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

LoS_RVC	0.45 14	0.29 66	0.48 11	0.49 38	0.83 345	0.51 48	0.43 114	0.65 3	0.44 1	0.47 12	0.78 46	0.44 10	0.60 105	0.59 13	0.37 27	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 382

CAS	0.66 117	0.19 1	0.41 5	2.31 395	0.86 350	0.56 73	0.53 187	0.83 13	0.63 17	0.49 18	0.70 34	0.36 2	0.26 1	0.47 2	0.37 27	2.33 397	0.10 1	0.14 1	0.10 1	0.17 21	1.31 387

panet	0.40 3	0.23 6	0.40 2	0.37 1	0.20 2	0.53 56	0.29 23	0.81 7	1.15 176	0.59 34	0.72 36	0.53 43	0.43 25	0.56 6	0.37 27	0.18 41	0.13 17	0.15 3	0.10 1	0.14 1	0.14 3

MoCha-V2	0.43 12	0.23 6	0.55 17	0.56 127	0.23 6	0.44 17	0.32 33	1.35 135	0.63 17	0.54 31	0.55 17	0.42 6	0.57 82	1.12 116	0.28 1	0.15 4	0.13 17	0.15 3	0.13 12	0.17 21	0.18 33

CES	0.51 37	0.21 2	0.40 2	0.42 5	1.40 385	0.53 56	0.34 46	1.04 49	0.68 25	0.45 10	0.67 26	0.35 1	0.28 2	0.58 12	0.35 7	0.16 8	0.13 17	0.15 3	0.10 1	0.19 63	1.69 392

XX-TBD	0.47 26	0.71 334	0.39 1	0.81 323	0.25 10	0.57 75	0.26 11	0.73 4	1.30 243	0.78 59	1.01 93	0.45 17	0.33 12	0.49 3	0.39 34	0.20 101	0.15 115	0.15 3	0.11 7	0.17 21	0.15 4

CREStereo	0.40 3	0.24 11	0.40 2	0.37 1	0.22 5	0.52 52	0.29 23	0.81 7	1.15 176	0.59 34	0.72 36	0.51 36	0.42 22	0.57 10	0.37 27	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
PMTNet	0.47 26	0.22 3	0.43 6	0.39 3	0.24 8	0.71 143	0.26 11	0.78 6	1.03 127	0.65 44	0.69 30	0.55 44	0.48 48	0.90 73	0.36 18	0.99 382	0.13 17	0.15 3	0.10 1	0.15 5	0.15 4

pmcnn	2.84 388	0.46 262	5.19 380	0.68 260	0.42 194	1.55 315	1.16 339	2.32 335	1.60 331	2.72 376	7.49 406	17.96 420	1.48 331	6.04 365	6.64 389	0.18 41	0.15 115	0.15 3	0.12 10	0.20 91	0.20 74

LargeStereo	0.45 14	0.24 11	0.63 36	0.58 156	0.32 100	0.42 14	0.25 4	2.16 308	0.65 23	0.38 2	0.58 20	0.46 18	0.44 30	0.56 6	0.40 49	0.20 101	0.13 17	0.16 10	0.13 12	0.17 21	0.18 33

LoS	0.41 5	0.23 6	0.46 9	0.39 3	0.23 6	0.48 27	0.40 86	1.12 76	0.94 92	0.50 21	0.66 24	0.49 32	0.42 22	0.63 25	0.39 34	0.19 67	0.14 61	0.16 10	0.11 7	0.14 1	0.15 4

CroCo-Stereo	0.42 9	0.33 140	0.83 122	0.59 170	0.28 42	0.26 1	0.33 38	1.22 113	0.85 64	0.43 5	0.49 7	0.65 65	0.46 40	0.40 1	0.36 18	0.19 67	0.15 115	0.16 10	0.14 25	0.20 91	0.17 24
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
CREStereo++_RVC	0.49 31	0.22 3	0.46 9	0.48 31	0.38 161	0.45 19	0.25 4	0.77 5	1.30 243	0.82 68	1.23 174	0.47 24	0.37 15	0.55 5	0.44 67	0.16 8	0.11 2	0.16 10	0.80 384	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
TANstereo	0.45 14	0.23 6	0.50 14	0.43 6	0.21 3	0.65 115	0.26 11	0.83 13	0.88 68	0.95 90	0.99 87	0.51 36	0.45 33	0.56 6	0.36 18	0.19 67	0.24 269	0.16 10	0.13 12	0.17 21	0.27 201

raftrobust	0.55 42	0.27 38	0.63 36	0.68 260	0.69 310	0.50 43	0.34 46	1.08 59	0.97 104	1.32 230	0.88 65	0.62 58	0.80 166	0.82 55	0.44 67	0.20 101	0.16 142	0.16 10	0.14 25	0.15 5	0.18 33

MSKI-zero shot	0.56 53	0.30 84	0.61 31	0.55 115	0.28 42	0.68 130	0.28 19	1.25 120	0.68 25	0.92 84	1.33 212	0.81 103	0.33 12	1.94 234	0.36 18	0.18 41	0.13 17	0.17 16	0.13 12	0.16 12	0.19 55

MIF-Stereo	0.38 1	0.24 11	0.67 52	0.49 38	0.36 145	0.40 9	0.32 33	0.55 1	0.55 4	0.55 33	0.55 17	0.36 2	0.31 7	0.59 13	0.52 114	0.21 126	0.15 115	0.17 16	0.15 33	0.19 63	0.17 24

Any-RAFT	0.55 42	0.27 38	0.49 12	0.50 51	0.27 21	0.98 234	0.25 4	1.71 209	1.08 141	0.90 82	0.99 87	1.13 214	0.46 40	0.74 38	0.35 7	0.19 67	0.13 17	0.17 16	0.13 12	0.16 12	0.19 55

RAFT-Test	0.58 77	0.27 38	0.81 105	0.50 51	0.33 115	0.95 227	0.27 15	1.40 143	0.89 69	1.00 97	1.12 134	1.39 271	0.48 48	0.74 38	0.41 55	0.17 19	0.14 61	0.17 16	0.14 25	0.16 12	0.18 33

Selective-IGEV	0.42 9	0.26 22	0.56 18	0.48 31	0.27 21	0.45 19	0.33 38	1.56 172	0.61 15	0.36 1	0.47 4	0.52 40	0.30 5	1.08 105	0.33 4	0.15 4	0.13 17	0.17 16	0.13 12	0.16 12	0.15 4

Selective-RAFT	0.55 42	0.29 66	0.85 137	0.58 156	0.28 42	0.91 209	0.34 46	1.00 39	0.96 100	0.59 34	0.64 22	0.80 97	0.76 146	1.34 139	0.51 108	0.21 126	0.15 115	0.17 16	0.15 33	0.19 63	0.19 55

MC-Stereo	0.46 23	0.24 11	0.58 20	0.63 208	0.30 66	0.38 7	0.32 33	0.98 33	0.74 38	0.66 45	0.85 59	0.56 46	0.60 105	1.07 103	0.32 3	0.17 19	0.12 5	0.17 16	0.15 33	0.16 12	0.16 14

RCA-Stereo	0.52 39	0.26 22	0.66 49	0.49 38	0.33 115	0.54 66	0.44 131	1.20 107	1.41 287	0.69 48	1.06 111	0.63 62	0.79 160	0.62 20	0.35 7	0.17 19	0.12 5	0.17 16	0.14 25	0.16 12	0.16 14

DCANet-4	0.59 88	0.28 46	1.65 294	0.44 8	0.25 10	0.48 27	0.36 62	1.15 93	1.36 266	1.13 133	1.03 102	0.56 46	0.74 140	0.77 45	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.15 5	0.24 149

fff	0.58 77	0.26 22	1.15 219	0.46 15	0.25 10	0.48 27	0.36 62	1.20 107	1.28 233	1.13 133	1.03 102	0.59 51	1.04 263	0.77 45	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.15 5	0.24 149

ADStereo(finetuned)	0.62 99	0.26 22	1.59 291	0.45 9	0.25 10	0.49 32	0.36 62	1.18 99	1.35 259	1.16 152	1.04 106	0.60 54	1.18 295	0.85 64	0.57 143	0.17 19	0.14 61	0.17 16	0.13 12	0.19 63	0.24 149

s12784h	0.55 42	0.22 3	0.49 12	0.43 6	0.19 1	1.00 236	0.34 46	1.40 143	1.30 243	0.84 72	0.93 71	0.63 62	0.52 64	1.48 166	0.47 90	0.15 4	0.12 5	0.17 16	0.11 7	0.19 63	0.13 2

DCANet	0.58 77	0.26 22	1.15 219	0.45 9	0.25 10	0.49 32	0.36 62	1.18 99	1.35 259	1.15 148	1.04 106	0.60 54	0.91 210	0.84 61	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.19 63	0.25 168

csc	0.58 77	0.26 22	1.15 219	0.46 15	0.25 10	0.48 27	0.36 62	1.20 107	1.28 233	1.13 133	1.03 102	0.59 51	1.04 263	0.77 45	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.15 5	0.24 149

cscssc	0.58 77	0.26 22	1.15 219	0.46 15	0.25 10	0.48 27	0.36 62	1.20 107	1.28 233	1.13 133	1.03 102	0.59 51	1.04 263	0.77 45	0.58 148	0.17 19	0.14 61	0.17 16	0.13 12	0.15 5	0.24 149

EAI-Stereo	0.76 170	0.31 109	0.74 77	0.55 115	0.28 42	0.70 141	1.72 373	2.57 366	0.90 74	0.75 57	3.03 374	0.57 48	0.43 25	1.10 111	0.49 103	0.19 67	0.14 61	0.17 16	0.18 88	0.17 21	0.21 93

CFNet-RSSM	0.57 65	0.25 19	0.76 86	0.49 38	0.28 42	0.59 85	0.27 15	1.89 252	1.17 186	1.09 119	0.95 74	1.06 189	0.53 66	0.74 38	0.41 55	0.17 19	0.13 17	0.17 16	0.15 33	0.16 12	0.16 14

Gwc-CoAtRS	0.55 42	0.27 38	0.73 72	0.49 38	0.30 66	0.63 103	0.25 4	1.38 141	1.12 160	1.05 112	1.02 95	1.10 205	0.55 75	0.72 36	0.44 67	0.17 19	0.14 61	0.17 16	0.15 33	0.16 12	0.17 24

RASNet	1.16 289	0.34 167	1.11 210	0.73 294	0.86 350	1.00 236	0.60 231	1.56 172	1.43 296	1.07 117	1.37 225	2.08 354	1.44 327	7.00 384	1.56 313	0.20 101	0.17 166	0.17 16	0.19 107	0.19 63	0.19 55

iResNet_ROB	0.82 200	0.36 195	1.13 214	0.60 177	0.37 150	0.91 209	0.38 75	2.41 346	1.61 332	1.35 246	1.35 220	1.25 238	0.97 235	1.75 207	0.88 221	0.21 126	0.14 61	0.17 16	0.12 10	0.19 63	0.30 237

MGS-Stereo	0.43 12	0.28 46	0.61 31	0.46 15	0.28 42	0.49 32	0.33 38	0.60 2	0.89 69	0.47 12	1.32 207	0.51 36	0.32 10	0.66 29	0.39 34	0.20 101	0.16 142	0.18 36	0.16 57	0.18 37	0.18 33

qqq1	0.76 170	0.32 123	0.95 169	0.49 38	0.27 21	0.83 187	0.43 114	2.16 308	1.45 303	1.27 211	1.50 261	0.98 166	0.96 228	1.87 224	0.48 94	0.24 194	0.22 238	0.18 36	0.15 33	0.19 63	0.22 114

fff1	0.76 170	0.32 123	0.95 169	0.49 38	0.27 21	0.83 187	0.43 114	2.16 308	1.45 303	1.27 211	1.50 261	0.98 166	0.96 228	1.87 224	0.48 94	0.24 194	0.22 238	0.18 36	0.15 33	0.19 63	0.22 114

DLNR_Zeroshot_test	23.23 425	48.25 442	43.77 431	177.04 442	78.39 438	0.35 5	0.21 1	23.33 425	0.82 56	0.67 47	0.86 60	0.58 49	0.30 5	1.64 193	0.48 94	10.69 428	0.13 17	0.18 36	0.14 25	76.63 441	0.23 130

AEACV	0.41 5	0.25 19	0.60 27	0.55 115	0.52 244	0.43 15	0.38 75	0.98 33	0.63 17	0.44 6	0.56 19	0.46 18	0.59 101	0.56 6	0.31 2	0.17 19	0.13 17	0.18 36	0.16 57	0.17 21	0.17 24

anonymousdsp2	0.58 77	0.29 66	0.93 160	0.51 62	0.30 66	0.75 153	0.46 145	1.95 265	0.87 67	0.81 66	0.78 46	0.76 88	0.48 48	1.10 111	0.45 78	0.19 67	0.14 61	0.18 36	0.13 12	0.20 91	0.22 114

iRaft-Stereo_20w	0.71 151	0.33 140	1.25 250	0.50 51	0.36 145	0.82 181	0.31 29	3.16 386	0.89 69	1.24 193	1.14 149	0.79 95	0.65 122	1.15 119	0.43 63	0.18 41	0.13 17	0.18 36	0.17 74	0.20 91	0.23 130

GwcNet-ADL	0.67 125	0.33 140	0.90 154	0.58 156	0.41 187	0.60 89	0.59 223	1.55 170	1.28 233	1.11 122	1.13 144	0.90 140	0.59 101	1.11 114	0.91 229	0.28 260	0.18 190	0.18 36	0.18 88	0.25 203	0.33 260

GANet-ADL	0.63 108	0.38 228	0.82 114	0.67 251	0.41 187	0.68 130	0.51 173	1.64 190	1.16 182	0.98 92	1.10 124	0.90 140	0.58 98	0.81 53	0.63 164	0.27 248	0.18 190	0.18 36	0.16 57	0.23 164	0.27 201

RALCasStereoNet	0.58 77	0.34 167	0.77 89	0.65 225	0.64 293	0.64 111	0.51 173	1.06 53	0.99 114	0.71 49	1.06 111	0.77 92	0.44 30	1.38 145	0.52 114	0.20 101	0.18 190	0.18 36	0.16 57	0.20 91	0.22 114

111	0.66 117	0.27 38	1.15 219	0.46 15	0.25 10	0.72 146	0.42 98	1.57 175	1.44 298	0.83 69	1.39 231	1.10 205	0.80 166	0.97 84	0.65 172	0.20 101	0.14 61	0.18 36	0.15 33	0.18 37	0.28 212

RAFT-Stereo + iAFF	0.56 53	0.28 46	0.81 105	0.45 9	0.25 10	0.40 9	0.34 46	1.12 76	1.13 165	1.35 246	1.58 284	0.80 97	0.67 128	0.71 34	0.43 63	0.14 1	0.11 2	0.18 36	0.17 74	0.18 37	0.16 14

R-Stereo Train	0.60 94	0.30 84	0.72 62	0.57 146	0.37 150	0.68 130	0.52 181	1.45 152	0.78 44	1.61 316	1.50 261	0.76 88	0.53 66	0.67 30	0.51 108	0.19 67	0.16 142	0.18 36	0.15 33	0.18 37	0.19 55

RAFT-Stereo	0.60 94	0.30 84	0.72 62	0.57 146	0.37 150	0.68 130	0.52 181	1.45 152	0.78 44	1.61 316	1.50 261	0.76 88	0.53 66	0.67 30	0.51 108	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
iResNet	0.80 190	0.45 259	1.47 274	0.72 287	0.31 80	0.96 232	0.64 241	1.80 228	1.28 233	1.31 228	1.48 253	0.94 155	0.78 155	1.77 209	0.99 248	0.19 67	0.14 61	0.18 36	0.15 33	0.22 145	0.27 201

IGEVStereo-DCA	0.49 31	0.33 140	0.64 42	0.46 15	0.34 127	0.50 43	0.42 98	0.93 23	0.59 7	0.48 15	0.48 5	0.48 28	0.45 33	2.28 270	0.44 67	0.19 67	0.14 61	0.19 51	0.15 33	0.17 21	0.21 93

rrr	0.57 65	0.33 140	2.43 339	0.46 15	0.34 127	0.50 43	0.38 75	0.84 16	0.55 4	0.48 15	0.48 5	0.48 28	0.45 33	2.28 270	0.44 67	0.19 67	0.14 61	0.19 51	0.15 33	0.17 21	0.18 33

StereoIM	0.38 1	0.27 38	0.72 62	0.45 9	0.35 142	0.30 3	0.31 29	0.81 7	0.54 3	0.38 2	0.38 1	0.58 49	0.49 58	0.53 4	0.39 34	0.20 101	0.16 142	0.19 51	0.15 33	0.19 63	0.15 4

IGEV_Zeroshot_test	0.59 88	0.33 140	1.11 210	0.63 208	0.37 150	0.41 13	0.33 38	1.80 228	0.79 51	1.04 110	1.10 124	1.06 189	0.43 25	0.87 66	0.48 94	0.18 41	0.13 17	0.19 51	0.18 88	0.20 91	0.23 130

HH	0.68 134	0.33 140	0.83 122	0.53 94	0.34 127	0.92 216	0.45 139	1.79 224	0.74 38	0.71 49	1.13 144	1.60 303	0.83 174	1.95 237	0.39 34	0.18 41	0.14 61	0.19 51	0.17 74	0.19 63	0.19 55

HanStereo	0.68 134	0.33 140	0.83 122	0.53 94	0.34 127	0.92 216	0.45 139	1.79 224	0.74 38	0.71 49	1.13 144	1.60 303	0.83 174	1.95 237	0.39 34	0.18 41	0.14 61	0.19 51	0.17 74	0.19 63	0.19 55

DCRE	0.85 218	0.28 46	0.76 86	0.60 177	0.49 228	0.59 85	0.53 187	1.04 49	0.92 80	0.80 62	7.34 405	0.87 126	0.57 82	0.78 52	0.43 63	0.16 8	0.17 166	0.19 51	0.17 74	0.18 37	0.22 114

ProNet	0.46 23	0.30 84	0.69 58	0.46 15	0.32 100	0.57 75	0.52 181	1.15 93	0.67 24	0.44 6	0.50 8	0.44 10	0.43 25	1.31 134	0.38 31	0.16 8	0.15 115	0.19 51	0.16 57	0.18 37	0.18 33

CroCo-Stereo Lap2	0.46 23	0.37 211	0.87 144	0.62 198	0.79 336	0.28 2	0.35 55	0.81 7	0.73 31	0.39 4	0.54 15	0.71 84	0.54 73	0.60 15	0.48 94	0.18 41	0.18 190	0.19 51	0.16 57	0.21 126	0.21 93

CIPLG	0.67 125	0.37 211	1.17 233	0.60 177	0.51 241	0.75 153	0.48 158	1.26 121	1.11 155	1.43 275	1.58 284	0.64 64	0.48 48	0.94 76	0.78 200	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 224

IPLGR_C	0.67 125	0.38 228	1.20 239	0.60 177	0.50 232	0.75 153	0.48 158	1.28 129	1.13 165	1.42 271	1.57 283	0.62 58	0.48 48	0.85 64	0.80 209	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 224

MIPNet	0.60 94	0.31 109	1.07 202	0.51 62	0.34 127	0.68 130	0.40 86	1.67 194	1.14 171	1.11 122	0.93 71	0.60 54	0.78 155	0.77 45	0.58 148	0.18 41	0.14 61	0.19 51	0.16 57	0.18 37	0.21 93

ACRE	0.66 117	0.37 211	1.27 253	0.60 177	0.50 232	0.74 151	0.47 154	1.26 121	1.10 151	1.40 265	1.56 279	0.62 58	0.46 40	0.88 68	0.78 200	0.24 194	0.15 115	0.19 51	0.16 57	0.19 63	0.29 224

GrayStereo	0.83 209	0.28 46	0.62 35	0.66 238	0.37 150	0.76 158	1.79 377	1.19 103	0.91 75	1.98 352	1.89 330	1.07 192	1.76 353	1.43 157	0.50 106	0.20 101	0.15 115	0.19 51	0.21 169	0.18 37	0.41 297

cross-raft	0.56 53	0.26 22	0.65 47	0.55 115	0.31 80	0.66 121	0.37 68	1.68 195	0.82 56	1.06 116	1.07 113	1.25 238	0.45 33	0.74 38	0.39 34	0.15 4	0.13 17	0.19 51	0.16 57	0.19 63	0.17 24

Prome-Stereo	0.76 170	0.29 66	0.57 19	0.58 156	0.33 115	0.58 84	0.94 311	0.98 33	0.92 80	1.46 286	2.45 363	0.91 143	1.38 319	1.60 189	0.44 67	0.19 67	0.13 17	0.19 51	0.18 88	0.20 91	0.87 375

raft+_RVC	0.56 53	0.29 66	0.61 31	0.65 225	0.56 265	0.53 56	0.53 187	1.40 143	1.02 124	0.78 59	1.04 106	0.70 78	0.55 75	1.00 87	0.49 103	0.18 41	0.16 142	0.19 51	0.19 107	0.18 37	0.17 24

test_xeample3	0.57 65	0.33 140	3.11 356	0.46 15	0.34 127	0.55 70	0.38 75	0.86 20	0.49 2	0.54 31	0.46 3	0.44 10	0.44 30	1.49 172	0.45 78	0.18 41	0.14 61	0.19 51	0.15 33	0.17 21	0.18 33

AFF-stereo	0.60 94	0.28 46	0.72 62	0.48 31	0.29 54	0.34 4	0.37 68	1.22 113	1.20 196	1.21 182	1.59 288	1.10 205	0.70 136	1.01 89	0.44 67	0.14 1	0.12 5	0.19 51	0.20 133	0.18 37	0.15 4

HSM-Net_RVC	0.91 239	0.31 109	0.60 27	0.54 105	0.31 80	1.15 262	0.60 231	3.76 393	1.30 243	1.57 310	1.75 310	1.67 313	1.01 250	1.61 191	0.90 227	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
AANet_RVC	1.22 300	0.60 304	1.94 311	0.69 270	0.46 214	0.75 153	0.69 253	1.51 160	1.57 327	1.36 251	1.90 332	1.51 291	0.87 195	7.23 386	1.89 338	0.26 231	0.19 205	0.19 51	0.16 57	0.23 164	0.37 281

iResNetv2_ROB	0.88 225	0.43 253	2.62 347	0.60 177	0.38 161	0.94 221	0.67 247	1.88 250	1.38 273	1.27 211	1.45 247	1.26 244	1.05 268	1.92 232	0.64 167	0.24 194	0.15 115	0.19 51	0.14 25	0.24 193	0.21 93

MLCV	0.77 175	0.39 233	1.31 258	0.55 115	0.25 10	0.91 209	0.39 84	1.48 159	1.28 233	1.49 294	1.54 271	1.02 181	0.68 131	2.12 258	0.93 236	0.19 67	0.13 17	0.19 51	0.14 25	0.19 63	0.22 114

MyStereo8	0.70 145	0.32 123	1.24 248	0.63 208	0.53 249	0.90 207	0.34 46	1.60 184	1.35 259	1.20 176	1.31 202	0.89 138	0.64 118	0.77 45	1.02 255	0.18 41	0.15 115	0.20 74	0.18 88	0.22 145	0.30 237

11t1	0.57 65	0.30 84	0.84 131	0.54 105	0.30 66	0.83 187	0.41 94	1.34 134	0.79 51	0.88 80	0.82 55	0.70 78	0.70 136	0.96 83	0.67 177	0.21 126	0.21 228	0.20 74	0.16 57	0.21 126	0.26 185

MIM_Stereo	0.60 94	0.26 22	1.02 189	0.49 38	0.32 100	0.52 52	0.28 19	1.41 147	0.82 56	1.02 104	1.16 155	0.93 150	0.53 66	1.48 166	0.63 164	0.17 19	0.17 166	0.20 74	0.19 107	0.17 21	0.18 33

CBFPSM	0.95 248	0.37 211	2.10 324	0.51 62	0.39 168	1.73 331	0.87 299	1.59 182	1.13 165	1.11 122	1.00 91	2.34 363	1.64 343	1.42 155	1.44 300	0.19 67	0.18 190	0.20 74	0.20 133	0.22 145	0.36 278

iinet-f	1.04 269	0.50 278	4.24 373	0.58 156	0.43 197	1.78 340	0.70 259	1.29 130	1.16 182	1.25 196	1.42 240	1.57 301	1.42 324	1.47 164	1.70 329	0.26 231	0.23 261	0.20 74	0.20 133	0.26 213	0.26 185

EGLCR-Stereo	0.41 5	0.24 11	0.59 24	0.45 9	0.27 21	0.54 66	0.22 2	1.23 117	0.56 6	0.44 6	0.43 2	0.68 71	0.29 4	0.89 70	0.34 5	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.18 33

Wz-Net-LNSev-Ref	1.09 280	0.46 262	2.61 346	0.71 282	0.65 299	2.00 354	0.78 272	2.07 290	1.47 309	1.62 318	1.47 251	1.53 294	1.29 307	2.10 256	1.65 325	0.24 194	0.14 61	0.20 74	0.16 57	0.28 230	0.28 212

raft_robust	0.71 151	0.32 123	0.75 82	0.54 105	0.28 42	0.54 66	0.35 55	1.54 168	1.24 212	1.18 165	1.07 113	0.73 85	0.53 66	3.65 317	0.40 49	0.19 67	0.16 142	0.20 74	0.22 192	0.21 126	0.19 55

CSP-Net	1.00 262	0.41 247	0.99 181	0.56 127	0.43 197	1.62 323	0.76 268	2.16 308	1.16 182	1.33 235	1.22 170	1.32 260	0.89 205	4.67 337	0.93 236	0.35 306	0.24 269	0.20 74	0.20 133	0.23 164	0.30 237

IPLG	0.72 156	0.29 66	1.12 213	0.53 94	0.44 204	0.79 172	0.33 38	1.35 135	1.10 151	1.32 230	1.11 131	0.52 40	0.54 73	3.13 304	0.71 188	0.17 19	0.14 61	0.20 74	0.17 74	0.18 37	0.21 93

IPLGR	0.62 99	0.28 46	1.32 260	0.50 51	0.29 54	0.65 115	0.34 46	1.47 157	1.19 192	1.21 182	1.07 113	0.70 78	0.65 122	1.05 97	0.55 133	0.18 41	0.15 115	0.20 74	0.17 74	0.21 126	0.20 74

test-3	0.56 53	0.24 11	0.82 114	0.50 51	0.29 54	0.57 75	0.34 46	1.09 66	1.03 127	1.33 235	0.69 30	0.87 126	0.45 33	1.68 198	0.39 34	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.16 14

test_1	0.56 53	0.24 11	0.82 114	0.50 51	0.29 54	0.57 75	0.34 46	1.09 66	1.03 127	1.28 216	0.69 30	0.87 126	0.45 33	1.67 196	0.39 34	0.17 19	0.12 5	0.20 74	0.17 74	0.17 21	0.16 14

CrosDoStereo	1.56 334	0.26 22	0.78 95	0.51 62	0.29 54	0.66 121	11.86 415	1.18 99	1.00 118	1.35 246	1.76 311	0.99 171	1.83 357	6.64 377	0.83 213	0.19 67	0.15 115	0.20 74	0.22 192	0.18 37	0.25 168

DeepStereo_LL	1.56 334	0.26 22	0.78 95	0.51 62	0.29 54	0.66 121	11.86 415	1.18 99	1.00 118	1.35 246	1.76 311	0.99 171	1.83 357	6.64 377	0.83 213	0.19 67	0.15 115	0.20 74	0.22 192	0.18 37	0.25 168

DEmStereo	0.98 256	0.25 19	0.85 137	0.49 38	0.33 115	1.02 239	0.55 203	0.97 29	0.93 87	1.41 267	2.13 347	1.01 179	2.01 364	5.62 355	0.78 200	0.19 67	0.15 115	0.20 74	0.20 133	0.18 37	0.25 168

DRaft	0.81 198	0.26 22	0.77 89	0.47 26	0.31 80	0.95 227	0.52 181	1.13 80	0.99 114	1.78 335	2.01 341	0.80 97	1.71 349	2.64 288	0.74 191	0.19 67	0.14 61	0.20 74	0.20 133	0.18 37	0.24 149

test-1	0.56 53	0.28 46	1.13 214	0.58 156	0.34 127	0.60 89	0.38 75	1.56 172	0.98 107	0.80 62	1.02 95	0.83 117	0.52 64	0.64 26	0.46 82	0.17 19	0.16 142	0.20 74	0.17 74	0.20 91	0.26 185

XX-Stereo	0.97 253	0.28 46	8.28 391	0.85 337	0.70 316	0.44 17	0.22 2	1.07 54	0.69 27	0.66 45	1.56 279	1.38 270	0.38 16	1.36 141	0.38 31	0.21 126	0.14 61	0.20 74	0.19 107	0.19 63	0.16 14

GES	0.70 145	0.37 211	1.05 195	0.62 198	0.38 161	0.94 221	0.57 212	2.37 342	0.92 80	1.05 112	1.12 134	0.67 69	0.77 150	1.02 91	0.65 172	0.28 260	0.20 215	0.20 74	0.20 133	0.22 145	0.31 246

GMStereo	0.58 77	0.50 278	1.09 205	0.52 74	0.32 100	0.80 173	0.43 114	1.02 40	1.41 287	0.89 81	0.77 44	0.52 40	0.46 40	0.89 70	0.56 140	0.25 214	0.16 142	0.20 74	0.22 192	0.31 256	0.27 201
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HSM	1.22 300	0.34 167	0.81 105	0.61 190	0.39 168	1.22 278	0.63 240	2.45 350	1.25 219	1.32 230	1.26 182	1.91 331	1.08 272	9.21 404	0.75 194	0.23 175	0.17 166	0.20 74	0.16 57	0.22 145	0.24 149

LE_ROB	8.35 414	0.47 267	27.42 428	0.83 331	0.34 127	2.84 381	3.36 410	4.03 397	27.04 428	25.20 428	8.72 412	8.55 411	27.35 428	7.37 388	22.13 421	0.22 155	0.20 215	0.20 74	0.21 169	0.25 203	0.25 168

AE-Stereo	0.58 77	0.29 66	0.81 105	0.62 198	0.41 187	0.69 138	0.46 145	2.49 359	1.25 219	0.49 18	0.77 44	0.69 75	0.46 40	0.61 16	0.42 60	0.17 19	0.16 142	0.21 97	0.20 133	0.19 63	0.18 33

CoDeX	0.78 177	0.31 109	1.04 193	0.56 127	0.37 150	1.13 256	0.60 231	2.77 377	1.29 241	1.17 154	1.26 182	0.91 143	0.87 195	1.42 155	0.74 191	0.21 126	0.16 142	0.21 97	0.18 88	0.21 126	0.21 93

ff7	0.45 14	0.30 84	0.64 42	0.47 26	0.33 115	0.49 32	0.42 98	0.93 23	0.59 7	0.50 21	0.53 9	0.44 10	0.48 48	1.41 150	0.36 18	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 42	0.47 26	0.33 115	0.49 32	0.42 98	0.93 23	0.59 7	0.50 21	0.53 9	0.44 10	0.48 48	1.41 150	0.36 18	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 42	0.47 26	0.33 115	0.49 32	0.42 98	0.93 23	0.59 7	0.50 21	0.53 9	0.44 10	0.48 48	1.41 150	0.36 18	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

EKT-Stereo	0.56 53	0.33 140	0.84 131	0.61 190	0.64 293	0.51 48	0.48 158	1.14 82	0.95 96	0.74 55	0.89 67	0.77 92	0.42 22	1.18 125	0.42 60	0.23 175	0.17 166	0.21 97	0.18 88	0.20 91	0.26 185

anonymousdsp	0.45 14	0.30 84	0.60 27	0.48 31	0.34 127	0.49 32	0.42 98	0.97 29	0.60 12	0.51 28	0.53 9	0.46 18	0.47 46	1.36 141	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 42	0.47 26	0.33 115	0.49 32	0.42 98	0.93 23	0.59 7	0.50 21	0.53 9	0.44 10	0.48 48	1.41 150	0.36 18	0.18 41	0.13 17	0.21 97	0.15 33	0.18 37	0.21 93

IER	0.74 162	0.33 140	1.25 250	0.50 51	0.53 249	1.32 287	0.55 203	1.31 132	1.08 141	1.30 222	1.34 215	1.11 210	1.10 277	1.05 97	0.81 211	0.20 101	0.17 166	0.21 97	0.21 169	0.20 91	0.21 93

RAFT_CTSACE	0.66 117	0.29 66	1.14 217	0.57 146	0.51 241	0.68 130	0.44 131	0.88 21	0.98 107	1.03 108	1.83 322	1.23 233	0.67 128	1.48 166	0.38 31	0.16 8	0.16 142	0.21 97	0.20 133	0.20 91	0.17 24

test_4	0.55 42	0.23 6	0.67 52	0.56 127	0.32 100	0.71 143	0.39 84	0.83 13	0.72 30	0.93 87	1.87 329	0.70 78	0.41 19	1.21 128	0.39 34	0.16 8	0.13 17	0.21 97	0.23 220	0.20 91	0.18 33

IGEV-Stereo	0.45 14	0.30 84	0.60 27	0.48 31	0.34 127	0.49 32	0.42 98	0.98 33	0.60 12	0.51 28	0.53 9	0.46 18	0.47 46	1.36 141	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
ADLNet2	0.92 242	0.37 211	1.25 250	0.80 320	0.65 299	1.12 255	0.75 266	1.95 265	1.42 295	1.26 206	1.67 299	1.68 315	1.04 263	1.80 218	1.23 278	0.25 214	0.22 238	0.21 97	0.22 192	0.27 215	0.31 246

LCNet	0.73 159	0.30 84	0.58 20	0.58 156	0.31 80	0.68 130	0.53 187	1.09 66	0.94 92	1.19 170	1.34 215	0.96 162	1.32 313	2.50 281	0.46 82	0.19 67	0.13 17	0.21 97	0.25 240	0.28 230	0.69 362

STrans-v2	1.06 273	0.31 109	1.02 189	0.52 74	0.33 115	0.67 126	0.78 272	2.66 373	1.26 225	1.15 148	1.46 249	1.37 269	1.40 322	6.68 379	0.46 82	0.19 67	0.13 17	0.21 97	0.18 88	0.18 37	0.21 93

TransformOpticalFlow	0.97 253	0.30 84	0.96 176	0.54 105	0.31 80	0.65 115	0.54 196	1.87 245	1.19 192	1.12 130	1.44 244	1.34 263	0.98 238	6.68 379	0.44 67	0.19 67	0.12 5	0.21 97	0.19 107	0.18 37	0.23 130

NRIStereo	0.62 99	0.31 109	0.78 95	0.56 127	0.28 42	0.63 103	0.33 38	1.16 96	0.92 80	1.15 148	0.87 62	0.90 140	0.58 98	2.24 266	0.56 140	0.22 155	0.14 61	0.21 97	0.19 107	0.22 145	0.18 33

THIR-Stereo	1.02 266	0.29 66	0.73 72	0.51 62	0.29 54	0.94 221	1.31 352	1.08 59	0.98 107	1.35 246	1.91 334	1.16 219	1.54 334	6.37 374	0.79 204	0.20 101	0.14 61	0.21 97	0.22 192	0.19 63	0.25 168

DeepStereo_RVC	0.57 65	0.31 109	0.78 95	0.53 94	0.30 66	0.57 75	0.32 33	1.11 74	0.80 55	1.17 154	0.94 73	0.83 117	0.93 219	1.01 89	0.61 159	0.23 175	0.14 61	0.21 97	0.19 107	0.24 193	0.26 185

RALAANet	0.62 99	0.37 211	0.97 177	0.66 238	0.50 232	0.67 126	0.31 29	1.27 125	1.09 148	1.11 122	1.17 157	0.88 132	0.46 40	1.27 133	0.45 78	0.20 101	0.15 115	0.21 97	0.18 88	0.27 215	0.19 55

Anonymous	0.56 53	0.41 247	1.05 195	0.67 251	0.73 317	0.65 115	0.68 249	1.12 76	0.79 51	0.48 15	0.60 21	0.42 6	0.60 105	0.81 53	0.55 133	0.26 231	0.24 269	0.21 97	0.21 169	0.41 302	0.30 237

222	1.67 341	0.31 109	0.93 160	0.59 170	0.31 80	1.05 244	0.43 114	2.39 343	1.47 309	1.37 252	1.55 274	0.94 155	0.94 221	1.98 240	17.76 418	0.24 194	0.22 238	0.21 97	0.20 133	0.22 145	0.26 185

xxxx	1.61 337	0.32 123	0.98 179	0.58 156	0.31 80	1.15 262	0.43 114	2.43 348	1.41 287	1.17 154	1.40 236	1.21 225	0.86 189	1.94 234	16.68 417	0.24 194	0.24 269	0.21 97	0.20 133	0.23 164	0.27 201

ACVNet	0.66 117	0.33 140	0.74 77	0.55 115	0.37 150	0.80 173	0.47 154	1.46 154	1.11 155	1.01 100	1.31 202	1.07 192	0.91 210	0.82 55	1.09 260	0.22 155	0.19 205	0.21 97	0.18 88	0.23 164	0.19 55

acv_ft	0.78 177	0.33 140	1.10 208	0.73 294	0.86 350	1.23 280	0.57 212	1.65 193	1.11 155	1.31 228	1.31 202	1.07 192	0.91 210	0.82 55	1.35 292	0.22 155	0.19 205	0.21 97	0.18 88	0.22 145	0.19 55

DIP-Stereo	0.64 111	0.32 123	0.91 157	0.49 38	0.36 145	0.91 209	0.33 38	2.51 362	0.77 43	1.25 196	1.00 91	0.68 71	0.51 60	0.92 75	0.65 172	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
HITNet	0.71 151	0.42 249	1.07 202	0.52 74	0.25 10	1.05 244	0.48 158	2.12 297	1.08 141	1.21 182	1.23 174	0.91 143	0.84 176	0.90 73	0.91 229	0.17 19	0.12 5	0.21 97	0.17 74	0.29 240	0.18 33
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
Former-RAFT_DAM_RVC	0.47 26	0.38 228	0.75 82	0.48 31	0.37 150	0.67 126	0.35 55	0.82 12	1.14 171	0.61 42	0.64 22	0.39 5	0.39 17	0.74 38	0.39 34	0.20 101	0.17 166	0.22 124	0.18 88	0.24 193	0.20 74

SMFormer	0.79 185	0.32 123	0.95 169	0.49 38	0.27 21	0.83 187	0.43 114	2.16 308	1.45 303	1.27 211	1.50 261	0.98 166	0.96 228	1.87 224	0.99 248	0.24 194	0.22 238	0.22 124	0.21 169	0.23 164	0.27 201

tta	0.79 185	0.32 123	0.95 169	0.49 38	0.27 21	0.83 187	0.43 114	2.16 308	1.45 303	1.27 211	1.50 261	0.98 166	0.96 228	1.87 224	0.99 248	0.24 194	0.22 238	0.22 124	0.21 169	0.19 63	0.22 114

1111x	1.96 361	0.32 123	1.54 287	0.54 105	0.30 66	1.00 236	0.69 253	2.47 355	1.33 254	1.21 182	1.44 244	1.21 225	1.11 279	8.49 399	16.14 416	0.22 155	0.23 261	0.22 124	0.23 220	0.25 203	0.26 185

gwcnet-sp	0.80 190	0.37 211	1.94 311	0.62 198	0.45 207	1.38 296	0.53 187	1.68 195	1.20 196	1.37 252	1.08 119	0.93 150	0.82 171	1.45 160	0.79 204	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 168

scenet	0.80 190	0.37 211	1.94 311	0.62 198	0.45 207	1.38 296	0.53 187	1.68 195	1.20 196	1.37 252	1.08 119	0.93 150	0.82 171	1.45 160	0.79 204	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 168

ssnet	0.80 190	0.37 211	1.94 311	0.62 198	0.45 207	1.38 296	0.53 187	1.68 195	1.20 196	1.37 252	1.08 119	0.93 150	0.82 171	1.45 160	0.79 204	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 168

TestStereo1	0.66 117	0.29 66	0.95 169	0.82 327	0.32 100	0.47 22	0.43 114	1.52 162	1.22 208	0.99 93	1.32 207	0.65 65	0.76 146	1.78 211	0.44 67	0.20 101	0.16 142	0.22 124	0.19 107	0.21 126	0.20 74

x	0.59 88	0.34 167	0.79 99	0.51 62	0.32 100	0.69 138	0.46 145	1.64 190	0.97 104	0.86 78	0.86 60	0.83 117	0.74 140	0.75 43	0.70 185	0.21 126	0.22 238	0.22 124	0.20 133	0.21 126	0.24 149

CRFU-Net	0.90 234	0.42 249	1.10 208	0.69 270	0.59 277	1.76 335	0.84 291	2.33 340	0.92 80	1.45 284	1.20 163	1.62 305	1.25 302	1.38 145	0.94 241	0.28 260	0.23 261	0.22 124	0.19 107	0.24 193	0.27 201

RAFT+CT+SA	0.63 108	0.30 84	0.73 72	0.69 270	0.37 150	0.40 9	0.55 203	1.93 261	1.04 133	0.72 53	1.23 174	0.62 58	0.69 134	1.69 202	0.42 60	0.19 67	0.13 17	0.22 124	0.22 192	0.21 126	0.19 55

SA-5K	0.66 117	0.29 66	0.95 169	0.82 327	0.32 100	0.47 22	0.43 114	1.52 162	1.22 208	0.99 93	1.32 207	0.65 65	0.76 146	1.78 211	0.44 67	0.20 101	0.16 142	0.22 124	0.19 107	0.21 126	0.20 74

iRaft-Stereo_5w	0.89 227	0.31 109	1.04 193	0.56 127	0.47 220	0.47 22	0.68 249	1.19 103	1.08 141	0.80 62	1.35 220	1.46 282	0.90 208	5.11 343	1.16 267	0.18 41	0.15 115	0.22 124	0.19 107	0.21 126	0.24 149

test_3	0.57 65	0.24 11	0.87 144	0.55 115	0.30 66	0.60 89	0.40 86	1.07 54	1.08 141	1.20 176	0.68 27	0.92 148	0.43 25	1.68 198	0.40 49	0.16 8	0.13 17	0.22 124	0.19 107	0.21 126	0.17 24

PSMNet-ADL	0.75 165	0.36 195	0.69 58	0.71 282	0.47 220	1.13 256	0.46 145	1.47 157	1.07 138	0.85 74	1.18 159	1.31 256	0.94 221	1.56 176	1.06 258	0.34 298	0.22 238	0.22 124	0.23 220	0.27 215	0.36 278

AAGNet	1.84 354	0.30 84	0.79 99	0.66 238	0.32 100	0.65 115	0.50 172	1.02 40	1.01 121	1.47 287	1.21 168	0.99 171	1.16 285	2.76 295	22.69 424	0.24 194	0.13 17	0.22 124	0.20 133	0.24 193	0.16 14

KYRaft	0.77 175	0.29 66	0.68 54	0.59 170	0.29 54	0.66 121	0.83 289	1.05 52	0.89 69	1.63 320	2.22 352	1.15 218	0.99 241	1.59 184	0.41 55	0.21 126	0.14 61	0.22 124	0.28 275	0.21 126	1.01 378

ASMatch	0.89 227	0.29 66	0.72 62	0.56 127	0.36 145	0.47 22	0.37 68	1.16 96	0.95 96	1.11 122	3.26 377	0.95 158	0.96 228	4.88 340	0.53 123	0.20 101	0.16 142	0.22 124	0.19 107	0.20 91	0.30 237

RAFT-345	0.86 220	0.26 22	0.73 72	0.53 94	0.28 42	0.53 56	0.41 94	0.85 17	1.31 250	1.33 235	2.32 356	0.85 124	0.53 66	5.69 356	0.48 94	0.19 67	0.14 61	0.22 124	0.17 74	0.17 21	0.17 24

LMCR-Stereo	0.87 223	0.50 278	0.99 181	0.80 320	0.43 197	1.32 287	0.55 203	2.79 380	1.03 127	1.55 306	1.49 254	0.74 86	1.01 250	1.76 208	0.99 248	0.30 277	0.17 166	0.22 124	0.18 88	0.31 256	0.22 114

ICVP	0.66 117	0.35 191	0.71 61	0.63 208	0.41 187	0.85 197	0.56 209	1.78 221	0.96 100	0.92 84	1.24 178	0.88 132	0.75 145	0.76 44	0.93 236	0.31 281	0.22 238	0.22 124	0.21 169	0.24 193	0.28 212
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	0.49 31	0.28 46	0.72 62	0.53 94	0.29 54	0.52 52	0.33 38	1.14 82	0.84 61	0.85 74	0.99 87	0.55 44	0.36 14	0.83 58	0.40 49	0.18 41	0.13 17	0.22 124	0.20 133	0.20 91	0.18 33

test_xeample	1.55 333	0.31 109	0.94 166	0.54 105	0.31 80	0.94 221	0.58 219	2.40 345	1.40 284	1.29 220	1.55 274	0.89 138	0.88 202	1.72 204	15.94 415	0.22 155	0.22 238	0.22 124	0.21 169	0.23 164	0.25 168

SFCPSM	0.74 162	0.30 84	1.06 198	0.52 74	0.39 168	1.36 295	0.64 241	2.42 347	1.11 155	1.18 165	1.21 168	0.81 103	0.78 155	1.08 105	0.57 143	0.22 155	0.17 166	0.22 124	0.24 232	0.23 164	0.21 93

cf-r	0.79 185	0.32 123	1.06 198	0.57 146	0.64 293	0.78 168	0.51 173	2.04 283	1.22 208	1.20 176	1.27 191	1.53 294	0.91 210	1.47 164	0.94 241	0.25 214	0.19 205	0.22 124	0.23 220	0.19 63	0.21 93

GANet-RSSM	0.78 177	0.31 109	0.90 154	0.67 251	0.58 271	0.80 173	0.62 235	2.04 283	1.15 176	1.11 122	1.27 191	1.26 244	1.18 295	1.68 198	0.74 191	0.26 231	0.21 228	0.22 124	0.22 192	0.23 164	0.23 130

DISCO	1.06 273	0.37 211	1.19 238	0.73 294	0.46 214	2.04 357	0.84 291	2.26 327	1.54 321	1.25 196	1.36 224	2.38 365	1.08 272	2.60 287	1.62 319	0.24 194	0.19 205	0.22 124	0.20 133	0.32 264	0.29 224

H2IRNET	0.57 65	0.28 46	0.75 82	0.49 38	0.35 142	0.40 9	0.27 15	1.03 46	1.18 191	0.62 43	1.26 182	1.07 192	0.85 181	1.02 91	0.64 167	0.20 101	0.16 142	0.23 151	0.25 240	0.22 145	0.20 74

MIF-Stereo (partial)	0.48 29	0.28 46	0.83 122	0.51 62	0.53 249	0.39 8	0.27 15	1.03 46	0.64 20	0.47 12	0.71 35	0.51 36	0.51 60	1.13 117	0.47 90	0.20 101	0.16 142	0.23 151	0.20 133	0.24 193	0.20 74

4D-IteraStereo	0.50 35	0.26 22	0.84 131	0.51 62	0.49 228	0.64 111	0.31 29	0.91 22	1.02 124	1.05 112	0.72 36	0.76 88	0.32 10	0.69 32	0.40 49	0.18 41	0.11 2	0.23 151	0.20 133	0.19 63	0.16 14

anonymousa	0.78 177	0.30 84	0.85 137	0.51 62	0.96 363	1.41 303	0.47 154	1.61 186	0.94 92	1.33 235	1.77 313	1.66 311	1.11 279	0.72 36	0.63 164	0.19 67	0.18 190	0.23 151	0.25 240	0.20 91	0.22 114

DisPM	0.68 134	0.30 84	0.85 137	0.66 238	0.35 142	0.60 89	0.44 131	1.10 72	1.10 151	1.56 307	1.10 124	0.80 97	0.58 98	2.37 278	0.46 82	0.25 214	0.14 61	0.23 151	0.21 169	0.20 91	0.26 185

test_5	0.70 145	0.32 123	0.99 181	0.69 270	0.50 232	0.89 204	0.51 173	1.88 250	1.14 171	0.78 59	1.13 144	1.04 185	0.89 205	1.59 184	0.46 82	0.19 67	0.14 61	0.23 151	0.22 192	0.22 145	0.20 74

GLC_STEREO	0.41 5	0.27 38	0.43 6	0.55 115	0.24 8	0.47 22	0.30 27	0.81 7	0.64 20	0.53 30	0.74 40	0.50 35	0.31 7	0.65 27	0.45 78	0.18 41	0.20 215	0.23 151	0.19 107	0.21 126	0.21 93

TRStereo	0.67 125	0.71 334	1.06 198	0.77 315	0.68 307	0.53 56	0.38 75	2.52 363	0.96 100	0.81 66	0.84 57	0.87 126	0.39 17	1.16 121	0.46 82	0.24 194	0.17 166	0.23 151	0.24 232	0.18 37	0.20 74

HHNet	0.64 111	0.28 46	0.69 58	0.45 9	0.46 214	0.50 43	0.57 212	1.13 80	1.03 127	1.26 206	2.21 351	0.70 78	0.59 101	1.10 111	0.51 108	0.21 126	0.13 17	0.23 151	0.19 107	0.20 91	0.31 246

IIG-Stereo	0.97 253	0.34 167	0.80 104	0.90 351	0.33 115	0.61 93	0.26 11	1.27 125	1.08 141	1.69 326	1.37 225	1.44 277	0.74 140	6.94 383	0.53 123	0.21 126	0.14 61	0.23 151	0.18 88	0.20 91	0.15 4

FTStereo	0.92 242	0.28 46	0.61 31	0.57 146	0.34 127	0.65 115	1.80 380	1.09 66	0.84 61	1.75 330	4.13 387	1.04 185	1.62 338	1.59 184	0.48 94	0.21 126	0.17 166	0.23 151	0.22 192	0.19 63	0.58 345

SST-Stereo	0.85 218	0.30 84	0.81 105	0.63 208	0.31 80	0.70 141	0.25 4	1.16 96	0.95 96	1.47 287	1.11 131	0.99 171	0.86 189	5.69 356	0.53 123	0.23 175	0.13 17	0.23 151	0.19 107	0.23 164	0.19 55

RAFT_R40	0.84 213	0.30 84	0.83 122	0.63 208	0.31 80	0.66 121	0.43 114	1.15 93	0.99 114	1.47 287	1.10 124	1.00 175	0.84 176	5.44 353	0.53 123	0.23 175	0.13 17	0.23 151	0.20 133	0.23 164	0.19 55

CRE-IMP	0.57 65	0.32 123	0.82 114	0.54 105	0.29 54	0.77 167	0.25 4	1.19 103	0.79 51	1.09 119	0.95 74	0.81 103	0.57 82	1.11 114	0.57 143	0.22 155	0.14 61	0.23 151	0.19 107	0.28 230	0.24 149

GEStereo_RVC	0.93 247	0.40 238	1.15 219	0.67 251	0.50 232	0.95 227	0.78 272	2.73 375	1.21 202	1.20 176	1.12 134	1.25 238	0.91 210	3.21 307	0.95 243	0.31 281	0.20 215	0.23 151	0.20 133	0.28 230	0.31 246

sAnonymous2	0.59 88	0.61 309	1.82 303	0.61 190	0.52 244	0.51 48	0.54 196	0.97 29	0.70 28	0.50 21	0.68 27	0.46 18	0.63 116	0.61 16	0.41 55	0.22 155	0.17 166	0.23 151	0.21 169	0.85 373	0.56 339

CroCo_RVC	0.59 88	0.61 309	1.82 303	0.61 190	0.52 244	0.51 48	0.54 196	0.97 29	0.70 28	0.50 21	0.68 27	0.46 18	0.63 116	0.61 16	0.41 55	0.22 155	0.17 166	0.23 151	0.21 169	0.85 373	0.56 339

sCroCo_RVC	0.51 37	0.43 253	1.15 219	0.66 238	0.60 281	0.52 52	0.40 86	0.93 23	0.64 20	0.45 10	0.76 41	0.49 32	0.49 58	0.65 27	0.49 103	0.27 248	0.28 299	0.23 151	0.22 192	0.29 240	0.28 212

MMNet	0.89 227	0.35 191	1.44 271	0.64 219	0.59 277	1.83 343	0.48 158	1.70 207	1.38 273	1.45 284	1.19 162	1.25 238	1.16 285	1.77 209	1.27 283	0.20 101	0.19 205	0.23 151	0.22 192	0.25 203	0.24 149

FENet	0.62 99	0.30 84	0.68 54	0.57 146	0.33 115	0.82 181	0.40 86	1.41 147	1.12 160	1.03 108	0.87 62	0.98 166	0.84 176	1.00 87	0.70 185	0.23 175	0.16 142	0.23 151	0.20 133	0.22 145	0.24 149

GwcNet-RSSM	0.83 209	0.34 167	1.29 257	0.65 225	0.55 260	0.78 168	0.62 235	1.89 252	1.27 229	1.18 165	1.39 231	1.56 299	0.91 210	1.60 189	1.22 275	0.26 231	0.20 215	0.23 151	0.24 232	0.21 126	0.21 93

SuperB	2.50 380	0.72 337	18.07 416	0.72 287	0.53 249	1.85 344	0.86 297	1.80 228	2.40 371	1.54 303	1.42 240	1.13 214	1.17 288	4.18 325	4.80 380	0.25 214	0.20 215	0.23 151	0.19 107	7.64 423	0.38 287

DispNO	0.98 256	0.34 167	2.02 318	0.58 156	0.55 260	0.88 202	0.49 166	1.70 207	1.24 212	1.22 187	1.26 182	1.18 220	0.88 202	5.17 344	0.88 221	0.23 175	0.18 190	0.24 173	0.22 192	0.19 63	0.22 114

MyStereo07	0.50 35	0.30 84	0.58 20	0.58 156	0.48 222	0.59 85	0.78 272	1.19 103	0.60 12	0.49 18	0.54 15	0.43 9	0.55 75	1.32 137	0.36 18	0.18 41	0.18 190	0.24 173	0.21 169	0.23 164	0.23 130

MyStereo06	0.67 125	0.29 66	1.06 198	0.58 156	0.48 222	0.62 95	0.72 261	2.26 327	0.89 69	1.07 117	1.12 134	1.22 229	0.56 80	0.83 58	0.47 90	0.17 19	0.17 166	0.24 173	0.21 169	0.23 164	0.23 130

MyStereo05	0.70 145	0.29 66	1.22 243	0.58 156	0.48 222	0.62 95	0.72 261	1.52 162	1.54 321	1.17 154	0.91 69	0.77 92	0.79 160	1.45 160	0.68 181	0.17 19	0.17 166	0.24 173	0.21 169	0.23 164	0.23 130

MyStereo04	0.71 151	0.30 84	1.28 254	0.58 156	0.48 222	0.59 85	0.78 272	1.74 215	1.49 314	0.94 88	0.91 69	0.74 86	0.86 189	1.59 184	0.69 182	0.18 41	0.18 190	0.24 173	0.21 169	0.23 164	0.23 130

xx1	0.70 145	0.34 167	0.63 36	0.60 177	0.27 21	1.16 265	0.51 173	1.07 54	3.23 389	0.60 38	0.80 51	0.95 158	0.79 160	1.48 166	0.35 7	0.21 126	0.13 17	0.24 173	0.23 220	0.23 164	0.25 168

test croco	0.49 31	0.29 66	1.23 245	0.51 62	0.40 177	0.35 5	0.37 68	1.04 49	0.62 16	0.44 6	0.76 41	0.42 6	0.41 19	1.17 124	0.46 82	0.23 175	0.15 115	0.24 173	0.19 107	0.25 203	0.18 33

ToySt	0.73 159	0.35 191	1.64 293	0.54 105	0.37 150	0.92 216	0.81 284	1.21 111	1.03 127	0.86 78	1.12 134	1.31 256	1.01 250	1.04 94	0.88 221	0.19 67	0.20 215	0.24 173	0.24 232	0.27 215	0.28 212

riskmin	0.62 99	0.29 66	0.73 72	0.50 51	0.34 127	0.86 198	0.44 131	1.74 215	1.07 138	0.76 58	0.76 41	1.19 222	1.01 250	0.84 61	0.60 156	0.20 101	0.16 142	0.24 173	0.16 57	0.24 193	0.29 224

qqq	0.62 99	0.36 195	0.88 146	0.50 51	0.28 42	0.64 111	0.62 235	1.58 177	0.91 75	0.83 69	0.96 76	0.95 158	0.79 160	0.99 85	0.67 177	0.21 126	0.23 261	0.24 173	0.23 220	0.23 164	0.25 168

Wz-Net-LNSev	1.17 291	0.72 337	4.71 377	0.66 238	0.84 348	1.72 328	1.13 333	1.97 269	1.43 296	1.34 242	1.32 207	1.66 311	1.30 310	1.44 159	1.51 309	0.29 272	0.26 287	0.24 173	0.23 220	0.33 269	0.35 275

AASNet	0.80 190	0.39 233	1.16 232	0.84 335	0.80 338	1.14 259	0.59 223	2.12 297	1.21 202	1.26 206	1.26 182	0.93 150	0.77 150	0.84 61	1.23 278	0.28 260	0.24 269	0.24 173	0.20 133	0.28 230	0.27 201

GMOStereo	0.55 42	0.28 46	0.72 62	0.52 74	0.30 66	0.53 56	0.43 114	1.02 40	0.98 107	1.44 278	1.14 149	0.88 132	0.57 82	0.62 20	0.39 34	0.16 8	0.14 61	0.24 173	0.22 192	0.20 91	0.18 33

error version	0.55 42	0.28 46	0.72 62	0.52 74	0.30 66	0.53 56	0.43 114	1.02 40	0.98 107	1.44 278	1.14 149	0.88 132	0.57 82	0.62 20	0.39 34	0.16 8	0.14 61	0.24 173	0.22 192	0.20 91	0.18 33

test-v	0.55 42	0.28 46	0.72 62	0.52 74	0.30 66	0.53 56	0.43 114	1.02 40	0.98 107	1.44 278	1.14 149	0.88 132	0.57 82	0.62 20	0.39 34	0.16 8	0.14 61	0.24 173	0.22 192	0.20 91	0.18 33

Patchmatch Stereo++	0.57 65	0.33 140	0.82 114	0.52 74	0.27 21	0.63 103	0.28 19	1.14 82	0.73 31	1.13 133	0.96 76	0.82 109	0.60 105	1.40 148	0.52 114	0.23 175	0.14 61	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
OMP-Stereo	0.95 248	0.35 191	0.79 99	0.92 353	0.32 100	0.49 32	0.35 55	1.22 113	1.11 155	1.58 311	1.12 134	1.44 277	0.69 134	6.92 382	0.51 108	0.20 101	0.15 115	0.24 173	0.19 107	0.21 126	0.16 14

NF-Stereo	0.82 200	0.33 140	0.83 122	0.65 225	0.31 80	0.63 103	0.43 114	1.35 135	0.93 87	1.30 222	1.02 95	0.81 103	0.57 82	5.37 352	0.55 133	0.26 231	0.14 61	0.24 173	0.20 133	0.20 91	0.30 237

OCTAStereo	0.82 200	0.33 140	0.83 122	0.65 225	0.31 80	0.62 95	0.44 131	1.35 135	0.93 87	1.30 222	1.02 95	0.81 103	0.57 82	5.32 347	0.55 133	0.26 231	0.14 61	0.24 173	0.20 133	0.20 91	0.30 237

PSM-adaLoss	0.56 53	0.33 140	0.81 105	0.52 74	0.27 21	0.63 103	0.41 94	1.14 82	0.73 31	1.13 133	0.96 76	0.82 109	0.60 105	1.09 109	0.52 114	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

ROB_FTStereo_v2	0.57 65	0.33 140	0.81 105	0.52 74	0.27 21	0.62 95	0.42 98	1.14 82	0.73 31	1.13 133	0.97 83	0.82 109	0.60 105	1.15 119	0.53 123	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

ROB_FTStereo	0.56 53	0.33 140	0.82 114	0.52 74	0.27 21	0.62 95	0.25 4	1.14 82	0.74 38	1.13 133	0.96 76	0.82 109	0.60 105	1.18 125	0.52 114	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

HUI-Stereo	0.54 41	0.33 140	0.81 105	0.52 74	0.27 21	0.62 95	0.29 23	1.14 82	0.74 38	1.13 133	0.96 76	0.82 109	0.60 105	0.83 58	0.52 114	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

PFNet	0.92 242	0.28 46	1.20 239	0.68 260	0.32 100	0.62 95	0.55 203	1.27 125	1.01 121	1.47 287	1.09 122	0.97 165	0.68 131	6.58 376	0.59 154	0.21 126	0.13 17	0.24 173	0.19 107	0.20 91	0.20 74

RE-Stereo	0.82 200	0.33 140	0.84 131	0.65 225	0.31 80	0.63 103	0.44 131	1.35 135	0.93 87	1.30 222	1.02 95	0.80 97	0.57 82	5.34 350	0.55 133	0.26 231	0.14 61	0.24 173	0.20 133	0.20 91	0.31 246

Pruner-Stereo	0.64 111	0.31 109	0.79 99	0.66 238	0.31 80	0.61 93	0.42 98	1.22 113	1.09 148	1.53 300	1.09 122	0.94 155	0.55 75	1.37 144	0.56 140	0.25 214	0.14 61	0.24 173	0.21 169	0.21 126	0.25 168

TVStereo	0.82 200	0.33 140	0.84 131	0.65 225	0.31 80	0.63 103	0.44 131	1.35 135	0.93 87	1.30 222	1.02 95	0.80 97	0.57 82	5.34 350	0.55 133	0.26 231	0.14 61	0.24 173	0.20 133	0.20 91	0.31 246

iGMRVC	0.58 77	0.33 140	0.81 105	0.52 74	0.27 21	0.62 95	0.38 75	1.14 82	0.73 31	1.13 133	0.97 83	0.82 109	0.59 101	1.54 175	0.53 123	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

iRAFT	0.57 65	0.33 140	0.82 114	0.52 74	0.27 21	0.63 103	0.28 19	1.14 82	0.73 31	1.13 133	0.96 76	0.82 109	0.60 105	1.40 148	0.52 114	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

test-2	0.55 42	0.28 46	0.72 62	0.52 74	0.30 66	0.53 56	0.43 114	1.02 40	0.98 107	1.44 278	1.14 149	0.88 132	0.57 82	0.62 20	0.39 34	0.16 8	0.14 61	0.24 173	0.22 192	0.20 91	0.18 33

RAFT-IKP	0.57 65	0.33 140	0.82 114	0.52 74	0.27 21	0.57 75	0.35 55	1.14 82	0.73 31	1.13 133	0.96 76	0.83 117	0.61 115	1.26 131	0.53 123	0.23 175	0.14 61	0.24 173	0.20 133	0.27 215	0.20 74

TestStereo	0.65 115	0.42 249	0.83 122	0.52 74	0.27 21	0.57 75	0.44 131	1.07 54	0.92 80	0.85 74	1.01 93	0.68 71	0.56 80	3.22 308	0.47 90	0.23 175	0.15 115	0.24 173	0.18 88	0.28 230	0.18 33

delet	0.90 234	0.34 167	1.15 219	0.69 270	0.66 302	1.63 324	0.81 284	1.95 265	1.49 314	1.42 271	1.38 229	1.29 252	0.91 210	1.78 211	1.18 268	0.22 155	0.22 238	0.24 173	0.25 240	0.22 145	0.24 149

UPFNet	0.84 213	0.34 167	1.09 205	0.62 198	0.74 321	1.25 282	0.78 272	1.69 204	1.20 196	1.39 259	1.13 144	1.30 254	0.87 195	1.73 205	1.22 275	0.24 194	0.26 287	0.24 173	0.23 220	0.26 213	0.20 74

ac_64	0.86 220	0.32 123	1.02 189	0.74 300	0.60 281	1.04 241	0.53 187	2.20 322	0.99 114	1.23 189	1.11 131	1.96 341	1.06 269	2.01 245	1.01 253	0.30 277	0.22 238	0.24 173	0.23 220	0.22 145	0.22 114

HGLStereo	0.89 227	0.42 249	1.15 219	0.82 327	1.03 367	1.16 265	0.57 212	1.68 195	1.28 233	1.26 206	1.62 290	1.13 214	1.31 311	1.85 220	1.11 264	0.25 214	0.24 269	0.24 173	0.22 192	0.24 193	0.29 224

BEATNet_4x	0.82 200	0.54 291	2.02 318	0.56 127	0.28 42	1.04 241	0.55 203	2.14 302	1.13 165	1.24 193	1.26 182	1.00 175	0.94 221	1.13 117	1.23 278	0.21 126	0.14 61	0.24 173	0.20 133	0.37 284	0.23 130

ACVNet-DCA	0.59 88	0.34 167	0.63 36	0.60 177	0.27 21	1.16 265	0.51 173	1.58 177	0.91 75	0.60 38	0.80 51	0.47 24	0.87 195	1.48 166	0.35 7	0.21 126	0.13 17	0.25 210	0.15 33	0.23 164	0.25 168

1test111	0.58 77	0.34 167	0.63 36	0.60 177	0.27 21	1.16 265	0.51 173	1.58 177	0.91 75	0.60 38	0.80 51	0.47 24	0.87 195	0.99 85	0.67 177	0.21 126	0.13 17	0.25 210	0.15 33	0.23 164	0.25 168

cc1	0.68 134	0.34 167	0.63 36	0.60 177	0.27 21	1.16 265	0.51 173	1.07 54	3.23 389	0.60 38	0.80 51	0.47 24	0.87 195	1.48 166	0.35 7	0.21 126	0.13 17	0.25 210	0.15 33	0.19 63	0.23 130

tt1	0.65 115	0.34 167	0.65 47	0.60 177	0.27 21	1.14 259	0.48 158	1.08 59	2.62 377	0.59 34	0.79 48	0.49 32	0.80 166	1.57 178	0.35 7	0.21 126	0.13 17	0.25 210	0.16 57	0.20 91	0.23 130

whm_eth	0.69 143	0.51 282	1.32 260	0.56 127	0.64 293	0.67 126	0.45 139	1.59 182	1.33 254	1.02 104	1.92 335	0.48 28	0.48 48	0.71 34	0.53 123	0.24 194	0.20 215	0.25 210	0.24 232	0.25 203	0.35 275

BUS	0.78 177	0.34 167	0.77 89	0.55 115	0.45 207	2.30 366	0.42 98	2.65 370	1.04 133	1.25 196	1.12 134	1.02 181	0.70 136	0.94 76	0.75 194	0.25 214	0.18 190	0.25 210	0.22 192	0.23 164	0.24 149

BSDual-CNN	0.75 165	0.34 167	0.77 89	0.55 115	0.45 207	1.25 282	0.66 245	2.65 370	1.04 133	1.25 196	1.12 134	1.11 210	0.77 150	0.94 76	0.76 197	0.25 214	0.18 190	0.25 210	0.22 192	0.23 164	0.24 149

hknet	0.82 200	0.34 167	1.15 219	0.55 115	0.39 168	1.25 282	0.66 245	2.65 370	1.10 151	1.25 196	1.12 134	1.58 302	0.85 181	1.41 150	0.79 204	0.23 175	0.18 190	0.25 210	0.22 192	0.23 164	0.24 149

Sa-1000	0.76 170	0.30 84	0.92 159	0.62 198	0.31 80	0.78 168	0.37 68	2.00 275	1.38 273	1.30 222	2.04 342	0.86 125	0.74 140	1.87 224	0.40 49	0.19 67	0.14 61	0.25 210	0.24 232	0.21 126	0.19 55

SA	0.69 143	0.31 109	0.97 177	0.64 219	0.30 66	0.56 73	0.38 75	1.84 237	1.35 259	0.99 93	1.37 225	0.69 75	0.94 221	1.88 230	0.43 63	0.20 101	0.16 142	0.25 210	0.23 220	0.22 145	0.19 55

psmg	0.75 165	0.34 167	0.77 89	0.52 74	0.45 207	1.46 308	0.73 264	2.15 306	1.04 133	1.25 196	1.33 212	1.11 210	0.77 150	0.94 76	0.76 197	0.25 214	0.20 215	0.25 210	0.26 252	0.23 164	0.24 149

DAS	0.89 227	0.37 211	1.20 239	0.66 238	0.69 310	0.82 181	0.62 235	1.79 224	1.26 225	1.93 347	1.55 274	0.96 162	1.17 288	2.72 293	0.69 182	0.22 155	0.16 142	0.25 210	0.18 88	0.29 240	0.24 149

SepStereo	0.87 223	0.37 211	1.20 239	0.66 238	0.69 310	0.82 181	0.62 235	1.79 224	1.26 225	1.93 347	1.55 274	0.96 162	1.17 288	2.34 273	0.69 182	0.22 155	0.16 142	0.25 210	0.18 88	0.29 240	0.24 149

PSM-softLoss	0.80 190	0.33 140	0.89 149	0.63 208	0.32 100	0.55 70	0.40 86	1.26 121	0.78 44	1.25 196	1.07 113	0.83 117	0.51 60	5.33 348	0.61 159	0.25 214	0.15 115	0.25 210	0.22 192	0.20 91	0.26 185

KMStereo	0.80 190	0.33 140	0.89 149	0.63 208	0.32 100	0.55 70	0.40 86	1.26 121	0.78 44	1.25 196	1.07 113	0.83 117	0.51 60	5.33 348	0.61 159	0.25 214	0.15 115	0.25 210	0.22 192	0.20 91	0.26 185

IRAFT_RVC	0.90 234	0.30 84	0.89 149	0.67 251	0.31 80	0.64 111	1.00 321	1.40 143	0.97 104	1.23 189	1.04 106	1.00 175	0.96 228	5.77 359	0.57 143	0.24 194	0.13 17	0.25 210	0.21 169	0.20 91	0.21 93

GMM-Stereo	0.75 165	0.27 38	0.66 49	0.56 127	0.34 127	0.71 143	0.97 316	1.09 66	0.91 75	1.37 252	1.79 315	1.11 210	0.79 160	2.08 254	0.48 94	0.19 67	0.12 5	0.25 210	0.25 240	0.21 126	0.78 369

rafts_anoy	0.55 42	0.32 123	0.66 49	0.72 287	0.61 286	0.53 56	0.40 86	1.24 118	1.06 137	0.85 74	0.83 56	0.67 69	0.53 66	0.77 45	0.55 133	0.20 101	0.15 115	0.25 210	0.26 252	0.22 145	0.21 93

UNet	0.86 220	0.36 195	1.52 283	0.62 198	0.74 321	1.56 317	0.49 166	1.55 170	1.12 160	1.28 216	1.10 124	1.52 293	1.10 277	1.69 202	1.14 265	0.24 194	0.18 190	0.25 210	0.21 169	0.25 203	0.25 168

DSFCA	0.95 248	0.38 228	1.23 245	0.55 115	0.66 302	1.50 310	0.93 309	1.58 177	1.24 212	1.59 314	1.16 155	1.48 285	0.95 226	2.96 300	1.20 270	0.31 281	0.28 299	0.25 210	0.26 252	0.29 240	0.26 185

DN-CSS_ROB	0.67 125	0.36 195	1.36 265	0.59 170	0.41 187	0.54 66	0.45 139	1.30 131	0.95 96	1.05 112	1.47 251	0.69 75	0.64 118	1.80 218	0.60 156	0.19 67	0.15 115	0.25 210	0.23 220	0.22 145	0.23 130

CAS++	0.48 29	0.34 167	0.59 24	0.48 31	0.32 100	0.45 19	0.29 23	1.73 213	0.78 44	0.71 49	0.73 39	0.36 2	0.28 2	0.70 33	0.35 7	0.27 248	0.22 238	0.26 231	0.21 169	0.29 240	0.22 114
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
ttt	1.26 309	0.36 195	0.79 99	0.65 225	0.42 194	0.94 221	0.57 212	2.33 340	1.38 273	1.25 196	1.65 296	0.92 148	0.78 155	2.64 288	8.73 396	0.30 277	0.28 299	0.26 231	0.25 240	0.29 240	0.32 254

CASS	0.67 125	0.36 195	0.84 131	0.57 146	0.28 42	0.82 181	0.43 114	1.62 189	0.92 80	1.39 259	1.28 196	0.87 126	0.84 176	0.88 68	0.59 154	0.36 313	0.19 205	0.26 231	0.22 192	0.29 240	0.43 307
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.53 40	0.32 123	0.51 15	0.46 15	0.30 66	0.57 75	0.54 196	1.10 72	0.78 44	0.99 93	0.84 57	0.95 158	0.57 82	0.89 70	0.51 108	0.21 126	0.14 61	0.26 231	0.14 25	0.23 164	0.25 168

dd	0.62 99	0.51 282	1.17 233	0.56 127	0.33 115	0.74 151	0.46 145	1.03 46	1.40 284	0.80 62	0.87 62	0.60 54	0.57 82	1.02 91	0.86 217	0.28 260	0.18 190	0.26 231	0.19 107	0.35 275	0.27 201

RAFT-RH_RVC	1.04 269	0.26 22	0.76 86	0.53 94	0.29 54	0.80 173	0.32 33	0.85 17	1.12 160	2.04 355	4.63 392	1.03 184	0.57 82	5.93 362	0.52 114	0.20 101	0.13 17	0.26 231	0.20 133	0.16 12	0.19 55

Anonymous3	0.64 111	0.47 267	1.31 258	0.59 170	0.50 232	0.93 219	0.69 253	1.11 74	0.83 59	0.74 55	0.89 67	0.65 65	0.68 131	1.08 105	0.54 132	0.40 325	0.31 316	0.26 231	0.26 252	0.31 256	0.30 237

ADLNet	0.89 227	0.39 233	1.09 205	0.88 343	0.73 317	1.24 281	0.75 266	2.02 277	1.41 287	1.58 311	1.37 225	1.26 244	1.00 247	1.31 134	1.18 268	0.28 260	0.21 228	0.26 231	0.26 252	0.29 240	0.36 278

aanetorigin	1.26 309	0.85 351	3.00 353	0.72 287	0.80 338	1.08 250	1.05 325	1.12 76	1.39 282	3.53 393	2.60 366	1.72 319	1.73 351	1.98 240	1.77 335	0.26 231	0.24 269	0.26 231	0.25 240	0.38 290	0.51 327

MSMDNet	0.68 134	0.34 167	0.93 160	0.52 74	0.38 161	0.80 173	0.42 98	1.52 162	1.35 259	1.17 154	1.31 202	1.23 233	0.65 122	0.94 76	0.62 162	0.21 126	0.17 166	0.26 231	0.19 107	0.41 302	0.28 212

CASnet	0.42 9	0.26 22	0.52 16	0.52 74	0.21 3	0.49 32	0.35 55	0.85 17	0.85 64	0.84 72	0.69 30	0.48 28	0.31 7	0.57 10	0.34 5	0.19 67	0.12 5	0.27 241	0.22 192	0.23 164	0.15 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
PCWNet_CMD	0.68 134	0.34 167	0.93 160	0.51 62	0.38 161	0.80 173	0.42 98	1.51 160	1.34 256	1.17 154	1.31 202	1.23 233	0.65 122	0.94 76	0.62 162	0.21 126	0.17 166	0.27 241	0.19 107	0.43 308	0.28 212

LL-Strereo	1.42 321	0.44 258	2.02 318	0.62 198	1.07 369	0.73 149	0.65 243	2.02 277	1.21 202	1.60 315	1.62 290	2.02 347	2.10 370	9.67 408	1.07 259	0.22 155	0.20 215	0.27 241	0.24 232	0.23 164	0.33 260

RAFT	0.67 125	0.32 123	0.83 122	0.63 208	0.34 127	0.69 138	0.57 212	1.14 82	0.84 61	1.12 130	1.20 163	1.75 326	0.92 218	1.09 109	0.60 156	0.22 155	0.19 205	0.27 241	0.24 232	0.22 145	0.23 130

EDNetEfficient	2.40 378	1.14 371	8.59 394	0.77 315	0.73 317	1.06 247	1.53 363	1.54 168	4.06 399	4.87 406	2.81 369	2.23 355	3.53 396	3.04 302	9.65 401	0.27 248	0.24 269	0.27 241	0.31 305	0.70 366	0.67 357

PSMNet-RSSM	0.78 177	0.32 123	0.89 149	0.65 225	0.43 197	0.73 149	0.58 219	2.14 302	1.19 192	1.18 165	1.38 229	1.31 256	1.07 271	1.43 157	0.82 212	0.28 260	0.21 228	0.27 241	0.29 290	0.25 203	0.26 185

DMCA	0.71 151	0.36 195	1.17 233	0.53 94	0.45 207	0.84 194	0.46 145	1.52 162	1.09 148	1.20 176	1.12 134	1.21 225	0.74 140	0.87 66	1.09 260	0.25 214	0.20 215	0.27 241	0.19 107	0.24 193	0.29 224

RTSC	1.43 324	0.89 352	3.62 366	0.94 361	0.64 293	1.85 344	0.69 253	2.20 322	2.04 362	2.22 361	1.70 304	1.67 313	1.27 305	2.53 283	4.48 377	0.33 291	0.25 282	0.27 241	0.29 290	0.38 290	0.40 294

NLCA_NET_v2_RVC	0.84 213	0.46 262	1.40 270	0.69 270	0.61 286	0.95 227	0.52 181	1.68 195	1.21 202	1.39 259	1.15 154	1.42 273	0.88 202	1.78 211	0.93 236	0.26 231	0.23 261	0.27 241	0.27 266	0.30 251	0.39 290
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DeepPruner_ROB	0.79 185	0.55 294	1.14 217	0.61 190	0.46 214	0.78 168	0.54 196	1.83 236	1.00 118	1.42 271	1.27 191	1.23 233	0.77 150	1.56 176	0.89 224	0.35 306	0.28 299	0.27 241	0.26 252	0.32 264	0.34 267

StereoDRNet-Refined	0.84 213	0.43 253	1.01 187	0.66 238	0.43 197	1.32 287	0.49 166	1.64 190	1.24 212	1.53 300	1.45 247	1.49 287	0.97 235	1.32 137	1.31 285	0.21 126	0.17 166	0.27 241	0.25 240	0.25 203	0.34 267
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.92 242	0.43 253	0.95 169	0.71 282	0.55 260	1.11 253	0.83 289	1.61 186	1.32 252	1.67 324	1.66 297	1.70 318	0.93 219	1.96 239	1.34 290	0.26 231	0.25 282	0.27 241	0.28 275	0.28 230	0.28 212

fast-acv-ft	1.00 262	0.48 270	1.85 307	0.61 190	0.52 244	1.77 337	0.69 253	1.52 162	1.47 309	1.34 242	1.85 326	1.73 321	1.24 301	1.62 192	1.56 313	0.27 248	0.28 299	0.28 253	0.28 275	0.28 230	0.31 246

Wz-Net-MNSev	1.21 299	0.66 325	3.44 363	0.69 270	0.73 317	1.93 350	1.44 359	2.16 308	1.59 329	1.85 341	1.49 254	1.50 289	1.34 315	2.05 252	1.54 312	0.27 248	0.24 269	0.28 253	0.28 275	0.35 275	0.32 254

AACVNet	0.90 234	0.40 238	0.98 179	0.86 340	0.40 177	0.80 173	0.49 166	1.81 231	0.86 66	1.11 122	1.34 215	1.32 260	0.99 241	4.23 326	0.86 217	0.26 231	0.22 238	0.28 253	0.22 192	0.30 251	0.28 212

PFNet+	0.62 99	0.31 109	0.99 181	0.57 146	0.31 80	0.57 75	0.30 27	0.99 38	1.25 219	1.33 235	1.10 124	0.79 95	0.57 82	1.35 140	0.53 123	0.26 231	0.17 166	0.28 253	0.26 252	0.21 126	0.27 201

HCRNet	0.72 156	0.40 238	0.86 142	0.61 190	0.57 269	0.75 153	0.35 55	1.39 142	1.21 202	1.11 122	0.99 87	1.01 179	0.76 146	2.18 262	0.73 189	0.28 260	0.19 205	0.28 253	0.23 220	0.25 203	0.26 185

ARAFT	0.82 200	0.40 238	1.77 299	0.53 94	0.31 80	0.89 204	0.81 284	2.32 335	1.08 141	1.66 323	1.25 180	1.04 185	0.64 118	1.91 231	0.52 114	0.20 101	0.15 115	0.28 253	0.27 266	0.17 21	0.18 33

CFNet	0.99 259	0.40 238	1.23 245	0.65 225	0.43 197	1.03 240	0.49 166	2.01 276	1.35 259	1.02 104	1.39 231	1.10 205	0.86 189	5.47 354	0.89 224	0.24 194	0.18 190	0.28 253	0.27 266	0.27 215	0.22 114

NaN_ROB	1.23 304	0.63 315	1.76 298	0.67 251	0.50 232	1.59 320	2.00 384	1.87 245	1.52 317	2.14 360	1.26 182	1.40 272	1.09 274	4.60 335	1.75 332	0.28 260	0.34 331	0.28 253	0.29 290	0.30 251	0.37 281

mmm	0.68 134	0.37 211	0.91 157	0.54 105	0.34 127	0.86 198	0.58 219	1.72 212	1.02 124	1.13 133	1.41 239	0.83 117	0.78 155	0.95 82	0.67 177	0.22 155	0.20 215	0.29 261	0.26 252	0.27 215	0.27 201

StereoVision	0.67 125	0.37 211	1.02 189	0.60 177	0.41 187	0.50 43	0.41 94	1.32 133	0.96 100	0.73 54	2.48 365	0.82 109	0.57 82	1.06 101	0.50 106	0.26 231	0.28 299	0.29 261	0.28 275	0.37 284	0.22 114

LL-Strereo2	0.56 53	0.36 195	0.77 89	0.56 127	0.40 177	0.68 130	0.37 68	1.21 111	0.83 59	0.96 91	0.79 48	0.91 143	0.41 19	1.08 105	0.48 94	0.18 41	0.17 166	0.29 261	0.25 240	0.22 145	0.19 55

WZ-Net	2.14 369	1.08 366	11.68 405	0.89 350	0.78 334	1.76 335	1.59 367	2.39 343	2.03 361	2.11 358	1.95 338	2.30 361	2.28 377	5.94 363	3.86 373	0.35 306	0.27 295	0.29 261	0.32 310	0.52 336	0.50 322

pcwnet_v2	0.91 239	0.39 233	2.74 348	0.64 219	0.55 260	0.81 180	0.49 166	2.19 319	1.63 333	1.44 278	1.64 295	1.09 204	0.79 160	1.31 134	0.70 185	0.32 288	0.25 282	0.29 261	0.27 266	0.37 284	0.37 281

GwcNet	1.26 309	0.63 315	5.13 379	0.81 323	1.15 377	1.73 331	0.69 253	1.84 237	1.53 319	1.51 295	1.71 306	1.72 319	1.09 274	2.20 263	1.61 317	0.31 281	0.30 311	0.29 261	0.27 266	0.30 251	0.41 297

DPSNet	1.91 360	0.64 318	5.95 381	0.73 294	0.59 277	2.04 357	1.61 368	3.84 394	1.96 358	1.54 303	1.39 231	2.27 358	3.32 393	4.95 341	4.79 378	0.50 357	0.31 316	0.29 261	0.26 252	0.67 363	0.54 332

StereoDRNet	1.05 272	0.53 288	2.21 332	0.80 320	0.93 357	1.50 310	0.90 302	2.06 288	1.44 298	1.68 325	1.20 163	1.48 285	0.99 241	1.86 223	1.60 316	0.29 272	0.24 269	0.29 261	0.28 275	0.35 275	0.33 260

PWCDC_ROB	1.39 317	0.91 357	2.10 324	1.08 371	0.92 354	1.72 328	0.58 219	2.03 281	3.30 391	1.32 230	4.87 395	1.21 225	1.71 349	1.98 240	1.75 332	0.65 372	0.26 287	0.29 261	0.25 240	0.56 346	0.41 297

ssnet_v2	0.92 242	0.39 233	1.22 243	0.66 238	0.39 168	1.31 286	0.96 315	2.32 335	1.45 303	1.48 292	1.17 157	1.53 294	0.91 210	1.16 121	1.71 331	0.31 281	0.27 295	0.30 270	0.29 290	0.28 230	0.29 224

RAFT + AFF	1.07 277	0.47 267	1.36 265	0.68 260	0.50 232	1.20 276	1.22 345	2.58 367	1.26 225	1.33 235	1.56 279	1.19 222	1.49 332	3.89 324	1.01 253	0.22 155	0.26 287	0.30 270	0.27 266	0.29 240	0.32 254

FADNet-RVC-Resample	0.91 239	0.51 282	2.92 351	0.64 219	0.46 214	1.07 249	0.60 231	1.76 218	1.24 212	1.10 121	0.98 86	1.06 189	0.98 238	2.17 261	0.95 243	0.24 194	0.22 238	0.30 270	0.32 310	0.36 279	0.40 294

SGM_RVC	1.88 355	0.40 238	0.90 154	0.63 208	0.30 66	2.81 379	1.26 350	2.73 375	1.81 349	4.09 395	2.85 371	3.88 389	3.19 390	8.42 398	2.44 354	0.33 291	0.31 316	0.30 270	0.28 275	0.31 256	0.31 246
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DualNet	1.46 325	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	1.08 59	2.62 377	1.19 170	1.49 254	1.07 192	0.85 181	1.57 178	13.82 408	0.21 126	0.13 17	0.31 274	0.28 275	0.20 91	0.23 130

ffm	0.79 185	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	1.08 59	2.62 377	1.19 170	1.49 254	1.07 192	0.85 181	1.57 178	0.35 7	0.21 126	0.13 17	0.31 274	0.28 275	0.20 91	0.23 130

ff1	1.88 355	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	1.08 59	2.62 377	1.19 170	1.49 254	1.07 192	0.85 181	9.88 412	13.82 408	0.21 126	0.13 17	0.31 274	0.28 275	0.20 91	0.23 130

mmx	1.89 358	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	2.32 335	1.41 287	1.19 170	1.49 254	1.07 192	0.85 181	9.88 412	13.82 408	0.25 214	0.21 228	0.31 274	0.28 275	0.32 264	0.29 224

xxx	1.89 358	0.36 195	1.51 278	0.56 127	0.40 177	0.76 158	0.59 223	2.32 335	1.41 287	1.19 170	1.49 254	1.07 192	0.85 181	9.88 412	13.82 408	0.25 214	0.21 228	0.31 274	0.28 275	0.32 264	0.29 224

GMStereo_Zeroshot	0.70 145	0.64 318	1.11 210	0.65 225	0.38 161	0.84 194	0.37 68	1.09 66	1.16 182	1.14 146	1.07 113	1.26 244	0.55 75	1.23 129	0.65 172	0.34 298	0.17 166	0.31 274	0.18 88	0.57 348	0.23 130

Wz-Net-SNSev	1.68 343	1.45 384	8.71 395	0.71 282	0.67 306	1.35 294	1.51 360	2.15 306	1.47 309	1.51 295	1.68 301	2.27 358	1.38 319	4.23 326	2.36 353	0.32 288	0.29 307	0.31 274	0.33 319	0.43 308	0.39 290

NINENet	0.81 198	0.40 238	0.89 149	0.65 225	0.53 249	2.30 366	0.42 98	2.12 297	1.13 165	1.20 176	1.27 191	1.02 181	0.70 136	1.26 131	0.75 194	0.29 272	0.24 269	0.31 274	0.21 169	0.27 215	0.26 185

SACVNet	0.89 227	0.51 282	1.08 204	0.83 331	0.58 271	0.83 187	0.78 272	1.84 237	1.17 186	1.39 259	1.33 212	1.25 238	1.01 250	2.31 272	0.92 233	0.35 306	0.26 287	0.31 274	0.29 290	0.35 275	0.48 318

psm_up	0.83 209	0.37 211	0.88 146	0.68 260	0.59 277	1.05 244	0.92 306	1.68 195	1.17 186	1.41 267	1.22 170	1.30 254	1.31 311	1.39 147	0.89 224	0.27 248	0.30 311	0.31 274	0.27 266	0.28 230	0.28 212

FADNet	0.98 256	0.64 318	2.57 343	0.66 238	0.55 260	0.95 227	0.57 212	1.91 256	1.38 273	0.94 88	1.02 95	1.36 265	1.00 247	2.69 291	0.97 247	0.34 298	0.34 331	0.31 274	0.34 324	0.61 357	0.42 303

DRN-Test	1.07 277	0.49 275	1.95 315	0.75 307	0.81 342	1.61 321	0.78 272	2.26 327	1.53 319	1.84 339	1.35 220	1.42 273	1.04 263	2.26 268	1.61 317	0.28 260	0.23 261	0.31 274	0.30 301	0.33 269	0.33 260

coex-ft	8.35 414	2.39 406	100.24 441	0.68 260	0.54 256	1.77 337	1.57 366	1.71 209	11.00 412	18.91 426	3.76 383	3.85 388	8.23 414	3.29 311	6.58 388	0.31 281	0.31 316	0.32 286	0.31 305	0.69 365	0.57 342

FINET	1.54 332	0.67 328	7.28 387	0.76 313	0.97 364	1.42 306	1.38 356	2.80 382	3.12 388	1.23 189	1.68 301	1.04 185	1.11 279	3.35 313	1.78 336	0.43 333	0.37 343	0.32 286	0.29 290	0.43 308	0.41 297

FADNet_RVC	0.88 225	0.56 297	2.15 328	0.57 146	0.43 197	1.17 272	0.46 145	1.68 195	1.12 160	0.91 83	1.24 178	0.91 143	0.94 221	2.22 264	1.20 270	0.28 260	0.22 238	0.32 286	0.28 275	0.46 324	0.42 303

FADNet-RVC	0.96 252	0.72 337	2.96 352	0.64 219	0.49 228	0.90 207	0.59 223	1.85 243	1.27 229	0.92 84	0.97 83	1.36 265	0.90 208	2.36 275	1.31 285	0.30 277	0.29 307	0.32 286	0.32 310	0.42 306	0.37 281

ADCRef	1.50 329	0.61 309	3.83 368	0.76 313	0.77 330	1.91 348	0.77 269	2.16 308	1.34 256	1.63 320	1.59 288	1.35 264	1.40 322	1.79 216	8.32 395	0.25 214	0.21 228	0.32 286	0.31 305	0.31 256	0.32 254

ADCP+	2.12 368	0.56 297	10.01 398	0.68 260	0.91 353	2.25 364	1.04 324	1.92 260	1.50 316	1.58 311	1.34 215	1.73 321	1.62 338	2.27 269	13.20 405	0.25 214	0.22 238	0.32 286	0.29 290	0.38 290	0.34 267

AdaStereo	0.74 162	0.48 270	0.86 142	0.75 307	0.38 161	0.94 221	0.56 209	2.05 287	1.24 212	1.15 148	1.22 170	1.07 192	0.67 128	1.05 97	0.73 189	0.33 291	0.16 142	0.32 286	0.22 192	0.29 240	0.23 130
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.
SANet	2.26 373	0.70 332	6.94 386	0.69 270	0.46 214	2.76 378	1.76 375	2.61 368	5.84 408	2.45 369	3.52 381	3.71 386	3.38 395	5.90 360	2.14 345	0.34 298	0.31 316	0.32 286	0.29 290	0.54 343	0.43 307

Wz-Net-TNSev	2.10 366	2.71 414	9.30 396	0.72 287	0.65 299	2.41 370	1.81 381	2.45 350	1.77 343	1.62 318	1.56 279	2.56 371	2.01 364	5.30 346	4.46 376	0.41 328	0.38 346	0.33 294	0.37 334	0.54 343	0.64 355

CFNet_pseudo	0.68 134	0.34 167	0.93 160	0.50 51	0.39 168	0.72 146	0.42 98	1.44 150	1.25 219	1.17 154	1.35 220	1.22 229	0.66 126	1.04 94	0.64 167	0.21 126	0.17 166	0.33 294	0.19 107	0.39 294	0.28 212

EDNetEfficientorigin	10.59 417	1.52 388	177.33 442	0.68 260	0.54 256	1.66 326	1.20 344	1.94 262	3.39 392	4.69 404	3.37 378	3.08 382	2.79 387	3.25 309	3.63 369	0.26 231	0.24 269	0.33 294	0.28 275	0.85 373	0.87 375

CFNet-ft	0.78 177	0.36 195	0.74 77	0.67 251	0.56 265	0.86 198	0.54 196	1.46 154	1.17 186	1.01 100	1.28 196	1.68 315	1.03 257	1.57 178	0.95 243	0.27 248	0.21 228	0.33 294	0.26 252	0.31 256	0.26 185

STTStereo	0.82 200	0.53 288	1.53 286	0.68 260	0.56 265	0.88 202	0.56 209	1.57 175	1.14 171	1.39 259	1.10 124	1.26 244	0.84 176	1.49 172	0.90 227	0.29 272	0.28 299	0.33 294	0.40 339	0.33 269	0.37 281

PA-Net	1.14 286	0.63 315	2.12 326	0.67 251	0.75 324	1.19 275	0.91 304	1.91 256	1.46 308	1.18 165	1.23 174	1.33 262	1.17 288	4.31 329	1.41 297	0.29 272	0.46 367	0.33 294	0.50 362	0.33 269	0.57 342
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CFNet_RVC	0.78 177	0.36 195	0.74 77	0.67 251	0.56 265	0.86 198	0.54 196	1.46 154	1.17 186	1.01 100	1.28 196	1.68 315	1.03 257	1.57 178	0.95 243	0.27 248	0.21 228	0.33 294	0.26 252	0.31 256	0.26 185

XPNet_ROB	1.02 266	0.56 297	1.33 262	0.75 307	0.58 271	1.11 253	1.13 333	1.77 219	1.29 241	1.88 342	1.43 242	1.63 308	1.13 284	2.04 248	1.69 327	0.40 325	0.31 316	0.33 294	0.29 290	0.37 284	0.37 281

Syn2CoEx	1.23 304	0.80 344	3.07 355	0.83 331	0.68 307	1.39 299	0.87 299	2.23 324	1.57 327	1.28 216	1.58 284	1.42 273	1.57 336	3.79 322	1.48 306	0.36 313	0.32 326	0.34 302	0.30 301	0.30 251	0.41 297

psmorigin	1.69 345	0.74 342	13.13 406	0.70 279	0.60 281	1.16 265	0.79 280	1.69 204	1.25 219	2.07 357	1.77 313	2.23 355	1.51 333	2.14 259	1.45 301	0.39 323	0.41 354	0.34 302	0.33 319	0.45 320	0.63 354

hitnet-ft	0.84 213	0.38 228	0.75 82	0.59 170	0.44 204	0.99 235	0.47 154	1.61 186	1.38 273	1.21 182	1.22 170	1.82 329	0.99 241	1.87 224	1.09 260	0.33 291	0.29 307	0.34 302	0.27 266	0.36 279	0.33 260

FAT-Stereo	1.10 281	0.43 253	1.46 273	0.74 300	0.60 281	1.13 256	0.92 306	2.06 288	1.71 339	1.75 330	2.00 340	2.02 347	1.47 330	2.02 247	1.26 282	0.44 341	0.36 339	0.34 302	0.29 290	0.36 279	0.57 342

GANet	1.41 319	0.52 286	1.18 237	0.74 300	0.48 222	1.40 301	1.69 369	1.87 245	1.28 233	1.56 307	2.39 359	1.56 299	1.25 302	9.13 402	1.20 270	0.31 281	0.32 326	0.34 302	0.29 290	0.40 298	0.33 260

UCFNet_RVC	0.72 156	0.37 211	0.59 24	0.66 238	0.41 187	0.89 204	0.68 249	1.78 221	1.15 176	1.01 100	1.20 163	1.22 229	0.95 226	1.07 103	0.66 176	0.28 260	0.21 228	0.34 302	0.31 305	0.33 269	0.29 224

DMCA-RVC	0.83 209	0.46 262	2.19 331	0.68 260	0.49 228	0.84 194	0.48 158	1.44 150	1.07 138	1.56 307	1.04 106	1.29 252	0.86 189	1.49 172	0.92 233	0.27 248	0.22 238	0.35 308	0.28 275	0.32 264	0.28 212

S-Stereo	1.17 291	0.48 270	2.25 335	0.83 331	0.81 342	1.22 278	1.17 340	2.12 297	2.08 363	1.47 287	2.13 347	1.55 297	1.16 285	2.09 255	1.46 303	0.42 332	0.40 353	0.35 308	0.32 310	0.45 320	0.73 364

RTS	2.76 382	1.55 390	15.40 408	1.13 374	1.42 386	3.75 395	2.21 393	2.45 350	2.72 383	2.91 383	2.85 371	2.58 372	1.62 338	6.28 370	5.80 385	0.41 328	0.30 311	0.35 308	0.35 328	0.52 336	0.54 332

RTSA	2.76 382	1.55 390	15.40 408	1.13 374	1.42 386	3.75 395	2.21 393	2.45 350	2.72 383	2.91 383	2.85 371	2.58 372	1.62 338	6.28 370	5.80 385	0.41 328	0.30 311	0.35 308	0.35 328	0.52 336	0.54 332

ADCL	1.82 352	0.70 332	4.57 376	0.70 279	0.63 292	2.56 372	1.77 376	2.08 291	1.77 343	1.95 351	1.89 330	2.04 352	1.88 360	2.36 275	9.55 400	0.27 248	0.25 282	0.35 308	0.32 310	0.39 294	0.39 290

AnyNet_C32	2.14 369	1.45 384	7.38 388	0.95 363	1.12 371	2.23 362	2.34 399	2.10 295	1.54 321	2.44 368	1.79 315	2.04 352	1.66 344	2.69 291	10.48 402	0.38 316	0.35 335	0.35 308	0.42 344	0.50 333	0.60 350

RYNet	1.24 307	0.52 286	1.57 290	0.73 294	0.97 364	1.74 333	0.95 314	2.09 293	1.54 321	1.44 278	1.18 159	1.94 339	1.29 307	4.57 334	1.93 339	0.27 248	0.23 261	0.35 308	0.27 266	0.57 348	0.59 347

TDLM	1.08 279	0.50 278	1.01 187	0.69 270	0.54 256	0.91 209	1.40 357	1.60 184	1.36 266	1.17 154	1.40 236	1.07 192	1.00 247	6.19 366	0.85 216	0.34 298	0.22 238	0.35 308	0.26 252	0.38 290	0.29 224

CVANet_RVC	1.10 281	0.49 275	1.15 219	0.65 225	0.54 256	0.93 219	1.00 321	1.69 204	1.36 266	1.42 271	1.39 231	1.24 237	1.17 288	6.22 368	0.80 209	0.35 306	0.24 269	0.35 308	0.30 301	0.44 318	0.32 254

ccs_rob	0.68 134	0.34 167	0.93 160	0.50 51	0.39 168	0.72 146	0.42 98	1.43 149	1.25 219	1.17 154	1.34 215	1.22 229	0.66 126	1.04 94	0.64 167	0.21 126	0.17 166	0.35 308	0.20 133	0.40 298	0.29 224

GASNet	1.13 285	1.10 369	3.29 361	1.00 367	0.68 307	0.82 181	0.67 247	1.85 243	1.38 273	1.39 259	1.25 180	1.25 238	1.20 297	2.72 293	1.62 319	0.46 345	0.26 287	0.36 318	0.34 324	0.55 345	0.33 260

PWC_ROB	1.39 317	0.93 359	4.07 371	0.77 315	0.83 345	1.16 265	0.53 187	1.87 245	2.01 360	2.36 365	3.06 375	1.65 310	1.60 337	2.65 290	2.29 351	0.34 298	0.23 261	0.36 318	0.25 240	0.39 294	0.49 319

CFNet_ucs	0.73 159	0.34 167	0.94 166	0.53 94	0.44 204	0.76 158	0.46 145	1.73 213	1.34 256	1.24 193	1.54 271	1.08 203	0.64 118	1.05 97	0.64 167	0.26 231	0.20 215	0.37 320	0.22 192	0.42 306	0.30 237

SGM-ForestM	7.81 413	0.48 270	11.02 402	0.74 300	0.40 177	16.83 421	12.72 419	7.91 416	8.13 410	11.53 419	10.25 414	22.44 428	14.01 418	17.02 422	20.52 420	0.38 316	0.39 351	0.37 320	0.36 330	0.37 284	0.38 287

MDST_ROB	1.88 355	0.40 238	1.71 296	0.93 358	0.60 281	4.27 403	1.23 347	3.99 396	1.44 298	4.61 403	2.63 367	1.44 277	1.03 257	9.78 409	1.62 319	0.33 291	0.26 287	0.37 320	0.33 319	0.31 256	0.34 267

PSMNet_ROB	0.95 248	0.57 302	1.45 272	0.75 307	0.64 293	1.28 285	1.12 331	1.84 237	1.15 176	1.16 152	1.29 200	1.44 277	0.89 205	1.74 206	1.70 329	0.33 291	0.25 282	0.37 320	0.39 337	0.36 279	0.32 254

PSM-AAD	0.80 190	0.29 66	0.58 20	0.58 156	0.29 54	0.76 158	1.19 342	1.08 59	0.94 92	1.65 322	1.58 284	0.81 103	2.12 373	1.67 196	0.44 67	0.19 67	0.14 61	0.38 324	0.32 310	0.22 145	0.68 360

ADCPNet	1.97 362	0.78 343	9.38 397	0.74 300	0.61 286	2.73 377	1.36 355	2.11 296	1.66 335	1.92 345	1.70 304	2.45 368	2.07 368	2.50 281	6.84 390	0.38 316	0.38 346	0.38 324	0.43 347	0.47 328	0.50 322

Anonymous Stereo	1.42 321	0.90 353	3.93 369	0.81 323	0.83 345	1.06 247	1.90 383	1.81 231	1.52 317	1.75 330	1.44 244	1.28 250	0.87 195	5.94 363	1.94 340	0.38 316	0.39 351	0.38 324	0.41 343	0.45 320	0.50 322

ETE_ROB	1.01 265	0.69 331	1.49 276	0.72 287	0.50 232	1.15 262	1.12 331	1.91 256	1.24 212	1.94 349	1.50 261	1.73 321	1.06 269	1.78 211	1.33 289	0.33 291	0.26 287	0.38 324	0.34 324	0.40 298	0.44 310

stereogan	1.22 300	0.45 259	2.03 321	0.87 341	0.85 349	2.52 371	0.72 261	1.98 270	1.78 346	1.92 345	1.94 336	2.31 362	1.42 324	2.10 256	1.14 265	0.38 316	0.36 339	0.39 328	0.32 310	0.52 336	0.49 319

SHD	1.42 321	0.81 347	2.79 350	0.98 365	0.92 354	1.97 351	0.68 249	2.43 348	2.55 374	2.54 373	1.72 307	2.01 346	1.62 338	2.14 259	2.70 358	0.40 325	0.33 329	0.39 328	0.40 339	0.48 329	0.54 332

ADCMid	2.11 367	0.90 353	8.39 393	0.75 307	0.69 310	1.98 352	1.14 336	2.18 317	1.67 336	2.85 380	1.85 326	2.35 364	2.02 366	2.35 274	10.58 403	0.34 298	0.32 326	0.39 328	0.44 349	0.51 335	0.53 331

NVstereo2D	0.99 259	0.45 259	2.21 332	0.79 319	0.75 324	1.20 276	0.86 297	1.98 270	1.41 287	1.02 104	1.18 159	1.31 256	0.97 235	2.25 267	0.93 236	0.45 344	0.22 238	0.39 328	0.25 240	0.59 351	0.68 360

SGM-Forest	1.29 313	0.40 238	0.74 77	0.54 105	0.37 150	1.55 315	1.26 350	1.82 234	1.39 282	2.22 361	1.81 321	1.64 309	1.02 255	7.65 391	1.20 270	0.39 323	0.37 343	0.39 328	0.34 324	0.37 284	0.34 267
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	1.04 269	0.48 270	0.88 146	0.56 127	0.36 145	1.52 312	1.55 364	1.87 245	1.59 329	2.11 358	1.67 299	1.46 282	1.35 316	1.92 232	1.31 285	0.35 306	0.35 335	0.39 328	0.33 319	0.34 274	0.34 267
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ADCS	2.35 374	1.26 378	6.54 384	0.85 337	0.77 330	2.18 361	1.79 377	2.47 355	2.20 367	2.80 379	2.14 349	2.38 365	2.09 369	2.81 296	13.83 412	0.43 333	0.41 354	0.40 334	0.45 352	0.59 351	0.67 357

AnyNet_C01	2.38 376	2.21 404	10.17 399	0.99 366	0.79 336	3.12 385	2.37 400	2.69 374	1.89 353	2.58 375	2.44 362	2.70 376	1.86 359	3.65 317	7.12 391	0.41 328	0.41 354	0.40 334	0.42 344	0.68 364	0.79 370

DANet	1.16 289	0.64 318	1.52 283	0.88 343	0.74 321	1.52 312	0.52 181	1.68 195	1.21 202	1.81 336	1.55 274	2.02 347	1.11 279	3.30 312	2.28 349	0.34 298	0.31 316	0.40 334	0.30 301	0.46 324	0.54 332
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
WCMA_ROB	2.05 363	0.55 294	1.77 299	0.74 300	0.61 286	2.24 363	1.56 365	2.17 316	1.79 347	4.16 399	6.36 401	5.66 400	4.66 404	3.19 306	2.77 359	0.55 364	0.45 363	0.40 334	0.43 347	0.48 329	0.50 322

CSAN	1.61 337	0.67 328	3.24 360	0.74 300	0.52 244	1.77 337	1.74 374	1.98 270	1.94 356	2.47 372	2.33 357	1.93 335	2.04 367	6.45 375	1.95 341	0.43 333	0.36 339	0.41 338	0.42 344	0.43 308	0.44 310

APVNet	1.11 283	0.59 303	1.95 315	0.87 341	0.77 330	1.90 347	0.82 288	2.03 281	1.15 176	1.14 146	1.43 242	1.55 297	1.12 283	3.03 301	1.62 319	0.32 288	0.34 331	0.42 339	0.36 330	0.36 279	0.41 297

SDNR	1.66 340	0.55 294	2.36 338	0.56 127	0.58 271	3.79 397	0.45 139	1.78 221	1.40 284	1.38 257	2.45 363	1.13 214	0.96 228	11.03 418	1.31 285	0.67 374	0.64 386	0.43 340	0.32 310	0.71 368	0.76 368

Nwc_Net	1.19 295	0.53 288	2.34 337	0.92 353	0.81 342	1.49 309	0.70 259	2.28 333	1.32 252	1.41 267	2.27 353	2.03 350	1.76 353	2.05 252	1.46 303	0.43 333	0.30 311	0.43 340	0.46 354	0.39 294	0.40 294

SAMSARA	1.80 350	0.90 353	3.37 362	1.28 382	1.13 373	3.71 393	2.33 398	2.53 364	1.93 355	3.17 391	1.73 308	2.99 379	1.68 346	3.53 316	2.46 355	0.47 349	0.54 378	0.43 340	0.47 356	0.59 351	0.64 355

LALA_ROB	1.06 273	0.66 325	1.37 268	0.70 279	0.53 249	1.61 321	1.25 349	1.81 231	1.48 313	1.82 338	1.40 236	1.93 335	1.03 257	1.68 198	1.69 327	0.38 316	0.28 299	0.43 340	0.37 334	0.43 308	0.38 287

G-Net	1.71 346	0.67 328	2.09 323	1.14 377	0.75 324	2.96 384	0.89 301	1.58 177	1.30 243	2.76 378	8.12 411	2.29 360	2.51 383	1.94 234	2.23 348	0.49 353	0.45 363	0.45 344	0.31 305	0.62 358	0.59 347

NCC-stereo	1.20 297	0.60 304	1.84 305	0.88 343	0.95 361	1.32 287	0.94 311	2.14 302	1.36 266	1.43 275	1.79 315	1.93 335	2.13 374	2.54 284	1.41 297	0.49 353	0.38 346	0.45 344	0.59 374	0.43 308	0.45 312

Abc-Net	1.20 297	0.60 304	1.84 305	0.88 343	0.95 361	1.32 287	0.94 311	2.14 302	1.36 266	1.43 275	1.79 315	1.93 335	2.13 374	2.54 284	1.41 297	0.49 353	0.38 346	0.45 344	0.59 374	0.43 308	0.45 312
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	1.51 330	0.98 362	3.20 357	0.92 353	0.76 329	2.01 355	1.17 340	2.53 364	1.99 359	2.01 354	1.54 271	2.00 344	1.54 334	3.16 305	3.46 368	0.49 353	0.31 316	0.45 344	0.40 339	0.71 368	0.62 352

NCCL2	1.06 273	0.64 318	1.35 263	0.78 318	0.58 271	1.32 287	1.69 369	1.89 252	1.38 273	1.52 297	1.20 163	1.91 331	1.17 288	1.79 216	1.50 307	0.35 306	0.31 316	0.45 344	0.44 349	0.41 302	0.45 312

MeshStereo	2.36 375	0.60 304	1.05 195	0.63 208	0.51 241	2.58 373	0.99 319	3.46 390	2.21 368	7.38 415	5.06 397	7.50 405	3.10 389	7.02 385	2.54 356	0.44 341	0.44 361	0.45 344	0.40 339	0.43 308	0.45 312
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
CBMV_ROB	0.99 259	0.46 262	0.68 54	0.53 94	0.39 168	1.40 301	0.48 158	2.09 293	1.30 243	1.53 300	2.29 355	1.36 265	1.23 298	2.46 279	1.04 257	0.44 341	0.42 359	0.47 350	0.44 349	0.41 302	0.39 290

RP	1.17 291	0.54 291	1.48 275	0.93 358	1.05 368	1.14 259	0.85 296	1.99 274	1.70 337	1.72 328	2.07 344	1.91 331	1.93 362	2.00 244	1.37 294	0.55 364	0.37 343	0.48 351	0.37 334	0.46 324	0.46 317

NOSS_ROB	1.29 313	0.49 275	0.68 54	0.60 177	0.40 177	1.09 252	0.77 269	1.94 262	1.44 298	1.04 110	1.46 249	1.10 205	0.81 170	10.57 417	0.78 200	0.46 345	0.43 360	0.48 351	0.45 352	0.45 320	0.43 307

AF-Net	1.23 304	0.56 297	2.31 336	0.88 343	0.93 357	1.41 303	0.73 264	2.27 331	1.71 339	1.76 334	2.42 361	2.00 344	1.70 347	1.98 240	1.62 319	0.50 357	0.29 307	0.49 353	0.33 319	0.40 298	0.34 267

LSM	6.55 409	1.26 378	15.64 411	1.79 390	68.74 437	1.67 327	2.08 390	2.26 327	2.59 375	3.13 390	3.08 376	1.90 330	1.81 356	2.89 299	2.16 346	0.43 333	0.59 385	0.50 354	0.58 372	0.64 359	17.24 428

FC-DCNN	2.88 391	0.61 309	1.15 219	0.75 307	0.57 269	2.85 382	1.05 325	3.44 389	2.64 381	6.93 412	7.63 407	9.86 414	7.02 412	5.76 358	4.31 375	0.54 361	0.48 370	0.51 355	0.50 362	0.53 341	0.52 329

FCDSN-DC	2.47 379	0.65 324	1.00 186	0.85 337	0.75 324	2.26 365	0.97 316	2.31 334	1.83 350	5.52 411	7.65 408	7.72 408	7.70 413	4.43 331	2.64 357	0.52 359	0.48 370	0.52 356	0.52 365	0.57 348	0.59 347
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DeepPrunerF	1.68 343	0.82 348	6.82 385	0.94 361	1.20 381	0.91 209	0.97 316	2.50 360	5.19 406	1.22 187	1.30 201	1.18 220	1.29 307	4.96 342	1.75 332	0.43 333	0.35 335	0.52 356	0.48 358	0.43 308	0.42 303

MANE	7.50 412	0.64 318	7.97 389	1.40 383	2.10 394	16.86 422	12.56 418	12.91 422	17.51 424	8.50 417	11.60 415	14.66 419	13.33 416	12.02 419	13.28 406	0.62 369	0.52 376	0.52 356	1.90 410	0.56 346	0.58 345

PS-NSSS	1.02 266	0.62 314	1.17 233	0.61 190	0.58 271	0.91 209	0.79 280	2.02 277	1.19 192	1.17 154	1.68 301	1.00 175	0.85 181	4.43 331	0.86 217	0.38 316	0.31 316	0.52 356	0.32 310	0.52 336	0.45 312

MFN_U_SF_DS_RVC	1.80 350	1.11 370	4.33 374	0.84 335	0.77 330	3.70 392	2.41 403	2.04 283	1.85 351	1.75 330	1.90 332	1.92 334	1.25 302	7.33 387	1.45 301	0.47 349	0.47 368	0.53 360	0.77 382	0.50 333	0.55 337

HBP-ISP	1.00 262	0.60 304	0.85 137	0.64 219	0.48 222	1.63 324	0.77 269	2.24 326	1.30 243	1.33 235	1.53 270	0.87 126	0.99 241	3.26 310	0.76 197	0.46 345	0.44 361	0.54 361	0.48 358	0.48 329	0.42 303

BEATNet-Init1	27.39 428	21.01 427	73.65 440	1.07 370	0.80 338	56.07 435	22.82 422	33.14 433	31.71 430	51.78 441	52.93 440	65.63 441	48.54 440	48.75 442	36.36 432	0.52 359	0.47 368	0.54 361	0.54 368	0.64 359	0.72 363

edge stereo	1.15 288	0.54 291	1.50 277	0.73 294	0.66 302	1.18 274	0.84 291	2.13 301	1.41 287	1.73 329	1.84 323	2.53 370	1.46 328	2.46 279	1.35 292	0.43 333	0.41 354	0.54 361	0.36 330	0.43 308	0.50 322

PDISCO_ROB	1.41 319	0.73 340	2.04 322	1.40 383	1.46 388	2.83 380	1.07 327	2.64 369	2.11 365	1.41 267	1.50 261	1.73 321	0.99 241	2.83 298	1.46 303	1.03 384	0.27 295	0.54 361	0.47 356	0.77 370	0.84 374

DGSMNet	1.24 307	0.84 350	3.20 357	0.91 352	0.92 354	1.39 299	1.34 353	2.46 354	1.44 298	1.34 242	1.66 297	1.50 289	1.03 257	1.85 220	1.30 284	0.48 351	0.48 370	0.55 365	0.51 364	0.78 371	0.79 370

MSMD_ROB	2.08 365	0.61 309	1.15 219	0.71 282	0.62 290	4.00 399	0.93 309	1.94 262	1.79 347	4.71 405	4.60 391	8.14 409	3.87 400	3.75 321	1.65 325	0.54 361	0.48 370	0.55 365	0.58 372	0.53 341	0.52 329

MFN_U_SF_RVC	1.62 339	0.96 361	4.36 375	0.92 353	0.69 310	2.62 375	1.10 329	2.50 360	1.74 342	1.99 353	1.86 328	2.45 368	1.78 355	3.08 303	2.84 360	0.54 361	0.50 375	0.56 367	0.60 376	0.60 354	0.67 357

ELAS	2.67 381	0.80 344	2.13 327	1.13 374	1.15 377	6.25 410	2.56 404	3.50 391	3.68 396	5.36 409	4.92 396	3.79 387	5.56 406	3.65 317	5.22 382	0.66 373	0.57 382	0.56 367	0.54 368	0.65 361	0.75 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ccnet	1.19 295	0.71 334	1.36 265	0.81 323	0.75 324	1.72 328	1.13 333	1.98 270	1.31 250	1.52 297	1.84 323	1.75 326	1.36 317	2.01 245	2.04 342	0.57 366	0.54 378	0.57 369	0.56 370	0.60 354	0.60 350

FBW_ROB	1.78 348	0.66 325	1.90 310	0.72 287	0.66 302	1.79 341	1.07 327	2.79 380	1.77 343	1.84 339	1.79 315	1.98 342	1.37 318	12.42 420	2.22 347	0.36 313	0.38 346	0.57 369	0.39 337	0.46 324	0.51 327

ELAS_RVC	2.87 390	0.80 344	3.22 359	1.16 379	1.12 371	2.92 383	5.33 412	2.98 384	4.18 400	5.04 407	4.82 394	4.71 394	8.23 414	4.25 328	4.79 378	0.67 374	0.57 382	0.57 369	0.53 367	0.66 362	0.74 365
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RGC	1.22 300	0.82 348	1.71 296	0.95 363	0.98 366	1.53 314	0.80 283	2.18 317	1.35 259	1.69 326	1.94 336	2.03 350	1.66 344	2.36 275	1.50 307	0.46 345	0.36 339	0.59 372	0.48 358	0.49 332	0.49 319

PVD	1.82 352	0.91 357	3.02 354	1.03 368	0.94 360	2.61 374	1.14 336	2.78 379	3.40 393	3.08 389	2.75 368	2.39 367	2.49 382	2.81 296	3.66 370	0.48 351	0.49 374	0.59 372	0.49 361	0.60 354	0.81 372

GANetREF_RVC	1.11 283	0.90 353	1.56 288	0.88 343	0.53 249	1.41 303	1.35 354	1.91 256	1.54 321	1.28 216	1.32 207	1.46 282	1.23 298	2.04 248	1.00 252	0.57 366	0.45 363	0.67 374	0.52 365	0.91 376	0.62 352
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
MSC_U_SF_DS_RVC	2.22 372	1.29 381	4.14 372	1.10 373	0.78 334	5.00 406	2.38 402	2.47 355	2.67 382	1.94 349	2.28 354	2.66 375	1.70 347	9.10 401	2.29 351	0.68 376	0.52 376	0.68 375	0.71 380	1.17 384	0.81 372

PASM	1.48 328	1.08 366	3.96 370	0.93 358	0.93 357	1.17 272	1.19 342	1.77 219	1.65 334	1.90 343	1.52 269	1.75 326	1.42 324	4.54 333	1.52 311	0.64 371	0.68 390	0.69 376	0.79 383	0.70 366	0.74 365

MADNet+	2.80 385	3.38 417	11.57 404	1.50 389	1.21 383	3.18 387	2.00 384	3.52 392	2.61 376	1.81 336	2.09 345	2.83 377	2.18 376	7.55 390	5.44 384	0.84 378	0.83 392	0.71 377	0.66 379	1.05 382	1.08 382

MaskLacGwcNet_RVC	1.17 291	1.06 365	1.28 254	0.88 343	0.69 310	1.92 349	0.92 306	1.71 209	1.14 171	1.17 154	1.26 182	1.49 287	0.80 166	2.04 248	0.86 217	2.02 393	0.34 331	0.79 378	0.36 330	1.38 388	1.33 389

dad	0.90 234	0.73 340	1.28 254	0.59 170	0.39 168	0.83 187	0.45 139	1.24 118	1.54 321	1.52 297	1.28 196	1.36 265	0.86 189	2.54 284	0.91 229	0.43 333	0.27 295	0.82 379	0.26 252	0.44 318	0.34 267

MFMNet_re	1.47 326	1.20 375	2.50 341	1.46 388	1.08 370	1.58 319	1.51 360	1.96 268	1.87 352	2.31 364	2.20 350	1.51 291	1.88 360	1.57 178	1.34 290	0.94 381	0.83 392	0.84 380	0.80 384	1.00 379	1.06 381

JetBlue	4.18 399	2.45 409	10.42 400	1.40 383	2.89 410	10.68 416	10.68 414	3.91 395	2.52 372	2.74 377	3.39 379	4.50 391	4.27 402	7.97 394	7.67 394	0.89 379	0.97 404	0.89 381	0.92 387	2.26 391	2.21 398

Consistency-Raft	1.27 312	1.01 364	2.17 329	1.04 369	1.20 381	0.96 232	1.00 321	1.84 237	1.95 357	1.38 257	2.11 346	1.44 277	1.03 257	1.18 125	1.40 296	0.73 377	0.83 392	0.89 381	0.99 393	1.33 386	0.95 377

anonymity	1.14 286	0.98 362	1.24 248	1.09 372	1.13 373	1.08 250	0.90 302	2.02 277	1.23 211	1.32 230	1.27 191	1.27 249	1.09 274	1.16 121	1.03 256	1.02 383	1.01 406	0.97 383	0.97 390	0.98 378	1.01 378

SPS-STEREO	1.78 348	1.09 368	1.52 283	1.22 380	1.14 375	1.87 346	1.11 330	2.27 331	1.70 337	3.17 391	2.39 359	2.84 378	1.93 362	4.41 330	2.93 361	1.04 386	0.99 405	0.97 383	0.94 388	1.03 381	1.05 380
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	5.38 404	1.28 380	8.24 390	1.27 381	1.16 379	10.62 415	16.01 420	2.93 383	2.53 373	8.64 418	13.03 416	8.26 410	13.38 417	6.34 373	7.59 393	1.07 387	1.05 408	1.00 385	0.98 391	1.02 380	1.12 384

UDGNet	0.75 165	1.23 377	0.99 181	0.82 327	0.42 194	0.76 158	0.38 75	0.98 33	1.37 271	0.83 69	0.88 65	0.70 78	0.60 105	1.25 130	0.57 143	0.57 366	0.19 205	1.03 386	0.26 252	0.79 372	0.35 275

Anonymous_2	1.37 315	0.56 297	0.94 166	0.57 146	0.62 290	1.04 241	0.65 243	1.82 234	1.01 121	1.00 97	0.79 48	1.42 273	1.27 305	1.06 101	0.83 213	0.62 369	0.67 388	1.05 387	9.88 424	1.09 383	0.55 337

NVStereoNet_ROB	2.17 371	1.18 373	3.51 364	1.14 377	1.26 384	1.57 318	1.51 360	2.19 319	2.11 365	2.04 355	4.80 393	3.17 384	2.11 372	7.97 394	2.10 343	1.12 389	0.94 402	1.10 388	1.34 400	0.95 377	1.31 387
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
WAO-7	2.78 384	1.54 389	2.18 330	1.41 386	1.19 380	3.92 398	2.01 387	4.19 398	3.89 398	2.98 385	5.47 398	4.18 390	3.28 392	8.24 397	4.27 374	1.13 390	1.01 406	1.18 389	1.13 399	1.19 385	1.13 385

SQANet	1.38 316	0.95 360	1.37 268	1.89 392	1.47 389	1.44 307	0.81 284	1.89 252	1.13 165	1.34 242	1.26 182	1.28 250	1.02 255	1.64 193	0.91 229	2.55 398	0.35 335	1.47 390	0.56 370	2.48 393	1.74 393

otaku	1.67 341	1.18 373	1.56 288	2.27 394	1.59 390	1.98 352	1.23 347	2.23 324	1.37 271	1.48 292	1.63 294	1.73 321	1.23 298	1.85 220	1.09 260	2.96 401	0.58 384	1.74 391	0.61 377	2.94 399	2.15 397

PWCK	3.24 395	2.37 405	10.86 401	2.14 393	1.14 375	3.71 393	4.19 411	3.02 385	3.55 395	3.05 388	3.63 382	3.09 383	2.35 381	8.16 396	3.41 367	2.17 396	0.96 403	1.77 392	1.01 395	2.84 397	1.40 390

Ntro	1.72 347	1.21 376	1.62 292	2.54 399	1.86 392	2.09 360	1.14 336	2.08 291	1.38 273	1.23 189	1.62 290	1.62 305	1.33 314	2.04 248	1.21 274	3.09 402	0.56 381	1.82 393	0.65 378	2.97 402	2.25 399

AnonymousM	0.63 108	1.14 371	0.43 6	0.46 15	0.32 100	0.43 15	0.46 145	1.27 125	0.78 44	1.00 97	0.66 24	0.68 71	0.45 33	0.61 16	0.46 82	0.21 126	0.16 142	1.84 394	0.98 391	0.15 5	0.15 4

CC-Net-ROB	1.53 331	1.31 382	1.68 295	0.92 353	0.80 338	1.75 334	0.99 319	2.04 283	1.27 229	1.12 130	1.62 290	1.20 224	0.98 238	7.82 392	0.92 233	1.15 391	0.41 354	2.20 395	0.46 354	1.37 387	0.56 339

ACVNet_2	2.86 389	1.47 386	8.28 391	2.68 400	2.26 399	2.70 376	1.84 382	3.41 388	3.04 387	2.27 363	3.42 380	4.58 392	2.10 370	5.91 361	1.62 319	2.58 399	0.67 388	2.22 396	0.85 386	2.79 396	2.47 402

UDG	1.47 326	2.69 412	1.13 214	1.45 387	1.65 391	1.34 293	0.79 280	1.75 217	1.27 229	1.29 220	1.74 309	1.99 343	1.39 321	1.66 195	1.51 309	0.91 380	0.55 380	2.30 397	0.76 381	1.99 389	1.20 386

WAO-6	2.98 392	1.67 393	1.88 309	2.38 398	2.30 401	3.53 391	2.37 400	4.38 401	4.64 404	2.42 366	4.50 388	4.85 395	2.99 388	5.22 345	5.37 383	1.77 392	1.16 412	2.31 398	1.47 406	2.42 392	1.99 396

ACVNet-4b	3.05 393	1.42 383	18.09 417	2.85 401	2.33 402	2.32 369	1.22 345	2.47 355	2.21 368	1.26 206	2.36 358	2.64 374	1.46 328	6.32 372	1.23 278	3.29 405	0.45 363	2.37 399	1.02 396	3.03 403	2.61 404

LVE	3.40 397	1.80 394	2.21 332	2.90 404	2.44 404	3.27 390	2.25 395	4.80 404	5.06 405	2.43 367	6.79 402	5.99 401	2.64 386	9.20 403	2.28 349	3.30 406	1.11 411	2.38 400	1.48 407	2.95 401	2.62 405

DDUNet	1.56 334	2.70 413	1.35 263	1.79 390	1.88 393	1.82 342	0.91 304	1.84 237	1.20 196	1.40 265	1.79 315	1.62 305	1.17 288	1.59 184	1.22 275	1.11 388	0.76 391	2.38 400	0.94 388	2.12 390	1.53 391

RainbowNet	2.06 364	1.86 395	1.97 317	2.86 402	2.25 398	2.03 356	1.79 377	2.77 377	1.92 354	1.54 303	1.84 323	1.95 340	1.73 351	2.23 265	1.38 295	3.40 408	0.86 397	2.39 402	1.00 394	2.94 399	2.42 401

ACVNet_1	3.08 394	1.48 387	17.70 413	2.90 404	2.35 403	2.30 366	1.43 358	3.16 386	2.26 370	1.91 344	2.05 343	3.51 385	2.32 378	3.71 320	1.58 315	3.25 404	0.66 387	2.40 403	1.06 397	3.07 404	2.59 403

WAO-8	4.57 402	2.01 399	2.58 344	2.37 396	2.21 396	9.75 412	1.71 371	6.04 412	16.34 416	4.11 396	7.69 409	7.41 403	3.85 398	10.02 415	3.85 371	2.05 394	1.09 409	2.44 404	1.39 401	2.56 394	1.86 394

Venus	4.57 402	2.01 399	2.58 344	2.37 396	2.21 396	9.75 412	1.71 371	6.04 412	16.34 416	4.11 396	7.69 409	7.41 403	3.85 398	10.02 415	3.85 371	2.05 394	1.09 409	2.44 404	1.39 401	2.56 394	1.86 394

Dean	3.77 398	1.65 392	17.87 414	3.01 406	2.54 405	3.15 386	2.10 391	4.80 404	4.42 401	2.89 382	6.03 399	5.45 399	2.55 385	3.40 314	2.13 344	3.22 403	0.89 399	2.51 406	1.07 398	3.07 404	2.65 407

JetRed	7.02 411	8.94 422	25.72 424	2.89 403	3.27 414	14.25 420	12.27 417	6.69 414	4.45 402	4.46 402	4.56 389	6.65 402	5.43 405	7.46 389	14.41 414	2.60 400	3.31 418	2.61 407	2.30 417	4.34 415	3.79 416

DispFullNet	2.39 377	2.89 415	3.74 367	3.09 407	2.27 400	2.04 357	0.84 291	2.19 319	1.73 341	2.54 373	1.98 339	2.23 355	5.83 407	3.44 315	1.84 337	1.03 384	0.33 329	2.65 408	1.97 412	2.87 398	2.34 400

IMH-64-1	2.82 386	1.87 396	1.77 299	3.31 409	2.69 406	3.22 388	2.07 388	4.25 399	2.77 385	2.46 370	3.78 384	3.05 380	2.34 379	4.67 337	3.00 363	3.84 412	0.84 395	2.75 409	1.39 401	3.34 407	2.93 409

IMH-64	2.82 386	1.87 396	1.77 299	3.31 409	2.69 406	3.22 388	2.07 388	4.25 399	2.77 385	2.46 370	3.78 384	3.05 380	2.34 379	4.67 337	3.00 363	3.84 412	0.84 395	2.75 409	1.39 401	3.34 407	2.93 409

IMH	3.35 396	1.95 398	1.86 308	3.30 408	2.72 408	4.03 401	2.00 384	4.58 403	3.83 397	2.87 381	6.99 404	4.69 393	3.21 391	6.77 381	2.97 362	3.91 415	0.89 399	2.78 411	1.40 405	3.36 409	2.93 409

TorneroNet-64	5.41 405	2.10 402	2.43 339	3.49 412	2.83 409	9.90 414	2.13 392	8.87 418	16.79 421	5.39 410	9.18 413	10.68 418	3.92 401	9.55 407	5.11 381	3.36 407	0.86 397	2.88 412	1.62 408	3.76 410	3.37 412

TorneroNet	10.72 418	2.09 401	2.76 349	3.48 411	3.03 411	44.72 433	2.31 397	8.62 417	67.06 442	7.45 416	23.21 426	10.59 417	4.28 403	9.03 400	9.00 397	3.67 410	0.91 401	3.04 413	1.63 409	3.92 412	3.55 415

UNDER WATER-64	5.84 408	2.48 411	17.93 415	3.97 418	3.58 417	7.70 411	3.03 409	5.72 411	14.13 413	4.18 400	4.00 386	9.27 413	6.80 411	6.20 367	9.22 399	3.67 410	1.52 415	3.14 414	1.95 411	4.43 416	3.83 417

KSHMR	8.76 416	2.14 403	3.59 365	3.60 414	3.13 412	4.15 402	2.67 405	5.61 410	58.90 441	3.04 387	55.71 441	4.94 396	2.54 384	4.61 336	3.05 365	3.49 409	1.57 416	3.14 414	1.98 413	3.84 411	3.49 413

UNDER WATER	5.68 407	2.46 410	15.52 410	3.98 419	3.53 416	5.15 407	2.74 406	5.58 409	16.41 419	4.00 394	4.56 389	9.12 412	6.43 410	6.22 368	9.11 398	3.85 414	1.35 413	3.18 416	1.98 413	4.51 417	3.84 418

ktn	4.56 401	2.41 407	2.54 342	3.79 416	3.25 413	4.81 405	2.91 408	5.52 408	7.36 409	4.12 398	14.55 418	7.54 406	3.70 397	7.84 393	3.35 366	4.06 416	1.86 417	3.26 417	2.22 416	3.27 406	2.86 408

notaker	4.29 400	2.42 408	5.06 378	3.89 417	3.29 415	4.00 399	2.25 395	4.93 406	3.47 394	4.21 401	6.79 402	7.67 407	3.37 394	9.25 405	6.47 387	4.09 417	1.42 414	3.35 418	2.13 415	4.11 414	3.54 414

HanzoNet	11.92 419	5.12 418	17.18 412	4.19 420	3.59 418	5.16 408	2.82 407	7.41 415	9.96 411	33.31 437	27.60 428	22.25 427	37.31 432	18.18 423	13.57 407	8.13 423	3.44 420	3.50 419	3.44 419	7.77 424	4.52 420

MADNet++	5.41 405	3.18 416	6.43 383	4.66 421	3.95 419	6.15 409	6.75 413	4.51 402	4.51 403	5.06 408	6.27 400	4.96 397	6.14 408	9.39 406	11.70 404	4.71 418	4.19 421	3.97 420	3.33 418	4.08 413	4.25 419

DGTPSM_ROB	13.06 420	8.27 420	22.29 419	9.53 424	18.14 421	11.53 417	31.97 426	10.82 420	16.25 414	7.14 413	19.39 424	10.12 415	16.69 420	9.85 410	22.49 422	4.77 419	8.72 423	5.37 421	10.24 425	6.15 421	11.56 423

DPSMNet_ROB	13.08 421	8.28 421	22.32 420	9.54 425	18.15 422	11.53 417	31.98 427	10.83 421	16.27 415	7.17 414	19.40 425	10.12 415	16.69 420	9.87 411	22.50 423	4.78 420	8.72 423	5.38 422	10.25 426	6.16 422	11.59 424

tt	6.61 410	0.28 46	6.10 382	3.77 415	2.17 395	11.53 417	19.61 421	13.53 423	5.81 407	3.00 386	2.82 370	4.97 398	6.33 409	3.83 323	7.23 392	9.13 424	11.32 428	5.87 423	6.22 422	6.01 420	2.63 406

DPSimNet_ROB	24.77 426	9.69 423	61.46 439	3.56 413	19.46 423	25.95 423	77.56 440	5.09 407	16.60 420	21.50 427	29.82 430	25.12 430	85.69 442	13.37 421	23.07 425	7.23 422	17.79 429	8.55 424	7.57 423	4.57 419	31.84 435

PML	51.64 439	37.49 432	14.31 407	7.45 423	20.27 424	107.80 442	231.34 443	8.94 419	27.70 429	86.74 442	268.93 443	69.03 442	61.09 441	24.71 431	14.36 413	9.71 425	3.40 419	9.60 425	4.67 420	20.46 427	4.76 421

DPSM_ROB	19.12 422	19.13 425	25.13 422	22.15 427	20.86 425	28.06 425	37.75 429	27.18 426	16.95 422	14.25 420	15.07 419	21.66 422	18.69 423	21.83 425	26.51 427	10.15 426	9.30 426	10.45 426	10.41 427	14.00 425	12.85 426

DPSM	19.12 422	19.13 425	25.13 422	22.15 427	20.86 425	28.06 425	37.75 429	27.18 426	16.95 422	14.25 420	15.07 419	21.66 422	18.69 423	21.83 425	26.51 427	10.15 426	9.30 426	10.45 426	10.41 427	14.00 425	12.85 426

SPstereo	26.71 427	6.90 419	11.42 403	5.86 422	6.44 420	48.17 434	80.34 441	67.41 442	34.42 437	28.80 435	27.49 427	43.68 439	37.53 436	44.96 441	54.23 442	5.06 421	4.92 422	10.92 428	6.03 421	4.54 418	5.00 422

MyStereo03	38.45 430	38.46 435	50.33 434	44.93 435	42.03 433	56.44 436	76.24 436	54.16 436	34.06 434	28.68 432	30.42 433	43.46 434	37.33 433	43.76 435	53.43 438	20.29 430	18.73 433	21.02 429	21.05 431	28.19 428	25.91 431

MyStereo02	38.45 430	38.46 435	50.33 434	44.93 435	42.03 433	56.44 436	76.24 436	54.16 436	34.06 434	28.68 432	30.42 433	43.46 434	37.33 433	43.76 435	53.43 438	20.29 430	18.73 433	21.02 429	21.05 431	28.19 428	25.91 431

MyStereo	38.45 430	38.46 435	50.33 434	44.93 435	42.03 433	56.44 436	76.24 436	54.16 436	34.06 434	28.68 432	30.42 433	43.46 434	37.33 433	43.76 435	53.43 438	20.29 430	18.73 433	21.02 429	21.05 431	28.19 428	25.91 431

CasAABBNet	38.42 429	38.42 433	50.26 433	44.76 434	41.87 431	56.47 439	76.22 435	54.44 439	33.92 432	28.53 430	30.36 432	43.53 438	37.59 437	43.77 438	53.32 437	20.27 429	18.70 431	21.03 432	21.04 430	28.19 428	25.79 429

Selective-RAFT-Error	38.47 433	38.44 434	50.38 437	44.74 433	42.01 432	56.47 439	76.24 436	54.44 439	34.02 433	28.59 431	30.30 431	43.51 437	38.10 438	43.69 434	53.24 436	20.36 433	18.72 432	21.05 433	21.02 429	28.25 432	25.87 430

LSM0	42.92 438	38.72 438	50.66 438	47.49 438	110.18 442	56.77 441	75.87 434	54.87 441	33.74 431	29.48 436	31.12 436	43.77 440	37.12 431	43.85 439	53.44 441	20.50 434	18.67 430	21.05 433	21.07 434	28.37 433	41.73 436

LRCNet_RVC	22.79 424	32.09 431	22.06 418	29.83 429	26.15 427	4.40 404	0.84 291	22.64 424	2.10 364	26.93 429	29.25 429	23.03 429	15.56 419	23.91 427	18.92 419	32.00 435	20.04 436	34.68 435	32.13 435	30.66 434	28.52 434

HaxPig	39.02 434	41.39 439	41.59 429	30.10 430	32.36 428	29.49 427	27.65 424	30.56 429	37.94 438	43.75 438	43.81 437	33.42 431	35.69 429	41.51 432	40.33 434	43.91 439	47.48 441	45.87 436	47.14 437	42.29 435	44.06 438

AVERAGE_ROB	40.42 435	42.30 440	42.61 430	36.91 432	35.54 430	30.42 428	27.59 423	37.45 435	38.45 439	44.87 439	44.27 438	37.55 433	36.69 430	41.82 433	40.25 433	45.36 440	46.73 440	47.09 437	46.32 436	42.47 436	43.74 437

MEDIAN_ROB	42.01 436	44.30 441	44.14 432	35.08 431	34.90 429	31.33 432	29.90 425	36.77 434	40.11 440	47.14 440	46.55 439	37.49 432	38.50 439	44.30 440	42.32 435	47.93 441	49.31 442	49.68 438	49.00 438	44.98 437	46.46 439

Anonymous_1	42.79 437	18.71 424	24.75 421	21.81 426	45.16 436	27.68 424	37.52 428	28.64 428	16.34 416	14.72 422	14.53 417	20.60 421	17.82 422	21.52 424	25.88 426	113.45 442	8.91 425	100.63 439	126.37 439	158.50 442	12.31 425

xxxxx1	54.34 440	26.72 428	27.03 425	114.14 439	99.00 439	30.68 429	47.19 431	32.52 430	26.09 425	17.85 423	17.48 421	21.86 424	20.92 425	24.38 428	33.78 429	34.73 436	41.33 437	157.67 440	175.68 440	65.82 438	71.99 440

tt_ll	54.34 440	26.72 428	27.03 425	114.14 439	99.00 439	30.68 429	47.19 431	32.52 430	26.09 425	17.85 423	17.48 421	21.86 424	20.92 425	24.38 428	33.78 429	34.73 436	41.33 437	157.67 440	175.68 440	65.82 438	71.99 440

ff	54.34 440	26.72 428	27.03 425	114.14 439	99.00 439	30.68 429	47.19 431	32.52 430	26.09 425	17.85 423	17.48 421	21.86 424	20.92 425	24.38 428	33.78 429	34.73 436	41.33 437	157.67 440	175.68 440	65.82 438	71.99 440

test_example2	192.91 443	210.59 443	206.44 443	199.86 443	204.90 443	172.02 443	182.95 442	138.34 443	134.89 443	193.14 443	200.54 442	186.77 443	177.82 443	204.95 443	207.57 443	221.83 443	238.70 443	186.02 443	190.07 443	226.94 443	173.78 443

Low-res two-view benchmark