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

LoS_RVC	0.42 14	0.26 49	0.40 9	0.44 24	0.82 351	0.51 53	0.44 129	0.64 3	0.41 2	0.44 10	0.78 48	0.44 10	0.47 42	0.56 13	0.36 35	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 376

RAFT-Stereo + iAFF	0.54 66	0.25 38	0.68 93	0.43 9	0.24 11	0.40 10	0.34 47	1.04 85	1.09 171	1.32 251	1.60 288	0.80 99	0.68 131	0.67 34	0.39 58	0.13 1	0.10 1	0.18 39	0.17 78	0.17 26	0.13 4

AFF-stereo	0.58 100	0.25 38	0.64 76	0.46 37	0.29 66	0.34 4	0.38 74	1.15 125	1.14 194	1.17 181	1.60 288	1.10 206	0.71 139	0.97 92	0.43 86	0.13 1	0.11 3	0.19 53	0.19 112	0.17 26	0.14 13

MoCha-V2	0.37 3	0.24 21	0.54 34	0.72 306	0.22 5	0.43 15	0.31 30	0.95 55	0.55 18	0.43 8	0.46 4	0.43 7	0.60 100	0.44 2	0.29 1	0.14 4	0.12 9	0.15 3	0.13 12	0.17 26	0.12 3

Selective-IGEV	0.39 6	0.24 21	0.50 19	0.44 24	0.25 20	0.46 21	0.33 37	1.25 155	0.40 1	0.35 1	0.45 3	0.52 39	0.30 4	1.07 114	0.30 2	0.14 4	0.12 9	0.17 17	0.13 12	0.16 14	0.13 4

s12784h	0.52 43	0.20 2	0.38 5	0.41 6	0.19 1	0.96 230	0.34 47	1.17 128	1.25 240	0.81 71	0.90 68	0.63 61	0.50 59	1.45 173	0.42 77	0.14 4	0.12 9	0.17 17	0.11 7	0.18 45	0.11 1

CES	0.48 36	0.20 2	0.37 2	0.39 5	1.39 388	0.55 70	0.35 51	0.98 66	0.66 42	0.44 10	0.66 25	0.35 1	0.27 2	0.56 13	0.33 17	0.15 7	0.13 44	0.15 3	0.10 2	0.19 75	1.46 393

ProNet	0.43 17	0.28 88	0.58 51	0.43 9	0.30 83	0.56 73	0.52 185	1.00 72	0.58 20	0.44 10	0.49 9	0.43 7	0.43 25	1.28 137	0.36 35	0.15 7	0.13 44	0.19 53	0.16 62	0.17 26	0.16 44

test_4	0.53 52	0.22 10	0.56 40	0.54 138	0.32 110	0.64 101	0.39 85	0.80 20	0.62 25	0.92 87	1.87 329	0.68 73	0.42 22	1.16 127	0.37 41	0.15 7	0.13 44	0.20 77	0.22 202	0.20 102	0.15 29

test_3	0.55 81	0.23 15	0.71 119	0.53 123	0.28 54	0.61 92	0.40 88	0.92 43	1.05 153	1.19 190	0.68 29	0.93 149	0.44 29	1.67 211	0.39 58	0.15 7	0.12 9	0.22 126	0.19 112	0.21 136	0.14 13

cross-raft	0.54 66	0.25 38	0.61 63	0.52 114	0.29 66	0.68 133	0.37 70	1.46 192	0.76 61	1.01 109	1.06 116	1.28 252	0.46 36	0.71 41	0.35 29	0.15 7	0.12 9	0.18 39	0.16 62	0.19 75	0.14 13

AE-Stereo	0.49 39	0.27 72	0.67 90	0.60 211	0.39 183	0.67 126	0.46 147	1.18 133	1.09 171	0.47 16	0.75 43	0.69 78	0.47 42	0.59 17	0.40 62	0.16 12	0.15 128	0.21 100	0.20 140	0.19 75	0.15 29

MIM_Stereo	0.57 95	0.24 21	0.92 220	0.46 37	0.30 83	0.54 64	0.28 19	1.27 157	0.75 58	1.00 106	1.16 159	0.93 149	0.53 68	1.45 173	0.61 177	0.16 12	0.16 159	0.20 77	0.19 112	0.17 26	0.14 13

AEACV	0.37 3	0.24 21	0.52 28	0.47 43	0.51 249	0.37 8	0.38 74	0.65 4	0.53 17	0.42 5	0.56 19	0.46 17	0.60 100	0.53 7	0.30 2	0.16 12	0.13 44	0.18 39	0.15 33	0.17 26	0.14 13

DCRE	0.82 217	0.26 49	0.70 108	0.58 187	0.44 208	0.54 64	0.48 161	0.95 55	0.78 65	0.78 62	7.33 407	0.86 127	0.52 63	0.76 52	0.41 69	0.16 12	0.16 159	0.19 53	0.17 78	0.18 45	0.17 64

DCANet-4	0.54 66	0.26 49	1.07 266	0.42 8	0.24 11	0.48 23	0.36 61	0.99 68	1.30 267	1.10 136	1.02 102	0.56 45	0.75 144	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

fff	0.53 52	0.24 21	0.70 108	0.43 9	0.24 11	0.48 23	0.36 61	1.07 106	1.25 240	1.10 136	1.02 102	0.57 47	1.06 273	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

ADStereo(finetuned)	0.57 95	0.24 21	1.06 262	0.43 9	0.24 11	0.49 33	0.35 51	1.05 91	1.30 267	1.12 142	1.03 110	0.58 51	1.20 299	0.84 68	0.51 135	0.16 12	0.13 44	0.17 17	0.13 12	0.18 45	0.19 116

RAFT_CTSACE	0.63 121	0.26 49	0.88 205	0.55 157	0.51 249	0.71 147	0.44 129	0.80 20	0.97 120	0.97 98	1.84 324	1.18 224	0.68 131	1.47 179	0.36 35	0.16 12	0.15 128	0.21 100	0.20 140	0.20 102	0.14 13

IPLG	0.69 158	0.27 72	0.97 233	0.51 98	0.43 202	0.79 180	0.33 37	1.21 140	1.06 156	1.30 239	1.10 131	0.52 39	0.55 77	3.16 312	0.63 184	0.16 12	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

GMOStereo	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 282	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

error version	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 282	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

test-v	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 282	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

test-3	0.54 66	0.22 10	0.68 93	0.47 43	0.27 35	0.58 79	0.35 51	0.92 43	1.00 137	1.32 251	0.69 32	0.87 131	0.45 32	1.68 216	0.37 41	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 4

test_1	0.54 66	0.22 10	0.68 93	0.47 43	0.27 35	0.58 79	0.35 51	0.92 43	1.00 137	1.28 226	0.68 29	0.87 131	0.45 32	1.67 211	0.37 41	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 4

test-2	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 282	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

CREStereo++_RVC	0.47 34	0.21 4	0.38 5	0.45 34	0.38 175	0.45 19	0.25 4	0.75 9	1.29 261	0.80 67	1.21 172	0.47 21	0.37 13	0.53 7	0.44 88	0.16 12	0.11 3	0.15 3	0.80 384	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
DCANet	0.54 66	0.24 21	0.70 108	0.43 9	0.24 11	0.49 33	0.36 61	1.05 91	1.30 267	1.12 142	1.03 110	0.58 51	0.92 218	0.81 63	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.18 45	0.19 116

csc	0.53 52	0.24 21	0.70 108	0.43 9	0.24 11	0.48 23	0.36 61	1.07 106	1.25 240	1.10 136	1.02 102	0.57 47	1.06 273	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

cscssc	0.53 52	0.24 21	0.70 108	0.43 9	0.24 11	0.48 23	0.36 61	1.07 106	1.25 240	1.10 136	1.02 102	0.57 47	1.06 273	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

CFNet-RSSM	0.54 66	0.24 21	0.70 108	0.48 55	0.28 54	0.60 89	0.27 16	1.49 197	1.14 194	1.06 120	0.93 73	1.08 197	0.54 71	0.70 37	0.35 29	0.16 12	0.12 9	0.17 17	0.15 33	0.16 14	0.14 13

Gwc-CoAtRS	0.52 43	0.24 21	0.68 93	0.48 55	0.29 66	0.64 101	0.25 4	1.16 126	1.08 165	1.01 109	1.00 90	1.12 211	0.56 81	0.69 35	0.37 41	0.16 12	0.13 44	0.17 17	0.15 33	0.15 6	0.15 29

MyStereo07	0.48 36	0.29 115	0.50 19	0.55 157	0.45 215	0.59 83	0.79 279	1.05 91	0.51 14	0.48 20	0.53 11	0.43 7	0.55 77	1.30 141	0.34 25	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 139

MyStereo06	0.61 112	0.28 88	0.95 227	0.56 170	0.46 225	0.61 92	0.73 266	1.78 272	0.67 43	1.03 116	1.12 142	1.13 216	0.56 81	0.78 55	0.41 69	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 139

MyStereo05	0.66 144	0.28 88	1.07 266	0.56 170	0.46 225	0.61 92	0.73 266	1.34 167	1.41 313	1.15 161	0.91 69	0.77 91	0.80 168	1.41 169	0.63 184	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 139

MyStereo04	0.67 153	0.29 115	1.07 266	0.55 157	0.45 215	0.59 83	0.79 279	1.50 201	1.40 310	0.91 85	0.91 69	0.74 85	0.86 197	1.52 184	0.62 180	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 139

ff7	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

ffff	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	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	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

MSKI-zero shot	0.55 81	0.26 49	0.57 48	0.51 98	0.26 22	0.69 137	0.28 19	1.18 133	0.64 29	0.91 85	1.32 214	0.82 107	0.33 10	1.92 245	0.32 8	0.17 33	0.12 9	0.17 17	0.13 12	0.16 14	0.16 44

RAFT-Test	0.54 66	0.25 38	0.64 76	0.47 43	0.30 83	0.97 234	0.27 16	1.24 153	0.81 71	0.96 95	1.12 142	1.28 252	0.48 50	0.71 41	0.36 35	0.17 33	0.13 44	0.17 17	0.14 25	0.16 14	0.16 44

LL-Strereo2	0.52 43	0.33 193	0.69 102	0.52 114	0.37 158	0.70 144	0.30 25	1.13 122	0.67 43	0.94 93	0.78 48	0.91 140	0.42 22	1.05 109	0.42 77	0.17 33	0.16 159	0.29 260	0.25 244	0.21 136	0.16 44

4D-IteraStereo	0.48 36	0.24 21	0.76 160	0.50 75	0.44 208	0.66 122	0.31 30	0.87 27	1.02 142	1.03 116	0.72 38	0.78 94	0.32 9	0.64 29	0.37 41	0.17 33	0.11 3	0.23 155	0.19 112	0.19 75	0.13 4

anonymousdsp	0.43 17	0.27 72	0.53 30	0.44 24	0.32 110	0.50 42	0.42 101	0.89 35	0.51 14	0.49 23	0.53 11	0.47 21	0.47 42	1.33 146	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

EGLCR-Stereo	0.37 3	0.22 10	0.51 25	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 71	0.29 3	0.86 73	0.33 17	0.17 33	0.12 9	0.19 53	0.17 78	0.17 26	0.15 29

MC-Stereo	0.43 17	0.23 15	0.48 16	0.51 98	0.28 54	0.39 9	0.32 34	0.88 34	0.68 46	0.60 42	0.84 58	0.56 45	0.61 110	1.03 103	0.31 6	0.17 33	0.11 3	0.17 17	0.15 33	0.16 14	0.13 4

RCA-Stereo	0.50 41	0.23 15	0.58 51	0.48 55	0.33 126	0.55 70	0.45 140	0.97 64	1.38 301	0.68 48	1.05 114	0.63 61	0.80 168	0.59 17	0.32 8	0.17 33	0.12 9	0.17 17	0.14 25	0.16 14	0.14 13

CroCo-Stereo Lap2	0.44 25	0.34 212	0.77 164	0.61 223	0.79 342	0.28 2	0.35 51	0.75 9	0.71 53	0.38 4	0.50 10	0.72 84	0.55 77	0.57 15	0.47 114	0.17 33	0.18 201	0.19 53	0.16 62	0.21 136	0.20 139

ccc-4	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

IGEV-Stereo	0.43 17	0.27 72	0.54 34	0.45 34	0.32 110	0.50 42	0.42 101	0.90 41	0.51 14	0.49 23	0.53 11	0.47 21	0.47 42	1.32 144	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
iRaft-Stereo_5w	0.85 230	0.29 115	0.91 216	0.53 123	0.43 202	0.49 33	0.68 256	0.99 68	0.87 84	0.79 65	1.34 221	1.46 283	0.91 215	5.11 347	1.11 279	0.17 33	0.14 78	0.22 126	0.18 92	0.20 102	0.20 139

iRaft-Stereo_20w	0.65 136	0.31 163	1.00 241	0.47 43	0.34 141	0.73 152	0.30 25	2.96 388	0.70 49	1.15 161	1.14 150	0.76 90	0.65 128	1.11 120	0.38 51	0.17 33	0.13 44	0.18 39	0.16 62	0.19 75	0.18 82

GLC_STEREO	0.39 6	0.25 38	0.41 10	0.54 138	0.23 8	0.48 23	0.30 25	0.73 7	0.58 20	0.52 31	0.73 39	0.51 34	0.31 6	0.64 29	0.42 77	0.17 33	0.20 231	0.23 155	0.19 112	0.21 136	0.17 64

MIPNet	0.56 90	0.28 88	0.94 224	0.49 68	0.33 126	0.66 122	0.38 74	1.35 169	1.08 165	1.06 120	0.92 71	0.60 56	0.79 163	0.73 47	0.52 141	0.17 33	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

IPLGR	0.58 100	0.27 72	1.14 280	0.48 55	0.28 54	0.65 113	0.33 37	1.22 147	1.13 192	1.18 186	1.05 114	0.69 78	0.66 130	0.96 87	0.52 141	0.17 33	0.15 128	0.20 77	0.17 78	0.20 102	0.18 82

DEmStereo	0.97 265	0.23 15	0.79 174	0.47 43	0.32 110	1.04 245	0.56 214	0.93 48	0.89 91	1.39 279	2.14 350	1.02 182	2.07 375	5.64 362	0.77 220	0.17 33	0.15 128	0.20 77	0.20 140	0.18 45	0.20 139

DRaft	0.80 209	0.24 21	0.70 108	0.45 34	0.30 83	0.97 234	0.53 191	1.05 91	0.97 120	1.78 338	2.02 342	0.80 99	1.74 354	2.73 297	0.72 204	0.17 33	0.14 78	0.20 77	0.20 140	0.18 45	0.21 156

test-1	0.52 43	0.26 49	1.04 258	0.56 170	0.32 110	0.61 92	0.38 74	1.10 113	0.91 100	0.78 62	1.01 95	0.77 91	0.52 63	0.60 26	0.42 77	0.17 33	0.14 78	0.20 77	0.17 78	0.20 102	0.23 188

iRaftStereo_RVC	0.47 34	0.26 49	0.64 76	0.50 75	0.29 66	0.53 60	0.33 37	1.05 91	0.77 63	0.84 77	1.00 90	0.55 43	0.37 13	0.81 63	0.40 62	0.17 33	0.12 9	0.22 126	0.20 140	0.19 75	0.15 29

HITNet	0.65 136	0.40 255	0.77 164	0.48 55	0.24 11	1.05 246	0.49 168	1.76 265	1.02 142	1.18 186	1.18 164	0.89 138	0.80 168	0.85 70	0.79 228	0.17 33	0.12 9	0.21 100	0.17 78	0.29 246	0.15 29
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
panet	0.39 6	0.21 4	0.37 2	0.36 2	0.20 2	0.53 60	0.29 21	0.78 13	1.12 181	0.59 41	0.71 35	0.53 42	0.42 22	0.54 9	0.34 25	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.13 4

MyStereo8	0.65 136	0.29 115	1.00 241	0.58 187	0.49 233	0.91 211	0.35 51	1.18 133	1.31 271	1.16 172	1.27 193	0.90 139	0.64 123	0.72 44	0.95 256	0.18 61	0.14 78	0.20 77	0.18 92	0.22 158	0.26 230

IGEV_Zeroshot_test	0.53 52	0.30 131	0.99 236	0.56 170	0.35 144	0.41 12	0.32 34	1.37 172	0.63 27	1.00 106	1.09 127	0.95 158	0.41 20	0.83 66	0.39 58	0.18 61	0.12 9	0.19 53	0.18 92	0.19 75	0.17 64

CASnet	0.41 13	0.25 38	0.48 16	0.50 75	0.20 2	0.50 42	0.36 61	0.81 23	0.80 70	0.83 75	0.68 29	0.48 24	0.31 6	0.54 9	0.32 8	0.18 61	0.12 9	0.27 242	0.22 202	0.23 183	0.14 13
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.53 52	0.24 21	0.47 14	0.47 43	0.27 35	1.00 240	0.25 4	1.58 224	1.05 153	0.85 81	0.99 87	1.06 190	0.47 42	0.70 37	0.32 8	0.18 61	0.13 44	0.16 11	0.13 12	0.16 14	0.16 44

HH	0.63 121	0.30 131	0.77 164	0.50 75	0.32 110	0.49 33	0.46 147	1.65 238	0.64 29	0.69 49	1.09 127	1.63 310	0.85 189	1.90 243	0.37 41	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

HanStereo	0.63 121	0.30 131	0.77 164	0.50 75	0.32 110	0.49 33	0.46 147	1.65 238	0.64 29	0.69 49	1.09 127	1.63 310	0.85 189	1.90 243	0.37 41	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

anonymousdsp2	0.53 52	0.27 72	0.74 149	0.48 55	0.29 66	0.76 165	0.47 153	1.61 231	0.82 76	0.77 61	0.77 46	0.75 87	0.47 42	1.03 103	0.40 62	0.18 61	0.13 44	0.18 39	0.13 12	0.19 75	0.18 82

LoS	0.40 10	0.21 4	0.44 12	0.37 3	0.22 5	0.50 42	0.40 88	1.00 72	0.94 109	0.48 20	0.66 25	0.48 24	0.40 18	0.60 26	0.37 41	0.18 61	0.14 78	0.16 11	0.11 7	0.14 2	0.14 13

raft_robust	0.68 157	0.30 131	0.64 76	0.52 114	0.26 22	0.54 64	0.35 51	1.33 163	1.24 237	1.16 172	1.07 119	0.60 56	0.54 71	3.58 324	0.37 41	0.18 61	0.14 78	0.20 77	0.22 202	0.20 102	0.16 44

RAFT+CT+SA	0.58 100	0.29 115	0.60 60	0.66 268	0.37 158	0.42 14	0.55 208	1.27 157	1.03 145	0.70 51	1.22 174	0.60 56	0.70 137	1.64 205	0.41 69	0.18 61	0.13 44	0.22 126	0.22 202	0.21 136	0.18 82

test_5	0.65 136	0.30 131	0.75 151	0.67 278	0.50 239	0.92 217	0.52 185	1.39 178	1.12 181	0.76 58	1.11 136	1.00 173	0.90 212	1.53 188	0.45 96	0.18 61	0.13 44	0.23 155	0.22 202	0.21 136	0.19 116

LCNet	0.72 166	0.28 88	0.52 28	0.55 157	0.31 95	0.69 137	0.54 195	1.00 72	0.88 88	1.19 190	1.34 221	0.97 166	1.34 321	2.56 290	0.45 96	0.18 61	0.13 44	0.21 100	0.25 244	0.27 227	0.73 371

STrans-v2	1.04 283	0.28 88	0.96 231	0.49 68	0.32 110	0.68 133	0.79 279	2.47 380	1.12 181	1.12 142	1.46 258	1.40 270	1.46 330	6.70 382	0.43 86	0.18 61	0.13 44	0.20 77	0.18 92	0.18 45	0.18 82

RAFT-RH_RVC	1.03 280	0.24 21	0.67 90	0.49 68	0.28 54	0.81 189	0.33 37	0.83 24	1.08 165	2.05 358	4.65 394	1.04 188	0.57 89	5.98 370	0.50 132	0.18 61	0.13 44	0.26 231	0.20 140	0.16 14	0.17 64

RAFT-345	0.84 226	0.25 38	0.66 86	0.50 75	0.27 35	0.54 64	0.42 101	0.83 24	1.11 177	1.32 251	2.34 359	0.86 127	0.54 71	5.72 363	0.47 114	0.18 61	0.13 44	0.22 126	0.17 78	0.17 26	0.16 44

CroCo-Stereo	0.40 10	0.31 163	0.73 135	0.58 187	0.27 35	0.26 1	0.33 37	0.95 55	0.81 71	0.42 5	0.47 6	0.65 67	0.47 42	0.39 1	0.34 25	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
GMM-Stereo	0.74 183	0.25 38	0.59 56	0.54 138	0.34 141	0.72 149	0.99 324	1.01 77	0.87 84	1.36 267	1.78 317	1.12 211	0.81 171	2.09 261	0.46 109	0.18 61	0.12 9	0.25 212	0.25 244	0.20 102	0.85 377

Prome-Stereo	0.75 190	0.27 72	0.53 30	0.55 157	0.32 110	0.59 83	0.97 320	0.89 35	0.88 88	1.45 291	2.46 365	0.91 140	1.41 324	1.58 198	0.44 88	0.18 61	0.13 44	0.19 53	0.17 78	0.20 102	0.92 378

raft+_RVC	0.53 52	0.26 49	0.54 34	0.60 211	0.47 229	0.54 64	0.54 195	1.27 157	0.99 132	0.76 58	1.03 110	0.70 81	0.56 81	0.93 86	0.47 114	0.18 61	0.14 78	0.19 53	0.18 92	0.18 45	0.15 29

TANstereo	0.44 25	0.21 4	0.44 12	0.41 6	0.21 4	0.65 113	0.26 10	0.79 15	0.83 77	0.93 88	0.98 85	0.51 34	0.46 36	0.54 9	0.35 29	0.18 61	0.24 278	0.16 11	0.13 12	0.16 14	0.26 230

111	0.60 106	0.23 15	0.70 108	0.43 9	0.24 11	0.72 149	0.42 101	1.18 133	1.41 313	0.80 67	1.38 234	1.10 206	0.79 163	0.96 87	0.58 166	0.18 61	0.13 44	0.17 17	0.15 33	0.17 26	0.19 116

test_xeample3	0.42 14	0.28 88	0.69 102	0.43 9	0.33 126	0.56 73	0.38 74	0.79 15	0.45 3	0.53 32	0.46 4	0.44 10	0.44 29	1.38 158	0.31 6	0.18 61	0.14 78	0.19 53	0.15 33	0.17 26	0.16 44

ARAFT	0.77 197	0.36 235	1.49 330	0.51 98	0.31 95	0.90 209	0.82 289	1.90 297	1.06 156	1.62 325	1.24 180	1.02 182	0.64 123	1.84 236	0.50 132	0.18 61	0.14 78	0.28 252	0.27 266	0.17 26	0.16 44

EAI-Stereo	0.65 136	0.28 88	0.69 102	0.53 123	0.27 35	0.60 89	0.40 88	2.28 367	0.64 29	0.71 53	3.18 377	0.57 47	0.43 25	1.06 110	0.41 69	0.18 61	0.13 44	0.17 17	0.17 78	0.17 26	0.17 64

CREStereo	0.39 6	0.21 4	0.38 5	0.34 1	0.22 5	0.53 60	0.29 21	0.77 12	1.11 177	0.58 35	0.71 35	0.51 34	0.41 20	0.54 9	0.34 25	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.14 13
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
DIP-Stereo	0.62 115	0.30 131	0.83 184	0.48 55	0.36 150	0.95 226	0.33 37	2.37 374	0.67 43	1.25 217	1.00 90	0.68 73	0.51 61	0.91 80	0.61 177	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
R-Stereo Train	0.57 95	0.26 49	0.63 70	0.54 138	0.36 150	0.69 137	0.54 195	1.22 147	0.72 54	1.61 322	1.50 268	0.75 87	0.53 68	0.64 29	0.44 88	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64

RAFT-Stereo	0.57 95	0.26 49	0.63 70	0.54 138	0.36 150	0.69 137	0.54 195	1.22 147	0.72 54	1.61 322	1.50 268	0.75 87	0.53 68	0.64 29	0.44 88	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
MLCV	0.72 166	0.34 212	1.10 273	0.51 98	0.23 8	0.91 211	0.39 85	1.33 163	1.23 233	1.46 293	1.55 276	1.01 180	0.64 123	1.95 250	0.80 231	0.18 61	0.12 9	0.18 39	0.14 25	0.19 75	0.17 64

iResNet	0.75 190	0.40 255	1.36 312	0.67 278	0.29 66	0.92 217	0.59 234	1.52 209	1.25 240	1.28 226	1.48 264	0.94 152	0.76 152	1.62 203	0.78 222	0.18 61	0.14 78	0.18 39	0.15 33	0.22 158	0.23 188

DN-CSS_ROB	0.64 131	0.32 177	1.05 259	0.55 157	0.40 188	0.54 64	0.45 140	1.21 140	0.93 106	1.03 116	1.47 259	0.69 78	0.63 120	1.76 229	0.49 126	0.18 61	0.14 78	0.25 212	0.22 202	0.22 158	0.20 139

pmcnn	2.37 381	0.42 264	2.71 381	0.63 242	0.43 202	1.54 315	1.19 347	2.01 324	1.53 331	2.64 378	7.60 408	18.07 423	1.45 329	3.44 321	2.78 367	0.18 61	0.15 128	0.15 3	0.12 10	0.20 102	0.18 82

H2IRNET	0.56 90	0.26 49	0.66 86	0.47 43	0.35 144	0.41 12	0.26 10	0.92 43	1.17 209	0.61 43	1.28 198	1.08 197	0.86 197	0.99 95	0.63 184	0.19 94	0.16 159	0.22 126	0.25 244	0.21 136	0.18 82

MGS-Stereo	0.42 14	0.26 49	0.58 51	0.44 24	0.28 54	0.50 42	0.34 47	0.57 2	0.83 77	0.46 15	1.31 208	0.52 39	0.33 10	0.65 33	0.36 35	0.19 94	0.16 159	0.18 39	0.15 33	0.17 26	0.16 44

LargeStereo	0.40 10	0.22 10	0.51 25	0.52 114	0.29 66	0.45 19	0.25 4	1.65 238	0.46 4	0.37 2	0.57 20	0.46 17	0.45 32	0.50 5	0.38 51	0.19 94	0.12 9	0.16 11	0.13 12	0.16 14	0.15 29

IGEVStereo-DCA	0.46 28	0.28 88	0.56 40	0.43 9	0.33 126	0.49 33	0.42 101	0.87 27	0.50 7	0.47 16	0.48 7	0.48 24	0.46 36	2.03 256	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.18 82

rrr	0.46 28	0.28 88	0.73 135	0.43 9	0.33 126	0.49 33	0.38 74	0.76 11	0.50 7	0.47 16	0.48 7	0.48 24	0.46 36	2.03 256	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.16 44

StereoIM	0.36 1	0.25 38	0.58 51	0.44 24	0.34 141	0.30 3	0.30 25	0.72 6	0.50 7	0.37 2	0.36 1	0.58 51	0.49 58	0.52 6	0.36 35	0.19 94	0.16 159	0.19 53	0.15 33	0.18 45	0.14 13

CBFPSM	0.92 250	0.33 193	1.86 353	0.49 68	0.38 175	1.75 333	0.84 291	1.39 178	1.12 181	1.09 128	0.99 87	2.37 364	1.66 351	1.32 144	1.42 323	0.19 94	0.18 201	0.20 77	0.20 140	0.21 136	0.33 282

ToySt	0.66 144	0.33 193	1.23 290	0.51 98	0.33 126	0.86 203	0.68 256	1.10 113	0.97 120	0.84 77	1.08 122	1.25 241	0.94 229	1.01 100	0.74 208	0.19 94	0.19 214	0.24 175	0.24 233	0.27 227	0.23 188

anonymousa	0.72 166	0.27 72	0.75 151	0.47 43	0.63 300	1.43 306	0.45 140	1.24 153	0.89 91	1.28 226	1.75 314	1.62 308	1.13 287	0.69 35	0.59 168	0.19 94	0.16 159	0.23 155	0.25 244	0.20 102	0.18 82

Selective-RAFT	0.52 43	0.28 88	0.79 174	0.55 157	0.27 35	0.91 211	0.33 37	0.80 20	0.88 88	0.58 35	0.63 23	0.81 102	0.77 156	1.29 140	0.48 119	0.19 94	0.14 78	0.17 17	0.15 33	0.19 75	0.17 64

Sa-1000	0.72 166	0.29 115	0.76 160	0.59 200	0.30 83	0.73 152	0.37 70	1.62 234	1.33 279	1.28 226	2.04 344	0.86 127	0.75 144	1.84 236	0.38 51	0.19 94	0.14 78	0.25 212	0.23 222	0.20 102	0.16 44

SA	0.66 144	0.30 131	0.82 182	0.61 223	0.30 83	0.58 79	0.38 74	1.44 189	1.30 267	0.96 95	1.36 228	0.66 69	0.95 234	1.85 239	0.42 77	0.19 94	0.15 128	0.25 212	0.23 222	0.21 136	0.17 64

CrosDoStereo	1.58 343	0.24 21	0.72 123	0.48 55	0.29 66	0.67 126	12.49 420	1.10 113	0.98 125	1.34 262	1.75 314	1.00 173	1.89 364	6.65 378	0.81 232	0.19 94	0.15 128	0.20 77	0.22 202	0.18 45	0.19 116

TransformOpticalFlow	0.96 259	0.28 88	0.89 210	0.52 114	0.31 95	0.66 122	0.54 195	1.75 259	1.12 181	1.09 128	1.44 250	1.37 269	1.01 258	6.70 382	0.42 77	0.19 94	0.12 9	0.20 77	0.19 112	0.18 45	0.19 116

OMP-Stereo	0.94 255	0.33 193	0.72 123	0.90 361	0.31 95	0.49 33	0.36 61	1.16 126	1.06 156	1.58 321	1.12 142	1.46 283	0.69 134	6.94 385	0.49 126	0.19 94	0.14 78	0.24 175	0.18 92	0.20 102	0.14 13

IIG-Stereo	0.96 259	0.31 163	0.72 123	0.88 356	0.33 126	0.61 92	0.26 10	1.19 139	1.03 145	1.69 331	1.37 230	1.46 283	0.75 144	6.96 386	0.51 135	0.19 94	0.14 78	0.23 155	0.18 92	0.20 102	0.14 13

PSM-AAD	0.79 206	0.27 72	0.53 30	0.55 157	0.28 54	0.77 171	1.24 350	0.99 68	0.91 100	1.66 328	1.57 284	0.81 102	2.19 378	1.65 206	0.44 88	0.19 94	0.14 78	0.38 323	0.32 312	0.21 136	0.70 368

FTStereo	0.91 248	0.26 49	0.56 40	0.54 138	0.33 126	0.66 122	1.87 384	1.00 72	0.75 58	1.75 335	4.15 388	1.04 188	1.65 347	1.57 196	0.46 109	0.19 94	0.16 159	0.23 155	0.21 176	0.18 45	0.63 360

ASMatch	0.88 240	0.26 49	0.69 102	0.51 98	0.35 144	0.48 23	0.37 70	1.12 121	0.92 104	1.10 136	3.28 378	0.96 164	0.98 246	4.90 344	0.49 126	0.19 94	0.16 159	0.22 126	0.19 112	0.19 75	0.27 236

DeepStereo_LL	1.58 343	0.24 21	0.72 123	0.48 55	0.29 66	0.67 126	12.49 420	1.10 113	0.98 125	1.34 262	1.75 314	1.00 173	1.89 364	6.65 378	0.81 232	0.19 94	0.15 128	0.20 77	0.22 202	0.18 45	0.19 116

THIR-Stereo	1.02 279	0.27 72	0.69 102	0.49 68	0.28 54	0.95 226	1.34 357	1.03 81	0.97 120	1.34 262	1.90 332	1.17 221	1.58 340	6.44 375	0.78 222	0.19 94	0.14 78	0.21 100	0.22 202	0.19 75	0.20 139

GrayStereo	0.82 217	0.26 49	0.58 51	0.63 242	0.37 158	0.76 165	1.86 383	1.11 119	0.87 84	1.99 355	1.89 331	1.08 197	1.82 362	1.39 163	0.48 119	0.19 94	0.14 78	0.19 53	0.21 176	0.18 45	0.39 304

rafts_anoy	0.52 43	0.29 115	0.59 56	0.59 200	0.50 239	0.53 60	0.40 88	1.11 119	1.03 145	0.84 77	0.83 56	0.68 73	0.54 71	0.72 44	0.51 135	0.19 94	0.14 78	0.24 175	0.26 258	0.21 136	0.18 82

XX-TBD	0.46 28	0.70 344	0.35 1	0.79 328	0.25 20	0.58 79	0.26 10	0.69 5	1.27 252	0.76 58	1.00 90	0.45 16	0.33 10	0.47 4	0.37 41	0.19 94	0.15 128	0.15 3	0.11 7	0.17 26	0.14 13

raftrobust	0.52 43	0.25 38	0.56 40	0.65 263	0.52 257	0.49 33	0.34 47	0.98 66	0.91 100	1.30 239	0.87 63	0.63 61	0.81 171	0.78 55	0.41 69	0.19 94	0.15 128	0.16 11	0.14 25	0.15 6	0.16 44

RALAANet	0.60 106	0.33 193	0.87 202	0.62 234	0.50 239	0.69 137	0.31 30	1.21 140	1.06 156	1.09 128	1.16 159	0.88 134	0.46 36	1.22 131	0.42 77	0.19 94	0.15 128	0.21 100	0.17 78	0.27 227	0.17 64

MMNet	0.84 226	0.32 177	1.09 270	0.60 211	0.59 288	1.85 346	0.49 168	1.51 206	1.27 252	1.37 269	1.15 156	1.26 245	1.18 293	1.67 211	1.22 290	0.19 94	0.18 201	0.23 155	0.22 202	0.25 207	0.21 156

RASNet	1.12 299	0.30 131	0.91 216	0.66 268	0.77 337	0.97 234	0.57 224	1.37 172	1.35 290	1.02 112	1.34 221	2.11 354	1.43 326	7.09 387	1.39 314	0.19 94	0.17 185	0.17 17	0.19 112	0.18 45	0.16 44

Former-RAFT_DAM_RVC	0.46 28	0.36 235	0.71 119	0.47 43	0.36 150	0.67 126	0.35 51	0.78 13	1.12 181	0.61 43	0.62 22	0.39 4	0.39 15	0.71 41	0.39 58	0.20 122	0.17 185	0.22 126	0.18 92	0.23 183	0.19 116

CoDeX	0.73 180	0.29 115	0.93 222	0.54 138	0.36 150	1.14 260	0.61 239	2.34 372	1.17 209	1.16 172	1.25 184	0.91 140	0.87 201	1.33 146	0.64 188	0.20 122	0.16 159	0.21 100	0.18 92	0.20 102	0.18 82

ACVNet-DCA	0.56 90	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	1.42 182	0.78 65	0.58 35	0.79 51	0.48 24	0.88 205	1.46 175	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 156

xx1	0.67 153	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	0.93 48	3.05 389	0.58 35	0.79 51	0.95 158	0.77 156	1.46 175	0.32 8	0.20 122	0.12 9	0.24 175	0.23 222	0.22 158	0.21 156

1test111	0.54 66	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	1.42 182	0.78 65	0.58 35	0.79 51	0.48 24	0.88 205	0.88 75	0.59 168	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 156

cc1	0.64 131	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	0.93 48	3.05 389	0.58 35	0.79 51	0.48 24	0.88 205	1.46 175	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.19 75	0.19 116

DualNet	1.09 291	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	0.95 55	2.47 377	1.15 161	1.45 252	1.06 190	0.82 175	1.55 192	7.61 397	0.20 122	0.12 9	0.31 273	0.27 266	0.19 75	0.20 139

ffm	0.72 166	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	0.95 55	2.47 377	1.15 161	1.45 252	1.06 190	0.82 175	1.55 192	0.32 8	0.20 122	0.12 9	0.31 273	0.27 266	0.19 75	0.20 139

ff1	1.37 328	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	0.95 55	2.47 377	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 397	0.20 122	0.12 9	0.31 273	0.27 266	0.19 75	0.20 139

tt1	0.62 115	0.32 177	0.51 25	0.54 138	0.26 22	1.16 267	0.48 161	0.95 55	2.47 377	0.57 34	0.77 46	0.49 31	0.81 171	1.55 192	0.32 8	0.20 122	0.12 9	0.24 175	0.15 33	0.19 75	0.20 139

MIF-Stereo (partial)	0.45 27	0.25 38	0.70 108	0.50 75	0.52 257	0.35 5	0.26 10	0.91 42	0.59 23	0.45 14	0.71 35	0.51 34	0.51 61	1.11 120	0.45 96	0.20 122	0.16 159	0.23 155	0.20 140	0.24 197	0.18 82

MIF-Stereo	0.36 1	0.23 15	0.59 56	0.48 55	0.36 150	0.40 10	0.32 34	0.53 1	0.49 6	0.54 33	0.55 18	0.36 2	0.31 6	0.58 16	0.51 135	0.20 122	0.15 128	0.17 17	0.15 33	0.19 75	0.15 29

PCWNet_CMD	0.66 144	0.32 177	0.88 205	0.49 68	0.37 158	0.78 176	0.40 88	1.42 182	1.31 271	1.16 172	1.31 208	1.25 241	0.62 115	0.89 78	0.57 163	0.20 122	0.16 159	0.27 242	0.19 112	0.40 302	0.25 212

knoymous	0.51 42	0.29 115	0.47 14	0.43 9	0.30 83	0.55 70	0.55 208	1.02 78	0.77 63	0.98 102	0.85 59	0.94 152	0.56 81	0.85 70	0.45 96	0.20 122	0.14 78	0.26 231	0.14 25	0.23 183	0.23 188

riskmin	0.56 90	0.27 72	0.60 60	0.43 9	0.31 95	0.83 194	0.42 101	1.14 123	1.04 149	0.73 57	0.75 43	1.11 210	1.01 258	0.81 63	0.51 135	0.20 122	0.14 78	0.24 175	0.15 33	0.24 197	0.25 212

TestStereo1	0.63 121	0.28 88	0.75 151	0.76 322	0.31 95	0.48 23	0.43 117	1.30 161	1.21 227	0.97 98	1.31 208	0.64 64	0.77 156	1.75 224	0.42 77	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

IER	0.70 160	0.31 163	1.02 251	0.48 55	0.52 257	1.34 293	0.51 176	1.17 128	0.99 132	1.23 205	1.34 221	1.12 211	1.11 282	0.99 95	0.71 201	0.20 122	0.16 159	0.21 100	0.21 176	0.20 102	0.19 116

SA-5K	0.63 121	0.28 88	0.75 151	0.76 322	0.31 95	0.48 23	0.43 117	1.30 161	1.21 227	0.97 98	1.31 208	0.64 64	0.77 156	1.75 224	0.42 77	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

HHNet	0.62 115	0.26 49	0.63 70	0.43 9	0.45 215	0.50 42	0.58 227	1.07 106	1.01 139	1.25 217	2.23 354	0.70 81	0.61 110	1.07 114	0.47 114	0.20 122	0.13 44	0.23 155	0.19 112	0.19 75	0.30 262

NRIStereo	0.60 106	0.29 115	0.69 102	0.53 123	0.28 54	0.63 99	0.33 37	1.08 110	0.87 84	1.14 158	0.87 63	0.91 140	0.59 98	2.24 273	0.49 126	0.20 122	0.14 78	0.21 100	0.19 112	0.21 136	0.17 64

KYRaft	0.75 190	0.28 88	0.62 67	0.56 170	0.29 66	0.67 126	0.86 297	0.94 52	0.84 79	1.62 325	2.21 353	1.16 220	1.02 263	1.57 196	0.40 62	0.20 122	0.13 44	0.22 126	0.28 283	0.20 102	1.02 382

PFNet	0.91 248	0.26 49	1.10 273	0.63 242	0.32 110	0.64 101	0.56 214	1.17 128	0.99 132	1.47 294	1.08 122	0.98 167	0.69 134	6.62 377	0.54 155	0.20 122	0.12 9	0.24 175	0.19 112	0.20 102	0.17 64

AnonymousM	0.59 103	1.11 377	0.41 10	0.44 24	0.32 110	0.43 15	0.47 153	1.05 91	0.64 29	0.98 102	0.63 23	0.67 71	0.43 25	0.59 17	0.41 69	0.20 122	0.15 128	1.84 394	0.84 386	0.14 2	0.13 4

RALCasStereoNet	0.54 66	0.30 131	0.66 86	0.59 200	0.51 249	0.61 92	0.52 185	0.94 52	0.93 106	0.70 51	1.01 95	0.78 94	0.44 29	1.33 146	0.47 114	0.20 122	0.16 159	0.18 39	0.16 62	0.20 102	0.19 116

XX-Stereo	0.63 121	0.26 49	1.90 354	0.81 334	0.67 309	0.43 15	0.23 3	1.03 81	0.58 20	0.65 46	1.56 280	1.41 273	0.39 15	1.28 137	0.35 29	0.20 122	0.14 78	0.20 77	0.19 112	0.18 45	0.14 13

StereoDRNet-Refined	0.80 209	0.41 261	0.88 205	0.62 234	0.42 197	1.33 291	0.48 161	1.52 209	1.17 209	1.45 291	1.44 250	1.44 279	0.90 212	1.26 136	1.24 292	0.20 122	0.16 159	0.27 242	0.24 233	0.25 207	0.28 247
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.77 197	0.30 131	0.99 236	0.57 181	0.36 150	0.83 194	0.36 61	2.33 370	1.58 335	1.27 224	1.30 203	1.25 241	0.84 186	1.65 206	0.79 228	0.20 122	0.14 78	0.17 17	0.12 10	0.18 45	0.27 236

11t1	0.52 43	0.28 88	0.68 93	0.51 98	0.28 54	0.83 194	0.39 85	1.22 147	0.63 27	0.84 77	0.74 41	0.68 73	0.68 131	0.91 80	0.57 163	0.21 149	0.18 201	0.19 53	0.16 62	0.20 102	0.21 156

test croco	0.46 28	0.27 72	1.01 245	0.50 75	0.40 188	0.35 5	0.37 70	0.87 27	0.56 19	0.43 8	0.76 45	0.42 5	0.40 18	1.13 123	0.45 96	0.21 149	0.15 128	0.24 175	0.19 112	0.24 197	0.16 44

LL-Strereo	1.33 324	0.39 251	1.38 313	0.61 223	0.61 294	0.75 161	0.66 251	1.63 236	1.17 209	1.56 315	1.60 288	2.03 350	2.12 376	9.72 413	0.97 261	0.21 149	0.18 201	0.27 242	0.23 222	0.22 158	0.25 212

gwcnet-sp	0.74 183	0.33 193	1.44 317	0.57 181	0.45 215	1.40 301	0.54 195	1.50 201	1.14 194	1.30 239	1.02 102	0.94 152	0.82 175	1.39 163	0.76 214	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 171

scenet	0.74 183	0.33 193	1.44 317	0.57 181	0.45 215	1.40 301	0.54 195	1.50 201	1.14 194	1.30 239	1.02 102	0.94 152	0.82 175	1.39 163	0.76 214	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 171

ssnet	0.74 183	0.33 193	1.44 317	0.57 181	0.45 215	1.40 301	0.54 195	1.50 201	1.14 194	1.30 239	1.02 102	0.94 152	0.82 175	1.39 163	0.76 214	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 171

qqq	0.57 95	0.34 212	0.71 119	0.47 43	0.27 35	0.64 101	0.62 241	1.42 182	0.78 65	0.80 67	0.92 71	0.95 158	0.77 156	0.88 75	0.59 168	0.21 149	0.20 231	0.24 175	0.23 222	0.22 158	0.21 156

x	0.54 66	0.31 163	0.61 63	0.47 43	0.30 83	0.67 126	0.47 153	1.53 215	0.79 69	0.81 71	0.83 56	0.78 94	0.70 137	0.70 37	0.62 180	0.21 149	0.19 214	0.22 126	0.19 112	0.21 136	0.20 139

DAS	0.84 226	0.34 212	1.03 255	0.64 251	0.69 317	0.77 171	0.63 242	1.54 217	1.20 222	1.79 341	1.55 276	0.95 158	1.04 266	2.83 299	0.60 175	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 171

SepStereo	0.82 217	0.34 212	1.03 255	0.64 251	0.69 317	0.77 171	0.63 242	1.54 217	1.20 222	1.79 341	1.55 276	0.95 158	1.04 266	2.30 277	0.60 175	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 171

DeepStereo_RVC	0.55 81	0.29 115	0.72 123	0.51 98	0.30 83	0.59 83	0.33 37	1.03 81	0.70 49	1.16 172	0.93 73	0.83 114	0.94 229	0.96 87	0.54 155	0.21 149	0.14 78	0.21 100	0.19 112	0.24 197	0.24 200

CRE-IMP	0.55 81	0.30 131	0.74 149	0.52 114	0.29 66	0.79 180	0.25 4	1.04 85	0.72 54	1.09 128	0.95 75	0.81 102	0.57 89	1.10 117	0.50 132	0.21 149	0.14 78	0.23 155	0.19 112	0.28 241	0.22 171

RAFT	0.64 131	0.30 131	0.73 135	0.59 200	0.33 126	0.68 133	0.58 227	1.04 85	0.76 61	1.08 123	1.19 167	1.65 315	0.93 224	1.06 110	0.56 161	0.21 149	0.18 201	0.27 242	0.24 233	0.22 158	0.17 64

CFNet_pseudo	0.66 144	0.32 177	0.86 192	0.48 55	0.39 183	0.70 144	0.40 88	1.33 163	1.22 230	1.16 172	1.34 221	1.24 237	0.64 123	0.98 93	0.59 168	0.21 149	0.16 159	0.33 293	0.19 112	0.36 282	0.25 212

RAFT + AFF	1.00 274	0.42 264	1.09 270	0.67 278	0.50 239	1.22 278	1.24 350	2.24 363	1.19 217	1.30 239	1.56 280	1.17 221	1.49 335	3.44 321	0.83 239	0.21 149	0.25 285	0.30 269	0.26 258	0.27 227	0.27 236

SFCPSM	0.70 160	0.28 88	1.02 251	0.51 98	0.38 175	1.37 296	0.66 251	2.00 320	1.03 145	1.17 181	1.21 172	0.82 107	0.78 161	1.03 103	0.53 149	0.21 149	0.17 185	0.22 126	0.24 233	0.21 136	0.19 116

delet	0.85 230	0.32 177	0.95 227	0.65 263	0.66 307	1.64 325	0.84 291	1.75 259	1.35 290	1.32 251	1.30 203	1.30 256	0.88 205	1.68 216	1.10 277	0.21 149	0.21 247	0.24 175	0.24 233	0.21 136	0.21 156

ACVNet	0.63 121	0.31 163	0.54 34	0.54 138	0.36 150	0.80 185	0.46 147	1.37 172	1.07 161	0.93 88	1.30 203	1.08 197	0.85 189	0.80 59	0.94 254	0.21 149	0.19 214	0.21 100	0.18 92	0.22 158	0.18 82

acv_ft	0.75 190	0.31 163	0.95 227	0.70 296	0.86 356	1.24 280	0.53 191	1.44 189	1.07 161	1.24 213	1.30 203	1.08 197	0.92 218	0.80 59	1.34 306	0.21 149	0.19 214	0.21 100	0.18 92	0.21 136	0.18 82

BEATNet_4x	0.73 180	0.49 290	1.17 284	0.53 123	0.26 22	1.03 243	0.55 208	1.82 280	1.06 156	1.21 197	1.22 174	0.96 164	0.91 215	1.01 100	1.06 269	0.21 149	0.14 78	0.24 175	0.19 112	0.37 286	0.21 156

MSMDNet	0.66 144	0.32 177	0.87 202	0.49 68	0.37 158	0.79 180	0.40 88	1.43 188	1.31 271	1.15 161	1.31 208	1.24 237	0.63 120	0.88 75	0.57 163	0.21 149	0.16 159	0.26 231	0.19 112	0.39 298	0.24 200

ccs_rob	0.66 144	0.33 193	0.86 192	0.48 55	0.39 183	0.70 144	0.40 88	1.33 163	1.22 230	1.16 172	1.34 221	1.23 235	0.64 123	0.98 93	0.59 168	0.21 149	0.16 159	0.35 310	0.20 140	0.37 286	0.25 212

LE_ROB	8.05 414	0.37 241	23.53 423	0.74 316	0.33 126	2.77 382	2.87 411	3.71 397	27.24 430	25.39 430	8.87 414	8.46 412	26.71 430	6.65 378	21.99 423	0.21 149	0.19 214	0.20 77	0.21 176	0.25 207	0.22 171

DispNO	0.93 253	0.30 131	1.34 311	0.55 157	0.55 269	0.89 206	0.49 168	1.48 195	1.21 227	1.17 181	1.27 193	1.19 225	0.90 212	5.23 349	0.74 208	0.22 172	0.17 185	0.24 175	0.21 176	0.19 75	0.20 139

mmm	0.63 121	0.35 228	0.72 123	0.51 98	0.30 83	0.86 203	0.54 195	1.59 225	0.86 80	1.07 122	1.38 234	0.79 97	0.75 144	0.91 80	0.58 166	0.22 172	0.18 201	0.29 260	0.25 244	0.25 207	0.23 188

1111x	1.70 356	0.29 115	0.86 192	0.51 98	0.27 35	1.01 241	0.68 256	2.22 361	1.28 257	1.13 156	1.40 240	1.21 228	1.10 281	5.53 358	15.20 417	0.22 172	0.21 247	0.22 126	0.22 202	0.24 197	0.22 171

EKT-Stereo	0.53 52	0.30 131	0.73 135	0.58 187	0.60 291	0.51 53	0.48 161	0.94 52	0.90 95	0.71 53	0.88 65	0.77 91	0.43 25	1.07 114	0.40 62	0.22 172	0.16 159	0.21 100	0.18 92	0.20 102	0.22 171

hknet	0.77 197	0.32 177	0.95 227	0.54 138	0.38 175	1.27 284	0.65 246	2.16 349	1.07 161	1.20 194	1.11 136	1.59 304	0.81 171	1.37 154	0.66 190	0.22 172	0.17 185	0.25 212	0.22 202	0.22 158	0.22 171

Patchmatch Stereo++	0.55 81	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.29 21	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.37 154	0.45 96	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
AAGNet	1.83 361	0.28 88	0.72 123	0.61 223	0.32 110	0.67 126	0.51 176	0.96 63	0.98 125	1.47 294	1.20 170	1.00 173	1.18 293	2.83 299	22.77 426	0.22 172	0.13 44	0.22 126	0.19 112	0.23 183	0.15 29

PSM-adaLoss	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.41 99	1.04 85	0.64 29	1.12 142	0.96 77	0.82 107	0.61 110	1.06 110	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

ROB_FTStereo_v2	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.64 101	0.42 101	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.12 122	0.46 109	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

ROB_FTStereo	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.64 101	0.25 4	1.05 91	0.64 29	1.12 142	0.95 75	0.82 107	0.61 110	1.15 125	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

HUI-Stereo	0.52 43	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.30 25	1.04 85	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	0.79 58	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

SST-Stereo	0.83 222	0.28 88	0.72 123	0.59 200	0.31 95	0.72 149	0.26 10	1.09 111	0.86 80	1.47 294	1.10 131	1.00 173	0.87 201	5.73 364	0.45 96	0.22 172	0.13 44	0.23 155	0.19 112	0.23 183	0.18 82

RAFT_R40	0.83 222	0.28 88	0.73 135	0.59 200	0.31 95	0.69 137	0.44 129	1.10 113	0.95 111	1.47 294	1.10 131	1.00 173	0.85 189	5.53 358	0.46 109	0.22 172	0.13 44	0.23 155	0.20 140	0.23 183	0.18 82

iGMRVC	0.56 90	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.38 74	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.52 184	0.46 109	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

IRAFT_RVC	0.88 240	0.28 88	0.76 160	0.63 242	0.31 95	0.65 113	1.02 329	1.22 147	0.94 109	1.22 202	1.04 113	1.01 180	0.98 246	5.82 365	0.53 149	0.22 172	0.12 9	0.25 212	0.20 140	0.20 102	0.19 116

iRAFT	0.55 81	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.29 21	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.37 154	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

RAFT-IKP	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.59 83	0.36 61	1.04 85	0.64 29	1.12 142	0.96 77	0.83 114	0.61 110	1.22 131	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

TestStereo	0.64 131	0.39 251	0.71 119	0.51 98	0.27 35	0.56 73	0.42 101	1.03 81	0.91 100	0.80 67	1.00 90	0.68 73	0.52 63	3.25 314	0.45 96	0.22 172	0.15 128	0.24 175	0.18 92	0.27 227	0.16 44

sAnonymous2	0.55 81	0.56 310	1.46 323	0.60 211	0.51 249	0.48 23	0.52 185	0.79 15	0.68 46	0.50 29	0.67 27	0.46 17	0.62 115	0.59 17	0.40 62	0.22 172	0.17 185	0.22 126	0.21 176	0.86 374	0.56 347

CroCo_RVC	0.55 81	0.56 310	1.46 323	0.60 211	0.51 249	0.48 23	0.52 185	0.79 15	0.68 46	0.50 29	0.67 27	0.46 17	0.62 115	0.59 17	0.40 62	0.22 172	0.17 185	0.22 126	0.21 176	0.86 374	0.56 347

test_xeample	1.45 335	0.28 88	0.65 80	0.51 98	0.28 54	0.94 222	0.59 234	2.14 344	1.29 261	1.24 213	1.51 270	0.88 134	0.86 197	1.46 175	15.10 416	0.22 172	0.20 231	0.22 126	0.20 140	0.22 158	0.22 171

FENet	0.60 106	0.28 88	0.63 70	0.54 138	0.33 126	0.83 194	0.38 74	1.27 157	1.07 161	1.00 106	0.86 60	0.99 172	0.85 189	0.96 87	0.68 194	0.22 172	0.15 128	0.23 155	0.20 140	0.22 158	0.23 188

HSM-Net_RVC	0.87 239	0.29 115	0.53 30	0.53 123	0.30 83	1.15 265	0.55 208	3.57 395	1.28 257	1.53 307	1.74 311	1.68 318	0.93 224	1.49 181	0.77 220	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
HSM	1.19 311	0.32 177	0.65 80	0.57 181	0.38 175	1.23 279	0.59 234	2.25 364	1.19 217	1.30 239	1.25 184	1.94 340	1.03 265	9.32 408	0.71 201	0.22 172	0.16 159	0.20 77	0.16 62	0.21 136	0.21 156

whm_eth	0.65 136	0.47 282	1.05 259	0.55 157	0.64 302	0.69 137	0.45 140	1.34 167	1.26 245	1.02 112	1.92 334	0.49 31	0.48 50	0.70 37	0.52 141	0.23 196	0.20 231	0.25 212	0.24 233	0.24 197	0.31 272

DisPM	0.66 144	0.28 88	0.72 123	0.61 223	0.35 144	0.62 98	0.45 140	1.02 78	0.99 132	1.56 315	1.10 131	0.80 99	0.59 98	2.37 282	0.41 69	0.23 196	0.14 78	0.23 155	0.21 176	0.20 102	0.25 212

Wz-Net-LNSev-Ref	0.99 270	0.40 255	1.82 350	0.66 268	0.62 299	2.05 358	0.78 276	1.91 301	1.29 261	1.54 311	1.42 243	1.51 293	1.23 305	1.99 253	1.33 304	0.23 196	0.14 78	0.20 77	0.15 33	0.27 227	0.26 230

CIPLG	0.62 115	0.33 193	0.96 231	0.58 187	0.50 239	0.75 161	0.48 161	1.05 91	0.96 113	1.40 280	1.57 284	0.64 64	0.48 50	0.89 78	0.70 196	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 156

IPLGR_C	0.62 115	0.33 193	0.99 236	0.58 187	0.49 233	0.76 165	0.48 161	1.10 113	0.96 113	1.40 280	1.56 280	0.62 59	0.48 50	0.80 59	0.71 201	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 156

ACRE	0.61 112	0.33 193	1.01 245	0.58 187	0.49 233	0.75 161	0.47 153	1.06 104	0.95 111	1.37 269	1.55 276	0.62 59	0.46 36	0.83 66	0.70 196	0.23 196	0.15 128	0.19 53	0.16 62	0.18 45	0.21 156

TRStereo	0.60 106	0.60 327	0.97 233	0.74 316	0.67 309	0.46 21	0.38 74	1.85 286	0.89 91	0.79 65	0.80 55	0.88 134	0.39 15	1.10 117	0.41 69	0.23 196	0.15 128	0.23 155	0.24 233	0.17 26	0.15 29

NF-Stereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.02 102	0.82 107	0.57 89	5.40 356	0.48 119	0.23 196	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

Pruner-Stereo	0.62 115	0.29 115	0.70 108	0.61 223	0.31 95	0.63 99	0.43 117	1.17 128	0.99 132	1.53 307	1.08 122	0.95 158	0.55 77	1.35 150	0.51 135	0.23 196	0.14 78	0.24 175	0.21 176	0.21 136	0.23 188

UNet	0.83 222	0.34 212	1.31 303	0.58 187	0.74 327	1.58 319	0.49 168	1.41 180	1.04 149	1.21 197	1.08 122	1.54 296	1.12 285	1.65 206	1.09 274	0.23 196	0.17 185	0.25 212	0.20 140	0.25 207	0.22 171

FADNet-RVC-Resample	0.84 226	0.47 282	2.10 361	0.61 223	0.45 215	1.07 251	0.61 239	1.59 225	1.20 222	1.08 123	0.98 85	1.03 185	0.98 246	2.17 266	0.72 204	0.23 196	0.22 261	0.30 269	0.32 312	0.35 276	0.34 284

ADCRef	1.35 326	0.55 307	2.37 372	0.72 306	0.77 337	1.94 351	0.78 276	1.91 301	1.27 252	1.57 319	1.59 287	1.36 266	1.41 324	1.54 190	7.53 396	0.23 196	0.20 231	0.32 286	0.30 302	0.29 246	0.29 250

CFNet	0.96 259	0.36 235	1.01 245	0.62 234	0.42 197	0.99 238	0.47 153	1.90 297	1.32 276	0.99 104	1.39 238	1.10 206	0.86 197	5.58 361	0.79 228	0.23 196	0.17 185	0.28 252	0.27 266	0.26 215	0.21 156

iResNetv2_ROB	0.80 209	0.37 241	1.71 342	0.56 170	0.37 158	0.94 222	0.64 244	1.73 253	1.34 282	1.23 205	1.42 243	1.26 245	0.92 218	1.85 239	0.56 161	0.23 196	0.15 128	0.19 53	0.14 25	0.24 197	0.19 116

DISCO	1.03 280	0.34 212	1.11 275	0.69 291	0.45 215	2.07 359	0.84 291	2.13 340	1.50 326	1.15 161	1.33 216	2.40 366	1.07 276	2.60 292	1.51 332	0.23 196	0.18 201	0.22 126	0.20 140	0.31 262	0.27 236

SMFormer	0.75 190	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.82 237	0.24 211	0.20 231	0.22 126	0.21 176	0.23 183	0.24 200

tta	0.75 190	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.82 237	0.24 211	0.20 231	0.22 126	0.21 176	0.18 45	0.18 82

qqq1	0.72 166	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.44 88	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

fff1	0.72 166	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.44 88	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

mmx	1.39 330	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	2.13 340	1.37 297	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 397	0.24 211	0.19 214	0.31 273	0.27 266	0.30 255	0.25 212

xxx	1.39 330	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	2.13 340	1.37 297	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 397	0.24 211	0.19 214	0.31 273	0.27 266	0.30 255	0.25 212

iinet-f	0.99 270	0.45 276	3.71 389	0.55 157	0.43 202	1.81 341	0.68 256	1.14 123	1.14 194	1.18 186	1.42 243	1.58 303	1.44 327	1.34 149	1.59 336	0.24 211	0.23 269	0.20 77	0.19 112	0.26 215	0.25 212

BUS	0.74 183	0.32 177	0.68 93	0.54 138	0.44 208	2.34 370	0.42 101	2.16 349	0.98 125	1.20 194	1.11 136	1.03 185	0.62 115	0.91 80	0.70 196	0.24 211	0.17 185	0.25 212	0.22 202	0.22 158	0.22 171

BSDual-CNN	0.71 165	0.32 177	0.68 93	0.54 138	0.44 208	1.27 284	0.65 246	2.16 349	0.98 125	1.20 194	1.11 136	1.12 211	0.74 142	0.91 80	0.66 190	0.24 211	0.17 185	0.25 212	0.22 202	0.22 158	0.22 171

psmg	0.72 166	0.32 177	0.68 93	0.50 75	0.44 208	1.48 309	0.75 268	1.94 310	0.98 125	1.21 197	1.33 216	1.12 211	0.74 142	0.91 80	0.66 190	0.24 211	0.19 214	0.25 212	0.25 244	0.23 183	0.22 171

ADLNet2	0.88 240	0.34 212	1.17 284	0.77 325	0.64 302	1.12 258	0.76 271	1.74 257	1.24 237	1.21 197	1.65 301	1.71 321	1.05 270	1.67 211	1.17 286	0.24 211	0.21 247	0.21 100	0.22 202	0.26 215	0.29 250

OCTAStereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.01 95	0.82 107	0.57 89	5.35 351	0.48 119	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

PSM-softLoss	0.78 203	0.31 163	0.77 164	0.58 187	0.32 110	0.56 73	0.40 88	1.18 133	0.70 49	1.24 213	1.07 119	0.83 114	0.52 63	5.36 352	0.53 149	0.24 211	0.15 128	0.25 212	0.22 202	0.20 102	0.25 212

KMStereo	0.78 203	0.31 163	0.77 164	0.58 187	0.32 110	0.56 73	0.40 88	1.18 133	0.70 49	1.24 213	1.07 119	0.83 114	0.52 63	5.36 352	0.53 149	0.24 211	0.15 128	0.25 212	0.22 202	0.20 102	0.25 212

RE-Stereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.01 95	0.81 102	0.57 89	5.37 354	0.48 119	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

TVStereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.01 95	0.81 102	0.57 89	5.37 354	0.48 119	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

Anonymous	0.53 52	0.38 246	0.91 216	0.66 268	0.73 325	0.65 113	0.59 234	0.95 55	0.73 57	0.47 16	0.58 21	0.42 5	0.60 100	0.80 59	0.53 149	0.24 211	0.23 269	0.21 100	0.21 176	0.41 305	0.29 250

222	1.61 348	0.29 115	0.67 90	0.56 170	0.29 66	1.06 249	0.42 101	2.17 355	1.31 271	1.31 249	1.52 271	0.92 148	0.94 229	1.76 229	17.65 420	0.24 211	0.20 231	0.21 100	0.19 112	0.22 158	0.23 188

xxxx	1.51 339	0.28 88	0.68 93	0.54 138	0.28 54	1.16 267	0.44 129	2.19 357	1.29 261	1.09 128	1.36 228	1.22 230	0.85 189	1.79 232	15.70 419	0.24 211	0.21 247	0.21 100	0.20 140	0.22 158	0.23 188

GMStereo	0.55 81	0.45 276	0.94 224	0.50 75	0.32 110	0.64 101	0.43 117	1.00 72	1.40 310	0.82 74	0.73 39	0.51 34	0.45 32	0.85 70	0.55 159	0.24 211	0.15 128	0.20 77	0.21 176	0.31 262	0.24 200
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UPFNet	0.80 209	0.32 177	0.90 213	0.59 200	0.74 327	1.26 283	0.80 285	1.52 209	1.10 175	1.30 239	1.12 142	1.30 256	0.84 186	1.67 211	1.09 274	0.24 211	0.24 278	0.24 175	0.23 222	0.25 207	0.18 82

HGLStereo	0.85 230	0.38 246	0.94 224	0.80 331	1.03 369	1.17 269	0.58 227	1.52 209	1.20 222	1.19 190	1.62 295	1.13 216	1.20 299	1.80 233	1.06 269	0.24 211	0.24 278	0.24 175	0.21 176	0.23 183	0.27 236

SuperB	2.53 387	0.59 320	18.45 417	0.69 291	0.50 239	1.87 348	0.88 300	1.67 244	2.39 374	1.50 303	1.42 243	1.14 218	1.15 289	4.28 334	5.07 386	0.24 211	0.19 214	0.22 126	0.19 112	7.86 425	0.34 284

ADCP+	1.99 371	0.48 287	7.73 402	0.66 268	0.91 360	2.30 368	1.05 332	1.82 280	1.34 282	1.54 311	1.32 214	1.74 325	1.61 344	2.17 266	13.37 412	0.24 211	0.21 247	0.32 286	0.28 283	0.37 286	0.29 250

StereoVision	0.65 136	0.34 212	0.86 192	0.59 200	0.40 188	0.50 42	0.41 99	1.09 111	0.93 106	0.71 53	2.50 366	0.82 107	0.57 89	1.03 103	0.49 126	0.25 235	0.28 303	0.29 260	0.28 283	0.36 282	0.20 139

CFNet_ucs	0.70 160	0.33 193	0.88 205	0.50 75	0.43 202	0.74 155	0.44 129	1.60 228	1.29 261	1.22 202	1.54 274	1.09 204	0.63 120	0.99 95	0.59 168	0.25 235	0.20 231	0.37 320	0.21 176	0.40 302	0.28 247

AACVNet	0.86 235	0.35 228	0.79 174	0.82 339	0.39 183	0.76 165	0.49 168	1.61 231	0.81 71	1.08 123	1.33 216	1.30 256	0.93 224	4.34 335	0.74 208	0.25 235	0.21 247	0.28 252	0.22 202	0.29 246	0.25 212

PFNet+	0.59 103	0.28 88	0.77 164	0.53 123	0.30 83	0.59 83	0.31 30	0.92 43	1.14 194	1.33 259	1.10 131	0.79 97	0.57 89	1.31 142	0.49 126	0.25 235	0.17 185	0.28 252	0.26 258	0.21 136	0.25 212

psm_up	0.77 197	0.34 212	0.70 108	0.66 268	0.58 281	1.05 246	0.92 310	1.52 209	1.12 181	1.26 221	1.16 159	1.31 259	1.23 305	1.20 129	0.81 232	0.25 235	0.29 311	0.31 273	0.27 266	0.27 227	0.25 212

aanetorigin	1.23 312	0.79 355	2.78 383	0.70 296	0.79 342	0.99 238	1.06 333	1.06 104	1.37 297	3.52 394	2.61 368	1.72 322	1.63 345	1.99 253	1.78 342	0.25 235	0.24 278	0.26 231	0.25 244	0.38 294	0.45 321

EDNetEfficientorigin	10.57 417	1.47 391	177.42 444	0.67 278	0.53 260	1.58 319	1.16 344	1.90 297	3.37 393	4.71 407	3.38 379	3.10 383	2.69 389	3.13 311	3.58 377	0.25 235	0.23 269	0.33 293	0.27 266	0.83 373	0.81 374

cf-r	0.73 180	0.30 131	0.77 164	0.55 157	0.63 300	0.78 176	0.48 161	1.79 274	1.15 203	1.13 156	1.26 190	1.43 275	0.87 201	1.40 168	0.85 245	0.25 235	0.18 201	0.22 126	0.23 222	0.19 75	0.19 116

GANet-RSSM	0.72 166	0.28 88	0.63 70	0.64 251	0.58 281	0.80 185	0.58 227	1.89 294	1.08 165	1.04 119	1.25 184	1.15 219	1.04 266	1.49 181	0.62 180	0.25 235	0.19 214	0.22 126	0.22 202	0.22 158	0.21 156

GwcNet-RSSM	0.77 197	0.32 177	1.01 245	0.62 234	0.54 263	0.78 176	0.51 176	1.73 253	1.20 222	1.09 128	1.37 230	1.46 283	0.85 189	1.53 188	1.09 274	0.25 235	0.18 201	0.23 155	0.24 233	0.20 102	0.19 116

DMCA	0.67 153	0.34 212	0.90 213	0.51 98	0.44 208	0.86 203	0.47 153	1.42 182	1.02 142	1.17 181	1.12 142	1.23 235	0.75 144	0.78 55	0.95 256	0.25 235	0.19 214	0.27 242	0.19 112	0.24 197	0.27 236

NLCA_NET_v2_RVC	0.79 206	0.43 267	1.05 259	0.64 251	0.58 281	0.95 226	0.53 191	1.53 215	1.18 214	1.37 269	1.15 156	1.43 275	0.88 205	1.61 202	0.84 242	0.25 235	0.22 261	0.27 242	0.27 266	0.29 246	0.29 250
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	1.16 309	0.52 300	1.49 330	0.65 263	0.45 215	0.75 161	0.69 260	1.42 182	1.55 334	1.34 262	1.87 329	1.53 295	0.78 161	7.43 393	1.38 311	0.25 235	0.17 185	0.19 53	0.16 62	0.22 158	0.26 230

DLCB_ROB	0.86 235	0.40 255	0.78 172	0.68 288	0.54 263	1.11 255	0.84 291	1.49 197	1.23 233	1.64 327	1.65 301	1.70 320	0.91 215	1.70 218	1.05 267	0.25 235	0.24 278	0.26 231	0.27 266	0.27 227	0.24 200

fast-acv-ft	0.94 255	0.44 270	1.40 314	0.58 187	0.51 249	1.77 338	0.69 260	1.36 171	1.42 316	1.29 231	1.86 327	1.74 325	1.25 308	1.52 184	1.38 311	0.26 249	0.28 303	0.28 252	0.28 283	0.27 227	0.26 230

CRFU-Net	0.86 235	0.39 251	1.00 241	0.65 263	0.57 273	1.78 340	0.86 297	2.15 346	0.81 71	1.38 274	1.18 164	1.64 313	1.19 296	1.35 150	0.90 251	0.26 249	0.22 261	0.21 100	0.19 112	0.23 183	0.24 200

GANet-ADL	0.60 106	0.35 228	0.72 123	0.64 251	0.40 188	0.68 133	0.51 176	1.49 197	1.12 181	0.95 94	1.08 122	0.91 140	0.57 89	0.76 52	0.55 159	0.26 249	0.18 201	0.18 39	0.16 62	0.23 183	0.25 212

sCroCo_RVC	0.49 39	0.40 255	1.02 251	0.65 263	0.60 291	0.52 55	0.40 88	0.83 24	0.61 24	0.44 10	0.74 41	0.49 31	0.50 59	0.63 28	0.48 119	0.26 249	0.27 297	0.23 155	0.22 202	0.29 246	0.25 212

EDNetEfficient	2.37 381	1.10 374	8.08 404	0.74 316	0.71 320	0.98 237	1.56 368	1.46 192	4.06 399	4.90 408	2.82 372	2.25 357	3.48 397	2.95 303	9.97 406	0.26 249	0.24 278	0.26 231	0.30 302	0.68 366	0.61 358

CFNet-ft	0.72 166	0.32 177	0.54 34	0.66 268	0.54 263	0.83 194	0.55 208	1.37 172	1.15 203	0.93 88	1.28 198	1.57 300	0.97 242	1.35 150	0.81 232	0.26 249	0.20 231	0.33 293	0.25 244	0.30 255	0.23 188

ADCL	1.72 359	0.57 314	3.66 387	0.67 278	0.61 294	2.61 379	1.85 382	1.96 313	1.67 341	1.90 351	1.83 322	2.06 353	1.90 366	2.13 264	9.15 405	0.26 249	0.24 278	0.34 303	0.32 312	0.38 294	0.35 289

RYNet	1.17 310	0.49 290	1.24 293	0.70 296	0.97 368	1.71 329	0.92 310	1.91 301	1.46 321	1.38 274	1.14 150	1.88 330	1.30 317	4.24 331	1.87 345	0.26 249	0.21 247	0.35 310	0.27 266	0.55 346	0.54 343

CFNet_RVC	0.72 166	0.32 177	0.54 34	0.66 268	0.54 263	0.83 194	0.55 208	1.37 172	1.15 203	0.93 88	1.28 198	1.57 300	0.97 242	1.35 150	0.81 232	0.26 249	0.20 231	0.33 293	0.25 244	0.30 255	0.23 188

Wz-Net-MNSev	1.11 297	0.58 317	2.23 368	0.66 268	0.71 320	1.95 352	1.46 363	1.98 318	1.45 320	1.79 341	1.43 247	1.49 290	1.33 320	1.97 252	1.42 323	0.27 258	0.23 269	0.28 252	0.28 283	0.34 275	0.31 272

AASNet	0.76 196	0.35 228	0.91 216	0.79 328	0.81 349	1.14 260	0.56 214	2.02 327	1.08 165	1.22 202	1.24 180	0.93 149	0.76 152	0.77 54	1.16 284	0.27 258	0.23 269	0.24 175	0.20 140	0.28 241	0.24 200

GwcNet-ADL	0.64 131	0.31 163	0.79 174	0.56 170	0.41 194	0.60 89	0.58 227	1.41 180	1.26 245	1.08 123	1.13 147	0.91 140	0.60 100	1.04 108	0.78 222	0.27 258	0.18 201	0.18 39	0.18 92	0.25 207	0.29 250

ADLNet	0.85 230	0.36 235	0.89 210	0.85 348	0.72 322	1.24 280	0.76 271	1.82 280	1.36 293	1.52 306	1.35 227	1.27 249	0.99 254	1.23 133	1.15 283	0.27 258	0.20 231	0.26 231	0.25 244	0.28 241	0.30 262

GES	0.66 144	0.34 212	0.90 213	0.59 200	0.38 175	0.94 222	0.57 224	2.11 339	0.86 80	1.02 112	1.11 136	0.66 69	0.79 163	0.99 95	0.61 177	0.27 258	0.19 214	0.20 77	0.20 140	0.21 136	0.30 262

ac_64	0.82 217	0.29 115	0.81 180	0.71 303	0.60 291	1.05 246	0.54 195	1.99 319	0.92 104	1.18 186	1.06 116	1.99 345	1.08 277	1.94 249	0.97 261	0.27 258	0.22 261	0.24 175	0.23 222	0.22 158	0.19 116

PSMNet-RSSM	0.72 166	0.30 131	0.61 63	0.63 242	0.42 197	0.73 152	0.56 214	1.92 304	1.10 175	1.09 128	1.37 230	1.22 230	0.98 246	1.28 137	0.72 204	0.27 258	0.19 214	0.27 242	0.29 294	0.24 197	0.24 200

DMCA-RVC	0.74 183	0.40 255	1.27 299	0.66 268	0.49 233	0.77 171	0.47 153	1.35 169	1.01 139	1.53 307	1.01 95	1.29 255	0.82 175	1.31 142	0.78 222	0.27 258	0.21 247	0.35 310	0.27 266	0.32 267	0.24 200

FADNet_RVC	0.83 222	0.51 297	1.83 352	0.54 138	0.42 197	1.19 274	0.46 147	1.51 206	1.09 171	0.89 82	1.24 180	0.91 140	0.87 201	2.11 263	1.11 279	0.27 258	0.22 261	0.31 273	0.28 283	0.43 315	0.38 301

DRN-Test	1.00 274	0.44 270	1.13 279	0.70 296	0.81 349	1.62 322	0.79 279	2.14 344	1.44 319	1.78 338	1.33 216	1.43 275	1.05 270	2.18 269	1.53 333	0.27 258	0.21 247	0.31 273	0.30 302	0.32 267	0.28 247

Wz-Net-LNSev	1.03 280	0.67 337	2.71 381	0.64 251	0.84 353	1.75 333	1.00 326	1.80 276	1.32 276	1.28 226	1.25 184	1.65 315	1.22 303	1.39 163	1.40 315	0.28 268	0.26 289	0.24 175	0.23 222	0.33 273	0.32 278

NINENet	0.77 197	0.37 241	0.78 172	0.62 234	0.51 249	2.34 370	0.42 101	1.83 284	1.04 149	1.14 158	1.23 178	1.03 185	0.62 115	1.24 134	0.70 196	0.28 268	0.23 269	0.31 273	0.21 176	0.26 215	0.25 212

dd	0.59 103	0.48 287	0.97 233	0.55 157	0.32 110	0.64 101	0.47 153	1.02 78	1.34 282	0.78 62	0.86 60	0.58 51	0.54 71	1.01 100	0.86 247	0.28 268	0.18 201	0.26 231	0.19 112	0.32 267	0.24 200

LMCR-Stereo	0.82 217	0.46 278	0.88 205	0.75 320	0.43 202	1.33 291	0.56 214	2.43 378	0.98 125	1.53 307	1.49 265	0.74 85	1.00 256	1.63 204	0.89 249	0.28 268	0.17 185	0.22 126	0.17 78	0.29 246	0.20 139

HCRNet	0.70 160	0.39 251	0.73 135	0.60 211	0.59 288	0.76 165	0.35 51	1.22 147	1.13 192	1.02 112	0.99 87	1.02 182	0.76 152	2.19 270	0.70 196	0.28 268	0.19 214	0.28 252	0.23 222	0.25 207	0.23 188

UCFNet_RVC	0.69 158	0.35 228	0.49 18	0.64 251	0.39 183	0.85 202	0.58 227	1.75 259	1.14 194	0.97 98	1.19 167	1.17 221	0.93 224	0.99 95	0.62 180	0.28 268	0.20 231	0.34 303	0.31 306	0.32 267	0.27 236

StereoDRNet	0.98 269	0.47 282	1.70 341	0.76 322	0.94 364	1.51 312	0.91 308	1.92 304	1.32 276	1.61 322	1.13 147	1.47 288	0.97 242	1.75 224	1.46 328	0.28 268	0.23 269	0.29 260	0.27 266	0.35 276	0.27 236

NaN_ROB	1.13 302	0.55 307	1.15 281	0.64 251	0.48 230	1.61 321	2.03 393	1.72 252	1.48 323	2.09 360	1.27 193	1.40 270	1.08 277	3.94 327	1.30 301	0.28 268	0.34 331	0.28 252	0.28 283	0.30 255	0.33 282

ICVP	0.63 121	0.33 193	0.57 48	0.61 223	0.40 188	0.80 185	0.58 227	1.61 231	0.89 91	0.90 83	1.24 180	0.88 134	0.73 140	0.72 44	0.88 248	0.29 276	0.21 247	0.22 126	0.21 176	0.24 197	0.27 236
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.90 245	0.37 241	0.99 236	0.64 251	0.50 239	0.95 226	0.79 279	2.42 377	1.17 209	1.16 172	1.11 136	1.26 245	0.92 218	3.24 313	0.90 251	0.29 276	0.19 214	0.23 155	0.20 140	0.27 227	0.29 250

STTStereo	0.78 203	0.50 294	1.22 289	0.64 251	0.54 263	0.89 206	0.54 195	1.44 189	1.11 177	1.38 274	1.09 127	1.27 249	0.85 189	1.43 170	0.83 239	0.29 276	0.27 297	0.33 293	0.39 337	0.32 267	0.30 262

PA-Net	1.01 277	0.57 314	1.29 301	0.64 251	0.74 327	1.19 274	0.84 291	1.69 247	1.43 318	1.16 172	1.19 167	1.32 260	1.19 296	3.42 319	1.25 293	0.29 276	0.45 367	0.33 293	0.49 361	0.32 267	0.47 328
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ttt	0.94 255	0.34 212	0.59 56	0.61 223	0.37 158	0.94 222	0.50 175	2.17 355	1.34 282	1.23 205	1.61 292	0.91 140	0.76 152	1.85 239	3.97 382	0.30 280	0.26 289	0.26 231	0.24 233	0.29 246	0.29 250

coex-ft	8.13 415	2.13 408	98.04 443	0.67 278	0.53 260	1.71 329	1.56 368	1.65 238	11.11 415	18.17 429	3.75 384	3.88 389	7.61 416	2.98 306	6.49 392	0.30 280	0.30 315	0.32 286	0.31 306	0.66 364	0.50 336

ssnet_v2	0.88 240	0.36 235	1.02 251	0.62 234	0.38 175	1.32 290	0.97 320	2.07 335	1.34 282	1.37 269	1.18 164	1.54 296	0.92 218	1.10 117	1.65 337	0.30 280	0.27 297	0.30 269	0.28 283	0.27 227	0.26 230

GwcNet	1.08 289	0.51 297	2.33 370	0.79 328	1.18 382	1.76 335	0.70 262	1.68 245	1.47 322	1.41 282	1.64 299	1.74 325	1.04 266	2.20 271	1.41 319	0.30 280	0.29 311	0.29 260	0.27 266	0.30 255	0.35 289

DSFCA	0.93 253	0.34 212	1.06 262	0.52 114	0.65 305	1.55 316	0.93 314	1.49 197	1.19 217	1.56 315	1.15 156	1.50 291	0.96 239	3.07 307	1.02 266	0.30 280	0.26 289	0.25 212	0.25 244	0.28 241	0.24 200

FADNet-RVC	0.88 240	0.67 337	1.93 356	0.60 211	0.48 230	0.91 211	0.60 238	1.71 251	1.18 214	0.90 83	0.96 77	1.36 266	0.92 218	2.25 275	1.17 286	0.30 280	0.29 311	0.32 286	0.32 312	0.41 305	0.35 289

GANet	1.36 327	0.47 282	0.86 192	0.67 278	0.45 215	1.34 293	1.73 375	1.64 237	1.24 237	1.49 302	2.38 360	1.55 298	1.20 299	9.30 407	0.93 253	0.30 280	0.31 321	0.33 293	0.28 283	0.39 298	0.30 262

Wz-Net-SNSev	1.49 336	1.23 383	6.27 400	0.68 288	0.67 309	1.37 296	1.41 360	2.00 320	1.39 305	1.48 300	1.61 292	2.29 359	1.32 319	3.93 326	2.14 358	0.31 287	0.28 303	0.31 273	0.33 318	0.42 310	0.36 293

APVNet	1.06 284	0.53 303	1.42 316	0.84 343	0.79 342	1.92 349	0.82 289	1.90 297	1.08 165	1.08 123	1.43 247	1.56 299	1.13 287	3.07 307	1.58 334	0.31 287	0.34 331	0.42 338	0.36 331	0.36 282	0.37 295

AdaStereo	0.70 160	0.43 267	0.75 151	0.73 314	0.37 158	0.92 217	0.53 191	1.85 286	1.18 214	1.12 142	1.23 178	1.07 196	0.65 128	0.96 87	0.63 184	0.31 287	0.15 128	0.32 286	0.21 176	0.29 246	0.22 171
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.
MDST_ROB	1.67 352	0.34 212	1.58 335	0.92 366	0.58 281	4.26 405	1.11 337	2.83 385	1.41 313	4.49 405	2.55 367	1.45 281	0.97 242	7.79 398	1.17 286	0.31 287	0.25 285	0.37 320	0.33 318	0.31 262	0.30 262

SGM_RVC	1.68 354	0.36 235	0.61 63	0.59 200	0.29 66	2.25 366	1.18 346	2.38 375	1.68 342	3.60 395	2.67 370	3.69 387	2.42 384	8.13 401	1.90 348	0.31 287	0.31 321	0.30 269	0.28 283	0.30 255	0.29 250
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.67 153	0.61 328	1.01 245	0.64 251	0.37 158	0.84 201	0.35 51	1.05 91	1.12 181	1.12 142	1.06 116	1.27 249	0.54 71	1.19 128	0.59 168	0.32 292	0.17 185	0.31 273	0.18 92	0.52 341	0.22 171

CSP-Net	0.97 265	0.38 246	0.83 184	0.53 123	0.41 194	1.63 323	0.77 274	2.00 320	1.05 153	1.25 217	1.20 170	1.33 261	0.83 184	4.93 346	0.85 245	0.32 292	0.22 261	0.20 77	0.20 140	0.23 183	0.25 212

pcwnet_v2	0.97 265	0.37 241	4.33 390	0.62 234	0.54 263	0.79 180	0.45 140	2.02 327	1.58 335	1.42 288	1.64 299	1.09 204	0.79 163	1.24 134	0.67 193	0.32 292	0.25 285	0.29 260	0.27 266	0.37 286	0.35 289

RTSC	1.29 318	0.73 346	2.44 373	0.83 342	0.57 273	1.85 346	0.65 246	1.88 292	2.00 364	2.20 363	1.66 303	1.60 306	1.26 310	2.33 279	3.92 380	0.32 292	0.23 269	0.27 242	0.29 294	0.37 286	0.37 295

ETE_ROB	0.96 259	0.64 334	1.16 282	0.69 291	0.48 230	1.14 260	1.13 340	1.77 268	1.19 217	1.91 352	1.45 252	1.73 323	1.05 270	1.60 201	1.14 282	0.32 292	0.26 289	0.38 323	0.34 323	0.39 298	0.41 309

PSMNet-ADL	0.72 166	0.35 228	0.62 67	0.69 291	0.46 225	1.14 260	0.44 129	1.37 172	1.01 139	0.83 75	1.17 162	1.33 261	0.96 239	1.43 170	0.95 256	0.33 297	0.22 261	0.21 100	0.23 222	0.27 227	0.29 250

hitnet-ft	0.79 206	0.35 228	0.57 48	0.58 187	0.42 197	0.96 230	0.46 147	1.47 194	1.33 279	1.19 190	1.22 174	1.81 329	0.98 246	1.66 210	0.94 254	0.33 297	0.28 303	0.34 303	0.27 266	0.35 276	0.31 272

FADNet	0.92 250	0.61 328	1.81 349	0.62 234	0.55 269	0.96 230	0.57 224	1.78 272	1.33 279	0.93 88	1.01 95	1.36 266	1.01 258	2.71 296	0.75 212	0.33 297	0.34 331	0.31 273	0.34 323	0.59 353	0.40 305

ADCMid	1.89 367	0.73 346	5.06 393	0.72 306	0.67 309	2.00 356	1.14 341	1.97 317	1.48 323	2.86 385	1.81 321	2.37 364	2.05 374	2.24 273	10.39 409	0.33 297	0.31 321	0.39 329	0.43 347	0.50 335	0.44 319

DANet	1.08 289	0.61 328	1.32 306	0.85 348	0.72 322	1.37 296	0.51 176	1.54 217	1.15 203	1.78 338	1.54 274	2.01 347	1.11 282	2.90 302	2.00 353	0.33 297	0.30 315	0.40 334	0.30 302	0.44 322	0.45 321
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TDLM	1.06 284	0.44 270	0.79 174	0.63 242	0.50 239	0.89 206	1.44 362	1.48 195	1.26 245	1.12 142	1.40 240	1.08 197	0.98 246	6.65 378	0.78 222	0.33 297	0.21 247	0.33 293	0.26 258	0.37 286	0.24 200

PWC_ROB	1.24 313	0.76 353	2.46 375	0.72 306	0.78 340	1.15 265	0.49 168	1.75 259	1.92 360	2.31 365	3.07 375	1.59 304	1.40 323	2.46 287	2.10 357	0.33 297	0.22 261	0.35 310	0.24 233	0.38 294	0.41 309

PSMNet_ROB	0.90 245	0.52 300	1.17 284	0.72 306	0.61 294	1.27 284	1.12 339	1.76 265	1.12 181	1.09 128	1.28 198	1.45 281	0.89 211	1.65 206	1.42 323	0.33 297	0.25 285	0.37 320	0.39 337	0.35 276	0.29 250

WZ-Net	1.95 368	0.95 365	10.10 407	0.86 350	0.78 340	1.69 328	1.60 371	2.20 360	1.98 363	2.08 359	1.93 335	2.30 360	1.97 369	5.30 350	3.17 374	0.34 305	0.26 289	0.29 260	0.31 306	0.51 339	0.47 328

SACVNet	0.85 230	0.46 278	0.85 186	0.81 334	0.56 271	0.80 185	0.79 279	1.68 245	1.12 181	1.34 262	1.33 216	1.25 241	0.94 229	2.39 284	0.76 214	0.34 305	0.26 289	0.31 273	0.29 294	0.35 276	0.44 319

CVANet_RVC	1.07 286	0.43 267	0.76 160	0.60 211	0.50 239	0.90 209	0.97 320	1.52 209	1.26 245	1.33 259	1.38 234	1.24 237	1.18 293	6.75 384	0.75 212	0.34 305	0.23 269	0.34 303	0.29 294	0.42 310	0.27 236

DeepPruner_ROB	0.74 183	0.48 287	0.87 202	0.57 181	0.44 208	0.79 180	0.54 195	1.73 253	0.96 113	1.38 274	1.27 193	1.24 237	0.73 140	1.43 170	0.73 207	0.34 305	0.28 303	0.27 242	0.26 258	0.31 262	0.31 272

FBW_ROB	1.71 358	0.62 331	1.45 321	0.67 278	0.61 294	1.81 341	1.08 335	2.52 381	1.70 343	1.77 337	1.73 310	1.98 344	1.25 308	12.57 421	1.84 344	0.34 305	0.37 346	0.56 369	0.38 336	0.45 325	0.43 317

SANet	1.88 364	0.57 314	2.18 367	0.63 242	0.40 188	2.80 384	1.57 370	2.39 376	5.88 409	2.36 370	3.57 382	3.72 388	2.97 392	4.74 340	1.76 341	0.34 305	0.30 315	0.32 286	0.29 294	0.48 331	0.37 295

CBMV	0.95 258	0.44 270	0.66 86	0.53 123	0.35 144	1.53 314	1.63 373	1.69 247	1.42 316	2.00 357	1.60 288	1.43 275	1.17 290	1.59 200	0.99 264	0.34 305	0.34 331	0.39 329	0.33 318	0.33 273	0.32 278
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CASS	0.65 136	0.34 212	0.72 123	0.56 170	0.27 35	0.78 176	0.42 101	1.59 225	0.86 80	1.30 239	1.25 184	0.87 131	0.84 186	0.84 68	0.54 155	0.35 312	0.19 214	0.26 231	0.21 176	0.28 241	0.42 313
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Anonymous3	0.61 112	0.44 270	1.11 275	0.59 200	0.49 233	0.93 220	0.65 246	0.93 48	0.81 71	0.72 56	0.88 65	0.65 67	0.69 134	1.06 110	0.53 149	0.35 312	0.30 315	0.26 231	0.26 258	0.31 262	0.27 236

NCCL2	1.00 274	0.56 310	1.06 262	0.75 320	0.57 273	1.31 289	1.72 374	1.77 268	1.36 293	1.50 303	1.17 162	1.91 335	1.17 290	1.54 190	1.29 300	0.35 312	0.31 321	0.45 344	0.44 349	0.40 302	0.40 305

Syn2CoEx	1.14 304	0.69 341	1.66 339	0.80 331	0.67 309	1.40 301	0.88 300	2.06 334	1.54 332	1.25 217	1.58 286	1.42 274	1.50 336	4.09 329	1.40 315	0.36 315	0.32 328	0.34 303	0.29 294	0.29 246	0.34 284

stereogan	1.15 307	0.42 264	1.40 314	0.86 350	0.84 353	2.38 372	0.71 264	1.88 292	1.73 346	1.72 333	1.94 337	2.31 361	1.29 313	2.07 260	1.08 272	0.36 315	0.35 339	0.39 329	0.31 306	0.51 339	0.46 325

SGM-ForestM	6.52 411	0.38 246	1.26 296	0.63 242	0.35 144	13.59 423	5.32 417	6.32 416	6.70 411	11.14 420	9.18 415	22.51 431	13.93 419	16.89 424	20.07 422	0.36 315	0.37 346	0.36 318	0.35 327	0.36 282	0.34 284

SGM-Forest	1.24 313	0.38 246	0.60 60	0.52 114	0.37 158	1.56 317	1.30 355	1.65 238	1.36 293	2.11 361	1.79 318	1.63 310	0.93 224	7.48 395	0.95 256	0.36 315	0.37 346	0.39 329	0.34 323	0.37 286	0.32 278
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
AnyNet_C32	1.96 369	1.10 374	5.17 394	0.90 361	1.11 374	2.12 362	2.37 404	1.85 286	1.48 323	2.45 373	1.70 307	2.05 352	1.64 346	2.50 288	10.28 408	0.37 319	0.34 331	0.35 310	0.41 343	0.49 334	0.54 343

Anonymous Stereo	1.28 317	0.75 351	2.45 374	0.74 316	0.77 337	0.93 220	1.77 376	1.51 206	1.31 271	1.67 329	1.29 202	1.20 227	0.75 144	6.29 373	1.68 340	0.37 319	0.36 344	0.38 323	0.40 341	0.43 315	0.45 321

PS-NSSS	0.99 270	0.58 317	0.93 222	0.58 187	0.57 273	0.91 211	0.80 285	1.81 279	1.14 194	1.14 158	1.67 305	1.00 173	0.83 184	4.62 339	0.78 222	0.37 319	0.31 321	0.52 355	0.32 312	0.45 325	0.38 301

LALA_ROB	1.01 277	0.59 320	1.16 282	0.67 278	0.51 249	1.63 323	1.26 354	1.69 247	1.38 301	1.81 344	1.37 230	1.94 340	1.02 263	1.58 198	1.38 311	0.37 319	0.27 297	0.43 340	0.37 334	0.43 315	0.37 295

SHD	1.31 321	0.71 345	2.34 371	0.86 350	0.75 333	1.77 338	0.65 246	2.22 361	2.50 381	2.40 372	1.71 308	1.91 335	1.60 343	1.93 248	2.37 361	0.38 323	0.31 321	0.38 323	0.40 341	0.48 331	0.50 336

ADCPNet	1.85 363	0.69 341	8.07 403	0.71 303	0.58 281	2.79 383	1.22 349	1.94 310	1.54 332	1.88 348	1.69 306	2.46 369	2.04 372	2.37 282	6.48 391	0.38 323	0.37 346	0.38 323	0.43 347	0.47 328	0.45 321

XPNet_ROB	0.96 259	0.49 290	1.09 270	0.72 306	0.57 273	1.11 255	1.14 341	1.66 243	1.23 233	1.85 347	1.39 238	1.64 313	1.11 282	1.80 233	1.42 323	0.38 323	0.30 315	0.33 293	0.29 294	0.37 286	0.34 284

Wz-Net-TNSev	1.88 364	2.08 407	7.66 401	0.67 278	0.64 302	2.42 373	1.83 381	2.33 370	1.74 348	1.57 319	1.56 280	2.58 371	1.90 366	4.86 342	3.12 371	0.39 326	0.37 346	0.33 293	0.37 334	0.53 343	0.58 352

psmorigin	1.52 340	0.69 341	10.52 410	0.68 288	0.59 288	1.13 259	0.70 262	1.57 223	1.19 217	1.99 355	1.79 318	2.26 358	1.47 332	2.09 261	1.36 310	0.39 326	0.40 355	0.34 303	0.33 318	0.43 315	0.56 347

S-Stereo	1.15 307	0.46 278	2.17 365	0.81 334	0.80 347	1.21 277	1.19 347	1.93 308	2.02 365	1.47 294	2.11 347	1.57 300	1.17 290	2.05 259	1.41 319	0.40 328	0.40 355	0.35 310	0.31 306	0.44 322	0.70 368

Nwc_Net	1.09 291	0.49 290	1.33 308	0.89 360	0.80 347	1.49 311	0.66 251	2.19 357	1.27 252	1.32 251	2.26 355	1.96 342	1.54 337	1.92 245	1.34 306	0.40 328	0.30 315	0.43 340	0.45 351	0.38 294	0.37 295

RTS	2.67 389	1.38 385	15.28 415	0.99 371	1.26 386	3.78 397	1.96 389	2.15 346	2.62 383	2.61 376	2.85 373	2.60 372	1.59 341	6.27 371	5.71 389	0.40 328	0.28 303	0.35 310	0.35 327	0.50 335	0.48 331

RTSA	2.67 389	1.38 385	15.28 415	0.99 371	1.26 386	3.78 397	1.96 389	2.15 346	2.62 383	2.61 376	2.85 373	2.60 372	1.59 341	6.27 371	5.71 389	0.40 328	0.28 303	0.35 310	0.35 327	0.50 335	0.48 331

ADCS	2.25 376	0.99 368	5.55 395	0.81 334	0.74 327	2.19 364	1.80 378	2.27 366	2.14 369	2.80 384	2.13 349	2.40 366	2.03 371	2.64 294	13.69 413	0.41 332	0.39 353	0.40 334	0.45 351	0.58 351	0.56 347

AnyNet_C01	2.26 377	1.78 396	10.22 409	0.93 367	0.74 327	2.92 387	2.20 399	2.29 368	1.80 352	2.53 375	2.41 363	2.71 376	1.73 353	3.41 318	6.72 393	0.41 332	0.39 353	0.40 334	0.42 345	0.67 365	0.63 360

LSM	6.33 410	1.10 374	13.19 413	1.41 388	68.17 439	1.64 325	1.90 386	1.92 304	2.46 376	2.99 389	3.11 376	1.88 330	1.80 359	2.61 293	2.06 356	0.41 332	0.58 385	0.50 353	0.57 372	0.64 360	17.66 431

dad	0.86 235	0.66 336	1.06 262	0.56 170	0.37 158	0.76 165	0.44 129	1.17 128	1.50 326	1.44 289	1.27 193	1.34 265	0.75 144	2.52 289	0.84 242	0.42 335	0.27 297	0.83 379	0.26 258	0.41 305	0.29 250

FINET	0.97 265	0.54 304	1.60 336	0.63 242	0.79 342	1.08 252	1.07 334	1.56 222	2.20 371	1.15 161	1.49 265	0.94 152	0.88 205	2.32 278	1.05 267	0.42 335	0.35 339	0.32 286	0.28 283	0.43 315	0.38 301

FAT-Stereo	1.07 286	0.41 261	1.32 306	0.72 306	0.58 281	1.08 252	0.89 302	1.96 313	1.65 339	1.75 335	1.98 338	2.03 350	1.48 333	2.02 255	1.18 289	0.42 335	0.35 339	0.34 303	0.29 294	0.35 276	0.53 342

edge stereo	1.11 297	0.50 294	1.30 302	0.71 303	0.65 305	1.14 260	0.75 268	1.93 308	1.37 297	1.71 332	1.83 322	2.54 370	1.44 327	2.43 286	1.23 291	0.42 335	0.41 357	0.54 361	0.35 327	0.42 310	0.46 325

DeepPrunerF	1.60 346	0.73 346	5.81 398	0.88 356	1.19 383	0.91 211	0.95 318	2.19 357	5.24 407	1.17 181	1.30 203	1.19 225	1.30 317	4.90 344	1.66 339	0.42 335	0.34 331	0.52 355	0.47 356	0.41 305	0.40 305

GASNet	0.99 270	0.97 366	1.72 343	0.98 370	0.68 315	0.83 194	0.67 254	1.60 228	1.28 257	1.31 249	1.22 174	1.22 230	1.21 302	2.41 285	1.41 319	0.43 340	0.26 289	0.36 318	0.34 323	0.55 346	0.31 272

NVstereo2D	0.92 250	0.41 261	1.48 328	0.72 306	0.72 322	1.20 276	0.87 299	1.75 259	1.38 301	0.99 104	1.13 147	1.26 245	0.98 246	2.21 272	0.89 249	0.43 340	0.20 231	0.38 323	0.24 233	0.57 349	0.63 360

CBMV_ROB	0.90 245	0.44 270	0.63 70	0.51 98	0.37 158	1.25 282	0.49 168	1.77 268	1.27 252	1.41 282	2.00 339	1.33 261	1.08 277	2.17 266	0.76 214	0.43 340	0.42 359	0.47 349	0.44 349	0.41 305	0.36 293

CSAN	1.41 333	0.59 320	1.26 296	0.70 296	0.50 239	1.76 335	1.78 377	1.77 268	1.90 359	2.35 368	2.32 357	1.92 338	1.94 368	5.56 360	1.49 331	0.43 340	0.35 339	0.40 334	0.41 343	0.43 315	0.41 309

MeshStereo	2.26 377	0.56 310	0.92 220	0.61 223	0.49 233	2.60 378	1.02 329	3.18 391	2.05 367	7.40 418	4.98 398	7.58 408	2.98 393	6.37 374	1.96 351	0.43 340	0.43 360	0.45 344	0.39 337	0.43 315	0.42 313
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
RGC	1.14 304	0.79 355	1.26 296	0.91 364	0.96 367	1.52 313	0.77 274	1.92 304	1.26 245	1.54 311	1.93 335	2.02 349	1.54 337	2.25 275	1.31 302	0.44 345	0.35 339	0.58 372	0.48 358	0.47 328	0.46 325

HBP-ISP	0.96 259	0.58 317	0.72 123	0.61 223	0.46 225	1.64 325	0.76 271	1.86 289	1.28 257	1.30 239	1.53 272	0.86 127	0.94 229	3.27 315	0.69 195	0.45 346	0.44 363	0.54 361	0.48 358	0.47 328	0.40 305

DGSMNet	1.14 304	0.76 353	2.49 376	0.81 334	0.86 356	1.39 300	1.39 359	2.13 340	1.35 290	1.26 221	1.63 298	1.48 289	0.98 246	1.75 224	1.10 277	0.45 346	0.43 360	0.55 366	0.49 361	0.75 372	0.70 368

MFN_U_SF_DS_RVC	1.74 360	0.87 361	3.56 386	0.80 331	0.75 333	3.72 396	2.44 406	1.82 280	1.82 354	1.74 334	1.91 333	1.92 338	1.26 310	7.69 397	1.28 299	0.45 346	0.47 371	0.52 355	0.77 382	0.50 335	0.50 336

NCC-stereo	1.10 294	0.54 304	1.24 293	0.84 343	0.94 364	1.29 287	0.89 302	2.01 324	1.34 282	1.32 251	1.74 311	1.88 330	1.74 354	2.35 280	1.25 293	0.45 346	0.37 346	0.45 344	0.58 373	0.42 310	0.42 313

Abc-Net	1.10 294	0.54 304	1.24 293	0.84 343	0.94 364	1.29 287	0.89 302	2.01 324	1.34 282	1.32 251	1.74 311	1.88 330	1.74 354	2.35 280	1.25 293	0.45 346	0.37 346	0.45 344	0.58 373	0.42 310	0.42 313
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NOSS_ROB	1.26 316	0.46 278	0.62 67	0.56 170	0.38 175	1.06 249	0.78 276	1.73 253	1.40 310	1.01 109	1.43 247	1.10 206	0.75 144	10.62 418	0.65 189	0.45 346	0.43 360	0.48 350	0.45 351	0.44 322	0.41 309

SAMSARA	1.55 342	0.84 357	2.61 378	1.22 383	1.07 371	2.50 375	1.93 387	2.05 329	1.89 357	2.75 381	1.66 303	2.81 377	1.69 352	3.08 309	1.97 352	0.46 352	0.51 377	0.42 338	0.46 354	0.58 351	0.59 354

PVD	1.70 356	0.84 357	2.26 369	0.94 369	0.83 352	2.48 374	0.97 320	2.59 383	3.35 392	3.01 391	2.77 371	2.34 363	2.47 386	2.67 295	3.14 372	0.47 353	0.45 367	0.59 373	0.48 358	0.59 353	0.75 373

AF-Net	1.13 302	0.52 300	1.33 308	0.86 350	0.91 360	1.38 299	0.71 264	2.16 349	1.62 337	1.56 315	2.40 362	1.99 345	1.65 347	1.81 235	1.48 330	0.48 354	0.28 303	0.49 352	0.33 318	0.39 298	0.32 278

G-Net	1.66 351	0.63 332	1.56 333	1.11 380	0.74 327	2.98 388	0.91 308	1.55 221	1.22 230	2.76 382	8.18 413	2.32 362	2.53 387	1.92 245	1.87 345	0.48 354	0.44 363	0.45 344	0.31 306	0.60 357	0.57 351

XQC	1.37 328	0.87 361	2.56 377	0.84 343	0.69 317	1.83 344	0.89 302	2.07 335	1.88 356	1.88 348	1.53 272	1.91 335	1.55 339	2.85 301	3.05 369	0.48 354	0.29 311	0.44 343	0.39 337	0.69 367	0.60 357

DPSNet	1.69 355	0.59 320	4.33 390	0.70 296	0.57 273	2.02 357	1.62 372	3.35 394	1.78 350	1.48 300	1.38 234	2.17 355	2.84 390	4.77 341	3.66 378	0.48 354	0.31 321	0.29 260	0.25 244	0.64 360	0.48 331

BEATNet-Init1	26.87 430	13.43 426	70.68 442	0.91 364	0.68 315	57.02 443	21.06 424	32.82 435	32.67 432	52.12 443	53.61 442	66.05 443	49.56 443	48.79 444	34.71 434	0.49 358	0.44 363	0.53 360	0.53 368	0.63 358	0.59 354

UDGNet	0.72 166	1.17 382	0.80 179	0.77 325	0.41 194	0.77 171	0.38 74	0.97 64	1.34 282	0.81 71	0.88 65	0.71 83	0.60 100	1.21 130	0.54 155	0.52 359	0.19 214	1.02 386	0.26 258	0.71 369	0.31 272

FCDSN-DC	2.32 379	0.63 332	0.81 180	0.84 343	0.75 333	2.23 365	0.94 316	2.09 338	1.80 352	5.45 412	7.72 410	7.77 410	6.93 415	3.39 316	1.80 343	0.52 359	0.48 372	0.52 355	0.51 366	0.57 349	0.58 352
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	1.52 340	0.84 357	3.42 385	0.87 355	0.66 307	2.56 377	0.95 318	2.36 373	1.70 343	1.98 354	1.86 327	2.45 368	1.79 358	2.95 303	2.58 363	0.52 359	0.48 372	0.55 366	0.59 376	0.59 353	0.61 358

RP	1.09 291	0.50 294	1.12 277	0.90 361	1.04 370	1.11 255	0.84 291	1.80 276	1.62 337	1.55 314	2.00 339	1.90 334	1.78 357	1.84 236	1.25 293	0.52 359	0.36 344	0.48 350	0.36 331	0.45 325	0.43 317

MSMD_ROB	1.99 371	0.59 320	0.89 210	0.70 296	0.61 294	3.95 401	0.94 316	1.80 276	1.79 351	4.41 403	4.43 389	8.17 411	3.66 399	3.40 317	1.33 304	0.52 359	0.48 372	0.54 361	0.58 373	0.53 343	0.50 336

WCMA_ROB	1.84 362	0.47 282	1.31 303	0.69 291	0.57 273	2.11 361	1.14 341	1.87 290	1.73 346	4.04 399	6.43 402	5.62 402	3.61 398	2.59 291	1.94 350	0.52 359	0.44 363	0.39 329	0.42 345	0.48 331	0.47 328

FC-DCNN	2.72 394	0.59 320	0.86 192	0.73 314	0.57 273	2.91 385	1.04 331	3.01 389	2.60 382	6.83 414	7.64 409	9.92 415	6.33 413	5.21 348	3.14 372	0.53 365	0.48 372	0.51 354	0.50 364	0.53 343	0.51 340

GANetREF_RVC	1.07 286	0.86 360	1.31 303	0.82 339	0.53 260	1.41 305	1.31 356	1.76 265	1.52 329	1.27 224	1.31 208	1.46 283	1.24 307	2.03 256	0.96 260	0.56 366	0.45 367	0.67 374	0.50 364	0.88 376	0.59 354
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ccnet	1.12 299	0.67 337	1.01 245	0.78 327	0.73 325	1.72 331	0.99 324	1.84 285	1.26 245	1.47 294	1.85 326	1.75 328	1.29 313	1.75 224	1.88 347	0.57 367	0.53 379	0.57 371	0.55 370	0.59 353	0.54 343

MANE	6.19 409	0.59 320	1.03 255	0.93 367	1.22 385	13.38 422	2.69 407	12.81 423	17.94 426	8.21 419	10.82 418	14.72 421	11.68 417	11.39 420	11.90 411	0.59 368	0.50 376	0.52 355	1.76 410	0.55 346	0.54 343

PWCDC_ROB	1.29 318	0.75 351	1.33 308	1.05 375	0.88 359	1.73 332	0.52 185	1.89 294	3.28 391	1.29 231	4.88 397	1.22 230	1.46 330	1.77 231	1.45 327	0.60 369	0.26 289	0.29 260	0.25 244	0.52 341	0.37 295

PASM	1.34 325	0.92 364	2.62 379	0.86 350	0.87 358	1.03 243	1.08 335	1.50 201	1.51 328	1.82 345	1.41 242	1.68 318	1.26 310	4.87 343	1.34 306	0.61 370	0.65 390	0.68 375	0.78 383	0.69 367	0.68 367

Anonymous_2	1.30 320	0.55 307	0.82 182	0.52 114	0.58 281	1.01 241	0.64 244	1.25 155	0.97 120	0.96 95	0.78 48	1.33 261	1.29 313	1.03 103	0.74 208	0.62 371	0.64 388	1.06 387	9.63 424	1.16 385	0.49 335

ELAS	2.37 381	0.74 349	1.54 332	0.99 371	0.92 362	4.78 407	2.33 403	3.33 393	3.37 393	5.05 411	4.77 396	3.67 386	4.53 406	3.42 319	4.50 384	0.62 371	0.53 379	0.55 366	0.53 368	0.63 358	0.64 364
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	2.48 386	0.74 349	1.90 354	1.05 375	0.92 362	2.76 381	4.01 415	2.76 384	4.11 400	4.69 406	4.63 393	4.62 393	5.96 411	3.97 328	3.96 381	0.63 373	0.53 379	0.56 369	0.52 367	0.64 360	0.63 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	2.12 373	1.15 380	3.10 384	1.05 375	0.76 336	5.03 410	2.40 405	2.16 349	2.62 383	1.89 350	2.28 356	2.69 375	1.65 347	9.35 409	2.04 354	0.64 374	0.51 377	0.68 375	0.71 380	1.09 384	0.67 365

SDNR	1.62 349	0.51 297	2.17 365	0.53 123	0.56 271	3.80 399	0.45 140	1.54 217	1.29 261	1.33 259	2.41 363	1.08 197	0.96 239	11.18 419	1.16 284	0.66 375	0.63 387	0.43 340	0.32 312	0.64 360	0.67 365

Consistency-Raft	1.25 315	0.99 368	1.93 356	1.02 374	1.21 384	0.96 230	1.01 328	1.75 259	1.92 360	1.36 267	2.12 348	1.44 279	1.01 258	1.14 124	1.40 315	0.72 376	0.82 393	0.89 381	0.98 395	1.31 389	0.95 379

MADNet+	2.69 391	3.22 417	11.53 412	1.44 389	1.12 376	3.19 390	1.81 379	2.85 386	2.37 373	1.68 330	2.07 346	2.85 379	2.18 377	7.41 392	5.23 387	0.79 377	0.76 391	0.69 377	0.65 379	0.98 378	0.95 379

STTRV1_RVC	1.58 343	0.68 340	1.96 358	0.88 356	1.12 376	1.57 318	0.90 307	2.25 364	1.75 349	1.29 231	2.02 342	1.40 270	1.22 303	9.77 414	1.31 302	0.81 378	0.33 330	0.54 361	0.49 361	0.73 371	0.52 341

JetBlue	3.97 400	2.01 402	10.19 408	1.38 385	2.84 411	10.53 418	9.54 418	3.60 396	2.41 375	2.73 380	3.39 380	4.54 392	4.31 404	7.85 400	6.84 394	0.88 379	0.93 404	0.89 381	0.91 389	1.74 390	1.91 398

UDG	1.41 333	2.65 413	0.99 236	1.44 389	1.64 392	1.34 293	0.80 285	1.60 228	1.23 233	1.23 205	1.71 308	2.01 347	1.34 321	1.47 179	1.41 319	0.90 380	0.54 382	2.29 397	0.75 381	1.84 391	1.04 384

MFMNet_re	1.40 332	1.14 379	1.68 340	1.39 386	1.07 371	1.48 309	1.43 361	1.87 290	1.82 354	2.26 364	2.19 352	1.51 293	1.86 363	1.52 184	1.25 293	0.93 381	0.83 394	0.84 380	0.80 384	0.99 380	1.05 386

PMTNet	0.46 28	0.21 4	0.38 5	0.37 3	0.23 8	0.71 147	0.27 16	0.74 8	1.04 149	0.64 45	0.70 33	0.55 43	0.47 42	0.86 73	0.35 29	1.00 382	0.13 44	0.15 3	0.10 2	0.15 6	0.13 4

PDISCO_ROB	1.32 323	0.65 335	1.44 317	1.36 384	1.46 390	2.55 376	0.92 310	2.45 379	2.07 368	1.37 269	1.49 265	1.65 315	1.00 256	2.82 298	1.35 309	1.01 383	0.27 297	0.54 361	0.47 356	0.71 369	0.73 371

DispFullNet	2.34 380	2.85 415	3.66 387	3.08 409	2.27 401	1.97 353	0.67 254	2.00 320	1.70 343	2.52 374	2.00 339	2.23 356	5.86 409	3.44 321	1.58 334	1.01 383	0.32 328	2.64 408	1.94 413	2.85 404	2.24 402

anonymity	1.12 299	0.97 366	1.21 287	1.07 378	1.12 376	1.08 252	0.89 302	1.95 312	1.16 207	1.29 231	1.26 190	1.22 230	1.09 280	1.15 125	1.01 265	1.02 385	1.00 406	0.97 383	0.97 393	0.98 378	0.99 381

SPS-STEREO	1.67 352	1.04 371	1.23 290	1.21 382	1.13 379	1.82 343	1.11 337	2.16 349	1.52 329	3.07 393	2.32 357	2.82 378	1.80 359	4.11 330	2.04 354	1.03 386	0.99 405	0.97 383	0.94 391	1.03 382	1.02 382
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	2.41 384	1.07 372	2.14 364	1.18 381	1.10 373	2.14 363	1.36 358	1.96 313	1.66 340	5.46 413	7.07 405	4.95 398	4.32 405	5.50 357	2.26 360	1.04 387	1.02 408	0.99 385	0.97 393	1.02 381	1.04 384

NVStereoNet_ROB	1.88 364	1.07 372	1.45 321	1.07 378	1.17 380	1.47 308	1.48 365	1.89 294	1.93 362	1.94 353	4.67 395	3.08 382	1.80 359	6.51 376	1.65 337	1.06 388	0.86 400	1.08 388	1.32 400	0.93 377	1.26 391
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CC-Net-ROB	1.49 336	1.26 384	1.27 299	0.88 356	0.79 342	1.76 335	1.00 326	1.79 274	1.26 245	1.10 136	1.61 292	1.21 228	0.99 254	8.13 401	0.84 242	1.09 389	0.41 357	2.20 395	0.46 354	1.20 387	0.48 331

DDUNet	1.50 338	2.69 414	1.12 277	1.77 391	1.88 394	1.84 345	0.92 310	1.70 250	1.16 207	1.38 274	1.79 318	1.60 306	1.12 285	1.37 154	1.08 272	1.10 390	0.76 391	2.37 399	0.94 391	2.00 392	1.37 392

WAO-7	2.66 388	1.40 387	1.73 345	1.39 386	1.17 380	3.93 400	1.94 388	4.11 400	3.88 398	2.92 386	5.50 399	4.18 391	3.00 394	7.63 396	3.71 379	1.13 391	1.00 406	1.17 389	1.13 399	1.18 386	1.09 388

WAO-6	2.81 395	1.60 393	1.46 323	2.36 399	2.28 402	3.55 394	2.29 402	4.21 401	4.56 404	2.36 370	4.51 390	4.88 397	2.66 388	4.60 338	4.07 383	1.72 392	1.15 412	2.31 398	1.46 406	2.31 393	1.85 397

MaskLacGwcNet_RVC	1.10 294	1.02 370	1.00 241	0.82 339	0.67 309	1.93 350	0.93 314	1.62 234	1.11 177	1.15 161	1.25 184	1.50 291	0.79 163	1.96 251	0.76 214	1.89 393	0.34 331	0.79 378	0.36 331	1.25 388	0.83 375

WAO-8	4.40 402	1.82 399	1.79 347	2.34 397	2.20 397	9.19 415	1.53 366	6.09 413	16.46 420	3.94 397	7.84 411	7.32 405	3.72 401	9.41 411	3.31 375	2.00 394	1.07 409	2.44 404	1.37 404	2.50 395	1.68 395

Venus	4.40 402	1.82 399	1.79 347	2.34 397	2.20 397	9.19 415	1.53 366	6.09 413	16.46 420	3.94 397	7.84 411	7.32 405	3.72 401	9.41 411	3.31 375	2.00 394	1.07 409	2.44 404	1.37 404	2.50 395	1.68 395

PWCK	2.88 396	2.05 405	5.72 397	2.08 394	1.11 374	3.55 394	3.90 414	2.86 387	3.54 396	3.03 392	3.63 383	3.10 383	2.31 381	8.15 403	3.09 370	2.12 396	0.91 403	1.75 392	0.98 395	2.57 397	1.18 390

CAS	0.63 121	0.18 1	0.37 2	2.27 396	0.84 353	0.57 78	0.54 195	0.79 15	0.62 25	0.48 20	0.70 33	0.36 2	0.26 1	0.45 3	0.35 29	2.24 397	0.10 1	0.14 1	0.09 1	0.15 6	1.06 387

SQANet	1.31 321	0.88 363	1.08 269	1.83 392	1.44 389	1.44 307	0.75 268	1.74 257	1.09 171	1.32 251	1.26 190	1.28 252	1.01 258	1.50 183	0.83 239	2.50 398	0.34 331	1.47 390	0.55 370	2.32 394	1.57 394

ACVNet_2	2.43 385	1.41 388	2.04 359	2.62 401	2.24 400	2.63 380	1.88 385	3.31 392	3.01 388	2.19 362	3.45 381	4.62 393	2.04 372	4.50 337	1.47 329	2.55 399	0.64 388	2.22 396	0.84 386	2.69 398	2.29 403

JetRed	6.91 413	8.80 424	25.96 427	2.85 404	3.25 415	13.98 424	11.87 419	6.25 415	4.28 402	4.45 404	4.56 391	6.69 404	5.46 408	7.46 394	14.05 414	2.59 400	3.31 419	2.59 407	2.29 417	4.20 417	3.36 417

DPSimNet_ROB	11.20 420	4.98 420	35.43 431	2.90 407	4.52 421	7.89 414	17.09 422	4.66 404	6.06 410	14.89 425	10.93 419	17.29 422	36.81 434	13.18 422	15.68 418	2.86 401	6.29 424	5.75 423	5.09 421	3.91 415	7.70 424

otaku	1.60 346	1.11 377	1.21 287	2.20 395	1.56 391	1.97 353	1.24 350	2.07 335	1.36 293	1.44 289	1.62 295	1.73 323	1.19 296	1.73 223	0.98 263	2.89 402	0.57 384	1.74 391	0.60 377	2.78 399	1.94 399

Ntro	1.64 350	1.15 380	1.23 290	2.48 400	1.83 393	2.09 360	1.16 344	1.96 313	1.38 301	1.21 197	1.62 295	1.62 308	1.29 313	1.87 242	1.11 279	3.04 403	0.56 383	1.82 393	0.64 378	2.80 400	2.05 400

ACVNet_1	2.18 375	1.45 390	1.72 343	2.85 404	2.33 404	2.28 367	1.46 363	3.08 390	2.22 372	1.82 345	2.05 345	3.56 385	1.98 370	3.09 310	1.40 315	3.17 404	0.60 386	2.40 403	0.92 390	2.91 406	2.37 404

Dean	2.91 397	1.53 392	2.07 360	2.96 408	2.51 406	3.15 389	2.14 397	4.75 405	4.41 403	2.76 382	6.10 401	5.53 401	2.37 382	2.97 305	1.92 349	3.18 405	0.85 398	2.51 406	1.04 398	2.88 405	2.47 407

LVE	3.31 399	1.67 394	1.64 337	2.85 404	2.42 405	3.20 391	2.26 401	4.78 406	5.05 406	2.35 368	6.91 403	6.02 403	2.37 382	9.15 405	2.17 359	3.19 406	1.08 411	2.38 401	1.47 407	2.81 401	2.40 406

ACVNet-4b	2.15 374	1.41 388	1.64 337	2.80 402	2.31 403	2.31 369	1.24 350	2.32 369	2.14 369	1.26 221	2.39 361	2.66 374	1.48 333	5.95 369	1.06 269	3.20 407	0.45 367	2.37 399	0.89 388	2.83 403	2.37 404

TorneroNet-64	5.30 408	2.03 403	1.74 346	3.43 413	2.81 410	10.09 417	2.12 396	9.10 420	17.12 425	4.96 410	9.27 416	10.72 419	3.70 400	9.20 406	4.55 385	3.31 408	0.84 395	2.88 412	1.55 408	3.49 411	3.04 413

RainbowNet	1.97 370	1.76 395	1.57 334	2.81 403	2.21 399	1.98 355	1.81 379	2.54 382	1.89 357	1.50 303	1.84 324	1.96 342	1.65 347	2.14 265	1.25 293	3.33 409	0.85 398	2.39 402	0.98 395	2.82 402	2.22 401

KSHMR	8.75 416	2.06 406	2.11 362	3.53 415	3.11 413	4.13 404	2.69 407	5.60 410	61.37 443	3.00 390	55.83 443	4.98 400	2.45 385	4.49 336	2.61 366	3.46 410	1.55 416	3.14 415	1.94 413	3.72 413	3.18 415

TorneroNet	10.70 418	2.03 403	1.82 350	3.43 413	3.01 412	43.83 435	2.22 400	8.87 419	67.47 444	7.17 417	27.36 429	10.68 418	3.85 403	8.67 404	7.65 401	3.59 411	0.88 401	3.04 413	1.57 409	3.71 412	3.17 414

UNDER WATER-64	5.27 407	2.32 409	8.78 406	3.93 419	3.54 418	7.61 413	3.03 413	5.84 412	14.19 416	4.04 399	4.04 387	9.39 414	6.26 412	5.93 368	8.48 403	3.60 412	1.51 415	3.13 414	1.88 411	4.29 418	3.61 418

IMH-64-1	2.70 392	1.79 397	1.46 323	3.26 411	2.66 407	3.23 392	2.10 394	4.08 398	2.75 386	2.34 366	3.81 385	3.06 380	2.22 379	4.25 332	2.59 364	3.75 413	0.84 395	2.75 409	1.35 401	3.15 408	2.60 410

IMH-64	2.70 392	1.79 397	1.46 323	3.26 411	2.66 407	3.23 392	2.10 394	4.08 398	2.75 386	2.34 366	3.81 385	3.06 380	2.22 379	4.25 332	2.59 364	3.75 413	0.84 395	2.75 409	1.35 401	3.15 408	2.60 410

UNDER WATER	5.08 406	2.33 410	5.55 395	3.94 420	3.51 417	5.20 411	2.72 409	5.61 411	16.52 422	3.84 396	4.60 392	9.21 413	5.89 410	5.90 366	8.66 404	3.75 413	1.34 413	3.18 416	1.88 411	4.33 419	3.61 418

IMH	3.21 398	1.85 401	1.48 328	3.25 410	2.69 409	4.07 403	2.02 392	4.41 403	3.80 397	2.72 379	7.11 406	4.75 396	2.92 391	5.92 367	2.55 362	3.85 416	0.88 401	2.78 411	1.36 403	3.19 410	2.59 409

ktn	4.70 404	2.38 411	2.12 363	3.76 416	3.24 414	4.85 408	2.95 412	5.52 408	7.37 412	4.07 401	19.32 426	7.46 407	3.47 396	7.39 391	2.95 368	4.04 417	1.85 417	3.26 417	2.22 416	3.08 407	2.65 412

notaker	3.98 401	2.40 412	2.68 380	3.82 418	3.27 416	3.97 402	2.14 397	4.78 406	3.45 395	4.12 402	6.94 404	7.65 409	3.26 395	7.82 399	5.30 388	4.04 417	1.41 414	3.36 418	2.10 415	3.88 414	3.31 416

MADNet++	5.01 405	3.14 416	4.91 392	4.55 422	3.94 420	5.20 411	4.41 416	4.40 402	4.13 401	4.95 409	6.08 400	4.74 395	5.37 407	9.40 410	10.67 410	4.65 419	4.15 422	3.97 420	3.34 419	4.09 416	4.08 421

DGTPSM_ROB	13.01 421	8.23 422	21.87 420	9.51 425	18.10 424	11.56 420	32.01 429	10.63 421	16.20 418	7.03 415	19.48 427	10.15 416	16.66 422	9.83 415	22.42 424	4.75 420	8.68 425	5.37 421	10.25 425	6.16 422	11.36 425

DPSMNet_ROB	13.02 422	8.23 422	21.91 421	9.53 426	18.11 425	11.56 420	32.02 430	10.64 422	16.23 419	7.05 416	19.49 428	10.16 417	16.66 422	9.85 416	22.43 425	4.77 421	8.68 425	5.38 422	10.26 426	6.17 423	11.36 425

SPstereo	26.54 428	6.08 421	10.71 411	5.55 423	5.68 422	48.14 436	80.43 443	67.31 444	34.39 439	28.70 437	27.52 430	43.76 441	37.60 439	45.04 443	54.41 444	4.92 422	4.89 423	10.74 428	5.88 422	4.46 420	4.57 422

HanzoNet	11.04 419	3.62 418	8.10 405	4.08 421	3.55 419	4.90 409	2.73 410	7.19 417	10.10 413	31.86 439	28.92 431	21.96 430	36.36 432	18.08 425	10.17 407	7.94 423	3.32 420	3.47 419	3.31 418	7.06 424	4.04 420

tt	6.58 412	0.26 49	6.10 399	3.77 417	2.16 396	11.55 419	19.63 423	13.33 424	5.74 408	2.96 388	2.65 369	4.97 399	6.33 413	3.81 325	7.24 395	9.15 424	11.32 431	5.89 424	6.24 423	6.03 421	2.55 408

DLNR_Zeroshot_test	23.17 427	48.52 444	43.29 434	176.68 444	78.69 440	0.35 5	0.21 1	23.41 427	0.75 58	0.66 47	0.86 60	0.59 55	0.30 4	1.56 195	0.44 88	9.57 425	0.12 9	0.18 39	0.14 25	76.92 443	0.16 44

PML	51.67 441	36.25 434	13.28 414	7.46 424	20.81 426	108.69 444	232.22 445	8.72 418	27.82 431	87.01 444	269.67 445	69.67 444	61.95 444	24.76 433	14.20 415	9.74 426	3.40 421	9.62 425	4.70 420	18.74 429	4.72 423

DPSM_ROB	19.08 424	19.14 428	25.17 425	22.15 429	20.85 427	28.17 427	37.82 432	26.56 428	16.85 423	14.14 422	14.84 421	21.70 425	18.75 425	21.87 427	26.55 429	10.16 427	9.30 428	10.47 426	10.42 427	14.03 426	12.61 428

DPSM	19.08 424	19.14 428	25.17 425	22.15 429	20.85 427	28.17 427	37.82 432	26.56 428	16.85 423	14.14 422	14.84 421	21.70 425	18.75 425	21.87 427	26.55 429	10.16 427	9.30 428	10.47 426	10.42 427	14.03 426	12.61 428

ASD4	15.85 423	10.99 425	19.63 418	10.21 427	11.70 423	19.24 425	31.10 428	19.35 425	10.68 414	11.14 420	10.18 417	12.59 420	12.64 418	14.74 423	24.83 427	12.93 429	9.94 430	26.83 435	19.40 429	16.23 428	12.70 430

CasAABBNet	38.33 431	38.46 435	50.35 436	44.75 439	41.84 433	56.68 440	76.37 438	53.22 441	33.83 434	28.31 432	29.54 433	43.62 440	37.71 440	43.84 440	53.41 439	20.30 430	18.70 433	21.07 432	21.07 431	28.24 433	25.34 432

MyStereo03	38.34 432	38.50 437	50.41 437	44.74 436	41.86 434	56.65 437	76.38 439	52.99 438	33.93 436	28.39 434	29.99 435	43.54 436	37.42 436	43.82 437	53.53 440	20.31 431	18.71 435	21.06 429	21.08 432	28.23 430	25.35 433

MyStereo02	38.34 432	38.50 437	50.41 437	44.74 436	41.86 434	56.65 437	76.38 439	52.99 438	33.93 436	28.39 434	29.99 435	43.54 436	37.42 436	43.82 437	53.53 440	20.31 431	18.71 435	21.06 429	21.08 432	28.23 430	25.35 433

MyStereo	38.34 432	38.50 437	50.41 437	44.74 436	41.86 434	56.65 437	76.38 439	52.99 438	33.93 436	28.39 434	29.99 435	43.54 436	37.42 436	43.82 437	53.53 440	20.31 431	18.71 435	21.06 429	21.08 432	28.23 430	25.35 433

Selective-RAFT-Error	38.39 435	38.47 436	50.44 440	44.73 435	41.97 437	56.68 440	76.38 439	53.24 442	33.92 435	28.34 433	29.85 434	43.60 439	38.20 441	43.75 436	53.34 438	20.38 434	18.70 433	21.09 433	21.05 430	28.30 434	25.43 436

LSM0	42.82 439	38.75 440	50.81 441	47.07 440	109.38 444	57.00 442	76.02 437	53.74 443	33.71 433	29.02 438	30.41 438	43.87 442	37.22 435	43.91 441	53.54 443	20.52 435	18.62 432	21.10 434	21.11 435	28.41 435	42.22 438

LRCNet_RVC	22.74 426	32.10 433	21.97 422	29.84 431	26.23 429	4.42 406	0.81 288	22.66 426	2.02 365	26.93 431	29.26 432	23.06 432	15.59 421	23.84 429	18.88 421	31.75 436	19.90 438	34.65 436	32.13 436	30.54 436	28.32 437

xxxxx1	54.10 442	25.67 430	27.13 428	113.43 441	96.96 441	30.69 431	47.44 434	32.38 432	25.60 427	17.75 426	17.27 423	21.81 427	21.02 427	24.43 430	33.82 431	33.37 437	40.54 439	157.71 442	175.86 442	66.16 440	72.93 442

tt_ll	54.10 442	25.67 430	27.13 428	113.43 441	96.96 441	30.69 431	47.44 434	32.38 432	25.60 427	17.75 426	17.27 423	21.81 427	21.02 427	24.43 430	33.82 431	33.37 437	40.54 439	157.71 442	175.86 442	66.16 440	72.93 442

ff	54.10 442	25.67 430	27.13 428	113.43 441	96.96 441	30.69 431	47.44 434	32.38 432	25.60 427	17.75 426	17.27 423	21.81 427	21.02 427	24.43 430	33.82 431	33.37 437	40.54 439	157.71 442	175.86 442	66.16 440	72.93 442

HaxPig	38.92 436	41.40 441	41.64 432	29.95 432	32.27 430	28.90 429	27.60 425	29.73 431	37.71 440	43.82 440	43.87 439	33.17 433	35.56 431	41.53 434	40.37 436	43.94 440	47.51 443	45.82 437	47.08 438	42.38 437	44.15 440

AVERAGE_ROB	40.43 437	42.37 442	42.73 433	36.96 434	35.58 432	30.50 430	27.61 426	36.71 437	38.39 441	44.91 441	44.36 440	37.45 435	36.70 433	41.88 435	40.35 435	45.43 441	46.81 442	47.11 438	46.35 437	42.51 438	43.87 439

MEDIAN_ROB	42.00 438	44.40 443	44.29 435	35.15 433	34.95 431	31.28 434	29.60 427	35.88 436	40.02 442	47.20 442	46.64 441	37.37 434	38.48 442	44.35 442	42.45 437	48.03 442	49.39 444	49.71 439	49.03 439	45.14 439	46.65 441

Anonymous_1	43.04 440	18.73 427	24.79 424	21.81 428	46.26 438	27.80 426	37.60 431	28.08 430	16.14 417	14.66 424	14.30 420	20.65 424	17.88 424	21.56 426	25.94 428	117.93 443	8.92 427	100.65 440	126.50 440	158.64 444	12.08 427

FADE	26.59 429	4.78 419	20.96 419	1.89 393	1.92 395	2.91 385	2.00 391	5.58 409	5.04 405	2.92 386	2.16 351	4.13 390	14.18 420	10.23 417	8.46 402	188.09 444	2.77 418	123.78 441	127.92 441	1.06 383	1.10 389

test_example2	192.40 445	210.76 445	206.48 445	199.83 445	204.73 445	172.94 445	183.52 444	133.93 445	133.41 445	191.38 445	196.19 444	187.13 445	178.77 445	205.33 445	208.00 445	222.09 445	238.72 445	186.54 445	190.54 445	227.34 445	170.31 445

Low-res two-view benchmark