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

4D-IteraStereo	0.17 40	0.16 213	0.50 241	0.21 89	0.14 170	0.19 37	0.17 63	0.28 37	0.28 91	0.23 62	0.20 38	0.20 64	0.11 9	0.19 29	0.14 43	0.06 1	0.04 1	0.10 188	0.08 114	0.08 84	0.06 20

CAS	0.15 25	0.07 1	0.21 4	0.41 373	0.16 234	0.20 58	0.18 92	0.22 4	0.19 9	0.15 14	0.19 28	0.11 2	0.09 2	0.14 1	0.13 26	0.29 377	0.04 1	0.06 1	0.04 1	0.06 6	0.14 289

test-3	0.16 32	0.09 10	0.31 58	0.21 89	0.11 45	0.18 15	0.16 41	0.30 59	0.27 78	0.26 90	0.16 17	0.22 79	0.12 15	0.26 99	0.18 109	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 10	0.31 58	0.21 89	0.11 45	0.18 15	0.16 41	0.30 59	0.27 78	0.25 81	0.16 17	0.22 79	0.12 15	0.26 99	0.18 109	0.06 1	0.04 1	0.08 69	0.08 114	0.06 6	0.06 20

CREStereo++_RVC	0.15 25	0.08 2	0.26 20	0.17 6	0.11 45	0.18 15	0.13 4	0.22 4	0.30 118	0.21 55	0.30 104	0.13 13	0.11 9	0.16 8	0.15 55	0.07 17	0.04 1	0.06 1	0.15 324	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
panet	0.13 2	0.08 2	0.21 4	0.15 2	0.07 1	0.21 77	0.12 1	0.24 12	0.24 57	0.16 27	0.21 46	0.15 30	0.13 36	0.18 21	0.13 26	0.08 103	0.05 6	0.06 1	0.04 1	0.06 6	0.05 1

MoCha-V2	0.13 2	0.09 10	0.23 9	0.38 367	0.09 8	0.13 3	0.16 41	0.24 12	0.15 2	0.13 3	0.16 17	0.12 3	0.12 15	0.15 3	0.11 1	0.06 1	0.05 6	0.06 1	0.07 53	0.07 38	0.05 1

ACVNet-DCA	0.18 58	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.41 169	0.27 78	0.17 32	0.19 28	0.13 13	0.18 113	0.28 126	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

xx1	0.20 108	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.35 110	0.47 278	0.17 32	0.19 28	0.28 159	0.24 175	0.28 126	0.11 1	0.08 103	0.05 6	0.10 188	0.09 188	0.09 146	0.09 168

1test111	0.19 95	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.41 169	0.27 78	0.17 32	0.19 28	0.13 13	0.18 113	0.34 174	0.22 180	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

cc1	0.18 58	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.35 110	0.47 278	0.17 32	0.19 28	0.13 13	0.18 113	0.28 126	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

ff7	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

ffff	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

DualNet	0.26 220	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.35 110	0.44 247	0.30 156	0.42 225	0.34 205	0.23 160	0.27 114	1.08 377	0.08 103	0.05 6	0.11 236	0.10 220	0.08 84	0.08 116

ffm	0.22 148	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.35 110	0.44 247	0.30 156	0.42 225	0.34 205	0.23 160	0.27 114	0.11 1	0.08 103	0.05 6	0.11 236	0.10 220	0.08 84	0.08 116

ff1	0.29 255	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.35 110	0.44 247	0.30 156	0.42 225	0.34 205	0.23 160	0.81 346	1.08 377	0.08 103	0.05 6	0.11 236	0.10 220	0.08 84	0.08 116

11t	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

tt1	0.18 58	0.14 170	0.35 91	0.23 176	0.11 45	0.30 215	0.19 129	0.35 110	0.44 247	0.17 32	0.19 28	0.13 13	0.16 68	0.27 114	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

CASnet	0.14 9	0.12 85	0.22 7	0.22 134	0.08 3	0.16 8	0.15 27	0.27 24	0.25 62	0.22 59	0.20 38	0.15 30	0.11 9	0.17 12	0.13 26	0.07 17	0.05 6	0.11 236	0.09 188	0.08 84	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.13 2	0.09 10	0.23 9	0.18 9	0.19 288	0.19 37	0.16 41	0.23 7	0.14 1	0.13 3	0.17 21	0.13 13	0.16 68	0.16 8	0.12 7	0.07 17	0.05 6	0.07 16	0.08 114	0.07 38	0.06 20

Any-RAFT	0.17 40	0.08 2	0.31 58	0.19 27	0.10 22	0.29 198	0.16 41	0.42 181	0.30 118	0.24 75	0.27 80	0.27 144	0.16 68	0.21 44	0.12 7	0.08 103	0.05 6	0.06 1	0.05 10	0.07 38	0.06 20

HH	0.18 58	0.12 85	0.55 262	0.22 134	0.12 81	0.18 15	0.18 92	0.34 93	0.19 9	0.20 46	0.24 63	0.34 205	0.18 113	0.29 139	0.12 7	0.07 17	0.05 6	0.07 16	0.07 53	0.07 38	0.06 20

HanStereo	0.18 58	0.12 85	0.55 262	0.22 134	0.12 81	0.18 15	0.18 92	0.34 93	0.19 9	0.20 46	0.24 63	0.34 205	0.18 113	0.29 139	0.12 7	0.07 17	0.05 6	0.07 16	0.07 53	0.07 38	0.06 20

LoS_RVC	0.13 2	0.10 26	0.19 1	0.18 9	0.16 234	0.20 58	0.18 92	0.20 2	0.17 5	0.13 3	0.19 28	0.12 3	0.15 54	0.17 12	0.13 26	0.06 1	0.05 6	0.06 1	0.04 1	0.05 1	0.12 260

anonymousdsp2	0.17 40	0.10 26	0.28 33	0.20 60	0.11 45	0.25 141	0.17 63	0.41 169	0.31 129	0.23 62	0.23 53	0.22 79	0.15 54	0.25 86	0.15 55	0.07 17	0.05 6	0.07 16	0.05 10	0.08 84	0.07 69

anonymousdsp	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.28 37	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.08 84	0.07 69

CES	0.14 9	0.08 2	0.19 1	0.17 6	0.22 325	0.18 15	0.16 41	0.23 7	0.19 9	0.14 10	0.17 21	0.14 24	0.10 4	0.18 21	0.12 7	0.07 17	0.05 6	0.06 1	0.04 1	0.08 84	0.18 327

Selective-IGEV	0.12 1	0.09 10	0.22 7	0.19 27	0.10 22	0.15 5	0.14 14	0.27 24	0.15 2	0.13 3	0.14 14	0.13 13	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

EGLCR-Stereo	0.13 2	0.08 2	0.20 3	0.18 9	0.09 8	0.21 77	0.13 4	0.27 24	0.21 28	0.13 3	0.10 1	0.15 30	0.09 2	0.20 33	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.06 20

ProNet	0.14 9	0.12 85	0.25 17	0.19 27	0.11 45	0.19 37	0.19 129	0.27 24	0.20 18	0.14 10	0.13 6	0.13 13	0.12 15	0.24 62	0.12 7	0.06 1	0.05 6	0.07 16	0.06 25	0.07 38	0.07 69

MC-Stereo	0.14 9	0.09 10	0.25 17	0.21 89	0.09 8	0.18 15	0.16 41	0.23 7	0.19 9	0.18 44	0.23 53	0.16 39	0.13 36	0.22 49	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.05 1

RCA-Stereo	0.16 32	0.09 10	0.25 17	0.20 60	0.10 22	0.19 37	0.17 63	0.36 129	0.35 161	0.20 46	0.25 69	0.17 44	0.17 91	0.18 21	0.14 43	0.07 17	0.05 6	0.07 16	0.06 25	0.06 6	0.05 1

DCANet-4	0.19 95	0.10 26	0.52 251	0.19 27	0.09 8	0.19 37	0.18 92	0.36 129	0.39 199	0.29 128	0.30 104	0.17 44	0.22 151	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

ccc-4	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

fff	0.19 95	0.13 140	0.40 149	0.18 9	0.09 8	0.19 37	0.18 92	0.35 110	0.43 233	0.29 128	0.30 104	0.18 51	0.28 230	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

ADStereo(finetuned)	0.19 95	0.13 140	0.49 231	0.19 27	0.09 8	0.19 37	0.18 92	0.34 93	0.39 199	0.29 128	0.31 118	0.18 51	0.31 263	0.21 44	0.19 134	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

RAFT+CT+SA	0.21 122	0.18 241	0.33 78	0.25 251	0.18 270	0.23 115	0.29 296	0.40 159	0.36 171	0.24 75	0.38 183	0.18 51	0.16 68	0.32 162	0.16 72	0.07 17	0.05 6	0.09 124	0.12 287	0.09 146	0.09 168

test_5	0.23 165	0.19 257	0.38 133	0.26 279	0.18 270	0.25 141	0.29 296	0.40 159	0.37 180	0.29 128	0.40 203	0.25 116	0.22 151	0.34 174	0.18 109	0.07 17	0.05 6	0.09 124	0.09 188	0.10 195	0.10 213

test_4	0.18 58	0.12 85	0.34 83	0.23 176	0.12 81	0.18 15	0.22 206	0.26 17	0.24 57	0.24 75	0.47 275	0.22 79	0.13 36	0.24 62	0.16 72	0.06 1	0.05 6	0.09 124	0.09 188	0.07 38	0.05 1

IGEV-Stereo	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.28 37	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.08 84	0.07 69
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.21 122	0.15 195	0.53 254	0.21 89	0.12 81	0.28 179	0.17 63	0.42 181	0.30 118	0.33 201	0.32 122	0.15 30	0.17 91	0.50 224	0.21 166	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.06 20

MIPNet	0.21 122	0.15 195	0.52 251	0.21 89	0.12 81	0.27 166	0.20 167	0.45 203	0.37 180	0.30 156	0.23 53	0.19 62	0.24 175	0.27 114	0.19 134	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.06 20

test_3	0.18 58	0.11 66	0.32 64	0.24 214	0.11 45	0.22 98	0.25 263	0.31 65	0.31 129	0.25 81	0.18 25	0.23 98	0.13 36	0.25 86	0.19 134	0.06 1	0.05 6	0.09 124	0.10 220	0.07 38	0.06 20

LCNet	0.21 122	0.11 66	0.29 40	0.25 251	0.12 81	0.23 115	0.19 129	0.34 93	0.26 69	0.28 103	0.35 154	0.26 136	0.30 252	0.35 183	0.17 95	0.07 17	0.05 6	0.09 124	0.10 220	0.13 271	0.22 356

HHNet	0.22 148	0.12 85	0.52 251	0.18 9	0.18 270	0.20 58	0.20 167	0.34 93	0.31 129	0.32 191	0.59 321	0.20 64	0.21 140	0.24 62	0.31 251	0.08 103	0.05 6	0.09 124	0.07 53	0.08 84	0.11 238

AAGNet	0.33 284	0.11 66	0.37 114	0.25 251	0.16 234	0.20 58	0.19 129	0.30 59	0.27 78	0.35 233	0.35 154	0.27 144	0.30 252	0.44 208	2.66 415	0.08 103	0.05 6	0.10 188	0.07 53	0.08 84	0.06 20

STrans-v2	0.24 188	0.13 140	0.54 257	0.21 89	0.12 81	0.23 115	0.21 190	0.47 220	0.28 91	0.31 173	0.42 225	0.36 224	0.35 284	0.62 281	0.23 194	0.07 17	0.05 6	0.08 69	0.07 53	0.06 6	0.06 20

TransformOpticalFlow	0.24 188	0.13 140	0.56 266	0.23 176	0.11 45	0.21 77	0.19 129	0.40 159	0.32 137	0.30 156	0.43 237	0.36 224	0.31 263	0.61 273	0.20 145	0.07 17	0.05 6	0.08 69	0.07 53	0.06 6	0.07 69

KYRaft	0.22 148	0.10 26	0.30 46	0.23 176	0.12 81	0.23 115	0.23 227	0.35 110	0.24 57	0.35 233	0.54 306	0.34 205	0.26 199	0.29 139	0.15 55	0.07 17	0.05 6	0.09 124	0.10 220	0.08 84	0.31 375

SST-Stereo	0.21 122	0.10 26	0.37 114	0.24 214	0.13 136	0.19 37	0.17 63	0.31 65	0.24 57	0.34 217	0.33 141	0.29 166	0.25 190	0.56 253	0.17 95	0.08 103	0.05 6	0.10 188	0.08 114	0.09 146	0.07 69

RAFT_R40	0.21 122	0.10 26	0.37 114	0.24 214	0.13 136	0.18 15	0.18 92	0.31 65	0.29 109	0.33 201	0.33 141	0.30 176	0.24 175	0.55 245	0.18 109	0.08 103	0.05 6	0.10 188	0.08 114	0.08 84	0.07 69

PFNet	0.23 165	0.10 26	0.57 270	0.24 214	0.14 170	0.22 98	0.19 129	0.39 152	0.33 148	0.35 233	0.32 122	0.27 144	0.19 126	0.64 288	0.22 180	0.09 170	0.05 6	0.09 124	0.07 53	0.08 84	0.07 69

RAFT-RH_RVC	0.25 210	0.11 66	0.45 204	0.21 89	0.12 81	0.25 141	0.14 14	0.27 24	0.27 78	0.38 261	1.15 385	0.23 98	0.17 91	0.57 256	0.24 203	0.07 17	0.05 6	0.10 188	0.07 53	0.06 6	0.07 69

CRE-IMP	0.18 58	0.12 85	0.37 114	0.22 134	0.11 45	0.24 130	0.17 63	0.29 44	0.21 28	0.27 94	0.26 75	0.24 109	0.17 91	0.23 56	0.18 109	0.08 103	0.05 6	0.10 188	0.07 53	0.10 195	0.10 213

cross-raft	0.17 40	0.12 85	0.41 171	0.23 176	0.10 22	0.20 58	0.24 249	0.33 87	0.23 47	0.23 62	0.28 84	0.29 166	0.15 54	0.17 12	0.15 55	0.06 1	0.05 6	0.07 16	0.07 53	0.06 6	0.05 1

GMM-Stereo	0.21 122	0.10 26	0.43 188	0.23 176	0.13 136	0.24 130	0.25 263	0.37 135	0.27 78	0.30 156	0.45 258	0.27 144	0.21 140	0.31 156	0.17 95	0.07 17	0.05 6	0.10 188	0.09 188	0.08 84	0.19 334

Prome-Stereo	0.21 122	0.10 26	0.30 46	0.24 214	0.12 81	0.23 115	0.23 227	0.36 129	0.25 62	0.33 201	0.59 321	0.24 109	0.28 230	0.29 139	0.16 72	0.07 17	0.05 6	0.08 69	0.07 53	0.08 84	0.20 344

iRaftStereo_RVC	0.16 32	0.12 85	0.26 20	0.21 89	0.11 45	0.20 58	0.17 63	0.32 73	0.23 47	0.20 46	0.25 69	0.18 51	0.12 15	0.20 33	0.15 55	0.07 17	0.05 6	0.09 124	0.09 188	0.08 84	0.07 69

s12784h	0.17 40	0.09 10	0.26 20	0.18 9	0.07 1	0.32 234	0.19 129	0.37 135	0.32 137	0.23 62	0.25 69	0.18 51	0.17 91	0.25 86	0.16 72	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.05 1

XX-TBD	0.15 25	0.18 241	0.28 33	0.22 134	0.10 22	0.22 98	0.15 27	0.22 4	0.27 78	0.22 59	0.26 75	0.14 24	0.12 15	0.16 8	0.13 26	0.08 103	0.05 6	0.06 1	0.04 1	0.07 38	0.06 20

DCANet	0.18 58	0.13 140	0.40 149	0.19 27	0.09 8	0.19 37	0.18 92	0.34 93	0.39 199	0.29 128	0.31 118	0.18 51	0.23 160	0.20 33	0.19 134	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

csc	0.19 95	0.13 140	0.40 149	0.18 9	0.09 8	0.19 37	0.18 92	0.35 110	0.43 233	0.29 128	0.30 104	0.18 51	0.28 230	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

cscssc	0.19 95	0.13 140	0.40 149	0.18 9	0.09 8	0.19 37	0.18 92	0.35 110	0.43 233	0.29 128	0.30 104	0.18 51	0.28 230	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

111	0.20 108	0.17 229	0.40 149	0.18 9	0.09 8	0.24 130	0.17 63	0.41 169	0.45 259	0.23 62	0.29 93	0.29 166	0.21 140	0.24 62	0.18 109	0.07 17	0.05 6	0.07 16	0.06 25	0.07 38	0.08 116

RAFT-Stereo + iAFF	0.17 40	0.14 170	0.32 64	0.20 60	0.09 8	0.19 37	0.17 63	0.32 73	0.30 118	0.25 81	0.33 141	0.20 64	0.17 91	0.19 29	0.15 55	0.06 1	0.05 6	0.07 16	0.07 53	0.07 38	0.05 1

AFF-stereo	0.18 58	0.15 195	0.32 64	0.21 89	0.10 22	0.18 15	0.18 92	0.33 87	0.27 78	0.25 81	0.37 173	0.25 116	0.17 91	0.24 62	0.15 55	0.06 1	0.05 6	0.08 69	0.08 114	0.07 38	0.05 1

CFNet-RSSM	0.17 40	0.10 26	0.40 149	0.20 60	0.11 45	0.20 58	0.15 27	0.36 129	0.30 118	0.23 62	0.21 46	0.26 136	0.15 54	0.20 33	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.05 1

Gwc-CoAtRS	0.17 40	0.10 26	0.37 114	0.20 60	0.12 81	0.19 37	0.15 27	0.32 73	0.28 91	0.23 62	0.23 53	0.27 144	0.15 54	0.20 33	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.06 20

CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 3	0.22 98	0.15 27	0.25 14	0.24 57	0.16 27	0.21 46	0.14 24	0.13 36	0.18 21	0.13 26	0.09 170	0.05 6	0.06 1	0.04 1	0.07 38	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	0.23 115	0.16 41	0.25 14	0.23 47	0.17 32	0.21 46	0.16 39	0.14 47	0.22 49	0.13 26	0.29 377	0.05 6	0.06 1	0.04 1	0.07 38	0.06 20

HITNet	0.20 108	0.17 229	0.43 188	0.19 27	0.08 3	0.27 166	0.14 14	0.42 181	0.30 118	0.29 128	0.32 122	0.27 144	0.21 140	0.28 126	0.25 212	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
MLCV	0.22 148	0.16 213	0.44 194	0.21 89	0.08 3	0.29 198	0.19 129	0.38 141	0.37 180	0.38 261	0.44 246	0.31 184	0.21 140	0.41 200	0.24 203	0.07 17	0.05 6	0.06 1	0.05 10	0.07 38	0.06 20

iResNet	0.24 188	0.18 241	0.61 283	0.25 251	0.11 45	0.29 198	0.21 190	0.42 181	0.43 233	0.33 201	0.43 237	0.27 144	0.22 151	0.34 174	0.26 224	0.07 17	0.05 6	0.07 16	0.06 25	0.08 84	0.07 69

H2IRNET	0.18 58	0.13 140	0.35 91	0.21 89	0.12 81	0.20 58	0.15 27	0.27 24	0.30 118	0.17 32	0.31 118	0.25 116	0.20 134	0.24 62	0.18 109	0.07 17	0.06 74	0.09 124	0.10 220	0.09 146	0.06 20

MGS-Stereo	0.14 9	0.11 66	0.32 64	0.19 27	0.11 45	0.18 15	0.17 63	0.20 2	0.22 35	0.14 10	0.24 63	0.15 30	0.10 4	0.18 21	0.12 7	0.07 17	0.06 74	0.07 16	0.06 25	0.10 195	0.06 20

LargeStereo	0.13 2	0.10 26	0.23 9	0.21 89	0.10 22	0.15 5	0.15 27	0.29 44	0.16 4	0.12 1	0.15 16	0.12 3	0.12 15	0.17 12	0.14 43	0.07 17	0.06 74	0.07 16	0.05 10	0.07 38	0.07 69

CoDeX	0.23 165	0.12 85	0.46 210	0.21 89	0.14 170	0.29 198	0.21 190	0.53 279	0.41 223	0.29 128	0.35 154	0.29 166	0.22 151	0.48 217	0.19 134	0.09 170	0.06 74	0.08 69	0.07 53	0.08 84	0.07 69

IGEVStereo-DCA	0.14 9	0.11 66	0.27 25	0.19 27	0.12 81	0.20 58	0.18 92	0.27 24	0.20 18	0.15 14	0.12 2	0.14 24	0.12 15	0.28 126	0.14 43	0.07 17	0.06 74	0.08 69	0.07 53	0.07 38	0.07 69

rrr	0.17 40	0.11 66	0.57 270	0.19 27	0.12 81	0.20 58	0.18 92	0.35 110	0.22 35	0.15 14	0.12 2	0.14 24	0.12 15	0.28 126	0.14 43	0.07 17	0.06 74	0.08 69	0.07 53	0.07 38	0.07 69

test croco	0.17 40	0.13 140	0.43 188	0.21 89	0.13 136	0.16 8	0.17 63	0.27 24	0.22 35	0.16 27	0.26 75	0.13 13	0.16 68	0.27 114	0.16 72	0.08 103	0.06 74	0.10 188	0.07 53	0.10 195	0.07 69

IGEV_Zeroshot_test	0.18 58	0.10 26	0.65 300	0.20 60	0.12 81	0.19 37	0.15 27	0.34 93	0.19 9	0.28 103	0.22 51	0.27 144	0.13 36	0.23 56	0.18 109	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.06 20

MSKI-zero shot	0.17 40	0.09 10	0.43 188	0.20 60	0.11 45	0.21 77	0.15 27	0.32 73	0.21 28	0.23 62	0.24 63	0.23 98	0.10 4	0.31 156	0.13 26	0.07 17	0.06 74	0.07 16	0.06 25	0.06 6	0.06 20

MIF-Stereo (partial)	0.16 32	0.10 26	0.34 83	0.21 89	0.15 211	0.15 5	0.13 4	0.28 37	0.25 62	0.17 32	0.26 75	0.15 30	0.16 68	0.25 86	0.17 95	0.09 170	0.06 74	0.10 188	0.08 114	0.09 146	0.08 116

MIF-Stereo	0.14 9	0.10 26	0.30 46	0.21 89	0.13 136	0.17 11	0.13 4	0.19 1	0.18 7	0.15 14	0.20 38	0.10 1	0.11 9	0.18 21	0.16 72	0.08 103	0.06 74	0.07 16	0.06 25	0.08 84	0.06 20

DLNR_Zeroshot_test	10.44 426	12.10 433	19.93 434	106.08 445	23.66 442	0.14 4	0.13 4	3.22 421	0.17 5	0.16 27	0.23 53	0.16 39	0.10 4	0.31 156	0.15 55	2.36 420	0.06 74	0.07 16	0.07 53	39.70 443	0.06 20

PCWNet_CMD	0.23 165	0.13 140	0.48 226	0.20 60	0.13 136	0.28 179	0.16 41	0.46 213	0.46 273	0.29 128	0.36 164	0.37 228	0.24 175	0.28 126	0.20 145	0.09 170	0.06 74	0.10 188	0.08 114	0.11 232	0.09 168

RAFT-Test	0.17 40	0.10 26	0.38 133	0.19 27	0.12 81	0.25 141	0.17 63	0.33 87	0.23 47	0.23 62	0.29 93	0.27 144	0.14 47	0.20 33	0.14 43	0.07 17	0.06 74	0.07 16	0.07 53	0.06 6	0.06 20

LL-Strereo2	0.18 58	0.18 241	0.39 144	0.22 134	0.12 81	0.24 130	0.13 4	0.31 65	0.23 47	0.24 75	0.20 38	0.24 109	0.12 15	0.26 99	0.15 55	0.06 1	0.06 74	0.12 269	0.09 188	0.08 84	0.07 69

LoS	0.14 9	0.08 2	0.27 25	0.16 4	0.09 8	0.22 98	0.14 14	0.26 17	0.26 69	0.15 14	0.18 25	0.18 51	0.13 36	0.22 49	0.14 43	0.08 103	0.06 74	0.06 1	0.04 1	0.06 6	0.06 20

knoymous	0.17 40	0.09 10	0.32 64	0.17 6	0.11 45	0.21 77	0.17 63	0.32 73	0.23 47	0.23 62	0.28 84	0.27 144	0.16 68	0.23 56	0.16 72	0.09 170	0.06 74	0.09 124	0.06 25	0.09 146	0.09 168

anonymousa	0.23 165	0.11 66	0.50 241	0.21 89	0.16 234	0.31 226	0.20 167	0.36 129	0.35 161	0.32 191	0.50 284	0.39 245	0.26 199	0.22 49	0.20 145	0.08 103	0.06 74	0.09 124	0.11 255	0.07 38	0.08 116

riskmin	0.18 58	0.09 10	0.34 83	0.18 9	0.12 81	0.24 130	0.16 41	0.34 93	0.28 91	0.21 55	0.23 53	0.33 199	0.24 175	0.23 56	0.17 95	0.09 170	0.06 74	0.09 124	0.06 25	0.10 195	0.10 213

Selective-RAFT	0.17 40	0.12 85	0.30 46	0.24 214	0.10 22	0.29 198	0.15 27	0.32 73	0.31 129	0.17 32	0.17 21	0.21 72	0.18 113	0.28 126	0.17 95	0.07 17	0.06 74	0.07 16	0.07 53	0.08 84	0.06 20

TestStereo1	0.21 122	0.16 213	0.32 64	0.26 279	0.13 136	0.26 159	0.27 279	0.40 159	0.36 171	0.29 128	0.39 195	0.22 79	0.21 140	0.33 168	0.17 95	0.07 17	0.06 74	0.09 124	0.08 114	0.08 84	0.07 69

DisPM	0.19 95	0.10 26	0.35 91	0.23 176	0.13 136	0.18 15	0.20 167	0.29 44	0.29 109	0.33 201	0.34 147	0.23 98	0.16 68	0.33 168	0.16 72	0.09 170	0.06 74	0.09 124	0.08 114	0.07 38	0.11 238

Wz-Net-LNSev-Ref	0.30 262	0.20 265	0.70 315	0.21 89	0.17 250	0.46 321	0.27 279	0.50 245	0.49 296	0.42 301	0.55 310	0.43 271	0.30 252	0.46 212	0.38 280	0.09 170	0.06 74	0.07 16	0.06 25	0.11 232	0.10 213

raft_robust	0.22 148	0.17 229	0.30 46	0.22 134	0.12 81	0.23 115	0.22 206	0.49 237	0.48 287	0.32 191	0.32 122	0.26 136	0.23 160	0.53 240	0.15 55	0.07 17	0.06 74	0.08 69	0.10 220	0.08 84	0.06 20

SA-5K	0.21 122	0.16 213	0.32 64	0.26 279	0.13 136	0.26 159	0.27 279	0.40 159	0.36 171	0.29 128	0.39 195	0.22 79	0.21 140	0.33 168	0.17 95	0.07 17	0.06 74	0.09 124	0.08 114	0.08 84	0.07 69

Sa-1000	0.22 148	0.15 195	0.35 91	0.23 176	0.13 136	0.28 179	0.23 227	0.47 220	0.39 199	0.30 156	0.50 284	0.26 136	0.19 126	0.33 168	0.16 72	0.07 17	0.06 74	0.10 188	0.11 255	0.08 84	0.06 20

SA	0.22 148	0.16 213	0.36 109	0.23 176	0.13 136	0.24 130	0.23 227	0.45 203	0.40 212	0.27 94	0.44 246	0.23 98	0.23 160	0.33 168	0.17 95	0.07 17	0.06 74	0.10 188	0.11 255	0.08 84	0.06 20

iRaft-Stereo_5w	0.23 165	0.18 241	0.44 194	0.22 134	0.13 136	0.19 37	0.19 129	0.37 135	0.32 137	0.28 103	0.37 173	0.34 205	0.23 160	0.65 294	0.27 228	0.06 1	0.06 74	0.08 69	0.07 53	0.09 146	0.08 116

iRaft-Stereo_20w	0.19 95	0.10 26	0.46 210	0.19 27	0.13 136	0.25 141	0.19 129	0.52 268	0.19 9	0.29 128	0.21 46	0.22 79	0.20 134	0.28 126	0.18 109	0.07 17	0.06 74	0.07 16	0.08 114	0.08 84	0.08 116

IPLGR	0.21 122	0.13 140	0.61 283	0.21 89	0.11 45	0.25 141	0.18 92	0.41 169	0.37 180	0.28 103	0.27 80	0.21 72	0.19 126	0.37 189	0.18 109	0.07 17	0.06 74	0.08 69	0.07 53	0.07 38	0.06 20

CrosDoStereo	0.31 269	0.10 26	0.49 231	0.18 9	0.12 81	0.22 98	1.11 414	0.34 93	0.37 180	0.38 261	0.61 333	0.28 159	0.46 334	0.61 273	0.57 336	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.07 69

TRStereo	0.19 95	0.17 229	0.47 217	0.23 176	0.19 288	0.19 37	0.16 41	0.52 268	0.28 91	0.20 46	0.19 28	0.21 72	0.13 36	0.24 62	0.13 26	0.09 170	0.06 74	0.09 124	0.11 255	0.06 6	0.06 20

Patchmatch Stereo++	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.26 99	0.16 72	0.08 103	0.06 74	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
OMP-Stereo	0.23 165	0.14 170	0.35 91	0.29 322	0.13 136	0.21 77	0.16 41	0.37 135	0.33 148	0.34 217	0.30 104	0.34 205	0.19 126	0.70 306	0.24 203	0.07 17	0.06 74	0.09 124	0.07 53	0.07 38	0.06 20

IIG-Stereo	0.23 165	0.13 140	0.35 91	0.29 322	0.12 81	0.23 115	0.14 14	0.38 141	0.31 129	0.34 217	0.37 173	0.33 199	0.21 140	0.70 306	0.26 224	0.08 103	0.06 74	0.09 124	0.07 53	0.07 38	0.06 20

NF-Stereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

OCTAStereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

PSM-softLoss	0.21 122	0.10 26	0.39 144	0.24 214	0.12 81	0.20 58	0.18 92	0.38 141	0.26 69	0.29 128	0.32 122	0.24 109	0.16 68	0.52 235	0.20 145	0.09 170	0.06 74	0.10 188	0.09 188	0.08 84	0.12 260

KMStereo	0.21 122	0.10 26	0.39 144	0.24 214	0.12 81	0.20 58	0.18 92	0.38 141	0.26 69	0.29 128	0.32 122	0.24 109	0.16 68	0.52 235	0.20 145	0.09 170	0.06 74	0.10 188	0.09 188	0.08 84	0.12 260

NRIStereo	0.18 58	0.11 66	0.35 91	0.23 176	0.11 45	0.24 130	0.20 167	0.29 44	0.26 69	0.26 90	0.25 69	0.25 116	0.18 113	0.34 174	0.18 109	0.07 17	0.06 74	0.09 124	0.07 53	0.09 146	0.08 116

PSM-adaLoss	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.16 41	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.18 113	0.24 62	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

PSM-AAD	0.25 210	0.10 26	0.30 46	0.24 214	0.12 81	0.26 159	0.38 343	0.34 93	0.28 91	0.35 233	0.39 195	0.28 159	0.79 378	0.30 151	0.16 72	0.07 17	0.06 74	0.12 269	0.11 255	0.08 84	0.21 351

FTStereo	0.28 245	0.10 26	0.43 188	0.23 176	0.13 136	0.21 77	0.53 379	0.34 93	0.26 69	0.38 261	0.95 376	0.30 176	0.56 355	0.32 162	0.18 109	0.08 103	0.06 74	0.09 124	0.08 114	0.07 38	0.19 334

ROB_FTStereo_v2	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.16 41	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.24 62	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

ROB_FTStereo	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.28 84	0.25 116	0.17 91	0.24 62	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

HUI-Stereo	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.28 84	0.25 116	0.17 91	0.22 49	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

ASMatch	0.23 165	0.11 66	0.51 247	0.24 214	0.14 170	0.19 37	0.17 63	0.31 65	0.28 91	0.28 103	0.68 347	0.27 144	0.26 199	0.50 224	0.22 180	0.07 17	0.06 74	0.08 69	0.07 53	0.06 6	0.11 238

DeepStereo_LL	0.31 269	0.10 26	0.49 231	0.18 9	0.12 81	0.22 98	1.11 414	0.34 93	0.37 180	0.38 261	0.61 333	0.28 159	0.46 334	0.61 273	0.57 336	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.07 69

DEmStereo	0.26 220	0.09 10	0.47 217	0.19 27	0.12 81	0.30 215	0.25 263	0.28 37	0.36 171	0.36 248	0.58 319	0.25 116	0.48 343	0.53 240	0.44 309	0.07 17	0.06 74	0.08 69	0.08 114	0.06 6	0.07 69

THIR-Stereo	0.29 255	0.12 85	0.41 171	0.19 27	0.11 45	0.28 179	0.72 392	0.32 73	0.35 161	0.37 253	0.65 340	0.34 205	0.50 345	0.57 256	0.45 312	0.07 17	0.06 74	0.08 69	0.09 188	0.07 38	0.07 69

DRaft	0.24 188	0.10 26	0.34 83	0.18 9	0.12 81	0.28 179	0.23 227	0.33 87	0.39 199	0.38 261	0.61 333	0.21 72	0.41 312	0.48 217	0.42 304	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.08 116

GrayStereo	0.25 210	0.09 10	0.32 64	0.26 279	0.13 136	0.23 115	0.47 368	0.34 93	0.30 118	0.39 276	0.47 275	0.30 176	0.79 378	0.29 139	0.16 72	0.07 17	0.06 74	0.08 69	0.09 188	0.07 38	0.13 272

RE-Stereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

Pruner-Stereo	0.19 95	0.11 66	0.34 83	0.29 322	0.12 81	0.19 37	0.17 63	0.31 65	0.29 109	0.33 201	0.32 122	0.25 116	0.15 54	0.24 62	0.21 166	0.09 170	0.06 74	0.09 124	0.08 114	0.08 84	0.09 168

TVStereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

DeepStereo_RVC	0.18 58	0.11 66	0.40 149	0.21 89	0.11 45	0.19 37	0.16 41	0.28 37	0.22 35	0.27 94	0.27 80	0.23 98	0.28 230	0.24 62	0.18 109	0.08 103	0.06 74	0.09 124	0.07 53	0.09 146	0.10 213

iGMRVC	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.15 27	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.27 114	0.17 95	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

IRAFT_RVC	0.22 148	0.12 85	0.39 144	0.26 279	0.11 45	0.18 15	0.24 249	0.40 159	0.37 180	0.31 173	0.30 104	0.29 166	0.24 175	0.55 245	0.22 180	0.08 103	0.06 74	0.10 188	0.08 114	0.08 84	0.07 69

RAFT-345	0.21 122	0.10 26	0.46 210	0.22 134	0.11 45	0.20 58	0.16 41	0.26 17	0.25 62	0.27 94	0.66 342	0.21 72	0.16 68	0.55 245	0.21 166	0.07 17	0.06 74	0.08 69	0.07 53	0.06 6	0.06 20

iRAFT	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.26 99	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

AnonymousM	0.17 40	0.19 257	0.24 13	0.18 9	0.10 22	0.18 15	0.17 63	0.30 59	0.23 47	0.26 90	0.20 38	0.18 51	0.14 47	0.19 29	0.14 43	0.09 170	0.06 74	0.38 380	0.15 324	0.06 6	0.05 1

CroCo-Stereo	0.14 9	0.13 140	0.24 13	0.25 251	0.11 45	0.11 1	0.18 92	0.32 73	0.23 47	0.12 1	0.12 2	0.18 51	0.12 15	0.14 1	0.13 26	0.08 103	0.06 74	0.07 16	0.05 10	0.07 38	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
test-1	0.17 40	0.11 66	0.40 149	0.23 176	0.13 136	0.22 98	0.23 227	0.34 93	0.26 69	0.20 46	0.24 63	0.22 79	0.14 47	0.16 8	0.20 145	0.07 17	0.06 74	0.08 69	0.07 53	0.06 6	0.08 116

RAFT-IKP	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.15 27	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.18 113	0.25 86	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

TestStereo	0.21 122	0.19 257	0.40 149	0.25 251	0.10 22	0.22 98	0.21 190	0.31 65	0.31 129	0.23 62	0.34 147	0.22 79	0.18 113	0.62 281	0.18 109	0.08 103	0.06 74	0.10 188	0.07 53	0.11 232	0.06 20

raft+_RVC	0.18 58	0.14 170	0.32 64	0.21 89	0.15 211	0.21 77	0.16 41	0.38 141	0.34 155	0.21 55	0.28 84	0.20 64	0.15 54	0.24 62	0.19 134	0.08 103	0.06 74	0.08 69	0.07 53	0.07 38	0.08 116

raftrobust	0.16 32	0.13 140	0.29 40	0.22 134	0.15 211	0.19 37	0.13 4	0.32 73	0.26 69	0.26 90	0.20 38	0.19 62	0.17 91	0.21 44	0.15 55	0.08 103	0.06 74	0.07 16	0.06 25	0.06 6	0.07 69

CFNet_pseudo	0.23 165	0.13 140	0.47 217	0.19 27	0.13 136	0.26 159	0.16 41	0.44 195	0.44 247	0.29 128	0.37 173	0.38 233	0.23 160	0.29 139	0.21 166	0.09 170	0.06 74	0.11 236	0.08 114	0.11 232	0.09 168

RALAANet	0.19 95	0.18 241	0.37 114	0.23 176	0.14 170	0.23 115	0.13 4	0.37 135	0.29 109	0.28 103	0.26 75	0.25 116	0.15 54	0.26 99	0.18 109	0.08 103	0.06 74	0.09 124	0.08 114	0.09 146	0.06 20

XX-Stereo	0.21 122	0.10 26	0.83 338	0.26 279	0.17 250	0.23 115	0.13 4	0.40 159	0.18 7	0.20 46	0.41 211	0.31 184	0.10 4	0.32 162	0.12 7	0.08 103	0.06 74	0.08 69	0.08 114	0.07 38	0.05 1

test_xeample3	0.16 32	0.11 66	0.56 266	0.19 27	0.12 81	0.20 58	0.18 92	0.35 110	0.20 18	0.16 27	0.12 2	0.13 13	0.12 15	0.24 62	0.15 55	0.07 17	0.06 74	0.07 16	0.08 114	0.07 38	0.07 69

ARAFT	0.24 188	0.21 278	0.78 324	0.22 134	0.12 81	0.29 198	0.24 249	0.43 191	0.32 137	0.33 201	0.28 84	0.28 159	0.19 126	0.49 222	0.18 109	0.07 17	0.06 74	0.12 269	0.11 255	0.09 146	0.06 20

GMStereo	0.19 95	0.25 304	0.40 149	0.21 89	0.12 81	0.22 98	0.19 129	0.29 44	0.40 212	0.25 81	0.23 53	0.16 39	0.15 54	0.25 86	0.19 134	0.09 170	0.06 74	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
EAI-Stereo	0.21 122	0.10 26	0.33 78	0.21 89	0.12 81	0.30 215	0.46 364	0.46 213	0.20 18	0.25 81	0.50 284	0.17 44	0.16 68	0.24 62	0.23 194	0.07 17	0.06 74	0.07 16	0.10 220	0.06 6	0.07 69

FENet	0.21 122	0.11 66	0.45 204	0.21 89	0.12 81	0.26 159	0.17 63	0.41 169	0.35 161	0.30 156	0.31 118	0.29 166	0.23 160	0.26 99	0.23 194	0.09 170	0.06 74	0.09 124	0.09 188	0.09 146	0.09 168

cf-r	0.24 188	0.15 195	0.44 194	0.21 89	0.14 170	0.27 166	0.22 206	0.42 181	0.40 212	0.30 156	0.42 225	0.42 268	0.26 199	0.43 204	0.25 212	0.11 240	0.06 74	0.08 69	0.10 220	0.08 84	0.08 116

DIP-Stereo	0.18 58	0.12 85	0.33 78	0.20 60	0.13 136	0.28 179	0.12 1	0.42 181	0.25 62	0.27 94	0.32 122	0.21 72	0.17 91	0.25 86	0.20 145	0.07 17	0.06 74	0.08 69	0.06 25	0.07 38	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
BEATNet_4x	0.22 148	0.18 241	0.47 217	0.22 134	0.10 22	0.28 179	0.14 14	0.46 213	0.32 137	0.31 173	0.34 147	0.31 184	0.25 190	0.31 156	0.29 241	0.08 103	0.06 74	0.08 69	0.06 25	0.10 195	0.08 116

R-Stereo Train	0.18 58	0.09 10	0.32 64	0.22 134	0.12 81	0.22 98	0.19 129	0.42 181	0.19 9	0.31 173	0.45 258	0.20 64	0.14 47	0.18 21	0.15 55	0.08 103	0.06 74	0.07 16	0.06 25	0.06 6	0.06 20

RAFT-Stereo	0.18 58	0.09 10	0.32 64	0.22 134	0.12 81	0.22 98	0.19 129	0.42 181	0.19 9	0.31 173	0.45 258	0.20 64	0.14 47	0.18 21	0.15 55	0.08 103	0.06 74	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
MSMDNet	0.23 165	0.13 140	0.48 226	0.20 60	0.13 136	0.28 179	0.16 41	0.46 213	0.46 273	0.29 128	0.36 164	0.37 228	0.24 175	0.28 126	0.20 145	0.09 170	0.06 74	0.09 124	0.08 114	0.11 232	0.09 168

ccs_rob	0.23 165	0.13 140	0.47 217	0.20 60	0.13 136	0.26 159	0.17 63	0.44 195	0.44 247	0.29 128	0.37 173	0.38 233	0.23 160	0.29 139	0.21 166	0.09 170	0.06 74	0.11 236	0.08 114	0.11 232	0.09 168

AdaStereo	0.24 188	0.16 213	0.37 114	0.24 214	0.12 81	0.32 234	0.17 63	0.54 286	0.42 228	0.33 201	0.38 183	0.35 219	0.21 140	0.30 151	0.22 180	0.14 306	0.06 74	0.13 288	0.08 114	0.11 232	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.
iResNetv2_ROB	0.27 227	0.26 315	0.72 318	0.23 176	0.13 136	0.29 198	0.18 92	0.52 268	0.49 296	0.37 253	0.45 258	0.39 245	0.25 190	0.34 174	0.20 145	0.08 103	0.06 74	0.07 16	0.05 10	0.12 258	0.09 168

HSM	0.28 245	0.16 213	0.35 91	0.20 60	0.15 211	0.33 243	0.19 129	0.53 279	0.37 180	0.36 248	0.38 183	0.67 360	0.31 263	0.89 359	0.23 194	0.08 103	0.06 74	0.08 69	0.07 53	0.08 84	0.08 116

StereoDRNet-Refined	0.27 227	0.17 229	0.35 91	0.25 251	0.14 170	0.37 275	0.21 190	0.47 220	0.41 223	0.44 313	0.51 290	0.41 261	0.28 230	0.45 210	0.37 278	0.09 170	0.06 74	0.11 236	0.11 255	0.10 195	0.10 213
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.25 210	0.19 257	0.40 149	0.20 60	0.12 81	0.30 215	0.16 41	0.55 296	0.53 317	0.38 261	0.43 237	0.37 228	0.26 199	0.38 193	0.22 180	0.08 103	0.06 74	0.06 1	0.04 1	0.09 146	0.09 168

DN-CSS_ROB	0.22 148	0.25 304	0.47 217	0.24 214	0.14 170	0.25 141	0.12 1	0.40 159	0.33 148	0.29 128	0.42 225	0.22 79	0.20 134	0.33 168	0.19 134	0.07 17	0.06 74	0.11 236	0.11 255	0.11 232	0.07 69

pmcnn	0.50 352	0.20 265	0.78 324	0.24 214	0.26 353	0.39 289	0.30 306	0.51 258	0.50 304	0.54 350	1.23 388	2.52 411	0.37 296	0.77 335	0.95 371	0.08 103	0.06 74	0.06 1	0.05 10	0.10 195	0.08 116

DispNO	0.27 227	0.18 241	0.62 291	0.23 176	0.17 250	0.25 141	0.22 206	0.45 203	0.41 223	0.32 191	0.39 195	0.38 233	0.27 216	0.77 335	0.27 228	0.09 170	0.07 163	0.10 188	0.10 220	0.08 84	0.08 116

Former-RAFT_DAM_RVC	0.17 40	0.13 140	0.24 13	0.19 27	0.13 136	0.24 130	0.17 63	0.30 59	0.37 180	0.43 307	0.17 21	0.13 13	0.12 15	0.19 29	0.15 55	0.08 103	0.07 163	0.09 124	0.07 53	0.09 146	0.08 116

MyStereo8	0.22 148	0.15 195	0.63 294	0.21 89	0.17 250	0.31 226	0.16 41	0.36 129	0.32 137	0.28 103	0.36 164	0.25 116	0.18 113	0.25 86	0.28 231	0.08 103	0.07 163	0.08 69	0.07 53	0.10 195	0.12 260

SMFormer	0.25 210	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.28 231	0.10 213	0.07 163	0.08 69	0.08 114	0.09 146	0.09 168

tta	0.24 188	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.28 231	0.10 213	0.07 163	0.08 69	0.08 114	0.08 84	0.07 69

qqq1	0.24 188	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.16 72	0.10 213	0.07 163	0.07 16	0.06 25	0.08 84	0.07 69

fff1	0.24 188	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.16 72	0.10 213	0.07 163	0.07 16	0.06 25	0.08 84	0.07 69

MyStereo07	0.16 32	0.12 85	0.26 20	0.22 134	0.14 170	0.25 141	0.23 227	0.29 44	0.21 28	0.15 14	0.13 6	0.12 3	0.13 36	0.25 86	0.13 26	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo06	0.20 108	0.12 85	0.57 270	0.21 89	0.14 170	0.25 141	0.23 227	0.40 159	0.21 28	0.30 156	0.24 63	0.31 184	0.18 113	0.22 49	0.18 109	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo05	0.23 165	0.12 85	0.57 270	0.21 89	0.14 170	0.25 141	0.23 227	0.48 231	0.52 313	0.31 173	0.23 53	0.25 116	0.22 151	0.30 151	0.21 166	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo04	0.23 165	0.12 85	0.55 262	0.22 134	0.14 170	0.25 141	0.23 227	0.49 237	0.52 313	0.28 103	0.23 53	0.27 144	0.23 160	0.30 151	0.22 180	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

mmm	0.21 122	0.12 85	0.31 58	0.22 134	0.12 81	0.28 179	0.21 190	0.41 169	0.27 78	0.29 128	0.38 183	0.29 166	0.24 175	0.29 139	0.22 180	0.09 170	0.07 163	0.11 236	0.09 188	0.10 195	0.09 168

11t1	0.18 58	0.10 26	0.30 46	0.20 60	0.11 45	0.27 166	0.17 63	0.35 110	0.23 47	0.25 81	0.23 53	0.23 98	0.23 160	0.25 86	0.18 109	0.09 170	0.07 163	0.07 16	0.06 25	0.09 146	0.09 168

mmx	0.31 269	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.55 296	0.45 259	0.30 156	0.42 225	0.34 205	0.23 160	0.81 346	1.08 377	0.10 213	0.07 163	0.11 236	0.10 220	0.11 232	0.10 213

xxx	0.31 269	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.55 296	0.45 259	0.30 156	0.42 225	0.34 205	0.23 160	0.81 346	1.08 377	0.10 213	0.07 163	0.11 236	0.10 220	0.11 232	0.10 213

GMStereo_Zeroshot	0.24 188	0.21 278	0.45 204	0.26 279	0.13 136	0.28 179	0.15 27	0.39 152	0.35 161	0.37 253	0.43 237	0.40 258	0.17 91	0.34 174	0.20 145	0.12 267	0.07 163	0.13 288	0.07 53	0.16 303	0.09 168

StereoIM	0.14 9	0.13 140	0.26 20	0.19 27	0.14 170	0.16 8	0.13 4	0.25 14	0.21 28	0.13 3	0.14 14	0.14 24	0.11 9	0.17 12	0.17 95	0.08 103	0.07 163	0.08 69	0.06 25	0.07 38	0.06 20

EKT-Stereo	0.38 315	0.12 85	0.38 133	0.42 374	3.88 422	0.21 77	0.17 63	0.35 110	0.28 91	0.20 46	0.20 38	0.23 98	0.15 54	0.28 126	0.16 72	0.09 170	0.07 163	0.09 124	0.07 53	0.09 146	0.09 168

MIM_Stereo	0.18 58	0.12 85	0.38 133	0.20 60	0.11 45	0.17 11	0.14 14	0.35 110	0.25 62	0.27 94	0.35 154	0.23 98	0.13 36	0.27 114	0.16 72	0.06 1	0.07 163	0.08 69	0.08 114	0.08 84	0.06 20

LL-Strereo	0.29 255	0.25 304	0.58 274	0.25 251	0.21 310	0.23 115	0.24 249	0.55 296	0.42 228	0.34 217	0.32 122	0.41 261	0.40 308	0.94 368	0.23 194	0.08 103	0.07 163	0.11 236	0.09 188	0.09 146	0.09 168

DCRE	0.20 108	0.13 140	0.40 149	0.21 89	0.15 211	0.20 58	0.19 129	0.30 59	0.27 78	0.22 59	0.80 364	0.23 98	0.16 68	0.23 56	0.15 55	0.07 17	0.07 163	0.07 16	0.08 114	0.07 38	0.06 20

CroCo-Stereo Lap2	0.15 25	0.15 195	0.28 33	0.25 251	0.18 270	0.11 1	0.19 129	0.28 37	0.21 28	0.13 3	0.16 17	0.15 30	0.12 15	0.17 12	0.14 43	0.07 17	0.07 163	0.08 69	0.06 25	0.08 84	0.07 69

qqq	0.20 108	0.12 85	0.31 58	0.20 60	0.11 45	0.23 115	0.19 129	0.41 169	0.27 78	0.24 75	0.28 84	0.28 159	0.24 175	0.34 174	0.22 180	0.08 103	0.07 163	0.10 188	0.09 188	0.09 146	0.09 168

x	0.19 95	0.11 66	0.29 40	0.20 60	0.11 45	0.26 159	0.18 92	0.41 169	0.29 109	0.25 81	0.29 93	0.28 159	0.24 175	0.26 99	0.23 194	0.09 170	0.07 163	0.08 69	0.07 53	0.09 146	0.08 116

BUS	0.23 165	0.12 85	0.28 33	0.25 251	0.14 170	0.43 312	0.17 63	0.56 310	0.34 155	0.34 217	0.35 154	0.32 192	0.20 134	0.26 99	0.21 166	0.10 213	0.07 163	0.11 236	0.10 220	0.09 146	0.09 168

IER	0.23 165	0.12 85	0.39 144	0.20 60	0.14 170	0.31 226	0.19 129	0.42 181	0.36 171	0.33 201	0.40 203	0.32 192	0.33 273	0.29 139	0.22 180	0.09 170	0.07 163	0.08 69	0.08 114	0.09 146	0.08 116

RAFT_CTSACE	0.21 122	0.16 213	0.41 171	0.25 251	0.15 211	0.22 98	0.24 249	0.32 73	0.28 91	0.33 201	0.51 290	0.29 166	0.17 91	0.32 162	0.13 26	0.06 1	0.07 163	0.09 124	0.08 114	0.08 84	0.06 20

BSDual-CNN	0.23 165	0.12 85	0.28 33	0.25 251	0.14 170	0.35 265	0.21 190	0.56 310	0.34 155	0.34 217	0.35 154	0.38 233	0.24 175	0.26 99	0.21 166	0.10 213	0.07 163	0.11 236	0.10 220	0.09 146	0.09 168

hknet	0.25 210	0.14 170	0.40 149	0.25 251	0.15 211	0.35 265	0.21 190	0.56 310	0.37 180	0.34 217	0.35 154	0.43 271	0.27 216	0.37 189	0.21 166	0.09 170	0.07 163	0.11 236	0.10 220	0.09 146	0.09 168

CIPLG	0.21 122	0.21 278	0.55 262	0.23 176	0.15 211	0.25 141	0.20 167	0.35 110	0.29 109	0.31 173	0.33 141	0.22 79	0.15 54	0.26 99	0.20 145	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116

UDGNet	0.23 165	0.31 343	0.38 133	0.24 214	0.14 170	0.24 130	0.18 92	0.32 73	0.43 233	0.29 128	0.28 84	0.24 109	0.19 126	0.29 139	0.20 145	0.15 317	0.07 163	0.21 354	0.11 255	0.14 283	0.10 213

dd	0.22 148	0.26 315	0.40 149	0.22 134	0.12 81	0.25 141	0.21 190	0.32 73	0.44 247	0.29 128	0.28 84	0.25 116	0.16 68	0.30 151	0.25 212	0.12 267	0.07 163	0.10 188	0.08 114	0.11 232	0.09 168

DAS	0.27 227	0.12 85	0.42 178	0.24 214	0.18 270	0.29 198	0.24 249	0.45 203	0.45 259	0.41 293	0.44 246	0.34 205	0.29 243	0.75 324	0.21 166	0.09 170	0.07 163	0.09 124	0.07 53	0.09 146	0.09 168

SepStereo	0.26 220	0.12 85	0.42 178	0.24 214	0.18 270	0.29 198	0.24 249	0.45 203	0.45 259	0.41 293	0.44 246	0.34 205	0.29 243	0.64 288	0.21 166	0.09 170	0.07 163	0.09 124	0.07 53	0.09 146	0.09 168

IPLGR_C	0.21 122	0.22 290	0.60 280	0.23 176	0.15 211	0.24 130	0.20 167	0.35 110	0.29 109	0.31 173	0.32 122	0.22 79	0.15 54	0.25 86	0.20 145	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116

GMOStereo	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

error version	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

test-v	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

ACRE	0.21 122	0.20 265	0.62 291	0.23 176	0.15 211	0.24 130	0.20 167	0.35 110	0.28 91	0.31 173	0.32 122	0.22 79	0.15 54	0.25 86	0.20 145	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116

GwcNet-ADL	0.22 148	0.14 170	0.58 274	0.24 214	0.13 136	0.22 98	0.23 227	0.49 237	0.40 212	0.27 94	0.29 93	0.30 176	0.20 134	0.26 99	0.23 194	0.09 170	0.07 163	0.07 16	0.07 53	0.09 146	0.09 168

GANet-ADL	0.21 122	0.12 85	0.45 204	0.23 176	0.14 170	0.29 198	0.19 129	0.46 213	0.35 161	0.25 81	0.32 122	0.32 192	0.19 126	0.24 62	0.20 145	0.10 213	0.07 163	0.07 16	0.06 25	0.09 146	0.10 213

PFNet+	0.20 108	0.10 26	0.37 114	0.21 89	0.12 81	0.17 11	0.19 129	0.29 44	0.34 155	0.33 201	0.32 122	0.24 109	0.16 68	0.32 162	0.17 95	0.10 213	0.07 163	0.11 236	0.10 220	0.08 84	0.12 260

test-2	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

LMCR-Stereo	0.26 220	0.18 241	0.49 231	0.28 319	0.14 170	0.36 270	0.23 227	0.54 286	0.34 155	0.39 276	0.40 203	0.29 166	0.29 243	0.37 189	0.27 228	0.11 240	0.07 163	0.09 124	0.07 53	0.13 271	0.09 168

rafts_anoy	0.18 58	0.15 195	0.35 91	0.22 134	0.14 170	0.19 37	0.17 63	0.32 73	0.30 118	0.23 62	0.25 69	0.20 64	0.16 68	0.22 49	0.19 134	0.08 103	0.07 163	0.10 188	0.12 287	0.09 146	0.08 116

TANstereo	0.15 25	0.09 10	0.28 33	0.16 4	0.08 3	0.25 141	0.14 14	0.23 7	0.28 91	0.24 75	0.30 104	0.16 39	0.12 15	0.17 12	0.13 26	0.08 103	0.07 163	0.06 1	0.05 10	0.06 6	0.07 69

sAnonymous2	0.20 108	0.21 278	0.58 274	0.24 214	0.17 250	0.22 98	0.19 129	0.34 93	0.28 91	0.17 32	0.19 28	0.17 44	0.16 68	0.17 12	0.14 43	0.10 213	0.07 163	0.09 124	0.08 114	0.23 353	0.17 313

CroCo_RVC	0.20 108	0.21 278	0.58 274	0.24 214	0.17 250	0.22 98	0.19 129	0.34 93	0.28 91	0.17 32	0.19 28	0.17 44	0.16 68	0.17 12	0.14 43	0.10 213	0.07 163	0.09 124	0.08 114	0.23 353	0.17 313

222	0.41 329	0.10 26	0.29 40	0.19 27	0.11 45	0.36 270	0.20 167	0.57 317	0.39 199	0.35 233	0.44 246	0.30 176	0.27 216	0.55 245	3.56 418	0.11 240	0.07 163	0.08 69	0.08 114	0.09 146	0.09 168

xxxx	0.34 291	0.10 26	0.29 40	0.19 27	0.11 45	0.37 275	0.20 167	0.58 324	0.38 193	0.29 128	0.42 225	0.38 233	0.24 175	0.46 212	2.20 411	0.11 240	0.07 163	0.09 124	0.08 114	0.09 146	0.09 168

test_xeample	0.34 291	0.10 26	0.29 40	0.19 27	0.11 45	0.33 243	0.23 227	0.55 296	0.38 193	0.32 191	0.45 258	0.29 166	0.26 199	0.57 256	2.24 413	0.10 213	0.07 163	0.09 124	0.08 114	0.09 146	0.09 168

SFCPSM	0.22 148	0.10 26	0.51 247	0.21 89	0.14 170	0.34 256	0.22 206	0.55 296	0.39 199	0.29 128	0.32 122	0.23 98	0.21 140	0.27 114	0.19 134	0.09 170	0.07 163	0.09 124	0.09 188	0.09 146	0.08 116

MMNet	0.27 227	0.14 170	0.49 231	0.24 214	0.17 250	0.47 327	0.22 206	0.45 203	0.51 307	0.39 276	0.41 211	0.36 224	0.33 273	0.39 195	0.34 267	0.08 103	0.07 163	0.09 124	0.09 188	0.10 195	0.08 116

UNet	0.28 245	0.14 170	0.69 309	0.23 176	0.20 302	0.44 314	0.22 206	0.50 245	0.40 212	0.34 217	0.39 195	0.43 271	0.33 273	0.40 198	0.31 251	0.09 170	0.07 163	0.10 188	0.08 114	0.10 195	0.08 116

ACVNet	0.23 165	0.13 140	0.35 91	0.18 9	0.15 211	0.27 166	0.23 227	0.39 152	0.44 247	0.28 103	0.41 211	0.38 233	0.26 199	0.27 114	0.32 256	0.08 103	0.07 163	0.08 69	0.07 53	0.10 195	0.07 69

acv_ft	0.25 210	0.13 140	0.40 149	0.23 176	0.19 288	0.34 256	0.21 190	0.45 203	0.44 247	0.38 261	0.41 211	0.38 233	0.27 216	0.27 114	0.35 271	0.08 103	0.07 163	0.08 69	0.07 53	0.11 232	0.07 69

GANet-RSSM	0.24 188	0.14 170	0.36 109	0.21 89	0.14 170	0.27 166	0.21 190	0.45 203	0.33 148	0.29 128	0.39 195	0.39 245	0.28 230	0.58 261	0.23 194	0.11 240	0.07 163	0.09 124	0.09 188	0.10 195	0.09 168

PSMNet-RSSM	0.24 188	0.15 195	0.36 109	0.21 89	0.14 170	0.25 141	0.20 167	0.48 231	0.37 180	0.30 156	0.44 246	0.38 233	0.26 199	0.52 235	0.22 180	0.12 267	0.07 163	0.11 236	0.13 305	0.10 195	0.09 168

GwcNet-RSSM	0.26 220	0.17 229	0.46 210	0.21 89	0.13 136	0.28 179	0.23 227	0.44 195	0.42 228	0.31 173	0.45 258	0.40 258	0.26 199	0.55 245	0.28 231	0.11 240	0.07 163	0.09 124	0.10 220	0.09 146	0.08 116

CFNet-ft	0.24 188	0.15 195	0.35 91	0.18 9	0.15 211	0.30 215	0.21 190	0.39 152	0.36 171	0.28 103	0.40 203	0.43 271	0.25 190	0.47 215	0.24 203	0.12 267	0.07 163	0.12 269	0.11 255	0.12 258	0.09 168

SuperB	0.49 350	0.28 325	2.23 403	0.23 176	0.15 211	0.41 297	0.32 315	0.47 220	0.82 374	0.43 307	0.50 284	0.33 199	0.45 328	0.68 301	1.08 377	0.10 213	0.07 163	0.09 124	0.08 114	0.98 410	0.14 289

RASNet	0.28 245	0.14 170	0.44 194	0.22 134	0.18 270	0.32 234	0.19 129	0.48 231	0.38 193	0.29 128	0.43 237	0.47 293	0.37 296	0.79 339	0.36 277	0.09 170	0.07 163	0.07 16	0.09 188	0.07 38	0.07 69

HSM-Net_RVC	0.27 227	0.11 66	0.42 178	0.19 27	0.11 45	0.34 256	0.20 167	0.62 350	0.43 233	0.40 284	0.43 237	0.50 309	0.26 199	0.76 329	0.22 180	0.08 103	0.07 163	0.07 16	0.07 53	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
CFNet	0.27 227	0.20 265	0.44 194	0.22 134	0.14 170	0.33 243	0.14 14	0.51 258	0.45 259	0.30 156	0.40 203	0.38 233	0.27 216	0.76 329	0.25 212	0.09 170	0.07 163	0.11 236	0.11 255	0.11 232	0.08 116

CFNet_RVC	0.24 188	0.15 195	0.35 91	0.18 9	0.15 211	0.30 215	0.21 190	0.39 152	0.36 171	0.28 103	0.40 203	0.43 271	0.25 190	0.47 215	0.24 203	0.12 267	0.07 163	0.12 269	0.11 255	0.12 258	0.09 168

AANet_RVC	0.31 269	0.22 290	0.50 241	0.23 176	0.14 170	0.30 215	0.24 249	0.47 220	0.54 321	0.38 261	0.60 326	0.43 271	0.29 243	0.87 355	0.40 295	0.11 240	0.07 163	0.07 16	0.07 53	0.09 146	0.09 168

DISCO	0.32 278	0.13 140	0.51 247	0.25 251	0.16 234	0.48 331	0.25 263	0.50 245	0.57 333	0.37 253	0.45 258	0.62 344	0.36 288	0.64 288	0.49 324	0.09 170	0.07 163	0.09 124	0.08 114	0.12 258	0.11 238

AE-Stereo	0.17 40	0.11 66	0.31 58	0.24 214	0.14 170	0.23 115	0.18 92	0.34 93	0.29 109	0.15 14	0.25 69	0.21 72	0.13 36	0.20 33	0.14 43	0.07 17	0.08 230	0.09 124	0.10 220	0.07 38	0.06 20

1111x	0.32 278	0.11 66	0.40 149	0.22 134	0.11 45	0.32 234	0.26 274	0.59 329	0.43 233	0.31 173	0.41 211	0.39 245	0.28 230	0.76 329	1.37 394	0.09 170	0.08 230	0.09 124	0.10 220	0.09 146	0.08 116

whm_eth	0.23 165	0.18 241	0.56 266	0.24 214	0.19 288	0.21 77	0.18 92	0.37 135	0.40 212	0.31 173	0.60 326	0.15 30	0.17 91	0.26 99	0.19 134	0.09 170	0.08 230	0.10 188	0.09 188	0.09 146	0.11 238

CFNet_ucs	0.24 188	0.13 140	0.50 241	0.20 60	0.15 211	0.28 179	0.17 63	0.49 237	0.45 259	0.32 191	0.42 225	0.39 245	0.22 151	0.31 156	0.21 166	0.11 240	0.08 230	0.12 269	0.09 188	0.12 258	0.11 238

CBFPSM	0.27 227	0.16 213	0.67 304	0.20 60	0.14 170	0.38 282	0.25 263	0.40 159	0.36 171	0.33 201	0.36 164	0.56 326	0.38 300	0.32 162	0.38 280	0.08 103	0.08 230	0.07 16	0.08 114	0.09 146	0.11 238

gwcnet-sp	0.24 188	0.13 140	0.63 294	0.22 134	0.14 170	0.34 256	0.22 206	0.44 195	0.39 199	0.35 233	0.34 147	0.27 144	0.27 216	0.35 183	0.25 212	0.09 170	0.08 230	0.09 124	0.09 188	0.09 146	0.09 168

scenet	0.24 188	0.13 140	0.63 294	0.22 134	0.14 170	0.34 256	0.22 206	0.44 195	0.39 199	0.35 233	0.34 147	0.27 144	0.27 216	0.35 183	0.25 212	0.09 170	0.08 230	0.09 124	0.09 188	0.09 146	0.09 168

CASS	0.21 122	0.15 195	0.32 64	0.26 279	0.11 45	0.28 179	0.19 129	0.39 152	0.30 118	0.32 191	0.34 147	0.25 116	0.24 175	0.25 86	0.20 145	0.13 283	0.08 230	0.11 236	0.09 188	0.11 232	0.11 238
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.24 188	0.13 140	0.63 294	0.22 134	0.14 170	0.34 256	0.22 206	0.44 195	0.39 199	0.35 233	0.34 147	0.27 144	0.27 216	0.35 183	0.25 212	0.09 170	0.08 230	0.09 124	0.09 188	0.09 146	0.09 168

psmg	0.23 165	0.12 85	0.28 33	0.21 89	0.14 170	0.35 265	0.23 227	0.51 258	0.34 155	0.35 233	0.38 183	0.38 233	0.24 175	0.26 99	0.21 166	0.10 213	0.08 230	0.10 188	0.10 220	0.09 146	0.08 116

CSP-Net	0.27 227	0.15 195	0.30 46	0.21 89	0.14 170	0.44 314	0.24 249	0.50 245	0.40 212	0.41 293	0.43 237	0.42 268	0.26 199	0.66 298	0.28 231	0.12 267	0.08 230	0.08 69	0.08 114	0.10 195	0.09 168

AACVNet	0.26 220	0.16 213	0.37 114	0.22 134	0.14 170	0.29 198	0.19 129	0.41 169	0.31 129	0.38 261	0.42 225	0.43 271	0.28 230	0.73 316	0.25 212	0.11 240	0.08 230	0.11 236	0.09 188	0.13 271	0.11 238

ADLNet2	0.30 262	0.17 229	0.72 318	0.23 176	0.17 250	0.36 270	0.24 249	0.52 268	0.51 307	0.32 191	0.38 183	0.45 285	0.30 252	0.69 303	0.35 271	0.10 213	0.08 230	0.09 124	0.09 188	0.12 258	0.10 213

RAFT	0.21 122	0.17 229	0.32 64	0.24 214	0.12 81	0.25 141	0.27 279	0.35 110	0.28 91	0.33 201	0.33 141	0.38 233	0.22 151	0.29 139	0.17 95	0.08 103	0.08 230	0.11 236	0.10 220	0.10 195	0.06 20

GEStereo_RVC	0.27 227	0.20 265	0.44 194	0.27 302	0.16 234	0.33 243	0.25 263	0.56 310	0.54 321	0.34 217	0.38 183	0.34 205	0.25 190	0.51 229	0.28 231	0.12 267	0.08 230	0.09 124	0.08 114	0.11 232	0.11 238

ADLNet	0.28 245	0.15 195	0.42 178	0.23 176	0.19 288	0.34 256	0.23 227	0.53 279	0.43 233	0.42 301	0.41 211	0.44 281	0.27 216	0.55 245	0.35 271	0.11 240	0.08 230	0.11 236	0.11 255	0.11 232	0.12 260

GES	0.22 148	0.12 85	0.42 178	0.20 60	0.14 170	0.27 166	0.19 129	0.49 237	0.33 148	0.30 156	0.36 164	0.25 116	0.23 160	0.29 139	0.22 180	0.10 213	0.08 230	0.08 69	0.07 53	0.10 195	0.11 238

HCRNet	0.24 188	0.25 304	0.33 78	0.34 350	0.16 234	0.27 166	0.18 92	0.43 191	0.35 161	0.30 156	0.35 154	0.32 192	0.22 151	0.44 208	0.20 145	0.13 283	0.08 230	0.13 288	0.11 255	0.10 195	0.09 168

DMCA	0.22 148	0.14 170	0.36 109	0.22 134	0.14 170	0.27 166	0.20 167	0.43 191	0.38 193	0.31 173	0.32 122	0.33 199	0.24 175	0.24 62	0.28 231	0.11 240	0.08 230	0.10 188	0.08 114	0.10 195	0.11 238

ADCRef	0.38 315	0.24 300	0.88 349	0.26 279	0.21 310	0.49 334	0.27 279	0.52 268	0.48 287	0.50 332	0.58 319	0.35 219	0.47 337	0.48 217	1.29 393	0.09 170	0.08 230	0.12 269	0.12 287	0.11 232	0.11 238

ADCP+	0.45 343	0.24 300	1.15 380	0.25 251	0.22 325	0.56 351	0.39 348	0.54 286	0.51 307	0.44 313	0.51 290	0.46 291	0.52 350	0.56 253	1.89 406	0.10 213	0.08 230	0.11 236	0.10 220	0.14 283	0.13 272

RYNet	0.37 309	0.18 241	0.59 278	0.25 251	0.28 358	0.61 360	0.32 315	0.59 329	0.59 336	0.41 293	0.38 183	0.57 330	0.39 305	0.87 355	0.53 334	0.11 240	0.08 230	0.12 269	0.11 255	0.18 329	0.18 327

TDLM	0.30 262	0.21 278	0.38 133	0.28 319	0.15 211	0.33 243	0.32 315	0.52 268	0.47 278	0.38 261	0.43 237	0.39 245	0.29 243	0.91 363	0.28 231	0.14 306	0.08 230	0.13 288	0.11 255	0.12 258	0.10 213

NLCA_NET_v2_RVC	0.27 227	0.21 278	0.59 278	0.25 251	0.18 270	0.29 198	0.22 206	0.50 245	0.40 212	0.38 261	0.41 211	0.43 271	0.27 216	0.43 204	0.29 241	0.11 240	0.08 230	0.10 188	0.10 220	0.10 195	0.11 238
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
UCFNet_RVC	0.24 188	0.16 213	0.34 83	0.18 9	0.15 211	0.33 243	0.16 41	0.46 213	0.35 161	0.29 128	0.35 154	0.39 245	0.25 190	0.34 174	0.22 180	0.13 283	0.08 230	0.13 288	0.14 316	0.13 271	0.12 260

NVstereo2D	0.31 269	0.16 213	0.54 257	0.24 214	0.22 325	0.42 304	0.28 292	0.58 324	0.56 330	0.28 103	0.38 183	0.40 258	0.30 252	0.71 309	0.28 231	0.13 283	0.08 230	0.13 288	0.10 220	0.19 333	0.16 305

DRN-Test	0.33 284	0.17 229	0.61 283	0.27 302	0.19 288	0.46 321	0.29 296	0.65 358	0.51 307	0.47 328	0.46 268	0.44 281	0.34 280	0.62 281	0.41 301	0.12 267	0.08 230	0.13 288	0.12 287	0.12 258	0.10 213

LE_ROB	1.76 410	0.20 265	2.68 411	0.48 381	0.52 387	0.78 379	0.96 407	0.84 390	6.61 423	7.40 425	2.08 411	2.08 404	4.83 419	1.27 393	3.79 419	0.10 213	0.08 230	0.12 269	0.11 255	0.11 232	0.10 213

iinet-f	0.30 262	0.18 241	1.03 372	0.20 60	0.15 211	0.44 314	0.22 206	0.45 203	0.37 180	0.35 233	0.44 246	0.41 261	0.34 280	0.34 174	0.40 295	0.10 213	0.09 258	0.08 69	0.08 114	0.13 271	0.11 238

ToySt	0.24 188	0.16 213	0.48 226	0.21 89	0.13 136	0.29 198	0.29 296	0.39 152	0.39 199	0.27 94	0.35 154	0.39 245	0.31 263	0.31 156	0.29 241	0.08 103	0.09 258	0.10 188	0.11 255	0.11 232	0.10 213

Wz-Net-MNSev	0.36 300	0.26 315	0.79 330	0.26 279	0.21 310	0.59 356	0.38 343	0.55 296	0.56 330	0.48 331	0.54 306	0.53 320	0.36 288	0.60 268	0.44 309	0.11 240	0.09 258	0.11 236	0.11 255	0.15 295	0.13 272

GLC_STEREO	0.15 25	0.10 26	0.24 13	0.21 89	0.09 8	0.17 11	0.15 27	0.23 7	0.27 78	0.17 32	0.20 38	0.17 44	0.11 9	0.23 56	0.16 72	0.07 17	0.09 258	0.09 124	0.08 114	0.07 38	0.06 20

AASNet	0.27 227	0.19 257	0.49 231	0.26 279	0.17 250	0.34 256	0.20 167	0.62 350	0.48 287	0.35 233	0.40 203	0.32 192	0.25 190	0.28 126	0.34 267	0.11 240	0.09 258	0.10 188	0.08 114	0.13 271	0.11 238

PSMNet-ADL	0.25 210	0.15 195	0.32 64	0.26 279	0.14 170	0.31 226	0.22 206	0.44 195	0.36 171	0.27 94	0.33 141	0.41 261	0.28 230	0.61 273	0.29 241	0.11 240	0.09 258	0.09 124	0.11 255	0.10 195	0.10 213

ICVP	0.23 165	0.13 140	0.44 194	0.26 279	0.14 170	0.29 198	0.25 263	0.45 203	0.33 148	0.29 128	0.43 237	0.35 219	0.25 190	0.26 99	0.23 194	0.12 267	0.09 258	0.09 124	0.08 114	0.09 146	0.10 213
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous	0.20 108	0.14 170	0.47 217	0.27 302	0.20 302	0.25 141	0.25 263	0.32 73	0.26 69	0.18 44	0.18 25	0.15 30	0.19 126	0.24 62	0.18 109	0.10 213	0.09 258	0.09 124	0.09 188	0.15 295	0.13 272

delet	0.27 227	0.14 170	0.40 149	0.23 176	0.19 288	0.41 297	0.29 296	0.49 237	0.48 287	0.33 201	0.41 211	0.37 228	0.30 252	0.48 217	0.34 267	0.09 170	0.09 258	0.11 236	0.12 287	0.08 84	0.08 116

UPFNet	0.25 210	0.12 85	0.38 133	0.24 214	0.19 288	0.37 275	0.28 292	0.48 231	0.38 193	0.34 217	0.37 173	0.37 228	0.28 230	0.39 195	0.33 263	0.10 213	0.09 258	0.10 188	0.10 220	0.10 195	0.08 116

aanetorigin	0.39 321	0.29 332	1.09 375	0.24 214	0.19 288	0.28 179	0.37 337	0.33 87	0.47 278	0.94 383	0.82 366	0.52 316	0.54 351	0.49 222	0.50 329	0.11 240	0.09 258	0.10 188	0.10 220	0.16 303	0.15 298

EDNetEfficientorigin	7.51 423	0.52 382	140.47 445	0.25 251	0.17 250	0.42 304	0.29 296	0.47 220	1.03 388	1.28 398	1.02 379	0.83 374	0.84 384	0.75 324	0.99 373	0.10 213	0.09 258	0.12 269	0.10 220	0.21 344	0.22 356

EDNetEfficient	0.63 373	0.37 362	2.40 407	0.26 279	0.25 348	0.38 282	0.49 374	0.41 169	1.06 391	1.38 401	0.87 373	0.62 344	0.95 389	0.65 294	1.65 399	0.11 240	0.09 258	0.10 188	0.11 255	0.19 333	0.17 313

ac_64	0.27 227	0.13 140	0.41 171	0.24 214	0.17 250	0.36 270	0.22 206	0.46 213	0.33 148	0.35 233	0.36 164	0.52 316	0.30 252	0.62 281	0.32 256	0.11 240	0.09 258	0.10 188	0.10 220	0.09 146	0.08 116

ADCL	0.47 346	0.22 290	1.00 366	0.27 302	0.19 288	0.74 373	0.64 387	0.54 286	0.69 358	0.56 352	0.71 352	0.55 324	0.60 360	0.60 268	1.43 395	0.11 240	0.09 258	0.13 288	0.13 305	0.14 283	0.14 289

CVANet_RVC	0.30 262	0.19 257	0.41 171	0.26 279	0.16 234	0.33 243	0.26 274	0.52 268	0.47 278	0.40 284	0.46 268	0.43 271	0.31 263	0.89 359	0.26 224	0.14 306	0.09 258	0.14 307	0.13 305	0.14 283	0.10 213

StereoDRNet	0.32 278	0.22 290	0.61 283	0.27 302	0.21 310	0.42 304	0.30 306	0.61 341	0.48 287	0.46 320	0.39 195	0.48 299	0.30 252	0.57 256	0.40 295	0.11 240	0.09 258	0.12 269	0.11 255	0.12 258	0.10 213

PWC_ROB	0.38 315	0.29 332	0.69 309	0.25 251	0.20 302	0.38 282	0.19 129	0.58 324	0.67 353	0.57 354	0.85 369	0.51 313	0.40 308	0.71 309	0.52 332	0.13 283	0.09 258	0.14 307	0.10 220	0.17 318	0.14 289

ttt	0.29 255	0.12 85	0.34 83	0.21 89	0.13 136	0.29 198	0.20 167	0.56 310	0.47 278	0.31 173	0.44 246	0.30 176	0.22 151	0.65 294	0.85 367	0.13 283	0.10 276	0.10 188	0.10 220	0.11 232	0.11 238

GASNet	0.36 300	0.46 370	0.88 349	0.34 350	0.23 336	0.35 265	0.22 206	0.60 337	0.53 317	0.40 284	0.37 173	0.45 285	0.30 252	0.79 339	0.35 271	0.15 317	0.10 276	0.14 307	0.14 316	0.22 350	0.12 260

CRFU-Net	0.28 245	0.14 170	0.45 204	0.25 251	0.15 211	0.45 319	0.23 227	0.50 245	0.30 118	0.43 307	0.41 211	0.48 299	0.46 334	0.43 204	0.29 241	0.11 240	0.10 276	0.09 124	0.08 114	0.10 195	0.10 213

NINENet	0.25 210	0.15 195	0.37 114	0.23 176	0.16 234	0.43 312	0.17 63	0.60 337	0.46 273	0.32 191	0.37 173	0.32 192	0.20 134	0.42 202	0.21 166	0.10 213	0.10 276	0.12 269	0.08 114	0.11 232	0.10 213

WZ-Net	0.52 360	0.38 364	1.90 401	0.30 330	0.24 341	0.57 354	0.48 372	0.62 350	0.78 371	0.50 332	0.71 352	0.68 363	0.54 351	0.98 374	0.84 364	0.13 283	0.10 276	0.11 236	0.12 287	0.19 333	0.20 344

SACVNet	0.30 262	0.20 265	0.41 171	0.25 251	0.18 270	0.34 256	0.25 263	0.52 268	0.40 212	0.41 293	0.44 246	0.46 291	0.32 270	0.71 309	0.25 212	0.13 283	0.10 276	0.12 269	0.12 287	0.16 303	0.17 313

RALCasStereoNet	0.18 58	0.15 195	0.33 78	0.21 89	0.14 170	0.21 77	0.18 92	0.31 65	0.25 62	0.21 55	0.29 93	0.22 79	0.15 54	0.27 114	0.17 95	0.08 103	0.10 276	0.07 16	0.06 25	0.09 146	0.09 168

RAFT + AFF	0.27 227	0.23 297	0.50 241	0.25 251	0.17 250	0.30 215	0.33 325	0.52 268	0.40 212	0.28 103	0.30 104	0.30 176	0.31 263	0.62 281	0.24 203	0.09 170	0.10 276	0.11 236	0.10 220	0.11 232	0.11 238

HGLStereo	0.27 227	0.14 170	0.46 210	0.24 214	0.21 310	0.33 243	0.23 227	0.50 245	0.42 228	0.35 233	0.48 281	0.41 261	0.33 273	0.45 210	0.33 263	0.11 240	0.10 276	0.09 124	0.09 188	0.10 195	0.12 260

hitnet-ft	0.29 255	0.17 229	0.40 149	0.19 27	0.14 170	0.39 289	0.23 227	0.44 195	0.41 223	0.36 248	0.46 268	0.53 320	0.34 280	0.76 329	0.32 256	0.14 306	0.10 276	0.13 288	0.10 220	0.15 295	0.13 272

DSFCA	0.27 227	0.13 140	0.36 109	0.20 60	0.17 250	0.38 282	0.31 310	0.47 220	0.43 233	0.43 307	0.37 173	0.39 245	0.29 243	0.52 235	0.32 256	0.12 267	0.10 276	0.10 188	0.11 255	0.11 232	0.10 213

DMCA-RVC	0.27 227	0.21 278	0.61 283	0.28 319	0.17 250	0.29 198	0.21 190	0.42 181	0.35 161	0.40 284	0.37 173	0.39 245	0.36 288	0.43 204	0.30 247	0.13 283	0.10 276	0.15 319	0.11 255	0.13 271	0.10 213

FADNet-RVC-Resample	0.29 255	0.25 304	0.93 358	0.26 279	0.16 234	0.32 234	0.21 190	0.47 220	0.39 199	0.35 233	0.38 183	0.33 199	0.27 216	0.53 240	0.24 203	0.10 213	0.10 276	0.14 307	0.13 305	0.13 271	0.16 305

RTSC	0.39 321	0.28 325	0.78 324	0.27 302	0.18 270	0.49 334	0.22 206	0.59 329	0.84 379	0.55 351	0.53 303	0.49 303	0.36 288	0.67 300	0.82 363	0.13 283	0.10 276	0.11 236	0.12 287	0.17 318	0.17 313

DLCB_ROB	0.28 245	0.16 213	0.34 83	0.27 302	0.16 234	0.38 282	0.25 263	0.48 231	0.43 233	0.46 320	0.46 268	0.51 313	0.33 273	0.53 240	0.33 263	0.10 213	0.10 276	0.11 236	0.11 255	0.10 195	0.09 168

ETE_ROB	0.34 291	0.26 315	0.45 204	0.29 322	0.18 270	0.40 294	0.37 337	0.57 317	0.47 278	0.50 332	0.50 284	0.62 344	0.36 288	0.55 245	0.38 280	0.13 283	0.10 276	0.14 307	0.12 287	0.16 303	0.16 305

PSMNet_ROB	0.33 284	0.24 300	0.54 257	0.31 337	0.21 310	0.42 304	0.43 357	0.59 329	0.47 278	0.37 253	0.44 246	0.49 303	0.31 263	0.64 288	0.43 305	0.14 306	0.10 276	0.15 319	0.14 316	0.13 271	0.11 238

fast-acv-ft	0.31 269	0.20 265	0.81 334	0.24 214	0.18 270	0.46 321	0.27 279	0.41 169	0.49 296	0.39 276	0.55 310	0.49 303	0.35 284	0.37 189	0.38 280	0.11 240	0.11 293	0.11 236	0.12 287	0.12 258	0.09 168

ssnet_v2	0.28 245	0.16 213	0.44 194	0.22 134	0.15 211	0.40 294	0.30 306	0.57 317	0.46 273	0.38 261	0.36 164	0.47 293	0.29 243	0.38 193	0.39 288	0.13 283	0.11 293	0.11 236	0.11 255	0.11 232	0.11 238

Wz-Net-SNSev	0.43 336	0.41 369	1.27 387	0.30 330	0.21 310	0.44 314	0.41 352	0.61 341	0.65 349	0.46 320	0.65 340	0.62 344	0.39 305	0.74 323	0.59 342	0.12 267	0.11 293	0.12 269	0.13 305	0.16 303	0.14 289

Wz-Net-LNSev	0.34 291	0.29 332	0.91 354	0.26 279	0.21 310	0.47 327	0.31 310	0.54 286	0.54 321	0.44 313	0.52 298	0.50 309	0.35 284	0.39 195	0.39 288	0.11 240	0.11 293	0.10 188	0.09 188	0.14 283	0.13 272

dad	0.28 245	0.31 343	0.44 194	0.21 89	0.14 170	0.30 215	0.20 167	0.33 87	0.49 296	0.44 313	0.44 246	0.45 285	0.21 140	0.41 200	0.26 224	0.20 357	0.11 293	0.20 351	0.11 255	0.14 283	0.10 213

Anonymous3	0.23 165	0.18 241	0.63 294	0.27 302	0.18 270	0.41 297	0.23 227	0.43 191	0.35 161	0.23 62	0.27 80	0.20 64	0.18 113	0.27 114	0.18 109	0.12 267	0.11 293	0.10 188	0.10 220	0.11 232	0.12 260

pcwnet_v2	0.32 278	0.15 195	1.26 386	0.23 176	0.18 270	0.32 234	0.18 92	0.59 329	0.60 339	0.36 248	0.45 258	0.35 219	0.29 243	0.36 187	0.25 212	0.14 306	0.11 293	0.12 269	0.11 255	0.14 283	0.15 298

sCroCo_RVC	0.18 58	0.14 170	0.49 231	0.27 302	0.18 270	0.22 98	0.17 63	0.27 24	0.23 47	0.14 10	0.22 51	0.17 44	0.14 47	0.21 44	0.15 55	0.10 213	0.11 293	0.09 124	0.09 188	0.09 146	0.09 168

GwcNet	0.35 296	0.23 297	0.88 349	0.25 251	0.24 341	0.48 331	0.27 279	0.55 296	0.57 333	0.38 261	0.52 298	0.51 313	0.32 270	0.60 268	0.41 301	0.13 283	0.11 293	0.12 269	0.11 255	0.13 271	0.14 289

AF-Net	0.37 309	0.26 315	0.56 266	0.32 343	0.23 336	0.41 297	0.29 296	0.61 341	0.64 348	0.42 301	0.68 347	0.65 355	0.49 344	0.57 256	0.44 309	0.15 317	0.11 293	0.19 348	0.14 316	0.15 295	0.13 272

RTS	0.78 387	0.48 374	4.68 416	0.34 350	0.28 358	1.12 395	0.46 364	0.62 350	1.03 388	0.73 369	0.89 374	0.60 338	0.59 358	1.61 400	1.16 386	0.14 306	0.11 293	0.15 319	0.15 324	0.21 344	0.19 334

RTSA	0.78 387	0.48 374	4.68 416	0.34 350	0.28 358	1.12 395	0.46 364	0.62 350	1.03 388	0.73 369	0.89 374	0.60 338	0.59 358	1.61 400	1.16 386	0.14 306	0.11 293	0.15 319	0.15 324	0.21 344	0.19 334

DANet	0.35 296	0.23 297	0.60 280	0.36 360	0.22 325	0.39 289	0.25 263	0.48 231	0.43 233	0.52 343	0.50 284	0.59 335	0.41 312	0.76 329	0.49 324	0.13 283	0.11 293	0.14 307	0.12 287	0.17 318	0.15 298
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DeepPruner_ROB	0.26 220	0.19 257	0.44 194	0.21 89	0.16 234	0.30 215	0.21 190	0.52 268	0.32 137	0.35 233	0.38 183	0.39 245	0.26 199	0.42 202	0.24 203	0.15 317	0.11 293	0.11 236	0.11 255	0.14 283	0.13 272

MDST_ROB	0.48 348	0.14 170	0.95 361	0.30 330	0.21 310	1.33 405	0.32 315	0.77 381	0.56 330	1.06 391	0.71 352	0.49 303	0.35 284	1.26 392	0.38 280	0.13 283	0.11 293	0.16 328	0.13 305	0.12 258	0.12 260

LALA_ROB	0.36 300	0.25 304	0.46 210	0.30 330	0.21 310	0.47 327	0.39 348	0.61 341	0.51 307	0.52 343	0.51 290	0.69 365	0.36 288	0.50 224	0.43 305	0.17 339	0.11 293	0.16 328	0.14 316	0.17 318	0.15 298

PWCDC_ROB	0.38 315	0.30 338	0.60 280	0.33 348	0.20 302	0.42 304	0.19 129	0.58 324	0.89 380	0.42 301	1.26 389	0.36 224	0.34 280	0.50 224	0.38 280	0.18 349	0.11 293	0.11 236	0.09 188	0.19 333	0.13 272

StereoVision	0.22 148	0.18 241	0.37 114	0.27 302	0.17 250	0.23 115	0.22 206	0.38 141	0.31 129	0.20 46	0.51 290	0.22 79	0.16 68	0.28 126	0.18 109	0.11 240	0.12 310	0.13 288	0.13 305	0.10 195	0.07 69

psm_up	0.29 255	0.16 213	0.41 171	0.26 279	0.17 250	0.32 234	0.26 274	0.55 296	0.43 233	0.36 248	0.40 203	0.45 285	0.37 296	0.58 261	0.30 247	0.11 240	0.12 310	0.13 288	0.12 287	0.10 195	0.10 213

STTStereo	0.28 245	0.20 265	0.61 283	0.25 251	0.17 250	0.29 198	0.24 249	0.47 220	0.39 199	0.39 276	0.41 211	0.44 281	0.28 230	0.40 198	0.28 231	0.13 283	0.12 310	0.13 288	0.16 335	0.12 258	0.11 238

Nwc_Net	0.37 309	0.25 304	0.68 308	0.31 337	0.24 341	0.44 314	0.30 306	0.65 358	0.50 304	0.37 253	0.69 351	0.58 333	0.45 328	0.60 268	0.40 295	0.15 317	0.12 310	0.19 348	0.21 358	0.14 283	0.13 272

XQC	0.43 336	0.37 362	0.96 362	0.34 350	0.25 348	0.53 349	0.34 327	0.60 337	0.73 366	0.51 337	0.46 268	0.57 330	0.47 337	0.70 306	0.72 356	0.17 339	0.12 310	0.18 341	0.15 324	0.25 357	0.23 362

ADCMid	0.49 350	0.34 351	1.13 379	0.26 279	0.21 310	0.51 339	0.37 337	0.57 317	0.54 321	0.75 373	0.66 342	0.62 344	0.64 370	0.64 288	1.68 400	0.13 283	0.12 310	0.17 334	0.17 344	0.20 341	0.17 313

SANet	0.53 361	0.28 325	0.96 362	0.26 279	0.15 211	0.69 367	0.44 360	0.67 369	1.34 398	0.67 364	0.98 378	0.94 379	0.71 374	0.89 359	0.76 357	0.14 306	0.12 310	0.12 269	0.11 255	0.17 318	0.16 305

XPNet_ROB	0.33 284	0.20 265	0.43 188	0.27 302	0.18 270	0.37 275	0.31 310	0.55 296	0.50 304	0.51 337	0.53 303	0.58 333	0.37 296	0.63 286	0.45 312	0.17 339	0.12 310	0.13 288	0.12 287	0.15 295	0.14 289

PDISCO_ROB	0.43 336	0.30 338	0.67 304	0.43 375	0.36 374	0.67 366	0.32 315	0.72 377	0.76 368	0.43 307	0.53 303	0.63 352	0.40 308	0.66 298	0.47 320	0.21 358	0.12 310	0.21 354	0.19 354	0.25 357	0.20 344

DispFullNet	0.66 376	0.89 399	1.59 396	0.77 397	1.21 414	0.51 339	0.23 227	0.59 329	0.72 363	0.69 367	0.61 333	0.69 365	0.91 388	0.79 339	0.48 321	0.27 371	0.12 310	0.73 398	0.30 379	0.65 395	0.40 384

SHD	0.42 332	0.27 322	0.81 334	0.31 337	0.25 348	0.42 304	0.22 206	0.66 364	0.94 387	0.63 359	0.60 326	0.59 335	0.47 337	0.59 267	0.58 341	0.15 317	0.13 320	0.16 328	0.16 335	0.20 341	0.22 356

GANet	0.36 300	0.22 290	0.49 231	0.29 322	0.17 250	0.41 297	0.38 343	0.57 317	0.45 259	0.46 320	0.75 358	0.55 324	0.40 308	0.94 368	0.41 301	0.13 283	0.13 320	0.13 288	0.11 255	0.14 283	0.11 238

DPSNet	0.47 346	0.24 300	0.93 358	0.27 302	0.20 302	0.75 375	0.57 381	0.84 390	0.79 372	0.47 328	0.51 290	0.60 338	0.69 372	0.87 355	0.71 355	0.16 329	0.13 320	0.12 269	0.10 220	0.25 357	0.21 351

NCCL2	0.35 296	0.26 315	0.49 231	0.36 360	0.22 325	0.41 297	0.41 352	0.53 279	0.42 228	0.47 328	0.46 268	0.61 342	0.39 305	0.55 245	0.37 278	0.16 329	0.13 320	0.21 354	0.21 358	0.16 303	0.16 305

APVNet	0.36 300	0.20 265	0.70 315	0.26 279	0.22 325	0.52 348	0.35 330	0.61 341	0.44 247	0.38 261	0.52 298	0.48 299	0.38 300	0.84 351	0.46 318	0.13 283	0.14 324	0.15 319	0.16 335	0.16 303	0.15 298

Syn2CoEx	0.36 300	0.31 343	0.78 324	0.34 350	0.21 310	0.41 297	0.28 292	0.61 341	0.49 296	0.42 301	0.56 315	0.45 285	0.44 325	0.69 303	0.38 280	0.17 339	0.14 324	0.15 319	0.12 287	0.13 271	0.12 260

FAT-Stereo	0.36 300	0.18 241	0.73 321	0.26 279	0.18 270	0.33 243	0.29 296	0.60 337	0.59 336	0.46 320	0.60 326	0.60 338	0.50 345	0.61 273	0.34 267	0.13 283	0.14 324	0.13 288	0.12 287	0.14 283	0.18 327

FADNet_RVC	0.30 262	0.28 325	0.83 338	0.23 176	0.15 211	0.30 215	0.17 63	0.49 237	0.37 180	0.30 156	0.38 183	0.30 176	0.27 216	0.52 235	0.31 251	0.14 306	0.14 324	0.14 307	0.16 335	0.21 344	0.23 362

FADNet-RVC	0.31 269	0.35 354	0.78 324	0.25 251	0.20 302	0.33 243	0.20 167	0.49 237	0.40 212	0.34 217	0.39 195	0.41 261	0.29 243	0.63 286	0.31 251	0.13 283	0.14 324	0.14 307	0.15 324	0.19 333	0.19 334

G-Net	0.46 345	0.25 304	0.86 346	0.34 350	0.28 358	0.90 387	0.35 330	0.47 220	0.45 259	0.68 365	1.22 387	0.64 354	0.60 360	0.61 273	0.57 336	0.16 329	0.14 324	0.17 334	0.13 305	0.22 350	0.19 334

NCC-stereo	0.39 321	0.25 304	0.69 309	0.32 343	0.28 358	0.46 321	0.36 333	0.65 358	0.52 313	0.40 284	0.57 317	0.56 326	0.47 337	0.73 316	0.45 312	0.17 339	0.14 324	0.18 341	0.25 369	0.16 303	0.16 305

stereogan	0.37 309	0.17 229	0.65 300	0.27 302	0.22 325	0.62 361	0.26 274	0.59 329	0.63 347	0.43 307	0.60 326	0.67 360	0.42 320	0.68 301	0.35 271	0.13 283	0.14 324	0.14 307	0.12 287	0.19 333	0.17 313

edge stereo	0.39 321	0.22 290	0.81 334	0.27 302	0.22 325	0.37 275	0.24 249	0.56 310	0.54 321	0.53 348	0.60 326	0.71 368	0.50 345	0.78 337	0.40 295	0.16 329	0.14 324	0.19 348	0.14 316	0.16 303	0.17 313

Abc-Net	0.39 321	0.25 304	0.69 309	0.32 343	0.28 358	0.46 321	0.36 333	0.65 358	0.52 313	0.40 284	0.57 317	0.56 326	0.47 337	0.73 316	0.45 312	0.17 339	0.14 324	0.18 341	0.25 369	0.16 303	0.16 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DeepPrunerF	0.44 342	0.29 332	1.29 389	0.33 348	0.30 366	0.35 265	0.36 333	0.62 350	1.15 396	0.40 284	0.44 246	0.39 245	0.41 312	0.80 343	0.52 332	0.18 349	0.14 324	0.23 361	0.21 358	0.17 318	0.17 313

AnyNet_C32	0.51 356	0.40 366	1.10 378	0.29 322	0.28 358	0.59 356	0.58 382	0.54 286	0.60 339	0.62 358	0.66 342	0.54 322	0.54 351	0.78 337	1.74 403	0.15 317	0.14 324	0.15 319	0.17 344	0.20 341	0.20 344

Anonymous Stereo	0.38 315	0.34 351	1.00 366	0.30 330	0.25 348	0.33 243	0.44 360	0.50 245	0.54 321	0.41 293	0.45 258	0.39 245	0.26 199	0.93 365	0.48 321	0.15 317	0.14 324	0.15 319	0.16 335	0.16 303	0.17 313

PS-NSSS	0.32 278	0.30 338	0.46 210	0.23 176	0.17 250	0.33 243	0.24 249	0.57 317	0.41 223	0.37 253	0.52 298	0.35 219	0.30 252	0.80 343	0.30 247	0.17 339	0.14 324	0.21 354	0.15 324	0.15 295	0.13 272

SQANet	0.40 327	0.48 374	0.67 304	0.48 381	0.39 376	0.48 331	0.22 206	0.51 258	0.43 233	0.40 284	0.47 275	0.47 293	0.33 273	0.54 244	0.32 256	0.36 383	0.15 338	0.40 382	0.21 358	0.45 383	0.31 375

coex-ft	3.44 417	0.73 391	48.55 443	0.24 214	0.19 288	0.50 338	0.43 357	0.47 220	2.40 410	7.03 424	1.20 386	0.97 382	2.23 413	0.73 316	1.92 407	0.12 267	0.15 338	0.14 307	0.12 287	0.21 344	0.43 386

Wz-Net-TNSev	0.51 356	0.58 384	1.61 399	0.25 251	0.21 310	0.65 363	0.45 362	0.63 356	0.69 358	0.51 337	0.54 306	0.71 368	0.60 360	1.00 375	0.77 360	0.15 317	0.15 338	0.13 288	0.15 324	0.21 344	0.20 344

S-Stereo	0.38 315	0.20 265	1.05 373	0.27 302	0.22 325	0.38 282	0.32 315	0.55 296	0.66 350	0.39 276	0.59 321	0.49 303	0.41 312	0.75 324	0.40 295	0.12 267	0.15 338	0.13 288	0.13 305	0.16 303	0.21 351

RP	0.35 296	0.22 290	0.51 247	0.31 337	0.24 341	0.37 275	0.28 292	0.50 245	0.58 335	0.40 284	0.63 338	0.61 342	0.47 337	0.61 273	0.39 288	0.16 329	0.15 338	0.17 334	0.15 324	0.17 318	0.17 313

RGC	0.39 321	0.32 348	0.64 299	0.34 350	0.27 355	0.40 294	0.29 296	0.57 317	0.53 317	0.45 317	0.64 339	0.62 344	0.45 328	0.72 314	0.39 288	0.15 317	0.15 338	0.21 354	0.20 355	0.18 329	0.19 334

WCMA_ROB	0.51 356	0.21 278	0.65 300	0.25 251	0.21 310	0.58 355	0.32 315	0.54 286	0.55 327	0.95 385	1.40 393	1.28 391	0.81 381	0.73 316	0.62 347	0.18 349	0.15 338	0.15 319	0.15 324	0.19 333	0.19 334

FADNet	0.32 278	0.36 357	0.74 322	0.23 176	0.22 325	0.37 275	0.19 129	0.53 279	0.48 287	0.32 191	0.36 164	0.43 271	0.32 270	0.64 288	0.25 212	0.16 329	0.16 345	0.14 307	0.16 335	0.24 356	0.19 334

ADCS	0.58 367	0.40 366	1.35 392	0.29 322	0.24 341	0.55 350	0.45 362	0.67 369	0.83 377	0.76 375	0.71 352	0.68 363	0.60 360	0.76 329	2.23 412	0.16 329	0.16 345	0.16 328	0.17 344	0.22 350	0.22 356

AnyNet_C01	0.65 375	0.58 384	2.60 410	0.32 343	0.26 353	0.88 385	0.61 385	0.63 356	0.62 344	0.68 365	0.96 377	0.76 371	0.60 360	0.96 371	1.43 395	0.16 329	0.16 345	0.17 334	0.17 344	0.23 353	0.23 362

SGM_RVC	0.50 352	0.19 257	0.50 241	0.25 251	0.15 211	0.69 367	0.39 348	0.68 372	0.82 374	0.95 385	0.84 368	1.13 384	0.76 376	1.16 385	0.60 344	0.16 329	0.16 345	0.16 328	0.16 335	0.16 303	0.17 313
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CBMV	0.33 284	0.21 278	0.54 257	0.23 176	0.13 136	0.42 304	0.33 325	0.53 279	0.48 287	0.52 343	0.49 282	0.50 309	0.41 312	0.56 253	0.31 251	0.15 317	0.16 345	0.18 341	0.16 335	0.13 271	0.13 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FINET	0.34 291	0.27 322	0.80 332	0.24 214	0.24 341	0.36 270	0.34 327	0.54 286	0.72 363	0.39 276	0.47 275	0.32 192	0.30 252	0.51 229	0.32 256	0.19 354	0.17 350	0.13 288	0.12 287	0.18 329	0.16 305

psmorigin	0.50 352	0.25 304	3.03 413	0.24 214	0.19 288	0.38 282	0.22 206	0.50 245	0.44 247	0.64 361	0.68 347	0.71 368	0.51 348	0.85 352	0.45 312	0.14 306	0.17 350	0.13 288	0.14 316	0.16 303	0.21 351

FBW_ROB	0.43 336	0.26 315	0.54 257	0.31 337	0.20 302	0.51 339	0.32 315	0.70 374	0.60 339	0.59 355	0.55 310	0.65 355	0.41 312	1.40 397	0.51 331	0.13 283	0.17 350	0.21 354	0.16 335	0.17 318	0.18 327

CSAN	0.50 352	0.35 354	0.78 324	0.36 360	0.23 336	0.56 351	0.59 384	0.61 341	0.70 360	0.64 361	0.78 362	0.65 355	0.60 360	1.38 396	0.62 347	0.21 358	0.17 350	0.20 351	0.20 355	0.18 329	0.18 327

SGM-Forest	0.36 300	0.17 229	0.47 217	0.23 176	0.16 234	0.45 319	0.41 352	0.55 296	0.48 287	0.52 343	0.60 326	0.52 316	0.41 312	0.85 352	0.50 329	0.17 339	0.17 350	0.17 334	0.15 324	0.15 295	0.15 298
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MeshStereo	0.58 367	0.27 322	0.67 304	0.22 134	0.17 250	0.66 365	0.37 337	0.78 382	0.61 342	1.47 411	1.30 390	1.65 398	0.79 378	1.12 383	0.59 342	0.17 339	0.17 350	0.17 334	0.14 316	0.17 318	0.14 289
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
PVD	0.58 367	0.34 351	0.84 342	0.39 370	0.31 368	0.59 356	0.47 368	0.80 386	1.25 397	0.92 382	1.09 381	0.79 372	0.82 382	0.85 352	0.76 357	0.21 358	0.18 356	0.22 360	0.18 349	0.27 367	0.35 380

ADCPNet	0.48 348	0.29 332	1.60 397	0.27 302	0.23 336	0.70 370	0.38 343	0.53 279	0.51 307	0.51 337	0.59 321	0.67 360	0.56 355	0.60 268	1.14 383	0.15 317	0.18 356	0.14 307	0.23 367	0.19 333	0.19 334

SGM-ForestM	1.36 401	0.28 325	0.79 330	0.26 279	0.16 234	2.26 416	1.00 409	1.42 403	1.46 402	2.38 415	2.05 410	5.95 424	2.66 416	2.95 416	2.46 414	0.17 339	0.18 356	0.18 341	0.18 349	0.15 295	0.18 327

NaN_ROB	0.41 329	0.28 325	0.62 291	0.30 330	0.19 288	0.51 339	0.47 368	0.58 324	0.59 336	0.56 352	0.47 275	0.49 303	0.41 312	1.21 389	0.64 351	0.12 267	0.18 356	0.12 269	0.13 305	0.11 232	0.14 289

HBP-ISP	0.33 284	0.30 338	0.72 318	0.22 134	0.16 234	0.32 234	0.22 206	0.54 286	0.44 247	0.41 293	0.49 282	0.33 199	0.38 300	0.73 316	0.25 212	0.18 349	0.19 360	0.24 363	0.20 355	0.16 303	0.13 272

UDG	0.40 327	0.46 370	0.49 231	0.40 372	0.35 373	0.47 327	0.27 279	0.54 286	0.47 278	0.39 276	0.45 258	0.59 335	0.44 325	0.46 212	0.39 288	0.26 366	0.19 360	0.48 386	0.22 365	0.34 377	0.26 368

ccnet	0.42 332	0.31 343	0.48 226	0.27 302	0.32 369	0.60 359	0.32 315	0.65 358	0.46 273	0.53 348	0.66 342	0.56 326	0.45 328	0.72 314	0.61 345	0.26 366	0.19 360	0.24 363	0.21 358	0.26 364	0.22 356

MaskLacGwcNet_RVC	0.36 300	0.36 357	0.53 254	0.34 350	0.19 288	0.51 339	0.24 249	0.55 296	0.38 193	0.41 293	0.47 275	0.47 293	0.27 216	0.73 316	0.30 247	0.36 383	0.19 360	0.27 366	0.17 344	0.26 364	0.23 362

CBMV_ROB	0.33 284	0.18 241	0.53 254	0.21 89	0.14 170	0.33 243	0.20 167	0.51 258	0.45 259	0.51 337	0.55 310	0.45 285	0.42 320	0.71 309	0.32 256	0.18 349	0.19 360	0.23 361	0.21 358	0.14 283	0.15 298

NOSS_ROB	0.31 269	0.20 265	0.35 91	0.24 214	0.16 234	0.32 234	0.19 129	0.52 268	0.48 287	0.33 201	0.36 164	0.42 268	0.28 230	0.93 365	0.24 203	0.19 354	0.20 365	0.24 363	0.22 365	0.17 318	0.17 313

ACVNet-4b	0.72 381	0.81 394	1.33 391	0.72 395	0.50 385	0.80 381	0.31 310	0.71 376	0.80 373	0.50 332	0.72 356	0.95 381	0.43 323	0.96 371	1.20 390	1.13 415	0.21 366	0.76 399	0.45 389	0.65 395	0.46 391

DDUNet	0.41 329	0.50 379	0.48 226	0.44 377	0.39 376	0.46 321	0.32 315	0.50 245	0.43 233	0.45 317	0.52 298	0.57 330	0.36 288	0.48 217	0.33 263	0.33 381	0.21 366	0.55 390	0.25 369	0.37 380	0.32 378

STTRV1_RVC	0.42 332	0.32 348	0.89 352	0.29 322	0.36 374	0.49 334	0.31 310	0.61 341	0.53 317	0.46 320	0.56 315	0.47 293	0.43 323	1.00 375	0.39 288	0.27 371	0.21 366	0.20 351	0.18 349	0.25 357	0.17 313

GANetREF_RVC	0.43 336	0.47 372	0.69 309	0.38 367	0.20 302	0.51 339	0.48 372	0.66 364	0.66 350	0.46 320	0.46 268	0.50 309	0.44 325	0.90 362	0.39 288	0.27 371	0.21 366	0.32 376	0.18 349	0.27 367	0.22 356
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
MSMD_ROB	0.60 371	0.33 350	0.61 283	0.30 330	0.25 348	0.86 384	0.35 330	0.55 296	0.67 353	1.10 393	1.49 398	1.76 401	0.97 392	0.88 358	0.49 324	0.23 361	0.21 366	0.27 366	0.27 375	0.25 357	0.24 366

FCDSN-DC	0.63 373	0.31 343	0.61 283	0.36 360	0.30 366	0.65 363	0.37 337	0.66 364	0.68 356	1.14 395	1.54 401	1.71 400	1.26 401	0.92 364	0.64 351	0.24 364	0.22 371	0.27 366	0.26 373	0.27 367	0.27 371
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	0.56 363	0.39 365	0.80 332	0.60 389	0.46 382	1.00 391	1.23 417	0.67 369	0.68 356	0.71 368	0.54 306	0.89 378	0.57 357	0.81 346	0.62 347	0.19 354	0.22 371	0.18 341	0.18 349	0.27 367	0.25 367

FC-DCNN	0.70 380	0.30 338	0.69 309	0.32 343	0.27 355	0.81 382	0.39 348	0.79 385	0.82 374	1.41 404	1.58 403	1.98 403	1.26 401	1.02 378	0.77 360	0.24 364	0.22 371	0.27 366	0.26 373	0.26 364	0.26 368

PA-Net	0.37 309	0.28 325	0.83 338	0.31 337	0.28 358	0.39 289	0.42 355	0.51 258	0.55 327	0.34 217	0.42 225	0.41 261	0.36 288	0.79 339	0.49 324	0.12 267	0.23 374	0.16 328	0.23 367	0.12 258	0.18 327
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CC-Net-ROB	0.43 336	0.47 372	0.65 300	0.37 365	0.23 336	0.51 339	0.29 296	0.66 364	0.49 296	0.46 320	0.51 290	0.48 299	0.38 300	0.96 371	0.35 271	0.34 382	0.23 374	0.55 390	0.25 369	0.31 374	0.20 344

SDNR	0.42 332	0.21 278	0.82 337	0.21 89	0.18 270	1.27 402	0.17 63	0.50 245	0.49 296	0.42 301	0.81 365	0.38 233	0.27 216	1.19 386	0.38 280	0.23 361	0.24 376	0.17 334	0.13 305	0.17 318	0.20 344

LSM	1.64 409	0.40 366	2.56 409	2.02 420	17.61 432	0.51 339	0.52 377	0.61 341	0.76 368	0.82 377	1.11 383	0.63 352	0.54 351	0.75 324	0.49 324	0.16 329	0.24 376	0.18 341	0.21 358	0.25 357	2.42 423

ELAS_RVC	0.74 385	0.36 357	1.00 366	0.37 365	0.33 370	0.88 385	0.93 406	0.83 389	1.08 392	1.35 400	1.33 392	1.24 389	1.33 404	1.06 380	0.95 371	0.27 371	0.25 378	0.29 372	0.27 375	0.30 373	0.30 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.74 385	0.36 357	0.85 345	0.36 360	0.33 370	1.36 406	0.77 397	0.93 393	0.92 384	1.41 404	1.53 400	1.16 387	1.17 397	0.95 370	1.03 375	0.26 366	0.25 378	0.28 371	0.28 378	0.31 374	0.30 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MFN_U_SF_RVC	0.56 363	0.51 381	1.19 381	0.38 367	0.22 325	0.69 367	0.27 279	0.80 386	0.67 353	0.73 369	0.74 357	0.87 375	0.61 369	0.81 346	0.76 357	0.29 377	0.27 380	0.32 376	0.37 386	0.32 376	0.31 375

MFN_U_SF_DS_RVC	0.51 356	0.50 379	0.86 346	0.39 370	0.24 341	0.84 383	0.55 380	0.56 310	0.62 344	0.60 356	0.68 347	0.62 344	0.42 320	1.13 384	0.43 305	0.23 361	0.27 380	0.27 366	0.35 382	0.25 357	0.29 372

MANE	1.41 402	0.36 357	0.74 322	0.43 375	0.41 379	2.16 415	0.80 399	2.39 419	3.38 413	2.22 414	3.06 416	3.54 417	2.73 418	2.15 412	1.94 408	0.28 375	0.27 380	0.30 374	0.46 390	0.28 371	0.34 379

BEATNet-Init1	4.73 421	2.61 421	13.29 432	0.58 387	0.53 388	10.12 426	3.33 422	4.83 422	5.01 421	8.75 426	8.51 424	14.08 433	7.60 425	7.70 426	5.34 422	0.28 375	0.28 383	0.34 378	0.37 386	0.57 389	0.45 388

Anonymous_2	0.37 309	0.21 278	0.47 217	0.20 60	0.21 310	0.42 304	0.26 274	0.38 141	0.29 109	0.33 201	0.30 104	0.44 281	0.38 300	0.36 187	0.29 241	0.26 366	0.29 384	0.44 384	1.41 418	0.34 377	0.21 351

MSC_U_SF_DS_RVC	0.68 378	0.64 388	1.06 374	0.45 378	0.27 355	1.40 408	0.58 382	0.78 382	0.92 384	0.84 378	0.86 370	0.88 377	0.68 371	1.33 395	0.68 354	0.37 385	0.29 384	0.34 378	0.36 385	0.43 381	0.37 381

PASM	0.45 343	0.35 354	0.90 353	0.35 359	0.33 370	0.39 289	0.38 343	0.50 245	0.61 342	0.52 343	0.51 290	0.62 344	0.45 328	0.93 365	0.48 321	0.26 366	0.29 384	0.29 372	0.33 380	0.29 372	0.26 368

ACVNet_1	0.72 381	0.81 394	1.37 393	0.72 395	0.53 388	0.77 376	0.42 355	0.85 392	0.90 382	0.74 372	0.75 358	1.32 393	0.72 375	1.02 378	0.55 335	0.54 391	0.31 387	0.71 397	0.35 382	0.64 394	0.45 388

Ntro	0.58 367	0.64 388	0.92 356	0.66 392	0.50 385	0.77 376	0.36 333	0.66 364	0.70 360	0.50 332	0.59 321	0.65 355	0.51 348	0.75 324	0.45 312	0.56 393	0.32 388	0.56 393	0.34 381	0.63 392	0.46 391

otaku	0.57 366	0.62 387	0.87 348	0.63 391	0.44 381	0.73 371	0.37 337	0.65 358	0.66 350	0.51 337	0.75 358	0.66 359	0.45 328	0.69 303	0.46 318	0.53 389	0.34 389	0.55 390	0.35 382	0.60 391	0.45 388

JetBlue	1.14 399	0.76 392	2.36 405	0.59 388	0.75 398	3.04 419	1.78 419	1.11 396	0.90 382	0.94 383	1.10 382	1.66 399	1.28 403	2.09 410	1.72 402	0.43 388	0.36 390	0.38 380	0.38 388	0.58 390	0.56 395

NVStereoNet_ROB	0.67 377	0.49 378	0.83 338	0.48 381	0.40 378	0.51 339	0.46 364	0.70 374	0.77 370	0.84 378	1.72 404	1.02 383	0.83 383	1.23 390	0.79 362	0.32 380	0.38 391	0.40 382	0.46 390	0.36 379	0.41 385
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Consistency-Raft	0.55 362	0.48 374	1.02 370	0.45 378	0.49 384	0.49 334	0.47 368	0.72 377	0.72 363	0.45 317	0.82 366	0.47 293	0.60 360	0.50 224	0.63 350	0.39 387	0.39 392	0.44 384	0.51 395	0.52 386	0.37 381

MADNet+	1.01 394	1.16 411	4.72 418	0.70 393	0.47 383	1.24 401	0.96 407	0.97 394	0.89 380	0.65 363	0.77 361	0.87 375	0.85 386	2.09 410	1.68 400	0.38 386	0.39 392	0.31 375	0.27 375	0.43 381	0.39 383

ACVNet_2	0.89 390	0.87 398	1.25 385	0.82 398	0.62 393	0.97 390	0.62 386	1.14 397	1.42 400	1.00 388	1.40 393	1.47 396	0.84 384	1.11 381	0.66 353	0.61 396	0.43 394	0.78 400	0.49 392	0.75 399	0.52 393

TorneroNet-64	1.43 403	1.03 405	1.20 382	1.10 408	0.86 408	2.26 416	0.73 393	1.84 411	3.84 418	1.25 397	2.25 414	2.69 413	1.42 405	1.76 407	1.43 395	0.76 401	0.50 395	1.09 409	0.66 404	1.23 413	0.76 411

PWCK	1.00 393	1.17 412	1.70 400	0.91 401	0.41 379	1.19 399	0.92 405	1.10 395	1.14 395	1.16 396	1.14 384	1.25 390	0.88 387	1.75 406	1.04 376	0.87 406	0.50 395	0.87 402	0.53 397	0.96 409	0.52 393

IMH-64-1	0.91 391	0.86 396	0.84 342	0.97 403	0.75 398	0.92 388	0.71 390	1.27 398	1.10 393	0.89 380	1.45 395	1.14 385	0.96 390	1.19 386	0.84 364	0.74 399	0.51 397	0.97 404	0.55 399	0.84 402	0.60 399

IMH-64	0.91 391	0.86 396	0.84 342	0.97 403	0.75 398	0.92 388	0.71 390	1.27 398	1.10 393	0.89 380	1.45 395	1.14 385	0.96 390	1.19 386	0.84 364	0.74 399	0.51 397	0.97 404	0.55 399	0.84 402	0.60 399

SPS-STEREO	0.69 379	0.61 386	0.98 364	0.52 386	0.57 390	0.74 373	0.50 375	0.78 382	0.62 344	0.95 385	0.86 370	0.94 379	0.70 373	1.01 377	0.87 368	0.58 395	0.51 397	0.50 387	0.50 394	0.55 388	0.58 397
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
anonymity	0.56 363	0.54 383	0.70 315	0.47 380	0.61 392	0.56 351	0.43 357	0.69 373	0.49 296	0.63 359	0.55 310	0.54 322	0.60 360	0.61 273	0.57 336	0.55 392	0.53 400	0.50 387	0.54 398	0.51 385	0.56 395

SGM+DAISY	0.87 389	0.66 390	1.30 390	0.51 384	0.60 391	1.03 392	0.84 403	0.76 380	0.73 366	1.39 402	1.51 399	1.31 392	1.22 399	1.11 381	1.08 377	0.57 394	0.53 400	0.51 389	0.51 395	0.54 387	0.61 402

TorneroNet	2.22 413	1.08 408	1.24 384	1.14 412	0.90 409	5.58 421	0.80 399	2.12 417	8.69 425	2.58 416	5.42 421	3.88 418	1.97 411	1.78 409	1.87 405	0.86 405	0.54 402	1.15 413	0.74 408	1.23 413	0.85 412

WAO-6	1.07 397	0.93 402	0.92 356	0.96 402	0.78 402	1.28 403	0.75 394	1.34 400	2.00 408	1.02 390	1.54 401	1.59 397	1.22 399	1.31 394	1.14 383	0.78 402	0.55 403	1.02 408	0.75 409	0.83 401	0.69 405

IMH	1.05 396	0.95 403	1.00 366	1.01 405	0.78 402	1.11 394	0.68 389	1.38 401	1.43 401	1.00 388	1.72 404	1.43 394	1.14 394	1.73 405	0.89 369	1.09 412	0.55 403	0.99 406	0.57 401	0.87 404	0.62 404

RainbowNet	0.72 381	0.89 399	1.02 370	0.82 398	0.63 394	0.78 379	0.52 377	0.81 388	0.93 386	0.60 356	0.79 363	0.80 373	0.60 360	0.80 343	0.57 336	0.78 402	0.55 403	0.78 400	0.49 392	0.76 400	0.58 397

MFMNet_re	0.72 381	0.76 392	0.99 365	0.62 390	0.70 396	0.77 376	0.67 388	0.75 379	0.83 377	0.78 376	0.86 370	0.69 365	0.78 377	0.71 309	0.61 345	0.66 398	0.59 406	0.61 394	0.58 402	0.68 398	0.71 406

Dean	1.17 400	1.04 406	1.49 395	1.03 407	0.78 402	1.20 400	0.77 397	1.48 406	1.96 406	1.28 398	1.99 409	2.15 405	1.14 394	1.25 391	1.00 374	0.81 404	0.60 407	1.01 407	0.69 406	0.92 408	0.74 409

DGSMNet	0.61 372	0.29 332	0.91 354	0.51 384	0.70 396	0.62 361	1.38 418	0.59 329	0.55 327	0.37 253	0.61 333	0.52 316	0.33 273	0.65 294	0.43 305	0.53 389	0.60 407	0.67 395	0.61 403	0.63 392	0.61 402

LVE	1.13 398	1.02 404	1.28 388	1.01 405	0.80 405	1.29 404	0.81 401	1.47 405	1.96 406	1.07 392	1.90 407	1.90 402	1.01 393	1.48 398	0.91 370	0.93 409	0.61 409	0.94 403	0.69 406	0.87 404	0.75 410

WAO-7	1.01 394	0.89 399	0.93 358	0.83 400	0.66 395	1.18 397	0.81 401	1.40 402	1.57 404	1.11 394	1.76 406	1.45 395	1.19 398	1.50 399	1.14 383	0.61 396	0.62 410	0.70 396	0.68 405	0.66 397	0.60 399

UNDER WATER	1.59 408	1.22 414	2.36 405	1.38 414	1.03 411	1.67 411	1.10 413	1.54 409	3.63 414	1.44 408	1.47 397	2.85 414	2.25 414	1.67 403	1.94 408	1.06 411	0.62 410	1.31 415	0.93 414	1.21 412	1.02 415

WAO-8	1.46 405	1.10 409	1.09 375	1.10 408	0.84 406	2.06 412	0.75 394	1.84 411	3.83 416	1.44 408	2.21 412	2.15 405	1.43 406	3.17 417	1.19 388	0.91 407	0.65 412	1.09 409	0.79 410	0.90 406	0.71 406

Venus	1.46 405	1.10 409	1.09 375	1.10 408	0.84 406	2.06 412	0.75 394	1.84 411	3.83 416	1.44 408	2.21 412	2.15 405	1.43 406	3.17 417	1.19 388	0.91 407	0.65 412	1.09 409	0.79 410	0.90 406	0.71 406

UNDER WATER-64	1.55 407	1.19 413	2.52 408	1.31 413	0.95 410	2.12 414	1.21 416	1.45 404	3.19 412	1.43 407	1.32 391	2.64 412	2.04 412	1.63 402	1.83 404	1.11 413	0.67 414	1.28 414	0.92 413	1.19 411	1.02 415

notaker	1.45 404	1.34 415	1.48 394	1.40 415	1.07 412	1.18 397	0.85 404	1.48 406	1.40 399	1.51 412	3.46 417	2.40 410	1.81 410	1.76 407	1.45 398	1.11 413	0.69 415	1.38 416	0.87 412	1.31 415	0.97 414

ktn	1.77 411	1.36 416	1.22 383	1.43 416	1.14 413	1.52 409	1.08 412	1.51 408	3.96 419	2.77 418	4.69 419	3.35 416	1.46 408	1.69 404	1.25 392	1.43 417	0.77 416	1.45 417	0.99 415	1.32 417	0.96 413

KSHMR	1.89 412	1.36 416	1.60 397	1.47 417	1.22 415	1.38 407	1.06 411	1.79 410	5.97 422	1.42 406	5.65 423	2.98 415	1.14 394	2.23 413	1.20 390	1.27 416	1.12 417	1.46 418	1.10 417	1.32 417	1.15 417

SPstereo	14.25 430	1.73 419	2.83 412	1.84 419	1.57 419	23.16 437	43.27 437	35.72 444	29.56 444	20.86 441	20.62 435	26.34 444	21.82 437	25.23 444	19.62 436	1.56 418	1.42 418	2.96 422	2.17 420	1.31 415	1.33 420

JetRed	2.30 415	2.64 422	6.12 419	1.12 411	1.38 417	5.85 422	3.29 421	1.99 415	1.67 405	1.98 413	1.95 408	2.16 408	1.60 409	2.48 414	4.10 420	1.05 410	1.60 419	1.09 409	1.01 416	1.67 419	1.28 418

MADNet++	2.26 414	1.80 420	2.06 402	2.13 422	1.97 420	2.61 418	1.79 420	2.38 418	2.16 409	2.75 417	2.65 415	2.38 409	2.43 415	3.17 417	3.21 416	2.17 419	1.95 420	1.94 420	1.63 419	2.06 420	2.01 422

PML	16.10 434	12.82 434	6.78 420	5.23 424	7.76 424	33.92 438	66.56 444	5.30 423	10.28 426	26.12 443	68.59 444	20.51 435	13.49 434	10.06 428	6.78 425	5.96 427	2.00 421	6.04 428	2.18 421	8.96 429	2.60 424

HanzoNet	2.97 416	1.69 418	2.29 404	1.74 418	1.33 416	1.53 410	1.03 410	1.99 415	2.64 411	5.51 421	5.16 420	5.90 423	6.82 424	4.32 422	3.29 417	3.16 421	2.02 422	1.92 419	2.87 423	2.24 421	1.89 421

DPSimNet_ROB	4.34 419	4.23 423	6.89 421	3.67 423	3.68 421	4.75 420	5.21 423	2.67 420	3.68 415	5.82 422	3.95 418	5.57 420	6.72 423	3.46 421	4.48 421	4.05 424	2.88 423	4.68 425	3.12 424	3.69 423	3.62 425

ASD4	7.23 422	6.65 426	7.69 422	5.24 425	5.62 423	11.85 428	20.36 428	7.57 426	7.14 424	6.55 423	5.47 422	5.99 425	5.78 421	7.22 425	9.24 426	4.85 425	4.44 424	6.40 429	5.19 425	6.53 426	4.89 426

FADE	4.32 418	1.06 407	4.35 415	0.71 394	0.76 401	0.73 371	0.50 375	1.85 414	1.52 403	0.75 373	0.66 342	1.17 388	2.69 417	2.83 415	1.96 410	24.23 442	4.70 425	17.35 437	17.61 436	0.49 384	0.44 387

LRCNet_RVC	10.90 427	14.34 435	9.35 423	15.35 431	8.04 425	1.08 393	0.34 327	8.78 427	0.70 360	12.63 433	16.05 433	9.85 426	6.54 422	8.57 427	6.34 424	20.27 440	5.40 426	23.70 439	21.88 438	14.87 433	13.83 435

DGTPSM_ROB	8.34 424	5.10 424	10.37 430	5.31 426	10.18 426	8.33 423	23.60 432	6.06 424	13.41 431	4.90 419	10.87 429	5.65 421	10.44 426	6.17 423	12.59 427	3.74 422	7.55 427	3.69 423	7.26 428	4.14 424	7.46 427

DPSMNet_ROB	8.40 425	5.11 425	10.49 431	5.58 427	10.25 427	8.34 424	23.62 433	6.07 425	13.45 432	4.93 420	10.88 430	5.66 422	10.44 426	6.24 424	12.64 428	3.98 423	7.61 428	3.76 424	7.30 429	4.20 425	7.51 428

Anonymous_1	16.62 435	9.35 427	9.84 424	10.66 428	14.64 430	18.66 434	27.12 434	12.64 432	13.51 433	10.76 432	10.30 428	10.13 427	10.60 428	11.06 432	12.74 429	15.87 439	7.74 429	16.92 436	43.48 441	58.66 444	7.68 429

DPSM_ROB	11.49 428	9.87 431	10.35 428	11.13 429	11.31 428	19.11 435	27.51 435	13.37 433	14.21 434	10.31 430	11.06 431	10.96 431	11.27 432	11.96 433	13.59 430	6.78 428	8.19 430	6.03 426	7.09 426	7.93 427	7.73 430

DPSM	11.49 428	9.87 431	10.35 428	11.13 429	11.31 428	19.11 435	27.51 435	13.37 433	14.21 434	10.31 430	11.06 431	10.96 431	11.27 432	11.96 433	13.59 430	6.78 428	8.19 430	6.03 426	7.09 426	7.93 427	7.73 430

tt	4.71 420	0.10 26	3.94 414	2.06 421	1.53 418	10.14 427	16.88 427	9.27 428	4.98 420	1.39 402	1.02 379	4.68 419	4.90 420	3.35 420	5.86 423	5.76 426	9.15 432	2.24 421	2.53 422	3.10 422	1.32 419

xxxxx1	15.27 431	9.54 428	10.31 425	20.13 434	18.88 433	17.08 430	23.03 429	10.36 429	10.99 427	9.21 427	9.62 425	10.74 428	10.61 429	10.72 429	13.89 432	7.97 430	9.20 433	31.85 442	44.72 442	12.84 430	13.69 432

tt_ll	15.27 431	9.54 428	10.31 425	20.13 434	18.88 433	17.08 430	23.03 429	10.36 429	10.99 427	9.21 427	9.62 425	10.74 428	10.61 429	10.72 429	13.89 432	7.97 430	9.20 433	31.85 442	44.72 442	12.84 430	13.69 432

ff	15.27 431	9.54 428	10.31 425	20.13 434	18.88 433	17.08 430	23.03 429	10.36 429	10.99 427	9.21 427	9.62 425	10.74 428	10.61 429	10.72 429	13.89 432	7.97 430	9.20 433	31.85 442	44.72 442	12.84 430	13.69 432

LSM0	24.24 443	19.98 441	22.32 440	24.22 442	40.14 444	38.48 443	55.20 438	26.95 442	28.57 438	20.49 435	21.83 436	22.26 442	22.75 441	24.22 442	27.30 439	13.66 438	16.32 436	12.19 435	14.15 430	16.10 439	17.66 441

Selective-RAFT-Error	23.16 442	19.93 440	20.87 439	22.54 441	22.81 441	38.52 444	55.47 439	27.01 443	28.83 443	20.66 437	22.25 439	22.09 441	22.80 443	24.09 441	27.36 440	13.61 434	16.48 437	12.15 431	14.28 432	15.99 438	15.57 440

CasAABBNet	23.10 438	19.86 436	20.64 435	22.47 437	22.73 440	38.41 439	55.50 440	26.89 441	28.70 439	20.61 436	22.15 438	22.08 440	22.75 441	23.99 440	27.36 440	13.59 433	16.48 437	12.14 430	14.27 431	15.95 434	15.53 436

MyStereo03	23.12 439	19.90 437	20.85 436	22.49 438	22.71 437	38.42 440	55.53 441	26.80 438	28.72 440	20.77 438	22.25 439	22.03 437	22.69 438	23.90 437	27.38 442	13.62 435	16.50 439	12.15 431	14.28 432	15.95 434	15.53 436

MyStereo02	23.12 439	19.90 437	20.85 436	22.49 438	22.71 437	38.42 440	55.53 441	26.80 438	28.72 440	20.77 438	22.25 439	22.03 437	22.69 438	23.90 437	27.38 442	13.62 435	16.50 439	12.15 431	14.28 432	15.95 434	15.53 436

MyStereo	23.12 439	19.90 437	20.85 436	22.49 438	22.71 437	38.42 440	55.53 441	26.80 438	28.72 440	20.77 438	22.25 439	22.03 437	22.69 438	23.90 437	27.38 442	13.62 435	16.50 439	12.15 431	14.28 432	15.95 434	15.53 436

HaxPig	17.72 436	20.22 442	19.73 433	16.53 432	16.51 431	9.27 425	9.33 424	14.34 435	13.27 430	18.65 434	18.70 434	17.35 434	16.77 435	17.04 435	16.45 435	22.05 441	20.89 442	22.27 438	21.53 437	21.29 440	22.13 442

MEDIAN_ROB	21.21 437	24.62 443	23.47 441	19.58 433	19.65 436	13.22 429	10.96 425	17.88 436	17.00 436	22.14 442	22.02 437	20.86 436	20.36 436	21.06 436	19.71 437	25.63 443	24.13 443	26.21 440	25.20 439	25.17 441	25.38 443

AVERAGE_ROB	25.43 444	29.06 444	27.24 442	24.63 443	24.20 443	17.73 433	12.61 426	22.29 437	21.39 437	26.79 444	26.16 443	25.20 443	24.64 444	25.07 443	23.53 438	29.96 444	28.40 444	30.60 441	29.58 440	29.72 442	29.84 444

test_example2	101.33 445	108.28 445	68.15 444	98.43 444	106.93 445	89.75 445	102.43 445	36.80 445	97.65 445	129.04 445	130.15 445	65.26 445	66.62 445	92.11 445	80.24 445	144.10 445	199.48 445	81.81 445	103.01 445	125.01 445	101.27 445

Low-res two-view benchmark