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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 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
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

Wz-Net-TNSev	0.02 14	0.05 38	0.04 32	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 25	0.09 51	0.07 46	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 97	0.20 126	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 165	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 157	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

CoDeX	0.15 90	0.70 172	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 267	0.02 14	0.69 254	0.75 271	0.01 9	0.02 19	0.02 19

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-LNSev-Ref	0.11 60	0.44 140	0.33 168	0.39 150	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 190	0.36 181	0.02 18	0.02 20	0.02 19	0.02 19

psmg	0.43 185	1.91 297	0.92 273	1.91 344	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 367	1.44 359	0.04 48	0.03 42	0.02 19	0.03 39

CSP-Net	0.34 145	1.29 273	1.19 294	1.36 331	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 342	1.21 345	0.03 34	0.09 80	0.02 19	0.09 79

SFCPSM	0.17 99	0.78 175	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 282	0.02 14	0.75 260	0.76 274	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 118	1.31 275	0.74 258	0.92 243	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 268	0.75 260	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCMid	0.08 38	0.02 12	0.02 13	1.01 256	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 77	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 39	0.02 12	0.04 32	0.90 237	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 201	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 60	0.02 12	0.02 13	1.62 339	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 59	0.04 50	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

AnyNet_C32	0.14 80	0.04 31	0.03 29	2.22 353	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 73	0.04 50	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 39	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 42	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

SMFormer	0.09 39	1.01 204	0.09 53	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 39	0.95 193	0.09 53	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

qqq1	0.25 118	3.70 343	0.14 98	0.14 74	0.04 54	0.06 64	0.05 64	0.06 66	0.05 69	0.06 68	0.05 72	0.04 51	0.05 65	0.06 59	0.05 60	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 118	3.70 343	0.14 98	0.14 74	0.04 54	0.06 64	0.05 64	0.06 66	0.05 69	0.06 68	0.05 72	0.04 51	0.05 65	0.06 59	0.05 60	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

ttt	0.10 45	1.09 212	0.12 79	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 45	1.14 216	0.13 94	0.14 74	0.03 39	0.04 52	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 39	1.01 204	0.10 57	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

qqq	0.16 96	2.01 305	0.12 79	0.15 83	0.04 54	0.06 64	0.05 64	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

x	0.11 60	1.15 218	0.15 112	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

test_xeample	0.10 45	1.09 212	0.13 94	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

BEATNet_4x	0.11 60	0.03 27	0.03 29	1.60 337	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 60	0.03 27	0.03 29	1.60 337	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCRef	0.12 68	0.03 27	0.04 32	1.71 340	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCPNet	0.10 45	0.03 27	0.04 32	1.27 326	0.03 39	0.04 52	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 76	0.04 50	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

GASNet	0.05 29	0.04 31	0.12 79	0.04 26	0.04 54	0.04 52	0.05 64	0.04 51	0.04 56	0.12 93	0.04 64	0.06 69	0.04 59	0.04 46	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

222	0.10 45	0.99 198	0.12 79	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 60	1.16 219	0.16 113	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

EDNetEfficientorigin	0.04 26	0.06 42	0.04 32	0.05 32	0.04 54	0.05 62	0.04 55	0.05 61	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

EDNetEfficient	0.04 26	0.05 38	0.04 32	0.04 26	0.03 39	0.04 52	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

FADNet-RVC-Resample	0.12 68	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	1.57 373	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 68	0.04 31	0.04 32	0.05 32	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.65 377	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet	0.12 68	0.05 38	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.66 378	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCP+	0.15 90	0.04 31	0.04 32	2.20 352	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.04 59	0.08 76	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
mmm	0.14 80	1.83 294	0.12 79	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 50	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

11t1	0.17 99	2.16 310	0.13 94	0.13 70	0.04 54	0.06 64	0.04 55	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.05 60	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

APVNet	0.09 39	0.05 38	0.04 32	0.05 32	0.04 54	0.05 62	0.90 286	0.06 66	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

DualNet	0.25 118	3.83 348	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 118	3.83 348	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 118	3.83 348	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 118	3.83 348	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

AASNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 45	0.07 46	0.07 35	0.07 79	0.08 75	0.06 76	0.08 78	0.07 80	0.08 75	0.07 80	0.08 76	0.06 77	0.07 73	0.07 72	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

GwcNet	0.12 68	0.07 44	0.05 45	0.08 37	0.05 69	0.08 75	1.20 312	0.07 75	0.05 69	0.05 65	0.05 72	0.08 76	0.05 65	0.08 76	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

FADNet-RVC	0.13 73	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.05 64	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.05 65	0.04 46	1.71 380	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

BEATNet-Init1	0.19 101	0.08 45	0.08 48	2.23 354	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SuperB	0.21 110	0.10 53	2.51 386	0.12 60	0.09 82	0.10 80	0.09 81	0.08 78	0.07 80	0.10 79	0.09 83	0.09 80	0.07 81	0.07 73	0.07 72	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

DeepPrunerF	0.19 101	0.08 45	0.08 48	2.23 354	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SepStereo	0.09 39	0.09 51	0.10 57	0.09 41	0.09 82	0.09 79	0.09 81	0.10 80	0.08 82	0.10 79	0.09 83	0.09 80	0.09 84	0.09 79	0.08 74	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

AnonymousM	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

PVD	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetRed	0.11 60	0.12 66	0.11 74	0.11 57	0.11 103	0.11 91	0.14 114	0.11 91	0.11 100	0.12 93	0.11 99	0.11 92	0.11 99	0.11 91	0.11 93	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

JetBlue	0.11 60	0.11 64	0.12 79	0.13 70	0.14 119	0.11 91	0.11 98	0.11 91	0.11 100	0.11 91	0.11 99	0.11 92	0.11 99	0.12 95	0.12 104	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

ac_64	0.22 111	0.13 67	0.19 124	0.23 110	0.10 88	0.26 144	1.02 299	0.14 95	0.10 86	0.28 144	0.14 121	0.17 109	0.19 138	0.28 153	0.09 77	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

PASM	0.39 167	3.06 334	1.36 356	1.58 335	0.09 82	0.11 91	0.11 98	0.11 91	0.11 100	0.09 78	0.09 83	0.11 92	0.09 84	0.09 79	0.09 77	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

FADE	0.07 36	0.06 42	0.02 13	0.09 41	0.10 88	0.03 36	0.03 39	0.05 61	0.03 44	0.04 54	0.03 40	0.05 63	0.03 42	0.04 46	0.03 37	0.15 97	0.10 59	0.17 111	0.13 118	0.11 90	0.11 95

LRCNet_RVC	0.13 73	0.13 67	0.09 53	0.13 70	0.10 88	0.14 95	0.10 86	0.14 95	0.10 86	0.23 129	0.10 87	0.20 116	0.10 88	0.24 138	0.11 93	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

DRN-Test	0.14 80	0.13 67	0.09 53	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.10 86	0.14 95	0.09 83	0.14 96	0.09 84	0.13 96	0.09 77	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 272

StereoDRNet	0.15 90	0.14 71	0.10 57	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.09 85	0.14 95	0.10 87	0.14 96	0.09 84	0.14 97	0.09 77	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 282

CIPLG	0.13 73	0.21 87	0.12 79	0.16 89	0.11 103	0.15 101	0.11 98	0.14 95	0.11 100	0.15 101	0.12 106	0.15 105	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLG	0.13 73	0.20 82	0.14 98	0.15 83	0.11 103	0.14 95	0.11 98	0.14 95	0.11 100	0.14 95	0.11 99	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

MIPNet	0.14 80	0.21 87	0.17 117	0.16 89	0.11 103	0.15 101	0.12 110	0.14 95	0.11 100	0.16 105	0.11 99	0.14 96	0.11 99	0.14 97	0.11 93	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 80	0.24 97	0.14 98	0.16 89	0.12 115	0.15 101	0.12 110	0.14 95	0.11 100	0.15 101	0.12 106	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 73	0.21 87	0.14 98	0.15 83	0.11 103	0.14 95	0.11 98	0.14 95	0.11 100	0.14 95	0.12 106	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

GMStereo	0.14 80	0.13 67	0.14 98	0.14 74	0.14 119	0.14 95	0.14 114	0.14 95	0.14 119	0.14 95	0.14 121	0.14 96	0.14 118	0.14 97	0.14 113	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 73	0.16 72	0.11 74	0.15 83	0.09 82	0.18 111	0.11 98	0.18 111	0.11 100	0.17 108	0.11 99	0.18 112	0.11 99	0.18 111	0.11 93	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ProNet	0.14 80	0.20 82	0.14 98	0.16 89	0.11 103	0.16 106	0.11 98	0.17 109	0.11 100	0.17 108	0.12 106	0.17 109	0.13 116	0.17 109	0.12 104	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 107

IPLGR_C	0.14 80	0.20 82	0.12 79	0.15 83	0.11 103	0.14 95	0.15 117	0.14 95	0.11 100	0.15 101	0.12 106	0.14 96	0.11 99	0.16 106	0.11 93	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 107

ELAS_RVC	0.14 80	0.16 72	0.10 57	0.15 83	0.10 88	0.18 111	0.11 98	0.19 112	0.11 100	0.19 112	0.12 106	0.18 112	0.11 99	0.19 113	0.12 104	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GMStereo_Zeroshot	0.16 96	0.16 72	0.16 113	0.16 89	0.16 133	0.16 106	0.16 120	0.16 107	0.16 129	0.16 105	0.16 129	0.16 106	0.16 127	0.16 106	0.16 126	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 116

ICVP	0.15 90	0.53 162	0.11 74	0.16 89	0.11 103	0.16 106	0.11 98	0.16 107	0.11 100	0.16 105	0.11 99	0.16 106	0.11 99	0.16 106	0.11 93	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 80	0.16 72	0.12 79	0.17 95	0.12 115	0.17 109	0.11 98	0.17 109	0.11 100	0.17 108	0.12 106	0.17 109	0.12 112	0.17 109	0.12 104	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

ACVNet	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 293	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 293	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

SGM_RVC	0.15 90	0.17 76	0.11 74	0.18 96	0.11 103	0.19 114	0.11 98	0.19 112	0.12 115	0.19 112	0.12 106	0.20 116	0.12 112	0.19 113	0.12 104	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
HCRNet	1.22 336	7.11 375	3.00 388	3.55 376	0.33 201	0.29 151	0.14 114	0.19 112	0.15 127	0.33 155	0.29 176	0.25 139	0.14 118	0.22 130	0.33 185	3.64 386	3.00 382	0.76 274	0.32 200	0.18 114	0.13 113

DeepPruner_ROB	0.16 96	0.18 77	0.13 94	0.19 99	0.13 118	0.19 114	0.13 113	0.19 112	0.13 118	0.19 112	0.13 118	0.19 115	0.13 116	0.19 113	0.13 110	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

LALA_ROB	0.15 90	0.19 78	0.12 79	0.18 96	0.11 103	0.20 116	0.12 110	0.21 121	0.12 115	0.20 115	0.12 106	0.20 116	0.12 112	0.21 126	0.13 110	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

IGEV_Zeroshot_test	0.20 103	0.19 78	0.40 189	0.30 128	0.17 134	0.22 126	0.17 121	0.21 121	0.17 131	0.20 115	0.17 131	0.21 124	0.18 134	0.21 126	0.17 127	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

DAS	0.20 103	0.20 82	0.20 126	0.20 100	0.20 143	0.20 116	0.20 130	0.20 116	0.20 138	0.20 115	0.20 142	0.20 116	0.20 141	0.20 116	0.20 137	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

GEStereo_RVC	0.86 262	4.45 359	0.20 126	0.27 125	0.20 143	0.27 147	0.20 130	0.26 138	0.18 132	5.03 403	0.20 142	0.27 148	0.19 138	0.27 151	0.21 140	0.20 119	0.19 128	0.19 121	4.02 404	0.20 117	0.18 125

ASD4	0.20 103	0.20 82	0.20 126	0.20 100	0.20 143	0.20 116	0.20 130	0.20 116	0.20 138	0.20 115	0.20 142	0.20 116	0.20 141	0.20 116	0.20 137	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

Anonymous Stereo	2.36 370	18.47 399	11.50 413	9.80 407	0.53 259	0.28 148	0.50 247	0.58 240	0.53 251	0.59 247	0.53 259	0.66 259	0.52 248	0.62 251	0.41 222	0.36 173	0.37 183	0.31 156	0.19 140	0.20 117	0.22 131

MSKI-zero shot	0.24 117	0.21 87	0.49 221	0.65 212	0.18 139	0.22 126	0.17 121	0.23 128	0.18 132	0.21 124	0.17 131	0.23 132	0.28 174	0.23 134	0.18 133	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

iResNet	0.20 103	0.23 91	0.18 122	0.24 115	0.18 139	0.24 133	0.20 130	0.24 131	0.18 132	0.23 129	0.17 131	0.23 132	0.18 134	0.23 134	0.18 133	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

WAO-6	0.22 111	0.23 91	0.22 130	0.23 110	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 131

IMH-64-1	0.22 111	0.23 91	0.23 132	0.22 108	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IMH-64	0.22 111	0.23 91	0.23 132	0.22 108	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

MIM_Stereo	0.25 118	0.23 91	0.66 245	0.80 229	0.17 134	0.22 126	0.17 121	0.23 128	0.18 132	0.26 142	0.17 131	0.21 124	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

dd	0.23 115	0.98 196	0.16 113	0.23 110	0.15 128	0.23 132	0.15 117	0.23 128	0.15 127	0.23 129	0.15 128	0.24 136	0.17 129	0.23 134	0.15 121	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 116

dad	0.23 115	1.03 210	0.16 113	0.23 110	0.15 128	0.24 133	0.15 117	0.24 131	0.16 129	0.23 129	0.16 129	0.24 136	0.16 127	0.23 134	0.15 121	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

iResNetv2_ROB	0.20 103	0.23 91	0.18 122	0.24 115	0.20 143	0.24 133	0.18 125	0.24 131	0.18 132	0.24 134	0.18 139	0.23 132	0.19 138	0.24 138	0.18 133	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 116

AANet_RVC	1.26 338	0.31 106	4.99 397	5.93 389	0.20 143	0.25 137	0.20 130	0.25 134	0.20 138	0.23 129	0.19 140	0.25 139	0.20 141	0.25 140	0.20 137	5.66 398	4.76 390	0.26 143	0.30 191	0.24 131	0.27 154

UNDER WATER-64	0.25 118	0.26 99	0.25 140	0.26 124	0.25 160	0.25 137	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.25 139	0.25 153	0.26 149	0.25 154	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 143

LoS_RVC	0.30 132	1.14 216	0.25 140	0.25 118	0.25 160	0.26 144	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.26 147	0.26 162	0.26 149	0.25 154	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

CAS	0.30 132	1.17 220	0.25 140	0.25 118	0.25 160	0.26 144	0.25 149	0.25 134	0.26 164	0.25 135	0.25 161	0.25 139	0.25 153	0.25 140	0.25 154	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 143

LoS	0.25 118	0.27 100	0.25 140	0.25 118	0.25 160	0.25 137	0.25 149	0.26 138	0.25 151	0.25 135	0.25 161	0.25 139	0.25 153	0.25 140	0.25 154	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 143

tt1	0.31 135	0.93 192	0.24 138	0.33 136	0.23 154	0.31 155	0.24 147	0.32 147	0.24 148	0.32 153	0.23 151	0.32 159	0.25 153	0.32 159	0.24 149	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

RAFT + AFF	0.31 135	0.45 142	0.34 175	0.39 150	0.28 170	0.38 177	0.33 185	0.29 143	0.31 184	0.30 147	0.30 185	0.29 154	0.27 169	0.29 156	0.30 177	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 187

TorneroNet-64	0.45 189	0.27 100	0.30 155	0.58 205	0.27 167	0.70 262	0.30 173	0.28 140	0.73 280	0.73 263	0.28 174	0.71 261	0.66 261	0.75 267	0.27 160	0.27 147	0.29 162	0.37 189	0.75 283	0.28 138	0.30 178

SQANet	0.28 128	0.28 102	0.28 149	0.28 126	0.28 170	0.28 148	0.28 163	0.28 140	0.28 170	0.28 144	0.28 174	0.28 149	0.28 174	0.28 153	0.28 164	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 166

xxxxx1	0.31 135	0.91 186	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

tt_ll	0.31 135	0.91 186	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

ff	0.31 135	0.91 186	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

DANet	0.30 132	0.30 105	0.30 155	0.30 128	0.30 185	0.30 152	0.30 173	0.30 145	0.30 182	0.30 147	0.30 185	0.30 155	0.30 183	0.30 157	0.30 177	0.30 156	0.30 170	0.30 155	0.30 191	0.30 143	0.30 178
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
1test111	0.37 156	1.02 208	0.30 155	0.39 150	0.29 176	0.40 184	0.28 163	0.39 171	0.29 172	0.39 173	0.29 176	0.39 180	0.28 174	0.40 186	0.29 170	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 183

cc1	0.37 156	1.02 208	0.30 155	0.39 150	0.29 176	0.40 184	0.28 163	0.39 171	0.29 172	0.39 173	0.29 176	0.39 180	0.28 174	0.40 186	0.29 170	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 183

IGEV-Stereo	0.35 151	0.44 140	0.45 205	0.49 192	0.30 185	0.37 174	0.30 173	0.36 158	0.30 182	0.36 163	0.29 176	0.36 169	0.29 178	0.36 171	0.30 177	0.46 215	0.39 192	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 128	0.32 107	0.24 138	0.32 134	0.25 160	0.32 162	0.24 147	0.32 147	0.24 148	0.33 155	0.24 157	0.35 164	0.24 151	0.33 163	0.24 149	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 142

ACVNet-DCA	0.37 156	1.00 199	0.30 155	0.40 162	0.29 176	0.40 184	0.29 168	0.40 175	0.29 172	0.40 177	0.29 176	0.40 186	0.29 178	0.39 183	0.28 164	0.33 160	0.32 173	0.33 164	0.32 200	0.33 148	0.32 187

DLNR_Zeroshot_test	0.31 135	0.28 102	0.47 212	0.79 227	0.24 159	0.30 152	0.26 155	0.30 145	0.24 148	0.32 153	0.23 151	0.31 157	0.24 151	0.30 157	0.23 147	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

CRFU-Net	0.65 216	1.67 287	1.22 344	1.96 347	0.27 167	0.41 199	0.27 158	0.41 188	0.27 167	0.40 177	0.26 166	0.41 196	0.27 169	0.40 186	0.27 160	1.80 361	1.62 364	0.34 171	0.23 150	0.33 148	0.23 133

FENet	0.54 208	1.52 282	1.19 294	1.41 334	0.23 154	0.35 166	0.23 143	0.35 154	0.23 147	0.34 157	0.23 151	0.35 164	0.23 150	0.35 166	0.23 147	1.40 351	1.07 280	0.32 157	0.23 150	0.33 148	0.23 133

H2IRNET	0.34 145	0.34 108	0.34 175	0.34 137	0.34 207	0.34 163	0.34 194	0.34 152	0.34 198	0.34 157	0.34 198	0.34 163	0.34 195	0.34 164	0.34 198	0.34 163	0.34 177	0.34 171	0.34 206	0.34 152	0.34 195

xx1	0.38 162	1.03 210	0.31 161	0.40 162	0.31 189	0.41 199	0.28 163	0.40 175	0.29 172	0.40 177	0.29 176	0.40 186	0.29 178	0.40 186	0.29 170	0.34 163	0.33 176	0.34 171	0.32 200	0.34 152	0.32 187

CASnet	0.35 151	0.51 160	0.44 203	0.32 134	0.31 189	0.24 133	0.34 194	0.36 158	0.25 151	0.31 149	0.37 208	0.30 155	0.33 192	0.25 140	0.45 231	0.37 177	0.37 183	0.33 164	0.35 209	0.34 152	0.37 200
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 255	1.91 297	0.92 273	4.48 380	0.02 20	0.40 184	0.04 55	0.41 188	0.02 20	0.48 219	0.03 40	0.41 196	0.05 65	0.03 33	0.05 60	1.97 367	4.19 387	0.33 164	0.23 150	0.34 152	0.27 154

NINENet	0.69 225	3.87 352	1.20 297	1.98 348	0.05 69	0.40 184	0.04 55	0.40 175	0.05 69	0.41 189	0.04 64	0.41 196	0.05 65	0.40 186	0.05 60	1.79 360	1.56 362	0.34 171	0.22 145	0.34 152	0.23 133

BSDual-CNN	0.81 247	1.91 297	0.92 273	4.48 380	0.02 20	0.42 215	0.06 76	0.41 188	0.02 20	0.48 219	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 367	4.19 387	0.33 164	0.23 150	0.34 152	0.27 154

hknet	1.10 286	1.85 295	3.49 391	4.48 380	0.02 20	0.42 215	0.06 76	0.41 188	0.02 20	0.48 219	0.03 40	0.41 196	0.03 42	0.42 210	0.03 37	4.39 390	4.19 387	0.33 164	0.23 150	0.34 152	0.27 154

iRaft-Stereo_5w	0.34 145	0.42 138	0.31 161	0.39 150	0.30 185	0.38 177	0.30 173	0.40 175	0.29 172	0.40 177	0.37 208	0.41 196	0.34 195	0.38 176	0.30 177	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

iRaft-Stereo_20w	0.34 145	0.41 131	0.31 161	0.39 150	0.29 176	0.40 184	0.32 178	0.41 188	0.32 188	0.38 168	0.30 185	0.39 180	0.30 183	0.38 176	0.32 182	0.35 170	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

HGLStereo	0.28 128	0.29 104	0.22 130	0.36 142	0.22 150	0.36 169	0.21 136	0.36 158	0.21 141	0.42 200	0.21 147	0.36 169	0.22 146	0.36 171	0.21 140	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

MLCV	0.31 135	0.35 109	0.27 146	0.35 138	0.28 170	0.35 166	0.27 158	0.35 154	0.28 170	0.36 163	0.27 169	0.35 164	0.27 169	0.35 166	0.27 160	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

DN-CSS_ROB	0.31 135	0.35 109	0.28 149	0.35 138	0.28 170	0.34 163	0.27 158	0.34 152	0.25 151	0.35 160	0.27 169	0.36 169	0.26 162	0.34 164	0.28 164	0.35 170	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

MyStereo07	0.60 213	3.72 346	0.48 217	0.49 192	0.41 229	0.36 169	0.32 178	0.49 220	0.43 229	0.51 234	0.42 230	0.49 229	0.43 224	0.51 237	0.64 263	0.49 227	0.45 209	0.34 171	0.32 200	0.35 164	0.43 222

MyStereo04	0.56 211	3.72 346	0.59 232	0.49 192	0.41 229	0.36 169	0.32 178	0.37 164	0.31 184	0.34 157	0.46 237	0.35 164	0.32 188	0.35 166	0.33 185	0.49 227	0.45 209	0.34 171	0.32 200	0.35 164	0.43 222

HH	0.71 228	2.54 318	0.74 258	1.10 262	0.32 192	0.41 199	0.37 205	0.69 252	0.78 283	0.73 263	0.90 295	0.75 267	1.00 287	0.84 274	0.69 275	0.69 247	0.40 194	0.35 182	0.26 164	0.35 164	0.26 149

HanStereo	0.71 228	2.54 318	0.74 258	1.10 262	0.32 192	0.41 199	0.37 205	0.69 252	0.78 283	0.73 263	0.90 295	0.75 267	1.00 287	0.84 274	0.69 275	0.69 247	0.40 194	0.35 182	0.26 164	0.35 164	0.26 149

FCDSN-DC	0.41 176	0.59 168	0.64 239	0.54 201	0.33 201	0.50 240	0.37 205	0.42 204	0.40 215	0.61 249	0.43 232	0.50 241	0.49 242	0.38 176	0.32 182	0.28 149	0.23 138	0.26 143	0.22 145	0.35 164	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 151	0.35 109	0.35 179	0.35 138	0.35 210	0.35 166	0.35 197	0.35 154	0.35 201	0.35 160	0.35 203	0.35 164	0.35 198	0.35 166	0.35 199	0.35 170	0.35 179	0.35 182	0.35 209	0.35 164	0.35 196

Any-RAFT	0.32 143	0.36 112	0.27 146	0.36 142	0.27 167	0.36 169	0.27 158	0.36 158	0.27 167	0.36 163	0.27 169	0.36 169	0.27 169	0.36 171	0.28 164	0.36 173	0.28 153	0.36 187	0.28 174	0.36 170	0.28 166

DMCA	0.36 154	0.38 115	0.37 182	0.35 138	0.35 210	0.36 169	0.36 201	0.36 158	0.35 201	0.35 160	0.37 208	0.36 169	0.36 199	0.35 166	0.36 201	0.36 173	0.36 181	0.35 182	0.36 213	0.36 170	0.36 197

LargeStereo	0.34 145	0.43 139	0.30 155	0.40 162	0.29 176	0.40 184	0.29 168	0.40 175	0.29 172	0.40 177	0.29 176	0.40 186	0.29 178	0.40 186	0.30 177	0.38 184	0.29 162	0.37 189	0.29 183	0.37 172	0.29 170

Venus	0.38 162	0.38 115	0.38 184	0.38 146	0.38 218	0.37 174	0.38 210	0.37 164	0.37 207	0.41 189	0.37 208	0.39 180	0.37 201	0.38 176	0.38 209	0.37 177	0.38 187	0.38 196	0.37 216	0.37 172	0.38 204

EKT-Stereo	0.37 156	0.40 124	0.44 203	1.07 260	0.29 176	0.34 163	0.31 177	0.36 158	0.29 172	0.38 168	0.31 188	0.37 174	0.30 183	0.36 171	0.29 170	0.34 163	0.28 153	0.39 200	0.30 191	0.37 172	0.30 178

CES	0.39 167	0.47 148	0.36 180	0.36 142	0.37 213	0.45 221	0.35 197	0.35 154	0.40 215	0.36 163	0.44 234	0.47 222	0.36 199	0.44 213	0.36 201	0.37 177	0.39 192	0.44 226	0.35 209	0.37 172	0.36 197

IER	0.88 263	7.04 374	2.23 380	2.75 366	0.28 170	0.43 219	0.25 149	0.39 171	0.25 151	0.41 189	0.27 169	0.39 180	0.25 153	0.40 186	0.28 164	0.37 177	0.28 153	0.37 189	0.25 158	0.37 172	0.25 143

StereoDRNet-Refined	0.33 144	0.39 122	0.26 145	0.39 150	0.26 166	0.40 184	0.26 155	0.40 175	0.26 164	0.39 173	0.26 166	0.39 180	0.26 162	0.39 183	0.26 159	0.37 177	0.25 140	0.37 189	0.25 158	0.37 172	0.37 200
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 156	0.37 113	0.37 182	0.37 145	0.37 213	0.37 174	0.37 205	0.37 164	0.37 207	0.37 167	0.37 208	0.37 174	0.37 201	0.37 175	0.37 208	0.37 177	0.37 183	0.37 189	0.37 216	0.37 172	0.37 200

WAO-8	0.38 162	0.38 115	0.38 184	0.38 146	0.38 218	0.38 177	0.38 210	0.38 167	0.38 209	0.38 168	0.38 213	0.38 176	0.38 203	0.38 176	0.38 209	0.38 184	0.38 187	0.38 196	0.37 216	0.38 179	0.38 204

WAO-7	0.38 162	0.38 115	0.38 184	0.38 146	0.38 218	0.38 177	0.38 210	0.38 167	0.38 209	0.38 168	0.38 213	0.38 176	0.38 203	0.38 176	0.38 209	0.38 184	0.38 187	0.38 196	0.38 223	0.38 179	0.38 204

HanzoNet	0.39 167	0.38 115	0.40 189	0.39 150	0.41 229	0.38 177	0.38 210	0.38 167	0.38 209	0.39 173	0.39 217	0.38 176	0.38 203	0.39 183	0.40 215	0.38 184	0.38 187	0.40 204	0.38 223	0.38 179	0.40 209

IMH	0.38 162	0.38 115	0.38 184	0.38 146	0.38 218	0.38 177	0.38 210	0.38 167	0.38 209	0.42 200	0.38 213	0.40 186	0.38 203	0.38 176	0.38 209	0.38 184	0.38 187	0.39 200	0.38 223	0.38 179	0.38 204

RAFT-Test	0.36 154	0.37 113	0.33 168	0.41 171	0.32 192	0.41 199	0.32 178	0.41 188	0.32 188	0.41 189	0.32 189	0.41 196	0.32 188	0.41 199	0.33 185	0.37 177	0.29 162	0.37 189	0.29 183	0.38 179	0.31 183

RCA-Stereo	0.51 206	3.22 338	0.34 175	0.44 180	0.34 207	0.44 220	0.34 194	0.43 206	0.34 198	0.43 204	0.34 198	0.44 215	0.33 192	0.43 211	0.33 185	0.38 184	0.29 162	0.38 196	0.29 183	0.38 179	0.29 170

GMOStereo	0.37 156	0.45 142	0.23 132	0.30 128	0.37 213	0.41 199	0.36 201	0.41 188	0.35 201	0.43 204	0.36 204	0.41 196	0.40 209	0.41 199	0.36 201	0.34 163	0.22 134	0.47 234	0.37 216	0.39 185	0.33 190

error version	0.93 271	4.47 360	2.35 383	1.99 349	0.37 213	0.41 199	0.36 201	0.41 188	0.35 201	0.43 204	0.36 204	0.41 196	0.40 209	0.41 199	0.36 201	1.87 363	2.16 375	0.47 234	0.37 216	0.39 185	0.33 190

test_1	0.93 271	4.47 360	2.35 383	1.99 349	0.37 213	0.41 199	0.36 201	0.41 188	0.35 201	0.43 204	0.36 204	0.41 196	0.40 209	0.41 199	0.36 201	1.87 363	2.16 375	0.47 234	0.37 216	0.39 185	0.33 190

knoymous	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

anonymousa	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

riskmin	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

Anonymous_2	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

Anonymous_1	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

DGSMNet	0.34 145	0.41 131	0.27 146	0.41 171	0.28 170	0.41 199	0.28 163	0.41 188	0.27 167	0.41 189	0.27 169	0.42 212	0.27 169	0.41 199	0.28 164	0.40 193	0.29 162	0.40 204	0.28 174	0.40 188	0.27 154

Gwc-CoAtRS	0.41 176	1.49 281	0.32 164	0.42 179	0.32 192	0.41 199	0.32 178	0.41 188	0.33 191	0.41 189	0.32 189	0.41 196	0.32 188	0.41 199	0.32 182	0.39 190	0.28 153	0.39 200	0.28 174	0.40 188	0.28 166

AdaStereo	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209
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.
Former-RAFT_DAM_RVC	0.49 203	0.98 196	0.64 239	0.84 233	0.46 240	0.45 221	0.35 197	0.47 214	0.47 235	0.45 208	0.34 198	0.46 216	0.48 237	0.46 216	0.35 199	0.39 190	0.71 257	0.39 200	0.35 209	0.41 196	0.41 216

GwcNet-ADL	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

PSMNet-ADL	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

GANet-ADL	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

ADLNet2	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

ADLNet	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

CFNet-RSSM	0.91 266	4.89 366	0.34 175	0.44 180	1.07 312	1.62 366	1.40 372	0.91 270	0.35 201	1.60 359	1.39 371	0.64 254	0.34 195	0.44 213	0.33 185	0.41 200	0.35 179	0.75 271	0.30 191	0.41 196	0.29 170

MoCha-V2	1.98 357	31.61 422	0.36 180	0.70 217	0.35 210	0.47 227	0.35 197	0.44 208	0.34 198	0.46 209	0.36 204	0.49 229	0.38 203	0.46 216	0.36 201	0.43 214	0.34 177	0.44 226	0.37 216	0.44 203	0.39 208

LL-Strereo2	0.48 200	1.73 292	0.51 225	0.59 207	0.34 207	0.42 215	0.33 185	0.40 175	0.31 184	0.42 200	0.33 192	0.42 212	0.31 187	0.44 213	0.39 214	0.60 240	0.51 229	0.44 226	0.33 205	0.44 203	0.33 190

otaku	0.46 190	0.46 144	0.46 207	0.46 182	0.46 240	0.46 223	0.46 231	0.46 209	0.46 232	0.46 209	0.46 237	0.46 216	0.46 227	0.46 216	0.46 233	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

Ntro	0.47 195	0.47 148	0.46 207	0.46 182	0.46 240	0.47 227	0.47 237	0.46 209	0.47 235	0.46 209	0.46 237	0.47 222	0.46 227	0.47 221	0.47 237	0.47 220	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

Dean	0.46 190	0.46 144	0.46 207	0.46 182	0.46 240	0.46 223	0.46 231	0.46 209	0.46 232	0.47 215	0.46 237	0.46 216	0.46 227	0.46 216	0.46 233	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

ACVNet_1	0.46 190	0.47 148	0.46 207	0.46 182	0.46 240	0.46 223	0.46 231	0.46 209	0.47 235	0.46 209	0.46 237	0.46 216	0.46 227	0.46 216	0.46 233	0.46 215	0.46 211	0.47 234	0.46 240	0.46 205	0.46 226

ACVNet-4b	0.46 190	0.46 144	0.46 207	0.46 182	0.46 240	0.46 223	0.46 231	0.46 209	0.46 232	0.46 209	0.46 237	0.46 216	0.46 227	0.47 221	0.46 233	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

Selective-IGEV	0.51 206	0.55 167	0.45 205	0.69 215	0.45 239	0.61 254	0.45 230	0.50 227	0.40 215	0.56 243	0.44 234	0.55 246	0.40 209	0.72 263	0.67 267	0.59 238	0.46 211	0.45 229	0.34 206	0.46 205	0.37 200

HaxPig	0.47 195	0.47 148	0.47 212	0.49 192	0.47 246	0.47 227	0.47 237	0.47 214	0.47 235	0.47 215	0.47 244	0.47 222	0.47 236	0.47 221	0.47 237	0.47 220	0.47 217	0.47 234	0.47 246	0.47 211	0.48 234

UNDER WATER	0.47 195	0.47 148	0.47 212	0.47 187	0.47 246	0.47 227	0.47 237	0.47 214	0.47 235	0.47 215	0.47 244	0.47 222	0.46 227	0.47 221	0.47 237	0.47 220	0.47 217	0.47 234	0.46 240	0.47 211	0.47 231

LVE	0.47 195	0.47 148	0.47 212	0.47 187	0.49 251	0.47 227	0.47 237	0.47 214	0.49 243	0.47 215	0.47 244	0.47 222	0.46 227	0.47 221	0.47 237	0.47 220	0.47 217	0.48 242	0.47 246	0.47 211	0.47 231

RainbowNet	0.48 200	0.48 154	0.48 217	0.48 190	0.48 248	0.48 232	0.48 242	0.48 218	0.48 241	0.48 219	0.48 247	0.48 227	0.48 237	0.48 226	0.48 242	0.48 224	0.48 221	0.48 242	0.48 249	0.48 214	0.48 234

notaker	0.48 200	0.49 155	0.48 217	0.48 190	0.48 248	0.48 232	0.48 242	0.48 218	0.49 243	0.48 219	0.48 247	0.48 227	0.48 237	0.48 226	0.48 242	0.48 224	0.48 221	0.48 242	0.48 249	0.48 214	0.49 237

TorneroNet	0.66 218	0.53 162	0.50 223	0.50 198	0.64 272	1.06 294	0.70 272	0.50 227	0.51 249	0.49 224	0.69 280	0.49 229	0.50 245	0.48 226	1.15 307	0.71 253	0.49 223	1.14 304	1.08 302	0.49 216	0.49 237

ACVNet_2	0.49 203	0.49 155	0.49 221	0.49 192	0.49 251	0.49 234	0.49 245	0.49 220	0.49 243	0.49 224	0.49 251	0.49 229	0.49 242	0.49 232	0.49 245	0.49 227	0.49 223	0.49 245	0.49 251	0.49 216	0.49 237

iRaftStereo_RVC	0.97 275	3.17 337	2.30 382	2.42 361	0.38 218	0.54 245	0.38 210	0.54 233	0.38 209	0.54 239	0.38 213	0.54 243	0.38 203	0.54 240	0.38 209	2.38 377	2.34 379	0.49 245	0.36 213	0.49 216	0.36 197

aanetorigin	0.13 73	0.11 64	0.11 74	0.11 57	0.11 103	0.11 91	0.11 98	0.11 91	0.11 100	0.11 91	0.12 106	0.11 92	0.11 99	0.11 91	0.11 93	0.11 68	0.11 75	0.14 95	0.11 97	0.49 216	0.11 95

KSHMR	0.66 218	0.50 157	0.48 217	1.15 269	0.52 256	0.49 234	0.51 249	0.49 220	0.71 278	0.67 256	0.50 253	1.16 307	1.11 295	0.66 256	0.52 249	0.49 227	0.49 223	0.51 249	0.66 271	0.50 220	1.14 309

SANet	0.50 205	0.50 157	0.50 223	0.50 198	0.50 254	0.50 240	0.50 247	0.50 227	0.50 246	0.50 233	0.50 253	0.50 241	0.50 245	0.50 236	0.50 246	0.50 231	0.50 228	0.50 248	0.50 253	0.50 220	0.50 240

ktn	0.72 231	0.53 162	1.08 285	1.14 267	0.51 255	1.22 354	1.36 366	0.51 231	0.59 258	0.51 234	0.51 256	0.69 260	1.20 306	0.67 258	0.51 248	0.51 232	0.49 223	0.58 254	0.66 271	0.52 222	0.53 243

LL-Strereo	1.01 282	5.06 369	1.63 365	0.70 217	1.43 377	0.56 247	0.46 231	0.57 238	0.50 246	0.57 244	0.50 253	1.58 363	0.49 242	0.59 250	0.50 246	1.64 357	0.52 230	0.51 249	1.37 366	0.52 222	0.45 225

SPstereo	0.47 195	0.38 115	0.51 225	0.56 203	0.31 189	0.67 260	0.44 229	0.55 234	0.31 184	0.61 249	0.44 234	0.46 216	0.52 248	0.67 258	0.42 228	0.48 224	0.40 194	0.47 234	0.36 213	0.53 224	0.33 190

PML	0.46 190	1.36 278	0.29 151	0.58 205	0.30 185	0.57 251	0.29 168	0.57 238	0.29 172	0.57 244	0.29 176	0.57 250	0.29 178	0.56 245	0.29 170	0.52 233	0.30 170	0.53 251	0.31 196	0.53 224	0.30 178

PSMNet_ROB	0.54 208	0.54 165	0.54 228	0.54 201	0.53 259	0.54 245	0.54 251	0.53 232	0.54 255	0.54 239	0.54 260	0.54 243	0.53 250	0.54 240	0.54 251	0.54 235	0.53 232	0.54 252	0.54 254	0.54 226	0.54 244

MyStereo8	0.71 228	3.92 353	0.52 227	0.59 207	0.52 256	0.57 251	0.53 250	0.59 242	0.50 246	0.59 247	0.51 256	0.57 250	0.50 245	0.56 245	0.52 249	0.54 235	0.49 223	0.54 252	0.49 251	0.55 227	0.50 240

CASS	0.57 212	0.89 183	0.56 229	0.57 204	0.56 261	0.56 247	0.56 252	0.56 236	0.53 251	0.57 244	0.57 264	0.59 252	0.48 237	0.56 245	0.57 255	0.55 237	0.56 235	0.47 234	0.56 258	0.62 228	0.56 251
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DispNO	1.00 278	0.63 169	0.43 202	3.45 375	0.44 238	0.65 258	0.43 228	0.64 248	0.43 229	0.64 253	0.43 232	0.64 254	3.03 386	0.64 254	0.43 230	4.55 392	0.43 208	0.63 256	0.43 238	0.63 229	0.43 222

test-3	0.98 277	4.13 356	1.85 375	1.85 341	0.61 268	0.69 261	0.37 205	0.63 247	0.61 262	0.66 255	0.51 256	0.73 265	0.44 225	0.57 248	0.54 251	1.68 358	1.81 373	0.40 204	0.43 238	0.66 230	0.50 240

DSFCA	0.66 218	0.73 174	0.78 262	0.65 212	0.65 273	0.64 257	0.64 261	0.65 249	0.63 265	0.64 253	0.64 271	0.64 254	0.64 257	0.65 255	0.65 264	0.65 243	0.65 246	0.65 259	0.65 269	0.66 230	0.64 259

MyStereo03	0.84 257	4.93 367	0.68 250	0.90 237	0.74 288	0.56 247	0.46 231	0.55 234	0.52 250	0.74 267	0.56 262	0.56 248	0.46 227	0.81 272	0.54 251	0.59 238	0.52 230	0.75 271	0.68 275	0.68 232	0.65 260

anonymity	0.63 214	0.69 171	0.56 229	0.71 220	0.56 261	0.71 264	0.56 252	0.71 254	0.56 256	0.72 261	0.56 262	0.71 261	0.56 252	0.71 262	0.58 258	0.68 246	0.55 233	0.68 261	0.55 255	0.68 232	0.54 244

LMCR-Stereo	0.65 216	0.63 169	0.65 244	0.65 212	0.65 273	0.66 259	0.63 260	0.58 240	0.65 266	0.63 252	0.64 271	0.65 257	0.65 259	0.66 256	0.66 266	0.66 244	0.64 245	0.65 259	0.67 274	0.68 232	0.73 272

FC-DCNN	1.07 284	1.09 212	0.98 278	0.89 236	0.52 256	1.41 363	0.91 287	1.21 343	1.24 366	1.96 367	2.05 391	1.91 367	1.30 359	1.27 357	1.08 301	0.80 259	0.60 238	0.58 254	0.41 232	0.68 232	0.54 244

DMCA-RVC	0.70 226	0.80 177	0.70 251	0.70 217	0.70 282	0.70 262	0.70 272	0.71 254	0.70 275	0.70 259	0.71 283	0.71 261	0.70 269	0.70 261	0.69 275	0.69 247	0.70 255	0.69 264	0.70 279	0.69 236	0.70 267

4D-IteraStereo	0.78 239	3.13 335	0.89 268	0.69 215	0.32 192	0.40 184	0.32 178	0.76 258	0.97 300	0.52 237	0.65 275	0.89 281	0.32 188	0.76 268	0.98 295	0.83 264	0.94 274	0.35 182	0.27 170	0.70 237	0.89 287

whm_eth	0.63 214	1.48 280	0.47 212	0.71 220	0.48 248	0.71 264	0.48 242	0.71 254	0.48 241	0.71 260	0.48 247	0.71 261	0.48 237	0.72 263	0.48 242	0.71 253	0.47 217	0.71 267	0.47 246	0.71 238	0.47 231

MyStereo06	0.75 234	4.12 354	0.60 233	0.63 210	0.61 268	0.62 255	0.66 264	0.56 236	0.45 231	0.55 241	0.48 247	0.54 243	0.46 227	0.57 248	0.45 231	0.60 240	0.57 236	0.64 257	0.55 255	0.72 239	0.55 248

MyStereo05	0.80 242	4.12 354	0.63 237	0.63 210	0.61 268	0.62 255	0.66 264	0.65 249	0.62 263	0.67 256	0.61 267	0.65 257	0.58 253	0.67 258	0.55 254	0.60 240	0.57 236	0.64 257	0.55 255	0.72 239	0.55 248

MyStereo02	0.85 260	4.58 362	0.64 239	0.76 225	0.65 273	0.75 266	0.61 256	0.60 243	0.53 251	0.80 270	0.64 271	0.78 270	0.66 261	0.55 242	0.57 255	0.70 250	0.66 248	0.68 261	0.62 266	0.72 239	0.59 252

MyStereo	0.85 260	4.58 362	0.64 239	0.76 225	0.65 273	0.75 266	0.61 256	0.60 243	0.53 251	0.80 270	0.64 271	0.78 270	0.66 261	0.55 242	0.57 255	0.70 250	0.66 248	0.68 261	0.62 266	0.72 239	0.59 252

PA-Net	11.80 413	223.51 435	0.62 236	0.59 207	0.71 283	0.59 253	0.73 275	0.67 251	0.73 280	0.55 241	0.61 267	0.60 253	0.74 273	0.63 253	0.73 279	0.66 244	0.60 238	0.69 264	0.66 271	0.72 239	0.65 260
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 257	2.85 332	0.72 255	0.72 222	0.73 286	0.77 269	0.79 279	0.73 257	0.74 282	0.73 263	0.72 285	0.73 265	0.76 275	0.73 265	0.73 279	0.72 255	0.73 258	0.73 269	0.72 282	0.73 244	0.72 270

RAFT-Stereo + iAFF	0.70 226	0.72 173	0.71 254	0.80 229	0.62 271	0.82 275	0.61 256	0.81 264	0.62 263	0.81 274	0.63 269	0.80 274	0.70 269	0.73 265	0.61 262	0.76 256	0.61 242	0.74 270	0.61 265	0.77 245	0.61 255

ARAFT	0.68 223	0.81 180	0.63 237	0.74 223	0.60 263	0.78 271	0.62 259	0.77 259	0.66 268	0.74 267	0.63 269	0.75 267	0.62 256	0.83 273	0.60 260	0.70 250	0.55 233	0.70 266	0.60 263	0.78 246	0.55 248

AFF-stereo	0.73 232	0.88 182	0.67 247	0.75 224	0.68 281	0.75 266	0.64 261	0.80 261	0.72 279	0.83 275	0.70 281	0.82 277	0.64 257	0.84 274	0.67 267	0.77 257	0.63 243	0.81 280	0.63 268	0.78 246	0.62 257

Selective-RAFT-Error	0.88 263	0.84 181	0.98 278	0.86 235	0.97 305	0.88 278	0.95 292	0.84 265	0.99 302	0.92 280	0.82 293	0.84 278	0.98 286	0.87 277	0.97 294	0.81 262	0.83 268	0.79 276	0.82 290	0.79 248	0.85 284

psmorigin	0.41 176	0.46 144	0.33 168	0.49 192	0.33 201	0.49 234	0.33 185	0.49 220	0.33 191	0.49 224	0.33 192	0.49 229	0.33 192	0.51 237	0.33 185	0.41 200	0.30 170	0.41 215	0.30 191	0.79 248	0.29 170

G-Net	0.79 240	0.79 176	0.79 264	0.79 227	0.79 291	0.79 272	0.79 279	0.79 260	0.79 286	0.79 269	0.79 290	0.79 273	0.79 277	0.79 269	0.79 282	0.79 258	0.79 262	0.79 276	0.79 286	0.79 248	0.79 278

AEACV	1.12 289	0.52 161	3.12 389	3.24 372	0.86 295	0.53 244	0.49 245	0.60 243	0.47 235	0.53 238	0.49 251	0.55 246	0.45 226	0.55 242	0.47 237	3.01 382	3.88 385	0.71 267	0.60 263	0.80 251	0.48 234

NaN_ROB	0.80 242	0.80 177	0.80 265	0.80 229	0.80 293	0.80 273	0.80 281	0.80 261	0.80 287	0.80 270	0.80 291	0.80 274	0.80 278	0.80 270	0.80 284	0.80 259	0.80 265	0.80 278	0.80 287	0.80 251	0.80 279

CSAN	0.80 242	0.80 177	0.80 265	0.80 229	0.80 293	0.80 273	0.80 281	0.80 261	0.80 287	0.80 270	0.80 291	0.80 274	0.80 278	0.80 270	0.80 284	0.80 259	0.80 265	0.80 278	0.80 287	0.80 251	0.80 279

Selective-RAFT	0.89 265	0.89 183	0.72 255	1.16 274	0.78 290	1.06 294	0.82 283	0.87 266	0.97 300	1.00 287	0.91 297	0.90 282	1.00 287	0.89 280	0.93 293	0.83 264	0.83 268	0.82 282	0.82 290	0.81 254	0.82 282

DCRE	0.84 257	1.89 296	0.77 261	0.94 245	0.72 285	0.88 278	0.73 275	0.87 266	0.78 283	0.90 277	0.71 283	0.88 279	0.67 265	0.88 278	0.73 279	0.81 262	0.68 250	0.81 280	0.70 279	0.82 255	0.70 267

UDG	0.80 242	2.21 312	0.60 233	0.91 240	0.60 263	0.90 281	0.58 254	0.88 268	0.60 259	0.90 277	0.60 265	0.88 279	0.60 255	0.90 281	0.58 258	0.86 267	0.60 238	0.84 283	0.59 262	0.84 256	0.61 255

DDUNet	0.81 247	2.45 316	0.57 231	0.90 237	0.60 263	0.88 278	0.59 255	0.90 269	0.60 259	0.88 276	0.60 265	0.90 282	0.58 253	0.88 278	0.60 260	0.84 266	0.60 238	0.86 285	0.57 259	0.86 257	0.60 254

UNet	0.29 131	0.90 185	0.10 57	0.14 74	0.10 88	0.14 95	0.10 86	0.91 270	0.69 273	0.14 95	0.11 99	0.14 96	0.11 99	0.14 97	0.10 82	0.12 73	0.09 55	0.12 91	0.09 80	0.88 258	0.76 277

ToySt	0.92 267	2.11 306	0.90 270	0.95 247	0.79 291	0.99 288	0.78 278	0.94 277	0.81 290	0.94 284	0.78 289	0.95 288	0.77 276	0.94 285	0.86 287	0.91 270	0.79 262	0.85 284	0.77 284	0.89 259	0.73 272

ff7	1.68 348	2.68 322	1.35 352	0.97 250	0.89 296	1.84 367	2.15 384	2.12 365	1.80 383	2.05 371	1.56 374	2.33 376	2.12 377	2.23 373	2.25 387	1.31 344	1.07 280	1.48 368	1.41 368	0.90 260	1.04 300

ffff	1.68 348	2.68 322	1.35 352	0.97 250	0.89 296	1.84 367	2.15 384	2.12 365	1.80 383	2.05 371	1.56 374	2.33 376	2.12 377	2.23 373	2.25 387	1.31 344	1.07 280	1.48 368	1.41 368	0.90 260	1.04 300

ccc-4	1.68 348	2.68 322	1.35 352	0.97 250	0.89 296	1.84 367	2.15 384	2.12 365	1.80 383	2.05 371	1.56 374	2.33 376	2.12 377	2.23 373	2.25 387	1.31 344	1.07 280	1.48 368	1.41 368	0.90 260	1.04 300

STTRV1_RVC	0.82 251	1.60 285	0.70 251	1.01 256	0.60 263	1.07 297	0.69 271	1.01 283	0.60 259	0.72 261	0.55 261	1.02 295	0.68 266	1.03 295	0.67 267	0.89 269	0.63 243	0.92 289	0.57 259	0.90 260	0.65 260

pmcnn	0.92 267	0.92 191	0.92 273	0.92 243	0.92 301	0.92 283	0.92 288	0.92 273	0.92 296	0.92 280	0.92 300	0.92 284	0.92 283	0.92 284	0.92 289	0.92 271	0.92 272	0.92 289	0.92 293	0.92 264	0.92 289

DPSM_ROB	0.92 267	0.91 186	0.91 271	0.91 240	0.92 301	0.92 283	0.92 288	0.92 273	0.91 292	0.93 282	0.91 297	0.92 284	0.90 281	0.91 282	0.92 289	0.92 271	0.91 270	0.91 287	0.92 293	0.93 265	0.93 290

DPSM	0.92 267	0.91 186	0.91 271	0.91 240	0.92 301	0.92 283	0.92 288	0.92 273	0.91 292	0.93 282	0.91 297	0.92 284	0.90 281	0.91 282	0.92 289	0.92 271	0.91 270	0.91 287	0.92 293	0.93 265	0.93 290

R-Stereo Train	0.81 247	0.96 194	0.67 247	0.95 247	0.67 279	0.95 286	0.68 268	0.95 278	0.68 270	0.95 285	0.68 278	0.96 289	0.68 266	0.96 289	0.68 271	0.94 275	0.68 250	0.94 291	0.68 275	0.94 267	0.68 265

RAFT-Stereo	0.81 247	0.96 194	0.67 247	0.95 247	0.67 279	0.95 286	0.68 268	0.95 278	0.68 270	0.95 285	0.68 278	0.96 289	0.68 266	0.96 289	0.68 271	0.94 275	0.68 250	0.94 291	0.68 275	0.94 267	0.68 265
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 271	1.00 199	0.92 273	0.94 245	0.96 304	0.91 282	0.92 288	0.91 270	0.96 299	0.91 279	0.96 301	0.93 287	0.92 283	0.94 285	0.92 289	0.92 271	0.92 272	0.90 286	0.92 293	0.94 267	0.91 288

GANet	1.00 278	1.00 199	1.00 280	1.00 253	1.00 306	1.00 289	1.00 295	1.00 280	1.00 303	1.00 287	1.00 302	1.00 291	1.00 287	1.00 291	1.00 297	1.00 277	1.00 275	1.00 297	1.00 297	1.00 270	1.00 296

TDLM	1.00 278	1.00 199	1.00 280	1.00 253	1.00 306	1.00 289	1.00 295	1.00 280	1.00 303	1.00 287	1.00 302	1.00 291	1.00 287	1.00 291	1.00 297	1.00 277	1.00 275	1.00 297	1.00 297	1.00 270	1.00 296

CVANet_RVC	1.00 278	1.00 199	1.00 280	1.00 253	1.00 306	1.00 289	1.00 295	1.00 280	1.00 303	1.00 287	1.00 302	1.00 291	1.00 287	1.00 291	1.00 297	1.00 277	1.00 275	1.00 297	1.00 297	1.00 270	1.00 296

panet	1.01 282	1.01 204	1.01 283	1.01 256	1.01 310	1.01 292	1.01 298	1.01 283	1.01 306	1.01 291	1.01 305	1.01 294	1.01 293	1.01 294	1.01 300	1.01 280	1.01 278	1.01 300	1.01 300	1.01 273	1.01 299

GLC_STEREO	1.07 284	1.01 204	1.06 284	1.07 260	1.05 311	1.06 294	1.08 301	1.08 286	1.05 308	1.07 293	1.06 306	1.08 297	1.05 294	1.06 297	1.10 302	1.07 282	1.09 286	1.05 302	1.05 301	1.06 274	1.12 305

DPSimNet_ROB	0.97 275	1.18 222	0.81 267	1.10 262	0.91 300	1.02 293	0.82 283	1.04 285	0.91 292	1.03 292	0.86 294	1.28 358	0.82 280	1.03 295	0.89 288	1.17 293	0.81 267	1.02 301	0.82 290	1.08 275	0.81 281

MSMD_ROB	1.19 290	1.10 215	0.70 251	1.10 262	0.60 263	1.10 300	0.70 272	1.10 288	0.70 275	1.10 295	0.70 281	1.10 301	0.70 269	7.00 412	0.70 278	1.10 285	0.70 255	1.10 303	0.70 279	1.10 276	0.70 267

edge stereo	2.43 376	27.07 416	1.14 288	1.06 259	1.14 313	1.08 298	1.17 309	1.16 291	1.14 309	1.10 295	1.16 310	1.09 299	1.16 303	1.10 301	1.16 310	1.10 285	1.11 290	1.16 306	1.19 310	1.13 277	1.11 303

RGC	2.36 370	25.48 410	1.19 294	1.15 269	1.15 314	1.10 300	1.16 308	1.17 292	1.16 311	1.12 300	1.16 310	1.11 304	1.13 296	1.09 299	1.18 312	1.10 285	1.15 294	1.16 306	1.12 304	1.14 278	1.12 305

UPFNet	0.42 184	1.20 224	0.17 117	0.24 115	0.17 134	0.25 137	0.17 121	1.19 295	0.90 291	0.25 135	0.17 131	0.24 136	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.22 130	0.16 124	1.15 279	0.93 290

stereogan	2.33 368	24.38 407	1.18 293	1.18 276	1.18 321	1.14 305	1.18 310	1.19 295	1.19 317	1.14 302	1.18 314	1.14 306	1.18 304	1.14 305	1.18 312	1.14 292	1.14 293	1.19 313	1.19 310	1.15 279	1.19 313

AF-Net	2.37 373	25.71 412	1.17 291	1.13 266	1.15 314	1.15 306	1.18 310	1.19 295	1.16 311	1.10 295	1.15 307	1.10 301	1.18 304	1.12 304	1.15 307	1.10 285	1.10 289	1.17 310	1.15 306	1.16 281	1.12 305

RP	2.33 368	25.00 409	1.13 287	1.15 269	1.15 314	1.10 300	1.15 306	1.15 289	1.15 310	1.12 300	1.15 307	1.09 299	1.13 296	1.10 301	1.15 307	1.11 290	1.09 286	1.16 306	1.12 304	1.16 281	1.17 311

Nwc_Net	2.37 373	25.95 413	1.15 290	1.14 267	1.15 314	1.08 298	1.14 305	1.17 292	1.16 311	1.14 302	1.15 307	1.08 297	1.15 299	1.11 303	1.14 306	1.10 285	1.11 290	1.16 306	1.09 303	1.16 281	1.15 310

Abc-Net	2.32 367	24.75 408	1.14 288	1.17 275	1.17 319	1.11 303	1.15 306	1.17 292	1.21 363	1.08 294	1.16 310	1.12 305	1.14 298	1.09 299	1.17 311	1.09 283	1.16 295	1.17 310	1.17 309	1.16 281	1.11 303
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 274	1.17 220	0.78 262	1.18 276	0.71 283	1.16 307	0.75 277	1.09 287	0.80 287	1.10 295	0.75 288	1.17 308	0.74 273	1.17 307	0.80 284	1.13 291	0.73 258	1.17 310	0.77 284	1.16 281	0.72 270
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 370	25.52 411	1.17 291	1.15 269	1.17 319	1.11 303	1.11 302	1.15 289	1.16 311	1.10 295	1.16 310	1.10 301	1.15 299	1.14 305	1.13 305	1.09 283	1.11 290	1.15 305	1.16 308	1.17 286	1.17 311

delet	0.43 185	1.21 270	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 347	0.95 298	0.25 135	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.22 130	0.16 124	1.18 287	0.98 293

psm_up	0.43 185	1.19 223	0.17 117	0.25 118	0.18 139	0.25 137	0.19 128	1.26 347	0.91 292	0.26 142	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.23 134	0.16 124	1.18 287	0.99 294

HBP-ISP	1.24 337	1.72 288	1.65 366	1.15 269	0.76 289	1.40 362	0.88 285	1.67 360	1.02 307	1.69 364	1.38 370	1.69 365	1.21 352	1.87 364	1.21 359	1.05 281	0.79 262	0.97 295	0.80 287	1.19 289	0.75 276

DisPM	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

CrosDoStereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PFNet+	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

LCNet	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

HHNet	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

Patchmatch Stereo++	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314
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
AAGNet	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

STrans-v2	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

TransformOpticalFlow	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

OMP-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

IIG-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

NF-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

OCTAStereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PSM-softLoss	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

KMStereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

NRIStereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PSM-adaLoss	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PSM-AAD	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

FTStereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

ROB_FTStereo_v2	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

ROB_FTStereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

Consistency-Raft	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

KYRaft	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

HUI-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

ASMatch	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

DeepStereo_LL	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

DEmStereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

SST-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

THIR-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RAFT_R40	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

DRaft	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

PFNet	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

GrayStereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RE-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

Pruner-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

TVStereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

DeepStereo_RVC	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RAFT-RH_RVC	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

IRAFT_RVC	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RAFT-345	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

iRAFT	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

CRE-IMP	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

GMM-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

RAFT-IKP	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

Prome-Stereo	1.20 291	1.20 224	1.20 297	1.20 278	1.20 322	1.20 308	1.20 312	1.20 298	1.20 318	1.20 305	1.20 315	1.20 310	1.20 306	1.20 309	1.20 314	1.20 295	1.20 299	1.20 314	1.20 313	1.20 290	1.20 314

MMNet	0.44 188	1.24 272	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 347	0.93 297	0.25 135	0.17 131	0.25 139	0.18 134	0.25 140	0.17 127	0.23 134	0.16 113	0.23 134	0.16 124	1.20 290	0.99 294

FAT-Stereo	2.46 377	26.05 414	1.23 346	1.23 325	1.22 369	1.20 308	1.24 360	1.23 346	1.23 365	1.19 304	1.22 361	1.21 355	1.24 354	1.20 309	1.24 361	1.21 340	1.17 297	1.22 360	1.25 360	1.20 290	1.24 362

CroCo-Stereo	0.73 232	1.22 271	0.25 140	1.22 323	0.25 160	1.22 354	0.25 149	1.22 344	0.25 151	1.22 351	0.25 161	1.22 356	0.25 153	1.22 355	0.25 154	1.22 341	0.26 143	1.21 359	0.25 158	1.22 337	0.25 143
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
S-Stereo	2.51 378	26.86 415	1.23 346	1.22 323	1.22 369	1.24 356	1.25 361	1.22 344	1.24 366	1.21 350	1.24 363	1.19 309	1.27 356	1.19 308	1.24 361	1.19 294	1.20 299	1.25 361	1.19 310	1.24 338	1.23 361

CroCo-Stereo Lap2	0.77 236	1.29 273	0.29 151	1.27 326	0.29 176	1.27 357	0.26 155	1.26 347	0.26 164	1.26 352	0.26 166	1.27 357	0.26 162	1.26 356	0.27 160	1.27 343	0.27 148	1.27 362	0.27 170	1.27 339	0.27 154

test_xeample3	1.10 286	1.81 293	0.61 235	0.84 233	0.49 251	0.77 269	0.66 264	0.92 273	1.40 375	0.68 258	0.46 237	0.78 270	0.54 251	1.72 363	1.48 372	1.34 347	1.52 361	1.35 364	1.67 379	1.33 340	1.55 375

MaskLacGwcNet_RVC	1.35 340	1.35 277	1.35 352	1.35 330	1.35 371	1.35 359	1.35 365	1.36 352	1.35 371	1.36 355	1.35 367	1.36 359	1.36 361	1.36 358	1.35 366	1.35 348	1.35 353	1.35 364	1.35 363	1.35 341	1.35 368

PS-NSSS	1.38 343	1.39 279	1.34 350	1.34 329	1.35 371	1.38 361	1.37 371	1.35 351	1.38 374	1.34 353	1.34 366	1.39 361	1.38 363	1.70 362	1.40 369	1.36 350	1.36 354	1.36 366	1.37 366	1.37 342	1.36 369

CC-Net-ROB	1.36 341	1.33 276	1.33 349	1.36 331	1.38 374	1.36 360	1.33 363	1.37 353	1.34 369	1.35 354	1.36 368	1.38 360	1.34 360	1.38 359	1.38 368	1.35 348	1.38 356	1.33 363	1.35 363	1.43 343	1.34 367

11t	1.27 339	2.70 325	1.34 350	1.32 328	0.89 296	1.30 358	1.34 364	1.64 357	0.57 257	1.45 357	0.72 285	1.05 296	1.29 358	1.07 298	1.29 364	1.49 352	1.02 279	0.97 295	1.15 306	1.48 344	1.31 365

IGEVStereo-DCA	1.77 352	4.21 357	1.84 373	2.49 363	2.11 390	2.54 382	1.36 366	1.65 358	1.17 315	2.75 383	1.90 385	2.54 382	1.15 299	0.94 285	1.11 303	1.50 353	1.32 347	0.96 293	1.46 373	1.49 345	0.88 285

rrr	1.77 352	4.21 357	1.84 373	2.49 363	2.11 390	2.54 382	1.36 366	1.65 358	1.17 315	2.75 383	1.90 385	2.54 382	1.15 299	0.94 285	1.11 303	1.50 353	1.32 347	0.96 293	1.46 373	1.49 345	0.88 285

CFNet-ft	0.55 210	1.57 283	0.14 98	0.20 100	0.14 119	0.20 116	2.53 389	1.61 356	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	1.56 347	1.24 362

DPSMNet_ROB	1.60 347	1.59 284	1.70 368	1.59 336	1.59 379	1.61 365	1.61 376	1.60 355	1.60 378	1.62 363	1.59 377	1.60 364	1.60 368	1.60 361	1.59 374	1.59 356	1.60 363	1.59 371	1.59 376	1.59 348	1.59 376

RASNet	1.49 344	1.65 286	1.45 361	1.38 333	1.43 377	1.47 364	1.36 366	1.38 354	1.36 372	1.39 356	1.60 378	1.45 362	1.45 365	1.51 360	2.21 386	1.53 355	1.36 354	1.36 366	1.36 365	1.66 349	1.36 369

RAFT_CTSACE	1.92 356	3.71 345	1.72 370	1.88 342	1.72 383	2.04 373	1.42 374	2.18 369	1.89 389	2.02 370	1.97 387	1.95 368	2.06 376	1.93 366	1.62 375	1.76 359	1.66 367	2.02 376	1.73 385	1.73 350	1.43 374

cf-r	0.66 218	2.17 311	0.12 79	0.18 96	0.12 115	0.18 111	2.70 392	2.60 378	0.12 115	0.18 111	0.12 106	0.18 112	0.12 112	0.18 111	0.12 104	0.15 97	0.11 75	0.15 105	0.11 97	1.81 351	1.74 383

MFMNet_re	1.81 354	1.91 297	1.71 369	1.95 346	1.70 382	1.95 371	1.70 379	1.96 363	1.74 381	1.97 368	1.72 381	1.95 368	1.71 371	1.97 367	1.71 380	1.86 362	1.62 364	1.85 372	1.66 378	1.86 352	1.64 377

GANetREF_RVC	1.55 345	1.94 303	1.22 344	1.88 342	1.21 368	1.88 370	1.22 358	1.88 361	1.22 364	1.88 365	1.22 361	1.88 366	1.22 353	1.89 365	1.22 360	1.87 363	1.22 346	1.88 373	1.22 359	1.88 353	1.22 360
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 346	1.91 297	1.21 343	1.94 345	1.20 322	2.00 372	1.23 359	1.99 364	1.24 366	2.00 369	1.25 364	2.03 370	1.26 355	2.00 368	1.29 364	1.90 366	1.18 298	1.89 374	1.21 358	1.89 354	1.20 314
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 351	2.96 333	1.37 357	2.14 351	1.37 373	2.14 374	1.36 366	2.14 368	1.37 373	2.14 374	1.37 369	2.14 371	1.37 362	2.14 372	1.37 367	1.97 367	1.32 347	1.97 375	1.32 362	1.98 355	1.33 366

TRStereo	2.00 358	2.13 307	1.85 375	2.27 356	1.84 385	2.28 376	1.84 381	2.29 371	1.86 386	2.30 376	1.87 382	2.30 373	1.87 373	2.08 369	1.72 382	2.08 371	1.72 369	2.08 377	1.72 382	2.08 356	1.72 380

XX-Stereo	2.00 358	2.13 307	1.85 375	2.27 356	1.84 385	2.28 376	1.84 381	2.29 371	1.86 386	2.30 376	1.87 382	2.30 373	1.87 373	2.08 369	1.72 382	2.08 371	1.72 369	2.08 377	1.72 382	2.08 356	1.72 380

EAI-Stereo	2.00 358	2.13 307	1.85 375	2.27 356	1.84 385	2.28 376	1.84 381	2.29 371	1.86 386	2.30 376	1.87 382	2.30 373	1.87 373	2.08 369	1.72 382	2.08 371	1.72 369	2.08 377	1.72 382	2.08 356	1.72 380

GANet-RSSM	0.75 234	1.91 297	0.14 98	0.47 187	0.14 119	0.21 124	3.21 397	2.30 375	0.14 119	0.46 209	0.14 121	0.23 132	0.18 134	0.21 126	0.14 113	0.18 116	0.27 148	0.37 189	0.13 118	2.13 359	2.12 385

NCCL2	2.28 366	2.27 313	2.28 381	2.28 359	2.28 392	2.27 375	2.29 387	2.28 370	2.28 390	2.27 375	2.28 392	2.28 372	2.27 380	2.27 376	2.28 391	2.28 374	2.28 378	2.27 380	2.29 390	2.27 360	2.29 386

ccnet	0.80 242	2.28 314	0.33 168	0.50 198	0.33 201	0.50 240	0.33 185	0.50 227	0.33 191	0.49 224	0.33 192	0.49 229	1.56 367	2.38 378	0.33 185	0.41 200	0.29 162	0.42 224	1.57 375	2.28 361	0.29 170

STTStereo	3.73 393	30.40 420	2.37 385	2.39 360	2.31 394	2.35 379	2.33 388	2.29 371	2.42 391	2.32 379	2.34 393	2.33 376	2.36 381	2.30 377	2.27 390	2.35 376	2.22 377	2.31 381	2.22 387	2.29 362	2.34 390

FBW_ROB	2.12 364	2.46 317	1.77 372	2.49 363	1.79 384	2.38 380	1.83 380	2.46 376	1.78 382	2.48 380	1.97 387	2.40 380	1.78 372	2.42 379	1.83 385	2.31 375	1.85 374	2.38 382	1.82 386	2.35 363	1.84 384

UDGNet	2.23 365	5.40 371	1.72 370	2.48 362	1.69 381	2.51 381	1.69 378	2.51 377	1.72 380	2.50 381	1.69 380	2.52 381	1.69 370	2.50 380	1.68 379	2.41 378	1.70 368	2.42 383	1.69 381	2.42 364	1.64 377

GES	0.66 218	2.34 315	0.29 151	0.41 171	0.29 176	0.41 199	0.29 168	0.42 204	0.29 172	0.40 177	0.41 224	0.41 196	0.30 183	0.51 237	0.29 170	0.32 159	0.29 162	0.32 157	2.46 392	2.49 365	0.30 178

PSMNet-RSSM	0.77 236	2.76 327	0.14 98	0.20 100	0.14 119	0.20 116	2.66 390	2.79 382	0.14 119	0.21 124	0.14 121	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 366	2.31 387

GwcNet-RSSM	0.77 236	2.77 329	0.14 98	0.20 100	0.14 119	0.20 116	2.67 391	2.78 381	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.21 126	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 366	2.31 387

hitnet-ft	0.79 240	2.78 330	0.14 98	0.20 100	0.14 119	0.21 124	2.89 393	2.80 383	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.54 368	2.33 389

PDISCO_ROB	0.83 255	2.80 331	3.49 391	0.14 74	0.11 103	0.17 109	0.09 81	0.15 106	0.10 86	0.15 101	0.12 106	0.16 106	0.14 118	3.30 389	0.13 110	0.14 90	2.34 379	0.16 106	0.12 110	2.62 369	0.10 83

sCroCo_RVC	2.10 362	2.76 327	1.92 379	2.78 368	1.39 375	2.73 384	1.41 373	2.73 379	1.40 375	2.77 385	1.41 373	2.74 384	1.40 364	2.74 384	1.40 369	2.72 379	1.42 358	2.72 384	1.44 372	2.79 370	1.42 373

NLCA_NET_v2_RVC	5.04 406	50.87 428	2.78 387	2.87 369	2.71 395	2.78 386	0.47 237	2.88 384	2.86 395	1.89 366	2.67 394	2.79 386	2.79 385	2.78 385	2.83 392	2.82 381	2.82 381	2.83 386	2.77 393	2.83 371	2.76 394
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
test croco	1.88 355	3.16 336	0.64 239	3.10 370	0.65 273	3.10 388	0.64 261	3.12 386	0.65 266	3.10 387	0.65 275	3.11 387	0.65 259	3.12 386	0.65 264	3.12 383	0.65 246	3.13 387	0.65 269	3.13 372	0.65 260

Anonymous	2.11 363	2.74 326	1.41 360	2.77 367	1.40 376	2.74 385	1.46 375	2.75 380	1.50 377	2.87 386	1.39 371	2.74 384	1.46 366	2.72 383	1.41 371	2.72 379	1.41 357	2.81 385	1.41 368	3.16 373	1.39 372

MIF-Stereo	2.03 361	3.43 341	0.72 255	3.42 374	0.73 286	3.27 391	0.68 268	3.38 390	0.69 273	3.29 390	0.72 285	3.28 390	0.70 269	3.35 391	0.68 271	3.39 385	0.68 250	3.31 389	0.69 278	3.37 374	0.73 272

DPSNet	3.66 392	3.60 342	3.62 393	3.63 377	3.64 400	3.65 394	3.65 400	3.66 393	3.67 398	3.67 391	3.65 399	3.67 392	3.66 389	3.66 392	3.68 396	3.68 387	3.66 383	3.67 393	3.68 399	3.67 375	3.67 398

SA	4.33 395	7.35 376	6.85 406	5.96 390	4.09 404	3.59 393	3.15 396	3.82 394	2.64 392	3.91 392	3.85 400	3.57 391	2.72 384	3.13 387	4.03 401	7.09 408	6.86 401	3.57 391	3.12 394	3.85 376	3.51 397

ssnet_v2	0.68 223	1.96 304	1.25 348	0.29 127	0.20 143	0.30 152	0.20 130	0.29 143	0.22 142	1.50 358	0.20 142	0.31 157	0.20 141	0.27 151	0.22 142	0.24 139	1.49 360	0.26 143	0.18 139	3.90 377	0.19 126

TestStereo1	4.60 397	8.41 383	6.44 403	6.86 395	3.79 401	3.97 396	3.78 401	3.99 396	3.74 399	3.97 393	3.52 397	3.94 395	3.58 387	3.98 395	3.72 397	6.82 405	6.50 399	3.76 394	3.66 397	3.90 377	3.74 401

SA-5K	4.60 397	8.41 383	6.44 403	6.86 395	3.79 401	3.97 396	3.78 401	3.99 396	3.74 399	3.97 393	3.52 397	3.94 395	3.58 387	3.98 395	3.72 397	6.82 405	6.50 399	3.76 394	3.66 397	3.90 377	3.74 401

test_4	4.88 403	8.13 381	6.98 407	7.46 398	4.44 406	4.25 399	3.85 403	4.04 398	3.92 402	4.13 395	3.91 401	4.18 398	3.84 392	4.14 397	4.06 402	7.01 407	7.13 402	4.53 398	3.72 400	4.09 380	3.72 399

test_3	5.01 405	8.86 386	7.77 409	8.09 399	2.76 396	4.13 398	4.05 405	3.88 395	3.76 401	4.33 397	4.13 404	3.71 393	3.91 393	4.21 398	4.06 402	7.93 409	7.69 404	4.53 398	3.91 402	4.17 381	4.29 406

RAFT+CT+SA	4.28 394	7.62 379	4.91 396	5.55 387	2.28 392	3.09 387	3.64 399	4.49 400	3.07 396	4.80 400	3.35 396	4.77 403	3.70 390	4.29 399	3.05 393	5.58 397	5.98 396	3.58 392	3.78 401	4.26 382	3.72 399

test_5	4.62 400	7.55 378	6.23 401	6.32 392	3.40 398	5.29 406	3.50 398	3.53 392	4.11 404	4.28 396	4.47 407	4.26 399	4.38 398	3.68 393	3.24 394	5.89 399	5.60 393	4.84 401	3.50 395	4.33 383	3.93 404

Sa-1000	4.34 396	8.37 382	6.84 405	6.98 397	4.45 407	3.58 392	3.00 394	3.42 391	3.39 397	2.61 382	4.00 403	3.83 394	4.01 396	3.90 394	3.90 399	5.98 401	5.62 394	3.76 394	2.34 391	4.35 384	2.47 393

cross-raft	4.83 402	7.52 377	6.43 402	6.63 393	3.96 403	4.51 401	3.99 404	4.49 400	3.96 403	4.52 399	3.96 402	4.50 400	3.97 395	4.50 401	3.97 400	6.65 403	6.44 398	4.33 397	3.92 403	4.35 384	3.91 403

sAnonymous2	3.31 390	2.63 320	1.38 358	3.71 378	1.86 388	4.70 402	1.11 302	4.82 403	2.72 393	5.45 405	1.98 389	4.59 401	2.64 382	2.65 381	6.21 408	4.37 388	1.08 284	5.16 403	2.24 388	4.52 386	2.39 391

CroCo_RVC	3.31 390	2.63 320	1.38 358	3.71 378	1.86 388	4.70 402	1.11 302	4.82 403	2.72 393	5.45 405	1.98 389	4.59 401	2.64 382	2.65 381	6.21 408	4.37 388	1.08 284	5.16 403	2.24 388	4.52 386	2.39 391

CFNet	1.37 342	5.27 370	0.19 124	5.49 386	0.19 142	0.28 148	0.19 128	0.28 140	0.19 137	0.28 144	0.19 140	0.28 149	4.35 397	0.28 153	0.19 136	0.23 134	0.17 125	0.23 134	4.21 406	4.81 388	0.17 122

raft_robust	4.71 401	7.75 380	5.40 400	6.81 394	3.31 397	4.28 400	4.20 406	4.32 399	4.37 407	4.35 398	4.35 406	4.14 397	3.75 391	4.30 400	4.20 404	6.67 404	6.37 397	3.36 390	4.24 407	4.86 389	3.25 395

Anonymous3	2.55 379	3.26 339	1.65 366	3.28 373	1.63 380	3.24 390	1.68 377	3.27 388	1.66 379	3.28 389	1.67 379	3.25 389	1.66 369	3.27 388	1.64 376	3.26 384	1.65 366	3.30 388	1.65 377	4.95 390	1.65 379

TestStereo	4.88 403	4.75 364	4.79 395	4.87 384	4.92 408	4.81 405	4.90 408	4.78 402	4.77 408	4.87 401	4.89 408	4.90 404	4.91 400	4.99 403	4.79 406	4.98 393	4.87 391	4.87 402	4.92 408	5.00 391	5.00 407

DISCO	1.11 288	0.39 122	5.28 398	0.39 150	0.20 143	0.39 183	0.27 158	0.39 171	0.22 142	0.38 168	0.20 142	0.38 176	0.20 141	6.95 411	0.22 142	0.30 156	0.21 131	0.27 147	0.21 143	5.25 392	0.21 129

StereoIM	3.19 389	6.02 373	1.12 286	5.61 388	1.16 318	5.43 407	1.02 299	5.15 405	0.70 275	5.43 404	1.21 360	5.03 406	0.97 285	4.85 402	0.99 296	4.53 391	1.16 295	5.53 405	1.25 360	5.37 393	1.30 364

DispFullNet	4.61 399	4.84 365	3.12 389	5.00 385	3.57 399	4.75 404	3.03 395	7.75 412	4.17 405	4.91 402	3.09 395	6.20 409	3.95 394	6.71 408	3.51 395	5.30 396	3.67 384	5.86 409	3.63 396	5.61 394	3.46 396

StereoVision	3.15 388	5.00 368	0.89 268	4.83 383	1.00 306	3.93 395	1.27 362	6.37 406	1.34 369	5.67 407	1.26 365	5.84 408	1.27 356	5.03 404	1.24 361	5.10 395	1.09 286	4.61 400	0.57 259	5.62 395	1.12 305

SGM-Forest	5.21 407	5.92 372	4.08 394	6.18 391	4.16 405	6.31 409	4.34 407	6.50 407	4.33 406	6.14 409	4.21 405	6.61 412	4.55 399	6.67 407	4.48 405	5.94 400	3.94 386	5.85 408	4.03 405	5.79 396	4.17 405
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 380	3.31 340	0.66 245	3.18 371	0.66 278	3.18 389	0.66 264	3.21 387	0.67 269	3.19 388	0.66 277	3.19 388	0.66 261	3.31 390	0.68 271	5.09 394	1.79 372	8.23 412	1.67 379	6.18 397	1.38 371

RAFT	6.73 409	9.36 389	7.40 408	8.51 401	6.55 411	6.88 410	6.60 411	6.79 408	6.60 411	6.80 410	6.72 413	5.31 407	5.50 402	6.61 406	6.61 411	8.42 410	5.89 395	5.73 406	5.45 411	6.61 398	6.24 410

gwcnet-sp	0.82 251	1.72 288	1.48 362	0.39 150	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 360	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 350	0.32 157	0.16 124	6.75 399	0.23 133

scenet	0.82 251	1.72 288	1.48 362	0.39 150	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 360	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 350	0.32 157	0.16 124	6.75 399	0.23 133

ssnet	0.82 251	1.72 288	1.48 362	0.39 150	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 360	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 350	0.32 157	0.16 124	6.75 399	0.23 133

test-1	6.46 408	9.16 388	8.03 412	8.09 399	5.62 410	6.11 408	6.35 410	6.85 409	4.94 409	6.08 408	6.29 412	4.98 405	6.43 404	6.22 405	6.36 410	6.16 402	7.47 403	5.82 407	5.44 410	7.11 402	5.68 409

test-v	7.53 411	11.89 397	7.98 410	9.36 404	7.14 412	7.06 411	7.09 412	7.37 410	6.91 412	7.29 411	5.71 410	6.45 410	6.93 405	6.73 409	7.27 412	8.93 412	7.85 405	6.98 410	6.80 412	7.56 403	7.34 412

test-2	7.53 411	11.89 397	7.98 410	9.36 404	7.14 412	7.06 411	7.09 412	7.37 410	6.91 412	7.29 411	5.71 410	6.45 410	6.93 405	6.73 409	7.27 412	8.93 412	7.85 405	6.98 410	6.80 412	7.56 403	7.34 412

CFNet_RVC	2.38 375	8.71 385	0.38 184	9.33 403	0.42 237	0.56 247	0.42 227	0.60 243	0.38 209	0.62 251	0.42 230	0.56 248	7.29 408	0.62 251	0.42 228	0.53 234	0.37 183	0.49 245	0.34 206	8.30 405	6.87 411

MSMDNet	2.65 381	10.14 395	0.33 168	9.74 406	0.32 192	0.87 277	0.33 185	2.95 385	0.68 270	0.49 224	0.34 198	0.49 229	5.70 403	0.49 232	0.33 185	0.42 213	9.57 408	0.41 215	0.31 196	8.36 406	0.65 260

SGM+DAISY	7.06 410	9.15 387	5.38 399	8.84 402	5.18 409	8.80 413	5.31 409	8.79 413	5.28 410	8.89 413	5.20 409	8.93 413	5.33 401	8.95 413	5.36 407	8.70 411	5.21 392	8.74 413	5.20 409	8.89 407	5.15 408

pcwnet_v2	2.66 382	9.89 393	0.33 168	9.89 408	0.32 192	0.50 240	0.32 178	0.49 220	0.33 191	0.49 224	0.34 198	0.49 229	8.76 410	0.48 226	0.33 185	0.41 200	9.58 409	0.40 204	0.29 183	9.01 408	0.63 258

ccs_rob	2.79 386	10.17 396	0.32 164	10.00 410	0.33 201	0.49 234	0.33 185	1.90 362	0.32 188	0.51 234	0.33 192	0.49 229	9.24 412	0.49 232	0.33 185	0.41 200	9.82 411	0.41 215	0.28 174	9.34 409	0.29 170

PCWNet_CMD	2.80 387	9.82 392	0.32 164	10.09 411	0.32 192	0.49 234	0.33 185	3.34 389	0.33 191	0.49 224	0.33 192	0.49 229	8.73 409	0.48 226	0.33 185	0.41 200	9.22 407	0.42 224	0.29 183	9.55 410	0.31 183

UCFNet_RVC	2.75 385	10.06 394	0.29 151	10.31 412	0.29 176	0.42 215	0.29 168	0.43 206	0.29 172	0.42 200	0.29 176	0.42 212	9.87 413	0.43 211	0.29 170	0.36 173	9.84 412	0.36 187	0.26 164	9.77 411	0.26 149

CFNet_pseudo	2.67 383	9.36 389	0.32 164	10.99 413	0.33 201	0.85 276	0.33 185	0.49 220	0.33 191	0.49 224	0.32 189	0.49 229	7.26 407	0.49 232	0.33 185	0.41 200	9.62 410	0.41 215	0.29 183	10.03 412	0.29 170

CFNet_ucs	2.73 384	9.64 391	0.33 168	9.92 409	0.32 192	0.49 234	0.33 185	0.49 220	0.33 191	0.49 224	0.33 192	0.49 229	8.98 411	0.48 226	0.33 185	0.41 200	9.96 413	0.40 204	0.29 183	10.12 413	0.54 244

rafts_anoy	20.00 415	20.00 400	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

raft+_RVC	20.00 415	20.00 400	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

raftrobust	20.00 415	20.00 400	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

CasAABBNet	20.00 415	20.00 400	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

RALCasStereoNet	20.00 415	20.00 400	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

RALAANet	20.00 415	20.00 400	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415	20.00 414	20.00 415

MANE	19.05 414	23.00 406	15.00 414	23.00 420	15.00 414	24.00 420	16.00 414	24.00 420	16.00 414	22.00 420	15.00 414	23.00 420	16.00 414	23.00 420	15.00 414	22.00 420	15.00 414	22.00 420	15.00 414	22.00 420	15.00 414

111	30.40 421	30.94 421	29.72 422	32.61 421	30.02 422	33.57 421	30.47 422	31.50 421	29.39 422	30.98 421	29.11 422	29.78 421	30.39 425	29.45 421	30.76 425	30.08 421	29.02 422	29.92 421	30.32 425	29.86 421	30.17 422

tt	500032.53 436	34.60 424	29.72 422	37.47 427	34.41 427	36.85 427	35.22 427	34.71 425	33.55 424	34.50 422	35.43 426	33.81 425	10000000.00 439	33.57 425	33.13 426	33.68 425	35.00 427	34.03 426	35.26 428	30.96 422	34.63 427

DCANet	500032.53 436	34.60 424	29.72 422	37.47 427	34.41 427	36.85 427	35.22 427	34.71 425	33.55 424	34.50 422	35.43 426	33.81 425	10000000.00 439	33.57 425	33.13 426	33.68 425	35.00 427	34.03 426	35.26 428	30.96 422	34.63 427

ADStereo(finetuned)	36.13 424	36.63 427	38.07 429	36.97 426	33.25 426	35.91 426	34.45 426	36.36 428	32.99 423	38.14 429	36.71 429	36.69 428	34.13 426	38.57 429	40.79 429	37.60 429	36.58 429	35.90 429	33.36 426	35.42 424	34.04 426

DCANet-4	35.22 423	34.54 423	35.08 428	33.58 425	35.47 429	34.55 422	35.53 429	36.08 427	35.85 426	35.92 427	35.77 428	35.18 427	35.48 427	35.39 427	37.15 428	34.55 427	33.92 426	35.02 428	34.90 427	35.79 425	34.74 429

WCMA_ROB	31.10 422	35.43 426	27.12 421	39.51 429	23.10 421	38.78 429	25.30 421	37.49 429	25.39 421	37.29 428	27.02 421	38.52 429	26.48 421	37.80 428	26.44 421	36.28 428	22.65 421	33.90 425	22.30 421	37.10 426	24.18 421

NOSS_ROB	102.95 426	153.00 433	121.00 433	51.00 430	44.00 430	165.00 433	127.00 432	153.00 432	119.00 429	164.00 433	125.00 432	168.00 433	120.00 430	153.00 432	117.00 432	49.00 430	44.00 430	49.00 430	44.00 430	49.00 427	44.00 430

CBMV	128.50 427	1422.70 440	53.10 431	79.50 431	51.30 431	77.30 431	49.70 430	74.00 430	48.20 428	77.20 431	48.80 431	73.90 431	48.00 429	73.80 431	48.80 431	70.40 431	45.10 431	68.90 431	46.10 431	68.20 428	45.00 431
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 425	87.70 429	41.95 430	113.75 432	65.62 432	75.05 430	55.25 431	75.64 431	45.04 427	71.61 430	41.75 430	72.81 430	44.06 428	68.38 430	44.63 430	101.89 432	59.57 432	107.10 432	61.05 432	104.38 429	59.38 432

MeshStereo	159.24 428	171.00 434	160.68 436	162.58 433	160.59 433	164.01 432	160.35 433	158.51 433	158.56 430	158.34 432	160.12 433	158.56 432	159.92 431	157.26 433	158.94 433	154.38 433	158.36 433	155.75 433	159.13 434	153.67 430	154.07 433
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
AE-Stereo	201.80 429	123.00 430	115.00 432	219.00 434	218.00 435	223.00 434	244.00 435	217.00 434	236.00 432	202.00 434	203.00 434	205.00 434	208.00 432	225.00 434	204.00 434	210.00 434	198.00 434	197.00 434	184.00 435	204.00 431	201.00 434

MGS-Stereo	239.45 430	123.00 430	135.00 434	266.00 435	286.00 436	277.00 435	305.00 436	271.00 435	242.00 433	274.00 435	279.00 436	255.00 435	270.00 434	268.00 435	297.00 436	221.00 435	247.00 436	216.00 435	123.00 433	217.00 432	217.00 436

EGLCR-Stereo	246.90 431	129.00 432	139.00 435	266.00 435	286.00 436	277.00 435	305.00 436	271.00 435	242.00 433	274.00 435	279.00 436	255.00 435	270.00 434	268.00 435	297.00 436	230.00 436	247.00 436	216.00 435	223.00 437	237.00 433	227.00 437

DLCB_ROB	284.23 432	354.61 436	207.27 437	363.24 437	206.46 434	364.72 437	210.41 434	364.72 437	210.41 431	364.81 437	208.64 435	364.81 437	208.64 433	364.72 437	210.41 435	354.70 437	205.53 435	354.70 437	205.53 436	354.70 434	205.53 435

LE_ROB	396.57 433	471.28 437	329.84 438	471.48 438	308.15 438	526.83 438	322.10 438	488.15 438	323.76 435	495.46 438	317.97 438	497.17 438	320.10 436	481.62 438	326.76 438	462.71 438	298.97 438	466.16 438	285.98 438	447.62 435	289.21 438

SGM-ForestM	596.69 434	677.77 438	444.52 439	699.85 439	517.25 439	732.94 439	488.29 439	770.79 439	460.11 436	750.81 439	487.98 439	792.79 439	499.41 437	730.90 439	475.81 439	720.03 439	491.16 439	663.96 439	418.60 439	674.76 436	436.05 439

CBMV_ROB	818.48 435	913.88 439	709.52 440	862.84 440	597.78 440	1073.99 440	700.52 440	1015.66 440	702.59 437	1115.65 440	760.02 440	1130.24 440	721.57 438	1037.41 440	692.65 440	814.05 440	564.29 440	843.28 440	595.31 440	915.51 437	602.92 440

SDNR	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441

anonymousdsp2	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441

anonymousdsp	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441

fff	1000028.16 438	29.62 417	29.72 422	32.61 421	30.02 422	35.13 423	31.83 423	32.07 422	10000000.00 438	35.27 424	29.82 423	32.45 422	30.15 422	32.35 422	30.09 422	31.04 422	29.55 423	30.64 422	30.14 422	10000000.00 438	30.77 423

csc	1000028.16 438	29.62 417	29.72 422	32.61 421	30.02 422	35.13 423	31.83 423	32.07 422	10000000.00 438	35.27 424	29.82 423	32.45 422	30.15 422	32.35 422	30.09 422	31.04 422	29.55 423	30.64 422	30.14 422	10000000.00 438	30.77 423

cscssc	1000028.16 438	29.62 417	29.72 422	32.61 421	30.02 422	35.13 423	31.83 423	32.07 422	10000000.00 438	35.27 424	29.82 423	32.45 422	30.15 422	32.35 422	30.09 422	31.04 422	29.55 423	30.64 422	30.14 422	10000000.00 438	30.77 423

test_example2	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441

DIP-Stereo	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 439	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 441	10000000.00 438	10000000.00 441
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark