Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

DLNR_Zeroshot_test	23.17 428	48.52 445	43.29 435	176.68 445	78.69 441	0.35 5	0.21 1	23.41 428	0.75 59	0.66 47	0.86 61	0.59 56	0.30 5	1.56 196	0.44 89	9.57 426	0.12 9	0.18 39	0.14 25	76.92 444	0.16 44

EGLCR-Stereo	0.37 3	0.22 11	0.51 26	0.43 9	0.26 22	0.44 18	0.22 2	0.99 68	0.48 5	0.42 5	0.42 2	0.67 72	0.29 4	0.86 73	0.33 17	0.17 33	0.12 9	0.19 53	0.17 78	0.17 26	0.15 28

XX-Stereo	0.63 122	0.26 49	1.90 355	0.81 335	0.67 310	0.43 16	0.23 3	1.03 81	0.58 20	0.65 46	1.56 281	1.41 274	0.39 16	1.28 138	0.35 30	0.20 122	0.14 78	0.20 77	0.19 112	0.18 45	0.14 12

LargeStereo	0.40 9	0.22 11	0.51 26	0.52 116	0.29 66	0.45 20	0.25 4	1.65 238	0.46 4	0.37 2	0.57 20	0.46 18	0.45 33	0.50 4	0.38 52	0.19 94	0.12 9	0.16 11	0.13 13	0.16 14	0.15 28

Any-RAFT	0.53 53	0.24 22	0.47 14	0.47 43	0.27 35	1.00 241	0.25 4	1.58 224	1.05 154	0.85 82	0.99 88	1.06 191	0.47 43	0.70 37	0.32 8	0.18 61	0.13 44	0.16 11	0.13 13	0.16 14	0.16 44

ROB_FTStereo	0.54 67	0.30 131	0.73 136	0.50 76	0.27 35	0.64 102	0.25 4	1.05 91	0.64 29	1.12 143	0.95 76	0.82 108	0.61 111	1.15 126	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

CRE-IMP	0.55 82	0.30 131	0.74 150	0.52 116	0.29 66	0.79 181	0.25 4	1.04 85	0.72 54	1.09 129	0.95 76	0.81 103	0.57 90	1.10 118	0.50 133	0.21 149	0.14 78	0.23 155	0.19 112	0.28 241	0.22 172

CREStereo++_RVC	0.47 34	0.21 5	0.38 5	0.45 34	0.38 176	0.45 20	0.25 4	0.75 9	1.29 262	0.80 68	1.21 173	0.47 22	0.37 14	0.53 6	0.44 89	0.16 12	0.11 3	0.15 3	0.80 385	0.18 45	0.11 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
Gwc-CoAtRS	0.52 44	0.24 22	0.68 94	0.48 56	0.29 66	0.64 102	0.25 4	1.16 126	1.08 166	1.01 110	1.00 91	1.12 212	0.56 82	0.69 34	0.37 42	0.16 12	0.13 44	0.17 17	0.15 33	0.15 6	0.15 28

H2IRNET	0.56 91	0.26 49	0.66 87	0.47 43	0.35 145	0.41 12	0.26 10	0.92 43	1.17 210	0.61 43	1.28 199	1.08 198	0.86 198	0.99 95	0.63 185	0.19 94	0.16 159	0.22 126	0.25 245	0.21 136	0.18 82

MIF-Stereo (partial)	0.45 27	0.25 38	0.70 109	0.50 76	0.52 258	0.35 5	0.26 10	0.91 42	0.59 23	0.45 13	0.71 35	0.51 35	0.51 62	1.11 121	0.45 97	0.20 122	0.16 159	0.23 155	0.20 140	0.24 197	0.18 82

IIG-Stereo	0.96 260	0.31 163	0.72 124	0.88 357	0.33 127	0.61 93	0.26 10	1.19 139	1.03 146	1.69 332	1.37 231	1.46 284	0.75 145	6.96 387	0.51 136	0.19 94	0.14 78	0.23 155	0.18 92	0.20 102	0.14 12

SST-Stereo	0.83 223	0.28 88	0.72 124	0.59 202	0.31 95	0.72 150	0.26 10	1.09 111	0.86 81	1.47 295	1.10 132	1.00 174	0.87 202	5.73 365	0.45 97	0.22 172	0.13 44	0.23 155	0.19 112	0.23 183	0.18 82

TANstereo	0.44 25	0.21 5	0.44 12	0.41 6	0.21 4	0.65 114	0.26 10	0.79 15	0.83 78	0.93 89	0.98 86	0.51 35	0.46 37	0.54 8	0.35 30	0.18 61	0.24 279	0.16 11	0.13 13	0.16 14	0.26 231

XX-TBD	0.46 28	0.70 345	0.35 1	0.79 329	0.25 20	0.58 80	0.26 10	0.69 5	1.27 253	0.76 59	1.00 91	0.45 17	0.33 11	0.47 3	0.37 42	0.19 94	0.15 128	0.15 3	0.11 7	0.17 26	0.14 12

RAFT-Test	0.54 67	0.25 38	0.64 77	0.47 43	0.30 83	0.97 235	0.27 16	1.24 153	0.81 72	0.96 96	1.12 143	1.28 253	0.48 51	0.71 41	0.36 36	0.17 33	0.13 44	0.17 17	0.14 25	0.16 14	0.16 44

CFNet-RSSM	0.54 67	0.24 22	0.70 109	0.48 56	0.28 54	0.60 90	0.27 16	1.49 197	1.14 195	1.06 121	0.93 74	1.08 198	0.54 72	0.70 37	0.35 30	0.16 12	0.12 9	0.17 17	0.15 33	0.16 14	0.14 12

PMTNet	0.46 28	0.21 5	0.38 5	0.37 3	0.23 8	0.71 148	0.27 16	0.74 8	1.04 150	0.64 45	0.70 33	0.55 44	0.47 43	0.86 73	0.35 30	1.00 383	0.13 44	0.15 3	0.10 2	0.15 6	0.13 3

CAS++	0.47 34	0.31 163	0.56 40	0.47 43	0.32 110	0.42 14	0.28 19	1.76 265	0.72 54	0.71 53	0.72 38	0.37 4	0.28 3	0.69 34	0.33 17	0.27 258	0.22 261	0.26 231	0.21 176	0.29 246	0.19 116
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MSKI-zero shot	0.55 82	0.26 49	0.57 49	0.51 100	0.26 22	0.69 138	0.28 19	1.18 133	0.64 29	0.91 86	1.32 215	0.82 108	0.33 11	1.92 246	0.32 8	0.17 33	0.12 9	0.17 17	0.13 13	0.16 14	0.16 44

MIM_Stereo	0.57 96	0.24 22	0.92 221	0.46 37	0.30 83	0.54 65	0.28 19	1.27 157	0.75 59	1.00 107	1.16 160	0.93 150	0.53 69	1.45 174	0.61 178	0.16 12	0.16 159	0.20 77	0.19 112	0.17 26	0.14 12

panet	0.39 5	0.21 5	0.37 2	0.36 2	0.20 2	0.53 61	0.29 22	0.78 13	1.12 182	0.59 41	0.71 35	0.53 43	0.42 23	0.54 8	0.34 26	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.13 3

Patchmatch Stereo++	0.55 82	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.29 22	1.05 91	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	1.37 155	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82
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
iRAFT	0.55 82	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.29 22	1.05 91	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	1.37 155	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

CREStereo	0.39 5	0.21 5	0.38 5	0.34 1	0.22 6	0.53 61	0.29 22	0.77 12	1.11 178	0.58 35	0.71 35	0.51 35	0.41 21	0.54 8	0.34 26	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.14 12
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
StereoIM	0.36 1	0.25 38	0.58 52	0.44 24	0.34 142	0.30 3	0.30 26	0.72 6	0.50 7	0.37 2	0.36 1	0.58 52	0.49 59	0.52 5	0.36 36	0.19 94	0.16 159	0.19 53	0.15 33	0.18 45	0.14 12

LL-Strereo2	0.52 44	0.33 194	0.69 103	0.52 116	0.37 159	0.70 145	0.30 26	1.13 122	0.67 43	0.94 94	0.78 49	0.91 141	0.42 23	1.05 109	0.42 78	0.17 33	0.16 159	0.29 261	0.25 245	0.21 136	0.16 44

iRaft-Stereo_20w	0.65 137	0.31 163	1.00 242	0.47 43	0.34 142	0.73 153	0.30 26	2.96 389	0.70 49	1.15 162	1.14 151	0.76 91	0.65 129	1.11 121	0.38 52	0.17 33	0.13 44	0.18 39	0.16 62	0.19 75	0.18 82

GLC_STEREO	0.39 5	0.25 38	0.41 10	0.54 140	0.23 8	0.48 24	0.30 26	0.73 7	0.58 20	0.52 30	0.73 40	0.51 35	0.31 7	0.64 28	0.42 78	0.17 33	0.20 231	0.23 155	0.19 112	0.21 136	0.17 64

HUI-Stereo	0.52 44	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.30 26	1.04 85	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	0.79 58	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

4D-IteraStereo	0.48 37	0.24 22	0.76 161	0.50 76	0.44 209	0.66 123	0.31 31	0.87 27	1.02 143	1.03 117	0.72 38	0.78 95	0.32 10	0.64 28	0.37 42	0.17 33	0.11 3	0.23 155	0.19 112	0.19 75	0.13 3

PFNet+	0.59 104	0.28 88	0.77 165	0.53 125	0.30 83	0.59 84	0.31 31	0.92 43	1.14 195	1.33 260	1.10 132	0.79 98	0.57 90	1.31 143	0.49 127	0.25 235	0.17 185	0.28 253	0.26 259	0.21 136	0.25 213

RALAANet	0.60 107	0.33 194	0.87 203	0.62 236	0.50 240	0.69 138	0.31 31	1.21 140	1.06 157	1.09 129	1.16 160	0.88 135	0.46 37	1.22 132	0.42 78	0.19 94	0.15 128	0.21 100	0.17 78	0.27 227	0.17 64

IGEV_Zeroshot_test	0.53 53	0.30 131	0.99 237	0.56 172	0.35 145	0.41 12	0.32 34	1.37 172	0.63 27	1.00 107	1.09 128	0.95 159	0.41 21	0.83 66	0.39 59	0.18 61	0.12 9	0.19 53	0.18 92	0.19 75	0.17 64

MIF-Stereo	0.36 1	0.23 16	0.59 57	0.48 56	0.36 151	0.40 10	0.32 34	0.53 1	0.49 6	0.54 33	0.55 18	0.36 2	0.31 7	0.58 15	0.51 136	0.20 122	0.15 128	0.17 17	0.15 33	0.19 75	0.15 28

MC-Stereo	0.43 17	0.23 16	0.48 16	0.51 100	0.28 54	0.39 9	0.32 34	0.88 34	0.68 46	0.60 42	0.84 59	0.56 46	0.61 111	1.03 103	0.31 6	0.17 33	0.11 3	0.17 17	0.15 33	0.16 14	0.13 3

MoCha-V2	0.40 9	0.20 2	0.49 18	0.50 76	0.21 4	0.44 18	0.33 37	0.93 48	0.53 17	0.53 31	0.53 10	0.42 6	0.58 99	1.09 117	0.27 1	0.14 4	0.12 9	0.15 3	0.12 10	0.17 26	0.15 28

Selective-IGEV	0.39 5	0.24 22	0.50 20	0.44 24	0.25 20	0.46 22	0.33 37	1.25 155	0.40 1	0.35 1	0.45 3	0.52 40	0.30 5	1.07 114	0.30 2	0.14 4	0.12 9	0.17 17	0.13 13	0.16 14	0.13 3

Selective-RAFT	0.52 44	0.28 88	0.79 175	0.55 159	0.27 35	0.91 212	0.33 37	0.80 20	0.88 89	0.58 35	0.63 23	0.81 103	0.77 157	1.29 141	0.48 120	0.19 94	0.14 78	0.17 17	0.15 33	0.19 75	0.17 64

IPLG	0.69 159	0.27 72	0.97 234	0.51 100	0.43 203	0.79 181	0.33 37	1.21 140	1.06 157	1.30 240	1.10 132	0.52 40	0.55 78	3.16 313	0.63 185	0.16 12	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

IPLGR	0.58 101	0.27 72	1.14 281	0.48 56	0.28 54	0.65 114	0.33 37	1.22 147	1.13 193	1.18 187	1.05 115	0.69 79	0.66 131	0.96 87	0.52 142	0.17 33	0.15 128	0.20 77	0.17 78	0.20 102	0.18 82

NRIStereo	0.60 107	0.29 115	0.69 103	0.53 125	0.28 54	0.63 100	0.33 37	1.08 110	0.87 85	1.14 159	0.87 64	0.91 141	0.59 100	2.24 274	0.49 127	0.20 122	0.14 78	0.21 100	0.19 112	0.21 136	0.17 64

DeepStereo_RVC	0.55 82	0.29 115	0.72 124	0.51 100	0.30 83	0.59 84	0.33 37	1.03 81	0.70 49	1.16 173	0.93 74	0.83 115	0.94 230	0.96 87	0.54 156	0.21 149	0.14 78	0.21 100	0.19 112	0.24 197	0.24 201

RAFT-RH_RVC	1.03 281	0.24 22	0.67 91	0.49 69	0.28 54	0.81 190	0.33 37	0.83 24	1.08 166	2.05 359	4.65 395	1.04 189	0.57 90	5.98 371	0.50 133	0.18 61	0.13 44	0.26 231	0.20 140	0.16 14	0.17 64

CroCo-Stereo	0.40 9	0.31 163	0.73 136	0.58 189	0.27 35	0.26 1	0.33 37	0.95 56	0.81 72	0.42 5	0.47 5	0.65 68	0.47 43	0.39 1	0.34 26	0.18 61	0.15 128	0.16 11	0.14 25	0.19 75	0.16 44
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
iRaftStereo_RVC	0.47 34	0.26 49	0.64 77	0.50 76	0.29 66	0.53 61	0.33 37	1.05 91	0.77 64	0.84 78	1.00 91	0.55 44	0.37 14	0.81 63	0.40 63	0.17 33	0.12 9	0.22 126	0.20 140	0.19 75	0.15 28

DIP-Stereo	0.62 116	0.30 131	0.83 185	0.48 56	0.36 151	0.95 227	0.33 37	2.37 375	0.67 43	1.25 218	1.00 91	0.68 74	0.51 62	0.91 80	0.61 178	0.18 61	0.15 128	0.21 100	0.17 78	0.19 75	0.19 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MGS-Stereo	0.42 14	0.26 49	0.58 52	0.44 24	0.28 54	0.50 43	0.34 48	0.57 2	0.83 78	0.46 14	1.31 209	0.52 40	0.33 11	0.65 32	0.36 36	0.19 94	0.16 159	0.18 39	0.15 33	0.17 26	0.16 44

s12784h	0.52 44	0.20 2	0.38 5	0.41 6	0.19 1	0.96 231	0.34 48	1.17 128	1.25 241	0.81 72	0.90 69	0.63 62	0.50 60	1.45 174	0.42 78	0.14 4	0.12 9	0.17 17	0.11 7	0.18 45	0.11 1

raftrobust	0.52 44	0.25 38	0.56 40	0.65 265	0.52 258	0.49 34	0.34 48	0.98 66	0.91 101	1.30 240	0.87 64	0.63 62	0.81 172	0.78 55	0.41 70	0.19 94	0.15 128	0.16 11	0.14 25	0.15 6	0.16 44

RAFT-Stereo + iAFF	0.54 67	0.25 38	0.68 94	0.43 9	0.24 11	0.40 10	0.34 48	1.04 85	1.09 172	1.32 252	1.60 289	0.80 100	0.68 132	0.67 33	0.39 59	0.13 1	0.10 1	0.18 39	0.17 78	0.17 26	0.13 3

Former-RAFT_DAM_RVC	0.46 28	0.36 236	0.71 120	0.47 43	0.36 151	0.67 127	0.35 52	0.78 13	1.12 182	0.61 43	0.62 22	0.39 5	0.39 16	0.71 41	0.39 59	0.20 122	0.17 185	0.22 126	0.18 92	0.23 183	0.19 116

MyStereo8	0.65 137	0.29 115	1.00 242	0.58 189	0.49 234	0.91 212	0.35 52	1.18 133	1.31 272	1.16 173	1.27 194	0.90 140	0.64 124	0.72 44	0.95 257	0.18 61	0.14 78	0.20 77	0.18 92	0.22 158	0.26 231

GMStereo_Zeroshot	0.67 154	0.61 329	1.01 246	0.64 253	0.37 159	0.84 202	0.35 52	1.05 91	1.12 182	1.12 143	1.06 117	1.27 250	0.54 72	1.19 129	0.59 169	0.32 293	0.17 185	0.31 274	0.18 92	0.52 342	0.22 172

CES	0.48 37	0.20 2	0.37 2	0.39 5	1.39 389	0.55 71	0.35 52	0.98 66	0.66 42	0.44 9	0.66 25	0.35 1	0.27 2	0.56 12	0.33 17	0.15 7	0.13 44	0.15 3	0.10 2	0.19 75	1.46 394

CroCo-Stereo Lap2	0.44 25	0.34 213	0.77 165	0.61 225	0.79 343	0.28 2	0.35 52	0.75 9	0.71 53	0.38 4	0.50 9	0.72 85	0.55 78	0.57 14	0.47 115	0.17 33	0.18 201	0.19 53	0.16 62	0.21 136	0.20 140

ADStereo(finetuned)	0.57 96	0.24 22	1.06 263	0.43 9	0.24 11	0.49 34	0.35 52	1.05 91	1.30 268	1.12 143	1.03 111	0.58 52	1.20 300	0.84 68	0.51 136	0.16 12	0.13 44	0.17 17	0.13 13	0.18 45	0.19 116

raft_robust	0.68 158	0.30 131	0.64 77	0.52 116	0.26 22	0.54 65	0.35 52	1.33 163	1.24 238	1.16 173	1.07 120	0.60 57	0.54 72	3.58 325	0.37 42	0.18 61	0.14 78	0.20 77	0.22 203	0.20 102	0.16 44

test-3	0.54 67	0.22 11	0.68 94	0.47 43	0.27 35	0.58 80	0.35 52	0.92 43	1.00 138	1.32 252	0.69 32	0.87 132	0.45 33	1.68 217	0.37 42	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 3

test_1	0.54 67	0.22 11	0.68 94	0.47 43	0.27 35	0.58 80	0.35 52	0.92 43	1.00 138	1.28 227	0.68 29	0.87 132	0.45 33	1.67 212	0.37 42	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 3

HCRNet	0.70 161	0.39 252	0.73 136	0.60 213	0.59 289	0.76 166	0.35 52	1.22 147	1.13 193	1.02 113	0.99 88	1.02 183	0.76 153	2.19 271	0.70 197	0.28 269	0.19 214	0.28 253	0.23 223	0.25 207	0.23 189

CASnet	0.41 13	0.25 38	0.48 16	0.50 76	0.20 2	0.50 43	0.36 62	0.81 23	0.80 71	0.83 76	0.68 29	0.48 25	0.31 7	0.54 8	0.32 8	0.18 61	0.12 9	0.27 243	0.22 203	0.23 183	0.14 12
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DCANet-4	0.54 67	0.26 49	1.07 267	0.42 8	0.24 11	0.48 24	0.36 62	0.99 68	1.30 268	1.10 137	1.02 103	0.56 46	0.75 145	0.73 47	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.15 6	0.19 116

fff	0.53 53	0.24 22	0.70 109	0.43 9	0.24 11	0.48 24	0.36 62	1.07 106	1.25 241	1.10 137	1.02 103	0.57 48	1.06 274	0.73 47	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.15 6	0.19 116

OMP-Stereo	0.94 256	0.33 194	0.72 124	0.90 362	0.31 95	0.49 34	0.36 62	1.16 126	1.06 157	1.58 322	1.12 143	1.46 284	0.69 135	6.94 386	0.49 127	0.19 94	0.14 78	0.24 175	0.18 92	0.20 102	0.14 12

RAFT-IKP	0.54 67	0.30 131	0.73 136	0.50 76	0.27 35	0.59 84	0.36 62	1.04 85	0.64 29	1.12 143	0.96 78	0.83 115	0.61 111	1.22 132	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

DCANet	0.54 67	0.24 22	0.70 109	0.43 9	0.24 11	0.49 34	0.36 62	1.05 91	1.30 268	1.12 143	1.03 111	0.58 52	0.92 219	0.81 63	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.18 45	0.19 116

csc	0.53 53	0.24 22	0.70 109	0.43 9	0.24 11	0.48 24	0.36 62	1.07 106	1.25 241	1.10 137	1.02 103	0.57 48	1.06 274	0.73 47	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.15 6	0.19 116

cscssc	0.53 53	0.24 22	0.70 109	0.43 9	0.24 11	0.48 24	0.36 62	1.07 106	1.25 241	1.10 137	1.02 103	0.57 48	1.06 274	0.73 47	0.52 142	0.16 12	0.13 44	0.17 17	0.13 13	0.15 6	0.19 116

iResNet_ROB	0.77 198	0.30 131	0.99 237	0.57 183	0.36 151	0.83 195	0.36 62	2.33 371	1.58 336	1.27 225	1.30 204	1.25 242	0.84 187	1.65 207	0.79 229	0.20 122	0.14 78	0.17 17	0.12 10	0.18 45	0.27 237

test croco	0.46 28	0.27 72	1.01 246	0.50 76	0.40 189	0.35 5	0.37 71	0.87 27	0.56 19	0.43 8	0.76 46	0.42 6	0.40 19	1.13 124	0.45 97	0.21 149	0.15 128	0.24 175	0.19 112	0.24 197	0.16 44

Sa-1000	0.72 167	0.29 115	0.76 161	0.59 202	0.30 83	0.73 153	0.37 71	1.62 234	1.33 280	1.28 227	2.04 345	0.86 128	0.75 145	1.84 237	0.38 52	0.19 94	0.14 78	0.25 212	0.23 223	0.20 102	0.16 44

ASMatch	0.88 241	0.26 49	0.69 103	0.51 100	0.35 145	0.48 24	0.37 71	1.12 121	0.92 105	1.10 137	3.28 379	0.96 165	0.98 247	4.90 345	0.49 127	0.19 94	0.16 159	0.22 126	0.19 112	0.19 75	0.27 237

cross-raft	0.54 67	0.25 38	0.61 64	0.52 116	0.29 66	0.68 134	0.37 71	1.46 192	0.76 62	1.01 110	1.06 117	1.28 253	0.46 37	0.71 41	0.35 30	0.15 7	0.12 9	0.18 39	0.16 62	0.19 75	0.14 12

rrr	0.46 28	0.28 88	0.73 136	0.43 9	0.33 127	0.49 34	0.38 75	0.76 11	0.50 7	0.47 15	0.48 6	0.48 25	0.46 37	2.03 257	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.16 44

AEACV	0.37 3	0.24 22	0.52 29	0.47 43	0.51 250	0.37 8	0.38 75	0.65 4	0.53 17	0.42 5	0.56 19	0.46 18	0.60 102	0.53 6	0.30 2	0.16 12	0.13 44	0.18 39	0.15 33	0.17 26	0.14 12

SA	0.66 145	0.30 131	0.82 183	0.61 225	0.30 83	0.58 80	0.38 75	1.44 189	1.30 268	0.96 96	1.36 229	0.66 70	0.95 235	1.85 240	0.42 78	0.19 94	0.15 128	0.25 212	0.23 223	0.21 136	0.17 64

UDGNet	0.72 167	1.17 383	0.80 180	0.77 326	0.41 195	0.77 172	0.38 75	0.97 64	1.34 283	0.81 72	0.88 66	0.71 84	0.60 102	1.21 131	0.54 156	0.52 360	0.19 214	1.02 387	0.26 259	0.71 370	0.31 273

MIPNet	0.56 91	0.28 88	0.94 225	0.49 69	0.33 127	0.66 123	0.38 75	1.35 169	1.08 166	1.06 121	0.92 72	0.60 57	0.79 164	0.73 47	0.52 142	0.17 33	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

TRStereo	0.60 107	0.60 328	0.97 234	0.74 317	0.67 310	0.46 22	0.38 75	1.85 287	0.89 92	0.79 66	0.80 56	0.88 135	0.39 16	1.10 118	0.41 70	0.23 196	0.15 128	0.23 155	0.24 234	0.17 26	0.15 28

iGMRVC	0.56 91	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.38 75	1.05 91	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	1.52 185	0.46 110	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

test-1	0.52 44	0.26 49	1.04 259	0.56 172	0.32 110	0.61 93	0.38 75	1.10 113	0.91 101	0.78 63	1.01 96	0.77 92	0.52 64	0.60 25	0.42 78	0.17 33	0.14 78	0.20 77	0.17 78	0.20 102	0.23 189

test_xeample3	0.42 14	0.28 88	0.69 103	0.43 9	0.33 127	0.56 74	0.38 75	0.79 15	0.45 3	0.53 31	0.46 4	0.44 11	0.44 30	1.38 159	0.31 6	0.18 61	0.14 78	0.19 53	0.15 33	0.17 26	0.16 44

AFF-stereo	0.58 101	0.25 38	0.64 77	0.46 37	0.29 66	0.34 4	0.38 75	1.15 125	1.14 195	1.17 182	1.60 289	1.10 207	0.71 140	0.97 92	0.43 87	0.13 1	0.11 3	0.19 53	0.19 112	0.17 26	0.14 12

FENet	0.60 107	0.28 88	0.63 71	0.54 140	0.33 127	0.83 195	0.38 75	1.27 157	1.07 162	1.00 107	0.86 61	0.99 173	0.85 190	0.96 87	0.68 195	0.22 172	0.15 128	0.23 155	0.20 140	0.22 158	0.23 189

11t1	0.52 44	0.28 88	0.68 94	0.51 100	0.28 54	0.83 195	0.39 86	1.22 147	0.63 27	0.84 78	0.74 42	0.68 74	0.68 132	0.91 80	0.57 164	0.21 149	0.18 201	0.19 53	0.16 62	0.20 102	0.21 157

test_4	0.53 53	0.22 11	0.56 40	0.54 140	0.32 110	0.64 102	0.39 86	0.80 20	0.62 25	0.92 88	1.87 330	0.68 74	0.42 23	1.16 128	0.37 42	0.15 7	0.13 44	0.20 77	0.22 203	0.20 102	0.15 28

MLCV	0.72 167	0.34 213	1.10 274	0.51 100	0.23 8	0.91 212	0.39 86	1.33 163	1.23 234	1.46 294	1.55 277	1.01 181	0.64 124	1.95 251	0.80 232	0.18 61	0.12 9	0.18 39	0.14 25	0.19 75	0.17 64

PCWNet_CMD	0.66 145	0.32 178	0.88 206	0.49 69	0.37 159	0.78 177	0.40 89	1.42 182	1.31 272	1.16 173	1.31 209	1.25 242	0.62 116	0.89 78	0.57 164	0.20 122	0.16 159	0.27 243	0.19 112	0.40 303	0.25 213

LoS	0.40 9	0.21 5	0.44 12	0.37 3	0.22 6	0.50 43	0.40 89	1.00 72	0.94 110	0.48 19	0.66 25	0.48 25	0.40 19	0.60 25	0.37 42	0.18 61	0.14 78	0.16 11	0.11 7	0.14 2	0.14 12

test_3	0.55 82	0.23 16	0.71 120	0.53 125	0.28 54	0.61 93	0.40 89	0.92 43	1.05 154	1.19 191	0.68 29	0.93 150	0.44 30	1.67 212	0.39 59	0.15 7	0.12 9	0.22 126	0.19 112	0.21 136	0.14 12

PSM-softLoss	0.78 204	0.31 163	0.77 165	0.58 189	0.32 110	0.56 74	0.40 89	1.18 133	0.70 49	1.24 214	1.07 120	0.83 115	0.52 64	5.36 353	0.53 150	0.24 211	0.15 128	0.25 212	0.22 203	0.20 102	0.25 213

KMStereo	0.78 204	0.31 163	0.77 165	0.58 189	0.32 110	0.56 74	0.40 89	1.18 133	0.70 49	1.24 214	1.07 120	0.83 115	0.52 64	5.36 353	0.53 150	0.24 211	0.15 128	0.25 212	0.22 203	0.20 102	0.25 213

rafts_anoy	0.52 44	0.29 115	0.59 57	0.59 202	0.50 240	0.53 61	0.40 89	1.11 119	1.03 146	0.84 78	0.83 57	0.68 74	0.54 72	0.72 44	0.51 136	0.19 94	0.14 78	0.24 175	0.26 259	0.21 136	0.18 82

CFNet_pseudo	0.66 145	0.32 178	0.86 193	0.48 56	0.39 184	0.70 145	0.40 89	1.33 163	1.22 231	1.16 173	1.34 222	1.24 238	0.64 124	0.98 93	0.59 169	0.21 149	0.16 159	0.33 294	0.19 112	0.36 283	0.25 213

sCroCo_RVC	0.49 40	0.40 256	1.02 252	0.65 265	0.60 292	0.52 56	0.40 89	0.83 24	0.61 24	0.44 9	0.74 42	0.49 32	0.50 60	0.63 27	0.48 120	0.26 249	0.27 298	0.23 155	0.22 203	0.29 246	0.25 213

EAI-Stereo	0.65 137	0.28 88	0.69 103	0.53 125	0.27 35	0.60 90	0.40 89	2.28 368	0.64 29	0.71 53	3.18 378	0.57 48	0.43 26	1.06 110	0.41 70	0.18 61	0.13 44	0.17 17	0.17 78	0.17 26	0.17 64

MSMDNet	0.66 145	0.32 178	0.87 203	0.49 69	0.37 159	0.79 181	0.40 89	1.43 188	1.31 272	1.15 162	1.31 209	1.24 238	0.63 121	0.88 75	0.57 164	0.21 149	0.16 159	0.26 231	0.19 112	0.39 299	0.24 201

ccs_rob	0.66 145	0.33 194	0.86 193	0.48 56	0.39 184	0.70 145	0.40 89	1.33 163	1.22 231	1.16 173	1.34 222	1.23 236	0.64 124	0.98 93	0.59 169	0.21 149	0.16 159	0.35 311	0.20 140	0.37 287	0.25 213

StereoVision	0.65 137	0.34 213	0.86 193	0.59 202	0.40 189	0.50 43	0.41 100	1.09 111	0.93 107	0.71 53	2.50 367	0.82 108	0.57 90	1.03 103	0.49 127	0.25 235	0.28 304	0.29 261	0.28 284	0.36 283	0.20 140

PSM-adaLoss	0.54 67	0.30 131	0.73 136	0.50 76	0.27 35	0.65 114	0.41 100	1.04 85	0.64 29	1.12 143	0.96 78	0.82 108	0.61 111	1.06 110	0.45 97	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

ff7	0.43 17	0.27 72	0.56 40	0.44 24	0.33 127	0.50 43	0.42 102	0.87 27	0.50 7	0.49 22	0.53 10	0.44 11	0.48 51	1.38 159	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

IGEVStereo-DCA	0.46 28	0.28 88	0.56 40	0.43 9	0.33 127	0.49 34	0.42 102	0.87 27	0.50 7	0.47 15	0.48 6	0.48 25	0.46 37	2.03 257	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.18 82

ffff	0.43 17	0.27 72	0.56 40	0.44 24	0.33 127	0.50 43	0.42 102	0.87 27	0.50 7	0.49 22	0.53 10	0.44 11	0.48 51	1.38 159	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

11t	0.43 17	0.27 72	0.56 40	0.44 24	0.33 127	0.50 43	0.42 102	0.87 27	0.50 7	0.49 22	0.53 10	0.44 11	0.48 51	1.38 159	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

anonymousdsp	0.43 17	0.27 72	0.53 31	0.44 24	0.32 110	0.50 43	0.42 102	0.89 35	0.51 14	0.49 22	0.53 10	0.47 22	0.47 43	1.33 147	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

CASS	0.65 137	0.34 213	0.72 124	0.56 172	0.27 35	0.78 177	0.42 102	1.59 225	0.86 81	1.30 240	1.25 185	0.87 132	0.84 187	0.84 68	0.54 156	0.35 313	0.19 214	0.26 231	0.21 176	0.28 241	0.42 314
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
riskmin	0.56 91	0.27 72	0.60 61	0.43 9	0.31 95	0.83 195	0.42 102	1.14 123	1.04 150	0.73 58	0.75 44	1.11 211	1.01 259	0.81 63	0.51 136	0.20 122	0.14 78	0.24 175	0.15 33	0.24 197	0.25 213

ccc-4	0.43 17	0.27 72	0.56 40	0.44 24	0.33 127	0.50 43	0.42 102	0.87 27	0.50 7	0.49 22	0.53 10	0.44 11	0.48 51	1.38 159	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

BUS	0.74 184	0.32 178	0.68 94	0.54 140	0.44 209	2.34 371	0.42 102	2.16 350	0.98 126	1.20 195	1.11 137	1.03 186	0.62 116	0.91 80	0.70 197	0.24 211	0.17 185	0.25 212	0.22 203	0.22 158	0.22 172

NINENet	0.77 198	0.37 242	0.78 173	0.62 236	0.51 250	2.34 371	0.42 102	1.83 285	1.04 150	1.14 159	1.23 179	1.03 186	0.62 116	1.24 135	0.70 197	0.28 269	0.23 270	0.31 274	0.21 176	0.26 215	0.25 213

IGEV-Stereo	0.43 17	0.27 72	0.54 35	0.45 34	0.32 110	0.50 43	0.42 102	0.90 41	0.51 14	0.49 22	0.53 10	0.47 22	0.47 43	1.32 145	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ROB_FTStereo_v2	0.54 67	0.30 131	0.73 136	0.50 76	0.27 35	0.64 102	0.42 102	1.05 91	0.64 29	1.12 143	0.96 78	0.83 115	0.60 102	1.12 123	0.46 110	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

RAFT-345	0.84 227	0.25 38	0.66 87	0.50 76	0.27 35	0.54 65	0.42 102	0.83 24	1.11 178	1.32 252	2.34 360	0.86 128	0.54 72	5.72 364	0.47 115	0.18 61	0.13 44	0.22 126	0.17 78	0.17 26	0.16 44

TestStereo	0.64 132	0.39 252	0.71 120	0.51 100	0.27 35	0.56 74	0.42 102	1.03 81	0.91 101	0.80 68	1.00 91	0.68 74	0.52 64	3.25 315	0.45 97	0.22 172	0.15 128	0.24 175	0.18 92	0.27 227	0.16 44

222	1.61 349	0.29 115	0.67 91	0.56 172	0.29 66	1.06 250	0.42 102	2.17 356	1.31 272	1.31 250	1.52 272	0.92 149	0.94 230	1.76 230	17.65 421	0.24 211	0.20 231	0.21 100	0.19 112	0.22 158	0.23 189

111	0.60 107	0.23 16	0.70 109	0.43 9	0.24 11	0.72 150	0.42 102	1.18 133	1.41 314	0.80 68	1.38 235	1.10 207	0.79 164	0.96 87	0.58 167	0.18 61	0.13 44	0.17 17	0.15 33	0.17 26	0.19 116

SMFormer	0.75 191	0.30 131	0.86 193	0.46 37	0.26 22	0.82 191	0.43 118	2.05 330	1.39 306	1.23 206	1.47 260	0.98 168	0.95 235	1.71 220	0.82 238	0.24 211	0.20 231	0.22 126	0.21 176	0.23 183	0.24 201

tta	0.75 191	0.30 131	0.86 193	0.46 37	0.26 22	0.82 191	0.43 118	2.05 330	1.39 306	1.23 206	1.47 260	0.98 168	0.95 235	1.71 220	0.82 238	0.24 211	0.20 231	0.22 126	0.21 176	0.18 45	0.18 82

qqq1	0.72 167	0.30 131	0.86 193	0.46 37	0.26 22	0.82 191	0.43 118	2.05 330	1.39 306	1.23 206	1.47 260	0.98 168	0.95 235	1.71 220	0.44 89	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

fff1	0.72 167	0.30 131	0.86 193	0.46 37	0.26 22	0.82 191	0.43 118	2.05 330	1.39 306	1.23 206	1.47 260	0.98 168	0.95 235	1.71 220	0.44 89	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

TestStereo1	0.63 122	0.28 88	0.75 152	0.76 323	0.31 95	0.48 24	0.43 118	1.30 161	1.21 228	0.97 99	1.31 209	0.64 65	0.77 157	1.75 225	0.42 78	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

SA-5K	0.63 122	0.28 88	0.75 152	0.76 323	0.31 95	0.48 24	0.43 118	1.30 161	1.21 228	0.97 99	1.31 209	0.64 65	0.77 157	1.75 225	0.42 78	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

GMOStereo	0.53 53	0.26 49	0.65 81	0.50 76	0.29 66	0.52 56	0.43 118	0.89 35	0.96 114	1.41 283	1.14 151	0.85 124	0.56 82	0.59 16	0.38 52	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 28

error version	0.53 53	0.26 49	0.65 81	0.50 76	0.29 66	0.52 56	0.43 118	0.89 35	0.96 114	1.41 283	1.14 151	0.85 124	0.56 82	0.59 16	0.38 52	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 28

test-v	0.53 53	0.26 49	0.65 81	0.50 76	0.29 66	0.52 56	0.43 118	0.89 35	0.96 114	1.41 283	1.14 151	0.85 124	0.56 82	0.59 16	0.38 52	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 28

Pruner-Stereo	0.62 116	0.29 115	0.70 109	0.61 225	0.31 95	0.63 100	0.43 118	1.17 128	0.99 133	1.53 308	1.08 123	0.95 159	0.55 78	1.35 151	0.51 136	0.23 196	0.14 78	0.24 175	0.21 176	0.21 136	0.23 189

test-2	0.53 53	0.26 49	0.65 81	0.50 76	0.29 66	0.52 56	0.43 118	0.89 35	0.96 114	1.41 283	1.14 151	0.85 124	0.56 82	0.59 16	0.38 52	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 28

GMStereo	0.55 82	0.45 277	0.94 225	0.50 76	0.32 110	0.64 102	0.43 118	1.00 72	1.40 311	0.82 75	0.73 40	0.51 35	0.45 33	0.85 70	0.55 160	0.24 211	0.15 128	0.20 77	0.21 176	0.31 263	0.24 201
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet_ucs	0.70 161	0.33 194	0.88 206	0.50 76	0.43 203	0.74 156	0.44 130	1.60 228	1.29 262	1.22 203	1.54 275	1.09 205	0.63 121	0.99 95	0.59 169	0.25 235	0.20 231	0.37 321	0.21 176	0.40 303	0.28 248

LoS_RVC	0.42 14	0.26 49	0.40 9	0.44 24	0.82 352	0.51 54	0.44 130	0.64 3	0.41 2	0.44 9	0.78 49	0.44 11	0.47 43	0.56 12	0.36 36	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 377

RAFT_CTSACE	0.63 122	0.26 49	0.88 206	0.55 159	0.51 250	0.71 148	0.44 130	0.80 20	0.97 121	0.97 99	1.84 325	1.18 225	0.68 132	1.47 180	0.36 36	0.16 12	0.15 128	0.21 100	0.20 140	0.20 102	0.14 12

dad	0.86 236	0.66 337	1.06 263	0.56 172	0.37 159	0.76 166	0.44 130	1.17 128	1.50 327	1.44 290	1.27 194	1.34 266	0.75 145	2.52 290	0.84 243	0.42 336	0.27 298	0.83 380	0.26 259	0.41 306	0.29 251

PSMNet-ADL	0.72 167	0.35 229	0.62 68	0.69 293	0.46 226	1.14 261	0.44 130	1.37 172	1.01 140	0.83 76	1.17 163	1.33 262	0.96 240	1.43 171	0.95 257	0.33 298	0.22 261	0.21 100	0.23 223	0.27 227	0.29 251

NF-Stereo	0.80 210	0.30 131	0.75 152	0.60 213	0.31 95	0.64 102	0.44 130	1.21 140	0.90 96	1.29 232	1.02 103	0.82 108	0.57 90	5.40 357	0.48 120	0.23 196	0.14 78	0.24 175	0.20 140	0.20 102	0.30 263

OCTAStereo	0.80 210	0.30 131	0.75 152	0.60 213	0.31 95	0.64 102	0.44 130	1.21 140	0.90 96	1.29 232	1.01 96	0.82 108	0.57 90	5.35 352	0.48 120	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 263

RAFT_R40	0.83 223	0.28 88	0.73 136	0.59 202	0.31 95	0.69 138	0.44 130	1.10 113	0.95 112	1.47 295	1.10 132	1.00 174	0.85 190	5.53 359	0.46 110	0.22 172	0.13 44	0.23 155	0.20 140	0.23 183	0.18 82

RE-Stereo	0.80 210	0.30 131	0.75 152	0.60 213	0.31 95	0.64 102	0.44 130	1.21 140	0.90 96	1.29 232	1.01 96	0.81 103	0.57 90	5.37 355	0.48 120	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 263

TVStereo	0.80 210	0.30 131	0.75 152	0.60 213	0.31 95	0.64 102	0.44 130	1.21 140	0.90 96	1.29 232	1.01 96	0.81 103	0.57 90	5.37 355	0.48 120	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 263

xxxx	1.51 340	0.28 88	0.68 94	0.54 140	0.28 54	1.16 268	0.44 130	2.19 358	1.29 262	1.09 129	1.36 229	1.22 231	0.85 190	1.79 233	15.70 420	0.24 211	0.21 247	0.21 100	0.20 140	0.22 158	0.23 189

whm_eth	0.65 137	0.47 283	1.05 260	0.55 159	0.64 303	0.69 138	0.45 141	1.34 167	1.26 246	1.02 113	1.92 335	0.49 32	0.48 51	0.70 37	0.52 142	0.23 196	0.20 231	0.25 212	0.24 234	0.24 197	0.31 273

SDNR	1.62 350	0.51 298	2.17 366	0.53 125	0.56 272	3.80 400	0.45 141	1.54 217	1.29 262	1.33 260	2.41 364	1.08 198	0.96 240	11.18 420	1.16 285	0.66 376	0.63 388	0.43 341	0.32 313	0.64 361	0.67 366

anonymousa	0.72 167	0.27 72	0.75 152	0.47 43	0.63 301	1.43 307	0.45 141	1.24 153	0.89 92	1.28 227	1.75 315	1.62 309	1.13 288	0.69 34	0.59 169	0.19 94	0.16 159	0.23 155	0.25 245	0.20 102	0.18 82

RCA-Stereo	0.50 42	0.23 16	0.58 52	0.48 56	0.33 127	0.55 71	0.45 141	0.97 64	1.38 302	0.68 48	1.05 115	0.63 62	0.80 169	0.59 16	0.32 8	0.17 33	0.12 9	0.17 17	0.14 25	0.16 14	0.14 12

DisPM	0.66 145	0.28 88	0.72 124	0.61 225	0.35 145	0.62 99	0.45 141	1.02 78	0.99 133	1.56 316	1.10 132	0.80 100	0.59 100	2.37 283	0.41 70	0.23 196	0.14 78	0.23 155	0.21 176	0.20 102	0.25 213

pcwnet_v2	0.97 266	0.37 242	4.33 391	0.62 236	0.54 264	0.79 181	0.45 141	2.02 328	1.58 336	1.42 289	1.64 300	1.09 205	0.79 164	1.24 135	0.67 194	0.32 293	0.25 286	0.29 261	0.27 267	0.37 287	0.35 290

DN-CSS_ROB	0.64 132	0.32 178	1.05 260	0.55 159	0.40 189	0.54 65	0.45 141	1.21 140	0.93 107	1.03 117	1.47 260	0.69 79	0.63 121	1.76 230	0.49 127	0.18 61	0.14 78	0.25 212	0.22 203	0.22 158	0.20 140

AE-Stereo	0.49 40	0.27 72	0.67 91	0.60 213	0.39 184	0.67 127	0.46 148	1.18 133	1.09 172	0.47 15	0.75 44	0.69 79	0.47 43	0.59 16	0.40 63	0.16 12	0.15 128	0.21 100	0.20 140	0.19 75	0.15 28

HH	0.63 122	0.30 131	0.77 165	0.50 76	0.32 110	0.49 34	0.46 148	1.65 238	0.64 29	0.69 49	1.09 128	1.63 311	0.85 190	1.90 244	0.37 42	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

HanStereo	0.63 122	0.30 131	0.77 165	0.50 76	0.32 110	0.49 34	0.46 148	1.65 238	0.64 29	0.69 49	1.09 128	1.63 311	0.85 190	1.90 244	0.37 42	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

ACVNet	0.63 122	0.31 163	0.54 35	0.54 140	0.36 151	0.80 186	0.46 148	1.37 172	1.07 162	0.93 89	1.30 204	1.08 198	0.85 190	0.80 59	0.94 255	0.21 149	0.19 214	0.21 100	0.18 92	0.22 158	0.18 82

hitnet-ft	0.79 207	0.35 229	0.57 49	0.58 189	0.42 198	0.96 231	0.46 148	1.47 194	1.33 280	1.19 191	1.22 175	1.81 330	0.98 247	1.66 211	0.94 255	0.33 298	0.28 304	0.34 304	0.27 267	0.35 277	0.31 273

FADNet_RVC	0.83 223	0.51 298	1.83 353	0.54 140	0.42 198	1.19 275	0.46 148	1.51 206	1.09 172	0.89 83	1.24 181	0.91 141	0.87 202	2.11 264	1.11 280	0.27 258	0.22 261	0.31 274	0.28 284	0.43 316	0.38 302

anonymousdsp2	0.53 53	0.27 72	0.74 150	0.48 56	0.29 66	0.76 166	0.47 154	1.61 231	0.82 77	0.77 62	0.77 47	0.75 88	0.47 43	1.03 103	0.40 63	0.18 61	0.13 44	0.18 39	0.13 13	0.19 75	0.18 82

x	0.54 67	0.31 163	0.61 64	0.47 43	0.30 83	0.67 127	0.47 154	1.53 215	0.79 70	0.81 72	0.83 57	0.78 95	0.70 138	0.70 37	0.62 181	0.21 149	0.19 214	0.22 126	0.19 112	0.21 136	0.20 140

dd	0.59 104	0.48 288	0.97 234	0.55 159	0.32 110	0.64 102	0.47 154	1.02 78	1.34 283	0.78 63	0.86 61	0.58 52	0.54 72	1.01 100	0.86 248	0.28 269	0.18 201	0.26 231	0.19 112	0.32 268	0.24 201

ACRE	0.61 113	0.33 194	1.01 246	0.58 189	0.49 234	0.75 162	0.47 154	1.06 104	0.95 112	1.37 270	1.55 277	0.62 60	0.46 37	0.83 66	0.70 197	0.23 196	0.15 128	0.19 53	0.16 62	0.18 45	0.21 157

AnonymousM	0.59 104	1.11 378	0.41 10	0.44 24	0.32 110	0.43 16	0.47 154	1.05 91	0.64 29	0.98 103	0.63 23	0.67 72	0.43 26	0.59 16	0.41 70	0.20 122	0.15 128	1.84 395	0.84 387	0.14 2	0.13 3

DMCA-RVC	0.74 184	0.40 256	1.27 300	0.66 270	0.49 234	0.77 172	0.47 154	1.35 169	1.01 140	1.53 308	1.01 96	1.29 256	0.82 176	1.31 143	0.78 223	0.27 258	0.21 247	0.35 311	0.27 267	0.32 268	0.24 201

DMCA	0.67 154	0.34 213	0.90 214	0.51 100	0.44 209	0.86 204	0.47 154	1.42 182	1.02 143	1.17 182	1.12 143	1.23 236	0.75 145	0.78 55	0.95 257	0.25 235	0.19 214	0.27 243	0.19 112	0.24 197	0.27 237

CFNet	0.96 260	0.36 236	1.01 246	0.62 236	0.42 198	0.99 239	0.47 154	1.90 298	1.32 277	0.99 105	1.39 239	1.10 207	0.86 198	5.58 362	0.79 229	0.23 196	0.17 185	0.28 253	0.27 267	0.26 215	0.21 157

tt1	0.62 116	0.32 178	0.51 26	0.54 140	0.26 22	1.16 268	0.48 162	0.95 56	2.47 378	0.57 34	0.77 47	0.49 32	0.81 172	1.55 193	0.32 8	0.20 122	0.12 9	0.24 175	0.15 33	0.19 75	0.20 140

EKT-Stereo	0.53 53	0.30 131	0.73 136	0.58 189	0.60 292	0.51 54	0.48 162	0.94 53	0.90 96	0.71 53	0.88 66	0.77 92	0.43 26	1.07 114	0.40 63	0.22 172	0.16 159	0.21 100	0.18 92	0.20 102	0.22 172

DCRE	0.82 218	0.26 49	0.70 109	0.58 189	0.44 209	0.54 65	0.48 162	0.95 56	0.78 66	0.78 63	7.33 408	0.86 128	0.52 64	0.76 52	0.41 70	0.16 12	0.16 159	0.19 53	0.17 78	0.18 45	0.17 64

CIPLG	0.62 116	0.33 194	0.96 232	0.58 189	0.50 240	0.75 162	0.48 162	1.05 91	0.96 114	1.40 281	1.57 285	0.64 65	0.48 51	0.89 78	0.70 197	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 157

IPLGR_C	0.62 116	0.33 194	0.99 237	0.58 189	0.49 234	0.76 166	0.48 162	1.10 113	0.96 114	1.40 281	1.56 281	0.62 60	0.48 51	0.80 59	0.71 202	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 157

cf-r	0.73 181	0.30 131	0.77 165	0.55 159	0.63 301	0.78 177	0.48 162	1.79 275	1.15 204	1.13 157	1.26 191	1.43 276	0.87 202	1.40 169	0.85 246	0.25 235	0.18 201	0.22 126	0.23 223	0.19 75	0.19 116

StereoDRNet-Refined	0.80 210	0.41 262	0.88 206	0.62 236	0.42 198	1.33 292	0.48 162	1.52 209	1.17 210	1.45 292	1.44 251	1.44 280	0.90 213	1.26 137	1.24 293	0.20 122	0.16 159	0.27 243	0.24 234	0.25 207	0.28 248
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DispNO	0.93 254	0.30 131	1.34 312	0.55 159	0.55 270	0.89 207	0.49 169	1.48 195	1.21 228	1.17 182	1.27 194	1.19 226	0.90 213	5.23 350	0.74 209	0.22 172	0.17 185	0.24 175	0.21 176	0.19 75	0.20 140

AACVNet	0.86 236	0.35 229	0.79 175	0.82 340	0.39 184	0.76 166	0.49 169	1.61 231	0.81 72	1.08 124	1.33 217	1.30 257	0.93 225	4.34 336	0.74 209	0.25 235	0.21 247	0.28 253	0.22 203	0.29 246	0.25 213

MMNet	0.84 227	0.32 178	1.09 271	0.60 213	0.59 289	1.85 347	0.49 169	1.51 206	1.27 253	1.37 270	1.15 157	1.26 246	1.18 294	1.67 212	1.22 291	0.19 94	0.18 201	0.23 155	0.22 203	0.25 207	0.21 157

UNet	0.83 223	0.34 213	1.31 304	0.58 189	0.74 328	1.58 320	0.49 169	1.41 180	1.04 150	1.21 198	1.08 123	1.54 297	1.12 286	1.65 207	1.09 275	0.23 196	0.17 185	0.25 212	0.20 140	0.25 207	0.22 172

HITNet	0.65 137	0.40 256	0.77 165	0.48 56	0.24 11	1.05 247	0.49 169	1.76 265	1.02 143	1.18 187	1.18 165	0.89 139	0.80 169	0.85 70	0.79 229	0.17 33	0.12 9	0.21 100	0.17 78	0.29 246	0.15 28
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
CBMV_ROB	0.90 246	0.44 271	0.63 71	0.51 100	0.37 159	1.25 283	0.49 169	1.77 269	1.27 253	1.41 283	2.00 340	1.33 262	1.08 278	2.17 267	0.76 215	0.43 341	0.42 360	0.47 350	0.44 350	0.41 306	0.36 294

PWC_ROB	1.24 314	0.76 354	2.46 376	0.72 308	0.78 341	1.15 266	0.49 169	1.75 259	1.92 361	2.31 366	3.07 376	1.59 305	1.40 324	2.46 288	2.10 358	0.33 298	0.22 261	0.35 311	0.24 234	0.38 295	0.41 310

ttt	0.94 256	0.34 213	0.59 57	0.61 225	0.37 159	0.94 223	0.50 176	2.17 356	1.34 283	1.23 206	1.61 293	0.91 141	0.76 153	1.85 240	3.97 383	0.30 281	0.26 290	0.26 231	0.24 234	0.29 246	0.29 251

ACVNet-DCA	0.56 91	0.31 163	0.50 20	0.54 140	0.26 22	1.18 271	0.51 177	1.42 182	0.78 66	0.58 35	0.79 52	0.48 25	0.88 206	1.46 176	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 157

xx1	0.67 154	0.31 163	0.50 20	0.54 140	0.26 22	1.18 271	0.51 177	0.93 48	3.05 390	0.58 35	0.79 52	0.95 159	0.77 157	1.46 176	0.32 8	0.20 122	0.12 9	0.24 175	0.23 223	0.22 158	0.21 157

1test111	0.54 67	0.31 163	0.50 20	0.54 140	0.26 22	1.18 271	0.51 177	1.42 182	0.78 66	0.58 35	0.79 52	0.48 25	0.88 206	0.88 75	0.59 169	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 157

cc1	0.64 132	0.31 163	0.50 20	0.54 140	0.26 22	1.18 271	0.51 177	0.93 48	3.05 390	0.58 35	0.79 52	0.48 25	0.88 206	1.46 176	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.19 75	0.19 116

IER	0.70 161	0.31 163	1.02 252	0.48 56	0.52 258	1.34 294	0.51 177	1.17 128	0.99 133	1.23 206	1.34 222	1.12 212	1.11 283	0.99 95	0.71 202	0.20 122	0.16 159	0.21 100	0.21 176	0.20 102	0.19 116

GANet-ADL	0.60 107	0.35 229	0.72 124	0.64 253	0.40 189	0.68 134	0.51 177	1.49 197	1.12 182	0.95 95	1.08 123	0.91 141	0.57 90	0.76 52	0.55 160	0.26 249	0.18 201	0.18 39	0.16 62	0.23 183	0.25 213

AAGNet	1.83 362	0.28 88	0.72 124	0.61 225	0.32 110	0.67 127	0.51 177	0.96 63	0.98 126	1.47 295	1.20 171	1.00 174	1.18 294	2.83 300	22.77 427	0.22 172	0.13 44	0.22 126	0.19 112	0.23 183	0.15 28

GwcNet-RSSM	0.77 198	0.32 178	1.01 246	0.62 236	0.54 264	0.78 177	0.51 177	1.73 253	1.20 223	1.09 129	1.37 231	1.46 284	0.85 190	1.53 189	1.09 275	0.25 235	0.18 201	0.23 155	0.24 234	0.20 102	0.19 116

DANet	1.08 290	0.61 329	1.32 307	0.85 349	0.72 323	1.37 297	0.51 177	1.54 217	1.15 204	1.78 339	1.54 275	2.01 348	1.11 283	2.90 303	2.00 354	0.33 298	0.30 316	0.40 335	0.30 303	0.44 323	0.45 322
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ProNet	0.43 17	0.28 88	0.58 52	0.43 9	0.30 83	0.56 74	0.52 186	1.00 72	0.58 20	0.44 9	0.49 8	0.43 9	0.43 26	1.28 138	0.36 36	0.15 7	0.13 44	0.19 53	0.16 62	0.17 26	0.16 44

test_5	0.65 137	0.30 131	0.75 152	0.67 280	0.50 240	0.92 218	0.52 186	1.39 178	1.12 182	0.76 59	1.11 137	1.00 174	0.90 213	1.53 189	0.45 97	0.18 61	0.13 44	0.23 155	0.22 203	0.21 136	0.19 116

sAnonymous2	0.55 82	0.56 311	1.46 324	0.60 213	0.51 250	0.48 24	0.52 186	0.79 15	0.68 46	0.50 28	0.67 27	0.46 18	0.62 116	0.59 16	0.40 63	0.22 172	0.17 185	0.22 126	0.21 176	0.86 375	0.56 348

CroCo_RVC	0.55 82	0.56 311	1.46 324	0.60 213	0.51 250	0.48 24	0.52 186	0.79 15	0.68 46	0.50 28	0.67 27	0.46 18	0.62 116	0.59 16	0.40 63	0.22 172	0.17 185	0.22 126	0.21 176	0.86 375	0.56 348

RALCasStereoNet	0.54 67	0.30 131	0.66 87	0.59 202	0.51 250	0.61 93	0.52 186	0.94 53	0.93 107	0.70 51	1.01 96	0.78 95	0.44 30	1.33 147	0.47 115	0.20 122	0.16 159	0.18 39	0.16 62	0.20 102	0.19 116

PWCDC_ROB	1.29 319	0.75 352	1.33 309	1.05 376	0.88 360	1.73 333	0.52 186	1.89 295	3.28 392	1.29 232	4.88 398	1.22 231	1.46 331	1.77 232	1.45 328	0.60 370	0.26 290	0.29 261	0.25 245	0.52 342	0.37 296

DRaft	0.80 210	0.24 22	0.70 109	0.45 34	0.30 83	0.97 235	0.53 192	1.05 91	0.97 121	1.78 339	2.02 343	0.80 100	1.74 355	2.73 298	0.72 205	0.17 33	0.14 78	0.20 77	0.20 140	0.18 45	0.21 157

acv_ft	0.75 191	0.31 163	0.95 228	0.70 298	0.86 357	1.24 281	0.53 192	1.44 189	1.07 162	1.24 214	1.30 204	1.08 198	0.92 219	0.80 59	1.34 307	0.21 149	0.19 214	0.21 100	0.18 92	0.21 136	0.18 82

NLCA_NET_v2_RVC	0.79 207	0.43 268	1.05 260	0.64 253	0.58 282	0.95 227	0.53 192	1.53 215	1.18 215	1.37 270	1.15 157	1.43 276	0.88 206	1.61 203	0.84 243	0.25 235	0.22 261	0.27 243	0.27 267	0.29 246	0.29 251
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.70 161	0.43 268	0.75 152	0.73 315	0.37 159	0.92 218	0.53 192	1.85 287	1.18 215	1.12 143	1.23 179	1.07 197	0.65 129	0.96 87	0.63 185	0.31 288	0.15 128	0.32 287	0.21 176	0.29 246	0.22 172
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.
mmm	0.63 122	0.35 229	0.72 124	0.51 100	0.30 83	0.86 204	0.54 196	1.59 225	0.86 81	1.07 123	1.38 235	0.79 98	0.75 145	0.91 80	0.58 167	0.22 172	0.18 201	0.29 261	0.25 245	0.25 207	0.23 189

CAS	0.63 122	0.18 1	0.37 2	2.27 397	0.84 354	0.57 79	0.54 196	0.79 15	0.62 25	0.48 19	0.70 33	0.36 2	0.26 1	0.45 2	0.35 30	2.24 398	0.10 1	0.14 1	0.09 1	0.15 6	1.06 388

gwcnet-sp	0.74 184	0.33 194	1.44 318	0.57 183	0.45 216	1.40 302	0.54 196	1.50 201	1.14 195	1.30 240	1.02 103	0.94 153	0.82 176	1.39 164	0.76 215	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 172

scenet	0.74 184	0.33 194	1.44 318	0.57 183	0.45 216	1.40 302	0.54 196	1.50 201	1.14 195	1.30 240	1.02 103	0.94 153	0.82 176	1.39 164	0.76 215	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 172

ssnet	0.74 184	0.33 194	1.44 318	0.57 183	0.45 216	1.40 302	0.54 196	1.50 201	1.14 195	1.30 240	1.02 103	0.94 153	0.82 176	1.39 164	0.76 215	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 172

LCNet	0.72 167	0.28 88	0.52 29	0.55 159	0.31 95	0.69 138	0.54 196	1.00 72	0.88 89	1.19 191	1.34 222	0.97 167	1.34 322	2.56 291	0.45 97	0.18 61	0.13 44	0.21 100	0.25 245	0.27 227	0.73 372

TransformOpticalFlow	0.96 260	0.28 88	0.89 211	0.52 116	0.31 95	0.66 123	0.54 196	1.75 259	1.12 182	1.09 129	1.44 251	1.37 270	1.01 259	6.70 383	0.42 78	0.19 94	0.12 9	0.20 77	0.19 112	0.18 45	0.19 116

raft+_RVC	0.53 53	0.26 49	0.54 35	0.60 213	0.47 230	0.54 65	0.54 196	1.27 157	0.99 133	0.76 59	1.03 111	0.70 82	0.56 82	0.93 86	0.47 115	0.18 61	0.14 78	0.19 53	0.18 92	0.18 45	0.15 28

ac_64	0.82 218	0.29 115	0.81 181	0.71 305	0.60 292	1.05 247	0.54 196	1.99 320	0.92 105	1.18 187	1.06 117	1.99 346	1.08 278	1.94 250	0.97 262	0.27 258	0.22 261	0.24 175	0.23 223	0.22 158	0.19 116

STTStereo	0.78 204	0.50 295	1.22 290	0.64 253	0.54 264	0.89 207	0.54 196	1.44 189	1.11 178	1.38 275	1.09 128	1.27 250	0.85 190	1.43 171	0.83 240	0.29 277	0.27 298	0.33 294	0.39 338	0.32 268	0.30 263

R-Stereo Train	0.57 96	0.26 49	0.63 71	0.54 140	0.36 151	0.69 138	0.54 196	1.22 147	0.72 54	1.61 323	1.50 269	0.75 88	0.53 69	0.64 28	0.44 89	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64

RAFT-Stereo	0.57 96	0.26 49	0.63 71	0.54 140	0.36 151	0.69 138	0.54 196	1.22 147	0.72 54	1.61 323	1.50 269	0.75 88	0.53 69	0.64 28	0.44 89	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DeepPruner_ROB	0.74 184	0.48 288	0.87 203	0.57 183	0.44 209	0.79 181	0.54 196	1.73 253	0.96 114	1.38 275	1.27 194	1.24 238	0.73 141	1.43 171	0.73 208	0.34 306	0.28 304	0.27 243	0.26 259	0.31 263	0.31 273

knoymous	0.51 43	0.29 115	0.47 14	0.43 9	0.30 83	0.55 71	0.55 209	1.02 78	0.77 64	0.98 103	0.85 60	0.94 153	0.56 82	0.85 70	0.45 97	0.20 122	0.14 78	0.26 231	0.14 25	0.23 183	0.23 189

RAFT+CT+SA	0.58 101	0.29 115	0.60 61	0.66 270	0.37 159	0.42 14	0.55 209	1.27 157	1.03 146	0.70 51	1.22 175	0.60 57	0.70 138	1.64 206	0.41 70	0.18 61	0.13 44	0.22 126	0.22 203	0.21 136	0.18 82

CFNet-ft	0.72 167	0.32 178	0.54 35	0.66 270	0.54 264	0.83 195	0.55 209	1.37 172	1.15 204	0.93 89	1.28 199	1.57 301	0.97 243	1.35 151	0.81 233	0.26 249	0.20 231	0.33 294	0.25 245	0.30 256	0.23 189

BEATNet_4x	0.73 181	0.49 291	1.17 285	0.53 125	0.26 22	1.03 244	0.55 209	1.82 281	1.06 157	1.21 198	1.22 175	0.96 165	0.91 216	1.01 100	1.06 270	0.21 149	0.14 78	0.24 175	0.19 112	0.37 287	0.21 157

HSM-Net_RVC	0.87 240	0.29 115	0.53 31	0.53 125	0.30 83	1.15 266	0.55 209	3.57 396	1.28 258	1.53 308	1.74 312	1.68 319	0.93 225	1.49 182	0.77 221	0.22 172	0.17 185	0.19 53	0.18 92	0.20 102	0.19 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.72 167	0.32 178	0.54 35	0.66 270	0.54 264	0.83 195	0.55 209	1.37 172	1.15 204	0.93 89	1.28 199	1.57 301	0.97 243	1.35 151	0.81 233	0.26 249	0.20 231	0.33 294	0.25 245	0.30 256	0.23 189

DualNet	1.09 292	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	0.95 56	2.47 378	1.15 162	1.45 253	1.06 191	0.82 176	1.55 193	7.61 398	0.20 122	0.12 9	0.31 274	0.27 267	0.19 75	0.20 140

ffm	0.72 167	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	0.95 56	2.47 378	1.15 162	1.45 253	1.06 191	0.82 176	1.55 193	0.32 8	0.20 122	0.12 9	0.31 274	0.27 267	0.19 75	0.20 140

ff1	1.37 329	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	0.95 56	2.47 378	1.15 162	1.45 253	1.06 191	0.82 176	7.22 389	7.61 398	0.20 122	0.12 9	0.31 274	0.27 267	0.19 75	0.20 140

mmx	1.39 331	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	2.13 341	1.37 298	1.15 162	1.45 253	1.06 191	0.82 176	7.22 389	7.61 398	0.24 211	0.19 214	0.31 274	0.27 267	0.30 256	0.25 213

xxx	1.39 331	0.33 194	0.85 187	0.53 125	0.37 159	0.74 156	0.56 215	2.13 341	1.37 298	1.15 162	1.45 253	1.06 191	0.82 176	7.22 389	7.61 398	0.24 211	0.19 214	0.31 274	0.27 267	0.30 256	0.25 213

AASNet	0.76 197	0.35 229	0.91 217	0.79 329	0.81 350	1.14 261	0.56 215	2.02 328	1.08 166	1.22 203	1.24 181	0.93 150	0.76 153	0.77 54	1.16 285	0.27 258	0.23 270	0.24 175	0.20 140	0.28 241	0.24 201

DEmStereo	0.97 266	0.23 16	0.79 175	0.47 43	0.32 110	1.04 246	0.56 215	0.93 48	0.89 92	1.39 280	2.14 351	1.02 183	2.07 376	5.64 363	0.77 221	0.17 33	0.15 128	0.20 77	0.20 140	0.18 45	0.20 140

PFNet	0.91 249	0.26 49	1.10 274	0.63 244	0.32 110	0.64 102	0.56 215	1.17 128	0.99 133	1.47 295	1.08 123	0.98 168	0.69 135	6.62 378	0.54 156	0.20 122	0.12 9	0.24 175	0.19 112	0.20 102	0.17 64

LMCR-Stereo	0.82 218	0.46 279	0.88 206	0.75 321	0.43 203	1.33 292	0.56 215	2.43 379	0.98 126	1.53 308	1.49 266	0.74 86	1.00 257	1.63 205	0.89 250	0.28 269	0.17 185	0.22 126	0.17 78	0.29 246	0.20 140

PSMNet-RSSM	0.72 167	0.30 131	0.61 64	0.63 244	0.42 198	0.73 153	0.56 215	1.92 305	1.10 176	1.09 129	1.37 231	1.22 231	0.98 247	1.28 138	0.72 205	0.27 258	0.19 214	0.27 243	0.29 295	0.24 197	0.24 201

GES	0.66 145	0.34 213	0.90 214	0.59 202	0.38 176	0.94 223	0.57 225	2.11 340	0.86 81	1.02 113	1.11 137	0.66 70	0.79 164	0.99 95	0.61 178	0.27 258	0.19 214	0.20 77	0.20 140	0.21 136	0.30 263

FADNet	0.92 251	0.61 329	1.81 350	0.62 236	0.55 270	0.96 231	0.57 225	1.78 273	1.33 280	0.93 89	1.01 96	1.36 267	1.01 259	2.71 297	0.75 213	0.33 298	0.34 332	0.31 274	0.34 324	0.59 354	0.40 306

RASNet	1.12 300	0.30 131	0.91 217	0.66 270	0.77 338	0.97 235	0.57 225	1.37 172	1.35 291	1.02 113	1.34 222	2.11 355	1.43 327	7.09 388	1.39 315	0.19 94	0.17 185	0.17 17	0.19 112	0.18 45	0.16 44

GwcNet-ADL	0.64 132	0.31 163	0.79 175	0.56 172	0.41 195	0.60 90	0.58 228	1.41 180	1.26 246	1.08 124	1.13 148	0.91 141	0.60 102	1.04 108	0.78 223	0.27 258	0.18 201	0.18 39	0.18 92	0.25 207	0.29 251

HHNet	0.62 116	0.26 49	0.63 71	0.43 9	0.45 216	0.50 43	0.58 228	1.07 106	1.01 140	1.25 218	2.23 355	0.70 82	0.61 111	1.07 114	0.47 115	0.20 122	0.13 44	0.23 155	0.19 112	0.19 75	0.30 263

RAFT	0.64 132	0.30 131	0.73 136	0.59 202	0.33 127	0.68 134	0.58 228	1.04 85	0.76 62	1.08 124	1.19 168	1.65 316	0.93 225	1.06 110	0.56 162	0.21 149	0.18 201	0.27 243	0.24 234	0.22 158	0.17 64

ICVP	0.63 122	0.33 194	0.57 49	0.61 225	0.40 189	0.80 186	0.58 228	1.61 231	0.89 92	0.90 84	1.24 181	0.88 135	0.73 141	0.72 44	0.88 249	0.29 277	0.21 247	0.22 126	0.21 176	0.24 197	0.27 237
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HGLStereo	0.85 231	0.38 247	0.94 225	0.80 332	1.03 370	1.17 270	0.58 228	1.52 209	1.20 223	1.19 191	1.62 296	1.13 217	1.20 300	1.80 234	1.06 270	0.24 211	0.24 279	0.24 175	0.21 176	0.23 183	0.27 237

GANet-RSSM	0.72 167	0.28 88	0.63 71	0.64 253	0.58 282	0.80 186	0.58 228	1.89 295	1.08 166	1.04 120	1.25 185	1.15 220	1.04 267	1.49 182	0.62 181	0.25 235	0.19 214	0.22 126	0.22 203	0.22 158	0.21 157

UCFNet_RVC	0.69 159	0.35 229	0.49 18	0.64 253	0.39 184	0.85 203	0.58 228	1.75 259	1.14 195	0.97 99	1.19 168	1.17 222	0.93 225	0.99 95	0.62 181	0.28 269	0.20 231	0.34 304	0.31 307	0.32 268	0.27 237

Anonymous	0.53 53	0.38 247	0.91 217	0.66 270	0.73 326	0.65 114	0.59 235	0.95 56	0.73 58	0.47 15	0.58 21	0.42 6	0.60 102	0.80 59	0.53 150	0.24 211	0.23 270	0.21 100	0.21 176	0.41 306	0.29 251

test_xeample	1.45 336	0.28 88	0.65 81	0.51 100	0.28 54	0.94 223	0.59 235	2.14 345	1.29 262	1.24 214	1.51 271	0.88 135	0.86 198	1.46 176	15.10 417	0.22 172	0.20 231	0.22 126	0.20 140	0.22 158	0.22 172

HSM	1.19 312	0.32 178	0.65 81	0.57 183	0.38 176	1.23 280	0.59 235	2.25 365	1.19 218	1.30 240	1.25 185	1.94 341	1.03 266	9.32 409	0.71 202	0.22 172	0.16 159	0.20 77	0.16 62	0.21 136	0.21 157

iResNet	0.75 191	0.40 256	1.36 313	0.67 280	0.29 66	0.92 218	0.59 235	1.52 209	1.25 241	1.28 227	1.48 265	0.94 153	0.76 153	1.62 204	0.78 223	0.18 61	0.14 78	0.18 39	0.15 33	0.22 158	0.23 189

FADNet-RVC	0.88 241	0.67 338	1.93 357	0.60 213	0.48 231	0.91 212	0.60 239	1.71 251	1.18 215	0.90 84	0.96 78	1.36 267	0.92 219	2.25 276	1.17 287	0.30 281	0.29 312	0.32 287	0.32 313	0.41 306	0.35 290

CoDeX	0.73 181	0.29 115	0.93 223	0.54 140	0.36 151	1.14 261	0.61 240	2.34 373	1.17 210	1.16 173	1.25 185	0.91 141	0.87 202	1.33 147	0.64 189	0.20 122	0.16 159	0.21 100	0.18 92	0.20 102	0.18 82

FADNet-RVC-Resample	0.84 227	0.47 283	2.10 362	0.61 225	0.45 216	1.07 252	0.61 240	1.59 225	1.20 223	1.08 124	0.98 86	1.03 186	0.98 247	2.17 267	0.72 205	0.23 196	0.22 261	0.30 270	0.32 313	0.35 277	0.34 285

qqq	0.57 96	0.34 213	0.71 120	0.47 43	0.27 35	0.64 102	0.62 242	1.42 182	0.78 66	0.80 68	0.92 72	0.95 159	0.77 157	0.88 75	0.59 169	0.21 149	0.20 231	0.24 175	0.23 223	0.22 158	0.21 157

DAS	0.84 227	0.34 213	1.03 256	0.64 253	0.69 318	0.77 172	0.63 243	1.54 217	1.20 223	1.79 342	1.55 277	0.95 159	1.04 267	2.83 300	0.60 176	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 172

SepStereo	0.82 218	0.34 213	1.03 256	0.64 253	0.69 318	0.77 172	0.63 243	1.54 217	1.20 223	1.79 342	1.55 277	0.95 159	1.04 267	2.30 278	0.60 176	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 172

Anonymous_2	1.30 321	0.55 308	0.82 183	0.52 116	0.58 282	1.01 242	0.64 245	1.25 155	0.97 121	0.96 96	0.78 49	1.33 262	1.29 314	1.03 103	0.74 209	0.62 372	0.64 389	1.06 388	9.63 425	1.16 386	0.49 336

iResNetv2_ROB	0.80 210	0.37 242	1.71 343	0.56 172	0.37 159	0.94 223	0.64 245	1.73 253	1.34 283	1.23 206	1.42 244	1.26 246	0.92 219	1.85 240	0.56 162	0.23 196	0.15 128	0.19 53	0.14 25	0.24 197	0.19 116

BSDual-CNN	0.71 166	0.32 178	0.68 94	0.54 140	0.44 209	1.27 285	0.65 247	2.16 350	0.98 126	1.20 195	1.11 137	1.12 212	0.74 143	0.91 80	0.66 191	0.24 211	0.17 185	0.25 212	0.22 203	0.22 158	0.22 172

hknet	0.77 198	0.32 178	0.95 228	0.54 140	0.38 176	1.27 285	0.65 247	2.16 350	1.07 162	1.20 195	1.11 137	1.59 305	0.81 172	1.37 155	0.66 191	0.22 172	0.17 185	0.25 212	0.22 203	0.22 158	0.22 172

Anonymous3	0.61 113	0.44 271	1.11 276	0.59 202	0.49 234	0.93 221	0.65 247	0.93 48	0.81 72	0.72 57	0.88 66	0.65 68	0.69 135	1.06 110	0.53 150	0.35 313	0.30 316	0.26 231	0.26 259	0.31 263	0.27 237

SHD	1.31 322	0.71 346	2.34 372	0.86 351	0.75 334	1.77 339	0.65 247	2.22 362	2.50 382	2.40 373	1.71 309	1.91 336	1.60 344	1.93 249	2.37 362	0.38 324	0.31 322	0.38 324	0.40 342	0.48 332	0.50 337

RTSC	1.29 319	0.73 347	2.44 374	0.83 343	0.57 274	1.85 347	0.65 247	1.88 293	2.00 365	2.20 364	1.66 304	1.60 307	1.26 311	2.33 280	3.92 381	0.32 293	0.23 270	0.27 243	0.29 295	0.37 287	0.37 296

LL-Strereo	1.33 325	0.39 252	1.38 314	0.61 225	0.61 295	0.75 162	0.66 252	1.63 236	1.17 210	1.56 316	1.60 289	2.03 351	2.12 377	9.72 414	0.97 262	0.21 149	0.18 201	0.27 243	0.23 223	0.22 158	0.25 213

SFCPSM	0.70 161	0.28 88	1.02 252	0.51 100	0.38 176	1.37 297	0.66 252	2.00 321	1.03 146	1.17 182	1.21 173	0.82 108	0.78 162	1.03 103	0.53 150	0.21 149	0.17 185	0.22 126	0.24 234	0.21 136	0.19 116

Nwc_Net	1.09 292	0.49 291	1.33 309	0.89 361	0.80 348	1.49 312	0.66 252	2.19 358	1.27 253	1.32 252	2.26 356	1.96 343	1.54 338	1.92 246	1.34 307	0.40 329	0.30 316	0.43 341	0.45 352	0.38 295	0.37 296

GASNet	0.99 271	0.97 367	1.72 344	0.98 371	0.68 316	0.83 195	0.67 255	1.60 228	1.28 258	1.31 250	1.22 175	1.22 231	1.21 303	2.41 286	1.41 320	0.43 341	0.26 290	0.36 319	0.34 324	0.55 347	0.31 273

DispFullNet	2.34 381	2.85 416	3.66 388	3.08 410	2.27 402	1.97 354	0.67 255	2.00 321	1.70 344	2.52 375	2.00 340	2.23 357	5.86 410	3.44 322	1.58 335	1.01 384	0.32 329	2.64 409	1.94 414	2.85 405	2.24 403

1111x	1.70 357	0.29 115	0.86 193	0.51 100	0.27 35	1.01 242	0.68 257	2.22 362	1.28 258	1.13 157	1.40 241	1.21 229	1.10 282	5.53 359	15.20 418	0.22 172	0.21 247	0.22 126	0.22 203	0.24 197	0.22 172

iinet-f	0.99 271	0.45 277	3.71 390	0.55 159	0.43 203	1.81 342	0.68 257	1.14 123	1.14 195	1.18 187	1.42 244	1.58 304	1.44 328	1.34 150	1.59 337	0.24 211	0.23 270	0.20 77	0.19 112	0.26 215	0.25 213

ToySt	0.66 145	0.33 194	1.23 291	0.51 100	0.33 127	0.86 204	0.68 257	1.10 113	0.97 121	0.84 78	1.08 123	1.25 242	0.94 230	1.01 100	0.74 209	0.19 94	0.19 214	0.24 175	0.24 234	0.27 227	0.23 189

iRaft-Stereo_5w	0.85 231	0.29 115	0.91 217	0.53 125	0.43 203	0.49 34	0.68 257	0.99 68	0.87 85	0.79 66	1.34 222	1.46 284	0.91 216	5.11 348	1.11 280	0.17 33	0.14 78	0.22 126	0.18 92	0.20 102	0.20 140

fast-acv-ft	0.94 256	0.44 271	1.40 315	0.58 189	0.51 250	1.77 339	0.69 261	1.36 171	1.42 317	1.29 232	1.86 328	1.74 326	1.25 309	1.52 185	1.38 312	0.26 249	0.28 304	0.28 253	0.28 284	0.27 227	0.26 231

AANet_RVC	1.16 310	0.52 301	1.49 331	0.65 265	0.45 216	0.75 162	0.69 261	1.42 182	1.55 335	1.34 263	1.87 330	1.53 296	0.78 162	7.43 394	1.38 312	0.25 235	0.17 185	0.19 53	0.16 62	0.22 158	0.26 231

psmorigin	1.52 341	0.69 342	10.52 411	0.68 290	0.59 289	1.13 260	0.70 263	1.57 223	1.19 218	1.99 356	1.79 319	2.26 359	1.47 333	2.09 262	1.36 311	0.39 327	0.40 356	0.34 304	0.33 319	0.43 316	0.56 348

GwcNet	1.08 290	0.51 298	2.33 371	0.79 329	1.18 383	1.76 336	0.70 263	1.68 245	1.47 323	1.41 283	1.64 300	1.74 326	1.04 267	2.20 272	1.41 320	0.30 281	0.29 312	0.29 261	0.27 267	0.30 256	0.35 290

AF-Net	1.13 303	0.52 301	1.33 309	0.86 351	0.91 361	1.38 300	0.71 265	2.16 350	1.62 338	1.56 316	2.40 363	1.99 346	1.65 348	1.81 236	1.48 331	0.48 355	0.28 304	0.49 353	0.33 319	0.39 299	0.32 279

stereogan	1.15 308	0.42 265	1.40 315	0.86 351	0.84 354	2.38 373	0.71 265	1.88 293	1.73 347	1.72 334	1.94 338	2.31 362	1.29 314	2.07 261	1.08 273	0.36 316	0.35 340	0.39 330	0.31 307	0.51 340	0.46 326

MyStereo06	0.61 113	0.28 88	0.95 228	0.56 172	0.46 226	0.61 93	0.73 267	1.78 273	0.67 43	1.03 117	1.12 143	1.13 217	0.56 82	0.78 55	0.41 70	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 140

MyStereo05	0.66 145	0.28 88	1.07 267	0.56 172	0.46 226	0.61 93	0.73 267	1.34 167	1.41 314	1.15 162	0.91 70	0.77 92	0.80 169	1.41 170	0.63 185	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 140

SQANet	1.31 322	0.88 364	1.08 270	1.83 393	1.44 390	1.44 308	0.75 269	1.74 257	1.09 172	1.32 252	1.26 191	1.28 253	1.01 259	1.50 184	0.83 240	2.50 399	0.34 332	1.47 391	0.55 371	2.32 395	1.57 395

psmg	0.72 167	0.32 178	0.68 94	0.50 76	0.44 209	1.48 310	0.75 269	1.94 311	0.98 126	1.21 198	1.33 217	1.12 212	0.74 143	0.91 80	0.66 191	0.24 211	0.19 214	0.25 212	0.25 245	0.23 183	0.22 172

edge stereo	1.11 298	0.50 295	1.30 303	0.71 305	0.65 306	1.14 261	0.75 269	1.93 309	1.37 298	1.71 333	1.83 323	2.54 371	1.44 328	2.43 287	1.23 292	0.42 336	0.41 358	0.54 362	0.35 328	0.42 311	0.46 326

HBP-ISP	0.96 260	0.58 318	0.72 124	0.61 225	0.46 226	1.64 326	0.76 272	1.86 290	1.28 258	1.30 240	1.53 273	0.86 128	0.94 230	3.27 316	0.69 196	0.45 347	0.44 364	0.54 362	0.48 359	0.47 329	0.40 306

ADLNet2	0.88 241	0.34 213	1.17 285	0.77 326	0.64 303	1.12 259	0.76 272	1.74 257	1.24 238	1.21 198	1.65 302	1.71 322	1.05 271	1.67 212	1.17 287	0.24 211	0.21 247	0.21 100	0.22 203	0.26 215	0.29 251

ADLNet	0.85 231	0.36 236	0.89 211	0.85 349	0.72 323	1.24 281	0.76 272	1.82 281	1.36 294	1.52 307	1.35 228	1.27 250	0.99 255	1.23 134	1.15 284	0.27 258	0.20 231	0.26 231	0.25 245	0.28 241	0.30 263

CSP-Net	0.97 266	0.38 247	0.83 185	0.53 125	0.41 195	1.63 324	0.77 275	2.00 321	1.05 154	1.25 218	1.20 171	1.33 262	0.83 185	4.93 347	0.85 246	0.32 293	0.22 261	0.20 77	0.20 140	0.23 183	0.25 213

RGC	1.14 305	0.79 356	1.26 297	0.91 365	0.96 368	1.52 314	0.77 275	1.92 305	1.26 246	1.54 312	1.93 336	2.02 350	1.54 338	2.25 276	1.31 303	0.44 346	0.35 340	0.58 373	0.48 359	0.47 329	0.46 326

Wz-Net-LNSev-Ref	0.99 271	0.40 256	1.82 351	0.66 270	0.62 300	2.05 359	0.78 277	1.91 302	1.29 262	1.54 312	1.42 244	1.51 294	1.23 306	1.99 254	1.33 305	0.23 196	0.14 78	0.20 77	0.15 33	0.27 227	0.26 231

ADCRef	1.35 327	0.55 308	2.37 373	0.72 308	0.77 338	1.94 352	0.78 277	1.91 302	1.27 253	1.57 320	1.59 288	1.36 267	1.41 325	1.54 191	7.53 397	0.23 196	0.20 231	0.32 287	0.30 303	0.29 246	0.29 251

NOSS_ROB	1.26 317	0.46 279	0.62 68	0.56 172	0.38 176	1.06 250	0.78 277	1.73 253	1.40 311	1.01 110	1.43 248	1.10 207	0.75 145	10.62 419	0.65 190	0.45 347	0.43 361	0.48 351	0.45 352	0.44 323	0.41 310

MyStereo07	0.48 37	0.29 115	0.50 20	0.55 159	0.45 216	0.59 84	0.79 280	1.05 91	0.51 14	0.48 19	0.53 10	0.43 9	0.55 78	1.30 142	0.34 26	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 140

MyStereo04	0.67 154	0.29 115	1.07 267	0.55 159	0.45 216	0.59 84	0.79 280	1.50 201	1.40 311	0.91 86	0.91 70	0.74 86	0.86 198	1.52 185	0.62 181	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 140

SACVNet	0.85 231	0.46 279	0.85 187	0.81 335	0.56 272	0.80 186	0.79 280	1.68 245	1.12 182	1.34 263	1.33 217	1.25 242	0.94 230	2.39 285	0.76 215	0.34 306	0.26 290	0.31 274	0.29 295	0.35 277	0.44 320

STrans-v2	1.04 284	0.28 88	0.96 232	0.49 69	0.32 110	0.68 134	0.79 280	2.47 381	1.12 182	1.12 143	1.46 259	1.40 271	1.46 331	6.70 383	0.43 87	0.18 61	0.13 44	0.20 77	0.18 92	0.18 45	0.18 82

GEStereo_RVC	0.90 246	0.37 242	0.99 237	0.64 253	0.50 240	0.95 227	0.79 280	2.42 378	1.17 210	1.16 173	1.11 137	1.26 246	0.92 219	3.24 314	0.90 252	0.29 277	0.19 214	0.23 155	0.20 140	0.27 227	0.29 251

DRN-Test	1.00 275	0.44 271	1.13 280	0.70 298	0.81 350	1.62 323	0.79 280	2.14 345	1.44 320	1.78 339	1.33 217	1.43 276	1.05 271	2.18 270	1.53 334	0.27 258	0.21 247	0.31 274	0.30 303	0.32 268	0.28 248

UDG	1.41 334	2.65 414	0.99 237	1.44 390	1.64 393	1.34 294	0.80 286	1.60 228	1.23 234	1.23 206	1.71 309	2.01 348	1.34 322	1.47 180	1.41 320	0.90 381	0.54 383	2.29 398	0.75 382	1.84 392	1.04 385

UPFNet	0.80 210	0.32 178	0.90 214	0.59 202	0.74 328	1.26 284	0.80 286	1.52 209	1.10 176	1.30 240	1.12 143	1.30 257	0.84 187	1.67 212	1.09 275	0.24 211	0.24 279	0.24 175	0.23 223	0.25 207	0.18 82

PS-NSSS	0.99 271	0.58 318	0.93 223	0.58 189	0.57 274	0.91 212	0.80 286	1.81 280	1.14 195	1.14 159	1.67 306	1.00 174	0.83 185	4.62 340	0.78 223	0.37 320	0.31 322	0.52 356	0.32 313	0.45 326	0.38 302

LRCNet_RVC	22.74 427	32.10 434	21.97 423	29.84 432	26.23 430	4.42 407	0.81 289	22.66 427	2.02 366	26.93 432	29.26 433	23.06 433	15.59 422	23.84 430	18.88 422	31.75 437	19.90 439	34.65 437	32.13 437	30.54 437	28.32 438

ARAFT	0.77 198	0.36 236	1.49 331	0.51 100	0.31 95	0.90 210	0.82 290	1.90 298	1.06 157	1.62 326	1.24 181	1.02 183	0.64 124	1.84 237	0.50 133	0.18 61	0.14 78	0.28 253	0.27 267	0.17 26	0.16 44

APVNet	1.06 285	0.53 304	1.42 317	0.84 344	0.79 343	1.92 350	0.82 290	1.90 298	1.08 166	1.08 124	1.43 248	1.56 300	1.13 288	3.07 308	1.58 335	0.31 288	0.34 332	0.42 339	0.36 332	0.36 283	0.37 296

CBFPSM	0.92 251	0.33 194	1.86 354	0.49 69	0.38 176	1.75 334	0.84 292	1.39 178	1.12 182	1.09 129	0.99 88	2.37 365	1.66 352	1.32 145	1.42 324	0.19 94	0.18 201	0.20 77	0.20 140	0.21 136	0.33 283

delet	0.85 231	0.32 178	0.95 228	0.65 265	0.66 308	1.64 326	0.84 292	1.75 259	1.35 291	1.32 252	1.30 204	1.30 257	0.88 206	1.68 217	1.10 278	0.21 149	0.21 247	0.24 175	0.24 234	0.21 136	0.21 157

RP	1.09 292	0.50 295	1.12 278	0.90 362	1.04 371	1.11 256	0.84 292	1.80 277	1.62 338	1.55 315	2.00 340	1.90 335	1.78 358	1.84 237	1.25 294	0.52 360	0.36 345	0.48 351	0.36 332	0.45 326	0.43 318

PA-Net	1.01 278	0.57 315	1.29 302	0.64 253	0.74 328	1.19 275	0.84 292	1.69 247	1.43 319	1.16 173	1.19 168	1.32 261	1.19 297	3.42 320	1.25 294	0.29 277	0.45 368	0.33 294	0.49 362	0.32 268	0.47 329
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DISCO	1.03 281	0.34 213	1.11 276	0.69 293	0.45 216	2.07 360	0.84 292	2.13 341	1.50 327	1.15 162	1.33 217	2.40 367	1.07 277	2.60 293	1.51 333	0.23 196	0.18 201	0.22 126	0.20 140	0.31 263	0.27 237

DLCB_ROB	0.86 236	0.40 256	0.78 173	0.68 290	0.54 264	1.11 256	0.84 292	1.49 197	1.23 234	1.64 328	1.65 302	1.70 321	0.91 216	1.70 219	1.05 268	0.25 235	0.24 279	0.26 231	0.27 267	0.27 227	0.24 201

CRFU-Net	0.86 236	0.39 252	1.00 242	0.65 265	0.57 274	1.78 341	0.86 298	2.15 347	0.81 72	1.38 275	1.18 165	1.64 314	1.19 297	1.35 151	0.90 252	0.26 249	0.22 261	0.21 100	0.19 112	0.23 183	0.24 201

KYRaft	0.75 191	0.28 88	0.62 68	0.56 172	0.29 66	0.67 127	0.86 298	0.94 53	0.84 80	1.62 326	2.21 354	1.16 221	1.02 264	1.57 197	0.40 63	0.20 122	0.13 44	0.22 126	0.28 284	0.20 102	1.02 383

NVstereo2D	0.92 251	0.41 262	1.48 329	0.72 308	0.72 323	1.20 277	0.87 300	1.75 259	1.38 302	0.99 105	1.13 148	1.26 246	0.98 247	2.21 273	0.89 250	0.43 341	0.20 231	0.38 324	0.24 234	0.57 350	0.63 361

Syn2CoEx	1.14 305	0.69 342	1.66 340	0.80 332	0.67 310	1.40 302	0.88 301	2.06 335	1.54 333	1.25 218	1.58 287	1.42 275	1.50 337	4.09 330	1.40 316	0.36 316	0.32 329	0.34 304	0.29 295	0.29 246	0.34 285

SuperB	2.53 388	0.59 321	18.45 418	0.69 293	0.50 240	1.87 349	0.88 301	1.67 244	2.39 375	1.50 304	1.42 244	1.14 219	1.15 290	4.28 335	5.07 387	0.24 211	0.19 214	0.22 126	0.19 112	7.86 426	0.34 285

anonymity	1.12 300	0.97 367	1.21 288	1.07 379	1.12 377	1.08 253	0.89 303	1.95 313	1.16 208	1.29 232	1.26 191	1.22 231	1.09 281	1.15 126	1.01 266	1.02 386	1.00 407	0.97 384	0.97 394	0.98 379	0.99 382

FAT-Stereo	1.07 287	0.41 262	1.32 307	0.72 308	0.58 282	1.08 253	0.89 303	1.96 314	1.65 340	1.75 336	1.98 339	2.03 351	1.48 334	2.02 256	1.18 290	0.42 336	0.35 340	0.34 304	0.29 295	0.35 277	0.53 343

NCC-stereo	1.10 295	0.54 305	1.24 294	0.84 344	0.94 365	1.29 288	0.89 303	2.01 325	1.34 283	1.32 252	1.74 312	1.88 331	1.74 355	2.35 281	1.25 294	0.45 347	0.37 347	0.45 345	0.58 374	0.42 311	0.42 314

Abc-Net	1.10 295	0.54 305	1.24 294	0.84 344	0.94 365	1.29 288	0.89 303	2.01 325	1.34 283	1.32 252	1.74 312	1.88 331	1.74 355	2.35 281	1.25 294	0.45 347	0.37 347	0.45 345	0.58 374	0.42 311	0.42 314
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	1.37 329	0.87 362	2.56 378	0.84 344	0.69 318	1.83 345	0.89 303	2.07 336	1.88 357	1.88 349	1.53 273	1.91 336	1.55 340	2.85 302	3.05 370	0.48 355	0.29 312	0.44 344	0.39 338	0.69 368	0.60 358

STTRV1_RVC	1.58 344	0.68 341	1.96 359	0.88 357	1.12 377	1.57 319	0.90 308	2.25 365	1.75 350	1.29 232	2.02 343	1.40 271	1.22 304	9.77 415	1.31 303	0.81 379	0.33 331	0.54 362	0.49 362	0.73 372	0.52 342

G-Net	1.66 352	0.63 333	1.56 334	1.11 381	0.74 328	2.98 389	0.91 309	1.55 221	1.22 231	2.76 383	8.18 414	2.32 363	2.53 388	1.92 246	1.87 346	0.48 355	0.44 364	0.45 345	0.31 307	0.60 358	0.57 352

StereoDRNet	0.98 270	0.47 283	1.70 342	0.76 323	0.94 365	1.51 313	0.91 309	1.92 305	1.32 277	1.61 323	1.13 148	1.47 289	0.97 243	1.75 225	1.46 329	0.28 269	0.23 270	0.29 261	0.27 267	0.35 277	0.27 237

DDUNet	1.50 339	2.69 415	1.12 278	1.77 392	1.88 395	1.84 346	0.92 311	1.70 250	1.16 208	1.38 275	1.79 319	1.60 307	1.12 286	1.37 155	1.08 273	1.10 391	0.76 392	2.37 400	0.94 392	2.00 393	1.37 393

psm_up	0.77 198	0.34 213	0.70 109	0.66 270	0.58 282	1.05 247	0.92 311	1.52 209	1.12 182	1.26 222	1.16 160	1.31 260	1.23 306	1.20 130	0.81 233	0.25 235	0.29 312	0.31 274	0.27 267	0.27 227	0.25 213

RYNet	1.17 311	0.49 291	1.24 294	0.70 298	0.97 369	1.71 330	0.92 311	1.91 302	1.46 322	1.38 275	1.14 151	1.88 331	1.30 318	4.24 332	1.87 346	0.26 249	0.21 247	0.35 311	0.27 267	0.55 347	0.54 344

PDISCO_ROB	1.32 324	0.65 336	1.44 318	1.36 385	1.46 391	2.55 377	0.92 311	2.45 380	2.07 369	1.37 270	1.49 266	1.65 316	1.00 257	2.82 299	1.35 310	1.01 384	0.27 298	0.54 362	0.47 357	0.71 370	0.73 372

DSFCA	0.93 254	0.34 213	1.06 263	0.52 116	0.65 306	1.55 317	0.93 315	1.49 197	1.19 218	1.56 316	1.15 157	1.50 292	0.96 240	3.07 308	1.02 267	0.30 281	0.26 290	0.25 212	0.25 245	0.28 241	0.24 201

MaskLacGwcNet_RVC	1.10 295	1.02 371	1.00 242	0.82 340	0.67 310	1.93 351	0.93 315	1.62 234	1.11 178	1.15 162	1.25 185	1.50 292	0.79 164	1.96 252	0.76 215	1.89 394	0.34 332	0.79 379	0.36 332	1.25 389	0.83 376

FCDSN-DC	2.32 380	0.63 333	0.81 181	0.84 344	0.75 334	2.23 366	0.94 317	2.09 339	1.80 353	5.45 413	7.72 411	7.77 411	6.93 416	3.39 317	1.80 344	0.52 360	0.48 373	0.52 356	0.51 367	0.57 350	0.58 353
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MSMD_ROB	1.99 372	0.59 321	0.89 211	0.70 298	0.61 295	3.95 402	0.94 317	1.80 277	1.79 352	4.41 404	4.43 390	8.17 412	3.66 400	3.40 318	1.33 305	0.52 360	0.48 373	0.54 362	0.58 374	0.53 344	0.50 337

MFN_U_SF_RVC	1.52 341	0.84 358	3.42 386	0.87 356	0.66 308	2.56 378	0.95 319	2.36 374	1.70 344	1.98 355	1.86 328	2.45 369	1.79 359	2.95 304	2.58 364	0.52 360	0.48 373	0.55 367	0.59 377	0.59 354	0.61 359

DeepPrunerF	1.60 347	0.73 347	5.81 399	0.88 357	1.19 384	0.91 212	0.95 319	2.19 358	5.24 408	1.17 182	1.30 204	1.19 226	1.30 318	4.90 345	1.66 340	0.42 336	0.34 332	0.52 356	0.47 357	0.41 306	0.40 306

ssnet_v2	0.88 241	0.36 236	1.02 252	0.62 236	0.38 176	1.32 291	0.97 321	2.07 336	1.34 283	1.37 270	1.18 165	1.54 297	0.92 219	1.10 118	1.65 338	0.30 281	0.27 298	0.30 270	0.28 284	0.27 227	0.26 231

Prome-Stereo	0.75 191	0.27 72	0.53 31	0.55 159	0.32 110	0.59 84	0.97 321	0.89 35	0.88 89	1.45 292	2.46 366	0.91 141	1.41 325	1.58 199	0.44 89	0.18 61	0.13 44	0.19 53	0.17 78	0.20 102	0.92 379

PVD	1.70 357	0.84 358	2.26 370	0.94 370	0.83 353	2.48 375	0.97 321	2.59 384	3.35 393	3.01 392	2.77 372	2.34 364	2.47 387	2.67 296	3.14 373	0.47 354	0.45 368	0.59 374	0.48 359	0.59 354	0.75 374

CVANet_RVC	1.07 287	0.43 268	0.76 161	0.60 213	0.50 240	0.90 210	0.97 321	1.52 209	1.26 246	1.33 260	1.38 235	1.24 238	1.18 294	6.75 385	0.75 213	0.34 306	0.23 270	0.34 304	0.29 295	0.42 311	0.27 237

GMM-Stereo	0.74 184	0.25 38	0.59 57	0.54 140	0.34 142	0.72 150	0.99 325	1.01 77	0.87 85	1.36 268	1.78 318	1.12 212	0.81 172	2.09 262	0.46 110	0.18 61	0.12 9	0.25 212	0.25 245	0.20 102	0.85 378

ccnet	1.12 300	0.67 338	1.01 246	0.78 328	0.73 326	1.72 332	0.99 325	1.84 286	1.26 246	1.47 295	1.85 327	1.75 329	1.29 314	1.75 225	1.88 348	0.57 368	0.53 380	0.57 372	0.55 371	0.59 354	0.54 344

Wz-Net-LNSev	1.03 281	0.67 338	2.71 382	0.64 253	0.84 354	1.75 334	1.00 327	1.80 277	1.32 277	1.28 227	1.25 185	1.65 316	1.22 304	1.39 164	1.40 316	0.28 269	0.26 290	0.24 175	0.23 223	0.33 274	0.32 279

CC-Net-ROB	1.49 337	1.26 385	1.27 300	0.88 357	0.79 343	1.76 336	1.00 327	1.79 275	1.26 246	1.10 137	1.61 293	1.21 229	0.99 255	8.13 402	0.84 243	1.09 390	0.41 358	2.20 396	0.46 355	1.20 388	0.48 332

Consistency-Raft	1.25 316	0.99 369	1.93 357	1.02 375	1.21 385	0.96 231	1.01 329	1.75 259	1.92 361	1.36 268	2.12 349	1.44 280	1.01 259	1.14 125	1.40 316	0.72 377	0.82 394	0.89 382	0.98 396	1.31 390	0.95 380

IRAFT_RVC	0.88 241	0.28 88	0.76 161	0.63 244	0.31 95	0.65 114	1.02 330	1.22 147	0.94 110	1.22 203	1.04 114	1.01 181	0.98 247	5.82 366	0.53 150	0.22 172	0.12 9	0.25 212	0.20 140	0.20 102	0.19 116

MeshStereo	2.26 378	0.56 311	0.92 221	0.61 225	0.49 234	2.60 379	1.02 330	3.18 392	2.05 368	7.40 419	4.98 399	7.58 409	2.98 394	6.37 375	1.96 352	0.43 341	0.43 361	0.45 345	0.39 338	0.43 316	0.42 314
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
FC-DCNN	2.72 395	0.59 321	0.86 193	0.73 315	0.57 274	2.91 386	1.04 332	3.01 390	2.60 383	6.83 415	7.64 410	9.92 416	6.33 414	5.21 349	3.14 373	0.53 366	0.48 373	0.51 355	0.50 365	0.53 344	0.51 341

ADCP+	1.99 372	0.48 288	7.73 403	0.66 270	0.91 361	2.30 369	1.05 333	1.82 281	1.34 283	1.54 312	1.32 215	1.74 326	1.61 345	2.17 267	13.37 413	0.24 211	0.21 247	0.32 287	0.28 284	0.37 287	0.29 251

aanetorigin	1.23 313	0.79 356	2.78 384	0.70 298	0.79 343	0.99 239	1.06 334	1.06 104	1.37 298	3.52 395	2.61 369	1.72 323	1.63 346	1.99 254	1.78 343	0.25 235	0.24 279	0.26 231	0.25 245	0.38 295	0.45 322

FINET	0.97 266	0.54 305	1.60 337	0.63 244	0.79 343	1.08 253	1.07 335	1.56 222	2.20 372	1.15 162	1.49 266	0.94 153	0.88 206	2.32 279	1.05 268	0.42 336	0.35 340	0.32 287	0.28 284	0.43 316	0.38 302

PASM	1.34 326	0.92 365	2.62 380	0.86 351	0.87 359	1.03 244	1.08 336	1.50 201	1.51 329	1.82 346	1.41 243	1.68 319	1.26 311	4.87 344	1.34 307	0.61 371	0.65 391	0.68 376	0.78 384	0.69 368	0.68 368

FBW_ROB	1.71 359	0.62 332	1.45 322	0.67 280	0.61 295	1.81 342	1.08 336	2.52 382	1.70 344	1.77 338	1.73 311	1.98 345	1.25 309	12.57 422	1.84 345	0.34 306	0.37 347	0.56 370	0.38 337	0.45 326	0.43 318

MDST_ROB	1.67 353	0.34 213	1.58 336	0.92 367	0.58 282	4.26 406	1.11 338	2.83 386	1.41 314	4.49 406	2.55 368	1.45 282	0.97 243	7.79 399	1.17 287	0.31 288	0.25 286	0.37 321	0.33 319	0.31 263	0.30 263

SPS-STEREO	1.67 353	1.04 372	1.23 291	1.21 383	1.13 380	1.82 344	1.11 338	2.16 350	1.52 330	3.07 394	2.32 358	2.82 379	1.80 360	4.11 331	2.04 355	1.03 387	0.99 406	0.97 384	0.94 392	1.03 383	1.02 383
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PSMNet_ROB	0.90 246	0.52 301	1.17 285	0.72 308	0.61 295	1.27 285	1.12 340	1.76 265	1.12 182	1.09 129	1.28 199	1.45 282	0.89 212	1.65 207	1.42 324	0.33 298	0.25 286	0.37 321	0.39 338	0.35 277	0.29 251

ETE_ROB	0.96 260	0.64 335	1.16 283	0.69 293	0.48 231	1.14 261	1.13 341	1.77 269	1.19 218	1.91 353	1.45 253	1.73 324	1.05 271	1.60 202	1.14 283	0.32 293	0.26 290	0.38 324	0.34 324	0.39 299	0.41 310

ADCMid	1.89 368	0.73 347	5.06 394	0.72 308	0.67 310	2.00 357	1.14 342	1.97 318	1.48 324	2.86 386	1.81 322	2.37 365	2.05 375	2.24 274	10.39 410	0.33 298	0.31 322	0.39 330	0.43 348	0.50 336	0.44 320

XPNet_ROB	0.96 260	0.49 291	1.09 271	0.72 308	0.57 274	1.11 256	1.14 342	1.66 243	1.23 234	1.85 348	1.39 239	1.64 314	1.11 283	1.80 234	1.42 324	0.38 324	0.30 316	0.33 294	0.29 295	0.37 287	0.34 285

WCMA_ROB	1.84 363	0.47 283	1.31 304	0.69 293	0.57 274	2.11 362	1.14 342	1.87 291	1.73 347	4.04 400	6.43 403	5.62 403	3.61 399	2.59 292	1.94 351	0.52 360	0.44 364	0.39 330	0.42 346	0.48 332	0.47 329

Ntro	1.64 351	1.15 381	1.23 291	2.48 401	1.83 394	2.09 361	1.16 345	1.96 314	1.38 302	1.21 198	1.62 296	1.62 309	1.29 314	1.87 243	1.11 280	3.04 404	0.56 384	1.82 394	0.64 379	2.80 401	2.05 401

EDNetEfficientorigin	10.57 418	1.47 392	177.42 445	0.67 280	0.53 261	1.58 320	1.16 345	1.90 298	3.37 394	4.71 408	3.38 380	3.10 384	2.69 390	3.13 312	3.58 378	0.25 235	0.23 270	0.33 294	0.27 267	0.83 374	0.81 375

SGM_RVC	1.68 355	0.36 236	0.61 64	0.59 202	0.29 66	2.25 367	1.18 347	2.38 376	1.68 343	3.60 396	2.67 371	3.69 388	2.42 385	8.13 402	1.90 349	0.31 288	0.31 322	0.30 270	0.28 284	0.30 256	0.29 251
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
S-Stereo	1.15 308	0.46 279	2.17 366	0.81 335	0.80 348	1.21 278	1.19 348	1.93 309	2.02 366	1.47 295	2.11 348	1.57 301	1.17 291	2.05 260	1.41 320	0.40 329	0.40 356	0.35 311	0.31 307	0.44 323	0.70 369

pmcnn	2.37 382	0.42 265	2.71 382	0.63 244	0.43 203	1.54 316	1.19 348	2.01 325	1.53 332	2.64 379	7.60 409	18.07 424	1.45 330	3.44 322	2.78 368	0.18 61	0.15 128	0.15 3	0.12 10	0.20 102	0.18 82

ADCPNet	1.85 364	0.69 342	8.07 404	0.71 305	0.58 282	2.79 384	1.22 350	1.94 311	1.54 333	1.88 349	1.69 307	2.46 370	2.04 373	2.37 283	6.48 392	0.38 324	0.37 347	0.38 324	0.43 348	0.47 329	0.45 322

otaku	1.60 347	1.11 378	1.21 288	2.20 396	1.56 392	1.97 354	1.24 351	2.07 336	1.36 294	1.44 290	1.62 296	1.73 324	1.19 297	1.73 224	0.98 264	2.89 403	0.57 385	1.74 392	0.60 378	2.78 400	1.94 400

ACVNet-4b	2.15 375	1.41 389	1.64 338	2.80 403	2.31 404	2.31 370	1.24 351	2.32 370	2.14 370	1.26 222	2.39 362	2.66 375	1.48 334	5.95 370	1.06 270	3.20 408	0.45 368	2.37 400	0.89 389	2.83 404	2.37 405

PSM-AAD	0.79 207	0.27 72	0.53 31	0.55 159	0.28 54	0.77 172	1.24 351	0.99 68	0.91 101	1.66 329	1.57 285	0.81 103	2.19 379	1.65 207	0.44 89	0.19 94	0.14 78	0.38 324	0.32 313	0.21 136	0.70 369

RAFT + AFF	1.00 275	0.42 265	1.09 271	0.67 280	0.50 240	1.22 279	1.24 351	2.24 364	1.19 218	1.30 240	1.56 281	1.17 222	1.49 336	3.44 322	0.83 240	0.21 149	0.25 286	0.30 270	0.26 259	0.27 227	0.27 237

LALA_ROB	1.01 278	0.59 321	1.16 283	0.67 280	0.51 250	1.63 324	1.26 355	1.69 247	1.38 302	1.81 345	1.37 231	1.94 341	1.02 264	1.58 199	1.38 312	0.37 320	0.27 298	0.43 341	0.37 335	0.43 316	0.37 296

SGM-Forest	1.24 314	0.38 247	0.60 61	0.52 116	0.37 159	1.56 318	1.30 356	1.65 238	1.36 294	2.11 362	1.79 319	1.63 311	0.93 225	7.48 396	0.95 257	0.36 316	0.37 347	0.39 330	0.34 324	0.37 287	0.32 279
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GANetREF_RVC	1.07 287	0.86 361	1.31 304	0.82 340	0.53 261	1.41 306	1.31 357	1.76 265	1.52 330	1.27 225	1.31 209	1.46 284	1.24 308	2.03 257	0.96 261	0.56 367	0.45 368	0.67 375	0.50 365	0.88 377	0.59 355
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
THIR-Stereo	1.02 280	0.27 72	0.69 103	0.49 69	0.28 54	0.95 227	1.34 358	1.03 81	0.97 121	1.34 263	1.90 333	1.17 222	1.58 341	6.44 376	0.78 223	0.19 94	0.14 78	0.21 100	0.22 203	0.19 75	0.20 140

SGM+DAISY	2.41 385	1.07 373	2.14 365	1.18 382	1.10 374	2.14 364	1.36 359	1.96 314	1.66 341	5.46 414	7.07 406	4.95 399	4.32 406	5.50 358	2.26 361	1.04 388	1.02 409	0.99 386	0.97 394	1.02 382	1.04 385

DGSMNet	1.14 305	0.76 354	2.49 377	0.81 335	0.86 357	1.39 301	1.39 360	2.13 341	1.35 291	1.26 222	1.63 299	1.48 290	0.98 247	1.75 225	1.10 278	0.45 347	0.43 361	0.55 367	0.49 362	0.75 373	0.70 369

Wz-Net-SNSev	1.49 337	1.23 384	6.27 401	0.68 290	0.67 310	1.37 297	1.41 361	2.00 321	1.39 306	1.48 301	1.61 293	2.29 360	1.32 320	3.93 327	2.14 359	0.31 288	0.28 304	0.31 274	0.33 319	0.42 311	0.36 294

MFMNet_re	1.40 333	1.14 380	1.68 341	1.39 387	1.07 372	1.48 310	1.43 362	1.87 291	1.82 355	2.26 365	2.19 353	1.51 294	1.86 364	1.52 185	1.25 294	0.93 382	0.83 395	0.84 381	0.80 385	0.99 381	1.05 387

TDLM	1.06 285	0.44 271	0.79 175	0.63 244	0.50 240	0.89 207	1.44 363	1.48 195	1.26 246	1.12 143	1.40 241	1.08 198	0.98 247	6.65 379	0.78 223	0.33 298	0.21 247	0.33 294	0.26 259	0.37 287	0.24 201

ACVNet_1	2.18 376	1.45 391	1.72 344	2.85 405	2.33 405	2.28 368	1.46 364	3.08 391	2.22 373	1.82 346	2.05 346	3.56 386	1.98 371	3.09 311	1.40 316	3.17 405	0.60 387	2.40 404	0.92 391	2.91 407	2.37 405

Wz-Net-MNSev	1.11 298	0.58 318	2.23 369	0.66 270	0.71 321	1.95 353	1.46 364	1.98 319	1.45 321	1.79 342	1.43 248	1.49 291	1.33 321	1.97 253	1.42 324	0.27 258	0.23 270	0.28 253	0.28 284	0.34 276	0.31 273

NVStereoNet_ROB	1.88 365	1.07 373	1.45 322	1.07 379	1.17 381	1.47 309	1.48 366	1.89 295	1.93 363	1.94 354	4.67 396	3.08 383	1.80 360	6.51 377	1.65 338	1.06 389	0.86 401	1.08 389	1.32 401	0.93 378	1.26 392
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WAO-8	4.40 403	1.82 400	1.79 348	2.34 398	2.20 398	9.19 416	1.53 367	6.09 414	16.46 421	3.94 398	7.84 412	7.32 406	3.72 402	9.41 412	3.31 376	2.00 395	1.07 410	2.44 405	1.37 405	2.50 396	1.68 396

Venus	4.40 403	1.82 400	1.79 348	2.34 398	2.20 398	9.19 416	1.53 367	6.09 414	16.46 421	3.94 398	7.84 412	7.32 406	3.72 402	9.41 412	3.31 376	2.00 395	1.07 410	2.44 405	1.37 405	2.50 396	1.68 396

coex-ft	8.13 416	2.13 409	98.04 444	0.67 280	0.53 261	1.71 330	1.56 369	1.65 238	11.11 416	18.17 430	3.75 385	3.88 390	7.61 417	2.98 307	6.49 393	0.30 281	0.30 316	0.32 287	0.31 307	0.66 365	0.50 337

EDNetEfficient	2.37 382	1.10 375	8.08 405	0.74 317	0.71 321	0.98 238	1.56 369	1.46 192	4.06 400	4.90 409	2.82 373	2.25 358	3.48 398	2.95 304	9.97 407	0.26 249	0.24 279	0.26 231	0.30 303	0.68 367	0.61 359

SANet	1.88 365	0.57 315	2.18 368	0.63 244	0.40 189	2.80 385	1.57 371	2.39 377	5.88 410	2.36 371	3.57 383	3.72 389	2.97 393	4.74 341	1.76 342	0.34 306	0.30 316	0.32 287	0.29 295	0.48 332	0.37 296

WZ-Net	1.95 369	0.95 366	10.10 408	0.86 351	0.78 341	1.69 329	1.60 372	2.20 361	1.98 364	2.08 360	1.93 336	2.30 361	1.97 370	5.30 351	3.17 375	0.34 306	0.26 290	0.29 261	0.31 307	0.51 340	0.47 329

DPSNet	1.69 356	0.59 321	4.33 391	0.70 298	0.57 274	2.02 358	1.62 373	3.35 395	1.78 351	1.48 301	1.38 235	2.17 356	2.84 391	4.77 342	3.66 379	0.48 355	0.31 322	0.29 261	0.25 245	0.64 361	0.48 332

CBMV	0.95 259	0.44 271	0.66 87	0.53 125	0.35 145	1.53 315	1.63 374	1.69 247	1.42 317	2.00 358	1.60 289	1.43 276	1.17 291	1.59 201	0.99 265	0.34 306	0.34 332	0.39 330	0.33 319	0.33 274	0.32 279
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NCCL2	1.00 275	0.56 311	1.06 263	0.75 321	0.57 274	1.31 290	1.72 375	1.77 269	1.36 294	1.50 304	1.17 163	1.91 336	1.17 291	1.54 191	1.29 301	0.35 313	0.31 322	0.45 345	0.44 350	0.40 303	0.40 306

GANet	1.36 328	0.47 283	0.86 193	0.67 280	0.45 216	1.34 294	1.73 376	1.64 237	1.24 238	1.49 303	2.38 361	1.55 299	1.20 300	9.30 408	0.93 254	0.30 281	0.31 322	0.33 294	0.28 284	0.39 299	0.30 263

Anonymous Stereo	1.28 318	0.75 352	2.45 375	0.74 317	0.77 338	0.93 221	1.77 377	1.51 206	1.31 272	1.67 330	1.29 203	1.20 228	0.75 145	6.29 374	1.68 341	0.37 320	0.36 345	0.38 324	0.40 342	0.43 316	0.45 322

CSAN	1.41 334	0.59 321	1.26 297	0.70 298	0.50 240	1.76 336	1.78 378	1.77 269	1.90 360	2.35 369	2.32 358	1.92 339	1.94 369	5.56 361	1.49 332	0.43 341	0.35 340	0.40 335	0.41 344	0.43 316	0.41 310

ADCS	2.25 377	0.99 369	5.55 396	0.81 335	0.74 328	2.19 365	1.80 379	2.27 367	2.14 370	2.80 385	2.13 350	2.40 367	2.03 372	2.64 295	13.69 414	0.41 333	0.39 354	0.40 335	0.45 352	0.58 352	0.56 348

RainbowNet	1.97 371	1.76 396	1.57 335	2.81 404	2.21 400	1.98 356	1.81 380	2.54 383	1.89 358	1.50 304	1.84 325	1.96 343	1.65 348	2.14 266	1.25 294	3.33 410	0.85 399	2.39 403	0.98 396	2.82 403	2.22 402

MADNet+	2.69 392	3.22 418	11.53 413	1.44 390	1.12 377	3.19 391	1.81 380	2.85 387	2.37 374	1.68 331	2.07 347	2.85 380	2.18 378	7.41 393	5.23 388	0.79 378	0.76 392	0.69 378	0.65 380	0.98 379	0.95 380

Wz-Net-TNSev	1.88 365	2.08 408	7.66 402	0.67 280	0.64 303	2.42 374	1.83 382	2.33 371	1.74 349	1.57 320	1.56 281	2.58 372	1.90 367	4.86 343	3.12 372	0.39 327	0.37 347	0.33 294	0.37 335	0.53 344	0.58 353

ADCL	1.72 360	0.57 315	3.66 388	0.67 280	0.61 295	2.61 380	1.85 383	1.96 314	1.67 342	1.90 352	1.83 323	2.06 354	1.90 367	2.13 265	9.15 406	0.26 249	0.24 279	0.34 304	0.32 313	0.38 295	0.35 290

GrayStereo	0.82 218	0.26 49	0.58 52	0.63 244	0.37 159	0.76 166	1.86 384	1.11 119	0.87 85	1.99 356	1.89 332	1.08 198	1.82 363	1.39 164	0.48 120	0.19 94	0.14 78	0.19 53	0.21 176	0.18 45	0.39 305

FTStereo	0.91 249	0.26 49	0.56 40	0.54 140	0.33 127	0.66 123	1.87 385	1.00 72	0.75 59	1.75 336	4.15 389	1.04 189	1.65 348	1.57 197	0.46 110	0.19 94	0.16 159	0.23 155	0.21 176	0.18 45	0.63 361

ACVNet_2	2.43 386	1.41 389	2.04 360	2.62 402	2.24 401	2.63 381	1.88 386	3.31 393	3.01 389	2.19 363	3.45 382	4.62 394	2.04 373	4.50 338	1.47 330	2.55 400	0.64 389	2.22 397	0.84 387	2.69 399	2.29 404

LSM	6.33 411	1.10 375	13.19 414	1.41 389	68.17 440	1.64 326	1.90 387	1.92 305	2.46 377	2.99 390	3.11 377	1.88 331	1.80 360	2.61 294	2.06 357	0.41 333	0.58 386	0.50 354	0.57 373	0.64 361	17.66 432

SAMSARA	1.55 343	0.84 358	2.61 379	1.22 384	1.07 372	2.50 376	1.93 388	2.05 330	1.89 358	2.75 382	1.66 304	2.81 378	1.69 353	3.08 310	1.97 353	0.46 353	0.51 378	0.42 339	0.46 355	0.58 352	0.59 355

WAO-7	2.66 389	1.40 388	1.73 346	1.39 387	1.17 381	3.93 401	1.94 389	4.11 401	3.88 399	2.92 387	5.50 400	4.18 392	3.00 395	7.63 397	3.71 380	1.13 392	1.00 407	1.17 390	1.13 400	1.18 387	1.09 389

RTS	2.67 390	1.38 386	15.28 416	0.99 372	1.26 387	3.78 398	1.96 390	2.15 347	2.62 384	2.61 377	2.85 374	2.60 373	1.59 342	6.27 372	5.71 390	0.40 329	0.28 304	0.35 311	0.35 328	0.50 336	0.48 332

RTSA	2.67 390	1.38 386	15.28 416	0.99 372	1.26 387	3.78 398	1.96 390	2.15 347	2.62 384	2.61 377	2.85 374	2.60 373	1.59 342	6.27 372	5.71 390	0.40 329	0.28 304	0.35 311	0.35 328	0.50 336	0.48 332

FADE	26.59 430	4.78 420	20.96 420	1.89 394	1.92 396	2.91 386	2.00 392	5.58 410	5.04 406	2.92 387	2.16 352	4.13 391	14.18 421	10.23 418	8.46 403	188.09 445	2.77 419	123.78 442	127.92 442	1.06 384	1.10 390

IMH	3.21 399	1.85 402	1.48 329	3.25 411	2.69 410	4.07 404	2.02 393	4.41 404	3.80 398	2.72 380	7.11 407	4.75 397	2.92 392	5.92 368	2.55 363	3.85 417	0.88 402	2.78 412	1.36 404	3.19 411	2.59 410

NaN_ROB	1.13 303	0.55 308	1.15 282	0.64 253	0.48 231	1.61 322	2.03 394	1.72 252	1.48 324	2.09 361	1.27 194	1.40 271	1.08 278	3.94 328	1.30 302	0.28 269	0.34 332	0.28 253	0.28 284	0.30 256	0.33 283

IMH-64-1	2.70 393	1.79 398	1.46 324	3.26 412	2.66 408	3.23 393	2.10 395	4.08 399	2.75 387	2.34 367	3.81 386	3.06 381	2.22 380	4.25 333	2.59 365	3.75 414	0.84 396	2.75 410	1.35 402	3.15 409	2.60 411

IMH-64	2.70 393	1.79 398	1.46 324	3.26 412	2.66 408	3.23 393	2.10 395	4.08 399	2.75 387	2.34 367	3.81 386	3.06 381	2.22 380	4.25 333	2.59 365	3.75 414	0.84 396	2.75 410	1.35 402	3.15 409	2.60 411

TorneroNet-64	5.30 409	2.03 404	1.74 347	3.43 414	2.81 411	10.09 418	2.12 397	9.10 421	17.12 426	4.96 411	9.27 417	10.72 420	3.70 401	9.20 407	4.55 386	3.31 409	0.84 396	2.88 413	1.55 409	3.49 412	3.04 414

notaker	3.98 402	2.40 413	2.68 381	3.82 419	3.27 417	3.97 403	2.14 398	4.78 407	3.45 396	4.12 403	6.94 405	7.65 410	3.26 396	7.82 400	5.30 389	4.04 418	1.41 415	3.36 419	2.10 416	3.88 415	3.31 417

Dean	2.91 398	1.53 393	2.07 361	2.96 409	2.51 407	3.15 390	2.14 398	4.75 406	4.41 404	2.76 383	6.10 402	5.53 402	2.37 383	2.97 306	1.92 350	3.18 406	0.85 399	2.51 407	1.04 399	2.88 406	2.47 408

AnyNet_C01	2.26 378	1.78 397	10.22 410	0.93 368	0.74 328	2.92 388	2.20 400	2.29 369	1.80 353	2.53 376	2.41 364	2.71 377	1.73 354	3.41 319	6.72 394	0.41 333	0.39 354	0.40 335	0.42 346	0.67 366	0.63 361

TorneroNet	10.70 419	2.03 404	1.82 351	3.43 414	3.01 413	43.83 436	2.22 401	8.87 420	67.47 445	7.17 418	27.36 430	10.68 419	3.85 404	8.67 405	7.65 402	3.59 412	0.88 402	3.04 414	1.57 410	3.71 413	3.17 415

LVE	3.31 400	1.67 395	1.64 338	2.85 405	2.42 406	3.20 392	2.26 402	4.78 407	5.05 407	2.35 369	6.91 404	6.02 404	2.37 383	9.15 406	2.17 360	3.19 407	1.08 412	2.38 402	1.47 408	2.81 402	2.40 407

WAO-6	2.81 396	1.60 394	1.46 324	2.36 400	2.28 403	3.55 395	2.29 403	4.21 402	4.56 405	2.36 371	4.51 391	4.88 398	2.66 389	4.60 339	4.07 384	1.72 393	1.15 413	2.31 399	1.46 407	2.31 394	1.85 398

ELAS	2.37 382	0.74 350	1.54 333	0.99 372	0.92 363	4.78 408	2.33 404	3.33 394	3.37 394	5.05 412	4.77 397	3.67 387	4.53 407	3.42 320	4.50 385	0.62 372	0.53 380	0.55 367	0.53 369	0.63 359	0.64 365
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C32	1.96 370	1.10 375	5.17 395	0.90 362	1.11 375	2.12 363	2.37 405	1.85 287	1.48 324	2.45 374	1.70 308	2.05 353	1.64 347	2.50 289	10.28 409	0.37 320	0.34 332	0.35 311	0.41 344	0.49 335	0.54 344

MSC_U_SF_DS_RVC	2.12 374	1.15 381	3.10 385	1.05 376	0.76 337	5.03 411	2.40 406	2.16 350	2.62 384	1.89 351	2.28 357	2.69 376	1.65 348	9.35 410	2.04 355	0.64 375	0.51 378	0.68 376	0.71 381	1.09 385	0.67 366

MFN_U_SF_DS_RVC	1.74 361	0.87 362	3.56 387	0.80 332	0.75 334	3.72 397	2.44 407	1.82 281	1.82 355	1.74 335	1.91 334	1.92 339	1.26 311	7.69 398	1.28 300	0.45 347	0.47 372	0.52 356	0.77 383	0.50 336	0.50 337

KSHMR	8.75 417	2.06 407	2.11 363	3.53 416	3.11 414	4.13 405	2.69 408	5.60 411	61.37 444	3.00 391	55.83 444	4.98 401	2.45 386	4.49 337	2.61 367	3.46 411	1.55 417	3.14 416	1.94 414	3.72 414	3.18 416

MANE	6.19 410	0.59 321	1.03 256	0.93 368	1.22 386	13.38 423	2.69 408	12.81 424	17.94 427	8.21 420	10.82 419	14.72 422	11.68 418	11.39 421	11.90 412	0.59 369	0.50 377	0.52 356	1.76 411	0.55 347	0.54 344

UNDER WATER	5.08 407	2.33 411	5.55 396	3.94 421	3.51 418	5.20 412	2.72 410	5.61 412	16.52 423	3.84 397	4.60 393	9.21 414	5.89 411	5.90 367	8.66 405	3.75 414	1.34 414	3.18 417	1.88 412	4.33 420	3.61 419

HanzoNet	11.04 420	3.62 419	8.10 406	4.08 422	3.55 420	4.90 410	2.73 411	7.19 418	10.10 414	31.86 440	28.92 432	21.96 431	36.36 433	18.08 426	10.17 408	7.94 424	3.32 421	3.47 420	3.31 419	7.06 425	4.04 421

LE_ROB	8.05 415	0.37 242	23.53 424	0.74 317	0.33 127	2.77 383	2.87 412	3.71 398	27.24 431	25.39 431	8.87 415	8.46 413	26.71 431	6.65 379	21.99 424	0.21 149	0.19 214	0.20 77	0.21 176	0.25 207	0.22 172

ktn	4.70 405	2.38 412	2.12 364	3.76 417	3.24 415	4.85 409	2.95 413	5.52 409	7.37 413	4.07 402	19.32 427	7.46 408	3.47 397	7.39 392	2.95 369	4.04 418	1.85 418	3.26 418	2.22 417	3.08 408	2.65 413

UNDER WATER-64	5.27 408	2.32 410	8.78 407	3.93 420	3.54 419	7.61 414	3.03 414	5.84 413	14.19 417	4.04 400	4.04 388	9.39 415	6.26 413	5.93 369	8.48 404	3.60 413	1.51 416	3.13 415	1.88 412	4.29 419	3.61 419

PWCK	2.88 397	2.05 406	5.72 398	2.08 395	1.11 375	3.55 395	3.90 415	2.86 388	3.54 397	3.03 393	3.63 384	3.10 384	2.31 382	8.15 404	3.09 371	2.12 397	0.91 404	1.75 393	0.98 396	2.57 398	1.18 391

ELAS_RVC	2.48 387	0.74 350	1.90 355	1.05 376	0.92 363	2.76 382	4.01 416	2.76 385	4.11 401	4.69 407	4.63 394	4.62 394	5.96 412	3.97 329	3.96 382	0.63 374	0.53 380	0.56 370	0.52 368	0.64 361	0.63 361
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	5.01 406	3.14 417	4.91 393	4.55 423	3.94 421	5.20 412	4.41 417	4.40 403	4.13 402	4.95 410	6.08 401	4.74 396	5.37 408	9.40 411	10.67 411	4.65 420	4.15 423	3.97 421	3.34 420	4.09 417	4.08 422

SGM-ForestM	6.52 412	0.38 247	1.26 297	0.63 244	0.35 145	13.59 424	5.32 418	6.32 417	6.70 412	11.14 421	9.18 416	22.51 432	13.93 420	16.89 425	20.07 423	0.36 316	0.37 347	0.36 319	0.35 328	0.36 283	0.34 285

JetBlue	3.97 401	2.01 403	10.19 409	1.38 386	2.84 412	10.53 419	9.54 419	3.60 397	2.41 376	2.73 381	3.39 381	4.54 393	4.31 405	7.85 401	6.84 395	0.88 380	0.93 405	0.89 382	0.91 390	1.74 391	1.91 399

JetRed	6.91 414	8.80 425	25.96 428	2.85 405	3.25 416	13.98 425	11.87 420	6.25 416	4.28 403	4.45 405	4.56 392	6.69 405	5.46 409	7.46 395	14.05 415	2.59 401	3.31 420	2.59 408	2.29 418	4.20 418	3.36 418

CrosDoStereo	1.58 344	0.24 22	0.72 124	0.48 56	0.29 66	0.67 127	12.49 421	1.10 113	0.98 126	1.34 263	1.75 315	1.00 174	1.89 365	6.65 379	0.81 233	0.19 94	0.15 128	0.20 77	0.22 203	0.18 45	0.19 116

DeepStereo_LL	1.58 344	0.24 22	0.72 124	0.48 56	0.29 66	0.67 127	12.49 421	1.10 113	0.98 126	1.34 263	1.75 315	1.00 174	1.89 365	6.65 379	0.81 233	0.19 94	0.15 128	0.20 77	0.22 203	0.18 45	0.19 116

DPSimNet_ROB	11.20 421	4.98 421	35.43 432	2.90 408	4.52 422	7.89 415	17.09 423	4.66 405	6.06 411	14.89 426	10.93 420	17.29 423	36.81 435	13.18 423	15.68 419	2.86 402	6.29 425	5.75 424	5.09 422	3.91 416	7.70 425

tt	6.58 413	0.26 49	6.10 400	3.77 418	2.16 397	11.55 420	19.63 424	13.33 425	5.74 409	2.96 389	2.65 370	4.97 400	6.33 414	3.81 326	7.24 396	9.15 425	11.32 432	5.89 425	6.24 424	6.03 422	2.55 409

BEATNet-Init1	26.87 431	13.43 427	70.68 443	0.91 365	0.68 316	57.02 444	21.06 425	32.82 436	32.67 433	52.12 444	53.61 443	66.05 444	49.56 444	48.79 445	34.71 435	0.49 359	0.44 364	0.53 361	0.53 369	0.63 359	0.59 355

HaxPig	38.92 437	41.40 442	41.64 433	29.95 433	32.27 431	28.90 430	27.60 426	29.73 432	37.71 441	43.82 441	43.87 440	33.17 434	35.56 432	41.53 435	40.37 437	43.94 441	47.51 444	45.82 438	47.08 439	42.38 438	44.15 441

AVERAGE_ROB	40.43 438	42.37 443	42.73 434	36.96 435	35.58 433	30.50 431	27.61 427	36.71 438	38.39 442	44.91 442	44.36 441	37.45 436	36.70 434	41.88 436	40.35 436	45.43 442	46.81 443	47.11 439	46.35 438	42.51 439	43.87 440

MEDIAN_ROB	42.00 439	44.40 444	44.29 436	35.15 434	34.95 432	31.28 435	29.60 428	35.88 437	40.02 443	47.20 443	46.64 442	37.37 435	38.48 443	44.35 443	42.45 438	48.03 443	49.39 445	49.71 440	49.03 440	45.14 440	46.65 442

ASD4	15.85 424	10.99 426	19.63 419	10.21 428	11.70 424	19.24 426	31.10 429	19.35 426	10.68 415	11.14 421	10.18 418	12.59 421	12.64 419	14.74 424	24.83 428	12.93 430	9.94 431	26.83 436	19.40 430	16.23 429	12.70 431

DGTPSM_ROB	13.01 422	8.23 423	21.87 421	9.51 426	18.10 425	11.56 421	32.01 430	10.63 422	16.20 419	7.03 416	19.48 428	10.15 417	16.66 423	9.83 416	22.42 425	4.75 421	8.68 426	5.37 422	10.25 426	6.16 423	11.36 426

DPSMNet_ROB	13.02 423	8.23 423	21.91 422	9.53 427	18.11 426	11.56 421	32.02 431	10.64 423	16.23 420	7.05 417	19.49 429	10.16 418	16.66 423	9.85 417	22.43 426	4.77 422	8.68 426	5.38 423	10.26 427	6.17 424	11.36 426

Anonymous_1	43.04 441	18.73 428	24.79 425	21.81 429	46.26 439	27.80 427	37.60 432	28.08 431	16.14 418	14.66 425	14.30 421	20.65 425	17.88 425	21.56 427	25.94 429	117.93 444	8.92 428	100.65 441	126.50 441	158.64 445	12.08 428

DPSM_ROB	19.08 425	19.14 429	25.17 426	22.15 430	20.85 428	28.17 428	37.82 433	26.56 429	16.85 424	14.14 423	14.84 422	21.70 426	18.75 426	21.87 428	26.55 430	10.16 428	9.30 429	10.47 427	10.42 428	14.03 427	12.61 429

DPSM	19.08 425	19.14 429	25.17 426	22.15 430	20.85 428	28.17 428	37.82 433	26.56 429	16.85 424	14.14 423	14.84 422	21.70 426	18.75 426	21.87 428	26.55 430	10.16 428	9.30 429	10.47 427	10.42 428	14.03 427	12.61 429

xxxxx1	54.10 443	25.67 431	27.13 429	113.43 442	96.96 442	30.69 432	47.44 435	32.38 433	25.60 428	17.75 427	17.27 424	21.81 428	21.02 428	24.43 431	33.82 432	33.37 438	40.54 440	157.71 443	175.86 443	66.16 441	72.93 443

tt_ll	54.10 443	25.67 431	27.13 429	113.43 442	96.96 442	30.69 432	47.44 435	32.38 433	25.60 428	17.75 427	17.27 424	21.81 428	21.02 428	24.43 431	33.82 432	33.37 438	40.54 440	157.71 443	175.86 443	66.16 441	72.93 443

ff	54.10 443	25.67 431	27.13 429	113.43 442	96.96 442	30.69 432	47.44 435	32.38 433	25.60 428	17.75 427	17.27 424	21.81 428	21.02 428	24.43 431	33.82 432	33.37 438	40.54 440	157.71 443	175.86 443	66.16 441	72.93 443

LSM0	42.82 440	38.75 441	50.81 442	47.07 441	109.38 445	57.00 443	76.02 438	53.74 444	33.71 434	29.02 439	30.41 439	43.87 443	37.22 436	43.91 442	53.54 444	20.52 436	18.62 433	21.10 435	21.11 436	28.41 436	42.22 439

CasAABBNet	38.33 432	38.46 436	50.35 437	44.75 440	41.84 434	56.68 441	76.37 439	53.22 442	33.83 435	28.31 433	29.54 434	43.62 441	37.71 441	43.84 441	53.41 440	20.30 431	18.70 434	21.07 433	21.07 432	28.24 434	25.34 433

MyStereo03	38.34 433	38.50 438	50.41 438	44.74 437	41.86 435	56.65 438	76.38 440	52.99 439	33.93 437	28.39 435	29.99 436	43.54 437	37.42 437	43.82 438	53.53 441	20.31 432	18.71 436	21.06 430	21.08 433	28.23 431	25.35 434

MyStereo02	38.34 433	38.50 438	50.41 438	44.74 437	41.86 435	56.65 438	76.38 440	52.99 439	33.93 437	28.39 435	29.99 436	43.54 437	37.42 437	43.82 438	53.53 441	20.31 432	18.71 436	21.06 430	21.08 433	28.23 431	25.35 434

MyStereo	38.34 433	38.50 438	50.41 438	44.74 437	41.86 435	56.65 438	76.38 440	52.99 439	33.93 437	28.39 435	29.99 436	43.54 437	37.42 437	43.82 438	53.53 441	20.31 432	18.71 436	21.06 430	21.08 433	28.23 431	25.35 434

Selective-RAFT-Error	38.39 436	38.47 437	50.44 441	44.73 436	41.97 438	56.68 441	76.38 440	53.24 443	33.92 436	28.34 434	29.85 435	43.60 440	38.20 442	43.75 437	53.34 439	20.38 435	18.70 434	21.09 434	21.05 431	28.30 435	25.43 437

SPstereo	26.54 429	6.08 422	10.71 412	5.55 424	5.68 423	48.14 437	80.43 444	67.31 445	34.39 440	28.70 438	27.52 431	43.76 442	37.60 440	45.04 444	54.41 445	4.92 423	4.89 424	10.74 429	5.88 423	4.46 421	4.57 423

test_example2	192.40 446	210.76 446	206.48 446	199.83 446	204.73 446	172.94 446	183.52 445	133.93 446	133.41 446	191.38 446	196.19 445	187.13 446	178.77 446	205.33 446	208.00 446	222.09 446	238.72 446	186.54 446	190.54 446	227.34 446	170.31 446

PML	51.67 442	36.25 435	13.28 415	7.46 425	20.81 427	108.69 445	232.22 446	8.72 419	27.82 432	87.01 445	269.67 446	69.67 445	61.95 445	24.76 434	14.20 416	9.74 427	3.40 422	9.62 426	4.70 421	18.74 430	4.72 424

Low-res two-view benchmark