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

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

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

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

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

EGLCR-Stereo	0.37 3	0.22 10	0.51 25	0.43 9	0.26 22	0.44 18	0.22 2	0.99 68	0.48 5	0.42 5	0.42 2	0.67 71	0.29 3	0.86 73	0.33 17	0.17 33	0.12 9	0.19 53	0.17 78	0.17 26	0.15 29

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

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

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

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

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

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

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

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

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

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

IGEV-Stereo	0.43 17	0.27 72	0.54 34	0.45 34	0.32 110	0.50 42	0.42 101	0.90 41	0.51 14	0.49 23	0.53 11	0.47 21	0.47 42	1.32 144	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
AEACV	0.37 3	0.24 21	0.52 28	0.47 43	0.51 249	0.37 8	0.38 74	0.65 4	0.53 17	0.42 5	0.56 19	0.46 17	0.60 100	0.53 7	0.30 2	0.16 12	0.13 44	0.18 39	0.15 33	0.17 26	0.14 13

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Patchmatch Stereo++	0.55 81	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.29 21	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.37 154	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.41 99	1.04 85	0.64 29	1.12 142	0.96 77	0.82 107	0.61 110	1.06 110	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	0.62 115	0.30 131	0.83 184	0.48 55	0.36 150	0.95 226	0.33 37	2.37 374	0.67 43	1.25 217	1.00 90	0.68 73	0.51 61	0.91 80	0.61 177	0.18 61	0.15 128	0.21 100	0.17 78	0.19 75	0.19 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MC-Stereo	0.43 17	0.23 15	0.48 16	0.51 98	0.28 54	0.39 9	0.32 34	0.88 34	0.68 46	0.60 42	0.84 58	0.56 45	0.61 110	1.03 103	0.31 6	0.17 33	0.11 3	0.17 17	0.15 33	0.16 14	0.13 4

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

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

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

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

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

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

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

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

R-Stereo Train	0.57 95	0.26 49	0.63 70	0.54 138	0.36 150	0.69 137	0.54 195	1.22 147	0.72 54	1.61 322	1.50 268	0.75 87	0.53 68	0.64 29	0.44 88	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64

RAFT-Stereo	0.57 95	0.26 49	0.63 70	0.54 138	0.36 150	0.69 137	0.54 195	1.22 147	0.72 54	1.61 322	1.50 268	0.75 87	0.53 68	0.64 29	0.44 88	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Anonymous	0.53 52	0.38 246	0.91 216	0.66 268	0.73 325	0.65 113	0.59 234	0.95 55	0.73 57	0.47 16	0.58 21	0.42 5	0.60 100	0.80 59	0.53 149	0.24 211	0.23 269	0.21 100	0.21 176	0.41 305	0.29 250

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

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

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

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

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

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

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

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

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

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

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

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

CASnet	0.41 13	0.25 38	0.48 16	0.50 75	0.20 2	0.50 42	0.36 61	0.81 23	0.80 70	0.83 75	0.68 29	0.48 24	0.31 6	0.54 9	0.32 8	0.18 61	0.12 9	0.27 242	0.22 202	0.23 183	0.14 13
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.54 66	0.25 38	0.64 76	0.47 43	0.30 83	0.97 234	0.27 16	1.24 153	0.81 71	0.96 95	1.12 142	1.28 252	0.48 50	0.71 41	0.36 35	0.17 33	0.13 44	0.17 17	0.14 25	0.16 14	0.16 44

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

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

CroCo-Stereo	0.40 10	0.31 163	0.73 135	0.58 187	0.27 35	0.26 1	0.33 37	0.95 55	0.81 71	0.42 5	0.47 6	0.65 67	0.47 42	0.39 1	0.34 25	0.18 61	0.15 128	0.16 11	0.14 25	0.19 75	0.16 44
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
Anonymous3	0.61 112	0.44 270	1.11 275	0.59 200	0.49 233	0.93 220	0.65 246	0.93 48	0.81 71	0.72 56	0.88 65	0.65 67	0.69 134	1.06 110	0.53 149	0.35 312	0.30 315	0.26 231	0.26 258	0.31 262	0.27 236

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

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

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

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

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

CASS	0.65 136	0.34 212	0.72 123	0.56 170	0.27 35	0.78 176	0.42 101	1.59 225	0.86 80	1.30 239	1.25 184	0.87 131	0.84 186	0.84 68	0.54 155	0.35 312	0.19 214	0.26 231	0.21 176	0.28 241	0.42 313
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SST-Stereo	0.83 222	0.28 88	0.72 123	0.59 200	0.31 95	0.72 149	0.26 10	1.09 111	0.86 80	1.47 294	1.10 131	1.00 173	0.87 201	5.73 364	0.45 96	0.22 172	0.13 44	0.23 155	0.19 112	0.23 183	0.18 82

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

iRaft-Stereo_5w	0.85 230	0.29 115	0.91 216	0.53 123	0.43 202	0.49 33	0.68 256	0.99 68	0.87 84	0.79 65	1.34 221	1.46 283	0.91 215	5.11 347	1.11 279	0.17 33	0.14 78	0.22 126	0.18 92	0.20 102	0.20 139

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

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

GMM-Stereo	0.74 183	0.25 38	0.59 56	0.54 138	0.34 141	0.72 149	0.99 324	1.01 77	0.87 84	1.36 267	1.78 317	1.12 211	0.81 171	2.09 261	0.46 109	0.18 61	0.12 9	0.25 212	0.25 244	0.20 102	0.85 377

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

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

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

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

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

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

ICVP	0.63 121	0.33 193	0.57 48	0.61 223	0.40 188	0.80 185	0.58 227	1.61 231	0.89 91	0.90 83	1.24 180	0.88 134	0.73 140	0.72 44	0.88 248	0.29 276	0.21 247	0.22 126	0.21 176	0.24 197	0.27 236
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
EKT-Stereo	0.53 52	0.30 131	0.73 135	0.58 187	0.60 291	0.51 53	0.48 161	0.94 52	0.90 95	0.71 53	0.88 65	0.77 91	0.43 25	1.07 114	0.40 62	0.22 172	0.16 159	0.21 100	0.18 92	0.20 102	0.22 171

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

AAGNet	1.83 361	0.28 88	0.72 123	0.61 223	0.32 110	0.67 126	0.51 176	0.96 63	0.98 125	1.47 294	1.20 170	1.00 173	1.18 293	2.83 299	22.77 426	0.22 172	0.13 44	0.22 126	0.19 112	0.23 183	0.15 29

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

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

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

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

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

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

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

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

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

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

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

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

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

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

HITNet	0.65 136	0.40 255	0.77 164	0.48 55	0.24 11	1.05 246	0.49 168	1.76 265	1.02 142	1.18 186	1.18 164	0.89 138	0.80 168	0.85 70	0.79 228	0.17 33	0.12 9	0.21 100	0.17 78	0.29 246	0.15 29
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
RAFT+CT+SA	0.58 100	0.29 115	0.60 60	0.66 268	0.37 158	0.42 14	0.55 208	1.27 157	1.03 145	0.70 51	1.22 174	0.60 56	0.70 137	1.64 205	0.41 69	0.18 61	0.13 44	0.22 126	0.22 202	0.21 136	0.18 82

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

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

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

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

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

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

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

Any-RAFT	0.53 52	0.24 21	0.47 14	0.47 43	0.27 35	1.00 240	0.25 4	1.58 224	1.05 153	0.85 81	0.99 87	1.06 190	0.47 42	0.70 37	0.32 8	0.18 61	0.13 44	0.16 11	0.13 12	0.16 14	0.16 44

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

UPFNet	0.80 209	0.32 177	0.90 213	0.59 200	0.74 327	1.26 283	0.80 285	1.52 209	1.10 175	1.30 239	1.12 142	1.30 256	0.84 186	1.67 211	1.09 274	0.24 211	0.24 278	0.24 175	0.23 222	0.25 207	0.18 82

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

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

CREStereo	0.39 6	0.21 4	0.38 5	0.34 1	0.22 5	0.53 60	0.29 21	0.77 12	1.11 177	0.58 35	0.71 35	0.51 34	0.41 20	0.54 9	0.34 25	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.14 13
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
MaskLacGwcNet_RVC	1.10 294	1.02 370	1.00 241	0.82 339	0.67 309	1.93 350	0.93 314	1.62 234	1.11 177	1.15 161	1.25 184	1.50 291	0.79 163	1.96 251	0.76 214	1.89 393	0.34 331	0.79 378	0.36 331	1.25 388	0.83 375

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

panet	0.39 6	0.21 4	0.37 2	0.36 2	0.20 2	0.53 60	0.29 21	0.78 13	1.12 181	0.59 41	0.71 35	0.53 42	0.42 22	0.54 9	0.34 25	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.13 4

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

GMStereo_Zeroshot	0.67 153	0.61 328	1.01 245	0.64 251	0.37 158	0.84 201	0.35 51	1.05 91	1.12 181	1.12 142	1.06 116	1.27 249	0.54 71	1.19 128	0.59 168	0.32 292	0.17 185	0.31 273	0.18 92	0.52 341	0.22 171

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DANet	1.08 289	0.61 328	1.32 306	0.85 348	0.72 322	1.37 296	0.51 176	1.54 217	1.15 203	1.78 338	1.54 274	2.01 347	1.11 282	2.90 302	2.00 353	0.33 297	0.30 315	0.40 334	0.30 302	0.44 322	0.45 321
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CFNet_RVC	0.72 166	0.32 177	0.54 34	0.66 268	0.54 263	0.83 194	0.55 208	1.37 172	1.15 203	0.93 88	1.28 198	1.57 300	0.97 242	1.35 150	0.81 232	0.26 249	0.20 231	0.33 293	0.25 244	0.30 255	0.23 188

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

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

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

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

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

GEStereo_RVC	0.90 245	0.37 241	0.99 236	0.64 251	0.50 239	0.95 226	0.79 279	2.42 377	1.17 209	1.16 172	1.11 136	1.26 245	0.92 218	3.24 313	0.90 251	0.29 276	0.19 214	0.23 155	0.20 140	0.27 227	0.29 250

StereoDRNet-Refined	0.80 209	0.41 261	0.88 205	0.62 234	0.42 197	1.33 291	0.48 161	1.52 209	1.17 209	1.45 291	1.44 250	1.44 279	0.90 212	1.26 136	1.24 292	0.20 122	0.16 159	0.27 242	0.24 233	0.25 207	0.28 247
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
FADNet-RVC	0.88 240	0.67 337	1.93 356	0.60 211	0.48 230	0.91 211	0.60 238	1.71 251	1.18 214	0.90 83	0.96 77	1.36 266	0.92 218	2.25 275	1.17 286	0.30 280	0.29 311	0.32 286	0.32 312	0.41 305	0.35 289

NLCA_NET_v2_RVC	0.79 206	0.43 267	1.05 259	0.64 251	0.58 281	0.95 226	0.53 191	1.53 215	1.18 214	1.37 269	1.15 156	1.43 275	0.88 205	1.61 202	0.84 242	0.25 235	0.22 261	0.27 242	0.27 266	0.29 246	0.29 250
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.70 160	0.43 267	0.75 151	0.73 314	0.37 158	0.92 217	0.53 191	1.85 286	1.18 214	1.12 142	1.23 178	1.07 196	0.65 128	0.96 87	0.63 184	0.31 287	0.15 128	0.32 286	0.21 176	0.29 246	0.22 171
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
RAFT + AFF	1.00 274	0.42 264	1.09 270	0.67 278	0.50 239	1.22 278	1.24 350	2.24 363	1.19 217	1.30 239	1.56 280	1.17 221	1.49 335	3.44 321	0.83 239	0.21 149	0.25 285	0.30 269	0.26 258	0.27 227	0.27 236

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

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

HSM	1.19 311	0.32 177	0.65 80	0.57 181	0.38 175	1.23 279	0.59 234	2.25 364	1.19 217	1.30 239	1.25 184	1.94 340	1.03 265	9.32 408	0.71 201	0.22 172	0.16 159	0.20 77	0.16 62	0.21 136	0.21 156

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

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

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

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

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

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

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

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

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

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

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

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

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

MLCV	0.72 166	0.34 212	1.10 273	0.51 98	0.23 8	0.91 211	0.39 85	1.33 163	1.23 233	1.46 293	1.55 276	1.01 180	0.64 123	1.95 250	0.80 231	0.18 61	0.12 9	0.18 39	0.14 25	0.19 75	0.17 64

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

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

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

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

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

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

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

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

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

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

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

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

ccnet	1.12 299	0.67 337	1.01 245	0.78 327	0.73 325	1.72 331	0.99 324	1.84 285	1.26 245	1.47 294	1.85 326	1.75 328	1.29 313	1.75 224	1.88 347	0.57 367	0.53 379	0.57 371	0.55 370	0.59 353	0.54 343

RGC	1.14 304	0.79 355	1.26 296	0.91 364	0.96 367	1.52 313	0.77 274	1.92 304	1.26 245	1.54 311	1.93 335	2.02 349	1.54 337	2.25 275	1.31 302	0.44 345	0.35 339	0.58 372	0.48 358	0.47 328	0.46 325

CC-Net-ROB	1.49 336	1.26 384	1.27 299	0.88 356	0.79 342	1.76 335	1.00 326	1.79 274	1.26 245	1.10 136	1.61 292	1.21 228	0.99 254	8.13 401	0.84 242	1.09 389	0.41 357	2.20 395	0.46 354	1.20 387	0.48 331

TDLM	1.06 284	0.44 270	0.79 174	0.63 242	0.50 239	0.89 206	1.44 362	1.48 195	1.26 245	1.12 142	1.40 240	1.08 197	0.98 246	6.65 378	0.78 222	0.33 297	0.21 247	0.33 293	0.26 258	0.37 286	0.24 200

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

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

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

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

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

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

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

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

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

HSM-Net_RVC	0.87 239	0.29 115	0.53 30	0.53 123	0.30 83	1.15 265	0.55 208	3.57 395	1.28 257	1.53 307	1.74 311	1.68 318	0.93 224	1.49 181	0.77 220	0.22 172	0.17 185	0.19 53	0.18 92	0.20 102	0.19 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_ucs	0.70 160	0.33 193	0.88 205	0.50 75	0.43 202	0.74 155	0.44 129	1.60 228	1.29 261	1.22 202	1.54 274	1.09 204	0.63 120	0.99 95	0.59 168	0.25 235	0.20 231	0.37 320	0.21 176	0.40 302	0.28 247

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

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

CREStereo++_RVC	0.47 34	0.21 4	0.38 5	0.45 34	0.38 175	0.45 19	0.25 4	0.75 9	1.29 261	0.80 67	1.21 172	0.47 21	0.37 13	0.53 7	0.44 88	0.16 12	0.11 3	0.15 3	0.80 384	0.18 45	0.11 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
xxxx	1.51 339	0.28 88	0.68 93	0.54 138	0.28 54	1.16 267	0.44 129	2.19 357	1.29 261	1.09 128	1.36 228	1.22 230	0.85 189	1.79 232	15.70 419	0.24 211	0.21 247	0.21 100	0.20 140	0.22 158	0.23 188

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

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

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

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

DCANet	0.54 66	0.24 21	0.70 108	0.43 9	0.24 11	0.49 33	0.36 61	1.05 91	1.30 267	1.12 142	1.03 110	0.58 51	0.92 218	0.81 63	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.18 45	0.19 116

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

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

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

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

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

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

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

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

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

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

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

ttt	0.94 255	0.34 212	0.59 56	0.61 223	0.37 158	0.94 222	0.50 175	2.17 355	1.34 282	1.23 205	1.61 292	0.91 140	0.76 152	1.85 239	3.97 382	0.30 280	0.26 289	0.26 231	0.24 233	0.29 246	0.29 250

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

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

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

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

Abc-Net	1.10 294	0.54 304	1.24 293	0.84 343	0.94 364	1.29 287	0.89 302	2.01 324	1.34 282	1.32 251	1.74 311	1.88 330	1.74 354	2.35 280	1.25 293	0.45 346	0.37 346	0.45 344	0.58 373	0.42 310	0.42 313
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	1.99 371	0.48 287	7.73 402	0.66 268	0.91 360	2.30 368	1.05 332	1.82 280	1.34 282	1.54 311	1.32 214	1.74 325	1.61 344	2.17 266	13.37 412	0.24 211	0.21 247	0.32 286	0.28 283	0.37 286	0.29 250

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

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

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

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

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

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

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

SGM-Forest	1.24 313	0.38 246	0.60 60	0.52 114	0.37 158	1.56 317	1.30 355	1.65 238	1.36 293	2.11 361	1.79 318	1.63 310	0.93 224	7.48 395	0.95 256	0.36 315	0.37 346	0.39 329	0.34 323	0.37 286	0.32 278
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
mmx	1.39 330	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	2.13 340	1.37 297	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 397	0.24 211	0.19 214	0.31 273	0.27 266	0.30 255	0.25 212

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

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

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

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

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

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

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

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

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

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

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

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

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

GMStereo	0.55 81	0.45 276	0.94 224	0.50 75	0.32 110	0.64 101	0.43 117	1.00 72	1.40 310	0.82 74	0.73 39	0.51 34	0.45 32	0.85 70	0.55 159	0.24 211	0.15 128	0.20 77	0.21 176	0.31 262	0.24 200
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
NOSS_ROB	1.26 316	0.46 278	0.62 67	0.56 170	0.38 175	1.06 249	0.78 276	1.73 253	1.40 310	1.01 109	1.43 247	1.10 206	0.75 144	10.62 418	0.65 189	0.45 346	0.43 360	0.48 350	0.45 351	0.44 322	0.41 309

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

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

MDST_ROB	1.67 352	0.34 212	1.58 335	0.92 366	0.58 281	4.26 405	1.11 337	2.83 385	1.41 313	4.49 405	2.55 367	1.45 281	0.97 242	7.79 398	1.17 286	0.31 287	0.25 285	0.37 320	0.33 318	0.31 262	0.30 262

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

CBMV	0.95 258	0.44 270	0.66 86	0.53 123	0.35 144	1.53 314	1.63 373	1.69 247	1.42 316	2.00 357	1.60 288	1.43 275	1.17 290	1.59 200	0.99 264	0.34 305	0.34 331	0.39 329	0.33 318	0.33 273	0.32 278
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PA-Net	1.01 277	0.57 314	1.29 301	0.64 251	0.74 327	1.19 274	0.84 291	1.69 247	1.43 318	1.16 172	1.19 167	1.32 260	1.19 296	3.42 319	1.25 293	0.29 276	0.45 367	0.33 293	0.49 361	0.32 267	0.47 328
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DRN-Test	1.00 274	0.44 270	1.13 279	0.70 296	0.81 349	1.62 322	0.79 279	2.14 344	1.44 319	1.78 338	1.33 216	1.43 275	1.05 270	2.18 269	1.53 333	0.27 258	0.21 247	0.31 273	0.30 302	0.32 267	0.28 247

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

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

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

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

AnyNet_C32	1.96 369	1.10 374	5.17 394	0.90 361	1.11 374	2.12 362	2.37 404	1.85 286	1.48 323	2.45 373	1.70 307	2.05 352	1.64 346	2.50 288	10.28 408	0.37 319	0.34 331	0.35 310	0.41 343	0.49 334	0.54 343

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

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

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

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

GANetREF_RVC	1.07 286	0.86 360	1.31 303	0.82 339	0.53 260	1.41 305	1.31 356	1.76 265	1.52 329	1.27 224	1.31 208	1.46 283	1.24 307	2.03 256	0.96 260	0.56 366	0.45 367	0.67 374	0.50 364	0.88 376	0.59 354
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.67 352	1.04 371	1.23 290	1.21 382	1.13 379	1.82 343	1.11 337	2.16 349	1.52 329	3.07 393	2.32 357	2.82 378	1.80 359	4.11 330	2.04 354	1.03 386	0.99 405	0.97 383	0.94 391	1.03 382	1.02 382
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
pmcnn	2.37 381	0.42 264	2.71 381	0.63 242	0.43 202	1.54 315	1.19 347	2.01 324	1.53 331	2.64 378	7.60 408	18.07 423	1.45 329	3.44 321	2.78 367	0.18 61	0.15 128	0.15 3	0.12 10	0.20 102	0.18 82

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

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

AANet_RVC	1.16 309	0.52 300	1.49 330	0.65 263	0.45 215	0.75 161	0.69 260	1.42 182	1.55 334	1.34 262	1.87 329	1.53 295	0.78 161	7.43 393	1.38 311	0.25 235	0.17 185	0.19 53	0.16 62	0.22 158	0.26 230

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

iResNet_ROB	0.77 197	0.30 131	0.99 236	0.57 181	0.36 150	0.83 194	0.36 61	2.33 370	1.58 335	1.27 224	1.30 203	1.25 241	0.84 186	1.65 206	0.79 228	0.20 122	0.14 78	0.17 17	0.12 10	0.18 45	0.27 236

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

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

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

SGM+DAISY	2.41 384	1.07 372	2.14 364	1.18 381	1.10 373	2.14 363	1.36 358	1.96 313	1.66 340	5.46 413	7.07 405	4.95 398	4.32 405	5.50 357	2.26 360	1.04 387	1.02 408	0.99 385	0.97 393	1.02 381	1.04 384

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

SGM_RVC	1.68 354	0.36 235	0.61 63	0.59 200	0.29 66	2.25 366	1.18 346	2.38 375	1.68 342	3.60 395	2.67 370	3.69 387	2.42 384	8.13 401	1.90 348	0.31 287	0.31 321	0.30 269	0.28 283	0.30 255	0.29 250
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MFN_U_SF_RVC	1.52 340	0.84 357	3.42 385	0.87 355	0.66 307	2.56 377	0.95 318	2.36 373	1.70 343	1.98 354	1.86 327	2.45 368	1.79 358	2.95 303	2.58 363	0.52 359	0.48 372	0.55 366	0.59 376	0.59 353	0.61 358

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

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

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

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

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

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

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

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

FCDSN-DC	2.32 379	0.63 332	0.81 180	0.84 343	0.75 333	2.23 365	0.94 316	2.09 338	1.80 352	5.45 412	7.72 410	7.77 410	6.93 415	3.39 316	1.80 343	0.52 359	0.48 372	0.52 355	0.51 366	0.57 349	0.58 352
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AnyNet_C01	2.26 377	1.78 396	10.22 409	0.93 367	0.74 327	2.92 387	2.20 399	2.29 368	1.80 352	2.53 375	2.41 363	2.71 376	1.73 353	3.41 318	6.72 393	0.41 332	0.39 353	0.40 334	0.42 345	0.67 365	0.63 360

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

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

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

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

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

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

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

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

NVStereoNet_ROB	1.88 364	1.07 372	1.45 321	1.07 378	1.17 380	1.47 308	1.48 365	1.89 294	1.93 362	1.94 353	4.67 395	3.08 382	1.80 359	6.51 376	1.65 337	1.06 388	0.86 400	1.08 388	1.32 400	0.93 377	1.26 391
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WZ-Net	1.95 368	0.95 365	10.10 407	0.86 350	0.78 340	1.69 328	1.60 371	2.20 360	1.98 363	2.08 359	1.93 335	2.30 360	1.97 369	5.30 350	3.17 374	0.34 305	0.26 289	0.29 260	0.31 306	0.51 339	0.47 328

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

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

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

MeshStereo	2.26 377	0.56 310	0.92 220	0.61 223	0.49 233	2.60 378	1.02 329	3.18 391	2.05 367	7.40 418	4.98 398	7.58 408	2.98 393	6.37 374	1.96 351	0.43 340	0.43 360	0.45 344	0.39 337	0.43 315	0.42 313
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
PDISCO_ROB	1.32 323	0.65 335	1.44 317	1.36 384	1.46 390	2.55 376	0.92 310	2.45 379	2.07 368	1.37 269	1.49 265	1.65 315	1.00 256	2.82 298	1.35 309	1.01 383	0.27 297	0.54 361	0.47 356	0.71 369	0.73 371

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MSC_U_SF_DS_RVC	2.12 373	1.15 380	3.10 384	1.05 375	0.76 336	5.03 410	2.40 405	2.16 349	2.62 383	1.89 350	2.28 356	2.69 375	1.65 347	9.35 409	2.04 354	0.64 374	0.51 377	0.68 375	0.71 380	1.09 384	0.67 365

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

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

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

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

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

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

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

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

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

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

ELAS	2.37 381	0.74 349	1.54 332	0.99 371	0.92 362	4.78 407	2.33 403	3.33 393	3.37 393	5.05 411	4.77 396	3.67 386	4.53 406	3.42 319	4.50 384	0.62 371	0.53 379	0.55 366	0.53 368	0.63 358	0.64 364
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
notaker	3.98 401	2.40 412	2.68 380	3.82 418	3.27 416	3.97 402	2.14 397	4.78 406	3.45 395	4.12 402	6.94 404	7.65 409	3.26 395	7.82 399	5.30 388	4.04 417	1.41 414	3.36 418	2.10 415	3.88 414	3.31 416

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

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

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

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

ELAS_RVC	2.48 386	0.74 349	1.90 354	1.05 375	0.92 362	2.76 381	4.01 415	2.76 384	4.11 400	4.69 406	4.63 393	4.62 393	5.96 411	3.97 328	3.96 381	0.63 373	0.53 379	0.56 369	0.52 367	0.64 360	0.63 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	5.01 405	3.14 416	4.91 392	4.55 422	3.94 420	5.20 411	4.41 416	4.40 402	4.13 401	4.95 409	6.08 400	4.74 395	5.37 407	9.40 410	10.67 410	4.65 419	4.15 422	3.97 420	3.34 419	4.09 416	4.08 421

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Low-res two-view benchmark