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

4D-IteraStereo	0.17 41	0.16 214	0.50 242	0.21 90	0.14 171	0.19 38	0.17 64	0.28 37	0.28 92	0.23 63	0.20 39	0.20 65	0.11 10	0.19 28	0.14 44	0.06 1	0.04 1	0.10 188	0.08 114	0.08 84	0.06 20

CAS	0.15 25	0.07 1	0.21 4	0.41 374	0.16 235	0.20 59	0.18 93	0.22 4	0.19 9	0.15 13	0.19 29	0.11 2	0.09 2	0.14 1	0.13 27	0.29 378	0.04 1	0.06 1	0.04 1	0.06 6	0.14 290

test-3	0.16 32	0.09 11	0.31 59	0.21 90	0.11 45	0.18 16	0.16 43	0.30 59	0.27 79	0.26 91	0.16 18	0.22 80	0.12 16	0.26 100	0.18 110	0.06 1	0.04 1	0.08 69	0.08 114	0.06 6	0.06 20

test_1	0.16 32	0.09 11	0.31 59	0.21 90	0.11 45	0.18 16	0.16 43	0.30 59	0.27 79	0.25 82	0.16 18	0.22 80	0.12 16	0.26 100	0.18 110	0.06 1	0.04 1	0.08 69	0.08 114	0.06 6	0.06 20

CREStereo++_RVC	0.15 25	0.08 2	0.26 19	0.17 6	0.11 45	0.18 16	0.13 4	0.22 4	0.30 119	0.21 56	0.30 105	0.13 12	0.11 10	0.16 7	0.15 56	0.07 17	0.04 1	0.06 1	0.15 325	0.06 6	0.05 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
panet	0.13 2	0.08 2	0.21 4	0.15 2	0.07 1	0.21 78	0.12 1	0.24 12	0.24 57	0.16 27	0.21 47	0.15 31	0.13 36	0.18 20	0.13 27	0.08 103	0.05 6	0.06 1	0.04 1	0.06 6	0.05 1

ACVNet-DCA	0.18 59	0.14 171	0.38 134	0.23 177	0.11 45	0.31 227	0.19 130	0.41 169	0.27 79	0.17 32	0.19 29	0.13 12	0.18 114	0.28 127	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

xx1	0.20 109	0.14 171	0.38 134	0.23 177	0.11 45	0.31 227	0.19 130	0.35 110	0.47 279	0.17 32	0.19 29	0.28 160	0.24 176	0.28 127	0.11 1	0.08 103	0.05 6	0.10 188	0.09 189	0.09 146	0.09 168

1test111	0.19 96	0.14 171	0.38 134	0.23 177	0.11 45	0.31 227	0.19 130	0.41 169	0.27 79	0.17 32	0.19 29	0.13 12	0.18 114	0.34 175	0.22 181	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

cc1	0.18 59	0.14 171	0.38 134	0.23 177	0.11 45	0.31 227	0.19 130	0.35 110	0.47 279	0.17 32	0.19 29	0.13 12	0.18 114	0.28 127	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

ff7	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.27 24	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.07 69

ffff	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.27 24	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.07 69

DualNet	0.26 221	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.35 110	0.44 248	0.30 157	0.42 226	0.34 206	0.23 161	0.27 115	1.08 378	0.08 103	0.05 6	0.11 236	0.10 221	0.08 84	0.08 116

ffm	0.22 149	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.35 110	0.44 248	0.30 157	0.42 226	0.34 206	0.23 161	0.27 115	0.11 1	0.08 103	0.05 6	0.11 236	0.10 221	0.08 84	0.08 116

ff1	0.29 256	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.35 110	0.44 248	0.30 157	0.42 226	0.34 206	0.23 161	0.81 347	1.08 378	0.08 103	0.05 6	0.11 236	0.10 221	0.08 84	0.08 116

11t	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.27 24	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.07 69

tt1	0.18 59	0.14 171	0.35 92	0.23 177	0.11 45	0.30 216	0.19 130	0.35 110	0.44 248	0.17 32	0.19 29	0.13 12	0.16 69	0.27 115	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

CASnet	0.14 9	0.12 85	0.22 7	0.22 135	0.08 3	0.16 7	0.15 27	0.27 24	0.25 63	0.22 60	0.20 39	0.15 31	0.11 10	0.17 11	0.13 27	0.07 17	0.05 6	0.11 236	0.09 189	0.08 84	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.13 2	0.09 11	0.23 9	0.18 9	0.19 289	0.19 38	0.16 43	0.23 7	0.14 1	0.13 3	0.17 21	0.13 12	0.16 69	0.16 7	0.12 7	0.07 17	0.05 6	0.07 16	0.08 114	0.07 39	0.06 20

Any-RAFT	0.17 41	0.08 2	0.31 59	0.19 28	0.10 22	0.29 199	0.16 43	0.42 181	0.30 119	0.24 76	0.27 81	0.27 145	0.16 69	0.21 44	0.12 7	0.08 103	0.05 6	0.06 1	0.05 10	0.07 39	0.06 20

HH	0.18 59	0.12 85	0.55 263	0.22 135	0.12 81	0.18 16	0.18 93	0.34 93	0.19 9	0.20 47	0.24 64	0.34 206	0.18 114	0.29 140	0.12 7	0.07 17	0.05 6	0.07 16	0.07 54	0.07 39	0.06 20

HanStereo	0.18 59	0.12 85	0.55 263	0.22 135	0.12 81	0.18 16	0.18 93	0.34 93	0.19 9	0.20 47	0.24 64	0.34 206	0.18 114	0.29 140	0.12 7	0.07 17	0.05 6	0.07 16	0.07 54	0.07 39	0.06 20

LoS_RVC	0.13 2	0.10 26	0.19 1	0.18 9	0.16 235	0.20 59	0.18 93	0.20 2	0.17 5	0.13 3	0.19 29	0.12 3	0.15 55	0.17 11	0.13 27	0.06 1	0.05 6	0.06 1	0.04 1	0.05 1	0.12 261

anonymousdsp2	0.17 41	0.10 26	0.28 34	0.20 61	0.11 45	0.25 142	0.17 64	0.41 169	0.31 130	0.23 63	0.23 54	0.22 80	0.15 55	0.25 87	0.15 56	0.07 17	0.05 6	0.07 16	0.05 10	0.08 84	0.07 69

anonymousdsp	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.28 37	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.08 84	0.07 69

CES	0.14 9	0.08 2	0.19 1	0.17 6	0.22 326	0.18 16	0.16 43	0.23 7	0.19 9	0.14 9	0.17 21	0.14 25	0.10 4	0.18 20	0.12 7	0.07 17	0.05 6	0.06 1	0.04 1	0.08 84	0.18 328

Selective-IGEV	0.12 1	0.09 11	0.22 7	0.19 28	0.10 22	0.15 4	0.14 14	0.27 24	0.15 2	0.13 3	0.14 14	0.13 12	0.08 1	0.21 44	0.12 7	0.06 1	0.05 6	0.07 16	0.06 25	0.06 6	0.05 1

EGLCR-Stereo	0.13 2	0.08 2	0.20 3	0.18 9	0.09 8	0.21 78	0.13 4	0.27 24	0.21 28	0.13 3	0.10 1	0.15 31	0.09 2	0.20 32	0.13 27	0.07 17	0.05 6	0.07 16	0.07 54	0.06 6	0.06 20

ProNet	0.14 9	0.12 85	0.25 16	0.19 28	0.11 45	0.19 38	0.19 130	0.27 24	0.20 18	0.14 9	0.13 6	0.13 12	0.12 16	0.24 63	0.12 7	0.06 1	0.05 6	0.07 16	0.06 25	0.07 39	0.07 69

MC-Stereo	0.14 9	0.09 11	0.25 16	0.21 90	0.09 8	0.18 16	0.16 43	0.23 7	0.19 9	0.18 44	0.23 54	0.16 40	0.13 36	0.22 50	0.13 27	0.07 17	0.05 6	0.07 16	0.07 54	0.06 6	0.05 1

RCA-Stereo	0.16 32	0.09 11	0.25 16	0.20 61	0.10 22	0.19 38	0.17 64	0.36 129	0.35 162	0.20 47	0.25 70	0.17 45	0.17 92	0.18 20	0.14 44	0.07 17	0.05 6	0.07 16	0.06 25	0.06 6	0.05 1

DCANet-4	0.19 96	0.10 26	0.52 252	0.19 28	0.09 8	0.19 38	0.18 93	0.36 129	0.39 200	0.29 129	0.30 105	0.17 45	0.22 152	0.20 32	0.18 110	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

ccc-4	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.27 24	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.07 69

fff	0.19 96	0.13 141	0.40 150	0.18 9	0.09 8	0.19 38	0.18 93	0.35 110	0.43 234	0.29 129	0.30 105	0.18 52	0.28 231	0.20 32	0.18 110	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

ADStereo(finetuned)	0.19 96	0.13 141	0.49 232	0.19 28	0.09 8	0.19 38	0.18 93	0.34 93	0.39 200	0.29 129	0.31 119	0.18 52	0.31 264	0.21 44	0.19 135	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

RAFT+CT+SA	0.21 123	0.18 242	0.33 79	0.25 253	0.18 271	0.23 116	0.29 297	0.40 159	0.36 172	0.24 76	0.38 184	0.18 52	0.16 69	0.32 163	0.16 73	0.07 17	0.05 6	0.09 124	0.12 288	0.09 146	0.09 168

test_5	0.23 166	0.19 258	0.38 134	0.26 281	0.18 271	0.25 142	0.29 297	0.40 159	0.37 181	0.29 129	0.40 204	0.25 117	0.22 152	0.34 175	0.18 110	0.07 17	0.05 6	0.09 124	0.09 189	0.10 195	0.10 214

test_4	0.18 59	0.12 85	0.34 84	0.23 177	0.12 81	0.18 16	0.22 207	0.26 16	0.24 57	0.24 76	0.47 276	0.22 80	0.13 36	0.24 63	0.16 73	0.06 1	0.05 6	0.09 124	0.09 189	0.07 39	0.05 1

IGEV-Stereo	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.28 37	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.08 84	0.07 69
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.21 123	0.15 196	0.53 255	0.21 90	0.12 81	0.28 180	0.17 64	0.42 181	0.30 119	0.33 202	0.32 123	0.15 31	0.17 92	0.50 225	0.21 167	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.06 20

MIPNet	0.21 123	0.15 196	0.52 252	0.21 90	0.12 81	0.27 167	0.20 168	0.45 204	0.37 181	0.30 157	0.23 54	0.19 63	0.24 176	0.27 115	0.19 135	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.06 20

test_3	0.18 59	0.11 66	0.32 65	0.24 216	0.11 45	0.22 99	0.25 264	0.31 65	0.31 130	0.25 82	0.18 25	0.23 99	0.13 36	0.25 87	0.19 135	0.06 1	0.05 6	0.09 124	0.10 221	0.07 39	0.06 20

LCNet	0.21 123	0.11 66	0.29 41	0.25 253	0.12 81	0.23 116	0.19 130	0.34 93	0.26 70	0.28 104	0.35 155	0.26 137	0.30 253	0.35 184	0.17 96	0.07 17	0.05 6	0.09 124	0.10 221	0.13 272	0.22 357

HHNet	0.22 149	0.12 85	0.52 252	0.18 9	0.18 271	0.20 59	0.20 168	0.34 93	0.31 130	0.32 192	0.59 322	0.20 65	0.21 141	0.24 63	0.31 252	0.08 103	0.05 6	0.09 124	0.07 54	0.08 84	0.11 239

AAGNet	0.33 285	0.11 66	0.37 115	0.25 253	0.16 235	0.20 59	0.19 130	0.30 59	0.27 79	0.35 234	0.35 155	0.27 145	0.30 253	0.44 209	2.66 416	0.08 103	0.05 6	0.10 188	0.07 54	0.08 84	0.06 20

STrans-v2	0.24 189	0.13 141	0.54 258	0.21 90	0.12 81	0.23 116	0.21 191	0.47 221	0.28 92	0.31 174	0.42 226	0.36 225	0.35 285	0.62 282	0.23 195	0.07 17	0.05 6	0.08 69	0.07 54	0.06 6	0.06 20

TransformOpticalFlow	0.24 189	0.13 141	0.56 267	0.23 177	0.11 45	0.21 78	0.19 130	0.40 159	0.32 138	0.30 157	0.43 238	0.36 225	0.31 264	0.61 274	0.20 146	0.07 17	0.05 6	0.08 69	0.07 54	0.06 6	0.07 69

KYRaft	0.22 149	0.10 26	0.30 47	0.23 177	0.12 81	0.23 116	0.23 228	0.35 110	0.24 57	0.35 234	0.54 307	0.34 206	0.26 200	0.29 140	0.15 56	0.07 17	0.05 6	0.09 124	0.10 221	0.08 84	0.31 376

SST-Stereo	0.21 123	0.10 26	0.37 115	0.24 216	0.13 137	0.19 38	0.17 64	0.31 65	0.24 57	0.34 218	0.33 142	0.29 167	0.25 191	0.56 254	0.17 96	0.08 103	0.05 6	0.10 188	0.08 114	0.09 146	0.07 69

RAFT_R40	0.21 123	0.10 26	0.37 115	0.24 216	0.13 137	0.18 16	0.18 93	0.31 65	0.29 110	0.33 202	0.33 142	0.30 177	0.24 176	0.55 246	0.18 110	0.08 103	0.05 6	0.10 188	0.08 114	0.08 84	0.07 69

PFNet	0.23 166	0.10 26	0.57 271	0.24 216	0.14 171	0.22 99	0.19 130	0.39 152	0.33 149	0.35 234	0.32 123	0.27 145	0.19 127	0.64 289	0.22 181	0.09 170	0.05 6	0.09 124	0.07 54	0.08 84	0.07 69

RAFT-RH_RVC	0.25 211	0.11 66	0.45 205	0.21 90	0.12 81	0.25 142	0.14 14	0.27 24	0.27 79	0.38 262	1.15 386	0.23 99	0.17 92	0.57 257	0.24 204	0.07 17	0.05 6	0.10 188	0.07 54	0.06 6	0.07 69

CRE-IMP	0.18 59	0.12 85	0.37 115	0.22 135	0.11 45	0.24 131	0.17 64	0.29 44	0.21 28	0.27 95	0.26 76	0.24 110	0.17 92	0.23 57	0.18 110	0.08 103	0.05 6	0.10 188	0.07 54	0.10 195	0.10 214

cross-raft	0.17 41	0.12 85	0.41 172	0.23 177	0.10 22	0.20 59	0.24 250	0.33 87	0.23 47	0.23 63	0.28 85	0.29 167	0.15 55	0.17 11	0.15 56	0.06 1	0.05 6	0.07 16	0.07 54	0.06 6	0.05 1

GMM-Stereo	0.21 123	0.10 26	0.43 189	0.23 177	0.13 137	0.24 131	0.25 264	0.37 135	0.27 79	0.30 157	0.45 259	0.27 145	0.21 141	0.31 157	0.17 96	0.07 17	0.05 6	0.10 188	0.09 189	0.08 84	0.19 335

Prome-Stereo	0.21 123	0.10 26	0.30 47	0.24 216	0.12 81	0.23 116	0.23 228	0.36 129	0.25 63	0.33 202	0.59 322	0.24 110	0.28 231	0.29 140	0.16 73	0.07 17	0.05 6	0.08 69	0.07 54	0.08 84	0.20 345

iRaftStereo_RVC	0.16 32	0.12 85	0.26 19	0.21 90	0.11 45	0.20 59	0.17 64	0.32 73	0.23 47	0.20 47	0.25 70	0.18 52	0.12 16	0.20 32	0.15 56	0.07 17	0.05 6	0.09 124	0.09 189	0.08 84	0.07 69

s12784h	0.17 41	0.09 11	0.26 19	0.18 9	0.07 1	0.32 235	0.19 130	0.37 135	0.32 138	0.23 63	0.25 70	0.18 52	0.17 92	0.25 87	0.16 73	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.05 1

XX-TBD	0.15 25	0.18 242	0.28 34	0.22 135	0.10 22	0.22 99	0.15 27	0.22 4	0.27 79	0.22 60	0.26 76	0.14 25	0.12 16	0.16 7	0.13 27	0.08 103	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20

DCANet	0.18 59	0.13 141	0.40 150	0.19 28	0.09 8	0.19 38	0.18 93	0.34 93	0.39 200	0.29 129	0.31 119	0.18 52	0.23 161	0.20 32	0.19 135	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

csc	0.19 96	0.13 141	0.40 150	0.18 9	0.09 8	0.19 38	0.18 93	0.35 110	0.43 234	0.29 129	0.30 105	0.18 52	0.28 231	0.20 32	0.18 110	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

cscssc	0.19 96	0.13 141	0.40 150	0.18 9	0.09 8	0.19 38	0.18 93	0.35 110	0.43 234	0.29 129	0.30 105	0.18 52	0.28 231	0.20 32	0.18 110	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

111	0.20 109	0.17 230	0.40 150	0.18 9	0.09 8	0.24 131	0.17 64	0.41 169	0.45 260	0.23 63	0.29 94	0.29 167	0.21 141	0.24 63	0.18 110	0.07 17	0.05 6	0.07 16	0.06 25	0.07 39	0.08 116

RAFT-Stereo + iAFF	0.17 41	0.14 171	0.32 65	0.20 61	0.09 8	0.19 38	0.17 64	0.32 73	0.30 119	0.25 82	0.33 142	0.20 65	0.17 92	0.19 28	0.15 56	0.06 1	0.05 6	0.07 16	0.07 54	0.07 39	0.05 1

AFF-stereo	0.18 59	0.15 196	0.32 65	0.21 90	0.10 22	0.18 16	0.18 93	0.33 87	0.27 79	0.25 82	0.37 174	0.25 117	0.17 92	0.24 63	0.15 56	0.06 1	0.05 6	0.08 69	0.08 114	0.07 39	0.05 1

CFNet-RSSM	0.17 41	0.10 26	0.40 150	0.20 61	0.11 45	0.20 59	0.15 27	0.36 129	0.30 119	0.23 63	0.21 47	0.26 137	0.15 55	0.20 32	0.13 27	0.07 17	0.05 6	0.07 16	0.07 54	0.06 6	0.05 1

Gwc-CoAtRS	0.17 41	0.10 26	0.37 115	0.20 61	0.12 81	0.19 38	0.15 27	0.32 73	0.28 92	0.23 63	0.23 54	0.27 145	0.15 55	0.20 32	0.13 27	0.07 17	0.05 6	0.07 16	0.07 54	0.06 6	0.06 20

CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 3	0.22 99	0.15 27	0.25 13	0.24 57	0.16 27	0.21 47	0.14 25	0.13 36	0.18 20	0.13 27	0.09 170	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20
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
PMTNet	0.15 25	0.08 2	0.23 9	0.15 2	0.09 8	0.23 116	0.16 43	0.25 13	0.23 47	0.17 32	0.21 47	0.16 40	0.14 47	0.22 50	0.13 27	0.29 378	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20

HITNet	0.20 109	0.17 230	0.43 189	0.19 28	0.08 3	0.27 167	0.14 14	0.42 181	0.30 119	0.29 129	0.32 123	0.27 145	0.21 141	0.28 127	0.25 213	0.07 17	0.05 6	0.07 16	0.06 25	0.09 146	0.06 20
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
MLCV	0.22 149	0.16 214	0.44 195	0.21 90	0.08 3	0.29 199	0.19 130	0.38 141	0.37 181	0.38 262	0.44 247	0.31 185	0.21 141	0.41 201	0.24 204	0.07 17	0.05 6	0.06 1	0.05 10	0.07 39	0.06 20

iResNet	0.24 189	0.18 242	0.61 284	0.25 253	0.11 45	0.29 199	0.21 191	0.42 181	0.43 234	0.33 202	0.43 238	0.27 145	0.22 152	0.34 175	0.26 225	0.07 17	0.05 6	0.07 16	0.06 25	0.08 84	0.07 69

H2IRNET	0.18 59	0.13 141	0.35 92	0.21 90	0.12 81	0.20 59	0.15 27	0.27 24	0.30 119	0.17 32	0.31 119	0.25 117	0.20 135	0.24 63	0.18 110	0.07 17	0.06 73	0.09 124	0.10 221	0.09 146	0.06 20

MGS-Stereo	0.14 9	0.11 66	0.32 65	0.19 28	0.11 45	0.18 16	0.17 64	0.20 2	0.22 35	0.14 9	0.24 64	0.15 31	0.10 4	0.18 20	0.12 7	0.07 17	0.06 73	0.07 16	0.06 25	0.10 195	0.06 20

LargeStereo	0.13 2	0.10 26	0.23 9	0.21 90	0.10 22	0.15 4	0.15 27	0.29 44	0.16 3	0.12 1	0.15 16	0.12 3	0.12 16	0.17 11	0.14 44	0.07 17	0.06 73	0.07 16	0.05 10	0.07 39	0.07 69

CoDeX	0.23 166	0.12 85	0.46 211	0.21 90	0.14 171	0.29 199	0.21 191	0.53 280	0.41 224	0.29 129	0.35 155	0.29 167	0.22 152	0.48 218	0.19 135	0.09 170	0.06 73	0.08 69	0.07 54	0.08 84	0.07 69

IGEVStereo-DCA	0.14 9	0.11 66	0.27 25	0.19 28	0.12 81	0.20 59	0.18 93	0.27 24	0.20 18	0.15 13	0.12 2	0.14 25	0.12 16	0.28 127	0.14 44	0.07 17	0.06 73	0.08 69	0.07 54	0.07 39	0.07 69

rrr	0.17 41	0.11 66	0.57 271	0.19 28	0.12 81	0.20 59	0.18 93	0.35 110	0.22 35	0.15 13	0.12 2	0.14 25	0.12 16	0.28 127	0.14 44	0.07 17	0.06 73	0.08 69	0.07 54	0.07 39	0.07 69

test croco	0.17 41	0.13 141	0.43 189	0.21 90	0.13 137	0.16 7	0.17 64	0.27 24	0.22 35	0.16 27	0.26 76	0.13 12	0.16 69	0.27 115	0.16 73	0.08 103	0.06 73	0.10 188	0.07 54	0.10 195	0.07 69

IGEV_Zeroshot_test	0.18 59	0.10 26	0.65 301	0.20 61	0.12 81	0.19 38	0.15 27	0.34 93	0.19 9	0.28 104	0.22 52	0.27 145	0.13 36	0.23 57	0.18 110	0.07 17	0.06 73	0.08 69	0.08 114	0.07 39	0.06 20

MSKI-zero shot	0.17 41	0.09 11	0.43 189	0.20 61	0.11 45	0.21 78	0.15 27	0.32 73	0.21 28	0.23 63	0.24 64	0.23 99	0.10 4	0.31 157	0.13 27	0.07 17	0.06 73	0.07 16	0.06 25	0.06 6	0.06 20

MIF-Stereo (partial)	0.16 32	0.10 26	0.34 84	0.21 90	0.15 212	0.15 4	0.13 4	0.28 37	0.25 63	0.17 32	0.26 76	0.15 31	0.16 69	0.25 87	0.17 96	0.09 170	0.06 73	0.10 188	0.08 114	0.09 146	0.08 116

MIF-Stereo	0.14 9	0.10 26	0.30 47	0.21 90	0.13 137	0.17 11	0.13 4	0.19 1	0.18 7	0.15 13	0.20 39	0.10 1	0.11 10	0.18 20	0.16 73	0.08 103	0.06 73	0.07 16	0.06 25	0.08 84	0.06 20

DLNR_Zeroshot_test	10.44 427	12.10 434	19.93 435	106.08 446	23.66 443	0.14 3	0.13 4	3.22 422	0.17 5	0.16 27	0.23 54	0.16 40	0.10 4	0.31 157	0.15 56	2.36 421	0.06 73	0.07 16	0.07 54	39.70 444	0.06 20

PCWNet_CMD	0.23 166	0.13 141	0.48 227	0.20 61	0.13 137	0.28 180	0.16 43	0.46 214	0.46 274	0.29 129	0.36 165	0.37 229	0.24 176	0.28 127	0.20 146	0.09 170	0.06 73	0.10 188	0.08 114	0.11 233	0.09 168

RAFT-Test	0.17 41	0.10 26	0.38 134	0.19 28	0.12 81	0.25 142	0.17 64	0.33 87	0.23 47	0.23 63	0.29 94	0.27 145	0.14 47	0.20 32	0.14 44	0.07 17	0.06 73	0.07 16	0.07 54	0.06 6	0.06 20

LL-Strereo2	0.18 59	0.18 242	0.39 145	0.22 135	0.12 81	0.24 131	0.13 4	0.31 65	0.23 47	0.24 76	0.20 39	0.24 110	0.12 16	0.26 100	0.15 56	0.06 1	0.06 73	0.12 270	0.09 189	0.08 84	0.07 69

LoS	0.14 9	0.08 2	0.27 25	0.16 4	0.09 8	0.22 99	0.14 14	0.26 16	0.26 70	0.15 13	0.18 25	0.18 52	0.13 36	0.22 50	0.14 44	0.08 103	0.06 73	0.06 1	0.04 1	0.06 6	0.06 20

knoymous	0.17 41	0.09 11	0.32 65	0.17 6	0.11 45	0.21 78	0.17 64	0.32 73	0.23 47	0.23 63	0.28 85	0.27 145	0.16 69	0.23 57	0.16 73	0.09 170	0.06 73	0.09 124	0.06 25	0.09 146	0.09 168

anonymousa	0.23 166	0.11 66	0.50 242	0.21 90	0.16 235	0.31 227	0.20 168	0.36 129	0.35 162	0.32 192	0.50 285	0.39 246	0.26 200	0.22 50	0.20 146	0.08 103	0.06 73	0.09 124	0.11 256	0.07 39	0.08 116

riskmin	0.18 59	0.09 11	0.34 84	0.18 9	0.12 81	0.24 131	0.16 43	0.34 93	0.28 92	0.21 56	0.23 54	0.33 200	0.24 176	0.23 57	0.17 96	0.09 170	0.06 73	0.09 124	0.06 25	0.10 195	0.10 214

Selective-RAFT	0.17 41	0.12 85	0.30 47	0.24 216	0.10 22	0.29 199	0.15 27	0.32 73	0.31 130	0.17 32	0.17 21	0.21 73	0.18 114	0.28 127	0.17 96	0.07 17	0.06 73	0.07 16	0.07 54	0.08 84	0.06 20

TestStereo1	0.21 123	0.16 214	0.32 65	0.26 281	0.13 137	0.26 160	0.27 280	0.40 159	0.36 172	0.29 129	0.39 196	0.22 80	0.21 141	0.33 169	0.17 96	0.07 17	0.06 73	0.09 124	0.08 114	0.08 84	0.07 69

DisPM	0.19 96	0.10 26	0.35 92	0.23 177	0.13 137	0.18 16	0.20 168	0.29 44	0.29 110	0.33 202	0.34 148	0.23 99	0.16 69	0.33 169	0.16 73	0.09 170	0.06 73	0.09 124	0.08 114	0.07 39	0.11 239

Wz-Net-LNSev-Ref	0.30 263	0.20 266	0.70 316	0.21 90	0.17 251	0.46 322	0.27 280	0.50 246	0.49 297	0.42 302	0.55 311	0.43 272	0.30 253	0.46 213	0.38 281	0.09 170	0.06 73	0.07 16	0.06 25	0.11 233	0.10 214

raft_robust	0.22 149	0.17 230	0.30 47	0.22 135	0.12 81	0.23 116	0.22 207	0.49 238	0.48 288	0.32 192	0.32 123	0.26 137	0.23 161	0.53 241	0.15 56	0.07 17	0.06 73	0.08 69	0.10 221	0.08 84	0.06 20

SA-5K	0.21 123	0.16 214	0.32 65	0.26 281	0.13 137	0.26 160	0.27 280	0.40 159	0.36 172	0.29 129	0.39 196	0.22 80	0.21 141	0.33 169	0.17 96	0.07 17	0.06 73	0.09 124	0.08 114	0.08 84	0.07 69

Sa-1000	0.22 149	0.15 196	0.35 92	0.23 177	0.13 137	0.28 180	0.23 228	0.47 221	0.39 200	0.30 157	0.50 285	0.26 137	0.19 127	0.33 169	0.16 73	0.07 17	0.06 73	0.10 188	0.11 256	0.08 84	0.06 20

SA	0.22 149	0.16 214	0.36 110	0.23 177	0.13 137	0.24 131	0.23 228	0.45 204	0.40 213	0.27 95	0.44 247	0.23 99	0.23 161	0.33 169	0.17 96	0.07 17	0.06 73	0.10 188	0.11 256	0.08 84	0.06 20

iRaft-Stereo_5w	0.23 166	0.18 242	0.44 195	0.22 135	0.13 137	0.19 38	0.19 130	0.37 135	0.32 138	0.28 104	0.37 174	0.34 206	0.23 161	0.65 295	0.27 229	0.06 1	0.06 73	0.08 69	0.07 54	0.09 146	0.08 116

iRaft-Stereo_20w	0.19 96	0.10 26	0.46 211	0.19 28	0.13 137	0.25 142	0.19 130	0.52 269	0.19 9	0.29 129	0.21 47	0.22 80	0.20 135	0.28 127	0.18 110	0.07 17	0.06 73	0.07 16	0.08 114	0.08 84	0.08 116

IPLGR	0.21 123	0.13 141	0.61 284	0.21 90	0.11 45	0.25 142	0.18 93	0.41 169	0.37 181	0.28 104	0.27 81	0.21 73	0.19 127	0.37 190	0.18 110	0.07 17	0.06 73	0.08 69	0.07 54	0.07 39	0.06 20

CrosDoStereo	0.31 270	0.10 26	0.49 232	0.18 9	0.12 81	0.22 99	1.11 415	0.34 93	0.37 181	0.38 262	0.61 334	0.28 160	0.46 335	0.61 274	0.57 337	0.07 17	0.06 73	0.08 69	0.08 114	0.07 39	0.07 69

TRStereo	0.19 96	0.17 230	0.47 218	0.23 177	0.19 289	0.19 38	0.16 43	0.52 269	0.28 92	0.20 47	0.19 29	0.21 73	0.13 36	0.24 63	0.13 27	0.09 170	0.06 73	0.09 124	0.11 256	0.06 6	0.06 20

Patchmatch Stereo++	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.26 100	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116
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
OMP-Stereo	0.23 166	0.14 171	0.35 92	0.29 324	0.13 137	0.21 78	0.16 43	0.37 135	0.33 149	0.34 218	0.30 105	0.34 206	0.19 127	0.70 307	0.24 204	0.07 17	0.06 73	0.09 124	0.07 54	0.07 39	0.06 20

IIG-Stereo	0.23 166	0.13 141	0.35 92	0.29 324	0.12 81	0.23 116	0.14 14	0.38 141	0.31 130	0.34 218	0.37 174	0.33 200	0.21 141	0.70 307	0.26 225	0.08 103	0.06 73	0.09 124	0.07 54	0.07 39	0.06 20

NF-Stereo	0.20 109	0.10 26	0.35 92	0.24 216	0.12 81	0.21 78	0.18 93	0.38 141	0.32 138	0.28 104	0.30 105	0.22 80	0.16 69	0.51 230	0.20 146	0.08 103	0.06 73	0.09 124	0.08 114	0.08 84	0.13 273

OCTAStereo	0.20 109	0.10 26	0.35 92	0.24 216	0.12 81	0.21 78	0.18 93	0.38 141	0.32 138	0.28 104	0.30 105	0.22 80	0.16 69	0.51 230	0.20 146	0.08 103	0.06 73	0.09 124	0.08 114	0.08 84	0.13 273

PSM-softLoss	0.21 123	0.10 26	0.39 145	0.24 216	0.12 81	0.20 59	0.18 93	0.38 141	0.26 70	0.29 129	0.32 123	0.24 110	0.16 69	0.52 236	0.20 146	0.09 170	0.06 73	0.10 188	0.09 189	0.08 84	0.12 261

KMStereo	0.21 123	0.10 26	0.39 145	0.24 216	0.12 81	0.20 59	0.18 93	0.38 141	0.26 70	0.29 129	0.32 123	0.24 110	0.16 69	0.52 236	0.20 146	0.09 170	0.06 73	0.10 188	0.09 189	0.08 84	0.12 261

NRIStereo	0.18 59	0.11 66	0.35 92	0.23 177	0.11 45	0.24 131	0.20 168	0.29 44	0.26 70	0.26 91	0.25 70	0.25 117	0.18 114	0.34 175	0.18 110	0.07 17	0.06 73	0.09 124	0.07 54	0.09 146	0.08 116

PSM-adaLoss	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.16 43	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.18 114	0.24 63	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

PSM-AAD	0.25 211	0.10 26	0.30 47	0.24 216	0.12 81	0.26 160	0.38 344	0.34 93	0.28 92	0.35 234	0.39 196	0.28 160	0.79 379	0.30 152	0.16 73	0.07 17	0.06 73	0.12 270	0.11 256	0.08 84	0.21 352

FTStereo	0.28 246	0.10 26	0.43 189	0.23 177	0.13 137	0.21 78	0.53 380	0.34 93	0.26 70	0.38 262	0.95 377	0.30 177	0.56 356	0.32 163	0.18 110	0.08 103	0.06 73	0.09 124	0.08 114	0.07 39	0.19 335

ROB_FTStereo_v2	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.16 43	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.24 63	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

ROB_FTStereo	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.28 85	0.25 117	0.17 92	0.24 63	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

HUI-Stereo	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.28 85	0.25 117	0.17 92	0.22 50	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

ASMatch	0.23 166	0.11 66	0.51 248	0.24 216	0.14 171	0.19 38	0.17 64	0.31 65	0.28 92	0.28 104	0.68 348	0.27 145	0.26 200	0.50 225	0.22 181	0.07 17	0.06 73	0.08 69	0.07 54	0.06 6	0.11 239

DeepStereo_LL	0.31 270	0.10 26	0.49 232	0.18 9	0.12 81	0.22 99	1.11 415	0.34 93	0.37 181	0.38 262	0.61 334	0.28 160	0.46 335	0.61 274	0.57 337	0.07 17	0.06 73	0.08 69	0.08 114	0.07 39	0.07 69

DEmStereo	0.26 221	0.09 11	0.47 218	0.19 28	0.12 81	0.30 216	0.25 264	0.28 37	0.36 172	0.36 249	0.58 320	0.25 117	0.48 344	0.53 241	0.44 310	0.07 17	0.06 73	0.08 69	0.08 114	0.06 6	0.07 69

THIR-Stereo	0.29 256	0.12 85	0.41 172	0.19 28	0.11 45	0.28 180	0.72 393	0.32 73	0.35 162	0.37 254	0.65 341	0.34 206	0.50 346	0.57 257	0.45 313	0.07 17	0.06 73	0.08 69	0.09 189	0.07 39	0.07 69

DRaft	0.24 189	0.10 26	0.34 84	0.18 9	0.12 81	0.28 180	0.23 228	0.33 87	0.39 200	0.38 262	0.61 334	0.21 73	0.41 313	0.48 218	0.42 305	0.07 17	0.06 73	0.08 69	0.08 114	0.07 39	0.08 116

GrayStereo	0.25 211	0.09 11	0.32 65	0.26 281	0.13 137	0.23 116	0.47 369	0.34 93	0.30 119	0.39 277	0.47 276	0.30 177	0.79 379	0.29 140	0.16 73	0.07 17	0.06 73	0.08 69	0.09 189	0.07 39	0.13 273

RE-Stereo	0.20 109	0.10 26	0.35 92	0.24 216	0.12 81	0.21 78	0.18 93	0.38 141	0.32 138	0.28 104	0.30 105	0.22 80	0.16 69	0.51 230	0.20 146	0.08 103	0.06 73	0.09 124	0.08 114	0.08 84	0.13 273

Pruner-Stereo	0.19 96	0.11 66	0.34 84	0.29 324	0.12 81	0.19 38	0.17 64	0.31 65	0.29 110	0.33 202	0.32 123	0.25 117	0.15 55	0.24 63	0.21 167	0.09 170	0.06 73	0.09 124	0.08 114	0.08 84	0.09 168

TVStereo	0.20 109	0.10 26	0.35 92	0.24 216	0.12 81	0.21 78	0.18 93	0.38 141	0.32 138	0.28 104	0.30 105	0.22 80	0.16 69	0.51 230	0.20 146	0.08 103	0.06 73	0.09 124	0.08 114	0.08 84	0.13 273

DeepStereo_RVC	0.18 59	0.11 66	0.40 150	0.21 90	0.11 45	0.19 38	0.16 43	0.28 37	0.22 35	0.27 95	0.27 81	0.23 99	0.28 231	0.24 63	0.18 110	0.08 103	0.06 73	0.09 124	0.07 54	0.09 146	0.10 214

iGMRVC	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.15 27	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.27 115	0.17 96	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

IRAFT_RVC	0.22 149	0.12 85	0.39 145	0.26 281	0.11 45	0.18 16	0.24 250	0.40 159	0.37 181	0.31 174	0.30 105	0.29 167	0.24 176	0.55 246	0.22 181	0.08 103	0.06 73	0.10 188	0.08 114	0.08 84	0.07 69

RAFT-345	0.21 123	0.10 26	0.46 211	0.22 135	0.11 45	0.20 59	0.16 43	0.26 16	0.25 63	0.27 95	0.66 343	0.21 73	0.16 69	0.55 246	0.21 167	0.07 17	0.06 73	0.08 69	0.07 54	0.06 6	0.06 20

iRAFT	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.26 100	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

AnonymousM	0.17 41	0.19 258	0.24 12	0.18 9	0.10 22	0.18 16	0.17 64	0.30 59	0.23 47	0.26 91	0.20 39	0.18 52	0.14 47	0.19 28	0.14 44	0.09 170	0.06 73	0.38 381	0.15 325	0.06 6	0.05 1

CroCo-Stereo	0.14 9	0.13 141	0.24 12	0.25 253	0.11 45	0.11 1	0.18 93	0.32 73	0.23 47	0.12 1	0.12 2	0.18 52	0.12 16	0.14 1	0.13 27	0.08 103	0.06 73	0.07 16	0.05 10	0.07 39	0.06 20
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-1	0.17 41	0.11 66	0.40 150	0.23 177	0.13 137	0.22 99	0.23 228	0.34 93	0.26 70	0.20 47	0.24 64	0.22 80	0.14 47	0.16 7	0.20 146	0.07 17	0.06 73	0.08 69	0.07 54	0.06 6	0.08 116

RAFT-IKP	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.15 27	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.18 114	0.25 87	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

TestStereo	0.21 123	0.19 258	0.40 150	0.25 253	0.10 22	0.22 99	0.21 191	0.31 65	0.31 130	0.23 63	0.34 148	0.22 80	0.18 114	0.62 282	0.18 110	0.08 103	0.06 73	0.10 188	0.07 54	0.11 233	0.06 20

raft+_RVC	0.18 59	0.14 171	0.32 65	0.21 90	0.15 212	0.21 78	0.16 43	0.38 141	0.34 156	0.21 56	0.28 85	0.20 65	0.15 55	0.24 63	0.19 135	0.08 103	0.06 73	0.08 69	0.07 54	0.07 39	0.08 116

raftrobust	0.16 32	0.13 141	0.29 41	0.22 135	0.15 212	0.19 38	0.13 4	0.32 73	0.26 70	0.26 91	0.20 39	0.19 63	0.17 92	0.21 44	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.07 69

CFNet_pseudo	0.23 166	0.13 141	0.47 218	0.19 28	0.13 137	0.26 160	0.16 43	0.44 196	0.44 248	0.29 129	0.37 174	0.38 234	0.23 161	0.29 140	0.21 167	0.09 170	0.06 73	0.11 236	0.08 114	0.11 233	0.09 168

RALAANet	0.19 96	0.18 242	0.37 115	0.23 177	0.14 171	0.23 116	0.13 4	0.37 135	0.29 110	0.28 104	0.26 76	0.25 117	0.15 55	0.26 100	0.18 110	0.08 103	0.06 73	0.09 124	0.08 114	0.09 146	0.06 20

XX-Stereo	0.21 123	0.10 26	0.83 339	0.26 281	0.17 251	0.23 116	0.13 4	0.40 159	0.18 7	0.20 47	0.41 212	0.31 185	0.10 4	0.32 163	0.12 7	0.08 103	0.06 73	0.08 69	0.08 114	0.07 39	0.05 1

test_xeample3	0.16 32	0.11 66	0.56 267	0.19 28	0.12 81	0.20 59	0.18 93	0.35 110	0.20 18	0.16 27	0.12 2	0.13 12	0.12 16	0.24 63	0.15 56	0.07 17	0.06 73	0.07 16	0.08 114	0.07 39	0.07 69

ARAFT	0.24 189	0.21 279	0.78 325	0.22 135	0.12 81	0.29 199	0.24 250	0.43 192	0.32 138	0.33 202	0.28 85	0.28 160	0.19 127	0.49 223	0.18 110	0.07 17	0.06 73	0.12 270	0.11 256	0.09 146	0.06 20

GMStereo	0.19 96	0.25 305	0.40 150	0.21 90	0.12 81	0.22 99	0.19 130	0.29 44	0.40 213	0.25 82	0.23 54	0.16 40	0.15 55	0.25 87	0.19 135	0.09 170	0.06 73	0.08 69	0.08 114	0.10 195	0.08 116
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
EAI-Stereo	0.21 123	0.10 26	0.33 79	0.21 90	0.12 81	0.30 216	0.46 365	0.46 214	0.20 18	0.25 82	0.50 285	0.17 45	0.16 69	0.24 63	0.23 195	0.07 17	0.06 73	0.07 16	0.10 221	0.06 6	0.07 69

FENet	0.21 123	0.11 66	0.45 205	0.21 90	0.12 81	0.26 160	0.17 64	0.41 169	0.35 162	0.30 157	0.31 119	0.29 167	0.23 161	0.26 100	0.23 195	0.09 170	0.06 73	0.09 124	0.09 189	0.09 146	0.09 168

cf-r	0.24 189	0.15 196	0.44 195	0.21 90	0.14 171	0.27 167	0.22 207	0.42 181	0.40 213	0.30 157	0.42 226	0.42 269	0.26 200	0.43 205	0.25 213	0.11 240	0.06 73	0.08 69	0.10 221	0.08 84	0.08 116

DIP-Stereo	0.18 59	0.12 85	0.33 79	0.20 61	0.13 137	0.28 180	0.12 1	0.42 181	0.25 63	0.27 95	0.32 123	0.21 73	0.17 92	0.25 87	0.20 146	0.07 17	0.06 73	0.08 69	0.06 25	0.07 39	0.08 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.22 149	0.18 242	0.47 218	0.22 135	0.10 22	0.28 180	0.14 14	0.46 214	0.32 138	0.31 174	0.34 148	0.31 185	0.25 191	0.31 157	0.29 242	0.08 103	0.06 73	0.08 69	0.06 25	0.10 195	0.08 116

R-Stereo Train	0.18 59	0.09 11	0.32 65	0.22 135	0.12 81	0.22 99	0.19 130	0.42 181	0.19 9	0.31 174	0.45 259	0.20 65	0.14 47	0.18 20	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.06 20

RAFT-Stereo	0.18 59	0.09 11	0.32 65	0.22 135	0.12 81	0.22 99	0.19 130	0.42 181	0.19 9	0.31 174	0.45 259	0.20 65	0.14 47	0.18 20	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.06 20
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.23 166	0.13 141	0.48 227	0.20 61	0.13 137	0.28 180	0.16 43	0.46 214	0.46 274	0.29 129	0.36 165	0.37 229	0.24 176	0.28 127	0.20 146	0.09 170	0.06 73	0.09 124	0.08 114	0.11 233	0.09 168

ccs_rob	0.23 166	0.13 141	0.47 218	0.20 61	0.13 137	0.26 160	0.17 64	0.44 196	0.44 248	0.29 129	0.37 174	0.38 234	0.23 161	0.29 140	0.21 167	0.09 170	0.06 73	0.11 236	0.08 114	0.11 233	0.09 168

AdaStereo	0.24 189	0.16 214	0.37 115	0.24 216	0.12 81	0.32 235	0.17 64	0.54 287	0.42 229	0.33 202	0.38 184	0.35 220	0.21 141	0.30 152	0.22 181	0.14 307	0.06 73	0.13 289	0.08 114	0.11 233	0.08 116
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.
iResNetv2_ROB	0.27 228	0.26 316	0.72 319	0.23 177	0.13 137	0.29 199	0.18 93	0.52 269	0.49 297	0.37 254	0.45 259	0.39 246	0.25 191	0.34 175	0.20 146	0.08 103	0.06 73	0.07 16	0.05 10	0.12 259	0.09 168

HSM	0.28 246	0.16 214	0.35 92	0.20 61	0.15 212	0.33 244	0.19 130	0.53 280	0.37 181	0.36 249	0.38 184	0.67 361	0.31 264	0.89 360	0.23 195	0.08 103	0.06 73	0.08 69	0.07 54	0.08 84	0.08 116

StereoDRNet-Refined	0.27 228	0.17 230	0.35 92	0.25 253	0.14 171	0.37 276	0.21 191	0.47 221	0.41 224	0.44 314	0.51 291	0.41 262	0.28 231	0.45 211	0.37 279	0.09 170	0.06 73	0.11 236	0.11 256	0.10 195	0.10 214
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.25 211	0.19 258	0.40 150	0.20 61	0.12 81	0.30 216	0.16 43	0.55 297	0.53 318	0.38 262	0.43 238	0.37 229	0.26 200	0.38 194	0.22 181	0.08 103	0.06 73	0.06 1	0.04 1	0.09 146	0.09 168

DN-CSS_ROB	0.22 149	0.25 305	0.47 218	0.24 216	0.14 171	0.25 142	0.12 1	0.40 159	0.33 149	0.29 129	0.42 226	0.22 80	0.20 135	0.33 169	0.19 135	0.07 17	0.06 73	0.11 236	0.11 256	0.11 233	0.07 69

pmcnn	0.50 353	0.20 266	0.78 325	0.24 216	0.26 354	0.39 290	0.30 307	0.51 259	0.50 305	0.54 351	1.23 389	2.52 412	0.37 297	0.77 336	0.95 372	0.08 103	0.06 73	0.06 1	0.05 10	0.10 195	0.08 116

MoCha-V2	0.13 2	0.08 2	0.26 19	0.23 177	0.09 8	0.16 7	0.15 27	0.26 16	0.16 3	0.15 13	0.15 16	0.13 12	0.14 47	0.20 32	0.11 1	0.06 1	0.07 162	0.06 1	0.06 25	0.06 6	0.05 1

DispNO	0.27 228	0.18 242	0.62 292	0.23 177	0.17 251	0.25 142	0.22 207	0.45 204	0.41 224	0.32 192	0.39 196	0.38 234	0.27 217	0.77 336	0.27 229	0.09 170	0.07 162	0.10 188	0.10 221	0.08 84	0.08 116

Former-RAFT_DAM_RVC	0.17 41	0.13 141	0.24 12	0.19 28	0.13 137	0.24 131	0.17 64	0.30 59	0.37 181	0.43 308	0.17 21	0.13 12	0.12 16	0.19 28	0.15 56	0.08 103	0.07 162	0.09 124	0.07 54	0.09 146	0.08 116

MyStereo8	0.22 149	0.15 196	0.63 295	0.21 90	0.17 251	0.31 227	0.16 43	0.36 129	0.32 138	0.28 104	0.36 165	0.25 117	0.18 114	0.25 87	0.28 232	0.08 103	0.07 162	0.08 69	0.07 54	0.10 195	0.12 261

SMFormer	0.25 211	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.28 232	0.10 213	0.07 162	0.08 69	0.08 114	0.09 146	0.09 168

tta	0.24 189	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.28 232	0.10 213	0.07 162	0.08 69	0.08 114	0.08 84	0.07 69

qqq1	0.24 189	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.16 73	0.10 213	0.07 162	0.07 16	0.06 25	0.08 84	0.07 69

fff1	0.24 189	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.16 73	0.10 213	0.07 162	0.07 16	0.06 25	0.08 84	0.07 69

MyStereo07	0.16 32	0.12 85	0.26 19	0.22 135	0.14 171	0.25 142	0.23 228	0.29 44	0.21 28	0.15 13	0.13 6	0.12 3	0.13 36	0.25 87	0.13 27	0.07 17	0.07 162	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo06	0.20 109	0.12 85	0.57 271	0.21 90	0.14 171	0.25 142	0.23 228	0.40 159	0.21 28	0.30 157	0.24 64	0.31 185	0.18 114	0.22 50	0.18 110	0.07 17	0.07 162	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo05	0.23 166	0.12 85	0.57 271	0.21 90	0.14 171	0.25 142	0.23 228	0.48 232	0.52 314	0.31 174	0.23 54	0.25 117	0.22 152	0.30 152	0.21 167	0.07 17	0.07 162	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo04	0.23 166	0.12 85	0.55 263	0.22 135	0.14 171	0.25 142	0.23 228	0.49 238	0.52 314	0.28 104	0.23 54	0.27 145	0.23 161	0.30 152	0.22 181	0.07 17	0.07 162	0.09 124	0.08 114	0.08 84	0.08 116

mmm	0.21 123	0.12 85	0.31 59	0.22 135	0.12 81	0.28 180	0.21 191	0.41 169	0.27 79	0.29 129	0.38 184	0.29 167	0.24 176	0.29 140	0.22 181	0.09 170	0.07 162	0.11 236	0.09 189	0.10 195	0.09 168

11t1	0.18 59	0.10 26	0.30 47	0.20 61	0.11 45	0.27 167	0.17 64	0.35 110	0.23 47	0.25 82	0.23 54	0.23 99	0.23 161	0.25 87	0.18 110	0.09 170	0.07 162	0.07 16	0.06 25	0.09 146	0.09 168

mmx	0.31 270	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.55 297	0.45 260	0.30 157	0.42 226	0.34 206	0.23 161	0.81 347	1.08 378	0.10 213	0.07 162	0.11 236	0.10 221	0.11 233	0.10 214

xxx	0.31 270	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.55 297	0.45 260	0.30 157	0.42 226	0.34 206	0.23 161	0.81 347	1.08 378	0.10 213	0.07 162	0.11 236	0.10 221	0.11 233	0.10 214

GMStereo_Zeroshot	0.24 189	0.21 279	0.45 205	0.26 281	0.13 137	0.28 180	0.15 27	0.39 152	0.35 162	0.37 254	0.43 238	0.40 259	0.17 92	0.34 175	0.20 146	0.12 267	0.07 162	0.13 289	0.07 54	0.16 304	0.09 168

StereoIM	0.14 9	0.13 141	0.26 19	0.19 28	0.14 171	0.16 7	0.13 4	0.25 13	0.21 28	0.13 3	0.14 14	0.14 25	0.11 10	0.17 11	0.17 96	0.08 103	0.07 162	0.08 69	0.06 25	0.07 39	0.06 20

EKT-Stereo	0.38 316	0.12 85	0.38 134	0.42 375	3.88 423	0.21 78	0.17 64	0.35 110	0.28 92	0.20 47	0.20 39	0.23 99	0.15 55	0.28 127	0.16 73	0.09 170	0.07 162	0.09 124	0.07 54	0.09 146	0.09 168

MIM_Stereo	0.18 59	0.12 85	0.38 134	0.20 61	0.11 45	0.17 11	0.14 14	0.35 110	0.25 63	0.27 95	0.35 155	0.23 99	0.13 36	0.27 115	0.16 73	0.06 1	0.07 162	0.08 69	0.08 114	0.08 84	0.06 20

LL-Strereo	0.29 256	0.25 305	0.58 275	0.25 253	0.21 311	0.23 116	0.24 250	0.55 297	0.42 229	0.34 218	0.32 123	0.41 262	0.40 309	0.94 369	0.23 195	0.08 103	0.07 162	0.11 236	0.09 189	0.09 146	0.09 168

DCRE	0.20 109	0.13 141	0.40 150	0.21 90	0.15 212	0.20 59	0.19 130	0.30 59	0.27 79	0.22 60	0.80 365	0.23 99	0.16 69	0.23 57	0.15 56	0.07 17	0.07 162	0.07 16	0.08 114	0.07 39	0.06 20

CroCo-Stereo Lap2	0.15 25	0.15 196	0.28 34	0.25 253	0.18 271	0.11 1	0.19 130	0.28 37	0.21 28	0.13 3	0.16 18	0.15 31	0.12 16	0.17 11	0.14 44	0.07 17	0.07 162	0.08 69	0.06 25	0.08 84	0.07 69

qqq	0.20 109	0.12 85	0.31 59	0.20 61	0.11 45	0.23 116	0.19 130	0.41 169	0.27 79	0.24 76	0.28 85	0.28 160	0.24 176	0.34 175	0.22 181	0.08 103	0.07 162	0.10 188	0.09 189	0.09 146	0.09 168

x	0.19 96	0.11 66	0.29 41	0.20 61	0.11 45	0.26 160	0.18 93	0.41 169	0.29 110	0.25 82	0.29 94	0.28 160	0.24 176	0.26 100	0.23 195	0.09 170	0.07 162	0.08 69	0.07 54	0.09 146	0.08 116

BUS	0.23 166	0.12 85	0.28 34	0.25 253	0.14 171	0.43 313	0.17 64	0.56 311	0.34 156	0.34 218	0.35 155	0.32 193	0.20 135	0.26 100	0.21 167	0.10 213	0.07 162	0.11 236	0.10 221	0.09 146	0.09 168

IER	0.23 166	0.12 85	0.39 145	0.20 61	0.14 171	0.31 227	0.19 130	0.42 181	0.36 172	0.33 202	0.40 204	0.32 193	0.33 274	0.29 140	0.22 181	0.09 170	0.07 162	0.08 69	0.08 114	0.09 146	0.08 116

RAFT_CTSACE	0.21 123	0.16 214	0.41 172	0.25 253	0.15 212	0.22 99	0.24 250	0.32 73	0.28 92	0.33 202	0.51 291	0.29 167	0.17 92	0.32 163	0.13 27	0.06 1	0.07 162	0.09 124	0.08 114	0.08 84	0.06 20

BSDual-CNN	0.23 166	0.12 85	0.28 34	0.25 253	0.14 171	0.35 266	0.21 191	0.56 311	0.34 156	0.34 218	0.35 155	0.38 234	0.24 176	0.26 100	0.21 167	0.10 213	0.07 162	0.11 236	0.10 221	0.09 146	0.09 168

hknet	0.25 211	0.14 171	0.40 150	0.25 253	0.15 212	0.35 266	0.21 191	0.56 311	0.37 181	0.34 218	0.35 155	0.43 272	0.27 217	0.37 190	0.21 167	0.09 170	0.07 162	0.11 236	0.10 221	0.09 146	0.09 168

CIPLG	0.21 123	0.21 279	0.55 263	0.23 177	0.15 212	0.25 142	0.20 168	0.35 110	0.29 110	0.31 174	0.33 142	0.22 80	0.15 55	0.26 100	0.20 146	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116

UDGNet	0.23 166	0.31 344	0.38 134	0.24 216	0.14 171	0.24 131	0.18 93	0.32 73	0.43 234	0.29 129	0.28 85	0.24 110	0.19 127	0.29 140	0.20 146	0.15 318	0.07 162	0.21 355	0.11 256	0.14 284	0.10 214

dd	0.22 149	0.26 316	0.40 150	0.22 135	0.12 81	0.25 142	0.21 191	0.32 73	0.44 248	0.29 129	0.28 85	0.25 117	0.16 69	0.30 152	0.25 213	0.12 267	0.07 162	0.10 188	0.08 114	0.11 233	0.09 168

DAS	0.27 228	0.12 85	0.42 179	0.24 216	0.18 271	0.29 199	0.24 250	0.45 204	0.45 260	0.41 294	0.44 247	0.34 206	0.29 244	0.75 325	0.21 167	0.09 170	0.07 162	0.09 124	0.07 54	0.09 146	0.09 168

SepStereo	0.26 221	0.12 85	0.42 179	0.24 216	0.18 271	0.29 199	0.24 250	0.45 204	0.45 260	0.41 294	0.44 247	0.34 206	0.29 244	0.64 289	0.21 167	0.09 170	0.07 162	0.09 124	0.07 54	0.09 146	0.09 168

IPLGR_C	0.21 123	0.22 291	0.60 281	0.23 177	0.15 212	0.24 131	0.20 168	0.35 110	0.29 110	0.31 174	0.32 123	0.22 80	0.15 55	0.25 87	0.20 146	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116

GMOStereo	0.18 59	0.14 171	0.30 47	0.22 135	0.12 81	0.20 59	0.27 280	0.26 16	0.28 92	0.31 174	0.32 123	0.26 137	0.17 92	0.15 3	0.12 7	0.07 17	0.07 162	0.10 188	0.08 114	0.08 84	0.05 1

error version	0.18 59	0.14 171	0.30 47	0.22 135	0.12 81	0.20 59	0.27 280	0.26 16	0.28 92	0.31 174	0.32 123	0.26 137	0.17 92	0.15 3	0.12 7	0.07 17	0.07 162	0.10 188	0.08 114	0.08 84	0.05 1

test-v	0.18 59	0.14 171	0.30 47	0.22 135	0.12 81	0.20 59	0.27 280	0.26 16	0.28 92	0.31 174	0.32 123	0.26 137	0.17 92	0.15 3	0.12 7	0.07 17	0.07 162	0.10 188	0.08 114	0.08 84	0.05 1

ACRE	0.21 123	0.20 266	0.62 292	0.23 177	0.15 212	0.24 131	0.20 168	0.35 110	0.28 92	0.31 174	0.32 123	0.22 80	0.15 55	0.25 87	0.20 146	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116

GwcNet-ADL	0.22 149	0.14 171	0.58 275	0.24 216	0.13 137	0.22 99	0.23 228	0.49 238	0.40 213	0.27 95	0.29 94	0.30 177	0.20 135	0.26 100	0.23 195	0.09 170	0.07 162	0.07 16	0.07 54	0.09 146	0.09 168

GANet-ADL	0.21 123	0.12 85	0.45 205	0.23 177	0.14 171	0.29 199	0.19 130	0.46 214	0.35 162	0.25 82	0.32 123	0.32 193	0.19 127	0.24 63	0.20 146	0.10 213	0.07 162	0.07 16	0.06 25	0.09 146	0.10 214

PFNet+	0.20 109	0.10 26	0.37 115	0.21 90	0.12 81	0.17 11	0.19 130	0.29 44	0.34 156	0.33 202	0.32 123	0.24 110	0.16 69	0.32 163	0.17 96	0.10 213	0.07 162	0.11 236	0.10 221	0.08 84	0.12 261

test-2	0.18 59	0.14 171	0.30 47	0.22 135	0.12 81	0.20 59	0.27 280	0.26 16	0.28 92	0.31 174	0.32 123	0.26 137	0.17 92	0.15 3	0.12 7	0.07 17	0.07 162	0.10 188	0.08 114	0.08 84	0.05 1

LMCR-Stereo	0.26 221	0.18 242	0.49 232	0.28 321	0.14 171	0.36 271	0.23 228	0.54 287	0.34 156	0.39 277	0.40 204	0.29 167	0.29 244	0.37 190	0.27 229	0.11 240	0.07 162	0.09 124	0.07 54	0.13 272	0.09 168

rafts_anoy	0.18 59	0.15 196	0.35 92	0.22 135	0.14 171	0.19 38	0.17 64	0.32 73	0.30 119	0.23 63	0.25 70	0.20 65	0.16 69	0.22 50	0.19 135	0.08 103	0.07 162	0.10 188	0.12 288	0.09 146	0.08 116

TANstereo	0.15 25	0.09 11	0.28 34	0.16 4	0.08 3	0.25 142	0.14 14	0.23 7	0.28 92	0.24 76	0.30 105	0.16 40	0.12 16	0.17 11	0.13 27	0.08 103	0.07 162	0.06 1	0.05 10	0.06 6	0.07 69

sAnonymous2	0.20 109	0.21 279	0.58 275	0.24 216	0.17 251	0.22 99	0.19 130	0.34 93	0.28 92	0.17 32	0.19 29	0.17 45	0.16 69	0.17 11	0.14 44	0.10 213	0.07 162	0.09 124	0.08 114	0.23 354	0.17 314

CroCo_RVC	0.20 109	0.21 279	0.58 275	0.24 216	0.17 251	0.22 99	0.19 130	0.34 93	0.28 92	0.17 32	0.19 29	0.17 45	0.16 69	0.17 11	0.14 44	0.10 213	0.07 162	0.09 124	0.08 114	0.23 354	0.17 314

222	0.41 330	0.10 26	0.29 41	0.19 28	0.11 45	0.36 271	0.20 168	0.57 318	0.39 200	0.35 234	0.44 247	0.30 177	0.27 217	0.55 246	3.56 419	0.11 240	0.07 162	0.08 69	0.08 114	0.09 146	0.09 168

xxxx	0.34 292	0.10 26	0.29 41	0.19 28	0.11 45	0.37 276	0.20 168	0.58 325	0.38 194	0.29 129	0.42 226	0.38 234	0.24 176	0.46 213	2.20 412	0.11 240	0.07 162	0.09 124	0.08 114	0.09 146	0.09 168

test_xeample	0.34 292	0.10 26	0.29 41	0.19 28	0.11 45	0.33 244	0.23 228	0.55 297	0.38 194	0.32 192	0.45 259	0.29 167	0.26 200	0.57 257	2.24 414	0.10 213	0.07 162	0.09 124	0.08 114	0.09 146	0.09 168

SFCPSM	0.22 149	0.10 26	0.51 248	0.21 90	0.14 171	0.34 257	0.22 207	0.55 297	0.39 200	0.29 129	0.32 123	0.23 99	0.21 141	0.27 115	0.19 135	0.09 170	0.07 162	0.09 124	0.09 189	0.09 146	0.08 116

MMNet	0.27 228	0.14 171	0.49 232	0.24 216	0.17 251	0.47 328	0.22 207	0.45 204	0.51 308	0.39 277	0.41 212	0.36 225	0.33 274	0.39 196	0.34 268	0.08 103	0.07 162	0.09 124	0.09 189	0.10 195	0.08 116

UNet	0.28 246	0.14 171	0.69 310	0.23 177	0.20 303	0.44 315	0.22 207	0.50 246	0.40 213	0.34 218	0.39 196	0.43 272	0.33 274	0.40 199	0.31 252	0.09 170	0.07 162	0.10 188	0.08 114	0.10 195	0.08 116

ACVNet	0.23 166	0.13 141	0.35 92	0.18 9	0.15 212	0.27 167	0.23 228	0.39 152	0.44 248	0.28 104	0.41 212	0.38 234	0.26 200	0.27 115	0.32 257	0.08 103	0.07 162	0.08 69	0.07 54	0.10 195	0.07 69

acv_ft	0.25 211	0.13 141	0.40 150	0.23 177	0.19 289	0.34 257	0.21 191	0.45 204	0.44 248	0.38 262	0.41 212	0.38 234	0.27 217	0.27 115	0.35 272	0.08 103	0.07 162	0.08 69	0.07 54	0.11 233	0.07 69

GANet-RSSM	0.24 189	0.14 171	0.36 110	0.21 90	0.14 171	0.27 167	0.21 191	0.45 204	0.33 149	0.29 129	0.39 196	0.39 246	0.28 231	0.58 262	0.23 195	0.11 240	0.07 162	0.09 124	0.09 189	0.10 195	0.09 168

PSMNet-RSSM	0.24 189	0.15 196	0.36 110	0.21 90	0.14 171	0.25 142	0.20 168	0.48 232	0.37 181	0.30 157	0.44 247	0.38 234	0.26 200	0.52 236	0.22 181	0.12 267	0.07 162	0.11 236	0.13 306	0.10 195	0.09 168

GwcNet-RSSM	0.26 221	0.17 230	0.46 211	0.21 90	0.13 137	0.28 180	0.23 228	0.44 196	0.42 229	0.31 174	0.45 259	0.40 259	0.26 200	0.55 246	0.28 232	0.11 240	0.07 162	0.09 124	0.10 221	0.09 146	0.08 116

CFNet-ft	0.24 189	0.15 196	0.35 92	0.18 9	0.15 212	0.30 216	0.21 191	0.39 152	0.36 172	0.28 104	0.40 204	0.43 272	0.25 191	0.47 216	0.24 204	0.12 267	0.07 162	0.12 270	0.11 256	0.12 259	0.09 168

SuperB	0.49 351	0.28 326	2.23 404	0.23 177	0.15 212	0.41 298	0.32 316	0.47 221	0.82 375	0.43 308	0.50 285	0.33 200	0.45 329	0.68 302	1.08 378	0.10 213	0.07 162	0.09 124	0.08 114	0.98 411	0.14 290

RASNet	0.28 246	0.14 171	0.44 195	0.22 135	0.18 271	0.32 235	0.19 130	0.48 232	0.38 194	0.29 129	0.43 238	0.47 294	0.37 297	0.79 340	0.36 278	0.09 170	0.07 162	0.07 16	0.09 189	0.07 39	0.07 69

HSM-Net_RVC	0.27 228	0.11 66	0.42 179	0.19 28	0.11 45	0.34 257	0.20 168	0.62 351	0.43 234	0.40 285	0.43 238	0.50 310	0.26 200	0.76 330	0.22 181	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.27 228	0.20 266	0.44 195	0.22 135	0.14 171	0.33 244	0.14 14	0.51 259	0.45 260	0.30 157	0.40 204	0.38 234	0.27 217	0.76 330	0.25 213	0.09 170	0.07 162	0.11 236	0.11 256	0.11 233	0.08 116

CFNet_RVC	0.24 189	0.15 196	0.35 92	0.18 9	0.15 212	0.30 216	0.21 191	0.39 152	0.36 172	0.28 104	0.40 204	0.43 272	0.25 191	0.47 216	0.24 204	0.12 267	0.07 162	0.12 270	0.11 256	0.12 259	0.09 168

AANet_RVC	0.31 270	0.22 291	0.50 242	0.23 177	0.14 171	0.30 216	0.24 250	0.47 221	0.54 322	0.38 262	0.60 327	0.43 272	0.29 244	0.87 356	0.40 296	0.11 240	0.07 162	0.07 16	0.07 54	0.09 146	0.09 168

DISCO	0.32 279	0.13 141	0.51 248	0.25 253	0.16 235	0.48 332	0.25 264	0.50 246	0.57 334	0.37 254	0.45 259	0.62 345	0.36 289	0.64 289	0.49 325	0.09 170	0.07 162	0.09 124	0.08 114	0.12 259	0.11 239

AE-Stereo	0.17 41	0.11 66	0.31 59	0.24 216	0.14 171	0.23 116	0.18 93	0.34 93	0.29 110	0.15 13	0.25 70	0.21 73	0.13 36	0.20 32	0.14 44	0.07 17	0.08 230	0.09 124	0.10 221	0.07 39	0.06 20

1111x	0.32 279	0.11 66	0.40 150	0.22 135	0.11 45	0.32 235	0.26 275	0.59 330	0.43 234	0.31 174	0.41 212	0.39 246	0.28 231	0.76 330	1.37 395	0.09 170	0.08 230	0.09 124	0.10 221	0.09 146	0.08 116

whm_eth	0.23 166	0.18 242	0.56 267	0.24 216	0.19 289	0.21 78	0.18 93	0.37 135	0.40 213	0.31 174	0.60 327	0.15 31	0.17 92	0.26 100	0.19 135	0.09 170	0.08 230	0.10 188	0.09 189	0.09 146	0.11 239

CFNet_ucs	0.24 189	0.13 141	0.50 242	0.20 61	0.15 212	0.28 180	0.17 64	0.49 238	0.45 260	0.32 192	0.42 226	0.39 246	0.22 152	0.31 157	0.21 167	0.11 240	0.08 230	0.12 270	0.09 189	0.12 259	0.11 239

CBFPSM	0.27 228	0.16 214	0.67 305	0.20 61	0.14 171	0.38 283	0.25 264	0.40 159	0.36 172	0.33 202	0.36 165	0.56 327	0.38 301	0.32 163	0.38 281	0.08 103	0.08 230	0.07 16	0.08 114	0.09 146	0.11 239

gwcnet-sp	0.24 189	0.13 141	0.63 295	0.22 135	0.14 171	0.34 257	0.22 207	0.44 196	0.39 200	0.35 234	0.34 148	0.27 145	0.27 217	0.35 184	0.25 213	0.09 170	0.08 230	0.09 124	0.09 189	0.09 146	0.09 168

scenet	0.24 189	0.13 141	0.63 295	0.22 135	0.14 171	0.34 257	0.22 207	0.44 196	0.39 200	0.35 234	0.34 148	0.27 145	0.27 217	0.35 184	0.25 213	0.09 170	0.08 230	0.09 124	0.09 189	0.09 146	0.09 168

CASS	0.21 123	0.15 196	0.32 65	0.26 281	0.11 45	0.28 180	0.19 130	0.39 152	0.30 119	0.32 192	0.34 148	0.25 117	0.24 176	0.25 87	0.20 146	0.13 284	0.08 230	0.11 236	0.09 189	0.11 233	0.11 239
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.24 189	0.13 141	0.63 295	0.22 135	0.14 171	0.34 257	0.22 207	0.44 196	0.39 200	0.35 234	0.34 148	0.27 145	0.27 217	0.35 184	0.25 213	0.09 170	0.08 230	0.09 124	0.09 189	0.09 146	0.09 168

psmg	0.23 166	0.12 85	0.28 34	0.21 90	0.14 171	0.35 266	0.23 228	0.51 259	0.34 156	0.35 234	0.38 184	0.38 234	0.24 176	0.26 100	0.21 167	0.10 213	0.08 230	0.10 188	0.10 221	0.09 146	0.08 116

CSP-Net	0.27 228	0.15 196	0.30 47	0.21 90	0.14 171	0.44 315	0.24 250	0.50 246	0.40 213	0.41 294	0.43 238	0.42 269	0.26 200	0.66 299	0.28 232	0.12 267	0.08 230	0.08 69	0.08 114	0.10 195	0.09 168

AACVNet	0.26 221	0.16 214	0.37 115	0.22 135	0.14 171	0.29 199	0.19 130	0.41 169	0.31 130	0.38 262	0.42 226	0.43 272	0.28 231	0.73 317	0.25 213	0.11 240	0.08 230	0.11 236	0.09 189	0.13 272	0.11 239

ADLNet2	0.30 263	0.17 230	0.72 319	0.23 177	0.17 251	0.36 271	0.24 250	0.52 269	0.51 308	0.32 192	0.38 184	0.45 286	0.30 253	0.69 304	0.35 272	0.10 213	0.08 230	0.09 124	0.09 189	0.12 259	0.10 214

RAFT	0.21 123	0.17 230	0.32 65	0.24 216	0.12 81	0.25 142	0.27 280	0.35 110	0.28 92	0.33 202	0.33 142	0.38 234	0.22 152	0.29 140	0.17 96	0.08 103	0.08 230	0.11 236	0.10 221	0.10 195	0.06 20

GEStereo_RVC	0.27 228	0.20 266	0.44 195	0.27 304	0.16 235	0.33 244	0.25 264	0.56 311	0.54 322	0.34 218	0.38 184	0.34 206	0.25 191	0.51 230	0.28 232	0.12 267	0.08 230	0.09 124	0.08 114	0.11 233	0.11 239

ADLNet	0.28 246	0.15 196	0.42 179	0.23 177	0.19 289	0.34 257	0.23 228	0.53 280	0.43 234	0.42 302	0.41 212	0.44 282	0.27 217	0.55 246	0.35 272	0.11 240	0.08 230	0.11 236	0.11 256	0.11 233	0.12 261

GES	0.22 149	0.12 85	0.42 179	0.20 61	0.14 171	0.27 167	0.19 130	0.49 238	0.33 149	0.30 157	0.36 165	0.25 117	0.23 161	0.29 140	0.22 181	0.10 213	0.08 230	0.08 69	0.07 54	0.10 195	0.11 239

HCRNet	0.24 189	0.25 305	0.33 79	0.34 352	0.16 235	0.27 167	0.18 93	0.43 192	0.35 162	0.30 157	0.35 155	0.32 193	0.22 152	0.44 209	0.20 146	0.13 284	0.08 230	0.13 289	0.11 256	0.10 195	0.09 168

DMCA	0.22 149	0.14 171	0.36 110	0.22 135	0.14 171	0.27 167	0.20 168	0.43 192	0.38 194	0.31 174	0.32 123	0.33 200	0.24 176	0.24 63	0.28 232	0.11 240	0.08 230	0.10 188	0.08 114	0.10 195	0.11 239

ADCRef	0.38 316	0.24 301	0.88 350	0.26 281	0.21 311	0.49 335	0.27 280	0.52 269	0.48 288	0.50 333	0.58 320	0.35 220	0.47 338	0.48 218	1.29 394	0.09 170	0.08 230	0.12 270	0.12 288	0.11 233	0.11 239

ADCP+	0.45 344	0.24 301	1.15 381	0.25 253	0.22 326	0.56 352	0.39 349	0.54 287	0.51 308	0.44 314	0.51 291	0.46 292	0.52 351	0.56 254	1.89 407	0.10 213	0.08 230	0.11 236	0.10 221	0.14 284	0.13 273

RYNet	0.37 310	0.18 242	0.59 279	0.25 253	0.28 359	0.61 361	0.32 316	0.59 330	0.59 337	0.41 294	0.38 184	0.57 331	0.39 306	0.87 356	0.53 335	0.11 240	0.08 230	0.12 270	0.11 256	0.18 330	0.18 328

TDLM	0.30 263	0.21 279	0.38 134	0.28 321	0.15 212	0.33 244	0.32 316	0.52 269	0.47 279	0.38 262	0.43 238	0.39 246	0.29 244	0.91 364	0.28 232	0.14 307	0.08 230	0.13 289	0.11 256	0.12 259	0.10 214

NLCA_NET_v2_RVC	0.27 228	0.21 279	0.59 279	0.25 253	0.18 271	0.29 199	0.22 207	0.50 246	0.40 213	0.38 262	0.41 212	0.43 272	0.27 217	0.43 205	0.29 242	0.11 240	0.08 230	0.10 188	0.10 221	0.10 195	0.11 239
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
UCFNet_RVC	0.24 189	0.16 214	0.34 84	0.18 9	0.15 212	0.33 244	0.16 43	0.46 214	0.35 162	0.29 129	0.35 155	0.39 246	0.25 191	0.34 175	0.22 181	0.13 284	0.08 230	0.13 289	0.14 317	0.13 272	0.12 261

NVstereo2D	0.31 270	0.16 214	0.54 258	0.24 216	0.22 326	0.42 305	0.28 293	0.58 325	0.56 331	0.28 104	0.38 184	0.40 259	0.30 253	0.71 310	0.28 232	0.13 284	0.08 230	0.13 289	0.10 221	0.19 334	0.16 306

DRN-Test	0.33 285	0.17 230	0.61 284	0.27 304	0.19 289	0.46 322	0.29 297	0.65 359	0.51 308	0.47 329	0.46 269	0.44 282	0.34 281	0.62 282	0.41 302	0.12 267	0.08 230	0.13 289	0.12 288	0.12 259	0.10 214

LE_ROB	1.76 411	0.20 266	2.68 412	0.48 382	0.52 388	0.78 380	0.96 408	0.84 391	6.61 424	7.40 426	2.08 412	2.08 405	4.83 420	1.27 394	3.79 420	0.10 213	0.08 230	0.12 270	0.11 256	0.11 233	0.10 214

iinet-f	0.30 263	0.18 242	1.03 373	0.20 61	0.15 212	0.44 315	0.22 207	0.45 204	0.37 181	0.35 234	0.44 247	0.41 262	0.34 281	0.34 175	0.40 296	0.10 213	0.09 258	0.08 69	0.08 114	0.13 272	0.11 239

ToySt	0.24 189	0.16 214	0.48 227	0.21 90	0.13 137	0.29 199	0.29 297	0.39 152	0.39 200	0.27 95	0.35 155	0.39 246	0.31 264	0.31 157	0.29 242	0.08 103	0.09 258	0.10 188	0.11 256	0.11 233	0.10 214

Wz-Net-MNSev	0.36 301	0.26 316	0.79 331	0.26 281	0.21 311	0.59 357	0.38 344	0.55 297	0.56 331	0.48 332	0.54 307	0.53 321	0.36 289	0.60 269	0.44 310	0.11 240	0.09 258	0.11 236	0.11 256	0.15 296	0.13 273

GLC_STEREO	0.15 25	0.10 26	0.24 12	0.21 90	0.09 8	0.17 11	0.15 27	0.23 7	0.27 79	0.17 32	0.20 39	0.17 45	0.11 10	0.23 57	0.16 73	0.07 17	0.09 258	0.09 124	0.08 114	0.07 39	0.06 20

AASNet	0.27 228	0.19 258	0.49 232	0.26 281	0.17 251	0.34 257	0.20 168	0.62 351	0.48 288	0.35 234	0.40 204	0.32 193	0.25 191	0.28 127	0.34 268	0.11 240	0.09 258	0.10 188	0.08 114	0.13 272	0.11 239

PSMNet-ADL	0.25 211	0.15 196	0.32 65	0.26 281	0.14 171	0.31 227	0.22 207	0.44 196	0.36 172	0.27 95	0.33 142	0.41 262	0.28 231	0.61 274	0.29 242	0.11 240	0.09 258	0.09 124	0.11 256	0.10 195	0.10 214

ICVP	0.23 166	0.13 141	0.44 195	0.26 281	0.14 171	0.29 199	0.25 264	0.45 204	0.33 149	0.29 129	0.43 238	0.35 220	0.25 191	0.26 100	0.23 195	0.12 267	0.09 258	0.09 124	0.08 114	0.09 146	0.10 214
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous	0.20 109	0.14 171	0.47 218	0.27 304	0.20 303	0.25 142	0.25 264	0.32 73	0.26 70	0.18 44	0.18 25	0.15 31	0.19 127	0.24 63	0.18 110	0.10 213	0.09 258	0.09 124	0.09 189	0.15 296	0.13 273

delet	0.27 228	0.14 171	0.40 150	0.23 177	0.19 289	0.41 298	0.29 297	0.49 238	0.48 288	0.33 202	0.41 212	0.37 229	0.30 253	0.48 218	0.34 268	0.09 170	0.09 258	0.11 236	0.12 288	0.08 84	0.08 116

UPFNet	0.25 211	0.12 85	0.38 134	0.24 216	0.19 289	0.37 276	0.28 293	0.48 232	0.38 194	0.34 218	0.37 174	0.37 229	0.28 231	0.39 196	0.33 264	0.10 213	0.09 258	0.10 188	0.10 221	0.10 195	0.08 116

aanetorigin	0.39 322	0.29 333	1.09 376	0.24 216	0.19 289	0.28 180	0.37 338	0.33 87	0.47 279	0.94 384	0.82 367	0.52 317	0.54 352	0.49 223	0.50 330	0.11 240	0.09 258	0.10 188	0.10 221	0.16 304	0.15 299

EDNetEfficientorigin	7.51 424	0.52 383	140.47 446	0.25 253	0.17 251	0.42 305	0.29 297	0.47 221	1.03 389	1.28 399	1.02 380	0.83 375	0.84 385	0.75 325	0.99 374	0.10 213	0.09 258	0.12 270	0.10 221	0.21 345	0.22 357

EDNetEfficient	0.63 374	0.37 363	2.40 408	0.26 281	0.25 349	0.38 283	0.49 375	0.41 169	1.06 392	1.38 402	0.87 374	0.62 345	0.95 390	0.65 295	1.65 400	0.11 240	0.09 258	0.10 188	0.11 256	0.19 334	0.17 314

ac_64	0.27 228	0.13 141	0.41 172	0.24 216	0.17 251	0.36 271	0.22 207	0.46 214	0.33 149	0.35 234	0.36 165	0.52 317	0.30 253	0.62 282	0.32 257	0.11 240	0.09 258	0.10 188	0.10 221	0.09 146	0.08 116

ADCL	0.47 347	0.22 291	1.00 367	0.27 304	0.19 289	0.74 374	0.64 388	0.54 287	0.69 359	0.56 353	0.71 353	0.55 325	0.60 361	0.60 269	1.43 396	0.11 240	0.09 258	0.13 289	0.13 306	0.14 284	0.14 290

CVANet_RVC	0.30 263	0.19 258	0.41 172	0.26 281	0.16 235	0.33 244	0.26 275	0.52 269	0.47 279	0.40 285	0.46 269	0.43 272	0.31 264	0.89 360	0.26 225	0.14 307	0.09 258	0.14 308	0.13 306	0.14 284	0.10 214

StereoDRNet	0.32 279	0.22 291	0.61 284	0.27 304	0.21 311	0.42 305	0.30 307	0.61 342	0.48 288	0.46 321	0.39 196	0.48 300	0.30 253	0.57 257	0.40 296	0.11 240	0.09 258	0.12 270	0.11 256	0.12 259	0.10 214

PWC_ROB	0.38 316	0.29 333	0.69 310	0.25 253	0.20 303	0.38 283	0.19 130	0.58 325	0.67 354	0.57 355	0.85 370	0.51 314	0.40 309	0.71 310	0.52 333	0.13 284	0.09 258	0.14 308	0.10 221	0.17 319	0.14 290

CAS++	0.16 32	0.12 85	0.27 25	0.18 9	0.12 81	0.17 11	0.15 27	0.42 181	0.24 57	0.19 46	0.18 25	0.13 12	0.10 4	0.21 44	0.12 7	0.12 267	0.10 276	0.11 236	0.08 114	0.10 195	0.09 168
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
ttt	0.29 256	0.12 85	0.34 84	0.21 90	0.13 137	0.29 199	0.20 168	0.56 311	0.47 279	0.31 174	0.44 247	0.30 177	0.22 152	0.65 295	0.85 368	0.13 284	0.10 276	0.10 188	0.10 221	0.11 233	0.11 239

GASNet	0.36 301	0.46 371	0.88 350	0.34 352	0.23 337	0.35 266	0.22 207	0.60 338	0.53 318	0.40 285	0.37 174	0.45 286	0.30 253	0.79 340	0.35 272	0.15 318	0.10 276	0.14 308	0.14 317	0.22 351	0.12 261

CRFU-Net	0.28 246	0.14 171	0.45 205	0.25 253	0.15 212	0.45 320	0.23 228	0.50 246	0.30 119	0.43 308	0.41 212	0.48 300	0.46 335	0.43 205	0.29 242	0.11 240	0.10 276	0.09 124	0.08 114	0.10 195	0.10 214

NINENet	0.25 211	0.15 196	0.37 115	0.23 177	0.16 235	0.43 313	0.17 64	0.60 338	0.46 274	0.32 192	0.37 174	0.32 193	0.20 135	0.42 203	0.21 167	0.10 213	0.10 276	0.12 270	0.08 114	0.11 233	0.10 214

WZ-Net	0.52 361	0.38 365	1.90 402	0.30 332	0.24 342	0.57 355	0.48 373	0.62 351	0.78 372	0.50 333	0.71 353	0.68 364	0.54 352	0.98 375	0.84 365	0.13 284	0.10 276	0.11 236	0.12 288	0.19 334	0.20 345

SACVNet	0.30 263	0.20 266	0.41 172	0.25 253	0.18 271	0.34 257	0.25 264	0.52 269	0.40 213	0.41 294	0.44 247	0.46 292	0.32 271	0.71 310	0.25 213	0.13 284	0.10 276	0.12 270	0.12 288	0.16 304	0.17 314

RALCasStereoNet	0.18 59	0.15 196	0.33 79	0.21 90	0.14 171	0.21 78	0.18 93	0.31 65	0.25 63	0.21 56	0.29 94	0.22 80	0.15 55	0.27 115	0.17 96	0.08 103	0.10 276	0.07 16	0.06 25	0.09 146	0.09 168

RAFT + AFF	0.27 228	0.23 298	0.50 242	0.25 253	0.17 251	0.30 216	0.33 326	0.52 269	0.40 213	0.28 104	0.30 105	0.30 177	0.31 264	0.62 282	0.24 204	0.09 170	0.10 276	0.11 236	0.10 221	0.11 233	0.11 239

HGLStereo	0.27 228	0.14 171	0.46 211	0.24 216	0.21 311	0.33 244	0.23 228	0.50 246	0.42 229	0.35 234	0.48 282	0.41 262	0.33 274	0.45 211	0.33 264	0.11 240	0.10 276	0.09 124	0.09 189	0.10 195	0.12 261

hitnet-ft	0.29 256	0.17 230	0.40 150	0.19 28	0.14 171	0.39 290	0.23 228	0.44 196	0.41 224	0.36 249	0.46 269	0.53 321	0.34 281	0.76 330	0.32 257	0.14 307	0.10 276	0.13 289	0.10 221	0.15 296	0.13 273

DSFCA	0.27 228	0.13 141	0.36 110	0.20 61	0.17 251	0.38 283	0.31 311	0.47 221	0.43 234	0.43 308	0.37 174	0.39 246	0.29 244	0.52 236	0.32 257	0.12 267	0.10 276	0.10 188	0.11 256	0.11 233	0.10 214

DMCA-RVC	0.27 228	0.21 279	0.61 284	0.28 321	0.17 251	0.29 199	0.21 191	0.42 181	0.35 162	0.40 285	0.37 174	0.39 246	0.36 289	0.43 205	0.30 248	0.13 284	0.10 276	0.15 320	0.11 256	0.13 272	0.10 214

FADNet-RVC-Resample	0.29 256	0.25 305	0.93 359	0.26 281	0.16 235	0.32 235	0.21 191	0.47 221	0.39 200	0.35 234	0.38 184	0.33 200	0.27 217	0.53 241	0.24 204	0.10 213	0.10 276	0.14 308	0.13 306	0.13 272	0.16 306

RTSC	0.39 322	0.28 326	0.78 325	0.27 304	0.18 271	0.49 335	0.22 207	0.59 330	0.84 380	0.55 352	0.53 304	0.49 304	0.36 289	0.67 301	0.82 364	0.13 284	0.10 276	0.11 236	0.12 288	0.17 319	0.17 314

DLCB_ROB	0.28 246	0.16 214	0.34 84	0.27 304	0.16 235	0.38 283	0.25 264	0.48 232	0.43 234	0.46 321	0.46 269	0.51 314	0.33 274	0.53 241	0.33 264	0.10 213	0.10 276	0.11 236	0.11 256	0.10 195	0.09 168

ETE_ROB	0.34 292	0.26 316	0.45 205	0.29 324	0.18 271	0.40 295	0.37 338	0.57 318	0.47 279	0.50 333	0.50 285	0.62 345	0.36 289	0.55 246	0.38 281	0.13 284	0.10 276	0.14 308	0.12 288	0.16 304	0.16 306

PSMNet_ROB	0.33 285	0.24 301	0.54 258	0.31 339	0.21 311	0.42 305	0.43 358	0.59 330	0.47 279	0.37 254	0.44 247	0.49 304	0.31 264	0.64 289	0.43 306	0.14 307	0.10 276	0.15 320	0.14 317	0.13 272	0.11 239

fast-acv-ft	0.31 270	0.20 266	0.81 335	0.24 216	0.18 271	0.46 322	0.27 280	0.41 169	0.49 297	0.39 277	0.55 311	0.49 304	0.35 285	0.37 190	0.38 281	0.11 240	0.11 294	0.11 236	0.12 288	0.12 259	0.09 168

ssnet_v2	0.28 246	0.16 214	0.44 195	0.22 135	0.15 212	0.40 295	0.30 307	0.57 318	0.46 274	0.38 262	0.36 165	0.47 294	0.29 244	0.38 194	0.39 289	0.13 284	0.11 294	0.11 236	0.11 256	0.11 233	0.11 239

Wz-Net-SNSev	0.43 337	0.41 370	1.27 388	0.30 332	0.21 311	0.44 315	0.41 353	0.61 342	0.65 350	0.46 321	0.65 341	0.62 345	0.39 306	0.74 324	0.59 343	0.12 267	0.11 294	0.12 270	0.13 306	0.16 304	0.14 290

Wz-Net-LNSev	0.34 292	0.29 333	0.91 355	0.26 281	0.21 311	0.47 328	0.31 311	0.54 287	0.54 322	0.44 314	0.52 299	0.50 310	0.35 285	0.39 196	0.39 289	0.11 240	0.11 294	0.10 188	0.09 189	0.14 284	0.13 273

dad	0.28 246	0.31 344	0.44 195	0.21 90	0.14 171	0.30 216	0.20 168	0.33 87	0.49 297	0.44 314	0.44 247	0.45 286	0.21 141	0.41 201	0.26 225	0.20 358	0.11 294	0.20 352	0.11 256	0.14 284	0.10 214

Anonymous3	0.23 166	0.18 242	0.63 295	0.27 304	0.18 271	0.41 298	0.23 228	0.43 192	0.35 162	0.23 63	0.27 81	0.20 65	0.18 114	0.27 115	0.18 110	0.12 267	0.11 294	0.10 188	0.10 221	0.11 233	0.12 261

pcwnet_v2	0.32 279	0.15 196	1.26 387	0.23 177	0.18 271	0.32 235	0.18 93	0.59 330	0.60 340	0.36 249	0.45 259	0.35 220	0.29 244	0.36 188	0.25 213	0.14 307	0.11 294	0.12 270	0.11 256	0.14 284	0.15 299

sCroCo_RVC	0.18 59	0.14 171	0.49 232	0.27 304	0.18 271	0.22 99	0.17 64	0.27 24	0.23 47	0.14 9	0.22 52	0.17 45	0.14 47	0.21 44	0.15 56	0.10 213	0.11 294	0.09 124	0.09 189	0.09 146	0.09 168

GwcNet	0.35 297	0.23 298	0.88 350	0.25 253	0.24 342	0.48 332	0.27 280	0.55 297	0.57 334	0.38 262	0.52 299	0.51 314	0.32 271	0.60 269	0.41 302	0.13 284	0.11 294	0.12 270	0.11 256	0.13 272	0.14 290

AF-Net	0.37 310	0.26 316	0.56 267	0.32 345	0.23 337	0.41 298	0.29 297	0.61 342	0.64 349	0.42 302	0.68 348	0.65 356	0.49 345	0.57 257	0.44 310	0.15 318	0.11 294	0.19 349	0.14 317	0.15 296	0.13 273

RTS	0.78 388	0.48 375	4.68 417	0.34 352	0.28 359	1.12 396	0.46 365	0.62 351	1.03 389	0.73 370	0.89 375	0.60 339	0.59 359	1.61 401	1.16 387	0.14 307	0.11 294	0.15 320	0.15 325	0.21 345	0.19 335

RTSA	0.78 388	0.48 375	4.68 417	0.34 352	0.28 359	1.12 396	0.46 365	0.62 351	1.03 389	0.73 370	0.89 375	0.60 339	0.59 359	1.61 401	1.16 387	0.14 307	0.11 294	0.15 320	0.15 325	0.21 345	0.19 335

DANet	0.35 297	0.23 298	0.60 281	0.36 362	0.22 326	0.39 290	0.25 264	0.48 232	0.43 234	0.52 344	0.50 285	0.59 336	0.41 313	0.76 330	0.49 325	0.13 284	0.11 294	0.14 308	0.12 288	0.17 319	0.15 299
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DeepPruner_ROB	0.26 221	0.19 258	0.44 195	0.21 90	0.16 235	0.30 216	0.21 191	0.52 269	0.32 138	0.35 234	0.38 184	0.39 246	0.26 200	0.42 203	0.24 204	0.15 318	0.11 294	0.11 236	0.11 256	0.14 284	0.13 273

MDST_ROB	0.48 349	0.14 171	0.95 362	0.30 332	0.21 311	1.33 406	0.32 316	0.77 382	0.56 331	1.06 392	0.71 353	0.49 304	0.35 285	1.26 393	0.38 281	0.13 284	0.11 294	0.16 329	0.13 306	0.12 259	0.12 261

LALA_ROB	0.36 301	0.25 305	0.46 211	0.30 332	0.21 311	0.47 328	0.39 349	0.61 342	0.51 308	0.52 344	0.51 291	0.69 366	0.36 289	0.50 225	0.43 306	0.17 340	0.11 294	0.16 329	0.14 317	0.17 319	0.15 299

PWCDC_ROB	0.38 316	0.30 339	0.60 281	0.33 350	0.20 303	0.42 305	0.19 130	0.58 325	0.89 381	0.42 302	1.26 390	0.36 225	0.34 281	0.50 225	0.38 281	0.18 350	0.11 294	0.11 236	0.09 189	0.19 334	0.13 273

StereoVision	0.22 149	0.18 242	0.37 115	0.27 304	0.17 251	0.23 116	0.22 207	0.38 141	0.31 130	0.20 47	0.51 291	0.22 80	0.16 69	0.28 127	0.18 110	0.11 240	0.12 311	0.13 289	0.13 306	0.10 195	0.07 69

psm_up	0.29 256	0.16 214	0.41 172	0.26 281	0.17 251	0.32 235	0.26 275	0.55 297	0.43 234	0.36 249	0.40 204	0.45 286	0.37 297	0.58 262	0.30 248	0.11 240	0.12 311	0.13 289	0.12 288	0.10 195	0.10 214

STTStereo	0.28 246	0.20 266	0.61 284	0.25 253	0.17 251	0.29 199	0.24 250	0.47 221	0.39 200	0.39 277	0.41 212	0.44 282	0.28 231	0.40 199	0.28 232	0.13 284	0.12 311	0.13 289	0.16 336	0.12 259	0.11 239

Nwc_Net	0.37 310	0.25 305	0.68 309	0.31 339	0.24 342	0.44 315	0.30 307	0.65 359	0.50 305	0.37 254	0.69 352	0.58 334	0.45 329	0.60 269	0.40 296	0.15 318	0.12 311	0.19 349	0.21 359	0.14 284	0.13 273

XQC	0.43 337	0.37 363	0.96 363	0.34 352	0.25 349	0.53 350	0.34 328	0.60 338	0.73 367	0.51 338	0.46 269	0.57 331	0.47 338	0.70 307	0.72 357	0.17 340	0.12 311	0.18 342	0.15 325	0.25 358	0.23 363

ADCMid	0.49 351	0.34 352	1.13 380	0.26 281	0.21 311	0.51 340	0.37 338	0.57 318	0.54 322	0.75 374	0.66 343	0.62 345	0.64 371	0.64 289	1.68 401	0.13 284	0.12 311	0.17 335	0.17 345	0.20 342	0.17 314

SANet	0.53 362	0.28 326	0.96 363	0.26 281	0.15 212	0.69 368	0.44 361	0.67 370	1.34 399	0.67 365	0.98 379	0.94 380	0.71 375	0.89 360	0.76 358	0.14 307	0.12 311	0.12 270	0.11 256	0.17 319	0.16 306

XPNet_ROB	0.33 285	0.20 266	0.43 189	0.27 304	0.18 271	0.37 276	0.31 311	0.55 297	0.50 305	0.51 338	0.53 304	0.58 334	0.37 297	0.63 287	0.45 313	0.17 340	0.12 311	0.13 289	0.12 288	0.15 296	0.14 290

PDISCO_ROB	0.43 337	0.30 339	0.67 305	0.43 376	0.36 375	0.67 367	0.32 316	0.72 378	0.76 369	0.43 308	0.53 304	0.63 353	0.40 309	0.66 299	0.47 321	0.21 359	0.12 311	0.21 355	0.19 355	0.25 358	0.20 345

DispFullNet	0.66 377	0.89 400	1.59 397	0.77 398	1.21 415	0.51 340	0.23 228	0.59 330	0.72 364	0.69 368	0.61 334	0.69 366	0.91 389	0.79 340	0.48 322	0.27 372	0.12 311	0.73 399	0.30 380	0.65 396	0.40 385

SHD	0.42 333	0.27 323	0.81 335	0.31 339	0.25 349	0.42 305	0.22 207	0.66 365	0.94 388	0.63 360	0.60 327	0.59 336	0.47 338	0.59 268	0.58 342	0.15 318	0.13 321	0.16 329	0.16 336	0.20 342	0.22 357

GANet	0.36 301	0.22 291	0.49 232	0.29 324	0.17 251	0.41 298	0.38 344	0.57 318	0.45 260	0.46 321	0.75 359	0.55 325	0.40 309	0.94 369	0.41 302	0.13 284	0.13 321	0.13 289	0.11 256	0.14 284	0.11 239

DPSNet	0.47 347	0.24 301	0.93 359	0.27 304	0.20 303	0.75 376	0.57 382	0.84 391	0.79 373	0.47 329	0.51 291	0.60 339	0.69 373	0.87 356	0.71 356	0.16 330	0.13 321	0.12 270	0.10 221	0.25 358	0.21 352

NCCL2	0.35 297	0.26 316	0.49 232	0.36 362	0.22 326	0.41 298	0.41 353	0.53 280	0.42 229	0.47 329	0.46 269	0.61 343	0.39 306	0.55 246	0.37 279	0.16 330	0.13 321	0.21 355	0.21 359	0.16 304	0.16 306

APVNet	0.36 301	0.20 266	0.70 316	0.26 281	0.22 326	0.52 349	0.35 331	0.61 342	0.44 248	0.38 262	0.52 299	0.48 300	0.38 301	0.84 352	0.46 319	0.13 284	0.14 325	0.15 320	0.16 336	0.16 304	0.15 299

Syn2CoEx	0.36 301	0.31 344	0.78 325	0.34 352	0.21 311	0.41 298	0.28 293	0.61 342	0.49 297	0.42 302	0.56 316	0.45 286	0.44 326	0.69 304	0.38 281	0.17 340	0.14 325	0.15 320	0.12 288	0.13 272	0.12 261

FAT-Stereo	0.36 301	0.18 242	0.73 322	0.26 281	0.18 271	0.33 244	0.29 297	0.60 338	0.59 337	0.46 321	0.60 327	0.60 339	0.50 346	0.61 274	0.34 268	0.13 284	0.14 325	0.13 289	0.12 288	0.14 284	0.18 328

FADNet_RVC	0.30 263	0.28 326	0.83 339	0.23 177	0.15 212	0.30 216	0.17 64	0.49 238	0.37 181	0.30 157	0.38 184	0.30 177	0.27 217	0.52 236	0.31 252	0.14 307	0.14 325	0.14 308	0.16 336	0.21 345	0.23 363

FADNet-RVC	0.31 270	0.35 355	0.78 325	0.25 253	0.20 303	0.33 244	0.20 168	0.49 238	0.40 213	0.34 218	0.39 196	0.41 262	0.29 244	0.63 287	0.31 252	0.13 284	0.14 325	0.14 308	0.15 325	0.19 334	0.19 335

G-Net	0.46 346	0.25 305	0.86 347	0.34 352	0.28 359	0.90 388	0.35 331	0.47 221	0.45 260	0.68 366	1.22 388	0.64 355	0.60 361	0.61 274	0.57 337	0.16 330	0.14 325	0.17 335	0.13 306	0.22 351	0.19 335

NCC-stereo	0.39 322	0.25 305	0.69 310	0.32 345	0.28 359	0.46 322	0.36 334	0.65 359	0.52 314	0.40 285	0.57 318	0.56 327	0.47 338	0.73 317	0.45 313	0.17 340	0.14 325	0.18 342	0.25 370	0.16 304	0.16 306

stereogan	0.37 310	0.17 230	0.65 301	0.27 304	0.22 326	0.62 362	0.26 275	0.59 330	0.63 348	0.43 308	0.60 327	0.67 361	0.42 321	0.68 302	0.35 272	0.13 284	0.14 325	0.14 308	0.12 288	0.19 334	0.17 314

edge stereo	0.39 322	0.22 291	0.81 335	0.27 304	0.22 326	0.37 276	0.24 250	0.56 311	0.54 322	0.53 349	0.60 327	0.71 369	0.50 346	0.78 338	0.40 296	0.16 330	0.14 325	0.19 349	0.14 317	0.16 304	0.17 314

Abc-Net	0.39 322	0.25 305	0.69 310	0.32 345	0.28 359	0.46 322	0.36 334	0.65 359	0.52 314	0.40 285	0.57 318	0.56 327	0.47 338	0.73 317	0.45 313	0.17 340	0.14 325	0.18 342	0.25 370	0.16 304	0.16 306
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DeepPrunerF	0.44 343	0.29 333	1.29 390	0.33 350	0.30 367	0.35 266	0.36 334	0.62 351	1.15 397	0.40 285	0.44 247	0.39 246	0.41 313	0.80 344	0.52 333	0.18 350	0.14 325	0.23 362	0.21 359	0.17 319	0.17 314

AnyNet_C32	0.51 357	0.40 367	1.10 379	0.29 324	0.28 359	0.59 357	0.58 383	0.54 287	0.60 340	0.62 359	0.66 343	0.54 323	0.54 352	0.78 338	1.74 404	0.15 318	0.14 325	0.15 320	0.17 345	0.20 342	0.20 345

Anonymous Stereo	0.38 316	0.34 352	1.00 367	0.30 332	0.25 349	0.33 244	0.44 361	0.50 246	0.54 322	0.41 294	0.45 259	0.39 246	0.26 200	0.93 366	0.48 322	0.15 318	0.14 325	0.15 320	0.16 336	0.16 304	0.17 314

PS-NSSS	0.32 279	0.30 339	0.46 211	0.23 177	0.17 251	0.33 244	0.24 250	0.57 318	0.41 224	0.37 254	0.52 299	0.35 220	0.30 253	0.80 344	0.30 248	0.17 340	0.14 325	0.21 355	0.15 325	0.15 296	0.13 273

SQANet	0.40 328	0.48 375	0.67 305	0.48 382	0.39 377	0.48 332	0.22 207	0.51 259	0.43 234	0.40 285	0.47 276	0.47 294	0.33 274	0.54 245	0.32 257	0.36 384	0.15 339	0.40 383	0.21 359	0.45 384	0.31 376

coex-ft	3.44 418	0.73 392	48.55 444	0.24 216	0.19 289	0.50 339	0.43 358	0.47 221	2.40 411	7.03 425	1.20 387	0.97 383	2.23 414	0.73 317	1.92 408	0.12 267	0.15 339	0.14 308	0.12 288	0.21 345	0.43 387

Wz-Net-TNSev	0.51 357	0.58 385	1.61 400	0.25 253	0.21 311	0.65 364	0.45 363	0.63 357	0.69 359	0.51 338	0.54 307	0.71 369	0.60 361	1.00 376	0.77 361	0.15 318	0.15 339	0.13 289	0.15 325	0.21 345	0.20 345

S-Stereo	0.38 316	0.20 266	1.05 374	0.27 304	0.22 326	0.38 283	0.32 316	0.55 297	0.66 351	0.39 277	0.59 322	0.49 304	0.41 313	0.75 325	0.40 296	0.12 267	0.15 339	0.13 289	0.13 306	0.16 304	0.21 352

RP	0.35 297	0.22 291	0.51 248	0.31 339	0.24 342	0.37 276	0.28 293	0.50 246	0.58 336	0.40 285	0.63 339	0.61 343	0.47 338	0.61 274	0.39 289	0.16 330	0.15 339	0.17 335	0.15 325	0.17 319	0.17 314

RGC	0.39 322	0.32 349	0.64 300	0.34 352	0.27 356	0.40 295	0.29 297	0.57 318	0.53 318	0.45 318	0.64 340	0.62 345	0.45 329	0.72 315	0.39 289	0.15 318	0.15 339	0.21 355	0.20 356	0.18 330	0.19 335

WCMA_ROB	0.51 357	0.21 279	0.65 301	0.25 253	0.21 311	0.58 356	0.32 316	0.54 287	0.55 328	0.95 386	1.40 394	1.28 392	0.81 382	0.73 317	0.62 348	0.18 350	0.15 339	0.15 320	0.15 325	0.19 334	0.19 335

FADNet	0.32 279	0.36 358	0.74 323	0.23 177	0.22 326	0.37 276	0.19 130	0.53 280	0.48 288	0.32 192	0.36 165	0.43 272	0.32 271	0.64 289	0.25 213	0.16 330	0.16 346	0.14 308	0.16 336	0.24 357	0.19 335

ADCS	0.58 368	0.40 367	1.35 393	0.29 324	0.24 342	0.55 351	0.45 363	0.67 370	0.83 378	0.76 376	0.71 353	0.68 364	0.60 361	0.76 330	2.23 413	0.16 330	0.16 346	0.16 329	0.17 345	0.22 351	0.22 357

AnyNet_C01	0.65 376	0.58 385	2.60 411	0.32 345	0.26 354	0.88 386	0.61 386	0.63 357	0.62 345	0.68 366	0.96 378	0.76 372	0.60 361	0.96 372	1.43 396	0.16 330	0.16 346	0.17 335	0.17 345	0.23 354	0.23 363

SGM_RVC	0.50 353	0.19 258	0.50 242	0.25 253	0.15 212	0.69 368	0.39 349	0.68 373	0.82 375	0.95 386	0.84 369	1.13 385	0.76 377	1.16 386	0.60 345	0.16 330	0.16 346	0.16 329	0.16 336	0.16 304	0.17 314
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CBMV	0.33 285	0.21 279	0.54 258	0.23 177	0.13 137	0.42 305	0.33 326	0.53 280	0.48 288	0.52 344	0.49 283	0.50 310	0.41 313	0.56 254	0.31 252	0.15 318	0.16 346	0.18 342	0.16 336	0.13 272	0.13 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FINET	0.34 292	0.27 323	0.80 333	0.24 216	0.24 342	0.36 271	0.34 328	0.54 287	0.72 364	0.39 277	0.47 276	0.32 193	0.30 253	0.51 230	0.32 257	0.19 355	0.17 351	0.13 289	0.12 288	0.18 330	0.16 306

psmorigin	0.50 353	0.25 305	3.03 414	0.24 216	0.19 289	0.38 283	0.22 207	0.50 246	0.44 248	0.64 362	0.68 348	0.71 369	0.51 349	0.85 353	0.45 313	0.14 307	0.17 351	0.13 289	0.14 317	0.16 304	0.21 352

FBW_ROB	0.43 337	0.26 316	0.54 258	0.31 339	0.20 303	0.51 340	0.32 316	0.70 375	0.60 340	0.59 356	0.55 311	0.65 356	0.41 313	1.40 398	0.51 332	0.13 284	0.17 351	0.21 355	0.16 336	0.17 319	0.18 328

CSAN	0.50 353	0.35 355	0.78 325	0.36 362	0.23 337	0.56 352	0.59 385	0.61 342	0.70 361	0.64 362	0.78 363	0.65 356	0.60 361	1.38 397	0.62 348	0.21 359	0.17 351	0.20 352	0.20 356	0.18 330	0.18 328

SGM-Forest	0.36 301	0.17 230	0.47 218	0.23 177	0.16 235	0.45 320	0.41 353	0.55 297	0.48 288	0.52 344	0.60 327	0.52 317	0.41 313	0.85 353	0.50 330	0.17 340	0.17 351	0.17 335	0.15 325	0.15 296	0.15 299
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MeshStereo	0.58 368	0.27 323	0.67 305	0.22 135	0.17 251	0.66 366	0.37 338	0.78 383	0.61 343	1.47 412	1.30 391	1.65 399	0.79 379	1.12 384	0.59 343	0.17 340	0.17 351	0.17 335	0.14 317	0.17 319	0.14 290
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
PVD	0.58 368	0.34 352	0.84 343	0.39 371	0.31 369	0.59 357	0.47 369	0.80 387	1.25 398	0.92 383	1.09 382	0.79 373	0.82 383	0.85 353	0.76 358	0.21 359	0.18 357	0.22 361	0.18 350	0.27 368	0.35 381

ADCPNet	0.48 349	0.29 333	1.60 398	0.27 304	0.23 337	0.70 371	0.38 344	0.53 280	0.51 308	0.51 338	0.59 322	0.67 361	0.56 356	0.60 269	1.14 384	0.15 318	0.18 357	0.14 308	0.23 368	0.19 334	0.19 335

SGM-ForestM	1.36 402	0.28 326	0.79 331	0.26 281	0.16 235	2.26 417	1.00 410	1.42 404	1.46 403	2.38 416	2.05 411	5.95 425	2.66 417	2.95 417	2.46 415	0.17 340	0.18 357	0.18 342	0.18 350	0.15 296	0.18 328

NaN_ROB	0.41 330	0.28 326	0.62 292	0.30 332	0.19 289	0.51 340	0.47 369	0.58 325	0.59 337	0.56 353	0.47 276	0.49 304	0.41 313	1.21 390	0.64 352	0.12 267	0.18 357	0.12 270	0.13 306	0.11 233	0.14 290

HBP-ISP	0.33 285	0.30 339	0.72 319	0.22 135	0.16 235	0.32 235	0.22 207	0.54 287	0.44 248	0.41 294	0.49 283	0.33 200	0.38 301	0.73 317	0.25 213	0.18 350	0.19 361	0.24 364	0.20 356	0.16 304	0.13 273

UDG	0.40 328	0.46 371	0.49 232	0.40 373	0.35 374	0.47 328	0.27 280	0.54 287	0.47 279	0.39 277	0.45 259	0.59 336	0.44 326	0.46 213	0.39 289	0.26 367	0.19 361	0.48 387	0.22 366	0.34 378	0.26 369

ccnet	0.42 333	0.31 344	0.48 227	0.27 304	0.32 370	0.60 360	0.32 316	0.65 359	0.46 274	0.53 349	0.66 343	0.56 327	0.45 329	0.72 315	0.61 346	0.26 367	0.19 361	0.24 364	0.21 359	0.26 365	0.22 357

MaskLacGwcNet_RVC	0.36 301	0.36 358	0.53 255	0.34 352	0.19 289	0.51 340	0.24 250	0.55 297	0.38 194	0.41 294	0.47 276	0.47 294	0.27 217	0.73 317	0.30 248	0.36 384	0.19 361	0.27 367	0.17 345	0.26 365	0.23 363

CBMV_ROB	0.33 285	0.18 242	0.53 255	0.21 90	0.14 171	0.33 244	0.20 168	0.51 259	0.45 260	0.51 338	0.55 311	0.45 286	0.42 321	0.71 310	0.32 257	0.18 350	0.19 361	0.23 362	0.21 359	0.14 284	0.15 299

NOSS_ROB	0.31 270	0.20 266	0.35 92	0.24 216	0.16 235	0.32 235	0.19 130	0.52 269	0.48 288	0.33 202	0.36 165	0.42 269	0.28 231	0.93 366	0.24 204	0.19 355	0.20 366	0.24 364	0.22 366	0.17 319	0.17 314

ACVNet-4b	0.72 382	0.81 395	1.33 392	0.72 396	0.50 386	0.80 382	0.31 311	0.71 377	0.80 374	0.50 333	0.72 357	0.95 382	0.43 324	0.96 372	1.20 391	1.13 416	0.21 367	0.76 400	0.45 390	0.65 396	0.46 392

DDUNet	0.41 330	0.50 380	0.48 227	0.44 378	0.39 377	0.46 322	0.32 316	0.50 246	0.43 234	0.45 318	0.52 299	0.57 331	0.36 289	0.48 218	0.33 264	0.33 382	0.21 367	0.55 391	0.25 370	0.37 381	0.32 379

STTRV1_RVC	0.42 333	0.32 349	0.89 353	0.29 324	0.36 375	0.49 335	0.31 311	0.61 342	0.53 318	0.46 321	0.56 316	0.47 294	0.43 324	1.00 376	0.39 289	0.27 372	0.21 367	0.20 352	0.18 350	0.25 358	0.17 314

GANetREF_RVC	0.43 337	0.47 373	0.69 310	0.38 369	0.20 303	0.51 340	0.48 373	0.66 365	0.66 351	0.46 321	0.46 269	0.50 310	0.44 326	0.90 363	0.39 289	0.27 372	0.21 367	0.32 377	0.18 350	0.27 368	0.22 357
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
MSMD_ROB	0.60 372	0.33 351	0.61 284	0.30 332	0.25 349	0.86 385	0.35 331	0.55 297	0.67 354	1.10 394	1.49 399	1.76 402	0.97 393	0.88 359	0.49 325	0.23 362	0.21 367	0.27 367	0.27 376	0.25 358	0.24 367

FCDSN-DC	0.63 374	0.31 344	0.61 284	0.36 362	0.30 367	0.65 364	0.37 338	0.66 365	0.68 357	1.14 396	1.54 402	1.71 401	1.26 402	0.92 365	0.64 352	0.24 365	0.22 372	0.27 367	0.26 374	0.27 368	0.27 372
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	0.56 364	0.39 366	0.80 333	0.60 390	0.46 383	1.00 392	1.23 418	0.67 370	0.68 357	0.71 369	0.54 307	0.89 379	0.57 358	0.81 347	0.62 348	0.19 355	0.22 372	0.18 342	0.18 350	0.27 368	0.25 368

FC-DCNN	0.70 381	0.30 339	0.69 310	0.32 345	0.27 356	0.81 383	0.39 349	0.79 386	0.82 375	1.41 405	1.58 404	1.98 404	1.26 402	1.02 379	0.77 361	0.24 365	0.22 372	0.27 367	0.26 374	0.26 365	0.26 369

PA-Net	0.37 310	0.28 326	0.83 339	0.31 339	0.28 359	0.39 290	0.42 356	0.51 259	0.55 328	0.34 218	0.42 226	0.41 262	0.36 289	0.79 340	0.49 325	0.12 267	0.23 375	0.16 329	0.23 368	0.12 259	0.18 328
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CC-Net-ROB	0.43 337	0.47 373	0.65 301	0.37 367	0.23 337	0.51 340	0.29 297	0.66 365	0.49 297	0.46 321	0.51 291	0.48 300	0.38 301	0.96 372	0.35 272	0.34 383	0.23 375	0.55 391	0.25 370	0.31 375	0.20 345

SDNR	0.42 333	0.21 279	0.82 338	0.21 90	0.18 271	1.27 403	0.17 64	0.50 246	0.49 297	0.42 302	0.81 366	0.38 234	0.27 217	1.19 387	0.38 281	0.23 362	0.24 377	0.17 335	0.13 306	0.17 319	0.20 345

LSM	1.64 410	0.40 367	2.56 410	2.02 421	17.61 433	0.51 340	0.52 378	0.61 342	0.76 369	0.82 378	1.11 384	0.63 353	0.54 352	0.75 325	0.49 325	0.16 330	0.24 377	0.18 342	0.21 359	0.25 358	2.42 424

ELAS_RVC	0.74 386	0.36 358	1.00 367	0.37 367	0.33 371	0.88 386	0.93 407	0.83 390	1.08 393	1.35 401	1.33 393	1.24 390	1.33 405	1.06 381	0.95 372	0.27 372	0.25 379	0.29 373	0.27 376	0.30 374	0.30 374
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.74 386	0.36 358	0.85 346	0.36 362	0.33 371	1.36 407	0.77 398	0.93 394	0.92 385	1.41 405	1.53 401	1.16 388	1.17 398	0.95 371	1.03 376	0.26 367	0.25 379	0.28 372	0.28 379	0.31 375	0.30 374
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MFN_U_SF_RVC	0.56 364	0.51 382	1.19 382	0.38 369	0.22 326	0.69 368	0.27 280	0.80 387	0.67 354	0.73 370	0.74 358	0.87 376	0.61 370	0.81 347	0.76 358	0.29 378	0.27 381	0.32 377	0.37 387	0.32 377	0.31 376

MFN_U_SF_DS_RVC	0.51 357	0.50 380	0.86 347	0.39 371	0.24 342	0.84 384	0.55 381	0.56 311	0.62 345	0.60 357	0.68 348	0.62 345	0.42 321	1.13 385	0.43 306	0.23 362	0.27 381	0.27 367	0.35 383	0.25 358	0.29 373

MANE	1.41 403	0.36 358	0.74 323	0.43 376	0.41 380	2.16 416	0.80 400	2.39 420	3.38 414	2.22 415	3.06 417	3.54 418	2.73 419	2.15 413	1.94 409	0.28 376	0.27 381	0.30 375	0.46 391	0.28 372	0.34 380

BEATNet-Init1	4.73 422	2.61 422	13.29 433	0.58 388	0.53 389	10.12 427	3.33 423	4.83 423	5.01 422	8.75 427	8.51 425	14.08 434	7.60 426	7.70 427	5.34 423	0.28 376	0.28 384	0.34 379	0.37 387	0.57 390	0.45 389

Anonymous_2	0.37 310	0.21 279	0.47 218	0.20 61	0.21 311	0.42 305	0.26 275	0.38 141	0.29 110	0.33 202	0.30 105	0.44 282	0.38 301	0.36 188	0.29 242	0.26 367	0.29 385	0.44 385	1.41 419	0.34 378	0.21 352

MSC_U_SF_DS_RVC	0.68 379	0.64 389	1.06 375	0.45 379	0.27 356	1.40 409	0.58 383	0.78 383	0.92 385	0.84 379	0.86 371	0.88 378	0.68 372	1.33 396	0.68 355	0.37 386	0.29 385	0.34 379	0.36 386	0.43 382	0.37 382

PASM	0.45 344	0.35 355	0.90 354	0.35 361	0.33 371	0.39 290	0.38 344	0.50 246	0.61 343	0.52 344	0.51 291	0.62 345	0.45 329	0.93 366	0.48 322	0.26 367	0.29 385	0.29 373	0.33 381	0.29 373	0.26 369

ACVNet_1	0.72 382	0.81 395	1.37 394	0.72 396	0.53 389	0.77 377	0.42 356	0.85 393	0.90 383	0.74 373	0.75 359	1.32 394	0.72 376	1.02 379	0.55 336	0.54 392	0.31 388	0.71 398	0.35 383	0.64 395	0.45 389

Ntro	0.58 368	0.64 389	0.92 357	0.66 393	0.50 386	0.77 377	0.36 334	0.66 365	0.70 361	0.50 333	0.59 322	0.65 356	0.51 349	0.75 325	0.45 313	0.56 394	0.32 389	0.56 394	0.34 382	0.63 393	0.46 392

otaku	0.57 367	0.62 388	0.87 349	0.63 392	0.44 382	0.73 372	0.37 338	0.65 359	0.66 351	0.51 338	0.75 359	0.66 360	0.45 329	0.69 304	0.46 319	0.53 390	0.34 390	0.55 391	0.35 383	0.60 392	0.45 389

JetBlue	1.14 400	0.76 393	2.36 406	0.59 389	0.75 399	3.04 420	1.78 420	1.11 397	0.90 383	0.94 384	1.10 383	1.66 400	1.28 404	2.09 411	1.72 403	0.43 389	0.36 391	0.38 381	0.38 389	0.58 391	0.56 396

NVStereoNet_ROB	0.67 378	0.49 379	0.83 339	0.48 382	0.40 379	0.51 340	0.46 365	0.70 375	0.77 371	0.84 379	1.72 405	1.02 384	0.83 384	1.23 391	0.79 363	0.32 381	0.38 392	0.40 383	0.46 391	0.36 380	0.41 386
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Consistency-Raft	0.55 363	0.48 375	1.02 371	0.45 379	0.49 385	0.49 335	0.47 369	0.72 378	0.72 364	0.45 318	0.82 367	0.47 294	0.60 361	0.50 225	0.63 351	0.39 388	0.39 393	0.44 385	0.51 396	0.52 387	0.37 382

MADNet+	1.01 395	1.16 412	4.72 419	0.70 394	0.47 384	1.24 402	0.96 408	0.97 395	0.89 381	0.65 364	0.77 362	0.87 376	0.85 387	2.09 411	1.68 401	0.38 387	0.39 393	0.31 376	0.27 376	0.43 382	0.39 384

ACVNet_2	0.89 391	0.87 399	1.25 386	0.82 399	0.62 394	0.97 391	0.62 387	1.14 398	1.42 401	1.00 389	1.40 394	1.47 397	0.84 385	1.11 382	0.66 354	0.61 397	0.43 395	0.78 401	0.49 393	0.75 400	0.52 394

TorneroNet-64	1.43 404	1.03 406	1.20 383	1.10 409	0.86 409	2.26 417	0.73 394	1.84 412	3.84 419	1.25 398	2.25 415	2.69 414	1.42 406	1.76 408	1.43 396	0.76 402	0.50 396	1.09 410	0.66 405	1.23 414	0.76 412

PWCK	1.00 394	1.17 413	1.70 401	0.91 402	0.41 380	1.19 400	0.92 406	1.10 396	1.14 396	1.16 397	1.14 385	1.25 391	0.88 388	1.75 407	1.04 377	0.87 407	0.50 396	0.87 403	0.53 398	0.96 410	0.52 394

IMH-64-1	0.91 392	0.86 397	0.84 343	0.97 404	0.75 399	0.92 389	0.71 391	1.27 399	1.10 394	0.89 381	1.45 396	1.14 386	0.96 391	1.19 387	0.84 365	0.74 400	0.51 398	0.97 405	0.55 400	0.84 403	0.60 400

IMH-64	0.91 392	0.86 397	0.84 343	0.97 404	0.75 399	0.92 389	0.71 391	1.27 399	1.10 394	0.89 381	1.45 396	1.14 386	0.96 391	1.19 387	0.84 365	0.74 400	0.51 398	0.97 405	0.55 400	0.84 403	0.60 400

SPS-STEREO	0.69 380	0.61 387	0.98 365	0.52 387	0.57 391	0.74 374	0.50 376	0.78 383	0.62 345	0.95 386	0.86 371	0.94 380	0.70 374	1.01 378	0.87 369	0.58 396	0.51 398	0.50 388	0.50 395	0.55 389	0.58 398
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
anonymity	0.56 364	0.54 384	0.70 316	0.47 381	0.61 393	0.56 352	0.43 358	0.69 374	0.49 297	0.63 360	0.55 311	0.54 323	0.60 361	0.61 274	0.57 337	0.55 393	0.53 401	0.50 388	0.54 399	0.51 386	0.56 396

SGM+DAISY	0.87 390	0.66 391	1.30 391	0.51 385	0.60 392	1.03 393	0.84 404	0.76 381	0.73 367	1.39 403	1.51 400	1.31 393	1.22 400	1.11 382	1.08 378	0.57 395	0.53 401	0.51 390	0.51 396	0.54 388	0.61 403

TorneroNet	2.22 414	1.08 409	1.24 385	1.14 413	0.90 410	5.58 422	0.80 400	2.12 418	8.69 426	2.58 417	5.42 422	3.88 419	1.97 412	1.78 410	1.87 406	0.86 406	0.54 403	1.15 414	0.74 409	1.23 414	0.85 413

WAO-6	1.07 398	0.93 403	0.92 357	0.96 403	0.78 403	1.28 404	0.75 395	1.34 401	2.00 409	1.02 391	1.54 402	1.59 398	1.22 400	1.31 395	1.14 384	0.78 403	0.55 404	1.02 409	0.75 410	0.83 402	0.69 406

IMH	1.05 397	0.95 404	1.00 367	1.01 406	0.78 403	1.11 395	0.68 390	1.38 402	1.43 402	1.00 389	1.72 405	1.43 395	1.14 395	1.73 406	0.89 370	1.09 413	0.55 404	0.99 407	0.57 402	0.87 405	0.62 405

RainbowNet	0.72 382	0.89 400	1.02 371	0.82 399	0.63 395	0.78 380	0.52 378	0.81 389	0.93 387	0.60 357	0.79 364	0.80 374	0.60 361	0.80 344	0.57 337	0.78 403	0.55 404	0.78 401	0.49 393	0.76 401	0.58 398

MFMNet_re	0.72 382	0.76 393	0.99 366	0.62 391	0.70 397	0.77 377	0.67 389	0.75 380	0.83 378	0.78 377	0.86 371	0.69 366	0.78 378	0.71 310	0.61 346	0.66 399	0.59 407	0.61 395	0.58 403	0.68 399	0.71 407

Dean	1.17 401	1.04 407	1.49 396	1.03 408	0.78 403	1.20 401	0.77 398	1.48 407	1.96 407	1.28 399	1.99 410	2.15 406	1.14 395	1.25 392	1.00 375	0.81 405	0.60 408	1.01 408	0.69 407	0.92 409	0.74 410

DGSMNet	0.61 373	0.29 333	0.91 355	0.51 385	0.70 397	0.62 362	1.38 419	0.59 330	0.55 328	0.37 254	0.61 334	0.52 317	0.33 274	0.65 295	0.43 306	0.53 390	0.60 408	0.67 396	0.61 404	0.63 393	0.61 403

LVE	1.13 399	1.02 405	1.28 389	1.01 406	0.80 406	1.29 405	0.81 402	1.47 406	1.96 407	1.07 393	1.90 408	1.90 403	1.01 394	1.48 399	0.91 371	0.93 410	0.61 410	0.94 404	0.69 407	0.87 405	0.75 411

WAO-7	1.01 395	0.89 400	0.93 359	0.83 401	0.66 396	1.18 398	0.81 402	1.40 403	1.57 405	1.11 395	1.76 407	1.45 396	1.19 399	1.50 400	1.14 384	0.61 397	0.62 411	0.70 397	0.68 406	0.66 398	0.60 400

UNDER WATER	1.59 409	1.22 415	2.36 406	1.38 415	1.03 412	1.67 412	1.10 414	1.54 410	3.63 415	1.44 409	1.47 398	2.85 415	2.25 415	1.67 404	1.94 409	1.06 412	0.62 411	1.31 416	0.93 415	1.21 413	1.02 416

WAO-8	1.46 406	1.10 410	1.09 376	1.10 409	0.84 407	2.06 413	0.75 395	1.84 412	3.83 417	1.44 409	2.21 413	2.15 406	1.43 407	3.17 418	1.19 389	0.91 408	0.65 413	1.09 410	0.79 411	0.90 407	0.71 407

Venus	1.46 406	1.10 410	1.09 376	1.10 409	0.84 407	2.06 413	0.75 395	1.84 412	3.83 417	1.44 409	2.21 413	2.15 406	1.43 407	3.17 418	1.19 389	0.91 408	0.65 413	1.09 410	0.79 411	0.90 407	0.71 407

UNDER WATER-64	1.55 408	1.19 414	2.52 409	1.31 414	0.95 411	2.12 415	1.21 417	1.45 405	3.19 413	1.43 408	1.32 392	2.64 413	2.04 413	1.63 403	1.83 405	1.11 414	0.67 415	1.28 415	0.92 414	1.19 412	1.02 416

notaker	1.45 405	1.34 416	1.48 395	1.40 416	1.07 413	1.18 398	0.85 405	1.48 407	1.40 400	1.51 413	3.46 418	2.40 411	1.81 411	1.76 408	1.45 399	1.11 414	0.69 416	1.38 417	0.87 413	1.31 416	0.97 415

ktn	1.77 412	1.36 417	1.22 384	1.43 417	1.14 414	1.52 410	1.08 413	1.51 409	3.96 420	2.77 419	4.69 420	3.35 417	1.46 409	1.69 405	1.25 393	1.43 418	0.77 417	1.45 418	0.99 416	1.32 418	0.96 414

KSHMR	1.89 413	1.36 417	1.60 398	1.47 418	1.22 416	1.38 408	1.06 412	1.79 411	5.97 423	1.42 407	5.65 424	2.98 416	1.14 395	2.23 414	1.20 391	1.27 417	1.12 418	1.46 419	1.10 418	1.32 418	1.15 418

SPstereo	14.25 431	1.73 420	2.83 413	1.84 420	1.57 420	23.16 438	43.27 438	35.72 445	29.56 445	20.86 442	20.62 436	26.34 445	21.82 438	25.23 445	19.62 437	1.56 419	1.42 419	2.96 423	2.17 421	1.31 416	1.33 421

JetRed	2.30 416	2.64 423	6.12 420	1.12 412	1.38 418	5.85 423	3.29 422	1.99 416	1.67 406	1.98 414	1.95 409	2.16 409	1.60 410	2.48 415	4.10 421	1.05 411	1.60 420	1.09 410	1.01 417	1.67 420	1.28 419

MADNet++	2.26 415	1.80 421	2.06 403	2.13 423	1.97 421	2.61 419	1.79 421	2.38 419	2.16 410	2.75 418	2.65 416	2.38 410	2.43 416	3.17 418	3.21 417	2.17 420	1.95 421	1.94 421	1.63 420	2.06 421	2.01 423

PML	16.10 435	12.82 435	6.78 421	5.23 425	7.76 425	33.92 439	66.56 445	5.30 424	10.28 427	26.12 444	68.59 445	20.51 436	13.49 435	10.06 429	6.78 426	5.96 428	2.00 422	6.04 429	2.18 422	8.96 430	2.60 425

HanzoNet	2.97 417	1.69 419	2.29 405	1.74 419	1.33 417	1.53 411	1.03 411	1.99 416	2.64 412	5.51 422	5.16 421	5.90 424	6.82 425	4.32 423	3.29 418	3.16 422	2.02 423	1.92 420	2.87 424	2.24 422	1.89 422

DPSimNet_ROB	4.34 420	4.23 424	6.89 422	3.67 424	3.68 422	4.75 421	5.21 424	2.67 421	3.68 416	5.82 423	3.95 419	5.57 421	6.72 424	3.46 422	4.48 422	4.05 425	2.88 424	4.68 426	3.12 425	3.69 424	3.62 426

ASD4	7.23 423	6.65 427	7.69 423	5.24 426	5.62 424	11.85 429	20.36 429	7.57 427	7.14 425	6.55 424	5.47 423	5.99 426	5.78 422	7.22 426	9.24 427	4.85 426	4.44 425	6.40 430	5.19 426	6.53 427	4.89 427

FADE	4.32 419	1.06 408	4.35 416	0.71 395	0.76 402	0.73 372	0.50 376	1.85 415	1.52 404	0.75 374	0.66 343	1.17 389	2.69 418	2.83 416	1.96 411	24.23 443	4.70 426	17.35 438	17.61 437	0.49 385	0.44 388

LRCNet_RVC	10.90 428	14.34 436	9.35 424	15.35 432	8.04 426	1.08 394	0.34 328	8.78 428	0.70 361	12.63 434	16.05 434	9.85 427	6.54 423	8.57 428	6.34 425	20.27 441	5.40 427	23.70 440	21.88 439	14.87 434	13.83 436

DGTPSM_ROB	8.34 425	5.10 425	10.37 431	5.31 427	10.18 427	8.33 424	23.60 433	6.06 425	13.41 432	4.90 420	10.87 430	5.65 422	10.44 427	6.17 424	12.59 428	3.74 423	7.55 428	3.69 424	7.26 429	4.14 425	7.46 428

DPSMNet_ROB	8.40 426	5.11 426	10.49 432	5.58 428	10.25 428	8.34 425	23.62 434	6.07 426	13.45 433	4.93 421	10.88 431	5.66 423	10.44 427	6.24 425	12.64 429	3.98 424	7.61 429	3.76 425	7.30 430	4.20 426	7.51 429

Anonymous_1	16.62 436	9.35 428	9.84 425	10.66 429	14.64 431	18.66 435	27.12 435	12.64 433	13.51 434	10.76 433	10.30 429	10.13 428	10.60 429	11.06 433	12.74 430	15.87 440	7.74 430	16.92 437	43.48 442	58.66 445	7.68 430

DPSM_ROB	11.49 429	9.87 432	10.35 429	11.13 430	11.31 429	19.11 436	27.51 436	13.37 434	14.21 435	10.31 431	11.06 432	10.96 432	11.27 433	11.96 434	13.59 431	6.78 429	8.19 431	6.03 427	7.09 427	7.93 428	7.73 431

DPSM	11.49 429	9.87 432	10.35 429	11.13 430	11.31 429	19.11 436	27.51 436	13.37 434	14.21 435	10.31 431	11.06 432	10.96 432	11.27 433	11.96 434	13.59 431	6.78 429	8.19 431	6.03 427	7.09 427	7.93 428	7.73 431

tt	4.71 421	0.10 26	3.94 415	2.06 422	1.53 419	10.14 428	16.88 428	9.27 429	4.98 421	1.39 403	1.02 380	4.68 420	4.90 421	3.35 421	5.86 424	5.76 427	9.15 433	2.24 422	2.53 423	3.10 423	1.32 420

xxxxx1	15.27 432	9.54 429	10.31 426	20.13 435	18.88 434	17.08 431	23.03 430	10.36 430	10.99 428	9.21 428	9.62 426	10.74 429	10.61 430	10.72 430	13.89 433	7.97 431	9.20 434	31.85 443	44.72 443	12.84 431	13.69 433

tt_ll	15.27 432	9.54 429	10.31 426	20.13 435	18.88 434	17.08 431	23.03 430	10.36 430	10.99 428	9.21 428	9.62 426	10.74 429	10.61 430	10.72 430	13.89 433	7.97 431	9.20 434	31.85 443	44.72 443	12.84 431	13.69 433

ff	15.27 432	9.54 429	10.31 426	20.13 435	18.88 434	17.08 431	23.03 430	10.36 430	10.99 428	9.21 428	9.62 426	10.74 429	10.61 430	10.72 430	13.89 433	7.97 431	9.20 434	31.85 443	44.72 443	12.84 431	13.69 433

LSM0	24.24 444	19.98 442	22.32 441	24.22 443	40.14 445	38.48 444	55.20 439	26.95 443	28.57 439	20.49 436	21.83 437	22.26 443	22.75 442	24.22 443	27.30 440	13.66 439	16.32 437	12.19 436	14.15 431	16.10 440	17.66 442

Selective-RAFT-Error	23.16 443	19.93 441	20.87 440	22.54 442	22.81 442	38.52 445	55.47 440	27.01 444	28.83 444	20.66 438	22.25 440	22.09 442	22.80 444	24.09 442	27.36 441	13.61 435	16.48 438	12.15 432	14.28 433	15.99 439	15.57 441

CasAABBNet	23.10 439	19.86 437	20.64 436	22.47 438	22.73 441	38.41 440	55.50 441	26.89 442	28.70 440	20.61 437	22.15 439	22.08 441	22.75 442	23.99 441	27.36 441	13.59 434	16.48 438	12.14 431	14.27 432	15.95 435	15.53 437

MyStereo03	23.12 440	19.90 438	20.85 437	22.49 439	22.71 438	38.42 441	55.53 442	26.80 439	28.72 441	20.77 439	22.25 440	22.03 438	22.69 439	23.90 438	27.38 443	13.62 436	16.50 440	12.15 432	14.28 433	15.95 435	15.53 437

MyStereo02	23.12 440	19.90 438	20.85 437	22.49 439	22.71 438	38.42 441	55.53 442	26.80 439	28.72 441	20.77 439	22.25 440	22.03 438	22.69 439	23.90 438	27.38 443	13.62 436	16.50 440	12.15 432	14.28 433	15.95 435	15.53 437

MyStereo	23.12 440	19.90 438	20.85 437	22.49 439	22.71 438	38.42 441	55.53 442	26.80 439	28.72 441	20.77 439	22.25 440	22.03 438	22.69 439	23.90 438	27.38 443	13.62 436	16.50 440	12.15 432	14.28 433	15.95 435	15.53 437

HaxPig	17.72 437	20.22 443	19.73 434	16.53 433	16.51 432	9.27 426	9.33 425	14.34 436	13.27 431	18.65 435	18.70 435	17.35 435	16.77 436	17.04 436	16.45 436	22.05 442	20.89 443	22.27 439	21.53 438	21.29 441	22.13 443

MEDIAN_ROB	21.21 438	24.62 444	23.47 442	19.58 434	19.65 437	13.22 430	10.96 426	17.88 437	17.00 437	22.14 443	22.02 438	20.86 437	20.36 437	21.06 437	19.71 438	25.63 444	24.13 444	26.21 441	25.20 440	25.17 442	25.38 444

AVERAGE_ROB	25.43 445	29.06 445	27.24 443	24.63 444	24.20 444	17.73 434	12.61 427	22.29 438	21.39 438	26.79 445	26.16 444	25.20 444	24.64 445	25.07 444	23.53 439	29.96 445	28.40 445	30.60 442	29.58 441	29.72 443	29.84 445

test_example2	101.33 446	108.28 446	68.15 445	98.43 445	106.93 446	89.75 446	102.43 446	36.80 446	97.65 446	129.04 446	130.15 446	65.26 446	66.62 446	92.11 446	80.24 446	144.10 446	199.48 446	81.81 446	103.01 446	125.01 446	101.27 446

Low-res two-view benchmark