Low-res two-view results

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

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

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

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

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

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

AEACV	0.33 22	0.24 30	1.44 38	0.28 60	0.35 275	0.47 37	0.21 35	0.43 7	0.28 1	0.26 29	0.25 14	0.22 8	0.38 145	0.30 14	0.18 1	0.09 18	0.35 358	0.09 23	0.36 362	0.23 207	0.25 264

LoS_RVC	0.29 5	0.33 87	1.19 10	0.25 16	0.34 265	0.43 20	0.22 48	0.42 6	0.32 2	0.22 5	0.33 36	0.23 15	0.24 33	0.31 18	0.21 23	0.07 1	0.07 11	0.07 1	0.05 1	0.10 12	0.31 308

LargeStereo	0.34 29	0.43 135	1.32 22	0.31 120	0.14 13	0.32 6	0.21 35	0.70 119	0.34 3	0.22 5	0.28 17	0.22 8	0.27 71	0.35 35	0.27 68	0.09 18	0.39 370	0.08 3	0.15 228	0.25 233	0.45 360

MIF-Stereo	0.30 9	0.36 107	1.68 72	0.27 42	0.24 163	0.29 3	0.18 12	0.33 1	0.34 3	0.26 29	0.37 49	0.18 1	0.18 6	0.31 18	0.27 68	0.10 81	0.08 60	0.08 3	0.07 14	0.25 233	0.08 11

DLNR_Zeroshot_test	13.43 425	19.94 431	23.55 432	121.61 445	35.03 440	0.46 34	0.15 1	8.02 423	0.35 5	0.28 36	0.37 49	0.26 36	0.17 1	0.76 182	0.29 91	6.42 423	0.26 340	0.09 23	0.38 365	50.13 443	0.18 192

MC-Stereo	0.32 15	0.31 79	1.46 40	0.31 120	0.15 27	0.53 79	0.19 15	0.44 9	0.35 5	0.36 48	0.38 56	0.27 42	0.27 71	0.42 64	0.19 3	0.09 18	0.13 216	0.09 23	0.16 244	0.20 179	0.13 98

EGLCR-Stereo	0.29 5	0.27 44	0.97 2	0.30 95	0.19 100	0.56 103	0.17 6	0.68 113	0.36 7	0.30 38	0.18 1	0.27 42	0.17 1	0.38 51	0.19 3	0.09 18	0.07 11	0.10 52	0.08 30	0.10 12	0.35 325

R-Stereo Train	0.36 42	0.21 9	1.70 78	0.29 81	0.18 87	0.55 94	0.26 120	0.78 183	0.36 7	0.57 209	0.67 256	0.33 61	0.24 33	0.32 23	0.23 36	0.10 81	0.08 60	0.09 23	0.07 14	0.09 7	0.12 66

RAFT-Stereo	0.36 42	0.21 9	1.70 78	0.29 81	0.18 87	0.55 94	0.26 120	0.78 183	0.36 7	0.57 209	0.67 256	0.33 61	0.24 33	0.32 23	0.23 36	0.10 81	0.08 60	0.09 23	0.07 14	0.09 7	0.12 66
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
StereoIM	0.29 5	0.54 177	1.44 38	0.24 8	0.29 214	0.29 3	0.16 4	0.45 12	0.37 10	0.19 1	0.21 2	0.28 45	0.22 22	0.30 14	0.29 91	0.10 81	0.09 115	0.10 52	0.08 30	0.11 23	0.11 40

MoCha-V2	0.32 15	0.22 17	1.26 14	0.45 299	0.25 175	0.32 6	0.22 48	0.59 77	0.38 11	0.22 5	0.34 41	0.23 15	0.26 56	0.38 51	0.24 50	0.08 4	0.19 293	0.08 3	0.35 355	0.29 264	0.10 29

HH	0.49 158	0.49 160	2.78 341	0.50 321	0.41 315	0.38 14	0.23 66	0.72 127	0.38 11	0.63 269	0.48 105	0.87 315	0.41 177	0.64 151	0.21 23	0.09 18	0.17 275	0.10 52	0.09 46	0.16 111	0.12 66

HanStereo	0.49 158	0.49 160	2.78 341	0.50 321	0.41 315	0.38 14	0.23 66	0.72 127	0.38 11	0.63 269	0.48 105	0.87 315	0.41 177	0.64 151	0.21 23	0.09 18	0.17 275	0.10 52	0.09 46	0.16 111	0.12 66

Selective-IGEV	0.29 5	0.23 22	1.28 16	0.27 42	0.30 224	0.35 12	0.20 24	0.56 65	0.38 11	0.21 2	0.30 26	0.22 8	0.18 6	0.37 47	0.18 1	0.07 1	0.06 1	0.08 3	0.15 228	0.16 111	0.29 293

knoymous	0.34 29	0.25 33	1.75 96	0.24 8	0.18 87	0.45 22	0.24 89	0.57 68	0.38 11	0.41 70	0.39 63	0.55 172	0.25 44	0.38 51	0.23 36	0.11 130	0.08 60	0.12 141	0.07 14	0.13 52	0.12 66

GLC_STEREO	0.28 1	0.27 44	1.36 27	0.28 60	0.12 3	0.41 19	0.20 24	0.37 2	0.38 11	0.26 29	0.30 26	0.25 30	0.19 10	0.33 29	0.24 50	0.09 18	0.11 177	0.12 141	0.10 78	0.13 52	0.09 18

CAS	0.35 38	0.25 33	1.30 19	0.79 371	0.34 265	0.51 60	0.23 66	0.46 13	0.39 17	0.22 5	0.31 29	0.20 2	0.17 1	0.28 3	0.23 36	0.73 385	0.06 1	0.07 1	0.05 1	0.09 7	0.37 340

ProNet	0.30 9	0.54 177	1.29 17	0.25 16	0.15 27	0.47 37	0.25 104	0.48 24	0.39 17	0.21 2	0.23 5	0.22 8	0.20 15	0.44 72	0.19 3	0.08 4	0.08 60	0.10 52	0.08 30	0.23 207	0.12 66

test_4	0.40 67	0.37 109	2.01 203	0.29 81	0.21 117	0.50 54	0.28 153	0.47 21	0.39 17	0.42 74	0.76 298	0.38 78	0.22 22	0.52 117	0.33 132	0.08 4	0.07 11	0.11 96	0.15 228	0.28 261	0.07 3

cross-raft	0.40 67	0.27 44	2.22 248	0.30 95	0.17 64	0.49 48	0.35 229	0.71 122	0.39 17	0.43 79	0.45 86	0.64 219	0.25 44	0.32 23	0.25 57	0.08 4	0.08 60	0.09 23	0.23 308	0.11 23	0.14 111

anonymousdsp	0.34 29	0.53 174	1.47 42	0.25 16	0.16 40	0.56 103	0.23 66	0.49 29	0.40 21	0.25 22	0.24 11	0.22 8	0.24 33	0.55 130	0.19 3	0.09 18	0.11 177	0.10 52	0.18 269	0.24 222	0.29 293

IGEV-Stereo	0.34 29	0.54 177	1.47 42	0.25 16	0.16 40	0.56 103	0.23 66	0.49 29	0.40 21	0.25 22	0.24 11	0.22 8	0.24 33	0.54 126	0.19 3	0.09 18	0.10 144	0.10 52	0.18 269	0.24 222	0.29 293
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
XX-Stereo	0.55 213	0.54 177	3.50 389	0.48 317	0.39 301	0.54 82	0.17 6	0.89 256	0.40 21	0.44 84	0.65 251	0.85 309	0.19 10	0.77 186	0.21 23	0.10 81	0.14 230	0.10 52	0.32 346	0.17 131	0.14 111

Anonymous	0.35 38	0.32 82	1.87 160	0.34 181	0.31 240	0.37 13	0.31 190	0.54 61	0.40 21	0.25 22	0.28 17	0.23 15	0.29 95	0.36 40	0.27 68	0.14 234	0.13 216	0.11 96	0.12 157	0.24 222	0.20 214

ff7	0.32 15	0.52 169	1.38 30	0.25 16	0.16 40	0.56 103	0.23 66	0.46 13	0.41 25	0.24 13	0.23 5	0.20 2	0.23 27	0.48 96	0.19 3	0.09 18	0.08 60	0.10 52	0.18 269	0.23 207	0.22 230

IGEVStereo-DCA	0.33 22	0.34 95	1.38 30	0.27 42	0.16 40	0.45 22	0.23 66	0.46 13	0.41 25	0.24 13	0.21 2	0.26 36	0.25 44	0.64 151	0.52 216	0.09 18	0.07 11	0.10 52	0.18 269	0.16 111	0.22 230

ffff	0.32 15	0.52 169	1.38 30	0.25 16	0.16 40	0.56 103	0.23 66	0.46 13	0.41 25	0.24 13	0.23 5	0.20 2	0.23 27	0.48 96	0.19 3	0.09 18	0.08 60	0.10 52	0.18 269	0.23 207	0.22 230

11t	0.32 15	0.52 169	1.38 30	0.25 16	0.16 40	0.56 103	0.23 66	0.46 13	0.41 25	0.24 13	0.23 5	0.20 2	0.23 27	0.48 96	0.19 3	0.09 18	0.08 60	0.10 52	0.18 269	0.23 207	0.22 230

ccc-4	0.32 15	0.52 169	1.38 30	0.25 16	0.16 40	0.56 103	0.23 66	0.46 13	0.41 25	0.24 13	0.23 5	0.20 2	0.23 27	0.48 96	0.19 3	0.09 18	0.08 60	0.10 52	0.18 269	0.23 207	0.22 230

MyStereo07	0.34 29	0.40 123	1.46 40	0.29 81	0.23 150	0.60 161	0.31 190	0.53 51	0.42 30	0.25 22	0.25 14	0.20 2	0.26 56	0.57 133	0.19 3	0.09 18	0.18 283	0.12 141	0.11 127	0.16 111	0.19 200

IGEV_Zeroshot_test	0.53 196	0.33 87	2.91 354	0.32 143	0.18 87	0.54 82	0.21 35	0.72 127	0.42 30	0.81 330	0.51 132	0.71 263	0.41 177	0.48 96	1.13 319	0.09 18	0.15 251	0.10 52	0.35 355	0.19 167	0.09 18

MIF-Stereo (partial)	0.34 29	0.41 126	1.93 181	0.26 33	0.24 163	0.32 6	0.17 6	0.53 51	0.42 30	0.25 22	0.37 49	0.25 30	0.26 56	0.44 72	0.31 112	0.11 130	0.08 60	0.12 141	0.10 78	0.19 167	0.14 111

EKT-Stereo	1.47 386	0.49 160	1.93 181	2.57 415	19.31 430	0.55 94	0.22 48	0.69 115	0.42 30	0.38 57	0.36 46	0.43 110	0.27 71	0.69 168	0.26 60	0.12 177	0.14 230	0.11 96	0.16 244	0.20 179	0.15 141

AnonymousM	0.37 45	0.44 142	1.50 47	0.25 16	0.15 27	0.52 73	0.23 66	0.60 85	0.42 30	0.42 74	0.32 32	0.30 50	0.25 44	0.34 33	0.23 36	0.11 130	0.09 115	0.71 385	0.36 362	0.12 33	0.07 3

raftrobust	0.38 50	0.68 223	1.54 51	0.32 143	0.46 337	0.52 73	0.21 35	0.56 65	0.42 30	0.52 155	0.35 45	0.31 52	0.33 117	0.37 47	0.30 102	0.10 81	0.11 177	0.08 3	0.07 14	0.21 187	0.19 200

PMTNet	0.31 13	0.35 102	1.30 19	0.20 3	0.14 13	0.57 120	0.25 104	0.46 13	0.42 30	0.27 32	0.32 32	0.27 42	0.24 33	0.39 55	0.23 36	0.43 367	0.07 11	0.08 3	0.05 1	0.18 150	0.07 3

MGS-Stereo	0.32 15	0.34 95	1.70 78	0.25 16	0.14 13	0.40 17	0.22 48	0.38 3	0.43 37	0.24 13	0.51 132	0.25 30	0.18 6	0.31 18	0.20 19	0.09 18	0.08 60	0.09 23	0.08 30	0.47 354	0.08 11

MSKI-zero shot	0.46 124	0.38 114	2.47 294	0.27 42	0.43 322	0.56 103	0.20 24	0.77 169	0.43 37	0.60 242	0.51 132	0.44 121	0.17 1	0.68 162	0.21 23	0.09 18	0.29 348	0.09 23	0.32 346	0.14 70	0.10 29

test-1	0.44 99	0.48 158	1.69 74	0.30 95	0.27 200	0.50 54	0.28 153	0.80 197	0.43 37	0.40 64	0.54 158	0.41 94	0.24 33	0.31 18	1.16 323	0.09 18	0.20 303	0.10 52	0.17 259	0.11 23	0.26 273

MyStereo06	0.54 201	0.41 126	2.68 325	0.30 95	0.23 150	0.60 161	0.30 180	0.81 201	0.44 40	0.84 337	0.52 140	0.78 289	0.58 272	0.48 96	1.10 317	0.09 18	0.17 275	0.12 141	0.10 78	0.16 111	0.20 214

MIM_Stereo	0.41 71	0.60 192	1.88 162	0.31 120	0.21 117	0.50 54	0.19 15	0.64 95	0.44 40	0.43 79	0.53 148	0.43 110	0.27 71	0.51 113	0.28 78	0.08 4	0.14 230	0.11 96	0.10 78	0.26 248	0.26 273

CASnet	0.28 1	0.31 79	1.20 11	0.28 60	0.11 1	0.47 37	0.19 15	0.44 9	0.44 40	0.38 57	0.31 29	0.23 15	0.17 1	0.29 11	0.19 3	0.10 81	0.06 1	0.15 251	0.12 157	0.16 111	0.07 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CES	0.30 9	0.27 44	1.09 4	0.23 4	0.50 343	0.40 17	0.20 24	0.46 13	0.44 40	0.22 5	0.28 17	0.26 36	0.19 10	0.33 29	0.21 23	0.09 18	0.07 11	0.08 3	0.05 1	0.15 84	0.49 366

GMOStereo	0.41 71	0.62 200	1.78 112	0.28 60	0.36 282	0.51 60	0.31 190	0.53 51	0.44 40	0.57 209	0.48 105	0.41 94	0.27 71	0.28 3	0.23 36	0.08 4	0.38 364	0.13 196	0.11 127	0.34 300	0.11 40

error version	0.41 71	0.62 200	1.78 112	0.28 60	0.36 282	0.51 60	0.31 190	0.53 51	0.44 40	0.57 209	0.48 105	0.41 94	0.27 71	0.28 3	0.23 36	0.08 4	0.38 364	0.13 196	0.11 127	0.34 300	0.11 40

test-v	0.41 71	0.62 200	1.78 112	0.28 60	0.36 282	0.51 60	0.31 190	0.53 51	0.44 40	0.57 209	0.48 105	0.41 94	0.27 71	0.28 3	0.23 36	0.08 4	0.38 364	0.13 196	0.11 127	0.34 300	0.11 40

test-2	0.41 71	0.62 200	1.78 112	0.28 60	0.36 282	0.51 60	0.31 190	0.53 51	0.44 40	0.57 209	0.48 105	0.41 94	0.27 71	0.28 3	0.23 36	0.08 4	0.38 364	0.13 196	0.11 127	0.34 300	0.11 40

sCroCo_RVC	0.33 22	0.32 82	1.89 166	0.34 181	0.27 200	0.30 5	0.22 48	0.48 24	0.44 40	0.22 5	0.33 36	0.25 30	0.25 44	0.32 23	0.24 50	0.14 234	0.16 265	0.12 141	0.12 157	0.15 84	0.13 98

test_xeample3	0.46 124	0.34 95	2.99 361	0.37 231	0.16 40	0.49 48	0.33 219	1.06 358	0.44 40	0.25 22	0.23 5	0.24 23	0.25 44	0.49 105	0.56 232	0.09 18	0.07 11	0.10 52	0.40 368	0.17 131	0.26 273

LL-Strereo2	0.41 71	0.90 295	1.83 144	0.44 286	0.24 163	0.54 82	0.27 143	0.58 72	0.45 50	0.41 70	0.33 36	0.44 121	0.21 17	0.44 72	0.34 137	0.09 18	0.08 60	0.16 266	0.14 207	0.17 131	0.17 174

TestStereo	0.45 114	0.54 177	2.11 225	0.29 81	0.16 40	0.43 20	0.24 89	0.54 61	0.45 50	0.37 52	0.46 90	0.34 65	0.27 71	1.98 327	0.27 68	0.11 130	0.08 60	0.12 141	0.09 46	0.14 70	0.08 11

TANstereo	0.33 22	0.49 160	1.75 96	0.23 4	0.12 3	0.54 82	0.16 4	0.40 4	0.45 50	0.45 91	0.51 132	0.26 36	0.22 22	0.29 11	0.20 19	0.10 81	0.10 144	0.08 3	0.06 8	0.08 1	0.11 40

panet	0.28 1	0.26 42	1.32 22	0.19 1	0.12 3	0.54 82	0.15 1	0.48 24	0.46 53	0.27 32	0.33 36	0.24 23	0.21 17	0.30 14	0.21 23	0.10 81	0.07 11	0.08 3	0.05 1	0.09 7	0.07 3

AE-Stereo	0.42 84	0.29 68	1.65 66	0.43 281	0.47 339	0.56 103	0.23 66	0.86 236	0.46 53	0.31 39	0.41 70	0.43 110	0.24 33	0.34 33	0.24 50	0.09 18	0.48 381	0.11 96	0.45 373	0.22 199	0.19 200

test croco	0.37 45	0.47 157	2.15 236	0.27 42	0.19 100	0.33 9	0.20 24	0.58 72	0.46 53	0.23 12	0.37 49	0.23 15	0.25 44	0.45 79	0.28 78	0.11 130	0.08 60	0.13 196	0.09 46	0.42 344	0.12 66

riskmin	0.37 45	0.22 17	1.74 90	0.32 143	0.20 110	0.48 43	0.20 24	0.66 101	0.46 53	0.36 48	0.34 41	0.69 250	0.45 213	0.39 55	0.27 68	0.11 130	0.08 60	0.12 141	0.08 30	0.13 52	0.16 163

Anonymous_2	0.74 307	0.32 82	1.65 66	0.33 158	0.30 224	0.67 250	0.32 211	0.69 115	0.46 53	0.48 118	0.41 70	0.84 306	0.58 272	0.51 113	0.40 165	0.32 358	0.38 364	1.43 407	3.69 421	0.80 383	0.27 281

CroCo-Stereo Lap2	0.33 22	0.61 196	1.47 42	0.32 143	0.38 299	0.23 2	0.22 48	0.58 72	0.46 53	0.22 5	0.27 16	0.29 49	0.23 27	0.32 23	0.26 60	0.09 18	0.09 115	0.10 52	0.08 30	0.21 187	0.14 111

test-3	0.43 90	0.20 4	1.70 78	0.34 181	0.32 248	0.45 22	0.23 66	0.71 122	0.46 53	0.51 148	0.29 21	0.45 128	0.21 17	0.59 138	0.98 300	0.08 4	0.07 11	0.10 52	0.35 355	0.29 264	0.28 287

test_1	0.43 90	0.20 4	1.70 78	0.34 181	0.32 248	0.45 22	0.23 66	0.71 122	0.46 53	0.50 136	0.29 21	0.45 128	0.21 17	0.59 138	0.98 300	0.08 4	0.07 11	0.10 52	0.35 355	0.29 264	0.29 293

iRaftStereo_RVC	0.37 45	0.53 174	1.41 35	0.28 60	0.15 27	0.52 73	0.20 24	0.54 61	0.46 53	0.37 52	0.43 75	0.41 94	0.23 27	0.36 40	0.26 60	0.09 18	0.15 251	0.12 141	0.11 127	0.41 340	0.37 340

sAnonymous2	0.38 50	0.62 200	2.15 236	0.31 120	0.24 163	0.34 10	0.27 143	0.53 51	0.46 53	0.24 13	0.29 21	0.23 15	0.28 82	0.28 3	0.22 32	0.12 177	0.09 115	0.11 96	0.13 182	0.38 326	0.35 325

CroCo_RVC	0.38 50	0.62 200	2.15 236	0.31 120	0.24 163	0.34 10	0.27 143	0.53 51	0.46 53	0.24 13	0.29 21	0.23 15	0.28 82	0.28 3	0.22 32	0.12 177	0.09 115	0.11 96	0.13 182	0.38 326	0.35 325

GES	0.44 99	0.28 64	1.88 162	0.30 95	0.18 87	0.61 181	0.30 180	0.88 250	0.46 53	0.47 99	0.52 140	0.39 82	0.42 192	0.58 135	0.67 259	0.15 248	0.11 177	0.12 141	0.10 78	0.15 84	0.17 174

Gwc-CoAtRS	0.38 50	0.33 87	1.92 178	0.27 42	0.41 315	0.48 43	0.19 15	0.59 77	0.46 53	0.43 79	0.39 63	0.57 187	0.26 56	0.32 23	0.26 60	0.09 18	0.09 115	0.09 23	0.31 342	0.11 23	0.09 18

CREStereo	0.28 1	0.30 73	1.33 24	0.19 1	0.13 6	0.55 94	0.17 6	0.48 24	0.46 53	0.27 32	0.33 36	0.24 23	0.21 17	0.31 18	0.21 23	0.11 130	0.07 11	0.08 3	0.05 1	0.10 12	0.07 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
anonymousdsp2	0.34 29	0.24 30	1.16 8	0.28 60	0.15 27	0.57 120	0.23 66	0.79 195	0.47 67	0.38 57	0.37 49	0.40 90	0.25 44	0.47 92	0.21 23	0.09 18	0.07 11	0.10 52	0.13 182	0.19 167	0.27 281

11t1	0.33 22	0.19 2	1.41 35	0.33 158	0.16 40	0.48 43	0.21 35	0.67 110	0.48 68	0.40 64	0.34 41	0.32 58	0.33 117	0.42 64	0.27 68	0.11 130	0.12 202	0.10 52	0.08 30	0.13 52	0.14 111

RAFT_CTSACE	0.46 124	0.76 245	2.07 215	0.35 195	0.30 224	0.54 82	0.30 180	0.61 87	0.48 68	0.49 129	0.76 298	0.55 172	0.36 132	0.58 135	0.22 32	0.08 4	0.13 216	0.11 96	0.10 78	0.41 340	0.08 11

CFNet-RSSM	0.41 71	0.32 82	2.20 244	0.27 42	0.44 323	0.52 73	0.19 15	0.76 159	0.48 68	0.43 79	0.36 46	0.54 169	0.26 56	0.33 29	0.25 57	0.09 18	0.08 60	0.09 23	0.38 365	0.10 12	0.09 18

DeepPruner_ROB	0.50 167	0.70 229	1.94 185	0.29 81	0.26 189	0.63 217	0.31 190	0.80 197	0.48 68	0.61 249	0.55 166	0.66 227	0.38 145	0.98 206	0.40 165	0.19 299	0.14 230	0.14 225	0.14 207	0.23 207	0.17 174

LoS	0.31 13	0.30 73	1.52 50	0.23 4	0.13 6	0.54 82	0.20 24	0.48 24	0.49 72	0.25 22	0.28 17	0.37 72	0.24 33	0.38 51	0.23 36	0.10 81	0.08 60	0.08 3	0.05 1	0.15 84	0.07 3

CASS	0.39 63	0.30 73	1.61 63	0.32 143	0.17 64	0.53 79	0.24 89	0.70 119	0.49 72	0.59 234	0.54 158	0.40 90	0.40 166	0.41 61	0.30 102	0.17 279	0.10 144	0.14 225	0.11 127	0.18 150	0.17 174
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CRFU-Net	0.56 219	0.38 114	1.86 155	0.46 304	0.26 189	0.82 321	0.36 235	0.90 262	0.49 72	0.62 260	0.59 192	0.78 289	1.35 373	1.00 208	0.48 201	0.15 248	0.14 230	0.17 282	0.10 78	0.19 167	0.14 111

test_3	0.44 99	0.20 4	1.70 78	0.36 213	0.32 248	0.47 37	0.30 180	0.73 135	0.49 72	0.50 136	0.30 26	0.45 128	0.22 22	0.59 138	0.98 300	0.08 4	0.10 144	0.11 96	0.35 355	0.29 264	0.28 287

RAFT	0.45 114	0.92 297	1.59 57	0.34 181	0.19 100	0.46 34	0.35 229	0.65 99	0.49 72	0.49 129	0.49 122	0.70 260	0.40 166	0.47 92	0.32 122	0.11 130	0.16 265	0.14 225	0.13 182	0.51 361	0.13 98

rafts_anoy	0.43 90	0.89 293	1.96 197	0.32 143	0.30 224	0.48 43	0.24 89	0.62 91	0.49 72	0.37 52	0.38 56	0.33 61	0.30 103	0.51 113	0.34 137	0.10 81	0.39 370	0.13 196	0.15 228	0.17 131	0.15 141

H2IRNET	0.40 67	0.61 196	1.90 169	0.29 81	0.17 64	0.54 82	0.18 12	0.52 45	0.50 78	0.27 32	0.56 177	0.47 142	0.35 127	0.46 85	0.33 132	0.10 81	0.07 11	0.12 141	0.14 207	0.32 286	0.12 66

4D-IteraStereo	0.44 99	0.96 313	2.63 318	0.27 42	0.30 224	0.45 22	0.25 104	0.52 45	0.50 78	0.40 64	0.31 29	0.40 90	0.19 10	0.35 35	0.32 122	0.09 18	0.06 1	0.12 141	0.11 127	0.19 167	0.30 301

CroCo-Stereo	0.30 9	0.45 147	1.08 3	0.31 120	0.17 64	0.19 1	0.21 35	0.73 135	0.50 78	0.21 2	0.24 11	0.55 172	0.22 22	0.27 1	0.26 60	0.09 18	0.08 60	0.08 3	0.07 14	0.12 33	0.09 18
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	0.46 124	0.29 68	2.41 281	0.33 158	0.22 138	0.59 151	0.55 313	0.75 150	0.50 78	0.44 84	0.60 204	0.49 151	0.35 127	0.53 123	0.37 148	0.16 265	0.16 265	0.14 225	0.11 127	0.15 84	0.15 141
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
XX-TBD	0.34 29	0.77 253	1.75 96	0.34 181	0.13 6	0.51 60	0.17 6	0.43 7	0.50 78	0.37 52	0.49 122	0.23 15	0.18 6	0.28 3	0.24 50	0.10 81	0.07 11	0.08 3	0.06 8	0.09 7	0.07 3

rrr	0.46 124	0.34 95	3.08 366	0.27 42	0.16 40	0.45 22	0.28 153	1.09 363	0.51 83	0.24 13	0.21 2	0.26 36	0.25 44	0.64 151	0.52 216	0.09 18	0.07 11	0.10 52	0.29 333	0.16 111	0.25 264

AACVNet	0.54 201	0.78 261	1.73 86	0.36 213	0.21 117	0.57 120	0.25 104	0.71 122	0.51 83	0.55 190	0.59 192	0.64 219	0.41 177	2.13 340	0.41 171	0.14 234	0.11 177	0.14 225	0.11 127	0.33 293	0.15 141

THIR-Stereo	0.86 336	0.62 200	2.13 230	0.25 16	0.16 40	0.58 135	2.74 414	0.59 77	0.51 83	0.62 260	1.62 374	0.97 339	1.80 392	1.69 286	2.25 374	0.10 81	0.08 60	0.14 225	0.11 127	0.15 84	0.11 40

raft+_RVC	0.44 99	0.67 221	1.85 147	0.34 181	0.71 373	0.51 60	0.25 104	0.64 95	0.51 83	0.35 46	0.45 86	0.32 58	0.28 82	0.43 67	0.32 122	0.09 18	0.19 293	0.10 52	0.09 46	0.20 179	0.40 350

RALCasStereoNet	0.45 114	0.88 290	1.85 147	0.30 95	0.26 189	0.49 48	0.26 120	0.58 72	0.51 83	0.36 48	0.48 105	0.36 71	0.28 82	0.55 130	0.34 137	0.10 81	0.53 383	0.09 23	0.08 30	0.25 233	0.34 323

ACVNet-DCA	0.42 84	0.64 209	2.07 215	0.35 195	0.14 13	0.76 293	0.25 104	0.76 159	0.52 88	0.31 39	0.38 56	0.24 23	0.38 145	0.69 168	0.19 3	0.10 81	0.24 324	0.11 96	0.09 46	0.12 33	0.14 111

1test111	0.44 99	0.64 209	2.07 215	0.35 195	0.14 13	0.76 293	0.25 104	0.76 159	0.52 88	0.31 39	0.38 56	0.24 23	0.38 145	0.96 204	0.30 102	0.10 81	0.24 324	0.11 96	0.09 46	0.12 33	0.14 111

mmm	0.38 50	0.21 9	1.18 9	0.35 195	0.17 64	0.49 48	0.26 120	0.78 183	0.52 88	0.50 136	0.57 183	0.41 94	0.37 140	0.71 174	0.31 112	0.11 130	0.13 216	0.14 225	0.13 182	0.15 84	0.14 111

GMStereo_Zeroshot	0.41 71	0.36 107	1.54 51	0.41 268	0.19 100	0.52 73	0.19 15	0.59 77	0.52 88	0.57 209	0.59 192	0.63 211	0.29 95	0.58 135	0.33 132	0.15 248	0.09 115	0.16 266	0.09 46	0.24 222	0.12 66

qqq	0.38 50	0.21 9	1.34 26	0.28 60	0.15 27	0.45 22	0.26 120	0.76 159	0.52 88	0.39 62	0.41 70	0.46 136	0.36 132	0.96 204	0.30 102	0.11 130	0.14 230	0.12 141	0.12 157	0.12 33	0.14 111

Patchmatch Stereo++	0.39 63	0.27 44	1.78 112	0.44 286	0.16 40	0.61 181	0.27 143	0.51 35	0.52 88	0.47 99	0.43 75	0.43 110	0.28 82	0.54 126	0.28 78	0.12 177	0.08 60	0.12 141	0.10 78	0.17 131	0.12 66
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	0.38 50	0.27 44	1.78 112	0.44 286	0.17 64	0.60 161	0.29 173	0.51 35	0.52 88	0.47 99	0.43 75	0.44 121	0.28 82	0.47 92	0.28 78	0.12 177	0.08 60	0.12 141	0.10 78	0.17 131	0.12 66

ROB_FTStereo_v2	0.38 50	0.27 44	1.78 112	0.44 286	0.17 64	0.61 181	0.28 153	0.51 35	0.52 88	0.47 99	0.43 75	0.44 121	0.28 82	0.47 92	0.28 78	0.12 177	0.08 60	0.12 141	0.10 78	0.17 131	0.12 66

ROB_FTStereo	0.38 50	0.27 44	1.78 112	0.44 286	0.17 64	0.61 181	0.26 120	0.51 35	0.52 88	0.47 99	0.43 75	0.43 110	0.28 82	0.49 105	0.28 78	0.12 177	0.08 60	0.12 141	0.10 78	0.17 131	0.12 66

HUI-Stereo	0.38 50	0.27 44	1.79 130	0.44 286	0.17 64	0.61 181	0.28 153	0.51 35	0.52 88	0.47 99	0.43 75	0.44 121	0.28 82	0.45 79	0.28 78	0.12 177	0.08 60	0.12 141	0.10 78	0.17 131	0.12 66

DeepStereo_RVC	0.44 99	0.28 64	1.92 178	0.49 319	0.17 64	0.60 161	0.59 326	0.50 33	0.52 88	0.49 129	0.45 86	0.39 82	0.86 336	0.45 79	0.33 132	0.11 130	0.08 60	0.11 96	0.09 46	0.15 84	0.19 200

iGMRVC	0.39 63	0.27 44	1.78 112	0.44 286	0.17 64	0.61 181	0.27 143	0.51 35	0.52 88	0.47 99	0.43 75	0.44 121	0.28 82	0.55 130	0.28 78	0.12 177	0.08 60	0.12 141	0.10 78	0.17 131	0.12 66

iRAFT	0.39 63	0.27 44	1.78 112	0.44 286	0.16 40	0.61 181	0.27 143	0.51 35	0.52 88	0.47 99	0.43 75	0.43 110	0.28 82	0.54 126	0.28 78	0.12 177	0.08 60	0.12 141	0.10 78	0.17 131	0.12 66

CRE-IMP	0.41 71	0.22 17	1.76 100	0.48 317	0.17 64	0.79 310	0.69 346	0.52 45	0.52 88	0.47 99	0.42 73	0.45 128	0.26 56	0.41 61	0.31 112	0.11 130	0.07 11	0.12 141	0.09 46	0.17 131	0.23 248

RAFT-IKP	0.38 50	0.27 44	1.79 130	0.44 286	0.16 40	0.60 161	0.28 153	0.51 35	0.52 88	0.47 99	0.43 75	0.43 110	0.28 82	0.50 110	0.28 78	0.12 177	0.08 60	0.12 141	0.10 78	0.17 131	0.12 66

GANet-RSSM	0.55 213	0.73 238	1.90 169	0.36 213	0.26 189	0.59 151	0.27 143	0.78 183	0.52 88	0.47 99	0.57 183	0.63 211	0.45 213	1.92 325	0.43 181	0.14 234	0.10 144	0.25 338	0.11 127	0.34 300	0.14 111

Any-RAFT	0.38 50	0.25 33	1.89 166	0.27 42	0.17 64	0.68 261	0.21 35	0.78 183	0.53 104	0.43 79	0.43 75	0.54 169	0.30 103	0.41 61	0.20 19	0.10 81	0.12 202	0.08 3	0.06 8	0.10 12	0.09 18

ToySt	0.44 99	0.61 196	1.89 166	0.29 81	0.18 87	0.55 94	0.35 229	0.67 110	0.53 104	0.39 62	0.50 128	0.59 196	0.43 202	0.51 113	0.49 206	0.10 81	0.12 202	0.13 196	0.16 244	0.24 222	0.19 200

DCRE	0.50 167	0.63 207	2.13 230	0.30 95	0.23 150	0.45 22	0.24 89	0.59 77	0.53 104	0.50 136	2.10 385	0.42 107	0.26 56	0.35 35	0.23 36	0.09 18	0.14 230	0.10 52	0.32 346	0.16 111	0.15 141

FTStereo	0.76 312	0.18 1	2.35 271	0.71 365	0.21 117	0.73 282	1.79 406	0.57 68	0.53 104	1.07 357	1.63 375	1.29 371	2.13 396	0.75 179	0.29 91	0.19 299	0.08 60	0.12 141	0.11 127	0.11 23	0.40 350

DRaft	0.62 250	0.38 114	1.76 100	0.24 8	0.16 40	0.64 228	0.66 339	0.53 51	0.53 104	0.67 292	0.99 338	0.38 78	1.00 351	1.44 245	2.10 369	0.10 81	0.14 230	0.10 52	0.14 207	0.18 150	0.21 220

RALAANet	0.43 90	0.98 324	1.90 169	0.32 143	0.23 150	0.48 43	0.19 15	0.67 110	0.53 104	0.48 118	0.45 86	0.39 82	0.30 103	0.48 96	0.37 148	0.10 81	0.08 60	0.11 96	0.14 207	0.27 255	0.10 29

DIP-Stereo	0.37 45	0.34 95	1.50 47	0.27 42	0.18 87	0.63 217	0.17 6	0.92 280	0.53 104	0.49 129	0.48 105	0.30 50	0.30 103	0.39 55	0.30 102	0.10 81	0.08 60	0.10 52	0.08 30	0.15 84	0.12 66
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
anonymousa	0.48 141	0.46 149	2.44 289	0.29 81	0.34 265	0.61 181	0.25 104	0.66 101	0.54 111	0.53 164	0.77 301	0.73 269	0.46 221	0.33 29	0.31 112	0.10 81	0.09 115	0.12 141	0.29 333	0.10 12	0.19 200

Selective-RAFT	0.35 38	0.26 42	1.48 45	0.31 120	0.15 27	0.61 181	0.19 15	0.60 85	0.54 111	0.28 36	0.29 21	0.40 90	0.33 117	0.50 110	0.27 68	0.10 81	0.07 11	0.09 23	0.35 355	0.19 167	0.08 11

x	0.35 38	0.20 4	1.36 27	0.33 158	0.17 64	0.47 37	0.24 89	0.75 150	0.54 111	0.40 64	0.40 66	0.42 107	0.34 125	0.45 79	0.32 122	0.11 130	0.14 230	0.11 96	0.09 46	0.12 33	0.14 111

GANet-ADL	0.44 99	0.41 126	2.31 262	0.33 158	0.20 110	0.57 120	0.25 104	0.75 150	0.54 111	0.42 74	0.59 192	0.56 181	0.30 103	0.40 59	0.38 153	0.14 234	0.11 177	0.09 23	0.08 30	0.22 199	0.17 174

IER	0.43 90	0.38 114	1.69 74	0.26 33	0.25 175	0.66 245	0.26 120	0.71 122	0.55 115	0.54 176	0.59 192	0.60 202	0.53 251	0.52 117	0.39 160	0.11 130	0.08 60	0.11 96	0.11 127	0.14 70	0.11 40

PSMNet-ADL	0.51 182	0.38 114	1.65 66	0.35 195	0.21 117	0.67 250	0.26 120	0.74 140	0.55 115	0.42 74	0.52 140	0.70 260	0.45 213	1.91 323	0.57 235	0.15 248	0.13 216	0.11 96	0.13 182	0.15 84	0.20 214

TRStereo	0.53 196	0.76 245	2.38 276	0.42 276	0.29 214	0.69 264	0.23 66	1.81 397	0.55 115	0.36 48	0.32 32	0.47 142	0.40 166	0.46 85	0.25 57	0.12 177	0.11 177	0.11 96	0.41 371	0.13 52	0.32 312

Anonymous3	0.42 84	0.35 102	2.09 221	0.33 158	0.24 163	0.72 277	0.31 190	0.74 140	0.55 115	0.35 46	0.40 66	0.33 61	0.29 95	0.44 72	0.28 78	0.18 289	0.18 283	0.13 196	0.13 182	0.17 131	0.17 174

CREStereo++_RVC	0.33 22	0.29 68	1.74 90	0.24 8	0.16 40	0.54 82	0.15 1	0.40 4	0.55 115	0.37 52	0.51 132	0.24 23	0.19 10	0.27 1	0.26 60	0.09 18	0.06 1	0.08 3	0.30 338	0.08 1	0.06 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
CFNet-ft	0.51 182	0.76 245	1.79 130	0.28 60	0.30 224	0.63 217	0.28 153	0.66 101	0.55 115	0.45 91	0.57 183	0.74 275	0.41 177	1.46 250	0.42 173	0.14 234	0.10 144	0.28 346	0.13 182	0.18 150	0.14 111

CFNet_RVC	0.51 182	0.76 245	1.79 130	0.28 60	0.30 224	0.63 217	0.28 153	0.66 101	0.55 115	0.45 91	0.57 183	0.74 275	0.41 177	1.46 250	0.42 173	0.14 234	0.10 144	0.28 346	0.13 182	0.18 150	0.14 111

UCFNet_RVC	0.48 141	0.82 274	1.85 147	0.30 95	0.27 200	0.64 228	0.26 120	0.74 140	0.55 115	0.48 118	0.53 148	0.63 211	0.41 177	0.88 200	0.38 153	0.15 248	0.10 144	0.17 282	0.17 259	0.18 150	0.15 141

iRaft-Stereo_20w	0.58 230	0.39 121	1.96 197	0.45 299	0.32 248	0.92 342	0.57 322	1.14 369	0.56 123	0.81 330	0.40 66	0.55 172	0.69 305	0.65 158	1.04 314	0.09 18	0.16 265	0.09 23	0.36 362	0.17 131	0.25 264

NRIStereo	0.46 124	0.25 33	1.77 108	0.47 309	0.16 40	0.95 344	0.74 354	0.51 35	0.56 123	0.48 118	0.39 63	0.59 196	0.29 95	0.77 186	0.32 122	0.11 130	0.13 216	0.11 96	0.09 46	0.21 187	0.24 255

HITNet	0.46 124	0.92 297	2.09 221	0.33 158	0.14 13	0.55 94	0.22 48	0.83 213	0.56 123	0.51 148	0.49 122	0.48 149	0.37 140	0.48 96	0.54 224	0.09 18	0.06 1	0.10 52	0.08 30	0.23 207	0.09 18
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
MyStereo8	0.54 201	0.80 265	2.76 337	0.32 143	0.33 259	0.71 271	0.20 24	0.87 245	0.57 126	0.51 148	0.59 192	0.50 154	0.33 117	0.68 162	0.55 225	0.10 81	0.29 348	0.10 52	0.13 182	0.21 187	0.34 323

StereoVision	0.45 114	0.72 235	1.94 185	0.33 158	0.32 248	0.47 37	0.26 120	0.68 113	0.57 126	0.32 45	0.89 323	0.45 128	0.27 71	0.49 105	0.36 146	0.13 206	0.15 251	0.16 266	0.15 228	0.19 167	0.13 98

RAFT-Test	0.44 99	0.38 114	2.01 203	0.27 42	0.44 323	0.64 228	0.37 242	0.72 127	0.57 126	0.45 91	0.48 105	0.65 222	0.24 33	0.35 35	0.29 91	0.09 18	0.11 177	0.09 23	0.38 365	0.10 12	0.11 40

CSP-Net	0.50 167	0.39 121	1.25 13	0.29 81	0.23 150	0.77 301	0.35 229	0.86 236	0.57 126	0.59 234	0.59 192	0.65 222	0.40 166	1.77 297	0.44 185	0.16 265	0.11 177	0.10 52	0.10 78	0.20 179	0.14 111

CIPLG	0.56 219	1.19 360	2.46 292	0.80 372	0.31 240	0.61 181	0.57 322	0.76 159	0.57 126	0.56 199	0.63 226	0.41 94	0.30 103	0.45 79	0.40 165	0.11 130	0.20 303	0.13 196	0.13 182	0.35 308	0.19 200

PSM-softLoss	0.48 141	0.27 44	1.85 147	0.51 324	0.17 64	0.61 181	0.40 254	0.61 87	0.57 126	0.52 155	0.48 105	0.39 82	0.25 44	1.46 250	0.77 280	0.12 177	0.08 60	0.13 196	0.12 157	0.12 33	0.14 111

KMStereo	0.48 141	0.27 44	1.85 147	0.51 324	0.17 64	0.61 181	0.40 254	0.61 87	0.57 126	0.52 155	0.48 105	0.39 82	0.25 44	1.46 250	0.77 280	0.12 177	0.08 60	0.13 196	0.12 157	0.12 33	0.14 111

KYRaft	0.48 141	0.29 68	1.75 96	0.33 158	0.21 117	0.75 291	0.44 277	0.58 72	0.57 126	0.64 278	0.93 329	0.53 165	0.72 312	0.60 143	0.24 50	0.10 81	0.07 11	0.12 141	0.14 207	0.12 33	0.54 368

GMM-Stereo	0.50 167	0.23 22	2.41 281	0.54 337	0.24 163	0.77 301	0.46 286	0.59 77	0.57 126	0.58 221	0.73 291	0.47 142	0.43 202	0.68 162	0.27 68	0.10 81	0.06 1	0.13 196	0.13 182	0.14 70	0.44 359

DMCA-RVC	0.62 250	0.96 313	2.63 318	0.36 213	0.90 384	0.56 103	0.31 190	0.69 115	0.57 126	0.68 298	0.52 140	0.59 196	0.56 263	1.23 232	0.53 220	0.16 265	0.38 364	0.20 313	0.15 228	0.20 179	0.15 141

iRaft-Stereo_5w	0.54 201	1.01 334	2.08 220	0.27 42	0.21 117	0.49 48	0.28 153	0.73 135	0.58 136	0.40 64	0.61 211	0.62 208	0.46 221	1.78 298	0.47 198	0.09 18	0.07 11	0.11 96	0.10 78	0.39 334	0.12 66

IPLG	0.69 282	0.84 279	2.43 287	0.35 195	0.21 117	1.65 387	0.61 331	1.36 383	0.58 136	1.39 384	0.51 132	0.37 72	0.87 337	1.41 243	0.36 146	0.09 18	0.07 11	0.14 225	0.12 157	0.32 286	0.11 40

IPLGR_C	0.58 230	1.25 367	2.72 331	0.80 372	0.31 240	0.60 161	0.61 331	0.76 159	0.58 136	0.56 199	0.62 216	0.41 94	0.31 111	0.43 67	0.40 165	0.11 130	0.22 316	0.13 196	0.15 228	0.35 308	0.19 200

ACRE	0.56 219	1.14 351	2.77 339	0.76 368	0.28 209	0.60 161	0.56 318	0.76 159	0.58 136	0.55 190	0.62 216	0.41 94	0.29 95	0.44 72	0.39 160	0.11 130	0.19 293	0.13 196	0.14 207	0.36 313	0.18 192

LCNet	0.54 201	0.37 109	1.78 112	0.92 381	0.22 138	0.96 345	0.30 180	0.59 77	0.58 136	0.51 148	0.55 166	0.41 94	0.76 322	0.84 195	0.26 60	0.09 18	0.06 1	0.12 141	0.18 269	0.98 387	0.39 346

RAFT-RH_RVC	0.61 246	0.50 166	2.33 266	0.36 213	0.29 214	0.60 161	0.18 12	0.44 9	0.58 136	0.76 319	1.91 381	0.47 142	0.29 95	1.60 274	1.23 329	0.14 234	0.07 11	0.13 196	0.13 182	0.10 12	0.09 18

BEATNet_4x	0.47 137	0.73 238	1.91 175	0.33 158	0.15 27	0.56 103	0.25 104	0.85 228	0.58 136	0.54 176	0.51 132	0.57 187	0.42 192	0.57 133	0.61 246	0.11 130	0.08 60	0.12 141	0.09 46	0.20 179	0.16 163

DEmStereo	0.68 278	0.31 79	2.25 255	0.42 276	0.17 64	0.66 245	0.89 368	0.51 35	0.59 143	0.60 242	1.01 341	0.45 128	1.26 366	1.54 263	2.26 375	0.10 81	0.08 60	0.10 52	0.10 78	0.10 12	0.11 40

UPFNet	0.46 124	0.28 64	1.73 86	0.33 158	0.32 248	0.65 240	0.38 248	0.83 213	0.59 143	0.57 209	0.52 140	0.61 204	0.40 166	0.75 179	0.52 216	0.13 206	0.12 202	0.13 196	0.12 157	0.15 84	0.11 40

FENet	0.44 99	0.30 73	2.42 283	0.32 143	0.17 64	0.58 135	0.22 48	0.77 169	0.59 143	0.47 99	0.42 73	0.55 172	0.38 145	0.49 105	0.47 198	0.12 177	0.09 115	0.12 141	0.11 127	0.13 52	0.16 163

MLCV	0.48 141	0.89 293	1.85 147	0.29 81	0.14 13	0.59 151	0.23 66	0.72 127	0.59 143	0.66 288	0.66 253	0.55 172	0.36 132	1.03 212	0.49 206	0.09 18	0.06 1	0.09 23	0.07 14	0.19 167	0.11 40

CrosDoStereo	0.94 346	0.37 109	2.53 303	0.25 16	0.32 248	0.54 82	3.76 418	0.72 127	0.60 147	0.70 303	1.40 367	0.53 165	1.49 381	1.78 298	3.09 386	0.10 81	0.08 60	0.11 96	0.11 127	0.21 187	0.11 40

AAGNet	0.88 339	0.33 87	1.79 130	0.54 337	0.98 388	0.62 201	0.46 286	0.50 33	0.60 147	0.58 221	0.53 148	0.50 154	0.73 315	1.23 232	7.48 417	0.11 130	0.07 11	0.12 141	0.10 78	0.14 70	0.09 18

PSM-AAD	0.63 253	0.22 17	1.77 108	0.37 231	0.23 150	0.86 331	1.17 389	0.59 77	0.60 147	0.64 278	0.71 285	0.68 243	2.93 404	0.65 158	0.31 112	0.09 18	0.07 11	0.17 282	0.15 228	0.13 52	0.33 319

DeepStereo_LL	0.94 346	0.37 109	2.53 303	0.25 16	0.32 248	0.54 82	3.76 418	0.72 127	0.60 147	0.70 303	1.40 367	0.53 165	1.49 381	1.78 298	3.09 386	0.10 81	0.08 60	0.11 96	0.11 127	0.21 187	0.11 40

RAFT_R40	0.50 167	0.21 9	1.76 100	0.50 321	0.40 308	0.61 181	0.53 307	0.56 65	0.60 147	0.56 199	0.54 158	0.55 172	0.51 244	1.57 267	0.53 220	0.11 130	0.07 11	0.12 141	0.10 78	0.16 111	0.09 18

GrayStereo	0.66 268	0.19 2	1.76 100	0.90 379	0.23 150	0.62 201	1.42 403	0.62 91	0.60 147	0.72 310	0.78 302	0.56 181	3.07 407	0.60 143	0.26 60	0.09 18	0.08 60	0.10 52	0.21 302	0.11 23	0.18 192

RE-Stereo	0.48 141	0.25 33	1.81 137	0.52 328	0.16 40	0.61 181	0.43 269	0.66 101	0.60 147	0.50 136	0.47 93	0.37 72	0.26 56	1.44 245	0.78 282	0.11 130	0.07 11	0.12 141	0.10 78	0.13 52	0.17 174

Pruner-Stereo	0.51 182	0.27 44	1.78 112	1.79 406	0.19 100	0.62 201	0.45 284	0.57 68	0.60 147	0.61 249	0.48 105	0.41 94	0.24 33	0.46 85	1.00 306	0.12 177	0.07 11	0.12 141	0.10 78	0.12 33	0.13 98

TVStereo	0.48 141	0.25 33	1.81 137	0.52 328	0.16 40	0.61 181	0.43 269	0.66 101	0.60 147	0.50 136	0.47 93	0.37 72	0.26 56	1.44 245	0.78 282	0.11 130	0.07 11	0.12 141	0.10 78	0.13 52	0.17 174

Prome-Stereo	0.49 158	0.30 73	1.76 100	0.60 355	0.23 150	0.63 217	0.42 263	0.62 91	0.60 147	0.59 234	1.03 345	0.43 110	0.72 312	0.60 143	0.33 132	0.09 18	0.07 11	0.10 52	0.09 46	0.11 23	0.43 357

CFNet_pseudo	0.45 114	0.46 149	2.23 252	0.25 16	0.19 100	0.56 103	0.21 35	0.77 169	0.60 147	0.49 129	0.56 177	0.69 250	0.47 226	0.52 117	0.31 112	0.11 130	0.10 144	0.15 251	0.10 78	0.17 131	0.14 111

PSMNet-RSSM	0.53 196	0.82 274	1.78 112	0.31 120	0.25 175	0.58 135	0.28 153	0.84 224	0.60 147	0.50 136	0.61 211	0.67 237	0.43 202	1.68 284	0.42 173	0.15 248	0.10 144	0.14 225	0.16 244	0.15 84	0.13 98

STTStereo	0.51 182	0.69 226	2.14 235	0.36 213	0.30 224	0.61 181	0.32 211	0.77 169	0.60 147	0.60 242	0.54 158	0.67 237	0.43 202	0.86 198	0.42 173	0.16 265	0.15 251	0.17 282	0.20 297	0.16 111	0.15 141

ccs_rob	0.45 114	0.46 149	2.22 248	0.26 33	0.19 100	0.56 103	0.21 35	0.77 169	0.60 147	0.49 129	0.56 177	0.69 250	0.47 226	0.52 117	0.31 112	0.11 130	0.09 115	0.16 266	0.10 78	0.17 131	0.14 111

DisPM	0.43 90	0.33 87	1.78 112	0.57 347	0.18 87	0.59 151	0.63 337	0.53 51	0.61 161	0.60 242	0.53 148	0.38 78	0.26 56	0.75 179	0.29 91	0.12 177	0.07 11	0.12 141	0.11 127	0.11 23	0.14 111

BUS	0.41 71	0.27 44	1.13 5	0.30 95	0.21 117	0.91 340	0.23 66	1.00 334	0.61 161	0.63 269	0.53 148	0.66 227	0.30 103	0.43 67	0.32 122	0.13 206	0.10 144	0.14 225	0.12 157	0.12 33	0.11 40

BSDual-CNN	0.41 71	0.27 44	1.13 5	0.30 95	0.21 117	0.76 293	0.31 190	1.00 334	0.61 161	0.63 269	0.53 148	0.63 211	0.37 140	0.43 67	0.38 153	0.13 206	0.10 144	0.14 225	0.12 157	0.12 33	0.11 40

psmg	0.41 71	0.27 44	1.13 5	0.27 42	0.21 117	0.75 291	0.36 235	0.90 262	0.61 161	0.59 234	0.59 192	0.63 211	0.37 140	0.43 67	0.38 153	0.13 206	0.10 144	0.13 196	0.12 157	0.13 52	0.11 40

SACVNet	0.60 238	0.74 242	1.90 169	0.37 231	0.28 209	0.64 228	0.37 242	0.86 236	0.61 161	0.65 285	0.62 216	0.69 250	0.44 209	2.08 336	0.42 173	0.18 289	0.14 230	0.16 266	0.15 228	0.38 326	0.24 255

NF-Stereo	0.48 141	0.25 33	1.81 137	0.52 328	0.16 40	0.61 181	0.44 277	0.66 101	0.61 161	0.50 136	0.47 93	0.37 72	0.26 56	1.45 249	0.79 287	0.11 130	0.07 11	0.12 141	0.10 78	0.13 52	0.16 163

OCTAStereo	0.48 141	0.25 33	1.81 137	0.52 328	0.16 40	0.61 181	0.43 269	0.66 101	0.61 161	0.50 136	0.47 93	0.37 72	0.26 56	1.44 245	0.80 288	0.11 130	0.07 11	0.12 141	0.10 78	0.13 52	0.17 174

ASMatch	0.60 238	0.43 135	2.58 313	0.91 380	0.36 282	0.56 103	0.25 104	0.52 45	0.61 161	0.47 99	1.21 357	0.47 142	0.66 299	1.34 239	0.94 296	0.10 81	0.08 60	0.11 96	0.11 127	0.10 12	0.16 163

SST-Stereo	0.52 191	0.20 4	1.76 100	0.62 357	0.53 350	0.62 201	0.66 339	0.55 64	0.61 161	0.58 221	0.53 148	0.52 163	0.60 277	1.59 273	0.29 91	0.11 130	0.07 11	0.12 141	0.10 78	0.16 111	0.10 29

RAFT-345	0.53 196	0.30 73	2.34 268	0.38 245	0.34 265	0.58 135	0.42 263	0.47 21	0.61 161	0.51 148	1.00 340	0.43 110	0.28 82	1.57 267	0.82 290	0.10 81	0.07 11	0.11 96	0.09 46	0.10 12	0.08 11

RAFT-Stereo + iAFF	0.42 84	0.86 284	1.78 112	0.28 60	0.17 64	0.52 73	0.20 24	0.62 91	0.61 161	0.50 136	0.61 211	0.39 82	0.32 114	0.35 35	0.30 102	0.07 1	0.10 144	0.09 23	0.09 46	0.35 308	0.10 29

UNet	0.54 201	0.44 142	2.83 344	0.31 120	0.33 259	0.74 285	0.27 143	0.82 207	0.61 161	0.53 164	0.54 158	0.72 265	0.54 254	0.78 190	0.56 232	0.11 130	0.09 115	0.13 196	0.11 127	0.14 70	0.12 66

psmorigin	1.36 379	0.60 192	13.80 426	0.37 231	0.29 214	0.62 201	0.33 219	0.77 169	0.61 161	0.96 351	0.88 321	1.17 369	0.73 315	4.00 407	0.86 293	0.19 299	0.22 316	0.17 282	0.18 269	0.24 222	0.29 293

ac_64	0.55 213	0.46 149	1.92 178	0.36 213	0.34 265	0.63 217	0.31 190	0.82 207	0.61 161	0.55 190	0.51 132	0.89 321	0.48 234	1.83 308	0.55 225	0.14 234	0.11 177	0.12 141	0.12 157	0.18 150	0.12 66

FADNet_RVC	0.81 330	1.14 351	2.42 283	0.30 95	0.24 163	0.71 271	0.24 89	0.95 300	0.61 161	0.44 84	0.56 177	0.59 196	0.42 192	1.52 261	0.68 262	0.94 390	0.96 407	0.28 346	1.00 406	0.90 386	1.36 409

DN-CSS_ROB	0.48 141	1.23 364	1.99 200	0.39 253	0.22 138	0.56 103	0.19 15	0.75 150	0.61 161	0.45 91	0.62 216	0.41 94	0.31 111	0.70 172	0.32 122	0.11 130	0.08 60	0.14 225	0.13 182	0.36 313	0.12 66

RCA-Stereo	0.34 29	0.32 82	1.30 19	0.26 33	0.14 13	0.58 135	0.23 66	0.78 183	0.62 177	0.40 64	0.44 85	0.28 45	0.35 127	0.29 11	0.20 19	0.09 18	0.10 144	0.09 23	0.07 14	0.19 167	0.08 11

test_5	0.51 182	0.87 287	1.99 200	0.37 231	0.65 368	0.58 135	0.35 229	0.78 183	0.62 177	0.48 118	0.55 166	0.45 128	0.40 166	0.72 176	0.30 102	0.09 18	0.07 11	0.12 141	0.12 157	0.33 293	0.38 343

HHNet	0.60 238	0.65 215	2.60 317	0.36 213	0.25 175	0.64 228	0.61 331	0.64 95	0.62 177	0.55 190	1.13 354	0.32 58	0.60 277	0.42 64	1.79 356	0.15 248	0.07 11	0.12 141	0.10 78	0.18 150	0.15 141

HCRNet	0.46 124	0.49 160	1.65 66	0.38 245	0.29 214	0.58 135	0.22 48	0.75 150	0.62 177	0.47 99	0.49 122	0.48 149	0.36 132	1.12 221	0.37 148	0.15 248	0.10 144	0.15 251	0.13 182	0.17 131	0.17 174

GMStereo	0.38 50	0.99 328	1.91 175	0.27 42	0.16 40	0.39 16	0.23 66	0.47 21	0.62 177	0.38 57	0.34 41	0.25 30	0.25 44	0.39 55	0.29 91	0.14 234	0.08 60	0.10 52	0.12 157	0.15 84	0.11 40
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HGLStereo	0.54 201	0.69 226	2.00 202	0.35 195	0.40 308	0.66 245	0.30 180	0.83 213	0.62 177	0.57 209	0.69 271	0.69 250	0.54 254	1.07 215	0.55 225	0.13 206	0.13 216	0.13 196	0.11 127	0.19 167	0.17 174

FADNet-RVC	0.61 246	1.26 368	2.12 228	0.33 158	0.26 189	0.59 151	0.29 173	0.86 236	0.62 177	0.45 91	0.50 128	0.62 208	0.46 221	1.73 291	0.55 225	0.17 279	0.20 303	0.17 282	0.18 269	0.59 369	0.28 287

NLCA_NET_v2_RVC	0.55 213	0.92 297	2.36 274	0.38 245	0.37 294	0.60 161	0.28 153	0.82 207	0.62 177	0.62 260	0.55 166	0.72 265	0.45 213	1.00 208	0.43 181	0.15 248	0.11 177	0.14 225	0.14 207	0.15 84	0.16 163
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HSM	0.62 250	0.76 245	1.72 85	0.30 95	0.29 214	0.64 228	0.28 153	0.94 289	0.62 177	0.58 221	0.57 183	1.40 377	0.64 293	2.59 376	0.42 173	0.11 130	0.08 60	0.10 52	0.08 30	0.14 70	0.11 40

RAFT+CT+SA	0.50 167	0.86 284	1.82 142	0.37 231	0.75 375	0.54 82	0.34 223	0.77 169	0.63 186	0.38 57	0.55 166	0.34 65	0.29 95	0.68 162	0.27 68	0.09 18	0.07 11	0.11 96	0.51 378	0.29 264	0.41 355

PFNet	0.60 238	0.33 87	2.47 294	0.41 268	0.55 355	0.62 201	0.27 143	0.61 87	0.63 186	0.61 249	0.56 177	0.45 128	0.32 114	1.88 320	1.14 320	0.28 352	0.09 115	0.12 141	0.16 244	0.26 248	0.20 214

AFF-stereo	0.44 99	0.96 313	1.78 112	0.31 120	0.15 27	0.50 54	0.21 35	0.64 95	0.63 186	0.47 99	0.64 242	0.49 151	0.34 125	0.46 85	0.31 112	0.08 4	0.09 115	0.10 52	0.10 78	0.37 320	0.10 29

SFCPSM	0.46 124	0.24 30	2.35 271	0.27 42	0.27 200	0.70 269	0.32 211	0.96 304	0.63 186	0.49 129	0.52 140	0.43 110	0.36 132	0.52 117	0.43 181	0.12 177	0.09 115	0.12 141	0.16 244	0.16 111	0.12 66

DMCA	0.41 71	0.52 169	1.26 14	0.31 120	0.24 163	0.59 151	0.26 120	0.77 169	0.63 186	0.58 221	0.48 105	0.57 187	0.35 127	0.40 59	0.50 211	0.14 234	0.10 144	0.14 225	0.10 78	0.15 84	0.15 141

FADNet-RVC-Resample	0.67 271	1.16 359	3.16 374	0.37 231	0.29 214	0.62 201	0.38 248	0.86 236	0.63 186	0.51 148	0.50 128	0.57 187	0.45 213	1.57 267	0.49 206	0.24 335	0.32 356	0.23 327	0.19 287	0.27 255	0.62 375

MaskLacGwcNet_RVC	0.77 316	1.04 339	2.06 213	0.94 383	0.35 275	0.89 337	0.40 254	0.85 228	0.63 186	0.55 190	0.63 226	0.75 280	0.38 145	2.38 356	0.48 201	1.10 396	0.31 352	0.36 362	0.21 302	0.53 365	0.55 370

SQANet	0.80 324	1.58 385	2.53 303	0.76 368	0.83 379	0.76 293	0.36 235	0.83 213	0.64 193	0.63 269	0.69 271	0.73 269	0.51 244	1.21 229	0.53 220	0.77 386	0.29 348	0.59 380	0.29 333	0.86 385	0.61 374

PCWNet_CMD	0.46 124	0.45 147	2.28 259	0.26 33	0.20 110	0.55 94	0.21 35	0.75 150	0.64 193	0.48 118	0.55 166	0.68 243	0.57 268	0.46 85	0.30 102	0.11 130	0.10 144	0.14 225	0.10 78	0.18 150	0.14 111

CBFPSM	0.56 219	0.91 296	1.82 142	0.28 60	0.23 150	0.71 271	0.37 242	0.72 127	0.64 193	0.50 136	0.49 122	1.03 349	0.83 329	0.62 146	1.35 335	0.10 81	0.12 202	0.10 52	0.10 78	0.18 150	0.19 200

hknet	0.47 137	0.29 68	1.70 78	0.30 95	0.24 163	0.76 293	0.31 190	1.00 334	0.64 193	0.63 269	0.53 148	0.80 295	0.38 145	0.77 186	0.37 148	0.11 130	0.10 144	0.14 225	0.12 157	0.12 33	0.11 40

IPLGR	0.54 201	0.56 187	2.68 325	0.36 213	0.18 87	0.62 201	0.54 310	1.02 345	0.64 193	0.73 314	0.46 90	0.47 142	0.45 213	1.12 221	0.29 91	0.09 18	0.08 60	0.11 96	0.09 46	0.19 167	0.12 66

GwcNet-ADL	0.50 167	0.74 242	2.90 353	0.31 120	0.20 110	0.58 135	0.29 173	0.87 245	0.64 193	0.47 99	0.47 93	0.56 181	0.33 117	0.46 85	0.46 189	0.13 206	0.12 202	0.09 23	0.09 46	0.14 70	0.21 220

PFNet+	0.45 114	0.37 109	1.86 155	0.46 304	0.18 87	0.58 135	0.77 358	0.52 45	0.64 193	0.56 199	0.48 105	0.39 82	0.26 56	0.93 201	0.32 122	0.13 206	0.09 115	0.14 225	0.13 182	0.12 33	0.15 141

LMCR-Stereo	0.52 191	0.71 231	2.39 278	0.40 262	0.21 117	0.74 285	0.31 190	1.02 345	0.64 193	0.61 249	0.63 226	0.39 82	0.51 244	0.62 146	0.42 173	0.19 299	0.09 115	0.12 141	0.09 46	0.23 207	0.12 66

s12784h	0.36 42	0.28 64	1.58 56	0.23 4	0.11 1	0.62 201	0.24 89	0.79 195	0.64 193	0.44 84	0.52 140	0.28 45	0.26 56	0.50 110	0.24 50	0.11 130	0.06 1	0.09 23	0.06 8	0.16 111	0.06 1

EAI-Stereo	0.78 320	0.25 33	1.67 71	0.54 337	0.59 361	1.95 396	2.05 408	1.11 368	0.64 193	0.95 350	1.49 370	0.50 154	0.67 301	0.59 138	1.44 342	0.09 18	0.19 293	0.09 23	0.49 376	0.13 52	0.22 230

cf-r	0.53 196	0.81 270	2.15 236	0.33 158	0.28 209	0.60 161	0.28 153	0.78 183	0.64 193	0.51 148	0.60 204	0.75 280	0.40 166	1.32 237	0.43 181	0.13 206	0.09 115	0.11 96	0.12 157	0.15 84	0.14 111

MSMDNet	0.46 124	0.44 142	2.28 259	0.26 33	0.20 110	0.55 94	0.21 35	0.75 150	0.64 193	0.48 118	0.55 166	0.68 243	0.56 263	0.46 85	0.30 102	0.11 130	0.10 144	0.13 196	0.10 78	0.18 150	0.15 141

CFNet_ucs	0.48 141	0.50 166	2.32 263	0.26 33	0.22 138	0.57 120	0.22 48	0.85 228	0.65 205	0.53 164	0.64 242	0.68 243	0.44 209	0.54 126	0.31 112	0.13 206	0.12 202	0.16 266	0.11 127	0.19 167	0.17 174

iinet-f	0.57 225	0.93 303	2.27 258	0.31 120	0.25 175	0.83 323	0.33 219	0.81 201	0.65 205	0.54 176	0.63 226	0.73 269	0.67 301	0.73 177	0.67 259	0.13 206	0.13 216	0.11 96	0.10 78	0.43 345	0.16 163

gwcnet-sp	0.49 158	0.43 135	2.54 309	0.31 120	0.22 138	0.67 250	0.31 190	0.78 183	0.65 205	0.58 221	0.47 93	0.46 136	0.43 202	0.76 182	0.46 189	0.11 130	0.11 177	0.11 96	0.11 127	0.15 84	0.14 111

scenet	0.49 158	0.43 135	2.54 309	0.31 120	0.22 138	0.67 250	0.31 190	0.78 183	0.65 205	0.58 221	0.47 93	0.46 136	0.43 202	0.76 182	0.46 189	0.11 130	0.11 177	0.11 96	0.11 127	0.15 84	0.14 111

ssnet	0.49 158	0.43 135	2.54 309	0.31 120	0.22 138	0.67 250	0.31 190	0.78 183	0.65 205	0.58 221	0.47 93	0.46 136	0.43 202	0.76 182	0.46 189	0.11 130	0.11 177	0.11 96	0.11 127	0.15 84	0.14 111

DDUNet	0.77 316	1.12 347	1.88 162	0.76 368	0.69 371	0.84 325	0.43 269	0.85 228	0.65 205	0.67 292	0.75 296	0.91 324	0.52 249	1.03 212	0.57 235	0.54 377	0.37 362	0.95 391	0.52 380	0.71 377	0.57 371

OMP-Stereo	0.59 234	0.65 215	1.74 90	0.56 345	0.37 294	0.60 161	0.26 120	0.70 119	0.65 205	0.66 288	0.60 204	0.69 250	0.32 114	2.09 338	1.20 325	0.10 81	0.07 11	0.12 141	0.09 46	0.17 131	0.10 29

IIG-Stereo	0.59 234	0.65 215	1.74 90	0.54 337	0.23 150	0.61 181	0.21 35	0.73 135	0.65 205	0.64 278	0.69 271	0.69 250	0.38 145	2.09 338	1.39 338	0.11 130	0.07 11	0.11 96	0.09 46	0.15 84	0.09 18

hitnet-ft	0.67 271	0.80 265	1.90 169	0.28 60	0.22 138	0.69 264	0.36 235	0.85 228	0.65 205	0.56 199	0.84 311	1.03 349	0.95 349	2.32 351	0.55 225	0.23 328	0.14 230	0.41 370	0.13 182	0.24 222	0.17 174

NCCL2	0.65 264	0.94 305	1.96 197	0.43 281	0.30 224	0.71 271	0.68 344	0.84 224	0.65 205	0.70 303	0.60 204	0.86 313	0.54 254	1.56 265	0.57 235	0.20 308	0.16 265	0.67 383	0.25 317	0.22 199	0.24 255

UDGNet	0.44 99	1.02 337	1.74 90	0.35 195	0.19 100	0.58 135	0.23 66	0.49 29	0.66 215	0.41 70	0.38 56	0.34 65	0.29 95	0.53 123	0.30 102	0.24 335	0.10 144	0.37 366	0.19 287	0.27 255	0.15 141

IRAFT_RVC	0.54 201	0.53 174	1.78 112	0.46 304	0.21 117	0.58 135	0.43 269	0.65 99	0.66 215	0.54 176	0.50 128	0.49 151	0.51 244	1.58 271	1.01 310	0.11 130	0.25 338	0.13 196	0.10 78	0.15 84	0.13 98

GwcNet-RSSM	0.57 225	0.94 305	2.13 230	0.32 143	0.25 175	0.60 161	0.30 180	0.80 197	0.66 215	0.52 155	0.64 242	0.71 263	0.40 166	1.79 302	0.50 211	0.13 206	0.09 115	0.12 141	0.12 157	0.21 187	0.15 141

ARAFT	0.60 238	1.23 364	3.10 368	0.28 60	0.16 40	0.64 228	0.36 235	0.90 262	0.67 218	0.61 249	0.49 122	0.55 172	0.31 111	1.24 235	0.32 122	0.10 81	0.08 60	0.14 225	0.13 182	0.37 320	0.21 220

G-Net	0.99 350	0.64 209	2.76 337	0.57 347	0.67 369	2.03 401	0.72 353	0.76 159	0.67 218	1.14 363	2.56 397	1.30 374	1.02 353	1.48 258	1.74 354	0.25 340	0.24 324	0.24 333	0.26 323	0.37 320	0.31 308

DispNO	0.67 271	0.98 324	2.58 313	0.31 120	0.27 200	0.59 151	0.29 173	0.83 213	0.68 220	0.53 164	0.79 305	0.83 303	0.47 226	2.46 367	0.68 262	0.12 177	0.10 144	0.19 304	0.31 342	0.16 111	0.17 174

CoDeX	0.52 191	0.43 135	2.25 255	0.29 81	0.26 189	0.61 181	0.32 211	0.99 326	0.68 220	0.48 118	0.55 166	0.52 163	0.40 166	1.60 274	0.35 144	0.12 177	0.09 115	0.11 96	0.10 78	0.13 52	0.12 66

dd	0.42 84	0.96 313	1.77 108	0.31 120	0.17 64	0.57 120	0.26 120	0.49 29	0.68 220	0.41 70	0.40 66	0.34 65	0.27 71	0.45 79	0.40 165	0.17 279	0.10 144	0.13 196	0.12 157	0.21 187	0.12 66

APVNet	0.70 286	0.67 221	2.71 329	0.38 245	0.36 282	0.85 329	0.43 269	0.91 272	0.68 220	0.55 190	0.69 271	0.75 280	0.55 259	2.31 350	0.78 282	0.17 279	0.17 275	0.24 333	0.19 287	0.33 293	0.23 248

psm_up	0.57 225	0.61 196	1.83 144	0.35 195	0.30 224	0.64 228	0.37 242	0.90 262	0.68 220	0.59 234	0.55 166	0.68 243	0.54 254	1.91 323	0.46 189	0.16 265	0.15 251	0.16 266	0.15 228	0.23 207	0.13 98

aanetorigin	0.77 316	0.80 265	2.59 315	0.43 281	0.44 323	0.58 135	1.01 379	0.57 68	0.68 220	1.53 389	1.23 358	0.81 298	1.08 359	1.07 215	1.07 315	0.18 289	0.15 251	0.17 282	0.21 302	0.54 366	0.30 301

ACVNet	0.45 114	0.44 142	1.79 130	0.28 60	0.21 117	0.59 151	0.36 235	0.66 101	0.68 220	0.45 91	0.59 192	0.69 250	0.40 166	0.44 72	0.55 225	0.11 130	0.09 115	0.10 52	0.09 46	0.34 300	0.10 29

acv_ft	0.48 141	0.44 142	1.76 100	0.32 143	0.41 315	0.63 217	0.28 153	0.81 201	0.68 220	0.61 249	0.59 192	0.69 250	0.45 213	0.44 72	0.63 250	0.11 130	0.09 115	0.10 52	0.09 46	0.41 340	0.10 29

StereoDRNet-Refined	0.50 167	0.41 126	1.50 47	0.33 158	0.21 117	0.68 261	0.26 120	0.81 201	0.68 220	0.67 292	0.68 264	0.73 269	0.42 192	1.10 218	0.59 242	0.11 130	0.08 60	0.14 225	0.14 207	0.25 233	0.21 220
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
whm_eth	0.45 114	0.73 238	2.23 252	0.30 95	0.31 240	0.49 48	0.24 89	0.73 135	0.69 229	0.47 99	0.87 318	0.26 36	0.26 56	0.36 40	0.28 78	0.12 177	0.11 177	0.13 196	0.12 157	0.14 70	0.26 273

TestStereo1	0.49 158	0.81 270	1.85 147	0.39 253	0.57 358	0.56 103	0.34 223	0.75 150	0.69 229	0.44 84	0.63 226	0.35 69	0.42 192	0.64 151	0.29 91	0.10 81	0.08 60	0.12 141	0.10 78	0.33 293	0.26 273

SA-5K	0.49 158	0.81 270	1.85 147	0.39 253	0.57 358	0.56 103	0.34 223	0.75 150	0.69 229	0.44 84	0.63 226	0.35 69	0.42 192	0.64 151	0.29 91	0.10 81	0.08 60	0.12 141	0.10 78	0.33 293	0.26 273

STrans-v2	0.67 271	0.56 187	2.64 320	0.27 42	0.23 150	0.57 120	0.33 219	0.96 304	0.69 229	0.92 346	0.85 315	0.89 321	0.93 344	1.83 308	1.21 327	0.09 18	0.07 11	0.10 52	0.09 46	0.11 23	0.12 66

xxxx	0.70 286	0.21 9	1.33 24	0.28 60	0.18 87	0.63 217	0.24 89	1.02 345	0.69 229	0.50 136	0.62 216	0.58 194	0.38 145	1.47 257	5.21 411	0.13 206	0.12 202	0.11 96	0.10 78	0.12 33	0.15 141

HSM-Net_RVC	0.67 271	0.34 95	2.23 252	0.26 33	0.19 100	0.67 250	0.29 173	1.26 379	0.69 229	0.72 310	0.70 281	0.78 289	0.42 192	3.77 406	0.41 171	0.13 206	0.09 115	0.10 52	0.09 46	0.12 33	0.11 40
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AdaStereo	0.44 99	0.38 114	1.79 130	0.34 181	0.20 110	0.57 120	0.28 153	0.92 280	0.69 229	0.52 155	0.55 166	0.61 204	0.33 117	0.48 96	0.39 160	0.17 279	0.08 60	0.17 282	0.11 127	0.18 150	0.12 66
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.
PS-NSSS	0.63 253	1.00 330	1.81 137	0.30 95	0.31 240	0.63 217	0.34 223	0.98 315	0.69 229	0.54 176	0.74 293	0.51 157	0.41 177	2.43 364	0.48 201	0.24 335	0.17 275	0.27 342	0.18 269	0.27 255	0.21 220

PSMNet_ROB	0.66 268	1.01 334	2.33 266	0.38 245	0.31 240	0.72 277	0.55 313	0.86 236	0.69 229	0.54 176	0.60 204	0.75 280	0.47 226	2.00 331	0.82 290	0.17 279	0.13 216	0.19 304	0.19 287	0.24 222	0.27 281

UDG	0.77 316	1.23 364	2.15 236	0.67 363	0.59 361	0.78 306	0.38 248	0.90 262	0.70 238	0.61 249	0.69 271	1.01 345	0.67 301	1.02 210	0.73 274	0.45 370	0.34 357	0.87 388	0.51 378	0.67 376	0.46 362

222	0.78 320	0.23 22	1.23 12	0.28 60	0.18 87	0.62 201	0.24 89	1.02 345	0.70 238	0.58 221	0.66 253	0.46 136	0.42 192	1.80 304	6.53 416	0.13 206	0.10 144	0.11 96	0.10 78	0.12 33	0.17 174

test_xeample	0.72 296	0.21 9	1.36 27	0.27 42	0.17 64	0.59 151	0.28 153	1.01 342	0.70 238	0.55 190	0.67 256	0.44 121	0.39 159	1.88 320	5.17 410	0.12 177	0.10 144	0.11 96	0.10 78	0.13 52	0.15 141

DSFCA	0.54 201	0.35 102	1.41 35	0.28 60	0.28 209	0.79 310	0.88 367	0.76 159	0.70 238	0.72 310	0.66 253	0.67 237	0.57 268	1.17 227	0.63 250	0.16 265	0.14 230	0.13 196	0.14 207	0.16 111	0.13 98

Nwc_Net	0.68 278	0.83 277	2.53 303	0.41 268	0.39 301	0.77 301	0.38 248	1.01 342	0.70 238	0.60 242	0.99 338	0.98 340	0.68 304	1.41 243	0.63 250	0.23 328	0.15 251	0.23 327	0.25 317	0.23 207	0.18 192

RASNet	0.61 246	0.68 223	2.03 211	0.35 195	0.46 337	0.65 240	0.28 153	0.78 183	0.70 238	0.48 118	0.64 242	0.93 329	0.61 284	2.21 345	0.73 274	0.12 177	0.09 115	0.09 23	0.10 78	0.14 70	0.11 40

iResNet	0.51 182	0.76 245	2.59 315	0.41 268	0.17 64	0.64 228	0.27 143	0.82 207	0.70 238	0.57 209	0.64 242	0.43 110	0.36 132	0.70 172	0.52 216	0.10 81	0.07 11	0.09 23	0.08 30	0.21 187	0.13 98

DLCB_ROB	0.54 201	0.55 185	1.49 46	0.36 213	0.25 175	0.65 240	0.36 235	0.80 197	0.70 238	0.72 310	0.69 271	0.83 303	0.46 221	1.53 262	0.60 244	0.13 206	0.12 202	0.14 225	0.14 207	0.14 70	0.13 98

ETE_ROB	0.60 238	0.71 231	1.55 53	0.37 231	0.25 175	0.69 264	0.51 301	1.47 386	0.70 238	0.80 325	0.69 271	0.85 309	0.49 239	1.36 241	0.58 240	0.16 265	0.13 216	0.19 304	0.16 244	0.21 187	0.23 248

LL-Strereo	0.72 296	1.29 370	2.49 298	0.36 213	0.45 331	0.55 94	0.32 211	0.93 285	0.71 247	0.67 292	0.58 189	0.85 309	0.79 325	2.67 381	0.46 189	0.10 81	0.18 283	0.14 225	0.12 157	0.40 338	0.42 356

anonymity	0.80 324	0.66 220	1.29 17	0.59 352	0.75 375	0.67 250	0.52 304	0.95 300	0.71 247	0.94 348	0.70 281	0.67 237	0.87 337	0.71 174	1.35 335	0.64 380	0.62 388	0.58 378	1.44 413	0.60 372	0.65 378

NINENet	0.50 167	0.33 87	1.69 74	0.55 343	0.25 175	0.91 340	0.23 66	0.98 315	0.71 247	0.53 164	0.55 166	0.66 227	0.30 103	1.22 231	0.32 122	0.15 248	0.13 216	0.16 266	0.11 127	0.16 111	0.13 98

Sa-1000	0.51 182	0.72 235	1.90 169	0.31 120	0.60 365	0.60 161	0.31 190	0.94 289	0.71 247	0.52 155	0.83 308	0.42 107	0.33 117	0.68 162	0.28 78	0.10 81	0.09 115	0.13 196	0.29 333	0.29 264	0.10 29

TransformOpticalFlow	0.64 256	0.56 187	2.66 323	0.44 286	0.26 189	0.62 201	0.28 153	0.83 213	0.71 247	0.76 319	0.74 293	0.91 324	0.85 333	1.83 308	0.81 289	0.10 81	0.07 11	0.11 96	0.09 46	0.11 23	0.12 66

ccnet	0.71 293	0.41 126	1.59 57	0.40 262	0.45 331	1.06 355	0.55 313	0.98 315	0.71 247	0.88 341	0.97 335	0.82 301	0.88 340	1.68 284	0.94 296	0.32 358	0.26 340	0.32 357	0.27 327	0.34 300	0.30 301

RGC	0.71 293	0.97 321	2.18 242	0.44 286	0.44 323	0.73 282	0.40 254	0.94 289	0.71 247	0.71 307	1.04 348	1.01 345	0.71 309	1.74 293	0.70 265	0.23 328	0.18 283	0.28 346	0.26 323	0.29 264	0.27 281

XPNet_ROB	0.61 246	0.72 235	1.66 70	0.37 231	0.27 200	0.67 250	0.47 294	0.89 256	0.71 247	0.78 323	0.70 281	0.81 298	0.53 251	1.70 287	0.76 278	0.21 312	0.16 265	0.16 266	0.15 228	0.20 179	0.21 220

SMFormer	0.50 167	0.46 149	1.60 59	0.30 95	0.15 27	0.45 22	0.24 89	0.90 262	0.72 255	0.56 199	0.64 242	0.51 157	0.41 177	1.87 315	0.49 206	0.13 206	0.10 144	0.11 96	0.10 78	0.15 84	0.16 163

tta	0.50 167	0.46 149	1.60 59	0.30 95	0.15 27	0.45 22	0.24 89	0.90 262	0.72 255	0.56 199	0.64 242	0.51 157	0.41 177	1.87 315	0.49 206	0.13 206	0.10 144	0.11 96	0.10 78	0.14 70	0.11 40

qqq1	0.48 141	0.46 149	1.60 59	0.30 95	0.15 27	0.45 22	0.24 89	0.90 262	0.72 255	0.56 199	0.64 242	0.51 157	0.41 177	1.87 315	0.23 36	0.13 206	0.10 144	0.09 23	0.08 30	0.14 70	0.11 40

fff1	0.48 141	0.46 149	1.60 59	0.30 95	0.15 27	0.45 22	0.24 89	0.90 262	0.72 255	0.56 199	0.64 242	0.51 157	0.41 177	1.87 315	0.23 36	0.13 206	0.10 144	0.09 23	0.08 30	0.14 70	0.11 40

fast-acv-ft	0.63 253	0.88 290	3.10 368	0.38 245	0.30 224	0.79 310	0.48 297	0.69 115	0.72 255	0.58 221	0.78 302	0.76 284	0.60 277	0.67 161	0.73 274	0.15 248	0.15 251	0.18 299	0.17 259	0.37 320	0.16 163

HBP-ISP	0.76 312	1.30 371	3.19 378	0.35 195	0.26 189	0.85 329	0.54 310	1.03 352	0.72 255	0.80 325	0.69 271	0.68 243	0.83 329	2.04 333	0.44 185	0.23 328	0.24 324	0.29 353	0.25 317	0.28 261	0.24 255

DCANet-4	0.40 67	0.27 44	2.21 245	0.25 16	0.14 13	0.51 60	0.22 48	0.77 169	0.72 255	0.54 176	0.47 93	0.28 45	0.37 140	0.37 47	0.34 137	0.09 18	0.07 11	0.08 3	0.07 14	0.08 1	0.22 230

ADStereo(finetuned)	0.45 114	0.77 253	2.12 228	0.25 16	0.14 13	0.51 60	0.22 48	0.77 169	0.72 255	0.54 176	0.48 105	0.31 52	0.76 322	0.37 47	0.38 153	0.09 18	0.07 11	0.09 23	0.07 14	0.13 52	0.23 248

Wz-Net-LNSev-Ref	0.57 225	0.87 287	2.11 225	0.32 143	0.30 224	0.84 325	0.40 254	0.88 250	0.72 255	0.65 285	0.73 291	0.66 227	0.57 268	0.93 201	0.71 267	0.13 206	0.07 11	0.10 52	0.08 30	0.15 84	0.14 111

DCANet	0.42 84	0.77 253	1.95 188	0.25 16	0.14 13	0.51 60	0.22 48	0.77 169	0.72 255	0.54 176	0.48 105	0.31 52	0.41 177	0.36 40	0.39 160	0.09 18	0.07 11	0.09 23	0.07 14	0.13 52	0.23 248

FADNet	0.64 256	1.22 363	2.06 213	0.32 143	0.30 224	0.66 245	0.29 173	0.88 250	0.72 255	0.44 84	0.48 105	0.66 227	0.57 268	1.84 313	0.45 188	0.46 372	0.20 303	0.17 282	0.19 287	0.59 369	0.24 255

NCC-stereo	0.79 322	0.94 305	2.42 283	0.59 352	0.45 331	1.90 394	0.46 286	0.99 326	0.72 255	0.64 278	0.84 311	0.91 324	0.73 315	1.80 304	1.00 306	0.27 348	0.19 293	0.23 327	0.31 342	0.24 222	0.22 230

Abc-Net	0.79 322	0.94 305	2.42 283	0.59 352	0.45 331	1.90 394	0.46 286	0.99 326	0.72 255	0.64 278	0.84 311	0.91 324	0.73 315	1.80 304	1.00 306	0.27 348	0.19 293	0.23 327	0.31 342	0.24 222	0.22 230
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
CVANet_RVC	0.65 264	0.80 265	2.13 230	0.36 213	0.26 189	0.62 201	0.42 263	0.84 224	0.72 255	0.69 300	0.68 264	0.68 243	0.52 249	2.64 378	0.42 173	0.19 299	0.12 202	0.22 321	0.17 259	0.37 320	0.15 141

SA	0.50 167	0.75 244	1.95 188	0.31 120	0.61 366	0.57 120	0.31 190	0.91 272	0.73 269	0.42 74	0.62 216	0.38 78	0.47 226	0.68 162	0.29 91	0.09 18	0.09 115	0.13 196	0.32 346	0.30 274	0.10 29

AASNet	0.56 219	1.03 338	2.34 268	0.37 231	0.33 259	0.65 240	0.29 173	0.96 304	0.73 269	0.54 176	0.60 204	0.55 172	0.38 145	0.59 138	0.58 240	0.14 234	0.12 202	0.13 196	0.10 78	0.43 345	0.24 255

GANet	0.75 309	0.84 279	2.01 203	0.40 262	0.25 175	0.74 285	0.66 339	0.87 245	0.73 269	0.71 307	1.07 350	0.84 306	0.59 275	2.71 385	1.15 322	0.17 279	0.16 265	0.44 373	0.16 244	0.31 282	0.20 214

iResNetv2_ROB	0.59 234	1.43 380	2.96 356	0.40 262	0.22 138	0.58 135	0.28 153	0.91 272	0.73 269	0.57 209	0.63 226	0.60 202	0.41 177	0.74 178	0.35 144	0.11 130	0.08 60	0.10 52	0.07 14	0.43 345	0.17 174

1111x	0.74 307	0.21 9	1.93 181	0.31 120	0.17 64	0.63 217	0.32 211	1.03 352	0.74 273	0.52 155	0.62 216	0.57 187	0.47 226	2.38 356	4.25 405	0.12 177	0.14 230	0.11 96	0.12 157	0.12 33	0.14 111

ssnet_v2	0.55 213	0.60 192	1.86 155	0.32 143	0.22 138	0.72 277	0.44 277	0.94 289	0.74 273	0.63 269	0.54 158	0.81 298	0.47 226	0.77 186	0.70 265	0.16 265	0.14 230	0.14 225	0.14 207	0.30 274	0.30 301

DAS	0.56 219	0.35 102	1.55 53	0.33 158	0.34 265	0.50 54	0.42 263	0.83 213	0.74 273	0.83 335	0.68 264	0.56 181	0.48 234	2.40 360	0.46 189	0.12 177	0.08 60	0.12 141	0.09 46	0.18 150	0.15 141

SepStereo	0.52 191	0.35 102	1.55 53	0.33 158	0.34 265	0.50 54	0.42 263	0.83 213	0.74 273	0.83 335	0.68 264	0.56 181	0.48 234	1.56 265	0.46 189	0.12 177	0.08 60	0.12 141	0.09 46	0.18 150	0.15 141

MIPNet	0.83 332	0.81 270	2.40 280	0.61 356	0.18 87	1.48 377	1.39 399	1.60 392	0.74 273	1.94 394	0.85 315	0.73 269	1.68 388	0.87 199	0.31 112	0.09 18	0.08 60	0.11 96	0.32 346	0.25 233	0.12 66

GEStereo_RVC	0.54 201	0.87 287	1.95 188	0.47 309	0.25 175	0.62 201	0.37 242	1.00 334	0.74 273	0.53 164	0.54 158	0.59 196	0.44 209	1.10 218	0.46 189	0.15 248	0.11 177	0.12 141	0.10 78	0.26 248	0.19 200

ADLNet	0.60 238	0.71 231	1.95 188	0.35 195	0.34 265	0.67 250	0.34 223	0.90 262	0.74 273	0.68 298	0.62 216	0.80 295	0.45 213	1.78 298	0.64 253	0.14 234	0.11 177	0.14 225	0.14 207	0.29 264	0.21 220

RAFT + AFF	0.64 256	1.20 361	1.95 188	0.34 181	0.33 259	0.67 250	0.52 304	0.99 326	0.74 273	0.53 164	0.58 189	0.57 187	0.80 326	1.76 295	0.51 214	0.12 177	0.27 345	0.15 251	0.14 207	0.43 345	0.29 293

MMNet	0.50 167	0.48 158	1.93 181	0.33 158	0.27 200	0.79 310	0.28 153	0.81 201	0.74 273	0.60 242	0.56 177	0.59 196	0.55 259	0.79 191	0.59 242	0.10 81	0.09 115	0.12 141	0.11 127	0.13 52	0.14 111

delet	0.52 191	0.54 177	1.62 64	0.31 120	0.35 275	0.74 285	0.46 286	0.85 228	0.74 273	0.55 190	0.60 204	0.67 237	0.50 242	1.12 221	0.57 235	0.11 130	0.11 177	0.13 196	0.14 207	0.16 111	0.12 66

TDLM	0.67 271	0.92 297	1.76 100	0.37 231	0.24 163	0.66 245	0.56 318	0.82 207	0.74 273	1.16 364	0.62 216	0.61 204	0.48 234	2.70 383	0.50 211	0.20 308	0.11 177	0.35 360	0.14 207	0.32 286	0.16 163

StereoDRNet	0.64 256	0.88 290	2.35 271	0.41 268	0.45 331	0.73 282	0.47 294	0.94 289	0.74 273	0.75 316	0.54 158	0.74 275	0.47 226	1.70 287	0.72 271	0.15 248	0.14 230	0.15 251	0.14 207	0.20 179	0.19 200

MyStereo04	0.48 141	0.40 123	2.65 322	0.29 81	0.23 150	0.60 161	0.31 190	0.83 213	0.75 285	0.47 99	0.36 46	0.53 165	0.42 192	0.53 123	0.39 160	0.09 18	0.18 283	0.12 141	0.11 127	0.16 111	0.19 200

GASNet	0.73 304	1.47 382	3.04 363	0.47 309	0.33 259	0.57 120	0.34 223	0.91 272	0.75 285	0.58 221	0.58 189	0.74 275	0.55 259	2.03 332	0.65 255	0.21 312	0.15 251	0.19 304	0.17 259	0.51 361	0.28 287

fff	0.43 90	0.77 253	1.95 188	0.24 8	0.13 6	0.51 60	0.22 48	0.77 169	0.75 285	0.54 176	0.47 93	0.31 52	0.65 295	0.36 40	0.34 137	0.09 18	0.07 11	0.08 3	0.07 14	0.08 1	0.22 230

raft_robust	0.55 213	0.84 279	1.73 86	0.28 60	0.54 352	0.53 79	0.25 104	0.88 250	0.75 285	0.48 118	0.46 90	0.76 284	0.75 321	1.46 250	0.27 68	0.09 18	0.10 144	0.10 52	0.30 338	0.26 248	0.16 163

dad	0.51 182	1.01 334	1.74 90	0.29 81	0.19 100	0.60 161	0.26 120	0.52 45	0.75 285	0.63 269	0.63 226	0.63 211	0.33 117	0.85 197	0.47 198	0.27 348	0.15 251	0.40 369	0.18 269	0.22 199	0.14 111

csc	0.43 90	0.77 253	1.95 188	0.24 8	0.13 6	0.51 60	0.22 48	0.77 169	0.75 285	0.54 176	0.47 93	0.31 52	0.65 295	0.36 40	0.34 137	0.09 18	0.07 11	0.08 3	0.07 14	0.08 1	0.22 230

cscssc	0.43 90	0.77 253	1.95 188	0.24 8	0.13 6	0.51 60	0.22 48	0.77 169	0.75 285	0.54 176	0.47 93	0.31 52	0.65 295	0.36 40	0.34 137	0.09 18	0.07 11	0.08 3	0.07 14	0.08 1	0.22 230

ADCRef	0.80 324	0.96 313	2.29 261	0.37 231	0.35 275	0.96 345	0.51 301	0.87 245	0.75 285	0.88 341	0.83 308	0.61 204	1.36 374	1.02 210	3.27 391	0.13 206	0.11 177	0.17 282	0.19 287	0.25 233	0.21 220

CFNet	0.58 230	0.96 313	1.78 112	0.33 158	0.25 175	0.63 217	0.22 48	0.88 250	0.75 285	0.46 98	0.59 192	0.58 194	0.40 166	2.29 349	0.48 201	0.12 177	0.09 115	0.15 251	0.14 207	0.30 274	0.15 141

Anonymous Stereo	0.70 286	1.08 344	2.47 294	0.42 276	0.36 282	0.60 161	0.78 359	0.83 213	0.75 285	0.65 285	0.63 226	0.62 208	0.38 145	2.43 364	0.78 282	0.19 299	0.18 283	0.19 304	0.20 297	0.30 274	0.23 248

mmx	0.72 296	0.23 22	2.01 203	0.30 95	0.21 117	0.57 120	0.26 120	0.99 326	0.76 295	0.53 164	0.63 226	0.66 227	0.39 159	2.52 372	3.43 396	0.13 206	0.10 144	0.15 251	0.13 182	0.15 84	0.15 141

xxx	0.72 296	0.23 22	2.01 203	0.30 95	0.21 117	0.57 120	0.26 120	0.99 326	0.76 295	0.53 164	0.63 226	0.66 227	0.39 159	2.52 372	3.43 396	0.13 206	0.10 144	0.15 251	0.13 182	0.15 84	0.15 141

ADCPNet	0.99 350	0.99 328	3.93 398	0.37 231	0.68 370	1.36 373	0.62 335	0.87 245	0.76 295	0.78 323	0.81 306	1.08 358	1.18 364	1.14 224	2.49 379	0.21 312	0.69 397	0.21 319	0.95 404	0.29 264	0.37 340

CBMV_ROB	0.76 312	0.42 132	2.68 325	0.33 158	0.22 138	0.74 285	0.47 294	0.96 304	0.76 295	1.04 356	0.96 333	0.88 319	0.93 344	2.06 334	1.19 324	0.22 325	0.24 324	0.27 342	0.25 317	0.25 233	0.28 287

MyStereo05	0.49 158	0.41 126	2.72 331	0.30 95	0.23 150	0.60 161	0.30 180	0.82 207	0.77 299	0.52 155	0.37 49	0.51 157	0.42 192	0.52 117	0.38 153	0.09 18	0.17 275	0.12 141	0.10 78	0.16 111	0.20 214

ttt	0.66 268	0.22 17	1.68 72	0.34 181	0.24 163	0.60 161	0.26 120	1.00 334	0.77 299	0.55 190	0.67 256	0.54 169	0.36 132	2.14 341	3.03 385	0.16 265	0.13 216	0.13 196	0.12 157	0.15 84	0.17 174

Wz-Net-LNSev	0.59 234	0.96 313	2.47 294	0.34 181	0.37 294	0.79 310	0.44 277	0.86 236	0.77 299	0.61 249	0.67 256	0.79 293	0.56 263	0.64 151	0.62 248	0.15 248	0.14 230	0.12 141	0.12 157	0.18 150	0.19 200

NOSS_ROB	0.64 256	0.65 215	1.62 64	0.46 304	0.25 175	0.67 250	0.30 180	0.93 285	0.77 299	0.59 234	0.57 183	0.77 286	0.38 145	2.78 387	0.44 185	0.23 328	0.24 324	0.28 346	0.26 323	0.27 255	0.39 346

LALA_ROB	0.60 238	0.76 245	1.69 74	0.36 213	0.29 214	0.79 310	0.55 313	0.94 289	0.77 299	0.81 330	0.67 256	0.94 333	0.49 239	0.99 207	0.73 274	0.21 312	0.15 251	0.20 313	0.18 269	0.23 207	0.21 220

111	0.48 141	1.09 345	1.95 188	0.24 8	0.13 6	0.59 151	0.26 120	0.83 213	0.78 304	0.48 118	0.52 140	0.56 181	0.38 145	0.49 105	0.38 153	0.09 18	0.07 11	0.09 23	0.07 14	0.23 207	0.35 325

Syn2CoEx	0.70 286	1.07 343	2.74 335	0.43 281	0.30 224	0.64 228	0.42 263	0.99 326	0.78 304	0.62 260	0.78 302	0.74 275	0.72 312	1.92 325	0.61 246	0.20 308	0.17 275	0.19 304	0.15 228	0.29 264	0.22 230

DRN-Test	0.64 256	0.43 135	2.44 289	0.39 253	0.44 323	0.80 317	0.41 260	1.02 345	0.78 304	0.80 325	0.63 226	0.69 250	0.56 263	1.79 302	0.69 264	0.15 248	0.12 202	0.17 282	0.16 244	0.18 150	0.17 174

DISCO	0.57 225	0.34 95	1.87 160	0.45 299	0.34 265	0.84 325	0.35 229	0.84 224	0.78 304	0.59 234	0.63 226	1.06 356	0.53 251	1.10 218	0.82 290	0.12 177	0.09 115	0.11 96	0.10 78	0.22 199	0.18 192

CBMV	0.71 293	0.76 245	2.64 320	0.33 158	0.20 110	0.78 306	0.79 360	0.98 315	0.78 304	0.85 340	0.71 285	0.86 313	1.10 361	1.46 250	0.62 248	0.18 289	0.20 303	0.21 319	0.19 287	0.25 233	0.33 319
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ADLNet2	0.68 278	0.84 279	3.19 378	0.33 158	0.36 282	0.64 228	0.37 242	0.89 256	0.79 309	0.54 176	0.65 251	0.93 329	0.48 234	2.07 335	0.56 232	0.13 206	0.11 177	0.11 96	0.11 127	0.33 293	0.18 192

edge stereo	0.81 330	0.73 238	3.30 384	0.37 231	1.21 400	0.62 201	0.39 252	0.93 285	0.79 309	0.80 325	0.88 321	1.14 366	0.71 309	2.18 343	0.71 267	0.21 312	0.20 303	0.26 341	0.18 269	0.38 326	0.26 273

CC-Net-ROB	0.85 335	1.15 355	2.13 230	0.88 378	0.38 299	0.88 336	0.44 277	1.06 358	0.79 309	0.58 221	0.69 271	0.65 222	0.50 242	2.74 386	0.51 214	0.93 389	0.39 370	0.87 388	0.29 333	0.54 366	0.54 368

ADCP+	0.94 346	1.12 347	3.14 372	0.34 181	0.39 301	1.06 355	0.79 360	0.89 256	0.80 312	0.66 288	0.67 256	0.85 309	1.55 384	0.93 201	4.55 407	0.13 206	0.11 177	0.16 266	0.15 228	0.26 248	0.25 264

AANet_RVC	0.68 278	1.00 330	2.09 221	0.33 158	0.25 175	0.58 135	0.32 211	0.81 201	0.80 312	0.61 249	0.94 330	0.80 295	0.41 177	2.46 367	1.02 311	0.36 364	0.14 230	0.10 52	0.09 46	0.23 207	0.22 230

PASM	0.72 296	0.68 223	1.91 175	0.47 309	0.44 323	0.60 161	0.51 301	0.76 159	0.80 312	0.77 322	0.67 256	0.87 315	0.61 284	2.40 360	0.67 259	0.32 358	0.35 358	0.36 362	0.41 371	0.45 353	0.39 346

NVstereo2D	0.58 230	0.40 123	2.03 211	0.35 195	0.35 275	0.69 264	0.39 252	0.91 272	0.80 312	0.47 99	0.53 148	0.67 237	0.46 221	1.99 330	0.48 201	0.19 299	0.11 177	0.17 282	0.13 182	0.25 233	0.25 264

Wz-Net-MNSev	0.65 264	0.97 321	2.19 243	0.36 213	0.33 259	0.90 338	0.60 328	0.92 280	0.81 316	0.75 316	0.72 289	0.73 269	0.65 295	1.39 242	0.71 267	0.16 265	0.13 216	0.14 225	0.14 207	0.24 222	0.18 192

RP	0.67 271	0.82 274	1.94 185	0.43 281	0.44 323	0.65 240	0.45 284	0.89 256	0.82 317	0.66 288	0.92 326	0.99 343	0.76 322	1.55 264	0.66 256	0.25 340	0.18 283	0.23 327	0.20 297	0.31 282	0.22 230

STTRV1_RVC	0.80 324	0.55 185	2.89 349	0.42 276	0.49 342	0.79 310	0.44 277	1.15 372	0.82 317	0.62 260	0.89 323	0.72 265	0.63 292	2.69 382	0.64 253	0.48 373	0.64 389	0.27 342	0.24 310	0.35 308	0.27 281

RYNet	0.70 286	0.56 187	2.25 255	0.35 195	0.41 315	0.86 331	0.43 269	0.94 289	0.82 317	0.62 260	0.53 148	0.91 324	0.60 277	2.70 383	1.00 306	0.14 234	0.11 177	0.16 266	0.14 207	0.25 233	0.27 281

iResNet_ROB	0.50 167	1.15 355	1.73 86	0.31 120	0.21 117	0.58 135	0.22 48	0.95 300	0.82 317	0.58 221	0.62 216	0.57 187	0.39 159	0.84 195	0.40 165	0.11 130	0.08 60	0.09 23	0.06 8	0.21 187	0.13 98

DGSMNet	2.89 407	0.63 207	3.18 377	3.43 420	4.17 419	2.57 409	6.98 421	0.97 311	0.83 321	0.56 199	1.86 380	0.79 293	0.62 289	1.64 279	1.39 338	4.61 418	5.01 421	5.17 423	4.71 422	4.44 422	4.19 421

SGM-Forest	1.04 357	0.42 132	3.59 391	0.41 268	0.32 248	1.05 354	1.32 395	0.94 289	0.83 321	1.16 364	2.23 391	1.03 349	1.39 377	2.49 370	2.35 376	0.21 312	0.21 311	0.20 313	0.19 287	0.23 207	0.32 312
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GwcNet	0.69 282	0.71 231	3.12 371	0.36 213	0.45 331	0.81 318	0.44 277	0.86 236	0.84 323	0.60 242	0.74 293	0.82 301	0.49 239	1.65 280	0.66 256	0.16 265	0.15 251	0.15 251	0.15 228	0.31 282	0.24 255

PA-Net	0.84 334	1.00 330	3.49 388	0.63 358	0.40 308	0.70 269	0.52 304	0.86 236	0.84 323	0.52 155	0.59 192	0.70 260	0.54 254	2.35 352	2.23 373	0.17 279	0.27 345	0.19 304	0.28 330	0.22 199	0.36 333
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MDST_ROB	1.17 366	0.42 132	3.87 394	0.54 337	0.44 323	4.11 416	0.58 324	1.31 381	0.84 323	2.12 396	1.12 353	0.98 340	0.71 309	4.24 410	0.99 305	0.16 265	0.14 230	0.19 304	0.17 259	0.18 150	0.35 325

otaku	1.03 356	1.68 392	2.72 331	0.95 384	0.73 374	1.03 353	0.59 326	0.99 326	0.86 326	0.69 300	1.61 373	0.98 340	0.64 293	1.46 250	1.14 320	0.95 391	0.46 375	0.72 386	0.40 368	1.24 396	0.78 386

AF-Net	0.69 282	0.92 297	2.21 245	0.41 268	0.40 308	0.68 261	0.40 254	1.02 345	0.86 326	0.69 300	1.03 345	1.04 352	0.84 332	1.19 228	0.78 282	0.22 325	0.14 230	0.25 338	0.17 259	0.30 274	0.18 192

ADCMid	0.96 349	1.32 375	2.74 335	0.38 245	0.35 275	0.99 348	0.58 324	0.94 289	0.86 326	1.23 372	1.01 341	1.01 345	1.00 351	1.05 214	3.97 400	0.21 312	0.19 293	0.42 371	0.32 346	0.40 338	0.29 293

Wz-Net-SNSev	0.76 312	1.32 375	3.11 370	0.40 262	0.31 240	0.71 271	0.60 328	0.98 315	0.87 329	0.67 292	0.83 308	0.96 336	0.60 277	1.67 283	0.97 299	0.16 265	0.15 251	0.16 266	0.17 259	0.36 313	0.24 255

FAT-Stereo	0.70 286	0.54 177	2.88 346	0.36 213	0.29 214	0.62 201	0.54 310	0.97 311	0.87 329	0.76 319	0.92 326	0.94 333	0.80 326	1.84 313	0.57 235	0.18 289	0.19 293	0.17 282	0.16 244	0.22 199	0.25 264

SPS-STEREO	1.07 359	1.13 350	2.88 346	0.65 361	0.69 371	0.99 348	0.68 344	1.05 357	0.87 329	1.36 380	1.23 358	1.46 379	0.94 347	1.87 315	1.72 353	0.66 381	0.61 387	0.58 378	0.57 384	0.65 374	0.77 385
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DualNet	0.64 256	0.23 22	2.01 203	0.30 95	0.21 117	0.57 120	0.26 120	0.74 140	0.88 332	0.53 164	0.63 226	0.66 227	0.39 159	0.63 148	3.43 396	0.10 81	0.24 324	0.15 251	0.13 182	0.25 233	0.36 333

ffm	0.47 137	0.23 22	2.01 203	0.30 95	0.21 117	0.57 120	0.26 120	0.74 140	0.88 332	0.53 164	0.63 226	0.66 227	0.39 159	0.63 148	0.19 3	0.10 81	0.24 324	0.15 251	0.13 182	0.25 233	0.36 333

ff1	0.73 304	0.23 22	2.01 203	0.30 95	0.21 117	0.57 120	0.26 120	0.74 140	0.88 332	0.53 164	0.63 226	0.66 227	0.39 159	2.52 372	3.43 396	0.10 81	0.24 324	0.15 251	0.13 182	0.25 233	0.36 333

tt1	0.44 99	0.64 209	1.83 144	0.35 195	0.14 13	0.76 293	0.25 104	0.74 140	0.88 332	0.31 39	0.37 49	0.25 30	0.35 127	0.63 148	0.19 3	0.10 81	0.24 324	0.11 96	0.09 46	0.25 233	0.36 333

pcwnet_v2	0.64 256	0.49 160	4.41 404	0.32 143	0.27 200	0.60 161	0.25 104	0.97 311	0.88 332	0.59 234	0.70 281	0.63 211	0.55 259	0.66 160	0.37 148	0.17 279	0.15 251	0.15 251	0.14 207	0.21 187	0.23 248

AnyNet_C32	1.00 353	1.33 377	2.53 303	0.49 319	0.54 352	1.15 366	1.14 387	0.91 272	0.89 337	1.11 360	0.95 332	0.87 315	0.93 344	1.50 259	4.07 402	0.21 312	0.20 303	0.25 338	0.24 310	0.38 326	0.33 319

GANetREF_RVC	0.75 309	1.15 355	2.46 292	0.47 309	0.26 189	0.83 323	0.61 331	0.97 311	0.89 337	0.62 260	0.61 211	0.72 265	0.59 275	2.42 362	0.55 225	0.32 358	0.25 338	0.36 362	0.24 310	0.39 334	0.31 308
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
Ntro	1.00 353	1.68 392	2.80 343	0.95 384	0.85 380	1.06 355	0.53 307	0.98 315	0.90 339	0.62 260	0.76 298	0.93 329	0.66 299	1.66 281	0.98 300	0.99 393	0.45 374	0.75 387	0.40 368	1.19 392	0.75 383

MFN_U_SF_DS_RVC	1.01 355	1.67 390	2.32 263	0.47 309	0.39 301	1.47 376	0.95 372	0.95 300	0.91 340	0.84 337	0.94 330	1.05 354	0.60 277	2.95 392	0.72 271	0.41 366	0.72 401	0.32 357	0.55 381	0.74 378	1.22 405

FBW_ROB	0.83 332	0.77 253	1.77 108	0.44 286	0.30 224	0.87 335	0.46 286	1.10 364	0.91 340	0.81 330	0.75 296	1.01 345	0.61 284	3.66 405	1.23 329	0.26 343	0.23 321	0.36 362	0.25 317	0.27 255	0.62 375

pmcnn	1.32 375	1.05 340	2.77 339	0.74 367	1.43 403	0.72 277	0.56 318	0.96 304	0.91 340	0.99 352	2.92 406	6.01 416	0.70 307	2.38 356	3.32 393	0.13 206	0.10 144	0.08 3	0.06 8	0.34 300	0.22 230

stereogan	0.69 282	0.51 168	2.44 289	0.39 253	0.39 301	1.01 352	0.41 260	0.94 289	0.92 343	0.73 314	0.85 315	1.15 367	0.69 305	1.57 267	0.53 220	0.19 299	0.18 283	0.20 313	0.16 244	0.36 313	0.24 255

SAMSARA	0.91 342	0.97 321	2.22 248	0.80 372	0.58 360	1.32 371	1.31 394	1.01 342	0.94 344	1.36 380	0.87 318	1.38 376	0.90 342	1.72 290	1.02 311	0.24 335	0.30 351	0.22 321	0.25 317	0.36 313	0.35 325

PWC_ROB	0.70 286	0.94 305	1.88 162	0.39 253	0.39 301	0.62 201	0.30 180	0.98 315	0.94 344	0.91 345	1.29 362	0.77 286	0.62 289	1.62 278	1.03 313	0.18 289	0.11 177	0.18 299	0.13 182	0.51 361	0.22 230

WCMA_ROB	1.12 360	0.83 277	2.66 323	0.58 349	0.34 265	1.17 368	0.71 350	0.93 285	0.94 344	1.74 392	2.63 400	3.09 400	1.71 390	1.70 287	1.84 358	0.26 343	0.21 311	0.20 313	0.21 302	0.28 261	0.43 357

DispFullNet	1.67 392	2.10 410	5.22 409	1.53 402	8.90 420	0.86 331	0.31 190	0.96 304	0.96 347	1.37 383	1.01 341	1.13 365	1.98 395	1.51 260	0.91 295	0.54 377	0.31 352	1.18 397	0.63 391	1.13 390	0.80 387

Wz-Net-TNSev	0.91 342	1.73 396	3.08 366	0.36 213	0.31 240	1.00 351	0.71 350	1.06 358	0.97 348	0.71 307	0.72 289	1.09 360	0.87 337	2.42 362	1.59 348	0.20 308	0.20 303	0.16 266	0.20 297	0.44 352	0.35 325

Consistency-Raft	0.88 339	0.93 303	3.23 382	0.99 387	0.64 367	0.77 301	0.55 313	0.98 315	0.97 348	0.61 249	1.03 345	0.65 222	1.05 356	0.79 191	1.38 337	0.44 368	0.46 375	0.51 376	0.58 386	0.65 374	0.47 363

ADCL	0.99 350	0.79 263	2.43 287	0.39 253	0.32 248	1.50 379	1.90 407	0.92 280	0.97 348	1.26 377	1.27 360	1.00 344	1.42 379	1.14 224	3.31 392	0.17 279	0.14 230	0.22 321	0.21 302	0.30 274	0.22 230

S-Stereo	0.80 324	0.69 226	3.89 395	0.39 253	0.37 294	0.69 264	0.70 349	0.94 289	0.98 351	0.62 260	0.91 325	0.83 303	0.60 277	2.37 353	0.66 256	0.18 289	0.21 311	0.17 282	0.18 269	0.30 274	0.35 325

XQC	0.73 304	0.98 324	2.39 278	0.46 304	0.35 275	0.81 318	0.46 286	1.00 334	1.00 352	0.80 325	0.69 271	0.88 319	0.74 320	1.32 237	1.20 325	0.24 335	0.16 265	0.23 327	0.20 297	0.41 340	0.33 319

NaN_ROB	1.14 361	0.94 305	2.96 356	0.53 334	0.56 357	1.13 364	0.99 375	0.98 315	1.00 352	1.09 359	0.87 318	0.77 286	1.06 358	5.90 414	2.72 380	0.16 265	0.23 321	0.16 266	0.24 310	0.22 199	0.36 333

xx1	0.46 124	0.64 209	2.07 215	0.35 195	0.14 13	0.76 293	0.25 104	0.74 140	1.01 354	0.31 39	0.38 56	0.46 136	0.36 132	0.69 168	0.19 3	0.10 81	0.24 324	0.12 141	0.12 157	0.12 33	0.14 111

cc1	0.47 137	0.64 209	2.07 215	0.35 195	0.14 13	0.76 293	0.25 104	0.74 140	1.01 354	0.31 39	0.38 56	0.24 23	0.38 145	0.69 168	0.19 3	0.10 81	0.24 324	0.11 96	0.09 46	0.25 233	0.40 350

MeshStereo	1.21 368	1.15 355	3.01 362	0.34 181	0.28 209	1.10 361	0.69 346	1.35 382	1.01 354	2.71 409	2.41 394	2.96 397	1.45 380	2.80 389	1.40 340	0.22 325	0.22 316	0.22 321	0.19 287	0.50 359	0.26 273
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
MFMNet_re	0.92 344	1.28 369	2.53 303	0.82 376	0.76 378	0.90 338	0.75 355	0.98 315	1.04 357	1.03 354	1.05 349	0.84 306	0.94 347	0.83 193	0.72 271	0.68 382	0.60 386	0.63 381	0.60 388	0.77 381	0.74 381

LRCNet_RVC	13.74 426	19.30 429	12.75 424	19.46 431	12.69 424	1.86 393	0.41 260	12.33 425	1.05 358	15.77 426	18.83 432	12.62 427	8.70 420	12.21 425	9.62 421	22.22 436	8.37 427	25.85 436	24.01 437	19.32 435	17.44 436

DPSNet	0.86 336	0.60 192	2.34 268	0.58 349	0.36 282	1.07 360	0.75 355	1.30 380	1.05 358	0.70 303	0.68 264	0.94 333	1.29 367	2.08 336	1.82 357	0.26 343	0.23 321	0.16 266	0.17 259	0.48 355	0.40 350

PDISCO_ROB	0.75 309	1.06 341	2.11 225	0.64 359	0.59 361	1.13 364	0.43 269	1.14 369	1.05 358	0.64 278	0.71 285	0.96 336	0.61 284	1.21 229	0.76 278	0.37 365	0.18 283	0.27 342	0.24 310	0.56 368	0.32 312

WZ-Net	0.92 344	1.31 372	3.76 392	0.41 268	0.36 282	0.86 331	0.71 350	1.00 334	1.06 361	0.82 334	0.92 326	1.06 356	1.05 356	2.16 342	1.61 349	0.19 299	0.13 216	0.15 251	0.16 244	0.32 286	0.28 287

AnyNet_C01	1.14 361	1.49 383	4.23 403	0.54 337	0.53 350	1.51 380	1.37 397	1.04 356	1.07 362	1.17 369	1.33 365	1.15 367	1.08 359	1.61 277	2.74 381	0.25 340	0.22 316	0.28 346	0.24 310	0.48 355	0.40 350

NVStereoNet_ROB	1.16 365	0.95 311	2.54 309	0.58 349	0.55 355	0.78 306	0.63 337	1.00 334	1.08 363	1.03 354	4.07 412	1.48 380	1.22 365	2.88 391	1.27 331	0.50 374	0.46 375	0.54 377	0.62 389	0.50 359	0.63 377
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CSAN	1.25 372	1.12 347	3.04 363	0.51 324	0.37 294	1.06 355	1.15 388	1.22 375	1.08 363	1.17 369	1.91 381	1.04 352	1.31 370	5.96 415	2.43 378	0.26 343	0.22 316	0.24 333	0.24 310	0.31 282	0.30 301

FINET	0.65 264	0.95 311	3.06 365	0.35 195	0.40 308	0.58 135	0.48 297	0.92 280	1.10 365	0.57 209	0.68 264	0.47 142	0.44 209	1.15 226	0.60 244	0.23 328	0.21 311	0.17 282	0.15 228	0.26 248	0.25 264

RTSC	0.72 296	1.00 330	2.22 248	0.40 262	0.29 214	0.82 321	0.31 190	0.96 304	1.10 365	0.92 346	0.81 306	0.78 289	0.58 272	1.23 232	1.55 347	0.18 289	0.17 275	0.14 225	0.17 259	0.43 345	0.30 301

ACVNet-4b	1.93 397	1.85 401	4.10 401	1.07 389	0.86 381	1.15 366	0.53 307	1.06 358	1.12 367	0.64 278	1.09 351	1.99 388	0.70 307	2.20 344	9.86 422	5.62 420	0.41 373	1.03 395	0.55 381	1.86 409	0.85 389

ADCS	1.05 358	1.36 379	2.98 360	0.42 276	0.36 282	0.96 345	0.81 364	1.06 358	1.12 367	1.25 373	0.97 335	1.08 358	0.90 342	1.25 236	4.86 409	0.21 312	0.21 311	0.22 321	0.23 308	0.36 313	0.38 343

RainbowNet	1.15 363	1.78 397	2.72 331	1.12 393	0.91 385	1.06 355	0.76 357	1.16 374	1.13 369	0.75 316	0.97 335	1.09 360	0.80 326	1.60 274	1.21 327	1.17 398	1.26 410	1.01 394	0.57 384	1.13 390	0.88 393

ACVNet_1	1.33 376	1.91 405	4.03 399	1.09 391	0.88 382	1.19 369	0.66 339	1.24 377	1.17 370	0.94 348	0.96 333	3.09 400	1.04 355	2.37 353	1.11 318	1.04 394	0.48 381	1.03 395	0.48 375	1.12 389	0.83 388

SuperB	1.15 363	1.14 351	5.43 412	0.36 213	0.26 189	0.81 318	0.89 368	0.88 250	1.17 370	0.67 292	0.68 264	0.63 211	1.39 377	1.74 293	3.37 394	0.15 248	0.12 202	0.17 282	0.16 244	2.80 416	0.25 264

JetBlue	1.78 393	1.63 386	3.92 396	0.73 366	1.21 400	4.38 417	3.35 415	1.59 391	1.20 372	1.26 377	1.52 372	2.37 393	1.88 393	3.23 398	3.00 384	0.53 375	0.47 378	0.48 375	0.49 376	1.29 398	0.97 395

MADNet+	1.36 379	1.93 407	5.95 413	0.81 375	0.59 361	1.57 382	1.09 383	1.39 385	1.22 373	0.84 337	1.01 341	1.25 370	1.12 362	3.19 397	2.36 377	0.45 370	0.47 378	0.38 368	0.34 353	0.59 369	0.57 371

LSM	3.31 411	1.11 346	5.29 411	9.40 425	30.65 439	0.84 325	1.12 386	0.91 272	1.22 373	1.36 380	2.19 388	0.93 329	0.83 329	1.66 281	0.90 294	0.21 312	0.31 352	0.24 333	0.28 330	0.39 334	6.33 423

SHD	0.72 296	0.77 253	2.36 274	0.45 299	0.40 308	0.71 271	0.32 211	1.02 345	1.25 375	1.07 357	0.84 311	0.90 323	0.73 315	1.09 217	0.98 300	0.21 312	0.18 283	0.20 313	0.21 302	0.32 286	0.31 308

MSC_U_SF_DS_RVC	1.34 377	1.70 394	2.50 300	0.56 345	0.40 308	2.15 403	0.99 375	1.24 377	1.26 376	1.02 353	1.10 352	1.29 371	0.88 340	3.10 396	1.08 316	1.66 408	0.83 403	0.68 384	0.88 401	1.57 403	1.80 416

FCDSN-DC	1.29 374	0.54 177	2.50 300	0.47 309	0.41 315	1.12 362	0.60 328	1.10 364	1.27 377	2.23 402	2.87 403	3.67 404	3.12 408	2.39 359	1.69 351	0.30 355	0.26 340	0.31 355	0.30 338	0.35 308	0.38 343
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	1.55 390	2.39 417	3.16 374	0.65 361	0.41 315	1.12 362	0.46 286	1.23 376	1.33 378	1.61 390	1.20 356	1.43 378	0.98 350	1.76 295	1.97 360	1.90 411	1.80 412	1.98 416	2.15 415	1.63 404	1.77 415

Former-RAFT_DAM_RVC	0.50 167	0.33 87	0.93 1	0.26 33	0.22 138	0.46 34	0.20 24	1.10 364	1.34 379	3.16 414	0.32 32	0.22 8	0.20 15	0.30 14	0.22 32	0.10 81	0.09 115	0.11 96	0.09 46	0.15 84	0.19 200

PWCDC_ROB	0.72 296	1.06 341	2.09 221	0.47 309	0.36 282	0.78 306	0.26 120	0.98 315	1.34 379	0.61 249	2.07 383	0.64 219	0.61 284	0.83 193	0.71 267	0.31 357	0.14 230	0.15 251	0.12 157	0.60 372	0.21 220

RTS	1.21 368	1.31 372	6.39 414	0.52 328	0.51 348	1.61 383	0.79 360	1.03 352	1.37 381	1.13 361	1.30 363	1.10 362	0.85 333	2.65 379	2.08 366	0.21 312	0.24 324	0.18 299	0.18 269	0.43 345	0.32 312

RTSA	1.21 368	1.31 372	6.39 414	0.52 328	0.51 348	1.61 383	0.79 360	1.03 352	1.37 381	1.13 361	1.30 363	1.10 362	0.85 333	2.65 379	2.08 366	0.21 312	0.24 324	0.18 299	0.18 269	0.43 345	0.32 312

MSMD_ROB	1.34 377	0.96 313	2.38 276	0.39 253	0.32 248	1.96 397	0.62 335	0.91 272	1.43 383	2.94 412	2.60 398	4.77 412	1.95 394	2.43 364	1.33 334	0.29 353	0.26 340	0.32 357	0.32 346	0.30 274	0.30 301

IMH-64-1	1.39 382	1.64 388	1.86 155	1.36 397	1.11 396	1.39 374	1.19 390	1.76 395	1.45 384	1.16 364	2.21 389	1.53 381	1.38 375	1.98 327	1.52 345	1.29 400	0.67 392	1.27 401	0.69 392	1.29 398	0.98 396

IMH-64	1.39 382	1.64 388	1.86 155	1.36 397	1.11 396	1.39 374	1.19 390	1.76 395	1.45 384	1.16 364	2.21 389	1.53 381	1.38 375	1.98 327	1.52 345	1.29 400	0.67 392	1.27 401	0.69 392	1.29 398	0.98 396

ELAS	1.39 382	0.79 263	2.86 345	0.53 334	0.50 343	2.81 410	2.20 409	1.61 393	1.50 386	2.28 404	2.35 392	1.82 385	2.13 396	1.73 291	2.22 372	0.35 362	0.37 362	0.35 360	0.35 355	0.49 357	0.47 363
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DANet	0.80 324	0.65 215	2.21 245	1.19 395	0.48 341	0.74 285	1.25 392	0.89 256	1.53 387	0.89 343	0.71 285	0.96 336	0.56 263	1.83 308	0.96 298	0.18 289	0.16 265	0.19 304	0.16 244	0.26 248	0.29 293
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PWCK	1.49 388	1.90 404	3.22 381	1.09 391	0.54 352	1.71 389	1.73 405	1.49 388	1.53 387	1.44 387	1.80 378	1.82 385	1.30 369	3.34 400	1.76 355	1.07 395	0.56 385	0.97 392	0.58 386	1.38 402	0.65 378

EDNetEfficientorigin	8.18 419	0.98 324	145.96 445	0.51 324	0.89 383	0.72 277	0.48 297	0.85 228	1.56 389	2.12 396	1.49 370	1.29 371	1.31 370	1.83 308	2.13 370	0.13 206	0.12 202	0.17 282	0.18 269	0.39 334	0.45 360

PVD	0.90 341	0.85 283	2.15 236	0.53 334	0.50 343	0.99 348	0.56 318	1.15 372	1.64 390	1.41 385	1.41 369	1.11 364	1.13 363	1.35 240	1.31 332	0.26 343	0.28 347	0.28 346	0.26 323	0.37 320	0.49 366

ACVNet_2	1.42 385	1.81 398	3.23 382	1.08 390	0.92 386	1.32 371	0.85 365	1.49 388	1.69 391	1.19 371	1.73 377	2.13 390	1.03 354	2.50 371	1.40 340	0.91 388	0.53 383	1.00 393	0.55 381	2.11 411	0.85 389

FC-DCNN	1.49 388	0.59 191	2.88 346	0.44 286	0.39 301	1.97 399	0.66 339	1.67 394	1.70 392	2.72 410	2.89 404	4.22 407	2.97 406	2.55 375	2.19 371	0.29 353	0.26 340	0.31 355	0.30 338	0.32 286	0.39 346

ELAS_RVC	1.37 381	0.78 261	3.21 380	0.55 343	0.50 343	1.49 378	2.48 412	1.48 387	1.71 393	2.13 399	2.09 384	2.07 389	2.56 402	1.90 322	2.02 363	0.35 362	0.36 360	0.37 366	0.34 353	0.49 357	0.47 363
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	1.27 373	0.70 229	4.05 400	0.64 359	0.98 388	0.94 343	1.40 400	0.85 228	1.75 394	2.34 405	1.33 365	1.05 354	2.21 398	1.58 271	4.15 403	0.15 248	0.19 293	0.14 225	0.27 327	0.38 326	0.32 312

SGM+DAISY	1.83 395	1.43 380	3.81 393	0.87 377	1.01 391	2.38 407	2.53 413	1.36 383	1.75 394	2.92 411	3.22 408	2.65 395	2.93 404	2.22 348	3.10 388	0.72 384	0.69 397	0.63 381	0.62 389	0.77 381	0.98 396

notaker	2.66 402	2.07 409	3.31 386	2.61 416	1.43 403	1.76 392	1.11 385	2.76 408	1.79 396	2.26 403	11.53 423	3.96 405	4.29 412	3.09 395	2.76 382	1.55 407	0.88 405	1.70 414	1.07 408	2.00 410	1.35 408

IMH	2.02 399	2.15 415	2.69 328	1.68 403	1.12 398	1.66 388	0.92 371	2.10 402	1.92 397	1.32 379	2.66 401	2.21 392	1.69 389	5.78 413	1.68 350	5.54 419	0.96 407	1.31 403	0.71 394	1.32 401	0.99 400

WAO-7	1.48 387	1.63 386	2.49 298	0.93 382	0.75 375	1.72 390	1.10 384	1.84 399	1.96 398	1.43 386	2.54 396	1.97 387	1.61 387	3.06 394	2.08 366	0.69 383	0.66 391	0.94 390	0.74 395	0.80 383	0.69 380

JetRed	3.29 410	4.93 421	10.17 419	1.45 399	1.72 411	7.44 420	5.05 420	3.06 409	2.12 399	2.41 406	2.39 393	2.99 398	2.37 399	3.51 403	6.44 414	1.32 403	1.90 416	1.37 405	1.23 412	2.21 413	1.76 414

Dean	1.79 394	1.83 399	3.92 396	1.29 396	1.07 395	1.55 381	1.00 378	1.95 401	2.33 400	1.47 388	4.19 413	4.26 410	1.33 372	2.21 345	1.48 344	1.14 397	0.68 396	1.18 397	0.74 395	1.24 396	0.98 396

SDNR	1.22 371	0.80 265	2.71 329	0.33 158	1.48 408	1.98 400	0.23 66	1.93 400	2.44 401	0.89 343	2.52 395	1.36 375	0.51 244	3.65 404	1.93 359	0.30 355	0.31 352	0.22 321	0.16 244	0.33 293	0.36 333

MADNet++	2.79 404	2.11 412	2.97 359	2.49 414	2.28 413	2.95 411	2.31 410	2.67 406	2.47 402	3.03 413	3.13 407	2.70 396	2.92 403	4.10 408	4.48 406	2.68 415	2.24 419	3.04 419	2.44 417	2.37 414	2.34 418

SANet	1.20 367	1.21 362	3.33 387	0.38 245	0.27 200	1.73 391	0.85 365	1.10 364	2.49 403	1.16 364	1.83 379	1.72 384	1.50 383	2.37 353	2.84 383	0.18 289	0.16 265	0.16 266	0.15 228	0.32 286	0.32 312

FADE	15.89 427	3.00 420	8.70 417	2.11 412	2.94 415	1.19 369	0.91 370	5.00 418	2.49 403	1.25 373	1.19 355	3.05 399	7.02 418	8.02 419	5.31 412	94.83 444	35.90 444	65.83 441	66.18 441	1.66 405	1.30 407

DeepPrunerF	0.86 336	0.86 284	2.91 354	0.45 299	0.50 343	0.64 228	0.48 297	1.14 369	2.64 405	0.63 269	0.61 211	0.65 222	0.62 289	2.21 345	1.31 332	0.23 328	0.19 293	0.30 354	0.28 330	0.36 313	0.25 264

LVE	1.96 398	2.17 416	3.14 372	1.68 403	1.80 412	1.63 385	1.03 380	2.34 404	2.81 406	1.25 373	2.89 404	4.24 409	1.29 367	2.79 388	1.44 342	2.85 416	0.91 406	1.18 397	1.46 414	1.23 395	1.10 402

WAO-6	1.58 391	1.54 384	2.32 263	1.14 394	1.00 390	2.30 405	1.03 380	1.82 398	2.85 407	1.25 373	2.61 399	2.20 391	1.56 385	2.47 369	1.99 362	0.95 391	0.67 392	1.19 400	0.83 399	1.08 388	0.88 393

SGM-ForestM	2.98 409	1.70 394	3.52 390	0.67 363	0.47 339	5.18 419	3.36 416	3.30 414	2.86 408	4.44 416	3.79 411	9.80 420	5.50 416	6.29 416	6.52 415	0.27 348	0.36 360	0.24 333	0.27 327	0.38 326	0.58 373

HanzoNet	7.64 418	2.86 418	5.05 408	7.01 423	3.97 418	2.18 404	1.34 396	3.37 415	4.05 409	13.17 424	10.58 417	10.73 421	16.52 428	8.45 421	10.51 423	10.48 427	9.72 429	5.59 424	13.46 428	6.84 424	6.83 424

coex-ft	5.95 417	1.67 390	60.57 443	0.34 181	0.30 224	0.77 301	0.69 346	0.74 140	4.41 410	19.22 430	2.15 387	1.62 383	7.97 419	1.81 307	8.96 419	0.44 368	2.08 417	0.18 299	0.19 287	0.38 326	4.62 422

tt	4.93 415	0.27 44	4.20 402	2.29 413	1.58 410	10.20 423	16.97 426	9.42 424	5.02 411	1.67 391	1.28 361	4.68 411	5.03 414	3.37 402	5.92 413	6.16 421	9.47 428	2.82 418	3.18 420	3.60 419	1.53 413

UNDER WATER-64	2.47 400	1.89 403	4.86 407	1.82 409	1.44 405	3.18 412	1.57 404	2.62 405	5.64 412	2.05 395	2.13 386	4.13 406	3.76 410	2.62 377	3.42 395	1.47 405	0.85 404	1.57 411	1.07 408	1.82 408	1.49 411

WAO-8	2.80 405	2.14 413	2.89 349	1.91 410	1.04 393	3.98 414	0.96 373	3.26 412	6.17 413	2.15 400	3.37 409	3.31 402	2.41 400	11.84 422	2.03 364	2.05 412	1.86 414	1.54 409	0.92 402	1.22 393	0.87 391

Venus	2.80 405	2.14 413	2.89 349	1.91 410	1.04 393	3.98 414	0.96 373	3.26 412	6.17 413	2.15 400	3.37 409	3.31 402	2.41 400	11.84 422	2.03 364	2.05 412	1.86 414	1.54 409	0.92 402	1.22 393	0.87 391

UNDER WATER	2.74 403	1.85 401	4.54 405	1.81 408	1.44 405	2.34 406	1.40 400	3.24 411	6.60 415	2.60 408	2.76 402	5.75 414	5.24 415	3.02 393	4.01 401	1.45 404	0.81 402	1.59 412	1.06 407	1.80 407	1.51 412

TorneroNet-64	2.65 401	1.83 399	3.30 384	1.46 400	1.20 399	3.89 413	0.99 375	3.51 416	6.71 416	2.56 407	4.60 414	4.22 407	3.85 411	3.33 399	3.14 389	1.19 399	0.65 390	1.39 406	0.79 398	3.31 418	1.15 403

MANE	2.90 408	1.14 351	2.96 356	1.03 388	1.01 391	5.01 418	2.45 411	5.36 419	6.88 417	3.58 415	4.76 416	5.99 415	4.99 413	4.23 409	4.61 408	0.56 379	0.67 392	0.44 373	0.78 397	0.51 361	1.03 401

LE_ROB	4.43 414	1.35 378	9.38 418	2.79 418	3.93 417	2.43 408	3.46 417	2.68 407	11.19 418	11.66 423	4.73 415	5.26 413	10.46 421	4.50 412	9.49 420	0.82 387	0.69 397	1.34 404	0.98 405	0.75 380	0.76 384

SGM_RVC	1.89 396	0.92 297	2.50 300	0.96 386	0.93 387	1.63 385	1.37 397	1.52 390	12.43 419	1.85 393	1.69 376	2.40 394	1.74 391	2.81 390	1.71 352	0.53 375	0.47 378	0.42 371	0.47 374	0.74 378	0.74 381
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ktn	4.35 413	2.10 410	2.89 349	1.80 407	1.49 409	2.13 402	1.41 402	2.26 403	12.72 420	11.41 422	16.43 427	11.15 422	3.75 409	4.36 411	3.18 390	1.82 410	0.98 409	1.73 415	1.21 411	2.97 417	1.27 406

DGTPSM_ROB	8.89 420	5.62 422	12.25 421	5.92 422	11.32 422	8.54 421	24.18 428	6.40 421	13.49 421	5.15 417	11.46 421	6.19 417	10.92 422	7.00 417	13.72 424	4.47 417	7.65 422	3.92 420	7.45 425	4.38 421	7.87 425

Anonymous_1	22.91 432	11.20 425	12.13 420	12.75 426	26.28 438	19.43 430	27.92 433	14.08 427	13.61 422	14.96 425	10.58 417	11.26 423	11.19 424	12.55 426	14.57 427	38.28 443	7.88 423	34.96 440	63.99 440	89.57 444	10.94 429

PML	23.15 433	16.83 428	7.78 416	5.49 421	9.93 421	51.13 444	104.50 444	5.76 420	13.62 423	37.30 444	105.93 444	30.86 444	23.50 435	12.07 424	7.87 418	6.30 422	2.12 418	6.32 425	2.43 416	10.44 427	2.90 419

DPSMNet_ROB	9.48 421	5.64 423	13.01 425	8.82 424	11.82 423	8.54 421	24.20 429	6.41 422	13.65 424	5.32 418	11.47 422	6.33 418	10.92 422	7.69 418	13.89 425	7.25 426	8.19 424	5.06 422	7.78 426	5.31 423	8.26 426

BEATNet-Init1	12.10 422	11.19 424	27.29 441	2.99 419	3.51 416	21.84 435	11.10 422	14.34 428	13.83 425	20.34 431	20.33 433	26.35 442	20.03 430	19.06 433	14.80 428	1.74 409	1.81 413	2.05 417	2.49 418	3.69 420	3.12 420

DPSM_ROB	12.34 423	11.21 426	12.51 422	12.91 427	12.80 425	19.84 432	28.28 434	14.38 429	14.28 426	10.58 420	11.26 419	12.03 425	11.85 425	13.15 428	15.34 429	7.11 424	8.31 425	6.50 426	7.35 423	8.84 425	8.31 427

DPSM	12.34 423	11.21 426	12.51 422	12.91 427	12.80 425	19.84 432	28.28 434	14.38 429	14.28 426	10.58 420	11.26 419	12.03 425	11.85 425	13.15 428	15.34 429	7.11 424	8.31 425	6.50 426	7.35 423	8.84 425	8.31 427

DPSimNet_ROB	17.97 429	20.20 435	24.98 434	17.62 429	15.92 427	21.53 434	21.00 427	13.70 426	15.61 428	23.89 440	14.69 425	22.87 433	24.58 443	12.70 427	14.56 426	18.48 434	12.91 430	20.21 434	12.05 427	17.76 428	14.17 430

HaxPig	19.86 430	22.40 436	22.34 431	17.95 430	17.95 429	11.77 424	11.89 423	16.02 431	15.89 429	21.10 432	21.41 434	18.74 431	18.39 429	20.08 434	19.69 432	23.63 440	23.22 438	24.06 435	23.69 436	23.00 436	23.95 439

KSHMR	4.10 412	1.97 408	5.27 410	1.71 405	1.47 407	1.96 397	1.28 393	3.19 410	17.33 430	2.12 396	15.91 426	9.18 419	1.57 386	8.42 420	1.98 361	1.52 406	1.26 410	1.67 413	1.19 410	1.67 406	1.40 410

ASD4	21.52 431	19.65 430	22.13 430	22.45 433	16.42 428	23.29 436	30.71 436	33.06 443	17.47 431	24.18 441	14.11 424	21.71 432	15.88 427	21.06 435	18.11 431	19.78 435	17.78 437	26.52 437	20.33 435	27.03 437	18.73 437

MEDIAN_ROB	23.96 434	27.05 443	26.39 440	22.16 432	22.13 431	16.12 426	13.97 424	20.24 432	20.05 432	25.50 442	25.31 442	22.96 434	22.63 434	24.39 436	23.24 436	28.20 441	27.23 442	28.62 438	27.75 438	27.50 438	27.76 440

xxxxx1	28.96 442	20.11 432	14.07 427	49.74 441	39.15 441	18.98 427	26.64 430	21.94 433	20.21 433	16.45 427	17.48 429	18.36 428	21.56 431	16.21 430	20.88 433	23.07 437	26.55 439	66.40 442	78.70 442	30.27 439	32.51 442

tt_ll	28.96 442	20.11 432	14.07 427	49.74 441	39.15 441	18.98 427	26.64 430	21.94 433	20.21 433	16.45 427	17.48 429	18.36 428	21.56 431	16.21 430	20.88 433	23.07 437	26.55 439	66.40 442	78.70 442	30.27 439	32.51 442

ff	28.96 442	20.11 432	14.07 427	49.74 441	39.15 441	18.98 427	26.64 430	21.94 433	20.21 433	16.45 427	17.48 429	18.36 428	21.56 431	16.21 430	20.88 433	23.07 437	26.55 439	66.40 442	78.70 442	30.27 439	32.51 442

TorneroNet	5.50 416	1.92 406	3.16 374	1.47 401	1.25 402	14.07 425	1.06 382	4.90 417	20.99 436	10.17 419	16.48 428	11.88 424	6.93 417	3.34 400	4.20 404	1.30 402	0.69 397	1.45 408	0.86 400	2.61 415	1.20 404

AVERAGE_ROB	26.93 441	30.34 444	29.27 442	25.82 434	25.34 432	19.48 431	15.17 425	23.55 436	23.00 437	28.45 443	27.87 443	26.25 441	25.86 444	26.96 443	25.55 437	31.30 442	30.07 443	31.76 439	30.81 439	30.79 442	30.93 441

LSM0	26.58 440	22.63 442	25.88 439	30.13 440	52.21 444	39.94 443	56.74 438	28.97 441	28.72 438	21.14 433	22.26 436	24.43 440	23.88 440	26.54 442	30.87 440	14.32 433	16.55 431	13.12 433	14.71 429	17.92 434	20.60 438

CasAABBNet	24.81 435	22.53 437	24.83 433	26.08 435	25.74 436	39.86 438	57.06 440	28.87 440	28.83 439	21.16 434	22.54 437	24.22 438	23.89 441	26.38 440	30.87 440	14.25 428	16.71 432	13.09 428	14.81 430	17.78 432	16.71 431

MyStereo03	24.83 436	22.55 438	25.13 435	26.08 435	25.72 433	39.87 439	57.07 441	28.77 437	28.85 440	21.33 436	22.66 439	24.16 435	23.82 436	26.32 437	30.89 442	14.27 429	16.73 434	13.09 428	14.82 431	17.77 429	16.71 431

MyStereo02	24.83 436	22.55 438	25.13 435	26.08 435	25.72 433	39.87 439	57.07 441	28.77 437	28.85 440	21.33 436	22.66 439	24.16 435	23.82 436	26.32 437	30.89 442	14.27 429	16.73 434	13.09 428	14.82 431	17.77 429	16.71 431

MyStereo	24.83 436	22.55 438	25.13 435	26.08 435	25.72 433	39.87 439	57.07 441	28.77 437	28.85 440	21.33 436	22.66 439	24.16 435	23.82 436	26.32 437	30.89 442	14.27 429	16.73 434	13.09 428	14.82 431	17.77 429	16.71 431

Selective-RAFT-Error	24.87 439	22.59 441	25.14 438	26.13 439	25.82 437	39.93 442	57.03 439	28.97 441	28.95 443	21.21 435	22.65 438	24.25 439	23.98 442	26.43 441	30.83 439	14.27 429	16.71 432	13.10 432	14.82 431	17.82 433	16.76 435

SPstereo	16.50 428	2.87 419	4.74 406	2.64 417	2.53 414	29.48 437	52.22 437	39.30 444	29.70 444	21.90 439	21.75 435	27.53 443	23.84 439	28.05 444	26.36 438	2.38 414	2.58 420	4.92 421	3.03 419	2.19 412	2.05 417

test_example2	115.39 445	123.23 445	94.57 444	115.52 444	123.55 445	101.63 445	114.33 445	53.41 445	99.48 445	134.90 445	135.05 445	85.83 445	85.11 445	111.32 445	106.15 445	152.55 445	205.26 445	99.78 445	114.96 445	140.96 445	110.20 445

Low-res two-view benchmark