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

CAS	1.26 73	0.40 1	1.46 15	2.97 390	1.61 335	4.13 257	0.73 90	1.78 20	1.49 49	0.83 22	1.10 23	0.59 3	0.53 2	1.26 36	0.80 44	2.99 394	0.13 1	0.21 3	0.13 1	0.31 77	1.72 377

CREStereo++_RVC	1.02 32	0.49 9	1.54 23	0.83 45	0.55 99	4.01 233	0.31 2	1.63 12	1.99 175	1.63 81	2.13 245	0.84 37	0.65 12	0.88 1	0.70 25	0.27 35	0.15 2	0.23 7	1.22 384	0.24 6	0.17 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
RAFT-Stereo + iAFF	1.25 66	0.72 163	1.74 35	1.05 148	0.36 7	4.13 257	0.42 9	2.95 95	2.84 320	2.02 171	2.40 293	1.61 114	1.11 95	1.26 36	0.97 92	0.21 1	0.15 2	0.26 39	0.23 61	0.29 45	0.23 16

DualNet	2.49 248	0.60 77	5.21 162	1.14 184	0.99 215	3.62 156	0.86 153	4.22 296	3.37 363	2.20 221	2.30 275	3.48 302	1.62 199	2.21 137	16.09 391	0.29 79	0.16 4	0.48 287	0.37 262	0.30 61	0.29 78

ffm	1.72 127	0.60 77	5.21 162	1.14 184	0.99 215	3.62 156	0.86 153	4.22 296	3.37 363	2.20 221	2.30 275	3.48 302	1.62 199	2.21 137	0.65 10	0.29 79	0.16 4	0.48 287	0.37 262	0.30 61	0.29 78

ff1	2.96 297	0.60 77	5.21 162	1.14 184	0.99 215	3.62 156	0.86 153	4.22 296	3.37 363	2.20 221	2.30 275	3.48 302	1.62 199	11.62 364	16.09 391	0.29 79	0.16 4	0.48 287	0.37 262	0.30 61	0.29 78

tt1	1.79 138	0.73 171	10.41 214	1.75 341	0.36 7	4.55 342	0.79 125	4.22 296	3.37 363	1.08 41	1.80 160	0.74 24	1.48 167	2.21 137	0.65 10	0.29 79	0.16 4	0.31 122	0.22 52	0.30 61	0.29 78

AFF-stereo	1.31 84	0.77 195	1.46 15	1.10 170	0.45 49	3.93 212	0.48 17	2.92 94	2.92 325	1.90 128	2.21 258	2.11 191	1.52 179	1.93 111	1.12 118	0.21 1	0.16 4	0.25 29	0.25 91	0.29 45	0.20 7

ACVNet-DCA	1.85 143	0.74 179	13.77 240	1.78 344	0.36 7	4.48 324	0.74 100	3.98 235	1.53 70	1.01 33	1.81 172	0.72 19	1.62 199	2.13 127	0.64 6	0.29 79	0.17 9	0.32 138	0.21 31	0.33 115	0.32 116

xx1	2.03 177	0.74 179	13.77 240	1.78 344	0.36 7	4.48 324	0.74 100	4.23 301	3.95 380	1.01 33	1.81 172	1.79 139	1.34 136	2.13 127	0.64 6	0.29 79	0.17 9	0.33 169	0.33 222	0.33 115	0.32 116

1test111	1.99 171	0.74 179	13.77 240	1.78 344	0.36 7	4.48 324	0.74 100	3.98 235	1.53 70	1.01 33	1.81 172	0.72 19	1.62 199	4.66 209	0.98 94	0.29 79	0.17 9	0.32 138	0.21 31	0.33 115	0.32 116

cc1	1.98 168	0.74 179	13.77 240	1.78 344	0.36 7	4.48 324	0.74 100	4.23 301	3.95 380	1.01 33	1.81 172	0.72 19	1.62 199	2.13 127	0.64 6	0.29 79	0.17 9	0.32 138	0.21 31	0.31 77	0.29 78

ff7	0.98 20	0.69 140	2.05 59	0.84 51	0.52 88	4.55 342	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.27 58

ffff	0.98 20	0.69 140	2.05 59	0.84 51	0.52 88	4.55 342	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.27 58

11t	0.98 20	0.69 140	2.05 59	0.84 51	0.52 88	4.55 342	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.27 58

CASnet	0.78 2	0.51 12	1.29 7	0.81 30	0.29 1	1.28 13	0.74 100	1.51 5	1.89 164	1.64 83	1.09 22	0.65 8	0.64 10	0.91 2	0.76 38	0.29 79	0.17 9	0.41 253	0.31 207	0.32 100	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.94 16	1.30 309	1.31 8	0.84 51	1.63 338	2.02 35	0.59 42	1.51 5	1.36 19	0.81 18	1.33 56	0.84 37	0.88 43	1.36 48	0.73 33	0.21 1	0.17 9	0.20 1	0.14 2	0.20 1	1.45 370

anonymousdsp	0.95 18	0.69 140	1.27 5	0.83 45	0.52 88	4.54 339	0.84 145	1.76 17	1.24 5	0.76 13	1.06 18	0.78 27	0.77 26	1.67 91	0.69 21	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.26 46

CES	1.01 28	0.55 36	1.74 35	0.92 84	2.15 378	2.15 45	0.50 19	2.01 27	1.45 27	0.76 13	1.02 9	0.61 4	0.47 1	1.29 42	0.79 43	0.22 5	0.17 9	0.24 19	0.14 2	0.63 295	2.29 386

ccc-4	0.98 20	0.69 140	2.05 59	0.84 51	0.52 88	4.55 342	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.27 58

test_4	1.30 81	0.50 10	6.16 170	0.84 51	0.45 49	1.61 22	1.12 241	2.14 33	1.42 23	1.52 66	2.31 283	1.84 152	0.79 34	2.52 159	1.19 130	0.27 35	0.17 9	0.29 84	0.29 177	0.29 45	0.25 29

IGEV-Stereo	0.95 18	0.69 140	1.27 5	0.84 51	0.52 88	4.54 339	0.84 145	1.76 17	1.24 5	0.75 6	1.06 18	0.79 31	0.77 26	1.68 92	0.69 21	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.26 46
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test_3	1.19 47	0.51 12	2.08 71	0.99 119	0.41 34	2.05 41	0.87 170	4.40 351	1.42 23	1.99 153	1.18 31	2.03 178	0.79 34	2.70 171	0.75 36	0.27 35	0.17 9	0.29 84	0.29 177	0.30 61	0.27 58

LargeStereo	0.90 12	0.58 61	1.32 9	0.94 98	0.45 49	1.27 12	1.00 217	3.32 129	1.55 84	0.82 20	1.34 61	0.86 40	1.09 86	1.16 19	0.89 68	0.33 157	0.18 24	0.23 7	0.19 19	0.29 45	0.22 10

AEACV	0.79 3	0.54 32	1.35 11	0.97 111	0.63 126	1.13 6	0.92 198	2.02 28	0.91 1	0.76 13	0.79 6	0.80 32	1.61 196	1.28 40	0.61 3	0.22 5	0.18 24	0.26 39	0.23 61	0.27 25	0.23 16

4D-IteraStereo	1.97 166	0.84 224	20.43 370	0.78 27	1.56 327	2.09 43	1.05 228	2.43 48	1.56 89	1.41 59	1.00 8	1.94 160	0.61 7	1.22 32	1.06 106	0.27 35	0.18 24	0.31 122	0.26 104	0.27 25	0.23 16

MC-Stereo	1.06 35	0.48 5	1.55 24	1.15 198	0.41 34	4.56 347	0.61 48	2.06 29	1.46 34	1.90 128	1.61 110	0.89 45	1.12 96	1.35 47	0.73 33	0.25 20	0.18 24	0.26 39	0.22 52	0.25 13	0.24 23

RCA-Stereo	1.21 55	0.52 17	1.58 26	0.90 77	0.46 56	4.68 363	0.79 125	4.13 275	1.74 145	1.92 134	1.80 160	0.94 49	1.48 167	1.14 17	0.70 25	0.27 35	0.18 24	0.25 29	0.19 19	0.25 13	0.23 16

test_5	1.87 144	0.75 188	10.23 211	1.14 184	1.40 300	3.85 200	1.27 264	3.91 216	1.93 168	1.69 91	1.78 154	1.67 119	1.79 234	2.99 180	1.17 127	0.30 113	0.18 24	0.35 202	0.33 222	0.34 131	0.33 126

test-3	1.19 47	0.52 17	2.00 53	1.01 130	0.42 37	1.95 33	0.91 188	4.35 343	1.47 38	2.24 236	1.16 29	2.06 184	0.79 34	2.68 169	0.76 38	0.27 35	0.18 24	0.28 69	0.26 104	0.26 19	0.25 29

test_1	1.19 47	0.52 17	2.00 53	1.01 130	0.42 37	1.95 33	0.90 180	4.36 345	1.47 38	2.17 213	1.16 29	2.06 184	0.78 32	2.68 169	0.76 38	0.27 35	0.18 24	0.28 69	0.26 104	0.26 19	0.25 29

STrans-v2	3.03 310	0.77 195	20.91 382	0.81 30	0.63 126	3.89 205	1.01 219	4.27 317	2.64 288	2.28 242	3.70 358	4.13 342	5.20 368	7.33 260	1.27 148	0.31 130	0.18 24	0.29 84	0.25 91	0.29 45	0.41 205

TransformOpticalFlow	3.03 310	0.77 195	20.99 385	1.00 126	0.55 99	4.18 278	0.64 59	4.33 339	3.02 335	2.18 215	3.09 341	4.35 353	5.07 366	7.36 263	1.27 148	0.32 146	0.18 24	0.32 138	0.26 104	0.28 37	0.46 236

GMM-Stereo	2.45 239	0.52 17	20.38 366	0.89 72	0.82 172	4.18 278	1.91 329	2.45 50	1.48 43	2.48 285	2.30 275	1.69 123	1.86 249	2.93 177	1.08 110	0.28 62	0.18 24	0.33 169	0.48 313	0.35 147	2.41 389

iRaftStereo_RVC	1.09 38	0.70 150	1.39 12	0.95 100	0.45 49	3.83 189	0.42 9	2.37 44	1.58 97	1.69 91	1.76 147	1.80 142	0.83 38	1.50 62	0.98 94	0.28 62	0.18 24	0.29 84	0.26 104	0.30 61	0.31 109

s12784h	1.31 84	0.45 2	2.41 95	0.71 9	0.35 6	4.42 318	0.50 19	4.22 296	2.73 298	2.01 167	2.48 298	0.91 46	0.96 57	2.01 118	0.70 25	0.29 79	0.18 24	0.24 19	0.16 8	0.27 25	0.18 2

ARAFT	2.56 262	1.13 278	19.50 333	0.89 72	0.48 72	4.15 261	1.40 282	4.36 345	2.82 318	2.36 270	1.88 195	1.70 124	1.04 73	6.45 242	1.22 140	0.29 79	0.18 24	0.37 225	0.35 243	0.35 147	0.25 29

HITNet	2.07 185	0.82 217	14.77 257	1.34 263	0.56 102	3.47 125	0.80 130	4.07 260	2.35 239	2.16 209	1.61 110	1.64 116	1.44 156	2.09 125	2.56 303	0.26 28	0.18 24	0.41 253	0.26 104	0.45 237	0.25 29
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
panet	0.91 13	0.48 5	1.46 15	0.62 2	0.31 2	4.40 314	0.41 8	2.20 36	1.53 70	0.94 28	1.14 27	0.88 43	0.89 46	1.09 9	0.71 28	0.27 35	0.19 39	0.22 5	0.15 4	0.21 2	0.19 3

LoS	0.94 16	0.52 17	1.88 44	0.86 61	0.36 7	4.15 261	0.51 23	2.18 35	1.45 27	0.97 31	0.88 7	0.62 5	0.79 34	1.59 73	0.86 59	0.26 28	0.19 39	0.24 19	0.16 8	0.21 2	0.20 7

Selective-IGEV	0.80 4	0.52 17	1.05 2	0.75 12	0.61 122	1.31 14	0.82 138	2.60 73	1.41 22	0.82 20	1.64 115	0.71 18	0.62 8	1.22 32	0.64 6	0.22 5	0.19 39	0.24 19	0.18 10	0.25 13	0.20 7

EGLCR-Stereo	1.06 35	0.51 12	1.56 25	1.02 139	0.39 28	4.27 298	0.42 9	4.08 264	1.48 43	0.90 25	0.68 1	1.09 58	0.66 14	1.81 100	0.62 4	0.27 35	0.19 39	0.29 84	0.23 61	0.37 165	0.25 29

Wz-Net-LNSev-Ref	2.42 236	1.47 328	14.14 250	1.30 251	1.35 290	3.51 134	1.64 310	4.04 252	2.10 201	2.46 282	1.88 195	2.28 198	2.51 298	4.73 212	3.17 322	0.38 214	0.19 39	0.35 202	0.20 25	0.40 180	0.36 150

RAFT+CT+SA	1.62 118	0.72 163	7.42 179	0.97 111	1.42 307	4.04 237	0.94 202	3.90 212	1.61 115	1.61 78	1.63 113	1.33 84	1.18 111	2.73 174	1.10 114	0.27 35	0.19 39	0.31 122	0.34 229	0.33 115	0.33 126

Sa-1000	1.63 120	0.79 203	3.56 137	1.11 174	0.48 72	4.06 240	1.41 285	4.49 366	2.75 301	2.00 165	2.80 326	1.84 152	1.43 154	2.64 168	1.50 185	0.27 35	0.19 39	0.36 213	0.33 222	0.36 158	0.30 102

iRaft-Stereo_5w	2.10 188	0.83 220	8.57 188	0.81 30	0.76 157	3.21 86	0.84 145	3.71 175	1.65 123	1.56 71	2.50 300	2.20 194	2.23 281	9.13 291	2.01 257	0.38 214	0.19 39	0.35 202	0.27 128	0.45 237	0.39 182

GMOStereo	1.13 40	0.70 150	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 271	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 202	0.28 153	0.34 131	0.26 46

error version	1.13 40	0.70 150	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 271	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 202	0.28 153	0.34 131	0.26 46

test-v	1.13 40	0.70 150	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 271	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 202	0.28 153	0.34 131	0.26 46

AAGNet	2.86 285	0.60 77	1.77 37	2.05 367	0.46 56	4.76 380	1.09 236	2.27 40	1.56 89	2.17 213	1.84 184	2.41 215	4.00 350	6.23 240	24.22 418	0.46 273	0.19 39	0.30 103	0.29 177	0.32 100	0.24 23

SST-Stereo	1.76 134	0.58 61	3.10 122	1.44 293	0.46 56	4.71 374	0.76 108	2.22 38	2.79 306	2.07 185	2.18 252	2.43 219	3.22 331	6.66 248	0.84 52	0.42 251	0.19 39	0.30 103	0.27 128	0.35 147	0.26 46

RAFT_R40	1.70 126	0.59 68	2.99 118	1.46 298	0.46 56	4.74 378	0.98 216	2.23 39	1.56 89	2.02 171	2.35 291	2.71 245	2.56 301	6.71 251	0.90 71	0.40 231	0.19 39	0.30 103	0.27 128	0.33 115	0.26 46

test-2	1.13 40	0.70 150	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 271	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 202	0.28 153	0.34 131	0.26 46

TestStereo	2.00 172	1.02 257	12.25 226	0.70 8	0.61 122	1.88 31	0.55 29	2.31 41	1.52 65	1.41 59	1.33 56	1.27 79	0.90 47	11.62 364	0.81 46	0.34 169	0.19 39	0.33 169	0.24 82	0.44 230	0.24 23

CREStereo	0.92 14	0.53 26	1.45 14	0.61 1	0.34 5	4.42 318	0.40 7	2.21 37	1.54 78	0.94 28	1.12 25	0.87 41	0.87 42	1.12 12	0.72 32	0.28 62	0.19 39	0.22 5	0.15 4	0.22 4	0.19 3
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
DN-CSS_ROB	1.91 154	1.55 333	11.13 221	1.82 351	0.88 186	3.99 230	0.61 48	4.01 242	1.67 126	1.64 83	1.89 200	1.39 92	1.06 82	3.23 181	1.50 185	0.31 130	0.19 39	0.44 266	0.29 177	0.37 165	0.31 109

IGEV_Zeroshot_test	2.16 193	0.69 140	20.60 376	1.22 223	0.54 97	2.18 47	0.53 25	3.38 134	1.61 115	1.93 138	1.55 93	3.76 323	1.05 75	1.55 68	0.91 77	0.29 79	0.20 57	0.27 55	0.29 177	0.40 180	0.32 116

MIF-Stereo	0.82 6	0.47 4	2.63 105	0.96 104	1.19 258	0.78 3	0.39 6	1.12 1	1.54 78	1.19 48	1.26 43	0.51 1	0.64 10	1.13 15	1.03 103	0.30 113	0.20 57	0.24 19	0.21 31	0.40 180	0.25 29

Any-RAFT	1.40 92	0.53 26	2.78 112	1.09 162	0.64 128	4.41 316	0.81 135	3.97 233	2.78 304	1.99 153	1.34 61	2.36 211	1.56 190	1.56 69	0.75 36	0.27 35	0.20 57	0.25 29	0.18 10	0.25 13	0.28 71

anonymousdsp2	1.26 73	0.60 77	3.74 144	1.02 139	0.41 34	3.60 152	0.72 86	3.68 165	1.47 38	1.37 55	1.56 96	1.83 149	1.01 67	2.00 115	0.66 13	0.29 79	0.20 57	0.28 69	0.20 25	0.32 100	0.29 78

Selective-RAFT	1.15 44	0.46 3	1.64 28	0.99 119	0.45 49	4.17 276	0.51 23	3.21 115	1.69 132	1.12 45	1.34 61	1.45 101	1.40 144	2.08 122	0.94 88	0.41 241	0.20 57	0.24 19	0.23 61	0.27 25	0.25 29

ProNet	0.82 6	0.71 160	1.50 19	0.86 61	0.45 49	1.78 25	0.83 142	1.75 16	1.28 14	0.66 3	1.13 26	0.78 27	0.76 25	1.66 88	0.71 28	0.24 11	0.20 57	0.25 29	0.23 61	0.29 45	0.25 29

TestStereo1	1.56 107	0.81 210	2.32 88	1.61 328	0.64 128	4.13 257	1.36 273	3.79 187	3.20 352	1.60 73	2.57 310	1.39 92	2.15 273	2.51 155	1.30 154	0.29 79	0.20 57	0.34 186	0.25 91	0.40 180	0.36 150

DisPM	1.36 88	0.55 36	2.39 94	1.54 313	0.51 80	4.59 350	0.79 125	2.50 53	1.88 160	2.50 287	1.83 179	1.45 101	1.01 67	2.71 172	0.93 87	0.46 273	0.20 57	0.32 138	0.31 207	0.31 77	0.44 221

SA-5K	1.56 107	0.81 210	2.32 88	1.61 328	0.64 128	4.13 257	1.36 273	3.79 187	3.20 352	1.60 73	2.57 310	1.39 92	2.15 273	2.51 155	1.30 154	0.29 79	0.20 57	0.34 186	0.25 91	0.40 180	0.36 150

IPLG	2.48 246	0.65 115	19.63 335	0.91 81	0.79 161	4.60 352	0.56 32	4.31 333	1.84 156	1.91 133	2.00 218	1.31 83	1.38 140	6.61 245	1.53 194	0.27 35	0.20 57	0.27 55	0.23 61	0.31 77	0.36 150

MIPNet	2.33 224	0.71 160	19.82 340	0.89 72	0.56 102	4.76 380	0.61 48	4.32 337	2.37 247	1.83 114	1.48 83	1.48 103	1.98 259	2.63 166	1.44 173	0.29 79	0.20 57	0.26 39	0.23 61	0.30 61	0.39 182

LCNet	1.55 103	0.54 32	1.88 44	0.99 119	0.55 99	3.60 152	1.21 259	2.86 92	1.53 70	2.18 215	1.74 139	1.43 100	4.17 354	3.62 189	0.87 64	0.29 79	0.20 57	0.28 69	0.77 359	0.47 246	1.85 380

HHNet	2.48 246	0.71 160	20.52 372	0.64 4	0.64 128	4.07 245	0.93 199	3.76 181	1.56 89	2.15 204	4.92 372	0.98 50	3.37 336	1.66 88	1.79 232	0.32 146	0.20 57	0.31 122	0.27 128	0.36 158	0.42 208

OMP-Stereo	1.97 166	0.93 242	1.88 44	2.76 386	0.67 139	4.58 349	1.48 291	4.31 333	1.54 78	3.15 347	2.76 323	3.25 288	1.38 140	7.66 270	1.35 164	0.40 231	0.20 57	0.33 169	0.26 104	0.33 115	0.24 23

IIG-Stereo	1.95 162	0.79 203	2.14 73	2.78 387	0.66 136	4.62 354	0.76 108	4.27 317	1.53 70	2.63 308	3.14 344	3.35 296	1.61 196	7.65 269	1.41 168	0.39 225	0.20 57	0.31 122	0.25 91	0.33 115	0.22 10

NF-Stereo	1.58 110	0.61 91	2.66 107	2.26 374	0.47 66	4.68 363	0.67 68	3.31 125	1.48 43	2.11 193	1.59 102	1.36 88	1.09 86	6.08 239	1.20 133	0.40 231	0.20 57	0.36 213	0.34 229	0.31 77	0.36 150

OCTAStereo	1.58 110	0.61 91	2.72 108	2.27 377	0.46 56	4.68 363	0.67 68	3.30 124	1.48 43	2.11 193	1.59 102	1.36 88	1.09 86	6.02 236	1.21 137	0.41 241	0.20 57	0.36 213	0.34 229	0.31 77	0.37 164

RE-Stereo	1.58 110	0.61 91	2.72 108	2.26 374	0.46 56	4.68 363	0.68 72	3.31 125	1.48 43	2.11 193	1.59 102	1.36 88	1.09 86	6.01 234	1.22 140	0.41 241	0.20 57	0.36 213	0.34 229	0.31 77	0.37 164

TVStereo	1.58 110	0.61 91	2.72 108	2.26 374	0.46 56	4.68 363	0.68 72	3.31 125	1.48 43	2.11 193	1.59 102	1.36 88	1.09 86	6.01 234	1.22 140	0.41 241	0.20 57	0.36 213	0.34 229	0.31 77	0.37 164

Prome-Stereo	1.61 117	0.55 36	1.71 31	0.98 114	0.60 118	4.41 316	1.82 324	3.03 101	1.53 70	2.18 215	3.45 353	1.72 127	3.49 342	2.23 141	1.08 110	0.29 79	0.20 57	0.26 39	0.25 91	0.34 131	2.16 385

RALAANet	1.28 78	1.08 269	3.21 125	1.25 231	0.94 202	1.44 16	0.69 77	3.15 109	2.57 282	2.01 167	1.80 160	1.29 82	1.05 75	2.00 115	1.48 181	0.27 35	0.20 57	0.27 55	0.24 82	0.40 180	0.27 58

CFNet-RSSM	2.08 187	0.52 17	20.06 349	1.01 130	0.56 102	3.39 112	0.64 59	3.67 164	1.55 84	1.72 97	1.37 66	2.57 232	1.19 115	1.11 11	0.86 59	0.27 35	0.20 57	0.25 29	0.23 61	0.27 25	0.23 16

PMTNet	0.99 26	0.48 5	1.73 32	0.62 2	0.56 102	4.20 287	0.43 12	1.88 22	1.58 97	1.00 32	1.05 17	0.78 27	0.98 62	1.50 62	0.85 55	1.21 375	0.20 57	0.23 7	0.15 4	0.22 4	0.19 3

MLCV	1.87 144	0.91 237	8.59 189	1.10 170	0.57 111	3.59 150	0.53 25	3.70 174	2.20 214	2.80 323	2.25 263	2.00 174	1.42 152	4.13 203	1.86 239	0.30 113	0.20 57	0.32 138	0.21 31	0.33 115	0.36 150

iResNet_ROB	1.89 149	1.02 257	8.60 190	1.39 285	0.98 212	3.72 171	0.66 67	3.84 195	2.65 289	1.88 122	2.05 229	1.98 171	1.27 124	4.52 207	1.67 216	0.30 113	0.20 57	0.28 69	0.18 10	0.31 77	0.40 200

H2IRNET	1.90 151	0.53 26	14.29 254	1.14 184	0.60 118	4.48 324	0.44 13	2.65 76	1.81 151	1.05 39	2.30 275	1.67 119	1.40 144	2.17 133	1.50 185	0.36 192	0.21 82	0.33 169	0.37 262	0.34 131	0.29 78

MoCha-V2	0.87 10	0.48 5	1.87 43	0.88 68	0.32 3	1.37 15	0.55 29	2.71 80	1.42 23	0.92 26	1.75 143	0.65 8	1.17 110	1.45 58	0.57 1	0.21 1	0.21 82	0.20 1	0.19 19	0.24 6	0.23 16

MyStereo8	2.33 224	1.13 278	19.26 327	1.22 223	1.62 336	4.16 271	0.57 33	3.50 143	2.36 241	2.15 204	1.75 143	2.28 198	1.14 104	1.46 60	2.20 277	0.24 11	0.21 82	0.32 138	0.27 128	0.36 158	0.43 216

IGEVStereo-DCA	0.86 9	0.65 115	2.05 59	0.90 77	0.46 56	1.57 20	0.86 153	1.62 7	1.24 5	0.65 1	0.77 4	0.74 24	0.72 19	2.59 164	0.86 59	0.28 62	0.21 82	0.28 69	0.21 31	0.29 45	0.27 58

rrr	2.27 207	0.65 115	23.82 416	0.90 77	0.46 56	1.57 20	0.96 211	7.98 405	1.19 3	0.65 1	0.77 4	0.74 24	0.72 19	2.59 164	0.86 59	0.28 62	0.21 82	0.28 69	0.21 31	0.29 45	0.25 29

test croco	1.55 103	0.69 140	13.59 237	0.65 5	0.73 152	1.66 23	0.57 33	3.17 112	1.94 169	0.77 16	1.24 38	0.80 32	0.86 40	1.60 75	0.96 91	0.33 157	0.21 82	0.32 138	0.25 91	0.42 217	0.28 71

iRaft-Stereo_20w	1.88 148	0.62 98	10.58 216	0.90 77	0.83 173	2.96 74	0.78 120	4.90 387	1.58 97	2.29 244	1.60 106	1.25 77	4.51 361	2.28 144	0.90 71	0.29 79	0.21 82	0.26 39	0.24 82	0.41 201	0.31 109

IPLGR	2.53 255	0.58 61	20.46 371	0.82 38	0.52 88	4.56 347	0.50 19	4.30 330	2.38 249	1.87 120	1.53 90	1.68 121	1.72 227	6.95 256	1.15 121	0.28 62	0.21 82	0.27 55	0.23 61	0.33 115	0.32 116

PSM-AAD	2.43 237	0.54 32	1.32 9	0.92 84	0.54 97	4.48 324	7.47 403	2.96 96	1.55 84	2.31 253	2.56 308	1.26 78	16.23 410	2.46 149	0.89 68	0.28 62	0.21 82	0.58 328	0.41 292	0.34 131	1.32 365

KYRaft	1.59 115	0.52 17	1.73 32	0.95 100	0.49 76	4.38 308	1.79 320	2.43 48	1.51 58	2.49 286	2.98 334	2.00 174	3.41 338	2.14 130	0.82 47	0.30 113	0.21 82	0.33 169	0.46 306	0.35 147	2.45 391

THIR-Stereo	4.14 359	0.82 217	10.85 218	0.86 61	0.43 40	2.16 46	16.77 416	3.22 117	1.54 78	2.04 178	12.05 406	2.68 242	7.53 394	7.30 259	12.62 381	0.30 113	0.21 82	0.29 84	0.28 153	0.33 115	0.41 205

PFNet	2.47 244	0.60 77	16.95 289	2.15 371	0.81 164	4.63 356	0.91 188	2.55 66	1.52 65	2.40 278	2.79 324	1.83 149	1.42 152	7.54 265	1.34 163	0.33 157	0.21 82	0.36 213	0.27 128	0.32 100	0.39 182

GrayStereo	2.58 265	0.53 26	1.63 27	1.58 322	0.89 191	4.17 276	8.17 407	3.03 101	1.52 65	2.80 323	2.50 300	1.70 124	17.10 411	2.83 175	1.15 121	0.33 157	0.21 82	0.27 55	0.32 214	0.28 37	0.53 269

Pruner-Stereo	1.32 86	0.59 68	2.11 72	1.79 349	0.47 66	4.73 375	0.79 125	2.53 56	1.72 137	2.47 284	1.58 99	1.48 103	1.03 69	1.66 88	1.47 180	0.44 263	0.21 82	0.34 186	0.30 191	0.30 61	0.39 182

IRAFT_RVC	1.87 144	0.60 77	4.33 148	2.40 381	0.66 136	4.59 350	1.59 305	2.96 96	1.51 58	2.23 234	1.75 143	2.09 188	2.63 304	6.70 249	1.50 185	0.33 157	0.21 82	0.33 169	0.29 177	0.32 100	0.32 116

CRE-IMP	1.23 58	0.61 91	2.14 73	0.82 38	0.39 28	4.54 339	0.83 142	2.63 75	1.55 84	1.95 142	1.46 73	1.87 156	0.96 57	1.48 61	1.33 161	0.45 269	0.21 82	0.31 122	0.26 104	0.41 201	0.31 109

CroCo-Stereo	0.98 20	0.87 231	3.44 133	0.87 64	0.53 96	0.49 1	0.50 19	3.99 239	1.49 49	0.81 18	1.25 42	1.00 52	0.75 24	1.10 10	1.09 113	0.24 11	0.21 82	0.24 19	0.19 19	0.35 147	0.27 58
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
cross-raft	2.01 175	0.57 49	19.01 323	1.03 146	0.56 102	2.11 44	0.72 86	3.63 158	1.57 95	1.77 104	1.51 84	3.17 283	1.13 98	1.16 19	0.85 55	0.23 8	0.21 82	0.26 39	0.23 61	0.28 37	0.25 29

XX-Stereo	2.54 257	0.61 91	20.21 356	1.78 344	1.19 258	4.30 302	0.46 14	4.39 349	1.58 97	2.32 257	1.89 200	4.64 367	0.60 5	4.16 204	0.82 47	0.31 130	0.21 82	0.28 69	0.27 128	0.51 256	0.26 46

test_xeample3	2.12 189	0.63 102	21.55 400	0.91 81	0.47 66	1.85 29	0.94 202	7.96 404	1.23 4	0.75 6	0.76 3	0.64 7	0.70 15	1.77 97	0.83 50	0.30 113	0.21 82	0.27 55	0.21 31	0.27 25	0.24 23

GMStereo	1.01 28	1.00 255	2.86 115	0.83 45	0.45 49	1.47 17	0.57 33	1.89 23	2.11 203	1.52 66	1.24 38	0.87 41	0.74 23	1.58 70	0.94 88	0.40 231	0.21 82	0.30 103	0.30 191	0.47 246	0.36 150
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
Gwc-CoAtRS	1.58 110	0.57 49	11.69 224	1.01 130	0.60 118	2.53 55	0.64 59	2.36 43	1.56 89	1.80 110	1.47 77	2.74 247	1.18 111	1.12 12	0.90 71	0.27 35	0.21 82	0.25 29	0.22 52	0.27 25	0.23 16

iResNetv2_ROB	2.65 269	5.00 385	19.28 329	2.06 368	1.09 239	3.83 189	1.13 244	4.14 281	2.09 193	1.85 115	2.03 221	2.01 177	1.51 177	3.58 187	1.58 199	0.34 169	0.21 82	0.32 138	0.21 31	0.44 230	0.29 78

pmcnn	5.45 381	1.22 298	17.40 296	1.60 325	2.41 385	3.48 127	2.12 340	4.52 371	3.26 357	3.67 362	13.15 409	22.10 414	3.46 341	11.92 384	17.16 400	0.34 169	0.21 82	0.23 7	0.19 19	0.36 158	0.28 71

AE-Stereo	1.18 46	0.60 77	2.05 59	1.10 170	0.60 118	4.39 310	0.72 86	3.74 178	1.62 118	1.10 42	1.90 204	1.01 53	0.92 51	1.45 58	0.82 47	0.28 62	0.22 106	0.28 69	0.28 153	0.26 19	0.22 10

RAFT-Test	1.44 95	0.59 68	6.10 169	1.01 130	0.69 146	2.90 66	0.80 130	3.68 165	1.70 135	1.85 115	1.68 123	3.15 282	1.03 69	1.20 29	0.99 99	0.27 35	0.22 106	0.25 29	0.23 61	0.27 25	0.25 29

HH	2.23 199	0.86 229	21.59 401	0.98 114	0.51 80	1.49 18	0.82 138	2.74 81	1.54 78	1.10 42	1.69 126	4.62 365	1.86 249	2.55 160	0.69 21	0.26 28	0.22 106	0.29 84	0.23 61	0.34 131	0.27 58

HanStereo	2.23 199	0.86 229	21.59 401	0.98 114	0.51 80	1.49 18	0.82 138	2.74 81	1.54 78	1.10 42	1.69 126	4.62 365	1.86 249	2.55 160	0.69 21	0.26 28	0.22 106	0.29 84	0.23 61	0.34 131	0.27 58

knoymous	1.30 81	0.60 77	5.57 168	0.88 68	0.75 154	3.04 77	0.90 180	2.68 78	1.33 17	1.48 63	1.07 20	2.78 256	0.88 43	1.29 42	0.85 55	0.31 130	0.22 106	0.35 202	0.20 25	0.45 237	0.37 164

RAFT_CTSACE	1.80 139	1.06 266	10.00 207	1.71 337	1.39 298	3.49 129	1.06 229	3.05 103	1.62 118	1.70 93	2.04 224	2.51 228	1.80 239	1.98 114	0.94 88	0.25 20	0.22 106	0.28 69	0.30 191	0.30 61	0.26 46

SA	1.62 118	0.75 188	3.78 145	1.07 154	0.43 40	4.26 293	1.36 273	4.45 360	3.12 341	1.63 81	1.97 214	1.68 121	2.26 282	2.55 160	1.27 148	0.27 35	0.22 106	0.37 225	0.37 262	0.35 147	0.30 102

DAS	2.31 219	0.67 133	4.79 156	1.14 184	1.64 340	2.93 70	2.13 341	4.09 266	2.74 299	4.17 374	2.52 303	2.46 223	1.79 234	11.55 361	1.63 210	0.37 200	0.22 106	0.39 240	0.25 91	0.41 201	0.34 136

SepStereo	2.15 192	0.67 133	4.79 156	1.14 184	1.64 340	2.93 70	2.13 341	4.09 266	2.74 299	4.17 374	2.52 303	2.46 223	1.79 234	8.36 275	1.63 210	0.37 200	0.22 106	0.39 240	0.25 91	0.41 201	0.34 136

CrosDoStereo	5.24 377	0.60 77	20.23 357	0.82 38	0.51 80	3.39 112	18.11 418	3.82 191	2.27 226	1.98 148	8.74 390	1.96 167	6.96 389	7.35 261	26.35 420	0.30 113	0.22 106	0.30 103	0.28 153	0.33 115	0.38 177

NRIStereo	1.28 78	0.61 91	1.67 29	1.15 198	0.38 27	4.73 375	0.90 180	2.42 46	1.50 54	1.93 138	1.33 56	1.75 129	1.22 117	2.96 179	1.33 161	0.46 273	0.22 106	0.29 84	0.26 104	0.30 61	0.28 71

ROB_FTStereo_v2	1.23 58	0.66 125	2.02 55	0.75 12	0.37 19	4.67 362	0.76 108	2.53 56	1.58 97	1.99 153	1.46 73	1.78 132	1.14 104	2.08 122	0.88 66	0.48 286	0.22 106	0.32 138	0.27 128	0.40 180	0.29 78

ROB_FTStereo	1.25 66	0.66 125	2.14 73	0.75 12	0.37 19	4.65 359	0.77 118	2.53 56	1.58 97	1.99 153	1.47 77	1.78 132	1.13 98	2.26 143	0.86 59	0.47 281	0.22 106	0.32 138	0.27 128	0.40 180	0.29 78

DeepStereo_LL	5.24 377	0.60 77	20.23 357	0.82 38	0.51 80	3.39 112	18.11 418	3.82 191	2.27 226	1.98 148	8.74 390	1.96 167	6.96 389	7.35 261	26.35 420	0.30 113	0.22 106	0.30 103	0.28 153	0.33 115	0.38 177

DRaft	2.28 212	0.56 43	2.64 106	0.74 11	0.46 56	3.94 214	1.23 260	2.32 42	1.55 84	2.64 309	2.80 326	1.60 112	5.34 371	6.96 257	10.99 376	0.34 169	0.22 106	0.27 55	0.27 128	0.29 45	0.37 164

DeepStereo_RVC	1.55 103	0.63 102	3.32 130	0.77 26	0.42 37	4.49 330	0.72 86	2.50 53	1.58 97	2.02 171	1.81 172	1.54 109	6.38 385	1.73 95	1.19 130	0.46 273	0.22 106	0.29 84	0.28 153	0.35 147	0.38 177

RAFT-RH_RVC	2.63 267	0.55 36	19.97 346	1.26 237	0.47 66	4.46 322	0.57 33	1.71 14	1.64 122	3.06 341	5.51 375	2.03 178	1.28 127	6.70 249	1.52 193	0.42 251	0.22 106	0.37 225	0.34 229	0.28 37	0.29 78

RAFT-IKP	1.25 66	0.66 125	2.23 81	0.75 12	0.37 19	4.64 357	0.74 100	2.53 56	1.58 97	1.99 153	1.47 77	1.78 132	1.13 98	2.22 140	0.92 80	0.48 286	0.22 106	0.32 138	0.27 128	0.40 180	0.29 78

raft+_RVC	1.21 55	0.83 220	2.61 102	1.35 267	0.97 208	3.60 152	0.76 108	3.23 118	1.51 58	1.33 51	1.67 121	1.03 54	1.10 91	1.87 107	0.92 80	0.24 11	0.22 106	0.25 29	0.24 82	0.26 19	0.25 29

111	1.83 141	0.92 239	9.08 194	0.81 30	0.36 7	4.25 292	0.91 188	4.44 357	2.70 295	2.39 276	1.96 209	2.30 204	1.64 214	1.28 40	1.82 234	0.28 62	0.22 106	0.24 19	0.20 25	0.31 77	0.54 275

EAI-Stereo	2.35 228	0.63 102	2.97 117	0.95 100	0.65 133	3.84 194	14.27 414	5.04 389	2.19 213	2.06 182	7.25 378	1.10 59	0.94 54	1.65 87	1.37 165	0.31 130	0.22 106	0.27 55	0.60 341	0.27 25	0.32 116

FENet	2.25 203	0.50 10	20.29 363	1.35 267	0.67 139	4.01 233	0.60 45	3.95 227	1.99 175	1.96 145	1.11 24	2.43 219	1.43 154	1.60 75	1.39 166	0.32 146	0.22 106	0.33 169	0.26 104	0.29 45	0.39 182

BEATNet_4x	1.92 157	1.36 318	8.75 192	1.20 215	0.56 102	3.46 123	1.03 223	4.00 241	2.43 258	2.25 239	1.70 128	2.10 189	1.59 191	2.57 163	3.05 320	0.37 200	0.22 106	0.47 279	0.29 177	0.60 287	0.40 200

HSM	2.35 228	0.81 210	2.21 78	1.14 184	1.55 324	3.44 118	1.03 223	3.99 239	2.25 221	2.29 244	2.11 241	8.04 393	3.05 323	11.60 362	1.71 220	0.33 157	0.22 106	0.28 69	0.23 61	0.32 100	0.35 147

MGS-Stereo	0.80 4	0.56 43	1.53 20	0.93 95	0.39 28	1.26 11	0.73 90	1.45 2	1.30 16	1.01 33	2.26 264	0.80 32	0.56 3	1.16 19	0.65 10	0.27 35	0.23 130	0.26 39	0.22 52	0.27 25	0.25 29

Former-RAFT_DAM_RVC	0.92 14	0.73 171	1.42 13	0.92 84	1.08 236	2.97 75	0.53 25	1.77 19	1.39 21	1.16 47	1.54 91	0.58 2	0.65 12	1.03 8	0.84 52	0.25 20	0.23 130	0.30 103	0.24 82	0.43 225	0.29 78

MyStereo06	2.46 241	0.72 163	19.97 346	1.02 139	0.99 215	4.26 293	0.86 153	3.51 146	1.68 127	1.92 134	1.73 137	4.01 335	4.22 355	1.62 81	0.88 66	0.24 11	0.23 130	0.34 186	0.26 104	0.42 217	0.36 150

MyStereo05	2.37 232	0.72 163	19.94 344	1.02 139	0.99 215	4.26 293	0.86 153	4.01 242	2.62 286	2.14 199	1.26 43	2.28 198	1.63 211	2.07 120	1.68 217	0.24 11	0.23 130	0.34 186	0.26 104	0.42 217	0.36 150

GMStereo_Zeroshot	1.41 94	1.21 292	3.33 131	1.29 246	0.72 148	3.35 109	0.53 25	2.58 72	1.68 127	2.35 265	1.56 96	2.42 218	0.96 57	2.50 152	1.16 124	0.45 269	0.23 130	0.40 246	0.24 82	0.79 335	0.33 126

StereoIM	0.82 6	0.66 125	1.53 20	0.65 5	1.87 366	1.24 9	0.36 4	2.13 32	1.27 13	0.67 4	0.75 2	0.88 43	0.70 15	1.15 18	1.07 108	0.29 79	0.23 130	0.26 39	0.20 25	0.31 77	0.22 10

MSKI-zero shot	2.22 197	0.64 107	20.09 353	0.96 104	0.56 102	4.04 237	0.70 82	3.91 216	1.50 54	1.92 134	2.28 268	1.92 159	0.71 17	2.93 177	0.67 15	0.26 28	0.23 130	0.26 39	0.21 31	0.28 37	0.26 46

LL-Strereo2	1.23 58	0.85 228	2.38 93	0.93 95	0.68 144	3.72 171	1.37 277	2.54 65	1.99 175	1.75 102	1.40 69	1.82 146	0.73 22	1.40 49	0.99 99	0.31 130	0.23 130	0.55 322	0.35 243	0.29 45	0.24 23

CroCo-Stereo Lap2	0.99 26	0.89 233	2.55 100	0.99 119	1.80 363	0.54 2	0.46 14	3.10 106	1.24 5	1.07 40	1.21 34	1.05 57	0.78 32	1.26 36	1.08 110	0.27 35	0.23 130	0.27 55	0.21 31	0.43 225	0.34 136

DCANet-4	1.96 164	0.51 12	14.31 255	0.82 38	0.40 31	4.16 271	0.57 33	4.29 322	2.98 331	2.30 248	1.80 160	1.03 54	1.54 187	1.44 54	1.44 173	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 208

fff	1.74 130	0.70 150	9.08 194	0.81 30	0.36 7	4.15 261	0.57 33	4.23 301	2.09 193	2.30 248	1.80 160	1.19 72	3.02 320	1.44 54	1.46 177	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 208

IER	1.69 125	0.65 115	7.19 178	0.94 98	1.15 247	3.28 101	0.89 176	3.48 138	1.97 172	2.10 189	1.98 215	2.28 198	2.12 269	2.25 142	1.75 228	0.29 79	0.23 130	0.36 213	0.30 191	0.32 100	0.34 136

CIPLG	2.27 207	1.18 287	19.24 325	0.92 84	1.34 289	3.95 219	0.89 176	4.23 301	1.82 152	2.31 253	2.67 316	1.17 66	1.06 82	1.53 67	1.32 157	0.37 200	0.23 130	0.27 55	0.22 52	0.31 77	0.45 226

IPLGR_C	2.28 212	1.31 311	19.46 331	0.92 84	1.32 285	3.93 212	0.89 176	4.20 289	1.82 152	2.30 248	2.63 314	1.16 65	1.07 84	1.41 52	1.29 153	0.37 200	0.23 130	0.27 55	0.22 52	0.31 77	0.45 226

ACRE	2.27 207	1.11 276	19.45 330	0.91 81	1.30 279	3.94 214	0.87 170	4.21 293	1.80 150	2.28 242	2.62 312	1.17 66	1.04 73	1.52 65	1.30 154	0.37 200	0.23 130	0.27 55	0.22 52	0.31 77	0.46 236

Patchmatch Stereo++	1.25 66	0.65 115	2.06 68	0.75 12	0.37 19	4.68 363	0.76 108	2.53 56	1.58 97	1.99 153	1.47 77	1.78 132	1.14 104	2.44 147	0.90 71	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78
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
PSM-softLoss	1.66 123	0.59 68	5.15 160	2.25 372	0.48 72	4.68 363	0.69 77	2.57 70	1.52 65	2.14 199	1.45 71	1.42 98	0.99 63	6.04 237	1.20 133	0.41 241	0.23 130	0.37 225	0.39 278	0.32 100	0.31 109

KMStereo	1.66 123	0.59 68	5.15 160	2.25 372	0.48 72	4.68 363	0.69 77	2.57 70	1.52 65	2.14 199	1.45 71	1.42 98	0.99 63	6.04 237	1.20 133	0.41 241	0.23 130	0.37 225	0.39 278	0.32 100	0.31 109

PSM-adaLoss	1.24 63	0.65 115	2.03 56	0.75 12	0.37 19	4.68 363	0.73 90	2.53 56	1.58 97	1.99 153	1.47 77	1.78 132	1.13 98	2.18 135	0.87 64	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78

HUI-Stereo	1.25 66	0.66 125	2.33 90	0.75 12	0.37 19	4.68 363	0.78 120	2.53 56	1.58 97	1.99 153	1.46 73	1.79 139	1.13 98	2.17 133	0.85 55	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78

iGMRVC	1.26 73	0.66 125	2.14 73	0.75 12	0.37 19	4.66 360	0.74 100	2.53 56	1.58 97	1.99 153	1.46 73	1.78 132	1.14 104	2.46 149	0.92 80	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78

RAFT-345	2.46 241	0.55 36	19.69 337	1.02 139	0.49 76	4.43 320	0.78 120	1.64 13	2.34 237	2.09 186	3.12 342	1.96 167	1.31 132	6.65 247	1.43 171	0.36 192	0.23 130	0.32 138	0.25 91	0.28 37	0.25 29

iRAFT	1.25 66	0.65 115	2.06 68	0.75 12	0.37 19	4.68 363	0.76 108	2.53 56	1.58 97	1.99 153	1.47 77	1.78 132	1.14 104	2.44 147	0.90 71	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78

rafts_anoy	1.24 63	0.80 206	3.61 141	1.17 204	1.20 263	3.00 76	0.61 48	3.17 112	1.58 97	1.37 55	1.26 43	1.19 72	1.12 96	1.78 98	1.25 144	0.32 146	0.23 130	0.32 138	0.32 214	0.31 77	0.30 102

csc	1.74 130	0.70 150	9.08 194	0.81 30	0.36 7	4.15 261	0.57 33	4.23 301	2.09 193	2.30 248	1.80 160	1.19 72	3.02 320	1.44 54	1.46 177	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 208

cscssc	1.74 130	0.70 150	9.08 194	0.81 30	0.36 7	4.15 261	0.57 33	4.23 301	2.09 193	2.30 248	1.80 160	1.19 72	3.02 320	1.44 54	1.46 177	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 208

DIP-Stereo	1.24 63	0.69 140	1.77 37	0.65 5	0.61 122	4.29 300	0.58 41	4.44 357	2.53 276	1.98 148	1.33 56	0.91 46	0.86 40	1.25 35	1.25 144	0.36 192	0.23 130	0.32 138	0.23 61	0.32 100	0.29 78
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
StereoDRNet-Refined	1.77 136	0.81 210	2.22 79	1.21 220	0.76 157	3.26 96	0.71 84	3.82 191	2.05 187	2.29 244	2.05 229	2.98 268	1.44 156	7.15 258	2.27 282	0.30 113	0.23 130	0.42 259	0.33 222	0.45 237	0.64 301
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet	2.52 254	0.94 245	21.17 391	1.84 353	0.72 148	3.75 176	0.81 135	4.14 281	2.55 280	2.33 263	2.03 221	1.35 87	1.44 156	3.27 182	2.16 275	0.35 187	0.23 130	0.28 69	0.22 52	0.44 230	0.45 226

MyStereo07	1.01 28	0.80 206	1.26 4	1.00 126	1.04 228	3.95 219	0.95 206	2.07 31	1.42 23	0.75 6	1.22 35	0.68 10	0.91 49	1.63 84	0.67 15	0.24 11	0.24 159	0.34 186	0.26 104	0.41 201	0.37 164

MyStereo04	2.29 215	0.80 206	18.77 318	1.00 126	1.04 228	3.95 219	0.95 206	3.91 216	2.54 278	1.99 153	1.27 49	2.31 205	1.65 216	2.02 119	1.77 229	0.24 11	0.24 159	0.34 186	0.26 104	0.41 201	0.37 164

MIF-Stereo (partial)	0.98 20	0.55 36	2.83 113	0.71 9	1.03 225	1.08 5	0.49 18	2.55 66	1.66 125	0.79 17	1.20 33	0.80 32	0.90 47	1.61 80	1.56 197	0.36 192	0.24 159	0.33 169	0.25 91	0.40 180	0.28 71

EKT-Stereo	6.79 396	0.64 107	4.24 147	1.77 343	106.39 439	4.51 337	0.61 48	3.16 110	1.53 70	1.88 122	1.22 35	1.98 171	1.36 139	3.81 193	0.84 52	0.35 187	0.24 159	0.29 84	0.26 104	0.34 131	0.48 245

MIM_Stereo	1.20 52	0.78 200	3.30 129	1.05 148	0.43 40	3.04 77	0.60 45	2.46 51	1.51 58	1.60 73	1.58 99	1.82 146	1.29 129	2.00 115	1.07 108	0.24 11	0.24 159	0.28 69	0.25 91	0.27 25	0.27 58

ADStereo(finetuned)	2.04 179	0.73 171	13.28 233	0.82 38	0.40 31	4.16 271	0.59 42	4.25 309	2.97 328	2.35 265	1.84 184	1.18 69	3.40 337	1.52 65	1.54 195	0.29 79	0.24 159	0.23 7	0.18 10	0.30 61	0.51 262

raft_robust	1.92 157	1.15 282	3.34 132	1.02 139	0.43 40	3.84 194	0.46 14	4.42 353	2.52 275	1.67 89	1.36 65	2.17 193	6.37 384	6.78 253	1.04 104	0.28 62	0.24 159	0.30 103	0.35 243	0.31 77	0.32 116

FTStereo	3.71 346	0.53 26	20.37 365	0.96 104	0.65 133	4.34 305	11.29 410	2.62 74	1.50 54	2.58 298	5.04 373	1.90 157	13.84 409	3.71 192	1.25 144	0.38 214	0.24 159	0.31 122	0.32 214	0.30 61	2.10 384

ASMatch	2.62 266	0.60 77	20.65 377	1.37 281	0.64 128	4.39 310	0.78 120	1.97 25	1.58 97	1.70 93	3.89 363	1.94 160	3.79 346	5.46 222	1.64 212	0.31 130	0.24 159	0.34 186	0.28 153	0.33 115	0.50 256

RAFT	1.23 58	0.84 224	2.05 59	0.96 104	0.47 66	1.80 27	0.94 202	3.18 114	1.46 34	1.60 73	1.71 132	3.04 273	1.59 191	1.64 85	1.32 157	0.38 214	0.24 159	0.40 246	0.32 214	0.40 180	0.35 147

LMCR-Stereo	2.40 234	1.31 311	18.61 316	1.59 323	0.86 181	3.87 204	1.15 247	4.32 337	1.60 112	2.25 239	2.27 265	1.13 61	2.43 293	2.48 151	1.60 203	0.88 362	0.24 159	0.29 84	0.24 82	0.56 276	0.30 102

raftrobust	1.19 47	0.72 163	2.30 87	1.26 237	1.31 281	3.55 143	0.68 72	2.75 83	1.47 38	2.21 229	1.38 68	1.17 66	1.22 117	1.20 29	1.11 115	0.28 62	0.24 159	0.21 3	0.19 19	0.25 13	0.28 71

DCANet	1.74 130	0.73 171	9.08 194	0.82 38	0.40 31	4.18 278	0.59 42	4.25 309	2.97 328	2.35 265	1.84 184	1.18 69	1.63 211	1.51 64	1.55 196	0.29 79	0.24 159	0.23 7	0.18 10	0.30 61	0.53 269

R-Stereo Train	1.20 52	0.58 61	1.81 41	0.99 119	0.67 139	3.78 181	0.90 180	4.09 266	1.51 58	2.16 209	1.71 132	1.13 61	0.94 54	1.40 49	0.91 77	0.30 113	0.24 159	0.26 39	0.21 31	0.26 19	0.25 29

RAFT-Stereo	1.20 52	0.58 61	1.81 41	0.99 119	0.67 139	3.78 181	0.90 180	4.09 266	1.51 58	2.16 209	1.71 132	1.13 61	0.94 54	1.40 49	0.91 77	0.30 113	0.24 159	0.26 39	0.21 31	0.26 19	0.25 29
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	2.56 262	0.70 150	10.06 208	1.60 325	2.25 382	3.67 165	1.00 217	3.38 134	3.14 344	1.81 111	2.11 241	4.60 364	2.30 283	10.25 322	2.61 304	0.37 200	0.24 159	0.25 29	0.24 82	0.28 37	0.26 46

CFNet	2.34 226	1.10 273	8.96 193	1.34 263	1.24 270	4.09 247	0.73 90	4.04 252	2.77 303	1.62 80	1.87 194	2.27 197	1.45 160	11.41 356	1.82 234	0.31 130	0.24 159	0.43 263	0.36 251	0.43 225	0.33 126

DCRE	1.44 95	0.74 179	3.50 136	1.13 183	0.72 148	1.78 25	0.67 68	2.14 33	1.56 89	1.99 153	8.09 385	1.73 128	1.07 84	1.24 34	0.83 50	0.23 8	0.25 176	0.26 39	0.26 104	0.28 37	0.30 102

BUS	1.49 102	0.59 68	1.94 49	0.87 64	0.85 177	4.50 333	0.76 108	4.48 363	1.88 160	2.93 330	1.83 179	3.63 319	0.97 60	1.60 75	1.17 127	0.34 169	0.25 176	0.31 122	0.28 153	0.35 147	0.33 126

BSDual-CNN	1.46 98	0.59 68	1.94 49	0.87 64	0.85 177	4.16 271	1.16 248	4.48 363	1.88 160	2.93 330	1.83 179	2.60 236	1.31 132	1.60 75	1.21 137	0.34 169	0.25 176	0.31 122	0.28 153	0.35 147	0.33 126

hknet	1.98 168	0.64 107	8.70 191	0.87 64	1.07 234	4.16 271	1.16 248	4.48 363	1.73 139	2.93 330	1.83 179	3.48 302	1.30 131	3.91 198	1.51 191	0.31 130	0.25 176	0.31 122	0.28 153	0.35 147	0.33 126

GLC_STEREO	0.76 1	0.52 17	1.12 3	0.83 45	0.33 4	1.86 30	0.82 138	1.46 3	1.38 20	0.95 30	1.04 16	0.68 10	0.72 19	0.97 3	0.80 44	0.23 8	0.25 176	0.32 138	0.25 91	0.32 100	0.30 102

XX-TBD	1.03 33	0.95 246	1.94 49	1.30 251	0.43 40	3.97 227	0.33 3	1.74 15	1.73 139	1.59 72	2.02 220	0.69 12	0.60 5	1.16 19	0.66 13	0.30 113	0.25 176	0.23 7	0.15 4	0.31 77	0.22 10

sAnonymous2	1.37 89	1.22 298	9.79 204	0.92 84	0.88 186	1.23 7	0.61 48	2.56 68	1.69 132	0.85 23	1.02 9	0.73 22	1.23 120	0.98 4	0.78 41	0.29 79	0.25 176	0.31 122	0.30 191	1.06 355	0.71 312

CroCo_RVC	1.37 89	1.22 298	9.79 204	0.92 84	0.88 186	1.23 7	0.61 48	2.56 68	1.69 132	0.85 23	1.02 9	0.73 22	1.23 120	0.98 4	0.78 41	0.29 79	0.25 176	0.31 122	0.30 191	1.06 355	0.71 312

HSM-Net_RVC	2.87 288	0.57 49	17.46 299	0.92 84	0.90 194	3.70 168	1.20 256	5.64 401	2.51 274	3.22 350	2.43 294	2.54 230	1.59 191	11.41 356	1.65 214	0.34 169	0.25 176	0.26 39	0.23 61	0.30 61	0.29 78
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AdaStereo	1.45 97	0.83 220	2.34 91	1.28 243	0.81 164	3.21 86	1.14 246	4.20 289	2.46 265	2.05 179	1.77 152	2.48 225	1.18 111	1.71 93	1.44 173	0.43 256	0.25 176	0.43 263	0.28 153	0.44 230	0.34 136
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.
DISCO	2.25 203	0.73 171	10.06 208	1.76 342	1.12 243	3.47 125	1.25 263	3.24 120	2.26 224	2.65 311	1.96 209	4.53 361	1.92 256	4.17 205	3.61 327	0.32 146	0.25 176	0.31 122	0.29 177	0.66 309	0.41 205

anonymousa	2.16 193	0.67 133	19.19 324	1.04 147	1.67 347	2.06 42	0.79 125	2.86 92	1.96 170	1.85 115	2.14 246	3.23 287	1.81 242	1.12 12	1.15 121	0.26 28	0.26 187	0.34 186	0.32 214	0.30 61	0.28 71

TRStereo	2.31 219	1.87 349	19.74 338	1.53 311	1.16 251	4.26 293	1.08 234	4.73 383	1.45 27	1.55 69	1.28 50	1.75 129	0.85 39	1.81 100	1.20 133	0.36 192	0.26 187	0.32 138	0.36 251	0.34 131	0.33 126

DEmStereo	2.97 301	0.58 61	13.42 235	0.79 29	0.51 80	3.84 194	1.84 327	2.42 46	1.60 112	2.25 239	2.74 320	2.03 178	6.04 378	6.79 255	12.80 382	0.35 187	0.26 187	0.26 39	0.27 128	0.27 25	0.37 164

RALCasStereoNet	1.19 47	1.02 257	2.06 68	1.12 176	1.14 245	3.08 83	0.70 82	2.99 98	1.73 139	1.34 52	1.68 123	1.18 69	0.91 49	2.16 131	1.00 101	0.30 113	0.26 187	0.24 19	0.21 31	0.29 45	0.30 102

UNet	2.51 251	0.74 179	20.17 355	1.14 184	1.44 308	3.48 127	0.76 108	3.77 183	1.87 159	2.05 179	1.57 98	2.75 249	2.39 290	3.51 186	2.51 297	0.32 146	0.26 187	0.41 253	0.26 104	0.38 169	0.39 182

ACVNet	1.46 98	0.64 107	3.56 137	0.93 95	0.85 177	4.22 288	0.80 130	2.85 89	2.08 190	1.78 106	1.88 195	3.10 277	1.46 163	1.33 45	1.89 242	0.29 79	0.26 187	0.30 103	0.26 104	0.39 177	0.27 58

acv_ft	1.55 103	0.64 107	3.29 128	1.14 184	2.01 373	2.93 70	0.97 213	3.81 190	2.08 190	2.22 230	1.88 195	3.10 277	1.66 218	1.33 45	2.22 279	0.29 79	0.26 187	0.30 103	0.26 104	0.39 177	0.27 58

cf-r	2.57 264	0.79 203	16.09 275	1.48 303	1.35 290	4.19 282	0.93 199	3.68 165	2.36 241	1.97 147	1.81 172	3.42 299	1.45 160	8.24 274	1.83 236	0.32 146	0.26 187	0.33 169	0.30 191	0.34 131	0.37 164

mmm	1.27 77	0.58 61	2.20 77	1.41 288	0.68 144	2.39 52	0.85 151	3.90 212	1.63 121	2.20 221	1.84 184	1.28 80	1.50 174	1.91 110	0.89 68	0.31 130	0.27 195	0.45 272	0.37 262	0.38 169	0.34 136

ToySt	1.35 87	0.72 163	3.65 143	1.01 130	0.50 79	3.31 106	1.01 219	3.46 137	1.73 139	1.30 50	1.55 93	2.07 187	1.47 165	1.88 108	1.40 167	0.27 35	0.27 195	0.30 103	0.32 214	0.42 217	0.39 182

riskmin	1.25 66	0.56 43	2.05 59	1.05 148	0.93 201	2.86 64	0.55 29	3.23 118	1.34 18	1.55 69	1.07 20	3.56 317	2.03 260	1.29 42	1.00 101	0.28 62	0.27 195	0.34 186	0.21 31	0.41 201	0.43 216

psmg	1.47 101	0.59 68	1.94 49	0.92 84	0.85 177	4.30 302	1.42 287	4.10 273	1.88 160	2.64 309	2.09 236	2.60 236	1.31 132	1.60 75	1.21 137	0.34 169	0.27 195	0.33 169	0.34 229	0.36 158	0.34 136

GES	1.38 91	0.64 107	2.61 102	1.09 162	0.57 111	4.30 302	1.02 222	3.86 201	1.51 58	1.72 97	1.74 139	1.28 80	1.77 231	1.62 81	1.61 206	0.39 225	0.27 195	0.33 169	0.30 191	0.41 201	0.47 241

SFCPSM	2.18 195	0.63 102	17.03 290	0.88 68	0.98 212	3.74 175	1.28 265	4.09 266	2.16 208	1.85 115	1.83 179	1.65 117	1.39 143	2.50 152	1.50 185	0.33 157	0.27 195	0.39 240	0.36 251	0.34 131	0.37 164

GwcNet-RSSM	2.66 271	1.05 264	15.91 273	1.22 223	1.19 258	4.12 254	1.12 241	3.84 195	2.02 180	1.93 138	1.79 157	3.12 280	1.46 163	10.37 324	2.05 261	0.33 157	0.27 195	0.35 202	0.30 191	0.40 180	0.36 150

DMCA	1.72 127	0.74 179	6.63 172	1.14 184	0.96 205	3.98 229	0.90 180	3.75 179	2.76 302	2.83 326	1.58 99	2.35 209	1.18 111	1.58 70	1.98 254	0.40 231	0.27 195	0.42 259	0.26 104	0.36 158	0.38 177

DispNO	3.00 306	0.75 188	18.92 321	1.17 204	1.10 241	3.72 171	0.94 202	4.29 322	2.54 278	2.24 236	2.28 268	4.51 359	2.12 269	11.40 355	2.09 267	0.31 130	0.28 203	0.31 122	0.28 153	0.36 158	0.39 182

CoDeX	2.40 234	0.78 200	13.21 232	1.00 126	1.18 252	3.24 92	1.32 268	4.14 281	2.41 254	1.74 100	1.84 184	2.05 182	1.47 165	10.03 316	1.60 203	0.34 169	0.28 203	0.32 138	0.27 128	0.32 100	0.39 182

mmx	2.98 303	0.60 77	5.21 162	1.14 184	0.99 215	3.62 156	0.86 153	4.49 366	3.05 337	2.20 221	2.30 275	3.48 302	1.62 199	11.62 364	16.09 391	0.33 157	0.28 203	0.48 287	0.37 262	0.44 230	0.37 164

xxx	2.98 303	0.60 77	5.21 162	1.14 184	0.99 215	3.62 156	0.86 153	4.49 366	3.05 337	2.20 221	2.30 275	3.48 302	1.62 199	11.62 364	16.09 391	0.33 157	0.28 203	0.48 287	0.37 262	0.44 230	0.37 164

LL-Strereo	3.01 308	1.81 348	17.59 302	1.12 176	2.10 377	2.90 66	1.09 236	4.33 339	2.00 179	3.12 344	2.24 261	3.29 291	3.15 326	11.31 353	1.84 237	0.30 113	0.28 203	0.46 276	0.34 229	0.49 254	0.45 226

CASS	1.29 80	0.66 125	2.62 104	0.95 100	0.66 136	2.84 62	0.69 77	3.00 99	1.79 149	2.57 296	1.95 208	1.39 92	1.55 189	1.59 73	1.06 106	0.50 299	0.28 203	0.34 186	0.28 153	0.46 244	0.63 299
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
HCRNet	1.60 116	0.56 43	2.47 98	0.78 27	1.36 292	4.11 252	0.71 84	3.57 153	2.79 306	1.75 102	1.61 110	1.58 110	1.41 149	5.79 231	1.56 197	0.34 169	0.28 203	0.36 213	0.29 177	0.33 115	0.37 164

TDLM	2.29 215	1.08 269	4.61 155	1.29 246	1.01 223	4.26 293	2.17 343	3.75 179	2.79 306	2.31 253	1.98 215	2.06 184	1.59 191	12.45 392	1.72 221	0.51 305	0.28 203	0.52 312	0.35 243	0.56 276	0.50 256

UCFNet_RVC	1.57 109	0.84 224	3.25 126	1.36 273	1.40 300	4.07 245	1.01 219	2.68 78	1.50 54	2.11 193	1.88 195	2.37 212	1.50 174	3.41 184	1.42 170	0.36 192	0.28 203	0.52 312	0.40 288	0.53 265	0.43 216

whm_eth	2.04 179	1.24 303	18.44 314	0.89 72	1.37 293	2.59 58	0.73 90	3.56 152	2.56 281	1.53 68	2.06 233	0.78 27	0.71 17	1.02 7	0.98 94	0.36 192	0.29 212	0.34 186	0.32 214	0.41 201	0.54 275

gwcnet-sp	2.31 219	1.21 292	17.34 292	1.08 158	0.92 196	3.56 145	1.04 225	3.69 170	2.09 193	2.55 292	1.60 106	1.80 142	1.62 199	3.87 195	1.95 249	0.29 79	0.29 212	0.30 103	0.28 153	0.38 169	0.39 182

scenet	2.31 219	1.21 292	17.34 292	1.08 158	0.92 196	3.56 145	1.04 225	3.69 170	2.09 193	2.55 292	1.60 106	1.80 142	1.62 199	3.87 195	1.95 249	0.29 79	0.29 212	0.30 103	0.28 153	0.38 169	0.39 182

ssnet	2.31 219	1.21 292	17.34 292	1.08 158	0.92 196	3.56 145	1.04 225	3.69 170	2.09 193	2.55 292	1.60 106	1.80 142	1.62 199	3.87 195	1.95 249	0.29 79	0.29 212	0.30 103	0.28 153	0.38 169	0.39 182

test-1	1.23 58	0.65 115	1.88 44	0.96 104	0.52 88	3.84 194	0.62 57	4.01 242	1.47 38	1.93 138	1.78 154	1.83 149	0.92 51	1.19 28	1.28 151	0.26 28	0.29 212	0.31 122	0.24 82	0.29 45	0.36 150

MMNet	2.02 176	0.81 210	10.76 217	1.12 176	1.23 268	3.53 138	0.89 176	3.79 187	2.08 190	2.15 204	1.76 147	2.15 192	2.12 269	3.69 191	2.32 285	0.31 130	0.29 212	0.34 186	0.27 128	0.38 169	0.42 208

delet	1.92 157	0.76 192	5.14 159	1.01 130	1.65 343	3.44 118	2.03 336	3.76 181	2.48 266	2.01 167	2.05 229	2.63 240	1.90 254	5.34 219	2.12 269	0.28 62	0.29 212	0.40 246	0.31 207	0.41 201	0.45 226

GANet-RSSM	1.98 168	0.62 98	3.49 134	1.69 335	1.23 268	4.22 288	0.91 188	3.31 125	1.86 158	1.81 111	1.74 139	2.34 207	1.82 244	10.92 342	1.73 225	0.34 169	0.29 212	0.31 122	0.28 153	0.39 177	0.40 200

PSMNet-RSSM	1.96 164	0.77 195	3.26 127	1.29 246	1.31 281	4.19 282	0.96 211	3.68 165	1.89 164	2.05 179	1.80 160	2.60 236	1.70 223	9.84 306	1.81 233	0.35 187	0.29 212	0.35 202	0.37 262	0.42 217	0.35 147

CAS++	0.89 11	0.64 107	1.46 15	0.81 30	0.51 80	1.24 9	0.86 153	3.44 136	1.46 34	1.14 46	1.29 52	0.62 5	0.58 4	1.13 15	0.59 2	0.34 169	0.30 221	0.34 186	0.26 104	0.41 201	0.29 78
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
x	1.15 44	0.57 49	1.53 20	1.44 293	0.67 139	1.94 32	0.97 213	3.87 203	1.57 95	1.61 78	1.28 50	1.58 110	1.22 117	1.93 111	1.04 104	0.28 62	0.30 221	0.34 186	0.29 177	0.32 100	0.31 109

NINENet	1.87 144	0.74 179	2.60 101	1.12 176	1.06 232	4.50 333	0.76 108	4.41 352	2.24 219	2.16 209	1.86 193	3.63 319	0.97 60	8.00 272	1.17 127	0.41 241	0.30 221	0.41 253	0.30 191	0.41 201	0.36 150

222	2.68 276	0.57 49	2.03 56	1.11 174	0.81 164	3.23 89	0.65 65	4.52 371	2.45 262	2.34 264	2.29 271	1.41 97	1.44 156	10.50 327	18.47 407	0.32 146	0.30 221	0.32 138	0.27 128	0.32 100	0.34 136

test_xeample	2.67 273	0.56 43	2.05 59	1.09 162	0.81 164	3.24 92	0.80 130	4.55 373	2.70 295	2.42 280	2.27 265	1.39 92	1.40 144	10.75 334	17.51 402	0.30 113	0.30 221	0.32 138	0.28 153	0.34 131	0.33 126

CFNet-ft	1.90 151	0.95 246	3.56 137	1.07 154	1.54 320	4.09 247	0.90 180	2.85 89	1.82 152	1.78 106	1.70 128	2.75 249	1.48 167	9.33 295	1.72 221	0.33 157	0.30 221	0.61 338	0.36 251	0.52 259	0.39 182

DMCA-RVC	2.45 239	1.22 298	18.29 308	1.23 227	1.14 245	2.49 54	0.85 151	3.29 123	1.68 127	3.02 337	1.41 70	2.00 174	1.53 186	6.39 241	2.00 255	0.38 214	0.30 221	0.44 266	0.35 243	0.45 237	0.44 221

CFNet_RVC	1.90 151	0.95 246	3.56 137	1.07 154	1.54 320	4.09 247	0.90 180	2.85 89	1.82 152	1.78 106	1.70 128	2.75 249	1.48 167	9.33 295	1.72 221	0.33 157	0.30 221	0.61 338	0.36 251	0.52 259	0.39 182

CVANet_RVC	2.55 261	1.10 273	9.13 199	1.46 298	1.15 247	3.96 224	1.53 298	3.91 216	2.50 271	3.04 338	2.04 224	2.60 236	1.72 227	12.46 393	1.50 185	0.49 296	0.30 221	0.51 306	0.41 292	0.63 295	0.50 256

11t1	1.11 39	0.53 26	1.80 40	1.55 318	0.65 133	2.20 49	0.60 45	3.66 163	1.49 49	1.60 73	1.26 43	1.03 54	1.35 138	1.72 94	0.97 92	0.28 62	0.31 230	0.29 84	0.23 61	0.30 61	0.34 136

1111x	3.13 320	0.57 49	8.38 187	1.20 215	0.76 157	3.80 185	0.88 174	4.61 378	2.63 287	2.31 253	2.16 249	1.95 162	1.81 242	11.54 360	18.13 405	0.32 146	0.31 230	0.32 138	0.30 191	0.35 147	0.34 136

qqq	1.30 81	0.57 49	1.67 29	1.15 198	0.51 80	2.18 47	0.91 188	3.98 235	1.53 70	1.50 65	1.24 38	1.79 139	1.34 136	4.66 209	0.98 94	0.28 62	0.31 230	0.33 169	0.33 222	0.33 115	0.32 116

ac_64	2.35 228	0.62 98	9.77 203	1.32 255	1.71 351	3.27 98	0.93 199	3.48 138	2.50 271	1.74 100	1.73 137	3.91 329	1.77 231	10.21 320	1.86 239	0.40 231	0.31 230	0.33 169	0.30 191	0.34 131	0.39 182

HGLStereo	2.03 177	0.74 179	7.50 181	1.23 227	1.56 327	3.62 156	0.95 206	3.78 186	1.89 164	2.03 175	2.20 256	3.12 280	2.14 272	5.68 229	2.04 259	0.37 200	0.31 230	0.32 138	0.29 177	0.40 180	0.45 226

PWC_ROB	2.69 277	2.01 355	8.36 186	1.33 259	1.90 368	3.23 89	1.18 252	4.33 339	3.25 356	3.11 343	3.41 352	2.71 245	2.18 279	9.15 292	4.48 335	0.56 318	0.31 230	0.61 338	0.36 251	0.69 317	0.74 320

SMFormer	2.00 172	0.57 49	4.46 149	1.36 273	0.57 111	2.03 36	0.73 90	4.25 309	2.80 310	2.32 257	2.31 283	1.95 162	1.52 179	10.99 345	2.13 272	0.34 169	0.32 236	0.36 213	0.31 207	0.38 169	0.36 150

tta	2.00 172	0.57 49	4.46 149	1.36 273	0.57 111	2.03 36	0.73 90	4.25 309	2.80 310	2.32 257	2.31 283	1.95 162	1.52 179	10.99 345	2.13 272	0.34 169	0.32 236	0.36 213	0.31 207	0.29 45	0.29 78

qqq1	1.92 157	0.57 49	4.46 149	1.36 273	0.57 111	2.03 36	0.73 90	4.25 309	2.80 310	2.32 257	2.31 283	1.95 162	1.52 179	10.99 345	0.71 28	0.34 169	0.32 236	0.30 103	0.23 61	0.29 45	0.29 78

fff1	1.92 157	0.57 49	4.46 149	1.36 273	0.57 111	2.03 36	0.73 90	4.25 309	2.80 310	2.32 257	2.31 283	1.95 162	1.52 179	10.99 345	0.71 28	0.34 169	0.32 236	0.30 103	0.23 61	0.29 45	0.29 78

AACVNet	1.83 141	1.02 257	2.41 95	1.45 296	0.87 183	3.21 86	0.73 90	3.16 110	1.61 115	2.01 167	1.82 178	2.28 198	1.33 135	10.98 344	1.49 184	0.39 225	0.32 236	0.38 237	0.32 214	0.43 225	0.44 221

xxxx	2.67 273	0.54 32	2.03 56	1.22 223	0.81 164	3.49 129	0.63 58	4.49 366	2.49 270	2.22 230	2.23 260	2.05 182	1.38 140	10.05 317	17.91 403	0.32 146	0.32 236	0.30 103	0.27 128	0.33 115	0.34 136

Wz-Net-LNSev	2.30 218	1.67 342	14.88 260	1.18 210	1.65 343	3.49 129	1.54 301	3.63 158	2.03 182	1.88 122	1.64 115	3.29 291	2.06 264	2.71 172	2.02 258	0.40 231	0.33 242	0.32 138	0.31 207	0.53 265	0.49 249

AASNet	2.44 238	0.92 239	19.79 339	1.35 267	1.49 314	3.81 187	1.07 231	3.85 198	2.93 326	1.95 142	2.29 271	1.96 167	1.29 129	1.73 95	1.93 245	0.39 225	0.33 242	0.45 272	0.30 191	0.55 270	0.45 226

GANet-ADL	2.20 196	0.73 171	20.11 354	1.25 231	0.69 146	3.83 189	0.76 108	3.49 141	1.71 136	1.65 86	1.99 217	2.10 189	1.10 91	1.42 53	1.26 147	0.38 214	0.33 242	0.25 29	0.22 52	0.42 217	0.36 150

PFNet+	1.46 98	0.57 49	2.84 114	0.92 84	0.47 66	4.64 357	0.84 145	2.46 51	1.99 175	2.14 199	1.64 115	1.34 85	1.03 69	4.68 211	1.23 143	0.45 269	0.33 242	0.37 225	0.39 278	0.32 100	0.49 249

Anonymous	1.04 34	0.76 192	2.42 97	1.06 152	1.27 277	1.67 24	0.86 153	2.51 55	1.49 49	0.92 26	1.14 27	0.70 13	1.10 91	1.26 36	0.98 94	0.47 281	0.33 242	0.30 103	0.30 191	0.66 309	0.51 262

UPFNet	1.81 140	0.63 102	6.71 173	1.25 231	1.44 308	3.50 132	1.35 271	4.02 246	1.85 157	2.40 278	1.52 85	2.41 215	1.40 144	3.62 189	1.88 241	0.34 169	0.33 242	0.37 225	0.31 207	0.41 201	0.39 182

SuperB	4.79 371	4.41 383	21.08 387	1.45 296	1.08 236	3.91 207	3.08 374	4.18 286	3.01 334	2.50 287	2.10 237	2.75 249	3.49 342	8.80 283	19.60 412	0.44 263	0.33 242	0.53 314	0.39 278	12.01 424	0.64 301

NLCA_NET_v2_RVC	2.54 257	1.04 263	16.73 285	1.53 311	2.00 372	3.96 224	0.87 170	3.87 203	2.31 234	2.54 291	1.67 121	2.85 260	1.63 211	5.55 225	1.62 208	0.46 273	0.33 242	0.38 237	0.38 274	0.53 265	0.62 296
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	2.84 284	1.49 330	14.48 256	1.33 259	1.57 331	3.44 118	2.06 337	3.69 170	2.36 241	3.26 351	1.84 184	2.79 258	1.80 239	10.88 339	3.16 321	0.41 241	0.33 242	0.39 240	0.36 251	0.59 283	0.58 288

MDST_ROB	5.53 382	0.59 68	23.11 412	2.55 383	2.69 387	21.20 422	1.98 333	4.77 385	2.65 289	9.36 408	4.25 365	4.14 343	4.45 359	22.57 416	3.68 329	0.48 286	0.33 242	0.47 279	0.44 300	0.44 230	0.44 221

DLCB_ROB	2.05 182	0.95 246	2.37 92	1.24 229	1.02 224	2.92 69	1.30 266	3.68 165	2.30 232	2.91 328	2.17 251	3.32 294	1.52 179	10.37 324	2.50 296	0.40 231	0.33 242	0.40 246	0.36 251	0.41 201	0.47 241

LE_ROB	18.58 418	1.21 292	48.38 431	8.60 422	23.00 425	7.32 404	19.74 421	9.94 407	38.69 432	43.53 430	21.91 417	28.40 424	40.92 427	23.18 418	54.71 432	0.34 169	0.33 242	0.32 138	0.36 251	0.42 217	0.40 200

CSP-Net	1.78 137	1.32 313	1.92 48	1.16 203	1.03 225	3.38 111	1.31 267	3.52 147	1.75 146	1.96 145	1.93 207	2.40 213	1.48 167	8.58 280	1.58 199	0.46 273	0.34 254	0.27 55	0.26 104	0.41 201	0.50 256

UDGNet	1.40 92	1.52 331	2.22 79	1.38 283	0.62 125	4.39 310	0.68 72	1.80 21	2.18 212	1.34 52	1.18 31	0.99 51	1.00 65	2.16 131	1.19 130	1.09 370	0.34 254	1.30 383	0.98 372	1.10 361	0.58 288

dd	1.26 73	1.15 282	2.47 98	0.92 84	0.49 76	4.35 306	0.75 107	1.92 24	2.11 203	1.44 61	1.24 38	1.19 72	1.05 75	1.78 98	1.70 219	0.57 320	0.34 254	0.35 202	0.33 222	0.60 287	0.46 236

ADCRef	3.30 330	1.23 302	14.90 261	1.17 204	1.41 306	3.95 219	1.64 310	3.88 206	2.36 241	3.05 340	2.21 258	2.40 213	2.81 311	5.04 214	16.63 397	0.46 273	0.34 254	0.63 342	0.62 345	0.54 268	0.67 306

ssnet_v2	2.04 179	0.88 232	7.87 182	1.20 215	0.87 183	3.86 202	1.64 310	4.01 242	2.60 285	2.61 304	1.96 209	3.79 324	1.71 225	2.20 136	2.96 316	0.41 241	0.35 258	0.42 259	0.37 262	0.55 270	0.52 267

CRFU-Net	2.49 248	0.78 200	10.36 212	2.30 378	1.08 236	3.91 207	1.41 285	3.85 198	1.65 123	2.15 204	1.76 147	3.34 295	7.95 397	5.56 226	1.48 181	0.47 281	0.35 258	0.30 103	0.28 153	0.37 165	0.43 216

ICVP	2.26 205	0.66 125	21.18 392	0.99 119	0.88 186	4.28 299	0.95 206	3.32 129	1.60 112	1.66 87	1.76 147	1.34 85	1.14 104	1.62 81	1.32 157	0.53 313	0.35 258	0.33 169	0.29 177	0.40 180	0.51 262
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RTSC	2.95 294	2.51 365	15.49 272	1.54 313	1.30 279	3.51 134	0.86 153	3.89 207	2.48 266	3.64 360	3.12 342	3.04 273	2.30 283	5.70 230	6.67 350	0.55 316	0.35 258	0.37 225	0.39 278	0.70 318	0.60 292

ttt	2.76 280	0.56 43	2.28 86	1.41 288	1.21 267	3.67 165	0.77 118	4.59 376	2.94 327	2.35 265	2.30 275	2.45 222	1.54 187	11.25 352	15.56 389	0.43 256	0.36 262	0.37 225	0.33 222	0.40 180	0.40 200

StereoVision	1.65 121	0.75 188	7.47 180	1.01 130	1.80 363	2.61 59	0.61 48	3.06 105	1.96 170	1.25 49	3.46 354	1.85 154	0.88 43	2.07 120	1.93 245	0.43 256	0.36 262	0.37 225	0.36 251	0.48 249	0.33 126

PCWNet_CMD	2.23 199	0.65 115	17.36 295	0.83 45	0.76 157	3.51 134	0.64 59	3.60 156	1.97 172	1.70 93	1.63 113	3.22 285	3.05 323	2.09 125	1.11 115	0.31 130	0.36 262	0.47 279	0.26 104	0.64 301	0.47 241

Wz-Net-MNSev	2.71 279	2.54 369	13.91 247	1.52 308	1.37 293	3.28 101	2.47 350	4.03 248	2.32 235	2.57 296	2.07 235	2.29 203	3.01 319	7.55 266	2.74 309	0.38 214	0.36 262	0.36 213	0.37 262	0.57 280	0.47 241

TANstereo	1.01 28	0.55 36	1.73 32	0.76 25	0.36 7	4.04 237	0.38 5	1.48 4	1.62 118	2.03 175	2.10 237	0.84 37	0.93 53	0.98 4	0.62 4	0.28 62	0.36 262	0.23 7	0.20 25	0.25 13	0.46 236

CFNet_pseudo	2.12 189	0.67 133	15.14 268	0.85 60	0.74 153	3.95 219	0.64 59	3.95 227	1.78 147	1.90 128	1.79 157	3.27 290	1.62 199	2.51 155	1.16 124	0.31 130	0.36 262	0.53 314	0.27 128	0.63 295	0.44 221

AF-Net	2.87 288	1.30 309	16.24 276	1.33 259	1.75 355	3.26 96	1.59 305	4.09 266	2.43 258	2.69 314	2.94 332	4.51 359	3.20 330	5.84 232	2.75 310	0.76 350	0.36 262	0.72 358	0.49 316	0.70 318	0.56 280

ccs_rob	2.13 191	0.67 133	15.11 267	0.84 51	0.75 154	3.96 224	0.65 65	3.95 227	1.78 147	1.88 122	1.79 157	3.26 289	1.64 214	2.51 155	1.16 124	0.31 130	0.36 262	0.54 321	0.27 128	0.65 304	0.45 226

DRN-Test	3.03 310	0.99 254	18.18 306	1.35 267	1.60 333	3.59 150	1.48 291	4.13 275	2.45 262	3.47 359	1.92 206	2.58 235	2.53 299	10.88 339	2.80 312	0.39 225	0.36 262	0.44 266	0.41 292	0.55 270	0.57 284

ETE_ROB	2.07 185	1.40 323	3.01 120	1.09 162	0.92 196	3.94 214	1.53 298	4.25 309	2.23 217	3.31 352	2.06 233	2.35 209	1.52 179	8.74 282	2.07 265	0.44 263	0.36 262	0.51 306	0.48 313	0.54 268	0.62 296

PWCDC_ROB	2.95 294	3.26 376	14.06 249	1.59 323	1.56 327	4.19 282	0.86 153	4.30 330	4.08 382	2.06 182	7.37 379	2.75 249	2.42 292	3.59 188	2.67 307	1.34 384	0.36 262	0.39 240	0.34 229	1.13 363	0.62 296

PSMNet_ROB	2.95 294	1.38 320	18.46 315	1.19 212	1.20 263	3.80 185	1.65 313	3.54 149	2.35 239	1.98 148	1.71 132	2.75 249	1.79 234	11.43 358	2.78 311	0.42 251	0.36 262	0.50 303	0.60 341	0.59 283	0.49 249

GASNet	3.24 327	5.55 389	20.58 375	1.56 320	1.25 273	2.32 50	1.12 241	4.04 252	2.67 292	1.88 122	2.10 237	3.00 270	2.16 275	10.59 329	2.43 291	0.65 335	0.37 274	0.61 338	0.45 304	0.87 342	0.58 288

WZ-Net	3.62 341	4.87 384	16.77 287	1.43 291	1.40 300	3.75 176	2.29 347	4.12 274	2.50 271	2.74 318	2.19 254	4.06 338	5.29 370	10.19 319	7.36 360	0.54 315	0.37 274	0.47 279	0.49 316	0.77 331	0.73 319

ADLNet2	3.15 323	0.92 239	20.06 349	1.20 215	1.79 360	3.83 189	1.48 291	3.94 225	3.59 370	2.19 219	2.47 297	4.65 368	1.93 257	10.69 333	1.96 252	0.39 225	0.37 274	0.28 69	0.30 191	0.48 249	0.43 216

FADNet-RVC-Resample	2.83 283	2.02 356	21.07 386	1.12 176	0.91 195	3.53 138	1.37 277	4.08 264	2.09 193	1.68 90	1.33 56	2.03 178	1.51 177	9.54 300	1.69 218	0.38 214	0.37 274	0.42 259	0.44 300	0.56 276	0.56 280

FADNet-RVC	2.51 251	2.27 361	14.03 248	1.09 162	0.81 164	3.54 142	1.10 238	4.13 275	2.48 266	1.39 57	1.22 35	1.85 154	1.77 231	9.78 305	2.06 262	0.38 214	0.37 274	0.40 246	0.40 288	0.67 312	0.48 245

MSMDNet	2.23 199	0.64 107	17.32 291	0.84 51	0.75 154	3.53 138	0.64 59	3.61 157	1.98 174	1.71 96	1.64 115	3.22 285	2.99 317	2.08 122	1.11 115	0.31 130	0.37 274	0.45 272	0.26 104	0.62 294	0.45 226

CBFPSM	2.05 182	0.95 246	10.12 210	1.07 154	1.05 230	2.84 62	1.20 256	3.28 122	1.73 139	1.82 113	1.30 54	4.56 363	4.06 351	2.34 145	2.34 287	0.25 20	0.38 280	0.32 138	0.27 128	0.37 165	0.79 331

GEStereo_RVC	1.91 154	0.80 206	6.57 171	1.20 215	1.06 232	4.02 235	1.43 289	4.13 275	1.89 164	2.03 175	1.80 160	2.34 207	1.86 249	4.94 213	1.77 229	0.48 286	0.38 280	0.32 138	0.28 153	0.42 217	0.50 256

ADLNet	2.29 215	0.83 220	3.62 142	1.35 267	1.60 333	3.67 165	1.24 262	3.95 227	2.98 331	2.58 298	2.29 271	4.01 335	1.79 234	11.23 351	2.09 267	0.37 200	0.38 280	0.36 213	0.34 229	0.45 237	0.71 312

psm_up	2.28 212	0.81 210	5.45 167	1.26 237	1.50 316	3.84 194	1.23 260	4.23 301	2.03 182	2.55 292	1.80 160	2.44 221	1.65 216	12.90 396	1.58 199	0.37 200	0.38 280	0.41 253	0.34 229	0.43 225	0.39 182

EDNetEfficientorigin	12.35 413	2.51 365	179.47 445	1.19 212	0.96 205	2.91 68	1.81 323	3.00 99	5.35 394	8.91 406	4.79 370	4.18 345	4.64 362	9.98 313	11.30 377	0.37 200	0.38 280	0.60 335	0.85 365	1.32 375	2.43 390

DSFCA	1.89 149	0.69 140	3.14 124	1.10 170	1.18 252	3.99 230	1.79 320	3.50 143	2.16 208	3.10 342	1.64 115	2.91 265	2.50 297	5.38 220	2.26 281	0.43 256	0.38 280	0.37 225	0.36 251	0.50 255	0.42 208

FADNet_RVC	2.65 269	2.28 363	16.51 281	0.98 114	0.92 196	4.09 247	0.83 142	4.26 316	1.73 139	1.46 62	1.78 154	1.60 112	1.50 174	8.88 284	2.39 288	0.47 281	0.38 280	0.44 266	0.58 338	0.89 343	0.97 347

SGM_RVC	4.57 367	0.72 163	17.46 299	1.84 353	0.58 117	4.23 291	3.45 381	4.66 380	3.66 373	7.99 403	8.82 393	7.56 391	8.74 402	12.30 388	6.84 355	0.43 256	0.38 280	0.39 240	0.35 243	0.51 256	0.48 245
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
fast-acv-ft	2.54 257	1.19 289	20.08 352	1.41 288	1.40 300	3.18 85	1.17 251	3.37 133	2.28 229	1.90 128	2.15 248	2.69 243	2.17 277	2.91 176	2.31 284	0.37 200	0.39 288	0.45 272	0.39 278	0.57 280	0.45 226

iinet-f	2.26 205	1.18 287	13.71 238	1.14 184	1.11 242	3.77 179	1.10 238	4.14 281	2.17 210	2.06 182	1.76 147	2.99 269	2.99 317	2.50 152	2.49 295	0.35 187	0.39 288	0.27 55	0.28 153	0.45 237	0.39 182

Wz-Net-SNSev	2.98 303	4.36 382	15.98 274	1.57 321	1.19 258	3.28 101	1.80 322	3.96 232	2.40 252	2.32 257	2.28 268	3.48 302	2.05 263	7.84 271	3.82 330	0.47 281	0.39 288	0.53 314	0.49 316	0.71 323	0.60 292

SACVNet	2.46 241	1.14 281	9.47 201	1.44 293	1.18 252	4.06 240	1.49 295	3.84 195	2.24 219	2.62 305	1.89 200	2.57 232	1.28 127	11.35 354	1.64 212	0.50 299	0.39 288	0.48 287	0.41 292	0.55 270	0.75 323

STTStereo	2.34 226	0.95 246	14.93 263	1.43 291	1.54 320	3.86 202	0.86 153	3.65 160	2.44 261	2.15 204	1.55 93	2.49 227	1.59 191	5.14 216	1.44 173	0.38 214	0.39 288	0.47 279	0.51 322	0.52 259	0.51 262

dad	1.65 121	1.19 289	3.04 121	0.98 114	0.56 102	4.22 288	0.84 145	1.99 26	2.48 266	2.14 199	1.68 123	1.62 115	1.13 98	3.85 194	2.04 259	1.03 369	0.40 293	2.04 389	0.48 313	0.75 329	0.53 269

AnonymousM	1.22 57	1.32 313	0.97 1	0.88 68	0.56 102	4.03 236	0.69 77	2.41 45	1.68 127	1.48 63	1.31 55	1.15 64	1.00 65	1.18 27	0.73 33	0.32 146	0.40 293	2.07 390	1.70 392	0.24 6	0.22 10

sCroCo_RVC	1.06 35	0.82 217	5.05 158	1.02 139	1.05 230	0.98 4	0.61 48	2.06 29	1.29 15	0.69 5	1.26 43	0.82 36	1.10 91	1.20 29	0.90 71	0.42 251	0.40 293	0.33 169	0.30 191	0.46 244	0.38 177

Nwc_Net	2.88 290	1.16 285	18.30 309	1.35 267	1.68 348	3.52 137	1.18 252	3.90 212	2.06 188	2.52 290	2.82 329	3.82 326	2.34 287	6.78 253	2.55 302	0.86 361	0.40 293	0.59 330	0.67 347	0.57 280	0.55 278

DeepPruner_ROB	2.05 182	1.09 272	10.50 215	1.01 130	1.20 263	4.39 310	0.91 188	3.14 108	1.72 137	2.60 302	1.54 91	2.78 256	1.27 124	4.52 207	1.72 221	0.51 305	0.40 293	0.37 225	0.34 229	0.48 249	0.52 267

NCCL2	2.53 255	1.35 317	10.90 219	1.15 198	0.97 208	3.53 138	2.56 355	3.65 160	2.23 217	2.76 319	1.80 160	2.41 215	1.66 218	10.35 323	2.07 265	0.44 263	0.40 293	0.57 326	0.53 329	0.59 283	0.65 303

DLNR_Zeroshot_test	28.62 425	55.50 439	49.94 433	183.62 442	115.05 440	3.43 117	0.28 1	29.49 427	1.49 49	1.01 33	1.26 43	0.93 48	0.63 9	3.92 199	1.51 191	29.81 433	0.41 299	0.26 39	0.23 61	93.28 439	0.32 116

XQC	2.96 297	2.42 364	14.85 258	1.36 273	1.32 285	3.29 105	1.53 298	4.28 321	2.78 304	3.21 349	2.46 295	3.53 313	2.92 315	6.58 244	4.67 337	0.70 346	0.41 299	0.59 330	0.56 334	0.96 351	0.83 337

ADCP+	3.74 347	1.96 353	16.90 288	1.09 162	1.55 324	4.35 306	3.65 389	3.93 222	2.98 331	2.22 230	1.66 120	3.95 330	4.83 364	3.41 184	18.87 410	0.38 214	0.41 299	0.63 342	0.53 329	0.64 301	0.81 332

RYNet	2.97 301	0.93 242	15.09 266	1.12 176	1.38 297	3.66 164	1.42 287	4.03 248	2.29 231	2.10 189	1.70 128	3.79 324	2.16 275	13.64 405	3.02 319	0.37 200	0.41 299	0.48 287	0.34 229	0.81 337	0.75 323

GANet	2.93 293	1.05 264	11.29 222	1.64 330	0.96 205	3.91 207	2.52 353	3.72 176	2.41 254	2.95 335	3.00 335	3.21 284	2.03 260	12.42 391	4.72 339	0.51 305	0.41 299	0.46 276	0.39 278	0.60 287	0.50 256

NaN_ROB	4.06 357	1.13 278	16.64 282	1.12 176	1.25 273	3.50 132	3.05 372	4.29 322	3.26 357	3.64 360	2.56 308	2.97 267	4.79 363	13.33 399	16.91 398	0.37 200	0.41 299	0.38 237	0.39 278	0.48 249	0.81 332

LALA_ROB	1.95 162	1.48 329	3.11 123	1.05 148	0.98 212	3.99 230	1.82 324	4.44 357	2.28 229	3.31 352	1.85 191	2.76 255	1.67 220	4.04 202	3.23 323	0.46 273	0.41 299	0.55 322	0.52 325	0.60 287	0.57 284

EDNetEfficient	5.61 383	2.14 359	16.75 286	1.67 333	3.64 402	4.12 254	7.51 404	3.05 103	5.63 398	11.57 417	4.83 371	3.95 330	12.72 406	8.44 278	20.78 414	0.41 241	0.43 306	0.47 279	1.01 373	1.66 381	1.39 369

NVstereo2D	2.54 257	0.90 235	11.10 220	1.32 255	1.47 312	3.58 149	1.38 279	4.13 275	2.45 262	1.90 128	1.71 132	2.86 261	1.76 230	10.86 338	1.66 215	0.60 324	0.43 306	0.53 314	0.41 292	0.78 333	0.94 346

CBMV	3.32 332	0.96 252	21.16 390	1.32 255	0.83 173	3.81 187	3.91 394	4.47 362	2.53 276	3.34 354	2.24 261	4.45 356	2.58 302	10.07 318	1.96 252	0.45 269	0.43 306	0.48 287	0.38 274	0.52 259	0.53 269
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
aanetorigin	3.30 330	1.66 340	17.52 301	1.18 210	1.58 332	2.57 57	3.80 391	2.65 76	2.03 182	6.12 394	4.30 367	2.82 259	5.70 374	5.47 223	4.67 337	0.50 299	0.44 309	0.43 263	0.47 309	1.17 368	0.92 344

RTS	3.90 350	7.04 393	17.94 304	1.92 359	2.19 379	5.00 386	2.96 368	4.29 322	3.19 349	4.05 370	3.08 339	4.94 372	3.16 327	7.64 267	6.72 351	0.66 337	0.44 309	0.51 306	0.47 309	0.95 347	0.76 325

RTSA	3.90 350	7.04 393	17.94 304	1.92 359	2.19 379	5.00 386	2.96 368	4.29 322	3.19 349	4.05 370	3.08 339	4.94 372	3.16 327	7.64 267	6.72 351	0.66 337	0.44 309	0.51 306	0.47 309	0.95 347	0.76 325

SANet	5.65 385	1.72 343	20.94 383	1.26 237	0.88 186	7.20 402	3.81 392	4.60 377	11.23 406	4.56 381	8.78 392	7.49 390	6.95 388	11.85 380	18.11 404	0.49 296	0.44 309	0.50 303	0.42 297	0.90 345	0.82 336

CFNet_ucs	2.36 231	0.68 139	18.42 313	0.89 72	0.81 164	3.85 200	0.68 72	4.29 322	2.37 247	2.09 186	2.04 224	3.31 293	1.24 122	2.63 166	1.14 120	0.36 192	0.45 313	0.56 324	0.29 177	0.66 309	0.49 249

APVNet	3.13 320	1.25 305	21.14 388	1.31 253	1.52 318	3.94 214	1.13 244	3.32 129	2.14 205	2.20 221	2.03 221	3.05 276	1.96 258	11.79 377	2.53 299	0.42 251	0.45 313	0.64 345	0.46 306	0.67 312	0.57 284

Syn2CoEx	3.08 314	2.55 370	19.88 342	1.34 263	1.18 252	2.43 53	1.65 313	3.91 216	2.40 252	2.39 276	2.27 265	2.90 263	3.17 329	9.57 301	2.54 301	0.50 299	0.45 313	0.53 314	0.39 278	0.74 327	0.72 318

GwcNet	3.00 306	1.63 336	19.83 341	1.32 255	2.04 376	3.27 98	1.55 302	3.65 160	2.33 236	2.00 165	2.12 244	3.56 317	1.68 221	9.47 298	2.45 292	0.44 263	0.45 313	0.46 276	0.38 274	0.60 287	0.76 325

FADNet	2.49 248	1.76 346	13.17 231	1.17 204	0.95 204	3.27 98	0.88 174	3.94 225	2.27 226	1.40 58	1.29 52	2.51 228	2.06 264	9.93 311	1.94 247	0.43 256	0.45 313	0.40 246	0.43 298	1.06 355	0.53 269

PS-NSSS	2.22 197	1.33 316	2.90 116	0.97 111	1.53 319	4.11 252	1.08 234	4.55 373	2.65 289	2.10 189	2.32 288	1.77 131	1.40 144	11.79 377	1.61 206	0.68 342	0.45 313	0.96 372	0.43 298	0.95 347	0.92 344

CSAN	4.71 370	1.39 322	20.23 357	1.19 212	0.87 183	3.65 163	3.50 383	4.57 375	3.87 376	3.89 366	7.82 382	3.54 316	6.16 382	23.47 421	6.82 354	0.52 311	0.45 313	0.49 300	0.52 325	0.63 295	0.66 305

GwcNet-ADL	2.47 244	0.67 133	21.48 399	0.96 104	0.72 148	4.61 353	0.95 206	4.42 353	2.36 241	1.98 148	1.80 160	2.55 231	1.24 122	1.90 109	1.41 168	0.40 231	0.46 320	0.24 19	0.27 128	0.41 201	0.49 249

PSMNet-ADL	1.91 154	0.72 163	1.78 39	1.09 162	0.86 181	4.18 278	0.78 120	3.77 183	2.10 201	1.72 97	1.85 191	2.91 265	1.82 244	10.38 326	1.91 244	0.48 286	0.46 320	0.28 69	0.29 177	0.38 169	0.51 262

RGC	3.10 318	1.45 327	14.90 261	1.46 298	1.79 360	3.33 107	1.39 280	4.04 252	2.26 224	2.77 320	3.26 348	4.00 334	2.71 307	11.63 369	2.62 306	0.82 357	0.46 320	0.79 363	0.79 363	0.71 323	0.78 329

SGM-Forest	2.96 297	0.62 98	3.49 134	1.09 162	0.80 162	4.06 240	3.30 377	4.37 347	3.09 340	4.18 377	3.27 349	4.67 369	3.86 348	11.69 373	7.91 363	0.51 305	0.46 320	0.49 300	0.39 278	0.48 249	0.49 249
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FINET	2.96 297	1.07 267	23.18 414	1.29 246	1.86 365	2.03 36	1.52 296	4.30 330	4.71 387	2.23 234	2.34 290	1.65 117	1.48 167	5.89 233	2.81 313	0.51 305	0.47 324	0.49 300	0.40 288	0.59 283	0.49 249

RP	2.79 281	1.20 291	10.36 212	1.54 313	1.93 369	3.44 118	1.97 332	4.05 256	2.34 237	2.66 312	2.79 324	3.98 333	2.58 302	10.21 320	2.61 304	0.95 365	0.47 324	0.71 354	0.57 337	0.71 323	0.68 308

SHD	2.82 282	2.04 357	13.80 244	1.69 335	1.79 360	2.73 61	1.07 231	3.85 198	3.18 348	4.63 382	2.74 320	3.38 298	2.77 308	5.48 224	3.66 328	0.62 328	0.47 324	0.51 306	0.55 332	0.65 304	0.74 320

AANet_RVC	3.03 310	1.72 343	12.78 229	1.17 204	1.12 243	3.79 184	1.10 238	3.86 201	3.13 342	2.62 305	4.26 366	3.96 332	1.41 149	11.43 358	5.23 346	0.94 364	0.47 324	0.34 186	0.23 61	0.40 180	0.55 278

XPNet_ROB	2.27 207	1.11 276	4.10 146	1.36 273	0.97 208	3.94 214	1.63 308	4.07 260	2.14 205	2.82 325	2.00 218	2.32 206	1.73 229	10.81 337	3.39 324	0.51 305	0.47 324	0.48 287	0.40 288	0.51 256	0.56 280

ADCL	4.35 363	1.63 336	14.21 252	1.29 246	1.26 276	5.56 393	11.16 409	3.97 233	3.37 363	6.07 392	4.67 369	4.30 352	5.72 375	5.08 215	14.51 386	0.50 299	0.48 329	0.89 370	0.77 359	0.78 333	0.76 325

SGM-ForestM	11.55 410	1.16 285	21.62 403	2.14 370	0.81 164	22.25 424	19.08 420	16.50 422	11.34 407	15.94 421	14.44 413	27.12 423	22.61 421	24.76 422	28.39 427	0.50 299	0.48 329	0.47 279	0.44 300	0.55 270	0.53 269

stereogan	3.09 315	0.93 242	16.43 279	1.37 281	1.66 346	3.70 168	1.67 315	3.87 203	3.15 346	3.04 338	2.70 319	5.04 376	2.79 309	9.96 312	1.78 231	0.63 329	0.49 331	0.69 351	0.47 309	0.83 340	0.68 308

Anonymous Stereo	3.09 315	3.14 374	16.69 284	1.52 308	1.25 273	3.33 107	2.95 366	4.02 246	2.42 257	2.35 265	2.04 224	2.57 232	1.27 124	11.88 381	2.92 315	0.49 296	0.49 331	0.57 326	0.56 334	0.70 318	0.65 303

pcwnet_v2	2.70 278	0.65 115	22.48 409	1.08 158	1.03 225	3.56 145	0.81 135	4.29 322	3.14 344	2.29 244	2.29 271	3.01 271	1.71 225	3.32 183	1.43 171	0.43 256	0.50 333	0.41 253	0.34 229	0.61 292	0.56 280

hitnet-ft	2.37 232	0.73 171	8.34 185	0.96 104	0.89 191	3.77 179	0.80 130	3.55 150	2.58 283	2.24 236	2.04 224	3.65 321	1.49 173	11.71 374	1.89 242	0.44 263	0.53 334	0.44 266	0.35 243	0.52 259	0.48 245

PA-Net	3.09 315	1.24 303	18.84 319	1.38 283	1.19 258	3.42 116	1.75 318	3.89 207	3.27 360	1.88 122	2.10 237	3.03 272	1.88 253	11.60 362	2.88 314	0.40 231	0.54 335	0.44 266	0.62 345	0.52 259	1.02 349
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NOSS_ROB	2.27 207	0.73 171	3.00 119	1.71 337	1.00 222	3.90 206	0.97 213	4.29 322	2.81 316	2.94 334	2.19 254	3.88 328	1.19 115	11.77 376	1.62 208	0.59 323	0.54 335	0.56 324	0.52 325	0.56 276	0.54 275

Wz-Net-TNSev	3.67 343	8.83 399	13.47 236	1.48 303	1.18 252	3.60 152	2.49 352	4.27 317	3.13 342	2.18 215	1.89 200	4.21 349	2.80 310	12.10 386	7.58 362	0.57 320	0.55 337	0.47 279	0.54 331	0.91 346	1.05 351

DANet	2.63 267	1.07 267	8.10 184	1.83 352	1.70 350	3.25 95	1.16 248	4.31 333	2.38 249	3.40 357	2.18 252	4.08 339	1.80 239	9.77 303	3.89 331	0.52 311	0.55 337	0.59 330	0.44 300	0.63 295	0.86 338
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV_ROB	3.62 341	0.70 150	21.42 398	1.21 220	0.89 191	4.43 320	1.76 319	4.39 349	2.79 306	5.88 391	3.38 351	4.18 345	5.12 367	10.75 334	2.32 285	0.56 318	0.55 337	0.53 314	0.51 322	0.55 270	0.46 236

HBP-ISP	3.25 329	1.10 273	20.86 380	1.54 313	1.15 247	4.50 333	2.89 365	4.43 356	2.38 249	4.14 373	1.96 209	1.90 157	2.04 262	11.08 350	1.32 157	0.66 337	0.57 340	0.66 348	0.61 344	0.64 301	0.61 294

FCDSN-DC	6.04 390	0.84 224	19.25 326	1.24 229	1.09 239	4.38 308	2.62 357	4.38 348	4.71 387	9.59 411	11.22 402	19.19 411	17.40 412	12.30 388	8.55 367	0.69 345	0.57 340	0.60 335	0.60 341	0.70 318	0.78 329
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
GANetREF_RVC	3.20 326	1.93 351	18.84 319	1.51 307	0.80 162	4.12 254	1.82 324	4.16 285	2.91 324	1.87 120	1.74 139	2.48 225	1.84 246	13.18 397	1.74 226	0.80 354	0.57 340	0.79 363	0.74 355	1.20 371	0.86 338
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
FC-DCNN	6.64 394	0.77 195	19.26 327	1.68 334	1.64 340	8.27 407	2.35 349	6.35 402	9.23 405	10.85 415	11.27 403	19.89 412	13.33 407	12.51 394	11.79 380	0.66 337	0.57 340	0.58 328	0.56 334	0.63 295	0.61 294

Anonymous3	1.72 127	0.76 192	11.61 223	0.83 45	0.84 176	4.46 322	0.84 145	3.57 153	1.16 2	1.34 52	1.37 66	1.11 60	1.03 69	1.58 70	1.13 119	0.70 346	0.58 344	0.33 169	0.35 243	0.47 246	0.42 208

AnyNet_C32	4.17 360	5.75 390	12.62 228	1.60 325	1.54 320	5.51 392	4.09 395	3.90 212	3.23 355	4.22 378	3.03 337	3.10 277	3.41 338	8.01 273	18.85 409	0.53 313	0.58 344	0.53 314	0.74 355	1.19 370	0.97 347

MSMD_ROB	5.61 383	1.08 269	16.68 283	1.21 220	0.83 173	10.14 409	2.07 339	3.93 222	6.22 400	10.37 414	8.03 384	22.22 415	9.45 403	11.66 370	4.52 336	0.66 337	0.58 344	0.66 348	0.68 350	0.65 304	0.63 299

WCMA_ROB	5.12 375	0.90 235	21.33 394	1.50 306	1.33 288	4.09 247	3.49 382	4.03 248	4.59 386	6.57 396	10.95 401	12.92 404	8.41 401	9.86 307	8.78 368	0.75 349	0.58 344	0.51 306	0.50 320	0.68 315	0.57 284

MeshStereo	5.35 379	1.32 313	21.34 395	1.34 263	1.15 247	4.40 314	3.90 393	5.18 391	4.55 385	10.14 413	11.82 405	11.47 399	5.84 376	13.84 407	7.03 358	0.61 326	0.58 344	0.60 335	0.58 338	0.72 326	0.59 291
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
RAFT + AFF	2.51 251	2.66 371	4.48 153	1.15 198	1.95 370	4.15 261	2.01 335	4.46 361	3.30 361	2.19 219	2.51 302	2.22 195	4.87 365	8.91 286	2.06 262	0.30 113	0.60 349	0.48 287	0.38 274	0.77 331	0.69 310

DeepPrunerF	3.70 344	1.72 343	14.87 259	1.33 259	1.74 354	3.70 168	1.55 302	4.20 289	14.00 411	2.02 171	1.77 152	2.74 247	2.30 283	10.88 339	6.88 356	0.68 342	0.60 349	0.78 362	0.78 362	0.81 337	0.71 312

ADCMid	3.96 353	3.27 377	15.48 271	1.26 237	1.40 300	4.66 360	2.28 346	4.06 258	3.54 369	3.94 367	3.02 336	3.85 327	3.67 345	4.03 201	18.65 408	0.68 342	0.61 351	1.09 379	1.18 382	1.38 376	1.08 353

coex-ft	18.59 419	6.62 392	113.53 442	1.17 204	1.31 281	2.33 51	1.93 330	2.81 88	14.00 411	124.82 444	8.45 388	5.90 384	51.74 437	9.99 314	22.69 415	0.57 320	0.62 352	0.50 303	0.49 316	1.08 360	1.28 361

FBW_ROB	3.24 327	1.02 257	9.21 200	1.49 305	1.07 234	3.78 181	1.48 291	4.31 333	3.08 339	2.46 282	2.32 288	4.20 348	2.08 267	15.19 411	7.16 359	0.84 360	0.62 352	1.33 384	0.92 369	0.99 352	1.31 363

edge stereo	3.37 335	1.01 256	21.99 407	1.28 243	1.37 293	2.67 60	1.39 280	3.98 235	2.87 321	2.93 330	3.27 349	4.35 353	2.43 293	11.62 364	2.39 288	0.60 324	0.63 354	0.79 363	0.55 332	0.68 315	0.67 306

ADCS	4.22 362	5.33 386	16.32 277	1.64 330	1.31 281	3.91 207	3.64 388	4.21 293	2.89 322	5.11 386	2.81 328	4.46 357	3.06 325	5.21 217	19.50 411	0.63 329	0.64 355	0.69 351	0.69 352	1.12 362	1.26 360

BEATNet-Init1	49.72 437	64.32 440	97.77 441	4.68 414	4.28 411	84.75 442	60.42 432	73.38 441	68.59 437	88.29 441	88.51 443	91.94 442	97.99 443	85.26 444	70.96 443	0.80 354	0.65 356	0.85 368	0.70 353	7.96 420	2.33 387

NCC-stereo	3.16 324	1.28 307	18.31 310	1.25 231	1.75 355	4.06 240	1.40 282	3.89 207	2.22 215	2.72 316	2.55 306	3.49 309	2.65 305	9.91 309	2.99 317	1.29 380	0.65 356	0.64 345	0.86 366	0.65 304	0.71 312

Abc-Net	3.16 324	1.28 307	18.31 310	1.25 231	1.75 355	4.06 240	1.40 282	3.89 207	2.22 215	2.72 316	2.55 306	3.49 309	2.65 305	9.91 309	2.99 317	1.29 380	0.65 356	0.64 345	0.86 366	0.65 304	0.71 312
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FAT-Stereo	3.34 333	0.81 210	20.05 348	1.25 231	1.20 263	3.44 118	1.99 334	4.23 301	2.67 292	3.14 345	3.82 361	3.51 311	3.32 335	11.68 372	1.94 247	0.64 332	0.67 359	0.48 287	0.52 325	0.61 292	0.81 332

SAMSARA	3.55 339	2.16 360	14.18 251	1.86 356	1.49 314	4.62 354	2.65 358	3.58 155	2.80 310	7.05 398	3.05 338	5.16 380	4.07 352	9.18 293	4.80 341	0.64 332	0.67 359	0.59 330	0.68 350	0.89 343	0.91 343

AnyNet_C01	4.37 364	7.80 395	16.40 278	1.98 364	1.40 300	6.37 397	6.47 402	4.09 266	5.03 392	4.06 372	3.78 359	4.16 344	3.31 334	6.62 246	10.00 372	0.61 326	0.67 359	0.63 342	0.67 347	2.01 383	1.31 363

psmorigin	6.59 393	1.15 282	88.11 440	1.52 308	0.97 208	2.88 65	1.20 256	3.21 115	2.04 185	3.73 363	2.46 295	5.15 379	2.55 300	10.60 330	2.47 294	0.55 316	0.68 362	0.48 287	0.51 322	0.70 318	0.88 342

PVD	3.12 319	1.97 354	12.80 230	1.79 349	1.63 338	3.83 189	1.34 270	3.48 138	3.88 377	5.77 389	3.56 356	3.45 301	3.29 333	5.58 228	5.30 347	0.71 348	0.69 363	0.74 361	0.77 359	0.79 335	1.13 356

S-Stereo	3.48 337	0.91 237	22.06 408	1.36 273	1.50 316	3.55 143	2.53 354	4.21 293	2.81 316	2.37 271	3.81 360	3.75 322	1.84 246	11.90 383	2.51 297	0.63 329	0.71 364	0.48 287	0.76 357	0.67 312	1.19 359

SDNR	3.97 354	1.93 351	20.28 362	1.31 253	0.94 202	5.16 388	0.67 68	4.33 339	2.58 283	4.82 385	5.94 377	5.01 375	1.45 160	17.52 413	2.53 299	0.79 352	0.72 365	0.59 330	0.45 304	1.15 366	1.17 357

DPSNet	3.43 336	1.37 319	12.19 225	1.39 285	1.24 270	4.15 261	2.06 337	4.51 370	3.34 362	2.69 314	1.96 209	3.52 312	5.56 373	10.68 332	9.68 371	0.93 363	0.73 366	0.40 246	0.37 262	1.06 355	0.86 338

MANE	11.39 409	1.38 320	23.16 413	4.82 415	2.79 390	22.02 423	14.51 415	25.81 423	26.28 424	10.93 416	13.17 410	19.90 413	18.03 415	15.69 412	20.41 413	0.96 366	0.74 367	1.42 385	3.24 417	0.74 327	1.71 376

ccnet	2.66 271	0.97 253	8.01 183	1.54 313	1.24 270	3.75 176	2.18 344	4.07 260	2.41 254	2.66 312	3.25 347	2.87 262	2.31 286	9.89 308	3.50 325	0.78 351	0.75 368	0.71 354	0.67 347	0.76 330	0.81 332

PDISCO_ROB	2.86 285	1.53 332	14.27 253	1.98 364	2.19 379	4.52 338	1.35 271	4.65 379	3.19 349	2.09 186	2.16 249	3.53 313	2.45 295	5.32 218	2.12 269	1.30 382	0.78 369	0.72 358	0.59 340	1.24 372	1.28 361

G-Net	4.11 358	1.21 292	19.47 332	2.31 379	2.94 391	4.74 378	2.95 366	3.33 132	2.14 205	4.44 380	9.43 395	6.93 389	3.84 347	9.01 289	4.92 344	0.79 352	0.80 370	0.70 353	0.50 320	0.95 347	0.87 341

PASM	2.67 273	2.05 358	9.71 202	1.73 340	1.37 293	2.53 55	1.52 296	3.10 106	2.17 210	2.79 322	1.84 184	2.90 263	1.85 248	11.89 382	2.19 276	0.81 356	0.85 371	0.87 369	1.01 373	1.14 364	1.05 351

LSM	12.71 414	3.52 379	20.79 378	55.63 438	84.76 437	3.63 162	6.30 401	3.73 177	4.93 391	5.55 388	13.92 411	3.53 313	3.25 332	9.72 302	4.12 332	0.64 332	0.85 371	0.71 354	0.81 364	1.03 353	26.84 428

Anonymous_2	3.01 308	0.89 233	4.53 154	1.06 152	1.18 252	2.93 70	0.87 170	3.24 120	1.46 34	1.86 119	1.35 64	4.11 341	2.35 288	1.64 85	1.28 151	0.82 357	0.90 373	8.71 423	15.84 427	4.44 406	0.74 320

Consistency-Raft	2.86 285	1.66 340	19.61 334	1.40 287	1.75 355	3.84 194	1.32 268	4.07 260	2.25 221	1.78 106	2.67 316	1.82 146	4.41 358	1.94 113	2.06 262	0.83 359	0.94 374	1.03 374	1.12 378	1.70 382	1.09 354

MFN_U_SF_RVC	3.81 348	10.78 412	15.01 264	1.84 353	1.39 298	3.73 174	1.63 308	4.05 256	3.26 357	2.91 328	2.38 292	4.36 355	3.65 344	8.43 277	4.91 343	1.11 373	1.04 375	0.99 373	1.31 385	1.58 379	1.75 379

MFMNet_re	2.91 291	1.91 350	18.25 307	3.06 391	1.89 367	3.13 84	1.67 315	3.52 147	2.97 328	3.14 345	2.87 331	2.26 196	2.41 291	2.42 146	2.00 255	1.10 371	1.05 376	0.94 371	0.90 368	1.28 373	1.46 372

anonymity	1.76 134	1.26 306	2.73 111	1.66 332	1.32 285	1.84 28	1.07 231	3.49 141	2.30 232	2.11 193	2.11 241	1.71 126	3.90 349	1.82 102	1.48 181	1.10 371	1.09 377	1.08 378	1.08 377	1.05 354	1.09 354

SPS-STEREO	3.97 354	1.44 326	20.85 379	1.72 339	1.71 351	3.24 92	2.30 348	3.55 150	2.68 294	4.79 384	3.66 357	5.44 382	2.97 316	9.11 290	9.35 370	1.15 374	1.10 378	1.06 377	1.02 375	1.16 367	1.18 358
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
ELAS_RVC	5.72 386	1.64 339	20.40 367	2.09 369	2.01 373	4.95 385	11.47 411	4.66 380	6.31 402	8.09 404	8.01 383	8.06 395	11.65 405	8.36 275	10.22 373	0.99 368	1.17 379	0.81 366	0.76 357	1.14 364	1.58 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ADCPNet	3.89 349	1.63 336	20.25 361	1.28 243	1.27 277	6.43 398	2.65 358	3.93 222	2.70 295	2.78 321	2.20 256	4.28 351	6.16 382	5.56 226	10.27 374	0.65 335	1.18 380	0.71 354	1.70 392	0.84 341	1.37 366

ELAS	5.99 389	1.62 334	20.29 363	1.96 363	2.01 373	15.09 418	8.38 408	5.23 392	5.54 396	9.02 407	8.61 389	6.74 387	9.75 404	7.48 264	11.40 379	0.96 366	1.18 380	0.72 358	0.93 370	1.30 374	1.67 375
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM+DAISY	8.36 403	3.82 380	24.83 418	2.02 366	1.75 355	14.80 417	17.22 417	4.27 317	11.79 409	13.88 418	14.38 412	11.74 402	13.83 408	10.56 328	15.12 387	1.21 375	1.19 382	1.14 381	1.13 380	1.17 368	1.37 366

WAO-7	5.16 376	3.21 375	18.98 322	1.88 358	1.44 308	5.34 390	3.09 375	4.91 388	5.81 399	4.35 379	8.92 394	6.55 386	6.06 379	13.40 401	10.81 375	1.34 384	1.20 383	1.48 386	1.35 388	1.60 380	1.45 370

MADNet+	3.97 354	9.54 408	13.83 245	1.87 357	1.69 349	4.19 282	2.87 364	4.80 386	4.10 383	2.51 289	2.67 316	4.55 362	3.41 338	8.72 281	6.92 357	1.25 377	1.27 384	1.04 375	0.93 370	1.39 377	1.85 380

NVStereoNet_ROB	4.91 374	1.40 323	16.46 280	1.47 301	1.72 353	3.46 123	1.96 331	3.89 207	3.61 371	2.90 327	24.61 421	4.81 370	4.49 360	13.57 403	4.87 342	1.33 383	1.29 385	1.70 387	1.68 390	1.41 378	1.66 374
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
JetBlue	6.27 392	9.15 405	13.76 239	1.94 362	4.60 414	11.91 411	12.00 412	5.12 390	3.45 368	3.79 364	4.52 368	9.54 397	6.56 387	9.40 297	13.48 384	1.26 378	1.37 386	1.17 382	1.34 387	7.06 417	3.95 412

SQANet	3.70 344	9.34 407	18.41 312	2.75 385	2.74 388	3.40 115	1.47 290	3.50 143	1.68 127	2.60 302	1.75 143	2.69 243	1.91 255	6.72 252	1.74 226	2.96 393	1.41 387	1.85 388	1.12 378	3.17 390	2.70 396

PWCK	5.85 387	9.95 409	15.22 270	2.90 388	1.56 327	5.66 394	7.69 405	5.27 393	4.74 389	3.88 365	7.51 380	8.04 393	5.28 369	15.18 410	8.40 366	3.08 395	1.51 388	2.24 393	1.37 389	5.55 410	1.96 383

MaskLacGwcNet_RVC	3.13 320	1.43 325	9.93 206	2.50 382	1.62 336	4.29 300	1.68 317	3.95 227	2.43 258	1.66 87	1.91 205	3.04 273	1.41 149	13.26 398	1.58 199	3.82 405	1.59 389	1.12 380	0.46 306	2.21 386	2.74 397

DispFullNet	4.64 369	3.48 378	23.95 417	3.99 403	3.03 393	3.35 109	1.06 229	4.18 286	2.80 310	6.33 395	2.94 332	4.04 337	7.81 396	3.92 199	5.16 345	2.75 391	1.61 390	3.10 407	2.68 411	3.32 391	3.31 405

otaku	4.58 368	8.93 402	19.95 345	3.11 392	2.67 386	3.91 207	2.57 356	3.82 191	2.25 221	2.22 230	9.72 397	4.08 339	2.35 288	8.57 279	2.13 272	3.51 400	1.65 391	2.15 392	1.17 381	3.69 396	3.15 400

Ntro	4.21 361	8.94 403	19.89 343	3.22 393	2.96 392	4.15 261	1.89 328	3.92 221	2.36 241	1.77 104	2.14 246	3.35 296	2.17 277	9.48 299	2.24 280	3.52 401	1.76 392	2.13 391	1.31 385	3.83 399	3.09 398

DDUNet	2.91 291	2.78 372	6.94 177	3.53 397	2.26 383	3.28 101	1.36 273	3.77 183	2.04 185	2.62 305	2.49 299	4.18 345	1.69 222	5.38 220	1.85 238	2.21 389	1.77 393	2.61 398	2.43 406	2.60 387	2.34 388

UDG	3.55 339	2.81 373	17.45 298	2.69 384	1.98 371	3.97 227	1.19 255	4.35 343	2.02 180	2.42 280	2.53 305	4.50 358	2.46 296	6.53 243	2.41 290	2.12 388	1.77 393	2.63 399	2.57 408	2.64 388	1.95 382

WAO-8	11.95 411	13.02 417	20.56 373	3.50 395	3.08 395	15.11 419	2.80 361	12.91 413	19.11 420	7.69 400	13.12 407	11.62 400	7.01 391	84.40 442	7.91 363	3.42 398	1.92 395	3.54 413	1.93 401	3.68 394	2.69 394

Venus	11.95 411	13.02 417	20.56 373	3.50 395	3.08 395	15.11 419	2.80 361	12.91 413	19.11 420	7.69 400	13.12 407	11.62 400	7.01 391	84.40 442	7.91 363	3.42 398	1.92 395	3.54 413	1.93 401	3.68 394	2.69 394

CC-Net-ROB	3.35 334	1.76 346	13.89 246	2.33 380	1.65 343	4.49 330	1.62 307	4.73 383	2.90 323	1.92 134	2.05 229	1.99 173	1.61 196	12.57 395	1.60 203	2.46 390	2.18 397	2.68 400	1.04 376	2.11 385	1.38 368

ACVNet_2	5.41 380	12.60 416	20.42 369	3.27 394	3.15 398	4.50 333	3.02 371	4.66 380	3.73 375	3.35 356	5.36 374	7.86 392	2.88 312	12.33 390	4.76 340	3.12 396	2.22 398	2.70 401	1.69 391	3.49 392	3.10 399

ACVNet-4b	6.73 395	13.67 420	21.87 406	3.54 398	3.07 394	4.19 282	2.25 345	4.03 248	3.65 372	1.64 83	3.98 364	5.88 383	2.89 313	10.01 315	16.98 399	23.29 432	2.24 399	2.53 395	1.78 395	3.87 400	3.21 403

RainbowNet	4.56 366	8.28 396	20.07 351	3.64 401	3.23 400	4.15 261	2.99 370	4.18 286	3.03 336	2.20 221	2.65 315	4.26 350	2.90 314	9.77 303	2.12 269	3.88 406	2.27 400	2.71 402	1.72 394	3.78 398	3.31 405

Dean	7.52 400	9.08 404	21.41 397	3.74 402	3.53 401	4.81 382	3.53 384	5.33 397	5.25 393	4.17 374	26.53 422	25.62 422	4.09 353	10.97 343	4.32 333	3.69 403	2.30 401	2.91 403	1.87 399	4.03 401	3.24 404

ACVNet_1	6.04 390	13.97 422	21.36 396	3.58 399	3.14 397	4.73 375	2.48 351	4.20 289	3.17 347	2.98 336	2.83 330	23.31 416	4.34 357	11.06 349	2.45 292	3.68 402	2.33 402	2.60 397	1.79 396	3.69 396	3.19 402

MFN_U_SF_DS_RVC	3.94 352	10.88 413	12.30 227	1.26 237	1.55 324	5.19 389	3.33 379	4.42 353	2.82 318	2.58 298	2.62 312	5.00 374	2.11 268	14.03 409	2.73 308	1.28 379	2.34 403	0.67 350	1.83 397	0.81 337	1.03 350

WAO-6	5.87 388	2.27 361	15.05 265	2.96 389	2.77 389	12.01 412	3.58 387	5.37 398	11.91 410	3.34 354	9.69 396	6.78 388	5.84 376	11.82 379	8.89 369	2.87 392	2.35 404	2.50 394	1.84 398	2.85 389	2.67 393

TorneroNet-64	10.12 405	8.74 398	20.95 384	4.27 406	3.76 406	13.86 416	2.85 363	15.05 418	23.15 423	10.07 412	23.84 420	13.47 405	8.24 400	13.96 408	17.21 401	3.96 407	2.72 405	3.23 408	2.48 407	6.29 411	4.27 415

TorneroNet	25.88 424	11.28 414	21.62 403	4.20 405	4.07 409	55.25 435	3.15 376	15.16 419	76.94 439	58.09 435	82.72 441	86.88 441	41.15 428	13.35 400	18.13 405	4.32 408	2.85 406	3.45 409	2.62 409	8.33 423	4.14 414

UNDER WATER-64	9.33 404	5.37 387	22.60 410	5.22 417	4.86 415	10.75 410	4.61 398	11.45 409	17.30 415	7.59 399	9.80 398	15.99 409	17.90 414	10.63 331	15.72 390	4.36 409	2.87 407	4.39 417	2.86 414	7.01 416	5.36 419

UNDER WATER	10.47 406	3.95 381	22.62 411	5.07 416	4.51 413	7.78 406	3.77 390	12.56 412	21.72 422	7.84 402	10.78 400	23.96 418	31.66 423	10.78 336	16.19 395	4.44 411	2.93 408	4.24 416	2.86 414	6.33 413	5.47 420

LVE	6.88 398	9.31 406	21.14 388	3.61 400	3.18 399	4.49 330	2.79 360	10.21 408	11.69 408	3.16 348	11.53 404	18.33 410	4.31 356	11.66 370	3.52 326	4.45 412	2.93 408	2.56 396	1.91 400	3.62 393	3.16 401

IMH-64-1	4.84 372	2.53 367	6.83 174	4.30 408	3.74 403	4.81 382	6.05 399	5.30 394	3.92 378	3.95 368	8.33 386	5.08 377	6.06 379	8.96 287	6.30 348	4.57 414	2.96 410	3.04 404	2.12 403	4.28 403	3.62 408

IMH-64	4.84 372	2.53 367	6.83 174	4.30 408	3.74 403	4.81 382	6.05 399	5.30 394	3.92 378	3.95 368	8.33 386	5.08 377	6.06 379	8.96 287	6.30 348	4.57 414	2.96 410	3.04 404	2.12 403	4.28 403	3.62 408

KSHMR	16.96 417	5.37 387	21.64 405	4.46 411	4.50 412	8.30 408	3.32 378	15.58 421	76.24 438	6.62 397	61.47 436	56.53 436	5.43 372	35.17 428	11.37 378	4.39 410	2.97 412	3.63 415	2.74 413	5.10 409	4.34 416

IMH	6.81 397	13.66 419	20.41 368	4.33 410	3.74 403	5.50 391	3.06 373	5.49 400	6.22 400	4.64 383	10.35 399	9.30 396	8.03 399	13.61 404	6.81 353	4.80 417	2.99 413	3.09 406	2.12 403	4.36 405	3.61 407

notaker	10.50 408	8.60 397	20.23 357	4.54 413	3.95 407	6.27 396	3.44 380	8.07 406	4.75 390	8.73 405	46.45 431	13.86 408	27.86 422	13.49 402	13.61 385	4.56 413	3.18 414	3.52 412	2.68 411	8.13 422	4.05 413

ktn	21.74 422	10.34 410	19.68 336	4.53 412	4.00 408	6.53 399	4.51 397	6.79 403	78.82 440	84.69 440	100.86 444	58.49 437	7.57 395	12.11 387	13.35 383	4.58 416	3.24 415	3.49 410	2.62 409	4.65 407	3.84 411

MSC_U_SF_DS_RVC	4.48 365	10.62 411	15.18 269	1.55 318	1.45 311	6.16 395	3.54 386	5.41 399	3.68 374	2.59 301	2.74 320	4.81 370	2.20 280	13.79 406	4.40 334	2.04 387	3.36 416	1.05 376	1.20 383	2.09 384	1.72 377

JetRed	10.48 407	27.10 427	35.70 424	4.27 406	4.09 410	15.55 421	12.83 413	12.16 410	5.50 395	5.83 390	5.56 376	10.14 398	7.43 393	8.88 284	26.39 422	3.32 397	3.81 417	3.51 411	2.96 416	7.85 419	6.69 422

STTRV1_RVC	3.52 338	1.03 262	20.87 381	1.47 301	1.47 312	3.23 89	1.55 302	4.06 258	3.22 354	1.95 142	3.50 355	2.63 240	2.07 266	11.96 385	2.21 278	1.86 386	4.03 418	0.81 366	0.73 354	1.06 355	0.70 311

PML	64.32 439	53.22 438	17.88 303	8.10 420	32.94 427	148.46 445	247.79 446	12.18 411	45.42 435	111.41 442	288.92 446	101.47 444	101.31 444	31.67 424	15.55 388	14.03 425	4.83 419	10.98 424	6.18 420	28.82 428	5.17 417

MADNet++	7.57 402	5.80 391	13.28 233	6.38 418	5.26 416	7.18 401	7.77 406	5.32 396	5.62 397	6.11 393	7.78 381	6.02 385	8.01 398	11.74 375	16.36 396	9.36 421	4.95 420	8.57 422	5.66 419	4.83 408	5.34 418

DPSMNet_ROB	15.52 416	8.89 401	31.44 423	10.07 424	18.91 422	12.44 414	33.22 426	13.51 416	17.94 419	9.58 410	22.91 419	13.79 407	19.67 416	21.43 415	23.73 417	5.17 419	8.84 421	5.63 419	11.52 426	6.79 415	14.90 425

DGTPSM_ROB	15.31 415	8.85 400	28.14 422	9.90 423	18.89 421	12.44 414	33.21 425	13.48 415	17.86 418	9.50 409	22.89 418	13.78 406	19.67 416	21.26 414	23.68 416	5.08 418	8.84 421	5.62 418	11.50 423	6.72 414	14.87 424

SPstereo	30.42 426	11.55 415	18.72 317	8.51 421	9.93 418	50.05 434	82.85 442	71.73 440	35.92 431	30.73 428	29.66 423	48.61 435	42.30 436	47.77 439	58.10 439	7.32 420	8.89 423	20.37 428	10.07 422	7.98 421	7.43 423

Anonymous_1	57.11 438	19.68 424	26.15 419	23.10 426	142.31 442	30.84 425	39.75 428	33.86 430	16.98 414	70.53 439	15.42 414	23.46 417	19.75 418	23.04 417	27.23 423	164.73 444	9.02 424	130.38 440	137.40 441	161.27 445	27.24 429

DPSM_ROB	20.78 420	20.03 425	26.57 420	23.62 427	22.46 423	31.10 426	39.97 429	33.52 428	17.41 416	15.25 419	15.80 415	24.06 419	20.71 419	23.30 419	27.62 424	10.78 423	9.41 425	11.69 425	11.50 423	14.49 425	16.36 426

DPSM	20.78 420	20.03 425	26.57 420	23.62 427	22.46 423	31.10 426	39.97 429	33.52 428	17.41 416	15.25 419	15.80 415	24.06 419	20.71 419	23.30 419	27.62 424	10.78 423	9.41 425	11.69 425	11.50 423	14.49 425	16.36 426

DGSMNet	7.55 401	1.62 334	17.42 297	1.92 359	12.73 419	7.45 405	42.99 431	4.13 275	2.07 189	2.10 189	3.16 345	3.42 299	1.70 223	9.24 294	2.30 283	3.70 404	10.89 427	11.80 427	5.54 418	4.24 402	2.66 392

tt	7.19 399	0.51 12	6.83 174	4.03 404	2.30 384	12.05 413	20.19 422	15.46 420	6.58 403	3.42 358	3.22 346	5.37 381	6.39 386	4.20 206	7.46 361	9.81 422	11.53 428	7.05 420	7.46 421	6.31 412	3.71 410

Selective-RAFT-Error	41.77 428	40.16 433	53.34 434	47.73 433	45.25 435	62.51 439	80.64 437	67.22 437	34.93 426	30.64 427	31.81 428	48.11 429	42.11 434	46.57 433	54.95 433	21.61 430	18.87 429	23.48 432	23.15 429	29.16 432	33.08 432

MyStereo03	41.77 428	40.13 430	53.46 436	47.73 433	45.04 431	62.50 436	80.72 439	66.91 434	34.93 426	30.53 424	31.77 425	48.26 431	41.67 430	46.68 436	55.85 436	21.53 426	18.88 430	23.46 429	23.21 430	29.14 429	33.09 433

MyStereo02	41.77 428	40.13 430	53.46 436	47.73 433	45.04 431	62.50 436	80.72 439	66.91 434	34.93 426	30.53 424	31.77 425	48.26 431	41.67 430	46.68 436	55.85 436	21.53 426	18.88 430	23.46 429	23.21 430	29.14 429	33.09 433

MyStereo	41.77 428	40.13 430	53.46 436	47.73 433	45.04 431	62.50 436	80.72 439	66.91 434	34.93 426	30.53 424	31.77 425	48.26 431	41.67 430	46.68 436	55.85 436	21.53 426	18.88 430	23.46 429	23.21 430	29.14 429	33.09 433

CasAABBNet	41.80 432	40.20 434	53.41 435	47.73 433	45.18 434	62.51 439	80.71 438	67.26 438	34.80 425	30.49 423	31.88 429	48.24 430	41.81 433	46.63 435	55.64 435	21.60 429	18.88 430	23.48 432	23.22 433	29.19 433	33.05 431

LSM0	49.58 436	40.04 429	53.62 439	97.15 439	128.68 441	62.75 441	79.89 436	67.63 439	35.11 430	33.02 429	32.61 430	48.43 434	41.60 429	46.60 434	55.43 434	21.63 431	18.99 434	23.62 434	23.13 428	29.47 434	52.26 440

LRCNet_RVC	25.52 423	33.45 428	23.21 415	31.79 429	32.78 426	6.74 400	1.18 252	25.88 424	4.46 384	28.94 422	30.89 424	24.91 421	17.57 413	27.66 423	24.34 419	35.26 434	25.60 435	35.91 435	33.81 434	31.90 435	34.10 436

HaxPig	43.25 433	43.65 435	45.00 429	33.85 430	35.61 428	32.69 428	30.52 423	45.09 431	42.97 433	48.77 431	48.17 433	43.00 425	40.26 426	44.58 431	43.61 429	47.18 435	49.30 436	51.54 437	50.25 436	43.73 436	45.29 437

AVERAGE_ROB	44.46 434	45.91 436	46.59 430	40.59 432	38.66 429	32.99 429	30.52 423	46.19 432	43.26 434	49.59 432	48.97 434	44.62 427	39.89 425	45.04 432	43.94 430	48.74 436	50.69 437	50.80 436	49.79 435	45.54 437	46.97 438

MEDIAN_ROB	47.37 435	49.08 437	49.92 432	40.32 431	39.97 430	34.95 430	33.43 427	49.17 433	46.39 436	53.06 434	52.65 435	47.65 428	42.23 435	48.35 440	47.29 431	52.10 437	54.04 438	54.28 438	53.48 437	48.76 438	50.33 439

HanzoNet	31.60 427	17.23 423	21.22 393	7.32 419	5.84 417	7.25 403	3.53 384	13.82 417	14.20 413	50.38 433	47.01 432	44.45 426	56.61 438	36.61 429	32.00 428	63.89 438	56.57 439	7.97 421	89.20 439	28.69 427	28.25 430

DPSimNet_ROB	102.30 441	119.72 445	143.59 444	109.42 441	94.10 438	127.22 444	127.15 444	26.62 425	102.36 445	149.58 445	83.99 442	139.34 445	137.54 445	64.62 441	82.36 444	105.18 440	66.15 440	120.15 439	69.61 438	99.58 440	77.72 441

ASD4	103.30 442	113.98 444	120.24 443	106.67 440	79.75 436	115.36 443	120.35 443	119.13 445	79.65 444	120.04 443	74.64 437	101.45 443	65.48 439	109.11 445	84.31 445	104.31 439	90.04 441	133.15 441	103.58 440	130.15 441	94.66 442

xxxxx1	112.33 443	88.53 441	37.76 426	227.84 444	157.23 443	39.05 431	61.41 433	93.76 442	79.29 441	62.45 436	74.79 438	78.32 438	70.96 440	33.47 425	70.69 440	114.00 441	130.36 442	259.31 443	274.34 443	145.54 442	147.50 443

tt_ll	112.33 443	88.53 441	37.76 426	227.84 444	157.23 443	39.05 431	61.41 433	93.76 442	79.29 441	62.45 436	74.79 438	78.32 438	70.96 440	33.47 425	70.69 440	114.00 441	130.36 442	259.31 443	274.34 443	145.54 442	147.50 443

ff	112.33 443	88.53 441	37.76 426	227.84 444	157.23 443	39.05 431	61.41 433	93.76 442	79.29 441	62.45 436	74.79 438	78.32 438	70.96 440	33.47 425	70.69 440	114.00 441	130.36 442	259.31 443	274.34 443	145.54 442	147.50 443

FADE	78.44 440	13.79 421	36.09 425	10.71 425	13.34 420	4.15 261	4.14 396	28.60 426	8.36 404	5.15 387	3.88 362	11.85 403	36.55 424	44.37 430	28.26 426	474.90 446	161.58 445	347.36 446	322.13 446	7.29 418	6.23 421

test_example2	212.63 446	219.92 446	221.87 446	213.67 443	221.17 446	199.47 446	200.74 445	185.30 446	141.66 446	209.52 446	213.45 445	210.82 446	205.48 446	221.27 446	216.64 446	236.83 445	242.07 446	213.93 442	217.01 442	235.69 446	226.10 446

Low-res two-view benchmark