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

trnet	0.31 1	0.31 7	1.65 7	0.20 2	0.12 3	0.55 87	0.15 1	0.50 24	0.51 44	0.28 19	0.34 36	0.24 22	0.21 18	0.34 16	0.24 17	0.11 113	0.07 6	0.08 3	0.05 1	0.09 5	0.12 11

DLNR_Zeroshot_test	13.74 426	20.06 430	23.92 431	121.50 444	35.20 439	0.46 24	0.15 1	7.96 423	0.47 26	0.29 24	0.37 46	0.26 33	0.17 2	0.79 163	0.36 108	7.16 426	2.95 420	0.09 16	0.38 354	50.40 442	1.95 387

CREStereo++_RVC	0.38 16	0.37 51	2.47 168	0.25 6	0.16 22	0.54 77	0.15 1	0.42 5	0.57 72	0.37 31	0.52 128	0.24 22	0.19 9	0.31 3	0.27 40	0.09 11	0.06 1	0.08 3	0.30 315	0.09 5	0.22 80
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
TANstereo	0.39 18	0.70 159	2.48 173	0.23 4	0.12 3	0.54 77	0.16 4	0.41 3	0.47 26	0.45 57	0.51 120	0.26 33	0.22 22	0.34 16	0.21 2	0.10 48	0.10 107	0.08 3	0.07 13	0.09 5	0.18 59

XX-Stereo	0.98 332	0.57 121	4.45 397	1.64 394	5.33 419	0.55 87	0.16 4	0.96 264	0.43 13	0.45 57	0.65 232	0.85 303	0.19 9	0.79 163	0.26 35	0.11 113	0.80 335	0.10 50	0.32 326	0.17 93	0.78 305

StereoIM	0.35 9	0.89 211	2.15 74	0.25 6	0.29 169	0.29 3	0.17 6	0.47 11	0.41 5	0.21 1	0.22 2	0.28 42	0.21 18	0.32 13	0.31 73	0.10 48	0.09 84	0.10 50	0.08 28	0.11 18	0.12 11

MIF-Stereo (partial)	0.41 21	0.71 162	2.67 241	0.27 25	0.24 122	0.32 6	0.17 6	0.56 51	0.46 20	0.26 15	0.37 46	0.25 26	0.26 52	0.46 52	0.35 106	0.11 113	0.08 39	0.12 139	0.10 73	0.21 164	0.15 33

XX-TBD	0.40 20	1.04 241	2.49 176	0.35 148	0.13 6	0.51 50	0.17 6	0.44 7	0.52 50	0.38 34	0.51 120	0.23 16	0.19 9	0.31 3	0.25 26	0.10 48	0.07 6	0.08 3	0.06 7	0.09 5	0.18 59

CREStereo	0.31 1	0.35 38	1.66 8	0.19 1	0.13 6	0.55 87	0.17 6	0.50 24	0.50 39	0.28 19	0.34 36	0.24 22	0.21 18	0.34 16	0.23 16	0.11 113	0.07 6	0.08 3	0.05 1	0.10 11	0.12 11
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
DIP-Stereo	0.43 28	0.50 99	2.21 86	0.27 25	0.18 49	0.63 202	0.17 6	0.94 248	0.58 78	0.49 87	0.48 93	0.30 47	0.30 103	0.40 38	0.31 73	0.10 48	0.08 39	0.10 50	0.08 28	0.15 61	0.33 146
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MIF-Stereo	0.36 13	0.66 146	2.43 132	0.28 37	0.24 122	0.30 4	0.18 11	0.35 1	0.36 2	0.26 15	0.37 46	0.18 1	0.18 7	0.33 14	0.30 59	0.11 113	0.08 39	0.09 16	0.08 28	0.25 213	0.09 2

RAFT-RH_RVC	0.65 195	0.73 170	2.78 274	0.39 203	0.29 169	0.60 149	0.18 11	0.45 8	0.63 109	0.75 296	1.89 379	0.47 133	0.29 93	1.59 271	1.21 296	0.15 239	0.07 6	0.13 196	0.13 162	0.11 18	0.10 4

H2IRNET	0.48 58	1.04 241	2.57 203	0.31 77	0.19 66	0.54 77	0.19 13	0.55 49	0.53 56	0.28 19	0.56 166	0.47 133	0.35 126	0.47 54	0.40 120	0.11 113	0.08 39	0.12 139	0.14 180	0.37 309	0.26 107

MoCha-V2	0.74 248	0.78 189	2.18 79	1.01 365	1.55 398	0.36 12	0.19 13	0.61 70	0.49 32	0.33 27	0.34 36	0.30 47	0.27 65	1.56 259	0.47 147	0.09 11	1.94 395	0.08 3	0.37 350	0.18 113	1.62 379

GMStereo_Zeroshot	0.44 40	0.44 82	1.84 19	0.44 242	0.20 72	0.52 65	0.19 13	0.60 68	0.54 60	0.58 176	0.59 188	0.63 206	0.29 93	0.59 106	0.34 99	0.16 254	0.09 84	0.16 267	0.09 39	0.26 228	0.26 107

MIM_Stereo	0.55 107	0.92 224	2.65 230	0.32 95	1.09 375	0.51 50	0.19 13	0.67 90	0.52 50	0.48 71	0.54 145	0.43 97	0.27 65	0.57 102	0.30 59	0.08 1	0.17 204	0.11 96	0.10 73	0.28 250	0.80 309

CASnet	0.32 4	0.40 65	1.80 12	0.28 37	0.11 1	0.47 34	0.19 13	0.45 8	0.47 26	0.39 36	0.31 26	0.23 16	0.17 2	0.31 3	0.21 2	0.11 113	0.06 1	0.15 251	0.12 142	0.16 71	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-RAFT	0.46 48	0.48 91	1.88 25	0.32 95	0.16 22	0.61 167	0.19 13	0.66 87	0.62 98	0.28 19	0.30 20	0.41 92	0.33 117	0.51 79	0.32 82	0.11 113	1.09 354	0.09 16	0.35 344	0.19 137	0.37 166

MC-Stereo	0.58 130	0.37 51	2.00 44	0.88 351	0.64 321	0.54 77	0.19 13	0.46 10	0.39 3	0.58 176	0.39 55	0.27 40	0.27 65	0.71 145	0.32 82	0.09 11	1.20 360	0.09 16	0.16 217	0.22 178	1.92 386

RALAANet	0.52 86	1.37 322	2.63 220	0.33 116	0.23 113	0.48 37	0.19 13	0.69 95	0.55 65	0.49 87	0.46 82	0.39 79	0.31 107	0.53 90	0.53 171	0.10 48	0.33 269	0.11 96	0.17 230	0.29 258	0.13 14

Gwc-CoAtRS	0.41 21	0.37 51	2.06 57	0.28 37	0.41 253	0.48 37	0.19 13	0.64 82	0.49 32	0.45 57	0.39 55	0.57 181	0.26 52	0.37 28	0.28 45	0.09 11	0.19 214	0.09 16	0.31 320	0.11 18	0.25 101

DN-CSS_ROB	0.56 115	1.64 360	2.75 268	0.42 228	0.22 90	0.57 111	0.19 13	0.79 138	0.66 129	0.46 67	0.62 210	0.41 92	0.32 112	0.73 151	0.49 160	0.12 148	0.08 39	0.14 226	0.13 162	0.38 316	0.17 52

CAS++	0.34 6	0.39 60	1.90 28	0.25 6	0.18 49	0.32 6	0.20 23	0.78 130	0.44 17	0.31 26	0.31 26	0.21 8	0.16 1	0.34 16	0.20 1	0.15 239	0.13 157	0.13 196	0.10 73	0.15 61	0.14 26
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
Former-RAFT_DAM_RVC	0.52 86	0.51 104	1.12 1	0.26 17	0.22 90	0.46 24	0.20 23	1.10 345	1.33 376	3.13 413	0.33 34	0.22 9	0.20 16	0.34 16	0.26 35	0.11 113	0.09 84	0.11 96	0.09 39	0.17 93	0.21 75

MyStereo8	0.73 245	1.16 269	2.89 294	0.53 284	0.34 214	0.71 264	0.20 23	1.87 395	0.59 82	0.53 132	0.66 238	0.50 146	0.33 117	1.27 226	0.62 196	0.10 48	1.19 359	0.10 50	0.21 274	0.21 164	0.61 268

MSKI-zero shot	0.70 231	0.44 82	2.62 219	1.47 386	0.75 335	0.56 92	0.20 23	0.80 143	0.45 19	0.60 204	0.52 128	0.44 112	0.17 2	0.70 139	0.26 35	0.09 11	2.87 419	0.09 16	0.32 326	0.14 52	0.50 236

LoS	0.34 6	0.35 38	1.88 25	0.25 6	0.13 6	0.53 70	0.20 23	0.50 24	0.53 56	0.26 15	0.28 15	0.37 72	0.24 30	0.40 38	0.25 26	0.10 48	0.08 39	0.08 3	0.06 7	0.15 61	0.10 4

CES	0.33 5	0.32 15	1.46 3	0.25 6	0.50 279	0.40 15	0.20 23	0.48 12	0.48 29	0.22 3	0.29 17	0.26 33	0.19 9	0.35 25	0.22 5	0.09 11	0.07 6	0.08 3	0.05 1	0.16 71	0.54 251

Selective-IGEV	0.57 122	0.42 72	1.87 24	1.67 396	1.33 388	0.36 12	0.20 23	0.61 70	0.71 195	0.22 3	0.31 26	0.22 9	0.19 9	0.52 83	0.36 108	0.09 11	0.97 342	0.09 16	0.15 199	0.20 154	0.85 317

GLC_STEREO	0.31 1	0.30 5	1.80 12	0.29 49	0.12 3	0.41 16	0.20 23	0.39 2	0.42 9	0.26 15	0.31 26	0.25 26	0.19 9	0.36 27	0.26 35	0.09 11	0.11 129	0.12 139	0.10 73	0.13 36	0.15 33

iRaftStereo_RVC	0.47 51	0.84 197	1.91 31	0.29 49	0.15 15	0.53 70	0.20 23	0.58 58	0.50 39	0.37 31	0.43 68	0.42 96	0.23 28	0.38 30	0.28 45	0.09 11	0.70 329	0.12 139	0.11 112	0.43 339	0.77 302

RAFT-Stereo + iAFF	0.58 130	1.48 341	2.53 184	0.29 49	0.78 343	0.52 65	0.20 23	0.68 93	0.66 129	0.51 116	0.61 203	0.40 87	0.32 112	0.40 38	0.43 133	0.08 1	0.63 318	0.09 16	0.09 39	0.37 309	0.58 260

CFNet-RSSM	0.44 40	0.36 41	2.38 111	0.28 37	0.43 264	0.53 70	0.20 23	0.86 196	0.52 50	0.44 55	0.36 42	0.53 157	0.26 52	0.40 38	0.27 40	0.09 11	0.08 39	0.09 16	0.38 354	0.10 11	0.22 80

LargeStereo	0.74 248	0.70 159	2.05 56	1.11 371	1.09 375	0.32 6	0.21 34	0.75 114	0.43 13	0.30 25	0.30 20	0.22 9	0.27 65	0.98 187	0.31 73	0.10 48	2.50 415	0.08 3	0.15 199	0.27 239	2.70 412

11t1	0.60 151	0.49 93	2.19 81	0.35 148	0.58 300	0.48 37	0.21 34	0.72 109	0.73 206	0.49 87	0.47 87	0.35 68	0.34 124	0.61 114	0.71 221	0.12 148	1.26 368	0.10 50	0.29 309	0.16 71	1.22 355

test croco	0.43 28	0.73 170	2.80 277	0.28 37	0.19 66	0.33 9	0.21 34	0.63 80	0.50 39	0.24 9	0.38 52	0.24 22	0.25 44	0.48 63	0.32 82	0.12 148	0.08 39	0.13 196	0.09 39	0.43 339	0.13 14

AEACV	0.89 313	0.29 2	1.84 19	2.50 412	1.68 403	0.53 70	0.21 34	1.01 296	0.42 9	0.68 268	0.31 26	0.22 9	0.39 152	1.63 274	0.25 26	0.09 11	2.60 416	0.09 16	0.54 379	0.23 192	2.27 407

Any-RAFT	0.42 25	0.33 24	1.89 27	0.28 37	0.21 81	0.69 257	0.21 34	0.83 167	0.60 86	0.45 57	0.43 68	0.62 202	0.30 103	0.48 63	0.24 17	0.11 113	0.40 283	0.08 3	0.06 7	0.10 11	0.16 46

CroCo-Stereo Lap2	0.38 16	0.91 219	2.02 49	0.33 116	0.38 240	0.23 2	0.21 34	0.63 80	0.51 44	0.23 6	0.28 15	0.29 46	0.23 28	0.34 16	0.28 45	0.10 48	0.09 84	0.10 50	0.08 28	0.22 178	0.15 33

IIG-Stereo	0.65 195	0.87 202	2.32 102	0.55 291	0.23 113	0.62 189	0.21 34	0.78 130	0.71 195	0.64 242	0.69 248	0.69 248	0.38 141	2.07 333	1.37 314	0.11 113	0.08 39	0.11 96	0.09 39	0.15 61	0.27 113

CroCo-Stereo	0.35 9	0.71 162	1.67 9	0.32 95	0.17 39	0.19 1	0.21 34	0.79 138	0.54 60	0.22 3	0.25 11	0.55 170	0.22 22	0.28 1	0.28 45	0.10 48	0.08 39	0.08 3	0.07 13	0.12 26	0.10 4
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
raftrobust	0.52 86	1.14 261	2.15 74	0.33 116	0.99 363	0.53 70	0.21 34	0.59 65	0.50 39	0.53 132	0.36 42	0.31 53	0.33 117	0.47 54	0.42 127	0.10 48	0.55 305	0.09 16	0.08 28	0.22 178	0.46 222

AFF-stereo	0.57 122	1.51 343	2.59 206	0.33 116	0.23 113	0.51 50	0.21 34	0.69 95	0.68 165	0.49 87	0.63 218	0.49 142	0.34 124	0.50 78	0.37 111	0.08 1	0.54 303	0.10 50	0.10 73	0.40 329	0.60 267

MGS-Stereo	0.35 9	0.48 91	1.99 43	0.26 17	0.14 9	0.41 16	0.22 44	0.41 3	0.48 29	0.24 9	0.51 120	0.25 26	0.18 7	0.33 14	0.22 5	0.10 48	0.08 39	0.09 16	0.08 28	0.47 351	0.10 4

EKT-Stereo	1.56 384	0.55 118	2.60 211	2.54 413	19.66 428	0.55 87	0.22 44	0.76 117	0.51 44	0.40 38	0.36 42	0.43 97	0.27 65	0.74 154	0.42 127	0.13 191	0.17 204	0.11 96	0.16 217	0.20 154	0.50 236

PCWNet_CMD	0.48 58	0.50 99	2.23 88	0.27 25	0.20 72	0.56 92	0.22 44	0.78 130	0.67 141	0.49 87	0.55 154	0.68 237	0.56 258	0.48 63	0.32 82	0.11 113	0.10 107	0.14 226	0.10 73	0.19 137	0.43 202

LoS_RVC	0.34 6	0.38 56	1.96 40	0.27 25	0.35 222	0.43 19	0.22 44	0.43 6	0.34 1	0.24 9	0.34 36	0.23 16	0.28 77	0.34 16	0.22 5	0.08 1	0.07 6	0.07 1	0.05 1	0.10 11	0.35 159

anonymousdsp2	0.88 305	0.31 7	1.96 40	1.06 367	1.56 399	0.57 111	0.22 44	0.84 174	0.98 340	1.20 361	0.37 46	0.65 216	0.26 52	1.19 214	0.46 144	0.10 48	2.40 414	0.10 50	0.13 162	0.19 137	2.96 414

DCANet-4	0.43 28	0.32 15	2.31 100	0.26 17	0.14 9	0.51 50	0.22 44	0.84 174	0.78 247	0.55 147	0.48 93	0.28 42	0.37 134	0.40 38	0.37 111	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 202

fff	0.50 74	0.90 216	2.63 220	0.25 6	0.15 15	0.51 50	0.22 44	0.85 184	0.82 275	0.55 147	0.48 93	0.31 53	0.65 287	0.39 34	0.37 111	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 202

ADStereo(finetuned)	0.50 74	0.91 219	2.43 132	0.26 17	0.14 9	0.51 50	0.22 44	0.84 174	0.78 247	0.56 158	0.49 106	0.32 57	0.75 316	0.40 38	0.40 120	0.10 48	0.07 6	0.09 16	0.07 13	0.13 36	0.45 219

AnonymousM	0.45 43	0.49 93	1.83 16	0.29 49	0.15 15	0.53 70	0.22 44	0.64 82	0.66 129	0.47 69	0.33 34	0.30 47	0.25 44	0.49 73	0.29 54	0.12 148	0.27 260	0.71 386	0.37 350	0.12 26	0.41 193

CFNet_pseudo	0.47 51	0.50 99	2.19 81	0.26 17	0.20 72	0.56 92	0.22 44	0.80 143	0.62 98	0.50 105	0.56 166	0.68 237	0.47 224	0.53 90	0.33 91	0.11 113	0.10 107	0.15 251	0.10 73	0.18 113	0.33 146

sCroCo_RVC	0.37 14	0.39 60	2.38 111	0.35 148	0.27 153	0.31 5	0.22 44	0.49 15	0.48 29	0.23 6	0.34 36	0.25 26	0.24 30	0.35 25	0.25 26	0.15 239	0.17 204	0.12 139	0.11 112	0.15 61	0.15 33

HCRNet	0.50 74	0.75 183	2.08 60	0.39 203	0.29 169	0.58 118	0.22 44	0.79 138	0.67 141	0.49 87	0.49 106	0.48 140	0.37 134	1.13 206	0.40 120	0.15 239	0.10 107	0.15 251	0.13 162	0.21 164	0.19 63

DCANet	0.49 70	0.91 219	2.63 220	0.26 17	0.14 9	0.51 50	0.22 44	0.84 174	0.78 247	0.56 158	0.49 106	0.32 57	0.41 169	0.39 34	0.41 123	0.10 48	0.07 6	0.09 16	0.07 13	0.14 52	0.45 219

csc	0.50 74	0.90 216	2.63 220	0.25 6	0.15 15	0.51 50	0.22 44	0.85 184	0.82 275	0.55 147	0.48 93	0.31 53	0.65 287	0.39 34	0.37 111	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 202

cscssc	0.50 74	0.90 216	2.63 220	0.25 6	0.15 15	0.51 50	0.22 44	0.85 184	0.82 275	0.55 147	0.48 93	0.31 53	0.65 287	0.39 34	0.37 111	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 202

GMStereo	0.44 40	1.32 305	2.65 230	0.28 37	0.16 22	0.42 18	0.22 44	0.48 12	0.63 109	0.41 39	0.36 42	0.26 33	0.25 44	0.41 44	0.30 59	0.14 221	0.08 39	0.10 50	0.12 142	0.17 93	0.13 14
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FENet	0.48 58	0.58 123	2.46 163	0.33 116	0.18 49	0.58 118	0.22 44	0.83 167	0.64 115	0.49 87	0.42 66	0.55 170	0.38 141	0.52 83	0.51 166	0.12 148	0.09 84	0.12 139	0.11 112	0.17 93	0.31 141

MSMDNet	0.48 58	0.50 99	2.23 88	0.27 25	0.20 72	0.56 92	0.22 44	0.78 130	0.67 141	0.49 87	0.55 154	0.68 237	0.56 258	0.48 63	0.32 82	0.11 113	0.10 107	0.13 196	0.10 73	0.18 113	0.43 202

ccs_rob	0.47 51	0.50 99	2.19 81	0.26 17	0.20 72	0.56 92	0.22 44	0.80 143	0.62 98	0.50 105	0.56 166	0.68 237	0.47 224	0.53 90	0.33 91	0.11 113	0.10 107	0.16 267	0.10 73	0.18 113	0.33 146

iResNet_ROB	0.60 151	1.59 352	2.04 53	0.32 95	0.21 81	0.60 149	0.22 44	0.99 282	0.85 295	0.61 211	0.63 218	0.58 185	0.42 180	1.08 197	0.98 270	0.11 113	0.08 39	0.09 16	0.06 7	0.23 192	0.33 146

AE-Stereo	0.71 235	0.32 15	2.44 140	0.44 242	0.50 279	0.58 118	0.23 64	1.08 340	0.67 141	0.67 262	0.51 120	0.47 133	0.24 30	0.63 118	0.32 82	0.09 11	2.15 406	0.11 96	0.45 366	0.22 178	2.01 388

ff7	0.65 195	0.58 123	2.09 61	0.39 203	0.60 306	0.56 92	0.23 64	0.49 15	0.62 98	1.00 337	0.24 6	0.20 2	0.24 30	0.71 145	0.24 17	0.09 11	2.09 397	0.10 50	0.18 238	0.24 198	2.22 402

IGEVStereo-DCA	0.74 248	0.74 179	2.09 61	0.76 339	0.77 340	0.45 21	0.23 64	0.49 15	0.62 98	0.71 285	0.22 2	0.30 47	0.28 77	1.29 228	1.53 325	0.10 48	1.50 383	0.10 50	0.18 238	0.24 198	2.22 402

ffff	0.65 195	0.58 123	2.09 61	0.39 203	0.60 306	0.56 92	0.23 64	0.49 15	0.62 98	1.00 337	0.24 6	0.20 2	0.24 30	0.71 145	0.24 17	0.09 11	2.09 397	0.10 50	0.18 238	0.24 198	2.22 402

11t	0.65 195	0.58 123	2.09 61	0.39 203	0.60 306	0.56 92	0.23 64	0.49 15	0.62 98	1.00 337	0.24 6	0.20 2	0.24 30	0.71 145	0.24 17	0.09 11	2.09 397	0.10 50	0.18 238	0.24 198	2.22 402

CFNet_ucs	0.50 74	0.55 118	2.28 94	0.27 25	0.22 90	0.58 118	0.23 64	0.90 226	0.69 173	0.54 136	0.64 225	0.68 237	0.44 201	0.55 96	0.34 99	0.14 221	0.12 144	0.16 267	0.11 112	0.19 137	0.38 174

HH	0.79 272	0.52 106	2.72 259	1.45 384	0.80 344	0.91 332	0.23 64	0.76 117	0.76 236	0.64 242	0.55 154	0.87 310	0.41 169	0.94 184	0.45 140	0.09 11	1.20 360	0.10 50	0.09 39	0.16 71	2.16 395

HanStereo	0.79 272	0.52 106	2.72 259	1.45 384	0.80 344	0.91 332	0.23 64	0.76 117	0.76 236	0.64 242	0.55 154	0.87 310	0.41 169	0.94 184	0.45 140	0.09 11	1.20 360	0.10 50	0.09 39	0.16 71	2.16 395

CAS	0.39 18	0.31 7	1.79 11	0.81 348	0.34 214	0.51 50	0.23 64	0.49 15	0.42 9	0.23 6	0.31 26	0.20 2	0.17 2	0.30 2	0.25 26	0.77 382	0.06 1	0.07 1	0.05 1	0.10 11	0.41 193

anonymousdsp	0.86 298	0.59 129	2.65 230	1.33 378	1.25 385	0.56 92	0.23 64	0.54 41	0.71 195	1.13 351	0.25 11	0.22 9	0.24 30	1.24 220	0.24 17	0.09 11	2.34 412	0.10 50	0.18 238	0.25 213	3.12 417

RCA-Stereo	0.45 43	0.38 56	1.80 12	0.27 25	0.25 128	0.58 118	0.23 64	0.84 174	0.66 129	0.42 43	0.44 79	0.28 42	0.35 126	0.31 3	0.21 2	0.09 11	1.01 345	0.09 16	0.07 13	0.21 164	0.53 248

ccc-4	0.65 195	0.58 123	2.09 61	0.39 203	0.60 306	0.56 92	0.23 64	0.49 15	0.62 98	1.00 337	0.24 6	0.20 2	0.24 30	0.71 145	0.24 17	0.09 11	2.09 397	0.10 50	0.18 238	0.24 198	2.22 402

BUS	0.45 43	0.32 15	1.58 4	0.31 77	0.22 90	0.91 332	0.23 64	1.05 322	0.67 141	0.64 242	0.53 131	0.65 216	0.32 112	0.48 63	0.34 99	0.13 191	0.10 107	0.14 226	0.12 142	0.13 36	0.15 33

NINENet	0.54 103	0.40 65	2.19 81	0.55 291	0.26 142	0.91 332	0.23 64	1.05 322	0.77 244	0.54 136	0.57 177	0.65 216	0.32 112	1.22 216	0.34 99	0.16 254	0.13 157	0.16 267	0.11 112	0.16 71	0.14 26

IGEV-Stereo	0.86 298	0.60 130	2.65 230	1.35 380	1.25 385	0.56 92	0.23 64	0.54 41	0.71 195	1.14 352	0.25 11	0.22 9	0.24 30	1.24 220	0.24 17	0.09 11	2.34 412	0.10 50	0.18 238	0.25 213	3.13 418
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
UDGNet	0.50 74	1.36 318	2.44 140	0.37 172	0.19 66	0.58 118	0.23 64	0.49 15	0.69 173	0.42 43	0.39 55	0.34 65	0.29 93	0.55 96	0.32 82	0.25 337	0.10 107	0.37 364	0.19 254	0.30 264	0.17 52

test-3	0.58 130	0.43 78	2.44 140	0.52 280	0.59 301	0.46 24	0.23 64	0.77 123	0.49 32	0.52 124	0.29 17	0.44 112	0.22 22	0.59 106	0.97 264	0.08 1	1.27 369	0.10 50	0.35 344	0.29 258	0.62 270

test_1	0.58 130	0.43 78	2.44 140	0.52 280	0.59 301	0.46 24	0.23 64	0.77 123	0.49 32	0.51 116	0.29 17	0.44 112	0.22 22	0.59 106	0.97 264	0.08 1	1.27 369	0.10 50	0.35 344	0.29 258	0.63 274

TRStereo	0.89 313	1.02 235	2.91 297	4.59 420	0.31 188	0.93 336	0.23 64	1.93 398	0.66 129	0.37 31	0.54 145	0.48 140	0.40 158	0.67 132	0.29 54	0.13 191	0.37 273	0.11 96	0.48 370	0.13 36	1.21 353

CFNet	0.65 195	1.45 336	2.27 92	0.34 133	0.25 128	0.64 214	0.23 64	0.93 243	0.79 256	0.48 71	0.59 188	0.58 185	0.40 158	2.28 347	0.63 201	0.13 191	0.09 84	0.15 251	0.14 180	0.34 287	0.26 107

HITNet	0.55 107	1.28 300	2.73 264	0.35 148	0.14 9	0.56 92	0.23 64	0.89 218	0.62 98	0.52 124	0.51 120	0.49 142	0.38 141	0.52 83	0.60 188	0.09 11	0.07 6	0.10 50	0.08 28	0.25 213	0.61 268
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
MLCV	0.59 145	1.41 327	2.41 123	0.31 77	0.15 15	0.60 149	0.23 64	0.77 123	0.63 109	0.67 262	0.66 238	0.55 170	0.37 134	1.16 210	1.09 283	0.10 48	0.07 6	0.09 16	0.07 13	0.21 164	0.29 125

SMFormer	0.64 190	0.54 111	1.92 32	0.32 95	0.16 22	0.46 24	0.24 86	0.94 248	0.85 295	0.58 176	0.70 261	0.51 149	0.41 169	1.89 318	0.86 256	0.13 191	1.01 345	0.11 96	0.26 295	0.17 93	0.84 313

tta	0.63 183	0.54 111	1.92 32	0.32 95	0.16 22	0.46 24	0.24 86	0.94 248	0.85 295	0.58 176	0.70 261	0.51 149	0.41 169	1.89 318	0.86 256	0.13 191	1.01 345	0.11 96	0.26 295	0.19 137	0.59 263

qqq1	0.62 171	0.54 111	1.92 32	0.32 95	0.16 22	0.46 24	0.24 86	0.94 248	0.85 295	0.58 176	0.70 261	0.51 149	0.41 169	1.89 318	0.64 202	0.13 191	1.01 345	0.09 16	0.24 283	0.19 137	0.59 263

fff1	0.62 171	0.54 111	1.92 32	0.32 95	0.16 22	0.46 24	0.24 86	0.94 248	0.85 295	0.58 176	0.70 261	0.51 149	0.41 169	1.89 318	0.64 202	0.13 191	1.01 345	0.09 16	0.24 283	0.19 137	0.59 263

ACVNet-DCA	0.67 215	0.73 170	2.43 132	0.67 327	0.52 283	0.76 284	0.24 86	0.81 150	0.83 281	0.77 300	0.39 55	0.25 26	0.38 141	0.70 139	0.22 5	0.10 48	2.13 402	0.11 96	0.09 39	0.16 71	1.18 347

xx1	0.71 235	0.73 170	2.43 132	0.67 327	0.52 283	0.76 284	0.24 86	0.85 184	1.05 351	0.77 300	0.39 55	0.46 128	0.37 134	0.70 139	0.22 5	0.10 48	2.13 402	0.12 139	0.41 362	0.16 71	1.18 347

1test111	0.72 243	0.73 170	2.43 132	0.67 327	0.52 283	0.76 284	0.24 86	0.81 150	0.83 281	0.77 300	0.39 55	0.25 26	0.38 141	1.03 192	0.75 229	0.10 48	2.13 402	0.11 96	0.09 39	0.16 71	1.18 347

cc1	0.74 248	0.73 170	2.43 132	0.67 327	0.52 283	0.76 284	0.24 86	0.85 184	1.05 351	0.77 300	0.39 55	0.25 26	0.38 141	0.70 139	0.22 5	0.10 48	2.13 402	0.11 96	0.09 39	0.25 213	2.20 401

tt1	0.74 248	0.73 170	2.34 105	0.67 327	0.63 316	0.75 280	0.24 86	0.85 184	0.96 333	0.81 312	0.38 52	0.26 33	0.35 126	0.64 122	0.22 5	0.10 48	2.16 407	0.11 96	0.09 39	0.25 213	2.19 397

whm_eth	0.51 84	0.86 201	2.79 275	0.31 77	0.31 188	0.49 42	0.24 86	0.78 130	0.75 228	0.48 71	0.86 315	0.26 33	0.26 52	0.38 30	0.29 54	0.13 191	0.11 129	0.13 196	0.12 142	0.14 52	0.44 214

SDNR	2.06 396	2.93 417	2.94 301	1.55 391	5.13 418	1.98 396	0.24 86	1.95 399	2.62 402	0.92 330	2.71 401	5.76 414	0.68 297	3.61 405	3.84 396	0.33 357	0.38 277	0.22 321	0.17 230	1.13 388	2.04 390

CASS	0.43 28	0.34 31	2.01 46	0.33 116	0.17 39	0.54 77	0.24 86	0.71 108	0.52 50	0.62 223	0.55 154	0.40 87	0.41 169	0.43 48	0.33 91	0.17 273	0.10 107	0.14 226	0.11 112	0.18 113	0.23 88
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.37 14	0.34 31	1.83 16	0.25 6	0.18 49	0.45 21	0.24 86	0.60 68	0.40 4	0.42 43	0.39 55	0.54 162	0.25 44	0.41 44	0.29 54	0.12 148	0.08 39	0.12 139	0.07 13	0.13 36	0.20 71

x	0.65 195	0.62 139	2.12 69	0.36 162	0.61 313	0.48 37	0.24 86	0.80 143	0.89 312	0.50 105	0.56 166	0.44 112	0.36 129	0.62 117	0.80 243	0.11 113	1.44 382	0.11 96	0.39 357	0.16 71	1.34 365

ASMatch	0.61 158	0.47 88	2.72 259	0.91 356	0.36 228	0.56 92	0.24 86	0.54 41	0.67 141	0.48 71	1.20 354	0.47 133	0.65 287	1.33 232	0.93 261	0.10 48	0.08 39	0.11 96	0.11 112	0.10 11	0.17 52

s12784h	0.41 21	0.34 31	2.17 77	0.24 5	0.11 1	0.64 214	0.24 86	0.85 184	0.70 183	0.45 57	0.54 145	0.28 42	0.27 65	0.51 79	0.27 40	0.11 113	0.06 1	0.09 16	0.06 7	0.16 71	0.14 26

222	1.02 337	0.60 130	1.95 37	0.29 49	0.51 281	0.62 189	0.24 86	1.09 342	0.86 301	0.64 242	0.67 241	0.47 133	0.42 180	1.86 313	6.73 415	0.13 191	1.21 363	0.11 96	0.32 326	0.17 93	1.44 372

xxxx	0.97 330	0.64 143	2.14 73	0.30 63	0.67 325	0.64 214	0.24 86	1.09 342	0.91 317	0.57 170	0.65 232	0.58 185	0.39 152	1.57 264	5.49 412	0.13 191	1.38 378	0.11 96	0.32 326	0.17 93	1.41 370

PMTNet	0.35 9	0.38 56	1.75 10	0.21 3	0.14 9	0.57 111	0.24 86	0.48 12	0.44 17	0.28 19	0.32 33	0.26 33	0.24 30	0.41 44	0.24 17	0.42 364	0.07 6	0.08 3	0.05 1	0.18 113	0.15 33

ProNet	0.46 48	0.60 130	1.85 21	0.35 148	0.67 325	0.49 42	0.25 105	0.53 32	0.57 72	0.21 1	0.24 6	0.22 9	0.20 16	0.52 83	0.22 5	0.09 11	0.47 293	0.10 50	0.09 39	0.23 192	1.33 363

raft_robust	0.68 220	1.24 292	2.42 127	0.30 63	0.57 296	0.53 70	0.25 105	0.95 261	0.79 256	0.49 87	0.46 82	1.12 363	0.74 312	1.50 253	0.61 193	0.09 11	0.62 317	0.10 50	0.30 315	0.26 228	0.30 133

AACVNet	0.61 158	1.13 260	2.47 168	0.37 172	0.21 81	0.57 111	0.25 105	0.75 114	0.55 65	0.56 158	0.60 195	0.66 223	0.44 201	2.11 339	0.49 160	0.14 221	0.11 129	0.14 226	0.11 112	0.35 298	0.23 88

GANet-ADL	0.48 58	0.56 120	2.51 180	0.34 133	0.20 72	0.58 118	0.25 105	0.80 143	0.57 72	0.43 49	0.61 203	0.56 177	0.31 107	0.44 51	0.44 136	0.14 221	0.11 129	0.10 50	0.09 39	0.22 178	0.38 174

rafts_anoy	0.60 151	1.33 309	2.59 206	0.53 284	1.09 375	0.49 42	0.25 105	0.67 90	0.53 56	0.41 39	0.38 52	0.33 61	0.30 103	0.68 136	0.41 123	0.10 48	1.13 357	0.13 196	0.15 199	0.20 154	0.29 125

TestStereo	0.49 70	0.88 206	2.38 111	0.30 63	0.16 22	0.43 19	0.25 105	0.55 49	0.46 20	0.38 34	0.46 82	0.34 65	0.28 77	1.96 327	0.28 45	0.11 113	0.08 39	0.12 139	0.09 39	0.15 61	0.13 14

raft+_RVC	0.62 171	1.18 275	2.43 132	0.36 162	2.08 409	0.52 65	0.25 105	0.66 87	0.54 60	0.36 29	0.46 82	0.32 57	0.28 77	0.49 73	0.43 133	0.10 48	0.91 340	0.10 50	0.09 39	0.22 178	0.70 295

pcwnet_v2	0.65 195	0.54 111	4.29 393	0.33 116	0.27 153	0.60 149	0.25 105	1.02 302	0.92 319	0.61 211	0.69 248	0.62 202	0.54 251	0.67 132	0.38 117	0.18 284	0.15 185	0.15 251	0.14 180	0.21 164	0.49 234

FADNet_RVC	0.87 304	1.51 343	2.90 296	0.31 77	0.24 122	0.71 264	0.25 105	1.00 288	0.65 122	0.45 57	0.57 177	0.61 197	0.44 201	1.53 255	0.75 229	0.94 387	0.97 342	0.28 343	1.00 406	0.89 384	1.36 368

BEATNet_4x	0.57 122	1.16 269	2.56 199	0.35 148	0.16 22	0.56 92	0.25 105	0.91 233	0.64 115	0.55 147	0.53 131	0.59 188	0.43 193	0.67 132	0.76 232	0.12 148	0.09 84	0.12 139	0.09 39	0.23 192	0.58 260

R-Stereo Train	0.42 25	0.31 7	2.51 180	0.30 63	0.18 49	0.56 92	0.25 105	0.82 157	0.41 5	0.57 170	0.67 241	0.33 61	0.24 30	0.34 16	0.33 91	0.10 48	0.08 39	0.09 16	0.07 13	0.09 5	0.18 59

RAFT-Stereo	0.42 25	0.31 7	2.51 180	0.30 63	0.18 49	0.56 92	0.25 105	0.82 157	0.41 5	0.57 170	0.67 241	0.33 61	0.24 30	0.34 16	0.33 91	0.10 48	0.08 39	0.09 16	0.07 13	0.09 5	0.18 59
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
StereoVision	0.52 86	1.12 258	2.70 256	0.34 133	0.32 199	0.47 34	0.26 117	0.73 110	0.61 89	0.33 27	0.89 321	0.45 124	0.26 52	0.52 83	0.39 119	0.14 221	0.15 185	0.16 267	0.15 199	0.22 178	0.14 26

4D-IteraStereo	0.62 171	1.29 302	3.04 313	0.27 25	0.30 180	0.46 24	0.26 117	0.54 41	0.51 44	0.41 39	0.31 26	0.39 79	0.19 9	0.53 90	0.65 207	0.09 11	0.47 293	0.12 139	0.11 112	0.21 164	2.14 394

DCRE	0.76 262	0.80 194	2.31 100	1.05 366	1.18 381	0.63 202	0.26 117	1.03 308	0.59 82	0.52 124	2.12 384	0.44 112	0.27 65	0.41 44	0.53 171	0.09 11	1.02 350	0.10 50	0.32 326	0.16 71	1.47 374

anonymousa	0.74 248	0.60 130	2.58 204	0.96 360	1.33 388	0.61 167	0.26 117	0.69 95	0.56 69	0.55 147	0.84 307	0.82 292	0.46 216	0.56 99	0.61 193	0.10 48	1.11 356	0.12 139	0.98 405	0.14 52	0.97 336

dd	0.48 58	1.32 305	2.41 123	0.31 77	0.17 39	0.58 118	0.26 117	0.50 24	0.71 195	0.42 43	0.41 64	0.34 65	0.28 77	0.47 54	0.41 123	0.18 284	0.10 107	0.13 196	0.12 142	0.22 178	0.16 46

dad	0.58 130	1.35 314	2.39 117	0.31 77	0.20 72	0.62 189	0.26 117	0.56 51	0.79 256	0.66 260	0.64 225	0.64 212	0.36 129	0.87 175	0.48 151	0.28 347	0.15 185	0.40 367	0.18 238	0.24 198	0.22 80

Patchmatch Stereo++	0.43 28	0.36 41	2.44 140	0.48 260	0.17 39	0.61 167	0.26 117	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.56 99	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 93	0.13 14
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
OMP-Stereo	0.64 190	0.87 202	2.38 111	0.56 300	0.37 234	0.60 149	0.26 117	0.75 114	0.71 195	0.65 254	0.60 195	0.68 237	0.32 112	2.07 333	1.18 292	0.11 113	0.08 39	0.12 139	0.09 39	0.17 93	0.28 119

ROB_FTStereo	0.43 28	0.36 41	2.44 140	0.48 260	0.18 49	0.61 167	0.26 117	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.51 79	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 93	0.13 14

iRAFT	0.43 28	0.36 41	2.44 140	0.48 260	0.17 39	0.61 167	0.26 117	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.56 99	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 93	0.13 14

RALCasStereoNet	0.65 195	1.34 311	2.56 199	0.43 238	0.96 359	0.50 48	0.26 117	0.62 74	0.56 69	0.43 49	0.49 106	0.36 69	0.28 77	0.72 150	0.53 171	0.10 48	1.18 358	0.09 16	0.08 28	0.27 239	1.27 358

111	0.57 122	1.41 327	2.63 220	0.25 6	0.15 15	0.59 136	0.26 117	0.90 226	0.83 281	0.50 105	0.54 145	0.57 181	0.38 141	0.54 95	0.41 123	0.10 48	0.07 6	0.09 16	0.07 13	0.24 198	0.81 311

DMCA	0.50 74	0.83 196	1.95 37	0.32 95	0.24 122	0.59 136	0.26 117	0.81 150	0.68 165	0.59 195	0.49 106	0.56 177	0.36 129	0.65 126	0.65 207	0.14 221	0.10 107	0.14 226	0.10 73	0.19 137	0.29 125

StereoDRNet-Refined	0.55 107	0.61 135	2.07 58	0.34 133	0.21 81	0.68 254	0.26 117	0.87 203	0.73 206	0.70 276	0.69 248	0.74 264	0.45 209	1.10 199	0.62 196	0.12 148	0.09 84	0.14 226	0.14 180	0.27 239	0.24 97
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
mmm	0.66 212	0.53 109	1.83 16	0.38 190	0.86 349	0.49 42	0.27 131	0.82 157	0.83 281	0.59 195	0.69 248	0.47 133	0.38 141	0.81 170	0.73 226	0.12 148	1.37 377	0.14 226	0.45 366	0.18 113	1.35 366

qqq	0.65 195	0.63 141	2.10 67	0.30 63	0.64 321	0.46 24	0.27 131	0.81 150	0.83 281	0.48 71	0.56 166	0.46 128	0.37 134	1.03 192	0.75 229	0.11 113	1.41 381	0.12 139	0.41 362	0.16 71	1.18 347

IER	0.49 70	0.73 170	2.12 69	0.27 25	0.25 128	0.65 228	0.27 131	0.76 117	0.59 82	0.56 158	0.59 188	0.60 195	0.53 249	0.64 122	0.44 136	0.12 148	0.09 84	0.11 96	0.11 112	0.18 113	0.15 33

PSMNet-ADL	0.56 115	0.47 88	2.03 50	0.35 148	0.22 90	0.67 248	0.27 131	0.77 123	0.58 78	0.43 49	0.53 131	0.70 254	0.45 209	1.89 318	0.64 202	0.16 254	0.13 157	0.11 96	0.13 162	0.15 61	0.51 240

HUI-Stereo	0.43 28	0.36 41	2.45 156	0.48 260	0.18 49	0.61 167	0.27 131	0.53 32	0.61 89	0.48 71	0.43 68	0.44 112	0.28 77	0.47 54	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 93	0.13 14

PFNet	0.62 171	0.42 72	2.69 252	0.43 238	0.55 291	0.62 189	0.27 131	0.64 82	0.72 202	0.61 211	0.56 166	0.45 124	0.33 117	1.86 313	1.12 286	0.28 347	0.09 84	0.12 139	0.16 217	0.26 228	0.27 113

iGMRVC	0.43 28	0.36 41	2.44 140	0.48 260	0.18 49	0.61 167	0.27 131	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.57 102	0.31 73	0.12 148	0.08 39	0.12 139	0.10 73	0.17 93	0.13 14

UNet	0.56 115	0.58 123	2.81 281	0.32 95	0.33 205	0.74 278	0.27 131	0.86 196	0.67 141	0.55 147	0.55 154	0.72 257	0.55 256	0.79 163	0.58 184	0.12 148	0.09 84	0.13 196	0.11 112	0.20 154	0.19 63

rrr	0.84 287	0.74 179	3.40 347	0.76 339	0.77 340	0.45 21	0.28 139	1.23 367	0.84 293	0.71 285	0.22 2	0.30 47	0.28 77	1.29 228	1.53 325	0.10 48	1.50 383	0.10 50	0.29 309	0.24 198	1.75 383

DualNet	0.97 330	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	0.85 184	0.96 333	0.54 136	0.74 282	0.67 225	0.40 158	0.64 122	3.86 397	0.10 48	2.16 407	0.15 251	0.33 336	0.25 213	2.19 397

ffm	0.78 269	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	0.85 184	0.96 333	0.54 136	0.74 282	0.67 225	0.40 158	0.64 122	0.22 5	0.10 48	2.16 407	0.15 251	0.33 336	0.25 213	2.19 397

ff1	1.07 346	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	0.85 184	0.96 333	0.54 136	0.74 282	0.67 225	0.40 158	2.75 385	3.86 397	0.10 48	2.16 407	0.15 251	0.33 336	0.25 213	2.19 397

mmx	0.99 334	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	1.05 322	0.92 319	0.54 136	0.74 282	0.67 225	0.40 158	2.75 385	3.86 397	0.13 191	1.25 365	0.15 251	0.33 336	0.19 137	1.28 360

ttt	0.89 313	0.51 104	2.51 180	0.36 162	0.31 188	0.61 167	0.28 139	1.07 337	0.92 319	0.56 158	0.77 296	0.55 170	0.37 134	2.27 346	3.51 391	0.16 254	1.21 363	0.13 196	0.31 320	0.18 113	1.26 357

xxx	0.99 334	0.67 147	3.39 342	0.32 95	0.22 90	0.58 118	0.28 139	1.05 322	0.92 319	0.54 136	0.74 282	0.67 225	0.40 158	2.75 385	3.86 397	0.13 191	1.25 365	0.15 251	0.33 336	0.19 137	1.28 360

LL-Strereo2	0.62 171	1.36 318	2.47 168	1.37 381	0.96 359	0.54 77	0.28 139	0.61 70	0.49 32	0.42 43	0.34 36	0.44 112	0.21 18	0.57 102	0.53 171	0.11 113	0.26 254	0.16 267	0.14 180	0.18 113	0.98 338

test_4	0.47 51	0.80 194	2.15 74	0.36 162	0.29 169	0.59 136	0.28 139	0.50 24	0.42 9	0.43 49	0.76 292	0.39 79	0.22 22	0.73 151	0.49 160	0.08 1	0.18 210	0.11 96	0.15 199	0.29 258	0.27 113

iRaft-Stereo_5w	0.65 195	1.35 314	2.21 86	0.30 63	0.63 316	0.49 42	0.28 139	0.78 130	0.64 115	0.41 39	0.61 203	0.62 202	0.46 216	1.79 300	0.48 151	0.10 48	0.25 251	0.11 96	0.12 142	0.40 329	0.94 328

TransformOpticalFlow	0.65 195	0.61 135	2.67 241	0.45 249	0.26 142	0.62 189	0.28 139	0.88 211	0.76 236	0.76 298	0.74 282	0.90 318	0.84 326	1.82 306	0.80 243	0.10 48	0.07 6	0.11 96	0.09 39	0.12 26	0.19 63

PSM-adaLoss	0.43 28	0.36 41	2.44 140	0.48 260	0.18 49	0.61 167	0.28 139	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.49 73	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 93	0.13 14

ROB_FTStereo_v2	0.43 28	0.36 41	2.44 140	0.49 271	0.17 39	0.61 167	0.28 139	0.53 32	0.61 89	0.48 71	0.43 68	0.44 112	0.28 77	0.48 63	0.30 59	0.12 148	0.08 39	0.12 139	0.10 73	0.17 93	0.13 14

test-1	0.61 158	0.54 111	2.09 61	0.31 77	1.37 390	0.51 50	0.28 139	0.83 167	0.50 39	0.42 43	0.55 154	0.54 162	0.24 30	0.38 30	1.25 303	0.10 48	1.08 353	0.10 50	0.17 230	0.11 18	0.77 302

RAFT-IKP	0.43 28	0.36 41	2.44 140	0.48 260	0.16 22	0.60 149	0.28 139	0.53 32	0.61 89	0.48 71	0.43 68	0.43 97	0.28 77	0.51 79	0.31 73	0.12 148	0.08 39	0.12 139	0.10 73	0.17 93	0.13 14

sAnonymous2	0.45 43	0.88 206	2.97 304	0.31 77	0.25 128	0.34 10	0.28 139	0.56 51	0.49 32	0.25 12	0.30 20	0.23 16	0.29 93	0.31 3	0.22 5	0.12 148	0.09 84	0.12 139	0.13 162	0.38 316	0.43 202

CroCo_RVC	0.45 43	0.88 206	2.97 304	0.31 77	0.25 128	0.34 10	0.28 139	0.56 51	0.49 32	0.25 12	0.30 20	0.23 16	0.29 93	0.31 3	0.22 5	0.12 148	0.09 84	0.12 139	0.13 162	0.38 316	0.43 202

test_xeample	0.98 332	0.65 145	2.12 69	0.29 49	0.67 325	0.60 149	0.28 139	1.08 340	0.85 295	0.62 223	0.70 261	0.44 112	0.41 169	1.95 326	5.45 411	0.12 148	1.33 376	0.11 96	0.31 320	0.18 113	1.42 371

MMNet	0.55 107	0.92 224	2.03 50	0.34 133	0.27 153	0.79 303	0.28 139	0.86 196	0.79 256	0.62 223	0.58 183	0.59 188	0.56 258	0.80 167	0.61 193	0.11 113	0.11 129	0.12 139	0.11 112	0.21 164	0.22 80

cf-r	0.62 171	1.27 298	2.99 309	0.34 133	0.28 164	0.60 149	0.28 139	0.82 157	0.70 183	0.55 147	0.61 203	0.77 274	0.41 169	1.32 231	0.52 168	0.13 191	0.09 84	0.11 96	0.12 142	0.22 178	0.27 113

PSMNet-RSSM	0.61 158	1.19 278	2.43 132	0.33 116	0.25 128	0.59 136	0.28 139	0.88 211	0.65 122	0.54 136	0.62 210	0.69 248	0.46 216	1.67 281	0.50 163	0.15 239	0.10 107	0.14 226	0.16 217	0.20 154	0.28 119

CFNet-ft	0.60 151	1.16 269	2.45 156	0.29 49	0.30 180	0.64 214	0.28 139	0.69 95	0.57 72	0.49 87	0.57 177	0.79 280	0.44 201	1.48 250	0.62 196	0.15 239	0.10 107	0.28 343	0.14 180	0.21 164	0.29 125

CFNet_RVC	0.60 151	1.16 269	2.45 156	0.29 49	0.30 180	0.64 214	0.28 139	0.69 95	0.57 72	0.49 87	0.57 177	0.79 280	0.44 201	1.48 250	0.62 196	0.15 239	0.10 107	0.28 343	0.14 180	0.21 164	0.29 125

NLCA_NET_v2_RVC	0.62 171	1.15 267	3.11 319	0.39 203	0.37 234	0.60 149	0.28 139	0.87 203	0.64 115	0.63 232	0.56 166	0.71 256	0.45 209	1.08 197	0.52 168	0.15 239	0.12 144	0.14 226	0.15 199	0.18 113	0.25 101
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
UCFNet_RVC	0.55 107	1.16 269	2.48 173	0.31 77	0.27 153	0.65 228	0.28 139	0.76 117	0.58 78	0.51 116	0.53 131	0.67 225	0.42 180	0.91 181	0.45 140	0.16 254	0.11 129	0.17 281	0.17 230	0.20 154	0.23 88

DispNO	0.76 262	1.36 318	3.15 322	0.32 95	0.27 153	0.59 136	0.29 164	0.88 211	0.72 202	0.55 147	0.79 302	0.83 297	0.47 224	2.46 363	1.23 300	0.12 148	0.10 107	0.18 297	0.31 320	0.20 154	0.25 101

RAFT_CTSACE	0.58 130	1.16 269	2.76 271	0.36 162	0.29 169	0.54 77	0.29 164	0.69 95	0.51 44	0.51 116	0.75 289	0.67 225	0.37 134	0.63 118	0.47 147	0.08 1	0.49 297	0.11 96	0.10 73	0.41 335	0.32 143

GwcNet-ADL	0.54 103	0.78 189	2.85 289	0.31 77	0.20 72	0.58 118	0.29 164	0.93 243	0.67 141	0.48 71	0.47 87	0.56 177	0.33 117	0.48 63	0.80 243	0.13 191	0.12 144	0.09 16	0.09 39	0.14 52	0.40 186

LCNet	0.58 130	0.43 78	2.42 127	0.91 356	0.22 90	0.95 340	0.29 164	0.62 74	0.64 115	0.52 124	0.55 154	0.41 92	0.75 316	0.84 172	0.27 40	0.10 48	0.07 6	0.12 139	0.18 238	0.97 387	0.40 186

acv_ft	0.57 122	0.87 202	2.45 156	0.33 116	0.41 253	0.63 202	0.29 164	0.86 196	0.73 206	0.64 242	0.59 188	0.69 248	0.45 209	0.47 54	0.68 214	0.11 113	0.10 107	0.10 50	0.09 39	0.43 339	0.39 181

GANet-RSSM	0.63 183	1.14 261	2.67 241	0.38 190	0.26 142	0.59 136	0.29 164	0.81 150	0.56 69	0.50 105	0.57 177	0.67 225	0.50 235	1.91 324	0.50 163	0.14 221	0.10 107	0.24 333	0.12 142	0.36 303	0.28 119

FADNet-RVC	0.69 226	1.65 361	2.74 266	0.35 148	0.26 142	0.60 149	0.29 164	0.91 233	0.67 141	0.46 67	0.51 120	0.62 202	0.46 216	1.75 290	0.81 247	0.17 273	0.20 226	0.17 281	0.18 238	0.60 366	0.39 181

FADNet	0.71 235	1.60 356	2.53 184	0.33 116	0.30 180	0.67 248	0.29 164	0.92 240	0.75 228	0.45 57	0.49 106	0.66 223	0.57 263	1.85 311	0.85 254	0.46 371	0.20 226	0.17 281	0.20 263	0.60 366	0.37 166

AdaStereo	0.48 58	0.44 82	2.18 79	0.36 162	0.20 72	0.59 136	0.29 164	0.97 271	0.74 223	0.52 124	0.55 154	0.61 197	0.33 117	0.52 83	0.44 136	0.18 284	0.08 39	0.17 281	0.11 112	0.18 113	0.24 97
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iResNetv2_ROB	0.71 235	1.90 377	3.48 354	0.43 238	0.22 90	0.60 149	0.29 164	0.96 264	0.78 247	0.60 204	0.65 232	0.60 195	0.46 216	0.80 167	1.21 296	0.12 148	0.08 39	0.10 50	0.07 13	0.44 342	0.33 146

HSM	0.67 215	0.92 224	2.29 96	0.30 63	0.29 169	0.65 228	0.29 164	0.98 277	0.67 141	0.59 195	0.58 183	1.39 376	0.65 287	2.56 368	0.45 140	0.11 113	0.09 84	0.10 50	0.08 28	0.18 113	0.24 97

iResNet	0.59 145	1.09 249	2.54 188	0.44 242	0.18 49	0.65 228	0.29 164	0.89 218	0.75 228	0.59 195	0.64 225	0.43 97	0.39 152	0.73 151	1.24 302	0.11 113	0.08 39	0.09 16	0.08 28	0.21 164	0.40 186

PWCDC_ROB	0.83 284	1.57 347	2.63 220	0.48 260	0.37 234	0.78 299	0.29 164	1.04 314	1.36 378	0.63 232	2.05 383	0.64 212	0.70 303	1.10 199	1.20 295	0.33 357	0.14 171	0.15 251	0.12 142	0.63 370	0.46 222

MyStereo06	0.70 231	0.72 167	3.51 356	0.31 77	0.25 128	0.60 149	0.30 177	0.90 226	0.67 141	1.48 383	0.53 131	0.84 298	0.57 263	0.60 111	1.11 285	0.09 11	0.55 305	0.12 139	0.20 263	0.16 71	0.56 258

MyStereo05	0.57 122	0.72 167	2.72 259	0.31 77	0.25 128	0.60 149	0.30 177	0.87 203	0.82 275	0.54 136	0.37 46	0.53 157	0.42 180	0.63 118	0.73 226	0.09 11	0.55 305	0.12 139	0.20 263	0.16 71	0.56 258

SA	0.61 158	1.14 261	2.79 275	0.32 95	0.63 316	0.57 111	0.30 177	0.97 271	0.78 247	0.43 49	0.63 218	0.39 79	0.46 216	0.70 139	0.31 73	0.10 48	0.44 290	0.13 196	0.32 326	0.31 272	0.51 240

AASNet	0.66 212	1.49 342	2.97 304	0.37 172	0.33 205	0.65 228	0.30 177	1.00 288	0.78 247	0.56 158	0.60 195	0.55 170	0.39 152	0.88 179	0.96 263	0.15 239	0.12 144	0.13 196	0.11 112	0.45 344	0.35 159

test_3	0.59 145	0.44 82	2.44 140	0.53 284	0.59 301	0.48 37	0.30 177	0.79 138	0.52 50	0.51 116	0.30 20	0.45 124	0.22 22	0.59 106	0.97 264	0.08 1	1.25 365	0.11 96	0.35 344	0.30 264	0.62 270

GES	0.49 70	0.54 111	2.37 109	0.31 77	0.19 66	0.61 167	0.30 177	0.93 243	0.52 50	0.49 87	0.53 131	0.40 87	0.43 193	0.59 106	0.67 212	0.16 254	0.11 129	0.12 139	0.10 73	0.20 154	0.30 133

ac_64	0.63 183	0.77 186	2.71 257	0.37 172	0.34 214	0.64 214	0.30 177	0.86 196	0.67 141	0.58 176	0.53 131	0.88 314	0.48 231	1.84 309	0.71 221	0.15 239	0.12 144	0.12 139	0.12 142	0.21 164	0.25 101

HGLStereo	0.61 158	1.20 280	2.59 206	0.36 162	0.40 248	0.65 228	0.30 177	0.87 203	0.67 141	0.60 204	0.70 261	0.69 248	0.56 258	1.07 196	0.59 186	0.14 221	0.13 157	0.13 196	0.12 142	0.23 192	0.23 88

HSM-Net_RVC	0.70 231	0.40 65	2.45 156	0.27 25	0.19 66	0.68 254	0.30 177	1.29 370	0.73 206	0.73 288	0.70 261	0.77 274	0.45 209	3.73 407	0.46 144	0.13 191	0.09 84	0.10 50	0.09 39	0.13 36	0.32 143
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NOSS_ROB	0.75 259	1.03 238	2.27 92	0.68 332	0.26 142	0.68 254	0.30 177	0.99 282	0.82 275	0.59 195	0.58 183	0.77 274	0.39 152	2.75 385	0.48 151	0.25 337	0.24 244	0.28 343	0.26 295	0.29 258	1.07 342

MyStereo07	0.56 115	0.68 154	2.42 127	0.30 63	0.41 253	0.61 167	0.31 187	0.58 58	0.72 202	1.17 355	0.26 14	0.20 2	0.27 65	1.28 227	0.28 45	0.09 11	0.59 312	0.12 139	0.21 274	0.16 71	0.48 228

MyStereo04	0.57 122	0.68 154	2.66 234	0.30 63	0.41 253	0.61 167	0.31 187	0.88 211	0.80 263	0.48 71	0.37 46	0.54 162	0.42 180	0.61 114	0.71 221	0.09 11	0.59 312	0.12 139	0.21 274	0.16 71	0.48 228

gwcnet-sp	0.52 86	0.71 162	2.66 234	0.32 95	0.22 90	0.66 241	0.31 187	0.84 174	0.69 173	0.61 211	0.49 106	0.46 128	0.43 193	0.77 158	0.48 151	0.12 148	0.11 129	0.11 96	0.11 112	0.19 137	0.19 63

scenet	0.52 86	0.71 162	2.66 234	0.32 95	0.22 90	0.66 241	0.31 187	0.84 174	0.69 173	0.61 211	0.49 106	0.46 128	0.43 193	0.77 158	0.48 151	0.12 148	0.11 129	0.11 96	0.11 112	0.19 137	0.19 63

ssnet	0.52 86	0.71 162	2.66 234	0.32 95	0.22 90	0.66 241	0.31 187	0.84 174	0.69 173	0.61 211	0.49 106	0.46 128	0.43 193	0.77 158	0.48 151	0.12 148	0.11 129	0.11 96	0.11 112	0.19 137	0.19 63

Sa-1000	0.61 158	1.07 245	2.71 257	0.32 95	0.61 313	0.61 167	0.31 187	1.00 288	0.76 236	0.53 132	0.83 305	0.43 97	0.33 117	0.69 138	0.30 59	0.10 48	0.52 302	0.13 196	0.28 305	0.29 258	0.29 125

LMCR-Stereo	0.61 158	1.00 231	2.60 211	0.42 228	0.22 90	0.74 278	0.31 187	1.06 334	0.70 183	0.62 223	0.64 225	0.40 87	0.52 246	0.84 172	1.27 305	0.20 303	0.09 84	0.12 139	0.09 39	0.26 228	0.16 46

DMCA-RVC	0.70 231	1.30 303	3.59 364	0.37 172	0.89 352	0.57 111	0.31 187	0.73 110	0.59 82	0.69 273	0.54 145	0.59 188	0.57 263	1.25 223	0.66 210	0.16 254	0.38 277	0.20 313	0.15 199	0.22 178	0.23 88

DeepPruner_ROB	0.58 130	1.06 244	2.68 246	0.30 63	0.26 142	0.63 202	0.31 187	0.83 167	0.51 44	0.62 223	0.56 166	0.65 216	0.39 152	1.06 194	0.56 180	0.19 295	0.14 171	0.14 226	0.14 180	0.24 198	0.33 146

PWC_ROB	0.81 277	1.41 327	2.60 211	0.41 225	0.40 248	0.63 202	0.31 187	1.04 314	0.99 343	0.92 330	1.29 359	0.78 278	0.68 297	1.65 280	1.50 322	0.19 295	0.12 144	0.18 297	0.13 162	0.51 356	0.54 251

CoDeX	0.54 103	0.52 106	2.25 90	0.30 63	0.26 142	0.61 167	0.32 197	1.03 308	0.73 206	0.49 87	0.56 166	0.52 156	0.40 158	1.59 271	0.38 117	0.12 148	0.09 84	0.11 96	0.10 73	0.15 61	0.22 80

BSDual-CNN	0.48 58	0.32 15	1.58 4	0.31 77	0.22 90	0.76 284	0.32 197	1.05 322	0.67 141	0.64 242	0.53 131	0.63 206	0.38 141	0.48 63	0.97 264	0.13 191	0.10 107	0.14 226	0.12 142	0.13 36	0.15 33

hknet	0.53 96	0.39 60	2.04 53	0.31 77	0.24 122	0.76 284	0.32 197	1.05 322	0.71 195	0.64 242	0.53 131	0.79 280	0.40 158	0.84 172	0.78 238	0.12 148	0.10 107	0.14 226	0.12 142	0.13 36	0.15 33

GMOStereo	0.58 130	0.89 211	2.46 163	0.29 49	0.99 363	0.51 50	0.32 197	0.58 58	0.46 20	0.58 176	0.48 93	0.54 162	0.27 65	0.31 3	0.25 26	0.09 11	1.64 385	0.13 196	0.11 112	0.34 287	0.42 197

error version	0.58 130	0.89 211	2.46 163	0.29 49	0.99 363	0.51 50	0.32 197	0.58 58	0.46 20	0.58 176	0.48 93	0.54 162	0.27 65	0.31 3	0.25 26	0.09 11	1.64 385	0.13 196	0.11 112	0.34 287	0.42 197

test-v	0.58 130	0.89 211	2.46 163	0.29 49	0.99 363	0.51 50	0.32 197	0.58 58	0.46 20	0.58 176	0.48 93	0.54 162	0.27 65	0.31 3	0.25 26	0.09 11	1.64 385	0.13 196	0.11 112	0.34 287	0.42 197

STrans-v2	0.69 226	0.62 139	2.66 234	0.28 37	0.23 113	0.57 111	0.32 197	1.01 296	0.77 244	0.92 330	0.84 307	0.88 314	0.92 341	1.81 303	1.19 294	0.10 48	0.07 6	0.10 50	0.09 39	0.12 26	0.30 133

test-2	0.58 130	0.89 211	2.46 163	0.29 49	0.99 363	0.51 50	0.32 197	0.58 58	0.46 20	0.58 176	0.48 93	0.54 162	0.27 65	0.31 3	0.25 26	0.09 11	1.64 385	0.13 196	0.11 112	0.34 287	0.42 197

Anonymous3	0.47 51	0.49 93	2.61 215	0.33 116	0.25 128	0.72 270	0.32 197	0.80 143	0.60 86	0.36 29	0.41 64	0.33 61	0.29 93	0.46 52	0.30 59	0.19 295	0.18 210	0.13 196	0.13 162	0.18 113	0.22 80

SFCPSM	0.48 58	0.39 60	2.30 98	0.28 37	0.27 153	0.70 260	0.32 197	1.00 288	0.69 173	0.50 105	0.52 128	0.43 97	0.36 129	0.53 90	0.44 136	0.12 148	0.09 84	0.12 139	0.16 217	0.18 113	0.23 88

GwcNet-RSSM	0.64 190	1.38 325	2.69 252	0.33 116	0.26 142	0.60 149	0.32 197	0.84 174	0.73 206	0.56 158	0.65 232	0.72 257	0.42 180	1.78 298	0.60 188	0.14 221	0.10 107	0.12 139	0.13 162	0.26 228	0.26 107

STTStereo	0.58 130	0.95 228	2.95 302	0.37 172	0.31 188	0.62 189	0.32 197	0.81 150	0.63 109	0.61 211	0.55 154	0.67 225	0.43 193	0.87 175	0.48 151	0.16 254	0.16 197	0.17 281	0.20 263	0.17 93	0.25 101

AANet_RVC	0.79 272	1.46 338	2.72 259	0.34 133	0.25 128	0.59 136	0.32 197	0.88 211	0.83 281	0.62 223	0.95 329	0.80 286	0.43 193	2.46 363	1.72 331	0.38 361	0.26 254	0.10 50	0.09 39	0.25 213	0.43 202

1111x	1.06 344	0.79 192	3.29 333	0.33 116	0.60 306	0.64 214	0.33 210	1.10 345	0.92 319	0.59 195	0.69 248	0.59 188	0.47 224	2.64 375	4.61 407	0.12 148	1.38 378	0.11 96	0.49 372	0.18 113	1.30 362

LL-Strereo	0.85 295	1.73 366	3.06 317	0.37 172	0.61 313	0.54 77	0.33 210	1.01 296	0.76 236	0.69 273	0.58 183	0.85 303	0.78 319	2.65 376	0.54 176	0.14 221	0.58 311	0.14 226	0.12 142	0.42 337	1.05 340

test_xeample3	0.86 298	0.75 183	3.36 337	0.65 321	0.76 338	0.49 42	0.33 210	1.21 366	0.80 263	0.61 211	0.23 5	0.30 47	0.29 93	1.17 212	1.57 327	0.10 48	1.79 389	0.10 50	0.40 358	0.25 213	2.09 391

RTSC	0.84 287	1.40 326	2.67 241	0.50 276	0.40 248	0.83 313	0.33 210	1.11 349	1.14 362	0.93 333	0.82 303	0.84 298	0.58 270	1.34 233	1.82 339	0.18 284	0.49 297	0.14 226	0.30 315	0.46 348	0.42 197

RASNet	0.69 226	1.05 243	2.59 206	0.37 172	0.47 276	0.66 241	0.33 210	0.82 157	0.76 236	0.51 116	0.65 232	0.93 324	0.62 282	2.20 344	0.80 243	0.14 221	0.09 84	0.09 16	0.11 112	0.18 113	0.37 166

iinet-f	0.62 171	1.18 275	2.55 195	0.33 116	0.25 128	0.82 312	0.34 215	0.87 203	0.69 173	0.56 158	0.64 225	0.73 262	0.67 295	0.80 167	0.81 247	0.14 221	0.13 157	0.11 96	0.10 73	0.44 342	0.26 107

GASNet	0.84 287	1.98 380	4.07 382	0.48 260	0.33 205	0.58 118	0.34 215	0.97 271	0.81 270	0.60 204	0.59 188	0.74 264	0.55 256	2.08 336	1.18 292	0.22 316	0.15 185	0.19 303	0.17 230	0.55 362	0.29 125

TestStereo1	0.59 145	1.21 282	2.63 220	0.40 216	0.60 306	0.56 92	0.34 215	0.82 157	0.73 206	0.45 57	0.63 218	0.36 69	0.42 180	0.66 129	0.42 127	0.10 48	0.32 265	0.12 139	0.10 73	0.34 287	0.52 245

RAFT+CT+SA	0.60 151	1.25 295	2.49 176	0.38 190	0.75 335	0.55 87	0.34 215	0.83 167	0.68 165	0.39 36	0.55 154	0.44 112	0.29 93	0.75 155	0.28 45	0.09 11	0.24 244	0.11 96	0.51 375	0.30 264	0.74 301

SA-5K	0.59 145	1.21 282	2.63 220	0.40 216	0.60 306	0.56 92	0.34 215	0.82 157	0.73 206	0.45 57	0.63 218	0.36 69	0.42 180	0.66 129	0.42 127	0.10 48	0.32 265	0.12 139	0.10 73	0.34 287	0.52 245

Anonymous	0.41 21	0.44 82	2.55 195	0.35 148	0.32 199	0.38 14	0.34 215	0.57 56	0.41 5	0.25 12	0.30 20	0.23 16	0.29 93	0.38 30	0.28 45	0.15 239	0.13 157	0.11 96	0.12 142	0.24 198	0.30 133

ADLNet	0.68 220	1.02 235	2.68 246	0.35 148	0.34 214	0.67 248	0.34 215	0.95 261	0.79 256	0.70 276	0.62 210	0.80 286	0.46 216	1.77 295	0.69 216	0.15 239	0.12 144	0.14 226	0.14 180	0.31 272	0.54 251

SHD	0.84 287	1.14 261	2.54 188	0.80 346	0.52 283	0.76 284	0.34 215	1.16 357	1.29 373	1.11 349	0.85 310	0.98 335	0.74 312	1.25 223	1.48 321	0.22 316	0.37 273	0.20 313	0.27 303	0.36 303	0.41 193

PS-NSSS	0.69 226	1.37 322	2.44 140	0.31 77	0.32 199	0.64 214	0.34 215	1.04 314	0.74 223	0.56 158	0.75 289	0.51 149	0.42 180	2.41 360	0.54 176	0.24 331	0.17 204	0.27 341	0.18 238	0.30 264	0.23 88

CRFU-Net	0.58 130	0.42 72	1.90 28	0.49 271	0.27 153	0.83 313	0.35 224	0.94 248	0.54 60	0.65 254	0.60 195	0.78 278	1.34 363	1.00 188	0.51 166	0.17 273	0.14 171	0.17 281	0.10 73	0.19 137	0.20 71

test_5	0.61 158	1.25 295	2.76 271	0.39 203	0.64 321	0.58 118	0.35 224	0.85 184	0.66 129	0.49 87	0.56 166	0.55 170	0.40 158	0.79 163	0.32 82	0.10 48	0.19 214	0.12 139	0.12 142	0.33 281	0.85 317

psmg	0.48 58	0.32 15	1.58 4	0.28 37	0.22 90	0.75 280	0.35 224	0.94 248	0.67 141	0.61 211	0.59 188	0.63 206	0.38 141	0.48 63	0.97 264	0.13 191	0.11 129	0.13 196	0.13 162	0.14 52	0.15 33

CSP-Net	0.55 107	0.61 135	1.81 15	0.30 63	0.23 113	0.77 294	0.35 224	0.90 226	0.62 98	0.62 223	0.60 195	0.65 216	0.42 180	1.76 292	0.47 147	0.17 273	0.12 144	0.10 50	0.10 73	0.21 164	0.16 46

cross-raft	0.47 51	0.34 31	2.17 77	0.70 334	0.84 348	0.50 48	0.35 224	0.74 112	0.43 13	0.44 55	0.45 80	0.63 206	0.25 44	0.37 28	0.27 40	0.08 1	0.14 171	0.10 50	0.23 281	0.11 18	0.27 113

RAFT	0.62 171	1.35 314	2.26 91	0.62 314	0.53 288	0.47 34	0.35 224	0.70 102	0.58 78	0.50 105	0.50 118	0.79 280	0.40 158	0.49 73	0.36 108	0.11 113	0.79 334	0.14 226	0.13 162	0.52 359	0.72 298

DISCO	0.61 158	0.63 141	1.98 42	0.46 252	0.34 214	0.84 318	0.35 224	0.88 211	0.81 270	0.61 211	0.64 225	1.06 354	0.53 249	1.11 203	0.83 252	0.13 191	0.10 107	0.11 96	0.10 73	0.26 228	0.37 166

ARAFT	0.65 195	1.69 365	3.34 336	0.29 49	0.16 22	0.65 228	0.36 231	0.96 264	0.73 206	0.63 232	0.49 106	0.56 177	0.31 107	1.23 218	0.35 106	0.11 113	0.08 39	0.14 226	0.13 162	0.38 316	0.50 236

ACVNet	0.54 103	0.87 202	2.45 156	0.28 37	0.22 90	0.59 136	0.36 231	0.69 95	0.73 206	0.49 87	0.59 188	0.69 248	0.42 180	0.47 54	0.70 217	0.11 113	0.10 107	0.10 50	0.09 39	0.36 303	0.39 181

hitnet-ft	0.73 245	1.09 249	2.59 206	0.28 37	0.22 90	0.71 264	0.36 231	0.89 218	0.67 141	0.58 176	0.83 305	1.03 346	0.94 344	2.31 349	0.70 217	0.23 324	0.14 171	0.41 369	0.13 162	0.24 198	0.28 119

RAFT-Test	0.56 115	0.41 70	2.01 46	0.90 354	1.07 373	0.65 228	0.37 234	0.83 167	0.65 122	0.49 87	0.49 106	0.93 324	0.24 30	0.52 83	0.30 59	0.10 48	0.38 277	0.09 16	0.38 354	0.11 18	0.19 63

SACVNet	0.68 220	1.08 248	2.58 204	0.38 190	0.28 164	0.65 228	0.37 234	0.91 233	0.65 122	0.67 262	0.62 210	0.69 248	0.47 224	2.07 333	0.65 207	0.18 284	0.14 171	0.16 267	0.15 199	0.39 323	0.41 193

ADLNet2	0.73 245	1.22 287	3.28 331	0.34 133	0.36 228	0.65 228	0.37 234	0.94 248	0.87 303	0.57 170	0.65 232	0.92 319	0.48 231	2.05 331	0.60 188	0.13 191	0.11 129	0.11 96	0.11 112	0.37 309	0.38 174

GEStereo_RVC	0.61 158	1.19 278	2.61 215	0.48 260	0.25 128	0.63 202	0.37 234	1.05 322	0.79 256	0.55 147	0.55 154	0.59 188	0.44 201	1.10 199	0.48 151	0.16 254	0.11 129	0.12 139	0.11 112	0.27 239	0.43 202

UPFNet	0.51 84	0.67 147	2.04 53	0.34 133	0.33 205	0.65 228	0.37 234	0.88 211	0.65 122	0.60 204	0.53 131	0.61 197	0.41 169	0.77 158	0.55 178	0.13 191	0.13 157	0.13 196	0.13 162	0.20 154	0.16 46

psmorigin	1.41 371	0.91 219	13.83 425	0.37 172	0.30 180	0.63 202	0.37 234	0.80 143	0.64 115	0.98 335	0.87 317	1.16 369	0.78 319	3.95 408	1.09 283	0.19 295	0.22 236	0.17 281	0.19 254	0.25 213	0.47 224

DLCB_ROB	0.61 158	0.96 229	2.00 44	0.37 172	0.25 128	0.65 228	0.37 234	0.86 196	0.76 236	0.73 288	0.70 261	0.84 298	0.47 224	1.57 264	0.72 225	0.13 191	0.13 157	0.14 226	0.14 180	0.18 113	0.33 146

DispFullNet	1.69 389	2.25 399	5.23 405	1.53 390	8.78 420	0.89 328	0.37 234	1.03 308	0.98 340	1.37 373	1.00 338	1.13 364	1.97 392	1.51 254	0.98 270	0.55 375	0.32 265	1.19 399	0.64 388	1.16 390	0.88 321

SQANet	0.92 319	1.96 378	3.23 325	0.77 342	0.83 346	0.76 284	0.38 242	0.87 203	0.68 165	0.64 242	0.69 248	0.73 262	0.52 246	1.35 234	1.36 312	0.80 383	0.30 263	0.60 381	0.29 309	0.93 385	0.70 295

CBFPSM	0.62 171	1.34 311	2.12 69	0.30 63	0.23 113	0.71 264	0.38 242	0.77 123	0.68 165	0.51 116	0.49 106	1.03 346	0.82 323	0.63 118	1.35 310	0.11 113	0.12 144	0.10 50	0.10 73	0.19 137	0.37 166

ToySt	0.67 215	0.88 206	2.61 215	0.39 203	0.73 333	0.61 167	0.38 242	0.78 130	0.73 206	0.43 49	0.70 261	0.72 257	0.45 209	0.66 129	0.62 196	0.14 221	0.63 318	0.13 196	0.33 336	0.24 198	1.18 347

UDG	0.86 298	1.57 347	2.80 277	0.68 332	0.59 301	0.78 299	0.38 242	0.97 271	0.74 223	0.63 232	0.70 261	1.01 342	0.68 297	1.02 190	1.22 299	0.45 369	0.34 270	0.89 390	0.51 375	0.73 375	0.58 260

psm_up	0.65 195	1.02 235	2.53 184	0.36 162	0.31 188	0.64 214	0.38 242	0.96 264	0.73 206	0.63 232	0.57 177	0.68 237	0.57 263	1.90 323	0.52 168	0.17 273	0.15 185	0.16 267	0.15 199	0.27 239	0.22 80

FADNet-RVC-Resample	0.74 248	1.54 345	3.81 374	0.38 190	0.29 169	0.62 189	0.38 242	0.91 233	0.67 141	0.52 124	0.51 120	0.63 206	0.44 201	1.56 259	0.59 186	0.24 331	0.32 265	0.22 321	0.19 254	0.30 264	0.71 297

PSM-softLoss	0.52 86	0.34 31	2.47 168	0.55 291	0.17 39	0.61 167	0.39 248	0.64 82	0.67 141	0.52 124	0.48 93	0.39 79	0.25 44	1.46 247	0.77 234	0.13 191	0.08 39	0.13 196	0.12 142	0.12 26	0.15 33

KMStereo	0.52 86	0.34 31	2.47 168	0.55 291	0.17 39	0.61 167	0.39 248	0.64 82	0.67 141	0.52 124	0.48 93	0.39 79	0.25 44	1.46 247	0.77 234	0.13 191	0.08 39	0.13 196	0.12 142	0.12 26	0.15 33

Nwc_Net	0.75 259	1.10 254	2.96 303	0.42 228	0.39 242	0.77 294	0.39 248	1.06 334	0.73 206	0.65 254	1.00 338	0.99 338	0.74 312	1.43 242	0.99 272	0.24 331	0.15 185	0.23 328	0.26 295	0.27 239	0.30 133

Wz-Net-LNSev-Ref	0.65 195	1.15 267	2.40 119	0.33 116	0.30 180	0.83 313	0.40 251	0.94 248	0.82 275	0.67 262	0.76 292	0.68 237	0.58 270	1.13 206	1.25 303	0.14 221	0.08 39	0.10 50	0.08 28	0.18 113	0.28 119

RGC	0.78 269	1.10 254	2.55 195	0.45 249	0.45 268	0.73 273	0.40 251	1.00 288	0.75 228	0.75 296	1.04 345	1.02 345	0.73 308	1.74 289	1.15 289	0.24 331	0.19 214	0.28 343	0.26 295	0.31 272	0.38 174

RAFT-345	0.56 115	0.37 51	2.68 246	0.40 216	0.34 214	0.58 118	0.41 253	0.49 15	0.70 183	0.51 116	0.99 337	0.43 97	0.28 77	1.56 259	0.81 247	0.10 48	0.07 6	0.11 96	0.09 39	0.11 18	0.09 2

Prome-Stereo	0.53 96	0.36 41	2.39 117	0.60 306	0.23 113	0.63 202	0.41 253	0.66 87	0.67 141	0.59 195	1.02 341	0.43 97	0.71 304	0.61 114	0.34 99	0.10 48	0.07 6	0.10 50	0.09 39	0.13 36	0.44 214

MaskLacGwcNet_RVC	0.84 287	1.41 327	2.80 277	0.94 358	0.35 222	0.89 328	0.41 253	0.89 218	0.66 129	0.57 170	0.63 218	0.75 268	0.38 141	2.37 353	0.55 178	1.16 397	0.31 264	0.36 361	0.21 274	0.59 365	0.63 274

AF-Net	0.76 262	1.14 261	2.74 266	0.42 228	0.41 253	0.70 260	0.41 253	1.07 337	0.94 326	0.73 288	1.05 347	1.04 350	0.86 331	1.23 218	1.00 274	0.23 324	0.15 185	0.25 338	0.18 238	0.32 277	0.35 159

edge stereo	0.84 287	0.74 179	3.42 351	0.38 190	1.21 383	0.63 202	0.41 253	0.98 277	0.83 281	0.81 312	0.88 319	1.14 365	0.73 308	2.16 342	0.89 258	0.22 316	0.20 226	0.26 340	0.18 238	0.38 316	0.43 202

DRN-Test	0.71 235	0.79 192	2.83 285	0.40 216	0.44 265	0.80 306	0.41 253	1.07 337	0.83 281	0.82 316	0.64 225	0.68 237	0.57 263	1.78 298	0.79 241	0.16 254	0.13 157	0.17 281	0.16 217	0.24 198	0.51 240

EGLCR-Stereo	0.90 316	0.31 7	1.90 28	1.60 392	0.95 358	1.14 360	0.42 259	0.85 184	0.43 13	1.74 389	0.21 1	0.27 40	0.17 2	1.56 259	0.30 59	0.10 48	2.60 416	0.10 50	0.09 39	0.10 11	3.10 416

DAS	0.61 158	0.42 72	1.85 21	0.34 133	0.34 214	0.52 65	0.42 259	0.89 218	0.80 263	0.85 321	0.69 248	0.57 181	0.51 239	2.38 356	0.57 182	0.13 191	0.09 84	0.12 139	0.09 39	0.18 113	0.37 166

SepStereo	0.57 122	0.42 72	1.85 21	0.34 133	0.34 214	0.52 65	0.42 259	0.89 218	0.80 263	0.85 321	0.69 248	0.57 181	0.51 239	1.55 257	0.57 182	0.13 191	0.09 84	0.12 139	0.09 39	0.18 113	0.37 166

OCTAStereo	0.53 96	0.33 24	2.54 188	0.56 300	0.16 22	0.61 167	0.42 259	0.70 102	0.70 183	0.50 105	0.47 87	0.37 72	0.26 52	1.43 242	0.79 241	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 52

IRAFT_RVC	0.59 145	0.74 179	2.42 127	0.47 259	0.21 81	0.59 136	0.42 259	0.68 93	0.73 206	0.54 136	0.50 118	0.49 142	0.51 239	1.57 264	1.00 274	0.11 113	0.25 251	0.13 196	0.10 73	0.15 61	0.14 26

LRCNet_RVC	13.78 427	19.34 429	13.01 423	19.47 430	12.67 424	1.85 390	0.42 259	12.28 425	1.10 357	15.76 426	18.69 430	12.52 427	8.65 419	12.22 425	9.64 419	22.29 435	8.38 428	25.92 437	24.06 437	19.72 435	17.59 432

stereogan	0.74 248	0.68 154	2.82 283	0.40 216	0.40 248	1.05 349	0.42 259	0.99 282	0.96 333	0.78 308	0.86 315	1.15 367	0.73 308	1.57 264	0.56 180	0.20 303	0.19 214	0.20 313	0.16 217	0.37 309	0.34 153

NF-Stereo	0.53 96	0.33 24	2.55 195	0.55 291	0.16 22	0.61 167	0.43 266	0.70 102	0.70 183	0.50 105	0.47 87	0.37 72	0.26 52	1.44 246	0.78 238	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 52

KYRaft	0.52 86	0.35 38	2.40 119	0.34 133	0.21 81	0.75 280	0.43 266	0.62 74	0.63 109	0.64 242	0.92 324	0.53 157	0.72 305	0.60 111	0.26 35	0.10 48	0.07 6	0.12 139	0.14 180	0.13 36	0.54 251

RE-Stereo	0.53 96	0.33 24	2.54 188	0.56 300	0.16 22	0.61 167	0.43 266	0.70 102	0.70 183	0.50 105	0.47 87	0.37 72	0.26 52	1.43 242	0.77 234	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 52

TVStereo	0.53 96	0.33 24	2.54 188	0.56 300	0.16 22	0.61 167	0.43 266	0.70 102	0.70 183	0.50 105	0.47 87	0.37 72	0.26 52	1.43 242	0.77 234	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 52

Syn2CoEx	0.78 269	1.43 334	3.54 360	0.44 242	0.31 188	0.64 214	0.43 266	1.04 314	0.83 281	0.64 242	0.77 296	0.74 264	0.74 312	1.91 324	0.64 202	0.20 303	0.17 204	0.19 303	0.15 199	0.30 264	0.59 263

CVANet_RVC	0.82 280	1.18 275	3.98 379	0.40 216	0.28 164	0.63 202	0.43 266	0.90 226	0.78 247	1.14 352	0.69 248	0.68 237	0.52 246	2.62 373	0.48 151	0.20 303	0.13 157	0.22 321	0.37 350	0.37 309	0.48 228

DDUNet	0.90 316	1.63 359	2.77 273	0.77 342	0.69 329	0.83 313	0.44 272	0.90 226	0.70 183	0.68 268	0.76 292	0.92 319	0.54 251	1.14 208	1.35 310	0.61 376	0.37 273	0.96 392	0.52 377	0.77 380	0.67 283

APVNet	0.76 262	1.11 256	3.23 325	0.39 203	0.36 228	0.85 319	0.44 272	0.96 264	0.73 206	0.58 176	0.69 248	0.76 272	0.56 258	2.29 348	0.82 250	0.17 273	0.18 210	0.24 333	0.19 254	0.35 298	0.27 113

RYNet	0.77 267	0.91 219	2.36 107	0.37 172	0.41 253	0.88 326	0.44 272	0.99 282	0.88 307	0.65 254	0.54 145	0.92 319	0.61 280	2.70 380	1.23 300	0.15 239	0.14 171	0.17 281	0.14 180	0.27 239	0.55 257

CC-Net-ROB	0.95 326	1.57 347	2.93 299	0.90 354	0.39 242	0.87 324	0.44 272	1.12 351	0.83 281	0.59 195	0.69 248	0.64 212	0.50 235	2.73 383	0.93 261	0.97 390	0.40 283	0.87 389	0.29 309	0.61 369	0.66 281

ssnet_v2	0.64 190	0.99 230	2.67 241	0.33 116	0.22 90	0.72 270	0.45 276	1.00 288	0.80 263	0.66 260	0.54 145	0.81 289	0.48 231	0.91 181	1.08 282	0.16 254	0.14 171	0.14 226	0.14 180	0.33 281	0.31 141

AAGNet	0.92 319	0.40 65	2.53 184	0.60 306	1.01 368	0.62 189	0.45 276	0.52 29	0.68 165	0.58 176	0.53 131	0.50 146	0.72 305	1.22 216	7.32 417	0.12 148	0.07 6	0.12 139	0.10 73	0.16 71	0.10 4

Pruner-Stereo	0.55 107	0.38 56	2.49 176	1.78 401	0.19 66	0.63 202	0.45 276	0.59 65	0.67 141	0.61 211	0.48 93	0.41 92	0.25 44	0.49 73	0.99 272	0.13 191	0.07 6	0.12 139	0.10 73	0.13 36	0.14 26

GwcNet	0.76 262	1.09 249	3.68 367	0.38 190	0.45 268	0.81 310	0.45 276	0.91 233	0.89 312	0.63 232	0.77 296	0.82 292	0.51 239	1.64 277	0.85 254	0.17 273	0.16 197	0.15 251	0.15 199	0.33 281	0.34 153

RP	0.74 248	1.01 234	2.48 173	0.44 242	0.45 268	0.66 241	0.45 276	0.95 261	0.87 303	0.70 276	0.95 329	0.99 338	0.82 323	1.55 257	0.82 250	0.26 341	0.19 214	0.23 328	0.20 263	0.34 287	0.38 174

GMM-Stereo	0.53 96	0.33 24	2.89 294	0.53 284	0.24 122	0.77 294	0.46 281	0.62 74	0.65 122	0.58 176	0.73 279	0.47 133	0.43 193	0.68 136	0.29 54	0.10 48	0.06 1	0.13 196	0.13 162	0.14 52	0.44 214

delet	0.60 151	0.84 197	2.45 156	0.33 116	0.35 222	0.73 273	0.46 281	0.89 218	0.80 263	0.58 176	0.62 210	0.67 225	0.51 239	1.14 208	0.64 202	0.12 148	0.12 144	0.13 196	0.14 180	0.22 178	0.29 125

StereoDRNet	0.71 235	1.24 292	2.56 199	0.42 228	0.45 268	0.73 273	0.46 281	0.98 277	0.81 270	0.77 300	0.56 166	0.74 264	0.48 231	1.69 285	0.91 260	0.15 239	0.14 171	0.15 251	0.15 199	0.26 228	0.51 240

FBW_ROB	0.94 325	1.23 291	2.35 106	0.46 252	0.32 199	0.87 324	0.46 281	1.15 354	0.97 339	0.83 319	0.78 300	1.01 342	0.64 286	3.65 406	1.65 328	0.27 344	0.24 244	0.40 367	0.26 295	0.32 277	0.88 321

CBMV_ROB	0.88 305	0.75 183	2.73 264	0.36 162	0.22 90	0.76 284	0.47 285	1.05 322	0.81 270	1.06 346	1.04 345	0.88 314	1.36 366	2.17 343	2.03 345	0.23 324	0.24 244	0.27 341	0.25 288	0.27 239	0.73 299

XPNet_ROB	0.68 220	1.11 256	2.28 94	0.38 190	0.27 153	0.67 248	0.47 285	0.94 248	0.75 228	0.80 311	0.71 274	0.81 289	0.54 251	1.72 286	0.84 253	0.22 316	0.16 197	0.16 267	0.15 199	0.25 213	0.45 219

fast-acv-ft	0.67 215	1.24 292	3.26 329	0.39 203	0.30 180	0.80 306	0.48 287	0.74 112	0.76 236	0.60 204	0.78 300	0.76 272	0.60 278	0.70 139	0.78 238	0.16 254	0.15 185	0.18 297	0.17 230	0.38 316	0.24 97

Wz-Net-LNSev	0.66 212	1.30 303	2.81 281	0.35 148	0.37 234	0.80 306	0.48 287	0.91 233	0.87 303	0.63 232	0.70 261	0.80 286	0.59 273	0.67 132	0.68 214	0.15 239	0.14 171	0.12 139	0.12 142	0.24 198	0.38 174

NCC-stereo	0.88 305	1.22 287	2.97 304	0.60 306	0.45 268	1.88 391	0.48 287	1.04 314	0.75 228	0.70 276	0.85 310	0.93 324	0.84 326	1.81 303	1.51 323	0.28 347	0.19 214	0.23 328	0.31 320	0.27 239	0.35 159

Abc-Net	0.88 305	1.22 287	2.97 304	0.60 306	0.45 268	1.88 391	0.48 287	1.04 314	0.75 228	0.70 276	0.85 310	0.93 324	0.84 326	1.81 303	1.51 323	0.28 347	0.19 214	0.23 328	0.31 320	0.27 239	0.35 159
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PDISCO_ROB	0.84 287	1.46 338	2.84 287	0.65 321	0.59 301	1.17 363	0.48 287	1.19 363	1.08 356	0.67 262	0.72 277	1.00 341	0.61 280	1.24 220	1.05 279	0.38 361	0.18 210	0.28 343	0.24 283	0.58 364	0.44 214

EDNetEfficientorigin	8.19 420	1.27 298	145.54 444	0.51 279	0.96 359	0.75 280	0.49 292	0.86 196	1.57 387	2.12 395	1.49 369	1.28 371	1.35 364	1.84 309	2.15 355	0.14 221	0.13 157	0.17 281	0.18 238	0.39 323	0.64 279

DeepPrunerF	0.92 319	1.33 309	3.41 348	0.46 252	0.51 281	0.64 214	0.49 292	1.16 357	2.62 402	0.65 254	0.61 203	0.65 216	0.62 282	2.23 345	1.31 306	0.23 324	0.19 214	0.30 352	0.28 305	0.39 323	0.34 153

NVstereo2D	0.63 183	0.57 121	2.29 96	0.37 172	0.35 222	0.69 257	0.49 292	0.96 264	0.88 307	0.49 87	0.54 145	0.72 257	0.46 216	1.98 328	0.50 163	0.19 295	0.20 226	0.18 297	0.16 217	0.28 250	0.34 153

RAFT + AFF	0.79 272	1.73 366	2.99 309	0.34 133	0.35 222	0.67 248	0.51 295	1.05 322	0.79 256	0.54 136	0.58 183	0.59 188	0.81 322	1.80 301	1.21 296	0.13 191	0.27 260	0.15 251	0.14 180	0.45 344	0.69 292

MFN_U_SF_RVC	1.57 385	2.56 414	3.30 334	0.66 325	0.41 253	1.15 361	0.51 295	1.27 368	1.35 377	1.61 387	1.20 354	1.43 377	0.97 346	1.80 301	2.10 350	1.88 412	1.79 389	1.97 417	2.14 416	1.61 405	1.76 384

ADCRef	0.88 305	1.45 336	2.68 246	0.38 190	0.35 222	0.95 340	0.51 295	0.92 240	0.81 270	0.89 325	0.84 307	0.61 197	1.35 364	1.26 225	3.38 388	0.14 221	0.12 144	0.17 281	0.19 254	0.28 250	0.34 153

ETE_ROB	0.68 220	1.09 249	2.32 102	0.38 190	0.26 142	0.69 257	0.51 295	1.49 382	0.75 228	0.81 312	0.71 274	0.85 303	0.51 239	1.39 236	0.70 217	0.17 273	0.14 171	0.19 303	0.16 217	0.24 198	0.35 159

anonymity	0.86 298	0.68 154	1.44 2	0.64 319	0.83 346	0.67 248	0.52 299	0.98 277	0.73 206	0.96 334	0.70 261	0.81 289	0.86 331	1.10 199	1.34 308	0.64 377	0.72 332	0.58 379	1.44 414	0.60 366	0.91 324

RAFT_R40	0.55 107	0.31 7	2.44 140	0.57 304	0.42 263	0.62 189	0.52 299	0.58 58	0.66 129	0.56 158	0.54 145	0.54 162	0.50 235	1.56 259	0.53 171	0.11 113	0.07 6	0.12 139	0.10 73	0.16 71	0.10 4

ACVNet-4b	2.00 395	2.19 394	4.85 401	1.09 368	0.86 349	1.15 361	0.53 301	1.11 349	1.15 364	0.65 254	1.09 349	1.97 387	0.69 301	2.31 349	9.78 421	5.73 421	0.42 285	1.03 396	0.55 380	1.89 407	0.92 326

XQC	0.84 287	1.32 305	2.61 215	0.78 344	0.44 265	0.89 328	0.53 301	1.16 357	1.07 354	0.85 321	0.69 248	0.92 319	0.73 308	1.40 238	1.44 319	0.24 331	0.35 271	0.23 328	0.26 295	0.45 344	0.39 181

PA-Net	0.93 324	1.36 318	4.14 384	0.64 319	0.41 253	0.70 260	0.53 301	0.91 233	0.88 307	0.53 132	0.60 195	0.70 254	0.54 251	2.40 358	2.57 373	0.17 273	0.28 262	0.19 303	0.28 305	0.25 213	0.48 228
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Ntro	1.11 351	2.10 390	3.52 358	0.97 361	0.87 351	1.06 352	0.54 304	1.02 302	0.93 325	0.63 232	0.76 292	0.93 324	0.67 295	1.76 292	1.71 329	1.03 392	0.46 291	0.76 388	0.41 362	1.29 395	0.86 320

HBP-ISP	0.82 280	1.57 347	3.28 331	0.50 276	0.27 153	0.86 320	0.54 304	1.09 342	0.78 247	0.81 312	0.70 261	0.68 237	1.00 349	2.02 330	0.47 147	0.24 331	0.24 244	0.29 351	0.25 288	0.28 250	0.52 245

IPLGR	0.58 130	0.64 143	3.12 320	0.37 172	0.18 49	0.62 189	0.54 304	1.06 334	0.69 173	0.73 288	0.46 82	0.50 146	0.44 201	1.12 205	0.31 73	0.10 48	0.08 39	0.11 96	0.09 39	0.21 164	0.20 71

Consistency-Raft	0.92 319	1.21 282	3.50 355	0.98 362	0.63 316	0.77 294	0.54 304	1.02 302	1.01 345	0.62 223	1.03 343	0.65 216	1.04 352	0.81 170	1.36 312	0.45 369	0.47 293	0.51 377	0.59 385	0.65 372	0.47 224

ICVP	0.48 58	0.33 24	2.37 109	0.34 133	0.22 90	0.60 149	0.55 308	0.79 138	0.53 56	0.45 57	0.60 195	0.49 142	0.36 129	0.55 96	0.46 144	0.16 254	0.16 197	0.14 226	0.11 112	0.16 71	0.32 143
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FAT-Stereo	0.72 243	0.60 130	2.86 291	0.37 172	0.29 169	0.64 214	0.55 308	1.01 296	0.91 317	0.76 298	0.94 326	0.93 324	0.79 321	1.82 306	0.60 188	0.19 295	0.19 214	0.17 281	0.16 217	0.23 192	0.47 224

TDLM	0.83 284	1.28 300	2.38 111	0.46 252	0.26 142	0.66 241	0.55 308	0.87 203	0.80 263	2.54 406	0.62 210	0.61 197	0.51 239	2.68 379	0.67 212	0.20 303	0.11 129	0.35 360	0.15 199	0.33 281	0.48 228

LALA_ROB	0.68 220	1.14 261	2.50 179	0.37 172	0.29 169	0.78 299	0.55 308	0.99 282	0.84 293	0.82 316	0.68 244	0.93 324	0.50 235	1.01 189	0.89 258	0.21 311	0.15 185	0.21 317	0.18 238	0.26 228	0.30 133

ACRE	0.63 183	1.55 346	3.41 348	0.76 339	0.28 164	0.60 149	0.56 312	0.82 157	0.68 165	0.57 170	0.62 210	0.43 97	0.30 103	0.47 54	0.42 127	0.12 148	0.19 214	0.13 196	0.14 180	0.36 303	0.20 71

PSMNet_ROB	0.75 259	1.42 331	2.93 299	0.39 203	0.32 199	0.73 273	0.56 312	0.90 226	0.74 223	0.56 158	0.60 195	0.75 268	0.47 224	2.00 329	1.31 306	0.18 284	0.13 157	0.19 303	0.20 263	0.26 228	0.40 186

pmcnn	1.44 373	1.25 295	3.57 362	0.74 337	1.42 392	0.72 270	0.56 312	1.04 314	1.06 353	1.03 343	2.89 405	6.01 415	0.75 316	2.54 367	3.60 393	0.14 221	0.11 129	0.08 3	0.06 7	0.34 287	0.81 311

riskmin	0.96 327	0.32 15	2.07 58	1.72 399	1.61 402	1.62 381	0.57 315	1.45 380	0.55 65	0.73 288	0.89 321	0.92 319	0.45 209	1.16 210	0.60 188	0.11 113	1.30 374	0.12 139	1.38 413	0.14 52	1.51 375

CIPLG	0.63 183	1.59 352	3.16 323	0.79 345	0.31 188	0.62 189	0.57 315	0.82 157	0.68 165	0.58 176	0.63 218	0.43 97	0.31 107	0.48 63	0.42 127	0.12 148	0.20 226	0.13 196	0.13 162	0.36 303	0.21 75

Anonymous_2	1.36 368	0.49 93	2.03 50	1.71 398	1.58 400	2.49 405	0.58 317	1.59 387	2.31 398	0.77 300	0.88 319	1.03 346	0.58 270	1.20 215	0.66 210	0.32 354	1.38 378	1.42 408	3.87 422	0.78 382	1.56 376

DeepStereo_RVC	0.47 51	0.37 51	2.19 81	0.55 291	0.18 49	0.60 149	0.58 317	0.52 29	0.62 98	0.49 87	0.45 80	0.39 79	0.85 329	0.47 54	0.34 99	0.12 148	0.08 39	0.11 96	0.09 39	0.15 61	0.19 63

ADCMid	1.06 344	1.82 372	3.53 359	0.39 203	0.36 228	0.99 343	0.58 317	1.01 296	0.94 326	1.23 367	1.02 341	1.01 342	1.01 350	1.11 203	4.04 401	0.22 316	0.19 214	0.42 371	0.32 326	0.42 337	0.53 248

otaku	1.15 354	2.10 390	3.51 356	0.98 362	0.74 334	1.02 346	0.59 320	1.03 308	0.89 312	0.70 276	1.60 372	0.98 335	0.65 287	1.63 274	1.80 338	0.99 391	0.46 291	0.73 387	0.40 358	1.30 397	0.88 321

ccnet	0.77 267	0.61 135	2.01 46	0.40 216	0.46 275	1.05 349	0.59 320	1.02 302	0.74 223	0.90 327	0.97 331	0.82 292	0.89 336	1.68 284	1.16 291	0.32 354	0.26 254	0.32 355	0.28 305	0.35 298	0.47 224

PASM	0.82 280	1.00 231	2.68 246	0.52 280	0.48 277	0.65 228	0.59 320	0.83 167	0.89 312	0.82 316	0.73 279	0.89 317	0.68 297	2.39 357	0.73 226	0.35 360	0.37 273	0.36 361	0.41 362	0.45 344	0.51 240

IPLG	0.74 248	1.09 249	2.87 292	0.36 162	0.21 81	1.63 382	0.60 323	1.39 377	0.63 109	1.39 375	0.51 120	0.40 87	0.86 331	1.40 238	0.37 111	0.09 11	0.07 6	0.14 226	0.12 142	0.34 287	0.23 88

IPLGR_C	0.64 190	1.66 363	3.36 337	0.80 346	0.31 188	0.60 149	0.60 323	0.82 157	0.69 173	0.58 176	0.62 210	0.44 112	0.31 107	0.47 54	0.43 133	0.12 148	0.22 236	0.13 196	0.15 199	0.35 298	0.21 75

HHNet	0.63 183	0.67 147	3.10 318	0.37 172	0.25 128	0.64 214	0.60 323	0.70 102	0.67 141	0.55 147	1.12 351	0.32 57	0.60 278	0.43 48	1.75 334	0.16 254	0.08 39	0.12 139	0.10 73	0.18 113	0.22 80

FCDSN-DC	1.45 375	1.12 258	3.30 334	0.48 260	0.41 253	1.13 359	0.60 323	1.17 360	1.28 372	2.25 400	2.85 403	3.65 403	3.34 408	2.58 370	2.44 367	0.31 353	0.26 254	0.31 353	0.30 315	0.37 309	0.78 305
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MDST_ROB	1.28 361	0.53 109	3.84 376	0.55 291	0.45 268	4.06 413	0.60 323	1.36 375	0.89 312	2.18 397	1.17 352	0.98 335	0.72 305	4.28 410	2.12 352	0.20 303	0.16 197	0.19 303	0.17 230	0.20 154	0.84 313

Wz-Net-MNSev	0.74 248	1.42 331	2.75 268	0.38 190	0.33 205	0.90 331	0.61 328	0.98 277	0.94 326	0.77 300	0.75 289	0.75 268	0.66 293	1.39 236	0.76 232	0.17 273	0.13 157	0.14 226	0.14 180	0.28 250	0.48 228

MSMD_ROB	1.41 371	1.03 238	2.75 268	0.41 225	0.32 199	2.00 397	0.61 328	0.96 264	1.43 379	2.97 411	2.63 399	4.76 411	2.04 394	2.44 362	1.78 337	0.30 351	0.26 254	0.32 355	0.32 326	0.32 277	0.63 274

DisPM	0.48 58	0.41 70	2.54 188	0.61 312	0.18 49	0.59 136	0.62 330	0.54 41	0.67 141	0.61 211	0.53 131	0.38 77	0.26 52	0.76 157	0.31 73	0.13 191	0.07 6	0.12 139	0.11 112	0.12 26	0.15 33

GANetREF_RVC	0.81 277	1.44 335	3.04 313	0.49 271	0.27 153	0.83 313	0.63 331	1.03 308	0.92 319	0.63 232	0.61 203	0.72 257	0.59 273	2.40 358	0.58 184	0.33 357	0.25 251	0.37 364	0.25 288	0.41 335	0.36 165
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
IGEV_Zeroshot_test	0.91 318	0.39 60	3.80 373	0.42 228	1.95 407	0.56 92	0.64 332	0.84 174	0.55 65	1.45 380	0.53 131	0.79 280	0.42 180	0.57 102	1.13 287	0.10 48	0.49 297	0.10 50	0.34 342	0.19 137	2.97 415

PVD	1.05 343	1.21 282	2.36 107	0.84 349	0.91 354	1.04 347	0.64 332	1.32 373	1.68 389	1.43 379	1.41 367	1.14 365	1.15 359	1.49 252	1.77 336	0.27 344	0.65 320	0.28 343	0.35 344	0.40 329	0.73 299

ADCPNet	1.07 346	1.37 322	4.54 399	0.38 190	0.68 328	1.36 367	0.64 332	0.93 243	0.83 281	0.79 309	0.82 303	1.08 357	1.18 361	1.30 230	2.68 375	0.21 311	0.69 326	0.21 317	0.95 403	0.30 264	0.54 251

SST-Stereo	0.56 115	0.30 5	2.44 140	0.71 336	0.55 291	0.62 189	0.65 335	0.57 56	0.67 141	0.59 195	0.53 131	0.51 149	0.59 273	1.57 264	0.31 73	0.12 148	0.07 6	0.12 139	0.10 73	0.17 93	0.11 10

DRaft	0.65 195	0.47 88	2.38 111	0.25 6	0.17 39	0.64 214	0.65 335	0.56 51	0.57 72	0.67 262	0.98 334	0.38 77	0.99 348	1.42 241	2.06 348	0.11 113	0.14 171	0.10 50	0.14 180	0.18 113	0.21 75

ACVNet_1	1.47 377	2.27 402	4.92 402	1.11 371	0.89 352	1.19 365	0.66 337	1.28 369	1.19 367	0.98 335	0.97 331	3.06 399	1.48 375	2.37 353	1.82 339	1.08 394	0.49 297	1.03 396	0.48 370	1.20 391	0.95 331

Wz-Net-SNSev	0.85 295	1.83 373	3.36 337	0.42 228	0.31 188	0.71 264	0.66 337	1.04 314	0.94 326	0.68 268	0.85 310	0.96 332	0.62 282	1.75 290	1.14 288	0.16 254	0.15 185	0.16 267	0.17 230	0.39 323	0.63 274

GANet	0.92 319	1.20 280	2.68 246	0.45 249	0.27 153	0.76 284	0.66 337	0.94 248	0.77 244	0.79 309	1.17 352	0.84 298	0.91 338	2.72 381	1.76 335	0.18 284	0.42 285	0.44 374	0.20 263	0.33 281	0.94 328

FC-DCNN	1.60 387	0.85 199	3.44 352	0.46 252	0.39 242	1.96 393	0.66 337	1.72 391	1.70 390	2.75 410	2.91 406	4.20 406	3.15 406	2.72 381	2.66 374	0.30 351	0.26 254	0.31 353	0.30 315	0.33 281	0.91 324

NCCL2	0.71 235	1.32 305	2.30 98	0.44 242	0.31 188	0.71 264	0.67 341	0.89 218	0.69 173	0.70 276	0.61 203	0.85 303	0.54 251	1.58 270	0.70 217	0.20 303	0.17 204	0.66 383	0.25 288	0.26 228	0.38 174

NVStereoNet_ROB	1.45 375	1.62 357	3.59 364	1.09 368	0.70 331	0.86 320	0.67 341	1.19 363	1.51 384	1.20 361	4.05 411	1.61 382	1.94 391	2.97 393	2.07 349	0.67 379	0.69 326	0.55 378	0.70 389	0.57 363	0.67 283
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CRE-IMP	0.46 48	0.31 7	2.40 119	0.53 284	0.17 39	0.79 303	0.68 343	0.54 41	0.66 129	0.47 69	0.43 68	0.44 112	0.26 52	0.43 48	0.33 91	0.12 148	0.07 6	0.12 139	0.09 39	0.17 93	0.23 88

SPS-STEREO	1.22 358	1.65 361	3.41 348	0.66 325	0.69 329	1.01 345	0.68 343	1.10 345	0.96 333	1.40 377	1.25 357	1.46 379	1.08 355	2.05 331	2.24 361	0.66 378	0.61 314	0.58 379	0.57 383	0.66 373	1.65 381
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
S-Stereo	0.82 280	0.73 170	3.79 372	0.40 216	0.37 234	0.70 260	0.69 345	1.00 288	1.03 347	0.63 232	0.92 324	0.82 292	0.59 273	2.35 352	0.71 221	0.18 284	0.22 236	0.17 281	0.18 238	0.30 264	0.67 283

MeshStereo	1.29 362	1.34 311	3.04 313	0.35 148	0.28 164	1.10 356	0.69 345	1.42 379	1.07 354	2.71 409	2.43 393	2.95 396	1.50 376	2.92 391	2.03 345	0.23 324	0.22 236	0.22 321	0.19 254	0.50 354	0.69 292
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
Wz-Net-TNSev	1.02 337	2.26 401	3.69 368	0.38 190	0.31 188	1.00 344	0.71 347	1.12 351	1.02 346	0.74 294	0.73 279	1.09 360	0.91 338	2.46 363	2.15 355	0.21 311	0.20 226	0.16 267	0.20 263	0.48 352	0.62 270

WZ-Net	1.04 342	1.83 373	4.20 387	0.42 228	0.36 228	0.88 326	0.71 347	1.05 322	1.11 359	0.84 320	0.94 326	1.06 354	1.17 360	2.37 353	2.24 361	0.20 303	0.14 171	0.15 251	0.16 217	0.36 303	0.53 248

G-Net	1.02 337	0.70 159	3.23 325	0.60 306	0.66 324	2.00 397	0.71 347	0.78 130	0.70 183	1.14 352	2.53 395	1.29 373	1.01 350	1.47 249	1.74 333	0.25 337	0.24 244	0.24 333	0.26 295	0.37 309	0.40 186

NRIStereo	0.50 74	0.34 31	2.44 140	0.52 280	0.16 22	0.94 338	0.73 350	0.52 29	0.65 122	0.48 71	0.40 63	0.59 188	0.29 93	0.78 162	0.33 91	0.11 113	0.13 157	0.11 96	0.09 39	0.22 178	0.25 101

DPSNet	1.02 337	0.72 167	2.84 287	0.60 306	0.39 242	1.08 354	0.75 351	1.41 378	1.14 362	0.74 294	0.69 248	1.05 353	1.67 381	2.09 338	2.22 360	0.27 344	0.61 314	0.20 313	0.50 374	0.48 352	1.03 339

RainbowNet	1.27 360	2.22 397	3.58 363	1.14 374	0.92 355	1.08 354	0.76 352	1.19 363	1.15 364	0.77 300	0.97 331	1.08 357	0.83 325	1.64 277	1.72 331	1.20 399	1.30 374	1.01 395	0.58 384	1.23 392	0.97 336

PFNet+	0.50 74	0.43 78	2.54 188	0.49 271	0.18 49	0.58 118	0.76 352	0.54 41	0.72 202	0.56 158	0.48 93	0.39 79	0.26 52	0.94 184	0.33 91	0.14 221	0.09 84	0.14 226	0.13 162	0.12 26	0.16 46

WCMA_ROB	1.29 362	1.21 282	3.13 321	0.65 321	0.36 228	1.20 366	0.78 354	1.00 288	0.98 340	1.78 390	2.62 398	3.08 400	2.01 393	1.86 313	2.35 365	0.38 361	0.38 277	0.32 355	0.32 326	0.31 272	1.06 341

CBMV	0.86 298	1.00 231	2.82 283	0.35 148	0.21 81	0.78 299	0.78 354	1.05 322	0.87 303	0.90 327	0.74 282	0.87 310	1.89 390	1.67 281	1.38 316	0.19 295	0.20 226	0.21 317	0.19 254	0.28 250	0.84 313
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ADCP+	1.03 341	1.68 364	3.83 375	0.35 148	0.39 242	1.05 349	0.79 356	0.94 248	0.86 301	0.69 273	0.68 244	0.85 303	1.53 379	1.02 190	4.56 406	0.13 191	0.12 144	0.16 267	0.15 199	0.28 250	0.44 214

ADCS	1.14 353	2.02 385	3.36 337	0.43 238	0.37 234	0.96 342	0.81 357	1.12 351	1.17 366	1.25 368	0.98 334	1.08 357	0.92 341	1.41 240	4.97 409	0.23 324	0.21 234	0.22 321	0.23 281	0.40 329	0.67 283

MFMNet_re	1.01 336	1.73 366	3.04 313	0.85 350	0.76 338	0.93 336	0.81 357	1.02 302	1.10 357	1.05 344	1.06 348	0.84 298	0.96 345	0.93 183	0.97 264	0.68 380	0.61 314	0.63 382	0.60 387	0.77 380	0.80 309

Anonymous Stereo	0.83 284	1.57 347	3.56 361	0.46 252	0.39 242	0.63 202	0.84 359	0.92 240	0.83 281	0.68 268	0.68 244	0.64 212	0.42 180	2.42 361	1.02 276	0.23 324	0.23 241	0.19 303	0.20 263	0.31 272	0.40 186

DSFCA	0.62 171	0.77 186	1.95 37	0.29 49	0.29 169	0.79 303	0.86 360	0.81 150	0.73 206	0.73 288	0.66 238	0.67 225	0.57 263	1.17 212	1.03 277	0.16 254	0.15 185	0.13 196	0.14 180	0.19 137	0.28 119

ACVNet_2	1.54 383	2.20 396	4.42 396	1.10 370	0.93 357	1.37 369	0.87 361	1.53 383	1.71 391	1.22 365	1.72 375	2.12 390	1.06 353	2.58 370	1.93 341	0.94 387	0.54 303	1.00 394	0.56 382	2.11 411	0.96 333

SuperB	1.19 356	1.62 357	5.29 407	0.37 172	0.26 142	0.81 310	0.87 361	0.94 248	1.19 367	0.68 268	0.68 244	0.63 206	1.37 367	1.73 287	3.30 385	0.16 254	0.12 144	0.17 281	0.16 217	2.74 416	0.63 274

DEmStereo	0.69 226	0.40 65	2.42 127	0.42 228	0.18 49	0.66 241	0.88 363	0.54 41	0.64 115	0.60 204	1.00 338	0.45 124	1.24 362	1.53 255	2.21 359	0.10 48	0.08 39	0.10 50	0.10 73	0.11 18	0.14 26

SANet	1.35 367	1.80 371	4.39 395	0.41 225	0.29 169	1.72 386	0.89 364	1.17 360	2.47 400	1.22 365	1.82 377	1.72 384	1.70 383	2.57 369	3.30 385	0.18 284	0.16 197	0.16 267	0.15 199	0.34 287	0.62 270

RTS	1.29 362	1.59 352	6.48 414	0.63 316	0.57 296	1.59 379	0.90 365	1.15 354	1.44 380	1.20 361	1.31 360	1.10 361	0.87 334	2.67 377	2.27 363	0.21 311	0.38 277	0.19 303	0.20 263	0.46 348	0.68 288

RTSA	1.29 362	1.59 352	6.48 414	0.63 316	0.57 296	1.59 379	0.90 365	1.15 354	1.44 380	1.20 361	1.31 360	1.10 361	0.87 334	2.67 377	2.27 363	0.21 311	0.38 277	0.19 303	0.20 263	0.46 348	0.68 288

IMH	2.14 399	2.46 410	3.60 366	1.70 397	1.13 380	1.65 383	0.93 367	2.13 401	1.93 395	1.37 373	2.64 400	2.19 391	1.82 388	5.77 414	2.18 357	5.70 420	1.05 352	1.31 404	0.72 393	1.39 401	1.13 346

MFN_U_SF_DS_RVC	1.08 349	2.01 384	2.56 199	0.49 271	0.40 248	1.49 373	0.96 368	1.02 302	0.95 331	0.85 321	0.94 326	1.06 354	0.59 273	2.92 391	1.15 289	0.43 367	0.74 333	0.32 355	0.55 380	0.74 376	1.35 366

WAO-8	2.91 405	2.55 412	3.77 370	1.93 408	1.04 371	4.08 414	0.99 369	3.25 412	6.09 413	2.20 398	3.34 408	3.33 401	2.64 401	11.73 422	2.52 369	2.12 413	1.92 392	1.55 410	0.93 401	1.27 393	0.96 333

Venus	2.91 405	2.55 412	3.77 370	1.93 408	1.04 371	4.08 414	0.99 369	3.25 412	6.09 413	2.20 398	3.34 408	3.33 401	2.64 401	11.73 422	2.52 369	2.12 413	1.92 392	1.55 410	0.93 401	1.27 393	0.96 333

Dean	1.92 393	2.31 405	5.03 404	1.31 377	1.08 374	1.55 376	0.99 369	1.98 400	2.33 399	1.51 384	4.15 412	4.23 409	1.39 369	2.31 349	2.10 350	1.18 398	0.69 326	1.18 398	0.75 395	1.30 397	1.07 342

NaN_ROB	1.25 359	1.46 338	3.84 376	0.54 290	0.56 293	1.12 358	0.99 369	1.05 322	1.03 347	1.10 348	0.87 317	0.77 274	1.07 354	5.85 415	2.98 381	0.16 254	0.23 241	0.16 267	0.24 283	0.28 250	0.66 281

aanetorigin	0.81 277	1.03 238	2.64 229	0.44 242	0.44 265	0.59 136	1.00 373	0.59 65	0.70 183	1.54 385	1.22 356	0.82 292	1.08 355	1.06 194	1.07 281	0.18 284	0.15 185	0.17 281	0.21 274	0.53 360	0.65 280

MSC_U_SF_DS_RVC	1.40 370	2.04 387	3.02 312	0.58 305	0.41 253	2.15 400	1.00 373	1.31 372	1.29 373	1.05 344	1.10 350	1.29 373	0.91 338	3.07 394	1.34 308	1.65 409	0.84 337	0.68 385	0.88 400	1.55 404	1.91 385

TorneroNet-64	2.74 402	2.23 398	4.18 386	1.48 387	1.20 382	3.88 412	1.01 375	3.48 416	6.61 416	2.62 408	4.55 414	4.20 406	3.84 411	3.39 402	3.40 389	1.23 400	0.66 321	1.39 407	0.80 396	3.42 418	1.27 358

LVE	2.10 397	2.61 415	4.30 394	1.79 402	1.81 406	1.68 385	1.04 376	2.35 403	2.78 405	1.27 370	2.87 404	4.21 408	1.46 372	2.83 389	2.02 344	2.87 417	0.92 341	1.19 399	1.47 415	1.29 395	1.18 347

WAO-6	1.69 389	1.87 375	3.21 324	1.15 375	1.01 368	2.29 401	1.06 377	1.85 394	2.84 406	1.30 372	2.59 397	2.19 391	1.67 381	2.62 373	2.52 369	0.96 389	0.68 323	1.19 399	0.84 397	1.13 388	0.95 331

TorneroNet	5.60 417	2.30 404	3.98 379	1.49 389	1.26 387	14.47 425	1.11 378	4.85 418	20.66 434	10.12 419	16.30 426	11.78 424	7.35 418	3.41 403	4.38 405	1.36 404	0.70 329	1.46 409	0.87 399	2.73 415	1.33 363

MADNet+	1.44 373	2.19 394	6.00 412	0.89 352	0.70 331	1.58 378	1.11 378	1.56 386	1.30 375	0.89 325	1.03 343	1.25 370	1.12 358	3.29 398	2.80 377	0.48 372	0.57 309	0.39 366	0.36 349	0.63 370	0.69 292

WAO-7	1.58 386	2.04 387	3.25 328	0.94 358	0.75 335	1.75 387	1.13 380	1.87 395	1.97 396	1.46 382	2.53 395	1.98 388	1.75 384	3.13 395	2.48 368	0.69 381	0.67 322	0.94 391	0.74 394	0.80 383	0.77 302

notaker	2.77 403	2.35 407	4.02 381	2.61 415	1.44 393	1.77 388	1.14 381	2.77 407	1.81 394	2.30 402	11.41 421	3.95 404	4.70 413	3.24 397	3.01 382	1.58 408	0.88 339	1.71 415	1.08 408	2.10 410	1.44 372

LSM	3.40 410	1.42 331	5.81 411	9.98 425	30.74 438	0.86 320	1.14 381	0.99 282	1.26 370	1.40 377	2.18 387	0.93 324	0.85 329	1.76 292	1.03 277	0.22 316	0.35 271	0.24 333	0.29 309	0.40 329	6.21 423

PSM-AAD	0.67 215	0.29 2	2.41 123	0.37 172	0.23 113	0.86 320	1.15 383	0.62 74	0.66 129	0.64 242	0.71 274	0.67 225	2.90 403	0.65 126	0.32 82	0.10 48	0.08 39	0.17 281	0.15 199	0.14 52	0.34 153

CSAN	1.38 369	1.74 369	4.12 383	0.53 284	0.38 240	1.06 352	1.15 383	1.29 370	1.12 360	1.19 356	1.90 380	1.04 350	1.44 371	5.92 416	2.82 379	0.26 341	0.22 236	0.24 333	0.25 288	0.35 298	0.54 251

AnyNet_C32	1.08 349	1.76 370	3.01 311	0.50 276	0.54 289	1.17 363	1.16 385	0.97 271	0.95 331	1.11 349	0.98 334	0.87 310	0.93 343	1.57 264	4.11 403	0.22 316	0.20 226	0.25 338	0.25 288	0.40 329	0.68 288

coex-ft	6.14 418	1.98 380	60.80 442	0.34 133	0.30 180	0.80 306	1.17 386	0.76 117	4.34 410	19.82 430	2.15 386	1.61 382	8.77 420	1.82 306	10.36 422	0.44 368	2.05 396	0.18 297	0.19 254	0.39 323	4.61 422

IMH-64-1	1.50 378	1.98 380	2.69 252	1.39 382	1.12 378	1.39 370	1.19 387	1.80 392	1.47 382	1.19 356	2.20 388	1.53 380	1.51 377	2.12 340	1.98 342	1.34 402	0.68 323	1.28 402	0.70 389	1.37 399	1.12 344

IMH-64	1.50 378	1.98 380	2.69 252	1.39 382	1.12 378	1.39 370	1.19 387	1.80 392	1.47 382	1.19 356	2.20 388	1.53 380	1.51 377	2.12 340	1.98 342	1.34 402	0.68 323	1.28 402	0.70 389	1.37 399	1.12 344

DANet	0.85 295	0.68 154	2.41 123	1.18 376	0.48 277	0.77 294	1.23 389	0.93 243	1.53 385	0.90 327	0.72 277	0.97 334	0.57 263	1.86 313	1.05 279	0.18 284	0.16 197	0.19 303	0.16 217	0.26 228	0.67 283
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
iRaft-Stereo_20w	1.50 378	0.42 72	4.81 400	2.24 410	2.09 410	1.36 367	1.27 390	1.38 376	0.94 326	2.07 392	0.42 66	0.85 303	0.69 301	0.87 175	1.37 314	0.10 48	4.04 421	0.09 16	0.40 358	0.17 93	4.53 421

KSHMR	4.19 413	2.37 408	6.24 413	1.73 400	1.48 396	1.97 395	1.29 391	3.18 410	17.06 429	2.15 396	15.74 424	9.09 419	1.75 384	8.33 420	2.37 366	1.55 407	1.29 372	1.70 414	1.23 411	1.75 406	1.60 378

SGM-Forest	1.84 391	7.91 423	10.36 419	0.42 228	0.33 205	1.04 347	1.29 391	1.01 296	0.88 307	1.19 356	2.30 391	1.03 346	1.79 387	2.60 372	2.81 378	0.22 316	0.21 234	0.21 317	0.19 254	0.25 213	0.79 307
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
modified_for_full_sf	0.88 305	0.45 87	2.10 67	0.46 252	0.63 316	1.10 356	1.34 393	1.18 362	1.19 367	1.01 341	1.58 371	0.86 309	0.98 347	0.90 180	1.38 316	0.32 354	0.43 288	0.36 361	0.25 288	0.16 71	0.93 327

HanzoNet	7.85 419	3.30 419	5.75 410	7.47 423	3.97 415	2.34 402	1.37 394	3.47 414	4.02 409	13.30 424	10.49 417	10.86 421	16.67 427	8.50 421	10.51 423	10.80 428	9.84 430	5.83 425	13.69 428	7.24 424	7.51 424

MIPNet	0.88 305	1.07 245	2.85 289	0.61 312	0.18 49	1.46 372	1.37 394	1.65 388	0.78 247	1.93 391	0.85 310	0.75 268	1.66 380	0.87 175	0.34 99	0.10 48	0.08 39	0.11 96	0.32 326	0.27 239	0.26 107

EDNetEfficient	1.29 362	0.78 189	4.27 390	0.65 321	1.03 370	0.94 338	1.38 396	0.87 203	1.75 392	2.33 403	1.32 362	1.04 350	2.21 397	1.59 271	4.07 402	0.16 254	0.19 214	0.15 251	0.27 303	0.38 316	0.40 186

AnyNet_C01	1.20 357	1.89 376	4.25 389	0.55 291	0.54 289	1.57 377	1.39 397	1.10 345	1.13 361	1.19 356	1.34 364	1.15 367	1.11 357	1.73 287	2.89 380	0.26 341	0.24 244	0.28 343	0.24 283	0.50 354	0.68 288

ktn	4.44 414	2.47 411	3.70 369	1.82 403	1.49 397	2.11 399	1.40 398	2.30 402	12.56 420	11.36 422	16.25 425	11.30 423	3.77 410	4.41 412	3.47 390	1.86 411	0.99 344	1.74 416	1.21 410	3.28 417	1.39 369

GrayStereo	0.71 235	0.27 1	2.40 119	0.89 352	0.23 113	0.62 189	1.40 398	0.67 90	0.70 183	0.72 287	0.77 296	0.55 170	3.03 404	0.60 111	0.28 45	0.10 48	0.08 39	0.10 50	0.21 274	0.12 26	0.37 166

SAMSARA	1.11 351	1.35 314	2.60 211	1.34 379	0.77 340	1.67 384	1.41 400	1.47 381	0.99 343	1.54 385	0.89 321	1.44 378	0.90 337	1.88 317	1.71 329	0.25 337	0.55 305	0.22 321	0.34 342	0.39 323	0.50 236

UNDER WATER	2.84 404	2.25 399	5.25 406	1.84 404	1.45 394	2.36 403	1.44 401	3.23 411	6.51 415	2.61 407	2.73 402	5.69 413	5.64 416	3.14 396	4.18 404	1.48 405	0.81 336	1.60 413	1.07 407	1.91 408	1.67 382

UNDER WATER-64	2.59 400	2.28 403	5.63 409	1.85 405	1.45 394	3.28 409	1.60 402	2.62 404	5.57 412	2.09 393	2.12 384	4.10 405	4.21 412	2.74 384	3.64 394	1.49 406	0.86 338	1.58 412	1.09 409	1.91 408	1.62 379

FTStereo	0.79 272	0.32 15	2.83 285	0.70 334	0.21 81	0.73 273	1.75 403	0.61 70	0.60 86	1.07 347	1.62 374	1.28 371	2.11 395	0.75 155	0.30 59	0.19 295	0.08 39	0.12 139	0.11 112	0.12 26	0.39 181

PWCK	1.62 388	2.32 406	4.27 390	1.11 371	0.56 293	1.81 389	1.84 404	1.55 385	1.54 386	1.45 380	1.81 376	1.82 385	1.38 368	3.34 399	2.14 354	1.09 395	0.57 309	0.98 393	0.59 385	1.50 403	0.79 307

ADCL	1.07 346	1.22 287	2.80 277	0.40 216	0.33 205	1.50 374	1.87 405	0.97 271	1.04 350	1.26 369	1.28 358	0.99 338	1.41 370	1.36 235	3.51 391	0.17 273	0.14 171	0.22 321	0.21 274	0.32 277	0.43 202

SGM_RVC	2.11 398	1.07 245	2.87 292	0.98 362	0.92 355	2.72 407	1.88 406	1.91 397	12.27 419	2.09 393	1.99 382	2.47 394	2.24 398	2.87 390	2.03 345	0.54 373	0.47 293	0.42 371	0.47 369	0.74 376	1.22 355
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	1.52 382	0.92 224	2.91 297	0.62 314	0.57 296	3.13 408	2.21 407	1.67 389	1.58 388	2.42 404	2.43 393	1.87 386	2.49 400	1.85 311	2.70 376	0.42 364	0.43 288	0.41 369	0.40 358	0.51 356	0.85 317
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
THIR-Stereo	0.88 305	0.85 199	2.33 104	0.26 17	0.16 22	0.59 136	2.69 408	0.62 74	0.54 60	0.62 223	1.61 373	0.96 332	1.77 386	1.67 281	2.20 358	0.10 48	0.08 39	0.14 226	0.11 112	0.16 71	0.21 75

ELAS_RVC	1.51 381	0.88 206	3.36 337	0.63 316	0.56 293	1.53 375	2.73 409	1.53 383	1.76 393	2.26 401	2.21 390	2.10 389	3.07 405	2.08 336	2.52 369	0.42 364	0.42 285	0.42 371	0.37 350	0.51 356	0.84 313
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet++	2.94 408	2.17 393	3.27 330	2.55 414	2.28 412	3.29 410	3.37 410	2.76 406	2.67 404	3.10 412	3.20 407	2.78 395	3.25 407	4.11 409	4.68 408	2.72 416	2.27 411	3.03 420	2.43 418	2.34 414	2.59 411

LE_ROB	4.55 415	2.43 409	9.94 417	2.79 417	4.03 416	2.40 404	3.54 411	2.72 405	11.04 418	11.64 423	4.69 415	5.25 412	10.74 421	4.52 413	9.73 420	0.82 384	0.70 329	1.34 405	0.97 404	0.74 376	0.94 328

CrosDoStereo	0.96 327	0.49 93	2.66 234	0.27 25	0.33 205	0.54 77	3.69 412	0.77 123	0.66 129	0.70 276	1.39 365	0.53 157	1.47 373	1.77 295	3.02 383	0.10 48	0.08 39	0.11 96	0.11 112	0.22 178	0.30 133

DeepStereo_LL	0.96 327	0.49 93	2.66 234	0.27 25	0.33 205	0.54 77	3.69 412	0.77 123	0.66 129	0.70 276	1.39 365	0.53 157	1.47 373	1.77 295	3.02 383	0.10 48	0.08 39	0.11 96	0.11 112	0.22 178	0.30 133

JetBlue	1.89 392	2.09 389	4.16 385	0.74 337	1.23 384	4.52 417	3.86 414	1.68 390	1.26 370	1.28 371	1.54 370	2.36 393	1.86 389	3.35 400	3.37 387	0.54 373	0.49 297	0.48 375	0.49 372	1.39 401	1.21 353

FINET	1.92 393	1.96 378	4.49 398	1.62 393	1.39 391	3.51 411	4.39 415	2.89 408	2.58 401	1.39 375	1.98 381	1.35 375	2.12 396	1.64 277	2.12 352	0.84 385	1.03 351	0.18 297	0.29 309	0.54 361	2.12 393

MANE	3.51 411	2.03 386	3.88 378	1.89 406	2.01 408	5.98 418	4.72 416	5.87 420	7.13 417	3.80 415	5.10 416	6.11 416	5.34 415	4.39 411	5.05 410	1.07 393	1.28 371	0.50 376	0.85 398	0.76 379	2.36 409

SGM-ForestM	3.67 412	2.70 416	5.34 408	1.65 395	1.72 404	6.02 419	5.08 417	4.10 417	3.47 408	4.59 416	4.21 413	9.81 420	5.79 417	6.44 417	6.97 416	0.88 386	1.09 354	0.33 359	0.45 366	0.68 374	2.10 392

SGM+DAISY	2.67 401	2.14 392	4.28 392	1.92 407	2.11 411	4.36 416	5.22 418	3.17 409	3.00 407	3.24 414	3.81 410	3.03 398	3.61 409	2.53 366	3.79 395	1.15 396	1.29 372	0.66 383	0.71 392	0.95 386	2.44 410

JetRed	3.37 409	4.96 420	10.08 418	1.48 387	1.73 405	7.63 420	5.47 419	3.47 414	2.20 397	2.42 404	2.40 392	2.98 397	2.35 399	3.52 404	6.60 414	1.33 401	1.90 391	1.38 406	1.23 411	2.30 413	2.02 389

DGSMNet	2.93 407	0.77 186	3.44 352	3.58 419	4.25 417	2.53 406	6.86 420	1.03 308	0.88 307	0.58 176	1.85 378	0.79 280	0.62 282	1.63 274	1.46 320	4.62 419	4.98 422	5.15 424	4.71 423	4.52 422	4.37 420

EAI-Stereo	1.16 355	0.29 2	1.94 36	0.55 291	0.97 362	1.96 393	7.94 421	1.34 374	1.03 347	1.01 341	1.48 368	0.51 149	0.66 293	0.65 126	1.42 318	0.09 11	0.23 241	0.09 16	0.53 378	0.13 36	0.49 234

BEATNet-Init1	12.32 423	12.82 427	28.66 439	3.22 418	3.71 414	21.59 434	11.42 422	14.54 429	13.73 425	20.24 431	20.16 431	26.14 439	19.85 429	19.08 433	15.33 429	1.81 410	1.93 394	2.05 418	2.48 419	4.25 420	3.41 419

HaxPig	19.88 429	22.39 435	22.30 430	17.98 429	17.98 427	12.06 424	12.06 423	16.25 430	15.97 428	21.05 432	21.41 432	18.85 431	18.35 428	20.07 434	19.64 431	23.57 439	23.19 438	24.07 436	23.71 436	22.95 436	23.72 438

MEDIAN_ROB	23.95 432	26.96 442	26.29 438	22.14 431	22.09 429	16.18 426	14.23 424	20.47 431	20.09 430	25.43 440	25.22 441	22.96 432	22.54 433	24.33 435	23.18 435	28.15 441	27.16 442	28.60 438	27.73 438	27.59 437	27.58 439

AVERAGE_ROB	26.91 440	30.28 443	29.18 440	25.78 432	25.30 431	19.49 431	15.38 425	23.70 436	23.02 435	28.38 442	27.78 442	26.23 440	25.76 442	26.95 442	25.55 436	31.27 442	30.02 443	31.76 439	30.80 439	30.88 441	30.77 440

tt	4.94 416	0.32 15	4.22 388	2.29 411	1.58 400	10.19 423	16.94 426	9.44 424	5.03 411	1.69 388	1.33 363	4.68 410	5.02 414	3.38 401	5.91 413	6.15 422	9.47 429	2.80 419	3.16 421	3.54 419	1.58 377

DGTPSM_ROB	8.97 421	5.94 421	13.01 423	5.95 422	11.34 422	8.54 421	24.06 427	6.47 421	13.52 421	5.19 417	11.52 422	6.18 417	11.04 422	7.02 418	13.92 424	4.47 418	7.66 423	3.90 421	7.43 426	4.34 421	7.98 425

DPSMNet_ROB	9.58 422	5.96 422	13.98 426	8.88 424	11.87 423	8.54 421	24.08 428	6.48 422	13.67 424	5.35 418	11.53 423	6.31 418	11.04 422	7.69 419	14.09 425	7.61 427	8.23 425	5.03 423	7.75 427	5.24 423	8.36 426

xxxxx1	29.05 441	20.74 431	14.05 427	50.10 440	40.25 440	19.01 427	26.60 429	21.83 433	20.22 431	16.52 427	17.56 427	18.33 428	21.41 430	16.11 430	20.77 432	23.48 436	26.77 439	66.36 441	78.56 441	30.19 438	32.23 441

tt_ll	29.05 441	20.74 431	14.05 427	50.10 440	40.25 440	19.01 427	26.60 429	21.83 433	20.22 431	16.52 427	17.56 427	18.33 428	21.41 430	16.11 430	20.77 432	23.48 436	26.77 439	66.36 441	78.56 441	30.19 438	32.23 441

ff	29.05 441	20.74 431	14.05 427	50.10 440	40.25 440	19.01 427	26.60 429	21.83 433	20.22 431	16.52 427	17.56 427	18.33 428	21.41 430	16.11 430	20.77 432	23.48 436	26.77 439	66.36 441	78.56 441	30.19 438	32.23 441

Anonymous_1	22.76 430	11.11 424	11.93 420	12.73 426	26.05 437	19.39 430	27.77 432	14.18 426	13.64 423	14.92 425	10.66 418	11.26 422	11.24 424	12.48 426	14.45 426	37.82 443	7.87 424	34.92 440	63.61 440	87.51 443	11.75 429

DPSM_ROB	12.32 423	11.13 425	12.31 421	12.90 427	12.80 425	19.81 432	28.13 433	14.50 427	14.31 426	10.62 420	11.34 419	12.03 425	11.89 425	13.08 427	15.22 427	7.09 424	8.31 426	6.47 427	7.32 424	8.69 425	8.43 427

DPSM	12.32 423	11.13 425	12.31 421	12.90 427	12.80 425	19.81 432	28.13 433	14.50 427	14.31 426	10.62 420	11.34 419	12.03 425	11.89 425	13.08 427	15.22 427	7.09 424	8.31 426	6.47 427	7.32 424	8.69 425	8.43 427

DPSimNet_ROB	24.35 433	23.81 441	31.38 441	25.93 433	22.83 430	31.30 436	34.38 435	20.78 432	28.92 438	27.39 441	22.99 440	28.29 442	35.76 443	15.47 429	17.82 430	24.28 440	17.90 437	22.23 435	14.12 429	19.38 434	22.12 437

SPstereo	16.55 428	3.18 418	4.92 402	2.73 416	2.77 413	29.67 435	52.00 436	39.41 443	29.70 443	21.94 439	21.64 433	27.45 441	23.83 435	27.92 443	26.10 437	2.44 415	2.60 416	4.96 422	3.11 420	2.27 412	2.32 408

LSM0	26.57 439	22.53 440	25.76 437	30.62 439	52.30 443	39.86 442	56.49 437	29.18 441	28.76 436	21.26 434	22.46 434	24.42 438	23.97 439	26.42 441	30.66 443	14.29 434	16.56 431	13.06 434	14.65 430	17.62 433	20.52 436

Selective-RAFT-Error	24.83 435	22.44 439	24.80 433	26.10 435	25.82 433	39.85 441	56.72 438	29.21 442	29.03 442	21.29 435	22.80 436	24.25 437	24.07 441	26.28 440	30.60 438	14.24 430	16.85 433	13.04 433	14.75 431	17.53 432	17.02 431

CasAABBNet	24.76 434	22.38 434	24.44 432	26.05 434	25.75 432	39.79 437	56.76 439	29.10 440	28.88 437	21.22 433	22.69 435	24.21 436	23.99 440	26.23 436	30.62 439	14.22 429	16.71 432	13.03 429	14.75 431	17.49 431	16.97 430

MyStereo03	24.90 436	22.40 436	24.90 434	26.19 436	25.93 434	39.80 438	56.77 440	29.00 437	28.95 439	21.51 436	22.81 437	24.16 433	23.92 436	26.26 437	30.65 440	14.24 430	17.13 434	13.03 429	14.76 433	17.48 428	18.00 433

MyStereo02	24.90 436	22.40 436	24.90 434	26.19 436	25.93 434	39.80 438	56.77 440	29.00 437	28.95 439	21.51 436	22.81 437	24.16 433	23.92 436	26.26 437	30.65 440	14.24 430	17.13 434	13.03 429	14.76 433	17.48 428	18.00 433

MyStereo	24.90 436	22.40 436	24.90 434	26.19 436	25.93 434	39.80 438	56.77 440	29.00 437	28.95 439	21.51 436	22.81 437	24.16 433	23.92 436	26.26 437	30.65 440	14.24 430	17.13 434	13.03 429	14.76 433	17.48 428	18.00 433

PML	22.99 431	17.34 428	8.24 416	5.48 421	9.84 421	50.35 443	102.65 443	5.84 419	13.52 421	37.08 443	104.84 443	30.61 443	23.20 434	12.09 424	7.96 418	6.27 423	2.12 401	6.31 426	2.42 417	10.67 427	2.95 413

test_example2	115.17 444	122.38 444	93.45 443	115.38 443	123.53 444	101.24 444	113.11 444	54.67 444	99.94 444	135.50 444	136.43 444	85.67 444	85.40 444	110.44 444	104.91 444	152.17 444	205.21 444	99.17 444	114.27 444	138.55 444	112.04 444

Low-res two-view benchmark