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

StereoIM	0.38 1	0.27 38	0.72 61	0.45 9	0.35 141	0.30 3	0.31 29	0.81 7	0.54 3	0.38 2	0.38 1	0.58 48	0.49 57	0.53 5	0.39 33	0.20 101	0.16 142	0.19 51	0.15 33	0.19 63	0.15 4

MIF-Stereo	0.38 1	0.24 10	0.67 51	0.49 37	0.36 144	0.40 9	0.32 33	0.55 1	0.55 4	0.55 33	0.55 18	0.36 2	0.31 6	0.59 14	0.52 113	0.21 126	0.15 115	0.17 16	0.15 33	0.19 63	0.17 25

panet	0.40 3	0.23 6	0.40 2	0.37 1	0.20 2	0.53 55	0.29 23	0.81 7	1.15 175	0.59 34	0.72 36	0.53 42	0.43 24	0.56 7	0.37 26	0.18 41	0.13 17	0.15 3	0.10 1	0.14 1	0.14 3

MoCha-V2	0.40 3	0.26 21	0.63 34	0.73 292	0.23 6	0.41 13	0.30 26	1.22 113	0.62 16	0.45 10	0.46 3	0.43 7	0.59 99	0.48 3	0.31 1	0.15 4	0.14 60	0.15 3	0.13 12	0.17 21	0.15 4

CREStereo	0.40 3	0.24 10	0.40 2	0.37 1	0.22 5	0.52 51	0.29 23	0.81 7	1.15 175	0.59 34	0.72 36	0.51 35	0.42 21	0.57 11	0.37 26	0.19 67	0.13 17	0.15 3	0.10 1	0.14 1	0.15 4
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
AEACV	0.41 6	0.25 18	0.60 25	0.55 114	0.52 243	0.43 16	0.38 74	0.98 33	0.63 18	0.44 6	0.56 19	0.46 17	0.59 99	0.56 7	0.31 1	0.17 19	0.13 17	0.18 36	0.16 57	0.17 21	0.17 25

LoS	0.41 6	0.23 6	0.46 9	0.39 3	0.23 6	0.48 26	0.40 85	1.12 76	0.94 91	0.50 22	0.66 24	0.49 31	0.42 21	0.63 26	0.39 33	0.19 67	0.14 60	0.16 10	0.11 7	0.14 1	0.15 4

EGLCR-Stereo	0.41 6	0.24 10	0.59 23	0.45 9	0.27 21	0.54 65	0.22 2	1.23 118	0.56 6	0.44 6	0.43 2	0.68 70	0.29 3	0.89 70	0.34 5	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.18 34

GLC_STEREO	0.41 6	0.27 38	0.43 6	0.55 114	0.24 8	0.47 21	0.30 26	0.81 7	0.64 20	0.53 31	0.74 39	0.50 34	0.31 6	0.65 28	0.45 77	0.18 41	0.20 215	0.23 151	0.19 107	0.21 126	0.21 93

CASnet	0.42 10	0.26 21	0.52 16	0.52 73	0.21 3	0.49 31	0.35 54	0.85 17	0.85 63	0.84 71	0.69 30	0.48 27	0.31 6	0.57 11	0.34 5	0.19 67	0.12 5	0.27 240	0.22 191	0.23 164	0.15 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.42 10	0.26 21	0.56 17	0.48 31	0.27 21	0.45 19	0.33 37	1.56 172	0.61 15	0.36 1	0.47 5	0.52 39	0.30 4	1.08 105	0.33 4	0.15 4	0.13 17	0.17 16	0.13 12	0.16 12	0.15 4

CroCo-Stereo	0.42 10	0.33 140	0.83 121	0.59 168	0.28 42	0.26 1	0.33 37	1.22 113	0.85 63	0.43 5	0.49 8	0.65 64	0.46 39	0.40 1	0.36 17	0.19 67	0.15 115	0.16 10	0.14 25	0.20 91	0.17 25
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
MGS-Stereo	0.43 13	0.28 46	0.61 29	0.46 15	0.28 42	0.49 31	0.33 37	0.60 2	0.89 68	0.47 13	1.32 206	0.51 35	0.32 9	0.66 30	0.39 33	0.20 101	0.16 142	0.18 36	0.16 57	0.18 37	0.18 34

LargeStereo	0.45 14	0.24 10	0.63 34	0.58 154	0.32 100	0.42 15	0.25 4	2.16 307	0.65 23	0.38 2	0.58 20	0.46 17	0.44 29	0.56 7	0.40 48	0.20 101	0.13 17	0.16 10	0.13 12	0.17 21	0.18 34

ff7	0.45 14	0.30 84	0.64 41	0.47 26	0.33 114	0.49 31	0.42 97	0.93 23	0.59 7	0.50 22	0.53 10	0.44 9	0.48 47	1.41 149	0.36 17	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

ffff	0.45 14	0.30 84	0.64 41	0.47 26	0.33 114	0.49 31	0.42 97	0.93 23	0.59 7	0.50 22	0.53 10	0.44 9	0.48 47	1.41 149	0.36 17	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

11t	0.45 14	0.30 84	0.64 41	0.47 26	0.33 114	0.49 31	0.42 97	0.93 23	0.59 7	0.50 22	0.53 10	0.44 9	0.48 47	1.41 149	0.36 17	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

LoS_RVC	0.45 14	0.29 66	0.48 11	0.49 37	0.83 344	0.51 47	0.43 113	0.65 3	0.44 1	0.47 13	0.78 45	0.44 9	0.60 104	0.59 14	0.37 26	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 382

anonymousdsp	0.45 14	0.30 84	0.60 25	0.48 31	0.34 126	0.49 31	0.42 97	0.97 29	0.60 12	0.51 29	0.53 10	0.46 17	0.47 45	1.36 140	0.35 7	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

ccc-4	0.45 14	0.30 84	0.64 41	0.47 26	0.33 114	0.49 31	0.42 97	0.93 23	0.59 7	0.50 22	0.53 10	0.44 9	0.48 47	1.41 149	0.36 17	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

IGEV-Stereo	0.45 14	0.30 84	0.60 25	0.48 31	0.34 126	0.49 31	0.42 97	0.98 33	0.60 12	0.51 29	0.53 10	0.46 17	0.47 45	1.36 140	0.35 7	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TANstereo	0.45 14	0.23 6	0.50 14	0.43 6	0.21 3	0.65 114	0.26 11	0.83 13	0.88 67	0.95 89	0.99 86	0.51 35	0.45 32	0.56 7	0.36 17	0.19 67	0.24 268	0.16 10	0.13 12	0.17 21	0.27 200

ProNet	0.46 23	0.30 84	0.69 57	0.46 15	0.32 100	0.57 74	0.52 180	1.15 93	0.67 24	0.44 6	0.50 9	0.44 9	0.43 24	1.31 133	0.38 30	0.16 8	0.15 115	0.19 51	0.16 57	0.18 37	0.18 34

MC-Stereo	0.46 23	0.24 10	0.58 19	0.63 206	0.30 66	0.38 7	0.32 33	0.98 33	0.74 38	0.66 45	0.85 58	0.56 45	0.60 104	1.07 103	0.32 3	0.17 19	0.12 5	0.17 16	0.15 33	0.16 12	0.16 15

CroCo-Stereo Lap2	0.46 23	0.37 210	0.87 143	0.62 196	0.79 335	0.28 2	0.35 54	0.81 7	0.73 31	0.39 4	0.54 16	0.71 83	0.54 72	0.60 16	0.48 93	0.18 41	0.18 190	0.19 51	0.16 57	0.21 126	0.21 93

Former-RAFT_DAM_RVC	0.47 26	0.38 227	0.75 81	0.48 31	0.37 149	0.67 125	0.35 54	0.82 12	1.14 170	0.61 42	0.64 22	0.39 4	0.39 16	0.74 38	0.39 33	0.20 101	0.17 166	0.22 124	0.18 88	0.24 193	0.20 74

XX-TBD	0.47 26	0.71 334	0.39 1	0.81 322	0.25 10	0.57 74	0.26 11	0.73 4	1.30 242	0.78 58	1.01 92	0.45 16	0.33 11	0.49 4	0.39 33	0.20 101	0.15 115	0.15 3	0.11 7	0.17 21	0.15 4

PMTNet	0.47 26	0.22 3	0.43 6	0.39 3	0.24 8	0.71 142	0.26 11	0.78 6	1.03 126	0.65 44	0.69 30	0.55 43	0.48 47	0.90 73	0.36 17	0.99 382	0.13 17	0.15 3	0.10 1	0.15 5	0.15 4

MIF-Stereo (partial)	0.48 29	0.28 46	0.83 121	0.51 61	0.53 248	0.39 8	0.27 15	1.03 46	0.64 20	0.47 13	0.71 35	0.51 35	0.51 59	1.13 116	0.47 89	0.20 101	0.16 142	0.23 151	0.20 133	0.24 193	0.20 74

IGEVStereo-DCA	0.49 30	0.33 140	0.64 41	0.46 15	0.34 126	0.50 42	0.42 97	0.93 23	0.59 7	0.48 16	0.48 6	0.48 27	0.45 32	2.28 269	0.44 66	0.19 67	0.14 60	0.19 51	0.15 33	0.17 21	0.21 93

test croco	0.49 30	0.29 66	1.23 244	0.51 61	0.40 176	0.35 5	0.37 67	1.04 49	0.62 16	0.44 6	0.76 40	0.42 5	0.41 18	1.17 123	0.46 81	0.23 175	0.15 115	0.24 173	0.19 107	0.25 203	0.18 34

iRaftStereo_RVC	0.49 30	0.28 46	0.72 61	0.53 93	0.29 54	0.52 51	0.33 37	1.14 82	0.84 60	0.85 73	0.99 86	0.55 43	0.36 13	0.83 58	0.40 48	0.18 41	0.13 17	0.22 124	0.20 133	0.20 91	0.18 34

CREStereo++_RVC	0.49 30	0.22 3	0.46 9	0.48 31	0.38 160	0.45 19	0.25 4	0.77 5	1.30 242	0.82 67	1.23 173	0.47 23	0.37 14	0.55 6	0.44 66	0.16 8	0.11 2	0.16 10	0.80 384	0.18 37	0.12 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
MyStereo07	0.50 34	0.30 84	0.58 19	0.58 154	0.48 221	0.59 84	0.78 271	1.19 103	0.60 12	0.49 19	0.54 16	0.43 7	0.55 74	1.32 136	0.36 17	0.18 41	0.18 190	0.24 173	0.21 169	0.23 164	0.23 129

4D-IteraStereo	0.50 34	0.26 21	0.84 130	0.51 61	0.49 227	0.64 110	0.31 29	0.91 22	1.02 123	1.05 111	0.72 36	0.76 87	0.32 9	0.69 33	0.40 48	0.18 41	0.11 2	0.23 151	0.20 133	0.19 63	0.16 15

CES	0.51 36	0.21 2	0.40 2	0.42 5	1.40 385	0.53 55	0.34 45	1.04 49	0.68 25	0.45 10	0.67 26	0.35 1	0.28 2	0.58 13	0.35 7	0.16 8	0.13 17	0.15 3	0.10 1	0.19 63	1.69 393

sCroCo_RVC	0.51 36	0.43 252	1.15 218	0.66 236	0.60 280	0.52 51	0.40 85	0.93 23	0.64 20	0.45 10	0.76 40	0.49 31	0.49 57	0.65 28	0.49 102	0.27 248	0.28 298	0.23 151	0.22 191	0.29 240	0.28 211

RCA-Stereo	0.52 38	0.26 21	0.66 48	0.49 37	0.33 114	0.54 65	0.44 130	1.20 107	1.41 286	0.69 48	1.06 110	0.63 61	0.79 159	0.62 21	0.35 7	0.17 19	0.12 5	0.17 16	0.14 25	0.16 12	0.16 15

knoymous	0.53 39	0.32 123	0.51 15	0.46 15	0.30 66	0.57 74	0.54 195	1.10 72	0.78 44	0.99 92	0.84 56	0.95 157	0.57 81	0.89 70	0.51 107	0.21 126	0.14 60	0.26 231	0.14 25	0.23 164	0.25 167

HUI-Stereo	0.54 40	0.33 140	0.81 104	0.52 73	0.27 21	0.62 94	0.29 23	1.14 82	0.74 38	1.13 132	0.96 75	0.82 108	0.60 104	0.83 58	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

Any-RAFT	0.55 41	0.27 38	0.49 12	0.50 50	0.27 21	0.98 233	0.25 4	1.71 209	1.08 140	0.90 81	0.99 86	1.13 213	0.46 39	0.74 38	0.35 7	0.19 67	0.13 17	0.17 16	0.13 12	0.16 12	0.19 55

Selective-RAFT	0.55 41	0.29 66	0.85 136	0.58 154	0.28 42	0.91 208	0.34 45	1.00 39	0.96 99	0.59 34	0.64 22	0.80 96	0.76 145	1.34 138	0.51 107	0.21 126	0.15 115	0.17 16	0.15 33	0.19 63	0.19 55

test_4	0.55 41	0.23 6	0.67 51	0.56 126	0.32 100	0.71 142	0.39 83	0.83 13	0.72 30	0.93 86	1.87 328	0.70 77	0.41 18	1.21 127	0.39 33	0.16 8	0.13 17	0.21 97	0.23 219	0.20 91	0.18 34

GMOStereo	0.55 41	0.28 46	0.72 61	0.52 73	0.30 66	0.53 55	0.43 113	1.02 40	0.98 106	1.44 278	1.14 148	0.88 131	0.57 81	0.62 21	0.39 33	0.16 8	0.14 60	0.24 173	0.22 191	0.20 91	0.18 34

error version	0.55 41	0.28 46	0.72 61	0.52 73	0.30 66	0.53 55	0.43 113	1.02 40	0.98 106	1.44 278	1.14 148	0.88 131	0.57 81	0.62 21	0.39 33	0.16 8	0.14 60	0.24 173	0.22 191	0.20 91	0.18 34

test-v	0.55 41	0.28 46	0.72 61	0.52 73	0.30 66	0.53 55	0.43 113	1.02 40	0.98 106	1.44 278	1.14 148	0.88 131	0.57 81	0.62 21	0.39 33	0.16 8	0.14 60	0.24 173	0.22 191	0.20 91	0.18 34

test-2	0.55 41	0.28 46	0.72 61	0.52 73	0.30 66	0.53 55	0.43 113	1.02 40	0.98 106	1.44 278	1.14 148	0.88 131	0.57 81	0.62 21	0.39 33	0.16 8	0.14 60	0.24 173	0.22 191	0.20 91	0.18 34

rafts_anoy	0.55 41	0.32 123	0.66 48	0.72 285	0.61 285	0.53 55	0.40 85	1.24 119	1.06 136	0.85 73	0.83 55	0.67 68	0.53 65	0.77 45	0.55 132	0.20 101	0.15 115	0.25 210	0.26 251	0.22 145	0.21 93

s12784h	0.55 41	0.22 3	0.49 12	0.43 6	0.19 1	1.00 235	0.34 45	1.40 143	1.30 242	0.84 71	0.93 70	0.63 61	0.52 63	1.48 165	0.47 89	0.15 4	0.12 5	0.17 16	0.11 7	0.19 63	0.13 2

raftrobust	0.55 41	0.27 38	0.63 34	0.68 258	0.69 309	0.50 42	0.34 45	1.08 59	0.97 103	1.32 230	0.88 64	0.62 57	0.80 165	0.82 55	0.44 66	0.20 101	0.16 142	0.16 10	0.14 25	0.15 5	0.18 34

Gwc-CoAtRS	0.55 41	0.27 38	0.73 71	0.49 37	0.30 66	0.63 102	0.25 4	1.38 141	1.12 159	1.05 111	1.02 94	1.10 204	0.55 74	0.72 36	0.44 66	0.17 19	0.14 60	0.17 16	0.15 33	0.16 12	0.17 25

MSKI-zero shot	0.56 52	0.30 84	0.61 29	0.55 114	0.28 42	0.68 129	0.28 19	1.25 121	0.68 25	0.92 83	1.33 211	0.81 102	0.33 11	1.94 233	0.36 17	0.18 41	0.13 17	0.17 16	0.13 12	0.16 12	0.19 55

EKT-Stereo	0.56 52	0.33 140	0.84 130	0.61 188	0.64 292	0.51 47	0.48 157	1.14 82	0.95 95	0.74 54	0.89 66	0.77 91	0.42 21	1.18 124	0.42 59	0.23 175	0.17 166	0.21 97	0.18 88	0.20 91	0.26 184

LL-Strereo2	0.56 52	0.36 194	0.77 88	0.56 126	0.40 176	0.68 129	0.37 67	1.21 111	0.83 58	0.96 90	0.79 47	0.91 142	0.41 18	1.08 105	0.48 93	0.18 41	0.17 166	0.29 260	0.25 239	0.22 145	0.19 55

test-3	0.56 52	0.24 10	0.82 113	0.50 50	0.29 54	0.57 74	0.34 45	1.09 66	1.03 126	1.33 235	0.69 30	0.87 125	0.45 32	1.68 197	0.39 33	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.16 15

test_1	0.56 52	0.24 10	0.82 113	0.50 50	0.29 54	0.57 74	0.34 45	1.09 66	1.03 126	1.28 215	0.69 30	0.87 125	0.45 32	1.67 195	0.39 33	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.16 15

PSM-adaLoss	0.56 52	0.33 140	0.81 104	0.52 73	0.27 21	0.63 102	0.41 93	1.14 82	0.73 31	1.13 132	0.96 75	0.82 108	0.60 104	1.09 109	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

ROB_FTStereo	0.56 52	0.33 140	0.82 113	0.52 73	0.27 21	0.62 94	0.25 4	1.14 82	0.74 38	1.13 132	0.96 75	0.82 108	0.60 104	1.18 124	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

cross-raft	0.56 52	0.26 21	0.65 46	0.55 114	0.31 80	0.66 120	0.37 67	1.68 195	0.82 55	1.06 115	1.07 112	1.25 237	0.45 32	0.74 38	0.39 33	0.15 4	0.13 17	0.19 51	0.16 57	0.19 63	0.17 25

test-1	0.56 52	0.28 46	1.13 213	0.58 154	0.34 126	0.60 88	0.38 74	1.56 172	0.98 106	0.80 61	1.02 94	0.83 116	0.52 63	0.64 27	0.46 81	0.17 19	0.16 142	0.20 74	0.17 74	0.20 91	0.26 184

raft+_RVC	0.56 52	0.29 66	0.61 29	0.65 223	0.56 264	0.53 55	0.53 186	1.40 143	1.02 123	0.78 58	1.04 105	0.70 77	0.55 74	1.00 87	0.49 102	0.18 41	0.16 142	0.19 51	0.19 107	0.18 37	0.17 25

Anonymous	0.56 52	0.41 246	1.05 194	0.67 249	0.73 316	0.65 114	0.68 248	1.12 76	0.79 50	0.48 16	0.60 21	0.42 5	0.60 104	0.81 53	0.55 132	0.26 231	0.24 268	0.21 97	0.21 169	0.41 301	0.30 236

RAFT-Stereo + iAFF	0.56 52	0.28 46	0.81 104	0.45 9	0.25 10	0.40 9	0.34 45	1.12 76	1.13 164	1.35 246	1.58 283	0.80 96	0.67 127	0.71 34	0.43 62	0.14 1	0.11 2	0.18 36	0.17 74	0.18 37	0.16 15

H2IRNET	0.57 64	0.28 46	0.75 81	0.49 37	0.35 141	0.40 9	0.27 15	1.03 46	1.18 190	0.62 43	1.26 181	1.07 191	0.85 180	1.02 91	0.64 166	0.20 101	0.16 142	0.23 151	0.25 239	0.22 145	0.20 74

11t1	0.57 64	0.30 84	0.84 130	0.54 104	0.30 66	0.83 186	0.41 93	1.34 135	0.79 50	0.88 79	0.82 54	0.70 77	0.70 135	0.96 83	0.67 176	0.21 126	0.21 228	0.20 74	0.16 57	0.21 126	0.26 184

rrr	0.57 64	0.33 140	2.43 339	0.46 15	0.34 126	0.50 42	0.38 74	0.84 16	0.55 4	0.48 16	0.48 6	0.48 27	0.45 32	2.28 269	0.44 66	0.19 67	0.14 60	0.19 51	0.15 33	0.17 21	0.18 34

test_3	0.57 64	0.24 10	0.87 143	0.55 114	0.30 66	0.60 88	0.40 85	1.07 54	1.08 140	1.20 175	0.68 27	0.92 147	0.43 24	1.68 197	0.40 48	0.16 8	0.13 17	0.22 124	0.19 107	0.21 126	0.17 25

Patchmatch Stereo++	0.57 64	0.33 140	0.82 113	0.52 73	0.27 21	0.63 102	0.28 19	1.14 82	0.73 31	1.13 132	0.96 75	0.82 108	0.60 104	1.40 147	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74
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
ROB_FTStereo_v2	0.57 64	0.33 140	0.81 104	0.52 73	0.27 21	0.62 94	0.42 97	1.14 82	0.73 31	1.13 132	0.97 82	0.82 108	0.60 104	1.15 118	0.53 122	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

DeepStereo_RVC	0.57 64	0.31 109	0.78 94	0.53 93	0.30 66	0.57 74	0.32 33	1.11 74	0.80 54	1.17 153	0.94 72	0.83 116	0.93 218	1.01 89	0.61 158	0.23 175	0.14 60	0.21 97	0.19 107	0.24 193	0.26 184

iRAFT	0.57 64	0.33 140	0.82 113	0.52 73	0.27 21	0.63 102	0.28 19	1.14 82	0.73 31	1.13 132	0.96 75	0.82 108	0.60 104	1.40 147	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

CRE-IMP	0.57 64	0.32 123	0.82 113	0.54 104	0.29 54	0.77 166	0.25 4	1.19 103	0.79 50	1.09 118	0.95 73	0.81 102	0.57 81	1.11 114	0.57 142	0.22 155	0.14 60	0.23 151	0.19 107	0.28 230	0.24 148

RAFT-IKP	0.57 64	0.33 140	0.82 113	0.52 73	0.27 21	0.57 74	0.35 54	1.14 82	0.73 31	1.13 132	0.96 75	0.83 116	0.61 114	1.26 130	0.53 122	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

test_xeample3	0.57 64	0.33 140	3.11 356	0.46 15	0.34 126	0.55 69	0.38 74	0.86 20	0.49 2	0.54 32	0.46 3	0.44 9	0.44 29	1.49 171	0.45 77	0.18 41	0.14 60	0.19 51	0.15 33	0.17 21	0.18 34

CFNet-RSSM	0.57 64	0.25 18	0.76 85	0.49 37	0.28 42	0.59 84	0.27 15	1.89 251	1.17 185	1.09 118	0.95 73	1.06 188	0.53 65	0.74 38	0.41 54	0.17 19	0.13 17	0.17 16	0.15 33	0.16 12	0.16 15

AE-Stereo	0.58 76	0.29 66	0.81 104	0.62 196	0.41 186	0.69 137	0.46 144	2.49 359	1.25 218	0.49 19	0.77 43	0.69 74	0.46 39	0.61 17	0.42 59	0.17 19	0.16 142	0.21 97	0.20 133	0.19 63	0.18 34

1test111	0.58 76	0.34 167	0.63 34	0.60 175	0.27 21	1.16 264	0.51 172	1.58 177	0.91 74	0.60 38	0.80 50	0.47 23	0.87 194	0.99 85	0.67 176	0.21 126	0.13 17	0.25 210	0.15 33	0.23 164	0.25 167

RAFT-Test	0.58 76	0.27 38	0.81 104	0.50 50	0.33 114	0.95 226	0.27 15	1.40 143	0.89 68	1.00 96	1.12 133	1.39 270	0.48 47	0.74 38	0.41 54	0.17 19	0.14 60	0.17 16	0.14 25	0.16 12	0.18 34

anonymousdsp2	0.58 76	0.29 66	0.93 159	0.51 61	0.30 66	0.75 152	0.46 144	1.95 264	0.87 66	0.81 65	0.78 45	0.76 87	0.48 47	1.10 111	0.45 77	0.19 67	0.14 60	0.18 36	0.13 12	0.20 91	0.22 114

fff	0.58 76	0.26 21	1.15 218	0.46 15	0.25 10	0.48 26	0.36 61	1.20 107	1.28 232	1.13 132	1.03 101	0.59 50	1.04 262	0.77 45	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.15 5	0.24 148

iGMRVC	0.58 76	0.33 140	0.81 104	0.52 73	0.27 21	0.62 94	0.38 74	1.14 82	0.73 31	1.13 132	0.97 82	0.82 108	0.59 99	1.54 174	0.53 122	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

RALCasStereoNet	0.58 76	0.34 167	0.77 88	0.65 223	0.64 292	0.64 110	0.51 172	1.06 53	0.99 113	0.71 49	1.06 110	0.77 91	0.44 29	1.38 144	0.52 113	0.20 101	0.18 190	0.18 36	0.16 57	0.20 91	0.22 114

DCANet	0.58 76	0.26 21	1.15 218	0.45 9	0.25 10	0.49 31	0.36 61	1.18 99	1.35 258	1.15 147	1.04 105	0.60 53	0.91 209	0.84 61	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.19 63	0.25 167

csc	0.58 76	0.26 21	1.15 218	0.46 15	0.25 10	0.48 26	0.36 61	1.20 107	1.28 232	1.13 132	1.03 101	0.59 50	1.04 262	0.77 45	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.15 5	0.24 148

cscssc	0.58 76	0.26 21	1.15 218	0.46 15	0.25 10	0.48 26	0.36 61	1.20 107	1.28 232	1.13 132	1.03 101	0.59 50	1.04 262	0.77 45	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.15 5	0.24 148

GMStereo	0.58 76	0.50 277	1.09 204	0.52 73	0.32 100	0.80 172	0.43 113	1.02 40	1.41 286	0.89 80	0.77 43	0.52 39	0.46 39	0.89 70	0.56 139	0.25 214	0.16 142	0.20 74	0.22 191	0.31 255	0.27 200
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet-DCA	0.59 87	0.34 167	0.63 34	0.60 175	0.27 21	1.16 264	0.51 172	1.58 177	0.91 74	0.60 38	0.80 50	0.47 23	0.87 194	1.48 165	0.35 7	0.21 126	0.13 17	0.25 210	0.15 33	0.23 164	0.25 167

IGEV_Zeroshot_test	0.59 87	0.33 140	1.11 209	0.63 206	0.37 149	0.41 13	0.33 37	1.80 227	0.79 50	1.04 109	1.10 123	1.06 188	0.43 24	0.87 66	0.48 93	0.18 41	0.13 17	0.19 51	0.18 88	0.20 91	0.23 129

DCANet-4	0.59 87	0.28 46	1.65 293	0.44 8	0.25 10	0.48 26	0.36 61	1.15 93	1.36 265	1.13 132	1.03 101	0.56 45	0.74 139	0.77 45	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.15 5	0.24 148

x	0.59 87	0.34 167	0.79 98	0.51 61	0.32 100	0.69 137	0.46 144	1.64 190	0.97 103	0.86 77	0.86 59	0.83 116	0.74 139	0.75 43	0.70 184	0.21 126	0.22 238	0.22 124	0.20 133	0.21 126	0.24 148

sAnonymous2	0.59 87	0.61 308	1.82 302	0.61 188	0.52 243	0.51 47	0.54 195	0.97 29	0.70 28	0.50 22	0.68 27	0.46 17	0.63 115	0.61 17	0.41 54	0.22 155	0.17 166	0.23 151	0.21 169	0.85 373	0.56 339

CroCo_RVC	0.59 87	0.61 308	1.82 302	0.61 188	0.52 243	0.51 47	0.54 195	0.97 29	0.70 28	0.50 22	0.68 27	0.46 17	0.63 115	0.61 17	0.41 54	0.22 155	0.17 166	0.23 151	0.21 169	0.85 373	0.56 339

MIM_Stereo	0.60 93	0.26 21	1.02 188	0.49 37	0.32 100	0.52 51	0.28 19	1.41 147	0.82 55	1.02 103	1.16 154	0.93 149	0.53 65	1.48 165	0.63 163	0.17 19	0.17 166	0.20 74	0.19 107	0.17 21	0.18 34

MIPNet	0.60 93	0.31 109	1.07 201	0.51 61	0.34 126	0.68 129	0.40 85	1.67 194	1.14 170	1.11 121	0.93 70	0.60 53	0.78 154	0.77 45	0.58 147	0.18 41	0.14 60	0.19 51	0.16 57	0.18 37	0.21 93

AFF-stereo	0.60 93	0.28 46	0.72 61	0.48 31	0.29 54	0.34 4	0.37 67	1.22 113	1.20 195	1.21 181	1.59 287	1.10 204	0.70 135	1.01 89	0.44 66	0.14 1	0.12 5	0.19 51	0.20 133	0.18 37	0.15 4

R-Stereo Train	0.60 93	0.30 84	0.72 61	0.57 144	0.37 149	0.68 129	0.52 180	1.45 152	0.78 44	1.61 316	1.50 260	0.76 87	0.53 65	0.67 31	0.51 107	0.19 67	0.16 142	0.18 36	0.15 33	0.18 37	0.19 55

RAFT-Stereo	0.60 93	0.30 84	0.72 61	0.57 144	0.37 149	0.68 129	0.52 180	1.45 152	0.78 44	1.61 316	1.50 260	0.76 87	0.53 65	0.67 31	0.51 107	0.19 67	0.16 142	0.18 36	0.15 33	0.18 37	0.19 55
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
riskmin	0.62 98	0.29 66	0.73 71	0.50 50	0.34 126	0.86 197	0.44 130	1.74 214	1.07 137	0.76 57	0.76 40	1.19 221	1.01 249	0.84 61	0.60 155	0.20 101	0.16 142	0.24 173	0.16 57	0.24 193	0.29 223

qqq	0.62 98	0.36 194	0.88 145	0.50 50	0.28 42	0.64 110	0.62 234	1.58 177	0.91 74	0.83 68	0.96 75	0.95 157	0.79 159	0.99 85	0.67 176	0.21 126	0.23 260	0.24 173	0.23 219	0.23 164	0.25 167

ADStereo(finetuned)	0.62 98	0.26 21	1.59 290	0.45 9	0.25 10	0.49 31	0.36 61	1.18 99	1.35 258	1.16 151	1.04 105	0.60 53	1.18 294	0.85 64	0.57 142	0.17 19	0.14 60	0.17 16	0.13 12	0.19 63	0.24 148

dd	0.62 98	0.51 281	1.17 232	0.56 126	0.33 114	0.74 150	0.46 144	1.03 46	1.40 283	0.80 61	0.87 61	0.60 53	0.57 81	1.02 91	0.86 216	0.28 259	0.18 190	0.26 231	0.19 107	0.35 274	0.27 200

IPLGR	0.62 98	0.28 46	1.32 259	0.50 50	0.29 54	0.65 114	0.34 45	1.47 157	1.19 191	1.21 181	1.07 112	0.70 77	0.65 121	1.05 97	0.55 132	0.18 41	0.15 115	0.20 74	0.17 74	0.21 126	0.20 74

PFNet+	0.62 98	0.31 109	0.99 180	0.57 144	0.31 80	0.57 74	0.30 26	0.99 38	1.25 218	1.33 235	1.10 123	0.79 94	0.57 81	1.35 139	0.53 122	0.26 231	0.17 166	0.28 252	0.26 251	0.21 126	0.27 200

NRIStereo	0.62 98	0.31 109	0.78 94	0.56 126	0.28 42	0.63 102	0.33 37	1.16 96	0.92 79	1.15 147	0.87 61	0.90 139	0.58 96	2.24 265	0.56 139	0.22 155	0.14 60	0.21 97	0.19 107	0.22 145	0.18 34

RALAANet	0.62 98	0.37 210	0.97 176	0.66 236	0.50 231	0.67 125	0.31 29	1.27 126	1.09 147	1.11 121	1.17 156	0.88 131	0.46 39	1.27 132	0.45 77	0.20 101	0.15 115	0.21 97	0.18 88	0.27 215	0.19 55

FENet	0.62 98	0.30 84	0.68 53	0.57 144	0.33 114	0.82 180	0.40 85	1.41 147	1.12 159	1.03 107	0.87 61	0.98 165	0.84 175	1.00 87	0.70 184	0.23 175	0.16 142	0.23 151	0.20 133	0.22 145	0.24 148

RAFT+CT+SA	0.63 107	0.30 84	0.73 71	0.69 268	0.37 149	0.40 9	0.55 202	1.93 260	1.04 132	0.72 52	1.23 173	0.62 57	0.69 133	1.69 201	0.42 59	0.19 67	0.13 17	0.22 124	0.22 191	0.21 126	0.19 55

GANet-ADL	0.63 107	0.38 227	0.82 113	0.67 249	0.41 186	0.68 129	0.51 172	1.64 190	1.16 181	0.98 91	1.10 123	0.90 139	0.58 96	0.81 53	0.63 163	0.27 248	0.18 190	0.18 36	0.16 57	0.23 164	0.27 200

AnonymousM	0.63 107	1.14 371	0.43 6	0.46 15	0.32 100	0.43 16	0.46 144	1.27 126	0.78 44	1.00 96	0.66 24	0.68 70	0.45 32	0.61 17	0.46 81	0.21 126	0.16 142	1.84 394	0.98 391	0.15 5	0.15 4

HHNet	0.64 110	0.28 46	0.69 57	0.45 9	0.46 213	0.50 42	0.57 211	1.13 80	1.03 126	1.26 205	2.21 352	0.70 77	0.59 99	1.10 111	0.51 107	0.21 126	0.13 17	0.23 151	0.19 107	0.20 91	0.31 245

Pruner-Stereo	0.64 110	0.31 109	0.79 98	0.66 236	0.31 80	0.61 92	0.42 97	1.22 113	1.09 147	1.53 300	1.09 121	0.94 154	0.55 74	1.37 143	0.56 139	0.25 214	0.14 60	0.24 173	0.21 169	0.21 126	0.25 167

Anonymous3	0.64 110	0.47 266	1.31 257	0.59 168	0.50 231	0.93 218	0.69 252	1.11 74	0.83 58	0.74 54	0.89 66	0.65 64	0.68 130	1.08 105	0.54 131	0.40 324	0.31 315	0.26 231	0.26 251	0.31 255	0.30 236

DIP-Stereo	0.64 110	0.32 123	0.91 156	0.49 37	0.36 144	0.91 208	0.33 37	2.51 362	0.77 43	1.25 195	1.00 90	0.68 70	0.51 59	0.92 75	0.65 171	0.19 67	0.15 115	0.21 97	0.17 74	0.19 63	0.22 114
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
tt1	0.65 114	0.34 167	0.65 46	0.60 175	0.27 21	1.14 258	0.48 157	1.08 59	2.62 377	0.59 34	0.79 47	0.49 31	0.80 165	1.57 177	0.35 7	0.21 126	0.13 17	0.25 210	0.16 57	0.20 91	0.23 129

TestStereo	0.65 114	0.42 248	0.83 121	0.52 73	0.27 21	0.57 74	0.44 130	1.07 54	0.92 79	0.85 73	1.01 92	0.68 70	0.56 79	3.22 307	0.47 89	0.23 175	0.15 115	0.24 173	0.18 88	0.28 230	0.18 34

CAS	0.66 116	0.19 1	0.41 5	2.31 396	0.86 349	0.56 72	0.53 186	0.83 13	0.63 18	0.49 19	0.70 34	0.36 2	0.26 1	0.47 2	0.37 26	2.33 397	0.10 1	0.14 1	0.10 1	0.17 21	1.31 388

TestStereo1	0.66 116	0.29 66	0.95 168	0.82 326	0.32 100	0.47 21	0.43 113	1.52 162	1.22 207	0.99 92	1.32 206	0.65 64	0.76 145	1.78 210	0.44 66	0.20 101	0.16 142	0.22 124	0.19 107	0.21 126	0.20 74

RAFT_CTSACE	0.66 116	0.29 66	1.14 216	0.57 144	0.51 240	0.68 129	0.44 130	0.88 21	0.98 106	1.03 107	1.83 321	1.23 232	0.67 127	1.48 165	0.38 30	0.16 8	0.16 142	0.21 97	0.20 133	0.20 91	0.17 25

SA-5K	0.66 116	0.29 66	0.95 168	0.82 326	0.32 100	0.47 21	0.43 113	1.52 162	1.22 207	0.99 92	1.32 206	0.65 64	0.76 145	1.78 210	0.44 66	0.20 101	0.16 142	0.22 124	0.19 107	0.21 126	0.20 74

ACRE	0.66 116	0.37 210	1.27 252	0.60 175	0.50 231	0.74 150	0.47 153	1.26 122	1.10 150	1.40 265	1.56 278	0.62 57	0.46 39	0.88 68	0.78 199	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 223

ICVP	0.66 116	0.35 190	0.71 60	0.63 206	0.41 186	0.85 196	0.56 208	1.78 220	0.96 99	0.92 83	1.24 177	0.88 131	0.75 144	0.76 44	0.93 235	0.31 280	0.22 238	0.22 124	0.21 169	0.24 193	0.28 211
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
111	0.66 116	0.27 38	1.15 218	0.46 15	0.25 10	0.72 145	0.42 97	1.57 175	1.44 297	0.83 68	1.39 230	1.10 204	0.80 165	0.97 84	0.65 171	0.20 101	0.14 60	0.18 36	0.15 33	0.18 37	0.28 211

ACVNet	0.66 116	0.33 140	0.74 76	0.55 114	0.37 149	0.80 172	0.47 153	1.46 154	1.11 154	1.01 99	1.31 201	1.07 191	0.91 209	0.82 55	1.09 259	0.22 155	0.19 205	0.21 97	0.18 88	0.23 164	0.19 55

MyStereo06	0.67 124	0.29 66	1.06 197	0.58 154	0.48 221	0.62 94	0.72 260	2.26 326	0.89 68	1.07 116	1.12 133	1.22 228	0.56 79	0.83 58	0.47 89	0.17 19	0.17 166	0.24 173	0.21 169	0.23 164	0.23 129

StereoVision	0.67 124	0.37 210	1.02 188	0.60 175	0.41 186	0.50 42	0.41 93	1.32 134	0.96 99	0.73 53	2.48 366	0.82 108	0.57 81	1.06 101	0.50 105	0.26 231	0.28 298	0.29 260	0.28 274	0.37 283	0.22 114

CASS	0.67 124	0.36 194	0.84 130	0.57 144	0.28 42	0.82 180	0.43 113	1.62 189	0.92 79	1.39 259	1.28 195	0.87 125	0.84 175	0.88 68	0.59 153	0.36 312	0.19 205	0.26 231	0.22 191	0.29 240	0.43 306
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CIPLG	0.67 124	0.37 210	1.17 232	0.60 175	0.51 240	0.75 152	0.48 157	1.26 122	1.11 154	1.43 275	1.58 283	0.64 63	0.48 47	0.94 76	0.78 199	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 223

IPLGR_C	0.67 124	0.38 227	1.20 238	0.60 175	0.50 231	0.75 152	0.48 157	1.28 130	1.13 164	1.42 271	1.57 282	0.62 57	0.48 47	0.85 64	0.80 208	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 223

GwcNet-ADL	0.67 124	0.33 140	0.90 153	0.58 154	0.41 186	0.60 88	0.59 222	1.55 170	1.28 232	1.11 121	1.13 143	0.90 139	0.59 99	1.11 114	0.91 228	0.28 259	0.18 190	0.18 36	0.18 88	0.25 203	0.33 259

TRStereo	0.67 124	0.71 334	1.06 197	0.77 314	0.68 306	0.53 55	0.38 74	2.52 363	0.96 99	0.81 65	0.84 56	0.87 125	0.39 16	1.16 120	0.46 81	0.24 194	0.17 166	0.23 151	0.24 231	0.18 37	0.20 74

RAFT	0.67 124	0.32 123	0.83 121	0.63 206	0.34 126	0.69 137	0.57 211	1.14 82	0.84 60	1.12 129	1.20 162	1.75 326	0.92 217	1.09 109	0.60 155	0.22 155	0.19 205	0.27 240	0.24 231	0.22 145	0.23 129

DN-CSS_ROB	0.67 124	0.36 194	1.36 264	0.59 168	0.41 186	0.54 65	0.45 138	1.30 132	0.95 95	1.05 111	1.47 250	0.69 74	0.64 117	1.80 217	0.60 155	0.19 67	0.15 115	0.25 210	0.23 219	0.22 145	0.23 129

cc1	0.68 133	0.34 167	0.63 34	0.60 175	0.27 21	1.16 264	0.51 172	1.07 54	3.23 389	0.60 38	0.80 50	0.47 23	0.87 194	1.48 165	0.35 7	0.21 126	0.13 17	0.25 210	0.15 33	0.19 63	0.23 129

mmm	0.68 133	0.37 210	0.91 156	0.54 104	0.34 126	0.86 197	0.58 218	1.72 212	1.02 123	1.13 132	1.41 238	0.83 116	0.78 154	0.95 82	0.67 176	0.22 155	0.20 215	0.29 260	0.26 251	0.27 215	0.27 200

PCWNet_CMD	0.68 133	0.34 167	0.93 159	0.51 61	0.38 160	0.80 172	0.42 97	1.51 160	1.34 255	1.17 153	1.31 201	1.23 232	0.65 121	0.94 76	0.62 161	0.21 126	0.17 166	0.27 240	0.19 107	0.43 307	0.28 211

HH	0.68 133	0.33 140	0.83 121	0.53 93	0.34 126	0.92 215	0.45 138	1.79 223	0.74 38	0.71 49	1.13 143	1.60 303	0.83 173	1.95 236	0.39 33	0.18 41	0.14 60	0.19 51	0.17 74	0.19 63	0.19 55

HanStereo	0.68 133	0.33 140	0.83 121	0.53 93	0.34 126	0.92 215	0.45 138	1.79 223	0.74 38	0.71 49	1.13 143	1.60 303	0.83 173	1.95 236	0.39 33	0.18 41	0.14 60	0.19 51	0.17 74	0.19 63	0.19 55

DisPM	0.68 133	0.30 84	0.85 136	0.66 236	0.35 141	0.60 88	0.44 130	1.10 72	1.10 150	1.56 307	1.10 123	0.80 96	0.58 96	2.37 277	0.46 81	0.25 214	0.14 60	0.23 151	0.21 169	0.20 91	0.26 184

CFNet_pseudo	0.68 133	0.34 167	0.93 159	0.50 50	0.39 167	0.72 145	0.42 97	1.44 150	1.25 218	1.17 153	1.35 219	1.22 228	0.66 125	1.04 94	0.64 166	0.21 126	0.17 166	0.33 293	0.19 107	0.39 293	0.28 211

MSMDNet	0.68 133	0.34 167	0.93 159	0.52 73	0.38 160	0.80 172	0.42 97	1.52 162	1.35 258	1.17 153	1.31 201	1.23 232	0.65 121	0.94 76	0.62 161	0.21 126	0.17 166	0.26 231	0.19 107	0.41 301	0.28 211

ccs_rob	0.68 133	0.34 167	0.93 159	0.50 50	0.39 167	0.72 145	0.42 97	1.43 149	1.25 218	1.17 153	1.34 214	1.22 228	0.66 125	1.04 94	0.64 166	0.21 126	0.17 166	0.35 307	0.20 133	0.40 297	0.29 223

whm_eth	0.69 142	0.51 281	1.32 259	0.56 126	0.64 292	0.67 125	0.45 138	1.59 182	1.33 253	1.02 103	1.92 334	0.48 27	0.48 47	0.71 34	0.53 122	0.24 194	0.20 215	0.25 210	0.24 231	0.25 203	0.35 274

SA	0.69 142	0.31 109	0.97 176	0.64 217	0.30 66	0.56 72	0.38 74	1.84 236	1.35 258	0.99 92	1.37 224	0.69 74	0.94 220	1.88 229	0.43 62	0.20 101	0.16 142	0.25 210	0.23 219	0.22 145	0.19 55

MyStereo8	0.70 144	0.32 123	1.24 247	0.63 206	0.53 248	0.90 206	0.34 45	1.60 184	1.35 258	1.20 175	1.31 201	0.89 137	0.64 117	0.77 45	1.02 254	0.18 41	0.15 115	0.20 74	0.18 88	0.22 145	0.30 236

MyStereo05	0.70 144	0.29 66	1.22 242	0.58 154	0.48 221	0.62 94	0.72 260	1.52 162	1.54 320	1.17 153	0.91 68	0.77 91	0.79 159	1.45 159	0.68 180	0.17 19	0.17 166	0.24 173	0.21 169	0.23 164	0.23 129

xx1	0.70 144	0.34 167	0.63 34	0.60 175	0.27 21	1.16 264	0.51 172	1.07 54	3.23 389	0.60 38	0.80 50	0.95 157	0.79 159	1.48 165	0.35 7	0.21 126	0.13 17	0.24 173	0.23 219	0.23 164	0.25 167

GMStereo_Zeroshot	0.70 144	0.64 317	1.11 209	0.65 223	0.38 160	0.84 193	0.37 67	1.09 66	1.16 181	1.14 145	1.07 112	1.26 243	0.55 74	1.23 128	0.65 171	0.34 297	0.17 166	0.31 273	0.18 88	0.57 347	0.23 129

test_5	0.70 144	0.32 123	0.99 180	0.69 268	0.50 231	0.89 203	0.51 172	1.88 249	1.14 170	0.78 58	1.13 143	1.04 184	0.89 204	1.59 183	0.46 81	0.19 67	0.14 60	0.23 151	0.22 191	0.22 145	0.20 74

GES	0.70 144	0.37 210	1.05 194	0.62 196	0.38 160	0.94 220	0.57 211	2.37 341	0.92 79	1.05 111	1.12 133	0.67 68	0.77 149	1.02 91	0.65 171	0.28 259	0.20 215	0.20 74	0.20 133	0.22 145	0.31 245

MyStereo04	0.71 150	0.30 84	1.28 253	0.58 154	0.48 221	0.59 84	0.78 271	1.74 214	1.49 313	0.94 87	0.91 68	0.74 85	0.86 188	1.59 183	0.69 181	0.18 41	0.18 190	0.24 173	0.21 169	0.23 164	0.23 129

raft_robust	0.71 150	0.32 123	0.75 81	0.54 104	0.28 42	0.54 65	0.35 54	1.54 168	1.24 211	1.18 164	1.07 112	0.73 84	0.53 65	3.65 316	0.40 48	0.19 67	0.16 142	0.20 74	0.22 191	0.21 126	0.19 55

iRaft-Stereo_20w	0.71 150	0.33 140	1.25 249	0.50 50	0.36 144	0.82 180	0.31 29	3.16 386	0.89 68	1.24 192	1.14 148	0.79 94	0.65 121	1.15 118	0.43 62	0.18 41	0.13 17	0.18 36	0.17 74	0.20 91	0.23 129

DMCA	0.71 150	0.36 194	1.17 232	0.53 93	0.45 206	0.84 193	0.46 144	1.52 162	1.09 147	1.20 175	1.12 133	1.21 224	0.74 139	0.87 66	1.09 259	0.25 214	0.20 215	0.27 240	0.19 107	0.24 193	0.29 223

HITNet	0.71 150	0.42 248	1.07 201	0.52 73	0.25 10	1.05 243	0.48 157	2.12 296	1.08 140	1.21 181	1.23 173	0.91 142	0.84 175	0.90 73	0.91 228	0.17 19	0.12 5	0.21 97	0.17 74	0.29 240	0.18 34
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
IPLG	0.72 155	0.29 66	1.12 212	0.53 93	0.44 203	0.79 171	0.33 37	1.35 136	1.10 150	1.32 230	1.11 130	0.52 39	0.54 72	3.13 303	0.71 187	0.17 19	0.14 60	0.20 74	0.17 74	0.18 37	0.21 93

HCRNet	0.72 155	0.40 237	0.86 141	0.61 188	0.57 268	0.75 152	0.35 54	1.39 142	1.21 201	1.11 121	0.99 86	1.01 178	0.76 145	2.18 261	0.73 188	0.28 259	0.19 205	0.28 252	0.23 219	0.25 203	0.26 184

UCFNet_RVC	0.72 155	0.37 210	0.59 23	0.66 236	0.41 186	0.89 203	0.68 248	1.78 220	1.15 175	1.01 99	1.20 162	1.22 228	0.95 225	1.07 103	0.66 175	0.28 259	0.21 228	0.34 301	0.31 304	0.33 268	0.29 223

CFNet_ucs	0.73 158	0.34 167	0.94 165	0.53 93	0.44 203	0.76 157	0.46 144	1.73 213	1.34 255	1.24 192	1.54 270	1.08 202	0.64 117	1.05 97	0.64 166	0.26 231	0.20 215	0.37 319	0.22 191	0.42 305	0.30 236

ToySt	0.73 158	0.35 190	1.64 292	0.54 104	0.37 149	0.92 215	0.81 283	1.21 111	1.03 126	0.86 77	1.12 133	1.31 255	1.01 249	1.04 94	0.88 220	0.19 67	0.20 215	0.24 173	0.24 231	0.27 215	0.28 211

LCNet	0.73 158	0.30 84	0.58 19	0.58 154	0.31 80	0.68 129	0.53 186	1.09 66	0.94 91	1.19 169	1.34 214	0.96 161	1.32 313	2.50 280	0.46 81	0.19 67	0.13 17	0.21 97	0.25 239	0.28 230	0.69 362

IER	0.74 161	0.33 140	1.25 249	0.50 50	0.53 248	1.32 286	0.55 202	1.31 133	1.08 140	1.30 222	1.34 214	1.11 209	1.10 276	1.05 97	0.81 210	0.20 101	0.17 166	0.21 97	0.21 169	0.20 91	0.21 93

SFCPSM	0.74 161	0.30 84	1.06 197	0.52 73	0.39 167	1.36 294	0.64 240	2.42 346	1.11 154	1.18 164	1.21 167	0.81 102	0.78 154	1.08 105	0.57 142	0.22 155	0.17 166	0.22 124	0.24 231	0.23 164	0.21 93

AdaStereo	0.74 161	0.48 269	0.86 141	0.75 306	0.38 160	0.94 220	0.56 208	2.05 286	1.24 211	1.15 147	1.22 169	1.07 191	0.67 127	1.05 97	0.73 188	0.33 290	0.16 142	0.32 285	0.22 191	0.29 240	0.23 129
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.
BSDual-CNN	0.75 164	0.34 167	0.77 88	0.55 114	0.45 206	1.25 281	0.66 244	2.65 370	1.04 132	1.25 195	1.12 133	1.11 209	0.77 149	0.94 76	0.76 196	0.25 214	0.18 190	0.25 210	0.22 191	0.23 164	0.24 148

psmg	0.75 164	0.34 167	0.77 88	0.52 73	0.45 206	1.46 307	0.73 263	2.15 305	1.04 132	1.25 195	1.33 211	1.11 209	0.77 149	0.94 76	0.76 196	0.25 214	0.20 215	0.25 210	0.26 251	0.23 164	0.24 148

UDGNet	0.75 164	1.23 377	0.99 180	0.82 326	0.42 193	0.76 157	0.38 74	0.98 33	1.37 270	0.83 68	0.88 64	0.70 77	0.60 104	1.25 129	0.57 142	0.57 365	0.19 205	1.03 386	0.26 251	0.79 372	0.35 274

PSMNet-ADL	0.75 164	0.36 194	0.69 57	0.71 280	0.47 219	1.13 255	0.46 144	1.47 157	1.07 137	0.85 73	1.18 158	1.31 255	0.94 220	1.56 175	1.06 257	0.34 297	0.22 238	0.22 124	0.23 219	0.27 215	0.36 277

GMM-Stereo	0.75 164	0.27 38	0.66 48	0.56 126	0.34 126	0.71 142	0.97 316	1.09 66	0.91 74	1.37 252	1.79 314	1.11 209	0.79 159	2.08 253	0.48 93	0.19 67	0.12 5	0.25 210	0.25 239	0.21 126	0.78 369

qqq1	0.76 169	0.32 123	0.95 168	0.49 37	0.27 21	0.83 186	0.43 113	2.16 307	1.45 302	1.27 210	1.50 260	0.98 165	0.96 227	1.87 223	0.48 93	0.24 194	0.22 238	0.18 36	0.15 33	0.19 63	0.22 114

fff1	0.76 169	0.32 123	0.95 168	0.49 37	0.27 21	0.83 186	0.43 113	2.16 307	1.45 302	1.27 210	1.50 260	0.98 165	0.96 227	1.87 223	0.48 93	0.24 194	0.22 238	0.18 36	0.15 33	0.19 63	0.22 114

Sa-1000	0.76 169	0.30 84	0.92 158	0.62 196	0.31 80	0.78 167	0.37 67	2.00 274	1.38 272	1.30 222	2.04 342	0.86 124	0.74 139	1.87 223	0.40 48	0.19 67	0.14 60	0.25 210	0.24 231	0.21 126	0.19 55

Prome-Stereo	0.76 169	0.29 66	0.57 18	0.58 154	0.33 114	0.58 83	0.94 311	0.98 33	0.92 79	1.46 286	2.45 364	0.91 142	1.38 319	1.60 188	0.44 66	0.19 67	0.13 17	0.19 51	0.18 88	0.20 91	0.87 375

EAI-Stereo	0.76 169	0.31 109	0.74 76	0.55 114	0.28 42	0.70 140	1.72 373	2.57 366	0.90 73	0.75 56	3.03 375	0.57 47	0.43 24	1.10 111	0.49 102	0.19 67	0.14 60	0.17 16	0.18 88	0.17 21	0.21 93

KYRaft	0.77 174	0.29 66	0.68 53	0.59 168	0.29 54	0.66 120	0.83 288	1.05 52	0.89 68	1.63 320	2.22 353	1.15 217	0.99 240	1.59 183	0.41 54	0.21 126	0.14 60	0.22 124	0.28 274	0.21 126	1.01 378

MLCV	0.77 174	0.39 232	1.31 257	0.55 114	0.25 10	0.91 208	0.39 83	1.48 159	1.28 232	1.49 294	1.54 270	1.02 180	0.68 130	2.12 257	0.93 235	0.19 67	0.13 17	0.19 51	0.14 25	0.19 63	0.22 114

CoDeX	0.78 176	0.31 109	1.04 192	0.56 126	0.37 149	1.13 255	0.60 230	2.77 377	1.29 240	1.17 153	1.26 181	0.91 142	0.87 194	1.42 154	0.74 190	0.21 126	0.16 142	0.21 97	0.18 88	0.21 126	0.21 93

anonymousa	0.78 176	0.30 84	0.85 136	0.51 61	0.96 362	1.41 302	0.47 153	1.61 186	0.94 91	1.33 235	1.77 312	1.66 311	1.11 278	0.72 36	0.63 163	0.19 67	0.18 190	0.23 151	0.25 239	0.20 91	0.22 114

BUS	0.78 176	0.34 167	0.77 88	0.55 114	0.45 206	2.30 366	0.42 97	2.65 370	1.04 132	1.25 195	1.12 133	1.02 180	0.70 135	0.94 76	0.75 193	0.25 214	0.18 190	0.25 210	0.22 191	0.23 164	0.24 148

acv_ft	0.78 176	0.33 140	1.10 207	0.73 292	0.86 349	1.23 279	0.57 211	1.65 193	1.11 154	1.31 228	1.31 201	1.07 191	0.91 209	0.82 55	1.35 291	0.22 155	0.19 205	0.21 97	0.18 88	0.22 145	0.19 55

GANet-RSSM	0.78 176	0.31 109	0.90 153	0.67 249	0.58 270	0.80 172	0.62 234	2.04 282	1.15 175	1.11 121	1.27 190	1.26 243	1.18 294	1.68 197	0.74 190	0.26 231	0.21 228	0.22 124	0.22 191	0.23 164	0.23 129

PSMNet-RSSM	0.78 176	0.32 123	0.89 148	0.65 223	0.43 196	0.73 148	0.58 218	2.14 301	1.19 191	1.18 164	1.38 228	1.31 255	1.07 270	1.43 156	0.82 211	0.28 259	0.21 228	0.27 240	0.29 289	0.25 203	0.26 184

CFNet-ft	0.78 176	0.36 194	0.74 76	0.67 249	0.56 264	0.86 197	0.54 195	1.46 154	1.17 185	1.01 99	1.28 195	1.68 315	1.03 256	1.57 177	0.95 242	0.27 248	0.21 228	0.33 293	0.26 251	0.31 255	0.26 184

CFNet_RVC	0.78 176	0.36 194	0.74 76	0.67 249	0.56 264	0.86 197	0.54 195	1.46 154	1.17 185	1.01 99	1.28 195	1.68 315	1.03 256	1.57 177	0.95 242	0.27 248	0.21 228	0.33 293	0.26 251	0.31 255	0.26 184

SMFormer	0.79 184	0.32 123	0.95 168	0.49 37	0.27 21	0.83 186	0.43 113	2.16 307	1.45 302	1.27 210	1.50 260	0.98 165	0.96 227	1.87 223	0.99 247	0.24 194	0.22 238	0.22 124	0.21 169	0.23 164	0.27 200

tta	0.79 184	0.32 123	0.95 168	0.49 37	0.27 21	0.83 186	0.43 113	2.16 307	1.45 302	1.27 210	1.50 260	0.98 165	0.96 227	1.87 223	0.99 247	0.24 194	0.22 238	0.22 124	0.21 169	0.19 63	0.22 114

ffm	0.79 184	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	1.08 59	2.62 377	1.19 169	1.49 253	1.07 191	0.85 180	1.57 177	0.35 7	0.21 126	0.13 17	0.31 273	0.28 274	0.20 91	0.23 129

cf-r	0.79 184	0.32 123	1.06 197	0.57 144	0.64 292	0.78 167	0.51 172	2.04 282	1.22 207	1.20 175	1.27 190	1.53 294	0.91 209	1.47 163	0.94 240	0.25 214	0.19 205	0.22 124	0.23 219	0.19 63	0.21 93

DeepPruner_ROB	0.79 184	0.55 293	1.14 216	0.61 188	0.46 213	0.78 167	0.54 195	1.83 235	1.00 117	1.42 271	1.27 190	1.23 232	0.77 149	1.56 175	0.89 223	0.35 305	0.28 298	0.27 240	0.26 251	0.32 263	0.34 266

gwcnet-sp	0.80 189	0.37 210	1.94 310	0.62 196	0.45 206	1.38 295	0.53 186	1.68 195	1.20 195	1.37 252	1.08 118	0.93 149	0.82 170	1.45 159	0.79 203	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 167

scenet	0.80 189	0.37 210	1.94 310	0.62 196	0.45 206	1.38 295	0.53 186	1.68 195	1.20 195	1.37 252	1.08 118	0.93 149	0.82 170	1.45 159	0.79 203	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 167

ssnet	0.80 189	0.37 210	1.94 310	0.62 196	0.45 206	1.38 295	0.53 186	1.68 195	1.20 195	1.37 252	1.08 118	0.93 149	0.82 170	1.45 159	0.79 203	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 167

AASNet	0.80 189	0.39 232	1.16 231	0.84 334	0.80 337	1.14 258	0.59 222	2.12 296	1.21 201	1.26 205	1.26 181	0.93 149	0.77 149	0.84 61	1.23 277	0.28 259	0.24 268	0.24 173	0.20 133	0.28 230	0.27 200

PSM-softLoss	0.80 189	0.33 140	0.89 148	0.63 206	0.32 100	0.55 69	0.40 85	1.26 122	0.78 44	1.25 195	1.07 112	0.83 116	0.51 59	5.33 347	0.61 158	0.25 214	0.15 115	0.25 210	0.22 191	0.20 91	0.26 184

KMStereo	0.80 189	0.33 140	0.89 148	0.63 206	0.32 100	0.55 69	0.40 85	1.26 122	0.78 44	1.25 195	1.07 112	0.83 116	0.51 59	5.33 347	0.61 158	0.25 214	0.15 115	0.25 210	0.22 191	0.20 91	0.26 184

PSM-AAD	0.80 189	0.29 66	0.58 19	0.58 154	0.29 54	0.76 157	1.19 342	1.08 59	0.94 91	1.65 322	1.58 283	0.81 102	2.12 373	1.67 195	0.44 66	0.19 67	0.14 60	0.38 323	0.32 309	0.22 145	0.68 360

iResNet	0.80 189	0.45 258	1.47 273	0.72 285	0.31 80	0.96 231	0.64 240	1.80 227	1.28 232	1.31 228	1.48 252	0.94 154	0.78 154	1.77 208	0.99 247	0.19 67	0.14 60	0.18 36	0.15 33	0.22 145	0.27 200

NINENet	0.81 197	0.40 237	0.89 148	0.65 223	0.53 248	2.30 366	0.42 97	2.12 296	1.13 164	1.20 175	1.27 190	1.02 180	0.70 135	1.26 130	0.75 193	0.29 271	0.24 268	0.31 273	0.21 169	0.27 215	0.26 184

DRaft	0.81 197	0.26 21	0.77 88	0.47 26	0.31 80	0.95 226	0.52 180	1.13 80	0.99 113	1.78 335	2.01 340	0.80 96	1.71 349	2.64 287	0.74 190	0.19 67	0.14 60	0.20 74	0.20 133	0.18 37	0.24 148

hknet	0.82 199	0.34 167	1.15 218	0.55 114	0.39 167	1.25 281	0.66 244	2.65 370	1.10 150	1.25 195	1.12 133	1.58 302	0.85 180	1.41 149	0.79 203	0.23 175	0.18 190	0.25 210	0.22 191	0.23 164	0.24 148

NF-Stereo	0.82 199	0.33 140	0.83 121	0.65 223	0.31 80	0.63 102	0.43 113	1.35 136	0.93 86	1.30 222	1.02 94	0.81 102	0.57 81	5.37 351	0.55 132	0.26 231	0.14 60	0.24 173	0.20 133	0.20 91	0.30 236

OCTAStereo	0.82 199	0.33 140	0.83 121	0.65 223	0.31 80	0.62 94	0.44 130	1.35 136	0.93 86	1.30 222	1.02 94	0.81 102	0.57 81	5.32 346	0.55 132	0.26 231	0.14 60	0.24 173	0.20 133	0.20 91	0.30 236

RE-Stereo	0.82 199	0.33 140	0.84 130	0.65 223	0.31 80	0.63 102	0.44 130	1.35 136	0.93 86	1.30 222	1.02 94	0.80 96	0.57 81	5.34 349	0.55 132	0.26 231	0.14 60	0.24 173	0.20 133	0.20 91	0.31 245

TVStereo	0.82 199	0.33 140	0.84 130	0.65 223	0.31 80	0.63 102	0.44 130	1.35 136	0.93 86	1.30 222	1.02 94	0.80 96	0.57 81	5.34 349	0.55 132	0.26 231	0.14 60	0.24 173	0.20 133	0.20 91	0.31 245

ARAFT	0.82 199	0.40 237	1.77 298	0.53 93	0.31 80	0.89 203	0.81 283	2.32 334	1.08 140	1.66 323	1.25 179	1.04 184	0.64 117	1.91 230	0.52 113	0.20 101	0.15 115	0.28 252	0.27 265	0.17 21	0.18 34

STTStereo	0.82 199	0.53 287	1.53 285	0.68 258	0.56 264	0.88 201	0.56 208	1.57 175	1.14 170	1.39 259	1.10 123	1.26 243	0.84 175	1.49 171	0.90 226	0.29 271	0.28 298	0.33 293	0.40 338	0.33 268	0.37 280

BEATNet_4x	0.82 199	0.54 290	2.02 317	0.56 126	0.28 42	1.04 240	0.55 202	2.14 301	1.13 164	1.24 192	1.26 181	1.00 174	0.94 220	1.13 116	1.23 277	0.21 126	0.14 60	0.24 173	0.20 133	0.37 283	0.23 129

iResNet_ROB	0.82 199	0.36 194	1.13 213	0.60 175	0.37 149	0.91 208	0.38 74	2.41 345	1.61 331	1.35 246	1.35 219	1.25 237	0.97 234	1.75 206	0.88 220	0.21 126	0.14 60	0.17 16	0.12 10	0.19 63	0.30 236

GrayStereo	0.83 208	0.28 46	0.62 33	0.66 236	0.37 149	0.76 157	1.79 377	1.19 103	0.91 74	1.98 352	1.89 329	1.07 191	1.76 353	1.43 156	0.50 105	0.20 101	0.15 115	0.19 51	0.21 169	0.18 37	0.41 296

psm_up	0.83 208	0.37 210	0.88 145	0.68 258	0.59 276	1.05 243	0.92 306	1.68 195	1.17 185	1.41 267	1.22 169	1.30 253	1.31 311	1.39 146	0.89 223	0.27 248	0.30 310	0.31 273	0.27 265	0.28 230	0.28 211

GwcNet-RSSM	0.83 208	0.34 167	1.29 256	0.65 223	0.55 259	0.78 167	0.62 234	1.89 251	1.27 228	1.18 164	1.39 230	1.56 299	0.91 209	1.60 188	1.22 274	0.26 231	0.20 215	0.23 151	0.24 231	0.21 126	0.21 93

DMCA-RVC	0.83 208	0.46 261	2.19 331	0.68 258	0.49 227	0.84 193	0.48 157	1.44 150	1.07 137	1.56 307	1.04 105	1.29 251	0.86 188	1.49 171	0.92 232	0.27 248	0.22 238	0.35 307	0.28 274	0.32 263	0.28 211

RAFT_R40	0.84 212	0.30 84	0.83 121	0.63 206	0.31 80	0.66 120	0.43 113	1.15 93	0.99 113	1.47 287	1.10 123	1.00 174	0.84 175	5.44 352	0.53 122	0.23 175	0.13 17	0.23 151	0.20 133	0.23 164	0.19 55

UPFNet	0.84 212	0.34 167	1.09 204	0.62 196	0.74 320	1.25 281	0.78 271	1.69 204	1.20 195	1.39 259	1.13 143	1.30 253	0.87 194	1.73 204	1.22 274	0.24 194	0.26 286	0.24 173	0.23 219	0.26 213	0.20 74

hitnet-ft	0.84 212	0.38 227	0.75 81	0.59 168	0.44 203	0.99 234	0.47 153	1.61 186	1.38 272	1.21 181	1.22 169	1.82 329	0.99 240	1.87 223	1.09 259	0.33 290	0.29 306	0.34 301	0.27 265	0.36 278	0.33 259

NLCA_NET_v2_RVC	0.84 212	0.46 261	1.40 269	0.69 268	0.61 285	0.95 226	0.52 180	1.68 195	1.21 201	1.39 259	1.15 153	1.42 273	0.88 201	1.78 210	0.93 235	0.26 231	0.23 260	0.27 240	0.27 265	0.30 250	0.39 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.84 212	0.43 252	1.01 186	0.66 236	0.43 196	1.32 286	0.49 165	1.64 190	1.24 211	1.53 300	1.45 246	1.49 287	0.97 234	1.32 136	1.31 284	0.21 126	0.17 166	0.27 240	0.25 239	0.25 203	0.34 266
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCRE	0.85 217	0.28 46	0.76 85	0.60 175	0.49 227	0.59 84	0.53 186	1.04 49	0.92 79	0.80 61	7.34 406	0.87 125	0.57 81	0.78 52	0.43 62	0.16 8	0.17 166	0.19 51	0.17 74	0.18 37	0.22 114

SST-Stereo	0.85 217	0.30 84	0.81 104	0.63 206	0.31 80	0.70 140	0.25 4	1.16 96	0.95 95	1.47 287	1.11 130	0.99 170	0.86 188	5.69 355	0.53 122	0.23 175	0.13 17	0.23 151	0.19 107	0.23 164	0.19 55

RAFT-345	0.86 219	0.26 21	0.73 71	0.53 93	0.28 42	0.53 55	0.41 93	0.85 17	1.31 249	1.33 235	2.32 357	0.85 123	0.53 65	5.69 355	0.48 93	0.19 67	0.14 60	0.22 124	0.17 74	0.17 21	0.17 25

UNet	0.86 219	0.36 194	1.52 282	0.62 196	0.74 320	1.56 316	0.49 165	1.55 170	1.12 159	1.28 215	1.10 123	1.52 293	1.10 276	1.69 201	1.14 264	0.24 194	0.18 190	0.25 210	0.21 169	0.25 203	0.25 167

ac_64	0.86 219	0.32 123	1.02 188	0.74 299	0.60 280	1.04 240	0.53 186	2.20 321	0.99 113	1.23 188	1.11 130	1.96 341	1.06 268	2.01 244	1.01 252	0.30 276	0.22 238	0.24 173	0.23 219	0.22 145	0.22 114

SepStereo	0.87 222	0.37 210	1.20 238	0.66 236	0.69 309	0.82 180	0.62 234	1.79 223	1.26 224	1.93 347	1.55 273	0.96 161	1.17 287	2.34 272	0.69 181	0.22 155	0.16 142	0.25 210	0.18 88	0.29 240	0.24 148

LMCR-Stereo	0.87 222	0.50 277	0.99 180	0.80 319	0.43 196	1.32 286	0.55 202	2.79 380	1.03 126	1.55 306	1.49 253	0.74 85	1.01 249	1.76 207	0.99 247	0.30 276	0.17 166	0.22 124	0.18 88	0.31 255	0.22 114

FADNet_RVC	0.88 224	0.56 296	2.15 328	0.57 144	0.43 196	1.17 271	0.46 144	1.68 195	1.12 159	0.91 82	1.24 177	0.91 142	0.94 220	2.22 263	1.20 269	0.28 259	0.22 238	0.32 285	0.28 274	0.46 323	0.42 302

iResNetv2_ROB	0.88 224	0.43 252	2.62 347	0.60 175	0.38 160	0.94 220	0.67 246	1.88 249	1.38 272	1.27 210	1.45 246	1.26 243	1.05 267	1.92 231	0.64 166	0.24 194	0.15 115	0.19 51	0.14 25	0.24 193	0.21 93

iRaft-Stereo_5w	0.89 226	0.31 109	1.04 192	0.56 126	0.47 219	0.47 21	0.68 248	1.19 103	1.08 140	0.80 61	1.35 219	1.46 282	0.90 207	5.11 342	1.16 266	0.18 41	0.15 115	0.22 124	0.19 107	0.21 126	0.24 148

DAS	0.89 226	0.37 210	1.20 238	0.66 236	0.69 309	0.82 180	0.62 234	1.79 223	1.26 224	1.93 347	1.55 273	0.96 161	1.17 287	2.72 292	0.69 181	0.22 155	0.16 142	0.25 210	0.18 88	0.29 240	0.24 148

SACVNet	0.89 226	0.51 281	1.08 203	0.83 330	0.58 270	0.83 186	0.78 271	1.84 236	1.17 185	1.39 259	1.33 211	1.25 237	1.01 249	2.31 271	0.92 232	0.35 305	0.26 286	0.31 273	0.29 289	0.35 274	0.48 317

ASMatch	0.89 226	0.29 66	0.72 61	0.56 126	0.36 144	0.47 21	0.37 67	1.16 96	0.95 95	1.11 121	3.26 378	0.95 157	0.96 227	4.88 339	0.53 122	0.20 101	0.16 142	0.22 124	0.19 107	0.20 91	0.30 236

ADLNet	0.89 226	0.39 232	1.09 204	0.88 342	0.73 316	1.24 280	0.75 265	2.02 276	1.41 286	1.58 311	1.37 224	1.26 243	1.00 246	1.31 133	1.18 267	0.28 259	0.21 228	0.26 231	0.26 251	0.29 240	0.36 277

MMNet	0.89 226	0.35 190	1.44 270	0.64 217	0.59 276	1.83 343	0.48 157	1.70 207	1.38 272	1.45 284	1.19 161	1.25 237	1.16 284	1.77 208	1.27 282	0.20 101	0.19 205	0.23 151	0.22 191	0.25 203	0.24 148

HGLStereo	0.89 226	0.42 248	1.15 218	0.82 326	1.03 366	1.16 264	0.57 211	1.68 195	1.28 232	1.26 205	1.62 289	1.13 213	1.31 311	1.85 219	1.11 263	0.25 214	0.24 268	0.24 173	0.22 191	0.24 193	0.29 223

CRFU-Net	0.90 233	0.42 248	1.10 207	0.69 268	0.59 276	1.76 335	0.84 290	2.33 339	0.92 79	1.45 284	1.20 162	1.62 305	1.25 302	1.38 144	0.94 240	0.28 259	0.23 260	0.22 124	0.19 107	0.24 193	0.27 200

dad	0.90 233	0.73 340	1.28 253	0.59 168	0.39 167	0.83 186	0.45 138	1.24 119	1.54 320	1.52 297	1.28 195	1.36 264	0.86 188	2.54 283	0.91 228	0.43 332	0.27 294	0.82 379	0.26 251	0.44 317	0.34 266

AACVNet	0.90 233	0.40 237	0.98 178	0.86 339	0.40 176	0.80 172	0.49 165	1.81 230	0.86 65	1.11 121	1.34 214	1.32 259	0.99 240	4.23 325	0.86 216	0.26 231	0.22 238	0.28 252	0.22 191	0.30 250	0.28 211

IRAFT_RVC	0.90 233	0.30 84	0.89 148	0.67 249	0.31 80	0.64 110	1.00 321	1.40 143	0.97 103	1.23 188	1.04 105	1.00 174	0.96 227	5.77 358	0.57 142	0.24 194	0.13 17	0.25 210	0.21 169	0.20 91	0.21 93

delet	0.90 233	0.34 167	1.15 218	0.69 268	0.66 301	1.63 324	0.81 283	1.95 264	1.49 313	1.42 271	1.38 228	1.29 251	0.91 209	1.78 210	1.18 267	0.22 155	0.22 238	0.24 173	0.25 239	0.22 145	0.24 148

pcwnet_v2	0.91 238	0.39 232	2.74 348	0.64 217	0.55 259	0.81 179	0.49 165	2.19 318	1.63 332	1.44 278	1.64 294	1.09 203	0.79 159	1.31 133	0.70 184	0.32 287	0.25 281	0.29 260	0.27 265	0.37 283	0.37 280

FADNet-RVC-Resample	0.91 238	0.51 281	2.92 351	0.64 217	0.46 213	1.07 248	0.60 230	1.76 217	1.24 211	1.10 120	0.98 85	1.06 188	0.98 237	2.17 260	0.95 242	0.24 194	0.22 238	0.30 269	0.32 309	0.36 278	0.40 293

HSM-Net_RVC	0.91 238	0.31 109	0.60 25	0.54 104	0.31 80	1.15 261	0.60 230	3.76 393	1.30 242	1.57 310	1.75 309	1.67 313	1.01 249	1.61 190	0.90 226	0.23 175	0.17 166	0.19 51	0.18 88	0.20 91	0.22 114
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ssnet_v2	0.92 241	0.39 232	1.22 242	0.66 236	0.39 167	1.31 285	0.96 315	2.32 334	1.45 302	1.48 292	1.17 156	1.53 294	0.91 209	1.16 120	1.71 331	0.31 280	0.27 294	0.30 269	0.29 289	0.28 230	0.29 223

ADLNet2	0.92 241	0.37 210	1.25 249	0.80 319	0.65 298	1.12 254	0.75 265	1.95 264	1.42 294	1.26 205	1.67 298	1.68 315	1.04 262	1.80 217	1.23 277	0.25 214	0.22 238	0.21 97	0.22 191	0.27 215	0.31 245

FTStereo	0.92 241	0.28 46	0.61 29	0.57 144	0.34 126	0.65 114	1.80 380	1.09 66	0.84 60	1.75 330	4.13 388	1.04 184	1.62 338	1.59 183	0.48 93	0.21 126	0.17 166	0.23 151	0.22 191	0.19 63	0.58 345

PFNet	0.92 241	0.28 46	1.20 238	0.68 258	0.32 100	0.62 94	0.55 202	1.27 126	1.01 120	1.47 287	1.09 121	0.97 164	0.68 130	6.58 375	0.59 153	0.21 126	0.13 17	0.24 173	0.19 107	0.20 91	0.20 74

DLCB_ROB	0.92 241	0.43 252	0.95 168	0.71 280	0.55 259	1.11 252	0.83 288	1.61 186	1.32 251	1.67 324	1.66 296	1.70 318	0.93 218	1.96 238	1.34 289	0.26 231	0.25 281	0.27 240	0.28 274	0.28 230	0.28 211

GEStereo_RVC	0.93 246	0.40 237	1.15 218	0.67 249	0.50 231	0.95 226	0.78 271	2.73 375	1.21 201	1.20 175	1.12 133	1.25 237	0.91 209	3.21 306	0.95 242	0.31 280	0.20 215	0.23 151	0.20 133	0.28 230	0.31 245

CBFPSM	0.95 247	0.37 210	2.10 324	0.51 61	0.39 167	1.73 331	0.87 298	1.59 182	1.13 164	1.11 121	1.00 90	2.34 363	1.64 343	1.42 154	1.44 300	0.19 67	0.18 190	0.20 74	0.20 133	0.22 145	0.36 277

OMP-Stereo	0.95 247	0.35 190	0.79 98	0.92 353	0.32 100	0.49 31	0.35 54	1.22 113	1.11 154	1.58 311	1.12 133	1.44 277	0.69 133	6.92 381	0.51 107	0.20 101	0.15 115	0.24 173	0.19 107	0.21 126	0.16 15

DSFCA	0.95 247	0.38 227	1.23 244	0.55 114	0.66 301	1.50 309	0.93 309	1.58 177	1.24 211	1.59 314	1.16 154	1.48 285	0.95 225	2.96 299	1.20 269	0.31 280	0.28 298	0.25 210	0.26 251	0.29 240	0.26 184

PSMNet_ROB	0.95 247	0.57 301	1.45 271	0.75 306	0.64 292	1.28 284	1.12 331	1.84 236	1.15 175	1.16 151	1.29 199	1.44 277	0.89 204	1.74 205	1.70 329	0.33 290	0.25 281	0.37 319	0.39 336	0.36 278	0.32 253

FADNet-RVC	0.96 251	0.72 337	2.96 352	0.64 217	0.49 227	0.90 206	0.59 222	1.85 242	1.27 228	0.92 83	0.97 82	1.36 264	0.90 207	2.36 274	1.31 284	0.30 276	0.29 306	0.32 285	0.32 309	0.42 305	0.37 280

TransformOpticalFlow	0.97 252	0.30 84	0.96 175	0.54 104	0.31 80	0.65 114	0.54 195	1.87 244	1.19 191	1.12 129	1.44 243	1.34 262	0.98 237	6.68 378	0.44 66	0.19 67	0.12 5	0.21 97	0.19 107	0.18 37	0.23 129

IIG-Stereo	0.97 252	0.34 167	0.80 103	0.90 351	0.33 114	0.61 92	0.26 11	1.27 126	1.08 140	1.69 326	1.37 224	1.44 277	0.74 139	6.94 382	0.53 122	0.21 126	0.14 60	0.23 151	0.18 88	0.20 91	0.15 4

XX-Stereo	0.97 252	0.28 46	8.28 391	0.85 336	0.70 315	0.44 18	0.22 2	1.07 54	0.69 27	0.66 45	1.56 278	1.38 269	0.38 15	1.36 140	0.38 30	0.21 126	0.14 60	0.20 74	0.19 107	0.19 63	0.16 15

DispNO	0.98 255	0.34 167	2.02 317	0.58 154	0.55 259	0.88 201	0.49 165	1.70 207	1.24 211	1.22 186	1.26 181	1.18 219	0.88 201	5.17 343	0.88 220	0.23 175	0.18 190	0.24 173	0.22 191	0.19 63	0.22 114

DEmStereo	0.98 255	0.25 18	0.85 136	0.49 37	0.33 114	1.02 238	0.55 202	0.97 29	0.93 86	1.41 267	2.13 347	1.01 178	2.01 364	5.62 354	0.78 199	0.19 67	0.15 115	0.20 74	0.20 133	0.18 37	0.25 167

FADNet	0.98 255	0.64 317	2.57 343	0.66 236	0.55 259	0.95 226	0.57 211	1.91 255	1.38 272	0.94 87	1.02 94	1.36 264	1.00 246	2.69 290	0.97 246	0.34 297	0.34 330	0.31 273	0.34 323	0.61 356	0.42 302

CFNet	0.99 258	0.40 237	1.23 244	0.65 223	0.43 196	1.03 239	0.49 165	2.01 275	1.35 258	1.02 103	1.39 230	1.10 204	0.86 188	5.47 353	0.89 223	0.24 194	0.18 190	0.28 252	0.27 265	0.27 215	0.22 114

NVstereo2D	0.99 258	0.45 258	2.21 332	0.79 318	0.75 323	1.20 275	0.86 296	1.98 269	1.41 286	1.02 103	1.18 158	1.31 255	0.97 234	2.25 266	0.93 235	0.45 343	0.22 238	0.39 327	0.25 239	0.59 350	0.68 360

CBMV_ROB	0.99 258	0.46 261	0.68 53	0.53 93	0.39 167	1.40 300	0.48 157	2.09 292	1.30 242	1.53 300	2.29 356	1.36 264	1.23 298	2.46 278	1.04 256	0.44 340	0.42 359	0.47 349	0.44 348	0.41 301	0.39 289

fast-acv-ft	1.00 261	0.48 269	1.85 306	0.61 188	0.52 243	1.77 337	0.69 252	1.52 162	1.47 308	1.34 242	1.85 325	1.73 321	1.24 301	1.62 191	1.56 313	0.27 248	0.28 298	0.28 252	0.28 274	0.28 230	0.31 245

HBP-ISP	1.00 261	0.60 303	0.85 136	0.64 217	0.48 221	1.63 324	0.77 268	2.24 325	1.30 242	1.33 235	1.53 269	0.87 125	0.99 240	3.26 309	0.76 196	0.46 344	0.44 361	0.54 360	0.48 357	0.48 328	0.42 302

CSP-Net	1.00 261	0.41 246	0.99 180	0.56 126	0.43 196	1.62 323	0.76 267	2.16 307	1.16 181	1.33 235	1.22 169	1.32 259	0.89 204	4.67 336	0.93 235	0.35 305	0.24 268	0.20 74	0.20 133	0.23 164	0.30 236

ETE_ROB	1.01 264	0.69 330	1.49 275	0.72 285	0.50 231	1.15 261	1.12 331	1.91 255	1.24 211	1.94 349	1.50 260	1.73 321	1.06 268	1.78 210	1.33 288	0.33 290	0.26 286	0.38 323	0.34 323	0.40 297	0.44 309

THIR-Stereo	1.02 265	0.29 66	0.73 71	0.51 61	0.29 54	0.94 220	1.31 352	1.08 59	0.98 106	1.35 246	1.91 333	1.16 218	1.54 334	6.37 373	0.79 203	0.20 101	0.14 60	0.21 97	0.22 191	0.19 63	0.25 167

PS-NSSS	1.02 265	0.62 313	1.17 232	0.61 188	0.58 270	0.91 208	0.79 279	2.02 276	1.19 191	1.17 153	1.68 300	1.00 174	0.85 180	4.43 330	0.86 216	0.38 315	0.31 315	0.52 355	0.32 309	0.52 335	0.45 311

XPNet_ROB	1.02 265	0.56 296	1.33 261	0.75 306	0.58 270	1.11 252	1.13 333	1.77 218	1.29 240	1.88 342	1.43 241	1.63 308	1.13 283	2.04 247	1.69 327	0.40 324	0.31 315	0.33 293	0.29 289	0.37 283	0.37 280

iinet-f	1.04 268	0.50 277	4.24 373	0.58 154	0.43 196	1.78 340	0.70 258	1.29 131	1.16 181	1.25 195	1.42 239	1.57 301	1.42 324	1.47 163	1.70 329	0.26 231	0.23 260	0.20 74	0.20 133	0.26 213	0.26 184

RAFT-RH_RVC	1.04 268	0.26 21	0.76 85	0.53 93	0.29 54	0.80 172	0.32 33	0.85 17	1.12 159	2.04 355	4.63 393	1.03 183	0.57 81	5.93 361	0.52 113	0.20 101	0.13 17	0.26 231	0.20 133	0.16 12	0.19 55

CBMV	1.04 268	0.48 269	0.88 145	0.56 126	0.36 144	1.52 311	1.55 364	1.87 244	1.59 328	2.11 358	1.67 298	1.46 282	1.35 316	1.92 231	1.31 284	0.35 305	0.35 335	0.39 327	0.33 318	0.34 273	0.34 266
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoDRNet	1.05 271	0.53 287	2.21 332	0.80 319	0.93 356	1.50 309	0.90 301	2.06 287	1.44 297	1.68 325	1.20 162	1.48 285	0.99 240	1.86 222	1.60 316	0.29 271	0.24 268	0.29 260	0.28 274	0.35 274	0.33 259

STrans-v2	1.06 272	0.31 109	1.02 188	0.52 73	0.33 114	0.67 125	0.78 271	2.66 373	1.26 224	1.15 147	1.46 248	1.37 268	1.40 322	6.68 378	0.46 81	0.19 67	0.13 17	0.21 97	0.18 88	0.18 37	0.21 93

DISCO	1.06 272	0.37 210	1.19 237	0.73 292	0.46 213	2.04 357	0.84 290	2.26 326	1.54 320	1.25 195	1.36 223	2.38 365	1.08 271	2.60 286	1.62 319	0.24 194	0.19 205	0.22 124	0.20 133	0.32 263	0.29 223

NCCL2	1.06 272	0.64 317	1.35 262	0.78 317	0.58 270	1.32 286	1.69 369	1.89 251	1.38 272	1.52 297	1.20 162	1.91 331	1.17 287	1.79 215	1.50 307	0.35 305	0.31 315	0.45 343	0.44 348	0.41 301	0.45 311

LALA_ROB	1.06 272	0.66 324	1.37 267	0.70 277	0.53 248	1.61 321	1.25 349	1.81 230	1.48 312	1.82 338	1.40 235	1.93 335	1.03 256	1.68 197	1.69 327	0.38 315	0.28 298	0.43 339	0.37 333	0.43 307	0.38 286

RAFT + AFF	1.07 276	0.47 266	1.36 264	0.68 258	0.50 231	1.20 275	1.22 345	2.58 367	1.26 224	1.33 235	1.56 278	1.19 221	1.49 332	3.89 323	1.01 252	0.22 155	0.26 286	0.30 269	0.27 265	0.29 240	0.32 253

DRN-Test	1.07 276	0.49 274	1.95 314	0.75 306	0.81 341	1.61 321	0.78 271	2.26 326	1.53 318	1.84 339	1.35 219	1.42 273	1.04 262	2.26 267	1.61 317	0.28 259	0.23 260	0.31 273	0.30 300	0.33 268	0.33 259

TDLM	1.08 278	0.50 277	1.01 186	0.69 268	0.54 255	0.91 208	1.40 357	1.60 184	1.36 265	1.17 153	1.40 235	1.07 191	1.00 246	6.19 365	0.85 215	0.34 297	0.22 238	0.35 307	0.26 251	0.38 289	0.29 223

Wz-Net-LNSev-Ref	1.09 279	0.46 261	2.61 346	0.71 280	0.65 298	2.00 354	0.78 271	2.07 289	1.47 308	1.62 318	1.47 250	1.53 294	1.29 307	2.10 255	1.65 325	0.24 194	0.14 60	0.20 74	0.16 57	0.28 230	0.28 211

FAT-Stereo	1.10 280	0.43 252	1.46 272	0.74 299	0.60 280	1.13 255	0.92 306	2.06 287	1.71 338	1.75 330	2.00 339	2.02 347	1.47 330	2.02 246	1.26 281	0.44 340	0.36 339	0.34 301	0.29 289	0.36 278	0.57 342

CVANet_RVC	1.10 280	0.49 274	1.15 218	0.65 223	0.54 255	0.93 218	1.00 321	1.69 204	1.36 265	1.42 271	1.39 230	1.24 236	1.17 287	6.22 367	0.80 208	0.35 305	0.24 268	0.35 307	0.30 300	0.44 317	0.32 253

APVNet	1.11 282	0.59 302	1.95 314	0.87 340	0.77 329	1.90 347	0.82 287	2.03 280	1.15 175	1.14 145	1.43 241	1.55 297	1.12 282	3.03 300	1.62 319	0.32 287	0.34 330	0.42 338	0.36 329	0.36 278	0.41 296

GANetREF_RVC	1.11 282	0.90 353	1.56 287	0.88 342	0.53 248	1.41 302	1.35 354	1.91 255	1.54 320	1.28 215	1.32 206	1.46 282	1.23 298	2.04 247	1.00 251	0.57 365	0.45 363	0.67 374	0.52 365	0.91 376	0.62 352
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
GASNet	1.13 284	1.10 369	3.29 361	1.00 367	0.68 306	0.82 180	0.67 246	1.85 242	1.38 272	1.39 259	1.25 179	1.25 237	1.20 296	2.72 292	1.62 319	0.46 344	0.26 286	0.36 317	0.34 323	0.55 344	0.33 259

anonymity	1.14 285	0.98 362	1.24 247	1.09 372	1.13 373	1.08 249	0.90 301	2.02 276	1.23 210	1.32 230	1.27 190	1.27 248	1.09 273	1.16 120	1.03 255	1.02 383	1.01 406	0.97 383	0.97 390	0.98 378	1.01 378

PA-Net	1.14 285	0.63 314	2.12 326	0.67 249	0.75 323	1.19 274	0.91 304	1.91 255	1.46 307	1.18 164	1.23 173	1.33 261	1.17 287	4.31 328	1.41 297	0.29 271	0.46 367	0.33 293	0.50 362	0.33 268	0.57 342
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	1.15 287	0.54 290	1.50 276	0.73 292	0.66 301	1.18 273	0.84 290	2.13 300	1.41 286	1.73 329	1.84 322	2.53 370	1.46 328	2.46 278	1.35 291	0.43 332	0.41 354	0.54 360	0.36 329	0.43 307	0.50 321

RASNet	1.16 288	0.34 167	1.11 209	0.73 292	0.86 349	1.00 235	0.60 230	1.56 172	1.43 295	1.07 116	1.37 224	2.08 354	1.44 327	7.00 383	1.56 313	0.20 101	0.17 166	0.17 16	0.19 107	0.19 63	0.19 55

DANet	1.16 288	0.64 317	1.52 282	0.88 342	0.74 320	1.52 311	0.52 180	1.68 195	1.21 201	1.81 336	1.55 273	2.02 347	1.11 278	3.30 311	2.28 349	0.34 297	0.31 315	0.40 333	0.30 300	0.46 323	0.54 331
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-LNSev	1.17 290	0.72 337	4.71 377	0.66 236	0.84 347	1.72 328	1.13 333	1.97 268	1.43 295	1.34 242	1.32 206	1.66 311	1.30 310	1.44 158	1.51 309	0.29 271	0.26 286	0.24 173	0.23 219	0.33 268	0.35 274

S-Stereo	1.17 290	0.48 269	2.25 335	0.83 330	0.81 341	1.22 277	1.17 340	2.12 296	2.08 363	1.47 287	2.13 347	1.55 297	1.16 284	2.09 254	1.46 303	0.42 331	0.40 353	0.35 307	0.32 309	0.45 319	0.73 364

MaskLacGwcNet_RVC	1.17 290	1.06 365	1.28 253	0.88 342	0.69 309	1.92 349	0.92 306	1.71 209	1.14 170	1.17 153	1.26 181	1.49 287	0.80 165	2.04 247	0.86 216	2.02 393	0.34 330	0.79 378	0.36 329	1.38 389	1.33 390

RP	1.17 290	0.54 290	1.48 274	0.93 358	1.05 367	1.14 258	0.85 295	1.99 273	1.70 336	1.72 328	2.07 344	1.91 331	1.93 362	2.00 243	1.37 294	0.55 363	0.37 343	0.48 350	0.37 333	0.46 323	0.46 316

ccnet	1.19 294	0.71 334	1.36 264	0.81 322	0.75 323	1.72 328	1.13 333	1.98 269	1.31 249	1.52 297	1.84 322	1.75 326	1.36 317	2.01 244	2.04 342	0.57 365	0.54 378	0.57 369	0.56 370	0.60 353	0.60 350

Nwc_Net	1.19 294	0.53 287	2.34 337	0.92 353	0.81 341	1.49 308	0.70 258	2.28 332	1.32 251	1.41 267	2.27 354	2.03 350	1.76 353	2.05 251	1.46 303	0.43 332	0.30 310	0.43 339	0.46 353	0.39 293	0.40 293

NCC-stereo	1.20 296	0.60 303	1.84 304	0.88 342	0.95 360	1.32 286	0.94 311	2.14 301	1.36 265	1.43 275	1.79 314	1.93 335	2.13 374	2.54 283	1.41 297	0.49 352	0.38 346	0.45 343	0.59 374	0.43 307	0.45 311

Abc-Net	1.20 296	0.60 303	1.84 304	0.88 342	0.95 360	1.32 286	0.94 311	2.14 301	1.36 265	1.43 275	1.79 314	1.93 335	2.13 374	2.54 283	1.41 297	0.49 352	0.38 346	0.45 343	0.59 374	0.43 307	0.45 311
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Wz-Net-MNSev	1.21 298	0.66 324	3.44 363	0.69 268	0.73 316	1.93 350	1.44 359	2.16 307	1.59 328	1.85 341	1.49 253	1.50 289	1.34 315	2.05 251	1.54 312	0.27 248	0.24 268	0.28 252	0.28 274	0.35 274	0.32 253

RGC	1.22 299	0.82 348	1.71 295	0.95 363	0.98 365	1.53 313	0.80 282	2.18 316	1.35 258	1.69 326	1.94 335	2.03 350	1.66 344	2.36 274	1.50 307	0.46 344	0.36 339	0.59 372	0.48 357	0.49 331	0.49 318

stereogan	1.22 299	0.45 258	2.03 320	0.87 340	0.85 348	2.52 371	0.72 260	1.98 269	1.78 345	1.92 345	1.94 335	2.31 362	1.42 324	2.10 255	1.14 264	0.38 315	0.36 339	0.39 327	0.32 309	0.52 335	0.49 318

AANet_RVC	1.22 299	0.60 303	1.94 310	0.69 268	0.46 213	0.75 152	0.69 252	1.51 160	1.57 326	1.36 251	1.90 331	1.51 291	0.87 194	7.23 385	1.89 338	0.26 231	0.19 205	0.19 51	0.16 57	0.23 164	0.37 280

HSM	1.22 299	0.34 167	0.81 104	0.61 188	0.39 167	1.22 277	0.63 239	2.45 350	1.25 218	1.32 230	1.26 181	1.91 331	1.08 271	9.21 403	0.75 193	0.23 175	0.17 166	0.20 74	0.16 57	0.22 145	0.24 148

Syn2CoEx	1.23 303	0.80 344	3.07 355	0.83 330	0.68 306	1.39 298	0.87 298	2.23 323	1.57 326	1.28 215	1.58 283	1.42 273	1.57 336	3.79 321	1.48 306	0.36 312	0.32 325	0.34 301	0.30 300	0.30 250	0.41 296

AF-Net	1.23 303	0.56 296	2.31 336	0.88 342	0.93 356	1.41 302	0.73 263	2.27 330	1.71 338	1.76 334	2.42 362	2.00 344	1.70 347	1.98 239	1.62 319	0.50 356	0.29 306	0.49 352	0.33 318	0.40 297	0.34 266

NaN_ROB	1.23 303	0.63 314	1.76 297	0.67 249	0.50 231	1.59 320	2.00 384	1.87 244	1.52 316	2.14 360	1.26 181	1.40 271	1.09 273	4.60 334	1.75 332	0.28 259	0.34 330	0.28 252	0.29 289	0.30 250	0.37 280

DGSMNet	1.24 306	0.84 350	3.20 357	0.91 352	0.92 353	1.39 298	1.34 353	2.46 354	1.44 297	1.34 242	1.66 296	1.50 289	1.03 256	1.85 219	1.30 283	0.48 350	0.48 370	0.55 365	0.51 364	0.78 371	0.79 370

RYNet	1.24 306	0.52 285	1.57 289	0.73 292	0.97 363	1.74 333	0.95 314	2.09 292	1.54 320	1.44 278	1.18 158	1.94 339	1.29 307	4.57 333	1.93 339	0.27 248	0.23 260	0.35 307	0.27 265	0.57 347	0.59 347

ttt	1.26 308	0.36 194	0.79 98	0.65 223	0.42 193	0.94 220	0.57 211	2.33 339	1.38 272	1.25 195	1.65 295	0.92 147	0.78 154	2.64 287	8.73 396	0.30 276	0.28 298	0.26 231	0.25 239	0.29 240	0.32 253

aanetorigin	1.26 308	0.85 351	3.00 353	0.72 285	0.80 337	1.08 249	1.05 325	1.12 76	1.39 281	3.53 394	2.60 367	1.72 319	1.73 351	1.98 239	1.77 335	0.26 231	0.24 268	0.26 231	0.25 239	0.38 289	0.51 326

GwcNet	1.26 308	0.63 314	5.13 379	0.81 322	1.15 377	1.73 331	0.69 252	1.84 236	1.53 318	1.51 295	1.71 305	1.72 319	1.09 273	2.20 262	1.61 317	0.31 280	0.30 310	0.29 260	0.27 265	0.30 250	0.41 296

Consistency-Raft	1.27 311	1.01 364	2.17 329	1.04 369	1.20 381	0.96 231	1.00 321	1.84 236	1.95 357	1.38 257	2.11 346	1.44 277	1.03 256	1.18 124	1.40 296	0.73 376	0.83 392	0.89 381	0.99 393	1.33 387	0.95 377

NOSS_ROB	1.29 312	0.49 274	0.68 53	0.60 175	0.40 176	1.09 251	0.77 268	1.94 261	1.44 297	1.04 109	1.46 248	1.10 204	0.81 169	10.57 418	0.78 199	0.46 344	0.43 360	0.48 350	0.45 351	0.45 319	0.43 306

SGM-Forest	1.29 312	0.40 237	0.74 76	0.54 104	0.37 149	1.55 314	1.26 350	1.82 233	1.39 281	2.22 361	1.81 320	1.64 309	1.02 254	7.65 390	1.20 269	0.39 322	0.37 343	0.39 327	0.34 323	0.37 283	0.34 266
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_2	1.37 314	0.56 296	0.94 165	0.57 144	0.62 289	1.04 240	0.65 242	1.82 233	1.01 120	1.00 96	0.79 47	1.42 273	1.27 305	1.06 101	0.83 212	0.62 368	0.67 388	1.05 387	9.88 424	1.09 383	0.55 337

SQANet	1.38 315	0.95 360	1.37 267	1.89 392	1.47 389	1.44 306	0.81 283	1.89 251	1.13 164	1.34 242	1.26 181	1.28 249	1.02 254	1.64 192	0.91 228	2.55 398	0.35 335	1.47 390	0.56 370	2.48 394	1.74 394

PWC_ROB	1.39 316	0.93 359	4.07 371	0.77 314	0.83 344	1.16 264	0.53 186	1.87 244	2.01 360	2.36 365	3.06 376	1.65 310	1.60 337	2.65 289	2.29 351	0.34 297	0.23 260	0.36 317	0.25 239	0.39 293	0.49 318

PWCDC_ROB	1.39 316	0.91 357	2.10 324	1.08 371	0.92 353	1.72 328	0.58 218	2.03 280	3.30 391	1.32 230	4.87 396	1.21 224	1.71 349	1.98 239	1.75 332	0.65 371	0.26 286	0.29 260	0.25 239	0.56 345	0.41 296

GANet	1.41 318	0.52 285	1.18 236	0.74 299	0.48 221	1.40 300	1.69 369	1.87 244	1.28 232	1.56 307	2.39 360	1.56 299	1.25 302	9.13 401	1.20 269	0.31 280	0.32 325	0.34 301	0.29 289	0.40 297	0.33 259

PDISCO_ROB	1.41 318	0.73 340	2.04 321	1.40 383	1.46 388	2.83 380	1.07 327	2.64 369	2.11 365	1.41 267	1.50 260	1.73 321	0.99 240	2.83 297	1.46 303	1.03 384	0.27 294	0.54 360	0.47 355	0.77 370	0.84 374

LL-Strereo	1.42 320	0.44 257	2.02 317	0.62 196	1.07 368	0.73 148	0.65 242	2.02 276	1.21 201	1.60 315	1.62 289	2.02 347	2.10 370	9.67 407	1.07 258	0.22 155	0.20 215	0.27 240	0.24 231	0.23 164	0.33 259

SHD	1.42 320	0.81 347	2.79 350	0.98 365	0.92 353	1.97 351	0.68 248	2.43 348	2.55 374	2.54 373	1.72 306	2.01 346	1.62 338	2.14 258	2.70 358	0.40 324	0.33 328	0.39 327	0.40 338	0.48 328	0.54 331

Anonymous Stereo	1.42 320	0.90 353	3.93 369	0.81 322	0.83 344	1.06 246	1.90 383	1.81 230	1.52 316	1.75 330	1.44 243	1.28 249	0.87 194	5.94 362	1.94 340	0.38 315	0.39 351	0.38 323	0.41 342	0.45 319	0.50 321

RTSC	1.43 323	0.89 352	3.62 366	0.94 361	0.64 292	1.85 344	0.69 252	2.20 321	2.04 362	2.22 361	1.70 303	1.67 313	1.27 305	2.53 282	4.48 377	0.33 290	0.25 281	0.27 240	0.29 289	0.38 289	0.40 293

DualNet	1.46 324	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	1.08 59	2.62 377	1.19 169	1.49 253	1.07 191	0.85 180	1.57 177	13.82 409	0.21 126	0.13 17	0.31 273	0.28 274	0.20 91	0.23 129

UDG	1.47 325	2.69 412	1.13 213	1.45 387	1.65 391	1.34 292	0.79 279	1.75 216	1.27 228	1.29 219	1.74 308	1.99 343	1.39 321	1.66 194	1.51 309	0.91 380	0.55 380	2.30 397	0.76 381	1.99 390	1.20 387

MFMNet_re	1.47 325	1.20 375	2.50 341	1.46 388	1.08 369	1.58 318	1.51 360	1.96 267	1.87 352	2.31 364	2.20 351	1.51 291	1.88 360	1.57 177	1.34 289	0.94 381	0.83 392	0.84 380	0.80 384	1.00 379	1.06 381

PASM	1.48 327	1.08 366	3.96 370	0.93 358	0.93 356	1.17 271	1.19 342	1.77 218	1.65 333	1.90 343	1.52 268	1.75 326	1.42 324	4.54 332	1.52 311	0.64 370	0.68 390	0.69 376	0.79 383	0.70 365	0.74 365

ADCRef	1.50 328	0.61 308	3.83 368	0.76 312	0.77 329	1.91 348	0.77 268	2.16 307	1.34 255	1.63 320	1.59 287	1.35 263	1.40 322	1.79 215	8.32 395	0.25 214	0.21 228	0.32 285	0.31 304	0.31 255	0.32 253

XQC	1.51 329	0.98 362	3.20 357	0.92 353	0.76 328	2.01 355	1.17 340	2.53 364	1.99 359	2.01 354	1.54 270	2.00 344	1.54 334	3.16 304	3.46 368	0.49 352	0.31 315	0.45 343	0.40 338	0.71 367	0.62 352

CC-Net-ROB	1.53 330	1.31 382	1.68 294	0.92 353	0.80 337	1.75 334	0.99 319	2.04 282	1.27 228	1.12 129	1.62 289	1.20 223	0.98 237	7.82 391	0.92 232	1.15 391	0.41 354	2.20 395	0.46 353	1.37 388	0.56 339

FINET	1.54 331	0.67 327	7.28 387	0.76 312	0.97 363	1.42 305	1.38 356	2.80 382	3.12 388	1.23 188	1.68 300	1.04 184	1.11 278	3.35 312	1.78 336	0.43 332	0.37 343	0.32 285	0.29 289	0.43 307	0.41 296

test_xeample	1.55 332	0.31 109	0.94 165	0.54 104	0.31 80	0.94 220	0.58 218	2.40 344	1.40 283	1.29 219	1.55 273	0.89 137	0.88 201	1.72 203	15.94 416	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 167

DDUNet	1.56 333	2.70 413	1.35 262	1.79 390	1.88 393	1.82 342	0.91 304	1.84 236	1.20 195	1.40 265	1.79 314	1.62 305	1.17 287	1.59 183	1.22 274	1.11 388	0.76 391	2.38 400	0.94 388	2.12 391	1.53 392

CrosDoStereo	1.56 333	0.26 21	0.78 94	0.51 61	0.29 54	0.66 120	11.86 416	1.18 99	1.00 117	1.35 246	1.76 310	0.99 170	1.83 357	6.64 376	0.83 212	0.19 67	0.15 115	0.20 74	0.22 191	0.18 37	0.25 167

DeepStereo_LL	1.56 333	0.26 21	0.78 94	0.51 61	0.29 54	0.66 120	11.86 416	1.18 99	1.00 117	1.35 246	1.76 310	0.99 170	1.83 357	6.64 376	0.83 212	0.19 67	0.15 115	0.20 74	0.22 191	0.18 37	0.25 167

STTRV1_RVC	1.60 336	0.69 330	2.04 321	0.88 342	1.12 370	1.58 318	0.90 301	2.42 346	1.78 345	1.29 219	2.02 341	1.40 271	1.22 297	9.72 408	1.35 291	0.86 378	0.34 330	0.54 360	0.49 360	0.75 369	0.54 331

xxxx	1.61 337	0.32 123	0.98 178	0.58 154	0.31 80	1.15 261	0.43 113	2.43 348	1.41 286	1.17 153	1.40 235	1.21 224	0.86 188	1.94 233	16.68 418	0.24 194	0.24 268	0.21 97	0.20 133	0.23 164	0.27 200

CSAN	1.61 337	0.67 327	3.24 360	0.74 299	0.52 243	1.77 337	1.74 374	1.98 269	1.94 356	2.47 372	2.33 358	1.93 335	2.04 367	6.45 374	1.95 341	0.43 332	0.36 339	0.41 337	0.42 343	0.43 307	0.44 309

MFN_U_SF_RVC	1.62 339	0.96 361	4.36 375	0.92 353	0.69 309	2.62 375	1.10 329	2.50 360	1.74 341	1.99 353	1.86 327	2.45 368	1.78 355	3.08 302	2.84 360	0.54 360	0.50 375	0.56 367	0.60 376	0.60 353	0.67 357

SDNR	1.66 340	0.55 293	2.36 338	0.56 126	0.58 270	3.79 398	0.45 138	1.78 220	1.40 283	1.38 257	2.45 364	1.13 213	0.96 227	11.03 419	1.31 284	0.67 373	0.64 386	0.43 339	0.32 309	0.71 367	0.76 368

otaku	1.67 341	1.18 373	1.56 287	2.27 395	1.59 390	1.98 352	1.23 347	2.23 323	1.37 270	1.48 292	1.63 293	1.73 321	1.23 298	1.85 219	1.09 259	2.96 401	0.58 384	1.74 391	0.61 377	2.94 400	2.15 398

222	1.67 341	0.31 109	0.93 159	0.59 168	0.31 80	1.05 243	0.43 113	2.39 342	1.47 308	1.37 252	1.55 273	0.94 154	0.94 220	1.98 239	17.76 419	0.24 194	0.22 238	0.21 97	0.20 133	0.22 145	0.26 184

Wz-Net-SNSev	1.68 343	1.45 384	8.71 395	0.71 280	0.67 305	1.35 293	1.51 360	2.15 305	1.47 308	1.51 295	1.68 300	2.27 358	1.38 319	4.23 325	2.36 353	0.32 287	0.29 306	0.31 273	0.33 318	0.43 307	0.39 289

DeepPrunerF	1.68 343	0.82 348	6.82 385	0.94 361	1.20 381	0.91 208	0.97 316	2.50 360	5.19 407	1.22 186	1.30 200	1.18 219	1.29 307	4.96 341	1.75 332	0.43 332	0.35 335	0.52 355	0.48 357	0.43 307	0.42 302

psmorigin	1.69 345	0.74 342	13.13 406	0.70 277	0.60 280	1.16 264	0.79 279	1.69 204	1.25 218	2.07 357	1.77 312	2.23 355	1.51 333	2.14 258	1.45 301	0.39 322	0.41 354	0.34 301	0.33 318	0.45 319	0.63 354

G-Net	1.71 346	0.67 327	2.09 323	1.14 377	0.75 323	2.96 385	0.89 300	1.58 177	1.30 242	2.76 378	8.12 412	2.29 360	2.51 383	1.94 233	2.23 348	0.49 352	0.45 363	0.45 343	0.31 304	0.62 357	0.59 347

Ntro	1.72 347	1.21 376	1.62 291	2.54 400	1.86 392	2.09 360	1.14 336	2.08 290	1.38 272	1.23 188	1.62 289	1.62 305	1.33 314	2.04 247	1.21 273	3.09 402	0.56 381	1.82 393	0.65 378	2.97 403	2.25 400

FBW_ROB	1.78 348	0.66 324	1.90 309	0.72 285	0.66 301	1.79 341	1.07 327	2.79 380	1.77 342	1.84 339	1.79 314	1.98 342	1.37 318	12.42 421	2.22 347	0.36 312	0.38 346	0.57 369	0.39 336	0.46 323	0.51 326

SPS-STEREO	1.78 348	1.09 368	1.52 282	1.22 380	1.14 375	1.87 346	1.11 330	2.27 330	1.70 336	3.17 392	2.39 360	2.84 378	1.93 362	4.41 329	2.93 361	1.04 386	0.99 405	0.97 383	0.94 388	1.03 381	1.05 380
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFN_U_SF_DS_RVC	1.80 350	1.11 370	4.33 374	0.84 334	0.77 329	3.70 393	2.41 404	2.04 282	1.85 351	1.75 330	1.90 331	1.92 334	1.25 302	7.33 386	1.45 301	0.47 348	0.47 368	0.53 359	0.77 382	0.50 332	0.55 337

SAMSARA	1.80 350	0.90 353	3.37 362	1.28 382	1.13 373	3.71 394	2.33 399	2.53 364	1.93 355	3.17 392	1.73 307	2.99 379	1.68 346	3.53 315	2.46 355	0.47 348	0.54 378	0.43 339	0.47 355	0.59 350	0.64 355

PVD	1.82 352	0.91 357	3.02 354	1.03 368	0.94 359	2.61 374	1.14 336	2.78 379	3.40 393	3.08 390	2.75 369	2.39 367	2.49 382	2.81 295	3.66 370	0.48 350	0.49 374	0.59 372	0.49 360	0.60 353	0.81 372

ADCL	1.82 352	0.70 332	4.57 376	0.70 277	0.63 291	2.56 372	1.77 376	2.08 290	1.77 342	1.95 351	1.89 329	2.04 352	1.88 360	2.36 274	9.55 400	0.27 248	0.25 281	0.35 307	0.32 309	0.39 293	0.39 289

AAGNet	1.84 354	0.30 84	0.79 98	0.66 236	0.32 100	0.65 114	0.50 171	1.02 40	1.01 120	1.47 287	1.21 167	0.99 170	1.16 284	2.76 294	22.69 425	0.24 194	0.13 17	0.22 124	0.20 133	0.24 193	0.16 15

ff1	1.88 355	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	1.08 59	2.62 377	1.19 169	1.49 253	1.07 191	0.85 180	9.88 412	13.82 409	0.21 126	0.13 17	0.31 273	0.28 274	0.20 91	0.23 129

MDST_ROB	1.88 355	0.40 237	1.71 295	0.93 358	0.60 280	4.27 404	1.23 347	3.99 396	1.44 297	4.61 404	2.63 368	1.44 277	1.03 256	9.78 409	1.62 319	0.33 290	0.26 286	0.37 319	0.33 318	0.31 255	0.34 266

SGM_RVC	1.88 355	0.40 237	0.90 153	0.63 206	0.30 66	2.81 379	1.26 350	2.73 375	1.81 349	4.09 396	2.85 372	3.88 389	3.19 390	8.42 397	2.44 354	0.33 290	0.31 315	0.30 269	0.28 274	0.31 255	0.31 245
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
mmx	1.89 358	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	2.32 334	1.41 286	1.19 169	1.49 253	1.07 191	0.85 180	9.88 412	13.82 409	0.25 214	0.21 228	0.31 273	0.28 274	0.32 263	0.29 223

xxx	1.89 358	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	2.32 334	1.41 286	1.19 169	1.49 253	1.07 191	0.85 180	9.88 412	13.82 409	0.25 214	0.21 228	0.31 273	0.28 274	0.32 263	0.29 223

DPSNet	1.91 360	0.64 317	5.95 381	0.73 292	0.59 276	2.04 357	1.61 368	3.84 394	1.96 358	1.54 303	1.39 230	2.27 358	3.32 393	4.95 340	4.79 378	0.50 356	0.31 315	0.29 260	0.26 251	0.67 362	0.54 331

1111x	1.96 361	0.32 123	1.54 286	0.54 104	0.30 66	1.00 235	0.69 252	2.47 355	1.33 253	1.21 181	1.44 243	1.21 224	1.11 278	8.49 398	16.14 417	0.22 155	0.23 260	0.22 124	0.23 219	0.25 203	0.26 184

ADCPNet	1.97 362	0.78 343	9.38 397	0.74 299	0.61 285	2.73 377	1.36 355	2.11 295	1.66 334	1.92 345	1.70 303	2.45 368	2.07 368	2.50 280	6.84 390	0.38 315	0.38 346	0.38 323	0.43 346	0.47 327	0.50 321

WCMA_ROB	2.05 363	0.55 293	1.77 298	0.74 299	0.61 285	2.24 363	1.56 365	2.17 315	1.79 347	4.16 400	6.36 402	5.66 401	4.66 404	3.19 305	2.77 359	0.55 363	0.45 363	0.40 333	0.43 346	0.48 328	0.50 321

RainbowNet	2.06 364	1.86 395	1.97 316	2.86 403	2.25 399	2.03 356	1.79 377	2.77 377	1.92 354	1.54 303	1.84 322	1.95 340	1.73 351	2.23 264	1.38 295	3.40 408	0.86 397	2.39 402	1.00 394	2.94 400	2.42 402

MSMD_ROB	2.08 365	0.61 308	1.15 218	0.71 280	0.62 289	4.00 400	0.93 309	1.94 261	1.79 347	4.71 406	4.60 392	8.14 410	3.87 400	3.75 320	1.65 325	0.54 360	0.48 370	0.55 365	0.58 372	0.53 340	0.52 328

Wz-Net-TNSev	2.10 366	2.71 414	9.30 396	0.72 285	0.65 298	2.41 370	1.81 381	2.45 350	1.77 342	1.62 318	1.56 278	2.56 371	2.01 364	5.30 345	4.46 376	0.41 327	0.38 346	0.33 293	0.37 333	0.54 342	0.64 355

ADCMid	2.11 367	0.90 353	8.39 393	0.75 306	0.69 309	1.98 352	1.14 336	2.18 316	1.67 335	2.85 380	1.85 325	2.35 364	2.02 366	2.35 273	10.58 404	0.34 297	0.32 325	0.39 327	0.44 348	0.51 334	0.53 330

ADCP+	2.12 368	0.56 296	10.01 398	0.68 258	0.91 352	2.25 364	1.04 324	1.92 259	1.50 315	1.58 311	1.34 214	1.73 321	1.62 338	2.27 268	13.20 406	0.25 214	0.22 238	0.32 285	0.29 289	0.38 289	0.34 266

WZ-Net	2.14 369	1.08 366	11.68 405	0.89 350	0.78 333	1.76 335	1.59 367	2.39 342	2.03 361	2.11 358	1.95 337	2.30 361	2.28 377	5.94 362	3.86 373	0.35 305	0.27 294	0.29 260	0.32 309	0.52 335	0.50 321

AnyNet_C32	2.14 369	1.45 384	7.38 388	0.95 363	1.12 370	2.23 362	2.34 400	2.10 294	1.54 320	2.44 368	1.79 314	2.04 352	1.66 344	2.69 290	10.48 403	0.38 315	0.35 335	0.35 307	0.42 343	0.50 332	0.60 350

NVStereoNet_ROB	2.17 371	1.18 373	3.51 364	1.14 377	1.26 384	1.57 317	1.51 360	2.19 318	2.11 365	2.04 355	4.80 394	3.17 384	2.11 372	7.97 393	2.10 343	1.12 389	0.94 402	1.10 388	1.34 400	0.95 377	1.31 388
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSC_U_SF_DS_RVC	2.22 372	1.29 381	4.14 372	1.10 373	0.78 333	5.00 407	2.38 403	2.47 355	2.67 382	1.94 349	2.28 355	2.66 375	1.70 347	9.10 400	2.29 351	0.68 375	0.52 376	0.68 375	0.71 380	1.17 385	0.81 372

SANet	2.26 373	0.70 332	6.94 386	0.69 268	0.46 213	2.76 378	1.76 375	2.61 368	5.84 409	2.45 369	3.52 382	3.71 386	3.38 395	5.90 359	2.14 345	0.34 297	0.31 315	0.32 285	0.29 289	0.54 342	0.43 306

ADCS	2.35 374	1.26 378	6.54 384	0.85 336	0.77 329	2.18 361	1.79 377	2.47 355	2.20 367	2.80 379	2.14 349	2.38 365	2.09 369	2.81 295	13.83 413	0.43 332	0.41 354	0.40 333	0.45 351	0.59 350	0.67 357

MeshStereo	2.36 375	0.60 303	1.05 194	0.63 206	0.51 240	2.58 373	0.99 319	3.46 390	2.21 368	7.38 416	5.06 398	7.50 406	3.10 389	7.02 384	2.54 356	0.44 340	0.44 361	0.45 343	0.40 338	0.43 307	0.45 311
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
AnyNet_C01	2.38 376	2.21 404	10.17 399	0.99 366	0.79 335	3.12 386	2.37 401	2.69 374	1.89 353	2.58 375	2.44 363	2.70 376	1.86 359	3.65 316	7.12 391	0.41 327	0.41 354	0.40 333	0.42 343	0.68 363	0.79 370

DispFullNet	2.39 377	2.89 415	3.74 367	3.09 408	2.27 401	2.04 357	0.84 290	2.19 318	1.73 340	2.54 373	1.98 338	2.23 355	5.83 407	3.44 314	1.84 337	1.03 384	0.33 328	2.65 408	1.97 412	2.87 399	2.34 401

EDNetEfficient	2.40 378	1.14 371	8.59 394	0.77 314	0.73 316	1.06 246	1.53 363	1.54 168	4.06 399	4.87 407	2.81 370	2.23 355	3.53 396	3.04 301	9.65 401	0.27 248	0.24 268	0.27 240	0.31 304	0.70 365	0.67 357

FCDSN-DC	2.47 379	0.65 323	1.00 185	0.85 336	0.75 323	2.26 365	0.97 316	2.31 333	1.83 350	5.52 412	7.65 409	7.72 409	7.70 413	4.43 330	2.64 357	0.52 358	0.48 370	0.52 355	0.52 365	0.57 347	0.59 347
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SuperB	2.50 380	0.72 337	18.07 416	0.72 285	0.53 248	1.85 344	0.86 296	1.80 227	2.40 371	1.54 303	1.42 239	1.13 213	1.17 287	4.18 324	4.80 380	0.25 214	0.20 215	0.23 151	0.19 107	7.64 424	0.38 286

ELAS	2.67 381	0.80 344	2.13 327	1.13 374	1.15 377	6.25 411	2.56 405	3.50 391	3.68 396	5.36 410	4.92 397	3.79 387	5.56 406	3.65 316	5.22 382	0.66 372	0.57 382	0.56 367	0.54 368	0.65 360	0.75 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTS	2.76 382	1.55 390	15.40 408	1.13 374	1.42 386	3.75 396	2.21 394	2.45 350	2.72 383	2.91 383	2.85 372	2.58 372	1.62 338	6.28 369	5.80 385	0.41 327	0.30 310	0.35 307	0.35 327	0.52 335	0.54 331

RTSA	2.76 382	1.55 390	15.40 408	1.13 374	1.42 386	3.75 396	2.21 394	2.45 350	2.72 383	2.91 383	2.85 372	2.58 372	1.62 338	6.28 369	5.80 385	0.41 327	0.30 310	0.35 307	0.35 327	0.52 335	0.54 331

WAO-7	2.78 384	1.54 389	2.18 330	1.41 386	1.19 380	3.92 399	2.01 387	4.19 398	3.89 398	2.98 386	5.47 399	4.18 391	3.28 392	8.24 396	4.27 374	1.13 390	1.01 406	1.18 389	1.13 399	1.19 386	1.13 386

MADNet+	2.80 385	3.38 417	11.57 404	1.50 389	1.21 383	3.18 388	2.00 384	3.52 392	2.61 376	1.81 336	2.09 345	2.83 377	2.18 376	7.55 389	5.44 384	0.84 377	0.83 392	0.71 377	0.66 379	1.05 382	1.08 382

IMH-64-1	2.82 386	1.87 396	1.77 298	3.31 410	2.69 407	3.22 389	2.07 389	4.25 399	2.77 385	2.46 370	3.78 385	3.05 380	2.34 379	4.67 336	3.00 363	3.84 412	0.84 395	2.75 409	1.39 401	3.34 408	2.93 410

IMH-64	2.82 386	1.87 396	1.77 298	3.31 410	2.69 407	3.22 389	2.07 389	4.25 399	2.77 385	2.46 370	3.78 385	3.05 380	2.34 379	4.67 336	3.00 363	3.84 412	0.84 395	2.75 409	1.39 401	3.34 408	2.93 410

pmcnn	2.84 388	0.46 261	5.19 380	0.68 258	0.42 193	1.55 314	1.16 339	2.32 334	1.60 330	2.72 376	7.49 407	17.96 422	1.48 331	6.04 364	6.64 389	0.18 41	0.15 115	0.15 3	0.12 10	0.20 91	0.20 74

ACVNet_2	2.86 389	1.47 386	8.28 391	2.68 401	2.26 400	2.70 376	1.84 382	3.41 388	3.04 387	2.27 363	3.42 381	4.58 393	2.10 370	5.91 360	1.62 319	2.58 399	0.67 388	2.22 396	0.85 386	2.79 397	2.47 403

ELAS_RVC	2.87 390	0.80 344	3.22 359	1.16 379	1.12 370	2.92 383	5.33 413	2.98 384	4.18 400	5.04 408	4.82 395	4.71 395	8.23 414	4.25 327	4.79 378	0.67 373	0.57 382	0.57 369	0.53 367	0.66 361	0.74 365
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN	2.88 391	0.61 308	1.15 218	0.75 306	0.57 268	2.85 382	1.05 325	3.44 389	2.64 381	6.93 413	7.63 408	9.86 415	7.02 412	5.76 357	4.31 375	0.54 360	0.48 370	0.51 354	0.50 362	0.53 340	0.52 328

WAO-6	2.98 392	1.67 393	1.88 308	2.38 399	2.30 402	3.53 392	2.37 401	4.38 401	4.64 404	2.42 366	4.50 389	4.85 396	2.99 388	5.22 344	5.37 383	1.77 392	1.16 412	2.31 398	1.47 406	2.42 393	1.99 397

ACVNet-4b	3.05 393	1.42 383	18.09 417	2.85 402	2.33 403	2.32 369	1.22 345	2.47 355	2.21 368	1.26 205	2.36 359	2.64 374	1.46 328	6.32 371	1.23 277	3.29 405	0.45 363	2.37 399	1.02 396	3.03 404	2.61 405

ACVNet_1	3.08 394	1.48 387	17.70 413	2.90 405	2.35 404	2.30 366	1.43 358	3.16 386	2.26 370	1.91 344	2.05 343	3.51 385	2.32 378	3.71 319	1.58 315	3.25 404	0.66 387	2.40 403	1.06 397	3.07 405	2.59 404

PWCK	3.24 395	2.37 405	10.86 401	2.14 394	1.14 375	3.71 394	4.19 412	3.02 385	3.55 395	3.05 389	3.63 383	3.09 383	2.35 381	8.16 395	3.41 367	2.17 396	0.96 403	1.77 392	1.01 395	2.84 398	1.40 391

IMH	3.35 396	1.95 398	1.86 307	3.30 409	2.72 409	4.03 402	2.00 384	4.58 403	3.83 397	2.87 381	6.99 405	4.69 394	3.21 391	6.77 380	2.97 362	3.91 415	0.89 399	2.78 411	1.40 405	3.36 410	2.93 410

LVE	3.40 397	1.80 394	2.21 332	2.90 405	2.44 405	3.27 391	2.25 396	4.80 404	5.06 405	2.43 367	6.79 403	5.99 402	2.64 386	9.20 402	2.28 349	3.30 406	1.11 411	2.38 400	1.48 407	2.95 402	2.62 406

Dean	3.77 398	1.65 392	17.87 414	3.01 407	2.54 406	3.15 387	2.10 392	4.80 404	4.42 401	2.89 382	6.03 400	5.45 400	2.55 385	3.40 313	2.13 344	3.22 403	0.89 399	2.51 406	1.07 398	3.07 405	2.65 408

JetBlue	4.18 399	2.45 409	10.42 400	1.40 383	2.89 411	10.68 417	10.68 415	3.91 395	2.52 372	2.74 377	3.39 380	4.50 392	4.27 402	7.97 393	7.67 394	0.89 379	0.97 404	0.89 381	0.92 387	2.26 392	2.21 399

notaker	4.29 400	2.42 408	5.06 378	3.89 418	3.29 416	4.00 400	2.25 396	4.93 406	3.47 394	4.21 402	6.79 403	7.67 408	3.37 394	9.25 404	6.47 387	4.09 417	1.42 414	3.35 418	2.13 415	4.11 415	3.54 415

ktn	4.56 401	2.41 407	2.54 342	3.79 417	3.25 414	4.81 406	2.91 409	5.52 408	7.36 410	4.12 399	14.55 420	7.54 407	3.70 397	7.84 392	3.35 366	4.06 416	1.86 417	3.26 417	2.22 416	3.27 407	2.86 409

WAO-8	4.57 402	2.01 399	2.58 344	2.37 397	2.21 397	9.75 413	1.71 371	6.04 413	16.34 418	4.11 397	7.69 410	7.41 404	3.85 398	10.02 415	3.85 371	2.05 394	1.09 409	2.44 404	1.39 401	2.56 395	1.86 395

Venus	4.57 402	2.01 399	2.58 344	2.37 397	2.21 397	9.75 413	1.71 371	6.04 413	16.34 418	4.11 397	7.69 410	7.41 404	3.85 398	10.02 415	3.85 371	2.05 394	1.09 409	2.44 404	1.39 401	2.56 395	1.86 395

SGM+DAISY	5.38 404	1.28 380	8.24 390	1.27 381	1.16 379	10.62 416	16.01 421	2.93 383	2.53 373	8.64 419	13.03 418	8.26 411	13.38 417	6.34 372	7.59 393	1.07 387	1.05 408	1.00 385	0.98 391	1.02 380	1.12 385

TorneroNet-64	5.41 405	2.10 402	2.43 339	3.49 413	2.83 410	9.90 415	2.13 393	8.87 419	16.79 423	5.39 411	9.18 414	10.68 419	3.92 401	9.55 406	5.11 381	3.36 407	0.86 397	2.88 412	1.62 408	3.76 411	3.37 413

MADNet++	5.41 405	3.18 416	6.43 383	4.66 422	3.95 420	6.15 410	6.75 414	4.51 402	4.51 403	5.06 409	6.27 401	4.96 398	6.14 408	9.39 405	11.70 405	4.71 418	4.19 422	3.97 420	3.33 418	4.08 414	4.25 420

UNDER WATER	5.68 407	2.46 410	15.52 410	3.98 420	3.53 417	5.15 408	2.74 407	5.58 410	16.41 421	4.00 395	4.56 390	9.12 413	6.43 410	6.22 367	9.11 398	3.85 414	1.35 413	3.18 416	1.98 413	4.51 418	3.84 419

UNDER WATER-64	5.84 408	2.48 411	17.93 415	3.97 419	3.58 418	7.70 412	3.03 410	5.72 412	14.13 415	4.18 401	4.00 387	9.27 414	6.80 411	6.20 366	9.22 399	3.67 410	1.52 415	3.14 414	1.95 411	4.43 417	3.83 418

LSM	6.55 409	1.26 378	15.64 411	1.79 390	68.74 439	1.67 327	2.08 391	2.26 326	2.59 375	3.13 391	3.08 377	1.90 330	1.81 356	2.89 298	2.16 346	0.43 332	0.59 385	0.50 353	0.58 372	0.64 358	17.24 430

tt	6.61 410	0.28 46	6.10 382	3.77 416	2.17 396	11.53 418	19.61 422	13.53 424	5.81 408	3.00 387	2.82 371	4.97 399	6.33 409	3.83 322	7.23 392	9.13 424	11.32 429	5.87 423	6.22 422	6.01 421	2.63 407

JetRed	7.02 411	8.94 423	25.72 426	2.89 404	3.27 415	14.25 421	12.27 418	6.69 415	4.45 402	4.46 403	4.56 390	6.65 403	5.43 405	7.46 388	14.41 415	2.60 400	3.31 419	2.61 407	2.30 417	4.34 416	3.79 417

MANE	7.50 412	0.64 317	7.97 389	1.40 383	2.10 395	16.86 423	12.56 419	12.91 423	17.51 426	8.50 418	11.60 416	14.66 421	13.33 416	12.02 420	13.28 407	0.62 368	0.52 376	0.52 355	1.90 410	0.56 345	0.58 345

SGM-ForestM	7.81 413	0.48 269	11.02 402	0.74 299	0.40 176	16.83 422	12.72 420	7.91 417	8.13 411	11.53 420	10.25 415	22.44 430	14.01 418	17.02 423	20.52 421	0.38 315	0.39 351	0.37 319	0.36 329	0.37 283	0.38 286

coex-ft	8.35 414	2.39 406	100.24 443	0.68 258	0.54 255	1.77 337	1.57 366	1.71 209	11.00 413	18.91 428	3.76 384	3.85 388	8.23 414	3.29 310	6.58 388	0.31 280	0.31 315	0.32 285	0.31 304	0.69 364	0.57 342

LE_ROB	8.35 414	0.47 266	27.42 430	0.83 330	0.34 126	2.84 381	3.36 411	4.03 397	27.04 430	25.20 430	8.72 413	8.55 412	27.35 430	7.37 387	22.13 422	0.22 155	0.20 215	0.20 74	0.21 169	0.25 203	0.25 167

KSHMR	8.76 416	2.14 403	3.59 365	3.60 415	3.13 413	4.15 403	2.67 406	5.61 411	58.90 443	3.04 388	55.71 443	4.94 397	2.54 384	4.61 335	3.05 365	3.49 409	1.57 416	3.14 414	1.98 413	3.84 412	3.49 414

EDNetEfficientorigin	10.59 417	1.52 388	177.33 444	0.68 258	0.54 255	1.66 326	1.20 344	1.94 261	3.39 392	4.69 405	3.37 379	3.08 382	2.79 387	3.25 308	3.63 369	0.26 231	0.24 268	0.33 293	0.28 274	0.85 373	0.87 375

TorneroNet	10.72 418	2.09 401	2.76 349	3.48 412	3.03 412	44.72 435	2.31 398	8.62 418	67.06 444	7.45 417	23.21 428	10.59 418	4.28 403	9.03 399	9.00 397	3.67 410	0.91 401	3.04 413	1.63 409	3.92 413	3.55 416

HanzoNet	11.92 419	5.12 418	17.18 412	4.19 421	3.59 419	5.16 409	2.82 408	7.41 416	9.96 412	33.31 439	27.60 430	22.25 429	37.31 434	18.18 424	13.57 408	8.13 423	3.44 421	3.50 419	3.44 419	7.77 425	4.52 421

DGTPSM_ROB	13.06 420	8.27 421	22.29 421	9.53 425	18.14 423	11.53 418	31.97 428	10.82 421	16.25 416	7.14 414	19.39 426	10.12 416	16.69 422	9.85 410	22.49 423	4.77 419	8.72 424	5.37 421	10.24 425	6.15 422	11.56 424

DPSMNet_ROB	13.08 421	8.28 422	22.32 422	9.54 426	18.15 424	11.53 418	31.98 429	10.83 422	16.27 417	7.17 415	19.40 427	10.12 416	16.69 422	9.87 411	22.50 424	4.78 420	8.72 424	5.38 422	10.25 426	6.16 423	11.59 425

ASD4	17.95 422	11.38 425	20.07 418	11.32 427	12.21 422	21.39 424	31.23 427	22.73 426	12.78 414	12.19 421	12.67 417	13.79 420	14.32 420	20.13 425	25.17 427	18.93 429	15.37 430	28.00 435	22.52 435	17.63 428	15.21 429

DPSM_ROB	19.12 423	19.13 427	25.13 424	22.15 429	20.86 427	28.06 427	37.75 431	27.18 428	16.95 424	14.25 422	15.07 421	21.66 424	18.69 425	21.83 427	26.51 429	10.15 426	9.30 427	10.45 426	10.41 427	14.00 426	12.85 427

DPSM	19.12 423	19.13 427	25.13 424	22.15 429	20.86 427	28.06 427	37.75 431	27.18 428	16.95 424	14.25 422	15.07 421	21.66 424	18.69 425	21.83 427	26.51 429	10.15 426	9.30 427	10.45 426	10.41 427	14.00 426	12.85 427

LRCNet_RVC	22.79 425	32.09 433	22.06 420	29.83 431	26.15 429	4.40 405	0.84 290	22.64 425	2.10 364	26.93 431	29.25 431	23.03 431	15.56 421	23.91 429	18.92 420	32.00 436	20.04 438	34.68 436	32.13 436	30.66 436	28.52 436

DLNR_Zeroshot_test	23.23 426	48.25 444	43.77 433	177.04 444	78.39 440	0.35 5	0.21 1	23.33 427	0.82 55	0.67 47	0.86 59	0.58 48	0.30 4	1.64 192	0.48 93	10.69 428	0.13 17	0.18 36	0.14 25	76.63 443	0.23 129

DPSimNet_ROB	24.77 427	9.69 424	61.46 441	3.56 414	19.46 425	25.95 425	77.56 442	5.09 407	16.60 422	21.50 429	29.82 432	25.12 432	85.69 444	13.37 422	23.07 426	7.23 422	17.79 431	8.55 424	7.57 423	4.57 420	31.84 437

SPstereo	26.71 428	6.90 420	11.42 403	5.86 423	6.44 421	48.17 436	80.34 443	67.41 444	34.42 439	28.80 437	27.49 429	43.68 441	37.53 438	44.96 443	54.23 444	5.06 421	4.92 423	10.92 428	6.03 421	4.54 419	5.00 423

FADE	26.94 429	6.16 419	20.86 419	1.90 393	1.95 394	2.92 383	2.01 387	5.55 409	5.12 406	2.92 385	2.17 350	4.13 390	14.15 419	10.56 417	10.39 402	193.84 444	2.80 418	122.45 441	126.70 441	1.14 384	1.11 384

BEATNet-Init1	27.39 430	21.01 429	73.65 442	1.07 370	0.80 337	56.07 437	22.82 423	33.14 435	31.71 432	51.78 443	52.93 442	65.63 443	48.54 442	48.75 444	36.36 434	0.52 358	0.47 368	0.54 360	0.54 368	0.64 358	0.72 363

CasAABBNet	38.42 431	38.42 435	50.26 435	44.76 436	41.87 433	56.47 441	76.22 437	54.44 441	33.92 434	28.53 432	30.36 434	43.53 440	37.59 439	43.77 440	53.32 439	20.27 430	18.70 433	21.03 432	21.04 430	28.19 430	25.79 431

MyStereo03	38.45 432	38.46 437	50.33 436	44.93 437	42.03 435	56.44 438	76.24 438	54.16 438	34.06 436	28.68 434	30.42 435	43.46 436	37.33 435	43.76 437	53.43 440	20.29 431	18.73 435	21.02 429	21.05 431	28.19 430	25.91 433

MyStereo02	38.45 432	38.46 437	50.33 436	44.93 437	42.03 435	56.44 438	76.24 438	54.16 438	34.06 436	28.68 434	30.42 435	43.46 436	37.33 435	43.76 437	53.43 440	20.29 431	18.73 435	21.02 429	21.05 431	28.19 430	25.91 433

MyStereo	38.45 432	38.46 437	50.33 436	44.93 437	42.03 435	56.44 438	76.24 438	54.16 438	34.06 436	28.68 434	30.42 435	43.46 436	37.33 435	43.76 437	53.43 440	20.29 431	18.73 435	21.02 429	21.05 431	28.19 430	25.91 433

Selective-RAFT-Error	38.47 435	38.44 436	50.38 439	44.74 435	42.01 434	56.47 441	76.24 438	54.44 441	34.02 435	28.59 433	30.30 433	43.51 439	38.10 440	43.69 436	53.24 438	20.36 434	18.72 434	21.05 433	21.02 429	28.25 434	25.87 432

HaxPig	39.02 436	41.39 441	41.59 431	30.10 432	32.36 430	29.49 429	27.65 425	30.56 431	37.94 440	43.75 440	43.81 439	33.42 433	35.69 431	41.51 434	40.33 436	43.91 440	47.48 443	45.87 437	47.14 438	42.29 437	44.06 440

AVERAGE_ROB	40.42 437	42.30 442	42.61 432	36.91 434	35.54 432	30.42 430	27.59 424	37.45 437	38.45 441	44.87 441	44.27 440	37.55 435	36.69 432	41.82 435	40.25 435	45.36 441	46.73 442	47.09 438	46.32 437	42.47 438	43.74 439

MEDIAN_ROB	42.01 438	44.30 443	44.14 434	35.08 433	34.90 431	31.33 434	29.90 426	36.77 436	40.11 442	47.14 442	46.55 441	37.49 434	38.50 441	44.30 442	42.32 437	47.93 442	49.31 444	49.68 439	49.00 439	44.98 439	46.46 441

Anonymous_1	42.79 439	18.71 426	24.75 423	21.81 428	45.16 438	27.68 426	37.52 430	28.64 430	16.34 418	14.72 424	14.53 419	20.60 423	17.82 424	21.52 426	25.88 428	113.45 443	8.91 426	100.63 440	126.37 440	158.50 444	12.31 426

LSM0	42.92 440	38.72 440	50.66 440	47.49 440	110.18 444	56.77 443	75.87 436	54.87 443	33.74 433	29.48 438	31.12 438	43.77 442	37.12 433	43.85 441	53.44 443	20.50 435	18.67 432	21.05 433	21.07 434	28.37 435	41.73 438

PML	51.64 441	37.49 434	14.31 407	7.45 424	20.27 426	107.80 444	231.34 445	8.94 420	27.70 431	86.74 444	268.93 445	69.03 444	61.09 443	24.71 433	14.36 414	9.71 425	3.40 420	9.60 425	4.67 420	20.46 429	4.76 422

xxxxx1	54.34 442	26.72 430	27.03 427	114.14 441	99.00 441	30.68 431	47.19 433	32.52 432	26.09 427	17.85 425	17.48 423	21.86 426	20.92 427	24.38 430	33.78 431	34.73 437	41.33 439	157.67 442	175.68 442	65.82 440	71.99 442

tt_ll	54.34 442	26.72 430	27.03 427	114.14 441	99.00 441	30.68 431	47.19 433	32.52 432	26.09 427	17.85 425	17.48 423	21.86 426	20.92 427	24.38 430	33.78 431	34.73 437	41.33 439	157.67 442	175.68 442	65.82 440	71.99 442

ff	54.34 442	26.72 430	27.03 427	114.14 441	99.00 441	30.68 431	47.19 433	32.52 432	26.09 427	17.85 425	17.48 423	21.86 426	20.92 427	24.38 430	33.78 431	34.73 437	41.33 439	157.67 442	175.68 442	65.82 440	71.99 442

test_example2	192.91 445	210.59 445	206.44 445	199.86 445	204.90 445	172.02 445	182.95 444	138.34 445	134.89 445	193.14 445	200.54 444	186.77 445	177.82 445	204.95 445	207.57 445	221.83 445	238.70 445	186.02 445	190.07 445	226.94 445	173.78 445

Low-res two-view benchmark