	0.39 89	0.31 246	0.60 204	0.38 190	0.89 198	0.77 162	0.75 172	0.84 148	0.72 191	0.54 181	0.73 212	0.46 203	0.19 205	0.14 183	0.20 184	0.18 189	0.16 112	0.17 167

GMOStereo	0.37 84	0.19 52	0.38 57	0.43 192	0.24 90	0.37 89	0.38 190	0.52 22	0.62 91	0.87 239	0.84 148	0.64 150	0.35 81	0.37 10	0.28 46	0.13 13	0.11 59	0.20 184	0.18 189	0.15 81	0.11 11

error version	0.37 84	0.19 52	0.38 57	0.43 192	0.24 90	0.37 89	0.38 190	0.52 22	0.62 91	0.87 239	0.84 148	0.64 150	0.35 81	0.37 10	0.28 46	0.13 13	0.11 59	0.20 184	0.18 189	0.15 81	0.11 11

test-v	0.37 84	0.19 52	0.38 57	0.43 192	0.24 90	0.37 89	0.38 190	0.52 22	0.62 91	0.87 239	0.84 148	0.64 150	0.35 81	0.37 10	0.28 46	0.13 13	0.11 59	0.20 184	0.18 189	0.15 81	0.11 11

test-2	0.37 84	0.19 52	0.38 57	0.43 192	0.24 90	0.37 89	0.38 190	0.52 22	0.62 91	0.87 239	0.84 148	0.64 150	0.35 81	0.37 10	0.28 46	0.13 13	0.11 59	0.20 184	0.18 189	0.15 81	0.11 11

SFCPSM	0.47 180	0.21 106	0.55 225	0.40 113	0.27 177	0.87 295	0.37 170	1.33 343	0.77 162	0.80 190	0.84 148	0.54 95	0.49 152	0.57 94	0.37 143	0.18 176	0.13 156	0.18 123	0.20 236	0.16 112	0.15 111

DSFCA	0.55 247	0.25 204	0.62 249	0.40 113	0.36 283	0.74 256	0.52 285	1.04 251	0.82 184	1.06 321	0.84 148	0.89 256	0.63 224	0.99 303	0.58 242	0.25 283	0.21 289	0.21 224	0.21 254	0.21 228	0.19 210

FADNet-RVC	0.60 279	0.53 346	1.14 347	0.46 247	0.39 301	0.61 206	0.39 210	1.12 278	0.87 213	0.70 140	0.84 148	1.04 292	0.55 184	0.94 300	0.69 267	0.26 293	0.25 320	0.28 308	0.28 322	0.31 304	0.31 312

FADNet	0.61 281	0.51 337	1.10 342	0.45 228	0.44 331	0.65 233	0.41 228	1.19 301	1.05 297	0.70 140	0.84 148	0.98 276	0.66 245	0.82 246	0.50 214	0.29 312	0.30 340	0.27 301	0.30 328	0.46 356	0.35 329

RAFT-Test	0.34 39	0.18 36	0.37 48	0.38 68	0.23 72	0.50 147	0.23 19	0.69 114	0.40 41	0.60 82	0.85 157	0.61 136	0.28 36	0.46 41	0.27 36	0.14 33	0.11 59	0.14 19	0.11 18	0.13 21	0.12 35

CASS	0.45 164	0.27 232	0.42 105	0.48 261	0.22 44	0.61 206	0.34 123	0.97 226	0.62 91	0.71 146	0.85 157	0.61 136	0.55 184	0.57 94	0.41 165	0.29 312	0.16 235	0.22 236	0.18 189	0.22 244	0.28 293
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
GEStereo_RVC	0.55 247	0.29 254	0.63 257	0.49 276	0.31 246	0.70 246	0.54 292	1.22 315	0.92 239	0.82 207	0.85 157	0.85 240	0.63 224	0.90 278	0.65 258	0.24 273	0.16 235	0.19 160	0.16 127	0.21 228	0.22 256

AAGNet	1.43 379	0.20 74	0.48 177	0.44 207	0.25 116	0.29 39	0.31 91	0.65 77	0.68 119	0.97 288	0.86 160	0.67 170	0.62 218	0.64 161	20.63 426	0.16 115	0.11 59	0.19 160	0.15 98	0.19 197	0.12 35

DMCA-RVC	0.51 224	0.30 260	0.59 239	0.50 290	0.32 259	0.54 164	0.38 190	0.86 185	0.68 119	0.94 275	0.86 160	0.91 262	0.68 254	0.70 197	0.59 246	0.23 264	0.18 260	0.31 324	0.23 280	0.26 275	0.19 210

DIP-Stereo	0.39 113	0.21 106	0.50 199	0.41 137	0.28 196	0.62 213	0.27 47	0.77 160	0.40 41	0.64 104	0.86 160	0.52 87	0.33 73	0.66 173	0.42 169	0.15 81	0.13 156	0.17 89	0.14 76	0.15 81	0.15 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
NVstereo2D	0.60 279	0.30 260	0.75 303	0.48 261	0.43 324	0.89 296	0.48 258	1.05 256	1.15 324	0.66 122	0.86 160	0.88 252	0.70 268	0.99 303	0.65 258	0.32 333	0.15 208	0.28 308	0.20 236	0.40 338	0.36 331

DisPM	0.39 113	0.19 52	0.44 124	0.41 137	0.27 177	0.24 8	0.31 91	0.65 77	0.57 85	0.87 239	0.87 164	0.60 132	0.32 65	0.76 226	0.32 78	0.18 176	0.12 101	0.19 160	0.17 167	0.15 81	0.20 230

raft_robust	0.41 136	0.23 150	0.36 38	0.42 174	0.21 31	0.40 107	0.33 116	0.79 167	0.98 264	0.79 188	0.87 164	0.39 41	0.33 73	0.84 258	0.29 58	0.13 13	0.12 101	0.16 64	0.17 167	0.15 81	0.12 35

RAFT + AFF	0.53 236	0.29 254	0.75 303	0.51 302	0.32 259	0.63 222	0.60 309	1.00 234	0.91 234	0.78 186	0.87 164	0.83 234	0.58 198	0.80 241	0.47 208	0.17 148	0.20 282	0.23 250	0.22 269	0.18 163	0.18 182

FADNet-RVC-Resample	0.56 258	0.33 275	1.16 348	0.49 276	0.34 275	0.71 251	0.43 236	1.01 241	0.93 244	0.82 207	0.87 164	0.74 206	0.67 248	0.73 212	0.45 193	0.18 176	0.18 260	0.26 289	0.27 317	0.26 275	0.27 286

RYNet	0.72 304	0.35 284	0.64 262	0.53 318	0.67 372	1.31 355	0.67 323	1.20 305	1.18 328	1.05 318	0.87 164	1.27 325	0.93 329	0.93 293	1.27 361	0.22 259	0.16 235	0.26 289	0.23 280	0.40 338	0.39 345

StereoDRNet	0.64 284	0.33 275	0.68 279	0.51 302	0.43 324	1.03 321	0.53 288	1.47 365	0.99 269	1.10 331	0.87 164	1.07 302	0.71 272	0.82 246	0.88 308	0.23 264	0.19 274	0.25 275	0.23 280	0.27 285	0.19 210

NOSS_ROB	0.57 263	0.39 305	0.39 74	0.44 207	0.30 229	0.73 255	0.54 292	1.03 248	1.08 313	0.67 123	0.87 164	0.76 214	0.57 191	0.77 233	0.47 208	0.38 356	0.38 368	0.44 359	0.42 366	0.37 331	0.34 324

psm_up	0.55 247	0.26 218	0.47 161	0.49 276	0.32 259	0.65 233	0.56 301	1.04 251	0.82 184	0.82 207	0.88 171	1.01 283	0.94 330	0.74 219	0.61 250	0.21 241	0.25 320	0.26 289	0.23 280	0.21 228	0.20 230

UPFNet	0.53 236	0.24 186	0.51 206	0.45 228	0.38 296	0.84 290	0.49 264	0.99 231	0.75 149	0.87 239	0.88 171	0.86 242	0.64 234	0.80 241	0.71 274	0.20 227	0.20 282	0.20 184	0.20 236	0.19 197	0.15 111

PA-Net	0.67 289	0.43 316	0.83 316	0.50 290	0.53 353	0.94 302	0.68 328	1.10 269	1.14 323	0.80 190	0.88 171	0.87 247	0.77 288	1.02 311	0.88 308	0.24 273	0.41 375	0.29 316	0.44 367	0.26 275	0.34 324
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
UCFNet_RVC	0.49 204	0.26 218	0.35 33	0.39 89	0.26 153	0.64 228	0.36 158	1.15 288	0.84 192	0.67 123	0.88 171	0.88 252	0.59 204	0.58 111	0.45 193	0.24 273	0.17 249	0.27 301	0.27 317	0.25 271	0.23 263

RAFT+CT+SA	0.39 113	0.23 150	0.36 38	0.51 302	0.27 177	0.29 39	0.46 247	0.75 152	0.80 177	0.51 61	0.89 175	0.41 47	0.40 113	0.78 237	0.32 78	0.14 33	0.11 59	0.18 123	0.18 189	0.15 81	0.14 92

iRaft-Stereo_5w	0.45 164	0.21 106	0.48 177	0.42 174	0.28 196	0.31 56	0.54 292	0.63 66	0.62 91	0.62 88	0.89 175	1.01 283	0.69 258	0.75 223	0.66 260	0.13 13	0.12 101	0.17 89	0.15 98	0.14 48	0.15 111

UNet	0.54 246	0.26 218	0.66 272	0.44 207	0.40 306	0.99 314	0.41 228	0.98 229	0.75 149	0.83 219	0.89 175	1.04 292	0.72 276	0.73 212	0.62 252	0.19 205	0.14 183	0.20 184	0.17 167	0.20 210	0.17 167

H2IRNET	0.37 84	0.20 74	0.33 23	0.38 68	0.25 116	0.27 27	0.23 19	0.59 41	0.72 135	0.39 32	0.90 178	0.74 206	0.55 184	0.52 65	0.43 174	0.15 81	0.13 156	0.18 123	0.20 236	0.16 112	0.13 60

FADNet_RVC	0.55 247	0.37 292	1.17 353	0.44 207	0.31 246	0.56 184	0.34 123	1.06 259	0.88 217	0.67 123	0.90 178	0.61 136	0.65 240	0.93 293	0.70 270	0.21 241	0.18 260	0.26 289	0.23 280	0.31 304	0.28 293

STTStereo	0.55 247	0.37 292	0.76 308	0.44 207	0.31 246	0.60 204	0.44 242	0.96 222	0.86 204	0.99 295	0.90 178	0.96 271	0.58 198	0.71 202	0.61 250	0.25 283	0.23 305	0.26 289	0.32 341	0.24 263	0.23 263

test_5	0.43 148	0.24 186	0.43 114	0.52 313	0.28 196	0.28 35	0.42 235	0.72 137	0.82 184	0.62 88	0.91 181	0.72 191	0.55 184	0.79 240	0.35 115	0.14 33	0.11 59	0.18 123	0.18 189	0.18 163	0.16 150

111	0.40 125	0.17 20	0.41 86	0.34 12	0.19 11	0.52 154	0.28 54	0.74 146	1.16 325	0.50 59	0.91 181	0.63 143	0.48 149	0.61 138	0.35 115	0.14 33	0.10 9	0.14 19	0.12 32	0.13 21	0.13 60

NLCA_NET_v2_RVC	0.53 236	0.32 267	0.64 262	0.44 207	0.30 229	0.66 236	0.44 242	1.04 251	0.88 217	0.91 263	0.91 181	0.99 277	0.60 208	0.68 191	0.60 249	0.21 241	0.17 249	0.22 236	0.22 269	0.21 228	0.21 243
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HSM	0.51 224	0.24 186	0.41 86	0.39 89	0.24 90	0.75 259	0.40 216	1.22 315	0.75 149	0.81 198	0.91 181	1.21 320	0.69 258	0.87 268	0.46 203	0.17 148	0.13 156	0.17 89	0.14 76	0.17 145	0.17 167

IPLGR_C	0.40 125	0.21 106	0.64 262	0.45 228	0.33 268	0.52 154	0.34 123	0.66 86	0.62 91	0.82 207	0.92 185	0.45 65	0.32 65	0.52 65	0.46 203	0.17 148	0.12 101	0.15 45	0.14 76	0.13 21	0.14 92

AASNet	0.53 236	0.25 204	0.52 211	0.49 276	0.32 259	0.74 256	0.40 216	1.50 369	0.86 204	0.86 232	0.92 185	0.64 150	0.59 204	0.59 125	0.79 287	0.23 264	0.19 274	0.20 184	0.16 127	0.21 228	0.19 210

ACRE	0.40 125	0.21 106	0.65 267	0.45 228	0.33 268	0.51 151	0.33 116	0.66 86	0.63 101	0.80 190	0.92 185	0.45 65	0.32 65	0.52 65	0.45 193	0.16 115	0.12 101	0.15 45	0.14 76	0.13 21	0.14 92

MMNet	0.55 247	0.25 204	0.61 246	0.43 192	0.34 275	1.07 327	0.39 210	0.87 192	0.91 234	0.91 263	0.93 188	0.86 242	0.76 284	0.81 244	0.76 282	0.15 81	0.14 183	0.18 123	0.19 214	0.20 210	0.16 150

GMStereo_Zeroshot	0.49 204	0.44 320	0.74 300	0.49 276	0.27 177	0.56 184	0.29 61	0.73 144	0.76 155	0.86 232	0.94 189	0.91 262	0.36 90	0.74 219	0.43 174	0.26 293	0.14 183	0.26 289	0.15 98	0.36 329	0.18 182

DCRE	0.37 84	0.18 36	0.46 151	0.45 228	0.32 259	0.42 125	0.37 170	0.63 66	0.51 66	0.47 54	0.94 189	0.56 100	0.36 90	0.52 65	0.32 78	0.14 33	0.13 156	0.15 45	0.14 76	0.14 48	0.13 60

IER	0.46 170	0.23 150	0.50 199	0.38 68	0.28 196	0.69 244	0.35 140	0.80 171	0.66 116	0.83 219	0.94 189	0.75 208	0.77 288	0.60 131	0.42 169	0.17 148	0.14 183	0.17 89	0.17 167	0.17 145	0.15 111

NINENet	0.50 217	0.29 254	0.51 206	0.45 228	0.32 259	0.70 246	0.34 123	1.10 269	0.88 217	0.80 190	0.94 189	0.65 160	0.49 152	0.73 212	0.51 222	0.22 259	0.20 282	0.25 275	0.18 189	0.22 244	0.21 243

psmg	0.49 204	0.25 204	0.43 114	0.41 137	0.28 196	0.85 291	0.43 236	0.99 231	0.76 155	0.91 263	0.94 189	0.76 214	0.54 181	0.64 161	0.43 174	0.20 227	0.15 208	0.20 184	0.20 236	0.18 163	0.18 182

xxxx	1.01 347	0.22 133	0.43 114	0.36 38	0.21 31	0.82 285	0.36 158	1.32 341	0.88 217	0.71 146	0.94 189	0.97 273	0.63 224	0.64 161	10.58 417	0.20 227	0.16 235	0.18 123	0.17 167	0.19 197	0.19 210

MaskLacGwcNet_RVC	0.67 289	0.81 373	0.73 296	0.53 318	0.37 288	1.40 359	0.53 288	1.04 251	0.79 176	0.88 247	0.94 189	0.95 269	0.53 170	0.93 293	0.58 242	0.39 358	0.30 340	0.57 377	0.31 335	0.53 368	0.30 306

CSP-Net	0.56 258	0.27 232	0.49 187	0.41 137	0.28 196	1.22 348	0.50 268	1.23 319	0.72 135	0.95 282	0.95 196	0.89 256	0.62 218	0.83 253	0.62 252	0.26 293	0.17 249	0.17 89	0.17 167	0.18 163	0.17 167

IIG-Stereo	0.43 148	0.21 106	0.44 124	0.50 290	0.25 116	0.44 131	0.21 4	0.71 133	0.76 155	0.83 219	0.95 196	0.83 234	0.43 127	0.90 278	0.35 115	0.15 81	0.12 101	0.19 160	0.14 76	0.15 81	0.11 11

ICVP	0.46 170	0.25 204	0.38 57	0.48 261	0.28 196	0.58 190	0.43 236	1.00 234	0.70 124	0.67 123	0.95 196	0.75 208	0.55 184	0.53 71	0.54 235	0.23 264	0.17 249	0.19 160	0.17 167	0.19 197	0.20 230
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous Stereo	0.75 309	0.54 348	1.78 386	0.57 335	0.56 360	0.62 213	1.25 389	0.96 222	0.99 269	0.96 283	0.95 196	0.83 234	0.58 198	1.27 345	1.21 355	0.31 321	0.30 340	0.31 324	0.33 344	0.33 314	0.36 331

CoDeX	0.47 180	0.20 74	0.49 187	0.42 174	0.25 116	0.75 259	0.36 158	1.27 332	0.80 177	0.82 207	0.96 200	0.62 142	0.57 191	0.60 131	0.36 131	0.17 148	0.12 101	0.17 89	0.15 98	0.16 112	0.14 92

DualNet	0.47 180	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	0.68 105	1.04 292	0.73 164	0.96 200	0.71 181	0.53 170	0.57 94	0.88 308	0.16 115	0.10 9	0.25 275	0.21 254	0.16 112	0.16 150

ffm	0.44 154	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	0.68 105	1.04 292	0.73 164	0.96 200	0.71 181	0.53 170	0.57 94	0.25 10	0.16 115	0.10 9	0.25 275	0.21 254	0.16 112	0.16 150

ff1	0.49 204	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	0.68 105	1.04 292	0.73 164	0.96 200	0.71 181	0.53 170	1.01 306	0.88 308	0.16 115	0.10 9	0.25 275	0.21 254	0.16 112	0.16 150

mmx	0.53 236	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	1.16 291	1.03 288	0.73 164	0.96 200	0.71 181	0.53 170	1.01 306	0.88 308	0.20 227	0.15 208	0.25 275	0.21 254	0.22 244	0.20 230

xxx	0.53 236	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	1.16 291	1.03 288	0.73 164	0.96 200	0.71 181	0.53 170	1.01 306	0.88 308	0.20 227	0.15 208	0.25 275	0.21 254	0.22 244	0.20 230

TestStereo1	0.43 148	0.23 150	0.41 86	0.51 302	0.24 90	0.34 76	0.40 216	0.77 160	0.90 229	0.68 129	0.96 200	0.48 77	0.46 142	0.91 285	0.32 78	0.16 115	0.13 156	0.18 123	0.15 98	0.14 48	0.13 60

SA-5K	0.43 148	0.23 150	0.41 86	0.51 302	0.24 90	0.34 76	0.40 216	0.77 160	0.90 229	0.68 129	0.96 200	0.48 77	0.46 142	0.91 285	0.32 78	0.16 115	0.13 156	0.18 123	0.15 98	0.14 48	0.13 60

CIPLG	0.41 136	0.21 106	0.63 257	0.45 228	0.33 268	0.52 154	0.33 116	0.65 77	0.60 89	0.82 207	0.96 200	0.46 71	0.32 65	0.55 76	0.44 187	0.16 115	0.12 101	0.15 45	0.14 76	0.13 21	0.14 92

delet	0.55 247	0.24 186	0.55 225	0.44 207	0.33 268	1.07 327	0.50 268	1.00 234	0.86 204	0.85 227	0.96 200	0.90 260	0.63 224	0.83 253	0.74 280	0.18 176	0.18 260	0.20 184	0.21 254	0.16 112	0.15 111

ACVNet	0.46 170	0.23 150	0.36 38	0.39 89	0.28 196	0.58 190	0.40 216	0.87 192	0.80 177	0.64 104	0.96 200	0.79 222	0.60 208	0.63 154	0.67 263	0.17 148	0.15 208	0.16 64	0.15 98	0.18 163	0.15 111

acv_ft	0.51 224	0.23 150	0.56 231	0.44 207	0.28 196	0.86 294	0.39 210	0.91 207	0.80 177	0.97 288	0.96 200	0.79 222	0.59 204	0.63 154	0.87 305	0.17 148	0.15 208	0.16 64	0.15 98	0.17 145	0.15 111

NCCL2	0.72 304	0.41 312	0.65 267	0.64 352	0.44 331	0.98 313	1.20 383	1.11 274	1.00 276	0.98 292	0.96 200	1.49 357	0.87 315	0.90 278	0.79 287	0.31 321	0.26 326	0.39 350	0.39 357	0.32 309	0.32 316

NaN_ROB	0.69 294	0.44 320	0.69 285	0.51 302	0.33 268	0.97 309	1.06 375	1.22 315	1.19 330	1.24 348	0.96 200	1.08 304	0.78 293	1.20 335	0.67 263	0.24 273	0.30 340	0.23 250	0.24 293	0.23 253	0.25 275

UDG	0.88 333	0.82 376	0.67 276	1.00 385	0.96 384	1.02 318	0.57 304	1.13 279	0.99 269	0.90 258	0.97 214	1.31 331	0.99 338	0.85 265	0.84 296	0.54 379	0.32 353	1.77 396	0.40 360	0.94 386	0.66 383

MyStereo8	0.40 125	0.20 74	0.54 220	0.41 137	0.29 219	0.53 160	0.29 61	0.65 77	0.49 64	0.71 146	0.98 215	0.58 113	0.43 127	0.50 56	0.51 222	0.15 81	0.12 101	0.16 64	0.14 76	0.19 197	0.19 210

anonymity	0.97 344	0.89 379	1.05 338	0.92 381	1.03 390	0.97 309	0.81 352	1.29 335	0.91 234	1.07 324	0.98 215	1.00 280	0.95 333	1.02 311	0.92 324	0.96 393	0.95 411	0.90 386	0.91 399	0.92 385	0.94 393

CRFU-Net	0.57 263	0.27 232	0.57 234	0.46 247	0.30 229	1.20 347	0.52 285	1.10 269	0.56 84	1.00 300	0.98 215	1.06 297	0.79 295	0.81 244	0.71 274	0.21 241	0.19 274	0.18 123	0.16 127	0.18 163	0.19 210

ADLNet2	0.55 247	0.25 204	0.65 267	0.47 256	0.30 229	0.83 287	0.50 268	1.05 256	0.95 256	0.80 190	0.98 215	0.99 277	0.69 258	0.77 233	0.73 277	0.20 227	0.16 235	0.17 89	0.18 189	0.21 228	0.21 243

ADLNet	0.55 247	0.27 232	0.51 206	0.44 207	0.35 281	0.78 266	0.46 247	1.08 264	0.86 204	0.99 295	0.98 215	0.92 264	0.63 224	0.69 194	0.81 292	0.22 259	0.16 235	0.22 236	0.22 269	0.21 228	0.21 243

1111x	0.55 247	0.22 133	0.46 151	0.38 68	0.20 22	0.66 236	0.43 236	1.23 319	0.99 269	0.71 146	0.99 220	0.95 269	0.69 258	0.90 278	1.08 345	0.18 176	0.17 249	0.18 123	0.19 214	0.20 210	0.18 182

AdaStereo	0.50 217	0.32 267	0.47 161	0.48 261	0.25 116	0.67 240	0.32 107	1.17 296	0.88 217	0.75 172	0.99 220	0.75 208	0.49 152	0.67 183	0.46 203	0.27 300	0.12 101	0.28 308	0.18 189	0.23 253	0.18 182
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.
MIM_Stereo	0.38 99	0.17 20	0.53 217	0.37 47	0.24 90	0.27 27	0.24 27	0.70 128	0.54 76	0.72 157	1.00 222	0.63 143	0.29 46	0.64 161	0.38 151	0.13 13	0.14 183	0.17 89	0.16 127	0.14 48	0.11 11

CFNet-ft	0.48 188	0.23 150	0.36 38	0.40 113	0.26 153	0.64 228	0.37 170	0.87 192	0.85 199	0.64 104	1.00 222	1.01 283	0.64 234	0.61 138	0.53 232	0.23 264	0.15 208	0.24 264	0.21 254	0.23 253	0.18 182

CFNet_RVC	0.48 188	0.23 150	0.36 38	0.40 113	0.26 153	0.64 228	0.37 170	0.87 192	0.85 199	0.64 104	1.00 222	1.01 283	0.64 234	0.61 138	0.53 232	0.23 264	0.15 208	0.24 264	0.21 254	0.23 253	0.18 182

SMFormer	0.51 224	0.23 150	0.62 249	0.34 12	0.20 22	0.62 213	0.34 123	1.21 307	1.02 283	0.81 198	1.01 225	0.71 181	0.65 240	0.84 258	0.55 239	0.19 205	0.15 208	0.18 123	0.16 127	0.18 163	0.18 182

tta	0.51 224	0.23 150	0.62 249	0.34 12	0.20 22	0.62 213	0.34 123	1.21 307	1.02 283	0.81 198	1.01 225	0.71 181	0.65 240	0.84 258	0.55 239	0.19 205	0.15 208	0.18 123	0.16 127	0.15 81	0.14 92

qqq1	0.49 204	0.23 150	0.62 249	0.34 12	0.20 22	0.62 213	0.34 123	1.21 307	1.02 283	0.81 198	1.01 225	0.71 181	0.65 240	0.84 258	0.34 100	0.19 205	0.15 208	0.14 19	0.12 32	0.15 81	0.14 92

fff1	0.49 204	0.23 150	0.62 249	0.34 12	0.20 22	0.62 213	0.34 123	1.21 307	1.02 283	0.81 198	1.01 225	0.71 181	0.65 240	0.84 258	0.34 100	0.19 205	0.15 208	0.14 19	0.12 32	0.15 81	0.14 92

RAFT-Stereo + iAFF	0.36 69	0.17 20	0.41 86	0.35 30	0.19 11	0.33 70	0.29 61	0.65 77	0.73 142	0.68 129	1.01 225	0.56 100	0.40 113	0.42 24	0.30 63	0.11 1	0.09 2	0.15 45	0.14 76	0.13 21	0.10 4

hitnet-ft	0.55 247	0.27 232	0.39 74	0.41 137	0.28 196	0.78 266	0.40 216	0.92 208	0.90 229	0.82 207	1.01 225	1.13 315	0.70 268	0.78 237	0.67 263	0.28 306	0.20 282	0.28 308	0.22 269	0.29 290	0.26 279

GANet-RSSM	0.47 180	0.21 106	0.37 48	0.38 68	0.25 116	0.58 190	0.36 158	1.07 260	0.78 169	0.68 129	1.01 225	0.86 242	0.67 248	0.62 144	0.44 187	0.21 241	0.15 208	0.18 123	0.18 189	0.18 163	0.17 167

DeepPrunerF	0.89 335	0.52 343	3.43 401	0.68 368	0.81 377	0.72 254	0.72 342	1.22 315	1.99 384	0.93 272	1.01 225	0.87 247	0.86 312	1.08 321	0.95 328	0.34 345	0.28 332	0.43 356	0.39 357	0.30 299	0.32 316

GANetREF_RVC	0.80 318	0.75 369	0.86 323	0.66 361	0.42 319	1.15 340	0.98 369	1.14 285	1.19 330	1.01 305	1.02 233	1.10 308	0.90 320	1.15 329	0.76 282	0.48 369	0.39 372	0.57 377	0.38 353	0.63 380	0.46 364
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
ccs_rob	0.46 170	0.24 186	0.52 211	0.37 47	0.27 177	0.58 190	0.31 91	0.86 185	0.88 217	0.82 207	1.02 233	0.75 208	0.47 145	0.58 111	0.44 187	0.17 148	0.12 101	0.24 264	0.16 127	0.24 263	0.19 210

iResNet_ROB	0.52 233	0.21 106	0.53 217	0.37 47	0.21 31	0.61 206	0.29 61	1.51 372	1.32 350	0.90 258	1.02 233	0.80 230	0.62 218	0.76 226	0.43 174	0.16 115	0.12 101	0.13 11	0.09 7	0.15 81	0.18 182

PSMNet_ROB	0.64 284	0.37 292	0.65 267	0.56 330	0.42 319	0.97 309	0.83 353	1.21 307	0.92 239	0.79 188	1.02 233	1.08 304	0.63 224	0.82 246	0.91 323	0.29 312	0.20 282	0.31 324	0.31 335	0.26 275	0.23 263

SA	0.44 154	0.25 204	0.46 151	0.46 247	0.24 90	0.43 127	0.36 158	0.75 152	0.96 257	0.59 78	1.03 237	0.48 77	0.52 167	0.94 300	0.32 78	0.16 115	0.12 101	0.21 224	0.19 214	0.15 81	0.13 60

AACVNet	0.50 217	0.23 150	0.49 187	0.46 247	0.29 219	0.52 154	0.38 190	0.90 203	0.55 80	0.81 198	1.03 237	1.00 280	0.70 268	0.83 253	0.54 235	0.21 241	0.18 260	0.24 264	0.18 189	0.23 253	0.20 230

LCNet	0.41 136	0.20 74	0.32 20	0.44 207	0.24 90	0.47 140	0.29 61	0.67 96	0.53 72	0.72 157	1.03 237	0.66 165	0.60 208	0.58 111	0.34 100	0.14 33	0.10 9	0.19 160	0.19 214	0.21 228	0.36 331

CFNet_pseudo	0.46 170	0.24 186	0.52 211	0.37 47	0.27 177	0.58 190	0.30 74	0.86 185	0.88 217	0.82 207	1.03 237	0.75 208	0.47 145	0.58 111	0.44 187	0.17 148	0.12 101	0.24 264	0.16 127	0.24 263	0.19 210

LMCR-Stereo	0.53 236	0.30 260	0.53 217	0.58 337	0.30 229	0.83 287	0.36 158	1.19 301	0.76 155	0.88 247	1.04 241	0.56 100	0.62 218	0.82 246	0.67 263	0.19 205	0.15 208	0.19 160	0.14 76	0.23 253	0.17 167

test_xeample	1.01 347	0.21 106	0.42 105	0.35 30	0.21 31	0.71 251	0.39 210	1.23 319	0.86 204	0.81 198	1.04 241	0.69 175	0.61 213	0.69 194	10.93 418	0.19 205	0.15 208	0.18 123	0.17 167	0.18 163	0.17 167

RASNet	0.53 236	0.22 133	0.52 211	0.38 68	0.22 44	0.68 242	0.38 190	0.97 226	0.88 217	0.73 164	1.04 241	1.03 290	0.92 324	0.90 278	0.86 301	0.16 115	0.14 183	0.14 19	0.17 167	0.15 81	0.13 60

CVANet_RVC	0.57 263	0.33 275	0.44 124	0.47 256	0.32 259	0.67 240	0.61 314	1.05 256	0.93 244	0.85 227	1.04 241	1.01 283	0.73 277	0.83 253	0.52 229	0.29 312	0.19 274	0.27 301	0.25 302	0.31 304	0.21 243

mmm	0.44 154	0.27 232	0.46 151	0.38 68	0.24 90	0.61 206	0.35 140	0.94 214	0.53 72	0.72 157	1.05 245	0.63 143	0.50 162	0.57 94	0.45 193	0.18 176	0.15 208	0.23 250	0.20 236	0.20 210	0.18 182

SQANet	0.82 322	0.74 368	0.67 276	1.13 389	0.98 387	1.11 333	0.47 252	1.07 260	0.83 189	0.91 263	1.05 245	1.03 290	0.74 279	1.01 306	0.64 257	0.61 382	0.24 312	1.03 389	0.35 348	1.18 393	0.58 380

STrans-v2	0.46 170	0.20 74	0.48 177	0.40 113	0.24 90	0.55 169	0.50 268	1.07 260	0.73 142	0.65 111	1.05 245	0.72 191	0.69 258	0.72 207	0.33 90	0.14 33	0.10 9	0.17 89	0.14 76	0.13 21	0.12 35

cf-r	0.47 180	0.23 150	0.41 86	0.39 89	0.23 72	0.59 199	0.37 170	0.88 196	0.85 199	0.72 157	1.05 245	0.94 267	0.62 218	0.56 84	0.54 235	0.21 241	0.14 183	0.17 89	0.19 214	0.15 81	0.15 111

DeepPruner_ROB	0.53 236	0.34 280	0.59 239	0.41 137	0.30 229	0.50 147	0.43 236	1.19 301	0.70 124	0.85 227	1.05 245	0.86 242	0.55 184	0.84 258	0.51 222	0.29 312	0.23 305	0.22 236	0.22 269	0.26 275	0.25 275

DISCO	0.70 296	0.26 218	0.68 279	0.44 207	0.31 246	1.14 338	0.51 282	1.23 319	1.23 336	0.81 198	1.05 245	1.50 358	0.85 310	1.82 381	1.03 339	0.19 205	0.15 208	0.18 123	0.16 127	0.24 263	0.23 263

SACVNet	0.58 269	0.34 280	0.55 225	0.55 327	0.36 283	0.63 222	0.48 258	1.13 279	0.77 162	1.02 307	1.06 251	1.02 288	0.74 279	0.90 278	0.51 222	0.27 300	0.21 289	0.25 275	0.24 293	0.29 290	0.36 331

PSMNet-RSSM	0.48 188	0.22 133	0.38 57	0.42 174	0.25 116	0.50 147	0.37 170	1.10 269	0.77 162	0.70 140	1.06 251	0.84 238	0.64 234	0.62 144	0.47 208	0.23 264	0.15 208	0.23 250	0.25 302	0.20 210	0.19 210

iResNetv2_ROB	0.52 233	0.27 232	0.69 285	0.38 68	0.25 116	0.62 213	0.35 140	1.17 296	1.01 280	0.99 295	1.06 251	0.88 252	0.67 248	0.66 173	0.39 157	0.19 205	0.13 156	0.15 45	0.11 18	0.18 163	0.16 150

PCWNet_CMD	0.48 188	0.24 186	0.52 211	0.39 89	0.27 177	0.63 222	0.30 74	0.95 220	0.96 257	0.86 232	1.07 254	0.79 222	0.44 135	0.57 94	0.43 174	0.17 148	0.12 101	0.21 224	0.16 127	0.24 263	0.19 210

MSMDNet	0.48 188	0.24 186	0.52 211	0.39 89	0.27 177	0.63 222	0.30 74	0.96 222	0.96 257	0.86 232	1.07 254	0.79 222	0.44 135	0.57 94	0.43 174	0.17 148	0.12 101	0.20 184	0.16 127	0.23 253	0.19 210

CFNet	0.51 224	0.29 254	0.46 151	0.41 137	0.27 177	0.70 246	0.32 107	1.13 279	1.00 276	0.72 157	1.07 254	0.85 240	0.60 208	0.76 226	0.52 229	0.19 205	0.14 183	0.23 250	0.23 280	0.21 228	0.16 150

ttt	0.51 224	0.25 204	0.43 114	0.38 68	0.24 90	0.65 233	0.38 190	1.18 299	1.05 297	0.72 157	1.08 257	0.63 143	0.49 152	0.84 258	0.59 246	0.24 273	0.21 289	0.22 236	0.20 236	0.24 263	0.24 269

222	1.18 366	0.22 133	0.44 124	0.37 47	0.22 44	0.79 269	0.37 170	1.31 340	0.89 227	0.92 271	1.08 257	0.72 191	0.71 272	0.66 173	13.89 421	0.20 227	0.15 208	0.17 89	0.16 127	0.18 163	0.19 210

StereoDRNet-Refined	0.58 269	0.32 267	0.54 220	0.46 247	0.30 229	0.96 308	0.40 216	1.00 234	0.94 251	1.12 333	1.08 257	0.96 271	0.67 248	0.90 278	0.89 319	0.17 148	0.13 156	0.22 236	0.21 254	0.20 210	0.19 210
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.66 288	0.32 267	0.66 272	0.50 290	0.39 301	1.15 340	0.61 314	1.49 368	1.01 280	1.12 333	1.08 257	1.06 297	0.69 258	0.77 233	0.94 325	0.23 264	0.17 249	0.26 289	0.25 302	0.25 271	0.21 243

SuperB	1.04 352	0.37 292	4.81 408	0.43 192	0.31 246	0.99 314	0.46 247	1.02 244	2.09 385	1.09 329	1.09 261	0.75 208	0.81 299	1.06 316	1.76 373	0.19 205	0.15 208	0.17 89	0.15 98	2.82 416	0.26 279

DN-CSS_ROB	0.43 148	0.26 218	0.62 249	0.40 113	0.29 219	0.44 131	0.27 47	0.77 160	0.75 149	0.72 157	1.09 261	0.48 77	0.43 127	0.69 194	0.37 143	0.15 81	0.12 101	0.21 224	0.19 214	0.18 163	0.16 150

TDLM	0.57 263	0.33 275	0.49 187	0.51 302	0.30 229	0.66 236	0.73 343	1.03 248	1.01 280	0.82 207	1.10 263	0.84 238	0.70 268	0.86 267	0.58 242	0.28 306	0.17 249	0.25 275	0.22 269	0.26 275	0.19 210

XQC	0.89 335	0.65 363	1.31 365	0.67 364	0.52 352	1.22 348	0.68 328	1.26 330	1.52 366	1.14 336	1.11 264	1.28 327	1.04 343	1.40 361	1.77 374	0.38 356	0.24 312	0.37 345	0.31 335	0.53 368	0.47 368

DPSNet	0.99 346	0.42 314	1.88 389	0.53 318	0.41 313	1.59 373	1.26 390	2.21 394	1.43 359	1.10 331	1.11 264	1.46 352	1.95 392	1.34 353	1.26 359	0.34 345	0.25 320	0.25 275	0.21 254	0.46 356	0.37 337

Wz-Net-LNSev	0.71 300	0.51 337	1.36 373	0.50 290	0.41 313	1.15 340	0.69 332	1.21 307	1.07 310	1.02 307	1.12 266	1.08 304	0.87 315	0.89 276	0.89 319	0.24 273	0.22 295	0.21 224	0.19 214	0.26 275	0.26 279

DAS	0.51 224	0.25 204	0.60 244	0.48 261	0.31 246	0.58 190	0.41 228	0.83 176	0.97 260	0.89 251	1.12 266	0.70 177	0.75 281	0.82 246	0.43 174	0.17 148	0.13 156	0.18 123	0.15 98	0.20 210	0.18 182

SepStereo	0.51 224	0.25 204	0.60 244	0.48 261	0.31 246	0.58 190	0.41 228	0.83 176	0.97 260	0.89 251	1.12 266	0.70 177	0.75 281	0.93 293	0.43 174	0.17 148	0.13 156	0.18 123	0.15 98	0.20 210	0.18 182

PSM-AAD	0.48 188	0.20 74	0.37 48	0.43 192	0.23 72	0.56 184	0.50 268	0.65 77	0.70 124	1.07 324	1.12 266	0.58 113	0.92 324	0.61 138	0.32 78	0.15 81	0.11 59	0.25 275	0.26 312	0.18 163	0.43 358

iResNet	0.49 204	0.29 254	0.79 313	0.42 174	0.21 31	0.61 206	0.40 216	0.82 175	0.99 269	0.87 239	1.12 266	0.69 175	0.53 170	0.78 237	0.51 222	0.15 81	0.11 59	0.14 19	0.12 32	0.17 145	0.15 111

LALA_ROB	0.74 307	0.43 316	0.69 285	0.54 324	0.40 306	1.01 316	0.95 367	1.21 307	1.07 310	1.22 345	1.12 266	1.56 364	0.79 295	1.04 315	0.86 301	0.33 339	0.22 295	0.35 338	0.30 328	0.35 325	0.31 312

AFF-stereo	0.38 99	0.19 52	0.39 74	0.37 47	0.21 31	0.27 27	0.31 91	0.65 77	0.66 116	0.64 104	1.13 272	0.76 214	0.39 108	0.55 76	0.33 90	0.11 1	0.09 2	0.16 64	0.16 127	0.13 21	0.11 11

MLCV	0.47 180	0.24 186	0.61 246	0.37 47	0.17 4	0.61 206	0.33 116	0.80 171	0.87 213	0.94 275	1.13 272	0.72 191	0.43 127	0.89 276	0.51 222	0.13 13	0.10 9	0.13 11	0.11 18	0.14 48	0.12 35

StereoVision	0.42 142	0.28 246	0.45 135	0.49 276	0.28 196	0.38 103	0.38 190	0.72 137	0.62 91	0.44 47	1.14 274	0.54 95	0.39 108	0.56 84	0.34 100	0.21 241	0.24 312	0.25 275	0.24 293	0.26 275	0.16 150

TransformOpticalFlow	0.44 154	0.20 74	0.47 161	0.41 137	0.23 72	0.37 89	0.47 252	0.94 214	0.76 155	0.65 111	1.14 274	0.73 201	0.56 190	0.76 226	0.32 78	0.15 81	0.10 9	0.17 89	0.15 98	0.14 48	0.13 60

FINET	0.67 289	0.42 314	1.00 335	0.46 247	0.43 324	0.83 287	0.89 361	1.08 264	1.50 365	0.87 239	1.14 274	0.71 181	0.68 254	0.92 288	0.70 270	0.36 352	0.30 340	0.26 289	0.24 293	0.35 325	0.33 320

HGLStereo	0.56 258	0.28 246	0.57 234	0.50 290	0.37 288	0.80 272	0.45 244	1.02 244	0.78 169	0.86 232	1.14 274	0.89 256	0.82 303	0.76 226	0.73 277	0.21 241	0.20 282	0.19 160	0.18 189	0.19 197	0.21 243

DLCB_ROB	0.58 269	0.28 246	0.47 161	0.49 276	0.32 259	0.77 262	0.50 268	0.99 231	0.92 239	1.04 316	1.14 274	1.21 320	0.69 258	0.88 271	0.69 267	0.20 227	0.20 282	0.22 236	0.22 269	0.21 228	0.18 182

APVNet	0.71 300	0.37 292	0.89 326	0.56 330	0.45 335	1.18 345	0.68 328	1.41 359	0.85 199	0.81 198	1.15 279	1.04 292	0.81 299	1.10 324	1.17 352	0.26 293	0.28 332	0.32 329	0.31 335	0.29 290	0.30 306

ADCP+	1.06 355	0.35 284	1.51 380	0.49 276	0.51 349	1.45 365	0.55 296	1.25 329	1.03 288	1.16 337	1.15 279	1.10 308	1.07 346	1.56 366	6.75 414	0.19 205	0.16 235	0.23 250	0.21 254	0.28 287	0.21 243

HSM-Net_RVC	0.53 236	0.22 133	0.35 33	0.37 47	0.21 31	0.85 291	0.37 170	1.23 319	0.93 244	0.90 258	1.15 279	1.26 324	0.63 224	0.72 207	0.48 211	0.17 148	0.13 156	0.16 64	0.15 98	0.17 145	0.15 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PASM	0.90 338	0.64 362	1.69 382	0.69 370	0.69 375	0.78 266	0.84 356	1.03 248	1.26 345	1.19 340	1.15 279	1.31 331	0.98 337	1.24 340	1.03 339	0.52 375	0.56 389	0.59 380	0.66 387	0.56 372	0.54 378

XPNet_ROB	0.70 296	0.35 284	0.68 279	0.52 313	0.40 306	0.79 269	0.85 359	1.16 291	0.94 251	1.33 354	1.15 279	1.38 346	0.83 307	1.03 313	0.90 321	0.32 333	0.25 320	0.26 289	0.24 293	0.31 304	0.28 293

GwcNet-RSSM	0.49 204	0.24 186	0.42 105	0.40 113	0.23 72	0.55 169	0.38 190	0.93 210	0.93 244	0.71 146	1.16 284	0.86 242	0.60 208	0.62 144	0.66 260	0.21 241	0.14 183	0.19 160	0.20 236	0.16 112	0.15 111

SAMSARA	1.07 357	0.65 363	1.19 355	1.06 388	0.90 380	1.76 381	1.76 409	1.46 364	1.44 361	1.51 360	1.16 284	2.00 378	1.14 351	1.48 362	1.31 363	0.39 358	0.44 382	0.35 338	0.38 353	0.49 360	0.49 373

iinet-f	0.67 289	0.26 218	2.15 393	0.39 89	0.31 246	1.19 346	0.56 301	0.84 179	0.84 192	0.80 190	1.17 286	1.05 296	0.84 309	0.71 202	1.21 355	0.20 227	0.18 260	0.17 89	0.15 98	0.20 210	0.20 230

dad	0.58 269	0.50 334	0.64 262	0.43 192	0.30 229	0.59 199	0.36 158	0.78 165	1.25 342	1.01 305	1.17 286	1.15 318	0.53 170	0.68 191	0.50 214	0.35 349	0.23 305	0.37 345	0.21 254	0.29 290	0.20 230

HBP-ISP	0.59 276	0.45 324	0.43 114	0.45 228	0.33 268	0.70 246	0.28 54	1.11 274	1.00 276	0.83 219	1.18 288	0.65 160	0.68 254	0.88 271	0.52 229	0.35 349	0.38 368	0.47 364	0.41 365	0.38 335	0.31 312

ETE_ROB	0.70 296	0.49 330	0.73 296	0.56 330	0.36 283	0.79 269	0.87 360	1.14 285	0.93 244	1.19 340	1.18 288	1.39 347	0.82 303	0.99 303	0.80 289	0.26 293	0.21 289	0.31 324	0.26 312	0.33 314	0.34 324

PDISCO_ROB	0.91 339	0.48 327	1.06 339	0.99 383	0.97 385	1.67 378	0.63 316	1.64 382	1.59 371	1.06 321	1.18 288	1.31 331	0.79 295	1.55 364	0.97 331	0.49 371	0.22 295	0.45 360	0.40 360	0.45 353	0.37 337

SGM-Forest	0.62 282	0.32 267	0.39 74	0.43 192	0.30 229	1.02 318	0.55 296	1.09 268	1.05 297	1.06 321	1.18 288	1.10 308	0.67 248	0.88 271	0.62 252	0.31 321	0.33 359	0.33 334	0.30 328	0.30 299	0.28 293
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CFNet_ucs	0.50 217	0.24 186	0.55 225	0.38 68	0.31 246	0.58 190	0.33 116	0.98 229	0.93 244	0.88 247	1.19 292	0.80 230	0.49 152	0.63 154	0.43 174	0.21 241	0.15 208	0.26 289	0.18 189	0.26 275	0.22 256

Wz-Net-MNSev	0.76 310	0.40 309	1.34 368	0.50 290	0.40 306	1.44 364	0.83 353	1.15 288	1.16 325	1.25 349	1.20 293	1.13 315	0.81 299	1.16 330	1.00 338	0.22 259	0.19 274	0.24 264	0.23 280	0.28 287	0.26 279

Wz-Net-LNSev-Ref	0.63 283	0.28 246	0.99 334	0.40 113	0.30 229	1.03 321	0.56 301	1.10 269	0.99 269	0.97 288	1.22 294	1.06 297	0.69 258	1.07 319	0.95 328	0.19 205	0.11 59	0.16 64	0.13 53	0.22 244	0.21 243

DDUNet	1.06 355	2.56 419	0.68 279	1.21 391	1.26 395	1.03 321	0.69 332	1.11 274	0.94 251	0.96 283	1.22 294	1.27 325	0.82 303	0.93 293	0.72 276	0.84 390	0.38 368	1.99 399	0.60 385	1.10 392	0.85 390

DANet	0.71 300	0.45 324	0.91 327	0.59 340	0.40 306	0.81 277	0.40 216	0.97 226	0.84 192	1.20 343	1.22 294	1.33 338	0.88 318	1.16 330	1.24 357	0.27 300	0.23 305	0.31 324	0.25 302	0.35 325	0.32 316
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV	0.64 284	0.35 284	0.41 86	0.42 174	0.25 116	1.01 316	0.77 347	1.13 279	1.09 315	1.17 338	1.22 294	1.04 292	0.75 281	0.88 271	0.63 255	0.28 306	0.30 340	0.34 336	0.30 328	0.26 275	0.26 279
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CC-Net-ROB	0.82 322	0.96 384	0.85 318	0.58 337	0.45 335	1.27 353	0.70 337	1.17 296	1.02 283	0.83 219	1.23 298	0.90 260	0.77 288	1.06 316	0.69 267	0.46 366	0.34 361	1.71 395	0.38 353	0.59 378	0.36 331

DGSMNet	0.76 310	0.55 349	1.29 364	0.58 337	0.62 369	0.94 302	0.70 337	1.26 330	1.11 317	0.83 219	1.24 299	1.00 280	0.71 272	1.03 313	0.81 292	0.34 345	0.29 337	0.41 354	0.40 360	0.57 374	0.55 379

RTSC	0.87 331	0.48 327	1.23 359	0.52 313	0.37 288	1.13 337	0.50 268	1.34 345	1.79 379	1.51 360	1.24 299	1.12 312	0.81 299	1.62 370	2.16 383	0.25 283	0.19 274	0.23 250	0.24 293	0.30 299	0.31 312

CBMV_ROB	0.59 276	0.37 292	0.38 57	0.39 89	0.28 196	0.74 256	0.28 54	1.00 234	0.98 264	0.94 275	1.25 301	0.81 232	0.78 293	0.87 268	0.50 214	0.36 352	0.37 366	0.43 356	0.40 360	0.33 314	0.30 306

Wz-Net-TNSev	1.14 361	1.06 390	4.32 407	0.49 276	0.42 319	1.51 368	1.11 379	1.48 366	1.40 358	1.22 345	1.26 302	1.58 366	1.43 372	1.76 378	1.70 370	0.32 333	0.31 350	0.26 289	0.30 328	0.41 344	0.41 352

pcwnet_v2	0.58 269	0.28 246	0.84 317	0.45 228	0.35 281	0.61 206	0.35 140	1.27 332	1.21 333	0.99 295	1.27 303	0.72 191	0.58 198	0.67 183	0.48 211	0.27 300	0.21 289	0.24 264	0.23 280	0.29 290	0.29 299

FBW_ROB	0.88 333	0.50 334	0.85 318	0.55 327	0.40 306	1.17 343	0.78 349	1.50 369	1.37 353	1.33 354	1.27 303	1.48 356	1.00 340	2.57 400	0.98 334	0.25 283	0.32 353	0.45 360	0.30 328	0.34 321	0.28 293

R-Stereo Train	0.39 113	0.18 36	0.42 105	0.42 174	0.26 153	0.40 107	0.32 107	0.72 137	0.34 11	0.89 251	1.28 305	0.57 105	0.35 81	0.42 24	0.32 78	0.15 81	0.12 101	0.14 19	0.12 32	0.14 48	0.13 60

RAFT-Stereo	0.39 113	0.18 36	0.42 105	0.42 174	0.26 153	0.40 107	0.32 107	0.72 137	0.34 11	0.89 251	1.28 305	0.57 105	0.35 81	0.42 24	0.32 78	0.15 81	0.12 101	0.14 19	0.12 32	0.14 48	0.13 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
PS-NSSS	0.58 269	0.44 320	0.62 249	0.42 174	0.33 268	0.66 236	0.58 305	1.02 244	0.86 204	0.77 183	1.28 305	0.72 191	0.64 234	0.82 246	0.59 246	0.31 321	0.26 326	0.40 353	0.27 317	0.33 314	0.26 279

Ntro	1.09 359	0.97 387	0.91 327	1.44 396	1.19 394	1.69 379	0.80 351	1.35 348	1.25 342	1.00 300	1.29 308	1.31 331	0.97 336	1.26 342	0.84 296	0.84 390	0.43 380	1.36 392	0.50 378	1.56 395	0.78 386

Wz-Net-SNSev	0.91 339	0.73 367	2.13 392	0.56 330	0.45 335	0.95 305	1.13 380	1.34 345	1.24 338	1.02 307	1.30 309	1.46 352	0.86 312	1.81 380	1.50 367	0.25 283	0.23 305	0.25 275	0.26 312	0.32 309	0.29 299

HHNet	0.41 136	0.17 20	0.41 86	0.34 12	0.37 288	0.33 70	0.34 123	0.69 114	0.75 149	0.86 232	1.30 309	0.52 87	0.32 65	0.52 65	0.35 115	0.15 81	0.11 59	0.19 160	0.15 98	0.15 81	0.24 269

XX-Stereo	0.37 84	0.17 20	0.45 135	0.55 327	0.36 283	0.38 103	0.20 1	0.60 51	0.30 5	0.46 51	1.30 309	0.73 201	0.26 20	0.56 84	0.26 27	0.16 115	0.11 59	0.17 89	0.16 127	0.14 48	0.10 4

otaku	1.04 352	0.93 381	0.88 325	1.33 395	1.05 392	1.66 376	0.70 337	1.40 358	1.18 328	1.08 327	1.32 312	1.33 338	0.91 321	1.23 339	0.76 282	0.72 386	0.46 385	1.24 391	0.50 378	1.40 394	0.75 384

STTRV1_RVC	0.82 322	0.59 354	1.16 348	0.67 364	0.81 377	1.11 333	0.63 316	1.30 338	1.11 317	0.98 292	1.33 313	1.08 304	0.95 333	1.26 342	0.87 305	0.55 380	0.25 320	0.43 356	0.39 357	0.58 377	0.40 348

AANet_RVC	0.57 263	0.32 267	0.54 220	0.45 228	0.27 177	0.57 188	0.48 258	1.00 234	1.28 346	0.86 232	1.33 313	0.87 247	0.58 198	1.07 319	0.75 281	0.18 176	0.12 101	0.15 45	0.13 53	0.18 163	0.18 182

Syn2CoEx	0.71 300	0.51 337	0.95 329	0.64 352	0.45 335	0.91 297	0.53 288	1.48 366	1.13 321	0.93 272	1.35 315	1.02 288	0.99 338	0.92 288	0.80 289	0.30 318	0.27 330	0.28 308	0.24 293	0.23 253	0.24 269

fast-acv-ft	0.64 284	0.30 260	0.73 296	0.45 228	0.34 275	1.17 343	0.49 264	0.86 185	0.98 264	1.02 307	1.36 316	1.29 328	0.85 310	0.76 226	0.81 292	0.21 241	0.23 305	0.23 250	0.23 280	0.21 228	0.20 230

NCC-stereo	0.78 314	0.40 309	0.76 308	0.61 347	0.67 372	0.81 277	0.69 332	1.54 376	1.11 317	0.90 258	1.36 316	1.33 338	1.16 353	1.19 333	0.88 308	0.31 321	0.30 340	0.37 345	0.48 373	0.33 314	0.33 320

Abc-Net	0.78 314	0.40 309	0.76 308	0.61 347	0.67 372	0.81 277	0.69 332	1.54 376	1.11 317	0.90 258	1.36 316	1.33 338	1.16 353	1.19 333	0.88 308	0.31 321	0.30 340	0.37 345	0.48 373	0.33 314	0.33 320
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
CrosDoStereo	0.50 217	0.18 36	0.45 135	0.38 68	0.24 90	0.40 107	1.18 381	0.67 96	0.86 204	0.94 275	1.37 319	0.63 143	0.77 288	0.65 168	0.45 193	0.15 81	0.12 101	0.17 89	0.18 189	0.14 48	0.14 92

DeepStereo_LL	0.50 217	0.18 36	0.45 135	0.38 68	0.24 90	0.40 107	1.18 381	0.67 96	0.86 204	0.94 275	1.37 319	0.63 143	0.77 288	0.65 168	0.45 193	0.15 81	0.12 101	0.17 89	0.18 189	0.14 48	0.14 92

GMM-Stereo	0.44 154	0.19 52	0.36 38	0.42 174	0.25 116	0.51 151	0.47 252	0.71 133	0.53 72	0.76 178	1.37 319	0.76 214	0.38 96	0.60 131	0.33 90	0.15 81	0.10 9	0.20 184	0.19 214	0.16 112	0.27 286

GwcNet	0.69 294	0.36 289	1.10 342	0.51 302	0.42 319	1.08 331	0.50 268	1.21 307	1.16 325	1.00 300	1.37 319	1.06 297	0.79 295	0.92 288	0.94 325	0.25 283	0.24 312	0.24 264	0.22 269	0.23 253	0.26 279

SHD	0.93 342	0.50 334	1.18 354	0.59 340	0.46 342	0.97 309	0.48 258	1.70 385	2.15 386	1.58 363	1.37 319	1.42 350	1.19 358	1.31 349	1.60 368	0.31 321	0.26 326	0.32 329	0.33 344	0.40 338	0.42 353

edge stereo	0.76 310	0.38 301	0.74 300	0.52 313	0.43 324	0.80 272	0.53 288	1.28 334	1.06 304	1.28 350	1.38 324	1.81 371	1.11 349	1.08 321	0.85 300	0.33 339	0.32 353	0.41 354	0.28 322	0.32 309	0.36 331

THIR-Stereo	0.50 217	0.18 36	0.45 135	0.38 68	0.23 72	0.75 259	0.67 323	0.66 86	0.87 213	1.02 307	1.40 325	0.72 191	0.76 284	0.62 144	0.42 169	0.15 81	0.11 59	0.17 89	0.18 189	0.14 48	0.15 111

FAT-Stereo	0.73 306	0.33 275	0.75 303	0.49 276	0.37 288	0.71 251	0.59 307	1.36 351	1.30 348	1.03 315	1.40 325	1.59 367	1.15 352	0.87 268	0.86 301	0.28 306	0.28 332	0.28 308	0.23 280	0.28 287	0.38 343

S-Stereo	0.74 307	0.35 284	0.96 331	0.56 330	0.45 335	0.82 285	0.60 309	1.24 326	1.60 374	0.96 283	1.41 327	1.12 312	0.94 330	0.80 241	1.04 342	0.26 293	0.31 350	0.28 308	0.25 302	0.32 309	0.47 368

ADCRef	0.80 318	0.43 316	1.32 367	0.50 290	0.45 335	1.07 327	0.51 282	1.07 260	0.98 264	1.17 338	1.42 328	0.87 247	0.91 321	0.85 265	3.19 394	0.18 176	0.16 235	0.23 250	0.23 280	0.22 244	0.21 243

AnyNet_C32	1.16 365	0.62 361	2.40 395	0.57 335	0.55 357	1.41 361	1.34 395	1.18 299	1.24 338	1.49 359	1.42 328	1.39 347	1.20 360	1.55 364	4.82 406	0.29 312	0.28 332	0.29 316	0.34 346	0.38 335	0.42 353

ADCPNet	1.03 351	0.48 327	2.70 396	0.54 324	0.42 319	1.40 359	0.75 345	1.13 279	1.07 310	1.22 345	1.42 328	1.68 369	1.09 347	1.36 358	3.45 398	0.30 318	0.28 332	0.29 316	0.32 341	0.37 331	0.35 329

psmorigin	0.82 322	0.51 337	2.09 391	0.49 276	0.41 313	0.85 291	0.50 268	1.04 251	0.88 217	1.45 358	1.43 331	1.50 358	1.06 344	1.22 338	0.97 331	0.31 321	0.32 353	0.27 301	0.27 317	0.33 314	0.42 353

CSAN	0.83 328	0.49 330	0.77 312	0.60 345	0.41 313	1.14 338	1.06 375	1.19 301	1.46 363	1.32 352	1.43 331	1.37 345	1.19 358	1.27 345	0.86 301	0.39 358	0.31 350	0.36 341	0.37 350	0.35 325	0.34 324

RAFT_CTSACE	0.45 164	0.20 74	0.44 124	0.45 228	0.27 177	0.34 76	0.39 210	0.60 51	0.73 142	0.76 178	1.44 333	0.83 234	0.38 96	1.08 321	0.26 27	0.12 4	0.13 156	0.18 123	0.16 127	0.15 81	0.11 11

ccnet	0.82 322	0.57 352	0.75 303	0.54 324	0.59 367	1.09 332	0.66 321	1.38 354	0.94 251	1.12 333	1.44 333	1.29 328	0.92 324	0.95 302	1.24 357	0.49 371	0.42 377	0.50 372	0.47 371	0.51 363	0.46 364

ADCMid	1.14 361	0.52 343	2.23 394	0.53 318	0.43 324	1.07 327	0.75 345	1.23 319	1.05 297	2.15 388	1.44 333	1.50 358	1.43 372	1.56 366	5.01 408	0.26 293	0.24 312	0.29 316	0.31 335	0.37 331	0.33 320

test_4	0.36 69	0.18 36	0.31 14	0.44 207	0.25 116	0.20 1	0.34 123	0.56 32	0.41 44	0.59 78	1.45 336	0.43 59	0.25 13	0.63 154	0.28 46	0.12 4	0.10 9	0.17 89	0.19 214	0.15 81	0.11 11

RGC	0.79 317	0.59 354	0.71 292	0.65 358	0.65 371	0.92 301	0.58 305	1.29 335	1.05 297	1.07 324	1.45 336	1.47 355	1.03 342	1.21 337	0.88 308	0.32 333	0.30 340	0.48 367	0.40 360	0.37 331	0.37 337

stereogan	0.80 318	0.31 265	0.71 292	0.59 340	0.50 346	1.72 380	0.48 258	1.35 348	1.37 353	1.00 300	1.46 338	1.56 364	0.95 333	1.29 347	0.84 296	0.28 306	0.29 337	0.29 316	0.25 302	0.38 335	0.38 343

GrayStereo	0.49 204	0.19 52	0.42 105	0.46 247	0.28 196	0.53 160	0.67 323	0.69 114	0.63 101	1.02 307	1.47 339	0.78 221	0.76 284	0.56 84	0.33 90	0.14 33	0.12 101	0.17 89	0.17 167	0.15 81	0.29 299

Sa-1000	0.48 188	0.24 186	0.41 86	0.45 228	0.25 116	0.59 199	0.34 123	0.81 174	0.93 244	0.82 207	1.50 340	0.53 91	0.45 139	0.92 288	0.30 63	0.15 81	0.12 101	0.21 224	0.19 214	0.15 81	0.13 60

ADCL	1.04 352	0.38 301	1.35 369	0.50 290	0.39 301	1.61 374	0.89 361	1.29 335	1.39 356	1.29 351	1.50 340	1.24 323	1.24 361	1.37 359	4.87 407	0.21 241	0.19 274	0.25 275	0.25 302	0.29 290	0.27 286

DispFullNet	1.60 385	2.63 420	2.75 397	2.56 413	1.79 405	1.24 351	0.47 252	1.37 353	1.45 362	1.87 378	1.50 340	1.55 363	2.46 398	2.04 389	1.04 342	0.59 381	0.18 260	2.32 408	0.68 389	2.29 409	1.14 402

ACVNet_1	1.46 380	1.33 396	1.12 345	1.91 404	1.62 399	1.83 382	0.98 369	2.00 391	1.85 381	1.39 357	1.53 343	2.32 383	1.53 374	1.34 353	1.11 347	1.30 401	0.50 387	2.06 405	0.58 384	1.93 405	0.95 395

anonymousa	0.49 204	0.20 74	0.42 105	0.38 68	0.23 72	0.91 297	0.35 140	0.75 152	0.62 91	0.85 227	1.54 344	1.06 297	0.66 245	0.51 60	0.43 174	0.16 115	0.13 156	0.19 160	0.21 254	0.16 112	0.14 92

MFN_U_SF_RVC	1.09 359	0.59 354	1.97 390	0.67 364	0.44 331	1.93 384	0.60 309	1.85 387	1.36 351	1.61 366	1.54 344	1.95 377	1.37 368	1.64 373	1.73 371	0.40 362	0.37 366	0.45 360	0.48 373	0.44 349	0.44 359

MFN_U_SF_DS_RVC	1.02 350	0.57 352	1.51 380	0.67 364	0.50 346	2.57 393	1.66 405	1.20 305	1.43 359	1.38 356	1.57 346	1.33 338	0.92 324	1.64 373	0.88 308	0.37 355	0.39 372	0.46 363	0.60 385	0.41 344	0.40 348

RainbowNet	1.35 375	1.49 399	1.19 355	1.88 402	1.45 396	1.48 366	1.07 377	1.61 380	1.55 369	1.20 343	1.59 347	1.54 362	1.13 350	1.34 353	0.97 331	1.36 404	0.70 393	1.82 397	0.79 393	1.71 397	1.07 401

ACVNet-4b	1.35 375	1.31 395	1.10 342	1.90 403	1.59 398	1.92 383	0.77 347	1.52 375	1.62 375	1.05 318	1.60 348	2.11 379	0.94 330	1.64 373	0.77 286	1.30 401	0.35 363	2.03 403	0.67 388	1.88 403	0.84 389

FADE	5.17 416	2.05 412	13.14 421	1.03 386	0.99 388	2.09 387	0.91 364	3.91 412	3.00 399	1.76 375	1.60 348	2.73 389	6.73 418	5.95 415	3.95 400	11.57 430	1.70 418	23.09 436	15.86 430	0.62 379	0.65 382

WZ-Net	1.19 367	0.59 354	4.07 405	0.62 350	0.51 349	1.34 356	1.31 394	1.32 341	1.74 378	1.53 362	1.65 350	1.74 370	1.28 365	2.25 394	2.01 380	0.27 300	0.21 289	0.23 250	0.25 302	0.40 338	0.39 345

RP	0.76 310	0.36 289	0.63 257	0.66 361	0.58 366	0.80 272	0.55 296	1.14 285	1.22 335	0.97 288	1.65 350	1.43 351	1.32 366	1.01 306	0.84 296	0.33 339	0.30 340	0.36 341	0.30 328	0.34 321	0.34 324

DEmStereo	0.48 188	0.17 20	0.50 199	0.38 68	0.25 116	0.59 199	0.34 123	0.63 66	0.74 147	0.89 251	1.66 352	0.58 113	1.06 344	0.60 131	0.42 169	0.14 33	0.11 59	0.16 64	0.16 127	0.14 48	0.15 111

ADCS	1.51 382	0.61 358	3.42 400	0.59 340	0.51 349	1.27 353	1.08 378	1.59 378	1.81 380	1.91 382	1.66 352	1.51 361	1.42 371	1.94 386	8.60 416	0.33 339	0.32 353	0.33 334	0.36 349	0.44 349	0.42 353

MFMNet_re	1.14 361	0.97 387	1.19 355	0.99 383	0.95 383	1.25 352	1.22 386	1.39 355	1.55 369	1.69 373	1.67 354	1.21 320	1.53 374	1.12 327	0.99 335	0.87 392	0.75 400	0.79 384	0.75 391	0.90 384	0.94 393

Consistency-Raft	1.01 347	0.81 373	1.24 360	0.84 378	0.97 385	0.81 277	0.84 356	1.30 338	1.59 371	1.05 318	1.68 355	1.12 312	0.91 321	0.92 288	1.11 347	0.65 383	0.74 396	0.79 384	0.90 396	1.06 391	0.79 388

KYRaft	0.48 188	0.20 74	0.38 57	0.44 207	0.23 72	0.44 131	0.37 170	0.66 86	0.41 44	0.94 275	1.73 356	0.79 222	0.41 119	0.63 154	0.31 70	0.16 115	0.11 59	0.18 123	0.22 269	0.16 112	0.78 386

MDST_ROB	0.91 339	0.27 232	0.85 318	0.63 351	0.41 313	2.53 392	0.71 341	1.60 379	1.13 321	2.83 401	1.73 356	0.97 273	0.69 258	1.61 369	0.73 277	0.25 283	0.22 295	0.32 329	0.28 322	0.25 271	0.24 269

whm_eth	0.48 188	0.30 260	0.74 300	0.46 247	0.38 296	0.37 89	0.37 170	0.79 167	0.78 169	0.82 207	1.74 358	0.37 36	0.38 96	0.60 131	0.38 151	0.18 176	0.16 235	0.20 184	0.20 236	0.19 197	0.22 256

MADNet+	2.23 399	2.43 416	10.85 416	1.22 392	0.91 381	2.76 397	1.40 398	2.12 393	1.67 377	1.32 352	1.74 358	1.86 375	1.74 384	6.25 416	4.41 405	0.65 383	0.64 392	0.58 379	0.54 382	0.80 383	0.76 385

DRaft	0.49 204	0.17 20	0.47 161	0.37 47	0.25 116	0.58 190	0.40 216	0.65 77	0.85 199	1.02 307	1.75 360	0.50 82	0.82 303	0.63 154	0.40 162	0.13 13	0.11 59	0.16 64	0.16 127	0.14 48	0.15 111

RAFT-345	0.40 125	0.18 36	0.40 81	0.38 68	0.22 44	0.33 70	0.26 41	0.61 57	0.51 66	0.74 170	1.79 361	0.45 65	0.33 73	0.66 173	0.36 131	0.14 33	0.11 59	0.18 123	0.14 76	0.13 21	0.13 60

SPS-STEREO	1.25 371	0.93 381	1.06 339	1.04 387	1.03 390	1.41 361	0.91 364	1.51 372	1.19 330	2.09 386	1.83 362	1.94 376	1.39 369	1.62 370	1.39 365	0.97 394	0.94 410	0.90 386	0.89 395	0.96 388	0.96 396
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Prome-Stereo	0.46 170	0.19 52	0.35 33	0.44 207	0.26 153	0.40 107	0.45 244	0.68 105	0.44 54	0.96 283	1.84 363	0.59 127	0.67 248	0.61 138	0.32 78	0.14 33	0.11 59	0.16 64	0.14 76	0.16 112	0.29 299

MSC_U_SF_DS_RVC	1.34 373	0.87 378	1.76 385	0.86 379	0.56 360	4.29 412	1.79 410	1.50 369	1.98 383	1.61 366	1.85 364	1.84 372	1.41 370	1.89 383	1.36 364	0.48 369	0.40 374	0.56 376	0.57 383	0.69 381	0.48 370

Nwc_Net	0.78 314	0.38 301	0.73 296	0.60 345	0.55 357	1.05 326	0.55 296	1.67 384	1.05 297	0.88 247	1.86 365	1.40 349	1.09 347	1.10 324	0.87 305	0.30 318	0.25 320	0.36 341	0.38 353	0.29 290	0.29 299

AnyNet_C01	1.56 383	1.05 389	7.45 413	0.64 352	0.54 355	1.99 385	1.38 397	1.43 362	1.36 351	1.63 369	1.92 366	1.84 372	1.33 367	2.40 396	4.03 401	0.33 339	0.32 353	0.32 329	0.34 346	0.44 349	0.45 363

SGM_RVC	0.97 344	0.28 246	0.41 86	0.39 89	0.22 44	1.55 370	0.73 343	1.51 372	1.25 342	2.25 391	1.92 366	2.58 388	1.56 377	2.02 388	1.19 354	0.27 300	0.27 330	0.27 301	0.25 302	0.25 271	0.25 275
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
EDNetEfficient	1.46 380	0.80 372	6.12 410	0.47 256	0.39 301	0.69 244	0.83 353	0.90 203	2.77 397	3.50 411	1.96 368	1.66 368	2.03 394	1.26 342	4.18 404	0.21 241	0.18 260	0.21 224	0.20 236	0.41 344	0.39 345

GANet	0.70 296	0.37 292	0.55 225	0.51 302	0.34 275	0.94 302	0.96 368	1.08 264	0.94 251	1.04 316	1.98 369	1.13 315	0.88 318	1.12 327	0.66 260	0.25 283	0.26 326	0.27 301	0.22 269	0.31 304	0.22 256

aanetorigin	0.83 328	0.56 350	1.87 388	0.49 276	0.38 296	0.56 184	0.66 321	0.70 128	1.00 276	2.42 394	2.02 370	1.31 331	1.18 356	0.93 293	1.13 351	0.20 227	0.18 260	0.20 184	0.19 214	0.27 285	0.30 306

AF-Net	0.81 321	0.39 305	0.68 279	0.64 352	0.54 355	0.91 297	0.51 282	1.61 380	1.31 349	0.96 283	2.02 370	1.46 352	1.26 364	1.11 326	0.99 335	0.32 333	0.24 312	0.39 350	0.27 317	0.30 299	0.25 275

tt	6.20 418	0.20 74	5.89 409	3.55 421	2.07 410	11.26 423	19.21 424	11.74 425	5.46 411	2.69 398	2.04 372	4.87 410	6.25 417	3.70 408	7.09 415	8.32 426	11.17 431	4.93 422	5.41 425	5.74 424	2.37 418

SDNR	0.86 330	0.37 292	1.47 378	0.40 113	0.38 296	3.38 408	0.33 116	0.90 203	0.98 264	0.99 295	2.09 373	0.59 127	0.71 272	1.29 347	0.70 270	0.51 374	0.56 389	0.36 341	0.26 312	0.43 348	0.46 364

PWCK	1.92 392	1.66 407	3.12 399	1.65 397	0.91 381	2.84 400	2.26 415	2.10 392	2.41 393	2.36 393	2.31 374	2.22 380	1.82 386	3.43 404	2.03 381	1.61 407	0.71 395	1.51 393	0.82 394	1.69 396	0.91 392

pmcnn	1.23 369	0.29 254	0.96 331	0.40 113	0.23 72	0.95 305	0.69 332	1.16 291	1.28 346	1.67 372	2.33 375	11.15 423	0.86 312	0.93 293	0.88 308	0.15 81	0.12 101	0.12 2	0.10 11	0.15 81	0.15 111

ASMatch	0.48 188	0.19 52	0.45 135	0.39 89	0.28 196	0.37 89	0.26 41	0.74 146	0.68 119	0.76 178	2.34 376	0.61 136	0.52 167	0.62 144	0.37 143	0.14 33	0.12 101	0.17 89	0.15 98	0.14 48	0.21 243

LSM	4.74 415	0.77 370	10.16 415	0.70 371	56.56 439	1.02 318	1.00 373	1.24 326	1.62 375	2.04 384	2.34 376	1.33 338	1.17 355	1.38 360	1.09 346	0.33 339	0.49 386	0.39 350	0.46 368	0.51 363	10.09 426

PVD	1.28 372	0.67 365	1.28 362	0.74 375	0.62 369	1.50 367	0.84 356	1.99 390	2.96 398	2.18 389	2.36 378	1.85 374	1.95 392	1.92 384	1.94 378	0.39 358	0.36 365	0.49 370	0.37 350	0.51 363	0.64 381

SANet	1.07 357	0.41 312	1.06 339	0.48 261	0.30 229	1.41 361	0.94 366	1.42 360	3.36 404	1.58 363	2.43 379	2.33 384	1.70 383	1.34 353	1.07 344	0.28 306	0.24 312	0.26 289	0.23 280	0.34 321	0.30 306

NVStereoNet_ROB	1.24 370	0.90 380	1.13 346	0.86 379	0.88 379	1.11 333	0.99 371	1.42 360	1.53 367	1.59 365	2.48 380	2.24 381	1.53 374	1.96 387	1.30 362	0.76 388	0.70 393	0.78 383	1.00 401	0.71 382	0.88 391
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
EDNetEfficientorigin	9.93 421	1.15 391	175.16 444	0.48 261	0.36 283	1.04 325	0.68 328	1.24 326	2.69 396	3.17 408	2.50 381	2.30 382	2.07 395	1.76 378	2.21 384	0.20 227	0.18 260	0.24 264	0.19 214	0.51 363	0.50 374

ACVNet_2	1.65 388	1.27 394	1.41 376	1.75 399	1.62 399	2.22 389	1.20 383	2.30 395	2.62 394	1.78 376	2.56 382	3.03 392	1.61 379	1.54 363	1.12 350	1.06 397	0.58 391	1.82 397	0.70 390	1.82 399	0.96 396

RTS	1.98 393	0.96 384	11.36 417	0.65 358	0.57 364	2.77 398	1.40 398	1.39 355	2.26 387	1.89 379	2.56 382	1.32 336	1.25 362	5.20 413	4.05 402	0.31 321	0.22 295	0.29 316	0.29 326	0.40 338	0.37 337

RTSA	1.98 393	0.96 384	11.36 417	0.65 358	0.57 364	2.77 398	1.40 398	1.39 355	2.26 387	1.89 379	2.56 382	1.32 336	1.25 362	5.20 413	4.05 402	0.31 321	0.22 295	0.29 316	0.29 326	0.40 338	0.37 337

PWC_ROB	0.87 331	0.52 343	1.28 362	0.50 290	0.32 259	0.91 297	0.37 170	1.36 351	1.46 363	1.61 366	2.59 385	1.16 319	1.01 341	1.34 353	1.40 366	0.25 283	0.18 260	0.28 308	0.20 236	0.29 290	0.28 293

JetBlue	2.78 402	1.26 393	7.04 412	1.16 390	1.48 397	8.00 420	6.02 421	2.60 397	1.92 382	2.12 387	2.64 386	3.34 399	3.05 408	6.49 417	3.39 396	0.78 389	0.76 401	0.75 382	0.76 392	0.97 389	1.18 407

SGM+DAISY	1.35 375	0.94 383	1.25 361	0.96 382	1.00 389	1.52 369	1.02 374	1.34 345	1.21 333	2.64 397	2.65 387	2.44 385	1.56 377	1.64 373	1.26 359	0.97 394	0.95 411	0.90 386	0.90 396	0.94 386	0.96 396

UNDER WATER-64	3.53 408	2.01 411	3.94 404	3.22 420	2.49 416	5.41 416	2.60 418	3.43 409	12.41 419	3.03 407	2.68 388	6.07 415	4.04 413	3.79 409	3.33 395	2.02 412	1.24 415	2.63 414	1.46 413	2.78 415	2.08 417

coex-ft	6.43 419	1.51 401	87.33 443	0.49 276	0.38 296	1.34 356	1.21 385	1.16 291	8.09 415	12.12 423	2.79 389	2.77 391	3.31 409	1.16 330	3.15 393	0.24 273	0.23 305	0.27 301	0.24 293	0.45 353	0.37 337

IMH-64-1	1.86 389	1.62 404	1.16 348	2.20 407	1.89 407	2.33 390	1.30 391	2.89 399	2.29 389	1.66 370	2.80 390	2.49 386	1.61 379	2.10 390	1.78 375	1.60 405	0.74 396	2.43 409	1.02 402	2.12 406	1.17 405

IMH-64	1.86 389	1.62 404	1.16 348	2.20 407	1.89 407	2.33 390	1.30 391	2.89 399	2.29 389	1.66 370	2.80 390	2.49 386	1.61 379	2.10 390	1.78 375	1.60 405	0.74 396	2.43 409	1.02 402	2.12 406	1.17 405

G-Net	0.95 343	0.46 326	1.04 337	0.64 352	0.48 343	2.12 388	0.64 319	1.01 241	0.87 213	1.75 374	2.82 392	1.30 330	1.64 382	1.06 316	0.96 330	0.36 352	0.29 337	0.35 338	0.25 302	0.45 353	0.42 353

UNDER WATER	3.46 407	2.07 413	3.64 403	3.09 418	2.48 415	3.75 410	2.42 417	3.31 407	13.77 422	2.90 406	2.95 393	5.84 412	3.69 412	3.69 407	3.48 399	2.07 413	1.11 413	2.70 416	1.40 412	2.84 417	1.98 415

MeshStereo	1.34 373	0.43 316	0.54 220	0.44 207	0.34 275	1.66 376	0.60 309	1.94 388	1.37 353	4.47 415	3.25 394	4.71 406	1.94 391	1.92 384	1.17 352	0.35 349	0.35 363	0.37 345	0.31 335	0.32 309	0.32 316
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
ELAS_RVC	1.60 385	0.61 358	1.01 336	0.70 371	0.56 360	2.00 386	1.89 412	1.96 389	2.65 395	3.33 410	3.26 395	3.03 392	3.41 411	2.49 398	2.09 382	0.52 375	0.45 383	0.50 372	0.48 373	0.54 370	0.52 376
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-6	2.04 396	1.50 400	1.16 348	1.70 398	1.67 403	2.69 394	1.44 401	3.06 401	3.63 407	1.98 383	3.27 396	3.54 402	2.07 395	2.36 395	2.22 386	1.31 403	0.91 406	2.04 404	1.22 411	1.73 398	1.27 409

FTStereo	0.56 258	0.20 74	0.37 48	0.41 137	0.25 116	0.40 107	0.79 350	0.66 86	0.43 50	1.09 329	3.27 396	0.70 177	0.73 277	0.55 76	0.33 90	0.14 33	0.13 156	0.19 160	0.17 167	0.15 81	0.30 306

Dean	1.98 393	1.36 397	1.36 373	2.12 406	1.81 406	2.74 395	1.36 396	3.37 408	3.80 408	2.08 385	3.32 398	3.21 397	1.82 386	1.71 377	1.67 369	1.27 398	0.77 402	1.99 399	0.90 396	1.86 400	1.03 400

WAO-7	1.90 391	1.20 392	1.35 369	1.27 393	1.06 393	2.84 400	1.56 404	3.23 404	3.06 402	2.23 390	3.33 399	3.17 396	2.28 397	3.12 401	2.21 384	1.02 396	0.91 406	1.06 390	1.03 404	1.04 390	0.97 399

IMH	2.04 396	1.62 404	1.20 358	2.20 407	1.89 407	2.91 405	1.30 391	3.11 402	3.03 400	1.81 377	3.35 400	3.03 392	1.90 389	2.48 397	1.80 377	1.66 408	0.77 402	2.45 411	1.04 405	2.15 408	1.19 408

KSHMR	2.57 400	1.93 410	1.69 382	2.63 415	2.42 414	2.86 402	2.07 413	3.27 406	6.50 413	2.49 396	3.36 401	3.41 400	1.92 390	2.49 398	1.94 378	2.13 414	1.40 416	2.79 418	1.50 414	2.73 414	1.77 413

MSMD_ROB	1.21 368	0.49 330	0.62 249	0.59 340	0.50 346	1.62 375	0.67 323	1.23 319	1.24 338	2.45 395	3.77 402	3.09 395	2.98 407	1.32 350	0.81 292	0.45 365	0.41 375	0.49 370	0.51 380	0.47 358	0.44 359

PWCDC_ROB	0.89 335	0.49 330	0.80 315	0.74 375	0.40 306	1.03 321	0.39 210	1.33 343	2.35 392	1.02 307	3.77 402	0.81 232	0.92 324	1.20 335	0.90 321	0.34 345	0.22 295	0.24 264	0.20 236	0.34 321	0.29 299

JetRed	5.27 417	5.84 423	12.81 420	2.36 410	2.83 419	12.23 424	10.50 423	4.46 414	3.60 405	3.86 413	3.83 404	4.85 409	4.18 414	6.78 418	11.96 419	2.17 415	2.96 422	2.18 407	1.97 416	3.38 421	2.68 420

DPSimNet_ROB	3.58 409	2.45 417	8.57 414	2.53 411	2.37 413	2.88 403	3.77 420	3.14 403	3.23 403	4.71 417	3.86 405	4.68 405	4.87 416	4.07 411	5.62 409	2.33 417	2.33 420	2.47 412	2.52 418	2.51 413	2.64 419

ELAS	1.63 387	0.61 358	0.95 329	0.68 368	0.55 357	3.01 406	1.55 403	2.39 396	2.33 391	3.64 412	3.89 406	2.75 390	2.90 406	2.15 392	2.27 389	0.52 375	0.45 383	0.50 372	0.48 373	0.54 370	0.52 376
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RAFT-RH_RVC	0.56 258	0.17 20	0.41 86	0.37 47	0.23 72	0.57 188	0.24 27	0.60 51	0.70 124	1.19 340	3.94 407	0.56 100	0.38 96	0.65 168	0.36 131	0.13 13	0.11 59	0.20 184	0.14 76	0.12 9	0.13 60

WCMA_ROB	1.14 361	0.36 289	0.76 308	0.49 276	0.44 331	1.23 350	0.67 323	1.11 274	1.23 336	2.84 402	3.95 408	3.28 398	1.83 388	1.25 341	0.99 335	0.44 364	0.34 361	0.34 336	0.37 350	0.41 344	0.40 348

Venus	2.92 403	1.55 402	1.35 369	1.79 400	1.63 401	5.23 414	1.22 386	4.58 415	12.56 420	2.84 402	4.06 409	4.83 407	2.72 404	3.49 405	2.25 387	1.27 398	0.91 406	1.99 399	1.15 409	1.86 400	1.15 403

WAO-8	2.92 403	1.55 402	1.35 369	1.79 400	1.63 401	5.23 414	1.22 386	4.58 415	12.56 420	2.84 402	4.07 410	4.83 407	2.72 404	3.49 405	2.25 387	1.27 398	0.91 406	1.99 399	1.15 409	1.86 400	1.15 403

notaker	2.76 401	2.29 415	1.80 387	2.96 417	2.58 418	2.90 404	1.75 408	3.24 405	3.05 401	2.78 400	4.24 411	6.15 416	2.51 400	3.34 403	2.75 392	2.31 416	1.18 414	3.00 419	1.65 415	2.84 417	1.97 414

LVE	2.12 398	1.44 398	1.36 373	1.99 405	1.78 404	2.75 396	1.79 410	2.82 398	3.95 409	1.90 381	4.33 412	3.52 401	1.81 385	2.24 393	1.74 372	1.74 409	0.87 405	2.06 405	1.13 407	1.91 404	1.35 410

FCDSN-DC	1.39 378	0.56 350	0.65 267	0.74 375	0.59 367	1.38 358	0.63 316	1.35 348	1.39 356	3.26 409	4.50 413	4.61 404	2.63 402	1.58 368	1.03 339	0.46 366	0.42 377	0.48 367	0.47 371	0.50 362	0.50 374
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	1.59 384	0.51 337	0.66 272	0.61 347	0.49 345	1.56 371	0.70 337	1.66 383	1.53 367	4.64 416	4.62 414	5.85 413	3.34 410	1.84 382	1.11 347	0.46 366	0.42 377	0.47 364	0.46 368	0.48 359	0.46 364

LE_ROB	4.42 413	0.24 186	2.75 397	0.42 174	0.23 72	1.57 372	0.90 363	1.71 386	17.88 429	16.56 431	4.88 415	5.17 411	18.85 431	1.63 372	14.62 422	0.17 148	0.14 183	0.16 64	0.16 127	0.19 197	0.17 167

MADNet++	4.03 410	2.70 421	3.44 402	3.72 422	3.44 421	4.44 413	3.52 419	3.95 413	3.61 406	4.46 414	4.98 416	4.10 403	4.58 415	7.00 419	5.89 410	3.74 419	3.67 423	3.27 421	2.71 420	3.70 422	3.66 423

ktn	2.98 405	2.25 414	1.73 384	2.84 416	2.53 417	3.76 411	2.15 414	3.70 410	5.47 412	2.75 399	5.17 417	5.94 414	2.48 399	3.23 402	2.46 390	2.34 418	1.44 417	2.78 417	2.03 417	2.45 412	2.01 416

TorneroNet-64	3.44 406	1.86 408	1.42 377	2.58 414	2.28 412	6.87 417	1.68 406	4.70 417	12.03 417	2.31 392	5.59 418	8.25 418	2.55 401	3.97 410	2.73 391	1.81 410	0.74 396	2.57 413	1.07 406	2.35 410	1.44 411

SGM-ForestM	4.04 411	0.32 267	0.46 151	0.43 192	0.27 177	7.50 419	1.45 402	3.84 411	4.24 410	8.19 422	6.76 419	19.00 429	9.08 419	10.74 423	6.62 413	0.31 321	0.33 359	0.32 329	0.32 341	0.29 290	0.29 299

ASD4	9.96 422	8.86 426	17.78 422	7.17 424	9.80 423	16.08 426	28.92 428	9.77 424	8.20 416	7.02 421	7.08 420	8.47 419	9.57 421	11.17 424	20.26 425	4.12 421	4.14 425	5.57 425	4.74 423	5.53 423	4.90 425

TorneroNet	4.53 414	1.89 409	1.48 379	2.55 412	2.27 411	13.78 425	1.69 407	4.84 419	23.73 434	2.89 405	7.70 421	7.06 417	2.69 403	4.26 412	3.42 397	1.84 411	0.77 402	2.68 415	1.13 407	2.42 411	1.47 412

MANE	4.13 412	0.51 337	0.64 262	0.66 361	0.56 360	6.89 418	0.99 371	7.55 420	12.04 418	6.68 420	8.57 422	10.69 422	9.45 420	7.59 420	6.39 412	0.49 371	0.43 380	0.48 367	0.98 400	0.49 360	0.48 370

xxxxx1	36.64 438	19.51 430	24.21 427	61.66 441	64.63 441	27.28 432	40.10 434	20.25 428	18.63 430	14.07 428	12.97 423	17.26 424	17.36 428	21.70 430	27.93 432	13.18 431	18.50 434	111.26 442	133.37 442	29.24 436	39.73 439

tt_ll	36.64 438	19.51 430	24.21 427	61.66 441	64.63 441	27.28 432	40.10 434	20.25 428	18.63 430	14.07 428	12.97 423	17.26 424	17.36 428	21.70 430	27.93 432	13.18 431	18.50 434	111.26 442	133.37 442	29.24 436	39.73 439

ff	36.64 438	19.51 430	24.21 427	61.66 441	64.63 441	27.28 432	40.10 434	20.25 428	18.63 430	14.07 428	12.97 423	17.26 424	17.36 428	21.70 430	27.93 432	13.18 431	18.50 434	111.26 442	133.37 442	29.24 436	39.73 439

HanzoNet	6.76 420	2.45 417	4.22 406	3.19 419	2.94 420	3.62 409	2.28 416	4.79 418	7.20 414	14.00 427	13.19 426	17.49 427	22.30 432	13.25 425	6.19 411	4.20 422	1.93 419	3.10 420	2.56 419	3.35 420	2.88 421

Anonymous_1	33.25 432	18.26 427	23.92 426	20.54 428	21.28 429	25.59 428	35.94 431	22.01 435	15.57 426	13.33 424	13.49 427	18.08 428	15.29 425	20.36 426	24.60 429	16.28 434	8.84 428	66.59 441	118.00 441	155.73 444	11.23 429

DPSM_ROB	17.78 426	18.63 428	24.31 430	20.90 429	19.47 427	25.97 429	36.21 432	21.23 433	16.24 427	13.38 425	14.06 428	19.18 430	16.30 426	20.78 427	25.67 430	9.38 428	9.23 429	9.49 428	9.82 428	13.51 428	11.91 430

DPSM	17.78 426	18.63 428	24.31 430	20.90 429	19.47 427	25.97 429	36.21 432	21.23 433	16.24 427	13.38 425	14.06 428	19.18 430	16.30 426	20.78 427	25.67 430	9.38 428	9.23 429	9.49 428	9.82 428	13.51 428	11.91 430

DPSMNet_ROB	12.08 424	8.00 424	21.00 424	8.97 427	16.79 426	10.67 421	30.89 430	9.02 423	15.17 425	6.51 419	15.41 430	9.04 420	14.85 423	9.27 422	21.67 427	4.58 424	8.57 426	5.09 424	9.29 427	5.90 425	10.95 427

DGTPSM_ROB	12.07 423	8.00 424	20.99 423	8.93 426	16.78 425	10.67 421	30.87 429	9.01 422	15.16 424	6.50 418	15.41 430	9.04 420	14.85 423	9.25 421	21.67 427	4.57 423	8.57 426	5.08 423	9.28 426	5.90 425	10.95 427

SPstereo	24.26 430	4.19 422	6.66 411	4.29 423	3.79 422	45.68 437	78.09 443	63.52 444	33.36 443	27.50 439	26.65 432	39.53 442	33.55 442	42.77 444	51.02 438	3.90 420	3.72 424	5.95 426	4.66 422	3.15 419	3.30 422

CasAABBNet	35.74 433	37.43 437	48.72 437	42.22 438	39.20 437	52.24 438	73.12 439	42.61 441	32.62 440	26.78 433	27.95 433	38.58 439	32.60 436	41.67 441	51.65 443	18.74 435	18.57 437	19.15 434	19.77 432	27.20 433	23.98 435

LSM0	38.95 443	37.60 442	48.58 436	43.57 440	91.06 444	52.57 443	72.57 437	43.17 443	32.63 441	26.97 435	27.97 434	38.65 440	32.94 440	41.86 443	51.78 444	18.89 440	18.41 433	19.13 433	19.63 431	27.29 435	33.77 438

LRCNet_RVC	21.24 429	31.15 434	21.41 425	28.98 432	23.82 430	3.13 407	0.60 309	20.96 432	1.59 371	25.58 432	28.15 435	21.99 432	14.79 422	21.94 433	16.41 423	28.89 441	14.87 432	33.53 437	31.28 437	29.51 439	26.16 437

Selective-RAFT-Error	35.84 437	37.49 438	48.83 441	42.26 439	39.24 438	52.30 442	73.09 438	42.66 442	32.61 436	26.80 434	28.30 436	38.84 441	33.51 441	41.68 442	51.59 439	18.82 439	18.58 438	19.17 435	19.80 433	27.28 434	24.05 436

MyStereo03	35.77 434	37.55 439	48.75 438	42.19 435	39.18 434	52.27 439	73.13 440	42.32 438	32.61 436	27.03 436	28.40 437	38.50 436	32.89 437	41.62 438	51.63 440	18.78 436	18.59 439	19.11 430	19.80 433	27.18 430	23.95 432

MyStereo02	35.77 434	37.55 439	48.75 438	42.19 435	39.18 434	52.27 439	73.13 440	42.32 438	32.61 436	27.03 436	28.40 437	38.50 436	32.89 437	41.62 438	51.63 440	18.78 436	18.59 439	19.11 430	19.80 433	27.18 430	23.95 432

MyStereo	35.77 434	37.55 439	48.75 438	42.19 435	39.18 434	52.27 439	73.13 440	42.32 438	32.61 436	27.03 436	28.40 437	38.50 436	32.89 437	41.62 438	51.63 440	18.78 436	18.59 439	19.11 430	19.80 433	27.18 430	23.95 432

BEATNet-Init1	15.13 425	0.82 376	50.86 442	0.72 374	0.53 353	38.10 436	7.03 422	11.83 426	14.25 423	29.78 440	30.17 440	48.21 443	22.64 433	26.78 434	18.11 424	0.42 363	0.38 368	0.47 364	0.46 368	0.51 363	0.48 370

HaxPig	31.96 431	37.24 436	34.27 432	24.37 431	24.88 431	18.26 427	19.86 425	20.64 431	28.52 435	35.97 441	38.75 441	25.57 433	28.72 435	33.88 435	34.39 435	35.94 442	38.87 442	37.80 438	40.48 438	39.68 440	41.15 442

AVERAGE_ROB	37.58 442	40.13 443	40.15 434	34.81 434	33.82 433	28.55 435	25.10 427	32.02 437	34.06 444	41.28 442	40.66 442	34.46 435	34.81 444	39.18 436	37.57 437	42.78 443	43.44 443	43.82 439	43.03 439	40.47 441	41.51 443

MEDIAN_ROB	37.38 441	40.85 444	40.60 435	32.31 433	31.85 432	27.20 431	24.55 426	29.10 436	33.19 442	42.09 443	41.76 443	33.35 434	34.39 443	39.78 437	37.07 436	43.64 444	44.10 444	44.12 440	43.40 440	41.51 442	42.76 444

test_example2	176.61 445	205.14 445	198.86 445	188.60 445	190.98 445	152.67 445	170.61 444	94.86 445	123.55 445	178.88 445	179.48 444	158.94 445	141.34 445	192.61 445	198.96 445	203.76 445	236.37 445	164.13 445	173.55 445	218.58 445	160.41 445

PML	40.80 444	29.24 433	11.87 419	7.20 425	14.47 424	92.13 444	213.69 445	7.63 421	23.35 433	74.72 444	190.14 445	50.17 444	26.15 434	21.39 429	12.70 420	8.76 427	2.92 421	8.45 427	3.25 421	13.26 427	4.42 424

Low-res two-view benchmark