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

CroCo-Stereo	0.42 10	0.33 140	0.83 121	0.59 168	0.28 42	0.26 1	0.33 37	1.22 113	0.85 63	0.43 5	0.49 8	0.65 64	0.46 39	0.40 1	0.36 17	0.19 67	0.15 115	0.16 10	0.14 25	0.20 91	0.17 25
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
CroCo-Stereo Lap2	0.46 23	0.37 210	0.87 143	0.62 196	0.79 335	0.28 2	0.35 54	0.81 7	0.73 31	0.39 4	0.54 16	0.71 83	0.54 72	0.60 16	0.48 93	0.18 41	0.18 190	0.19 51	0.16 57	0.21 126	0.21 93

StereoIM	0.38 1	0.27 38	0.72 61	0.45 9	0.35 141	0.30 3	0.31 29	0.81 7	0.54 3	0.38 2	0.38 1	0.58 48	0.49 57	0.53 5	0.39 33	0.20 101	0.16 142	0.19 51	0.15 33	0.19 63	0.15 4

AFF-stereo	0.60 93	0.28 46	0.72 61	0.48 31	0.29 54	0.34 4	0.37 67	1.22 113	1.20 195	1.21 181	1.59 287	1.10 204	0.70 135	1.01 89	0.44 66	0.14 1	0.12 5	0.19 51	0.20 133	0.18 37	0.15 4

test croco	0.49 30	0.29 66	1.23 244	0.51 61	0.40 176	0.35 5	0.37 67	1.04 49	0.62 16	0.44 6	0.76 40	0.42 5	0.41 18	1.17 123	0.46 81	0.23 175	0.15 115	0.24 173	0.19 107	0.25 203	0.18 34

DLNR_Zeroshot_test	23.23 424	48.25 441	43.77 430	177.04 441	78.39 437	0.35 5	0.21 1	23.33 424	0.82 55	0.67 47	0.86 59	0.58 48	0.30 4	1.64 192	0.48 93	10.69 427	0.13 17	0.18 36	0.14 25	76.63 440	0.23 129

MC-Stereo	0.46 23	0.24 10	0.58 19	0.63 206	0.30 66	0.38 7	0.32 33	0.98 33	0.74 38	0.66 45	0.85 58	0.56 45	0.60 104	1.07 103	0.32 3	0.17 19	0.12 5	0.17 16	0.15 33	0.16 12	0.16 15

MIF-Stereo (partial)	0.48 29	0.28 46	0.83 121	0.51 61	0.53 248	0.39 8	0.27 15	1.03 46	0.64 20	0.47 13	0.71 35	0.51 35	0.51 59	1.13 116	0.47 89	0.20 101	0.16 142	0.23 151	0.20 133	0.24 193	0.20 74

H2IRNET	0.57 64	0.28 46	0.75 81	0.49 37	0.35 141	0.40 9	0.27 15	1.03 46	1.18 190	0.62 43	1.26 181	1.07 191	0.85 180	1.02 91	0.64 166	0.20 101	0.16 142	0.23 151	0.25 239	0.22 145	0.20 74

MIF-Stereo	0.38 1	0.24 10	0.67 51	0.49 37	0.36 144	0.40 9	0.32 33	0.55 1	0.55 4	0.55 33	0.55 18	0.36 2	0.31 6	0.59 14	0.52 113	0.21 126	0.15 115	0.17 16	0.15 33	0.19 63	0.17 25

RAFT+CT+SA	0.63 107	0.30 84	0.73 71	0.69 268	0.37 149	0.40 9	0.55 202	1.93 260	1.04 132	0.72 52	1.23 173	0.62 57	0.69 133	1.69 201	0.42 59	0.19 67	0.13 17	0.22 124	0.22 191	0.21 126	0.19 55

RAFT-Stereo + iAFF	0.56 52	0.28 46	0.81 104	0.45 9	0.25 10	0.40 9	0.34 45	1.12 76	1.13 164	1.35 245	1.58 283	0.80 96	0.67 127	0.71 34	0.43 62	0.14 1	0.11 2	0.18 36	0.17 74	0.18 37	0.16 15

MoCha-V2	0.40 3	0.26 21	0.63 34	0.73 292	0.23 6	0.41 13	0.30 26	1.22 113	0.62 16	0.45 10	0.46 3	0.43 7	0.59 99	0.48 3	0.31 1	0.15 4	0.14 60	0.15 3	0.13 12	0.17 21	0.15 4

IGEV_Zeroshot_test	0.59 87	0.33 140	1.11 209	0.63 206	0.37 149	0.41 13	0.33 37	1.80 227	0.79 50	1.04 109	1.10 123	1.06 188	0.43 24	0.87 66	0.48 93	0.18 41	0.13 17	0.19 51	0.18 88	0.20 91	0.23 129

LargeStereo	0.45 14	0.24 10	0.63 34	0.58 154	0.32 100	0.42 15	0.25 4	2.16 307	0.65 23	0.38 2	0.58 20	0.46 17	0.44 29	0.56 7	0.40 48	0.20 101	0.13 17	0.16 10	0.13 12	0.17 21	0.18 34

AEACV	0.41 6	0.25 18	0.60 25	0.55 114	0.52 243	0.43 16	0.38 74	0.98 33	0.63 18	0.44 6	0.56 19	0.46 17	0.59 99	0.56 7	0.31 1	0.17 19	0.13 17	0.18 36	0.16 57	0.17 21	0.17 25

AnonymousM	0.63 107	1.14 370	0.43 6	0.46 15	0.32 100	0.43 16	0.46 144	1.27 126	0.78 44	1.00 96	0.66 24	0.68 70	0.45 32	0.61 17	0.46 81	0.21 126	0.16 142	1.84 393	0.98 390	0.15 5	0.15 4

XX-Stereo	0.97 252	0.28 46	8.28 390	0.85 336	0.70 315	0.44 18	0.22 2	1.07 54	0.69 27	0.66 45	1.56 278	1.38 269	0.38 15	1.36 140	0.38 30	0.21 126	0.14 60	0.20 74	0.19 107	0.19 63	0.16 15

Selective-IGEV	0.42 10	0.26 21	0.56 17	0.48 31	0.27 21	0.45 19	0.33 37	1.56 172	0.61 15	0.36 1	0.47 5	0.52 39	0.30 4	1.08 105	0.33 4	0.15 4	0.13 17	0.17 16	0.13 12	0.16 12	0.15 4

CREStereo++_RVC	0.49 30	0.22 3	0.46 9	0.48 31	0.38 160	0.45 19	0.25 4	0.77 5	1.30 242	0.82 67	1.23 173	0.47 23	0.37 14	0.55 6	0.44 66	0.16 8	0.11 2	0.16 10	0.80 383	0.18 37	0.12 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
TestStereo1	0.66 116	0.29 66	0.95 168	0.82 326	0.32 100	0.47 21	0.43 113	1.52 162	1.22 207	0.99 92	1.32 206	0.65 64	0.76 145	1.78 210	0.44 66	0.20 101	0.16 142	0.22 124	0.19 107	0.21 126	0.20 74

SA-5K	0.66 116	0.29 66	0.95 168	0.82 326	0.32 100	0.47 21	0.43 113	1.52 162	1.22 207	0.99 92	1.32 206	0.65 64	0.76 145	1.78 210	0.44 66	0.20 101	0.16 142	0.22 124	0.19 107	0.21 126	0.20 74

iRaft-Stereo_5w	0.89 226	0.31 109	1.04 192	0.56 126	0.47 219	0.47 21	0.68 248	1.19 103	1.08 140	0.80 61	1.35 219	1.46 281	0.90 207	5.11 342	1.16 266	0.18 41	0.15 115	0.22 124	0.19 107	0.21 126	0.24 148

GLC_STEREO	0.41 6	0.27 38	0.43 6	0.55 114	0.24 8	0.47 21	0.30 26	0.81 7	0.64 20	0.53 31	0.74 39	0.50 34	0.31 6	0.65 28	0.45 77	0.18 41	0.20 215	0.23 151	0.19 107	0.21 126	0.21 93

ASMatch	0.89 226	0.29 66	0.72 61	0.56 126	0.36 144	0.47 21	0.37 67	1.16 96	0.95 95	1.11 121	3.26 376	0.95 157	0.96 227	4.88 339	0.53 122	0.20 101	0.16 142	0.22 124	0.19 107	0.20 91	0.30 236

LoS	0.41 6	0.23 6	0.46 9	0.39 3	0.23 6	0.48 26	0.40 85	1.12 76	0.94 91	0.50 22	0.66 24	0.49 31	0.42 21	0.63 26	0.39 33	0.19 67	0.14 60	0.16 10	0.11 7	0.14 1	0.15 4

DCANet-4	0.59 87	0.28 46	1.65 293	0.44 8	0.25 10	0.48 26	0.36 61	1.15 93	1.36 265	1.13 132	1.03 101	0.56 45	0.74 139	0.77 45	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.15 5	0.24 148

fff	0.58 76	0.26 21	1.15 218	0.46 15	0.25 10	0.48 26	0.36 61	1.20 107	1.28 232	1.13 132	1.03 101	0.59 50	1.04 262	0.77 45	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.15 5	0.24 148

csc	0.58 76	0.26 21	1.15 218	0.46 15	0.25 10	0.48 26	0.36 61	1.20 107	1.28 232	1.13 132	1.03 101	0.59 50	1.04 262	0.77 45	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.15 5	0.24 148

cscssc	0.58 76	0.26 21	1.15 218	0.46 15	0.25 10	0.48 26	0.36 61	1.20 107	1.28 232	1.13 132	1.03 101	0.59 50	1.04 262	0.77 45	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.15 5	0.24 148

MGS-Stereo	0.43 13	0.28 46	0.61 29	0.46 15	0.28 42	0.49 31	0.33 37	0.60 2	0.89 68	0.47 13	1.32 206	0.51 35	0.32 9	0.66 30	0.39 33	0.20 101	0.16 142	0.18 36	0.16 57	0.18 37	0.18 34

ff7	0.45 14	0.30 84	0.64 41	0.47 26	0.33 114	0.49 31	0.42 97	0.93 23	0.59 7	0.50 22	0.53 10	0.44 9	0.48 47	1.41 149	0.36 17	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

ffff	0.45 14	0.30 84	0.64 41	0.47 26	0.33 114	0.49 31	0.42 97	0.93 23	0.59 7	0.50 22	0.53 10	0.44 9	0.48 47	1.41 149	0.36 17	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

11t	0.45 14	0.30 84	0.64 41	0.47 26	0.33 114	0.49 31	0.42 97	0.93 23	0.59 7	0.50 22	0.53 10	0.44 9	0.48 47	1.41 149	0.36 17	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

CASnet	0.42 10	0.26 21	0.52 16	0.52 73	0.21 3	0.49 31	0.35 54	0.85 17	0.85 63	0.84 71	0.69 30	0.48 27	0.31 6	0.57 11	0.34 5	0.19 67	0.12 5	0.27 240	0.22 191	0.23 164	0.15 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymousdsp	0.45 14	0.30 84	0.60 25	0.48 31	0.34 126	0.49 31	0.42 97	0.97 29	0.60 12	0.51 29	0.53 10	0.46 17	0.47 45	1.36 140	0.35 7	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

ccc-4	0.45 14	0.30 84	0.64 41	0.47 26	0.33 114	0.49 31	0.42 97	0.93 23	0.59 7	0.50 22	0.53 10	0.44 9	0.48 47	1.41 149	0.36 17	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

ADStereo(finetuned)	0.62 98	0.26 21	1.59 290	0.45 9	0.25 10	0.49 31	0.36 61	1.18 99	1.35 258	1.16 151	1.04 105	0.60 53	1.18 294	0.85 64	0.57 142	0.17 19	0.14 60	0.17 16	0.13 12	0.19 63	0.24 148

IGEV-Stereo	0.45 14	0.30 84	0.60 25	0.48 31	0.34 126	0.49 31	0.42 97	0.98 33	0.60 12	0.51 29	0.53 10	0.46 17	0.47 45	1.36 140	0.35 7	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
OMP-Stereo	0.95 247	0.35 190	0.79 98	0.92 352	0.32 100	0.49 31	0.35 54	1.22 113	1.11 154	1.58 310	1.12 133	1.44 276	0.69 133	6.92 381	0.51 107	0.20 101	0.15 115	0.24 173	0.19 107	0.21 126	0.16 15

DCANet	0.58 76	0.26 21	1.15 218	0.45 9	0.25 10	0.49 31	0.36 61	1.18 99	1.35 258	1.15 147	1.04 105	0.60 53	0.91 209	0.84 61	0.58 147	0.17 19	0.14 60	0.17 16	0.13 12	0.19 63	0.25 167

IGEVStereo-DCA	0.49 30	0.33 140	0.64 41	0.46 15	0.34 126	0.50 42	0.42 97	0.93 23	0.59 7	0.48 16	0.48 6	0.48 27	0.45 32	2.28 269	0.44 66	0.19 67	0.14 60	0.19 51	0.15 33	0.17 21	0.21 93

rrr	0.57 64	0.33 140	2.43 338	0.46 15	0.34 126	0.50 42	0.38 74	0.84 16	0.55 4	0.48 16	0.48 6	0.48 27	0.45 32	2.28 269	0.44 66	0.19 67	0.14 60	0.19 51	0.15 33	0.17 21	0.18 34

StereoVision	0.67 124	0.37 210	1.02 188	0.60 175	0.41 186	0.50 42	0.41 93	1.32 134	0.96 99	0.73 53	2.48 364	0.82 108	0.57 81	1.06 101	0.50 105	0.26 231	0.28 298	0.29 260	0.28 274	0.37 283	0.22 114

HHNet	0.64 110	0.28 46	0.69 57	0.45 9	0.46 213	0.50 42	0.57 211	1.13 80	1.03 126	1.26 205	2.21 350	0.70 77	0.59 99	1.10 111	0.51 107	0.21 126	0.13 17	0.23 151	0.19 107	0.20 91	0.31 245

raftrobust	0.55 41	0.27 38	0.63 34	0.68 258	0.69 309	0.50 42	0.34 45	1.08 59	0.97 103	1.32 229	0.88 64	0.62 57	0.80 165	0.82 55	0.44 66	0.20 101	0.16 142	0.16 10	0.14 25	0.15 5	0.18 34

EKT-Stereo	0.56 52	0.33 140	0.84 130	0.61 188	0.64 292	0.51 47	0.48 157	1.14 82	0.95 95	0.74 54	0.89 66	0.77 91	0.42 21	1.18 124	0.42 59	0.23 175	0.17 166	0.21 97	0.18 88	0.20 91	0.26 184

LoS_RVC	0.45 14	0.29 66	0.48 11	0.49 37	0.83 344	0.51 47	0.43 113	0.65 3	0.44 1	0.47 13	0.78 45	0.44 9	0.60 104	0.59 14	0.37 26	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 381

sAnonymous2	0.59 87	0.61 308	1.82 302	0.61 188	0.52 243	0.51 47	0.54 195	0.97 29	0.70 28	0.50 22	0.68 27	0.46 17	0.63 115	0.61 17	0.41 54	0.22 155	0.17 166	0.23 151	0.21 169	0.85 372	0.56 338

CroCo_RVC	0.59 87	0.61 308	1.82 302	0.61 188	0.52 243	0.51 47	0.54 195	0.97 29	0.70 28	0.50 22	0.68 27	0.46 17	0.63 115	0.61 17	0.41 54	0.22 155	0.17 166	0.23 151	0.21 169	0.85 372	0.56 338

MIM_Stereo	0.60 93	0.26 21	1.02 188	0.49 37	0.32 100	0.52 51	0.28 19	1.41 147	0.82 55	1.02 103	1.16 154	0.93 149	0.53 65	1.48 165	0.63 163	0.17 19	0.17 166	0.20 74	0.19 107	0.17 21	0.18 34

iRaftStereo_RVC	0.49 30	0.28 46	0.72 61	0.53 93	0.29 54	0.52 51	0.33 37	1.14 82	0.84 60	0.85 73	0.99 86	0.55 43	0.36 13	0.83 58	0.40 48	0.18 41	0.13 17	0.22 124	0.20 133	0.20 91	0.18 34

sCroCo_RVC	0.51 36	0.43 252	1.15 218	0.66 236	0.60 280	0.52 51	0.40 85	0.93 23	0.64 20	0.45 10	0.76 40	0.49 31	0.49 57	0.65 28	0.49 102	0.27 248	0.28 298	0.23 151	0.22 191	0.29 240	0.28 211

CREStereo	0.40 3	0.24 10	0.40 2	0.37 1	0.22 5	0.52 51	0.29 23	0.81 7	1.15 175	0.59 34	0.72 36	0.51 35	0.42 21	0.57 11	0.37 26	0.19 67	0.13 17	0.15 3	0.10 1	0.14 1	0.15 4
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
panet	0.40 3	0.23 6	0.40 2	0.37 1	0.20 2	0.53 55	0.29 23	0.81 7	1.15 175	0.59 34	0.72 36	0.53 42	0.43 24	0.56 7	0.37 26	0.18 41	0.13 17	0.15 3	0.10 1	0.14 1	0.14 3

CES	0.51 36	0.21 2	0.40 2	0.42 5	1.40 384	0.53 55	0.34 45	1.04 49	0.68 25	0.45 10	0.67 26	0.35 1	0.28 2	0.58 13	0.35 7	0.16 8	0.13 17	0.15 3	0.10 1	0.19 63	1.69 391

GMOStereo	0.55 41	0.28 46	0.72 61	0.52 73	0.30 66	0.53 55	0.43 113	1.02 40	0.98 106	1.44 277	1.14 148	0.88 131	0.57 81	0.62 21	0.39 33	0.16 8	0.14 60	0.24 173	0.22 191	0.20 91	0.18 34

error version	0.55 41	0.28 46	0.72 61	0.52 73	0.30 66	0.53 55	0.43 113	1.02 40	0.98 106	1.44 277	1.14 148	0.88 131	0.57 81	0.62 21	0.39 33	0.16 8	0.14 60	0.24 173	0.22 191	0.20 91	0.18 34

test-v	0.55 41	0.28 46	0.72 61	0.52 73	0.30 66	0.53 55	0.43 113	1.02 40	0.98 106	1.44 277	1.14 148	0.88 131	0.57 81	0.62 21	0.39 33	0.16 8	0.14 60	0.24 173	0.22 191	0.20 91	0.18 34

TRStereo	0.67 124	0.71 333	1.06 197	0.77 314	0.68 306	0.53 55	0.38 74	2.52 362	0.96 99	0.81 65	0.84 56	0.87 125	0.39 16	1.16 120	0.46 81	0.24 194	0.17 166	0.23 151	0.24 231	0.18 37	0.20 74

RAFT-345	0.86 219	0.26 21	0.73 71	0.53 93	0.28 42	0.53 55	0.41 93	0.85 17	1.31 249	1.33 234	2.32 355	0.85 123	0.53 65	5.69 355	0.48 93	0.19 67	0.14 60	0.22 124	0.17 74	0.17 21	0.17 25

test-2	0.55 41	0.28 46	0.72 61	0.52 73	0.30 66	0.53 55	0.43 113	1.02 40	0.98 106	1.44 277	1.14 148	0.88 131	0.57 81	0.62 21	0.39 33	0.16 8	0.14 60	0.24 173	0.22 191	0.20 91	0.18 34

rafts_anoy	0.55 41	0.32 123	0.66 48	0.72 285	0.61 285	0.53 55	0.40 85	1.24 119	1.06 136	0.85 73	0.83 55	0.67 68	0.53 65	0.77 45	0.55 132	0.20 101	0.15 115	0.25 210	0.26 251	0.22 145	0.21 93

raft+_RVC	0.56 52	0.29 66	0.61 29	0.65 223	0.56 264	0.53 55	0.53 186	1.40 143	1.02 123	0.78 58	1.04 105	0.70 77	0.55 74	1.00 87	0.49 102	0.18 41	0.16 142	0.19 51	0.19 107	0.18 37	0.17 25

EGLCR-Stereo	0.41 6	0.24 10	0.59 23	0.45 9	0.27 21	0.54 65	0.22 2	1.23 118	0.56 6	0.44 6	0.43 2	0.68 70	0.29 3	0.89 70	0.34 5	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.18 34

RCA-Stereo	0.52 38	0.26 21	0.66 48	0.49 37	0.33 114	0.54 65	0.44 130	1.20 107	1.41 286	0.69 48	1.06 110	0.63 61	0.79 159	0.62 21	0.35 7	0.17 19	0.12 5	0.17 16	0.14 25	0.16 12	0.16 15

raft_robust	0.71 150	0.32 123	0.75 81	0.54 104	0.28 42	0.54 65	0.35 54	1.54 168	1.24 211	1.18 164	1.07 112	0.73 84	0.53 65	3.65 316	0.40 48	0.19 67	0.16 142	0.20 74	0.22 191	0.21 126	0.19 55

DN-CSS_ROB	0.67 124	0.36 194	1.36 264	0.59 168	0.41 186	0.54 65	0.45 138	1.30 132	0.95 95	1.05 111	1.47 250	0.69 74	0.64 117	1.80 217	0.60 155	0.19 67	0.15 115	0.25 210	0.23 219	0.22 145	0.23 129

PSM-softLoss	0.80 189	0.33 140	0.89 148	0.63 206	0.32 100	0.55 69	0.40 85	1.26 122	0.78 44	1.25 195	1.07 112	0.83 116	0.51 59	5.33 347	0.61 158	0.25 214	0.15 115	0.25 210	0.22 191	0.20 91	0.26 184

KMStereo	0.80 189	0.33 140	0.89 148	0.63 206	0.32 100	0.55 69	0.40 85	1.26 122	0.78 44	1.25 195	1.07 112	0.83 116	0.51 59	5.33 347	0.61 158	0.25 214	0.15 115	0.25 210	0.22 191	0.20 91	0.26 184

test_xeample3	0.57 64	0.33 140	3.11 355	0.46 15	0.34 126	0.55 69	0.38 74	0.86 20	0.49 2	0.54 32	0.46 3	0.44 9	0.44 29	1.49 171	0.45 77	0.18 41	0.14 60	0.19 51	0.15 33	0.17 21	0.18 34

CAS	0.66 116	0.19 1	0.41 5	2.31 394	0.86 349	0.56 72	0.53 186	0.83 13	0.63 18	0.49 19	0.70 34	0.36 2	0.26 1	0.47 2	0.37 26	2.33 396	0.10 1	0.14 1	0.10 1	0.17 21	1.31 386

SA	0.69 142	0.31 109	0.97 176	0.64 217	0.30 66	0.56 72	0.38 74	1.84 236	1.35 258	0.99 92	1.37 224	0.69 74	0.94 220	1.88 229	0.43 62	0.20 101	0.16 142	0.25 210	0.23 219	0.22 145	0.19 55

knoymous	0.53 39	0.32 123	0.51 15	0.46 15	0.30 66	0.57 74	0.54 195	1.10 72	0.78 44	0.99 92	0.84 56	0.95 157	0.57 81	0.89 70	0.51 107	0.21 126	0.14 60	0.26 231	0.14 25	0.23 164	0.25 167

ProNet	0.46 23	0.30 84	0.69 57	0.46 15	0.32 100	0.57 74	0.52 180	1.15 93	0.67 24	0.44 6	0.50 9	0.44 9	0.43 24	1.31 133	0.38 30	0.16 8	0.15 115	0.19 51	0.16 57	0.18 37	0.18 34

test-3	0.56 52	0.24 10	0.82 113	0.50 50	0.29 54	0.57 74	0.34 45	1.09 66	1.03 126	1.33 234	0.69 30	0.87 125	0.45 32	1.68 197	0.39 33	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.16 15

test_1	0.56 52	0.24 10	0.82 113	0.50 50	0.29 54	0.57 74	0.34 45	1.09 66	1.03 126	1.28 215	0.69 30	0.87 125	0.45 32	1.67 195	0.39 33	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.16 15

PFNet+	0.62 98	0.31 109	0.99 180	0.57 144	0.31 80	0.57 74	0.30 26	0.99 38	1.25 218	1.33 234	1.10 123	0.79 94	0.57 81	1.35 139	0.53 122	0.26 231	0.17 166	0.28 252	0.26 251	0.21 126	0.27 200

DeepStereo_RVC	0.57 64	0.31 109	0.78 94	0.53 93	0.30 66	0.57 74	0.32 33	1.11 74	0.80 54	1.17 153	0.94 72	0.83 116	0.93 218	1.01 89	0.61 158	0.23 175	0.14 60	0.21 97	0.19 107	0.24 193	0.26 184

RAFT-IKP	0.57 64	0.33 140	0.82 113	0.52 73	0.27 21	0.57 74	0.35 54	1.14 82	0.73 31	1.13 132	0.96 75	0.83 116	0.61 114	1.26 130	0.53 122	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

TestStereo	0.65 114	0.42 248	0.83 121	0.52 73	0.27 21	0.57 74	0.44 130	1.07 54	0.92 79	0.85 73	1.01 92	0.68 70	0.56 79	3.22 307	0.47 89	0.23 175	0.15 115	0.24 173	0.18 88	0.28 230	0.18 34

XX-TBD	0.47 26	0.71 333	0.39 1	0.81 322	0.25 10	0.57 74	0.26 11	0.73 4	1.30 242	0.78 58	1.01 92	0.45 16	0.33 11	0.49 4	0.39 33	0.20 101	0.15 115	0.15 3	0.11 7	0.17 21	0.15 4

Prome-Stereo	0.76 169	0.29 66	0.57 18	0.58 154	0.33 114	0.58 83	0.94 310	0.98 33	0.92 79	1.46 285	2.45 362	0.91 142	1.38 318	1.60 188	0.44 66	0.19 67	0.13 17	0.19 51	0.18 88	0.20 91	0.87 374

MyStereo07	0.50 34	0.30 84	0.58 19	0.58 154	0.48 221	0.59 84	0.78 271	1.19 103	0.60 12	0.49 19	0.54 16	0.43 7	0.55 74	1.32 136	0.36 17	0.18 41	0.18 190	0.24 173	0.21 169	0.23 164	0.23 129

MyStereo04	0.71 150	0.30 84	1.28 253	0.58 154	0.48 221	0.59 84	0.78 271	1.74 214	1.49 313	0.94 87	0.91 68	0.74 85	0.86 188	1.59 183	0.69 181	0.18 41	0.18 190	0.24 173	0.21 169	0.23 164	0.23 129

DCRE	0.85 217	0.28 46	0.76 85	0.60 175	0.49 227	0.59 84	0.53 186	1.04 49	0.92 79	0.80 61	7.34 404	0.87 125	0.57 81	0.78 52	0.43 62	0.16 8	0.17 166	0.19 51	0.17 74	0.18 37	0.22 114

CFNet-RSSM	0.57 64	0.25 18	0.76 85	0.49 37	0.28 42	0.59 84	0.27 15	1.89 251	1.17 185	1.09 118	0.95 73	1.06 188	0.53 65	0.74 38	0.41 54	0.17 19	0.13 17	0.17 16	0.15 33	0.16 12	0.16 15

DisPM	0.68 133	0.30 84	0.85 136	0.66 236	0.35 141	0.60 88	0.44 130	1.10 72	1.10 150	1.56 306	1.10 123	0.80 96	0.58 96	2.37 277	0.46 81	0.25 214	0.14 60	0.23 151	0.21 169	0.20 91	0.26 184

test_3	0.57 64	0.24 10	0.87 143	0.55 114	0.30 66	0.60 88	0.40 85	1.07 54	1.08 140	1.20 175	0.68 27	0.92 147	0.43 24	1.68 197	0.40 48	0.16 8	0.13 17	0.22 124	0.19 107	0.21 126	0.17 25

GwcNet-ADL	0.67 124	0.33 140	0.90 153	0.58 154	0.41 186	0.60 88	0.59 222	1.55 170	1.28 232	1.11 121	1.13 143	0.90 139	0.59 99	1.11 114	0.91 228	0.28 259	0.18 190	0.18 36	0.18 88	0.25 203	0.33 259

test-1	0.56 52	0.28 46	1.13 213	0.58 154	0.34 126	0.60 88	0.38 74	1.56 172	0.98 106	0.80 61	1.02 94	0.83 116	0.52 63	0.64 27	0.46 81	0.17 19	0.16 142	0.20 74	0.17 74	0.20 91	0.26 184

IIG-Stereo	0.97 252	0.34 167	0.80 103	0.90 350	0.33 114	0.61 92	0.26 11	1.27 126	1.08 140	1.69 325	1.37 224	1.44 276	0.74 139	6.94 382	0.53 122	0.21 126	0.14 60	0.23 151	0.18 88	0.20 91	0.15 4

Pruner-Stereo	0.64 110	0.31 109	0.79 98	0.66 236	0.31 80	0.61 92	0.42 97	1.22 113	1.09 147	1.53 299	1.09 121	0.94 154	0.55 74	1.37 143	0.56 139	0.25 214	0.14 60	0.24 173	0.21 169	0.21 126	0.25 167

MyStereo06	0.67 124	0.29 66	1.06 197	0.58 154	0.48 221	0.62 94	0.72 260	2.26 326	0.89 68	1.07 116	1.12 133	1.22 228	0.56 79	0.83 58	0.47 89	0.17 19	0.17 166	0.24 173	0.21 169	0.23 164	0.23 129

MyStereo05	0.70 144	0.29 66	1.22 242	0.58 154	0.48 221	0.62 94	0.72 260	1.52 162	1.54 320	1.17 153	0.91 68	0.77 91	0.79 159	1.45 159	0.68 180	0.17 19	0.17 166	0.24 173	0.21 169	0.23 164	0.23 129

OCTAStereo	0.82 199	0.33 140	0.83 121	0.65 223	0.31 80	0.62 94	0.44 130	1.35 136	0.93 86	1.30 221	1.02 94	0.81 102	0.57 81	5.32 346	0.55 132	0.26 231	0.14 60	0.24 173	0.20 133	0.20 91	0.30 236

ROB_FTStereo_v2	0.57 64	0.33 140	0.81 104	0.52 73	0.27 21	0.62 94	0.42 97	1.14 82	0.73 31	1.13 132	0.97 82	0.82 108	0.60 104	1.15 118	0.53 122	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

ROB_FTStereo	0.56 52	0.33 140	0.82 113	0.52 73	0.27 21	0.62 94	0.25 4	1.14 82	0.74 38	1.13 132	0.96 75	0.82 108	0.60 104	1.18 124	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

HUI-Stereo	0.54 40	0.33 140	0.81 104	0.52 73	0.27 21	0.62 94	0.29 23	1.14 82	0.74 38	1.13 132	0.96 75	0.82 108	0.60 104	0.83 58	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

PFNet	0.92 241	0.28 46	1.20 238	0.68 258	0.32 100	0.62 94	0.55 202	1.27 126	1.01 120	1.47 286	1.09 121	0.97 164	0.68 130	6.58 375	0.59 153	0.21 126	0.13 17	0.24 173	0.19 107	0.20 91	0.20 74

iGMRVC	0.58 76	0.33 140	0.81 104	0.52 73	0.27 21	0.62 94	0.38 74	1.14 82	0.73 31	1.13 132	0.97 82	0.82 108	0.59 99	1.54 174	0.53 122	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

Patchmatch Stereo++	0.57 64	0.33 140	0.82 113	0.52 73	0.27 21	0.63 102	0.28 19	1.14 82	0.73 31	1.13 132	0.96 75	0.82 108	0.60 104	1.40 147	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74
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
NF-Stereo	0.82 199	0.33 140	0.83 121	0.65 223	0.31 80	0.63 102	0.43 113	1.35 136	0.93 86	1.30 221	1.02 94	0.81 102	0.57 81	5.37 351	0.55 132	0.26 231	0.14 60	0.24 173	0.20 133	0.20 91	0.30 236

NRIStereo	0.62 98	0.31 109	0.78 94	0.56 126	0.28 42	0.63 102	0.33 37	1.16 96	0.92 79	1.15 147	0.87 61	0.90 139	0.58 96	2.24 265	0.56 139	0.22 155	0.14 60	0.21 97	0.19 107	0.22 145	0.18 34

PSM-adaLoss	0.56 52	0.33 140	0.81 104	0.52 73	0.27 21	0.63 102	0.41 93	1.14 82	0.73 31	1.13 132	0.96 75	0.82 108	0.60 104	1.09 109	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

RE-Stereo	0.82 199	0.33 140	0.84 130	0.65 223	0.31 80	0.63 102	0.44 130	1.35 136	0.93 86	1.30 221	1.02 94	0.80 96	0.57 81	5.34 349	0.55 132	0.26 231	0.14 60	0.24 173	0.20 133	0.20 91	0.31 245

TVStereo	0.82 199	0.33 140	0.84 130	0.65 223	0.31 80	0.63 102	0.44 130	1.35 136	0.93 86	1.30 221	1.02 94	0.80 96	0.57 81	5.34 349	0.55 132	0.26 231	0.14 60	0.24 173	0.20 133	0.20 91	0.31 245

iRAFT	0.57 64	0.33 140	0.82 113	0.52 73	0.27 21	0.63 102	0.28 19	1.14 82	0.73 31	1.13 132	0.96 75	0.82 108	0.60 104	1.40 147	0.52 113	0.23 175	0.14 60	0.24 173	0.20 133	0.27 215	0.20 74

Gwc-CoAtRS	0.55 41	0.27 38	0.73 71	0.49 37	0.30 66	0.63 102	0.25 4	1.38 141	1.12 159	1.05 111	1.02 94	1.10 204	0.55 74	0.72 36	0.44 66	0.17 19	0.14 60	0.17 16	0.15 33	0.16 12	0.17 25

4D-IteraStereo	0.50 34	0.26 21	0.84 130	0.51 61	0.49 227	0.64 110	0.31 29	0.91 22	1.02 123	1.05 111	0.72 36	0.76 87	0.32 9	0.69 33	0.40 48	0.18 41	0.11 2	0.23 151	0.20 133	0.19 63	0.16 15

qqq	0.62 98	0.36 194	0.88 145	0.50 50	0.28 42	0.64 110	0.62 234	1.58 177	0.91 74	0.83 68	0.96 75	0.95 157	0.79 159	0.99 85	0.67 176	0.21 126	0.23 260	0.24 173	0.23 219	0.23 164	0.25 167

IRAFT_RVC	0.90 233	0.30 84	0.89 148	0.67 249	0.31 80	0.64 110	1.00 320	1.40 143	0.97 103	1.23 188	1.04 105	1.00 174	0.96 227	5.77 358	0.57 142	0.24 194	0.13 17	0.25 210	0.21 169	0.20 91	0.21 93

RALCasStereoNet	0.58 76	0.34 167	0.77 88	0.65 223	0.64 292	0.64 110	0.51 172	1.06 53	0.99 113	0.71 49	1.06 110	0.77 91	0.44 29	1.38 144	0.52 113	0.20 101	0.18 190	0.18 36	0.16 57	0.20 91	0.22 114

IPLGR	0.62 98	0.28 46	1.32 259	0.50 50	0.29 54	0.65 114	0.34 45	1.47 157	1.19 191	1.21 181	1.07 112	0.70 77	0.65 121	1.05 97	0.55 132	0.18 41	0.15 115	0.20 74	0.17 74	0.21 126	0.20 74

AAGNet	1.84 353	0.30 84	0.79 98	0.66 236	0.32 100	0.65 114	0.50 171	1.02 40	1.01 120	1.47 286	1.21 167	0.99 170	1.16 284	2.76 294	22.69 423	0.24 194	0.13 17	0.22 124	0.20 133	0.24 193	0.16 15

TransformOpticalFlow	0.97 252	0.30 84	0.96 175	0.54 104	0.31 80	0.65 114	0.54 195	1.87 244	1.19 191	1.12 129	1.44 243	1.34 262	0.98 237	6.68 378	0.44 66	0.19 67	0.12 5	0.21 97	0.19 107	0.18 37	0.23 129

FTStereo	0.92 241	0.28 46	0.61 29	0.57 144	0.34 126	0.65 114	1.80 379	1.09 66	0.84 60	1.75 329	4.13 386	1.04 184	1.62 337	1.59 183	0.48 93	0.21 126	0.17 166	0.23 151	0.22 191	0.19 63	0.58 344

TANstereo	0.45 14	0.23 6	0.50 14	0.43 6	0.21 3	0.65 114	0.26 11	0.83 13	0.88 67	0.95 89	0.99 86	0.51 35	0.45 32	0.56 7	0.36 17	0.19 67	0.24 268	0.16 10	0.13 12	0.17 21	0.27 200

Anonymous	0.56 52	0.41 246	1.05 194	0.67 249	0.73 316	0.65 114	0.68 248	1.12 76	0.79 50	0.48 16	0.60 21	0.42 5	0.60 104	0.81 53	0.55 132	0.26 231	0.24 268	0.21 97	0.21 169	0.41 301	0.30 236

CrosDoStereo	1.56 333	0.26 21	0.78 94	0.51 61	0.29 54	0.66 120	11.86 414	1.18 99	1.00 117	1.35 245	1.76 310	0.99 170	1.83 356	6.64 376	0.83 212	0.19 67	0.15 115	0.20 74	0.22 191	0.18 37	0.25 167

KYRaft	0.77 174	0.29 66	0.68 53	0.59 168	0.29 54	0.66 120	0.83 288	1.05 52	0.89 68	1.63 319	2.22 351	1.15 217	0.99 240	1.59 183	0.41 54	0.21 126	0.14 60	0.22 124	0.28 274	0.21 126	1.01 377

DeepStereo_LL	1.56 333	0.26 21	0.78 94	0.51 61	0.29 54	0.66 120	11.86 414	1.18 99	1.00 117	1.35 245	1.76 310	0.99 170	1.83 356	6.64 376	0.83 212	0.19 67	0.15 115	0.20 74	0.22 191	0.18 37	0.25 167

RAFT_R40	0.84 212	0.30 84	0.83 121	0.63 206	0.31 80	0.66 120	0.43 113	1.15 93	0.99 113	1.47 286	1.10 123	1.00 174	0.84 175	5.44 352	0.53 122	0.23 175	0.13 17	0.23 151	0.20 133	0.23 164	0.19 55

cross-raft	0.56 52	0.26 21	0.65 46	0.55 114	0.31 80	0.66 120	0.37 67	1.68 195	0.82 55	1.06 115	1.07 112	1.25 237	0.45 32	0.74 38	0.39 33	0.15 4	0.13 17	0.19 51	0.16 57	0.19 63	0.17 25

Former-RAFT_DAM_RVC	0.47 26	0.38 227	0.75 81	0.48 31	0.37 149	0.67 125	0.35 54	0.82 12	1.14 170	0.61 42	0.64 22	0.39 4	0.39 16	0.74 38	0.39 33	0.20 101	0.17 166	0.22 124	0.18 88	0.24 193	0.20 74

whm_eth	0.69 142	0.51 281	1.32 259	0.56 126	0.64 292	0.67 125	0.45 138	1.59 182	1.33 253	1.02 103	1.92 334	0.48 27	0.48 47	0.71 34	0.53 122	0.24 194	0.20 215	0.25 210	0.24 231	0.25 203	0.35 274

STrans-v2	1.06 272	0.31 109	1.02 188	0.52 73	0.33 114	0.67 125	0.78 271	2.66 372	1.26 224	1.15 147	1.46 248	1.37 268	1.40 321	6.68 378	0.46 81	0.19 67	0.13 17	0.21 97	0.18 88	0.18 37	0.21 93

RALAANet	0.62 98	0.37 210	0.97 176	0.66 236	0.50 231	0.67 125	0.31 29	1.27 126	1.09 147	1.11 121	1.17 156	0.88 131	0.46 39	1.27 132	0.45 77	0.20 101	0.15 115	0.21 97	0.18 88	0.27 215	0.19 55

MSKI-zero shot	0.56 52	0.30 84	0.61 29	0.55 114	0.28 42	0.68 129	0.28 19	1.25 121	0.68 25	0.92 83	1.33 211	0.81 102	0.33 11	1.94 233	0.36 17	0.18 41	0.13 17	0.17 16	0.13 12	0.16 12	0.19 55

LL-Strereo2	0.56 52	0.36 194	0.77 88	0.56 126	0.40 176	0.68 129	0.37 67	1.21 111	0.83 58	0.96 90	0.79 47	0.91 142	0.41 18	1.08 105	0.48 93	0.18 41	0.17 166	0.29 260	0.25 239	0.22 145	0.19 55

RAFT_CTSACE	0.66 116	0.29 66	1.14 216	0.57 144	0.51 240	0.68 129	0.44 130	0.88 21	0.98 106	1.03 107	1.83 321	1.23 232	0.67 127	1.48 165	0.38 30	0.16 8	0.16 142	0.21 97	0.20 133	0.20 91	0.17 25

MIPNet	0.60 93	0.31 109	1.07 201	0.51 61	0.34 126	0.68 129	0.40 85	1.67 194	1.14 170	1.11 121	0.93 70	0.60 53	0.78 154	0.77 45	0.58 147	0.18 41	0.14 60	0.19 51	0.16 57	0.18 37	0.21 93

GANet-ADL	0.63 107	0.38 227	0.82 113	0.67 249	0.41 186	0.68 129	0.51 172	1.64 190	1.16 181	0.98 91	1.10 123	0.90 139	0.58 96	0.81 53	0.63 163	0.27 248	0.18 190	0.18 36	0.16 57	0.23 164	0.27 200

LCNet	0.73 158	0.30 84	0.58 19	0.58 154	0.31 80	0.68 129	0.53 186	1.09 66	0.94 91	1.19 169	1.34 214	0.96 161	1.32 312	2.50 280	0.46 81	0.19 67	0.13 17	0.21 97	0.25 239	0.28 230	0.69 361

R-Stereo Train	0.60 93	0.30 84	0.72 61	0.57 144	0.37 149	0.68 129	0.52 180	1.45 152	0.78 44	1.61 315	1.50 260	0.76 87	0.53 65	0.67 31	0.51 107	0.19 67	0.16 142	0.18 36	0.15 33	0.18 37	0.19 55

RAFT-Stereo	0.60 93	0.30 84	0.72 61	0.57 144	0.37 149	0.68 129	0.52 180	1.45 152	0.78 44	1.61 315	1.50 260	0.76 87	0.53 65	0.67 31	0.51 107	0.19 67	0.16 142	0.18 36	0.15 33	0.18 37	0.19 55
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.58 76	0.29 66	0.81 104	0.62 196	0.41 186	0.69 137	0.46 144	2.49 358	1.25 218	0.49 19	0.77 43	0.69 74	0.46 39	0.61 17	0.42 59	0.17 19	0.16 142	0.21 97	0.20 133	0.19 63	0.18 34

x	0.59 87	0.34 167	0.79 98	0.51 61	0.32 100	0.69 137	0.46 144	1.64 190	0.97 103	0.86 77	0.86 59	0.83 116	0.74 139	0.75 43	0.70 184	0.21 126	0.22 238	0.22 124	0.20 133	0.21 126	0.24 148

RAFT	0.67 124	0.32 123	0.83 121	0.63 206	0.34 126	0.69 137	0.57 211	1.14 82	0.84 60	1.12 129	1.20 162	1.75 325	0.92 217	1.09 109	0.60 155	0.22 155	0.19 205	0.27 240	0.24 231	0.22 145	0.23 129

SST-Stereo	0.85 217	0.30 84	0.81 104	0.63 206	0.31 80	0.70 140	0.25 4	1.16 96	0.95 95	1.47 286	1.11 130	0.99 170	0.86 188	5.69 355	0.53 122	0.23 175	0.13 17	0.23 151	0.19 107	0.23 164	0.19 55

EAI-Stereo	0.76 169	0.31 109	0.74 76	0.55 114	0.28 42	0.70 140	1.72 372	2.57 365	0.90 73	0.75 56	3.03 373	0.57 47	0.43 24	1.10 111	0.49 102	0.19 67	0.14 60	0.17 16	0.18 88	0.17 21	0.21 93

test_4	0.55 41	0.23 6	0.67 51	0.56 126	0.32 100	0.71 142	0.39 83	0.83 13	0.72 30	0.93 86	1.87 328	0.70 77	0.41 18	1.21 127	0.39 33	0.16 8	0.13 17	0.21 97	0.23 219	0.20 91	0.18 34

GMM-Stereo	0.75 164	0.27 38	0.66 48	0.56 126	0.34 126	0.71 142	0.97 315	1.09 66	0.91 74	1.37 251	1.79 314	1.11 209	0.79 159	2.08 253	0.48 93	0.19 67	0.12 5	0.25 210	0.25 239	0.21 126	0.78 368

PMTNet	0.47 26	0.22 3	0.43 6	0.39 3	0.24 8	0.71 142	0.26 11	0.78 6	1.03 126	0.65 44	0.69 30	0.55 43	0.48 47	0.90 73	0.36 17	0.99 381	0.13 17	0.15 3	0.10 1	0.15 5	0.15 4

CFNet_pseudo	0.68 133	0.34 167	0.93 159	0.50 50	0.39 167	0.72 145	0.42 97	1.44 150	1.25 218	1.17 153	1.35 219	1.22 228	0.66 125	1.04 94	0.64 166	0.21 126	0.17 166	0.33 293	0.19 107	0.39 293	0.28 211

111	0.66 116	0.27 38	1.15 218	0.46 15	0.25 10	0.72 145	0.42 97	1.57 175	1.44 297	0.83 68	1.39 230	1.10 204	0.80 165	0.97 84	0.65 171	0.20 101	0.14 60	0.18 36	0.15 33	0.18 37	0.28 211

ccs_rob	0.68 133	0.34 167	0.93 159	0.50 50	0.39 167	0.72 145	0.42 97	1.43 149	1.25 218	1.17 153	1.34 214	1.22 228	0.66 125	1.04 94	0.64 166	0.21 126	0.17 166	0.35 307	0.20 133	0.40 297	0.29 223

LL-Strereo	1.42 320	0.44 257	2.02 317	0.62 196	1.07 368	0.73 148	0.65 242	2.02 276	1.21 201	1.60 314	1.62 289	2.02 346	2.10 369	9.67 407	1.07 258	0.22 155	0.20 215	0.27 240	0.24 231	0.23 164	0.33 259

PSMNet-RSSM	0.78 176	0.32 123	0.89 148	0.65 223	0.43 196	0.73 148	0.58 218	2.14 301	1.19 191	1.18 164	1.38 228	1.31 255	1.07 270	1.43 156	0.82 211	0.28 259	0.21 228	0.27 240	0.29 289	0.25 203	0.26 184

dd	0.62 98	0.51 281	1.17 232	0.56 126	0.33 114	0.74 150	0.46 144	1.03 46	1.40 283	0.80 61	0.87 61	0.60 53	0.57 81	1.02 91	0.86 216	0.28 259	0.18 190	0.26 231	0.19 107	0.35 274	0.27 200

ACRE	0.66 116	0.37 210	1.27 252	0.60 175	0.50 231	0.74 150	0.47 153	1.26 122	1.10 150	1.40 264	1.56 278	0.62 57	0.46 39	0.88 68	0.78 199	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 223

anonymousdsp2	0.58 76	0.29 66	0.93 159	0.51 61	0.30 66	0.75 152	0.46 144	1.95 264	0.87 66	0.81 65	0.78 45	0.76 87	0.48 47	1.10 111	0.45 77	0.19 67	0.14 60	0.18 36	0.13 12	0.20 91	0.22 114

CIPLG	0.67 124	0.37 210	1.17 232	0.60 175	0.51 240	0.75 152	0.48 157	1.26 122	1.11 154	1.43 274	1.58 283	0.64 63	0.48 47	0.94 76	0.78 199	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 223

IPLGR_C	0.67 124	0.38 227	1.20 238	0.60 175	0.50 231	0.75 152	0.48 157	1.28 130	1.13 164	1.42 270	1.57 282	0.62 57	0.48 47	0.85 64	0.80 208	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 223

HCRNet	0.72 155	0.40 237	0.86 141	0.61 188	0.57 268	0.75 152	0.35 54	1.39 142	1.21 201	1.11 121	0.99 86	1.01 178	0.76 145	2.18 261	0.73 188	0.28 259	0.19 205	0.28 252	0.23 219	0.25 203	0.26 184

AANet_RVC	1.22 299	0.60 303	1.94 310	0.69 268	0.46 213	0.75 152	0.69 252	1.51 160	1.57 326	1.36 250	1.90 331	1.51 290	0.87 194	7.23 385	1.89 337	0.26 231	0.19 205	0.19 51	0.16 57	0.23 164	0.37 280

DualNet	1.46 324	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	1.08 59	2.62 376	1.19 169	1.49 253	1.07 191	0.85 180	1.57 177	13.82 407	0.21 126	0.13 17	0.31 273	0.28 274	0.20 91	0.23 129

ffm	0.79 184	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	1.08 59	2.62 376	1.19 169	1.49 253	1.07 191	0.85 180	1.57 177	0.35 7	0.21 126	0.13 17	0.31 273	0.28 274	0.20 91	0.23 129

ff1	1.88 354	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	1.08 59	2.62 376	1.19 169	1.49 253	1.07 191	0.85 180	9.88 411	13.82 407	0.21 126	0.13 17	0.31 273	0.28 274	0.20 91	0.23 129

mmx	1.89 357	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	2.32 334	1.41 286	1.19 169	1.49 253	1.07 191	0.85 180	9.88 411	13.82 407	0.25 214	0.21 228	0.31 273	0.28 274	0.32 263	0.29 223

xxx	1.89 357	0.36 194	1.51 277	0.56 126	0.40 176	0.76 157	0.59 222	2.32 334	1.41 286	1.19 169	1.49 253	1.07 191	0.85 180	9.88 411	13.82 407	0.25 214	0.21 228	0.31 273	0.28 274	0.32 263	0.29 223

CFNet_ucs	0.73 158	0.34 167	0.94 165	0.53 93	0.44 203	0.76 157	0.46 144	1.73 213	1.34 255	1.24 192	1.54 270	1.08 202	0.64 117	1.05 97	0.64 166	0.26 231	0.20 215	0.37 319	0.22 191	0.42 305	0.30 236

UDGNet	0.75 164	1.23 376	0.99 180	0.82 326	0.42 193	0.76 157	0.38 74	0.98 33	1.37 270	0.83 68	0.88 64	0.70 77	0.60 104	1.25 129	0.57 142	0.57 365	0.19 205	1.03 385	0.26 251	0.79 371	0.35 274

PSM-AAD	0.80 189	0.29 66	0.58 19	0.58 154	0.29 54	0.76 157	1.19 341	1.08 59	0.94 91	1.65 321	1.58 283	0.81 102	2.12 372	1.67 195	0.44 66	0.19 67	0.14 60	0.38 323	0.32 309	0.22 145	0.68 359

GrayStereo	0.83 208	0.28 46	0.62 33	0.66 236	0.37 149	0.76 157	1.79 376	1.19 103	0.91 74	1.98 351	1.89 329	1.07 191	1.76 352	1.43 156	0.50 105	0.20 101	0.15 115	0.19 51	0.21 169	0.18 37	0.41 296

CRE-IMP	0.57 64	0.32 123	0.82 113	0.54 104	0.29 54	0.77 166	0.25 4	1.19 103	0.79 50	1.09 118	0.95 73	0.81 102	0.57 81	1.11 114	0.57 142	0.22 155	0.14 60	0.23 151	0.19 107	0.28 230	0.24 148

Sa-1000	0.76 169	0.30 84	0.92 158	0.62 196	0.31 80	0.78 167	0.37 67	2.00 274	1.38 272	1.30 221	2.04 341	0.86 124	0.74 139	1.87 223	0.40 48	0.19 67	0.14 60	0.25 210	0.24 231	0.21 126	0.19 55

cf-r	0.79 184	0.32 123	1.06 197	0.57 144	0.64 292	0.78 167	0.51 172	2.04 282	1.22 207	1.20 175	1.27 190	1.53 293	0.91 209	1.47 163	0.94 240	0.25 214	0.19 205	0.22 124	0.23 219	0.19 63	0.21 93

GwcNet-RSSM	0.83 208	0.34 167	1.29 256	0.65 223	0.55 259	0.78 167	0.62 234	1.89 251	1.27 228	1.18 164	1.39 230	1.56 298	0.91 209	1.60 188	1.22 274	0.26 231	0.20 215	0.23 151	0.24 231	0.21 126	0.21 93

DeepPruner_ROB	0.79 184	0.55 293	1.14 216	0.61 188	0.46 213	0.78 167	0.54 195	1.83 235	1.00 117	1.42 270	1.27 190	1.23 232	0.77 149	1.56 175	0.89 223	0.35 305	0.28 298	0.27 240	0.26 251	0.32 263	0.34 266

IPLG	0.72 155	0.29 66	1.12 212	0.53 93	0.44 203	0.79 171	0.33 37	1.35 136	1.10 150	1.32 229	1.11 130	0.52 39	0.54 72	3.13 303	0.71 187	0.17 19	0.14 60	0.20 74	0.17 74	0.18 37	0.21 93

PCWNet_CMD	0.68 133	0.34 167	0.93 159	0.51 61	0.38 160	0.80 172	0.42 97	1.51 160	1.34 255	1.17 153	1.31 201	1.23 232	0.65 121	0.94 76	0.62 161	0.21 126	0.17 166	0.27 240	0.19 107	0.43 307	0.28 211

AACVNet	0.90 233	0.40 237	0.98 178	0.86 339	0.40 176	0.80 172	0.49 165	1.81 230	0.86 65	1.11 121	1.34 214	1.32 259	0.99 240	4.23 325	0.86 216	0.26 231	0.22 238	0.28 252	0.22 191	0.30 250	0.28 211

RAFT-RH_RVC	1.04 268	0.26 21	0.76 85	0.53 93	0.29 54	0.80 172	0.32 33	0.85 17	1.12 159	2.04 354	4.63 391	1.03 183	0.57 81	5.93 361	0.52 113	0.20 101	0.13 17	0.26 231	0.20 133	0.16 12	0.19 55

GMStereo	0.58 76	0.50 277	1.09 204	0.52 73	0.32 100	0.80 172	0.43 113	1.02 40	1.41 286	0.89 80	0.77 43	0.52 39	0.46 39	0.89 70	0.56 139	0.25 214	0.16 142	0.20 74	0.22 191	0.31 255	0.27 200
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.66 116	0.33 140	0.74 76	0.55 114	0.37 149	0.80 172	0.47 153	1.46 154	1.11 154	1.01 99	1.31 201	1.07 191	0.91 209	0.82 55	1.09 259	0.22 155	0.19 205	0.21 97	0.18 88	0.23 164	0.19 55

GANet-RSSM	0.78 176	0.31 109	0.90 153	0.67 249	0.58 270	0.80 172	0.62 234	2.04 282	1.15 175	1.11 121	1.27 190	1.26 243	1.18 294	1.68 197	0.74 190	0.26 231	0.21 228	0.22 124	0.22 191	0.23 164	0.23 129

MSMDNet	0.68 133	0.34 167	0.93 159	0.52 73	0.38 160	0.80 172	0.42 97	1.52 162	1.35 258	1.17 153	1.31 201	1.23 232	0.65 121	0.94 76	0.62 161	0.21 126	0.17 166	0.26 231	0.19 107	0.41 301	0.28 211

pcwnet_v2	0.91 238	0.39 232	2.74 347	0.64 217	0.55 259	0.81 179	0.49 165	2.19 318	1.63 332	1.44 277	1.64 294	1.09 203	0.79 159	1.31 133	0.70 184	0.32 287	0.25 281	0.29 260	0.27 265	0.37 283	0.37 280

GASNet	1.13 284	1.10 368	3.29 360	1.00 366	0.68 306	0.82 180	0.67 246	1.85 242	1.38 272	1.39 258	1.25 179	1.25 237	1.20 296	2.72 292	1.62 318	0.46 344	0.26 286	0.36 317	0.34 323	0.55 344	0.33 259

CASS	0.67 124	0.36 194	0.84 130	0.57 144	0.28 42	0.82 180	0.43 113	1.62 189	0.92 79	1.39 258	1.28 195	0.87 125	0.84 175	0.88 68	0.59 153	0.36 312	0.19 205	0.26 231	0.22 191	0.29 240	0.43 306
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
iRaft-Stereo_20w	0.71 150	0.33 140	1.25 249	0.50 50	0.36 144	0.82 180	0.31 29	3.16 385	0.89 68	1.24 192	1.14 148	0.79 94	0.65 121	1.15 118	0.43 62	0.18 41	0.13 17	0.18 36	0.17 74	0.20 91	0.23 129

DAS	0.89 226	0.37 210	1.20 238	0.66 236	0.69 309	0.82 180	0.62 234	1.79 223	1.26 224	1.93 346	1.55 273	0.96 161	1.17 287	2.72 292	0.69 181	0.22 155	0.16 142	0.25 210	0.18 88	0.29 240	0.24 148

SepStereo	0.87 222	0.37 210	1.20 238	0.66 236	0.69 309	0.82 180	0.62 234	1.79 223	1.26 224	1.93 346	1.55 273	0.96 161	1.17 287	2.34 272	0.69 181	0.22 155	0.16 142	0.25 210	0.18 88	0.29 240	0.24 148

FENet	0.62 98	0.30 84	0.68 53	0.57 144	0.33 114	0.82 180	0.40 85	1.41 147	1.12 159	1.03 107	0.87 61	0.98 165	0.84 175	1.00 87	0.70 184	0.23 175	0.16 142	0.23 151	0.20 133	0.22 145	0.24 148

SMFormer	0.79 184	0.32 123	0.95 168	0.49 37	0.27 21	0.83 186	0.43 113	2.16 307	1.45 302	1.27 210	1.50 260	0.98 165	0.96 227	1.87 223	0.99 247	0.24 194	0.22 238	0.22 124	0.21 169	0.23 164	0.27 200

tta	0.79 184	0.32 123	0.95 168	0.49 37	0.27 21	0.83 186	0.43 113	2.16 307	1.45 302	1.27 210	1.50 260	0.98 165	0.96 227	1.87 223	0.99 247	0.24 194	0.22 238	0.22 124	0.21 169	0.19 63	0.22 114

qqq1	0.76 169	0.32 123	0.95 168	0.49 37	0.27 21	0.83 186	0.43 113	2.16 307	1.45 302	1.27 210	1.50 260	0.98 165	0.96 227	1.87 223	0.48 93	0.24 194	0.22 238	0.18 36	0.15 33	0.19 63	0.22 114

fff1	0.76 169	0.32 123	0.95 168	0.49 37	0.27 21	0.83 186	0.43 113	2.16 307	1.45 302	1.27 210	1.50 260	0.98 165	0.96 227	1.87 223	0.48 93	0.24 194	0.22 238	0.18 36	0.15 33	0.19 63	0.22 114

11t1	0.57 64	0.30 84	0.84 130	0.54 104	0.30 66	0.83 186	0.41 93	1.34 135	0.79 50	0.88 79	0.82 54	0.70 77	0.70 135	0.96 83	0.67 176	0.21 126	0.21 228	0.20 74	0.16 57	0.21 126	0.26 184

dad	0.90 233	0.73 339	1.28 253	0.59 168	0.39 167	0.83 186	0.45 138	1.24 119	1.54 320	1.52 296	1.28 195	1.36 264	0.86 188	2.54 283	0.91 228	0.43 332	0.27 294	0.82 378	0.26 251	0.44 317	0.34 266

SACVNet	0.89 226	0.51 281	1.08 203	0.83 330	0.58 270	0.83 186	0.78 271	1.84 236	1.17 185	1.39 258	1.33 211	1.25 237	1.01 249	2.31 271	0.92 232	0.35 305	0.26 286	0.31 273	0.29 289	0.35 274	0.48 317

GMStereo_Zeroshot	0.70 144	0.64 317	1.11 209	0.65 223	0.38 160	0.84 193	0.37 67	1.09 66	1.16 181	1.14 145	1.07 112	1.26 243	0.55 74	1.23 128	0.65 171	0.34 297	0.17 166	0.31 273	0.18 88	0.57 347	0.23 129

DMCA-RVC	0.83 208	0.46 261	2.19 330	0.68 258	0.49 227	0.84 193	0.48 157	1.44 150	1.07 137	1.56 306	1.04 105	1.29 251	0.86 188	1.49 171	0.92 232	0.27 248	0.22 238	0.35 307	0.28 274	0.32 263	0.28 211

DMCA	0.71 150	0.36 194	1.17 232	0.53 93	0.45 206	0.84 193	0.46 144	1.52 162	1.09 147	1.20 175	1.12 133	1.21 224	0.74 139	0.87 66	1.09 259	0.25 214	0.20 215	0.27 240	0.19 107	0.24 193	0.29 223

ICVP	0.66 116	0.35 190	0.71 60	0.63 206	0.41 186	0.85 196	0.56 208	1.78 220	0.96 99	0.92 83	1.24 177	0.88 131	0.75 144	0.76 44	0.93 235	0.31 280	0.22 238	0.22 124	0.21 169	0.24 193	0.28 211
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
mmm	0.68 133	0.37 210	0.91 156	0.54 104	0.34 126	0.86 197	0.58 218	1.72 212	1.02 123	1.13 132	1.41 238	0.83 116	0.78 154	0.95 82	0.67 176	0.22 155	0.20 215	0.29 260	0.26 251	0.27 215	0.27 200

riskmin	0.62 98	0.29 66	0.73 71	0.50 50	0.34 126	0.86 197	0.44 130	1.74 214	1.07 137	0.76 57	0.76 40	1.19 221	1.01 249	0.84 61	0.60 155	0.20 101	0.16 142	0.24 173	0.16 57	0.24 193	0.29 223

CFNet-ft	0.78 176	0.36 194	0.74 76	0.67 249	0.56 264	0.86 197	0.54 195	1.46 154	1.17 185	1.01 99	1.28 195	1.68 314	1.03 256	1.57 177	0.95 242	0.27 248	0.21 228	0.33 293	0.26 251	0.31 255	0.26 184

CFNet_RVC	0.78 176	0.36 194	0.74 76	0.67 249	0.56 264	0.86 197	0.54 195	1.46 154	1.17 185	1.01 99	1.28 195	1.68 314	1.03 256	1.57 177	0.95 242	0.27 248	0.21 228	0.33 293	0.26 251	0.31 255	0.26 184

DispNO	0.98 255	0.34 167	2.02 317	0.58 154	0.55 259	0.88 201	0.49 165	1.70 207	1.24 211	1.22 186	1.26 181	1.18 219	0.88 201	5.17 343	0.88 220	0.23 175	0.18 190	0.24 173	0.22 191	0.19 63	0.22 114

STTStereo	0.82 199	0.53 287	1.53 285	0.68 258	0.56 264	0.88 201	0.56 208	1.57 175	1.14 170	1.39 258	1.10 123	1.26 243	0.84 175	1.49 171	0.90 226	0.29 271	0.28 298	0.33 293	0.40 338	0.33 268	0.37 280

test_5	0.70 144	0.32 123	0.99 180	0.69 268	0.50 231	0.89 203	0.51 172	1.88 249	1.14 170	0.78 58	1.13 143	1.04 184	0.89 204	1.59 183	0.46 81	0.19 67	0.14 60	0.23 151	0.22 191	0.22 145	0.20 74

ARAFT	0.82 199	0.40 237	1.77 298	0.53 93	0.31 80	0.89 203	0.81 283	2.32 334	1.08 140	1.66 322	1.25 179	1.04 184	0.64 117	1.91 230	0.52 113	0.20 101	0.15 115	0.28 252	0.27 265	0.17 21	0.18 34

UCFNet_RVC	0.72 155	0.37 210	0.59 23	0.66 236	0.41 186	0.89 203	0.68 248	1.78 220	1.15 175	1.01 99	1.20 162	1.22 228	0.95 225	1.07 103	0.66 175	0.28 259	0.21 228	0.34 301	0.31 304	0.33 268	0.29 223

MyStereo8	0.70 144	0.32 123	1.24 247	0.63 206	0.53 248	0.90 206	0.34 45	1.60 184	1.35 258	1.20 175	1.31 201	0.89 137	0.64 117	0.77 45	1.02 254	0.18 41	0.15 115	0.20 74	0.18 88	0.22 145	0.30 236

FADNet-RVC	0.96 251	0.72 336	2.96 351	0.64 217	0.49 227	0.90 206	0.59 222	1.85 242	1.27 228	0.92 83	0.97 82	1.36 264	0.90 207	2.36 274	1.31 284	0.30 276	0.29 306	0.32 285	0.32 309	0.42 305	0.37 280

Selective-RAFT	0.55 41	0.29 66	0.85 136	0.58 154	0.28 42	0.91 208	0.34 45	1.00 39	0.96 99	0.59 34	0.64 22	0.80 96	0.76 145	1.34 138	0.51 107	0.21 126	0.15 115	0.17 16	0.15 33	0.19 63	0.19 55

DIP-Stereo	0.64 110	0.32 123	0.91 156	0.49 37	0.36 144	0.91 208	0.33 37	2.51 361	0.77 43	1.25 195	1.00 90	0.68 70	0.51 59	0.92 75	0.65 171	0.19 67	0.15 115	0.21 97	0.17 74	0.19 63	0.22 114
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DeepPrunerF	1.68 342	0.82 347	6.82 384	0.94 360	1.20 380	0.91 208	0.97 315	2.50 359	5.19 405	1.22 186	1.30 200	1.18 219	1.29 306	4.96 341	1.75 331	0.43 332	0.35 334	0.52 355	0.48 357	0.43 307	0.42 302

TDLM	1.08 278	0.50 277	1.01 186	0.69 268	0.54 255	0.91 208	1.40 356	1.60 184	1.36 265	1.17 153	1.40 235	1.07 191	1.00 246	6.19 365	0.85 215	0.34 297	0.22 238	0.35 307	0.26 251	0.38 289	0.29 223

PS-NSSS	1.02 265	0.62 313	1.17 232	0.61 188	0.58 270	0.91 208	0.79 279	2.02 276	1.19 191	1.17 153	1.68 300	1.00 174	0.85 180	4.43 330	0.86 216	0.38 315	0.31 315	0.52 355	0.32 309	0.52 335	0.45 311

MLCV	0.77 174	0.39 232	1.31 257	0.55 114	0.25 10	0.91 208	0.39 83	1.48 159	1.28 232	1.49 293	1.54 270	1.02 180	0.68 130	2.12 257	0.93 235	0.19 67	0.13 17	0.19 51	0.14 25	0.19 63	0.22 114

iResNet_ROB	0.82 199	0.36 194	1.13 213	0.60 175	0.37 149	0.91 208	0.38 74	2.41 345	1.61 331	1.35 245	1.35 219	1.25 237	0.97 234	1.75 206	0.88 220	0.21 126	0.14 60	0.17 16	0.12 10	0.19 63	0.30 236

HH	0.68 133	0.33 140	0.83 121	0.53 93	0.34 126	0.92 215	0.45 138	1.79 223	0.74 38	0.71 49	1.13 143	1.60 302	0.83 173	1.95 236	0.39 33	0.18 41	0.14 60	0.19 51	0.17 74	0.19 63	0.19 55

HanStereo	0.68 133	0.33 140	0.83 121	0.53 93	0.34 126	0.92 215	0.45 138	1.79 223	0.74 38	0.71 49	1.13 143	1.60 302	0.83 173	1.95 236	0.39 33	0.18 41	0.14 60	0.19 51	0.17 74	0.19 63	0.19 55

ToySt	0.73 158	0.35 190	1.64 292	0.54 104	0.37 149	0.92 215	0.81 283	1.21 111	1.03 126	0.86 77	1.12 133	1.31 255	1.01 249	1.04 94	0.88 220	0.19 67	0.20 215	0.24 173	0.24 231	0.27 215	0.28 211

Anonymous3	0.64 110	0.47 266	1.31 257	0.59 168	0.50 231	0.93 218	0.69 252	1.11 74	0.83 58	0.74 54	0.89 66	0.65 64	0.68 130	1.08 105	0.54 131	0.40 324	0.31 315	0.26 231	0.26 251	0.31 255	0.30 236

CVANet_RVC	1.10 280	0.49 274	1.15 218	0.65 223	0.54 255	0.93 218	1.00 320	1.69 204	1.36 265	1.42 270	1.39 230	1.24 236	1.17 287	6.22 367	0.80 208	0.35 305	0.24 268	0.35 307	0.30 300	0.44 317	0.32 253

ttt	1.26 308	0.36 194	0.79 98	0.65 223	0.42 193	0.94 220	0.57 211	2.33 339	1.38 272	1.25 195	1.65 295	0.92 147	0.78 154	2.64 287	8.73 395	0.30 276	0.28 298	0.26 231	0.25 239	0.29 240	0.32 253

THIR-Stereo	1.02 265	0.29 66	0.73 71	0.51 61	0.29 54	0.94 220	1.31 351	1.08 59	0.98 106	1.35 245	1.91 333	1.16 218	1.54 333	6.37 373	0.79 203	0.20 101	0.14 60	0.21 97	0.22 191	0.19 63	0.25 167

GES	0.70 144	0.37 210	1.05 194	0.62 196	0.38 160	0.94 220	0.57 211	2.37 341	0.92 79	1.05 111	1.12 133	0.67 68	0.77 149	1.02 91	0.65 171	0.28 259	0.20 215	0.20 74	0.20 133	0.22 145	0.31 245

test_xeample	1.55 332	0.31 109	0.94 165	0.54 104	0.31 80	0.94 220	0.58 218	2.40 344	1.40 283	1.29 219	1.55 273	0.89 137	0.88 201	1.72 203	15.94 414	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 167

AdaStereo	0.74 161	0.48 269	0.86 141	0.75 306	0.38 160	0.94 220	0.56 208	2.05 286	1.24 211	1.15 147	1.22 169	1.07 191	0.67 127	1.05 97	0.73 188	0.33 290	0.16 142	0.32 285	0.22 191	0.29 240	0.23 129
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iResNetv2_ROB	0.88 224	0.43 252	2.62 346	0.60 175	0.38 160	0.94 220	0.67 246	1.88 249	1.38 272	1.27 210	1.45 246	1.26 243	1.05 267	1.92 231	0.64 166	0.24 194	0.15 115	0.19 51	0.14 25	0.24 193	0.21 93

RAFT-Test	0.58 76	0.27 38	0.81 104	0.50 50	0.33 114	0.95 226	0.27 15	1.40 143	0.89 68	1.00 96	1.12 133	1.39 270	0.48 47	0.74 38	0.41 54	0.17 19	0.14 60	0.17 16	0.14 25	0.16 12	0.18 34

DRaft	0.81 197	0.26 21	0.77 88	0.47 26	0.31 80	0.95 226	0.52 180	1.13 80	0.99 113	1.78 334	2.01 340	0.80 96	1.71 348	2.64 287	0.74 190	0.19 67	0.14 60	0.20 74	0.20 133	0.18 37	0.24 148

GEStereo_RVC	0.93 246	0.40 237	1.15 218	0.67 249	0.50 231	0.95 226	0.78 271	2.73 374	1.21 201	1.20 175	1.12 133	1.25 237	0.91 209	3.21 306	0.95 242	0.31 280	0.20 215	0.23 151	0.20 133	0.28 230	0.31 245

FADNet	0.98 255	0.64 317	2.57 342	0.66 236	0.55 259	0.95 226	0.57 211	1.91 255	1.38 272	0.94 87	1.02 94	1.36 264	1.00 246	2.69 290	0.97 246	0.34 297	0.34 330	0.31 273	0.34 323	0.61 356	0.42 302

NLCA_NET_v2_RVC	0.84 212	0.46 261	1.40 269	0.69 268	0.61 285	0.95 226	0.52 180	1.68 195	1.21 201	1.39 258	1.15 153	1.42 272	0.88 201	1.78 210	0.93 235	0.26 231	0.23 260	0.27 240	0.27 265	0.30 250	0.39 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Consistency-Raft	1.27 311	1.01 363	2.17 328	1.04 368	1.20 380	0.96 231	1.00 320	1.84 236	1.95 356	1.38 256	2.11 345	1.44 276	1.03 256	1.18 124	1.40 295	0.73 376	0.83 391	0.89 380	0.99 392	1.33 385	0.95 376

iResNet	0.80 189	0.45 258	1.47 273	0.72 285	0.31 80	0.96 231	0.64 240	1.80 227	1.28 232	1.31 227	1.48 252	0.94 154	0.78 154	1.77 208	0.99 247	0.19 67	0.14 60	0.18 36	0.15 33	0.22 145	0.27 200

Any-RAFT	0.55 41	0.27 38	0.49 12	0.50 50	0.27 21	0.98 233	0.25 4	1.71 209	1.08 140	0.90 81	0.99 86	1.13 213	0.46 39	0.74 38	0.35 7	0.19 67	0.13 17	0.17 16	0.13 12	0.16 12	0.19 55

hitnet-ft	0.84 212	0.38 227	0.75 81	0.59 168	0.44 203	0.99 234	0.47 153	1.61 186	1.38 272	1.21 181	1.22 169	1.82 328	0.99 240	1.87 223	1.09 259	0.33 290	0.29 306	0.34 301	0.27 265	0.36 278	0.33 259

1111x	1.96 360	0.32 123	1.54 286	0.54 104	0.30 66	1.00 235	0.69 252	2.47 354	1.33 253	1.21 181	1.44 243	1.21 224	1.11 278	8.49 398	16.14 415	0.22 155	0.23 260	0.22 124	0.23 219	0.25 203	0.26 184

s12784h	0.55 41	0.22 3	0.49 12	0.43 6	0.19 1	1.00 235	0.34 45	1.40 143	1.30 242	0.84 71	0.93 70	0.63 61	0.52 63	1.48 165	0.47 89	0.15 4	0.12 5	0.17 16	0.11 7	0.19 63	0.13 2

RASNet	1.16 288	0.34 167	1.11 209	0.73 292	0.86 349	1.00 235	0.60 230	1.56 172	1.43 295	1.07 116	1.37 224	2.08 353	1.44 326	7.00 383	1.56 312	0.20 101	0.17 166	0.17 16	0.19 107	0.19 63	0.19 55

DEmStereo	0.98 255	0.25 18	0.85 136	0.49 37	0.33 114	1.02 238	0.55 202	0.97 29	0.93 86	1.41 266	2.13 346	1.01 178	2.01 363	5.62 354	0.78 199	0.19 67	0.15 115	0.20 74	0.20 133	0.18 37	0.25 167

CFNet	0.99 258	0.40 237	1.23 244	0.65 223	0.43 196	1.03 239	0.49 165	2.01 275	1.35 258	1.02 103	1.39 230	1.10 204	0.86 188	5.47 353	0.89 223	0.24 194	0.18 190	0.28 252	0.27 265	0.27 215	0.22 114

Anonymous_2	1.37 314	0.56 296	0.94 165	0.57 144	0.62 289	1.04 240	0.65 242	1.82 233	1.01 120	1.00 96	0.79 47	1.42 272	1.27 304	1.06 101	0.83 212	0.62 368	0.67 387	1.05 386	9.88 423	1.09 382	0.55 336

ac_64	0.86 219	0.32 123	1.02 188	0.74 299	0.60 280	1.04 240	0.53 186	2.20 321	0.99 113	1.23 188	1.11 130	1.96 340	1.06 268	2.01 244	1.01 252	0.30 276	0.22 238	0.24 173	0.23 219	0.22 145	0.22 114

BEATNet_4x	0.82 199	0.54 290	2.02 317	0.56 126	0.28 42	1.04 240	0.55 202	2.14 301	1.13 164	1.24 192	1.26 181	1.00 174	0.94 220	1.13 116	1.23 277	0.21 126	0.14 60	0.24 173	0.20 133	0.37 283	0.23 129

222	1.67 340	0.31 109	0.93 159	0.59 168	0.31 80	1.05 243	0.43 113	2.39 342	1.47 308	1.37 251	1.55 273	0.94 154	0.94 220	1.98 239	17.76 417	0.24 194	0.22 238	0.21 97	0.20 133	0.22 145	0.26 184

psm_up	0.83 208	0.37 210	0.88 145	0.68 258	0.59 276	1.05 243	0.92 305	1.68 195	1.17 185	1.41 266	1.22 169	1.30 253	1.31 310	1.39 146	0.89 223	0.27 248	0.30 310	0.31 273	0.27 265	0.28 230	0.28 211

HITNet	0.71 150	0.42 248	1.07 201	0.52 73	0.25 10	1.05 243	0.48 157	2.12 296	1.08 140	1.21 181	1.23 173	0.91 142	0.84 175	0.90 73	0.91 228	0.17 19	0.12 5	0.21 97	0.17 74	0.29 240	0.18 34
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
EDNetEfficient	2.40 377	1.14 370	8.59 393	0.77 314	0.73 316	1.06 246	1.53 362	1.54 168	4.06 398	4.87 405	2.81 368	2.23 354	3.53 395	3.04 301	9.65 400	0.27 248	0.24 268	0.27 240	0.31 304	0.70 365	0.67 356

Anonymous Stereo	1.42 320	0.90 352	3.93 368	0.81 322	0.83 344	1.06 246	1.90 382	1.81 230	1.52 316	1.75 329	1.44 243	1.28 249	0.87 194	5.94 362	1.94 339	0.38 315	0.39 350	0.38 323	0.41 342	0.45 319	0.50 321

FADNet-RVC-Resample	0.91 238	0.51 281	2.92 350	0.64 217	0.46 213	1.07 248	0.60 230	1.76 217	1.24 211	1.10 120	0.98 85	1.06 188	0.98 237	2.17 260	0.95 242	0.24 194	0.22 238	0.30 269	0.32 309	0.36 278	0.40 293

anonymity	1.14 285	0.98 361	1.24 247	1.09 371	1.13 372	1.08 249	0.90 301	2.02 276	1.23 210	1.32 229	1.27 190	1.27 248	1.09 273	1.16 120	1.03 255	1.02 382	1.01 405	0.97 382	0.97 389	0.98 377	1.01 377

aanetorigin	1.26 308	0.85 350	3.00 352	0.72 285	0.80 337	1.08 249	1.05 324	1.12 76	1.39 281	3.53 392	2.60 365	1.72 318	1.73 350	1.98 239	1.77 334	0.26 231	0.24 268	0.26 231	0.25 239	0.38 289	0.51 326

NOSS_ROB	1.29 312	0.49 274	0.68 53	0.60 175	0.40 176	1.09 251	0.77 268	1.94 261	1.44 297	1.04 109	1.46 248	1.10 204	0.81 169	10.57 416	0.78 199	0.46 344	0.43 359	0.48 350	0.45 351	0.45 319	0.43 306

DLCB_ROB	0.92 241	0.43 252	0.95 168	0.71 280	0.55 259	1.11 252	0.83 288	1.61 186	1.32 251	1.67 323	1.66 296	1.70 317	0.93 218	1.96 238	1.34 289	0.26 231	0.25 281	0.27 240	0.28 274	0.28 230	0.28 211

XPNet_ROB	1.02 265	0.56 296	1.33 261	0.75 306	0.58 270	1.11 252	1.13 332	1.77 218	1.29 240	1.88 341	1.43 241	1.63 307	1.13 283	2.04 247	1.69 326	0.40 324	0.31 315	0.33 293	0.29 289	0.37 283	0.37 280

ADLNet2	0.92 241	0.37 210	1.25 249	0.80 319	0.65 298	1.12 254	0.75 265	1.95 264	1.42 294	1.26 205	1.67 298	1.68 314	1.04 262	1.80 217	1.23 277	0.25 214	0.22 238	0.21 97	0.22 191	0.27 215	0.31 245

CoDeX	0.78 176	0.31 109	1.04 192	0.56 126	0.37 149	1.13 255	0.60 230	2.77 376	1.29 240	1.17 153	1.26 181	0.91 142	0.87 194	1.42 154	0.74 190	0.21 126	0.16 142	0.21 97	0.18 88	0.21 126	0.21 93

PSMNet-ADL	0.75 164	0.36 194	0.69 57	0.71 280	0.47 219	1.13 255	0.46 144	1.47 157	1.07 137	0.85 73	1.18 158	1.31 255	0.94 220	1.56 175	1.06 257	0.34 297	0.22 238	0.22 124	0.23 219	0.27 215	0.36 277

FAT-Stereo	1.10 280	0.43 252	1.46 272	0.74 299	0.60 280	1.13 255	0.92 305	2.06 287	1.71 338	1.75 329	2.00 339	2.02 346	1.47 329	2.02 246	1.26 281	0.44 340	0.36 338	0.34 301	0.29 289	0.36 278	0.57 341

tt1	0.65 114	0.34 167	0.65 46	0.60 175	0.27 21	1.14 258	0.48 157	1.08 59	2.62 376	0.59 34	0.79 47	0.49 31	0.80 165	1.57 177	0.35 7	0.21 126	0.13 17	0.25 210	0.16 57	0.20 91	0.23 129

AASNet	0.80 189	0.39 232	1.16 231	0.84 334	0.80 337	1.14 258	0.59 222	2.12 296	1.21 201	1.26 205	1.26 181	0.93 149	0.77 149	0.84 61	1.23 277	0.28 259	0.24 268	0.24 173	0.20 133	0.28 230	0.27 200

RP	1.17 290	0.54 290	1.48 274	0.93 357	1.05 367	1.14 258	0.85 295	1.99 273	1.70 336	1.72 327	2.07 343	1.91 330	1.93 361	2.00 243	1.37 293	0.55 363	0.37 342	0.48 350	0.37 333	0.46 323	0.46 316

xxxx	1.61 336	0.32 123	0.98 178	0.58 154	0.31 80	1.15 261	0.43 113	2.43 347	1.41 286	1.17 153	1.40 235	1.21 224	0.86 188	1.94 233	16.68 416	0.24 194	0.24 268	0.21 97	0.20 133	0.23 164	0.27 200

HSM-Net_RVC	0.91 238	0.31 109	0.60 25	0.54 104	0.31 80	1.15 261	0.60 230	3.76 392	1.30 242	1.57 309	1.75 309	1.67 312	1.01 249	1.61 190	0.90 226	0.23 175	0.17 166	0.19 51	0.18 88	0.20 91	0.22 114
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ETE_ROB	1.01 264	0.69 330	1.49 275	0.72 285	0.50 231	1.15 261	1.12 330	1.91 255	1.24 211	1.94 348	1.50 260	1.73 320	1.06 268	1.78 210	1.33 288	0.33 290	0.26 286	0.38 323	0.34 323	0.40 297	0.44 309

ACVNet-DCA	0.59 87	0.34 167	0.63 34	0.60 175	0.27 21	1.16 264	0.51 172	1.58 177	0.91 74	0.60 38	0.80 50	0.47 23	0.87 194	1.48 165	0.35 7	0.21 126	0.13 17	0.25 210	0.15 33	0.23 164	0.25 167

xx1	0.70 144	0.34 167	0.63 34	0.60 175	0.27 21	1.16 264	0.51 172	1.07 54	3.23 388	0.60 38	0.80 50	0.95 157	0.79 159	1.48 165	0.35 7	0.21 126	0.13 17	0.24 173	0.23 219	0.23 164	0.25 167

1test111	0.58 76	0.34 167	0.63 34	0.60 175	0.27 21	1.16 264	0.51 172	1.58 177	0.91 74	0.60 38	0.80 50	0.47 23	0.87 194	0.99 85	0.67 176	0.21 126	0.13 17	0.25 210	0.15 33	0.23 164	0.25 167

cc1	0.68 133	0.34 167	0.63 34	0.60 175	0.27 21	1.16 264	0.51 172	1.07 54	3.23 388	0.60 38	0.80 50	0.47 23	0.87 194	1.48 165	0.35 7	0.21 126	0.13 17	0.25 210	0.15 33	0.19 63	0.23 129

psmorigin	1.69 344	0.74 341	13.13 405	0.70 277	0.60 280	1.16 264	0.79 279	1.69 204	1.25 218	2.07 356	1.77 312	2.23 354	1.51 332	2.14 258	1.45 300	0.39 322	0.41 353	0.34 301	0.33 318	0.45 319	0.63 353

HGLStereo	0.89 226	0.42 248	1.15 218	0.82 326	1.03 366	1.16 264	0.57 211	1.68 195	1.28 232	1.26 205	1.62 289	1.13 213	1.31 310	1.85 219	1.11 263	0.25 214	0.24 268	0.24 173	0.22 191	0.24 193	0.29 223

PWC_ROB	1.39 316	0.93 358	4.07 370	0.77 314	0.83 344	1.16 264	0.53 186	1.87 244	2.01 359	2.36 364	3.06 374	1.65 309	1.60 336	2.65 289	2.29 350	0.34 297	0.23 260	0.36 317	0.25 239	0.39 293	0.49 318

FADNet_RVC	0.88 224	0.56 296	2.15 327	0.57 144	0.43 196	1.17 271	0.46 144	1.68 195	1.12 159	0.91 82	1.24 177	0.91 142	0.94 220	2.22 263	1.20 269	0.28 259	0.22 238	0.32 285	0.28 274	0.46 323	0.42 302

PASM	1.48 327	1.08 365	3.96 369	0.93 357	0.93 356	1.17 271	1.19 341	1.77 218	1.65 333	1.90 342	1.52 268	1.75 325	1.42 323	4.54 332	1.52 310	0.64 370	0.68 389	0.69 375	0.79 382	0.70 365	0.74 364

edge stereo	1.15 287	0.54 290	1.50 276	0.73 292	0.66 301	1.18 273	0.84 290	2.13 300	1.41 286	1.73 328	1.84 322	2.53 369	1.46 327	2.46 278	1.35 291	0.43 332	0.41 353	0.54 360	0.36 329	0.43 307	0.50 321

PA-Net	1.14 285	0.63 314	2.12 325	0.67 249	0.75 323	1.19 274	0.91 303	1.91 255	1.46 307	1.18 164	1.23 173	1.33 261	1.17 287	4.31 328	1.41 296	0.29 271	0.46 366	0.33 293	0.50 361	0.33 268	0.57 341
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RAFT + AFF	1.07 276	0.47 266	1.36 264	0.68 258	0.50 231	1.20 275	1.22 344	2.58 366	1.26 224	1.33 234	1.56 278	1.19 221	1.49 331	3.89 323	1.01 252	0.22 155	0.26 286	0.30 269	0.27 265	0.29 240	0.32 253

NVstereo2D	0.99 258	0.45 258	2.21 331	0.79 318	0.75 323	1.20 275	0.86 296	1.98 269	1.41 286	1.02 103	1.18 158	1.31 255	0.97 234	2.25 266	0.93 235	0.45 343	0.22 238	0.39 327	0.25 239	0.59 350	0.68 359

S-Stereo	1.17 290	0.48 269	2.25 334	0.83 330	0.81 341	1.22 277	1.17 339	2.12 296	2.08 362	1.47 286	2.13 346	1.55 296	1.16 284	2.09 254	1.46 302	0.42 331	0.40 352	0.35 307	0.32 309	0.45 319	0.73 363

HSM	1.22 299	0.34 167	0.81 104	0.61 188	0.39 167	1.22 277	0.63 239	2.45 349	1.25 218	1.32 229	1.26 181	1.91 330	1.08 271	9.21 403	0.75 193	0.23 175	0.17 166	0.20 74	0.16 57	0.22 145	0.24 148

acv_ft	0.78 176	0.33 140	1.10 207	0.73 292	0.86 349	1.23 279	0.57 211	1.65 193	1.11 154	1.31 227	1.31 201	1.07 191	0.91 209	0.82 55	1.35 291	0.22 155	0.19 205	0.21 97	0.18 88	0.22 145	0.19 55

ADLNet	0.89 226	0.39 232	1.09 204	0.88 342	0.73 316	1.24 280	0.75 265	2.02 276	1.41 286	1.58 310	1.37 224	1.26 243	1.00 246	1.31 133	1.18 267	0.28 259	0.21 228	0.26 231	0.26 251	0.29 240	0.36 277

BSDual-CNN	0.75 164	0.34 167	0.77 88	0.55 114	0.45 206	1.25 281	0.66 244	2.65 369	1.04 132	1.25 195	1.12 133	1.11 209	0.77 149	0.94 76	0.76 196	0.25 214	0.18 190	0.25 210	0.22 191	0.23 164	0.24 148

hknet	0.82 199	0.34 167	1.15 218	0.55 114	0.39 167	1.25 281	0.66 244	2.65 369	1.10 150	1.25 195	1.12 133	1.58 301	0.85 180	1.41 149	0.79 203	0.23 175	0.18 190	0.25 210	0.22 191	0.23 164	0.24 148

UPFNet	0.84 212	0.34 167	1.09 204	0.62 196	0.74 320	1.25 281	0.78 271	1.69 204	1.20 195	1.39 258	1.13 143	1.30 253	0.87 194	1.73 204	1.22 274	0.24 194	0.26 286	0.24 173	0.23 219	0.26 213	0.20 74

PSMNet_ROB	0.95 247	0.57 301	1.45 271	0.75 306	0.64 292	1.28 284	1.12 330	1.84 236	1.15 175	1.16 151	1.29 199	1.44 276	0.89 204	1.74 205	1.70 328	0.33 290	0.25 281	0.37 319	0.39 336	0.36 278	0.32 253

ssnet_v2	0.92 241	0.39 232	1.22 242	0.66 236	0.39 167	1.31 285	0.96 314	2.32 334	1.45 302	1.48 291	1.17 156	1.53 293	0.91 209	1.16 120	1.71 330	0.31 280	0.27 294	0.30 269	0.29 289	0.28 230	0.29 223

IER	0.74 161	0.33 140	1.25 249	0.50 50	0.53 248	1.32 286	0.55 202	1.31 133	1.08 140	1.30 221	1.34 214	1.11 209	1.10 276	1.05 97	0.81 210	0.20 101	0.17 166	0.21 97	0.21 169	0.20 91	0.21 93

LMCR-Stereo	0.87 222	0.50 277	0.99 180	0.80 319	0.43 196	1.32 286	0.55 202	2.79 379	1.03 126	1.55 305	1.49 253	0.74 85	1.01 249	1.76 207	0.99 247	0.30 276	0.17 166	0.22 124	0.18 88	0.31 255	0.22 114

NCC-stereo	1.20 296	0.60 303	1.84 304	0.88 342	0.95 360	1.32 286	0.94 310	2.14 301	1.36 265	1.43 274	1.79 314	1.93 334	2.13 373	2.54 283	1.41 296	0.49 352	0.38 345	0.45 343	0.59 373	0.43 307	0.45 311

Abc-Net	1.20 296	0.60 303	1.84 304	0.88 342	0.95 360	1.32 286	0.94 310	2.14 301	1.36 265	1.43 274	1.79 314	1.93 334	2.13 373	2.54 283	1.41 296	0.49 352	0.38 345	0.45 343	0.59 373	0.43 307	0.45 311
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
StereoDRNet-Refined	0.84 212	0.43 252	1.01 186	0.66 236	0.43 196	1.32 286	0.49 165	1.64 190	1.24 211	1.53 299	1.45 246	1.49 286	0.97 234	1.32 136	1.31 284	0.21 126	0.17 166	0.27 240	0.25 239	0.25 203	0.34 266
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NCCL2	1.06 272	0.64 317	1.35 262	0.78 317	0.58 270	1.32 286	1.69 368	1.89 251	1.38 272	1.52 296	1.20 162	1.91 330	1.17 287	1.79 215	1.50 306	0.35 305	0.31 315	0.45 343	0.44 348	0.41 301	0.45 311

UDG	1.47 325	2.69 411	1.13 213	1.45 386	1.65 390	1.34 292	0.79 279	1.75 216	1.27 228	1.29 219	1.74 308	1.99 342	1.39 320	1.66 194	1.51 308	0.91 379	0.55 379	2.30 396	0.76 380	1.99 388	1.20 385

Wz-Net-SNSev	1.68 342	1.45 383	8.71 394	0.71 280	0.67 305	1.35 293	1.51 359	2.15 305	1.47 308	1.51 294	1.68 300	2.27 357	1.38 318	4.23 325	2.36 352	0.32 287	0.29 306	0.31 273	0.33 318	0.43 307	0.39 289

SFCPSM	0.74 161	0.30 84	1.06 197	0.52 73	0.39 167	1.36 294	0.64 240	2.42 346	1.11 154	1.18 164	1.21 167	0.81 102	0.78 154	1.08 105	0.57 142	0.22 155	0.17 166	0.22 124	0.24 231	0.23 164	0.21 93

gwcnet-sp	0.80 189	0.37 210	1.94 310	0.62 196	0.45 206	1.38 295	0.53 186	1.68 195	1.20 195	1.37 251	1.08 118	0.93 149	0.82 170	1.45 159	0.79 203	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 167

scenet	0.80 189	0.37 210	1.94 310	0.62 196	0.45 206	1.38 295	0.53 186	1.68 195	1.20 195	1.37 251	1.08 118	0.93 149	0.82 170	1.45 159	0.79 203	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 167

ssnet	0.80 189	0.37 210	1.94 310	0.62 196	0.45 206	1.38 295	0.53 186	1.68 195	1.20 195	1.37 251	1.08 118	0.93 149	0.82 170	1.45 159	0.79 203	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 167

DGSMNet	1.24 306	0.84 349	3.20 356	0.91 351	0.92 353	1.39 298	1.34 352	2.46 353	1.44 297	1.34 241	1.66 296	1.50 288	1.03 256	1.85 219	1.30 283	0.48 350	0.48 369	0.55 364	0.51 363	0.78 370	0.79 369

Syn2CoEx	1.23 303	0.80 343	3.07 354	0.83 330	0.68 306	1.39 298	0.87 298	2.23 323	1.57 326	1.28 215	1.58 283	1.42 272	1.57 335	3.79 321	1.48 305	0.36 312	0.32 325	0.34 301	0.30 300	0.30 250	0.41 296

GANet	1.41 318	0.52 285	1.18 236	0.74 299	0.48 221	1.40 300	1.69 368	1.87 244	1.28 232	1.56 306	2.39 358	1.56 298	1.25 301	9.13 401	1.20 269	0.31 280	0.32 325	0.34 301	0.29 289	0.40 297	0.33 259

CBMV_ROB	0.99 258	0.46 261	0.68 53	0.53 93	0.39 167	1.40 300	0.48 157	2.09 292	1.30 242	1.53 299	2.29 354	1.36 264	1.23 297	2.46 278	1.04 256	0.44 340	0.42 358	0.47 349	0.44 348	0.41 301	0.39 289

anonymousa	0.78 176	0.30 84	0.85 136	0.51 61	0.96 362	1.41 302	0.47 153	1.61 186	0.94 91	1.33 234	1.77 312	1.66 310	1.11 278	0.72 36	0.63 163	0.19 67	0.18 190	0.23 151	0.25 239	0.20 91	0.22 114

AF-Net	1.23 303	0.56 296	2.31 335	0.88 342	0.93 356	1.41 302	0.73 263	2.27 330	1.71 338	1.76 333	2.42 360	2.00 343	1.70 346	1.98 239	1.62 318	0.50 356	0.29 306	0.49 352	0.33 318	0.40 297	0.34 266

GANetREF_RVC	1.11 282	0.90 352	1.56 287	0.88 342	0.53 248	1.41 302	1.35 353	1.91 255	1.54 320	1.28 215	1.32 206	1.46 281	1.23 297	2.04 247	1.00 251	0.57 365	0.45 362	0.67 373	0.52 364	0.91 375	0.62 351
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
FINET	1.54 331	0.67 327	7.28 386	0.76 312	0.97 363	1.42 305	1.38 355	2.80 381	3.12 387	1.23 188	1.68 300	1.04 184	1.11 278	3.35 312	1.78 335	0.43 332	0.37 342	0.32 285	0.29 289	0.43 307	0.41 296

SQANet	1.38 315	0.95 359	1.37 267	1.89 391	1.47 388	1.44 306	0.81 283	1.89 251	1.13 164	1.34 241	1.26 181	1.28 249	1.02 254	1.64 192	0.91 228	2.55 397	0.35 334	1.47 389	0.56 369	2.48 392	1.74 392

psmg	0.75 164	0.34 167	0.77 88	0.52 73	0.45 206	1.46 307	0.73 263	2.15 305	1.04 132	1.25 195	1.33 211	1.11 209	0.77 149	0.94 76	0.76 196	0.25 214	0.20 215	0.25 210	0.26 251	0.23 164	0.24 148

Nwc_Net	1.19 294	0.53 287	2.34 336	0.92 352	0.81 341	1.49 308	0.70 258	2.28 332	1.32 251	1.41 266	2.27 352	2.03 349	1.76 352	2.05 251	1.46 302	0.43 332	0.30 310	0.43 339	0.46 353	0.39 293	0.40 293

DSFCA	0.95 247	0.38 227	1.23 244	0.55 114	0.66 301	1.50 309	0.93 308	1.58 177	1.24 211	1.59 313	1.16 154	1.48 284	0.95 225	2.96 299	1.20 269	0.31 280	0.28 298	0.25 210	0.26 251	0.29 240	0.26 184

StereoDRNet	1.05 271	0.53 287	2.21 331	0.80 319	0.93 356	1.50 309	0.90 301	2.06 287	1.44 297	1.68 324	1.20 162	1.48 284	0.99 240	1.86 222	1.60 315	0.29 271	0.24 268	0.29 260	0.28 274	0.35 274	0.33 259

DANet	1.16 288	0.64 317	1.52 282	0.88 342	0.74 320	1.52 311	0.52 180	1.68 195	1.21 201	1.81 335	1.55 273	2.02 346	1.11 278	3.30 311	2.28 348	0.34 297	0.31 315	0.40 333	0.30 300	0.46 323	0.54 331
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV	1.04 268	0.48 269	0.88 145	0.56 126	0.36 144	1.52 311	1.55 363	1.87 244	1.59 328	2.11 357	1.67 298	1.46 281	1.35 315	1.92 231	1.31 284	0.35 305	0.35 334	0.39 327	0.33 318	0.34 273	0.34 266
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RGC	1.22 299	0.82 347	1.71 295	0.95 362	0.98 365	1.53 313	0.80 282	2.18 316	1.35 258	1.69 325	1.94 335	2.03 349	1.66 343	2.36 274	1.50 306	0.46 344	0.36 338	0.59 371	0.48 357	0.49 331	0.49 318

SGM-Forest	1.29 312	0.40 237	0.74 76	0.54 104	0.37 149	1.55 314	1.26 349	1.82 233	1.39 281	2.22 360	1.81 320	1.64 308	1.02 254	7.65 390	1.20 269	0.39 322	0.37 342	0.39 327	0.34 323	0.37 283	0.34 266
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
pmcnn	2.84 387	0.46 261	5.19 379	0.68 258	0.42 193	1.55 314	1.16 338	2.32 334	1.60 330	2.72 375	7.49 405	17.96 419	1.48 330	6.04 364	6.64 388	0.18 41	0.15 115	0.15 3	0.12 10	0.20 91	0.20 74

UNet	0.86 219	0.36 194	1.52 282	0.62 196	0.74 320	1.56 316	0.49 165	1.55 170	1.12 159	1.28 215	1.10 123	1.52 292	1.10 276	1.69 201	1.14 264	0.24 194	0.18 190	0.25 210	0.21 169	0.25 203	0.25 167

NVStereoNet_ROB	2.17 370	1.18 372	3.51 363	1.14 376	1.26 383	1.57 317	1.51 359	2.19 318	2.11 364	2.04 354	4.80 392	3.17 383	2.11 371	7.97 393	2.10 342	1.12 388	0.94 401	1.10 387	1.34 399	0.95 376	1.31 386
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	1.47 325	1.20 374	2.50 340	1.46 387	1.08 369	1.58 318	1.51 359	1.96 267	1.87 351	2.31 363	2.20 349	1.51 290	1.88 359	1.57 177	1.34 289	0.94 380	0.83 391	0.84 379	0.80 383	1.00 378	1.06 380

NaN_ROB	1.23 303	0.63 314	1.76 297	0.67 249	0.50 231	1.59 319	2.00 383	1.87 244	1.52 316	2.14 359	1.26 181	1.40 271	1.09 273	4.60 334	1.75 331	0.28 259	0.34 330	0.28 252	0.29 289	0.30 250	0.37 280

DRN-Test	1.07 276	0.49 274	1.95 314	0.75 306	0.81 341	1.61 320	0.78 271	2.26 326	1.53 318	1.84 338	1.35 219	1.42 272	1.04 262	2.26 267	1.61 316	0.28 259	0.23 260	0.31 273	0.30 300	0.33 268	0.33 259

LALA_ROB	1.06 272	0.66 324	1.37 267	0.70 277	0.53 248	1.61 320	1.25 348	1.81 230	1.48 312	1.82 337	1.40 235	1.93 334	1.03 256	1.68 197	1.69 326	0.38 315	0.28 298	0.43 339	0.37 333	0.43 307	0.38 286

CSP-Net	1.00 261	0.41 246	0.99 180	0.56 126	0.43 196	1.62 322	0.76 267	2.16 307	1.16 181	1.33 234	1.22 169	1.32 259	0.89 204	4.67 336	0.93 235	0.35 305	0.24 268	0.20 74	0.20 133	0.23 164	0.30 236

HBP-ISP	1.00 261	0.60 303	0.85 136	0.64 217	0.48 221	1.63 323	0.77 268	2.24 325	1.30 242	1.33 234	1.53 269	0.87 125	0.99 240	3.26 309	0.76 196	0.46 344	0.44 360	0.54 360	0.48 357	0.48 328	0.42 302

delet	0.90 233	0.34 167	1.15 218	0.69 268	0.66 301	1.63 323	0.81 283	1.95 264	1.49 313	1.42 270	1.38 228	1.29 251	0.91 209	1.78 210	1.18 267	0.22 155	0.22 238	0.24 173	0.25 239	0.22 145	0.24 148

EDNetEfficientorigin	10.59 416	1.52 387	177.33 441	0.68 258	0.54 255	1.66 325	1.20 343	1.94 261	3.39 391	4.69 403	3.37 377	3.08 381	2.79 386	3.25 308	3.63 368	0.26 231	0.24 268	0.33 293	0.28 274	0.85 372	0.87 374

LSM	6.55 408	1.26 377	15.64 410	1.79 389	68.74 436	1.67 326	2.08 389	2.26 326	2.59 374	3.13 389	3.08 375	1.90 329	1.81 355	2.89 298	2.16 345	0.43 332	0.59 384	0.50 353	0.58 371	0.64 358	17.24 427

Wz-Net-LNSev	1.17 290	0.72 336	4.71 376	0.66 236	0.84 347	1.72 327	1.13 332	1.97 268	1.43 295	1.34 241	1.32 206	1.66 310	1.30 309	1.44 158	1.51 308	0.29 271	0.26 286	0.24 173	0.23 219	0.33 268	0.35 274

ccnet	1.19 294	0.71 333	1.36 264	0.81 322	0.75 323	1.72 327	1.13 332	1.98 269	1.31 249	1.52 296	1.84 322	1.75 325	1.36 316	2.01 244	2.04 341	0.57 365	0.54 377	0.57 368	0.56 369	0.60 353	0.60 349

PWCDC_ROB	1.39 316	0.91 356	2.10 323	1.08 370	0.92 353	1.72 327	0.58 218	2.03 280	3.30 390	1.32 229	4.87 394	1.21 224	1.71 348	1.98 239	1.75 331	0.65 371	0.26 286	0.29 260	0.25 239	0.56 345	0.41 296

CBFPSM	0.95 247	0.37 210	2.10 323	0.51 61	0.39 167	1.73 330	0.87 298	1.59 182	1.13 164	1.11 121	1.00 90	2.34 362	1.64 342	1.42 154	1.44 299	0.19 67	0.18 190	0.20 74	0.20 133	0.22 145	0.36 277

GwcNet	1.26 308	0.63 314	5.13 378	0.81 322	1.15 376	1.73 330	0.69 252	1.84 236	1.53 318	1.51 294	1.71 305	1.72 318	1.09 273	2.20 262	1.61 316	0.31 280	0.30 310	0.29 260	0.27 265	0.30 250	0.41 296

RYNet	1.24 306	0.52 285	1.57 289	0.73 292	0.97 363	1.74 332	0.95 313	2.09 292	1.54 320	1.44 277	1.18 158	1.94 338	1.29 306	4.57 333	1.93 338	0.27 248	0.23 260	0.35 307	0.27 265	0.57 347	0.59 346

CC-Net-ROB	1.53 330	1.31 381	1.68 294	0.92 352	0.80 337	1.75 333	0.99 318	2.04 282	1.27 228	1.12 129	1.62 289	1.20 223	0.98 237	7.82 391	0.92 232	1.15 390	0.41 353	2.20 394	0.46 353	1.37 386	0.56 338

CRFU-Net	0.90 233	0.42 248	1.10 207	0.69 268	0.59 276	1.76 334	0.84 290	2.33 339	0.92 79	1.45 283	1.20 162	1.62 304	1.25 301	1.38 144	0.94 240	0.28 259	0.23 260	0.22 124	0.19 107	0.24 193	0.27 200

WZ-Net	2.14 368	1.08 365	11.68 404	0.89 349	0.78 333	1.76 334	1.59 366	2.39 342	2.03 360	2.11 357	1.95 337	2.30 360	2.28 376	5.94 362	3.86 372	0.35 305	0.27 294	0.29 260	0.32 309	0.52 335	0.50 321

coex-ft	8.35 413	2.39 405	100.24 440	0.68 258	0.54 255	1.77 336	1.57 365	1.71 209	11.00 411	18.91 425	3.76 382	3.85 387	8.23 413	3.29 310	6.58 387	0.31 280	0.31 315	0.32 285	0.31 304	0.69 364	0.57 341

fast-acv-ft	1.00 261	0.48 269	1.85 306	0.61 188	0.52 243	1.77 336	0.69 252	1.52 162	1.47 308	1.34 241	1.85 325	1.73 320	1.24 300	1.62 191	1.56 312	0.27 248	0.28 298	0.28 252	0.28 274	0.28 230	0.31 245

CSAN	1.61 336	0.67 327	3.24 359	0.74 299	0.52 243	1.77 336	1.74 373	1.98 269	1.94 355	2.47 371	2.33 356	1.93 334	2.04 366	6.45 374	1.95 340	0.43 332	0.36 338	0.41 337	0.42 343	0.43 307	0.44 309

iinet-f	1.04 268	0.50 277	4.24 372	0.58 154	0.43 196	1.78 339	0.70 258	1.29 131	1.16 181	1.25 195	1.42 239	1.57 300	1.42 323	1.47 163	1.70 328	0.26 231	0.23 260	0.20 74	0.20 133	0.26 213	0.26 184

FBW_ROB	1.78 347	0.66 324	1.90 309	0.72 285	0.66 301	1.79 340	1.07 326	2.79 379	1.77 342	1.84 338	1.79 314	1.98 341	1.37 317	12.42 419	2.22 346	0.36 312	0.38 345	0.57 368	0.39 336	0.46 323	0.51 326

DDUNet	1.56 333	2.70 412	1.35 262	1.79 389	1.88 392	1.82 341	0.91 303	1.84 236	1.20 195	1.40 264	1.79 314	1.62 304	1.17 287	1.59 183	1.22 274	1.11 387	0.76 390	2.38 399	0.94 387	2.12 389	1.53 390

MMNet	0.89 226	0.35 190	1.44 270	0.64 217	0.59 276	1.83 342	0.48 157	1.70 207	1.38 272	1.45 283	1.19 161	1.25 237	1.16 284	1.77 208	1.27 282	0.20 101	0.19 205	0.23 151	0.22 191	0.25 203	0.24 148

SuperB	2.50 379	0.72 336	18.07 415	0.72 285	0.53 248	1.85 343	0.86 296	1.80 227	2.40 370	1.54 302	1.42 239	1.13 213	1.17 287	4.18 324	4.80 379	0.25 214	0.20 215	0.23 151	0.19 107	7.64 422	0.38 286

RTSC	1.43 323	0.89 351	3.62 365	0.94 360	0.64 292	1.85 343	0.69 252	2.20 321	2.04 361	2.22 360	1.70 303	1.67 312	1.27 304	2.53 282	4.48 376	0.33 290	0.25 281	0.27 240	0.29 289	0.38 289	0.40 293

SPS-STEREO	1.78 347	1.09 367	1.52 282	1.22 379	1.14 374	1.87 345	1.11 329	2.27 330	1.70 336	3.17 390	2.39 358	2.84 377	1.93 361	4.41 329	2.93 360	1.04 385	0.99 404	0.97 382	0.94 387	1.03 380	1.05 379
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
APVNet	1.11 282	0.59 302	1.95 314	0.87 340	0.77 329	1.90 346	0.82 287	2.03 280	1.15 175	1.14 145	1.43 241	1.55 296	1.12 282	3.03 300	1.62 318	0.32 287	0.34 330	0.42 338	0.36 329	0.36 278	0.41 296

ADCRef	1.50 328	0.61 308	3.83 367	0.76 312	0.77 329	1.91 347	0.77 268	2.16 307	1.34 255	1.63 319	1.59 287	1.35 263	1.40 321	1.79 215	8.32 394	0.25 214	0.21 228	0.32 285	0.31 304	0.31 255	0.32 253

MaskLacGwcNet_RVC	1.17 290	1.06 364	1.28 253	0.88 342	0.69 309	1.92 348	0.92 305	1.71 209	1.14 170	1.17 153	1.26 181	1.49 286	0.80 165	2.04 247	0.86 216	2.02 392	0.34 330	0.79 377	0.36 329	1.38 387	1.33 388

Wz-Net-MNSev	1.21 298	0.66 324	3.44 362	0.69 268	0.73 316	1.93 349	1.44 358	2.16 307	1.59 328	1.85 340	1.49 253	1.50 288	1.34 314	2.05 251	1.54 311	0.27 248	0.24 268	0.28 252	0.28 274	0.35 274	0.32 253

SHD	1.42 320	0.81 346	2.79 349	0.98 364	0.92 353	1.97 350	0.68 248	2.43 347	2.55 373	2.54 372	1.72 306	2.01 345	1.62 337	2.14 258	2.70 357	0.40 324	0.33 328	0.39 327	0.40 338	0.48 328	0.54 331

otaku	1.67 340	1.18 372	1.56 287	2.27 393	1.59 389	1.98 351	1.23 346	2.23 323	1.37 270	1.48 291	1.63 293	1.73 320	1.23 297	1.85 219	1.09 259	2.96 400	0.58 383	1.74 390	0.61 376	2.94 398	2.15 396

ADCMid	2.11 366	0.90 352	8.39 392	0.75 306	0.69 309	1.98 351	1.14 335	2.18 316	1.67 335	2.85 379	1.85 325	2.35 363	2.02 365	2.35 273	10.58 402	0.34 297	0.32 325	0.39 327	0.44 348	0.51 334	0.53 330

Wz-Net-LNSev-Ref	1.09 279	0.46 261	2.61 345	0.71 280	0.65 298	2.00 353	0.78 271	2.07 289	1.47 308	1.62 317	1.47 250	1.53 293	1.29 306	2.10 255	1.65 324	0.24 194	0.14 60	0.20 74	0.16 57	0.28 230	0.28 211

XQC	1.51 329	0.98 361	3.20 356	0.92 352	0.76 328	2.01 354	1.17 339	2.53 363	1.99 358	2.01 353	1.54 270	2.00 343	1.54 333	3.16 304	3.46 367	0.49 352	0.31 315	0.45 343	0.40 338	0.71 367	0.62 351

RainbowNet	2.06 363	1.86 394	1.97 316	2.86 401	2.25 397	2.03 355	1.79 376	2.77 376	1.92 353	1.54 302	1.84 322	1.95 339	1.73 350	2.23 264	1.38 294	3.40 407	0.86 396	2.39 401	1.00 393	2.94 398	2.42 400

DPSNet	1.91 359	0.64 317	5.95 380	0.73 292	0.59 276	2.04 356	1.61 367	3.84 393	1.96 357	1.54 302	1.39 230	2.27 357	3.32 392	4.95 340	4.79 377	0.50 356	0.31 315	0.29 260	0.26 251	0.67 362	0.54 331

DISCO	1.06 272	0.37 210	1.19 237	0.73 292	0.46 213	2.04 356	0.84 290	2.26 326	1.54 320	1.25 195	1.36 223	2.38 364	1.08 271	2.60 286	1.62 318	0.24 194	0.19 205	0.22 124	0.20 133	0.32 263	0.29 223

DispFullNet	2.39 376	2.89 414	3.74 366	3.09 406	2.27 399	2.04 356	0.84 290	2.19 318	1.73 340	2.54 372	1.98 338	2.23 354	5.83 406	3.44 314	1.84 336	1.03 383	0.33 328	2.65 407	1.97 411	2.87 397	2.34 399

Ntro	1.72 346	1.21 375	1.62 291	2.54 398	1.86 391	2.09 359	1.14 335	2.08 290	1.38 272	1.23 188	1.62 289	1.62 304	1.33 313	2.04 247	1.21 273	3.09 401	0.56 380	1.82 392	0.65 377	2.97 401	2.25 398

ADCS	2.35 373	1.26 377	6.54 383	0.85 336	0.77 329	2.18 360	1.79 376	2.47 354	2.20 366	2.80 378	2.14 348	2.38 364	2.09 368	2.81 295	13.83 411	0.43 332	0.41 353	0.40 333	0.45 351	0.59 350	0.67 356

AnyNet_C32	2.14 368	1.45 383	7.38 387	0.95 362	1.12 370	2.23 361	2.34 398	2.10 294	1.54 320	2.44 367	1.79 314	2.04 351	1.66 343	2.69 290	10.48 401	0.38 315	0.35 334	0.35 307	0.42 343	0.50 332	0.60 349

WCMA_ROB	2.05 362	0.55 293	1.77 298	0.74 299	0.61 285	2.24 362	1.56 364	2.17 315	1.79 346	4.16 398	6.36 400	5.66 399	4.66 403	3.19 305	2.77 358	0.55 363	0.45 362	0.40 333	0.43 346	0.48 328	0.50 321

ADCP+	2.12 367	0.56 296	10.01 397	0.68 258	0.91 352	2.25 363	1.04 323	1.92 259	1.50 315	1.58 310	1.34 214	1.73 320	1.62 337	2.27 268	13.20 404	0.25 214	0.22 238	0.32 285	0.29 289	0.38 289	0.34 266

FCDSN-DC	2.47 378	0.65 323	1.00 185	0.85 336	0.75 323	2.26 364	0.97 315	2.31 333	1.83 349	5.52 410	7.65 407	7.72 407	7.70 412	4.43 330	2.64 356	0.52 358	0.48 369	0.52 355	0.52 364	0.57 347	0.59 346
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ACVNet_1	3.08 393	1.48 386	17.70 412	2.90 403	2.35 402	2.30 365	1.43 357	3.16 385	2.26 369	1.91 343	2.05 342	3.51 384	2.32 377	3.71 319	1.58 314	3.25 403	0.66 386	2.40 402	1.06 396	3.07 403	2.59 402

BUS	0.78 176	0.34 167	0.77 88	0.55 114	0.45 206	2.30 365	0.42 97	2.65 369	1.04 132	1.25 195	1.12 133	1.02 180	0.70 135	0.94 76	0.75 193	0.25 214	0.18 190	0.25 210	0.22 191	0.23 164	0.24 148

NINENet	0.81 197	0.40 237	0.89 148	0.65 223	0.53 248	2.30 365	0.42 97	2.12 296	1.13 164	1.20 175	1.27 190	1.02 180	0.70 135	1.26 130	0.75 193	0.29 271	0.24 268	0.31 273	0.21 169	0.27 215	0.26 184

ACVNet-4b	3.05 392	1.42 382	18.09 416	2.85 400	2.33 401	2.32 368	1.22 344	2.47 354	2.21 367	1.26 205	2.36 357	2.64 373	1.46 327	6.32 371	1.23 277	3.29 404	0.45 362	2.37 398	1.02 395	3.03 402	2.61 403

Wz-Net-TNSev	2.10 365	2.71 413	9.30 395	0.72 285	0.65 298	2.41 369	1.81 380	2.45 349	1.77 342	1.62 317	1.56 278	2.56 370	2.01 363	5.30 345	4.46 375	0.41 327	0.38 345	0.33 293	0.37 333	0.54 342	0.64 354

stereogan	1.22 299	0.45 258	2.03 320	0.87 340	0.85 348	2.52 370	0.72 260	1.98 269	1.78 345	1.92 344	1.94 335	2.31 361	1.42 323	2.10 255	1.14 264	0.38 315	0.36 338	0.39 327	0.32 309	0.52 335	0.49 318

ADCL	1.82 351	0.70 331	4.57 375	0.70 277	0.63 291	2.56 371	1.77 375	2.08 290	1.77 342	1.95 350	1.89 329	2.04 351	1.88 359	2.36 274	9.55 399	0.27 248	0.25 281	0.35 307	0.32 309	0.39 293	0.39 289

MeshStereo	2.36 374	0.60 303	1.05 194	0.63 206	0.51 240	2.58 372	0.99 318	3.46 389	2.21 367	7.38 414	5.06 396	7.50 404	3.10 388	7.02 384	2.54 355	0.44 340	0.44 360	0.45 343	0.40 338	0.43 307	0.45 311
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
PVD	1.82 351	0.91 356	3.02 353	1.03 367	0.94 359	2.61 373	1.14 335	2.78 378	3.40 392	3.08 388	2.75 367	2.39 366	2.49 381	2.81 295	3.66 369	0.48 350	0.49 373	0.59 371	0.49 360	0.60 353	0.81 371

MFN_U_SF_RVC	1.62 338	0.96 360	4.36 374	0.92 352	0.69 309	2.62 374	1.10 328	2.50 359	1.74 341	1.99 352	1.86 327	2.45 367	1.78 354	3.08 302	2.84 359	0.54 360	0.50 374	0.56 366	0.60 375	0.60 353	0.67 356

ACVNet_2	2.86 388	1.47 385	8.28 390	2.68 399	2.26 398	2.70 375	1.84 381	3.41 387	3.04 386	2.27 362	3.42 379	4.58 391	2.10 369	5.91 360	1.62 318	2.58 398	0.67 387	2.22 395	0.85 385	2.79 395	2.47 401

ADCPNet	1.97 361	0.78 342	9.38 396	0.74 299	0.61 285	2.73 376	1.36 354	2.11 295	1.66 334	1.92 344	1.70 303	2.45 367	2.07 367	2.50 280	6.84 389	0.38 315	0.38 345	0.38 323	0.43 346	0.47 327	0.50 321

SANet	2.26 372	0.70 331	6.94 385	0.69 268	0.46 213	2.76 377	1.76 374	2.61 367	5.84 407	2.45 368	3.52 380	3.71 385	3.38 394	5.90 359	2.14 344	0.34 297	0.31 315	0.32 285	0.29 289	0.54 342	0.43 306

SGM_RVC	1.88 354	0.40 237	0.90 153	0.63 206	0.30 66	2.81 378	1.26 349	2.73 374	1.81 348	4.09 394	2.85 370	3.88 388	3.19 389	8.42 397	2.44 353	0.33 290	0.31 315	0.30 269	0.28 274	0.31 255	0.31 245
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PDISCO_ROB	1.41 318	0.73 339	2.04 321	1.40 382	1.46 387	2.83 379	1.07 326	2.64 368	2.11 364	1.41 266	1.50 260	1.73 320	0.99 240	2.83 297	1.46 302	1.03 383	0.27 294	0.54 360	0.47 355	0.77 369	0.84 373

LE_ROB	8.35 413	0.47 266	27.42 427	0.83 330	0.34 126	2.84 380	3.36 409	4.03 396	27.04 427	25.20 427	8.72 411	8.55 410	27.35 427	7.37 387	22.13 420	0.22 155	0.20 215	0.20 74	0.21 169	0.25 203	0.25 167

FC-DCNN	2.88 390	0.61 308	1.15 218	0.75 306	0.57 268	2.85 381	1.05 324	3.44 388	2.64 380	6.93 411	7.63 406	9.86 413	7.02 411	5.76 357	4.31 374	0.54 360	0.48 369	0.51 354	0.50 361	0.53 340	0.52 328

ELAS_RVC	2.87 389	0.80 343	3.22 358	1.16 378	1.12 370	2.92 382	5.33 411	2.98 383	4.18 399	5.04 406	4.82 393	4.71 393	8.23 413	4.25 327	4.79 377	0.67 373	0.57 381	0.57 368	0.53 366	0.66 361	0.74 364
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	1.71 345	0.67 327	2.09 322	1.14 376	0.75 323	2.96 383	0.89 300	1.58 177	1.30 242	2.76 377	8.12 410	2.29 359	2.51 382	1.94 233	2.23 347	0.49 352	0.45 362	0.45 343	0.31 304	0.62 357	0.59 346

AnyNet_C01	2.38 375	2.21 403	10.17 398	0.99 365	0.79 335	3.12 384	2.37 399	2.69 373	1.89 352	2.58 374	2.44 361	2.70 375	1.86 358	3.65 316	7.12 390	0.41 327	0.41 353	0.40 333	0.42 343	0.68 363	0.79 369

Dean	3.77 397	1.65 391	17.87 413	3.01 405	2.54 404	3.15 385	2.10 390	4.80 403	4.42 400	2.89 381	6.03 398	5.45 398	2.55 384	3.40 313	2.13 343	3.22 402	0.89 398	2.51 405	1.07 397	3.07 403	2.65 406

MADNet+	2.80 384	3.38 416	11.57 403	1.50 388	1.21 382	3.18 386	2.00 383	3.52 391	2.61 375	1.81 335	2.09 344	2.83 376	2.18 375	7.55 389	5.44 383	0.84 377	0.83 391	0.71 376	0.66 378	1.05 381	1.08 381

IMH-64-1	2.82 385	1.87 395	1.77 298	3.31 408	2.69 405	3.22 387	2.07 387	4.25 398	2.77 384	2.46 369	3.78 383	3.05 379	2.34 378	4.67 336	3.00 362	3.84 411	0.84 394	2.75 408	1.39 400	3.34 406	2.93 408

IMH-64	2.82 385	1.87 395	1.77 298	3.31 408	2.69 405	3.22 387	2.07 387	4.25 398	2.77 384	2.46 369	3.78 383	3.05 379	2.34 378	4.67 336	3.00 362	3.84 411	0.84 394	2.75 408	1.39 400	3.34 406	2.93 408

LVE	3.40 396	1.80 393	2.21 331	2.90 403	2.44 403	3.27 389	2.25 394	4.80 403	5.06 404	2.43 366	6.79 401	5.99 400	2.64 385	9.20 402	2.28 348	3.30 405	1.11 410	2.38 399	1.48 406	2.95 400	2.62 404

WAO-6	2.98 391	1.67 392	1.88 308	2.38 397	2.30 400	3.53 390	2.37 399	4.38 400	4.64 403	2.42 365	4.50 387	4.85 394	2.99 387	5.22 344	5.37 382	1.77 391	1.16 411	2.31 397	1.47 405	2.42 391	1.99 395

MFN_U_SF_DS_RVC	1.80 349	1.11 369	4.33 373	0.84 334	0.77 329	3.70 391	2.41 402	2.04 282	1.85 350	1.75 329	1.90 331	1.92 333	1.25 301	7.33 386	1.45 300	0.47 348	0.47 367	0.53 359	0.77 381	0.50 332	0.55 336

SAMSARA	1.80 349	0.90 352	3.37 361	1.28 381	1.13 372	3.71 392	2.33 397	2.53 363	1.93 354	3.17 390	1.73 307	2.99 378	1.68 345	3.53 315	2.46 354	0.47 348	0.54 377	0.43 339	0.47 355	0.59 350	0.64 354

PWCK	3.24 394	2.37 404	10.86 400	2.14 392	1.14 374	3.71 392	4.19 410	3.02 384	3.55 394	3.05 387	3.63 381	3.09 382	2.35 380	8.16 395	3.41 366	2.17 395	0.96 402	1.77 391	1.01 394	2.84 396	1.40 389

RTS	2.76 381	1.55 389	15.40 407	1.13 373	1.42 385	3.75 394	2.21 392	2.45 349	2.72 382	2.91 382	2.85 370	2.58 371	1.62 337	6.28 369	5.80 384	0.41 327	0.30 310	0.35 307	0.35 327	0.52 335	0.54 331

RTSA	2.76 381	1.55 389	15.40 407	1.13 373	1.42 385	3.75 394	2.21 392	2.45 349	2.72 382	2.91 382	2.85 370	2.58 371	1.62 337	6.28 369	5.80 384	0.41 327	0.30 310	0.35 307	0.35 327	0.52 335	0.54 331

SDNR	1.66 339	0.55 293	2.36 337	0.56 126	0.58 270	3.79 396	0.45 138	1.78 220	1.40 283	1.38 256	2.45 362	1.13 213	0.96 227	11.03 417	1.31 284	0.67 373	0.64 385	0.43 339	0.32 309	0.71 367	0.76 367

WAO-7	2.78 383	1.54 388	2.18 329	1.41 385	1.19 379	3.92 397	2.01 386	4.19 397	3.89 397	2.98 384	5.47 397	4.18 389	3.28 391	8.24 396	4.27 373	1.13 389	1.01 405	1.18 388	1.13 398	1.19 384	1.13 384

notaker	4.29 399	2.42 407	5.06 377	3.89 416	3.29 414	4.00 398	2.25 394	4.93 405	3.47 393	4.21 400	6.79 401	7.67 406	3.37 393	9.25 404	6.47 386	4.09 416	1.42 413	3.35 417	2.13 414	4.11 413	3.54 413

MSMD_ROB	2.08 364	0.61 308	1.15 218	0.71 280	0.62 289	4.00 398	0.93 308	1.94 261	1.79 346	4.71 404	4.60 390	8.14 408	3.87 399	3.75 320	1.65 324	0.54 360	0.48 369	0.55 364	0.58 371	0.53 340	0.52 328

IMH	3.35 395	1.95 397	1.86 307	3.30 407	2.72 407	4.03 400	2.00 383	4.58 402	3.83 396	2.87 380	6.99 403	4.69 392	3.21 390	6.77 380	2.97 361	3.91 414	0.89 398	2.78 410	1.40 404	3.36 408	2.93 408

KSHMR	8.76 415	2.14 402	3.59 364	3.60 413	3.13 411	4.15 401	2.67 404	5.61 409	58.90 440	3.04 386	55.71 440	4.94 395	2.54 383	4.61 335	3.05 364	3.49 408	1.57 415	3.14 413	1.98 412	3.84 410	3.49 412

MDST_ROB	1.88 354	0.40 237	1.71 295	0.93 357	0.60 280	4.27 402	1.23 346	3.99 395	1.44 297	4.61 402	2.63 366	1.44 276	1.03 256	9.78 408	1.62 318	0.33 290	0.26 286	0.37 319	0.33 318	0.31 255	0.34 266

LRCNet_RVC	22.79 423	32.09 430	22.06 417	29.83 428	26.15 426	4.40 403	0.84 290	22.64 423	2.10 363	26.93 428	29.25 428	23.03 428	15.56 418	23.91 426	18.92 418	32.00 434	20.04 435	34.68 434	32.13 434	30.66 433	28.52 433

ktn	4.56 400	2.41 406	2.54 341	3.79 415	3.25 412	4.81 404	2.91 407	5.52 407	7.36 408	4.12 397	14.55 417	7.54 405	3.70 396	7.84 392	3.35 365	4.06 415	1.86 416	3.26 416	2.22 415	3.27 405	2.86 407

MSC_U_SF_DS_RVC	2.22 371	1.29 380	4.14 371	1.10 372	0.78 333	5.00 405	2.38 401	2.47 354	2.67 381	1.94 348	2.28 353	2.66 374	1.70 346	9.10 400	2.29 350	0.68 375	0.52 375	0.68 374	0.71 379	1.17 383	0.81 371

UNDER WATER	5.68 406	2.46 409	15.52 409	3.98 418	3.53 415	5.15 406	2.74 405	5.58 408	16.41 418	4.00 393	4.56 388	9.12 411	6.43 409	6.22 367	9.11 397	3.85 413	1.35 412	3.18 415	1.98 412	4.51 416	3.84 417

HanzoNet	11.92 418	5.12 417	17.18 411	4.19 419	3.59 417	5.16 407	2.82 406	7.41 414	9.96 410	33.31 436	27.60 427	22.25 426	37.31 431	18.18 422	13.57 406	8.13 422	3.44 419	3.50 418	3.44 418	7.77 423	4.52 419

MADNet++	5.41 404	3.18 415	6.43 382	4.66 420	3.95 418	6.15 408	6.75 412	4.51 401	4.51 402	5.06 407	6.27 399	4.96 396	6.14 407	9.39 405	11.70 403	4.71 417	4.19 420	3.97 419	3.33 417	4.08 412	4.25 418

ELAS	2.67 380	0.80 343	2.13 326	1.13 373	1.15 376	6.25 409	2.56 403	3.50 390	3.68 395	5.36 408	4.92 395	3.79 386	5.56 405	3.65 316	5.22 381	0.66 372	0.57 381	0.56 366	0.54 367	0.65 360	0.75 366
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
UNDER WATER-64	5.84 407	2.48 410	17.93 414	3.97 417	3.58 416	7.70 410	3.03 408	5.72 410	14.13 412	4.18 399	4.00 385	9.27 412	6.80 410	6.20 366	9.22 398	3.67 409	1.52 414	3.14 413	1.95 410	4.43 415	3.83 416

WAO-8	4.57 401	2.01 398	2.58 343	2.37 395	2.21 395	9.75 411	1.71 370	6.04 411	16.34 415	4.11 395	7.69 408	7.41 402	3.85 397	10.02 414	3.85 370	2.05 393	1.09 408	2.44 403	1.39 400	2.56 393	1.86 393

Venus	4.57 401	2.01 398	2.58 343	2.37 395	2.21 395	9.75 411	1.71 370	6.04 411	16.34 415	4.11 395	7.69 408	7.41 402	3.85 397	10.02 414	3.85 370	2.05 393	1.09 408	2.44 403	1.39 400	2.56 393	1.86 393

TorneroNet-64	5.41 404	2.10 401	2.43 338	3.49 411	2.83 408	9.90 413	2.13 391	8.87 417	16.79 420	5.39 409	9.18 412	10.68 417	3.92 400	9.55 406	5.11 380	3.36 406	0.86 396	2.88 411	1.62 407	3.76 409	3.37 411

SGM+DAISY	5.38 403	1.28 379	8.24 389	1.27 380	1.16 378	10.62 414	16.01 419	2.93 382	2.53 372	8.64 417	13.03 415	8.26 409	13.38 416	6.34 372	7.59 392	1.07 386	1.05 407	1.00 384	0.98 390	1.02 379	1.12 383

JetBlue	4.18 398	2.45 408	10.42 399	1.40 382	2.89 409	10.68 415	10.68 413	3.91 394	2.52 371	2.74 376	3.39 378	4.50 390	4.27 401	7.97 393	7.67 393	0.89 378	0.97 403	0.89 380	0.92 386	2.26 390	2.21 397

tt	6.61 409	0.28 46	6.10 381	3.77 414	2.17 394	11.53 416	19.61 420	13.53 422	5.81 406	3.00 385	2.82 369	4.97 397	6.33 408	3.83 322	7.23 391	9.13 423	11.32 427	5.87 422	6.22 421	6.01 419	2.63 405

DPSMNet_ROB	13.08 420	8.28 420	22.32 419	9.54 424	18.15 421	11.53 416	31.98 426	10.83 420	16.27 414	7.17 413	19.40 424	10.12 414	16.69 419	9.87 410	22.50 422	4.78 419	8.72 422	5.38 421	10.25 425	6.16 421	11.59 423

DGTPSM_ROB	13.06 419	8.27 419	22.29 418	9.53 423	18.14 420	11.53 416	31.97 425	10.82 419	16.25 413	7.14 412	19.39 423	10.12 414	16.69 419	9.85 409	22.49 421	4.77 418	8.72 422	5.37 420	10.24 424	6.15 420	11.56 422

JetRed	7.02 410	8.94 421	25.72 423	2.89 402	3.27 413	14.25 419	12.27 416	6.69 413	4.45 401	4.46 401	4.56 388	6.65 401	5.43 404	7.46 388	14.41 413	2.60 399	3.31 417	2.61 406	2.30 416	4.34 414	3.79 415

SGM-ForestM	7.81 412	0.48 269	11.02 401	0.74 299	0.40 176	16.83 420	12.72 418	7.91 415	8.13 409	11.53 418	10.25 413	22.44 427	14.01 417	17.02 421	20.52 419	0.38 315	0.39 350	0.37 319	0.36 329	0.37 283	0.38 286

MANE	7.50 411	0.64 317	7.97 388	1.40 382	2.10 393	16.86 421	12.56 417	12.91 421	17.51 423	8.50 416	11.60 414	14.66 418	13.33 415	12.02 418	13.28 405	0.62 368	0.52 375	0.52 355	1.90 409	0.56 345	0.58 344

DPSimNet_ROB	24.77 425	9.69 422	61.46 438	3.56 412	19.46 422	25.95 422	77.56 439	5.09 406	16.60 419	21.50 426	29.82 429	25.12 429	85.69 441	13.37 420	23.07 424	7.23 421	17.79 428	8.55 423	7.57 422	4.57 418	31.84 434

Anonymous_1	42.79 436	18.71 423	24.75 420	21.81 425	45.16 435	27.68 423	37.52 427	28.64 427	16.34 415	14.72 421	14.53 416	20.60 420	17.82 421	21.52 423	25.88 425	113.45 441	8.91 424	100.63 438	126.37 438	158.50 441	12.31 424

DPSM_ROB	19.12 421	19.13 424	25.13 421	22.15 426	20.86 424	28.06 424	37.75 428	27.18 425	16.95 421	14.25 419	15.07 418	21.66 421	18.69 422	21.83 424	26.51 426	10.15 425	9.30 425	10.45 425	10.41 426	14.00 424	12.85 425

DPSM	19.12 421	19.13 424	25.13 421	22.15 426	20.86 424	28.06 424	37.75 428	27.18 425	16.95 421	14.25 419	15.07 418	21.66 421	18.69 422	21.83 424	26.51 426	10.15 425	9.30 425	10.45 425	10.41 426	14.00 424	12.85 425

HaxPig	39.02 433	41.39 438	41.59 428	30.10 429	32.36 427	29.49 426	27.65 423	30.56 428	37.94 437	43.75 437	43.81 436	33.42 430	35.69 428	41.51 431	40.33 433	43.91 438	47.48 440	45.87 435	47.14 436	42.29 434	44.06 437

AVERAGE_ROB	40.42 434	42.30 439	42.61 429	36.91 431	35.54 429	30.42 427	27.59 422	37.45 434	38.45 438	44.87 438	44.27 437	37.55 432	36.69 429	41.82 432	40.25 432	45.36 439	46.73 439	47.09 436	46.32 435	42.47 435	43.74 436

xxxxx1	54.34 439	26.72 427	27.03 424	114.14 438	99.00 438	30.68 428	47.19 430	32.52 429	26.09 424	17.85 422	17.48 420	21.86 423	20.92 424	24.38 427	33.78 428	34.73 435	41.33 436	157.67 439	175.68 439	65.82 437	71.99 439

tt_ll	54.34 439	26.72 427	27.03 424	114.14 438	99.00 438	30.68 428	47.19 430	32.52 429	26.09 424	17.85 422	17.48 420	21.86 423	20.92 424	24.38 427	33.78 428	34.73 435	41.33 436	157.67 439	175.68 439	65.82 437	71.99 439

ff	54.34 439	26.72 427	27.03 424	114.14 438	99.00 438	30.68 428	47.19 430	32.52 429	26.09 424	17.85 422	17.48 420	21.86 423	20.92 424	24.38 427	33.78 428	34.73 435	41.33 436	157.67 439	175.68 439	65.82 437	71.99 439

MEDIAN_ROB	42.01 435	44.30 440	44.14 431	35.08 430	34.90 428	31.33 431	29.90 424	36.77 433	40.11 439	47.14 439	46.55 438	37.49 431	38.50 438	44.30 439	42.32 434	47.93 440	49.31 441	49.68 437	49.00 437	44.98 436	46.46 438

TorneroNet	10.72 417	2.09 400	2.76 348	3.48 410	3.03 410	44.72 432	2.31 396	8.62 416	67.06 441	7.45 415	23.21 425	10.59 416	4.28 402	9.03 399	9.00 396	3.67 409	0.91 400	3.04 412	1.63 408	3.92 411	3.55 414

SPstereo	26.71 426	6.90 418	11.42 402	5.86 421	6.44 419	48.17 433	80.34 440	67.41 441	34.42 436	28.80 434	27.49 426	43.68 438	37.53 435	44.96 440	54.23 441	5.06 420	4.92 421	10.92 427	6.03 420	4.54 417	5.00 421

BEATNet-Init1	27.39 427	21.01 426	73.65 439	1.07 369	0.80 337	56.07 434	22.82 421	33.14 432	31.71 429	51.78 440	52.93 439	65.63 440	48.54 439	48.75 441	36.36 431	0.52 358	0.47 367	0.54 360	0.54 367	0.64 358	0.72 362

MyStereo03	38.45 429	38.46 434	50.33 433	44.93 434	42.03 432	56.44 435	76.24 435	54.16 435	34.06 433	28.68 431	30.42 432	43.46 433	37.33 432	43.76 434	53.43 437	20.29 429	18.73 432	21.02 428	21.05 430	28.19 427	25.91 430

MyStereo02	38.45 429	38.46 434	50.33 433	44.93 434	42.03 432	56.44 435	76.24 435	54.16 435	34.06 433	28.68 431	30.42 432	43.46 433	37.33 432	43.76 434	53.43 437	20.29 429	18.73 432	21.02 428	21.05 430	28.19 427	25.91 430

MyStereo	38.45 429	38.46 434	50.33 433	44.93 434	42.03 432	56.44 435	76.24 435	54.16 435	34.06 433	28.68 431	30.42 432	43.46 433	37.33 432	43.76 434	53.43 437	20.29 429	18.73 432	21.02 428	21.05 430	28.19 427	25.91 430

Selective-RAFT-Error	38.47 432	38.44 433	50.38 436	44.74 432	42.01 431	56.47 438	76.24 435	54.44 438	34.02 432	28.59 430	30.30 430	43.51 436	38.10 437	43.69 433	53.24 435	20.36 432	18.72 431	21.05 432	21.02 428	28.25 431	25.87 429

CasAABBNet	38.42 428	38.42 432	50.26 432	44.76 433	41.87 430	56.47 438	76.22 434	54.44 438	33.92 431	28.53 429	30.36 431	43.53 437	37.59 436	43.77 437	53.32 436	20.27 428	18.70 430	21.03 431	21.04 429	28.19 427	25.79 428

LSM0	42.92 437	38.72 437	50.66 437	47.49 437	110.18 441	56.77 440	75.87 433	54.87 440	33.74 430	29.48 435	31.12 435	43.77 439	37.12 430	43.85 438	53.44 440	20.50 433	18.67 429	21.05 432	21.07 433	28.37 432	41.73 435

PML	51.64 438	37.49 431	14.31 406	7.45 422	20.27 423	107.80 441	231.34 442	8.94 418	27.70 428	86.74 441	268.93 442	69.03 441	61.09 440	24.71 430	14.36 412	9.71 424	3.40 418	9.60 424	4.67 419	20.46 426	4.76 420

test_example2	192.91 442	210.59 442	206.44 442	199.86 442	204.90 442	172.02 442	182.95 441	138.34 442	134.89 442	193.14 442	200.54 441	186.77 442	177.82 442	204.95 442	207.57 442	221.83 442	238.70 442	186.02 442	190.07 442	226.94 442	173.78 442

Low-res two-view benchmark