Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

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

panet	0.13 2	0.08 2	0.21 4	0.15 2	0.07 1	0.21 78	0.12 1	0.24 12	0.24 57	0.16 27	0.21 47	0.15 31	0.13 36	0.18 20	0.13 27	0.08 103	0.05 6	0.06 1	0.04 1	0.06 6	0.05 1

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

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

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

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

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

CREStereo++_RVC	0.15 25	0.08 2	0.26 19	0.17 6	0.11 45	0.18 16	0.13 4	0.22 4	0.30 119	0.21 56	0.30 105	0.13 12	0.11 10	0.16 7	0.15 56	0.07 17	0.04 1	0.06 1	0.15 325	0.06 6	0.05 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 3	0.22 99	0.15 27	0.25 13	0.24 57	0.16 27	0.21 47	0.14 25	0.13 36	0.18 20	0.13 27	0.09 170	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.15 25	0.08 2	0.23 9	0.15 2	0.09 8	0.23 116	0.16 43	0.25 13	0.23 47	0.17 32	0.21 47	0.16 40	0.14 47	0.22 50	0.13 27	0.29 378	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20

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

AEACV	0.13 2	0.09 11	0.23 9	0.18 9	0.19 289	0.19 38	0.16 43	0.23 7	0.14 1	0.13 3	0.17 21	0.13 12	0.16 69	0.16 7	0.12 7	0.07 17	0.05 6	0.07 16	0.08 114	0.07 39	0.06 20

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

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

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

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

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

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

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

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

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

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

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

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

RAFT-Stereo	0.18 59	0.09 11	0.32 65	0.22 135	0.12 81	0.22 99	0.19 130	0.42 181	0.19 9	0.31 174	0.45 259	0.20 65	0.14 47	0.18 20	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.06 20
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
LargeStereo	0.13 2	0.10 26	0.23 9	0.21 90	0.10 22	0.15 4	0.15 27	0.29 44	0.16 3	0.12 1	0.15 16	0.12 3	0.12 16	0.17 11	0.14 44	0.07 17	0.06 73	0.07 16	0.05 10	0.07 39	0.07 69

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

EAI-Stereo	0.21 123	0.10 26	0.33 79	0.21 90	0.12 81	0.30 216	0.46 365	0.46 214	0.20 18	0.25 82	0.50 285	0.17 45	0.16 69	0.24 63	0.23 195	0.07 17	0.06 73	0.07 16	0.10 221	0.06 6	0.07 69

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

test-1	0.17 41	0.11 66	0.40 150	0.23 177	0.13 137	0.22 99	0.23 228	0.34 93	0.26 70	0.20 47	0.24 64	0.22 80	0.14 47	0.16 7	0.20 146	0.07 17	0.06 73	0.08 69	0.07 54	0.06 6	0.08 116

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

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

HSM-Net_RVC	0.27 228	0.11 66	0.42 179	0.19 28	0.11 45	0.34 257	0.20 168	0.62 351	0.43 234	0.40 285	0.43 238	0.50 310	0.26 200	0.76 330	0.22 181	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CAS++	0.16 32	0.12 85	0.27 25	0.18 9	0.12 81	0.17 11	0.15 27	0.42 181	0.24 57	0.19 46	0.18 25	0.13 12	0.10 4	0.21 44	0.12 7	0.12 267	0.10 276	0.11 236	0.08 114	0.10 195	0.09 168
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
SMFormer	0.25 211	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.28 232	0.10 213	0.07 162	0.08 69	0.08 114	0.09 146	0.09 168

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ttt	0.29 256	0.12 85	0.34 84	0.21 90	0.13 137	0.29 199	0.20 168	0.56 311	0.47 279	0.31 174	0.44 247	0.30 177	0.22 152	0.65 295	0.85 368	0.13 284	0.10 276	0.10 188	0.10 221	0.11 233	0.11 239

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

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

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

CASnet	0.14 9	0.12 85	0.22 7	0.22 135	0.08 3	0.16 7	0.15 27	0.27 24	0.25 63	0.22 60	0.20 39	0.15 31	0.11 10	0.17 11	0.13 27	0.07 17	0.05 6	0.11 236	0.09 189	0.08 84	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
HH	0.18 59	0.12 85	0.55 263	0.22 135	0.12 81	0.18 16	0.18 93	0.34 93	0.19 9	0.20 47	0.24 64	0.34 206	0.18 114	0.29 140	0.12 7	0.07 17	0.05 6	0.07 16	0.07 54	0.07 39	0.06 20

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

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

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

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

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

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

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

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

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

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

IGEV-Stereo	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.28 37	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.08 84	0.07 69
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
psmg	0.23 166	0.12 85	0.28 34	0.21 90	0.14 171	0.35 266	0.23 228	0.51 259	0.34 156	0.35 234	0.38 184	0.38 234	0.24 176	0.26 100	0.21 167	0.10 213	0.08 230	0.10 188	0.10 221	0.09 146	0.08 116

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

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

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

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

Patchmatch Stereo++	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.26 100	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.16 43	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.18 114	0.24 63	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

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

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

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	0.18 59	0.12 85	0.33 79	0.20 61	0.13 137	0.28 180	0.12 1	0.42 181	0.25 63	0.27 95	0.32 123	0.21 73	0.17 92	0.25 87	0.20 146	0.07 17	0.06 73	0.08 69	0.06 25	0.07 39	0.08 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
H2IRNET	0.18 59	0.13 141	0.35 92	0.21 90	0.12 81	0.20 59	0.15 27	0.27 24	0.30 119	0.17 32	0.31 119	0.25 117	0.20 135	0.24 63	0.18 110	0.07 17	0.06 73	0.09 124	0.10 221	0.09 146	0.06 20

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CroCo-Stereo	0.14 9	0.13 141	0.24 12	0.25 253	0.11 45	0.11 1	0.18 93	0.32 73	0.23 47	0.12 1	0.12 2	0.18 52	0.12 16	0.14 1	0.13 27	0.08 103	0.06 73	0.07 16	0.05 10	0.07 39	0.06 20
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
ICVP	0.23 166	0.13 141	0.44 195	0.26 281	0.14 171	0.29 199	0.25 264	0.45 204	0.33 149	0.29 129	0.43 238	0.35 220	0.25 191	0.26 100	0.23 195	0.12 267	0.09 258	0.09 124	0.08 114	0.09 146	0.10 214
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
raftrobust	0.16 32	0.13 141	0.29 41	0.22 135	0.15 212	0.19 38	0.13 4	0.32 73	0.26 70	0.26 91	0.20 39	0.19 63	0.17 92	0.21 44	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.07 69

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

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

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

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

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

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

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

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

MSMDNet	0.23 166	0.13 141	0.48 227	0.20 61	0.13 137	0.28 180	0.16 43	0.46 214	0.46 274	0.29 129	0.36 165	0.37 229	0.24 176	0.28 127	0.20 146	0.09 170	0.06 73	0.09 124	0.08 114	0.11 233	0.09 168

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

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

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

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

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

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

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

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

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

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

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

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

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

OMP-Stereo	0.23 166	0.14 171	0.35 92	0.29 324	0.13 137	0.21 78	0.16 43	0.37 135	0.33 149	0.34 218	0.30 105	0.34 206	0.19 127	0.70 307	0.24 204	0.07 17	0.06 73	0.09 124	0.07 54	0.07 39	0.06 20

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

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

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

Anonymous	0.20 109	0.14 171	0.47 218	0.27 304	0.20 303	0.25 142	0.25 264	0.32 73	0.26 70	0.18 44	0.18 25	0.15 31	0.19 127	0.24 63	0.18 110	0.10 213	0.09 258	0.09 124	0.09 189	0.15 296	0.13 273

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

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

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

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

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

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

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

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

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

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

CASS	0.21 123	0.15 196	0.32 65	0.26 281	0.11 45	0.28 180	0.19 130	0.39 152	0.30 119	0.32 192	0.34 148	0.25 117	0.24 176	0.25 87	0.20 146	0.13 284	0.08 230	0.11 236	0.09 189	0.11 233	0.11 239
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.15 25	0.15 196	0.28 34	0.25 253	0.18 271	0.11 1	0.19 130	0.28 37	0.21 28	0.13 3	0.16 18	0.15 31	0.12 16	0.17 11	0.14 44	0.07 17	0.07 162	0.08 69	0.06 25	0.08 84	0.07 69

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

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

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

IPLG	0.21 123	0.15 196	0.53 255	0.21 90	0.12 81	0.28 180	0.17 64	0.42 181	0.30 119	0.33 202	0.32 123	0.15 31	0.17 92	0.50 225	0.21 167	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.06 20

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

UCFNet_RVC	0.24 189	0.16 214	0.34 84	0.18 9	0.15 212	0.33 244	0.16 43	0.46 214	0.35 162	0.29 129	0.35 155	0.39 246	0.25 191	0.34 175	0.22 181	0.13 284	0.08 230	0.13 289	0.14 317	0.13 272	0.12 261

AdaStereo	0.24 189	0.16 214	0.37 115	0.24 216	0.12 81	0.32 235	0.17 64	0.54 287	0.42 229	0.33 202	0.38 184	0.35 220	0.21 141	0.30 152	0.22 181	0.14 307	0.06 73	0.13 289	0.08 114	0.11 233	0.08 116
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
NVstereo2D	0.31 270	0.16 214	0.54 258	0.24 216	0.22 326	0.42 305	0.28 293	0.58 325	0.56 331	0.28 104	0.38 184	0.40 259	0.30 253	0.71 310	0.28 232	0.13 284	0.08 230	0.13 289	0.10 221	0.19 334	0.16 306

MLCV	0.22 149	0.16 214	0.44 195	0.21 90	0.08 3	0.29 199	0.19 130	0.38 141	0.37 181	0.38 262	0.44 247	0.31 185	0.21 141	0.41 201	0.24 204	0.07 17	0.05 6	0.06 1	0.05 10	0.07 39	0.06 20

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

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

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

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

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

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

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

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

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

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

HITNet	0.20 109	0.17 230	0.43 189	0.19 28	0.08 3	0.27 167	0.14 14	0.42 181	0.30 119	0.29 129	0.32 123	0.27 145	0.21 141	0.28 127	0.25 213	0.07 17	0.05 6	0.07 16	0.06 25	0.09 146	0.06 20
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
StereoDRNet-Refined	0.27 228	0.17 230	0.35 92	0.25 253	0.14 171	0.37 276	0.21 191	0.47 221	0.41 224	0.44 314	0.51 291	0.41 262	0.28 231	0.45 211	0.37 279	0.09 170	0.06 73	0.11 236	0.11 256	0.10 195	0.10 214
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.33 285	0.17 230	0.61 284	0.27 304	0.19 289	0.46 322	0.29 297	0.65 359	0.51 308	0.47 329	0.46 269	0.44 282	0.34 281	0.62 282	0.41 302	0.12 267	0.08 230	0.13 289	0.12 288	0.12 259	0.10 214

SGM-Forest	0.36 301	0.17 230	0.47 218	0.23 177	0.16 235	0.45 320	0.41 353	0.55 297	0.48 288	0.52 344	0.60 327	0.52 317	0.41 313	0.85 353	0.50 330	0.17 340	0.17 351	0.17 335	0.15 325	0.15 296	0.15 299
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DispNO	0.27 228	0.18 242	0.62 292	0.23 177	0.17 251	0.25 142	0.22 207	0.45 204	0.41 224	0.32 192	0.39 196	0.38 234	0.27 217	0.77 336	0.27 229	0.09 170	0.07 162	0.10 188	0.10 221	0.08 84	0.08 116

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

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

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

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

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

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

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

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

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

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

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

BEATNet_4x	0.22 149	0.18 242	0.47 218	0.22 135	0.10 22	0.28 180	0.14 14	0.46 214	0.32 138	0.31 174	0.34 148	0.31 185	0.25 191	0.31 157	0.29 242	0.08 103	0.06 73	0.08 69	0.06 25	0.10 195	0.08 116

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

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

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

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

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

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

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

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

DeepPruner_ROB	0.26 221	0.19 258	0.44 195	0.21 90	0.16 235	0.30 216	0.21 191	0.52 269	0.32 138	0.35 234	0.38 184	0.39 246	0.26 200	0.42 203	0.24 204	0.15 318	0.11 294	0.11 236	0.11 256	0.14 284	0.13 273

iResNet_ROB	0.25 211	0.19 258	0.40 150	0.20 61	0.12 81	0.30 216	0.16 43	0.55 297	0.53 318	0.38 262	0.43 238	0.37 229	0.26 200	0.38 194	0.22 181	0.08 103	0.06 73	0.06 1	0.04 1	0.09 146	0.09 168

SGM_RVC	0.50 353	0.19 258	0.50 242	0.25 253	0.15 212	0.69 368	0.39 349	0.68 373	0.82 375	0.95 386	0.84 369	1.13 385	0.76 377	1.16 386	0.60 345	0.16 330	0.16 346	0.16 329	0.16 336	0.16 304	0.17 314
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
fast-acv-ft	0.31 270	0.20 266	0.81 335	0.24 216	0.18 271	0.46 322	0.27 280	0.41 169	0.49 297	0.39 277	0.55 311	0.49 304	0.35 285	0.37 190	0.38 281	0.11 240	0.11 294	0.11 236	0.12 288	0.12 259	0.09 168

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

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

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

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

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

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

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

CFNet	0.27 228	0.20 266	0.44 195	0.22 135	0.14 171	0.33 244	0.14 14	0.51 259	0.45 260	0.30 157	0.40 204	0.38 234	0.27 217	0.76 330	0.25 213	0.09 170	0.07 162	0.11 236	0.11 256	0.11 233	0.08 116

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

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

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

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

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

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

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

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

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

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

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

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

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

NLCA_NET_v2_RVC	0.27 228	0.21 279	0.59 279	0.25 253	0.18 271	0.29 199	0.22 207	0.50 246	0.40 213	0.38 262	0.41 212	0.43 272	0.27 217	0.43 205	0.29 242	0.11 240	0.08 230	0.10 188	0.10 221	0.10 195	0.11 239
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
WCMA_ROB	0.51 357	0.21 279	0.65 301	0.25 253	0.21 311	0.58 356	0.32 316	0.54 287	0.55 328	0.95 386	1.40 394	1.28 392	0.81 382	0.73 317	0.62 348	0.18 350	0.15 339	0.15 320	0.15 325	0.19 334	0.19 335

CBMV	0.33 285	0.21 279	0.54 258	0.23 177	0.13 137	0.42 305	0.33 326	0.53 280	0.48 288	0.52 344	0.49 283	0.50 310	0.41 313	0.56 254	0.31 252	0.15 318	0.16 346	0.18 342	0.16 336	0.13 272	0.13 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IPLGR_C	0.21 123	0.22 291	0.60 281	0.23 177	0.15 212	0.24 131	0.20 168	0.35 110	0.29 110	0.31 174	0.32 123	0.22 80	0.15 55	0.25 87	0.20 146	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116

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

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

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

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

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

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

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

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

DANet	0.35 297	0.23 298	0.60 281	0.36 362	0.22 326	0.39 290	0.25 264	0.48 232	0.43 234	0.52 344	0.50 285	0.59 336	0.41 313	0.76 330	0.49 325	0.13 284	0.11 294	0.14 308	0.12 288	0.17 319	0.15 299
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ADCRef	0.38 316	0.24 301	0.88 350	0.26 281	0.21 311	0.49 335	0.27 280	0.52 269	0.48 288	0.50 333	0.58 320	0.35 220	0.47 338	0.48 218	1.29 394	0.09 170	0.08 230	0.12 270	0.12 288	0.11 233	0.11 239

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

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

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

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

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

GMStereo	0.19 96	0.25 305	0.40 150	0.21 90	0.12 81	0.22 99	0.19 130	0.29 44	0.40 213	0.25 82	0.23 54	0.16 40	0.15 55	0.25 87	0.19 135	0.09 170	0.06 73	0.08 69	0.08 114	0.10 195	0.08 116
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
psmorigin	0.50 353	0.25 305	3.03 414	0.24 216	0.19 289	0.38 283	0.22 207	0.50 246	0.44 248	0.64 362	0.68 348	0.71 369	0.51 349	0.85 353	0.45 313	0.14 307	0.17 351	0.13 289	0.14 317	0.16 304	0.21 352

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

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

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

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

Abc-Net	0.39 322	0.25 305	0.69 310	0.32 345	0.28 359	0.46 322	0.36 334	0.65 359	0.52 314	0.40 285	0.57 318	0.56 327	0.47 338	0.73 317	0.45 313	0.17 340	0.14 325	0.18 342	0.25 370	0.16 304	0.16 306
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DN-CSS_ROB	0.22 149	0.25 305	0.47 218	0.24 216	0.14 171	0.25 142	0.12 1	0.40 159	0.33 149	0.29 129	0.42 226	0.22 80	0.20 135	0.33 169	0.19 135	0.07 17	0.06 73	0.11 236	0.11 256	0.11 233	0.07 69

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

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

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

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

iResNetv2_ROB	0.27 228	0.26 316	0.72 319	0.23 177	0.13 137	0.29 199	0.18 93	0.52 269	0.49 297	0.37 254	0.45 259	0.39 246	0.25 191	0.34 175	0.20 146	0.08 103	0.06 73	0.07 16	0.05 10	0.12 259	0.09 168

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

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

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

FINET	0.34 292	0.27 323	0.80 333	0.24 216	0.24 342	0.36 271	0.34 328	0.54 287	0.72 364	0.39 277	0.47 276	0.32 193	0.30 253	0.51 230	0.32 257	0.19 355	0.17 351	0.13 289	0.12 288	0.18 330	0.16 306

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

MeshStereo	0.58 368	0.27 323	0.67 305	0.22 135	0.17 251	0.66 366	0.37 338	0.78 383	0.61 343	1.47 412	1.30 391	1.65 399	0.79 379	1.12 384	0.59 343	0.17 340	0.17 351	0.17 335	0.14 317	0.17 319	0.14 290
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
FADNet_RVC	0.30 263	0.28 326	0.83 339	0.23 177	0.15 212	0.30 216	0.17 64	0.49 238	0.37 181	0.30 157	0.38 184	0.30 177	0.27 217	0.52 236	0.31 252	0.14 307	0.14 325	0.14 308	0.16 336	0.21 345	0.23 363

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

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

PA-Net	0.37 310	0.28 326	0.83 339	0.31 339	0.28 359	0.39 290	0.42 356	0.51 259	0.55 328	0.34 218	0.42 226	0.41 262	0.36 289	0.79 340	0.49 325	0.12 267	0.23 375	0.16 329	0.23 368	0.12 259	0.18 328
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SGM-ForestM	1.36 402	0.28 326	0.79 331	0.26 281	0.16 235	2.26 417	1.00 410	1.42 404	1.46 403	2.38 416	2.05 411	5.95 425	2.66 417	2.95 417	2.46 415	0.17 340	0.18 357	0.18 342	0.18 350	0.15 296	0.18 328

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

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

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

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

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

DeepPrunerF	0.44 343	0.29 333	1.29 390	0.33 350	0.30 367	0.35 266	0.36 334	0.62 351	1.15 397	0.40 285	0.44 247	0.39 246	0.41 313	0.80 344	0.52 333	0.18 350	0.14 325	0.23 362	0.21 359	0.17 319	0.17 314

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

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

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

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

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

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

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

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

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

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

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

FCDSN-DC	0.63 374	0.31 344	0.61 284	0.36 362	0.30 367	0.65 364	0.37 338	0.66 365	0.68 357	1.14 396	1.54 402	1.71 401	1.26 402	0.92 365	0.64 352	0.24 365	0.22 372	0.27 367	0.26 374	0.27 368	0.27 372
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RGC	0.39 322	0.32 349	0.64 300	0.34 352	0.27 356	0.40 295	0.29 297	0.57 318	0.53 318	0.45 318	0.64 340	0.62 345	0.45 329	0.72 315	0.39 289	0.15 318	0.15 339	0.21 355	0.20 356	0.18 330	0.19 335

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

MSMD_ROB	0.60 372	0.33 351	0.61 284	0.30 332	0.25 349	0.86 385	0.35 331	0.55 297	0.67 354	1.10 394	1.49 399	1.76 402	0.97 393	0.88 359	0.49 325	0.23 362	0.21 367	0.27 367	0.27 376	0.25 358	0.24 367

PVD	0.58 368	0.34 352	0.84 343	0.39 371	0.31 369	0.59 357	0.47 369	0.80 387	1.25 398	0.92 383	1.09 382	0.79 373	0.82 383	0.85 353	0.76 358	0.21 359	0.18 357	0.22 361	0.18 350	0.27 368	0.35 381

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

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

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

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

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

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

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

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

ELAS_RVC	0.74 386	0.36 358	1.00 367	0.37 367	0.33 371	0.88 386	0.93 407	0.83 390	1.08 393	1.35 401	1.33 393	1.24 390	1.33 405	1.06 381	0.95 372	0.27 372	0.25 379	0.29 373	0.27 376	0.30 374	0.30 374
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.74 386	0.36 358	0.85 346	0.36 362	0.33 371	1.36 407	0.77 398	0.93 394	0.92 385	1.41 405	1.53 401	1.16 388	1.17 398	0.95 371	1.03 376	0.26 367	0.25 379	0.28 372	0.28 379	0.31 375	0.30 374
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	0.63 374	0.37 363	2.40 408	0.26 281	0.25 349	0.38 283	0.49 375	0.41 169	1.06 392	1.38 402	0.87 374	0.62 345	0.95 390	0.65 295	1.65 400	0.11 240	0.09 258	0.10 188	0.11 256	0.19 334	0.17 314

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

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

SAMSARA	0.56 364	0.39 366	0.80 333	0.60 390	0.46 383	1.00 392	1.23 418	0.67 370	0.68 357	0.71 369	0.54 307	0.89 379	0.57 358	0.81 347	0.62 348	0.19 355	0.22 372	0.18 342	0.18 350	0.27 368	0.25 368

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

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

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

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

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

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

CC-Net-ROB	0.43 337	0.47 373	0.65 301	0.37 367	0.23 337	0.51 340	0.29 297	0.66 365	0.49 297	0.46 321	0.51 291	0.48 300	0.38 301	0.96 372	0.35 272	0.34 383	0.23 375	0.55 391	0.25 370	0.31 375	0.20 345

GANetREF_RVC	0.43 337	0.47 373	0.69 310	0.38 369	0.20 303	0.51 340	0.48 373	0.66 365	0.66 351	0.46 321	0.46 269	0.50 310	0.44 326	0.90 363	0.39 289	0.27 372	0.21 367	0.32 377	0.18 350	0.27 368	0.22 357
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SQANet	0.40 328	0.48 375	0.67 305	0.48 382	0.39 377	0.48 332	0.22 207	0.51 259	0.43 234	0.40 285	0.47 276	0.47 294	0.33 274	0.54 245	0.32 257	0.36 384	0.15 339	0.40 383	0.21 359	0.45 384	0.31 376

Consistency-Raft	0.55 363	0.48 375	1.02 371	0.45 379	0.49 385	0.49 335	0.47 369	0.72 378	0.72 364	0.45 318	0.82 367	0.47 294	0.60 361	0.50 225	0.63 351	0.39 388	0.39 393	0.44 385	0.51 396	0.52 387	0.37 382

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

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

NVStereoNet_ROB	0.67 378	0.49 379	0.83 339	0.48 382	0.40 379	0.51 340	0.46 365	0.70 375	0.77 371	0.84 379	1.72 405	1.02 384	0.83 384	1.23 391	0.79 363	0.32 381	0.38 392	0.40 383	0.46 391	0.36 380	0.41 386
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.41 330	0.50 380	0.48 227	0.44 378	0.39 377	0.46 322	0.32 316	0.50 246	0.43 234	0.45 318	0.52 299	0.57 331	0.36 289	0.48 218	0.33 264	0.33 382	0.21 367	0.55 391	0.25 370	0.37 381	0.32 379

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

MFN_U_SF_RVC	0.56 364	0.51 382	1.19 382	0.38 369	0.22 326	0.69 368	0.27 280	0.80 387	0.67 354	0.73 370	0.74 358	0.87 376	0.61 370	0.81 347	0.76 358	0.29 378	0.27 381	0.32 377	0.37 387	0.32 377	0.31 376

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

anonymity	0.56 364	0.54 384	0.70 316	0.47 381	0.61 393	0.56 352	0.43 358	0.69 374	0.49 297	0.63 360	0.55 311	0.54 323	0.60 361	0.61 274	0.57 337	0.55 393	0.53 401	0.50 388	0.54 399	0.51 386	0.56 396

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

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

SPS-STEREO	0.69 380	0.61 387	0.98 365	0.52 387	0.57 391	0.74 374	0.50 376	0.78 383	0.62 345	0.95 386	0.86 371	0.94 380	0.70 374	1.01 378	0.87 369	0.58 396	0.51 398	0.50 388	0.50 395	0.55 389	0.58 398
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
otaku	0.57 367	0.62 388	0.87 349	0.63 392	0.44 382	0.73 372	0.37 338	0.65 359	0.66 351	0.51 338	0.75 359	0.66 360	0.45 329	0.69 304	0.46 319	0.53 390	0.34 390	0.55 391	0.35 383	0.60 392	0.45 389

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Low-res two-view benchmark