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

panet	1.00 4	0.55 3	1.89 5	0.66 1	0.33 2	4.41 309	0.40 7	2.42 40	1.95 82	0.96 25	1.24 33	0.88 42	0.89 45	1.27 14	0.78 8	0.30 56	0.19 9	0.23 5	0.15 3	0.22 2	0.22 1

CREStereo	1.00 4	0.59 18	1.82 4	0.66 1	0.36 4	4.43 312	0.40 7	2.43 41	1.98 85	0.96 25	1.22 31	0.88 42	0.87 42	1.30 17	0.79 13	0.30 56	0.20 18	0.23 5	0.16 6	0.23 4	0.22 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
test croco	2.00 42	0.89 136	21.49 385	0.67 3	0.73 123	1.66 19	0.57 31	3.27 109	2.18 103	0.80 7	1.25 36	0.80 32	0.86 40	1.72 69	1.13 70	0.34 124	0.21 34	0.32 134	0.25 78	0.44 212	0.34 31

StereoIM	1.60 20	1.11 193	16.13 102	0.67 3	1.87 350	1.22 8	0.39 5	2.17 31	1.42 6	0.69 1	0.78 3	0.88 42	0.70 15	1.24 12	1.13 70	0.32 85	0.23 72	0.26 36	0.21 27	0.32 69	0.28 8

HHNet	2.51 131	0.76 106	20.83 335	0.67 3	0.67 108	4.07 239	0.90 184	3.85 175	1.59 34	2.14 181	4.91 369	0.98 50	3.32 330	1.73 72	1.80 202	0.41 194	0.20 18	0.31 119	0.28 132	0.38 154	0.44 87

DIP-Stereo	2.03 49	0.98 171	16.44 116	0.67 3	0.62 95	4.30 294	0.58 37	4.43 342	2.89 202	1.97 130	1.40 63	0.91 46	0.86 40	1.31 19	1.27 103	0.38 177	0.23 72	0.33 166	0.23 54	0.33 90	0.57 153
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
PMTNet	1.13 10	0.55 3	3.88 17	0.71 7	0.59 82	4.21 282	0.43 11	2.00 22	1.58 31	1.02 29	1.06 11	0.78 27	0.98 58	1.58 51	0.93 34	1.21 369	0.20 18	0.23 5	0.15 3	0.23 4	0.27 7

MIF-Stereo (partial)	1.93 34	0.69 65	21.14 365	0.74 8	1.02 195	1.07 5	0.49 17	2.75 72	1.78 65	0.82 8	1.22 31	0.80 32	0.90 46	1.68 56	1.63 169	0.38 177	0.24 91	0.33 166	0.26 92	0.41 187	0.32 18

s12784h	2.08 54	0.50 2	16.85 120	0.75 9	0.36 4	4.42 311	0.49 17	4.23 280	3.08 233	2.03 152	2.67 315	0.91 46	1.05 78	2.05 104	0.78 8	0.37 164	0.18 5	0.24 16	0.16 6	0.27 17	0.26 6

Patchmatch Stereo++	2.28 85	0.74 87	20.54 306	0.77 10	0.38 7	4.67 355	0.75 109	2.55 58	3.21 249	2.00 138	1.53 75	1.77 128	1.14 101	2.46 141	0.98 50	0.51 280	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	2.26 78	0.74 87	20.53 305	0.77 10	0.38 7	4.67 355	0.71 86	2.54 51	3.22 254	2.00 138	1.53 75	1.77 128	1.13 96	2.22 126	0.96 46	0.50 274	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

ROB_FTStereo_v2	2.25 76	0.74 87	20.45 293	0.77 10	0.38 7	4.66 354	0.74 104	2.54 51	3.20 246	2.00 138	1.53 75	1.77 128	1.14 101	2.13 113	0.96 46	0.50 274	0.22 49	0.32 134	0.28 132	0.40 169	0.35 36

ROB_FTStereo	2.26 78	0.74 87	20.44 291	0.77 10	0.38 7	4.65 352	0.75 109	2.54 51	3.19 245	2.00 138	1.54 84	1.77 128	1.13 96	2.28 132	0.94 40	0.49 264	0.22 49	0.32 134	0.28 132	0.40 169	0.35 36

HUI-Stereo	2.27 81	0.74 87	20.56 310	0.77 10	0.38 7	4.67 355	0.78 120	2.54 51	3.23 257	2.00 138	1.53 75	1.77 128	1.13 96	2.21 125	0.93 34	0.49 264	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

DRaft	3.12 245	0.68 60	20.57 314	0.77 10	0.49 49	3.95 216	1.20 255	2.40 37	1.60 39	2.64 294	2.80 324	1.59 105	5.33 363	6.94 255	9.51 348	0.43 218	0.22 49	0.27 46	0.27 107	0.32 69	0.47 106

iGMRVC	2.27 81	0.74 87	20.46 294	0.77 10	0.38 7	4.65 352	0.73 96	2.54 51	3.21 249	2.00 138	1.53 75	1.77 128	1.14 101	2.47 144	0.99 52	0.51 280	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

iRAFT	2.28 85	0.74 87	20.54 306	0.77 10	0.38 7	4.67 355	0.75 109	2.55 58	3.21 249	2.00 138	1.53 75	1.77 128	1.14 101	2.46 141	0.98 50	0.51 280	0.23 72	0.32 134	0.28 132	0.40 169	0.35 36

RAFT-IKP	2.27 81	0.74 87	20.55 308	0.77 10	0.38 7	4.64 351	0.73 96	2.54 51	3.21 249	2.00 138	1.53 75	1.77 128	1.13 96	2.25 131	1.00 55	0.51 280	0.22 49	0.32 134	0.28 132	0.40 169	0.35 36

TestStereo	2.41 117	1.95 281	19.15 175	0.77 10	0.61 86	1.83 21	0.58 37	2.33 36	1.53 20	1.44 58	1.37 57	1.26 77	0.90 46	11.59 361	0.94 40	0.36 156	0.19 9	0.33 166	0.24 67	0.45 219	0.32 18

DeepStereo_RVC	2.42 119	0.70 71	18.41 153	0.79 20	0.43 27	4.50 324	0.70 81	2.51 47	3.51 308	2.02 147	1.79 149	1.54 103	6.35 372	1.93 95	1.22 85	0.47 253	0.22 49	0.29 80	0.29 162	0.35 124	0.40 67

TANstereo	1.98 37	0.87 129	20.35 282	0.80 21	0.37 6	4.05 235	0.38 4	1.50 3	1.65 52	2.03 152	2.16 239	0.84 37	0.93 52	1.09 3	0.68 2	0.30 56	0.36 189	0.24 16	0.20 20	0.26 14	0.46 98

4D-IteraStereo	2.95 223	1.83 275	20.75 330	0.81 22	1.56 307	2.22 38	1.03 222	2.48 45	1.56 27	1.42 55	1.00 8	1.93 156	0.61 7	1.65 54	2.04 233	0.31 71	0.22 49	0.31 119	0.26 92	0.28 22	16.75 418

GMOStereo	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 251	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 413	0.35 201	0.28 132	0.35 124	0.33 23

error version	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 251	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 413	0.35 201	0.28 132	0.35 124	0.33 23

test-v	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 251	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 413	0.35 201	0.28 132	0.35 124	0.33 23

test-2	2.64 170	0.92 151	19.83 221	0.81 22	0.68 115	3.22 76	0.89 168	2.94 80	1.48 9	2.36 251	1.54 84	1.75 121	1.04 71	1.33 23	1.15 73	0.26 14	11.32 413	0.35 201	0.28 132	0.35 124	0.33 23

HCRNet	2.24 74	0.74 87	14.54 78	0.82 27	1.36 271	4.11 247	0.70 81	3.61 135	3.03 225	1.83 106	1.61 98	1.58 104	1.40 143	5.79 221	1.60 162	0.35 136	0.28 136	0.36 213	0.29 162	0.34 111	0.46 98

DEmStereo	3.24 267	0.65 45	18.95 167	0.83 28	0.54 65	3.85 189	1.79 317	2.53 50	2.54 157	2.25 211	2.74 321	2.02 175	6.02 370	6.78 250	11.30 354	0.40 191	0.26 123	0.27 46	0.27 107	0.28 22	0.57 153

PCWNet_CMD	2.16 61	0.71 75	15.44 91	0.84 29	0.76 134	3.38 97	0.68 73	3.69 147	2.24 112	1.72 88	1.63 105	3.20 277	3.00 316	2.09 107	1.23 86	0.32 85	0.37 194	0.47 278	0.27 107	0.65 298	0.51 128

fff	2.40 111	0.96 164	20.47 296	0.84 29	0.38 7	4.15 260	0.57 31	4.30 303	2.85 192	2.31 229	1.82 160	1.19 72	2.98 312	1.68 56	1.57 153	0.35 136	0.24 91	0.23 5	0.19 10	0.25 6	0.57 153

csc	2.40 111	0.96 164	20.47 296	0.84 29	0.38 7	4.15 260	0.57 31	4.30 303	2.85 192	2.31 229	1.82 160	1.19 72	2.98 312	1.68 56	1.57 153	0.35 136	0.24 91	0.23 5	0.19 10	0.25 6	0.57 153

cscssc	2.40 111	0.96 164	20.47 296	0.84 29	0.38 7	4.15 260	0.57 31	4.30 303	2.85 192	2.31 229	1.82 160	1.19 72	2.98 312	1.68 56	1.57 153	0.35 136	0.24 91	0.23 5	0.19 10	0.25 6	0.57 153

111	2.59 156	3.10 314	20.47 296	0.84 29	0.38 7	4.26 288	0.91 192	4.45 345	2.96 209	2.48 276	2.07 228	2.31 198	1.64 206	1.49 43	1.90 212	0.35 136	0.22 49	0.25 25	0.21 27	0.32 69	1.14 264

CrosDoStereo	5.27 366	0.75 98	20.07 244	0.85 34	0.53 62	3.40 100	18.03 412	3.90 182	3.29 269	1.99 134	8.27 382	1.95 162	6.95 381	7.34 260	25.94 418	0.33 108	0.22 49	0.30 101	0.28 132	0.35 124	0.61 175

DeepStereo_LL	5.27 366	0.75 98	20.07 244	0.85 34	0.53 62	3.40 100	18.03 412	3.90 182	3.29 269	1.99 134	8.27 382	1.95 162	6.95 381	7.34 260	25.94 418	0.33 108	0.22 49	0.30 101	0.28 132	0.35 124	0.61 175

CRE-IMP	2.28 85	0.68 60	19.67 209	0.85 34	0.39 21	4.54 330	0.80 130	2.63 66	4.84 373	1.96 128	1.51 74	1.86 148	0.96 56	1.52 46	1.43 129	0.47 253	0.21 34	0.31 119	0.26 92	0.41 187	0.35 36

CAS++	1.01 6	0.77 109	3.30 11	0.86 37	0.53 62	1.23 9	0.85 153	3.43 121	1.57 29	1.16 38	1.33 49	0.62 5	0.58 4	1.18 9	0.63 1	0.37 164	0.30 149	0.35 201	0.27 107	0.41 187	0.38 59
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DCANet-4	2.06 53	0.58 10	15.30 87	0.86 37	0.44 31	4.16 263	0.57 31	4.31 313	3.28 264	2.31 229	1.82 160	1.04 55	1.54 178	1.69 61	1.56 150	0.35 136	0.24 91	0.24 16	0.19 10	0.25 6	0.57 153

ADStereo(finetuned)	2.30 91	0.97 168	17.29 130	0.86 37	0.43 27	4.17 268	0.59 39	4.31 313	3.29 269	2.35 247	1.86 180	1.18 69	3.35 333	1.69 61	1.59 158	0.34 124	0.25 103	0.23 5	0.19 10	0.31 50	0.72 205

STrans-v2	3.11 242	0.95 162	20.80 333	0.86 37	0.64 100	3.90 200	1.01 217	4.30 303	3.61 313	2.28 222	3.65 353	4.11 337	5.17 362	7.32 259	1.63 169	0.34 124	0.18 5	0.29 80	0.26 92	0.30 45	0.65 189

Anonymous3	2.20 70	0.80 113	20.08 249	0.86 37	0.86 153	4.46 315	0.84 149	3.64 140	1.40 5	1.37 52	1.40 63	1.11 60	1.03 65	1.71 65	1.24 90	0.75 344	0.58 278	0.34 184	0.35 235	0.48 242	0.65 189

DCANet	2.37 106	0.98 171	20.47 296	0.86 37	0.43 27	4.18 271	0.59 39	4.31 313	3.29 269	2.35 247	1.86 180	1.18 69	1.63 204	1.69 61	1.59 158	0.34 124	0.25 103	0.24 16	0.19 10	0.31 50	0.73 210

MSMDNet	2.16 61	0.71 75	15.36 89	0.86 37	0.75 130	3.41 103	0.69 79	3.70 149	2.25 115	1.73 90	1.64 110	3.21 278	2.95 308	2.09 107	1.24 90	0.32 85	0.37 194	0.45 271	0.27 107	0.63 290	0.50 122

iRaft-Stereo_5w	2.47 127	1.37 229	13.85 64	0.87 44	0.99 187	3.22 76	0.84 149	3.72 152	2.12 99	1.57 67	2.49 295	2.20 189	2.22 275	9.12 286	2.03 231	0.48 258	0.27 130	0.35 201	0.29 162	0.48 242	0.94 245

IPLGR	2.61 162	0.73 81	20.72 329	0.87 44	0.54 65	4.58 341	0.52 23	4.32 320	2.79 183	1.91 111	1.54 84	1.72 118	1.71 224	6.94 255	1.43 129	0.31 71	0.21 34	0.27 46	0.24 67	0.34 111	0.48 113

CREStereo++_RVC	1.98 37	0.59 18	19.94 233	0.87 44	0.55 68	4.02 228	0.31 2	1.75 14	2.09 93	1.65 77	2.20 249	0.85 39	0.65 12	1.03 1	0.72 3	0.29 34	0.16 2	0.23 5	1.22 378	0.25 6	0.22 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
CFNet_pseudo	2.03 49	0.74 87	12.75 57	0.87 44	0.74 126	3.91 203	0.65 62	4.04 216	1.93 79	1.93 115	1.79 149	3.25 281	1.61 193	2.51 146	1.25 96	0.32 85	0.37 194	0.53 310	0.28 132	0.64 293	0.50 122

ccs_rob	2.03 49	0.74 87	12.67 56	0.87 44	0.75 130	3.91 203	0.66 63	4.04 216	1.93 79	1.92 114	1.79 149	3.24 280	1.63 204	2.52 150	1.25 96	0.32 85	0.37 194	0.54 318	0.28 132	0.66 302	0.51 128

LoS_RVC	1.23 11	1.51 242	6.09 25	0.88 49	1.71 336	1.96 26	0.59 39	1.61 5	1.37 3	0.84 10	1.35 52	0.84 37	1.15 106	1.49 43	0.83 21	0.21 1	0.17 3	0.20 1	0.14 1	0.20 1	1.49 284

ff7	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 336	0.83 142	1.68 7	3.44 296	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 405

ffff	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 336	0.83 142	1.68 7	3.44 296	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 405

11t	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 336	0.83 142	1.68 7	3.44 296	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 405

ccc-4	2.60 158	0.81 116	16.25 105	0.89 50	0.56 71	4.55 336	0.83 142	1.68 7	3.44 296	0.88 16	1.10 15	0.70 13	0.78 28	1.93 95	0.93 34	0.29 34	0.37 194	0.29 80	0.21 27	0.33 90	15.08 405

GLC_STEREO	0.83 1	0.59 18	1.71 3	0.89 50	0.34 3	1.88 23	0.80 130	1.48 2	1.60 39	0.98 27	1.06 11	0.68 10	0.71 17	1.19 10	0.89 29	0.25 8	0.25 103	0.32 134	0.25 78	0.32 69	0.34 31

THIR-Stereo	4.50 346	1.11 193	18.71 160	0.89 50	0.47 37	2.25 39	16.71 411	3.53 127	1.58 31	2.04 155	12.04 403	2.66 235	7.52 384	7.29 258	11.25 353	0.32 85	0.21 34	0.29 80	0.28 132	0.35 124	0.52 134

CFNet_ucs	2.32 93	0.75 98	17.05 124	0.90 56	0.81 143	3.86 192	0.68 73	4.31 313	2.68 168	2.13 179	2.04 216	3.30 283	1.24 119	2.63 156	1.23 86	0.37 164	0.46 247	0.56 322	0.30 179	0.67 305	0.53 139

GMStereo	2.01 45	2.26 296	20.93 343	0.90 56	0.48 42	1.67 20	0.56 28	1.90 17	2.19 104	1.58 68	1.31 47	0.87 41	0.74 23	1.68 56	1.00 55	0.41 194	0.21 34	0.30 101	0.32 206	0.50 247	0.46 98
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CASnet	0.85 2	0.59 18	1.66 2	0.91 58	0.30 1	1.37 13	0.73 96	1.63 6	1.94 81	1.66 78	1.14 23	0.66 8	0.63 9	1.07 2	0.90 30	0.37 164	0.17 3	0.41 249	0.31 196	0.33 90	0.23 5
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS	1.05 7	0.58 10	3.31 12	0.91 58	0.38 7	4.14 257	0.50 20	2.22 32	1.49 13	1.02 29	0.88 7	0.62 5	0.84 38	1.69 61	0.94 40	0.27 22	0.20 18	0.24 16	0.17 9	0.22 2	0.32 18

knoymous	1.50 18	0.65 45	8.73 40	0.91 58	0.75 130	2.97 65	0.90 184	2.93 78	1.38 4	1.56 65	1.07 14	2.75 244	0.88 43	1.43 36	1.13 70	0.32 85	0.22 49	0.35 201	0.20 20	0.45 219	0.41 72

test_4	1.98 37	0.68 60	15.65 95	0.91 58	0.48 42	4.11 247	1.09 234	2.41 38	1.50 14	1.55 63	2.31 269	1.87 151	0.79 34	2.86 170	1.51 141	0.34 124	0.19 9	0.29 80	0.29 162	0.30 45	0.40 67

CroCo-Stereo	1.07 8	1.18 202	3.66 13	0.91 58	0.60 85	0.49 1	0.49 17	4.07 223	1.91 77	0.84 10	1.29 45	1.00 52	0.75 24	1.32 22	1.38 123	0.26 14	0.21 34	0.24 16	0.20 20	0.37 145	0.30 13
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
SFCPSM	2.16 61	0.75 98	15.82 97	0.91 58	0.98 185	3.74 168	1.27 263	4.15 253	2.56 158	1.90 110	1.82 160	1.64 110	1.39 139	2.51 146	1.57 153	0.36 156	0.28 136	0.39 240	0.36 244	0.36 141	0.50 122

Selective-IGEV	1.42 17	0.58 10	8.82 41	0.92 64	0.85 151	1.32 12	0.80 130	2.85 76	3.84 325	0.87 15	1.68 115	0.71 18	0.62 8	1.30 17	0.75 5	0.24 4	0.27 130	0.24 16	0.19 10	0.27 17	1.18 267

GMM-Stereo	2.52 133	0.56 5	20.57 314	0.92 64	0.83 146	4.18 271	1.88 322	2.51 47	2.40 138	2.48 276	2.30 268	1.69 113	1.84 244	2.93 172	1.25 96	0.32 85	0.19 9	0.33 166	0.49 308	0.37 145	2.40 319

MIPNet	2.43 120	1.13 197	20.00 238	0.93 66	0.58 81	4.74 372	0.62 53	4.33 323	2.95 208	1.94 121	1.49 72	1.52 102	1.96 255	2.77 165	1.60 162	0.35 136	0.20 18	0.27 46	0.23 54	0.32 69	0.59 167

ACRE	2.75 198	7.69 351	19.93 232	0.93 66	1.30 260	3.94 214	0.90 184	4.23 280	3.66 317	2.33 243	2.61 309	1.17 66	1.04 71	1.80 83	1.35 110	0.46 246	0.25 103	0.27 46	0.23 54	0.32 69	0.60 171

sAnonymous2	2.00 42	1.54 246	21.24 375	0.93 66	0.89 162	1.21 6	0.62 53	2.58 61	2.28 122	0.86 12	1.04 9	0.73 19	1.22 116	1.10 4	0.85 23	0.30 56	0.25 103	0.31 119	0.31 196	1.06 351	0.72 205

CroCo_RVC	2.00 42	1.54 246	21.24 375	0.93 66	0.89 162	1.21 6	0.62 53	2.58 61	2.28 122	0.86 12	1.04 9	0.73 19	1.22 116	1.10 4	0.85 23	0.30 56	0.25 103	0.31 119	0.31 196	1.06 351	0.72 205

ARAFT	3.24 267	13.49 381	19.88 228	0.93 66	0.49 49	4.16 263	1.40 279	4.37 332	3.21 249	2.40 262	1.91 195	1.70 115	1.04 71	6.43 240	1.45 136	0.37 164	0.19 9	0.37 224	0.35 235	0.37 145	0.35 36

anonymousdsp	3.14 248	0.83 120	20.28 272	0.94 71	0.64 100	4.54 330	0.82 138	2.03 25	3.32 278	0.91 20	1.13 20	0.78 27	0.77 26	1.78 76	0.90 30	0.29 34	0.25 103	0.29 80	0.21 27	0.33 90	21.81 424

RCA-Stereo	1.38 15	0.61 30	3.95 19	0.94 71	0.48 42	4.68 363	0.78 120	4.17 260	1.95 82	1.93 115	1.84 174	0.94 49	1.48 162	1.23 11	0.75 5	0.30 56	0.43 237	0.25 25	0.20 20	0.26 14	0.37 52

BUS	1.64 25	0.64 38	3.82 14	0.94 71	0.86 153	4.50 324	0.75 109	4.49 349	2.29 126	2.96 326	1.82 160	3.61 310	1.03 65	1.79 77	1.18 78	0.39 184	0.25 103	0.31 119	0.28 132	0.38 154	0.41 72

BSDual-CNN	1.61 21	0.64 38	3.82 14	0.94 71	0.86 153	4.18 271	1.14 245	4.49 349	2.29 126	2.96 326	1.82 160	2.58 229	1.30 127	1.79 77	1.44 133	0.39 184	0.25 103	0.31 119	0.28 132	0.38 154	0.41 72

hknet	2.34 98	0.78 110	13.86 66	0.94 71	1.07 211	4.18 271	1.14 245	4.49 349	3.00 216	2.96 326	1.82 160	3.47 294	1.30 127	4.11 198	1.77 196	0.35 136	0.25 103	0.31 119	0.28 132	0.38 154	0.41 72

IGEV-Stereo	3.15 250	0.83 120	20.31 279	0.94 71	0.64 100	4.54 330	0.82 138	2.01 23	3.31 274	0.91 20	1.13 20	0.79 31	0.77 26	1.79 77	0.92 33	0.29 34	0.25 103	0.29 80	0.21 27	0.33 90	21.85 425
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ACVNet	2.40 111	0.97 168	20.20 259	0.94 71	0.86 153	4.22 284	0.79 126	2.97 88	2.85 192	1.93 115	1.91 195	3.07 269	1.46 158	1.52 46	2.37 259	0.33 108	0.27 130	0.30 101	0.27 107	0.42 195	0.35 36

HSM-Net_RVC	3.02 231	0.65 45	19.48 197	0.94 71	0.90 166	3.71 163	1.20 255	5.61 395	2.87 200	3.24 344	2.49 295	2.53 221	1.61 193	11.39 353	1.90 212	0.37 164	0.27 130	0.27 46	0.24 67	0.31 50	0.39 64
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Former-RAFT_DAM_RVC	0.99 3	0.85 125	1.58 1	0.95 79	1.08 214	2.95 62	0.53 24	1.93 19	2.00 88	1.19 39	1.63 105	0.59 2	0.65 12	1.10 4	0.90 30	0.28 29	0.23 72	0.31 119	0.25 78	0.45 219	0.32 18

CES	1.08 9	0.63 35	2.53 9	0.95 79	2.18 362	2.13 34	0.50 20	2.07 26	1.46 7	0.79 6	1.06 11	0.61 4	0.48 1	1.45 38	0.87 26	0.24 4	0.18 5	0.24 16	0.15 3	0.64 293	2.36 318

CIPLG	2.88 211	10.01 364	20.02 240	0.95 79	1.34 268	3.95 216	0.91 192	4.24 287	3.69 320	2.36 251	2.66 313	1.17 66	1.06 80	1.82 86	1.37 122	0.45 233	0.25 103	0.27 46	0.23 54	0.33 90	0.60 171

IPLG	2.56 151	1.11 193	19.89 229	0.95 79	0.79 140	4.60 345	0.56 28	4.31 313	2.10 95	1.94 121	2.00 211	1.34 81	1.37 135	6.59 243	1.59 158	0.32 85	0.21 34	0.27 46	0.23 54	0.32 69	0.63 182

IPLGR_C	2.96 224	11.71 373	20.02 240	0.95 79	1.31 264	3.93 211	0.92 197	4.22 275	3.76 322	2.35 247	2.62 310	1.16 65	1.07 82	1.71 65	1.34 109	0.45 233	0.25 103	0.27 46	0.23 54	0.33 90	0.60 171

PSM-AAD	3.41 284	0.58 10	20.55 308	0.95 79	0.56 71	4.46 315	7.40 402	3.11 94	1.58 31	2.30 226	2.56 304	1.26 77	16.19 409	2.47 144	1.00 55	0.32 85	0.22 49	0.58 328	0.41 283	0.37 145	1.32 273

AnonymousM	1.38 15	1.33 226	2.35 8	0.95 79	0.56 71	4.03 230	0.67 65	2.63 66	2.49 152	1.51 61	1.36 55	1.15 64	1.00 61	1.26 13	1.04 59	0.41 194	0.46 247	2.07 388	1.71 389	0.25 6	0.40 67

IGEVStereo-DCA	3.09 240	3.48 321	16.25 105	0.96 86	0.49 49	1.59 16	0.83 142	1.68 7	3.44 296	0.75 4	0.78 3	0.74 24	0.73 20	5.79 221	7.75 340	0.32 85	0.26 123	0.28 66	0.21 27	0.32 69	15.08 405

rrr	3.66 303	3.48 321	23.50 411	0.96 86	0.49 49	1.59 16	0.92 197	8.19 403	2.75 176	0.75 4	0.78 3	0.74 24	0.73 20	5.79 221	7.75 340	0.32 85	0.26 123	0.28 66	0.21 27	0.32 69	13.47 393

whm_eth	2.15 59	1.55 249	19.39 192	0.96 86	1.37 274	2.60 51	0.72 89	3.63 137	2.97 210	1.55 63	2.06 224	0.78 27	0.71 17	1.17 7	1.08 65	0.45 233	0.29 141	0.34 184	0.33 213	0.44 212	0.65 189

ProNet	1.63 23	0.91 144	5.70 24	0.96 86	0.64 100	2.40 45	0.82 138	1.92 18	3.28 264	0.69 1	1.17 25	0.78 27	0.76 25	1.72 69	0.87 26	0.27 22	0.97 319	0.25 25	0.26 92	0.31 50	7.97 372

psmg	1.63 23	0.64 38	3.82 14	0.96 86	0.86 153	4.35 299	1.41 281	4.11 239	2.29 126	2.68 296	2.09 229	2.58 229	1.30 127	1.79 77	1.44 133	0.39 184	0.29 141	0.33 166	0.34 222	0.38 154	0.44 87

dd	2.27 81	3.06 313	20.18 257	0.96 86	0.51 58	4.24 287	0.74 104	1.94 20	2.43 143	1.48 60	1.28 41	1.19 72	1.05 78	1.82 86	1.69 182	0.63 318	0.34 173	0.35 201	0.33 213	0.61 279	0.57 153

hitnet-ft	2.99 229	1.23 211	19.37 191	0.96 86	0.90 166	3.76 171	0.79 126	3.60 133	2.68 168	2.31 229	2.04 216	3.63 313	1.49 165	11.70 368	2.37 259	0.45 233	0.54 268	0.44 265	0.36 244	0.54 257	0.56 148

MGS-Stereo	1.24 12	0.66 52	9.68 44	0.97 93	0.40 22	1.26 10	0.72 89	1.50 3	1.35 1	1.03 31	2.26 257	0.80 32	0.56 3	1.28 15	0.78 8	0.31 71	0.23 72	0.26 36	0.22 45	0.28 22	0.34 31

CASS	1.65 26	0.73 81	8.72 39	0.97 93	0.67 108	2.88 57	0.69 79	3.07 93	1.86 72	2.82 313	2.02 212	1.39 89	1.55 181	1.75 75	1.36 117	0.51 280	0.28 136	0.34 184	0.28 132	0.47 237	0.63 182
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
IER	2.09 55	0.91 144	14.11 71	0.97 93	1.15 230	3.17 73	0.89 168	3.59 131	2.39 135	2.15 185	1.98 207	2.27 193	2.11 263	2.39 140	1.80 202	0.35 136	0.24 91	0.36 213	0.30 179	0.34 111	0.42 79

MIF-Stereo	1.73 30	0.60 25	20.25 269	0.98 96	1.19 240	0.78 3	0.39 5	1.19 1	1.55 24	1.21 40	1.28 41	0.52 1	0.64 10	1.17 7	1.16 77	0.35 136	0.20 18	0.25 25	0.22 45	0.42 195	0.31 15

GwcNet-ADL	2.51 131	0.75 98	21.41 384	0.98 96	0.73 123	4.58 341	0.95 207	4.46 347	2.61 164	2.06 160	1.80 153	2.54 223	1.24 119	1.98 101	1.73 192	0.41 194	0.46 247	0.24 16	0.27 107	0.41 187	0.55 146

PFNet+	2.46 125	0.64 38	21.10 362	0.98 96	0.48 42	4.63 349	0.83 142	2.47 43	3.48 305	2.14 181	1.67 113	1.34 81	1.03 65	4.66 204	1.35 110	0.49 264	0.33 166	0.38 236	0.39 266	0.33 90	0.49 118

KYRaft	2.55 146	0.57 9	20.60 319	0.98 96	0.51 58	4.38 301	1.76 315	2.51 47	1.59 34	2.48 276	2.98 332	1.99 170	3.36 334	2.17 118	0.96 46	0.34 124	0.22 49	0.33 166	0.46 301	0.38 154	2.44 321

test_xeample3	3.67 305	3.52 323	21.53 386	0.98 96	0.51 58	1.88 23	0.91 192	8.10 402	2.76 179	0.82 8	0.76 2	0.65 7	0.70 15	5.88 224	7.74 339	0.32 85	0.29 141	0.27 46	0.22 45	0.29 34	15.33 410

FTStereo	3.74 310	0.60 25	20.43 290	0.99 101	0.66 106	4.34 298	11.24 406	2.63 66	1.95 82	2.58 285	5.03 370	1.90 154	13.77 404	3.70 187	1.28 104	0.41 194	0.24 91	0.31 119	0.33 213	0.32 69	2.08 309

iRaftStereo_RVC	1.70 29	1.18 202	3.88 17	0.99 101	0.46 33	3.83 184	0.41 9	2.41 38	1.60 39	1.69 84	1.76 136	1.81 141	0.83 37	1.58 51	1.23 86	0.31 71	4.86 383	0.29 80	0.26 92	0.33 90	4.33 355

EAI-Stereo	4.89 359	0.69 65	7.74 33	0.99 101	1.63 321	4.68 363	51.52 429	5.79 396	3.37 284	3.64 358	7.24 375	1.10 59	0.95 55	2.51 146	1.71 187	0.33 108	0.31 154	0.28 66	2.04 401	0.28 22	0.92 241

CroCo-Stereo Lap2	1.65 26	1.14 199	14.70 81	1.00 104	1.80 348	0.53 2	0.46 14	3.18 98	1.62 45	1.10 36	1.24 33	1.05 56	0.78 28	1.40 34	1.18 78	0.31 71	0.23 72	0.27 46	0.22 45	0.46 227	0.38 59

iRaft-Stereo_20w	3.11 242	0.69 65	18.89 165	1.00 104	1.09 217	5.03 381	1.00 216	5.86 397	2.46 150	2.83 315	1.64 110	3.06 268	4.30 352	3.08 176	1.74 194	0.31 71	0.30 149	0.27 46	0.35 235	0.42 195	7.93 371

PS-NSSS	3.11 242	1.60 254	19.48 197	1.00 104	1.53 298	4.12 249	1.08 232	4.59 366	2.80 184	2.19 199	2.38 276	1.76 127	1.39 139	11.79 372	1.94 222	0.69 328	0.45 243	0.95 368	0.43 291	1.03 349	1.00 250

Selective-RAFT	1.34 13	0.58 10	2.21 7	1.01 107	0.49 49	4.19 279	0.51 22	3.39 118	3.62 315	1.15 37	1.40 63	1.45 98	1.40 143	2.09 107	1.31 107	0.43 218	0.40 219	0.25 25	0.26 92	0.29 34	0.38 59

RAFT+CT+SA	2.32 93	1.30 222	19.71 211	1.01 107	1.41 283	4.04 231	0.92 197	3.96 195	1.64 50	1.64 74	1.69 118	1.63 109	1.18 111	3.06 175	1.19 81	0.28 29	0.22 49	0.32 134	0.34 222	0.34 111	0.47 106

LCNet	2.54 141	0.60 25	20.89 340	1.01 107	0.57 78	3.60 142	1.21 257	3.20 99	1.70 59	2.17 191	1.76 136	1.43 95	4.12 349	3.61 184	0.94 40	0.32 85	0.20 18	0.28 66	0.76 351	0.50 247	1.83 305

Prome-Stereo	2.57 155	0.60 25	20.29 275	1.01 107	0.62 95	4.40 307	1.80 318	3.22 101	1.74 61	2.18 194	3.43 350	1.71 117	3.45 338	2.24 128	1.19 81	0.32 85	0.20 18	0.27 46	0.25 78	0.37 145	2.15 312

test-1	1.81 32	0.72 78	9.51 43	1.02 111	1.57 309	3.85 189	0.60 43	4.07 223	1.51 17	1.94 121	1.81 158	2.04 178	0.91 48	1.39 33	1.73 192	0.27 22	0.93 313	0.31 119	0.25 78	0.29 34	1.37 276

R-Stereo Train	2.13 57	0.65 45	19.43 193	1.02 111	0.67 108	3.79 177	0.89 168	4.12 244	1.55 24	2.15 185	1.72 126	1.13 61	0.94 53	1.46 39	1.30 105	0.32 85	0.25 103	0.27 46	0.21 27	0.28 22	0.37 52

RAFT-Stereo	2.13 57	0.65 45	19.43 193	1.02 111	0.67 108	3.79 177	0.89 168	4.12 244	1.55 24	2.15 185	1.72 126	1.13 61	0.94 53	1.46 39	1.30 105	0.32 85	0.25 103	0.27 46	0.21 27	0.28 22	0.37 52
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CoDeX	2.47 127	0.91 144	13.65 62	1.03 114	1.17 233	3.28 86	1.30 265	4.17 260	2.99 214	1.78 98	1.85 178	2.04 178	1.46 158	9.99 310	1.66 176	0.38 177	0.28 136	0.32 134	0.28 132	0.34 111	0.57 153

ICVP	2.19 66	0.72 78	19.18 178	1.03 114	0.88 161	4.22 284	0.94 204	3.44 123	1.69 58	1.68 81	1.76 136	1.35 83	1.19 113	1.80 83	1.40 125	0.58 305	0.37 194	0.34 184	0.30 179	0.41 187	0.59 167
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
DeepPruner_ROB	2.61 162	1.97 282	19.32 188	1.03 114	1.20 242	4.38 301	0.90 184	3.44 123	1.77 63	2.61 290	1.54 84	2.77 247	1.27 121	5.05 207	2.08 237	0.52 290	0.40 219	0.37 224	0.35 235	0.52 253	0.62 179

MyStereo07	2.29 88	1.18 202	20.10 252	1.04 117	1.21 247	3.96 220	0.95 207	2.13 30	3.37 284	1.09 34	1.28 41	0.68 10	0.91 48	1.74 74	0.86 25	0.26 14	3.49 377	0.34 184	0.27 107	0.43 204	0.49 118

MyStereo04	2.54 141	1.18 202	18.82 164	1.04 117	1.21 247	3.96 220	0.95 207	4.02 209	3.01 220	2.06 160	1.27 40	2.33 200	1.66 214	2.06 105	2.01 228	0.26 14	3.49 377	0.34 184	0.27 107	0.43 204	0.49 118

LL-Strereo2	2.36 102	1.81 272	19.35 189	1.04 117	1.03 199	3.73 166	1.35 273	2.70 70	2.04 90	1.76 96	1.44 69	1.82 143	0.73 20	1.48 42	1.53 144	0.33 108	0.30 149	0.55 319	0.35 235	0.30 45	3.51 345

sCroCo_RVC	1.81 32	0.93 155	19.44 195	1.04 117	1.05 208	0.97 4	0.61 46	2.08 27	1.36 2	0.71 3	1.28 41	0.82 36	1.10 90	1.31 19	0.97 49	0.54 296	0.41 225	0.33 166	0.30 179	0.46 227	0.48 113

dad	2.65 174	3.40 318	19.45 196	1.05 121	0.65 105	4.21 282	0.84 149	2.10 29	2.77 180	2.32 241	1.72 126	1.72 118	1.27 121	3.86 189	2.04 233	1.06 362	0.40 219	2.04 387	0.49 308	0.78 326	0.83 226

delet	2.66 178	1.11 193	18.42 154	1.05 121	1.65 328	3.47 114	2.00 331	3.81 169	2.82 189	2.15 185	2.11 231	2.62 233	1.88 251	5.38 213	2.21 247	0.34 124	0.38 207	0.40 245	0.32 206	0.45 219	0.54 143

FADNet_RVC	3.10 241	7.62 349	19.12 173	1.05 121	0.93 176	4.09 243	0.84 149	4.34 326	2.05 91	1.54 62	1.78 146	1.61 106	1.50 166	8.92 283	2.64 272	0.50 274	0.38 207	0.44 265	0.61 338	0.91 342	1.16 266

MyStereo06	2.74 195	1.07 186	21.19 373	1.06 124	1.08 214	4.26 288	0.86 157	3.72 152	1.80 66	2.25 211	1.77 143	4.28 346	4.12 349	1.85 90	1.38 123	0.25 8	2.43 361	0.34 184	0.27 107	0.46 227	0.48 113

MyStereo05	2.55 146	1.07 186	19.87 227	1.06 124	1.08 214	4.26 288	0.86 157	4.10 236	3.01 220	2.19 199	1.26 38	2.30 197	1.64 206	2.13 113	1.99 223	0.25 8	2.43 361	0.34 184	0.27 107	0.46 227	0.48 113

raft_robust	3.17 254	2.15 293	20.28 272	1.06 124	0.55 68	3.86 192	0.46 14	4.42 340	2.77 180	1.70 86	1.37 57	7.48 388	6.35 372	6.81 252	1.44 133	0.31 71	0.74 301	0.30 101	0.37 252	0.32 69	0.57 153

StereoVision	2.36 102	1.15 200	20.38 285	1.07 127	1.79 346	2.58 50	0.61 46	3.14 95	2.34 131	1.33 49	3.46 351	1.85 147	0.88 43	2.12 111	2.01 228	0.46 246	0.36 189	0.37 224	0.36 244	0.50 247	0.41 72

LargeStereo	3.59 299	0.91 144	13.63 61	1.08 128	0.98 185	1.27 11	0.98 215	3.33 113	1.89 76	0.93 24	1.38 60	0.86 40	1.09 84	1.71 65	1.09 67	0.36 156	21.52 433	0.23 5	0.21 27	0.31 50	18.10 421

Anonymous	1.97 36	0.88 132	20.58 317	1.08 128	1.27 256	1.65 18	0.89 168	2.54 51	1.62 45	0.92 23	1.18 26	0.70 13	1.09 84	1.28 15	1.00 55	0.53 292	0.35 182	0.30 101	0.30 179	0.66 302	0.56 148

CFNet-RSSM	2.17 64	0.56 5	20.50 303	1.08 128	0.57 78	3.42 105	0.62 53	4.24 287	1.60 39	1.73 90	1.39 61	2.55 224	1.19 113	1.36 30	1.04 59	0.29 34	0.20 18	0.26 36	0.23 54	0.28 22	0.32 18

Gwc-CoAtRS	1.80 31	0.61 30	14.92 83	1.08 128	0.61 86	2.88 57	0.63 58	2.47 43	1.62 45	1.80 102	1.50 73	2.73 239	1.17 108	1.35 28	1.08 65	0.30 56	0.22 49	0.25 25	0.23 54	0.28 22	0.30 13

TransformOpticalFlow	3.07 238	0.87 129	20.87 339	1.10 132	0.56 71	4.18 271	0.64 60	4.36 329	3.28 264	2.19 199	3.08 337	4.32 349	5.01 360	7.36 262	1.59 158	0.34 124	0.18 5	0.32 134	0.26 92	0.29 34	0.57 153

CFNet-ft	2.87 209	1.80 269	20.20 259	1.10 132	1.54 299	4.09 243	0.89 168	2.97 88	1.88 74	1.93 115	1.70 120	3.50 301	1.60 188	9.35 290	2.17 243	0.35 136	0.32 160	0.61 335	0.38 260	0.55 260	0.45 91

CFNet_RVC	2.87 209	1.80 269	20.20 259	1.10 132	1.54 299	4.09 243	0.89 168	2.97 88	1.88 74	1.93 115	1.70 120	3.50 301	1.60 188	9.35 290	2.17 243	0.35 136	0.32 160	0.61 335	0.38 260	0.55 260	0.45 91

LALA_ROB	2.88 211	2.13 292	19.08 172	1.10 132	0.99 187	3.91 203	1.81 319	4.50 353	3.04 228	3.32 348	1.87 183	2.75 244	1.66 214	4.06 196	4.02 305	0.47 253	0.44 241	0.55 319	0.53 321	0.61 279	0.73 210

gwcnet-sp	2.38 107	1.51 242	17.58 137	1.11 136	0.92 172	3.59 138	1.03 222	3.79 162	2.43 143	2.60 286	1.63 105	1.80 138	1.61 193	3.87 190	1.99 223	0.33 108	0.32 160	0.30 101	0.29 162	0.40 169	0.47 106

scenet	2.38 107	1.51 242	17.58 137	1.11 136	0.92 172	3.59 138	1.03 222	3.79 162	2.43 143	2.60 286	1.63 105	1.80 138	1.61 193	3.87 190	1.99 223	0.33 108	0.32 160	0.30 101	0.29 162	0.40 169	0.47 106

ssnet	2.38 107	1.51 242	17.58 137	1.11 136	0.92 172	3.59 138	1.03 222	3.79 162	2.43 143	2.60 286	1.63 105	1.80 138	1.61 193	3.87 190	1.99 223	0.33 108	0.32 160	0.30 101	0.29 162	0.40 169	0.47 106

test_3	2.17 64	0.58 10	18.64 158	1.11 136	0.78 137	2.15 36	0.85 153	4.42 340	1.47 8	2.00 138	1.20 27	2.02 175	0.79 34	2.70 163	1.35 110	0.29 34	1.04 321	0.29 80	0.29 162	0.31 50	1.07 258

PSMNet-ADL	2.01 45	0.78 110	2.89 10	1.11 136	0.86 153	4.13 252	0.80 130	3.84 173	2.26 118	1.74 93	1.87 183	2.90 256	1.81 238	10.37 323	2.34 255	0.49 264	0.47 255	0.29 80	0.30 179	0.39 165	0.56 148

pcwnet_v2	2.73 194	0.70 71	22.43 406	1.11 136	1.02 195	3.58 137	0.80 130	4.31 313	3.42 295	2.39 259	2.28 263	2.99 261	1.68 217	3.31 179	1.54 147	0.44 224	0.51 266	0.41 249	0.34 222	0.62 284	0.74 214

RAFT-Stereo + iAFF	2.49 129	1.68 261	20.50 303	1.11 136	1.32 267	4.13 252	0.42 10	3.23 102	3.30 273	2.05 159	2.40 281	1.61 106	1.11 93	1.49 43	1.63 169	0.22 2	0.22 49	0.26 36	0.24 67	0.31 50	2.47 323

Any-RAFT	1.62 22	0.59 18	5.29 23	1.12 143	0.76 134	4.41 309	0.79 126	4.12 244	3.26 260	2.02 147	1.36 55	2.82 250	1.56 183	1.90 92	0.81 15	0.29 34	0.25 103	0.26 36	0.19 10	0.25 6	0.35 36

ToySt	2.53 137	0.89 136	19.20 180	1.12 143	0.95 181	3.47 114	1.13 243	3.72 152	2.25 115	1.36 51	1.71 124	2.22 190	1.59 187	2.14 116	1.81 205	0.28 29	0.64 288	0.30 101	0.33 213	0.43 204	5.14 360

SA	2.55 146	1.54 246	20.70 327	1.12 143	0.48 42	4.26 288	1.33 269	4.45 345	3.28 264	1.68 81	1.96 204	1.69 113	2.25 277	2.60 154	1.57 153	0.30 56	0.29 141	0.37 224	0.38 260	0.36 141	0.47 106

GES	2.26 78	0.79 112	19.68 210	1.12 143	0.59 82	4.30 294	1.01 217	3.90 182	1.59 34	1.78 98	1.78 146	1.28 79	1.75 227	1.80 83	1.61 164	0.42 204	0.29 141	0.33 166	0.31 196	0.45 219	0.50 122

ADCP+	4.42 343	12.67 378	18.95 167	1.12 143	1.55 303	4.30 294	3.60 384	4.01 204	3.80 324	2.30 226	1.71 124	3.93 325	4.29 351	3.49 181	18.77 409	0.40 191	0.41 225	0.63 342	0.53 321	0.67 305	1.35 275

CBFPSM	2.24 74	2.06 285	12.12 55	1.13 148	1.05 208	2.85 55	1.23 259	3.37 117	2.05 91	1.82 104	1.33 49	4.55 358	4.00 347	2.38 139	2.35 256	0.27 22	0.38 207	0.32 134	0.28 132	0.39 165	0.89 237

test-3	2.19 66	0.59 18	18.63 157	1.13 148	0.75 130	2.07 32	0.89 168	4.37 332	1.53 20	2.25 211	1.20 27	2.05 181	0.79 34	2.68 160	1.35 110	0.29 34	0.95 316	0.28 66	0.27 107	0.27 17	1.47 283

test_1	2.19 66	0.59 18	18.67 159	1.13 148	0.78 137	2.07 32	0.89 168	4.37 332	1.53 20	2.18 194	1.20 27	2.05 181	0.78 28	2.68 160	1.36 117	0.29 34	0.93 313	0.28 66	0.27 107	0.28 22	1.53 286

ETE_ROB	2.93 217	2.12 290	17.80 143	1.13 148	0.94 179	3.71 163	1.53 293	4.29 301	2.98 213	3.32 348	2.13 234	2.34 203	1.51 168	8.68 279	2.82 275	0.44 224	0.40 219	0.51 303	0.49 308	0.56 266	0.80 222

MSKI-zero shot	2.33 96	0.69 65	20.22 265	1.14 152	0.77 136	4.05 235	0.68 73	3.95 194	1.51 17	1.93 115	2.35 272	1.91 155	0.71 17	3.01 174	0.79 13	0.28 29	1.47 334	0.27 46	0.21 27	0.28 22	0.44 87

AE-Stereo	2.91 215	0.63 35	17.05 124	1.15 153	0.63 98	4.39 305	0.70 81	4.02 209	2.12 99	1.24 47	2.04 216	1.01 53	0.91 48	1.67 55	1.42 127	0.30 56	1.14 326	0.28 66	0.28 132	0.27 17	16.93 420

222	3.82 314	0.88 132	6.92 29	1.15 153	0.99 187	3.27 84	0.64 60	4.57 361	5.37 383	2.43 268	2.32 270	1.41 92	1.44 154	10.64 327	18.51 405	0.32 85	4.89 384	0.32 134	0.30 179	0.34 111	9.80 388

acv_ft	2.45 123	0.97 168	19.57 200	1.15 153	2.01 358	2.97 65	0.96 212	3.88 178	2.85 192	2.34 245	1.91 195	3.07 269	1.65 213	1.52 46	2.26 250	0.33 108	0.27 130	0.30 101	0.27 107	0.42 195	0.35 36

DSFCA	2.38 107	1.03 183	11.06 49	1.15 153	1.18 235	3.97 222	1.75 314	3.63 137	2.44 147	3.14 338	1.68 115	2.90 256	2.48 291	5.38 213	3.17 292	0.49 264	0.45 243	0.37 224	0.37 252	0.54 257	0.46 98

EGLCR-Stereo	2.52 133	0.56 5	9.39 42	1.16 157	0.81 143	5.24 384	0.61 46	4.20 270	1.56 27	1.09 34	0.71 1	1.09 58	0.66 14	1.92 93	0.82 20	0.29 34	0.30 149	0.29 80	0.24 67	0.37 145	19.09 422

NINENet	2.59 156	0.89 136	16.09 100	1.16 157	1.07 211	4.50 324	0.75 109	4.43 342	2.61 164	2.18 194	1.91 195	3.61 310	1.03 65	7.92 270	1.18 78	0.49 264	0.34 173	0.41 249	0.30 179	0.42 195	0.44 87

Sa-1000	2.54 141	1.47 238	20.36 283	1.16 157	0.55 68	4.07 239	1.39 278	4.49 349	3.01 220	2.06 160	2.79 323	1.84 146	1.43 153	2.68 160	1.53 144	0.31 71	0.26 123	0.36 213	0.33 213	0.37 145	0.46 98

DAS	2.52 133	0.76 106	7.72 31	1.16 157	1.64 325	2.96 63	2.10 338	4.14 250	3.31 274	4.16 371	2.51 299	2.56 226	1.81 238	11.54 359	1.83 206	0.44 224	0.23 72	0.39 240	0.25 78	0.42 195	0.45 91

SepStereo	2.36 102	0.76 106	7.72 31	1.16 157	1.64 325	2.96 63	2.10 338	4.14 250	3.31 274	4.16 371	2.51 299	2.56 226	1.81 238	8.34 275	1.83 206	0.44 224	0.23 72	0.39 240	0.25 78	0.42 195	0.45 91

test_xeample	4.19 330	0.93 155	14.09 70	1.16 157	1.17 233	3.28 86	0.80 130	4.63 368	5.30 379	2.46 273	2.35 272	1.39 89	1.42 150	10.88 334	17.68 399	0.30 56	6.50 391	0.32 134	0.32 206	0.36 141	8.38 381

RAFT + AFF	3.98 324	14.10 395	20.78 331	1.16 157	1.96 355	4.14 257	2.00 331	4.56 359	3.52 309	2.23 208	2.51 299	2.27 193	4.92 359	8.94 284	2.82 275	0.33 108	0.60 281	0.48 283	0.39 266	0.81 332	1.03 255

RALCasStereoNet	3.17 254	1.87 278	20.86 338	1.17 164	1.63 321	3.10 69	0.70 81	3.21 100	2.19 104	1.39 53	1.73 132	1.18 69	0.91 48	2.46 141	1.64 172	0.31 71	8.75 400	0.25 25	0.22 45	0.31 50	9.45 385

DMCA	2.02 47	1.07 186	11.33 52	1.17 164	0.96 183	3.92 210	0.89 168	3.80 167	3.11 237	2.89 317	1.58 95	2.35 204	1.17 108	1.79 77	2.25 249	0.42 204	0.29 141	0.42 259	0.27 107	0.38 154	0.43 83

FADNet-RVC	3.23 265	12.51 376	17.02 123	1.17 164	0.81 143	3.52 127	1.09 234	4.16 256	2.74 175	1.44 58	1.29 45	1.86 148	1.76 229	9.82 300	2.46 263	0.39 184	0.38 207	0.40 245	0.41 283	0.68 310	0.59 167

MLCV	2.52 133	1.77 268	18.20 150	1.17 164	0.63 98	3.60 142	0.53 24	3.88 178	2.35 134	2.82 313	2.24 254	1.99 170	1.42 150	4.59 203	3.09 288	0.39 184	0.22 49	0.33 166	0.22 45	0.35 124	0.52 134

coex-ft	20.00 418	11.54 371	120.82 440	1.18 168	1.30 260	2.36 44	1.99 328	2.96 87	13.96 407	129.83 441	8.40 386	5.88 381	52.82 435	9.93 306	31.13 426	0.61 310	0.62 286	0.50 298	0.49 308	1.10 358	2.63 324

DCRE	3.02 231	0.95 162	18.48 155	1.18 168	1.89 351	3.57 135	0.82 138	3.36 116	1.70 59	2.04 155	8.12 380	1.73 120	1.07 82	1.31 19	1.24 90	0.24 4	0.87 310	0.26 36	0.27 107	0.28 22	11.03 391

FADNet-RVC-Resample	3.31 275	8.52 353	22.84 407	1.18 168	0.91 171	3.52 127	1.35 273	4.13 247	2.32 130	1.75 95	1.35 52	2.26 192	1.51 168	9.51 293	2.03 231	0.42 204	0.38 207	0.42 259	0.44 294	0.59 275	0.71 203

UNet	2.53 137	0.91 144	20.07 244	1.19 171	1.44 288	3.45 111	0.75 109	3.80 167	1.98 85	2.09 171	1.57 91	2.74 242	2.37 284	3.51 182	2.52 267	0.35 136	0.30 149	0.41 249	0.28 132	0.40 169	0.50 122

HSM	3.25 270	1.08 189	19.18 178	1.19 171	1.54 299	3.45 111	1.02 220	4.04 216	2.61 164	2.31 229	2.17 240	8.01 391	2.99 315	11.59 361	1.80 202	0.35 136	0.24 91	0.28 66	0.24 67	0.33 90	0.55 146

anonymousdsp2	2.72 189	0.68 60	11.15 50	1.20 173	0.64 100	3.66 155	0.71 86	3.71 151	2.14 102	1.62 72	1.61 98	1.95 162	1.00 61	2.24 128	0.81 15	0.32 85	0.50 264	0.28 66	0.20 20	0.34 111	19.58 423

Anonymous_2	4.03 326	0.99 180	11.19 51	1.20 173	1.71 336	3.68 158	0.93 202	3.76 158	1.63 48	2.07 166	1.43 67	4.76 366	2.34 282	1.86 91	1.78 197	0.82 351	2.42 360	8.69 421	16.64 426	4.38 403	8.29 378

test_5	2.45 123	1.43 234	19.72 213	1.20 173	1.39 277	3.88 197	1.25 262	4.03 212	1.98 85	1.74 93	1.82 160	1.86 148	1.78 232	3.57 183	1.35 110	0.33 108	0.21 34	0.35 201	0.33 213	0.34 111	0.43 83

aanetorigin	3.34 280	2.00 283	17.58 137	1.20 173	1.57 309	2.57 49	3.75 387	2.73 71	2.10 95	6.11 391	4.27 362	2.88 254	5.64 366	5.46 216	4.60 315	0.53 292	0.46 247	0.45 271	0.48 305	1.15 361	1.22 268

ADCRef	3.66 303	5.95 339	15.50 93	1.20 173	1.41 283	3.93 211	1.61 301	3.92 187	2.77 180	3.13 335	2.20 249	2.40 206	2.78 303	6.23 236	16.59 383	0.50 274	0.35 182	0.63 342	0.62 340	0.58 273	0.92 241

DispNO	3.22 262	2.06 285	19.82 220	1.21 178	1.11 222	3.74 168	0.93 202	4.31 313	2.89 202	2.37 256	2.27 260	4.51 356	2.09 260	11.41 354	3.47 297	0.35 136	0.28 136	0.31 119	0.29 162	0.39 165	0.51 128

iinet-f	2.44 121	1.82 274	14.97 84	1.21 178	1.11 222	3.78 176	1.10 238	4.19 268	2.90 204	2.10 173	1.76 136	2.99 261	2.97 310	2.84 169	2.79 273	0.38 177	0.38 207	0.28 66	0.28 132	0.50 247	0.47 106

EDNetEfficientorigin	12.42 407	3.26 316	179.44 442	1.21 178	1.00 193	2.89 59	1.82 320	3.05 91	5.37 383	8.87 401	4.78 367	4.17 340	4.80 358	9.91 304	11.32 355	0.41 194	0.41 225	0.62 341	0.88 360	1.33 371	2.81 327

AANet_RVC	3.70 309	7.03 347	17.25 127	1.21 178	1.12 225	3.79 177	1.09 234	3.98 199	3.38 286	2.65 295	4.29 363	3.95 327	1.40 143	11.43 357	7.88 342	1.25 370	0.57 272	0.34 184	0.25 78	0.43 204	0.71 203

riskmin	2.46 125	0.61 30	12.91 59	1.22 182	1.65 328	3.56 134	0.61 46	4.30 303	1.50 14	1.86 107	1.16 24	4.30 348	2.02 257	1.53 49	1.32 108	0.29 34	0.95 316	0.34 184	0.23 54	0.43 204	8.34 380

CSP-Net	1.99 41	1.70 263	4.84 21	1.22 182	1.02 195	3.42 105	1.30 265	3.66 141	2.11 97	2.07 166	1.93 201	2.40 206	1.48 162	8.56 277	1.62 166	0.51 280	0.41 225	0.27 46	0.27 107	0.44 212	0.54 143

ADLNet2	3.20 259	1.43 234	20.11 255	1.22 182	1.78 345	3.86 192	1.47 288	3.96 195	3.89 329	2.26 217	2.49 295	4.63 364	1.92 254	10.68 329	2.00 227	0.42 204	0.37 194	0.29 80	0.30 179	0.51 252	0.46 98

RAFT-345	2.55 146	0.60 25	19.89 229	1.22 182	0.49 49	4.43 312	0.77 117	1.68 7	3.54 310	2.09 171	3.10 339	1.95 162	1.30 127	6.65 244	1.47 139	0.41 194	0.23 72	0.32 134	0.26 92	0.29 34	0.28 8

MMNet	2.15 59	1.33 226	12.06 54	1.22 182	1.23 250	3.55 132	0.89 168	3.84 173	2.26 118	2.19 199	1.78 146	2.15 187	2.10 261	3.70 187	2.35 256	0.45 233	0.38 207	0.34 184	0.28 132	0.40 169	0.52 134

SGM-Forest	4.96 361	0.86 126	21.02 347	1.22 182	0.83 146	4.05 235	3.26 372	4.40 339	3.49 307	4.40 376	3.69 355	4.66 365	13.91 407	11.94 376	17.16 394	0.66 322	0.46 247	0.49 296	0.39 266	0.49 246	1.77 300
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
cross-raft	1.95 35	0.66 52	16.17 104	1.23 188	0.92 172	2.25 39	0.70 81	3.69 147	1.68 57	1.78 98	1.53 75	3.15 275	1.13 96	1.35 28	1.06 63	0.24 4	0.23 72	0.26 36	0.24 67	0.29 34	0.45 91

DualNet	5.08 363	0.98 171	21.04 349	1.24 189	1.03 199	3.64 148	0.87 160	4.23 280	4.73 366	2.31 229	2.40 281	3.49 296	1.64 206	2.29 133	16.90 386	0.30 56	19.28 429	0.48 283	0.40 273	0.31 50	14.02 396

ffm	4.27 337	0.98 171	21.04 349	1.24 189	1.03 199	3.64 148	0.87 160	4.23 280	4.73 366	2.31 229	2.40 281	3.49 296	1.64 206	2.29 133	0.78 8	0.30 56	19.28 429	0.48 283	0.40 273	0.31 50	14.02 396

ff1	5.58 368	0.98 171	21.04 349	1.24 189	1.03 199	3.64 148	0.87 160	4.23 280	4.73 366	2.31 229	2.40 281	3.49 296	1.64 206	12.40 381	16.90 386	0.30 56	19.28 429	0.48 283	0.40 273	0.31 50	14.02 396

mmx	4.56 348	0.98 171	21.04 349	1.24 189	1.03 199	3.64 148	0.87 160	4.53 355	5.34 381	2.31 229	2.40 281	3.49 296	1.64 206	12.40 381	16.90 386	0.34 124	5.98 388	0.48 283	0.40 273	0.46 227	5.71 363

xxx	4.56 348	0.98 171	21.04 349	1.24 189	1.03 199	3.64 148	0.87 160	4.53 355	5.34 381	2.31 229	2.40 281	3.49 296	1.64 206	12.40 381	16.90 386	0.34 124	5.98 388	0.48 283	0.40 273	0.46 227	5.71 363

HH	3.19 257	0.91 144	21.34 380	1.24 189	0.61 86	4.16 263	0.80 130	2.94 80	1.82 67	1.23 45	1.84 174	4.61 362	1.84 244	2.63 156	0.99 52	0.29 34	1.53 336	0.30 101	0.24 67	0.34 111	14.22 400

HanStereo	3.19 257	0.91 144	21.34 380	1.24 189	0.61 86	4.16 263	0.80 130	2.94 80	1.82 67	1.23 45	1.84 174	4.61 362	1.84 244	2.63 156	0.99 52	0.29 34	1.53 336	0.30 101	0.24 67	0.34 111	14.22 400

LL-Strereo	4.26 336	13.69 387	20.37 284	1.24 189	2.18 362	2.90 60	1.08 232	4.35 327	2.22 110	3.20 342	2.26 257	3.29 282	3.13 321	11.30 350	1.91 214	0.33 108	3.89 380	0.46 276	0.34 222	0.54 257	6.47 369

Wz-Net-LNSev	2.78 203	6.16 340	17.27 129	1.24 189	1.65 328	3.49 121	1.55 297	3.70 149	3.61 313	1.96 128	1.76 136	3.30 283	2.17 273	2.78 166	2.24 248	0.49 264	0.35 182	0.32 134	0.31 196	0.56 266	0.65 189

HGLStereo	2.74 195	1.03 183	20.80 333	1.24 189	1.55 303	3.62 146	0.94 204	3.83 172	2.09 93	2.18 194	2.20 249	3.11 273	2.12 265	5.65 219	2.07 236	0.50 274	0.34 173	0.32 134	0.30 179	0.42 195	0.50 122

FADNet	3.20 259	11.55 372	16.16 103	1.24 189	0.95 181	3.30 92	0.87 160	4.00 202	2.73 173	1.42 55	1.35 52	2.51 220	2.04 258	9.95 308	2.39 261	0.44 224	0.46 247	0.40 245	0.44 294	1.13 360	0.61 175

RYNet	3.15 250	1.48 239	16.27 110	1.24 189	1.39 277	3.67 156	1.44 286	4.09 234	3.20 246	2.26 217	1.70 120	3.83 321	2.15 269	13.64 403	3.23 293	0.45 233	0.45 243	0.50 298	0.35 235	0.81 332	0.83 226

NCCL2	2.96 224	4.07 328	15.75 96	1.24 189	1.03 199	3.48 120	2.55 353	3.79 162	2.39 135	2.78 307	1.80 153	2.41 210	1.67 216	10.27 320	2.48 266	0.46 246	0.41 225	0.57 325	0.55 328	0.61 279	0.86 234

PSMNet_ROB	3.38 282	5.24 336	20.61 320	1.24 189	1.22 249	3.76 171	1.64 307	3.59 131	2.80 184	2.07 166	1.72 126	2.75 244	1.79 235	11.42 356	4.58 314	0.42 204	0.38 207	0.50 298	0.62 340	0.62 284	0.69 199

H2IRNET	2.19 66	0.83 120	19.13 174	1.25 203	0.61 86	4.48 322	0.44 12	2.94 80	1.86 72	1.08 33	2.29 265	1.67 111	1.40 143	2.18 120	1.64 172	0.41 194	0.21 34	0.33 166	0.37 252	0.38 154	0.39 64

RAFT-Test	1.67 28	0.64 38	6.13 26	1.25 203	1.82 349	3.06 68	0.78 120	4.02 209	3.09 236	1.88 108	1.70 120	3.76 317	1.03 65	1.40 34	1.07 64	0.29 34	0.33 166	0.25 25	0.23 54	0.29 34	0.33 23

ssnet_v2	2.81 205	1.39 230	21.16 368	1.25 203	0.90 166	3.86 192	1.63 304	4.10 236	3.22 254	2.79 309	1.96 204	3.78 318	1.70 222	2.53 151	3.12 291	0.44 224	0.37 194	0.42 259	0.38 260	0.59 275	0.58 165

StereoDRNet-Refined	2.23 72	0.98 171	10.62 47	1.25 203	0.78 137	3.29 89	0.71 86	3.96 195	2.20 107	2.43 268	2.05 222	2.97 259	1.46 158	6.87 253	2.33 254	0.37 164	0.25 103	0.42 259	0.34 222	0.47 237	0.80 222
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NaN_ROB	4.73 355	6.66 344	21.89 391	1.26 207	1.28 257	3.49 121	3.02 367	4.38 336	3.93 330	3.65 359	2.55 303	2.97 259	5.01 360	13.23 397	17.43 397	0.38 177	0.42 236	0.38 236	0.40 273	0.50 247	1.82 303

qqq	2.96 224	0.88 132	15.54 94	1.27 208	0.74 126	2.29 42	0.90 184	4.07 223	4.63 361	1.63 73	1.32 48	1.78 136	1.36 133	5.19 210	1.68 179	0.29 34	6.43 390	0.33 166	0.36 244	0.35 124	8.09 373

DMCA-RVC	2.72 189	3.31 317	20.08 249	1.27 208	1.13 227	2.49 47	0.85 153	3.43 121	1.85 71	3.04 330	1.58 95	1.99 170	1.51 168	6.42 239	2.86 277	0.39 184	0.31 154	0.44 265	0.37 252	0.47 237	0.65 189

1111x	4.75 356	1.05 185	20.89 340	1.28 210	1.02 195	3.81 183	0.88 167	4.65 369	5.52 387	2.43 268	2.27 260	1.97 168	1.81 238	12.40 381	18.19 403	0.32 85	9.06 407	0.32 134	0.34 222	0.38 154	6.34 368

GANet-ADL	2.25 76	0.80 113	20.17 256	1.28 210	0.69 120	3.83 184	0.75 109	3.63 137	1.83 69	1.68 81	2.04 216	2.09 185	1.10 90	1.63 53	1.43 129	0.42 204	0.33 166	0.26 36	0.23 54	0.43 204	0.41 72

UPFNet	2.23 72	0.86 126	14.25 73	1.28 210	1.44 288	3.51 125	1.34 270	4.05 219	2.11 97	2.44 271	1.53 75	2.41 210	1.39 139	3.62 186	1.91 214	0.41 194	0.41 225	0.37 224	0.32 206	0.44 212	0.48 113

GwcNet-RSSM	3.13 247	5.08 333	19.86 225	1.28 210	1.20 242	4.12 249	1.11 239	3.89 180	2.80 184	2.13 179	1.81 158	3.11 273	1.46 158	10.33 322	2.19 246	0.36 156	0.34 173	0.35 201	0.31 196	0.45 219	0.43 83

FAT-Stereo	3.38 282	0.88 132	19.96 234	1.28 210	1.20 242	3.44 108	1.97 327	4.26 297	3.15 243	3.14 338	3.92 358	3.50 301	3.28 328	11.68 367	2.04 233	0.65 321	0.68 294	0.48 283	0.54 324	0.63 290	0.91 239

GEStereo_RVC	2.66 178	1.20 209	20.38 285	1.29 215	1.05 208	4.02 228	1.42 282	4.17 260	2.24 112	2.10 173	1.86 180	2.33 200	1.84 244	4.93 206	1.78 197	0.51 280	0.38 207	0.32 134	0.29 162	0.44 212	0.56 148

raftrobust	2.05 52	1.45 236	13.44 60	1.29 215	5.81 408	3.59 138	0.67 65	2.80 74	1.50 14	2.21 204	1.41 66	1.17 66	1.22 116	1.37 32	1.46 138	0.29 34	0.33 166	0.22 4	0.20 20	0.27 17	0.36 51

RALAANet	2.29 88	2.73 307	21.08 355	1.29 215	0.94 179	1.45 15	0.68 73	3.25 106	2.61 164	2.02 147	1.80 153	1.28 79	1.04 71	2.12 111	1.79 201	0.30 56	0.22 49	0.27 46	0.27 107	0.41 187	0.35 36

FCDSN-DC	6.71 391	1.18 202	21.61 388	1.29 215	1.10 220	4.38 301	2.59 355	4.58 363	5.52 387	9.58 405	11.19 398	19.17 409	17.69 412	13.03 394	17.11 392	0.73 339	0.57 272	0.61 335	0.60 336	0.71 315	0.92 241
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MC-Stereo	2.54 141	0.58 10	6.38 28	1.30 219	1.37 274	4.56 340	0.60 43	2.08 27	1.57 29	1.97 130	1.68 115	0.89 45	1.12 95	1.46 39	0.88 28	0.27 22	8.44 396	0.27 46	0.22 45	0.26 14	14.87 402

xxxx	4.25 334	0.86 126	14.59 79	1.30 219	1.16 231	3.51 125	0.63 58	4.56 359	5.42 386	2.33 243	2.29 265	2.04 178	1.39 139	10.23 317	18.00 401	0.33 108	7.15 394	0.31 119	0.30 179	0.35 124	8.33 379

AFF-stereo	2.54 141	3.44 320	20.84 337	1.30 219	0.48 42	3.94 214	0.48 16	3.30 110	3.40 292	1.94 121	2.21 252	2.10 186	1.51 168	2.36 138	1.62 166	0.23 3	0.21 34	0.25 25	0.25 78	0.33 90	0.53 139

XX-TBD	1.98 37	1.08 189	20.29 275	1.31 222	0.43 27	3.97 222	0.33 3	1.76 15	1.77 63	1.59 69	2.18 245	0.69 12	0.59 5	1.44 37	0.75 5	0.33 108	0.25 103	0.23 5	0.16 6	0.31 50	0.22 1

psm_up	3.04 235	1.30 222	18.97 169	1.31 222	1.51 295	3.86 192	1.22 258	4.26 297	2.31 129	2.72 299	1.83 173	2.43 214	1.68 217	12.86 392	1.78 197	0.43 218	0.41 225	0.41 249	0.34 222	0.46 227	0.67 196

NCC-stereo	3.49 294	2.07 287	20.23 266	1.31 222	1.76 342	4.04 231	1.42 282	4.01 204	2.34 131	3.06 331	2.59 307	3.51 304	3.02 317	10.02 312	5.44 323	1.38 374	0.66 292	0.64 344	0.88 360	0.67 305	0.84 229

edge stereo	3.45 289	1.08 189	22.14 400	1.31 222	1.36 271	2.68 52	1.54 295	4.13 247	3.27 262	2.94 323	3.27 347	4.34 350	2.48 291	11.60 363	2.79 273	0.62 315	0.64 288	0.79 362	0.56 330	0.70 313	0.82 224

Abc-Net	3.49 294	2.07 287	20.23 266	1.31 222	1.76 342	4.04 231	1.42 282	4.01 204	2.34 131	3.06 331	2.59 307	3.51 304	3.02 317	10.02 312	5.44 323	1.38 374	0.66 292	0.64 344	0.88 360	0.67 305	0.84 229
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DLCB_ROB	2.55 146	1.32 225	10.26 46	1.31 222	1.04 206	2.94 61	1.29 264	3.81 169	2.73 173	2.93 321	2.17 240	3.37 289	1.53 176	10.40 324	3.26 294	0.42 204	0.35 182	0.41 249	0.37 252	0.43 204	0.68 197

MoCha-V2	3.53 297	0.90 141	17.00 122	1.32 228	8.54 410	1.38 14	0.55 27	2.89 77	3.31 274	0.99 28	1.82 160	0.66 8	1.16 107	1.79 77	0.84 22	0.26 14	15.15 418	0.20 1	0.20 20	0.25 6	11.33 392

PSMNet-RSSM	2.91 215	1.55 249	20.10 252	1.32 228	1.30 260	4.19 279	0.95 207	3.78 161	2.28 122	2.28 222	1.80 153	2.64 234	1.87 249	9.83 301	1.93 219	0.37 164	0.33 166	0.35 201	0.38 260	0.46 227	0.40 67

ADCMid	4.55 347	10.78 368	17.67 141	1.32 228	1.43 286	4.62 347	2.24 343	4.22 275	4.97 375	3.93 365	3.01 333	3.84 322	3.66 341	4.22 201	18.57 407	0.69 328	0.62 286	1.09 374	1.20 376	1.48 374	1.49 284

ADCPNet	4.25 334	4.04 326	21.95 394	1.33 231	1.31 264	6.34 393	2.63 356	4.07 223	3.23 257	2.81 312	2.21 252	4.27 345	6.08 371	6.01 226	11.73 359	0.67 325	1.17 328	0.71 354	1.71 389	0.87 340	1.82 303

AdaStereo	2.22 71	0.90 141	16.41 114	1.33 231	0.83 146	3.21 74	1.12 241	4.25 296	2.91 205	2.06 160	1.76 136	2.47 217	1.17 108	1.93 95	1.65 175	0.50 274	0.26 123	0.43 263	0.29 162	0.46 227	0.39 64
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.
MIM_Stereo	2.71 188	1.26 212	20.92 342	1.34 233	5.57 407	3.10 69	0.59 39	3.25 106	2.51 153	1.64 74	1.61 98	1.82 143	1.29 126	2.07 106	1.35 110	0.25 8	0.31 154	0.28 66	0.26 92	0.29 34	4.43 357

NRIStereo	2.32 93	0.69 65	20.07 244	1.35 234	0.38 7	4.73 370	0.89 168	2.43 41	3.35 282	1.95 126	1.37 57	1.75 121	1.21 115	2.97 173	1.35 110	0.49 264	0.22 49	0.29 80	0.26 92	0.31 50	0.33 23

ac_64	2.93 217	0.87 129	19.66 203	1.35 234	1.70 335	3.29 89	0.92 197	3.56 128	3.46 303	1.91 111	1.79 149	3.90 324	1.76 229	10.23 317	1.93 219	0.44 224	0.32 160	0.33 166	0.31 196	0.35 124	0.51 128

ADCL	4.70 353	4.04 326	16.12 101	1.35 234	1.28 257	5.46 387	10.88 405	4.08 230	4.25 344	5.97 389	4.51 365	4.29 347	5.60 364	6.37 238	15.21 378	0.54 296	0.48 258	0.88 366	0.78 353	0.86 338	1.01 252

CSAN	5.95 374	13.70 388	21.94 393	1.35 234	0.93 176	3.65 153	3.46 377	4.73 375	4.26 345	3.98 366	7.70 378	3.54 307	6.94 380	22.83 416	16.00 380	0.53 292	0.47 255	0.50 298	0.55 328	0.65 298	1.22 268

ADLNet	3.23 265	1.19 208	21.03 348	1.36 238	1.61 316	3.69 159	1.23 259	4.05 219	3.41 293	2.72 299	2.29 265	4.00 330	1.77 231	11.21 347	2.15 241	0.42 204	0.43 237	0.36 213	0.35 235	0.47 237	0.82 224

APVNet	3.24 267	1.59 253	21.72 390	1.36 238	1.52 297	3.93 211	1.12 241	3.58 129	2.80 184	2.32 241	2.02 212	3.05 266	1.96 255	11.77 371	2.61 270	0.44 224	0.46 247	0.65 346	0.47 303	0.73 317	0.73 210

DeepPrunerF	4.00 325	5.64 338	16.81 119	1.36 238	1.75 340	3.69 159	1.54 295	4.24 287	13.98 408	2.21 204	1.77 143	2.73 239	2.29 278	10.90 336	6.64 330	0.71 332	0.61 283	0.77 361	0.79 354	0.87 340	0.79 221

CFNet	3.04 235	6.89 346	16.27 110	1.36 238	1.24 252	4.09 243	0.72 89	4.15 253	3.00 216	1.69 84	1.88 185	2.27 193	1.45 156	11.41 354	2.12 240	0.36 156	0.29 141	0.43 263	0.36 244	0.48 242	0.38 59

StereoDRNet	3.07 238	2.92 312	16.33 112	1.36 238	1.57 309	3.45 111	2.04 335	3.77 160	2.85 192	3.31 347	1.85 178	2.78 248	1.79 235	10.85 333	3.41 295	0.45 233	0.36 189	0.39 240	0.37 252	0.62 284	0.85 231

Wz-Net-LNSev-Ref	2.72 189	2.55 304	14.91 82	1.37 243	1.36 271	3.50 123	1.63 304	4.11 239	3.38 286	2.55 283	2.04 216	2.35 204	2.50 294	5.14 209	4.64 316	0.53 292	0.22 49	0.35 201	0.21 27	0.41 187	0.60 171

AF-Net	3.15 250	2.65 306	18.81 162	1.37 243	1.76 342	3.30 92	1.57 299	4.20 270	3.05 230	2.76 304	2.94 331	4.50 355	3.21 326	5.88 224	3.07 287	0.88 354	0.39 216	0.72 357	0.50 314	0.75 323	0.66 195

NVstereo2D	2.79 204	1.13 197	13.75 63	1.37 243	1.47 291	3.57 135	1.38 277	4.17 260	3.77 323	2.04 155	1.72 126	3.05 266	1.75 227	10.84 332	1.72 189	0.62 315	0.48 258	0.56 322	0.54 324	0.79 330	1.02 253

AEACV	2.12 56	0.67 54	6.33 27	1.38 246	1.50 293	3.53 129	0.90 184	2.83 75	1.60 39	0.91 20	0.81 6	0.80 32	1.61 193	1.56 50	0.73 4	0.25 8	0.60 281	0.26 36	0.27 107	0.29 34	15.65 411

AASNet	2.65 174	3.20 315	20.19 258	1.38 246	1.49 292	3.84 186	1.06 230	3.92 187	3.28 264	2.07 166	2.28 263	1.95 162	1.28 124	2.19 121	2.17 243	0.42 204	0.33 166	0.45 271	0.30 179	0.59 275	0.52 134

GwcNet	3.26 271	3.93 324	20.24 268	1.38 246	2.04 359	3.24 81	1.53 293	3.72 152	3.66 317	2.17 191	2.25 256	3.55 308	1.69 219	9.38 292	3.03 285	0.48 258	0.49 261	0.46 276	0.39 266	0.66 302	0.86 234

S-Stereo	3.51 296	0.96 164	22.00 398	1.38 246	1.50 293	3.55 132	2.49 351	4.27 299	3.00 216	2.38 257	3.94 359	3.73 315	1.84 244	11.89 375	2.59 269	0.64 319	0.71 299	0.49 296	0.81 356	0.68 310	1.31 272

stereogan	3.26 271	1.26 212	18.01 145	1.38 246	1.66 331	3.76 171	1.64 307	4.06 221	3.86 328	3.23 343	2.70 318	5.02 371	2.85 304	9.88 303	1.85 208	0.71 332	0.51 266	0.69 351	0.48 305	0.86 338	0.85 231

Nwc_Net	3.03 233	1.90 279	19.16 176	1.38 246	1.69 334	3.53 129	1.19 252	4.03 212	2.19 104	2.79 309	2.84 326	3.80 320	2.46 290	6.93 254	2.87 279	0.96 358	0.41 225	0.59 329	0.68 345	0.60 278	0.65 189

XPNet_ROB	2.99 229	1.58 251	17.06 126	1.38 246	0.99 187	3.91 203	1.62 303	4.20 270	2.42 141	2.87 316	2.03 214	2.31 198	1.72 225	10.76 330	3.60 300	0.55 299	0.49 261	0.48 283	0.40 273	0.53 254	0.85 231

MFN_U_SF_DS_RVC	4.38 341	13.66 385	13.95 69	1.39 253	1.58 314	5.18 383	3.31 373	4.53 355	3.22 254	2.60 286	2.62 310	4.99 370	2.11 263	13.99 407	4.21 307	1.53 378	2.56 363	0.67 348	1.82 395	0.83 337	2.92 332

MSMD_ROB	5.99 375	1.29 220	19.23 183	1.40 254	0.84 150	10.25 405	2.05 336	4.20 270	6.02 395	10.42 412	8.00 379	22.21 413	9.45 395	11.67 364	8.73 344	0.76 345	0.59 279	0.67 348	0.68 345	0.67 305	0.72 205

MeshStereo	5.67 371	1.80 269	21.28 377	1.40 254	1.14 228	4.38 301	3.83 390	5.51 393	4.85 374	10.12 410	11.72 402	11.44 397	5.87 369	13.86 405	12.31 361	0.68 326	0.61 283	0.61 335	0.60 336	0.73 317	0.68 197
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
SMFormer	2.40 111	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 303	4.43 353	2.41 263	2.40 281	1.94 158	1.52 172	10.99 339	3.10 289	0.35 136	0.84 306	0.36 213	0.33 213	0.40 169	0.77 217

tta	2.44 121	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 303	4.43 353	2.41 263	2.40 281	1.94 158	1.52 172	10.99 339	3.10 289	0.35 136	0.84 306	0.36 213	0.33 213	0.31 50	1.75 296

qqq1	2.35 100	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 303	4.43 353	2.41 263	2.40 281	1.94 158	1.52 172	10.99 339	1.36 117	0.35 136	0.84 306	0.30 101	0.25 78	0.31 50	1.75 296

fff1	2.35 100	0.73 81	8.34 35	1.41 256	0.61 86	2.04 27	0.72 89	4.30 303	4.43 353	2.41 263	2.40 281	1.94 158	1.52 172	10.99 339	1.36 117	0.35 136	0.84 306	0.30 101	0.25 78	0.31 50	1.75 296

Consistency-Raft	2.93 217	1.93 280	19.72 213	1.41 256	1.75 340	3.85 189	1.32 268	4.09 234	2.75 176	1.82 104	2.66 313	1.81 141	4.34 354	2.29 133	2.08 237	0.90 355	0.94 315	1.03 370	1.13 372	1.71 381	1.10 261

BEATNet_4x	2.65 174	4.43 331	18.10 147	1.41 256	0.59 82	3.44 108	1.02 220	4.08 230	2.97 210	2.28 222	1.75 135	2.18 188	1.61 193	2.80 167	3.54 298	0.39 184	0.25 103	0.47 278	0.31 196	0.61 279	0.86 234

DRN-Test	3.17 254	1.30 222	19.66 203	1.41 256	1.60 315	3.61 144	1.47 288	4.18 265	2.83 190	3.48 353	1.92 200	2.58 229	2.50 294	10.81 331	2.90 281	0.49 264	0.49 261	0.44 265	0.42 286	0.57 270	0.78 219

UDGNet	2.34 98	1.71 264	20.28 272	1.42 263	0.62 95	4.39 305	0.67 65	1.82 16	2.28 122	1.40 54	1.21 30	0.99 51	1.00 61	2.23 127	1.23 86	1.14 366	0.35 182	1.30 381	0.98 365	1.11 359	0.62 179

rafts_anoy	2.76 200	1.68 261	20.42 289	1.42 263	3.90 395	3.03 67	0.61 46	3.24 103	1.66 54	1.42 55	1.26 38	1.19 72	1.11 93	2.13 113	1.64 172	0.33 108	8.77 401	0.32 134	0.32 206	0.32 69	0.38 59

Syn2CoEx	3.42 286	7.66 350	20.57 314	1.42 263	1.18 235	2.49 47	1.64 307	4.07 223	2.68 168	2.51 280	2.27 260	2.89 255	3.15 324	9.56 294	2.58 268	0.52 290	0.45 243	0.53 310	0.42 286	0.79 330	1.00 250

PA-Net	3.45 289	2.50 301	20.39 288	1.42 263	1.20 242	3.39 99	1.73 313	3.93 191	3.57 312	1.94 121	2.17 240	3.02 264	1.87 249	11.67 364	6.48 329	0.40 191	0.55 270	0.44 265	0.63 344	0.55 260	1.13 263
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
UCFNet_RVC	2.53 137	1.29 220	20.56 310	1.42 263	1.40 281	4.01 226	1.04 227	2.79 73	1.67 56	2.27 220	1.88 185	2.94 258	1.50 166	3.48 180	1.68 179	0.37 164	0.29 141	0.52 306	0.41 283	0.55 260	0.51 128

FENet	2.30 91	0.61 30	20.21 263	1.43 268	0.68 115	4.04 231	0.60 43	4.01 204	2.26 118	2.03 152	1.13 20	2.42 212	1.42 150	1.72 69	1.43 129	0.36 156	0.24 91	0.33 166	0.27 107	0.29 34	0.51 128

SANet	6.43 383	13.71 389	22.08 399	1.43 268	1.00 193	6.86 397	3.78 389	4.71 372	11.10 403	4.71 381	8.72 388	7.47 387	7.91 389	12.46 388	18.12 402	0.51 280	0.47 255	0.50 298	0.45 299	0.94 345	1.60 291

fast-acv-ft	2.62 165	1.62 256	20.48 302	1.45 270	1.39 277	3.16 72	1.16 250	3.41 120	2.45 149	1.97 130	2.15 235	2.68 236	2.15 269	2.92 171	2.47 265	0.43 218	0.40 219	0.45 271	0.40 273	0.62 284	0.64 186

SACVNet	3.06 237	1.61 255	19.29 187	1.46 271	1.18 235	4.05 235	1.48 290	4.03 212	2.58 162	2.75 303	1.89 187	2.55 224	1.38 136	11.33 351	2.28 252	0.51 280	0.41 225	0.48 283	0.43 291	0.57 270	0.93 244

CBMV_ROB	4.57 350	0.90 141	21.30 379	1.46 271	0.89 162	4.43 312	1.69 312	4.51 354	3.14 242	5.97 389	4.23 361	4.16 339	7.83 386	11.06 343	16.47 381	0.61 310	0.55 270	0.53 310	0.51 318	0.56 266	0.59 167

iResNet_ROB	2.72 189	10.38 366	14.41 76	1.46 271	0.99 187	3.74 168	0.66 63	4.01 204	2.84 191	2.04 155	2.05 222	1.98 169	1.38 136	4.73 205	1.91 214	0.35 136	0.20 18	0.28 66	0.19 10	0.33 90	0.41 72

PWC_ROB	3.32 277	4.61 332	14.41 76	1.46 271	1.90 352	3.21 74	1.15 248	4.39 338	3.46 303	3.13 335	3.40 349	2.79 249	2.34 282	9.17 287	6.94 331	0.61 310	0.34 173	0.61 335	0.37 252	0.73 317	1.40 277

WZ-Net	4.39 342	12.37 375	17.44 133	1.47 275	1.42 285	3.76 171	2.27 345	4.17 260	3.11 237	2.89 317	2.24 254	4.05 332	5.69 368	10.89 335	12.07 360	0.66 322	0.41 225	0.47 278	0.49 308	0.78 326	1.12 262

ttt	4.23 333	0.75 98	19.96 234	1.48 276	1.31 264	3.69 159	0.87 160	4.65 369	5.33 380	2.45 272	2.39 279	2.44 215	1.54 178	11.35 352	16.49 382	0.43 218	4.35 381	0.37 224	0.35 235	0.41 187	4.01 352

RAFT-RH_RVC	2.72 189	0.64 38	20.10 252	1.48 276	0.49 49	4.46 315	0.56 28	1.73 13	2.86 198	3.06 331	5.50 372	2.02 175	1.28 124	6.70 247	1.56 150	0.46 246	0.22 49	0.37 224	0.34 222	0.29 34	0.33 23

raft+_RVC	3.46 292	2.57 305	19.51 199	1.49 278	17.54 418	3.63 147	0.76 116	3.24 103	1.53 20	1.35 50	1.67 113	1.03 54	1.10 90	1.98 101	1.53 144	0.25 8	7.10 393	0.25 25	0.24 67	0.28 22	2.18 315

cf-r	2.93 217	2.19 294	20.59 318	1.49 278	1.35 270	4.18 271	0.92 197	3.73 156	3.12 239	2.16 189	1.82 160	3.40 290	1.44 154	8.22 272	1.93 219	0.34 124	0.31 154	0.33 166	0.30 179	0.38 154	0.45 91

mmm	2.70 186	0.80 113	8.26 34	1.50 280	1.18 235	2.44 46	0.85 153	4.08 230	4.59 360	2.31 229	1.95 203	1.51 101	1.55 181	2.33 137	1.72 189	0.31 71	7.71 395	0.45 271	0.42 286	0.40 169	9.56 386

IGEV_Zeroshot_test	2.66 178	0.75 98	21.55 387	1.50 280	0.89 162	2.21 37	0.90 184	3.52 126	1.83 69	2.17 191	1.57 91	4.09 334	1.60 188	1.73 72	1.21 83	0.32 85	0.33 166	0.28 66	0.30 179	0.44 212	6.09 366

x	2.94 221	0.83 120	16.07 99	1.51 282	0.83 146	2.13 34	0.96 212	3.97 198	4.73 366	1.73 90	1.43 67	1.61 106	1.27 121	2.24 128	1.71 187	0.29 34	6.91 392	0.34 184	0.31 196	0.34 111	9.60 387

SuperB	5.03 362	8.93 355	20.96 345	1.51 282	1.11 222	3.88 197	3.00 365	4.24 287	3.13 240	2.53 281	2.10 230	2.74 242	3.37 335	8.76 280	19.44 411	0.45 233	0.34 173	0.53 310	0.40 273	11.97 422	1.15 265

STTStereo	2.62 165	1.28 218	19.16 176	1.52 284	1.55 303	3.84 186	0.89 168	3.75 157	2.59 163	2.23 208	1.59 97	2.48 219	1.58 184	5.11 208	1.72 189	0.38 177	0.41 225	0.47 278	0.54 324	0.53 254	0.75 216

RGC	3.35 281	1.84 277	18.13 148	1.52 284	1.79 346	3.33 94	1.37 276	4.18 265	2.39 135	2.96 326	3.23 345	3.98 329	2.71 300	11.53 358	3.42 296	0.90 355	0.48 258	0.79 362	0.79 354	0.75 323	0.89 237

CBMV	4.12 328	1.27 215	21.14 365	1.52 284	0.85 151	3.80 180	3.89 391	4.58 363	3.02 223	3.56 357	2.37 275	4.44 352	13.88 406	11.23 349	3.78 303	0.56 302	0.43 237	0.48 283	0.39 266	0.55 260	0.74 214
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
GMStereo_Zeroshot	1.51 19	1.27 215	4.75 20	1.54 287	0.72 122	3.33 94	0.54 26	2.67 69	1.74 61	2.34 245	1.57 91	2.40 206	0.96 56	2.51 146	1.21 83	0.48 258	0.23 72	0.41 249	0.24 67	0.82 334	0.40 67

ccnet	3.03 233	1.48 239	12.88 58	1.54 287	1.26 255	3.71 163	2.32 347	4.11 239	3.05 230	2.92 320	3.21 343	2.86 253	2.40 285	9.87 302	4.19 306	0.80 347	0.76 302	0.71 354	0.70 347	0.78 326	1.07 258

HITNet	2.49 129	2.91 310	19.23 183	1.54 287	0.57 78	3.47 114	0.79 126	4.16 256	2.93 206	2.18 194	1.65 112	1.68 112	1.45 156	2.17 118	2.99 284	0.28 29	0.20 18	0.41 249	0.27 107	0.45 219	0.52 134
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
MyStereo8	2.97 228	1.76 266	18.94 166	1.55 290	1.62 318	4.16 263	0.57 31	3.79 162	2.41 140	2.22 206	2.93 330	2.27 193	1.14 101	2.16 117	2.28 252	0.27 22	8.58 397	0.32 134	0.29 162	0.37 145	1.72 295

psmorigin	6.62 386	1.45 236	87.38 438	1.55 290	0.97 184	2.86 56	1.42 282	3.30 110	2.12 99	3.74 361	2.45 291	5.15 374	2.59 297	10.55 325	2.91 282	0.55 299	0.68 294	0.48 283	0.53 321	0.73 317	1.02 253

RP	3.26 271	1.73 265	17.70 142	1.56 292	1.93 354	3.43 107	1.94 324	4.18 265	2.72 172	2.77 305	3.05 335	3.96 328	2.69 299	10.17 314	2.86 277	1.04 360	0.50 264	0.71 354	0.59 334	0.75 323	0.83 226

Wz-Net-TNSev	4.22 331	13.55 382	15.87 98	1.57 293	1.19 240	3.61 144	2.48 350	4.38 336	3.45 302	2.29 225	1.91 195	4.20 343	2.86 305	12.11 378	10.56 350	0.61 310	0.59 279	0.48 283	0.54 324	0.93 344	1.24 270

AACVNet	2.77 202	1.64 259	19.22 182	1.57 293	0.86 153	3.28 86	0.74 104	3.31 112	1.66 54	2.06 160	1.82 160	2.47 217	1.40 143	10.95 338	1.92 218	0.41 194	0.35 182	0.38 236	0.33 213	0.46 227	0.61 175

Wz-Net-MNSev	3.26 271	7.24 348	17.26 128	1.58 295	1.37 274	3.27 84	2.45 348	4.10 236	4.50 359	2.61 290	2.17 240	2.33 200	3.02 317	7.48 264	2.88 280	0.46 246	0.39 216	0.37 224	0.38 260	0.61 279	0.63 182

GANetREF_RVC	3.45 289	5.10 334	19.89 229	1.58 295	0.80 141	4.13 252	1.82 320	4.24 287	3.33 280	1.91 111	1.76 136	2.46 216	1.83 243	13.17 396	1.87 209	0.83 352	0.57 272	0.79 362	0.77 352	1.21 365	0.91 239
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
DPSNet	3.94 323	2.01 284	14.69 80	1.58 295	1.30 260	4.17 268	2.08 337	4.57 361	4.63 361	2.78 307	1.99 210	3.79 319	7.88 388	10.66 328	11.35 356	0.94 357	0.99 320	0.41 249	0.57 331	1.09 356	1.40 277

11t1	2.82 206	0.72 78	17.81 144	1.60 298	0.93 176	2.27 41	0.62 53	3.76 158	4.47 358	1.72 88	1.33 49	1.05 56	1.34 131	1.84 89	1.45 136	0.29 34	5.57 387	0.29 80	0.26 92	0.32 69	8.80 384

SDNR	4.37 340	2.22 295	20.63 323	1.60 298	0.99 187	5.15 382	0.67 65	4.36 329	5.55 389	4.89 382	7.17 374	5.50 379	1.58 184	17.48 412	4.33 310	0.80 347	0.72 300	0.59 329	0.45 299	1.18 363	1.43 281

ASMatch	2.65 174	0.68 60	20.65 324	1.60 298	0.71 121	4.40 307	0.77 117	2.02 24	1.65 52	1.71 87	3.89 357	1.93 156	3.75 343	5.45 215	1.67 177	0.33 108	0.24 91	0.34 184	0.28 132	0.34 111	0.57 153

FBW_ROB	3.91 320	2.07 287	15.46 92	1.60 298	1.16 231	3.80 180	1.48 290	4.37 332	3.41 293	2.53 281	2.45 291	4.19 342	2.10 261	15.17 410	9.45 347	0.86 353	0.65 291	1.54 384	0.96 364	1.08 355	3.80 346

anonymousa	3.14 248	0.83 120	19.20 180	1.62 302	9.63 411	2.06 31	0.78 120	2.93 78	2.20 107	1.95 126	2.17 240	3.41 291	1.81 238	1.33 23	1.67 177	0.29 34	8.64 399	0.34 184	0.37 252	0.32 69	1.33 274

NLCA_NET_v2_RVC	2.76 200	1.48 239	19.72 213	1.62 302	2.00 357	3.95 216	0.86 157	3.92 187	2.51 153	2.56 284	1.69 118	2.83 252	1.61 193	5.65 219	1.78 197	0.48 258	0.36 189	0.38 236	0.42 286	0.56 266	0.77 217
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PWCDC_ROB	3.62 300	9.86 363	17.35 131	1.62 302	1.57 309	4.19 279	1.01 217	4.35 327	4.20 339	2.26 217	7.36 376	2.73 239	2.75 301	4.10 197	4.51 313	1.47 376	0.37 194	0.39 240	0.34 222	1.22 366	0.73 210

GASNet	3.86 317	15.35 414	21.16 368	1.63 305	1.25 254	2.35 43	1.11 239	4.11 239	2.86 198	1.99 134	2.11 231	2.99 261	2.16 271	10.62 326	3.75 302	0.71 332	0.37 194	0.61 335	0.46 301	0.91 342	0.70 201

TestStereo1	2.56 151	1.41 232	20.56 310	1.63 305	0.74 126	4.13 252	1.34 270	3.93 191	3.38 286	1.61 70	2.56 304	1.43 95	2.13 267	2.55 152	1.70 184	0.32 85	0.22 49	0.34 184	0.26 92	0.40 169	0.53 139

SA-5K	2.56 151	1.41 232	20.56 310	1.63 305	0.74 126	4.13 252	1.34 270	3.93 191	3.38 286	1.61 70	2.56 304	1.43 95	2.13 267	2.55 152	1.70 184	0.32 85	0.22 49	0.34 184	0.26 92	0.40 169	0.53 139

RASNet	3.15 250	1.20 209	19.81 219	1.63 305	2.26 365	3.67 156	1.09 234	3.58 129	3.44 296	1.99 134	2.15 235	4.59 360	2.30 280	10.24 319	2.98 283	0.57 304	0.26 123	0.25 25	0.25 78	0.30 45	0.54 143

LMCR-Stereo	2.53 137	2.30 298	18.81 162	1.64 309	0.86 153	3.88 197	1.14 245	4.33 323	1.63 48	2.27 220	2.35 272	1.13 61	2.41 286	2.63 156	2.26 250	1.06 362	0.24 91	0.29 80	0.25 78	0.62 284	0.42 79

Wz-Net-SNSev	3.47 293	10.51 367	16.90 121	1.65 310	1.20 242	3.29 89	2.03 334	4.16 256	3.03 225	2.35 247	2.39 279	3.48 295	2.12 265	7.95 271	4.28 308	0.51 280	0.40 219	0.53 310	0.49 308	0.74 321	1.46 282

CVANet_RVC	3.32 277	1.63 258	21.06 354	1.66 311	1.29 259	3.99 224	1.55 297	3.98 199	3.00 216	3.51 354	2.06 224	2.58 229	1.72 225	12.46 388	1.70 184	0.62 315	0.34 173	0.53 310	0.47 303	0.64 293	1.66 294

EDNetEfficient	5.62 370	2.26 296	17.51 134	1.67 312	3.59 390	3.99 224	7.25 400	3.14 95	5.63 391	11.52 414	4.82 368	3.94 326	12.48 400	8.39 276	20.56 413	0.46 246	0.46 247	0.48 283	1.06 369	1.65 380	1.62 292

AnyNet_C32	4.49 345	9.53 360	13.85 64	1.67 312	1.56 307	5.40 386	4.06 393	4.03 212	3.69 320	4.21 373	3.09 338	3.09 271	3.38 336	8.24 273	18.76 408	0.56 302	0.64 288	0.53 310	0.81 356	1.36 372	1.42 280

WCMA_ROB	5.78 372	2.42 300	21.71 389	1.67 312	1.55 303	4.07 239	3.53 381	4.14 250	4.73 366	6.59 393	10.89 397	12.82 402	9.59 396	10.17 314	12.65 365	1.05 361	0.61 283	0.52 306	0.52 319	0.71 315	5.64 362

TRStereo	2.86 208	2.12 290	19.98 237	1.68 315	1.18 235	4.35 299	1.05 228	5.07 382	3.48 305	1.56 65	1.39 61	1.75 121	0.85 39	2.01 103	1.50 140	0.43 218	0.34 173	0.33 166	0.36 244	0.36 141	7.50 370

SST-Stereo	2.63 169	0.63 35	19.76 216	1.69 316	0.46 33	4.71 369	0.74 104	2.27 33	3.07 232	2.07 166	2.15 235	2.42 212	3.17 325	6.66 245	0.95 45	0.45 233	0.19 9	0.30 101	0.27 107	0.35 124	0.31 15

RAFT_R40	2.61 162	0.64 38	19.86 225	1.69 316	0.46 33	4.74 372	0.95 207	2.28 34	2.52 155	2.02 147	2.32 270	2.69 238	2.52 296	6.70 247	1.05 62	0.42 204	0.19 9	0.30 101	0.27 107	0.33 90	0.29 11

MSC_U_SF_DS_RVC	4.90 360	13.94 393	16.59 118	1.69 316	1.46 290	6.15 390	3.52 380	5.47 391	3.95 331	2.77 305	2.74 321	4.81 367	2.49 293	13.78 404	5.33 321	2.34 383	3.46 376	1.05 371	1.21 377	2.28 383	2.94 333

pmcnn	5.90 373	1.81 272	22.30 402	1.69 316	2.37 370	3.47 114	2.10 338	4.58 363	5.56 390	3.75 362	13.12 406	22.07 412	3.70 342	11.99 377	17.13 393	0.58 305	0.23 72	0.23 5	0.19 10	0.37 145	0.70 201

TDLM	3.20 259	1.58 251	18.80 161	1.70 320	1.10 220	4.29 292	2.17 341	3.81 169	3.27 262	2.89 317	1.98 207	2.06 183	1.70 222	12.44 387	2.15 241	0.58 305	0.31 154	0.56 322	0.40 273	0.58 273	1.59 289

GrayStereo	3.68 307	0.56 5	20.61 320	1.71 321	0.90 166	4.17 268	8.11 404	3.17 97	4.13 337	2.80 311	2.49 295	1.70 115	17.06 410	2.83 168	1.25 96	0.37 164	0.23 72	0.27 46	0.32 206	0.30 45	0.57 153

HBP-ISP	3.78 312	9.10 357	20.83 335	1.72 322	1.14 228	4.54 330	2.82 360	4.61 367	3.03 225	4.13 370	1.98 207	1.88 152	3.31 329	11.06 343	1.52 143	0.74 342	0.57 272	0.67 348	0.62 340	0.65 298	0.64 186

ADCS	4.77 357	12.63 377	17.40 132	1.72 322	1.34 268	3.90 200	3.60 384	4.30 303	3.54 310	5.11 385	2.81 325	4.44 352	3.05 320	6.15 233	19.32 410	0.74 342	0.68 294	0.70 352	0.70 347	1.25 368	1.98 306

anonymity	2.02 47	1.28 218	5.16 22	1.73 324	1.63 321	1.86 22	1.06 230	3.50 125	2.42 141	2.19 199	2.11 231	1.88 152	3.89 345	1.92 93	1.56 150	1.11 364	1.14 326	1.08 373	1.11 371	1.05 350	2.68 325

GANet-RSSM	2.96 224	1.27 215	21.17 370	1.73 324	1.23 250	4.22 284	0.91 192	3.39 118	2.02 89	1.97 130	1.74 134	2.53 221	2.06 259	10.91 337	1.88 210	0.37 164	0.35 182	0.32 134	0.29 162	0.42 195	0.46 98

FC-DCNN	7.08 393	1.01 182	21.89 391	1.74 326	1.64 325	8.18 403	2.31 346	6.50 399	9.16 402	10.85 413	11.33 399	19.85 411	13.33 403	12.94 393	17.10 391	0.72 337	0.57 272	0.59 329	0.57 331	0.64 293	0.69 199

SPS-STEREO	5.18 364	10.36 365	21.09 360	1.74 326	1.72 338	3.24 81	2.26 344	3.92 187	4.12 336	5.06 384	3.66 354	5.43 377	3.33 331	9.56 294	12.34 362	1.17 368	1.17 328	1.07 372	1.03 368	1.17 362	10.25 389
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RAFT	2.36 102	1.62 256	18.03 146	1.75 328	0.54 65	1.91 25	0.91 192	3.24 103	3.65 316	1.64 74	1.73 132	3.45 293	1.58 184	1.82 86	1.74 194	0.42 204	1.06 322	0.40 245	0.32 206	0.44 212	1.03 255

Anonymous Stereo	3.53 297	5.56 337	19.23 183	1.75 328	1.40 281	3.35 96	3.23 371	4.15 253	3.13 240	2.42 267	2.38 276	2.56 226	1.53 176	11.88 374	3.54 298	0.68 326	0.92 312	0.57 325	0.57 331	0.74 321	1.08 260

RTSC	3.44 287	6.78 345	16.53 117	1.76 330	1.54 299	3.53 129	0.94 204	4.22 275	2.97 210	3.65 359	3.23 345	3.31 285	2.29 278	6.22 234	7.41 337	0.61 310	1.32 332	0.37 224	0.42 286	0.78 326	0.98 248

RAFT_CTSACE	2.41 117	1.83 275	20.33 281	1.77 331	1.39 277	3.50 123	1.03 222	3.25 106	1.64 50	1.80 102	2.04 216	2.82 250	1.78 232	2.11 110	1.10 68	0.27 22	0.24 91	0.28 66	0.30 179	0.31 50	0.33 23

DisPM	2.29 88	0.61 30	20.25 269	1.79 332	0.52 61	4.58 341	0.77 117	2.50 46	2.22 110	2.49 279	1.82 160	1.45 98	1.01 64	2.73 164	1.04 59	0.48 258	0.20 18	0.32 134	0.31 196	0.32 69	0.45 91

DISCO	2.40 111	0.99 180	11.99 53	1.81 333	1.12 225	3.47 114	1.24 261	3.34 114	2.57 160	2.73 301	1.96 204	4.52 357	1.90 252	4.18 200	3.62 301	0.37 164	0.27 130	0.31 119	0.30 179	0.70 313	0.62 179

tt1	3.79 313	0.93 155	15.34 88	1.83 334	0.45 32	4.54 330	0.78 120	4.23 280	4.73 366	1.27 48	1.89 187	0.74 24	1.48 162	2.29 133	0.78 8	0.30 56	19.28 429	0.32 134	0.22 45	0.31 50	14.02 396

EKT-Stereo	7.93 397	0.75 98	21.17 370	1.84 335	109.80 435	4.51 328	0.61 46	4.13 247	1.59 34	1.89 109	1.24 33	1.96 167	1.35 132	4.02 195	1.36 117	0.42 204	0.31 154	0.29 80	0.27 107	0.35 124	0.78 219

ACVNet-DCA	3.67 305	0.94 158	19.66 203	1.87 336	0.42 23	4.47 318	0.73 96	4.07 223	4.63 361	1.21 40	1.89 187	0.73 19	1.62 201	2.20 122	0.81 15	0.31 71	18.77 419	0.32 134	0.21 27	0.35 124	8.09 373

xx1	3.69 308	0.94 158	19.66 203	1.87 336	0.42 23	4.47 318	0.73 96	4.24 287	4.01 333	1.21 40	1.89 187	1.78 136	1.36 133	2.20 122	0.81 15	0.31 71	18.77 419	0.33 166	0.36 244	0.35 124	8.09 373

1test111	3.86 317	0.94 158	19.66 203	1.87 336	0.42 23	4.47 318	0.73 96	4.07 223	4.63 361	1.21 40	1.89 187	0.73 19	1.62 201	5.19 210	1.68 179	0.31 71	18.77 419	0.32 134	0.21 27	0.35 124	8.09 373

cc1	3.93 322	0.94 158	19.66 203	1.87 336	0.42 23	4.47 318	0.73 96	4.24 287	4.01 333	1.21 40	1.89 187	0.73 19	1.62 201	2.20 122	0.81 15	0.31 71	18.77 419	0.32 134	0.21 27	0.32 69	13.93 395

DANet	2.82 206	1.17 201	10.20 45	1.87 336	1.72 338	3.25 83	1.15 248	4.36 329	3.02 223	3.42 351	2.18 245	4.09 334	1.79 235	9.78 299	4.32 309	0.55 299	0.57 272	0.60 332	0.44 294	0.65 298	1.25 271
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	3.64 301	1.76 266	19.65 202	1.92 341	1.04 206	3.91 203	2.51 352	3.86 176	2.81 188	3.13 335	3.03 334	3.19 276	2.19 274	12.43 386	8.23 343	0.60 309	0.43 237	0.52 306	0.43 291	0.63 290	0.63 182

WAO-7	6.00 376	14.29 398	20.46 294	1.97 342	1.51 295	5.31 385	3.06 369	5.00 380	5.92 394	4.55 379	8.87 389	6.52 383	6.47 375	13.38 400	13.85 369	1.35 372	1.24 330	1.48 382	1.36 384	1.63 378	1.79 302

XQC	3.41 284	6.58 343	15.18 86	1.97 342	1.62 318	3.40 100	1.76 315	4.53 355	3.67 319	3.40 350	2.45 291	3.73 315	2.91 307	6.78 250	5.36 322	0.73 339	0.90 311	0.60 332	0.61 338	1.02 348	0.99 249

JetBlue	6.69 390	12.01 374	14.30 74	1.98 344	4.64 403	11.97 408	12.29 408	5.39 388	4.32 352	3.81 363	4.51 365	9.50 395	6.53 376	10.22 316	14.50 374	1.32 371	1.47 334	1.18 377	1.36 384	7.48 416	5.05 359

MFN_U_SF_RVC	4.08 327	13.72 390	15.13 85	2.00 345	1.43 286	3.73 166	1.68 311	4.11 239	3.39 291	2.93 321	2.38 276	4.39 351	3.63 340	8.63 278	6.14 325	1.14 366	1.07 325	1.01 369	1.35 383	1.63 378	2.09 311

PASM	3.22 262	2.89 309	15.38 90	2.00 345	1.57 309	2.77 53	1.96 326	3.62 136	2.75 176	2.95 325	2.26 257	3.10 272	2.24 276	11.87 373	2.46 263	0.97 359	1.06 322	0.87 365	1.02 366	1.20 364	1.41 279

iResNet	2.70 186	1.35 228	20.93 343	2.01 347	0.73 123	3.76 171	0.83 142	4.28 300	2.93 206	2.38 257	2.03 214	1.35 83	1.54 178	3.28 178	4.42 312	0.42 204	0.25 103	0.29 80	0.23 54	0.45 219	0.64 186

NOSS_ROB	3.12 245	0.89 136	19.03 170	2.01 347	1.07 211	3.90 200	0.97 214	4.32 320	3.08 233	2.94 323	2.19 248	3.85 323	1.18 111	11.75 370	1.69 182	0.69 328	0.54 268	0.57 325	0.52 319	0.57 270	0.72 205

AnyNet_C01	4.68 352	10.90 369	16.41 114	2.03 349	1.62 318	6.25 391	6.40 399	4.19 268	5.13 378	4.03 367	3.77 356	4.14 338	3.26 327	7.23 257	11.19 352	0.64 319	0.80 304	0.65 346	0.72 349	2.18 382	2.08 309

PDISCO_ROB	3.32 277	5.22 335	18.16 149	2.03 349	2.19 364	4.52 329	1.63 304	4.74 376	3.32 278	2.22 206	2.18 245	3.71 314	2.41 286	5.36 212	2.43 262	1.35 372	0.79 303	0.72 357	0.62 340	1.31 370	1.53 286

Pruner-Stereo	2.33 96	0.70 71	20.66 325	2.05 351	0.48 42	4.73 370	0.78 120	2.55 58	2.70 171	2.47 274	1.57 91	1.48 100	1.03 65	1.71 65	1.55 149	0.48 258	0.21 34	0.34 184	0.30 179	0.31 50	0.42 79

DN-CSS_ROB	2.89 213	9.72 362	19.71 211	2.07 352	0.90 166	4.01 226	0.61 46	4.06 221	3.35 282	1.66 78	1.89 187	1.39 89	1.06 80	3.24 177	1.88 210	0.44 224	0.19 9	0.44 265	0.29 162	0.40 169	0.42 79

SGM_RVC	6.11 380	1.10 192	20.44 291	2.15 353	0.66 106	15.87 417	3.98 392	5.00 380	6.19 396	9.79 408	11.46 400	8.23 393	12.63 401	12.32 380	9.15 345	0.54 296	0.39 216	0.41 249	0.35 235	0.55 260	1.05 257
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
iResNetv2_ROB	3.31 275	14.88 409	20.01 239	2.17 354	1.09 217	3.84 186	1.13 243	4.22 275	3.15 243	2.02 147	2.06 224	2.00 174	1.69 219	3.61 184	2.10 239	0.36 156	0.22 49	0.32 134	0.22 45	0.48 242	0.58 165

MADNet+	4.46 344	11.36 370	14.35 75	2.23 355	2.50 373	4.18 271	2.86 362	5.46 390	4.43 353	2.74 302	2.69 317	4.55 358	3.43 337	8.97 285	9.42 346	1.47 376	2.06 349	1.09 374	1.02 366	1.54 376	2.96 334

PFNet	2.75 198	0.69 65	19.96 234	2.25 356	0.80 141	4.63 349	0.90 184	2.60 63	3.85 327	2.39 259	2.71 319	1.82 143	1.41 148	7.53 265	1.41 126	0.36 156	0.21 34	0.36 213	0.27 107	0.32 69	0.46 98

AAGNet	3.88 319	0.67 54	20.04 242	2.27 357	0.46 33	4.76 374	1.05 228	2.28 34	3.38 286	2.16 189	1.84 174	2.40 206	3.95 346	6.22 234	24.21 415	0.49 264	0.19 9	0.30 101	0.29 162	0.33 90	0.29 11

FINET	10.59 403	14.44 403	25.84 416	2.30 358	3.90 395	21.74 419	25.19 418	8.85 404	16.99 411	2.68 296	15.19 409	11.45 398	13.83 405	6.71 249	15.11 377	0.80 347	8.59 398	0.53 310	0.44 294	0.62 284	16.67 414

G-Net	4.16 329	1.39 230	20.31 279	2.30 358	2.91 378	4.68 363	2.86 362	3.35 115	2.44 147	4.43 377	9.43 392	6.89 385	3.83 344	8.91 282	4.83 319	0.80 347	0.80 304	0.70 352	0.50 314	0.95 346	0.97 247

XX-Stereo	2.66 178	0.70 71	21.17 370	2.33 360	1.24 252	4.31 297	0.45 13	4.48 348	1.60 39	2.39 259	1.89 187	4.60 361	0.60 6	4.17 199	1.11 69	0.34 124	0.26 123	0.29 80	0.29 162	0.53 254	0.43 83

SHD	3.22 262	4.21 329	14.19 72	2.37 361	2.12 361	2.77 53	1.19 252	4.24 287	3.25 259	4.64 380	2.73 320	3.62 312	2.76 302	6.30 237	4.75 318	0.66 322	1.25 331	0.52 306	0.59 334	0.69 312	1.64 293

CC-Net-ROB	3.82 314	3.41 319	20.20 259	2.40 362	1.66 331	4.49 323	1.61 301	4.77 377	3.08 233	2.06 160	2.06 224	1.99 170	1.60 188	12.57 390	1.91 214	2.82 387	2.19 351	2.67 398	1.06 369	2.31 384	1.59 289

NF-Stereo	2.68 185	0.67 54	21.09 360	2.43 363	0.47 37	4.67 355	0.67 65	3.68 143	4.30 348	2.11 175	1.62 101	1.36 85	1.09 84	6.07 232	1.24 90	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

OCTAStereo	2.67 182	0.67 54	21.08 355	2.43 363	0.47 37	4.67 355	0.67 65	3.68 143	4.31 351	2.11 175	1.62 101	1.36 85	1.09 84	6.02 229	1.25 96	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

RE-Stereo	2.67 182	0.67 54	21.08 355	2.43 363	0.47 37	4.67 355	0.67 65	3.68 143	4.30 348	2.11 175	1.62 101	1.36 85	1.09 84	6.01 226	1.26 101	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

TVStereo	2.67 182	0.67 54	21.08 355	2.43 363	0.47 37	4.67 355	0.67 65	3.68 143	4.30 348	2.11 175	1.62 101	1.36 85	1.09 84	6.01 226	1.26 101	0.45 233	0.20 18	0.36 213	0.34 222	0.32 69	0.37 52

PSM-softLoss	2.62 165	0.65 45	21.11 363	2.46 367	0.49 49	4.68 363	0.68 73	2.61 64	4.23 342	2.14 181	1.47 70	1.42 93	0.99 59	6.04 230	1.24 90	0.47 253	0.23 72	0.37 224	0.39 266	0.33 90	0.34 31

KMStereo	2.62 165	0.65 45	21.11 363	2.46 367	0.49 49	4.68 363	0.68 73	2.61 64	4.23 342	2.14 181	1.47 70	1.42 93	0.99 59	6.04 230	1.24 90	0.47 253	0.23 72	0.37 224	0.39 266	0.33 90	0.34 31

IRAFT_RVC	2.74 195	0.71 75	19.80 217	2.52 369	0.67 108	4.60 345	1.57 299	3.05 91	2.99 214	2.23 208	1.72 126	2.08 184	2.59 297	6.69 246	1.61 164	0.37 164	0.21 34	0.33 166	0.29 162	0.33 90	0.35 36

CRFU-Net	2.56 151	0.89 136	10.77 48	2.53 370	1.09 217	3.91 203	1.40 279	3.87 177	1.92 78	2.25 211	1.80 153	3.32 286	7.85 387	5.53 218	1.54 147	0.58 305	0.36 189	0.31 119	0.28 132	0.39 165	0.56 148

MaskLacGwcNet_RVC	3.77 311	1.65 260	20.61 320	2.55 371	1.63 321	4.29 292	1.67 310	3.99 201	2.56 158	1.76 96	1.93 201	3.03 265	1.41 148	13.24 398	2.02 230	4.47 407	1.63 340	1.12 376	0.48 305	2.42 385	2.85 328

MDST_ROB	6.31 381	1.18 202	22.96 410	2.56 372	2.69 374	21.07 418	2.01 333	4.79 378	2.87 200	9.49 404	4.45 364	4.10 336	4.48 355	22.33 415	17.61 398	0.79 346	0.44 241	0.47 278	0.44 294	0.47 237	0.95 246

ELAS	6.58 385	2.54 303	20.08 249	2.66 373	2.48 371	15.49 415	7.29 401	5.50 392	5.72 392	10.05 409	8.94 390	6.91 386	10.83 398	8.33 274	14.27 372	1.92 379	2.19 351	1.23 379	1.31 379	1.62 377	2.17 314
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	6.36 382	2.53 302	20.21 263	2.67 374	2.48 371	4.90 378	11.89 407	4.84 379	6.31 399	9.03 402	8.54 387	8.09 392	12.73 402	9.32 289	13.25 367	1.92 379	2.18 350	1.51 383	1.31 379	1.40 373	2.15 312
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
OMP-Stereo	2.94 221	1.26 212	20.07 244	2.73 375	0.67 108	4.58 341	1.46 287	4.33 323	2.21 109	3.14 338	2.68 316	3.22 279	1.38 136	7.65 267	1.42 127	0.46 246	0.21 34	0.33 166	0.26 92	0.34 111	0.31 15

DGSMNet	8.13 398	2.31 299	18.62 156	2.77 376	13.96 417	6.91 398	42.17 428	4.16 256	2.53 156	2.25 211	3.21 343	3.41 291	1.69 219	9.19 288	3.03 285	3.79 400	10.31 412	11.70 426	5.68 417	4.38 403	10.58 390

SQANet	4.22 331	14.03 394	20.30 277	2.78 377	2.75 376	3.41 103	1.48 290	3.66 141	2.25 115	2.62 292	1.77 143	2.68 236	1.90 252	7.41 263	3.78 303	2.97 389	1.42 333	1.85 386	1.13 372	3.28 389	2.86 329

IIG-Stereo	2.89 213	0.98 171	19.80 217	2.78 377	0.67 108	4.62 347	0.74 104	4.29 301	2.26 118	2.62 292	3.10 339	3.33 287	1.60 188	7.64 266	1.51 141	0.42 204	0.21 34	0.32 134	0.25 78	0.33 90	0.28 8

RTS	4.29 338	9.35 358	18.25 151	2.79 379	2.29 367	4.98 379	3.41 375	4.72 373	4.27 346	4.35 374	3.10 339	4.93 368	3.14 322	7.71 268	6.99 332	0.71 332	0.68 294	0.51 303	0.50 314	1.07 353	1.98 306

RTSA	4.29 338	9.35 358	18.25 151	2.79 379	2.29 367	4.98 379	3.41 375	4.72 373	4.27 346	4.35 374	3.10 339	4.93 368	3.14 322	7.71 268	6.99 332	0.71 332	0.68 294	0.51 303	0.50 314	1.07 353	1.98 306

PVD	3.91 320	4.36 330	13.89 68	2.81 381	4.79 404	3.80 180	1.94 324	3.89 180	4.11 335	5.75 387	3.56 352	3.59 309	3.34 332	6.44 241	6.44 328	0.73 339	2.84 365	0.74 360	0.84 358	0.82 334	3.45 344

PWCK	6.49 384	13.40 380	20.27 271	2.95 382	1.61 316	5.68 389	7.63 403	5.37 387	4.77 372	3.90 364	7.48 377	7.96 390	5.63 365	15.15 409	10.93 351	3.21 391	1.55 338	2.34 391	1.43 386	6.05 409	2.45 322

WAO-6	6.68 389	9.03 356	20.68 326	2.98 383	2.79 377	11.93 407	3.56 383	5.39 388	11.65 405	3.55 356	9.59 393	6.77 384	6.72 377	12.28 379	11.56 357	2.88 388	2.36 358	2.50 392	1.84 396	2.89 388	2.72 326

UDG	3.84 316	2.91 310	20.05 243	2.98 383	1.98 356	3.95 216	1.18 251	4.43 342	2.24 112	2.47 274	2.53 302	4.49 354	2.44 289	6.52 242	4.74 317	2.14 381	1.77 343	2.64 397	2.58 407	2.66 387	2.19 316

CAS	1.34 13	0.48 1	2.20 6	3.01 385	1.66 331	4.08 242	0.73 96	1.96 21	1.51 17	0.86 12	1.10 15	0.59 2	0.53 2	1.36 30	0.94 40	3.07 390	0.14 1	0.21 3	0.14 1	0.38 154	1.78 301

otaku	5.59 369	14.82 408	20.70 327	3.13 386	2.70 375	3.91 203	2.56 354	3.90 182	2.48 151	2.25 211	9.38 391	4.06 333	2.32 281	9.59 296	14.37 373	3.52 396	1.66 341	2.15 390	1.19 375	3.73 396	3.35 341

NVStereoNet_ROB	6.63 387	9.57 361	19.28 186	3.19 387	2.11 360	3.69 159	1.99 328	4.32 320	6.27 398	3.26 346	24.57 419	5.45 378	11.39 399	13.56 401	12.37 363	2.79 385	2.05 348	1.76 385	1.75 392	1.49 375	1.75 296
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Ntro	4.83 358	14.73 405	20.47 296	3.24 388	2.97 379	4.12 249	1.88 322	4.00 202	2.57 160	1.79 101	2.15 235	3.34 288	2.16 271	10.01 311	7.34 334	3.53 397	1.77 343	2.13 389	1.32 381	3.89 398	3.23 335

MFMNet_re	3.44 287	8.89 354	19.36 190	3.25 389	1.91 353	3.13 71	1.99 328	3.60 133	4.16 338	3.17 341	2.86 327	2.25 191	2.41 286	2.61 155	2.35 256	1.13 365	1.06 322	0.94 367	0.91 363	1.29 369	1.57 288

ACVNet_2	6.09 377	15.28 413	21.36 382	3.30 390	3.17 385	4.50 324	3.00 365	4.70 371	3.96 332	3.52 355	5.34 371	7.79 389	2.95 308	12.40 381	13.76 368	3.28 392	2.23 353	2.70 399	1.70 388	3.52 391	3.24 336

WAO-8	12.61 408	16.02 416	21.99 396	3.55 391	3.10 381	15.07 413	2.80 358	12.81 411	19.10 418	7.93 399	13.05 404	11.75 399	8.46 393	83.86 440	15.10 375	3.51 394	1.94 346	3.54 411	1.96 399	3.72 394	2.89 330

Venus	12.61 408	16.02 416	21.99 396	3.55 391	3.10 381	15.07 413	2.80 358	12.81 411	19.10 418	7.93 399	13.05 404	11.75 399	8.46 393	83.86 440	15.10 375	3.51 394	1.94 346	3.54 411	1.96 399	3.72 394	2.89 330

ACVNet-4b	6.98 392	14.78 406	22.17 401	3.56 393	3.11 383	4.14 257	2.23 342	4.08 230	3.84 325	1.67 80	3.96 360	5.86 380	2.87 306	10.30 321	17.16 394	26.09 431	2.24 354	2.53 393	1.79 393	3.91 399	3.28 338

DDUNet	3.65 302	2.81 308	19.59 201	3.57 394	2.26 365	3.47 114	1.35 273	4.21 274	2.40 138	2.68 296	2.48 294	4.17 340	1.78 232	5.48 217	2.61 270	2.25 382	1.77 343	2.61 396	2.43 405	2.63 386	2.40 319

ACVNet_1	6.63 387	14.79 407	21.40 383	3.59 395	3.17 385	4.69 368	2.46 349	4.24 287	3.34 281	3.11 334	2.86 327	23.21 414	4.59 357	11.06 343	12.59 364	3.75 398	2.34 357	2.60 395	1.80 394	3.70 393	3.31 339

RainbowNet	5.20 365	15.03 411	21.14 365	3.66 396	3.25 388	4.18 271	2.98 364	4.22 275	3.20 246	2.30 226	2.65 312	4.24 344	2.97 310	9.92 305	6.29 326	3.92 402	2.27 355	2.71 400	1.73 391	3.82 397	3.43 343

LVE	7.57 396	15.80 415	21.28 377	3.69 397	3.19 387	4.54 330	2.78 357	10.13 406	11.63 404	3.24 344	11.52 401	18.10 408	4.55 356	11.67 364	10.30 349	4.62 413	2.95 368	2.56 394	1.91 398	3.63 392	3.26 337

Dean	8.35 399	15.23 412	22.34 403	3.76 398	3.55 389	4.81 377	3.51 379	5.34 384	5.37 383	4.49 378	26.13 420	25.59 420	4.33 353	11.21 347	13.12 366	3.78 399	2.31 356	2.90 401	1.89 397	4.04 400	3.34 340

DispFullNet	4.71 354	3.93 324	23.92 413	4.00 399	3.01 380	3.38 97	1.31 267	4.23 280	3.26 260	6.31 392	2.92 329	4.03 331	7.80 385	3.93 193	5.15 320	2.80 386	1.61 339	3.11 406	2.70 410	3.32 390	3.38 342

tt	7.29 395	0.58 10	7.34 30	4.04 400	2.30 369	12.04 409	20.18 415	15.60 420	7.41 400	3.46 352	3.36 348	5.36 376	6.39 374	4.27 202	7.46 338	9.80 421	11.53 417	7.04 419	7.45 420	6.31 410	3.81 347

TorneroNet	26.32 423	14.70 404	22.40 405	4.24 401	4.08 399	54.72 433	3.19 370	15.11 418	76.73 437	57.99 433	82.55 438	86.65 439	45.79 434	13.34 399	18.51 405	4.52 408	2.86 366	3.45 408	2.63 409	8.75 420	4.28 354

TorneroNet-64	10.52 402	14.33 399	21.95 394	4.29 402	3.76 391	13.77 412	2.83 361	14.96 417	23.11 421	10.24 411	23.77 418	13.44 403	8.15 390	13.98 406	17.70 400	4.03 403	2.73 364	3.23 407	2.53 406	7.27 415	4.35 356

IMH-64-1	6.10 378	13.83 391	17.55 135	4.34 403	3.78 392	4.79 375	5.94 396	5.34 384	4.20 339	4.10 368	8.31 384	5.07 372	6.92 378	9.63 297	7.36 335	4.60 410	2.96 370	3.04 402	2.14 402	4.30 401	3.88 349

IMH-64	6.10 378	13.83 391	17.55 135	4.34 403	3.78 392	4.79 375	5.94 396	5.34 384	4.20 339	4.10 368	8.31 384	5.07 372	6.92 378	9.63 297	7.36 335	4.60 410	2.96 370	3.04 402	2.14 402	4.30 401	3.88 349

JetRed	10.68 404	26.07 425	35.62 421	4.40 405	4.16 400	15.72 416	13.07 409	14.57 416	5.83 393	5.85 388	5.55 373	10.12 396	7.37 383	8.86 281	25.99 420	3.33 393	3.82 379	3.59 413	2.98 415	8.51 418	8.22 377

IMH	7.25 394	16.24 418	21.08 355	4.40 405	3.79 394	5.46 387	3.03 368	5.58 394	6.26 397	4.92 383	10.32 395	9.24 394	8.30 391	13.62 402	11.56 357	4.84 414	3.00 373	3.09 405	2.14 402	4.38 403	3.83 348

KSHMR	17.50 416	14.38 402	22.35 404	4.50 407	4.51 401	8.17 402	3.33 374	15.44 419	76.15 436	7.32 395	61.40 434	56.33 434	5.66 367	32.91 424	13.97 370	4.42 405	2.99 372	3.64 414	2.79 412	5.13 408	4.55 358

ktn	22.24 421	14.37 401	20.30 277	4.54 408	4.02 398	6.52 394	4.50 394	6.78 400	78.80 438	84.67 438	100.54 440	58.48 435	8.39 392	13.13 395	17.09 390	4.61 412	3.24 375	3.49 409	2.62 408	4.70 406	3.96 351

notaker	10.92 405	14.17 396	20.38 285	4.56 409	3.98 397	6.29 392	3.53 381	7.68 401	5.10 377	9.04 403	46.37 430	13.84 406	28.85 421	14.18 408	14.16 371	4.57 409	3.19 374	3.52 410	2.70 410	8.16 417	4.13 353

SAMSARA	4.67 351	6.50 342	16.40 113	4.62 410	3.13 384	6.62 395	3.49 378	5.24 383	3.04 228	7.78 397	3.07 336	5.32 375	4.05 348	9.98 309	6.42 327	0.69 328	2.39 359	0.60 332	0.74 350	0.99 347	2.26 317

UNDER WATER	11.28 406	13.60 383	22.90 409	5.11 411	4.53 402	7.75 401	3.75 387	12.50 409	21.62 420	7.80 398	10.68 396	23.75 416	35.20 422	11.54 359	17.40 396	4.46 406	2.95 368	4.23 415	2.90 413	6.57 411	6.27 367

UNDER WATER-64	10.08 401	14.27 397	22.85 408	5.26 412	4.88 405	11.00 406	4.57 395	11.41 407	17.25 413	7.68 396	9.72 394	15.96 407	21.47 419	11.12 346	16.63 384	4.38 404	2.88 367	4.41 416	2.95 414	7.12 414	5.81 365

MADNet++	8.64 400	6.17 341	13.88 67	6.61 413	5.25 406	10.15 404	14.20 410	5.89 398	8.25 401	7.14 394	8.18 381	6.41 382	9.84 397	11.71 369	16.73 385	9.65 420	5.03 385	8.63 420	5.68 417	4.83 407	8.57 382

HanzoNet	31.86 426	17.33 419	21.23 374	7.52 414	5.85 409	7.49 400	3.61 386	14.35 415	13.37 406	50.38 431	46.35 429	44.46 424	56.50 436	36.53 428	28.25 424	64.05 437	58.31 438	9.45 422	89.24 438	31.17 432	31.77 427

SGM-ForestM	15.60 413	14.94 410	28.17 420	7.84 415	10.49 412	23.43 421	24.58 417	20.87 421	16.87 409	15.92 419	15.89 412	27.08 421	22.45 420	24.86 421	28.42 425	3.85 401	8.90 402	0.55 319	1.15 374	0.64 293	15.05 403

PML	64.55 438	56.00 437	20.79 332	8.10 416	32.82 425	147.60 441	247.57 443	12.71 410	45.39 433	111.32 440	288.85 443	101.42 441	100.62 441	31.63 423	15.84 379	13.96 424	4.84 382	10.95 423	6.18 419	28.99 425	5.33 361

SGM+DAISY	13.18 411	14.36 400	24.65 415	8.10 416	13.49 416	22.47 420	25.54 419	12.13 408	17.08 412	14.77 416	15.82 411	12.17 401	13.97 408	12.65 391	18.22 404	8.40 418	9.18 408	1.23 379	1.33 382	1.23 367	16.81 419

LE_ROB	19.18 417	12.99 379	48.22 429	8.42 418	23.91 423	7.26 399	19.71 414	9.92 405	38.58 430	43.44 428	21.85 415	28.15 422	41.18 425	23.00 417	54.71 430	0.38 177	0.34 173	0.32 134	0.36 244	0.43 204	0.49 118

SPstereo	30.75 425	13.65 384	19.03 170	8.80 419	10.65 413	50.20 432	82.83 440	71.83 437	35.94 429	30.86 423	29.63 421	48.58 433	42.25 432	47.75 437	58.04 437	7.66 417	8.94 403	20.43 427	10.51 421	8.69 419	8.79 383

DGTPSM_ROB	16.67 414	21.79 423	40.19 425	10.00 420	19.05 419	12.43 410	33.20 422	13.71 413	18.09 416	9.71 406	22.85 416	13.77 404	19.64 414	21.23 413	24.07 414	5.09 415	8.95 404	5.62 417	11.49 422	6.73 412	15.75 412

MANE	15.29 412	13.67 386	23.58 412	10.15 421	13.37 415	23.58 422	23.86 416	27.83 423	26.26 422	12.02 415	15.10 408	19.83 410	18.01 413	15.68 411	20.35 412	8.58 419	9.20 409	3.05 404	4.19 416	0.82 334	16.69 415

DPSMNet_ROB	16.76 415	21.81 424	40.95 426	10.20 422	19.08 420	12.43 410	33.21 423	13.73 414	18.21 417	9.76 407	22.88 417	13.78 405	19.64 414	21.39 414	24.21 415	5.20 416	8.97 405	5.63 418	11.51 425	6.80 413	15.82 413

BEATNet-Init1	51.93 436	71.67 438	99.39 439	10.91 423	13.10 414	84.39 440	59.36 430	73.78 438	67.97 435	88.09 439	88.15 439	91.73 440	97.51 440	85.13 442	72.56 441	2.59 384	5.18 386	1.20 378	1.49 387	10.61 421	13.83 394

Anonymous_1	57.77 437	19.65 420	26.12 417	23.12 424	141.97 439	30.79 423	39.72 425	34.10 427	16.98 410	70.09 437	15.64 410	23.44 415	19.73 416	23.03 418	27.21 421	164.70 442	9.02 406	130.41 438	137.42 439	161.21 442	41.01 431

DPSM_ROB	20.83 419	20.01 421	26.54 418	23.64 425	22.42 421	31.06 424	39.94 426	34.02 425	17.42 414	15.35 417	16.05 413	24.04 417	20.69 417	23.28 419	27.60 422	10.77 422	9.41 410	11.68 424	11.50 423	14.48 423	16.71 416

DPSM	20.83 419	20.01 421	26.54 418	23.64 425	22.42 421	31.06 424	39.94 426	34.02 425	17.42 414	15.35 417	16.05 413	24.04 417	20.69 417	23.28 419	27.60 422	10.77 422	9.41 410	11.68 424	11.50 423	14.48 423	16.71 416

LRCNet_RVC	25.63 422	33.47 426	24.35 414	31.77 427	32.74 424	6.73 396	1.19 252	25.87 422	4.67 365	28.95 420	30.91 422	24.89 419	17.54 411	27.82 422	24.57 417	35.48 432	25.62 434	35.91 434	33.80 433	31.95 433	34.38 430

HaxPig	43.31 432	43.63 433	45.01 427	33.88 428	35.67 426	32.79 426	30.52 421	45.50 428	42.95 431	48.75 429	48.14 431	43.24 423	40.44 424	44.58 429	43.63 427	47.17 434	49.30 435	51.65 436	50.37 435	43.72 434	45.27 432

MEDIAN_ROB	47.37 434	49.00 435	49.74 430	40.28 429	39.94 428	34.93 428	33.41 424	49.78 430	46.38 434	53.04 432	52.61 433	47.67 426	42.28 433	48.33 438	47.25 429	52.06 436	53.99 437	54.28 437	53.48 436	48.70 436	50.27 434

AVERAGE_ROB	44.46 433	45.87 434	46.48 428	40.54 430	38.62 427	32.95 427	30.49 420	46.80 429	43.31 432	49.57 430	48.93 432	44.57 425	39.87 423	45.01 430	43.89 428	48.70 435	50.65 436	50.80 435	49.79 434	45.54 435	46.89 433

CasAABBNet	41.89 428	40.14 432	53.33 436	47.71 431	45.10 429	62.42 437	80.65 436	68.29 436	34.85 423	30.67 421	32.34 427	48.22 428	41.76 430	46.61 433	55.60 433	21.59 428	18.89 423	23.46 431	23.21 429	29.17 430	33.75 428

Selective-RAFT-Error	41.88 427	40.10 431	53.23 432	47.74 432	45.20 430	62.42 437	80.58 435	68.27 435	34.95 424	30.85 422	32.30 426	48.08 427	42.07 431	46.54 431	54.92 431	21.60 429	19.12 427	23.46 431	23.15 428	29.14 429	33.95 429

MyStereo03	43.09 429	40.09 428	53.32 433	48.07 433	45.83 431	62.40 434	80.65 436	67.87 431	35.18 426	31.09 424	32.21 423	48.24 429	41.62 427	46.66 434	55.80 434	21.53 425	18.98 424	23.44 428	23.21 429	29.12 426	56.57 436

MyStereo02	43.09 429	40.09 428	53.32 433	48.07 433	45.83 431	62.40 434	80.65 436	67.87 431	35.18 426	31.09 424	32.21 423	48.24 429	41.62 427	46.66 434	55.80 434	21.53 425	18.98 424	23.44 428	23.21 429	29.12 426	56.57 436

MyStereo	43.09 429	40.09 428	53.32 433	48.07 433	45.83 431	62.40 434	80.65 436	67.87 431	35.18 426	31.09 424	32.21 423	48.24 429	41.62 427	46.66 434	55.80 434	21.53 425	18.98 424	23.44 428	23.21 429	29.12 426	56.57 436

LSM	13.03 410	7.72 352	21.01 346	55.44 436	85.65 434	3.65 153	6.27 398	3.91 186	5.06 376	5.63 386	13.91 407	3.53 306	3.46 339	9.93 306	4.36 311	0.72 337	0.95 316	0.72 357	0.85 359	1.09 356	26.67 426

LSM0	49.69 435	40.02 427	53.50 437	97.07 437	129.56 437	62.65 439	79.82 434	68.02 434	35.12 425	33.72 427	33.34 428	48.41 432	41.54 426	46.57 432	55.40 432	21.63 430	19.16 428	23.60 433	23.13 427	29.46 431	52.08 435

DPSimNet_ROB	143.68 442	156.64 442	170.66 441	162.59 438	135.40 438	195.13 442	174.01 441	141.76 442	167.78 443	174.58 442	138.78 441	186.01 442	183.75 442	82.32 439	97.85 442	151.24 441	102.48 439	131.25 439	82.78 437	115.21 438	123.37 439

DLNR_Zeroshot_test	29.83 424	55.48 436	50.99 431	183.84 439	114.74 436	3.44 108	0.28 1	29.52 424	1.59 34	1.03 31	1.25 36	0.93 48	0.64 10	3.95 194	1.62 166	37.16 433	1.69 342	0.26 36	0.23 54	92.97 437	15.07 404

test_example2	213.42 443	219.67 443	222.97 443	213.78 440	220.82 443	199.03 443	200.49 442	189.27 443	143.61 442	211.05 443	218.08 442	210.69 443	205.21 443	221.14 443	216.49 443	236.74 443	242.08 443	213.66 440	216.96 440	235.55 443	231.06 443

xxxxx1	112.85 439	94.19 439	38.10 422	228.21 441	161.02 440	39.23 429	61.26 431	92.54 439	79.08 439	63.44 434	74.84 435	77.80 436	69.88 437	33.55 425	70.96 438	117.25 438	130.44 440	258.49 441	273.88 441	145.63 439	147.24 440

tt_ll	112.85 439	94.19 439	38.10 422	228.21 441	161.02 440	39.23 429	61.26 431	92.54 439	79.08 439	63.44 434	74.84 435	77.80 436	69.88 437	33.55 425	70.96 438	117.25 438	130.44 440	258.49 441	273.88 441	145.63 439	147.24 440

ff	112.85 439	94.19 439	38.10 422	228.21 441	161.02 440	39.23 429	61.26 431	92.54 439	79.08 439	63.44 434	74.84 435	77.80 436	69.88 437	33.55 425	70.96 438	117.25 438	130.44 440	258.49 441	273.88 441	145.63 439	147.24 440

Low-res two-view benchmark