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

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
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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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	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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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
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

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	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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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.
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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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
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
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

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

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

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

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

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

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
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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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
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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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