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

AEACV	0.79 3	0.54 32	1.35 11	0.97 109	0.63 125	1.13 6	0.92 197	2.02 28	0.91 1	0.76 13	0.79 6	0.80 31	1.61 195	1.28 40	0.61 1	0.22 5	0.18 24	0.26 39	0.23 60	0.27 24	0.23 17

Anonymous3	1.72 126	0.76 191	11.61 222	0.83 44	0.84 175	4.46 321	0.84 144	3.57 152	1.16 2	1.34 51	1.37 65	1.11 59	1.03 68	1.58 69	1.13 118	0.70 345	0.58 343	0.33 169	0.35 242	0.47 245	0.42 207

rrr	2.27 206	0.65 114	23.82 415	0.90 75	0.46 56	1.57 19	0.96 210	7.98 404	1.19 3	0.65 1	0.77 4	0.74 23	0.72 18	2.59 163	0.86 58	0.28 62	0.21 82	0.28 69	0.21 30	0.29 45	0.25 29

test_xeample3	2.12 188	0.63 102	21.55 399	0.91 79	0.47 66	1.85 28	0.94 201	7.96 403	1.23 4	0.75 6	0.76 3	0.64 6	0.70 14	1.77 96	0.83 49	0.30 113	0.21 82	0.27 55	0.21 30	0.27 24	0.24 23

ff7	0.98 19	0.69 139	2.05 58	0.84 50	0.52 87	4.55 341	0.86 152	1.62 7	1.24 5	0.75 6	1.03 12	0.70 12	0.77 25	1.84 102	0.68 16	0.27 35	0.17 9	0.29 84	0.21 30	0.31 77	0.27 58

IGEVStereo-DCA	0.86 9	0.65 114	2.05 58	0.90 75	0.46 56	1.57 19	0.86 152	1.62 7	1.24 5	0.65 1	0.77 4	0.74 23	0.72 18	2.59 163	0.86 58	0.28 62	0.21 82	0.28 69	0.21 30	0.29 45	0.27 58

ffff	0.98 19	0.69 139	2.05 58	0.84 50	0.52 87	4.55 341	0.86 152	1.62 7	1.24 5	0.75 6	1.03 12	0.70 12	0.77 25	1.84 102	0.68 16	0.27 35	0.17 9	0.29 84	0.21 30	0.31 77	0.27 58

11t	0.98 19	0.69 139	2.05 58	0.84 50	0.52 87	4.55 341	0.86 152	1.62 7	1.24 5	0.75 6	1.03 12	0.70 12	0.77 25	1.84 102	0.68 16	0.27 35	0.17 9	0.29 84	0.21 30	0.31 77	0.27 58

anonymousdsp	0.95 17	0.69 139	1.27 5	0.83 44	0.52 87	4.54 338	0.84 144	1.76 17	1.24 5	0.76 13	1.06 18	0.78 26	0.77 25	1.67 90	0.69 20	0.27 35	0.17 9	0.29 84	0.21 30	0.31 77	0.26 46

CroCo-Stereo Lap2	0.99 25	0.89 232	2.55 99	0.99 117	1.80 362	0.54 2	0.46 14	3.10 105	1.24 5	1.07 40	1.21 34	1.05 56	0.78 31	1.26 36	1.08 109	0.27 35	0.23 130	0.27 55	0.21 30	0.43 224	0.34 135

ccc-4	0.98 19	0.69 139	2.05 58	0.84 50	0.52 87	4.55 341	0.86 152	1.62 7	1.24 5	0.75 6	1.03 12	0.70 12	0.77 25	1.84 102	0.68 16	0.27 35	0.17 9	0.29 84	0.21 30	0.31 77	0.27 58

IGEV-Stereo	0.95 17	0.69 139	1.27 5	0.84 50	0.52 87	4.54 338	0.84 144	1.76 17	1.24 5	0.75 6	1.06 18	0.79 30	0.77 25	1.68 91	0.69 20	0.27 35	0.17 9	0.29 84	0.21 30	0.31 77	0.26 46
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
StereoIM	0.82 6	0.66 124	1.53 19	0.65 5	1.87 365	1.24 9	0.36 4	2.13 32	1.27 13	0.67 4	0.75 2	0.88 42	0.70 14	1.15 18	1.07 107	0.29 79	0.23 130	0.26 39	0.20 24	0.31 77	0.22 11

ProNet	0.82 6	0.71 159	1.50 18	0.86 60	0.45 49	1.78 24	0.83 141	1.75 16	1.28 14	0.66 3	1.13 26	0.78 26	0.76 24	1.66 87	0.71 27	0.24 11	0.20 57	0.25 29	0.23 60	0.29 45	0.25 29

sCroCo_RVC	1.06 34	0.82 216	5.05 157	1.02 137	1.05 229	0.98 4	0.61 47	2.06 29	1.29 15	0.69 5	1.26 43	0.82 35	1.10 90	1.20 29	0.90 70	0.42 250	0.40 292	0.33 169	0.30 190	0.46 243	0.38 176

MGS-Stereo	0.80 4	0.56 43	1.53 19	0.93 93	0.39 28	1.26 10	0.73 89	1.45 2	1.30 16	1.01 33	2.26 263	0.80 31	0.56 3	1.16 19	0.65 9	0.27 35	0.23 130	0.26 39	0.22 51	0.27 24	0.25 29

knoymous	1.30 80	0.60 77	5.57 167	0.88 67	0.75 153	3.04 76	0.90 179	2.68 78	1.33 17	1.48 62	1.07 20	2.78 255	0.88 42	1.29 42	0.85 54	0.31 130	0.22 106	0.35 201	0.20 24	0.45 236	0.37 163

riskmin	1.25 65	0.56 43	2.05 58	1.05 146	0.93 200	2.86 63	0.55 29	3.23 117	1.34 18	1.55 68	1.07 20	3.56 316	2.03 259	1.29 42	1.00 100	0.28 62	0.27 195	0.34 186	0.21 30	0.41 201	0.43 215

LoS_RVC	0.94 15	1.30 308	1.31 8	0.84 50	1.63 337	2.02 34	0.59 41	1.51 5	1.36 19	0.81 18	1.33 55	0.84 36	0.88 42	1.36 48	0.73 32	0.21 1	0.17 9	0.20 1	0.14 2	0.20 1	1.45 369

MoCha-V2	0.92 12	0.49 8	1.69 30	1.39 283	0.37 18	1.31 13	0.88 172	3.32 128	1.38 20	0.87 25	1.85 189	0.66 8	1.18 109	1.13 15	0.61 1	0.21 1	0.21 82	0.22 4	0.23 60	0.27 24	0.20 7

GLC_STEREO	0.76 1	0.52 17	1.12 3	0.83 44	0.33 3	1.86 29	0.82 137	1.46 3	1.38 20	0.95 30	1.04 16	0.68 9	0.72 18	0.97 3	0.80 43	0.23 8	0.25 176	0.32 138	0.25 91	0.32 100	0.30 101

Former-RAFT_DAM_RVC	0.92 12	0.73 170	1.42 13	0.92 82	1.08 235	2.97 74	0.53 25	1.77 19	1.39 22	1.16 46	1.54 90	0.58 2	0.65 11	1.03 8	0.84 51	0.25 20	0.23 130	0.30 103	0.24 82	0.43 224	0.29 78

Selective-IGEV	0.80 4	0.52 17	1.05 2	0.75 12	0.61 121	1.31 13	0.82 137	2.60 73	1.41 23	0.82 20	1.64 114	0.71 17	0.62 7	1.22 32	0.64 5	0.22 5	0.19 39	0.24 19	0.18 10	0.25 12	0.20 7

MyStereo07	1.01 27	0.80 205	1.26 4	1.00 124	1.04 227	3.95 218	0.95 205	2.07 31	1.42 24	0.75 6	1.22 35	0.68 9	0.91 48	1.63 83	0.67 14	0.24 11	0.24 159	0.34 186	0.26 104	0.41 201	0.37 163

test_4	1.30 80	0.50 10	6.16 169	0.84 50	0.45 49	1.61 21	1.12 240	2.14 33	1.42 24	1.52 65	2.31 282	1.84 151	0.79 33	2.52 158	1.19 129	0.27 35	0.17 9	0.29 84	0.29 176	0.29 45	0.25 29

test_3	1.19 46	0.51 12	2.08 70	0.99 117	0.41 34	2.05 40	0.87 168	4.40 350	1.42 24	1.99 152	1.18 31	2.03 177	0.79 33	2.70 170	0.75 35	0.27 35	0.17 9	0.29 84	0.29 176	0.30 61	0.27 58

LoS	0.94 15	0.52 17	1.88 43	0.86 60	0.36 6	4.15 260	0.51 23	2.18 35	1.45 27	0.97 31	0.88 7	0.62 5	0.79 33	1.59 72	0.86 58	0.26 28	0.19 39	0.24 19	0.16 8	0.21 2	0.20 7

CES	1.01 27	0.55 36	1.74 35	0.92 82	2.15 377	2.15 44	0.50 19	2.01 27	1.45 27	0.76 13	1.02 9	0.61 4	0.47 1	1.29 42	0.79 42	0.22 5	0.17 9	0.24 19	0.14 2	0.63 294	2.29 385

GMOStereo	1.13 39	0.70 149	2.26 81	0.75 12	0.44 45	3.05 78	0.91 187	2.78 83	1.45 27	2.37 270	1.52 84	1.53 104	1.05 74	1.17 23	0.92 79	0.25 20	0.19 39	0.35 201	0.28 152	0.34 131	0.26 46

error version	1.13 39	0.70 149	2.26 81	0.75 12	0.44 45	3.05 78	0.91 187	2.78 83	1.45 27	2.37 270	1.52 84	1.53 104	1.05 74	1.17 23	0.92 79	0.25 20	0.19 39	0.35 201	0.28 152	0.34 131	0.26 46

test-v	1.13 39	0.70 149	2.26 81	0.75 12	0.44 45	3.05 78	0.91 187	2.78 83	1.45 27	2.37 270	1.52 84	1.53 104	1.05 74	1.17 23	0.92 79	0.25 20	0.19 39	0.35 201	0.28 152	0.34 131	0.26 46

TRStereo	2.31 218	1.87 348	19.74 337	1.53 310	1.16 250	4.26 292	1.08 233	4.73 382	1.45 27	1.55 68	1.28 50	1.75 128	0.85 38	1.81 99	1.20 132	0.36 191	0.26 187	0.32 138	0.36 250	0.34 131	0.33 125

test-2	1.13 39	0.70 149	2.26 81	0.75 12	0.44 45	3.05 78	0.91 187	2.78 83	1.45 27	2.37 270	1.52 84	1.53 104	1.05 74	1.17 23	0.92 79	0.25 20	0.19 39	0.35 201	0.28 152	0.34 131	0.26 46

Anonymous_2	3.01 307	0.89 232	4.53 153	1.06 150	1.18 251	2.93 69	0.87 168	3.24 119	1.46 34	1.86 118	1.35 63	4.11 340	2.35 287	1.64 84	1.28 150	0.82 356	0.90 372	8.71 422	15.84 426	4.44 405	0.74 319

MC-Stereo	1.06 34	0.48 5	1.55 23	1.15 196	0.41 34	4.56 346	0.61 47	2.06 29	1.46 34	1.90 127	1.61 109	0.89 44	1.12 95	1.35 47	0.73 32	0.25 20	0.18 24	0.26 39	0.22 51	0.25 12	0.24 23

RAFT	1.23 57	0.84 223	2.05 58	0.96 102	0.47 66	1.80 26	0.94 201	3.18 113	1.46 34	1.60 72	1.71 131	3.04 272	1.59 190	1.64 84	1.32 156	0.38 213	0.24 159	0.40 245	0.32 213	0.40 180	0.35 146

anonymousdsp2	1.26 72	0.60 77	3.74 143	1.02 137	0.41 34	3.60 151	0.72 85	3.68 164	1.47 37	1.37 54	1.56 95	1.83 148	1.01 66	2.00 114	0.66 12	0.29 79	0.20 57	0.28 69	0.20 24	0.32 100	0.29 78

test-3	1.19 46	0.52 17	2.00 52	1.01 128	0.42 37	1.95 32	0.91 187	4.35 342	1.47 37	2.24 235	1.16 29	2.06 183	0.79 33	2.68 168	0.76 37	0.27 35	0.18 24	0.28 69	0.26 104	0.26 18	0.25 29

test_1	1.19 46	0.52 17	2.00 52	1.01 128	0.42 37	1.95 32	0.90 179	4.36 344	1.47 37	2.17 212	1.16 29	2.06 183	0.78 31	2.68 168	0.76 37	0.27 35	0.18 24	0.28 69	0.26 104	0.26 18	0.25 29

test-1	1.23 57	0.65 114	1.88 43	0.96 102	0.52 87	3.84 193	0.62 56	4.01 241	1.47 37	1.93 137	1.78 152	1.83 148	0.92 50	1.19 28	1.28 150	0.26 28	0.29 212	0.31 122	0.24 82	0.29 45	0.36 149

raftrobust	1.19 46	0.72 162	2.30 86	1.26 235	1.31 280	3.55 142	0.68 71	2.75 82	1.47 37	2.21 228	1.38 67	1.17 65	1.22 116	1.20 29	1.11 114	0.28 62	0.24 159	0.21 2	0.19 19	0.25 12	0.28 71

EGLCR-Stereo	1.06 34	0.51 12	1.56 24	1.02 137	0.39 28	4.27 297	0.42 9	4.08 263	1.48 42	0.90 26	0.68 1	1.09 57	0.66 13	1.81 99	0.62 3	0.27 35	0.19 39	0.29 84	0.23 60	0.37 165	0.25 29

NF-Stereo	1.58 109	0.61 91	2.66 106	2.26 373	0.47 66	4.68 362	0.67 67	3.31 124	1.48 42	2.11 192	1.59 101	1.36 87	1.09 85	6.08 238	1.20 132	0.40 230	0.20 57	0.36 212	0.34 228	0.31 77	0.36 149

OCTAStereo	1.58 109	0.61 91	2.72 107	2.27 376	0.46 56	4.68 362	0.67 67	3.30 123	1.48 42	2.11 192	1.59 101	1.36 87	1.09 85	6.02 235	1.21 136	0.41 240	0.20 57	0.36 212	0.34 228	0.31 77	0.37 163

RE-Stereo	1.58 109	0.61 91	2.72 107	2.26 373	0.46 56	4.68 362	0.68 71	3.31 124	1.48 42	2.11 192	1.59 101	1.36 87	1.09 85	6.01 233	1.22 139	0.41 240	0.20 57	0.36 212	0.34 228	0.31 77	0.37 163

TVStereo	1.58 109	0.61 91	2.72 107	2.26 373	0.46 56	4.68 362	0.68 71	3.31 124	1.48 42	2.11 192	1.59 101	1.36 87	1.09 85	6.01 233	1.22 139	0.41 240	0.20 57	0.36 212	0.34 228	0.31 77	0.37 163

GMM-Stereo	2.45 238	0.52 17	20.38 365	0.89 70	0.82 171	4.18 277	1.91 328	2.45 50	1.48 42	2.48 284	2.30 274	1.69 122	1.86 248	2.93 176	1.08 109	0.28 62	0.18 24	0.33 169	0.48 312	0.35 147	2.41 388

11t1	1.11 38	0.53 26	1.80 40	1.55 317	0.65 132	2.20 48	0.60 44	3.66 162	1.49 48	1.60 72	1.26 43	1.03 53	1.35 137	1.72 93	0.97 91	0.28 62	0.31 229	0.29 84	0.23 60	0.30 61	0.34 135

DLNR_Zeroshot_test	28.62 424	55.50 438	49.94 432	183.62 441	115.05 439	3.43 116	0.28 1	29.49 426	1.49 48	1.01 33	1.26 43	0.93 47	0.63 8	3.92 198	1.51 190	29.81 432	0.41 298	0.26 39	0.23 60	93.28 438	0.32 115

CAS	1.26 72	0.40 1	1.46 15	2.97 389	1.61 334	4.13 256	0.73 89	1.78 20	1.49 48	0.83 22	1.10 23	0.59 3	0.53 2	1.26 36	0.80 43	2.99 393	0.13 1	0.21 2	0.13 1	0.31 77	1.72 376

CroCo-Stereo	0.98 19	0.87 230	3.44 132	0.87 63	0.53 95	0.49 1	0.50 19	3.99 238	1.49 48	0.81 18	1.25 42	1.00 51	0.75 23	1.10 10	1.09 112	0.24 11	0.21 82	0.24 19	0.19 19	0.35 147	0.27 58
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
Anonymous	1.04 33	0.76 191	2.42 96	1.06 150	1.27 276	1.67 23	0.86 152	2.51 55	1.49 48	0.92 27	1.14 27	0.70 12	1.10 90	1.26 36	0.98 93	0.47 280	0.33 241	0.30 103	0.30 190	0.66 308	0.51 261

MSKI-zero shot	2.22 196	0.64 107	20.09 352	0.96 102	0.56 101	4.04 236	0.70 81	3.91 215	1.50 53	1.92 133	2.28 267	1.92 158	0.71 16	2.93 176	0.67 14	0.26 28	0.23 130	0.26 39	0.21 30	0.28 37	0.26 46

NRIStereo	1.28 77	0.61 91	1.67 28	1.15 196	0.38 27	4.73 374	0.90 179	2.42 46	1.50 53	1.93 137	1.33 55	1.75 128	1.22 116	2.96 178	1.33 160	0.46 272	0.22 106	0.29 84	0.26 104	0.30 61	0.28 71

FTStereo	3.71 345	0.53 26	20.37 364	0.96 102	0.65 132	4.34 304	11.29 409	2.62 74	1.50 53	2.58 297	5.04 372	1.90 156	13.84 408	3.71 191	1.25 143	0.38 213	0.24 159	0.31 122	0.32 213	0.30 61	2.10 383

UCFNet_RVC	1.57 108	0.84 223	3.25 125	1.36 271	1.40 299	4.07 244	1.01 218	2.68 78	1.50 53	2.11 192	1.88 194	2.37 211	1.50 173	3.41 183	1.42 169	0.36 191	0.28 203	0.52 311	0.40 287	0.53 264	0.43 215

MIM_Stereo	1.20 51	0.78 199	3.30 128	1.05 146	0.43 40	3.04 76	0.60 44	2.46 51	1.51 57	1.60 72	1.58 98	1.82 145	1.29 128	2.00 114	1.07 107	0.24 11	0.24 159	0.28 69	0.25 91	0.27 24	0.27 58

KYRaft	1.59 114	0.52 17	1.73 32	0.95 98	0.49 76	4.38 307	1.79 319	2.43 48	1.51 57	2.49 285	2.98 333	2.00 173	3.41 337	2.14 129	0.82 46	0.30 113	0.21 82	0.33 169	0.46 305	0.35 147	2.45 390

IRAFT_RVC	1.87 143	0.60 77	4.33 147	2.40 380	0.66 135	4.59 349	1.59 304	2.96 95	1.51 57	2.23 233	1.75 142	2.09 187	2.63 303	6.70 248	1.50 184	0.33 157	0.21 82	0.33 169	0.29 176	0.32 100	0.32 115

raft+_RVC	1.21 54	0.83 219	2.61 101	1.35 265	0.97 207	3.60 151	0.76 107	3.23 117	1.51 57	1.33 50	1.67 120	1.03 53	1.10 90	1.87 106	0.92 79	0.24 11	0.22 106	0.25 29	0.24 82	0.26 18	0.25 29

GES	1.38 90	0.64 107	2.61 101	1.09 160	0.57 110	4.30 301	1.02 221	3.86 200	1.51 57	1.72 96	1.74 138	1.28 79	1.77 230	1.62 80	1.61 205	0.39 224	0.27 195	0.33 169	0.30 190	0.41 201	0.47 240

R-Stereo Train	1.20 51	0.58 61	1.81 41	0.99 117	0.67 138	3.78 180	0.90 179	4.09 265	1.51 57	2.16 208	1.71 131	1.13 60	0.94 53	1.40 49	0.91 76	0.30 113	0.24 159	0.26 39	0.21 30	0.26 18	0.25 29

RAFT-Stereo	1.20 51	0.58 61	1.81 41	0.99 117	0.67 138	3.78 180	0.90 179	4.09 265	1.51 57	2.16 208	1.71 131	1.13 60	0.94 53	1.40 49	0.91 76	0.30 113	0.24 159	0.26 39	0.21 30	0.26 18	0.25 29
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
PSM-softLoss	1.66 122	0.59 68	5.15 159	2.25 371	0.48 72	4.68 362	0.69 76	2.57 70	1.52 64	2.14 198	1.45 70	1.42 97	0.99 62	6.04 236	1.20 132	0.41 240	0.23 130	0.37 224	0.39 277	0.32 100	0.31 108

KMStereo	1.66 122	0.59 68	5.15 159	2.25 371	0.48 72	4.68 362	0.69 76	2.57 70	1.52 64	2.14 198	1.45 70	1.42 97	0.99 62	6.04 236	1.20 132	0.41 240	0.23 130	0.37 224	0.39 277	0.32 100	0.31 108

PFNet	2.47 243	0.60 77	16.95 288	2.15 370	0.81 163	4.63 355	0.91 187	2.55 66	1.52 64	2.40 277	2.79 323	1.83 148	1.42 151	7.54 264	1.34 162	0.33 157	0.21 82	0.36 212	0.27 127	0.32 100	0.39 181

GrayStereo	2.58 264	0.53 26	1.63 26	1.58 321	0.89 190	4.17 275	8.17 406	3.03 100	1.52 64	2.80 322	2.50 299	1.70 123	17.10 410	2.83 174	1.15 120	0.33 157	0.21 82	0.27 55	0.32 213	0.28 37	0.53 268

TestStereo	2.00 171	1.02 256	12.25 225	0.70 8	0.61 121	1.88 30	0.55 29	2.31 41	1.52 64	1.41 58	1.33 55	1.27 78	0.90 46	11.62 363	0.81 45	0.34 169	0.19 39	0.33 169	0.24 82	0.44 229	0.24 23

panet	0.91 11	0.48 5	1.46 15	0.62 2	0.31 2	4.40 313	0.41 8	2.20 36	1.53 69	0.94 28	1.14 27	0.88 42	0.89 45	1.09 9	0.71 27	0.27 35	0.19 39	0.22 4	0.15 4	0.21 2	0.19 3

ACVNet-DCA	1.85 142	0.74 178	13.77 239	1.78 343	0.36 6	4.48 323	0.74 99	3.98 234	1.53 69	1.01 33	1.81 170	0.72 18	1.62 198	2.13 126	0.64 5	0.29 79	0.17 9	0.32 138	0.21 30	0.33 115	0.32 115

1test111	1.99 170	0.74 178	13.77 239	1.78 343	0.36 6	4.48 323	0.74 99	3.98 234	1.53 69	1.01 33	1.81 170	0.72 18	1.62 198	4.66 208	0.98 93	0.29 79	0.17 9	0.32 138	0.21 30	0.33 115	0.32 115

EKT-Stereo	6.79 395	0.64 107	4.24 146	1.77 342	106.39 438	4.51 336	0.61 47	3.16 109	1.53 69	1.88 121	1.22 35	1.98 170	1.36 138	3.81 192	0.84 51	0.35 186	0.24 159	0.29 84	0.26 104	0.34 131	0.48 244

qqq	1.30 80	0.57 49	1.67 28	1.15 196	0.51 80	2.18 46	0.91 187	3.98 234	1.53 69	1.50 64	1.24 38	1.79 138	1.34 135	4.66 208	0.98 93	0.28 62	0.31 229	0.33 169	0.33 221	0.33 115	0.32 115

LCNet	1.55 102	0.54 32	1.88 43	0.99 117	0.55 98	3.60 151	1.21 258	2.86 91	1.53 69	2.18 214	1.74 138	1.43 99	4.17 353	3.62 188	0.87 63	0.29 79	0.20 57	0.28 69	0.77 358	0.47 245	1.85 379

IIG-Stereo	1.95 161	0.79 202	2.14 72	2.78 386	0.66 135	4.62 353	0.76 107	4.27 316	1.53 69	2.63 307	3.14 343	3.35 295	1.61 195	7.65 268	1.41 167	0.39 224	0.20 57	0.31 122	0.25 91	0.33 115	0.22 11

Prome-Stereo	1.61 116	0.55 36	1.71 31	0.98 112	0.60 117	4.41 315	1.82 323	3.03 100	1.53 69	2.18 214	3.45 352	1.72 126	3.49 341	2.23 140	1.08 109	0.29 79	0.20 57	0.26 39	0.25 91	0.34 131	2.16 384

MIF-Stereo	0.82 6	0.47 4	2.63 104	0.96 102	1.19 257	0.78 3	0.39 6	1.12 1	1.54 77	1.19 47	1.26 43	0.51 1	0.64 9	1.13 15	1.03 102	0.30 113	0.20 57	0.24 19	0.21 30	0.40 180	0.25 29

HH	2.23 198	0.86 228	21.59 400	0.98 112	0.51 80	1.49 17	0.82 137	2.74 80	1.54 77	1.10 42	1.69 125	4.62 364	1.86 248	2.55 159	0.69 20	0.26 28	0.22 106	0.29 84	0.23 60	0.34 131	0.27 58

HanStereo	2.23 198	0.86 228	21.59 400	0.98 112	0.51 80	1.49 17	0.82 137	2.74 80	1.54 77	1.10 42	1.69 125	4.62 364	1.86 248	2.55 159	0.69 20	0.26 28	0.22 106	0.29 84	0.23 60	0.34 131	0.27 58

OMP-Stereo	1.97 165	0.93 241	1.88 43	2.76 385	0.67 138	4.58 348	1.48 290	4.31 332	1.54 77	3.15 346	2.76 322	3.25 287	1.38 139	7.66 269	1.35 163	0.40 230	0.20 57	0.33 169	0.26 104	0.33 115	0.24 23

THIR-Stereo	4.14 358	0.82 216	10.85 217	0.86 60	0.43 40	2.16 45	16.77 415	3.22 116	1.54 77	2.04 177	12.05 405	2.68 241	7.53 393	7.30 258	12.62 380	0.30 113	0.21 82	0.29 84	0.28 152	0.33 115	0.41 204

CREStereo	0.92 12	0.53 26	1.45 14	0.61 1	0.34 4	4.42 317	0.40 7	2.21 37	1.54 77	0.94 28	1.12 25	0.87 40	0.87 41	1.12 12	0.72 31	0.28 62	0.19 39	0.22 4	0.15 4	0.22 4	0.19 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
LargeStereo	0.90 10	0.58 61	1.32 9	0.94 96	0.45 49	1.27 11	1.00 216	3.32 128	1.55 83	0.82 20	1.34 60	0.86 39	1.09 85	1.16 19	0.89 67	0.33 157	0.18 24	0.23 7	0.19 19	0.29 45	0.22 11

PSM-AAD	2.43 236	0.54 32	1.32 9	0.92 82	0.54 96	4.48 323	7.47 402	2.96 95	1.55 83	2.31 252	2.56 307	1.26 77	16.23 409	2.46 148	0.89 67	0.28 62	0.21 82	0.58 327	0.41 291	0.34 131	1.32 364

DRaft	2.28 211	0.56 43	2.64 105	0.74 11	0.46 56	3.94 213	1.23 259	2.32 42	1.55 83	2.64 308	2.80 325	1.60 111	5.34 370	6.96 256	10.99 375	0.34 169	0.22 106	0.27 55	0.27 127	0.29 45	0.37 163

CRE-IMP	1.23 57	0.61 91	2.14 72	0.82 37	0.39 28	4.54 338	0.83 141	2.63 75	1.55 83	1.95 141	1.46 72	1.87 155	0.96 56	1.48 60	1.33 160	0.45 268	0.21 82	0.31 122	0.26 104	0.41 201	0.31 108

CFNet-RSSM	2.08 186	0.52 17	20.06 348	1.01 128	0.56 101	3.39 111	0.64 58	3.67 163	1.55 83	1.72 96	1.37 65	2.57 231	1.19 114	1.11 11	0.86 58	0.27 35	0.20 57	0.25 29	0.23 60	0.27 24	0.23 17

4D-IteraStereo	1.97 165	0.84 223	20.43 369	0.78 27	1.56 326	2.09 42	1.05 227	2.43 48	1.56 88	1.41 58	1.00 8	1.94 159	0.61 6	1.22 32	1.06 105	0.27 35	0.18 24	0.31 122	0.26 104	0.27 24	0.23 17

DCRE	1.44 94	0.74 178	3.50 135	1.13 181	0.72 147	1.78 24	0.67 67	2.14 33	1.56 88	1.99 152	8.09 384	1.73 127	1.07 83	1.24 34	0.83 49	0.23 8	0.25 176	0.26 39	0.26 104	0.28 37	0.30 101

HHNet	2.48 245	0.71 159	20.52 371	0.64 4	0.64 127	4.07 244	0.93 198	3.76 180	1.56 88	2.15 203	4.92 371	0.98 49	3.37 335	1.66 87	1.79 231	0.32 146	0.20 57	0.31 122	0.27 127	0.36 158	0.42 207

AAGNet	2.86 284	0.60 77	1.77 37	2.05 366	0.46 56	4.76 379	1.09 235	2.27 40	1.56 88	2.17 212	1.84 182	2.41 214	4.00 349	6.23 239	24.22 417	0.46 272	0.19 39	0.30 103	0.29 176	0.32 100	0.24 23

RAFT_R40	1.70 125	0.59 68	2.99 117	1.46 297	0.46 56	4.74 377	0.98 215	2.23 39	1.56 88	2.02 170	2.35 290	2.71 244	2.56 300	6.71 250	0.90 70	0.40 230	0.19 39	0.30 103	0.27 127	0.33 115	0.26 46

Gwc-CoAtRS	1.58 109	0.57 49	11.69 223	1.01 128	0.60 117	2.53 54	0.64 58	2.36 43	1.56 88	1.80 109	1.47 76	2.74 246	1.18 109	1.12 12	0.90 70	0.27 35	0.21 82	0.25 29	0.22 51	0.27 24	0.23 17

x	1.15 43	0.57 49	1.53 19	1.44 292	0.67 138	1.94 31	0.97 212	3.87 202	1.57 94	1.61 77	1.28 50	1.58 109	1.22 116	1.93 110	1.04 103	0.28 62	0.30 221	0.34 186	0.29 176	0.32 100	0.31 108

cross-raft	2.01 174	0.57 49	19.01 322	1.03 144	0.56 101	2.11 43	0.72 85	3.63 157	1.57 94	1.77 103	1.51 83	3.17 282	1.13 97	1.16 19	0.85 54	0.23 8	0.21 82	0.26 39	0.23 60	0.28 37	0.25 29

iRaft-Stereo_20w	1.88 147	0.62 98	10.58 215	0.90 75	0.83 172	2.96 73	0.78 119	4.90 386	1.58 96	2.29 243	1.60 105	1.25 76	4.51 360	2.28 143	0.90 70	0.29 79	0.21 82	0.26 39	0.24 82	0.41 201	0.31 108

Patchmatch Stereo++	1.25 65	0.65 114	2.06 67	0.75 12	0.37 18	4.68 362	0.76 107	2.53 56	1.58 96	1.99 152	1.47 76	1.78 131	1.14 103	2.44 146	0.90 70	0.48 285	0.23 130	0.32 138	0.27 127	0.40 180	0.29 78
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	1.24 62	0.65 114	2.03 55	0.75 12	0.37 18	4.68 362	0.73 89	2.53 56	1.58 96	1.99 152	1.47 76	1.78 131	1.13 97	2.18 134	0.87 63	0.48 285	0.23 130	0.32 138	0.27 127	0.40 180	0.29 78

ROB_FTStereo_v2	1.23 57	0.66 124	2.02 54	0.75 12	0.37 18	4.67 361	0.76 107	2.53 56	1.58 96	1.99 152	1.46 72	1.78 131	1.14 103	2.08 121	0.88 65	0.48 285	0.22 106	0.32 138	0.27 127	0.40 180	0.29 78

ROB_FTStereo	1.25 65	0.66 124	2.14 72	0.75 12	0.37 18	4.65 358	0.77 117	2.53 56	1.58 96	1.99 152	1.47 76	1.78 131	1.13 97	2.26 142	0.86 58	0.47 280	0.22 106	0.32 138	0.27 127	0.40 180	0.29 78

HUI-Stereo	1.25 65	0.66 124	2.33 89	0.75 12	0.37 18	4.68 362	0.78 119	2.53 56	1.58 96	1.99 152	1.46 72	1.79 138	1.13 97	2.17 132	0.85 54	0.48 285	0.23 130	0.32 138	0.27 127	0.40 180	0.29 78

ASMatch	2.62 265	0.60 77	20.65 376	1.37 279	0.64 127	4.39 309	0.78 119	1.97 25	1.58 96	1.70 92	3.89 362	1.94 159	3.79 345	5.46 221	1.64 211	0.31 130	0.24 159	0.34 186	0.28 152	0.33 115	0.50 255

DeepStereo_RVC	1.55 102	0.63 102	3.32 129	0.77 26	0.42 37	4.49 329	0.72 85	2.50 53	1.58 96	2.02 170	1.81 170	1.54 108	6.38 384	1.73 94	1.19 129	0.46 272	0.22 106	0.29 84	0.28 152	0.35 147	0.38 176

iGMRVC	1.26 72	0.66 124	2.14 72	0.75 12	0.37 18	4.66 359	0.74 99	2.53 56	1.58 96	1.99 152	1.46 72	1.78 131	1.14 103	2.46 148	0.92 79	0.48 285	0.23 130	0.32 138	0.27 127	0.40 180	0.29 78

iRAFT	1.25 65	0.65 114	2.06 67	0.75 12	0.37 18	4.68 362	0.76 107	2.53 56	1.58 96	1.99 152	1.47 76	1.78 131	1.14 103	2.44 146	0.90 70	0.48 285	0.23 130	0.32 138	0.27 127	0.40 180	0.29 78

RAFT-IKP	1.25 65	0.66 124	2.23 80	0.75 12	0.37 18	4.64 356	0.74 99	2.53 56	1.58 96	1.99 152	1.47 76	1.78 131	1.13 97	2.22 139	0.92 79	0.48 285	0.22 106	0.32 138	0.27 127	0.40 180	0.29 78

rafts_anoy	1.24 62	0.80 205	3.61 140	1.17 202	1.20 262	3.00 75	0.61 47	3.17 111	1.58 96	1.37 54	1.26 43	1.19 71	1.12 95	1.78 97	1.25 143	0.32 146	0.23 130	0.32 138	0.32 213	0.31 77	0.30 101

iRaftStereo_RVC	1.09 37	0.70 149	1.39 12	0.95 98	0.45 49	3.83 188	0.42 9	2.37 44	1.58 96	1.69 90	1.76 145	1.80 141	0.83 37	1.50 61	0.98 93	0.28 62	0.18 24	0.29 84	0.26 104	0.30 61	0.31 108

XX-Stereo	2.54 256	0.61 91	20.21 355	1.78 343	1.19 257	4.30 301	0.46 14	4.39 348	1.58 96	2.32 256	1.89 199	4.64 366	0.60 4	4.16 203	0.82 46	0.31 130	0.21 82	0.28 69	0.27 127	0.51 255	0.26 46

PMTNet	0.99 25	0.48 5	1.73 32	0.62 2	0.56 101	4.20 286	0.43 12	1.88 22	1.58 96	1.00 32	1.05 17	0.78 26	0.98 61	1.50 61	0.85 54	1.21 374	0.20 57	0.23 7	0.15 4	0.22 4	0.19 3

DEmStereo	2.97 300	0.58 61	13.42 234	0.79 29	0.51 80	3.84 193	1.84 326	2.42 46	1.60 111	2.25 238	2.74 319	2.03 177	6.04 377	6.79 254	12.80 381	0.35 186	0.26 187	0.26 39	0.27 127	0.27 24	0.37 163

LMCR-Stereo	2.40 233	1.31 310	18.61 315	1.59 322	0.86 180	3.87 203	1.15 246	4.32 336	1.60 111	2.25 238	2.27 264	1.13 60	2.43 292	2.48 150	1.60 202	0.88 361	0.24 159	0.29 84	0.24 82	0.56 275	0.30 101

ICVP	2.26 204	0.66 124	21.18 391	0.99 117	0.88 185	4.28 298	0.95 205	3.32 128	1.60 111	1.66 86	1.76 145	1.34 84	1.14 103	1.62 80	1.32 156	0.53 312	0.35 257	0.33 169	0.29 176	0.40 180	0.51 261
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
IGEV_Zeroshot_test	2.16 192	0.69 139	20.60 375	1.22 221	0.54 96	2.18 46	0.53 25	3.38 134	1.61 114	1.93 137	1.55 92	3.76 322	1.05 74	1.55 67	0.91 76	0.29 79	0.20 57	0.27 55	0.29 176	0.40 180	0.32 115

RAFT+CT+SA	1.62 117	0.72 162	7.42 178	0.97 109	1.42 306	4.04 236	0.94 201	3.90 211	1.61 114	1.61 77	1.63 112	1.33 83	1.18 109	2.73 173	1.10 113	0.27 35	0.19 39	0.31 122	0.34 228	0.33 115	0.33 125

AACVNet	1.83 140	1.02 256	2.41 94	1.45 295	0.87 182	3.21 85	0.73 89	3.16 109	1.61 114	2.01 166	1.82 176	2.28 197	1.33 134	10.98 343	1.49 183	0.39 224	0.32 235	0.38 236	0.32 213	0.43 224	0.44 220

AE-Stereo	1.18 45	0.60 77	2.05 58	1.10 168	0.60 117	4.39 309	0.72 85	3.74 177	1.62 117	1.10 42	1.90 203	1.01 52	0.92 50	1.45 58	0.82 46	0.28 62	0.22 106	0.28 69	0.28 152	0.26 18	0.22 11

RAFT_CTSACE	1.80 138	1.06 265	10.00 206	1.71 336	1.39 297	3.49 128	1.06 228	3.05 102	1.62 117	1.70 92	2.04 223	2.51 227	1.80 238	1.98 113	0.94 87	0.25 20	0.22 106	0.28 69	0.30 190	0.30 61	0.26 46

TANstereo	1.01 27	0.55 36	1.73 32	0.76 25	0.36 6	4.04 236	0.38 5	1.48 4	1.62 117	2.03 174	2.10 236	0.84 36	0.93 52	0.98 4	0.62 3	0.28 62	0.36 261	0.23 7	0.20 24	0.25 12	0.46 235

mmm	1.27 76	0.58 61	2.20 76	1.41 287	0.68 143	2.39 51	0.85 150	3.90 211	1.63 120	2.20 220	1.84 182	1.28 79	1.50 173	1.91 109	0.89 67	0.31 130	0.27 195	0.45 271	0.37 261	0.38 169	0.34 135

RAFT-RH_RVC	2.63 266	0.55 36	19.97 345	1.26 235	0.47 66	4.46 321	0.57 32	1.71 14	1.64 121	3.06 340	5.51 374	2.03 177	1.28 126	6.70 248	1.52 192	0.42 250	0.22 106	0.37 224	0.34 228	0.28 37	0.29 78

CRFU-Net	2.49 247	0.78 199	10.36 211	2.30 377	1.08 235	3.91 206	1.41 284	3.85 197	1.65 122	2.15 203	1.76 145	3.34 294	7.95 396	5.56 225	1.48 180	0.47 280	0.35 257	0.30 103	0.28 152	0.37 165	0.43 215

iRaft-Stereo_5w	2.10 187	0.83 219	8.57 187	0.81 30	0.76 156	3.21 85	0.84 144	3.71 174	1.65 122	1.56 70	2.50 299	2.20 193	2.23 280	9.13 290	2.01 256	0.38 213	0.19 39	0.35 201	0.27 127	0.45 236	0.39 181

MIF-Stereo (partial)	0.98 19	0.55 36	2.83 112	0.71 9	1.03 224	1.08 5	0.49 18	2.55 66	1.66 124	0.79 17	1.20 33	0.80 31	0.90 46	1.61 79	1.56 196	0.36 191	0.24 159	0.33 169	0.25 91	0.40 180	0.28 71

DN-CSS_ROB	1.91 153	1.55 332	11.13 220	1.82 350	0.88 185	3.99 229	0.61 47	4.01 241	1.67 125	1.64 82	1.89 199	1.39 91	1.06 81	3.23 180	1.50 184	0.31 130	0.19 39	0.44 265	0.29 176	0.37 165	0.31 108

MyStereo06	2.46 240	0.72 162	19.97 345	1.02 137	0.99 214	4.26 292	0.86 152	3.51 145	1.68 126	1.92 133	1.73 136	4.01 334	4.22 354	1.62 80	0.88 65	0.24 11	0.23 130	0.34 186	0.26 104	0.42 216	0.36 149

GMStereo_Zeroshot	1.41 93	1.21 291	3.33 130	1.29 244	0.72 147	3.35 108	0.53 25	2.58 72	1.68 126	2.35 264	1.56 95	2.42 217	0.96 56	2.50 151	1.16 123	0.45 268	0.23 130	0.40 245	0.24 82	0.79 334	0.33 125

SQANet	3.70 343	9.34 406	18.41 311	2.75 384	2.74 387	3.40 114	1.47 289	3.50 142	1.68 126	2.60 301	1.75 142	2.69 242	1.91 254	6.72 251	1.74 225	2.96 392	1.41 386	1.85 387	1.12 377	3.17 389	2.70 395

AnonymousM	1.22 56	1.32 312	0.97 1	0.88 67	0.56 101	4.03 235	0.69 76	2.41 45	1.68 126	1.48 62	1.31 54	1.15 63	1.00 64	1.18 27	0.73 32	0.32 146	0.40 292	2.07 389	1.70 391	0.24 6	0.22 11

DMCA-RVC	2.45 238	1.22 297	18.29 307	1.23 225	1.14 244	2.49 53	0.85 150	3.29 122	1.68 126	3.02 336	1.41 69	2.00 173	1.53 185	6.39 240	2.00 254	0.38 213	0.30 221	0.44 265	0.35 242	0.45 236	0.44 220

Selective-RAFT	1.15 43	0.46 3	1.64 27	0.99 117	0.45 49	4.17 275	0.51 23	3.21 114	1.69 131	1.12 45	1.34 60	1.45 100	1.40 143	2.08 121	0.94 87	0.41 240	0.20 57	0.24 19	0.23 60	0.27 24	0.25 29

sAnonymous2	1.37 88	1.22 297	9.79 203	0.92 82	0.88 185	1.23 7	0.61 47	2.56 68	1.69 131	0.85 23	1.02 9	0.73 21	1.23 119	0.98 4	0.78 40	0.29 79	0.25 176	0.31 122	0.30 190	1.06 354	0.71 311

CroCo_RVC	1.37 88	1.22 297	9.79 203	0.92 82	0.88 185	1.23 7	0.61 47	2.56 68	1.69 131	0.85 23	1.02 9	0.73 21	1.23 119	0.98 4	0.78 40	0.29 79	0.25 176	0.31 122	0.30 190	1.06 354	0.71 311

RAFT-Test	1.44 94	0.59 68	6.10 168	1.01 128	0.69 145	2.90 65	0.80 129	3.68 164	1.70 134	1.85 114	1.68 122	3.15 281	1.03 68	1.20 29	0.99 98	0.27 35	0.22 106	0.25 29	0.23 60	0.27 24	0.25 29

GANet-ADL	2.20 195	0.73 170	20.11 353	1.25 229	0.69 145	3.83 188	0.76 107	3.49 140	1.71 135	1.65 85	1.99 216	2.10 188	1.10 90	1.42 53	1.26 146	0.38 213	0.33 241	0.25 29	0.22 51	0.42 216	0.36 149

Pruner-Stereo	1.32 85	0.59 68	2.11 71	1.79 348	0.47 66	4.73 374	0.79 124	2.53 56	1.72 136	2.47 283	1.58 98	1.48 102	1.03 68	1.66 87	1.47 179	0.44 262	0.21 82	0.34 186	0.30 190	0.30 61	0.39 181

DeepPruner_ROB	2.05 181	1.09 271	10.50 214	1.01 128	1.20 262	4.39 309	0.91 187	3.14 107	1.72 136	2.60 301	1.54 90	2.78 255	1.27 123	4.52 206	1.72 220	0.51 304	0.40 292	0.37 224	0.34 228	0.48 248	0.52 266

CBFPSM	2.05 181	0.95 245	10.12 209	1.07 152	1.05 229	2.84 61	1.20 255	3.28 121	1.73 138	1.82 112	1.30 53	4.56 362	4.06 350	2.34 144	2.34 286	0.25 20	0.38 279	0.32 138	0.27 127	0.37 165	0.79 330

ToySt	1.35 86	0.72 162	3.65 142	1.01 128	0.50 79	3.31 105	1.01 218	3.46 136	1.73 138	1.30 49	1.55 92	2.07 186	1.47 164	1.88 107	1.40 166	0.27 35	0.27 195	0.30 103	0.32 213	0.42 216	0.39 181

hknet	1.98 167	0.64 107	8.70 190	0.87 63	1.07 233	4.16 270	1.16 247	4.48 362	1.73 138	2.93 329	1.83 177	3.48 301	1.30 130	3.91 197	1.51 190	0.31 130	0.25 176	0.31 122	0.28 152	0.35 147	0.33 125

XX-TBD	1.03 32	0.95 245	1.94 48	1.30 249	0.43 40	3.97 226	0.33 3	1.74 15	1.73 138	1.59 71	2.02 219	0.69 11	0.60 4	1.16 19	0.66 12	0.30 113	0.25 176	0.23 7	0.15 4	0.31 77	0.22 11

RALCasStereoNet	1.19 46	1.02 256	2.06 67	1.12 174	1.14 244	3.08 82	0.70 81	2.99 97	1.73 138	1.34 51	1.68 122	1.18 68	0.91 48	2.16 130	1.00 100	0.30 113	0.26 187	0.24 19	0.21 30	0.29 45	0.30 101

FADNet_RVC	2.65 268	2.28 362	16.51 280	0.98 112	0.92 195	4.09 246	0.83 141	4.26 315	1.73 138	1.46 61	1.78 152	1.60 111	1.50 173	8.88 283	2.39 287	0.47 280	0.38 279	0.44 265	0.58 337	0.89 342	0.97 346

RCA-Stereo	1.21 54	0.52 17	1.58 25	0.90 75	0.46 56	4.68 362	0.79 124	4.13 274	1.74 144	1.92 133	1.80 158	0.94 48	1.48 166	1.14 17	0.70 24	0.27 35	0.18 24	0.25 29	0.19 19	0.25 12	0.23 17

CSP-Net	1.78 136	1.32 312	1.92 47	1.16 201	1.03 224	3.38 110	1.31 266	3.52 146	1.75 145	1.96 144	1.93 206	2.40 212	1.48 166	8.58 279	1.58 198	0.46 272	0.34 253	0.27 55	0.26 104	0.41 201	0.50 255

CFNet_pseudo	2.12 188	0.67 132	15.14 267	0.85 59	0.74 152	3.95 218	0.64 58	3.95 226	1.78 146	1.90 127	1.79 155	3.27 289	1.62 198	2.51 154	1.16 123	0.31 130	0.36 261	0.53 313	0.27 127	0.63 294	0.44 220

ccs_rob	2.13 190	0.67 132	15.11 266	0.84 50	0.75 153	3.96 223	0.65 64	3.95 226	1.78 146	1.88 121	1.79 155	3.26 288	1.64 213	2.51 154	1.16 123	0.31 130	0.36 261	0.54 320	0.27 127	0.65 303	0.45 225

CASS	1.29 79	0.66 124	2.62 103	0.95 98	0.66 135	2.84 61	0.69 76	3.00 98	1.79 148	2.57 295	1.95 207	1.39 91	1.55 188	1.59 72	1.06 105	0.50 298	0.28 203	0.34 186	0.28 152	0.46 243	0.63 298
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ACRE	2.27 206	1.11 275	19.45 329	0.91 79	1.30 278	3.94 213	0.87 168	4.21 292	1.80 149	2.28 241	2.62 311	1.17 65	1.04 72	1.52 64	1.30 153	0.37 199	0.23 130	0.27 55	0.22 51	0.31 77	0.46 235

H2IRNET	1.90 150	0.53 26	14.29 253	1.14 182	0.60 117	4.48 323	0.44 13	2.65 76	1.81 150	1.05 39	2.30 274	1.67 118	1.40 143	2.17 132	1.50 184	0.36 191	0.21 82	0.33 169	0.37 261	0.34 131	0.29 78

CIPLG	2.27 206	1.18 286	19.24 324	0.92 82	1.34 288	3.95 218	0.89 175	4.23 300	1.82 151	2.31 252	2.67 315	1.17 65	1.06 81	1.53 66	1.32 156	0.37 199	0.23 130	0.27 55	0.22 51	0.31 77	0.45 225

IPLGR_C	2.28 211	1.31 310	19.46 330	0.92 82	1.32 284	3.93 211	0.89 175	4.20 288	1.82 151	2.30 247	2.63 313	1.16 64	1.07 83	1.41 52	1.29 152	0.37 199	0.23 130	0.27 55	0.22 51	0.31 77	0.45 225

CFNet-ft	1.90 150	0.95 245	3.56 136	1.07 152	1.54 319	4.09 246	0.90 179	2.85 88	1.82 151	1.78 105	1.70 127	2.75 248	1.48 166	9.33 294	1.72 220	0.33 157	0.30 221	0.61 337	0.36 250	0.52 258	0.39 181

CFNet_RVC	1.90 150	0.95 245	3.56 136	1.07 152	1.54 319	4.09 246	0.90 179	2.85 88	1.82 151	1.78 105	1.70 127	2.75 248	1.48 166	9.33 294	1.72 220	0.33 157	0.30 221	0.61 337	0.36 250	0.52 258	0.39 181

IPLG	2.48 245	0.65 114	19.63 334	0.91 79	0.79 160	4.60 351	0.56 31	4.31 332	1.84 155	1.91 132	2.00 217	1.31 82	1.38 139	6.61 244	1.53 193	0.27 35	0.20 57	0.27 55	0.23 60	0.31 77	0.36 149

UPFNet	1.81 139	0.63 102	6.71 172	1.25 229	1.44 307	3.50 131	1.35 270	4.02 245	1.85 156	2.40 277	1.52 84	2.41 214	1.40 143	3.62 188	1.88 240	0.34 169	0.33 241	0.37 224	0.31 206	0.41 201	0.39 181

GANet-RSSM	1.98 167	0.62 98	3.49 133	1.69 334	1.23 267	4.22 287	0.91 187	3.31 124	1.86 157	1.81 110	1.74 138	2.34 206	1.82 243	10.92 341	1.73 224	0.34 169	0.29 212	0.31 122	0.28 152	0.39 177	0.40 199

UNet	2.51 250	0.74 178	20.17 354	1.14 182	1.44 307	3.48 126	0.76 107	3.77 182	1.87 158	2.05 178	1.57 97	2.75 248	2.39 289	3.51 185	2.51 296	0.32 146	0.26 187	0.41 252	0.26 104	0.38 169	0.39 181

DisPM	1.36 87	0.55 36	2.39 93	1.54 312	0.51 80	4.59 349	0.79 124	2.50 53	1.88 159	2.50 286	1.83 177	1.45 100	1.01 66	2.71 171	0.93 86	0.46 272	0.20 57	0.32 138	0.31 206	0.31 77	0.44 220

BUS	1.49 101	0.59 68	1.94 48	0.87 63	0.85 176	4.50 332	0.76 107	4.48 362	1.88 159	2.93 329	1.83 177	3.63 318	0.97 59	1.60 74	1.17 126	0.34 169	0.25 176	0.31 122	0.28 152	0.35 147	0.33 125

BSDual-CNN	1.46 97	0.59 68	1.94 48	0.87 63	0.85 176	4.16 270	1.16 247	4.48 362	1.88 159	2.93 329	1.83 177	2.60 235	1.31 131	1.60 74	1.21 136	0.34 169	0.25 176	0.31 122	0.28 152	0.35 147	0.33 125

psmg	1.47 100	0.59 68	1.94 48	0.92 82	0.85 176	4.30 301	1.42 286	4.10 272	1.88 159	2.64 308	2.09 235	2.60 235	1.31 131	1.60 74	1.21 136	0.34 169	0.27 195	0.33 169	0.34 228	0.36 158	0.34 135

CASnet	0.78 2	0.51 12	1.29 7	0.81 30	0.29 1	1.28 12	0.74 99	1.51 5	1.89 163	1.64 82	1.09 22	0.65 7	0.64 9	0.91 2	0.76 37	0.29 79	0.17 9	0.41 252	0.31 206	0.32 100	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GEStereo_RVC	1.91 153	0.80 205	6.57 170	1.20 213	1.06 231	4.02 234	1.43 288	4.13 274	1.89 163	2.03 174	1.80 158	2.34 206	1.86 248	4.94 212	1.77 228	0.48 285	0.38 279	0.32 138	0.28 152	0.42 216	0.50 255

HGLStereo	2.03 176	0.74 178	7.50 180	1.23 225	1.56 326	3.62 155	0.95 205	3.78 185	1.89 163	2.03 174	2.20 255	3.12 279	2.14 271	5.68 228	2.04 258	0.37 199	0.31 229	0.32 138	0.29 176	0.40 180	0.45 225

PSMNet-RSSM	1.96 163	0.77 194	3.26 126	1.29 244	1.31 280	4.19 281	0.96 210	3.68 164	1.89 163	2.05 178	1.80 158	2.60 235	1.70 222	9.84 305	1.81 232	0.35 186	0.29 212	0.35 201	0.37 261	0.42 216	0.35 146

test_5	1.87 143	0.75 187	10.23 210	1.14 182	1.40 299	3.85 199	1.27 263	3.91 215	1.93 167	1.69 90	1.78 152	1.67 118	1.79 233	2.99 179	1.17 126	0.30 113	0.18 24	0.35 201	0.33 221	0.34 131	0.33 125

test croco	1.55 102	0.69 139	13.59 236	0.65 5	0.73 151	1.66 22	0.57 32	3.17 111	1.94 168	0.77 16	1.24 38	0.80 31	0.86 39	1.60 74	0.96 90	0.33 157	0.21 82	0.32 138	0.25 91	0.42 216	0.28 71

StereoVision	1.65 120	0.75 187	7.47 179	1.01 128	1.80 362	2.61 58	0.61 47	3.06 104	1.96 169	1.25 48	3.46 353	1.85 153	0.88 42	2.07 119	1.93 244	0.43 255	0.36 261	0.37 224	0.36 250	0.48 248	0.33 125

anonymousa	2.16 192	0.67 132	19.19 323	1.04 145	1.67 346	2.06 41	0.79 124	2.86 91	1.96 169	1.85 114	2.14 245	3.23 286	1.81 241	1.12 12	1.15 120	0.26 28	0.26 187	0.34 186	0.32 213	0.30 61	0.28 71

PCWNet_CMD	2.23 198	0.65 114	17.36 294	0.83 44	0.76 156	3.51 133	0.64 58	3.60 155	1.97 171	1.70 92	1.63 112	3.22 284	3.05 322	2.09 124	1.11 114	0.31 130	0.36 261	0.47 278	0.26 104	0.64 300	0.47 240

IER	1.69 124	0.65 114	7.19 177	0.94 96	1.15 246	3.28 100	0.89 175	3.48 137	1.97 171	2.10 188	1.98 214	2.28 197	2.12 268	2.25 141	1.75 227	0.29 79	0.23 130	0.36 212	0.30 190	0.32 100	0.34 135

MSMDNet	2.23 198	0.64 107	17.32 290	0.84 50	0.75 153	3.53 137	0.64 58	3.61 156	1.98 173	1.71 95	1.64 114	3.22 284	2.99 316	2.08 121	1.11 114	0.31 130	0.37 273	0.45 271	0.26 104	0.62 293	0.45 225

LL-Strereo2	1.23 57	0.85 227	2.38 92	0.93 93	0.68 143	3.72 170	1.37 276	2.54 65	1.99 174	1.75 101	1.40 68	1.82 145	0.73 21	1.40 49	0.99 98	0.31 130	0.23 130	0.55 321	0.35 242	0.29 45	0.24 23

PFNet+	1.46 97	0.57 49	2.84 113	0.92 82	0.47 66	4.64 356	0.84 144	2.46 51	1.99 174	2.14 198	1.64 114	1.34 84	1.03 68	4.68 210	1.23 142	0.45 268	0.33 241	0.37 224	0.39 277	0.32 100	0.49 248

CREStereo++_RVC	1.02 31	0.49 8	1.54 22	0.83 44	0.55 98	4.01 232	0.31 2	1.63 12	1.99 174	1.63 80	2.13 244	0.84 36	0.65 11	0.88 1	0.70 24	0.27 35	0.15 2	0.23 7	1.22 383	0.24 6	0.17 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
FENet	2.25 202	0.50 10	20.29 362	1.35 265	0.67 138	4.01 232	0.60 44	3.95 226	1.99 174	1.96 144	1.11 24	2.43 218	1.43 153	1.60 74	1.39 165	0.32 146	0.22 106	0.33 169	0.26 104	0.29 45	0.39 181

LL-Strereo	3.01 307	1.81 347	17.59 301	1.12 174	2.10 376	2.90 65	1.09 235	4.33 338	2.00 178	3.12 343	2.24 260	3.29 290	3.15 325	11.31 352	1.84 236	0.30 113	0.28 203	0.46 275	0.34 228	0.49 253	0.45 225

UDG	3.55 338	2.81 372	17.45 297	2.69 383	1.98 370	3.97 226	1.19 254	4.35 342	2.02 179	2.42 279	2.53 304	4.50 357	2.46 295	6.53 242	2.41 289	2.12 387	1.77 392	2.63 398	2.57 407	2.64 387	1.95 381

GwcNet-RSSM	2.66 270	1.05 263	15.91 272	1.22 221	1.19 257	4.12 253	1.12 240	3.84 194	2.02 179	1.93 137	1.79 155	3.12 279	1.46 162	10.37 323	2.05 260	0.33 157	0.27 195	0.35 201	0.30 190	0.40 180	0.36 149

Wz-Net-LNSev	2.30 217	1.67 341	14.88 259	1.18 208	1.65 342	3.49 128	1.54 300	3.63 157	2.03 181	1.88 121	1.64 114	3.29 290	2.06 263	2.71 171	2.02 257	0.40 230	0.33 241	0.32 138	0.31 206	0.53 264	0.49 248

psm_up	2.28 211	0.81 209	5.45 166	1.26 235	1.50 315	3.84 193	1.23 259	4.23 300	2.03 181	2.55 291	1.80 158	2.44 220	1.65 215	12.90 395	1.58 198	0.37 199	0.38 279	0.41 252	0.34 228	0.43 224	0.39 181

aanetorigin	3.30 329	1.66 339	17.52 300	1.18 208	1.58 331	2.57 56	3.80 390	2.65 76	2.03 181	6.12 393	4.30 366	2.82 258	5.70 373	5.47 222	4.67 336	0.50 298	0.44 308	0.43 262	0.47 308	1.17 367	0.92 343

DDUNet	2.91 290	2.78 371	6.94 176	3.53 396	2.26 382	3.28 100	1.36 272	3.77 182	2.04 184	2.62 304	2.49 298	4.18 344	1.69 221	5.38 219	1.85 237	2.21 388	1.77 392	2.61 397	2.43 405	2.60 386	2.34 387

psmorigin	6.59 392	1.15 281	88.11 439	1.52 307	0.97 207	2.88 64	1.20 255	3.21 114	2.04 184	3.73 362	2.46 294	5.15 378	2.55 299	10.60 329	2.47 293	0.55 315	0.68 361	0.48 286	0.51 321	0.70 317	0.88 341

StereoDRNet-Refined	1.77 135	0.81 209	2.22 78	1.21 218	0.76 156	3.26 95	0.71 83	3.82 190	2.05 186	2.29 243	2.05 228	2.98 267	1.44 155	7.15 257	2.27 281	0.30 113	0.23 130	0.42 258	0.33 221	0.45 236	0.64 300
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Nwc_Net	2.88 289	1.16 284	18.30 308	1.35 265	1.68 347	3.52 136	1.18 251	3.90 211	2.06 187	2.52 289	2.82 328	3.82 325	2.34 286	6.78 252	2.55 301	0.86 360	0.40 292	0.59 329	0.67 346	0.57 279	0.55 277

DGSMNet	7.55 400	1.62 333	17.42 296	1.92 358	12.73 418	7.45 404	42.99 430	4.13 274	2.07 188	2.10 188	3.16 344	3.42 298	1.70 222	9.24 293	2.30 282	3.70 403	10.89 426	11.80 426	5.54 417	4.24 401	2.66 391

MMNet	2.02 175	0.81 209	10.76 216	1.12 174	1.23 267	3.53 137	0.89 175	3.79 186	2.08 189	2.15 203	1.76 145	2.15 191	2.12 268	3.69 190	2.32 284	0.31 130	0.29 212	0.34 186	0.27 127	0.38 169	0.42 207

ACVNet	1.46 97	0.64 107	3.56 136	0.93 93	0.85 176	4.22 287	0.80 129	2.85 88	2.08 189	1.78 105	1.88 194	3.10 276	1.46 162	1.33 45	1.89 241	0.29 79	0.26 187	0.30 103	0.26 104	0.39 177	0.27 58

acv_ft	1.55 102	0.64 107	3.29 127	1.14 182	2.01 372	2.93 69	0.97 212	3.81 189	2.08 189	2.22 229	1.88 194	3.10 276	1.66 217	1.33 45	2.22 278	0.29 79	0.26 187	0.30 103	0.26 104	0.39 177	0.27 58

gwcnet-sp	2.31 218	1.21 291	17.34 291	1.08 156	0.92 195	3.56 144	1.04 224	3.69 169	2.09 192	2.55 291	1.60 105	1.80 141	1.62 198	3.87 194	1.95 248	0.29 79	0.29 212	0.30 103	0.28 152	0.38 169	0.39 181

scenet	2.31 218	1.21 291	17.34 291	1.08 156	0.92 195	3.56 144	1.04 224	3.69 169	2.09 192	2.55 291	1.60 105	1.80 141	1.62 198	3.87 194	1.95 248	0.29 79	0.29 212	0.30 103	0.28 152	0.38 169	0.39 181

ssnet	2.31 218	1.21 291	17.34 291	1.08 156	0.92 195	3.56 144	1.04 224	3.69 169	2.09 192	2.55 291	1.60 105	1.80 141	1.62 198	3.87 194	1.95 248	0.29 79	0.29 212	0.30 103	0.28 152	0.38 169	0.39 181

fff	1.74 129	0.70 149	9.08 193	0.81 30	0.36 6	4.15 260	0.57 32	4.23 300	2.09 192	2.30 247	1.80 158	1.19 71	3.02 319	1.44 54	1.46 176	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 207

csc	1.74 129	0.70 149	9.08 193	0.81 30	0.36 6	4.15 260	0.57 32	4.23 300	2.09 192	2.30 247	1.80 158	1.19 71	3.02 319	1.44 54	1.46 176	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 207

cscssc	1.74 129	0.70 149	9.08 193	0.81 30	0.36 6	4.15 260	0.57 32	4.23 300	2.09 192	2.30 247	1.80 158	1.19 71	3.02 319	1.44 54	1.46 176	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 207

FADNet-RVC-Resample	2.83 282	2.02 355	21.07 385	1.12 174	0.91 194	3.53 137	1.37 276	4.08 263	2.09 192	1.68 89	1.33 55	2.03 177	1.51 176	9.54 299	1.69 217	0.38 213	0.37 273	0.42 258	0.44 299	0.56 275	0.56 279

iResNetv2_ROB	2.65 268	5.00 384	19.28 328	2.06 367	1.09 238	3.83 188	1.13 243	4.14 280	2.09 192	1.85 114	2.03 220	2.01 176	1.51 176	3.58 186	1.58 198	0.34 169	0.21 82	0.32 138	0.21 30	0.44 229	0.29 78

Wz-Net-LNSev-Ref	2.42 235	1.47 327	14.14 249	1.30 249	1.35 289	3.51 133	1.64 309	4.04 251	2.10 200	2.46 281	1.88 194	2.28 197	2.51 297	4.73 211	3.17 321	0.38 213	0.19 39	0.35 201	0.20 24	0.40 180	0.36 149

PSMNet-ADL	1.91 153	0.72 162	1.78 39	1.09 160	0.86 180	4.18 277	0.78 119	3.77 182	2.10 200	1.72 96	1.85 189	2.91 264	1.82 243	10.38 325	1.91 243	0.48 285	0.46 319	0.28 69	0.29 176	0.38 169	0.51 261

dd	1.26 72	1.15 281	2.47 97	0.92 82	0.49 76	4.35 305	0.75 106	1.92 24	2.11 202	1.44 60	1.24 38	1.19 71	1.05 74	1.78 97	1.70 218	0.57 319	0.34 253	0.35 201	0.33 221	0.60 286	0.46 235

GMStereo	1.01 27	1.00 254	2.86 114	0.83 44	0.45 49	1.47 16	0.57 32	1.89 23	2.11 202	1.52 65	1.24 38	0.87 40	0.74 22	1.58 69	0.94 87	0.40 230	0.21 82	0.30 103	0.30 190	0.47 245	0.36 149
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
APVNet	3.13 319	1.25 304	21.14 387	1.31 251	1.52 317	3.94 213	1.13 243	3.32 128	2.14 204	2.20 220	2.03 220	3.05 275	1.96 257	11.79 376	2.53 298	0.42 250	0.45 312	0.64 344	0.46 305	0.67 311	0.57 283

G-Net	4.11 357	1.21 291	19.47 331	2.31 378	2.94 390	4.74 377	2.95 365	3.33 132	2.14 204	4.44 379	9.43 394	6.93 388	3.84 346	9.01 288	4.92 343	0.79 351	0.80 369	0.70 352	0.50 319	0.95 346	0.87 340

XPNet_ROB	2.27 206	1.11 275	4.10 145	1.36 271	0.97 207	3.94 213	1.63 307	4.07 259	2.14 204	2.82 324	2.00 217	2.32 205	1.73 228	10.81 336	3.39 323	0.51 304	0.47 323	0.48 286	0.40 287	0.51 255	0.56 279

SFCPSM	2.18 194	0.63 102	17.03 289	0.88 67	0.98 211	3.74 174	1.28 264	4.09 265	2.16 207	1.85 114	1.83 177	1.65 116	1.39 142	2.50 151	1.50 184	0.33 157	0.27 195	0.39 239	0.36 250	0.34 131	0.37 163

DSFCA	1.89 148	0.69 139	3.14 123	1.10 168	1.18 251	3.99 229	1.79 319	3.50 142	2.16 207	3.10 341	1.64 114	2.91 264	2.50 296	5.38 219	2.26 280	0.43 255	0.38 279	0.37 224	0.36 250	0.50 254	0.42 207

iinet-f	2.26 204	1.18 286	13.71 237	1.14 182	1.11 241	3.77 178	1.10 237	4.14 280	2.17 209	2.06 181	1.76 145	2.99 268	2.99 316	2.50 151	2.49 294	0.35 186	0.39 287	0.27 55	0.28 152	0.45 236	0.39 181

PASM	2.67 272	2.05 357	9.71 201	1.73 339	1.37 292	2.53 54	1.52 295	3.10 105	2.17 209	2.79 321	1.84 182	2.90 262	1.85 247	11.89 381	2.19 275	0.81 355	0.85 370	0.87 368	1.01 372	1.14 363	1.05 350

UDGNet	1.40 91	1.52 330	2.22 78	1.38 281	0.62 124	4.39 309	0.68 71	1.80 21	2.18 211	1.34 51	1.18 31	0.99 50	1.00 64	2.16 130	1.19 129	1.09 369	0.34 253	1.30 382	0.98 371	1.10 360	0.58 287

EAI-Stereo	2.35 227	0.63 102	2.97 116	0.95 98	0.65 132	3.84 193	14.27 413	5.04 388	2.19 212	2.06 181	7.25 377	1.10 58	0.94 53	1.65 86	1.37 164	0.31 130	0.22 106	0.27 55	0.60 340	0.27 24	0.32 115

MLCV	1.87 143	0.91 236	8.59 188	1.10 168	0.57 110	3.59 149	0.53 25	3.70 173	2.20 213	2.80 322	2.25 262	2.00 173	1.42 151	4.13 202	1.86 238	0.30 113	0.20 57	0.32 138	0.21 30	0.33 115	0.36 149

NCC-stereo	3.16 323	1.28 306	18.31 309	1.25 229	1.75 354	4.06 239	1.40 281	3.89 206	2.22 214	2.72 315	2.55 305	3.49 308	2.65 304	9.91 308	2.99 316	1.29 379	0.65 355	0.64 344	0.86 365	0.65 303	0.71 311

Abc-Net	3.16 323	1.28 306	18.31 309	1.25 229	1.75 354	4.06 239	1.40 281	3.89 206	2.22 214	2.72 315	2.55 305	3.49 308	2.65 304	9.91 308	2.99 316	1.29 379	0.65 355	0.64 344	0.86 365	0.65 303	0.71 311
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCCL2	2.53 254	1.35 316	10.90 218	1.15 196	0.97 207	3.53 137	2.56 354	3.65 159	2.23 216	2.76 318	1.80 158	2.41 214	1.66 217	10.35 322	2.07 264	0.44 262	0.40 292	0.57 325	0.53 328	0.59 282	0.65 302

ETE_ROB	2.07 184	1.40 322	3.01 119	1.09 160	0.92 195	3.94 213	1.53 297	4.25 308	2.23 216	3.31 351	2.06 232	2.35 208	1.52 178	8.74 281	2.07 264	0.44 262	0.36 261	0.51 305	0.48 312	0.54 267	0.62 295

NINENet	1.87 143	0.74 178	2.60 100	1.12 174	1.06 231	4.50 332	0.76 107	4.41 351	2.24 218	2.16 208	1.86 192	3.63 318	0.97 59	8.00 271	1.17 126	0.41 240	0.30 221	0.41 252	0.30 190	0.41 201	0.36 149

SACVNet	2.46 240	1.14 280	9.47 200	1.44 292	1.18 251	4.06 239	1.49 294	3.84 194	2.24 218	2.62 304	1.89 199	2.57 231	1.28 126	11.35 353	1.64 211	0.50 298	0.39 287	0.48 286	0.41 291	0.55 269	0.75 322

otaku	4.58 367	8.93 401	19.95 344	3.11 391	2.67 385	3.91 206	2.57 355	3.82 190	2.25 220	2.22 229	9.72 396	4.08 338	2.35 287	8.57 278	2.13 271	3.51 399	1.65 390	2.15 391	1.17 380	3.69 395	3.15 399

Consistency-Raft	2.86 284	1.66 339	19.61 333	1.40 286	1.75 354	3.84 193	1.32 267	4.07 259	2.25 220	1.78 105	2.67 315	1.82 145	4.41 357	1.94 112	2.06 261	0.83 358	0.94 373	1.03 373	1.12 377	1.70 381	1.09 353

HSM	2.35 227	0.81 209	2.21 77	1.14 182	1.55 323	3.44 117	1.03 222	3.99 238	2.25 220	2.29 243	2.11 240	8.04 392	3.05 322	11.60 361	1.71 219	0.33 157	0.22 106	0.28 69	0.23 60	0.32 100	0.35 146

RGC	3.10 317	1.45 326	14.90 260	1.46 297	1.79 359	3.33 106	1.39 279	4.04 251	2.26 223	2.77 319	3.26 347	4.00 333	2.71 306	11.63 368	2.62 305	0.82 356	0.46 319	0.79 362	0.79 362	0.71 322	0.78 328

DISCO	2.25 202	0.73 170	10.06 207	1.76 341	1.12 242	3.47 124	1.25 262	3.24 119	2.26 223	2.65 310	1.96 208	4.53 360	1.92 255	4.17 204	3.61 326	0.32 146	0.25 176	0.31 122	0.29 176	0.66 308	0.41 204

CrosDoStereo	5.24 376	0.60 77	20.23 356	0.82 37	0.51 80	3.39 111	18.11 417	3.82 190	2.27 225	1.98 147	8.74 389	1.96 166	6.96 388	7.35 260	26.35 419	0.30 113	0.22 106	0.30 103	0.28 152	0.33 115	0.38 176

DeepStereo_LL	5.24 376	0.60 77	20.23 356	0.82 37	0.51 80	3.39 111	18.11 417	3.82 190	2.27 225	1.98 147	8.74 389	1.96 166	6.96 388	7.35 260	26.35 419	0.30 113	0.22 106	0.30 103	0.28 152	0.33 115	0.38 176

FADNet	2.49 247	1.76 345	13.17 230	1.17 202	0.95 203	3.27 97	0.88 172	3.94 224	2.27 225	1.40 57	1.29 52	2.51 227	2.06 263	9.93 310	1.94 246	0.43 255	0.45 312	0.40 245	0.43 297	1.06 354	0.53 268

fast-acv-ft	2.54 256	1.19 288	20.08 351	1.41 287	1.40 299	3.18 84	1.17 250	3.37 133	2.28 228	1.90 127	2.15 247	2.69 242	2.17 276	2.91 175	2.31 283	0.37 199	0.39 287	0.45 271	0.39 277	0.57 279	0.45 225

LALA_ROB	1.95 161	1.48 328	3.11 122	1.05 146	0.98 211	3.99 229	1.82 323	4.44 356	2.28 228	3.31 351	1.85 189	2.76 254	1.67 219	4.04 201	3.23 322	0.46 272	0.41 298	0.55 321	0.52 324	0.60 286	0.57 283

RYNet	2.97 300	0.93 241	15.09 265	1.12 174	1.38 296	3.66 163	1.42 286	4.03 247	2.29 230	2.10 188	1.70 127	3.79 323	2.16 274	13.64 404	3.02 318	0.37 199	0.41 298	0.48 286	0.34 228	0.81 336	0.75 322

anonymity	1.76 133	1.26 305	2.73 110	1.66 331	1.32 284	1.84 27	1.07 230	3.49 140	2.30 231	2.11 192	2.11 240	1.71 125	3.90 348	1.82 101	1.48 180	1.10 370	1.09 376	1.08 377	1.08 376	1.05 353	1.09 353

DLCB_ROB	2.05 181	0.95 245	2.37 91	1.24 227	1.02 223	2.92 68	1.30 265	3.68 164	2.30 231	2.91 327	2.17 250	3.32 293	1.52 178	10.37 323	2.50 295	0.40 230	0.33 241	0.40 245	0.36 250	0.41 201	0.47 240

NLCA_NET_v2_RVC	2.54 256	1.04 262	16.73 284	1.53 310	2.00 371	3.96 223	0.87 168	3.87 202	2.31 233	2.54 290	1.67 120	2.85 259	1.63 210	5.55 224	1.62 207	0.46 272	0.33 241	0.38 236	0.38 273	0.53 264	0.62 295
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Wz-Net-MNSev	2.71 278	2.54 368	13.91 246	1.52 307	1.37 292	3.28 100	2.47 349	4.03 247	2.32 234	2.57 295	2.07 234	2.29 202	3.01 318	7.55 265	2.74 308	0.38 213	0.36 261	0.36 212	0.37 261	0.57 279	0.47 240

GwcNet	3.00 305	1.63 335	19.83 340	1.32 253	2.04 375	3.27 97	1.55 301	3.65 159	2.33 235	2.00 164	2.12 243	3.56 316	1.68 220	9.47 297	2.45 291	0.44 262	0.45 312	0.46 275	0.38 273	0.60 286	0.76 324

RAFT-345	2.46 240	0.55 36	19.69 336	1.02 137	0.49 76	4.43 319	0.78 119	1.64 13	2.34 236	2.09 185	3.12 341	1.96 166	1.31 131	6.65 246	1.43 170	0.36 191	0.23 130	0.32 138	0.25 91	0.28 37	0.25 29

RP	2.79 280	1.20 290	10.36 211	1.54 312	1.93 368	3.44 117	1.97 331	4.05 255	2.34 236	2.66 311	2.79 323	3.98 332	2.58 301	10.21 319	2.61 303	0.95 364	0.47 323	0.71 353	0.57 336	0.71 322	0.68 307

HITNet	2.07 184	0.82 216	14.77 256	1.34 261	0.56 101	3.47 124	0.80 129	4.07 259	2.35 238	2.16 208	1.61 109	1.64 115	1.44 155	2.09 124	2.56 302	0.26 28	0.18 24	0.41 252	0.26 104	0.45 236	0.25 29
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
PSMNet_ROB	2.95 293	1.38 319	18.46 314	1.19 210	1.20 262	3.80 184	1.65 312	3.54 148	2.35 238	1.98 147	1.71 131	2.75 248	1.79 233	11.43 357	2.78 310	0.42 250	0.36 261	0.50 302	0.60 340	0.59 282	0.49 248

MyStereo8	2.33 223	1.13 277	19.26 326	1.22 221	1.62 335	4.16 270	0.57 32	3.50 142	2.36 240	2.15 203	1.75 142	2.28 197	1.14 103	1.46 59	2.20 276	0.24 11	0.21 82	0.32 138	0.27 127	0.36 158	0.43 215

Ntro	4.21 360	8.94 402	19.89 342	3.22 392	2.96 391	4.15 260	1.89 327	3.92 220	2.36 240	1.77 103	2.14 245	3.35 295	2.17 276	9.48 298	2.24 279	3.52 400	1.76 391	2.13 390	1.31 384	3.83 398	3.09 397

GwcNet-ADL	2.47 243	0.67 132	21.48 398	0.96 102	0.72 147	4.61 352	0.95 205	4.42 352	2.36 240	1.98 147	1.80 158	2.55 230	1.24 121	1.90 108	1.41 167	0.40 230	0.46 319	0.24 19	0.27 127	0.41 201	0.49 248

cf-r	2.57 263	0.79 202	16.09 274	1.48 302	1.35 289	4.19 281	0.93 198	3.68 164	2.36 240	1.97 146	1.81 170	3.42 298	1.45 159	8.24 273	1.83 235	0.32 146	0.26 187	0.33 169	0.30 190	0.34 131	0.37 163

ADCRef	3.30 329	1.23 301	14.90 260	1.17 202	1.41 305	3.95 218	1.64 309	3.88 205	2.36 240	3.05 339	2.21 257	2.40 212	2.81 310	5.04 213	16.63 396	0.46 272	0.34 253	0.63 341	0.62 344	0.54 267	0.67 305

StereoDRNet	2.84 283	1.49 329	14.48 255	1.33 257	1.57 330	3.44 117	2.06 336	3.69 169	2.36 240	3.26 350	1.84 182	2.79 257	1.80 238	10.88 338	3.16 320	0.41 240	0.33 241	0.39 239	0.36 250	0.59 282	0.58 287

CFNet_ucs	2.36 230	0.68 138	18.42 312	0.89 70	0.81 163	3.85 199	0.68 71	4.29 321	2.37 246	2.09 185	2.04 223	3.31 292	1.24 121	2.63 165	1.14 119	0.36 191	0.45 312	0.56 323	0.29 176	0.66 308	0.49 248

MIPNet	2.33 223	0.71 159	19.82 339	0.89 70	0.56 101	4.76 379	0.61 47	4.32 336	2.37 246	1.83 113	1.48 82	1.48 102	1.98 258	2.63 165	1.44 172	0.29 79	0.20 57	0.26 39	0.23 60	0.30 61	0.39 181

HBP-ISP	3.25 328	1.10 272	20.86 379	1.54 312	1.15 246	4.50 332	2.89 364	4.43 355	2.38 248	4.14 372	1.96 208	1.90 156	2.04 261	11.08 349	1.32 156	0.66 336	0.57 339	0.66 347	0.61 343	0.64 300	0.61 293

IPLGR	2.53 254	0.58 61	20.46 370	0.82 37	0.52 87	4.56 346	0.50 19	4.30 329	2.38 248	1.87 119	1.53 89	1.68 120	1.72 226	6.95 255	1.15 120	0.28 62	0.21 82	0.27 55	0.23 60	0.33 115	0.32 115

DANet	2.63 266	1.07 266	8.10 183	1.83 351	1.70 349	3.25 94	1.16 247	4.31 332	2.38 248	3.40 356	2.18 251	4.08 338	1.80 238	9.77 302	3.89 330	0.52 310	0.55 336	0.59 329	0.44 299	0.63 294	0.86 337
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-SNSev	2.98 302	4.36 381	15.98 273	1.57 320	1.19 257	3.28 100	1.80 321	3.96 231	2.40 251	2.32 256	2.28 267	3.48 301	2.05 262	7.84 270	3.82 329	0.47 280	0.39 287	0.53 313	0.49 315	0.71 322	0.60 291

Syn2CoEx	3.08 313	2.55 369	19.88 341	1.34 261	1.18 251	2.43 52	1.65 312	3.91 215	2.40 251	2.39 275	2.27 264	2.90 262	3.17 328	9.57 300	2.54 300	0.50 298	0.45 312	0.53 313	0.39 277	0.74 326	0.72 317

CoDeX	2.40 233	0.78 199	13.21 231	1.00 124	1.18 251	3.24 91	1.32 267	4.14 280	2.41 253	1.74 99	1.84 182	2.05 181	1.47 164	10.03 315	1.60 202	0.34 169	0.28 203	0.32 138	0.27 127	0.32 100	0.39 181

ccnet	2.66 270	0.97 252	8.01 182	1.54 312	1.24 269	3.75 175	2.18 343	4.07 259	2.41 253	2.66 311	3.25 346	2.87 261	2.31 285	9.89 307	3.50 324	0.78 350	0.75 367	0.71 353	0.67 346	0.76 329	0.81 331

GANet	2.93 292	1.05 263	11.29 221	1.64 329	0.96 204	3.91 206	2.52 352	3.72 175	2.41 253	2.95 334	3.00 334	3.21 283	2.03 259	12.42 390	4.72 338	0.51 304	0.41 298	0.46 275	0.39 277	0.60 286	0.50 255

Anonymous Stereo	3.09 314	3.14 373	16.69 283	1.52 307	1.25 272	3.33 106	2.95 365	4.02 245	2.42 256	2.35 264	2.04 223	2.57 231	1.27 123	11.88 380	2.92 314	0.49 295	0.49 330	0.57 325	0.56 333	0.70 317	0.65 302

MaskLacGwcNet_RVC	3.13 319	1.43 324	9.93 205	2.50 381	1.62 335	4.29 299	1.68 316	3.95 226	2.43 257	1.66 86	1.91 204	3.04 272	1.41 148	13.26 397	1.58 198	3.82 404	1.59 388	1.12 379	0.46 305	2.21 385	2.74 396

BEATNet_4x	1.92 156	1.36 317	8.75 191	1.20 213	0.56 101	3.46 122	1.03 222	4.00 240	2.43 257	2.25 238	1.70 127	2.10 188	1.59 190	2.57 162	3.05 319	0.37 199	0.22 106	0.47 278	0.29 176	0.60 286	0.40 199

AF-Net	2.87 287	1.30 308	16.24 275	1.33 257	1.75 354	3.26 95	1.59 304	4.09 265	2.43 257	2.69 313	2.94 331	4.51 358	3.20 329	5.84 231	2.75 309	0.76 349	0.36 261	0.72 357	0.49 315	0.70 317	0.56 279

STTStereo	2.34 225	0.95 245	14.93 262	1.43 290	1.54 319	3.86 201	0.86 152	3.65 159	2.44 260	2.15 203	1.55 92	2.49 226	1.59 190	5.14 215	1.44 172	0.38 213	0.39 287	0.47 278	0.51 321	0.52 258	0.51 261

222	2.68 275	0.57 49	2.03 55	1.11 172	0.81 163	3.23 88	0.65 64	4.52 370	2.45 261	2.34 263	2.29 270	1.41 96	1.44 155	10.50 326	18.47 406	0.32 146	0.30 221	0.32 138	0.27 127	0.32 100	0.34 135

NVstereo2D	2.54 256	0.90 234	11.10 219	1.32 253	1.47 311	3.58 148	1.38 278	4.13 274	2.45 261	1.90 127	1.71 131	2.86 260	1.76 229	10.86 337	1.66 214	0.60 323	0.43 305	0.53 313	0.41 291	0.78 332	0.94 345

DRN-Test	3.03 309	0.99 253	18.18 305	1.35 265	1.60 332	3.59 149	1.48 290	4.13 274	2.45 261	3.47 358	1.92 205	2.58 234	2.53 298	10.88 338	2.80 311	0.39 224	0.36 261	0.44 265	0.41 291	0.55 269	0.57 283

AdaStereo	1.45 96	0.83 219	2.34 90	1.28 241	0.81 163	3.21 85	1.14 245	4.20 288	2.46 264	2.05 178	1.77 150	2.48 224	1.18 109	1.71 92	1.44 172	0.43 255	0.25 176	0.43 262	0.28 152	0.44 229	0.34 135
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.
dad	1.65 120	1.19 288	3.04 120	0.98 112	0.56 101	4.22 287	0.84 144	1.99 26	2.48 265	2.14 198	1.68 122	1.62 114	1.13 97	3.85 193	2.04 258	1.03 368	0.40 292	2.04 388	0.48 312	0.75 328	0.53 268

delet	1.92 156	0.76 191	5.14 158	1.01 128	1.65 342	3.44 117	2.03 335	3.76 180	2.48 265	2.01 166	2.05 228	2.63 239	1.90 253	5.34 218	2.12 268	0.28 62	0.29 212	0.40 245	0.31 206	0.41 201	0.45 225

FADNet-RVC	2.51 250	2.27 360	14.03 247	1.09 160	0.81 163	3.54 141	1.10 237	4.13 274	2.48 265	1.39 56	1.22 35	1.85 153	1.77 230	9.78 304	2.06 261	0.38 213	0.37 273	0.40 245	0.40 287	0.67 311	0.48 244

RTSC	2.95 293	2.51 364	15.49 271	1.54 312	1.30 278	3.51 133	0.86 152	3.89 206	2.48 265	3.64 359	3.12 341	3.04 272	2.30 282	5.70 229	6.67 349	0.55 315	0.35 257	0.37 224	0.39 277	0.70 317	0.60 291

xxxx	2.67 272	0.54 32	2.03 55	1.22 221	0.81 163	3.49 128	0.63 57	4.49 365	2.49 269	2.22 229	2.23 259	2.05 181	1.38 139	10.05 316	17.91 402	0.32 146	0.32 235	0.30 103	0.27 127	0.33 115	0.34 135

WZ-Net	3.62 340	4.87 383	16.77 286	1.43 290	1.40 299	3.75 175	2.29 346	4.12 273	2.50 270	2.74 317	2.19 253	4.06 337	5.29 369	10.19 318	7.36 359	0.54 314	0.37 273	0.47 278	0.49 315	0.77 330	0.73 318

ac_64	2.35 227	0.62 98	9.77 202	1.32 253	1.71 350	3.27 97	0.93 198	3.48 137	2.50 270	1.74 99	1.73 136	3.91 328	1.77 230	10.21 319	1.86 238	0.40 230	0.31 229	0.33 169	0.30 190	0.34 131	0.39 181

CVANet_RVC	2.55 260	1.10 272	9.13 198	1.46 297	1.15 246	3.96 223	1.53 297	3.91 215	2.50 270	3.04 337	2.04 223	2.60 235	1.72 226	12.46 392	1.50 184	0.49 295	0.30 221	0.51 305	0.41 291	0.63 294	0.50 255

HSM-Net_RVC	2.87 287	0.57 49	17.46 298	0.92 82	0.90 193	3.70 167	1.20 255	5.64 400	2.51 273	3.22 349	2.43 293	2.54 229	1.59 190	11.41 355	1.65 213	0.34 169	0.25 176	0.26 39	0.23 60	0.30 61	0.29 78
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
raft_robust	1.92 156	1.15 281	3.34 131	1.02 137	0.43 40	3.84 193	0.46 14	4.42 352	2.52 274	1.67 88	1.36 64	2.17 192	6.37 383	6.78 252	1.04 103	0.28 62	0.24 159	0.30 103	0.35 242	0.31 77	0.32 115

DIP-Stereo	1.24 62	0.69 139	1.77 37	0.65 5	0.61 121	4.29 299	0.58 40	4.44 356	2.53 275	1.98 147	1.33 55	0.91 45	0.86 39	1.25 35	1.25 143	0.36 191	0.23 130	0.32 138	0.23 60	0.32 100	0.29 78
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
CBMV	3.32 331	0.96 251	21.16 389	1.32 253	0.83 172	3.81 186	3.91 393	4.47 361	2.53 275	3.34 353	2.24 260	4.45 355	2.58 301	10.07 317	1.96 251	0.45 268	0.43 305	0.48 286	0.38 273	0.52 258	0.53 268
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DispNO	3.00 305	0.75 187	18.92 320	1.17 202	1.10 240	3.72 170	0.94 201	4.29 321	2.54 277	2.24 235	2.28 267	4.51 358	2.12 268	11.40 354	2.09 266	0.31 130	0.28 203	0.31 122	0.28 152	0.36 158	0.39 181

MyStereo04	2.29 214	0.80 205	18.77 317	1.00 124	1.04 227	3.95 218	0.95 205	3.91 215	2.54 277	1.99 152	1.27 49	2.31 204	1.65 215	2.02 118	1.77 228	0.24 11	0.24 159	0.34 186	0.26 104	0.41 201	0.37 163

iResNet	2.52 253	0.94 244	21.17 390	1.84 352	0.72 147	3.75 175	0.81 134	4.14 280	2.55 279	2.33 262	2.03 220	1.35 86	1.44 155	3.27 181	2.16 274	0.35 186	0.23 130	0.28 69	0.22 51	0.44 229	0.45 225

whm_eth	2.04 178	1.24 302	18.44 313	0.89 70	1.37 292	2.59 57	0.73 89	3.56 151	2.56 280	1.53 67	2.06 232	0.78 26	0.71 16	1.02 7	0.98 93	0.36 191	0.29 212	0.34 186	0.32 213	0.41 201	0.54 274

RALAANet	1.28 77	1.08 268	3.21 124	1.25 229	0.94 201	1.44 15	0.69 76	3.15 108	2.57 281	2.01 166	1.80 158	1.29 81	1.05 74	2.00 114	1.48 180	0.27 35	0.20 57	0.27 55	0.24 82	0.40 180	0.27 58

SDNR	3.97 353	1.93 350	20.28 361	1.31 251	0.94 201	5.16 387	0.67 67	4.33 338	2.58 282	4.82 384	5.94 376	5.01 374	1.45 159	17.52 412	2.53 298	0.79 351	0.72 364	0.59 329	0.45 303	1.15 365	1.17 356

hitnet-ft	2.37 231	0.73 170	8.34 184	0.96 102	0.89 190	3.77 178	0.80 129	3.55 149	2.58 282	2.24 235	2.04 223	3.65 320	1.49 172	11.71 373	1.89 241	0.44 262	0.53 333	0.44 265	0.35 242	0.52 258	0.48 244

ssnet_v2	2.04 178	0.88 231	7.87 181	1.20 213	0.87 182	3.86 201	1.64 309	4.01 241	2.60 284	2.61 303	1.96 208	3.79 323	1.71 224	2.20 135	2.96 315	0.41 240	0.35 257	0.42 258	0.37 261	0.55 269	0.52 266

MyStereo05	2.37 231	0.72 162	19.94 343	1.02 137	0.99 214	4.26 292	0.86 152	4.01 241	2.62 285	2.14 198	1.26 43	2.28 197	1.63 210	2.07 119	1.68 216	0.24 11	0.23 130	0.34 186	0.26 104	0.42 216	0.36 149

1111x	3.13 319	0.57 49	8.38 186	1.20 213	0.76 156	3.80 184	0.88 172	4.61 377	2.63 286	2.31 252	2.16 248	1.95 161	1.81 241	11.54 359	18.13 404	0.32 146	0.31 229	0.32 138	0.30 190	0.35 147	0.34 135

STrans-v2	3.03 309	0.77 194	20.91 381	0.81 30	0.63 125	3.89 204	1.01 218	4.27 316	2.64 287	2.28 241	3.70 357	4.13 341	5.20 367	7.33 259	1.27 147	0.31 130	0.18 24	0.29 84	0.25 91	0.29 45	0.41 204

PS-NSSS	2.22 196	1.33 315	2.90 115	0.97 109	1.53 318	4.11 251	1.08 233	4.55 372	2.65 288	2.10 188	2.32 287	1.77 130	1.40 143	11.79 376	1.61 205	0.68 341	0.45 312	0.96 371	0.43 297	0.95 346	0.92 343

MDST_ROB	5.53 381	0.59 68	23.11 411	2.55 382	2.69 386	21.20 421	1.98 332	4.77 384	2.65 288	9.36 407	4.25 364	4.14 342	4.45 358	22.57 415	3.68 328	0.48 285	0.33 241	0.47 278	0.44 299	0.44 229	0.44 220

iResNet_ROB	1.89 148	1.02 256	8.60 189	1.39 283	0.98 211	3.72 170	0.66 66	3.84 194	2.65 288	1.88 121	2.05 228	1.98 170	1.27 123	4.52 206	1.67 215	0.30 113	0.20 57	0.28 69	0.18 10	0.31 77	0.40 199

GASNet	3.24 326	5.55 388	20.58 374	1.56 319	1.25 272	2.32 49	1.12 240	4.04 251	2.67 291	1.88 121	2.10 236	3.00 269	2.16 274	10.59 328	2.43 290	0.65 334	0.37 273	0.61 337	0.45 303	0.87 341	0.58 287

FAT-Stereo	3.34 332	0.81 209	20.05 347	1.25 229	1.20 262	3.44 117	1.99 333	4.23 300	2.67 291	3.14 344	3.82 360	3.51 310	3.32 334	11.68 371	1.94 246	0.64 331	0.67 358	0.48 286	0.52 324	0.61 291	0.81 331

SPS-STEREO	3.97 353	1.44 325	20.85 378	1.72 338	1.71 350	3.24 91	2.30 347	3.55 149	2.68 293	4.79 383	3.66 356	5.44 381	2.97 315	9.11 289	9.35 369	1.15 373	1.10 377	1.06 376	1.02 374	1.16 366	1.18 357
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
111	1.83 140	0.92 238	9.08 193	0.81 30	0.36 6	4.25 291	0.91 187	4.44 356	2.70 294	2.39 275	1.96 208	2.30 203	1.64 213	1.28 40	1.82 233	0.28 62	0.22 106	0.24 19	0.20 24	0.31 77	0.54 274

test_xeample	2.67 272	0.56 43	2.05 58	1.09 160	0.81 163	3.24 91	0.80 129	4.55 372	2.70 294	2.42 279	2.27 264	1.39 91	1.40 143	10.75 333	17.51 401	0.30 113	0.30 221	0.32 138	0.28 152	0.34 131	0.33 125

ADCPNet	3.89 348	1.63 335	20.25 360	1.28 241	1.27 276	6.43 397	2.65 357	3.93 221	2.70 294	2.78 320	2.20 255	4.28 350	6.16 381	5.56 225	10.27 373	0.65 334	1.18 379	0.71 353	1.70 391	0.84 340	1.37 365

s12784h	1.31 83	0.45 2	2.41 94	0.71 9	0.35 5	4.42 317	0.50 19	4.22 295	2.73 297	2.01 166	2.48 297	0.91 45	0.96 56	2.01 117	0.70 24	0.29 79	0.18 24	0.24 19	0.16 8	0.27 24	0.18 2

DAS	2.31 218	0.67 132	4.79 155	1.14 182	1.64 339	2.93 69	2.13 340	4.09 265	2.74 298	4.17 373	2.52 302	2.46 222	1.79 233	11.55 360	1.63 209	0.37 199	0.22 106	0.39 239	0.25 91	0.41 201	0.34 135

SepStereo	2.15 191	0.67 132	4.79 155	1.14 182	1.64 339	2.93 69	2.13 340	4.09 265	2.74 298	4.17 373	2.52 302	2.46 222	1.79 233	8.36 274	1.63 209	0.37 199	0.22 106	0.39 239	0.25 91	0.41 201	0.34 135

Sa-1000	1.63 119	0.79 202	3.56 136	1.11 172	0.48 72	4.06 239	1.41 284	4.49 365	2.75 300	2.00 164	2.80 325	1.84 151	1.43 153	2.64 167	1.50 184	0.27 35	0.19 39	0.36 212	0.33 221	0.36 158	0.30 101

DMCA	1.72 126	0.74 178	6.63 171	1.14 182	0.96 204	3.98 228	0.90 179	3.75 178	2.76 301	2.83 325	1.58 98	2.35 208	1.18 109	1.58 69	1.98 253	0.40 230	0.27 195	0.42 258	0.26 104	0.36 158	0.38 176

CFNet	2.34 225	1.10 272	8.96 192	1.34 261	1.24 269	4.09 246	0.73 89	4.04 251	2.77 302	1.62 79	1.87 193	2.27 196	1.45 159	11.41 355	1.82 233	0.31 130	0.24 159	0.43 262	0.36 250	0.43 224	0.33 125

Any-RAFT	1.40 91	0.53 26	2.78 111	1.09 160	0.64 127	4.41 315	0.81 134	3.97 232	2.78 303	1.99 152	1.34 60	2.36 210	1.56 189	1.56 68	0.75 35	0.27 35	0.20 57	0.25 29	0.18 10	0.25 12	0.28 71

XQC	2.96 296	2.42 363	14.85 257	1.36 271	1.32 284	3.29 104	1.53 297	4.28 320	2.78 303	3.21 348	2.46 294	3.53 312	2.92 314	6.58 243	4.67 336	0.70 345	0.41 298	0.59 329	0.56 333	0.96 350	0.83 336

SST-Stereo	1.76 133	0.58 61	3.10 121	1.44 292	0.46 56	4.71 373	0.76 107	2.22 38	2.79 305	2.07 184	2.18 251	2.43 218	3.22 330	6.66 247	0.84 51	0.42 250	0.19 39	0.30 103	0.27 127	0.35 147	0.26 46

HCRNet	1.60 115	0.56 43	2.47 97	0.78 27	1.36 291	4.11 251	0.71 83	3.57 152	2.79 305	1.75 101	1.61 109	1.58 109	1.41 148	5.79 230	1.56 196	0.34 169	0.28 203	0.36 212	0.29 176	0.33 115	0.37 163

TDLM	2.29 214	1.08 268	4.61 154	1.29 244	1.01 222	4.26 292	2.17 342	3.75 178	2.79 305	2.31 252	1.98 214	2.06 183	1.59 190	12.45 391	1.72 220	0.51 304	0.28 203	0.52 311	0.35 242	0.56 275	0.50 255

CBMV_ROB	3.62 340	0.70 149	21.42 397	1.21 218	0.89 190	4.43 319	1.76 318	4.39 348	2.79 305	5.88 390	3.38 350	4.18 344	5.12 366	10.75 333	2.32 284	0.56 317	0.55 336	0.53 313	0.51 321	0.55 269	0.46 235

SMFormer	2.00 171	0.57 49	4.46 148	1.36 271	0.57 110	2.03 35	0.73 89	4.25 308	2.80 309	2.32 256	2.31 282	1.95 161	1.52 178	10.99 344	2.13 271	0.34 169	0.32 235	0.36 212	0.31 206	0.38 169	0.36 149

tta	2.00 171	0.57 49	4.46 148	1.36 271	0.57 110	2.03 35	0.73 89	4.25 308	2.80 309	2.32 256	2.31 282	1.95 161	1.52 178	10.99 344	2.13 271	0.34 169	0.32 235	0.36 212	0.31 206	0.29 45	0.29 78

qqq1	1.92 156	0.57 49	4.46 148	1.36 271	0.57 110	2.03 35	0.73 89	4.25 308	2.80 309	2.32 256	2.31 282	1.95 161	1.52 178	10.99 344	0.71 27	0.34 169	0.32 235	0.30 103	0.23 60	0.29 45	0.29 78

fff1	1.92 156	0.57 49	4.46 148	1.36 271	0.57 110	2.03 35	0.73 89	4.25 308	2.80 309	2.32 256	2.31 282	1.95 161	1.52 178	10.99 344	0.71 27	0.34 169	0.32 235	0.30 103	0.23 60	0.29 45	0.29 78

SAMSARA	3.55 338	2.16 359	14.18 250	1.86 355	1.49 313	4.62 353	2.65 357	3.58 154	2.80 309	7.05 397	3.05 337	5.16 379	4.07 351	9.18 292	4.80 340	0.64 331	0.67 358	0.59 329	0.68 349	0.89 342	0.91 342

DispFullNet	4.64 368	3.48 377	23.95 416	3.99 402	3.03 392	3.35 108	1.06 228	4.18 285	2.80 309	6.33 394	2.94 331	4.04 336	7.81 395	3.92 198	5.16 344	2.75 390	1.61 389	3.10 406	2.68 410	3.32 390	3.31 404

S-Stereo	3.48 336	0.91 236	22.06 407	1.36 271	1.50 315	3.55 142	2.53 353	4.21 292	2.81 315	2.37 270	3.81 359	3.75 321	1.84 245	11.90 382	2.51 296	0.63 328	0.71 363	0.48 286	0.76 356	0.67 311	1.19 358

NOSS_ROB	2.27 206	0.73 170	3.00 118	1.71 336	1.00 221	3.90 205	0.97 212	4.29 321	2.81 315	2.94 333	2.19 253	3.88 327	1.19 114	11.77 375	1.62 207	0.59 322	0.54 334	0.56 323	0.52 324	0.56 275	0.54 274

ARAFT	2.56 261	1.13 277	19.50 332	0.89 70	0.48 72	4.15 260	1.40 281	4.36 344	2.82 317	2.36 269	1.88 194	1.70 123	1.04 72	6.45 241	1.22 139	0.29 79	0.18 24	0.37 224	0.35 242	0.35 147	0.25 29

MFN_U_SF_DS_RVC	3.94 351	10.88 412	12.30 226	1.26 235	1.55 323	5.19 388	3.33 378	4.42 352	2.82 317	2.58 297	2.62 311	5.00 373	2.11 267	14.03 408	2.73 307	1.28 378	2.34 402	0.67 349	1.83 396	0.81 336	1.03 349

RAFT-Stereo + iAFF	1.25 65	0.72 162	1.74 35	1.05 146	0.36 6	4.13 256	0.42 9	2.95 94	2.84 319	2.02 170	2.40 292	1.61 113	1.11 94	1.26 36	0.97 91	0.21 1	0.15 2	0.26 39	0.23 60	0.29 45	0.23 17

edge stereo	3.37 334	1.01 255	21.99 406	1.28 241	1.37 292	2.67 59	1.39 279	3.98 234	2.87 320	2.93 329	3.27 348	4.35 352	2.43 292	11.62 363	2.39 287	0.60 323	0.63 353	0.79 362	0.55 331	0.68 314	0.67 305

ADCS	4.22 361	5.33 385	16.32 276	1.64 329	1.31 280	3.91 206	3.64 387	4.21 292	2.89 321	5.11 385	2.81 327	4.46 356	3.06 324	5.21 216	19.50 410	0.63 328	0.64 354	0.69 350	0.69 351	1.12 361	1.26 359

CC-Net-ROB	3.35 333	1.76 345	13.89 245	2.33 379	1.65 342	4.49 329	1.62 306	4.73 382	2.90 322	1.92 133	2.05 228	1.99 172	1.61 195	12.57 394	1.60 202	2.46 389	2.18 396	2.68 399	1.04 375	2.11 384	1.38 367

GANetREF_RVC	3.20 325	1.93 350	18.84 318	1.51 306	0.80 161	4.12 253	1.82 323	4.16 284	2.91 323	1.87 119	1.74 138	2.48 224	1.84 245	13.18 396	1.74 225	0.80 353	0.57 339	0.79 362	0.74 354	1.20 370	0.86 337
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
AFF-stereo	1.31 83	0.77 194	1.46 15	1.10 168	0.45 49	3.93 211	0.48 17	2.92 93	2.92 324	1.90 127	2.21 257	2.11 190	1.52 178	1.93 110	1.12 117	0.21 1	0.16 4	0.25 29	0.25 91	0.29 45	0.20 7

AASNet	2.44 237	0.92 238	19.79 338	1.35 265	1.49 313	3.81 186	1.07 230	3.85 197	2.93 325	1.95 141	2.29 270	1.96 166	1.29 128	1.73 94	1.93 244	0.39 224	0.33 241	0.45 271	0.30 190	0.55 269	0.45 225

ttt	2.76 279	0.56 43	2.28 85	1.41 287	1.21 266	3.67 164	0.77 117	4.59 375	2.94 326	2.35 264	2.30 274	2.45 221	1.54 186	11.25 351	15.56 388	0.43 255	0.36 261	0.37 224	0.33 221	0.40 180	0.40 199

ADStereo(finetuned)	2.04 178	0.73 170	13.28 232	0.82 37	0.40 31	4.16 270	0.59 41	4.25 308	2.97 327	2.35 264	1.84 182	1.18 68	3.40 336	1.52 64	1.54 194	0.29 79	0.24 159	0.23 7	0.18 10	0.30 61	0.51 261

DCANet	1.74 129	0.73 170	9.08 193	0.82 37	0.40 31	4.18 277	0.59 41	4.25 308	2.97 327	2.35 264	1.84 182	1.18 68	1.63 210	1.51 63	1.55 195	0.29 79	0.24 159	0.23 7	0.18 10	0.30 61	0.53 268

MFMNet_re	2.91 290	1.91 349	18.25 306	3.06 390	1.89 366	3.13 83	1.67 314	3.52 146	2.97 327	3.14 344	2.87 330	2.26 195	2.41 290	2.42 145	2.00 254	1.10 370	1.05 375	0.94 370	0.90 367	1.28 372	1.46 371

DCANet-4	1.96 163	0.51 12	14.31 254	0.82 37	0.40 31	4.16 270	0.57 32	4.29 321	2.98 330	2.30 247	1.80 158	1.03 53	1.54 186	1.44 54	1.44 172	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 207

ADLNet	2.29 214	0.83 219	3.62 141	1.35 265	1.60 332	3.67 164	1.24 261	3.95 226	2.98 330	2.58 297	2.29 270	4.01 334	1.79 233	11.23 350	2.09 266	0.37 199	0.38 279	0.36 212	0.34 228	0.45 236	0.71 311

ADCP+	3.74 346	1.96 352	16.90 287	1.09 160	1.55 323	4.35 305	3.65 388	3.93 221	2.98 330	2.22 229	1.66 119	3.95 329	4.83 363	3.41 183	18.87 409	0.38 213	0.41 298	0.63 341	0.53 328	0.64 300	0.81 331

SuperB	4.79 370	4.41 382	21.08 386	1.45 295	1.08 235	3.91 206	3.08 373	4.18 285	3.01 333	2.50 286	2.10 236	2.75 248	3.49 341	8.80 282	19.60 411	0.44 262	0.33 241	0.53 313	0.39 277	12.01 423	0.64 300

TransformOpticalFlow	3.03 309	0.77 194	20.99 384	1.00 124	0.55 98	4.18 277	0.64 58	4.33 338	3.02 334	2.18 214	3.09 340	4.35 352	5.07 365	7.36 262	1.27 147	0.32 146	0.18 24	0.32 138	0.26 104	0.28 37	0.46 235

RainbowNet	4.56 365	8.28 395	20.07 350	3.64 400	3.23 399	4.15 260	2.99 369	4.18 285	3.03 335	2.20 220	2.65 314	4.26 349	2.90 313	9.77 302	2.12 268	3.88 405	2.27 399	2.71 401	1.72 393	3.78 397	3.31 404

mmx	2.98 302	0.60 77	5.21 161	1.14 182	0.99 214	3.62 155	0.86 152	4.49 365	3.05 336	2.20 220	2.30 274	3.48 301	1.62 198	11.62 363	16.09 390	0.33 157	0.28 203	0.48 286	0.37 261	0.44 229	0.37 163

xxx	2.98 302	0.60 77	5.21 161	1.14 182	0.99 214	3.62 155	0.86 152	4.49 365	3.05 336	2.20 220	2.30 274	3.48 301	1.62 198	11.62 363	16.09 390	0.33 157	0.28 203	0.48 286	0.37 261	0.44 229	0.37 163

FBW_ROB	3.24 326	1.02 256	9.21 199	1.49 304	1.07 233	3.78 180	1.48 290	4.31 332	3.08 338	2.46 281	2.32 287	4.20 347	2.08 266	15.19 410	7.16 358	0.84 359	0.62 351	1.33 383	0.92 368	0.99 351	1.31 362

SGM-Forest	2.96 296	0.62 98	3.49 133	1.09 160	0.80 161	4.06 239	3.30 376	4.37 346	3.09 339	4.18 376	3.27 348	4.67 368	3.86 347	11.69 372	7.91 362	0.51 304	0.46 319	0.49 299	0.39 277	0.48 248	0.49 248
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
SA	1.62 117	0.75 187	3.78 144	1.07 152	0.43 40	4.26 292	1.36 272	4.45 359	3.12 340	1.63 80	1.97 213	1.68 120	2.26 281	2.55 159	1.27 147	0.27 35	0.22 106	0.37 224	0.37 261	0.35 147	0.30 101

Wz-Net-TNSev	3.67 342	8.83 398	13.47 235	1.48 302	1.18 251	3.60 151	2.49 351	4.27 316	3.13 341	2.18 214	1.89 199	4.21 348	2.80 309	12.10 385	7.58 361	0.57 319	0.55 336	0.47 278	0.54 330	0.91 345	1.05 350

AANet_RVC	3.03 309	1.72 342	12.78 228	1.17 202	1.12 242	3.79 183	1.10 237	3.86 200	3.13 341	2.62 304	4.26 365	3.96 331	1.41 148	11.43 357	5.23 345	0.94 363	0.47 323	0.34 186	0.23 60	0.40 180	0.55 277

pcwnet_v2	2.70 277	0.65 114	22.48 408	1.08 156	1.03 224	3.56 144	0.81 134	4.29 321	3.14 343	2.29 243	2.29 270	3.01 270	1.71 224	3.32 182	1.43 170	0.43 255	0.50 332	0.41 252	0.34 228	0.61 291	0.56 279

RASNet	2.56 261	0.70 149	10.06 207	1.60 324	2.25 381	3.67 164	1.00 216	3.38 134	3.14 343	1.81 110	2.11 240	4.60 363	2.30 282	10.25 321	2.61 303	0.37 199	0.24 159	0.25 29	0.24 82	0.28 37	0.26 46

stereogan	3.09 314	0.93 241	16.43 278	1.37 279	1.66 345	3.70 167	1.67 314	3.87 202	3.15 345	3.04 337	2.70 318	5.04 375	2.79 308	9.96 311	1.78 230	0.63 328	0.49 330	0.69 350	0.47 308	0.83 339	0.68 307

ACVNet_1	6.04 389	13.97 421	21.36 395	3.58 398	3.14 396	4.73 374	2.48 350	4.20 288	3.17 346	2.98 335	2.83 329	23.31 415	4.34 356	11.06 348	2.45 291	3.68 401	2.33 401	2.60 396	1.79 395	3.69 395	3.19 401

SHD	2.82 281	2.04 356	13.80 243	1.69 334	1.79 359	2.73 60	1.07 230	3.85 197	3.18 347	4.63 381	2.74 319	3.38 297	2.77 307	5.48 223	3.66 327	0.62 327	0.47 323	0.51 305	0.55 331	0.65 303	0.74 319

RTS	3.90 349	7.04 392	17.94 303	1.92 358	2.19 378	5.00 385	2.96 367	4.29 321	3.19 348	4.05 369	3.08 338	4.94 371	3.16 326	7.64 266	6.72 350	0.66 336	0.44 308	0.51 305	0.47 308	0.95 346	0.76 324

RTSA	3.90 349	7.04 392	17.94 303	1.92 358	2.19 378	5.00 385	2.96 367	4.29 321	3.19 348	4.05 369	3.08 338	4.94 371	3.16 326	7.64 266	6.72 350	0.66 336	0.44 308	0.51 305	0.47 308	0.95 346	0.76 324

PDISCO_ROB	2.86 284	1.53 331	14.27 252	1.98 363	2.19 378	4.52 337	1.35 270	4.65 378	3.19 348	2.09 185	2.16 248	3.53 312	2.45 294	5.32 217	2.12 268	1.30 381	0.78 368	0.72 357	0.59 339	1.24 371	1.28 360

TestStereo1	1.56 106	0.81 209	2.32 87	1.61 327	0.64 127	4.13 256	1.36 272	3.79 186	3.20 351	1.60 72	2.57 309	1.39 91	2.15 272	2.51 154	1.30 153	0.29 79	0.20 57	0.34 186	0.25 91	0.40 180	0.36 149

SA-5K	1.56 106	0.81 209	2.32 87	1.61 327	0.64 127	4.13 256	1.36 272	3.79 186	3.20 351	1.60 72	2.57 309	1.39 91	2.15 272	2.51 154	1.30 153	0.29 79	0.20 57	0.34 186	0.25 91	0.40 180	0.36 149

STTRV1_RVC	3.52 337	1.03 261	20.87 380	1.47 300	1.47 311	3.23 88	1.55 301	4.06 257	3.22 353	1.95 141	3.50 354	2.63 239	2.07 265	11.96 384	2.21 277	1.86 385	4.03 417	0.81 365	0.73 353	1.06 354	0.70 310

AnyNet_C32	4.17 359	5.75 389	12.62 227	1.60 324	1.54 319	5.51 391	4.09 394	3.90 211	3.23 354	4.22 377	3.03 336	3.10 276	3.41 337	8.01 272	18.85 408	0.53 312	0.58 343	0.53 313	0.74 354	1.19 369	0.97 346

PWC_ROB	2.69 276	2.01 354	8.36 185	1.33 257	1.90 367	3.23 88	1.18 251	4.33 338	3.25 355	3.11 342	3.41 351	2.71 244	2.18 278	9.15 291	4.48 334	0.56 317	0.31 229	0.61 337	0.36 250	0.69 316	0.74 319

MFN_U_SF_RVC	3.81 347	10.78 411	15.01 263	1.84 352	1.39 297	3.73 173	1.63 307	4.05 255	3.26 356	2.91 327	2.38 291	4.36 354	3.65 343	8.43 276	4.91 342	1.11 372	1.04 374	0.99 372	1.31 384	1.58 378	1.75 378

NaN_ROB	4.06 356	1.13 277	16.64 281	1.12 174	1.25 272	3.50 131	3.05 371	4.29 321	3.26 356	3.64 359	2.56 307	2.97 266	4.79 362	13.33 398	16.91 397	0.37 199	0.41 298	0.38 236	0.39 277	0.48 248	0.81 331

pmcnn	5.45 380	1.22 297	17.40 295	1.60 324	2.41 384	3.48 126	2.12 339	4.52 370	3.26 356	3.67 361	13.15 408	22.10 413	3.46 340	11.92 383	17.16 399	0.34 169	0.21 82	0.23 7	0.19 19	0.36 158	0.28 71

PA-Net	3.09 314	1.24 302	18.84 318	1.38 281	1.19 257	3.42 115	1.75 317	3.89 206	3.27 359	1.88 121	2.10 236	3.03 271	1.88 252	11.60 361	2.88 313	0.40 230	0.54 334	0.44 265	0.62 344	0.52 258	1.02 348
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RAFT + AFF	2.51 250	2.66 370	4.48 152	1.15 196	1.95 369	4.15 260	2.01 334	4.46 360	3.30 360	2.19 218	2.51 301	2.22 194	4.87 364	8.91 285	2.06 261	0.30 113	0.60 348	0.48 286	0.38 273	0.77 330	0.69 309

DPSNet	3.43 335	1.37 318	12.19 224	1.39 283	1.24 269	4.15 260	2.06 336	4.51 369	3.34 361	2.69 313	1.96 208	3.52 311	5.56 372	10.68 331	9.68 370	0.93 362	0.73 365	0.40 245	0.37 261	1.06 354	0.86 337

DualNet	2.49 247	0.60 77	5.21 161	1.14 182	0.99 214	3.62 155	0.86 152	4.22 295	3.37 362	2.20 220	2.30 274	3.48 301	1.62 198	2.21 136	16.09 390	0.29 79	0.16 4	0.48 286	0.37 261	0.30 61	0.29 78

ffm	1.72 126	0.60 77	5.21 161	1.14 182	0.99 214	3.62 155	0.86 152	4.22 295	3.37 362	2.20 220	2.30 274	3.48 301	1.62 198	2.21 136	0.65 9	0.29 79	0.16 4	0.48 286	0.37 261	0.30 61	0.29 78

ff1	2.96 296	0.60 77	5.21 161	1.14 182	0.99 214	3.62 155	0.86 152	4.22 295	3.37 362	2.20 220	2.30 274	3.48 301	1.62 198	11.62 363	16.09 390	0.29 79	0.16 4	0.48 286	0.37 261	0.30 61	0.29 78

tt1	1.79 137	0.73 170	10.41 213	1.75 340	0.36 6	4.55 341	0.79 124	4.22 295	3.37 362	1.08 41	1.80 158	0.74 23	1.48 166	2.21 136	0.65 9	0.29 79	0.16 4	0.31 122	0.22 51	0.30 61	0.29 78

ADCL	4.35 362	1.63 335	14.21 251	1.29 244	1.26 275	5.56 392	11.16 408	3.97 232	3.37 362	6.07 391	4.67 368	4.30 351	5.72 374	5.08 214	14.51 385	0.50 298	0.48 328	0.89 369	0.77 358	0.78 332	0.76 324

JetBlue	6.27 391	9.15 404	13.76 238	1.94 361	4.60 413	11.91 410	12.00 411	5.12 389	3.45 367	3.79 363	4.52 367	9.54 396	6.56 386	9.40 296	13.48 383	1.26 377	1.37 385	1.17 381	1.34 386	7.06 416	3.95 411

ADCMid	3.96 352	3.27 376	15.48 270	1.26 235	1.40 299	4.66 359	2.28 345	4.06 257	3.54 368	3.94 366	3.02 335	3.85 326	3.67 344	4.03 200	18.65 407	0.68 341	0.61 350	1.09 378	1.18 381	1.38 375	1.08 352

ADLNet2	3.15 322	0.92 238	20.06 348	1.20 213	1.79 359	3.83 188	1.48 290	3.94 224	3.59 369	2.19 218	2.47 296	4.65 367	1.93 256	10.69 332	1.96 251	0.39 224	0.37 273	0.28 69	0.30 190	0.48 248	0.43 215

NVStereoNet_ROB	4.91 373	1.40 322	16.46 279	1.47 300	1.72 352	3.46 122	1.96 330	3.89 206	3.61 370	2.90 326	24.61 420	4.81 369	4.49 359	13.57 402	4.87 341	1.33 382	1.29 384	1.70 386	1.68 389	1.41 377	1.66 373
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet-4b	6.73 394	13.67 419	21.87 405	3.54 397	3.07 393	4.19 281	2.25 344	4.03 247	3.65 371	1.64 82	3.98 363	5.88 382	2.89 312	10.01 314	16.98 398	23.29 431	2.24 398	2.53 394	1.78 394	3.87 399	3.21 402

SGM_RVC	4.57 366	0.72 162	17.46 298	1.84 352	0.58 116	4.23 290	3.45 380	4.66 379	3.66 372	7.99 402	8.82 392	7.56 390	8.74 401	12.30 387	6.84 354	0.43 255	0.38 279	0.39 239	0.35 242	0.51 255	0.48 244
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MSC_U_SF_DS_RVC	4.48 364	10.62 410	15.18 268	1.55 317	1.45 310	6.16 394	3.54 385	5.41 398	3.68 373	2.59 300	2.74 319	4.81 369	2.20 279	13.79 405	4.40 333	2.04 386	3.36 415	1.05 375	1.20 382	2.09 383	1.72 376

ACVNet_2	5.41 379	12.60 415	20.42 368	3.27 393	3.15 397	4.50 332	3.02 370	4.66 379	3.73 374	3.35 355	5.36 373	7.86 391	2.88 311	12.33 389	4.76 339	3.12 395	2.22 397	2.70 400	1.69 390	3.49 391	3.10 398

CSAN	4.71 369	1.39 321	20.23 356	1.19 210	0.87 182	3.65 162	3.50 382	4.57 374	3.87 375	3.89 365	7.82 381	3.54 315	6.16 381	23.47 420	6.82 353	0.52 310	0.45 312	0.49 299	0.52 324	0.63 294	0.66 304

PVD	3.12 318	1.97 353	12.80 229	1.79 348	1.63 337	3.83 188	1.34 269	3.48 137	3.88 376	5.77 388	3.56 355	3.45 300	3.29 332	5.58 227	5.30 346	0.71 347	0.69 362	0.74 360	0.77 358	0.79 334	1.13 355

IMH-64-1	4.84 371	2.53 366	6.83 173	4.30 407	3.74 402	4.81 381	6.05 398	5.30 393	3.92 377	3.95 367	8.33 385	5.08 376	6.06 378	8.96 286	6.30 347	4.57 413	2.96 409	3.04 403	2.12 402	4.28 402	3.62 407

IMH-64	4.84 371	2.53 366	6.83 173	4.30 407	3.74 402	4.81 381	6.05 398	5.30 393	3.92 377	3.95 367	8.33 385	5.08 376	6.06 378	8.96 286	6.30 347	4.57 413	2.96 409	3.04 403	2.12 402	4.28 402	3.62 407

xx1	2.03 176	0.74 178	13.77 239	1.78 343	0.36 6	4.48 323	0.74 99	4.23 300	3.95 379	1.01 33	1.81 170	1.79 138	1.34 135	2.13 126	0.64 5	0.29 79	0.17 9	0.33 169	0.33 221	0.33 115	0.32 115

cc1	1.98 167	0.74 178	13.77 239	1.78 343	0.36 6	4.48 323	0.74 99	4.23 300	3.95 379	1.01 33	1.81 170	0.72 18	1.62 198	2.13 126	0.64 5	0.29 79	0.17 9	0.32 138	0.21 30	0.31 77	0.29 78

PWCDC_ROB	2.95 293	3.26 375	14.06 248	1.59 322	1.56 326	4.19 281	0.86 152	4.30 329	4.08 381	2.06 181	7.37 378	2.75 248	2.42 291	3.59 187	2.67 306	1.34 383	0.36 261	0.39 239	0.34 228	1.13 362	0.62 295

MADNet+	3.97 353	9.54 407	13.83 244	1.87 356	1.69 348	4.19 281	2.87 363	4.80 385	4.10 382	2.51 288	2.67 315	4.55 361	3.41 337	8.72 280	6.92 356	1.25 376	1.27 383	1.04 374	0.93 369	1.39 376	1.85 379

LRCNet_RVC	25.52 422	33.45 427	23.21 414	31.79 428	32.78 425	6.74 399	1.18 251	25.88 423	4.46 383	28.94 421	30.89 423	24.91 420	17.57 412	27.66 422	24.34 418	35.26 433	25.60 434	35.91 434	33.81 433	31.90 434	34.10 435

MeshStereo	5.35 378	1.32 312	21.34 394	1.34 261	1.15 246	4.40 313	3.90 392	5.18 390	4.55 384	10.14 412	11.82 404	11.47 398	5.84 375	13.84 406	7.03 357	0.61 325	0.58 343	0.60 334	0.58 337	0.72 325	0.59 290
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WCMA_ROB	5.12 374	0.90 234	21.33 393	1.50 305	1.33 287	4.09 246	3.49 381	4.03 247	4.59 385	6.57 395	10.95 400	12.92 403	8.41 400	9.86 306	8.78 367	0.75 348	0.58 343	0.51 305	0.50 319	0.68 314	0.57 283

FINET	2.96 296	1.07 266	23.18 413	1.29 244	1.86 364	2.03 35	1.52 295	4.30 329	4.71 386	2.23 233	2.34 289	1.65 116	1.48 166	5.89 232	2.81 312	0.51 304	0.47 323	0.49 299	0.40 287	0.59 282	0.49 248

FCDSN-DC	6.04 389	0.84 223	19.25 325	1.24 227	1.09 238	4.38 307	2.62 356	4.38 347	4.71 386	9.59 410	11.22 401	19.19 410	17.40 411	12.30 387	8.55 366	0.69 344	0.57 339	0.60 334	0.60 340	0.70 317	0.78 328
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PWCK	5.85 386	9.95 408	15.22 269	2.90 387	1.56 326	5.66 393	7.69 404	5.27 392	4.74 388	3.88 364	7.51 379	8.04 392	5.28 368	15.18 409	8.40 365	3.08 394	1.51 387	2.24 392	1.37 388	5.55 409	1.96 382

notaker	10.50 407	8.60 396	20.23 356	4.54 412	3.95 406	6.27 395	3.44 379	8.07 405	4.75 389	8.73 404	46.45 430	13.86 407	27.86 421	13.49 401	13.61 384	4.56 412	3.18 413	3.52 411	2.68 410	8.13 421	4.05 412

LSM	12.71 413	3.52 378	20.79 377	55.63 437	84.76 436	3.63 161	6.30 400	3.73 176	4.93 390	5.55 387	13.92 410	3.53 312	3.25 331	9.72 301	4.12 331	0.64 331	0.85 370	0.71 353	0.81 363	1.03 352	26.84 427

AnyNet_C01	4.37 363	7.80 394	16.40 277	1.98 363	1.40 299	6.37 396	6.47 401	4.09 265	5.03 391	4.06 371	3.78 358	4.16 343	3.31 333	6.62 245	10.00 371	0.61 325	0.67 358	0.63 341	0.67 346	2.01 382	1.31 362

Dean	7.52 399	9.08 403	21.41 396	3.74 401	3.53 400	4.81 381	3.53 383	5.33 396	5.25 392	4.17 373	26.53 421	25.62 421	4.09 352	10.97 342	4.32 332	3.69 402	2.30 400	2.91 402	1.87 398	4.03 400	3.24 403

EDNetEfficientorigin	12.35 412	2.51 364	179.47 444	1.19 210	0.96 204	2.91 67	1.81 322	3.00 98	5.35 393	8.91 405	4.79 369	4.18 344	4.64 361	9.98 312	11.30 376	0.37 199	0.38 279	0.60 334	0.85 364	1.32 374	2.43 389

JetRed	10.48 406	27.10 426	35.70 423	4.27 405	4.09 409	15.55 420	12.83 412	12.16 409	5.50 394	5.83 389	5.56 375	10.14 397	7.43 392	8.88 283	26.39 421	3.32 396	3.81 416	3.51 410	2.96 415	7.85 418	6.69 421

ELAS	5.99 388	1.62 333	20.29 362	1.96 362	2.01 372	15.09 417	8.38 407	5.23 391	5.54 395	9.02 406	8.61 388	6.74 386	9.75 403	7.48 263	11.40 378	0.96 365	1.18 379	0.72 357	0.93 369	1.30 373	1.67 374
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	7.57 401	5.80 390	13.28 232	6.38 417	5.26 415	7.18 400	7.77 405	5.32 395	5.62 396	6.11 392	7.78 380	6.02 384	8.01 397	11.74 374	16.36 395	9.36 420	4.95 419	8.57 421	5.66 418	4.83 407	5.34 417

EDNetEfficient	5.61 382	2.14 358	16.75 285	1.67 332	3.64 401	4.12 253	7.51 403	3.05 102	5.63 397	11.57 416	4.83 370	3.95 329	12.72 405	8.44 277	20.78 413	0.41 240	0.43 305	0.47 278	1.01 372	1.66 380	1.39 368

WAO-7	5.16 375	3.21 374	18.98 321	1.88 357	1.44 307	5.34 389	3.09 374	4.91 387	5.81 398	4.35 378	8.92 393	6.55 385	6.06 378	13.40 400	10.81 374	1.34 383	1.20 382	1.48 385	1.35 387	1.60 379	1.45 369

IMH	6.81 396	13.66 418	20.41 367	4.33 409	3.74 402	5.50 390	3.06 372	5.49 399	6.22 399	4.64 382	10.35 398	9.30 395	8.03 398	13.61 403	6.81 352	4.80 416	2.99 412	3.09 405	2.12 402	4.36 404	3.61 406

MSMD_ROB	5.61 382	1.08 268	16.68 282	1.21 218	0.83 172	10.14 408	2.07 338	3.93 221	6.22 399	10.37 413	8.03 383	22.22 414	9.45 402	11.66 369	4.52 335	0.66 336	0.58 343	0.66 347	0.68 349	0.65 303	0.63 298

ELAS_RVC	5.72 385	1.64 338	20.40 366	2.09 368	2.01 372	4.95 384	11.47 410	4.66 379	6.31 401	8.09 403	8.01 382	8.06 394	11.65 404	8.36 274	10.22 372	0.99 367	1.17 378	0.81 365	0.76 356	1.14 363	1.58 372
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
tt	7.19 398	0.51 12	6.83 173	4.03 403	2.30 383	12.05 412	20.19 421	15.46 419	6.58 402	3.42 357	3.22 345	5.37 380	6.39 385	4.20 205	7.46 360	9.81 421	11.53 427	7.05 419	7.46 420	6.31 411	3.71 409

FADE	78.44 439	13.79 420	36.09 424	10.71 424	13.34 419	4.15 260	4.14 395	28.60 425	8.36 403	5.15 386	3.88 361	11.85 402	36.55 423	44.37 429	28.26 425	474.90 445	161.58 444	347.36 445	322.13 445	7.29 417	6.23 420

FC-DCNN	6.64 393	0.77 194	19.26 326	1.68 333	1.64 339	8.27 406	2.35 348	6.35 401	9.23 404	10.85 414	11.27 402	19.89 411	13.33 406	12.51 393	11.79 379	0.66 336	0.57 339	0.58 327	0.56 333	0.63 294	0.61 293

SANet	5.65 384	1.72 342	20.94 382	1.26 235	0.88 185	7.20 401	3.81 391	4.60 376	11.23 405	4.56 380	8.78 391	7.49 389	6.95 387	11.85 379	18.11 403	0.49 295	0.44 308	0.50 302	0.42 296	0.90 344	0.82 335

SGM-ForestM	11.55 409	1.16 284	21.62 402	2.14 369	0.81 163	22.25 423	19.08 419	16.50 421	11.34 406	15.94 420	14.44 412	27.12 422	22.61 420	24.76 421	28.39 426	0.50 298	0.48 328	0.47 278	0.44 299	0.55 269	0.53 268

LVE	6.88 397	9.31 405	21.14 387	3.61 399	3.18 398	4.49 329	2.79 359	10.21 407	11.69 407	3.16 347	11.53 403	18.33 409	4.31 355	11.66 369	3.52 325	4.45 411	2.93 407	2.56 395	1.91 399	3.62 392	3.16 400

SGM+DAISY	8.36 402	3.82 379	24.83 417	2.02 365	1.75 354	14.80 416	17.22 416	4.27 316	11.79 408	13.88 417	14.38 411	11.74 401	13.83 407	10.56 327	15.12 386	1.21 374	1.19 381	1.14 380	1.13 379	1.17 367	1.37 365

WAO-6	5.87 387	2.27 360	15.05 264	2.96 388	2.77 388	12.01 411	3.58 386	5.37 397	11.91 409	3.34 353	9.69 395	6.78 387	5.84 375	11.82 378	8.89 368	2.87 391	2.35 403	2.50 393	1.84 397	2.85 388	2.67 392

coex-ft	18.59 418	6.62 391	113.53 441	1.17 202	1.31 280	2.33 50	1.93 329	2.81 87	14.00 410	124.82 443	8.45 387	5.90 383	51.74 436	9.99 313	22.69 414	0.57 319	0.62 351	0.50 302	0.49 315	1.08 359	1.28 360

DeepPrunerF	3.70 343	1.72 342	14.87 258	1.33 257	1.74 353	3.70 167	1.55 301	4.20 288	14.00 410	2.02 170	1.77 150	2.74 246	2.30 282	10.88 338	6.88 355	0.68 341	0.60 348	0.78 361	0.78 361	0.81 336	0.71 311

HanzoNet	31.60 426	17.23 422	21.22 392	7.32 418	5.84 416	7.25 402	3.53 383	13.82 416	14.20 412	50.38 432	47.01 431	44.45 425	56.61 437	36.61 428	32.00 427	63.89 437	56.57 438	7.97 420	89.20 438	28.69 426	28.25 429

Anonymous_1	57.11 437	19.68 423	26.15 418	23.10 425	142.31 441	30.84 424	39.75 427	33.86 429	16.98 413	70.53 438	15.42 413	23.46 416	19.75 417	23.04 416	27.23 422	164.73 443	9.02 423	130.38 439	137.40 440	161.27 444	27.24 428

UNDER WATER-64	9.33 403	5.37 386	22.60 409	5.22 416	4.86 414	10.75 409	4.61 397	11.45 408	17.30 414	7.59 398	9.80 397	15.99 408	17.90 413	10.63 330	15.72 389	4.36 408	2.87 406	4.39 416	2.86 413	7.01 415	5.36 418

DPSM_ROB	20.78 419	20.03 424	26.57 419	23.62 426	22.46 422	31.10 425	39.97 428	33.52 427	17.41 415	15.25 418	15.80 414	24.06 418	20.71 418	23.30 418	27.62 423	10.78 422	9.41 424	11.69 424	11.50 422	14.49 424	16.36 425

DPSM	20.78 419	20.03 424	26.57 419	23.62 426	22.46 422	31.10 425	39.97 428	33.52 427	17.41 415	15.25 418	15.80 414	24.06 418	20.71 418	23.30 418	27.62 423	10.78 422	9.41 424	11.69 424	11.50 422	14.49 424	16.36 425

DGTPSM_ROB	15.31 414	8.85 399	28.14 421	9.90 422	18.89 420	12.44 413	33.21 424	13.48 414	17.86 417	9.50 408	22.89 417	13.78 405	19.67 415	21.26 413	23.68 415	5.08 417	8.84 420	5.62 417	11.50 422	6.72 413	14.87 423

DPSMNet_ROB	15.52 415	8.89 400	31.44 422	10.07 423	18.91 421	12.44 413	33.22 425	13.51 415	17.94 418	9.58 409	22.91 418	13.79 406	19.67 415	21.43 414	23.73 416	5.17 418	8.84 420	5.63 418	11.52 425	6.79 414	14.90 424

WAO-8	11.95 410	13.02 416	20.56 372	3.50 394	3.08 394	15.11 418	2.80 360	12.91 412	19.11 419	7.69 399	13.12 406	11.62 399	7.01 390	84.40 441	7.91 362	3.42 397	1.92 394	3.54 412	1.93 400	3.68 393	2.69 393

Venus	11.95 410	13.02 416	20.56 372	3.50 394	3.08 394	15.11 418	2.80 360	12.91 412	19.11 419	7.69 399	13.12 406	11.62 399	7.01 390	84.40 441	7.91 362	3.42 397	1.92 394	3.54 412	1.93 400	3.68 393	2.69 393

UNDER WATER	10.47 405	3.95 380	22.62 410	5.07 415	4.51 412	7.78 405	3.77 389	12.56 411	21.72 421	7.84 401	10.78 399	23.96 417	31.66 422	10.78 335	16.19 394	4.44 410	2.93 407	4.24 415	2.86 413	6.33 412	5.47 419

TorneroNet-64	10.12 404	8.74 397	20.95 383	4.27 405	3.76 405	13.86 415	2.85 362	15.05 417	23.15 422	10.07 411	23.84 419	13.47 404	8.24 399	13.96 407	17.21 400	3.96 406	2.72 404	3.23 407	2.48 406	6.29 410	4.27 414

MANE	11.39 408	1.38 319	23.16 412	4.82 414	2.79 389	22.02 422	14.51 414	25.81 422	26.28 423	10.93 415	13.17 409	19.90 412	18.03 414	15.69 411	20.41 412	0.96 365	0.74 366	1.42 384	3.24 416	0.74 326	1.71 375

CasAABBNet	41.80 431	40.20 433	53.41 434	47.73 432	45.18 433	62.51 438	80.71 437	67.26 437	34.80 424	30.49 422	31.88 428	48.24 429	41.81 432	46.63 434	55.64 434	21.60 428	18.88 429	23.48 431	23.22 432	29.19 432	33.05 430

MyStereo03	41.77 427	40.13 429	53.46 435	47.73 432	45.04 430	62.50 435	80.72 438	66.91 433	34.93 425	30.53 423	31.77 424	48.26 430	41.67 429	46.68 435	55.85 435	21.53 425	18.88 429	23.46 428	23.21 429	29.14 428	33.09 432

MyStereo02	41.77 427	40.13 429	53.46 435	47.73 432	45.04 430	62.50 435	80.72 438	66.91 433	34.93 425	30.53 423	31.77 424	48.26 430	41.67 429	46.68 435	55.85 435	21.53 425	18.88 429	23.46 428	23.21 429	29.14 428	33.09 432

MyStereo	41.77 427	40.13 429	53.46 435	47.73 432	45.04 430	62.50 435	80.72 438	66.91 433	34.93 425	30.53 423	31.77 424	48.26 430	41.67 429	46.68 435	55.85 435	21.53 425	18.88 429	23.46 428	23.21 429	29.14 428	33.09 432

Selective-RAFT-Error	41.77 427	40.16 432	53.34 433	47.73 432	45.25 434	62.51 438	80.64 436	67.22 436	34.93 425	30.64 426	31.81 427	48.11 428	42.11 433	46.57 432	54.95 432	21.61 429	18.87 428	23.48 431	23.15 428	29.16 431	33.08 431

LSM0	49.58 435	40.04 428	53.62 438	97.15 438	128.68 440	62.75 440	79.89 435	67.63 438	35.11 429	33.02 428	32.61 429	48.43 433	41.60 428	46.60 433	55.43 433	21.63 430	18.99 433	23.62 433	23.13 427	29.47 433	52.26 439

SPstereo	30.42 425	11.55 414	18.72 316	8.51 420	9.93 417	50.05 433	82.85 441	71.73 439	35.92 430	30.73 427	29.66 422	48.61 434	42.30 435	47.77 438	58.10 438	7.32 419	8.89 422	20.37 427	10.07 421	7.98 420	7.43 422

LE_ROB	18.58 417	1.21 291	48.38 430	8.60 421	23.00 424	7.32 403	19.74 420	9.94 406	38.69 431	43.53 429	21.91 416	28.40 423	40.92 426	23.18 417	54.71 431	0.34 169	0.33 241	0.32 138	0.36 250	0.42 216	0.40 199

HaxPig	43.25 432	43.65 434	45.00 428	33.85 429	35.61 427	32.69 427	30.52 422	45.09 430	42.97 432	48.77 430	48.17 432	43.00 424	40.26 425	44.58 430	43.61 428	47.18 434	49.30 435	51.54 436	50.25 435	43.73 435	45.29 436

AVERAGE_ROB	44.46 433	45.91 435	46.59 429	40.59 431	38.66 428	32.99 428	30.52 422	46.19 431	43.26 433	49.59 431	48.97 433	44.62 426	39.89 424	45.04 431	43.94 429	48.74 435	50.69 436	50.80 435	49.79 434	45.54 436	46.97 437

PML	64.32 438	53.22 437	17.88 302	8.10 419	32.94 426	148.46 444	247.79 445	12.18 410	45.42 434	111.41 441	288.92 445	101.47 443	101.31 443	31.67 423	15.55 387	14.03 424	4.83 418	10.98 423	6.18 419	28.82 427	5.17 416

MEDIAN_ROB	47.37 434	49.08 436	49.92 431	40.32 430	39.97 429	34.95 429	33.43 426	49.17 432	46.39 435	53.06 433	52.65 434	47.65 427	42.23 434	48.35 439	47.29 430	52.10 436	54.04 437	54.28 437	53.48 436	48.76 437	50.33 438

BEATNet-Init1	49.72 436	64.32 439	97.77 440	4.68 413	4.28 410	84.75 441	60.42 431	73.38 440	68.59 436	88.29 440	88.51 442	91.94 441	97.99 442	85.26 443	70.96 442	0.80 353	0.65 355	0.85 367	0.70 352	7.96 419	2.33 386

KSHMR	16.96 416	5.37 386	21.64 404	4.46 410	4.50 411	8.30 407	3.32 377	15.58 420	76.24 437	6.62 396	61.47 435	56.53 435	5.43 371	35.17 427	11.37 377	4.39 409	2.97 411	3.63 414	2.74 412	5.10 408	4.34 415

TorneroNet	25.88 423	11.28 413	21.62 402	4.20 404	4.07 408	55.25 434	3.15 375	15.16 418	76.94 438	58.09 434	82.72 440	86.88 440	41.15 427	13.35 399	18.13 404	4.32 407	2.85 405	3.45 408	2.62 408	8.33 422	4.14 413

ktn	21.74 421	10.34 409	19.68 335	4.53 411	4.00 407	6.53 398	4.51 396	6.79 402	78.82 439	84.69 439	100.86 443	58.49 436	7.57 394	12.11 386	13.35 382	4.58 415	3.24 414	3.49 409	2.62 408	4.65 406	3.84 410

xxxxx1	112.33 442	88.53 440	37.76 425	227.84 443	157.23 442	39.05 430	61.41 432	93.76 441	79.29 440	62.45 435	74.79 437	78.32 437	70.96 439	33.47 424	70.69 439	114.00 440	130.36 441	259.31 442	274.34 442	145.54 441	147.50 442

tt_ll	112.33 442	88.53 440	37.76 425	227.84 443	157.23 442	39.05 430	61.41 432	93.76 441	79.29 440	62.45 435	74.79 437	78.32 437	70.96 439	33.47 424	70.69 439	114.00 440	130.36 441	259.31 442	274.34 442	145.54 441	147.50 442

ff	112.33 442	88.53 440	37.76 425	227.84 443	157.23 442	39.05 430	61.41 432	93.76 441	79.29 440	62.45 435	74.79 437	78.32 437	70.96 439	33.47 424	70.69 439	114.00 440	130.36 441	259.31 442	274.34 442	145.54 441	147.50 442

ASD4	103.30 441	113.98 443	120.24 442	106.67 439	79.75 435	115.36 442	120.35 442	119.13 444	79.65 443	120.04 442	74.64 436	101.45 442	65.48 438	109.11 444	84.31 444	104.31 438	90.04 440	133.15 440	103.58 439	130.15 440	94.66 441

DPSimNet_ROB	102.30 440	119.72 444	143.59 443	109.42 440	94.10 437	127.22 443	127.15 443	26.62 424	102.36 444	149.58 444	83.99 441	139.34 444	137.54 444	64.62 440	82.36 443	105.18 439	66.15 439	120.15 438	69.61 437	99.58 439	77.72 440

test_example2	212.63 445	219.92 445	221.87 445	213.67 442	221.17 445	199.47 445	200.74 444	185.30 445	141.66 445	209.52 445	213.45 444	210.82 445	205.48 445	221.27 445	216.64 445	236.83 444	242.07 445	213.93 441	217.01 441	235.69 445	226.10 445

Low-res two-view benchmark