Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

CroCo-Stereo	0.35 8	0.71 161	1.67 9	0.32 94	0.17 39	0.19 1	0.21 32	0.79 137	0.54 59	0.22 3	0.25 11	0.55 169	0.22 21	0.28 1	0.28 44	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
CroCo-Stereo Lap2	0.38 15	0.91 217	2.02 49	0.33 115	0.38 239	0.23 2	0.21 32	0.63 79	0.51 43	0.23 6	0.28 15	0.29 46	0.23 27	0.34 16	0.28 44	0.10 48	0.09 84	0.10 50	0.08 28	0.22 175	0.15 32

StereoIM	0.35 8	0.89 209	2.15 73	0.25 6	0.29 168	0.29 3	0.17 6	0.47 11	0.41 5	0.21 1	0.22 2	0.28 42	0.21 17	0.32 13	0.31 72	0.10 48	0.09 84	0.10 50	0.08 28	0.11 18	0.12 11

MIF-Stereo	0.36 12	0.66 145	2.43 130	0.28 36	0.24 121	0.30 4	0.18 11	0.35 1	0.36 2	0.26 15	0.37 45	0.18 1	0.18 6	0.33 14	0.30 58	0.11 113	0.08 39	0.09 16	0.08 28	0.25 210	0.09 2

sCroCo_RVC	0.37 13	0.39 60	2.38 109	0.35 147	0.27 152	0.31 5	0.22 43	0.49 15	0.48 29	0.23 6	0.34 35	0.25 26	0.24 29	0.35 24	0.25 25	0.15 239	0.17 203	0.12 139	0.11 111	0.15 61	0.15 32

LargeStereo	0.74 248	0.70 158	2.05 56	1.11 369	1.09 374	0.32 6	0.21 32	0.75 114	0.43 13	0.30 26	0.30 20	0.22 8	0.27 65	0.98 185	0.31 72	0.10 48	2.50 413	0.08 3	0.15 198	0.27 236	2.70 410

MIF-Stereo (partial)	0.41 20	0.71 161	2.67 239	0.27 24	0.24 121	0.32 6	0.17 6	0.56 51	0.46 20	0.26 15	0.37 45	0.25 26	0.26 51	0.46 51	0.35 105	0.11 113	0.08 39	0.12 139	0.10 73	0.21 161	0.15 32

MoCha-V2	0.58 129	0.44 81	2.01 45	0.50 274	0.76 336	0.33 8	0.21 32	0.65 86	0.45 18	0.27 19	0.35 40	0.24 21	0.26 51	1.25 221	0.39 118	0.08 1	1.63 383	0.08 3	0.35 342	0.29 255	1.07 340

test croco	0.43 27	0.73 169	2.80 275	0.28 36	0.19 65	0.33 8	0.21 32	0.63 79	0.50 38	0.24 9	0.38 51	0.24 21	0.25 43	0.48 62	0.32 81	0.12 148	0.08 39	0.13 196	0.09 39	0.43 337	0.13 14

sAnonymous2	0.45 42	0.88 204	2.97 302	0.31 76	0.25 127	0.34 10	0.28 138	0.56 51	0.49 32	0.25 12	0.30 20	0.23 15	0.29 92	0.31 3	0.22 4	0.12 148	0.09 84	0.12 139	0.13 161	0.38 314	0.43 201

CroCo_RVC	0.45 42	0.88 204	2.97 302	0.31 76	0.25 127	0.34 10	0.28 138	0.56 51	0.49 32	0.25 12	0.30 20	0.23 15	0.29 92	0.31 3	0.22 4	0.12 148	0.09 84	0.12 139	0.13 161	0.38 314	0.43 201

Selective-IGEV	0.57 121	0.42 71	1.87 24	1.67 394	1.33 387	0.36 12	0.20 22	0.61 70	0.71 194	0.22 3	0.31 26	0.22 8	0.19 8	0.52 82	0.36 107	0.09 12	0.97 340	0.09 16	0.15 198	0.20 151	0.85 316

Anonymous	0.41 20	0.44 81	2.55 193	0.35 147	0.32 198	0.38 13	0.34 214	0.57 56	0.41 5	0.25 12	0.30 20	0.23 15	0.29 92	0.38 29	0.28 44	0.15 239	0.13 157	0.11 96	0.12 141	0.24 195	0.30 132

CES	0.33 5	0.32 15	1.46 3	0.25 6	0.50 278	0.40 14	0.20 22	0.48 12	0.48 29	0.22 3	0.29 17	0.26 33	0.19 8	0.35 24	0.22 4	0.09 12	0.07 6	0.08 3	0.05 1	0.16 70	0.54 250

MGS-Stereo	0.35 8	0.48 90	1.99 42	0.26 16	0.14 9	0.41 15	0.22 43	0.41 3	0.48 29	0.24 9	0.51 119	0.25 26	0.18 6	0.33 14	0.22 4	0.10 48	0.08 39	0.09 16	0.08 28	0.47 349	0.10 4

GLC_STEREO	0.31 1	0.30 5	1.80 12	0.29 48	0.12 3	0.41 15	0.20 22	0.39 2	0.42 9	0.26 15	0.31 26	0.25 26	0.19 8	0.36 26	0.26 34	0.09 12	0.11 129	0.12 139	0.10 73	0.13 36	0.15 32

GMStereo	0.44 39	1.32 303	2.65 228	0.28 36	0.16 22	0.42 17	0.22 43	0.48 12	0.63 108	0.41 38	0.36 41	0.26 33	0.25 43	0.41 43	0.30 58	0.14 221	0.08 39	0.10 50	0.12 141	0.17 91	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
LoS_RVC	0.34 6	0.38 56	1.96 39	0.27 24	0.35 221	0.43 18	0.22 43	0.43 6	0.34 1	0.24 9	0.34 35	0.23 15	0.28 76	0.34 16	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 11	0.35 158

TestStereo	0.49 69	0.88 204	2.38 109	0.30 62	0.16 22	0.43 18	0.25 104	0.55 49	0.46 20	0.38 33	0.46 81	0.34 64	0.28 76	1.96 325	0.28 44	0.11 113	0.08 39	0.12 139	0.09 39	0.15 61	0.13 14

IGEVStereo-DCA	0.74 248	0.74 178	2.09 61	0.76 338	0.77 339	0.45 20	0.23 63	0.49 15	0.62 97	0.71 284	0.22 2	0.30 47	0.28 76	1.29 227	1.53 323	0.10 48	1.50 381	0.10 50	0.18 237	0.24 195	2.22 400

rrr	0.84 286	0.74 178	3.40 345	0.76 338	0.77 339	0.45 20	0.28 138	1.23 365	0.84 292	0.71 284	0.22 2	0.30 47	0.28 76	1.29 227	1.53 323	0.10 48	1.50 381	0.10 50	0.29 307	0.24 195	1.75 381

knoymous	0.37 13	0.34 31	1.83 16	0.25 6	0.18 49	0.45 20	0.24 85	0.60 68	0.40 4	0.42 42	0.39 54	0.54 161	0.25 43	0.41 43	0.29 53	0.12 148	0.08 39	0.12 139	0.07 13	0.13 36	0.20 70

Former-RAFT_DAM_RVC	0.52 85	0.51 103	1.12 1	0.26 16	0.22 89	0.46 23	0.20 22	1.10 344	1.33 374	3.13 411	0.33 33	0.22 8	0.20 15	0.34 16	0.26 34	0.11 113	0.09 84	0.11 96	0.09 39	0.17 91	0.21 74

SMFormer	0.64 190	0.54 110	1.92 31	0.32 94	0.16 22	0.46 23	0.24 85	0.94 247	0.85 294	0.58 175	0.70 260	0.51 148	0.41 168	1.89 316	0.86 255	0.13 191	1.01 343	0.11 96	0.26 293	0.17 91	0.84 312

tta	0.63 183	0.54 110	1.92 31	0.32 94	0.16 22	0.46 23	0.24 85	0.94 247	0.85 294	0.58 175	0.70 260	0.51 148	0.41 168	1.89 316	0.86 255	0.13 191	1.01 343	0.11 96	0.26 293	0.19 134	0.59 262

qqq1	0.62 171	0.54 110	1.92 31	0.32 94	0.16 22	0.46 23	0.24 85	0.94 247	0.85 294	0.58 175	0.70 260	0.51 148	0.41 168	1.89 316	0.64 201	0.13 191	1.01 343	0.09 16	0.24 282	0.19 134	0.59 262

fff1	0.62 171	0.54 110	1.92 31	0.32 94	0.16 22	0.46 23	0.24 85	0.94 247	0.85 294	0.58 175	0.70 260	0.51 148	0.41 168	1.89 316	0.64 201	0.13 191	1.01 343	0.09 16	0.24 282	0.19 134	0.59 262

DLNR_Zeroshot_test	13.74 424	20.06 428	23.92 429	121.50 442	35.20 437	0.46 23	0.15 1	7.96 421	0.47 26	0.29 25	0.37 45	0.26 33	0.17 1	0.79 162	0.36 107	7.16 424	2.95 418	0.09 16	0.38 352	50.40 440	1.95 385

4D-IteraStereo	0.62 171	1.29 300	3.04 311	0.27 24	0.30 179	0.46 23	0.26 116	0.54 41	0.51 43	0.41 38	0.31 26	0.39 78	0.19 8	0.53 89	0.65 206	0.09 12	0.47 291	0.12 139	0.11 111	0.21 161	2.14 392

qqq	0.65 195	0.63 140	2.10 67	0.30 62	0.64 319	0.46 23	0.27 130	0.81 149	0.83 280	0.48 70	0.56 165	0.46 127	0.37 133	1.03 190	0.75 228	0.11 113	1.41 379	0.12 139	0.41 360	0.16 70	1.18 346

test-3	0.58 129	0.43 77	2.44 138	0.52 279	0.59 300	0.46 23	0.23 63	0.77 123	0.49 32	0.52 123	0.29 17	0.44 111	0.22 21	0.59 105	0.97 263	0.08 1	1.27 367	0.10 50	0.35 342	0.29 255	0.62 269

test_1	0.58 129	0.43 77	2.44 138	0.52 279	0.59 300	0.46 23	0.23 63	0.77 123	0.49 32	0.51 115	0.29 17	0.44 111	0.22 21	0.59 105	0.97 263	0.08 1	1.27 367	0.10 50	0.35 342	0.29 255	0.63 273

StereoVision	0.52 85	1.12 256	2.70 254	0.34 132	0.32 198	0.47 33	0.26 116	0.73 110	0.61 88	0.33 27	0.89 320	0.45 123	0.26 51	0.52 82	0.39 118	0.14 221	0.15 184	0.16 266	0.15 198	0.22 175	0.14 26

CASnet	0.32 4	0.40 64	1.80 12	0.28 36	0.11 1	0.47 33	0.19 13	0.45 8	0.47 26	0.39 35	0.31 26	0.23 15	0.17 1	0.31 3	0.21 1	0.11 113	0.06 1	0.15 250	0.12 141	0.16 70	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT	0.62 171	1.35 312	2.26 89	0.62 313	0.53 287	0.47 33	0.35 223	0.70 102	0.58 77	0.50 104	0.50 117	0.79 279	0.40 157	0.49 72	0.36 107	0.11 113	0.79 332	0.14 225	0.13 161	0.52 357	0.72 297

11t1	0.60 151	0.49 92	2.19 79	0.35 147	0.58 299	0.48 36	0.21 32	0.72 109	0.73 205	0.49 86	0.47 86	0.35 67	0.34 123	0.61 113	0.71 220	0.12 148	1.26 366	0.10 50	0.29 307	0.16 70	1.22 354

x	0.65 195	0.62 138	2.12 68	0.36 161	0.61 312	0.48 36	0.24 85	0.80 142	0.89 311	0.50 104	0.56 165	0.44 111	0.36 128	0.62 116	0.80 242	0.11 113	1.44 380	0.11 96	0.39 355	0.16 70	1.34 364

test_3	0.59 145	0.44 81	2.44 138	0.53 283	0.59 300	0.48 36	0.30 176	0.79 137	0.52 49	0.51 115	0.30 20	0.45 123	0.22 21	0.59 105	0.97 263	0.08 1	1.25 363	0.11 96	0.35 342	0.30 262	0.62 269

RALAANet	0.52 85	1.37 320	2.63 218	0.33 115	0.23 112	0.48 36	0.19 13	0.69 95	0.55 64	0.49 86	0.46 81	0.39 78	0.31 106	0.53 89	0.53 170	0.10 48	0.33 268	0.11 96	0.17 229	0.29 255	0.13 14

Gwc-CoAtRS	0.41 20	0.37 51	2.06 57	0.28 36	0.41 252	0.48 36	0.19 13	0.64 81	0.49 32	0.45 56	0.39 54	0.57 180	0.26 51	0.37 27	0.28 44	0.09 12	0.19 213	0.09 16	0.31 318	0.11 18	0.25 100

mmm	0.66 212	0.53 108	1.83 16	0.38 189	0.86 348	0.49 41	0.27 130	0.82 156	0.83 280	0.59 194	0.69 247	0.47 132	0.38 140	0.81 169	0.73 225	0.12 148	1.37 375	0.14 225	0.45 364	0.18 111	1.35 365

whm_eth	0.51 83	0.86 199	2.79 273	0.31 76	0.31 187	0.49 41	0.24 85	0.78 130	0.75 227	0.48 70	0.86 314	0.26 33	0.26 51	0.38 29	0.29 53	0.13 191	0.11 129	0.13 196	0.12 141	0.14 52	0.44 213

ProNet	0.46 47	0.60 129	1.85 21	0.35 147	0.67 323	0.49 41	0.25 104	0.53 32	0.57 71	0.21 1	0.24 6	0.22 8	0.20 15	0.52 82	0.22 4	0.09 12	0.47 291	0.10 50	0.09 39	0.23 189	1.33 362

iRaft-Stereo_5w	0.65 195	1.35 312	2.21 84	0.30 62	0.63 315	0.49 41	0.28 138	0.78 130	0.64 114	0.41 38	0.61 202	0.62 201	0.46 215	1.79 298	0.48 150	0.10 48	0.25 250	0.11 96	0.12 141	0.40 327	0.94 326

rafts_anoy	0.60 151	1.33 307	2.59 204	0.53 283	1.09 374	0.49 41	0.25 104	0.67 90	0.53 55	0.41 38	0.38 51	0.33 60	0.30 102	0.68 135	0.41 123	0.10 48	1.13 355	0.13 196	0.15 198	0.20 151	0.29 124

test_xeample3	0.86 297	0.75 182	3.36 335	0.65 320	0.76 336	0.49 41	0.33 209	1.21 364	0.80 262	0.61 210	0.23 5	0.30 47	0.29 92	1.17 210	1.57 325	0.10 48	1.79 388	0.10 50	0.40 356	0.25 210	2.09 389

cross-raft	0.47 50	0.34 31	2.17 76	0.70 333	0.84 347	0.50 47	0.35 223	0.74 112	0.43 13	0.44 54	0.45 79	0.63 205	0.25 43	0.37 27	0.27 39	0.08 1	0.14 170	0.10 50	0.23 280	0.11 18	0.27 112

RALCasStereoNet	0.65 195	1.34 309	2.56 197	0.43 237	0.96 358	0.50 47	0.26 116	0.62 73	0.56 68	0.43 48	0.49 105	0.36 68	0.28 76	0.72 149	0.53 170	0.10 48	1.18 356	0.09 16	0.08 28	0.27 236	1.27 357

MIM_Stereo	0.55 106	0.92 222	2.65 228	0.32 94	1.09 374	0.51 49	0.19 13	0.67 90	0.52 49	0.48 70	0.54 144	0.43 96	0.27 65	0.57 101	0.30 58	0.08 1	0.17 203	0.11 96	0.10 73	0.28 247	0.80 308

CAS	0.39 17	0.31 7	1.79 11	0.81 347	0.34 213	0.51 49	0.23 63	0.49 15	0.42 9	0.23 6	0.31 26	0.20 2	0.17 1	0.30 2	0.25 25	0.77 380	0.06 1	0.07 1	0.05 1	0.10 11	0.41 192

DCANet-4	0.43 27	0.32 15	2.31 98	0.26 16	0.14 9	0.51 49	0.22 43	0.84 173	0.78 246	0.55 146	0.48 92	0.28 42	0.37 133	0.40 37	0.37 110	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 201

fff	0.50 73	0.90 214	2.63 218	0.25 6	0.15 15	0.51 49	0.22 43	0.85 183	0.82 274	0.55 146	0.48 92	0.31 52	0.65 286	0.39 33	0.37 110	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 201

ADStereo(finetuned)	0.50 73	0.91 217	2.43 130	0.26 16	0.14 9	0.51 49	0.22 43	0.84 173	0.78 246	0.56 157	0.49 105	0.32 56	0.75 315	0.40 37	0.40 120	0.10 48	0.07 6	0.09 16	0.07 13	0.13 36	0.45 218

GMOStereo	0.58 129	0.89 209	2.46 161	0.29 48	0.99 362	0.51 49	0.32 196	0.58 58	0.46 20	0.58 175	0.48 92	0.54 161	0.27 65	0.31 3	0.25 25	0.09 12	1.64 384	0.13 196	0.11 111	0.34 285	0.42 196

error version	0.58 129	0.89 209	2.46 161	0.29 48	0.99 362	0.51 49	0.32 196	0.58 58	0.46 20	0.58 175	0.48 92	0.54 161	0.27 65	0.31 3	0.25 25	0.09 12	1.64 384	0.13 196	0.11 111	0.34 285	0.42 196

test-v	0.58 129	0.89 209	2.46 161	0.29 48	0.99 362	0.51 49	0.32 196	0.58 58	0.46 20	0.58 175	0.48 92	0.54 161	0.27 65	0.31 3	0.25 25	0.09 12	1.64 384	0.13 196	0.11 111	0.34 285	0.42 196

test-2	0.58 129	0.89 209	2.46 161	0.29 48	0.99 362	0.51 49	0.32 196	0.58 58	0.46 20	0.58 175	0.48 92	0.54 161	0.27 65	0.31 3	0.25 25	0.09 12	1.64 384	0.13 196	0.11 111	0.34 285	0.42 196

test-1	0.61 158	0.54 110	2.09 61	0.31 76	1.37 389	0.51 49	0.28 138	0.83 166	0.50 38	0.42 42	0.55 153	0.54 161	0.24 29	0.38 29	1.25 302	0.10 48	1.08 351	0.10 50	0.17 229	0.11 18	0.77 301

XX-TBD	0.40 19	1.04 239	2.49 174	0.35 147	0.13 6	0.51 49	0.17 6	0.44 7	0.52 49	0.38 33	0.51 119	0.23 15	0.19 8	0.31 3	0.25 25	0.10 48	0.07 6	0.08 3	0.06 7	0.09 5	0.18 58

DCANet	0.49 69	0.91 217	2.63 218	0.26 16	0.14 9	0.51 49	0.22 43	0.84 173	0.78 246	0.56 157	0.49 105	0.32 56	0.41 168	0.39 33	0.41 123	0.10 48	0.07 6	0.09 16	0.07 13	0.14 52	0.45 218

csc	0.50 73	0.90 214	2.63 218	0.25 6	0.15 15	0.51 49	0.22 43	0.85 183	0.82 274	0.55 146	0.48 92	0.31 52	0.65 286	0.39 33	0.37 110	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 201

cscssc	0.50 73	0.90 214	2.63 218	0.25 6	0.15 15	0.51 49	0.22 43	0.85 183	0.82 274	0.55 146	0.48 92	0.31 52	0.65 286	0.39 33	0.37 110	0.10 48	0.07 6	0.09 16	0.07 13	0.08 1	0.43 201

AFF-stereo	0.57 121	1.51 341	2.59 204	0.33 115	0.23 112	0.51 49	0.21 32	0.69 95	0.68 164	0.49 86	0.63 217	0.49 141	0.34 123	0.50 77	0.37 110	0.08 1	0.54 301	0.10 50	0.10 73	0.40 327	0.60 266

GMStereo_Zeroshot	0.44 39	0.44 81	1.84 19	0.44 241	0.20 71	0.52 64	0.19 13	0.60 68	0.54 59	0.58 175	0.59 187	0.63 205	0.29 92	0.59 105	0.34 98	0.16 253	0.09 84	0.16 266	0.09 39	0.26 225	0.26 106

DAS	0.61 158	0.42 71	1.85 21	0.34 132	0.34 213	0.52 64	0.42 258	0.89 217	0.80 262	0.85 320	0.69 247	0.57 180	0.51 238	2.38 354	0.57 181	0.13 191	0.09 84	0.12 139	0.09 39	0.18 111	0.37 165

SepStereo	0.57 121	0.42 71	1.85 21	0.34 132	0.34 213	0.52 64	0.42 258	0.89 217	0.80 262	0.85 320	0.69 247	0.57 180	0.51 238	1.55 256	0.57 181	0.13 191	0.09 84	0.12 139	0.09 39	0.18 111	0.37 165

raft+_RVC	0.62 171	1.18 273	2.43 130	0.36 161	2.08 407	0.52 64	0.25 104	0.66 87	0.54 59	0.36 28	0.46 81	0.32 56	0.28 76	0.49 72	0.43 133	0.10 48	0.91 338	0.10 50	0.09 39	0.22 175	0.70 294

RAFT-Stereo + iAFF	0.58 129	1.48 339	2.53 182	0.29 48	0.78 342	0.52 64	0.20 22	0.68 93	0.66 128	0.51 115	0.61 202	0.40 86	0.32 111	0.40 37	0.43 133	0.08 1	0.63 316	0.09 16	0.09 39	0.37 307	0.58 259

AEACV	0.89 311	0.29 2	1.84 19	2.50 410	1.68 401	0.53 69	0.21 32	1.01 295	0.42 9	0.68 267	0.31 26	0.22 8	0.39 151	1.63 272	0.25 25	0.09 12	2.60 414	0.09 16	0.54 377	0.23 189	2.27 405

LoS	0.34 6	0.35 38	1.88 25	0.25 6	0.13 6	0.53 69	0.20 22	0.50 24	0.53 55	0.26 15	0.28 15	0.37 71	0.24 29	0.40 37	0.25 25	0.10 48	0.08 39	0.08 3	0.06 7	0.15 61	0.10 4

raft_robust	0.68 220	1.24 290	2.42 125	0.30 62	0.57 295	0.53 69	0.25 104	0.95 260	0.79 255	0.49 86	0.46 81	1.12 361	0.74 311	1.50 252	0.61 192	0.09 12	0.62 315	0.10 50	0.30 313	0.26 225	0.30 132

AnonymousM	0.45 42	0.49 92	1.83 16	0.29 48	0.15 15	0.53 69	0.22 43	0.64 81	0.66 128	0.47 68	0.33 33	0.30 47	0.25 43	0.49 72	0.29 53	0.12 148	0.27 259	0.71 384	0.37 349	0.12 26	0.41 192

iRaftStereo_RVC	0.47 50	0.84 195	1.91 30	0.29 48	0.15 15	0.53 69	0.20 22	0.58 58	0.50 38	0.37 30	0.43 67	0.42 95	0.23 27	0.38 29	0.28 44	0.09 12	0.70 327	0.12 139	0.11 111	0.43 337	0.77 301

raftrobust	0.52 85	1.14 259	2.15 73	0.33 115	0.99 362	0.53 69	0.21 32	0.59 65	0.50 38	0.53 131	0.36 41	0.31 52	0.33 116	0.47 53	0.42 127	0.10 48	0.55 303	0.09 16	0.08 28	0.22 175	0.46 221

CFNet-RSSM	0.44 39	0.36 41	2.38 109	0.28 36	0.43 263	0.53 69	0.20 22	0.86 195	0.52 49	0.44 54	0.36 41	0.53 156	0.26 51	0.40 37	0.27 39	0.09 12	0.08 39	0.09 16	0.38 352	0.10 11	0.22 79

H2IRNET	0.48 57	1.04 239	2.57 201	0.31 76	0.19 65	0.54 76	0.19 13	0.55 49	0.53 55	0.28 20	0.56 165	0.47 132	0.35 125	0.47 53	0.40 120	0.11 113	0.08 39	0.12 139	0.14 179	0.37 307	0.26 106

LL-Strereo2	0.62 171	1.36 316	2.47 166	1.37 379	0.96 358	0.54 76	0.28 138	0.61 70	0.49 32	0.42 42	0.34 35	0.44 111	0.21 17	0.57 101	0.53 170	0.11 113	0.26 253	0.16 266	0.14 179	0.18 111	0.98 336

LL-Strereo	0.85 294	1.73 364	3.06 315	0.37 171	0.61 312	0.54 76	0.33 209	1.01 295	0.76 235	0.69 272	0.58 182	0.85 302	0.78 318	2.65 374	0.54 175	0.14 221	0.58 309	0.14 225	0.12 141	0.42 335	1.05 338

CASS	0.43 27	0.34 31	2.01 45	0.33 115	0.17 39	0.54 76	0.24 85	0.71 108	0.52 49	0.62 222	0.55 153	0.40 86	0.41 168	0.43 47	0.33 90	0.17 272	0.10 107	0.14 225	0.11 111	0.18 111	0.23 87
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MC-Stereo	0.58 129	0.37 51	2.00 43	0.88 350	0.64 319	0.54 76	0.19 13	0.46 10	0.39 3	0.58 175	0.39 54	0.27 40	0.27 65	0.71 144	0.32 81	0.09 12	1.20 358	0.09 16	0.16 216	0.22 175	1.92 384

RAFT_CTSACE	0.58 129	1.16 267	2.76 269	0.36 161	0.29 168	0.54 76	0.29 163	0.69 95	0.51 43	0.51 115	0.75 288	0.67 224	0.37 133	0.63 117	0.47 147	0.08 1	0.49 295	0.11 96	0.10 73	0.41 333	0.32 142

CrosDoStereo	0.96 325	0.49 92	2.66 232	0.27 24	0.33 204	0.54 76	3.69 410	0.77 123	0.66 128	0.70 275	1.39 364	0.53 156	1.47 371	1.77 293	3.02 381	0.10 48	0.08 39	0.11 96	0.11 111	0.22 175	0.30 132

DeepStereo_LL	0.96 325	0.49 92	2.66 232	0.27 24	0.33 204	0.54 76	3.69 410	0.77 123	0.66 128	0.70 275	1.39 364	0.53 156	1.47 371	1.77 293	3.02 381	0.10 48	0.08 39	0.11 96	0.11 111	0.22 175	0.30 132

CREStereo++_RVC	0.38 15	0.37 51	2.47 166	0.25 6	0.16 22	0.54 76	0.15 1	0.42 5	0.57 71	0.37 30	0.52 127	0.24 21	0.19 8	0.31 3	0.27 39	0.09 12	0.06 1	0.08 3	0.30 313	0.09 5	0.22 79
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 17	0.70 158	2.48 171	0.23 4	0.12 3	0.54 76	0.16 4	0.41 3	0.47 26	0.45 56	0.51 119	0.26 33	0.22 21	0.34 16	0.21 1	0.10 48	0.10 107	0.08 3	0.07 13	0.09 5	0.18 58

panet	0.31 1	0.31 7	1.65 7	0.20 2	0.12 3	0.55 86	0.15 1	0.50 24	0.51 43	0.28 20	0.34 35	0.24 21	0.21 17	0.34 16	0.24 16	0.11 113	0.07 6	0.08 3	0.05 1	0.09 5	0.12 11

EKT-Stereo	1.56 382	0.55 117	2.60 209	2.54 411	19.66 426	0.55 86	0.22 43	0.76 117	0.51 43	0.40 37	0.36 41	0.43 96	0.27 65	0.74 153	0.42 127	0.13 191	0.17 203	0.11 96	0.16 216	0.20 151	0.50 235

RAFT+CT+SA	0.60 151	1.25 293	2.49 174	0.38 189	0.75 333	0.55 86	0.34 214	0.83 166	0.68 164	0.39 35	0.55 153	0.44 111	0.29 92	0.75 154	0.28 44	0.09 12	0.24 243	0.11 96	0.51 373	0.30 262	0.74 300

XX-Stereo	0.98 330	0.57 120	4.45 395	1.64 392	5.33 417	0.55 86	0.16 4	0.96 263	0.43 13	0.45 56	0.65 231	0.85 302	0.19 8	0.79 162	0.26 34	0.11 113	0.80 333	0.10 50	0.32 324	0.17 91	0.78 304

CREStereo	0.31 1	0.35 38	1.66 8	0.19 1	0.13 6	0.55 86	0.17 6	0.50 24	0.50 38	0.28 20	0.34 35	0.24 21	0.21 17	0.34 16	0.23 15	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
ff7	0.65 195	0.58 122	2.09 61	0.39 202	0.60 305	0.56 91	0.23 63	0.49 15	0.62 97	1.00 336	0.24 6	0.20 2	0.24 29	0.71 144	0.24 16	0.09 12	2.09 395	0.10 50	0.18 237	0.24 195	2.22 400

ffff	0.65 195	0.58 122	2.09 61	0.39 202	0.60 305	0.56 91	0.23 63	0.49 15	0.62 97	1.00 336	0.24 6	0.20 2	0.24 29	0.71 144	0.24 16	0.09 12	2.09 395	0.10 50	0.18 237	0.24 195	2.22 400

11t	0.65 195	0.58 122	2.09 61	0.39 202	0.60 305	0.56 91	0.23 63	0.49 15	0.62 97	1.00 336	0.24 6	0.20 2	0.24 29	0.71 144	0.24 16	0.09 12	2.09 395	0.10 50	0.18 237	0.24 195	2.22 400

IGEV_Zeroshot_test	0.91 316	0.39 60	3.80 371	0.42 227	1.95 405	0.56 91	0.64 331	0.84 173	0.55 64	1.45 378	0.53 130	0.79 279	0.42 179	0.57 101	1.13 286	0.10 48	0.49 295	0.10 50	0.34 340	0.19 134	2.97 413

MSKI-zero shot	0.70 231	0.44 81	2.62 217	1.47 384	0.75 333	0.56 91	0.20 22	0.80 142	0.45 18	0.60 203	0.52 127	0.44 111	0.17 1	0.70 138	0.26 34	0.09 12	2.87 417	0.09 16	0.32 324	0.14 52	0.50 235

PCWNet_CMD	0.48 57	0.50 98	2.23 86	0.27 24	0.20 71	0.56 91	0.22 43	0.78 130	0.67 140	0.49 86	0.55 153	0.68 236	0.56 257	0.48 62	0.32 81	0.11 113	0.10 107	0.14 225	0.10 73	0.19 134	0.43 201

anonymousdsp	0.86 297	0.59 128	2.65 228	1.33 376	1.25 384	0.56 91	0.23 63	0.54 41	0.71 194	1.13 349	0.25 11	0.22 8	0.24 29	1.24 218	0.24 16	0.09 12	2.34 410	0.10 50	0.18 237	0.25 210	3.12 415

TestStereo1	0.59 145	1.21 280	2.63 218	0.40 215	0.60 305	0.56 91	0.34 214	0.82 156	0.73 205	0.45 56	0.63 217	0.36 68	0.42 179	0.66 128	0.42 127	0.10 48	0.32 264	0.12 139	0.10 73	0.34 285	0.52 244

ccc-4	0.65 195	0.58 122	2.09 61	0.39 202	0.60 305	0.56 91	0.23 63	0.49 15	0.62 97	1.00 336	0.24 6	0.20 2	0.24 29	0.71 144	0.24 16	0.09 12	2.09 395	0.10 50	0.18 237	0.24 195	2.22 400

SA-5K	0.59 145	1.21 280	2.63 218	0.40 215	0.60 305	0.56 91	0.34 214	0.82 156	0.73 205	0.45 56	0.63 217	0.36 68	0.42 179	0.66 128	0.42 127	0.10 48	0.32 264	0.12 139	0.10 73	0.34 285	0.52 244

IGEV-Stereo	0.86 297	0.60 129	2.65 228	1.35 378	1.25 384	0.56 91	0.23 63	0.54 41	0.71 194	1.14 350	0.25 11	0.22 8	0.24 29	1.24 218	0.24 16	0.09 12	2.34 410	0.10 50	0.18 237	0.25 210	3.13 416
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ASMatch	0.61 158	0.47 87	2.72 257	0.91 355	0.36 227	0.56 91	0.24 85	0.54 41	0.67 140	0.48 70	1.20 353	0.47 132	0.65 286	1.33 231	0.93 260	0.10 48	0.08 39	0.11 96	0.11 111	0.10 11	0.17 51

CFNet_pseudo	0.47 50	0.50 98	2.19 79	0.26 16	0.20 71	0.56 91	0.22 43	0.80 142	0.62 97	0.50 104	0.56 165	0.68 236	0.47 223	0.53 89	0.33 90	0.11 113	0.10 107	0.15 250	0.10 73	0.18 111	0.33 145

BEATNet_4x	0.57 121	1.16 267	2.56 197	0.35 147	0.16 22	0.56 91	0.25 104	0.91 232	0.64 114	0.55 146	0.53 130	0.59 187	0.43 192	0.67 131	0.76 231	0.12 148	0.09 84	0.12 139	0.09 39	0.23 189	0.58 259

R-Stereo Train	0.42 24	0.31 7	2.51 178	0.30 62	0.18 49	0.56 91	0.25 104	0.82 156	0.41 5	0.57 169	0.67 240	0.33 60	0.24 29	0.34 16	0.33 90	0.10 48	0.08 39	0.09 16	0.07 13	0.09 5	0.18 58

RAFT-Stereo	0.42 24	0.31 7	2.51 178	0.30 62	0.18 49	0.56 91	0.25 104	0.82 156	0.41 5	0.57 169	0.67 240	0.33 60	0.24 29	0.34 16	0.33 90	0.10 48	0.08 39	0.09 16	0.07 13	0.09 5	0.18 58
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.48 57	0.50 98	2.23 86	0.27 24	0.20 71	0.56 91	0.22 43	0.78 130	0.67 140	0.49 86	0.55 153	0.68 236	0.56 257	0.48 62	0.32 81	0.11 113	0.10 107	0.13 196	0.10 73	0.18 111	0.43 201

ccs_rob	0.47 50	0.50 98	2.19 79	0.26 16	0.20 71	0.56 91	0.22 43	0.80 142	0.62 97	0.50 104	0.56 165	0.68 236	0.47 223	0.53 89	0.33 90	0.11 113	0.10 107	0.16 266	0.10 73	0.18 111	0.33 145

HITNet	0.55 106	1.28 298	2.73 262	0.35 147	0.14 9	0.56 91	0.23 63	0.89 217	0.62 97	0.52 123	0.51 119	0.49 141	0.38 140	0.52 82	0.60 187	0.09 12	0.07 6	0.10 50	0.08 28	0.25 210	0.61 267
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
anonymousdsp2	0.88 304	0.31 7	1.96 39	1.06 365	1.56 397	0.57 110	0.22 43	0.84 173	0.98 339	1.20 359	0.37 45	0.65 215	0.26 51	1.19 212	0.46 144	0.10 48	2.40 412	0.10 50	0.13 161	0.19 134	2.96 412

SA	0.61 158	1.14 259	2.79 273	0.32 94	0.63 315	0.57 110	0.30 176	0.97 270	0.78 246	0.43 48	0.63 217	0.39 78	0.46 215	0.70 138	0.31 72	0.10 48	0.44 288	0.13 196	0.32 324	0.31 270	0.51 239

AACVNet	0.61 158	1.13 258	2.47 166	0.37 171	0.21 80	0.57 110	0.25 104	0.75 114	0.55 64	0.56 157	0.60 194	0.66 222	0.44 200	2.11 337	0.49 159	0.14 221	0.11 129	0.14 225	0.11 111	0.35 296	0.23 87

STrans-v2	0.69 226	0.62 138	2.66 232	0.28 36	0.23 112	0.57 110	0.32 196	1.01 295	0.77 243	0.92 329	0.84 306	0.88 312	0.92 340	1.81 301	1.19 293	0.10 48	0.07 6	0.10 50	0.09 39	0.12 26	0.30 132

DMCA-RVC	0.70 231	1.30 301	3.59 362	0.37 171	0.89 351	0.57 110	0.31 186	0.73 110	0.59 81	0.69 272	0.54 144	0.59 187	0.57 262	1.25 221	0.66 209	0.16 253	0.38 276	0.20 312	0.15 198	0.22 175	0.23 87

PMTNet	0.35 8	0.38 56	1.75 10	0.21 3	0.14 9	0.57 110	0.24 85	0.48 12	0.44 17	0.28 20	0.32 32	0.26 33	0.24 29	0.41 43	0.24 16	0.42 362	0.07 6	0.08 3	0.05 1	0.18 111	0.15 32

DN-CSS_ROB	0.56 114	1.64 358	2.75 266	0.42 227	0.22 89	0.57 110	0.19 13	0.79 137	0.66 128	0.46 66	0.62 209	0.41 91	0.32 111	0.73 150	0.49 159	0.12 148	0.08 39	0.14 225	0.13 161	0.38 314	0.17 51

AE-Stereo	0.71 235	0.32 15	2.44 138	0.44 241	0.50 278	0.58 117	0.23 63	1.08 339	0.67 140	0.67 261	0.51 119	0.47 132	0.24 29	0.63 117	0.32 81	0.09 12	2.15 404	0.11 96	0.45 364	0.22 175	2.01 386

DualNet	0.97 328	0.67 146	3.39 340	0.32 94	0.22 89	0.58 117	0.28 138	0.85 183	0.96 332	0.54 135	0.74 281	0.67 224	0.40 157	0.64 121	3.86 395	0.10 48	2.16 405	0.15 250	0.33 334	0.25 210	2.19 395

ffm	0.78 268	0.67 146	3.39 340	0.32 94	0.22 89	0.58 117	0.28 138	0.85 183	0.96 332	0.54 135	0.74 281	0.67 224	0.40 157	0.64 121	0.22 4	0.10 48	2.16 405	0.15 250	0.33 334	0.25 210	2.19 395

ff1	1.07 344	0.67 146	3.39 340	0.32 94	0.22 89	0.58 117	0.28 138	0.85 183	0.96 332	0.54 135	0.74 281	0.67 224	0.40 157	2.75 383	3.86 395	0.10 48	2.16 405	0.15 250	0.33 334	0.25 210	2.19 395

mmx	0.99 332	0.67 146	3.39 340	0.32 94	0.22 89	0.58 117	0.28 138	1.05 321	0.92 318	0.54 135	0.74 281	0.67 224	0.40 157	2.75 383	3.86 395	0.13 191	1.25 363	0.15 250	0.33 334	0.19 134	1.28 359

xxx	0.99 332	0.67 146	3.39 340	0.32 94	0.22 89	0.58 117	0.28 138	1.05 321	0.92 318	0.54 135	0.74 281	0.67 224	0.40 157	2.75 383	3.86 395	0.13 191	1.25 363	0.15 250	0.33 334	0.19 134	1.28 359

CFNet_ucs	0.50 73	0.55 117	2.28 92	0.27 24	0.22 89	0.58 117	0.23 63	0.90 225	0.69 172	0.54 135	0.64 224	0.68 236	0.44 200	0.55 95	0.34 98	0.14 221	0.12 144	0.16 266	0.11 111	0.19 134	0.38 173

GASNet	0.84 286	1.98 378	4.07 380	0.48 258	0.33 204	0.58 117	0.34 214	0.97 270	0.81 269	0.60 203	0.59 187	0.74 263	0.55 255	2.08 334	1.18 291	0.22 315	0.15 184	0.19 302	0.17 229	0.55 360	0.29 124

RCA-Stereo	0.45 42	0.38 56	1.80 12	0.27 24	0.25 127	0.58 117	0.23 63	0.84 173	0.66 128	0.42 42	0.44 78	0.28 42	0.35 125	0.31 3	0.21 1	0.09 12	1.01 343	0.09 16	0.07 13	0.21 161	0.53 247

test_5	0.61 158	1.25 293	2.76 269	0.39 202	0.64 319	0.58 117	0.35 223	0.85 183	0.66 128	0.49 86	0.56 165	0.55 169	0.40 157	0.79 162	0.32 81	0.10 48	0.19 213	0.12 139	0.12 141	0.33 279	0.85 316

UDGNet	0.50 73	1.36 316	2.44 138	0.37 171	0.19 65	0.58 117	0.23 63	0.49 15	0.69 172	0.42 42	0.39 54	0.34 64	0.29 92	0.55 95	0.32 81	0.25 336	0.10 107	0.37 362	0.19 253	0.30 262	0.17 51

dd	0.48 57	1.32 303	2.41 121	0.31 76	0.17 39	0.58 117	0.26 116	0.50 24	0.71 194	0.42 42	0.41 63	0.34 64	0.28 76	0.47 53	0.41 123	0.18 283	0.10 107	0.13 196	0.12 141	0.22 175	0.16 45

GwcNet-ADL	0.54 102	0.78 188	2.85 287	0.31 76	0.20 71	0.58 117	0.29 163	0.93 242	0.67 140	0.48 70	0.47 86	0.56 176	0.33 116	0.48 62	0.80 242	0.13 191	0.12 144	0.09 16	0.09 39	0.14 52	0.40 185

GANet-ADL	0.48 57	0.56 119	2.51 178	0.34 132	0.20 71	0.58 117	0.25 104	0.80 142	0.57 71	0.43 48	0.61 202	0.56 176	0.31 106	0.44 50	0.44 136	0.14 221	0.11 129	0.10 50	0.09 39	0.22 175	0.38 173

PFNet+	0.50 73	0.43 77	2.54 186	0.49 269	0.18 49	0.58 117	0.76 351	0.54 41	0.72 201	0.56 157	0.48 92	0.39 78	0.26 51	0.94 182	0.33 90	0.14 221	0.09 84	0.14 225	0.13 161	0.12 26	0.16 45

RAFT-345	0.56 114	0.37 51	2.68 244	0.40 215	0.34 213	0.58 117	0.41 252	0.49 15	0.70 182	0.51 115	0.99 336	0.43 96	0.28 76	1.56 258	0.81 246	0.10 48	0.07 6	0.11 96	0.09 39	0.11 18	0.09 2

HCRNet	0.50 73	0.75 182	2.08 60	0.39 202	0.29 168	0.58 117	0.22 43	0.79 137	0.67 140	0.49 86	0.49 105	0.48 139	0.37 133	1.13 204	0.40 120	0.15 239	0.10 107	0.15 250	0.13 161	0.21 161	0.19 62

FENet	0.48 57	0.58 122	2.46 161	0.33 115	0.18 49	0.58 117	0.22 43	0.83 166	0.64 114	0.49 86	0.42 65	0.55 169	0.38 140	0.52 82	0.51 165	0.12 148	0.09 84	0.12 139	0.11 111	0.17 91	0.31 140

DispNO	0.76 261	1.36 316	3.15 320	0.32 94	0.27 152	0.59 135	0.29 163	0.88 210	0.72 201	0.55 146	0.79 301	0.83 296	0.47 223	2.46 361	1.23 299	0.12 148	0.10 107	0.18 296	0.31 318	0.20 151	0.25 100

DisPM	0.48 57	0.41 69	2.54 186	0.61 311	0.18 49	0.59 135	0.62 329	0.54 41	0.67 140	0.61 210	0.53 130	0.38 76	0.26 51	0.76 156	0.31 72	0.13 191	0.07 6	0.12 139	0.11 111	0.12 26	0.15 32

test_4	0.47 50	0.80 192	2.15 73	0.36 161	0.29 168	0.59 135	0.28 138	0.50 24	0.42 9	0.43 48	0.76 291	0.39 78	0.22 21	0.73 150	0.49 159	0.08 1	0.18 209	0.11 96	0.15 198	0.29 255	0.27 112

THIR-Stereo	0.88 304	0.85 197	2.33 102	0.26 16	0.16 22	0.59 135	2.69 406	0.62 73	0.54 59	0.62 222	1.61 371	0.96 330	1.77 384	1.67 279	2.20 356	0.10 48	0.08 39	0.14 225	0.11 111	0.16 70	0.21 74

IRAFT_RVC	0.59 145	0.74 178	2.42 125	0.47 257	0.21 80	0.59 135	0.42 258	0.68 93	0.73 205	0.54 135	0.50 117	0.49 141	0.51 238	1.57 262	1.00 273	0.11 113	0.25 250	0.13 196	0.10 73	0.15 61	0.14 26

111	0.57 121	1.41 325	2.63 218	0.25 6	0.15 15	0.59 135	0.26 116	0.90 225	0.83 280	0.50 104	0.54 144	0.57 180	0.38 140	0.54 94	0.41 123	0.10 48	0.07 6	0.09 16	0.07 13	0.24 195	0.81 310

aanetorigin	0.81 276	1.03 236	2.64 227	0.44 241	0.44 264	0.59 135	1.00 372	0.59 65	0.70 182	1.54 383	1.22 355	0.82 291	1.08 353	1.06 192	1.07 280	0.18 283	0.15 184	0.17 280	0.21 273	0.53 358	0.65 279

ACVNet	0.54 102	0.87 200	2.45 154	0.28 36	0.22 89	0.59 135	0.36 230	0.69 95	0.73 205	0.49 86	0.59 187	0.69 247	0.42 179	0.47 53	0.70 216	0.11 113	0.10 107	0.10 50	0.09 39	0.36 301	0.39 180

GANet-RSSM	0.63 183	1.14 259	2.67 239	0.38 189	0.26 141	0.59 135	0.29 163	0.81 149	0.56 68	0.50 104	0.57 176	0.67 224	0.50 234	1.91 322	0.50 162	0.14 221	0.10 107	0.24 332	0.12 141	0.36 301	0.28 118

PSMNet-RSSM	0.61 158	1.19 276	2.43 130	0.33 115	0.25 127	0.59 135	0.28 138	0.88 210	0.65 121	0.54 135	0.62 209	0.69 247	0.46 215	1.67 279	0.50 162	0.15 239	0.10 107	0.14 225	0.16 216	0.20 151	0.28 118

DMCA	0.50 73	0.83 194	1.95 36	0.32 94	0.24 121	0.59 135	0.26 116	0.81 149	0.68 164	0.59 194	0.49 105	0.56 176	0.36 128	0.65 125	0.65 206	0.14 221	0.10 107	0.14 225	0.10 73	0.19 134	0.29 124

AANet_RVC	0.79 271	1.46 336	2.72 257	0.34 132	0.25 127	0.59 135	0.32 196	0.88 210	0.83 280	0.62 222	0.95 328	0.80 285	0.43 192	2.46 361	1.72 329	0.38 359	0.26 253	0.10 50	0.09 39	0.25 210	0.43 201

AdaStereo	0.48 57	0.44 81	2.18 78	0.36 161	0.20 71	0.59 135	0.29 163	0.97 270	0.74 222	0.52 123	0.55 153	0.61 196	0.33 116	0.52 82	0.44 136	0.18 283	0.08 39	0.17 280	0.11 111	0.18 111	0.24 96
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.
MyStereo06	0.70 231	0.72 166	3.51 354	0.31 76	0.25 127	0.60 148	0.30 176	0.90 225	0.67 140	1.48 381	0.53 130	0.84 297	0.57 262	0.60 110	1.11 284	0.09 12	0.55 303	0.12 139	0.20 262	0.16 70	0.56 257

MyStereo05	0.57 121	0.72 166	2.72 257	0.31 76	0.25 127	0.60 148	0.30 176	0.87 202	0.82 274	0.54 135	0.37 45	0.53 156	0.42 179	0.63 117	0.73 225	0.09 12	0.55 303	0.12 139	0.20 262	0.16 70	0.56 257

IPLGR_C	0.64 190	1.66 361	3.36 335	0.80 345	0.31 187	0.60 148	0.60 322	0.82 156	0.69 172	0.58 175	0.62 209	0.44 111	0.31 106	0.47 53	0.43 133	0.12 148	0.22 235	0.13 196	0.15 198	0.35 296	0.21 74

ACRE	0.63 183	1.55 344	3.41 346	0.76 338	0.28 163	0.60 148	0.56 311	0.82 156	0.68 164	0.57 169	0.62 209	0.43 96	0.30 102	0.47 53	0.42 127	0.12 148	0.19 213	0.13 196	0.14 179	0.36 301	0.20 70

OMP-Stereo	0.64 190	0.87 200	2.38 109	0.56 299	0.37 233	0.60 148	0.26 116	0.75 114	0.71 194	0.65 253	0.60 194	0.68 236	0.32 111	2.07 331	1.18 291	0.11 113	0.08 39	0.12 139	0.09 39	0.17 91	0.28 118

DeepStereo_RVC	0.47 50	0.37 51	2.19 79	0.55 290	0.18 49	0.60 148	0.58 316	0.52 29	0.62 97	0.49 86	0.45 79	0.39 78	0.85 328	0.47 53	0.34 98	0.12 148	0.08 39	0.11 96	0.09 39	0.15 61	0.19 62

RAFT-RH_RVC	0.65 195	0.73 169	2.78 272	0.39 202	0.29 168	0.60 148	0.18 11	0.45 8	0.63 108	0.75 295	1.89 377	0.47 132	0.29 92	1.59 269	1.21 295	0.15 239	0.07 6	0.13 196	0.13 161	0.11 18	0.10 4

RAFT-IKP	0.43 27	0.36 41	2.44 138	0.48 258	0.16 22	0.60 148	0.28 138	0.53 32	0.61 88	0.48 70	0.43 67	0.43 96	0.28 76	0.51 78	0.31 72	0.12 148	0.08 39	0.12 139	0.10 73	0.17 91	0.13 14

ICVP	0.48 57	0.33 24	2.37 107	0.34 132	0.22 89	0.60 148	0.55 307	0.79 137	0.53 55	0.45 56	0.60 194	0.49 141	0.36 128	0.55 95	0.46 144	0.16 253	0.16 196	0.14 225	0.11 111	0.16 70	0.32 142
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
pcwnet_v2	0.65 195	0.54 110	4.29 391	0.33 115	0.27 152	0.60 148	0.25 104	1.02 301	0.92 318	0.61 210	0.69 247	0.62 201	0.54 250	0.67 131	0.38 116	0.18 283	0.15 184	0.15 250	0.14 179	0.21 161	0.49 233

test_xeample	0.98 330	0.65 144	2.12 68	0.29 48	0.67 323	0.60 148	0.28 138	1.08 339	0.85 294	0.62 222	0.70 260	0.44 111	0.41 168	1.95 324	5.45 409	0.12 148	1.33 374	0.11 96	0.31 318	0.18 111	1.42 370

cf-r	0.62 171	1.27 296	2.99 307	0.34 132	0.28 163	0.60 148	0.28 138	0.82 156	0.70 182	0.55 146	0.61 202	0.77 273	0.41 168	1.32 230	0.52 167	0.13 191	0.09 84	0.11 96	0.12 141	0.22 175	0.27 112

GwcNet-RSSM	0.64 190	1.38 323	2.69 250	0.33 115	0.26 141	0.60 148	0.32 196	0.84 173	0.73 205	0.56 157	0.65 231	0.72 256	0.42 179	1.78 296	0.60 187	0.14 221	0.10 107	0.12 139	0.13 161	0.26 225	0.26 106

FADNet-RVC	0.69 226	1.65 359	2.74 264	0.35 147	0.26 141	0.60 148	0.29 163	0.91 232	0.67 140	0.46 66	0.51 119	0.62 201	0.46 215	1.75 288	0.81 246	0.17 272	0.20 225	0.17 280	0.18 237	0.60 364	0.39 180

NLCA_NET_v2_RVC	0.62 171	1.15 265	3.11 317	0.39 202	0.37 233	0.60 148	0.28 138	0.87 202	0.64 114	0.63 231	0.56 165	0.71 255	0.45 208	1.08 195	0.52 167	0.15 239	0.12 144	0.14 225	0.15 198	0.18 111	0.25 100
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNetv2_ROB	0.71 235	1.90 375	3.48 352	0.43 237	0.22 89	0.60 148	0.29 163	0.96 263	0.78 246	0.60 203	0.65 231	0.60 194	0.46 215	0.80 166	1.21 295	0.12 148	0.08 39	0.10 50	0.07 13	0.44 340	0.33 145

MLCV	0.59 145	1.41 325	2.41 121	0.31 76	0.15 15	0.60 148	0.23 63	0.77 123	0.63 108	0.67 261	0.66 237	0.55 169	0.37 133	1.16 208	1.09 282	0.10 48	0.07 6	0.09 16	0.07 13	0.21 161	0.29 124

iResNet_ROB	0.60 151	1.59 350	2.04 53	0.32 94	0.21 80	0.60 148	0.22 43	0.99 281	0.85 294	0.61 210	0.63 217	0.58 184	0.42 179	1.08 195	0.98 269	0.11 113	0.08 39	0.09 16	0.06 7	0.23 189	0.33 145

MyStereo07	0.56 114	0.68 153	2.42 125	0.30 62	0.41 252	0.61 166	0.31 186	0.58 58	0.72 201	1.17 353	0.26 14	0.20 2	0.27 65	1.28 226	0.28 44	0.09 12	0.59 310	0.12 139	0.21 273	0.16 70	0.48 227

MyStereo04	0.57 121	0.68 153	2.66 232	0.30 62	0.41 252	0.61 166	0.31 186	0.88 210	0.80 262	0.48 70	0.37 45	0.54 161	0.42 179	0.61 113	0.71 220	0.09 12	0.59 310	0.12 139	0.21 273	0.16 70	0.48 227

CoDeX	0.54 102	0.52 105	2.25 88	0.30 62	0.26 141	0.61 166	0.32 196	1.03 307	0.73 205	0.49 86	0.56 165	0.52 155	0.40 157	1.59 269	0.38 116	0.12 148	0.09 84	0.11 96	0.10 73	0.15 61	0.22 79

ttt	0.89 311	0.51 103	2.51 178	0.36 161	0.31 187	0.61 166	0.28 138	1.07 336	0.92 318	0.56 157	0.77 295	0.55 169	0.37 133	2.27 344	3.51 389	0.16 253	1.21 361	0.13 196	0.31 318	0.18 111	1.26 356

ToySt	0.67 215	0.88 204	2.61 213	0.39 202	0.73 331	0.61 166	0.38 241	0.78 130	0.73 205	0.43 48	0.70 260	0.72 256	0.45 208	0.66 128	0.62 195	0.14 221	0.63 316	0.13 196	0.33 334	0.24 195	1.18 346

anonymousa	0.74 248	0.60 129	2.58 202	0.96 359	1.33 387	0.61 166	0.26 116	0.69 95	0.56 68	0.55 146	0.84 306	0.82 291	0.46 215	0.56 98	0.61 192	0.10 48	1.11 354	0.12 139	0.98 403	0.14 52	0.97 334

Selective-RAFT	0.46 47	0.48 90	1.88 25	0.32 94	0.16 22	0.61 166	0.19 13	0.66 87	0.62 97	0.28 20	0.30 20	0.41 91	0.33 116	0.51 78	0.32 81	0.11 113	1.09 352	0.09 16	0.35 342	0.19 134	0.37 165

Sa-1000	0.61 158	1.07 243	2.71 255	0.32 94	0.61 312	0.61 166	0.31 186	1.00 287	0.76 235	0.53 131	0.83 304	0.43 96	0.33 116	0.69 137	0.30 58	0.10 48	0.52 300	0.13 196	0.28 303	0.29 255	0.29 124

Patchmatch Stereo++	0.43 27	0.36 41	2.44 138	0.48 258	0.17 39	0.61 166	0.26 116	0.53 32	0.61 88	0.48 70	0.43 67	0.43 96	0.28 76	0.56 98	0.30 58	0.12 148	0.08 39	0.12 139	0.10 73	0.17 91	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
NF-Stereo	0.53 95	0.33 24	2.55 193	0.55 290	0.16 22	0.61 166	0.43 265	0.70 102	0.70 182	0.50 104	0.47 86	0.37 71	0.26 51	1.44 245	0.78 237	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 51

OCTAStereo	0.53 95	0.33 24	2.54 186	0.56 299	0.16 22	0.61 166	0.42 258	0.70 102	0.70 182	0.50 104	0.47 86	0.37 71	0.26 51	1.43 241	0.79 240	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 51

PSM-softLoss	0.52 85	0.34 31	2.47 166	0.55 290	0.17 39	0.61 166	0.39 247	0.64 81	0.67 140	0.52 123	0.48 92	0.39 78	0.25 43	1.46 246	0.77 233	0.13 191	0.08 39	0.13 196	0.12 141	0.12 26	0.15 32

KMStereo	0.52 85	0.34 31	2.47 166	0.55 290	0.17 39	0.61 166	0.39 247	0.64 81	0.67 140	0.52 123	0.48 92	0.39 78	0.25 43	1.46 246	0.77 233	0.13 191	0.08 39	0.13 196	0.12 141	0.12 26	0.15 32

PSM-adaLoss	0.43 27	0.36 41	2.44 138	0.48 258	0.18 49	0.61 166	0.28 138	0.53 32	0.61 88	0.48 70	0.43 67	0.43 96	0.28 76	0.49 72	0.30 58	0.12 148	0.08 39	0.12 139	0.10 73	0.17 91	0.13 14

ROB_FTStereo_v2	0.43 27	0.36 41	2.44 138	0.49 269	0.17 39	0.61 166	0.28 138	0.53 32	0.61 88	0.48 70	0.43 67	0.44 111	0.28 76	0.48 62	0.30 58	0.12 148	0.08 39	0.12 139	0.10 73	0.17 91	0.13 14

ROB_FTStereo	0.43 27	0.36 41	2.44 138	0.48 258	0.18 49	0.61 166	0.26 116	0.53 32	0.61 88	0.48 70	0.43 67	0.43 96	0.28 76	0.51 78	0.30 58	0.12 148	0.08 39	0.12 139	0.10 73	0.17 91	0.13 14

HUI-Stereo	0.43 27	0.36 41	2.45 154	0.48 258	0.18 49	0.61 166	0.27 130	0.53 32	0.61 88	0.48 70	0.43 67	0.44 111	0.28 76	0.47 53	0.30 58	0.12 148	0.08 39	0.12 139	0.10 73	0.17 91	0.13 14

RE-Stereo	0.53 95	0.33 24	2.54 186	0.56 299	0.16 22	0.61 166	0.43 265	0.70 102	0.70 182	0.50 104	0.47 86	0.37 71	0.26 51	1.43 241	0.77 233	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 51

TVStereo	0.53 95	0.33 24	2.54 186	0.56 299	0.16 22	0.61 166	0.43 265	0.70 102	0.70 182	0.50 104	0.47 86	0.37 71	0.26 51	1.43 241	0.77 233	0.12 148	0.07 6	0.12 139	0.10 73	0.13 36	0.17 51

iGMRVC	0.43 27	0.36 41	2.44 138	0.48 258	0.18 49	0.61 166	0.27 130	0.53 32	0.61 88	0.48 70	0.43 67	0.43 96	0.28 76	0.57 101	0.31 72	0.12 148	0.08 39	0.12 139	0.10 73	0.17 91	0.13 14

iRAFT	0.43 27	0.36 41	2.44 138	0.48 258	0.17 39	0.61 166	0.26 116	0.53 32	0.61 88	0.48 70	0.43 67	0.43 96	0.28 76	0.56 98	0.30 58	0.12 148	0.08 39	0.12 139	0.10 73	0.17 91	0.13 14

GES	0.49 69	0.54 110	2.37 107	0.31 76	0.19 65	0.61 166	0.30 176	0.93 242	0.52 49	0.49 86	0.53 130	0.40 86	0.43 192	0.59 105	0.67 211	0.16 253	0.11 129	0.12 139	0.10 73	0.20 151	0.30 132

CIPLG	0.63 183	1.59 350	3.16 321	0.79 344	0.31 187	0.62 188	0.57 314	0.82 156	0.68 164	0.58 175	0.63 217	0.43 96	0.31 106	0.48 62	0.42 127	0.12 148	0.20 225	0.13 196	0.13 161	0.36 301	0.21 74

dad	0.58 129	1.35 312	2.39 115	0.31 76	0.20 71	0.62 188	0.26 116	0.56 51	0.79 255	0.66 259	0.64 224	0.64 211	0.36 128	0.87 174	0.48 150	0.28 346	0.15 184	0.40 365	0.18 237	0.24 195	0.22 79

IPLGR	0.58 129	0.64 142	3.12 318	0.37 171	0.18 49	0.62 188	0.54 303	1.06 333	0.69 172	0.73 287	0.46 81	0.50 145	0.44 200	1.12 203	0.31 72	0.10 48	0.08 39	0.11 96	0.09 39	0.21 161	0.20 70

AAGNet	0.92 317	0.40 64	2.53 182	0.60 305	1.01 367	0.62 188	0.45 275	0.52 29	0.68 164	0.58 175	0.53 130	0.50 145	0.72 304	1.22 214	7.32 415	0.12 148	0.07 6	0.12 139	0.10 73	0.16 70	0.10 4

TransformOpticalFlow	0.65 195	0.61 134	2.67 239	0.45 248	0.26 141	0.62 188	0.28 138	0.88 210	0.76 235	0.76 297	0.74 281	0.90 316	0.84 325	1.82 304	0.80 242	0.10 48	0.07 6	0.11 96	0.09 39	0.12 26	0.19 62

IIG-Stereo	0.65 195	0.87 200	2.32 100	0.55 290	0.23 112	0.62 188	0.21 32	0.78 130	0.71 194	0.64 241	0.69 247	0.69 247	0.38 140	2.07 331	1.37 313	0.11 113	0.08 39	0.11 96	0.09 39	0.15 61	0.27 112

SST-Stereo	0.56 114	0.30 5	2.44 138	0.71 335	0.55 290	0.62 188	0.65 334	0.57 56	0.67 140	0.59 194	0.53 130	0.51 148	0.59 272	1.57 262	0.31 72	0.12 148	0.07 6	0.12 139	0.10 73	0.17 91	0.11 10

RAFT_R40	0.55 106	0.31 7	2.44 138	0.57 303	0.42 262	0.62 188	0.52 298	0.58 58	0.66 128	0.56 157	0.54 144	0.54 161	0.50 234	1.56 258	0.53 170	0.11 113	0.07 6	0.12 139	0.10 73	0.16 70	0.10 4

PFNet	0.62 171	0.42 71	2.69 250	0.43 237	0.55 290	0.62 188	0.27 130	0.64 81	0.72 201	0.61 210	0.56 165	0.45 123	0.33 116	1.86 311	1.12 285	0.28 346	0.09 84	0.12 139	0.16 216	0.26 225	0.27 112

GrayStereo	0.71 235	0.27 1	2.40 117	0.89 351	0.23 112	0.62 188	1.40 396	0.67 90	0.70 182	0.72 286	0.77 295	0.55 169	3.03 402	0.60 110	0.28 44	0.10 48	0.08 39	0.10 50	0.21 273	0.12 26	0.37 165

222	1.02 335	0.60 129	1.95 36	0.29 48	0.51 280	0.62 188	0.24 85	1.09 341	0.86 300	0.64 241	0.67 240	0.47 132	0.42 179	1.86 311	6.73 413	0.13 191	1.21 361	0.11 96	0.32 324	0.17 91	1.44 371

FADNet-RVC-Resample	0.74 248	1.54 343	3.81 372	0.38 189	0.29 168	0.62 188	0.38 241	0.91 232	0.67 140	0.52 123	0.51 119	0.63 205	0.44 200	1.56 258	0.59 185	0.24 330	0.32 264	0.22 320	0.19 253	0.30 262	0.71 296

STTStereo	0.58 129	0.95 226	2.95 300	0.37 171	0.31 187	0.62 188	0.32 196	0.81 149	0.63 108	0.61 210	0.55 153	0.67 224	0.43 192	0.87 174	0.48 150	0.16 253	0.16 196	0.17 280	0.20 262	0.17 91	0.25 100

DCRE	0.76 261	0.80 192	2.31 98	1.05 364	1.18 380	0.63 201	0.26 116	1.03 307	0.59 81	0.52 123	2.12 382	0.44 111	0.27 65	0.41 43	0.53 170	0.09 12	1.02 348	0.10 50	0.32 324	0.16 70	1.47 373

Pruner-Stereo	0.55 106	0.38 56	2.49 174	1.78 399	0.19 65	0.63 201	0.45 275	0.59 65	0.67 140	0.61 210	0.48 92	0.41 91	0.25 43	0.49 72	0.99 271	0.13 191	0.07 6	0.12 139	0.10 73	0.13 36	0.14 26

Prome-Stereo	0.53 95	0.36 41	2.39 115	0.60 305	0.23 112	0.63 201	0.41 252	0.66 87	0.67 140	0.59 194	1.02 340	0.43 96	0.71 303	0.61 113	0.34 98	0.10 48	0.07 6	0.10 50	0.09 39	0.13 36	0.44 213

GEStereo_RVC	0.61 158	1.19 276	2.61 213	0.48 258	0.25 127	0.63 201	0.37 233	1.05 321	0.79 255	0.55 146	0.55 153	0.59 187	0.44 200	1.10 197	0.48 150	0.16 253	0.11 129	0.12 139	0.11 111	0.27 236	0.43 201

psmorigin	1.41 369	0.91 217	13.83 423	0.37 171	0.30 179	0.63 201	0.37 233	0.80 142	0.64 114	0.98 334	0.87 316	1.16 367	0.78 318	3.95 406	1.09 282	0.19 294	0.22 235	0.17 280	0.19 253	0.25 210	0.47 223

acv_ft	0.57 121	0.87 200	2.45 154	0.33 115	0.41 252	0.63 201	0.29 163	0.86 195	0.73 205	0.64 241	0.59 187	0.69 247	0.45 208	0.47 53	0.68 213	0.11 113	0.10 107	0.10 50	0.09 39	0.43 337	0.39 180

DIP-Stereo	0.43 27	0.50 98	2.21 84	0.27 24	0.18 49	0.63 201	0.17 6	0.94 247	0.58 77	0.49 86	0.48 92	0.30 47	0.30 102	0.40 37	0.31 72	0.10 48	0.08 39	0.10 50	0.08 28	0.15 61	0.33 145
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
edge stereo	0.84 286	0.74 178	3.42 349	0.38 189	1.21 382	0.63 201	0.41 252	0.98 276	0.83 280	0.81 311	0.88 318	1.14 363	0.73 307	2.16 340	0.89 257	0.22 315	0.20 225	0.26 339	0.18 237	0.38 314	0.43 201

CVANet_RVC	0.82 279	1.18 273	3.98 377	0.40 215	0.28 163	0.63 201	0.43 265	0.90 225	0.78 246	1.14 350	0.69 247	0.68 236	0.52 245	2.62 371	0.48 150	0.20 302	0.13 157	0.22 320	0.37 349	0.37 307	0.48 227

Anonymous Stereo	0.83 283	1.57 345	3.56 359	0.46 251	0.39 241	0.63 201	0.84 358	0.92 239	0.83 280	0.68 267	0.68 243	0.64 211	0.42 179	2.42 359	1.02 275	0.23 323	0.23 240	0.19 302	0.20 262	0.31 270	0.40 185

DeepPruner_ROB	0.58 129	1.06 242	2.68 244	0.30 62	0.26 141	0.63 201	0.31 186	0.83 166	0.51 43	0.62 222	0.56 165	0.65 215	0.39 151	1.06 192	0.56 179	0.19 294	0.14 170	0.14 225	0.14 179	0.24 195	0.33 145

PWC_ROB	0.81 276	1.41 325	2.60 209	0.41 224	0.40 247	0.63 201	0.31 186	1.04 313	0.99 342	0.92 329	1.29 358	0.78 277	0.68 296	1.65 278	1.50 320	0.19 294	0.12 144	0.18 296	0.13 161	0.51 354	0.54 250

1111x	1.06 342	0.79 190	3.29 331	0.33 115	0.60 305	0.64 213	0.33 209	1.10 344	0.92 318	0.59 194	0.69 247	0.59 187	0.47 223	2.64 373	4.61 405	0.12 148	1.38 376	0.11 96	0.49 370	0.18 111	1.30 361

HHNet	0.63 183	0.67 146	3.10 316	0.37 171	0.25 127	0.64 213	0.60 322	0.70 102	0.67 140	0.55 146	1.12 350	0.32 56	0.60 277	0.43 47	1.75 332	0.16 253	0.08 39	0.12 139	0.10 73	0.18 111	0.22 79

DRaft	0.65 195	0.47 87	2.38 109	0.25 6	0.17 39	0.64 213	0.65 334	0.56 51	0.57 71	0.67 261	0.98 333	0.38 76	0.99 346	1.42 240	2.06 346	0.11 113	0.14 170	0.10 50	0.14 179	0.18 111	0.21 74

s12784h	0.41 20	0.34 31	2.17 76	0.24 5	0.11 1	0.64 213	0.24 85	0.85 183	0.70 182	0.45 56	0.54 144	0.28 42	0.27 65	0.51 78	0.27 39	0.11 113	0.06 1	0.09 16	0.06 7	0.16 70	0.14 26

xxxx	0.97 328	0.64 142	2.14 72	0.30 62	0.67 323	0.64 213	0.24 85	1.09 341	0.91 316	0.57 169	0.65 231	0.58 184	0.39 151	1.57 262	5.49 410	0.13 191	1.38 376	0.11 96	0.32 324	0.17 91	1.41 369

Syn2CoEx	0.78 268	1.43 332	3.54 358	0.44 241	0.31 187	0.64 213	0.43 265	1.04 313	0.83 280	0.64 241	0.77 295	0.74 263	0.74 311	1.91 322	0.64 201	0.20 302	0.17 203	0.19 302	0.15 198	0.30 262	0.59 262

psm_up	0.65 195	1.02 233	2.53 182	0.36 161	0.31 187	0.64 213	0.38 241	0.96 263	0.73 205	0.63 231	0.57 176	0.68 236	0.57 262	1.90 321	0.52 167	0.17 272	0.15 184	0.16 266	0.15 198	0.27 236	0.22 79

ac_64	0.63 183	0.77 185	2.71 255	0.37 171	0.34 213	0.64 213	0.30 176	0.86 195	0.67 140	0.58 175	0.53 130	0.88 312	0.48 230	1.84 307	0.71 220	0.15 239	0.12 144	0.12 139	0.12 141	0.21 161	0.25 100

CFNet-ft	0.60 151	1.16 267	2.45 154	0.29 48	0.30 179	0.64 213	0.28 138	0.69 95	0.57 71	0.49 86	0.57 176	0.79 279	0.44 200	1.48 249	0.62 195	0.15 239	0.10 107	0.28 342	0.14 179	0.21 161	0.29 124

FAT-Stereo	0.72 243	0.60 129	2.86 289	0.37 171	0.29 168	0.64 213	0.55 307	1.01 295	0.91 316	0.76 297	0.94 325	0.93 322	0.79 320	1.82 304	0.60 187	0.19 294	0.19 213	0.17 280	0.16 216	0.23 189	0.47 223

DeepPrunerF	0.92 317	1.33 307	3.41 346	0.46 251	0.51 280	0.64 213	0.49 291	1.16 356	2.62 400	0.65 253	0.61 202	0.65 215	0.62 281	2.23 343	1.31 305	0.23 323	0.19 213	0.30 351	0.28 303	0.39 321	0.34 152

CFNet	0.65 195	1.45 334	2.27 90	0.34 132	0.25 127	0.64 213	0.23 63	0.93 242	0.79 255	0.48 70	0.59 187	0.58 184	0.40 157	2.28 345	0.63 200	0.13 191	0.09 84	0.15 250	0.14 179	0.34 285	0.26 106

CFNet_RVC	0.60 151	1.16 267	2.45 154	0.29 48	0.30 179	0.64 213	0.28 138	0.69 95	0.57 71	0.49 86	0.57 176	0.79 279	0.44 200	1.48 249	0.62 195	0.15 239	0.10 107	0.28 342	0.14 179	0.21 161	0.29 124

PS-NSSS	0.69 226	1.37 320	2.44 138	0.31 76	0.32 198	0.64 213	0.34 214	1.04 313	0.74 222	0.56 157	0.75 288	0.51 148	0.42 179	2.41 358	0.54 175	0.24 330	0.17 203	0.27 340	0.18 237	0.30 262	0.23 87

RAFT-Test	0.56 114	0.41 69	2.01 45	0.90 353	1.07 372	0.65 227	0.37 233	0.83 166	0.65 121	0.49 86	0.49 105	0.93 322	0.24 29	0.52 82	0.30 58	0.10 48	0.38 276	0.09 16	0.38 352	0.11 18	0.19 62

IER	0.49 69	0.73 169	2.12 68	0.27 24	0.25 127	0.65 227	0.27 130	0.76 117	0.59 81	0.56 157	0.59 187	0.60 194	0.53 248	0.64 121	0.44 136	0.12 148	0.09 84	0.11 96	0.11 111	0.18 111	0.15 32

AASNet	0.66 212	1.49 340	2.97 302	0.37 171	0.33 204	0.65 227	0.30 176	1.00 287	0.78 246	0.56 157	0.60 194	0.55 169	0.39 151	0.88 178	0.96 262	0.15 239	0.12 144	0.13 196	0.11 111	0.45 342	0.35 158

SACVNet	0.68 220	1.08 246	2.58 202	0.38 189	0.28 163	0.65 227	0.37 233	0.91 232	0.65 121	0.67 261	0.62 209	0.69 247	0.47 223	2.07 331	0.65 206	0.18 283	0.14 170	0.16 266	0.15 198	0.39 321	0.41 192

ADLNet2	0.73 245	1.22 285	3.28 329	0.34 132	0.36 227	0.65 227	0.37 233	0.94 247	0.87 302	0.57 169	0.65 231	0.92 317	0.48 230	2.05 329	0.60 187	0.13 191	0.11 129	0.11 96	0.11 111	0.37 307	0.38 173

ARAFT	0.65 195	1.69 363	3.34 334	0.29 48	0.16 22	0.65 227	0.36 230	0.96 263	0.73 205	0.63 231	0.49 105	0.56 176	0.31 106	1.23 216	0.35 105	0.11 113	0.08 39	0.14 225	0.13 161	0.38 314	0.50 235

UPFNet	0.51 83	0.67 146	2.04 53	0.34 132	0.33 204	0.65 227	0.37 233	0.88 210	0.65 121	0.60 203	0.53 130	0.61 196	0.41 168	0.77 157	0.55 177	0.13 191	0.13 157	0.13 196	0.13 161	0.20 151	0.16 45

HGLStereo	0.61 158	1.20 278	2.59 204	0.36 161	0.40 247	0.65 227	0.30 176	0.87 202	0.67 140	0.60 203	0.70 260	0.69 247	0.56 257	1.07 194	0.59 185	0.14 221	0.13 157	0.13 196	0.12 141	0.23 189	0.23 87

UCFNet_RVC	0.55 106	1.16 267	2.48 171	0.31 76	0.27 152	0.65 227	0.28 138	0.76 117	0.58 77	0.51 115	0.53 130	0.67 224	0.42 179	0.91 179	0.45 140	0.16 253	0.11 129	0.17 280	0.17 229	0.20 151	0.23 87

PASM	0.82 279	1.00 229	2.68 244	0.52 279	0.48 276	0.65 227	0.59 319	0.83 166	0.89 311	0.82 315	0.73 278	0.89 315	0.68 296	2.39 355	0.73 225	0.35 358	0.37 272	0.36 360	0.41 360	0.45 342	0.51 239

HSM	0.67 215	0.92 222	2.29 94	0.30 62	0.29 168	0.65 227	0.29 163	0.98 276	0.67 140	0.59 194	0.58 182	1.39 374	0.65 286	2.56 366	0.45 140	0.11 113	0.09 84	0.10 50	0.08 28	0.18 111	0.24 96

iResNet	0.59 145	1.09 247	2.54 186	0.44 241	0.18 49	0.65 227	0.29 163	0.89 217	0.75 227	0.59 194	0.64 224	0.43 96	0.39 151	0.73 150	1.24 301	0.11 113	0.08 39	0.09 16	0.08 28	0.21 161	0.40 185

DLCB_ROB	0.61 158	0.96 227	2.00 43	0.37 171	0.25 127	0.65 227	0.37 233	0.86 195	0.76 235	0.73 287	0.70 260	0.84 297	0.47 223	1.57 262	0.72 224	0.13 191	0.13 157	0.14 225	0.14 179	0.18 111	0.33 145

gwcnet-sp	0.52 85	0.71 161	2.66 232	0.32 94	0.22 89	0.66 240	0.31 186	0.84 173	0.69 172	0.61 210	0.49 105	0.46 127	0.43 192	0.77 157	0.48 150	0.12 148	0.11 129	0.11 96	0.11 111	0.19 134	0.19 62

scenet	0.52 85	0.71 161	2.66 232	0.32 94	0.22 89	0.66 240	0.31 186	0.84 173	0.69 172	0.61 210	0.49 105	0.46 127	0.43 192	0.77 157	0.48 150	0.12 148	0.11 129	0.11 96	0.11 111	0.19 134	0.19 62

ssnet	0.52 85	0.71 161	2.66 232	0.32 94	0.22 89	0.66 240	0.31 186	0.84 173	0.69 172	0.61 210	0.49 105	0.46 127	0.43 192	0.77 157	0.48 150	0.12 148	0.11 129	0.11 96	0.11 111	0.19 134	0.19 62

DEmStereo	0.69 226	0.40 64	2.42 125	0.42 227	0.18 49	0.66 240	0.88 362	0.54 41	0.64 114	0.60 203	1.00 337	0.45 123	1.24 360	1.53 254	2.21 357	0.10 48	0.08 39	0.10 50	0.10 73	0.11 18	0.14 26

RP	0.74 248	1.01 232	2.48 171	0.44 241	0.45 267	0.66 240	0.45 275	0.95 260	0.87 302	0.70 275	0.95 328	0.99 336	0.82 322	1.55 256	0.82 249	0.26 340	0.19 213	0.23 327	0.20 262	0.34 285	0.38 173

RASNet	0.69 226	1.05 241	2.59 204	0.37 171	0.47 275	0.66 240	0.33 209	0.82 156	0.76 235	0.51 115	0.65 231	0.93 322	0.62 281	2.20 342	0.80 242	0.14 221	0.09 84	0.09 16	0.11 111	0.18 111	0.37 165

TDLM	0.83 283	1.28 298	2.38 109	0.46 251	0.26 141	0.66 240	0.55 307	0.87 202	0.80 262	2.54 404	0.62 209	0.61 196	0.51 238	2.68 377	0.67 211	0.20 302	0.11 129	0.35 359	0.15 198	0.33 279	0.48 227

anonymity	0.86 297	0.68 153	1.44 2	0.64 318	0.83 345	0.67 247	0.52 298	0.98 276	0.73 205	0.96 333	0.70 260	0.81 288	0.86 330	1.10 197	1.34 307	0.64 375	0.72 330	0.58 377	1.44 412	0.60 364	0.91 323

PSMNet-ADL	0.56 114	0.47 87	2.03 50	0.35 147	0.22 89	0.67 247	0.27 130	0.77 123	0.58 77	0.43 48	0.53 130	0.70 253	0.45 208	1.89 316	0.64 201	0.16 253	0.13 157	0.11 96	0.13 161	0.15 61	0.51 239

ADLNet	0.68 220	1.02 233	2.68 244	0.35 147	0.34 213	0.67 247	0.34 214	0.95 260	0.79 255	0.70 275	0.62 209	0.80 285	0.46 215	1.77 293	0.69 215	0.15 239	0.12 144	0.14 225	0.14 179	0.31 270	0.54 250

RAFT + AFF	0.79 271	1.73 364	2.99 307	0.34 132	0.35 221	0.67 247	0.51 294	1.05 321	0.79 255	0.54 135	0.58 182	0.59 187	0.81 321	1.80 299	1.21 295	0.13 191	0.27 259	0.15 250	0.14 179	0.45 342	0.69 291

FADNet	0.71 235	1.60 354	2.53 182	0.33 115	0.30 179	0.67 247	0.29 163	0.92 239	0.75 227	0.45 56	0.49 105	0.66 222	0.57 262	1.85 309	0.85 253	0.46 369	0.20 225	0.17 280	0.20 262	0.60 364	0.37 165

XPNet_ROB	0.68 220	1.11 254	2.28 92	0.38 189	0.27 152	0.67 247	0.47 284	0.94 247	0.75 227	0.80 310	0.71 273	0.81 288	0.54 250	1.72 284	0.84 252	0.22 315	0.16 196	0.16 266	0.15 198	0.25 210	0.45 218

HSM-Net_RVC	0.70 231	0.40 64	2.45 154	0.27 24	0.19 65	0.68 253	0.30 176	1.29 368	0.73 205	0.73 287	0.70 260	0.77 273	0.45 208	3.73 405	0.46 144	0.13 191	0.09 84	0.10 50	0.09 39	0.13 36	0.32 142
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
StereoDRNet-Refined	0.55 106	0.61 134	2.07 58	0.34 132	0.21 80	0.68 253	0.26 116	0.87 202	0.73 205	0.70 275	0.69 247	0.74 263	0.45 208	1.10 197	0.62 195	0.12 148	0.09 84	0.14 225	0.14 179	0.27 236	0.24 96
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NOSS_ROB	0.75 258	1.03 236	2.27 90	0.68 331	0.26 141	0.68 253	0.30 176	0.99 281	0.82 274	0.59 194	0.58 182	0.77 273	0.39 151	2.75 383	0.48 150	0.25 336	0.24 243	0.28 342	0.26 293	0.29 255	1.07 340

Any-RAFT	0.42 24	0.33 24	1.89 27	0.28 36	0.21 80	0.69 256	0.21 32	0.83 166	0.60 85	0.45 56	0.43 67	0.62 201	0.30 102	0.48 62	0.24 16	0.11 113	0.40 282	0.08 3	0.06 7	0.10 11	0.16 45

NVstereo2D	0.63 183	0.57 120	2.29 94	0.37 171	0.35 221	0.69 256	0.49 291	0.96 263	0.88 306	0.49 86	0.54 144	0.72 256	0.46 215	1.98 326	0.50 162	0.19 294	0.20 225	0.18 296	0.16 216	0.28 247	0.34 152

ETE_ROB	0.68 220	1.09 247	2.32 100	0.38 189	0.26 141	0.69 256	0.51 294	1.49 380	0.75 227	0.81 311	0.71 273	0.85 302	0.51 238	1.39 235	0.70 216	0.17 272	0.14 170	0.19 302	0.16 216	0.24 195	0.35 158

SFCPSM	0.48 57	0.39 60	2.30 96	0.28 36	0.27 152	0.70 259	0.32 196	1.00 287	0.69 172	0.50 104	0.52 127	0.43 96	0.36 128	0.53 89	0.44 136	0.12 148	0.09 84	0.12 139	0.16 216	0.18 111	0.23 87

S-Stereo	0.82 279	0.73 169	3.79 370	0.40 215	0.37 233	0.70 259	0.69 344	1.00 287	1.03 346	0.63 231	0.92 323	0.82 291	0.59 272	2.35 350	0.71 220	0.18 283	0.22 235	0.17 280	0.18 237	0.30 262	0.67 282

AF-Net	0.76 261	1.14 259	2.74 264	0.42 227	0.41 252	0.70 259	0.41 252	1.07 336	0.94 325	0.73 287	1.05 346	1.04 348	0.86 330	1.23 216	1.00 273	0.23 323	0.15 184	0.25 337	0.18 237	0.32 275	0.35 158

PA-Net	0.93 322	1.36 316	4.14 382	0.64 318	0.41 252	0.70 259	0.53 300	0.91 232	0.88 306	0.53 131	0.60 194	0.70 253	0.54 250	2.40 356	2.57 371	0.17 272	0.28 261	0.19 302	0.28 303	0.25 210	0.48 227
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MyStereo8	0.73 245	1.16 267	2.89 292	0.53 283	0.34 213	0.71 263	0.20 22	1.87 393	0.59 81	0.53 131	0.66 237	0.50 145	0.33 116	1.27 225	0.62 195	0.10 48	1.19 357	0.10 50	0.21 273	0.21 161	0.61 267

CBFPSM	0.62 171	1.34 309	2.12 68	0.30 62	0.23 112	0.71 263	0.38 241	0.77 123	0.68 164	0.51 115	0.49 105	1.03 344	0.82 322	0.63 117	1.35 309	0.11 113	0.12 144	0.10 50	0.10 73	0.19 134	0.37 165

Wz-Net-SNSev	0.85 294	1.83 371	3.36 335	0.42 227	0.31 187	0.71 263	0.66 336	1.04 313	0.94 325	0.68 267	0.85 309	0.96 330	0.62 281	1.75 288	1.14 287	0.16 253	0.15 184	0.16 266	0.17 229	0.39 321	0.63 273

hitnet-ft	0.73 245	1.09 247	2.59 204	0.28 36	0.22 89	0.71 263	0.36 230	0.89 217	0.67 140	0.58 175	0.83 304	1.03 344	0.94 343	2.31 347	0.70 216	0.23 323	0.14 170	0.41 367	0.13 161	0.24 195	0.28 118

FADNet_RVC	0.87 303	1.51 341	2.90 294	0.31 76	0.24 121	0.71 263	0.25 104	1.00 287	0.65 121	0.45 56	0.57 176	0.61 196	0.44 200	1.53 254	0.75 228	0.94 385	0.97 340	0.28 342	1.00 404	0.89 382	1.36 367

NCCL2	0.71 235	1.32 303	2.30 96	0.44 241	0.31 187	0.71 263	0.67 340	0.89 217	0.69 172	0.70 275	0.61 202	0.85 302	0.54 250	1.58 268	0.70 216	0.20 302	0.17 203	0.66 381	0.25 287	0.26 225	0.38 173

ssnet_v2	0.64 190	0.99 228	2.67 239	0.33 115	0.22 89	0.72 269	0.45 275	1.00 287	0.80 262	0.66 259	0.54 144	0.81 288	0.48 230	0.91 179	1.08 281	0.16 253	0.14 170	0.14 225	0.14 179	0.33 279	0.31 140

Anonymous3	0.47 50	0.49 92	2.61 213	0.33 115	0.25 127	0.72 269	0.32 196	0.80 142	0.60 85	0.36 28	0.41 63	0.33 60	0.29 92	0.46 51	0.30 58	0.19 294	0.18 209	0.13 196	0.13 161	0.18 111	0.22 79

pmcnn	1.44 371	1.25 293	3.57 360	0.74 336	1.42 391	0.72 269	0.56 311	1.04 313	1.06 352	1.03 341	2.89 403	6.01 413	0.75 315	2.54 365	3.60 391	0.14 221	0.11 129	0.08 3	0.06 7	0.34 285	0.81 310

FTStereo	0.79 271	0.32 15	2.83 283	0.70 333	0.21 80	0.73 272	1.75 401	0.61 70	0.60 85	1.07 345	1.62 372	1.28 369	2.11 393	0.75 154	0.30 58	0.19 294	0.08 39	0.12 139	0.11 111	0.12 26	0.39 180

delet	0.60 151	0.84 195	2.45 154	0.33 115	0.35 221	0.73 272	0.46 280	0.89 217	0.80 262	0.58 175	0.62 209	0.67 224	0.51 238	1.14 206	0.64 201	0.12 148	0.12 144	0.13 196	0.14 179	0.22 175	0.29 124

RGC	0.78 268	1.10 252	2.55 193	0.45 248	0.45 267	0.73 272	0.40 250	1.00 287	0.75 227	0.75 295	1.04 344	1.02 343	0.73 307	1.74 287	1.15 288	0.24 330	0.19 213	0.28 342	0.26 293	0.31 270	0.38 173

StereoDRNet	0.71 235	1.24 290	2.56 197	0.42 227	0.45 267	0.73 272	0.46 280	0.98 276	0.81 269	0.77 299	0.56 165	0.74 263	0.48 230	1.69 283	0.91 259	0.15 239	0.14 170	0.15 250	0.15 198	0.26 225	0.51 239

PSMNet_ROB	0.75 258	1.42 329	2.93 297	0.39 202	0.32 198	0.73 272	0.56 311	0.90 225	0.74 222	0.56 157	0.60 194	0.75 267	0.47 223	2.00 327	1.31 305	0.18 283	0.13 157	0.19 302	0.20 262	0.26 225	0.40 185

LMCR-Stereo	0.61 158	1.00 229	2.60 209	0.42 227	0.22 89	0.74 277	0.31 186	1.06 333	0.70 182	0.62 222	0.64 224	0.40 86	0.52 245	0.84 171	1.27 304	0.20 302	0.09 84	0.12 139	0.09 39	0.26 225	0.16 45

UNet	0.56 114	0.58 122	2.81 279	0.32 94	0.33 204	0.74 277	0.27 130	0.86 195	0.67 140	0.55 146	0.55 153	0.72 256	0.55 255	0.79 162	0.58 183	0.12 148	0.09 84	0.13 196	0.11 111	0.20 151	0.19 62

tt1	0.74 248	0.73 169	2.34 103	0.67 326	0.63 315	0.75 279	0.24 85	0.85 183	0.96 332	0.81 311	0.38 51	0.26 33	0.35 125	0.64 121	0.22 4	0.10 48	2.16 405	0.11 96	0.09 39	0.25 210	2.19 395

psmg	0.48 57	0.32 15	1.58 4	0.28 36	0.22 89	0.75 279	0.35 223	0.94 247	0.67 140	0.61 210	0.59 187	0.63 205	0.38 140	0.48 62	0.97 263	0.13 191	0.11 129	0.13 196	0.13 161	0.14 52	0.15 32

KYRaft	0.52 85	0.35 38	2.40 117	0.34 132	0.21 80	0.75 279	0.43 265	0.62 73	0.63 108	0.64 241	0.92 323	0.53 156	0.72 304	0.60 110	0.26 34	0.10 48	0.07 6	0.12 139	0.14 179	0.13 36	0.54 250

EDNetEfficientorigin	8.19 418	1.27 296	145.54 442	0.51 278	0.96 358	0.75 279	0.49 291	0.86 195	1.57 385	2.12 393	1.49 368	1.28 369	1.35 362	1.84 307	2.15 353	0.14 221	0.13 157	0.17 280	0.18 237	0.39 321	0.64 278

ACVNet-DCA	0.67 215	0.73 169	2.43 130	0.67 326	0.52 282	0.76 283	0.24 85	0.81 149	0.83 280	0.77 299	0.39 54	0.25 26	0.38 140	0.70 138	0.22 4	0.10 48	2.13 400	0.11 96	0.09 39	0.16 70	1.18 346

xx1	0.71 235	0.73 169	2.43 130	0.67 326	0.52 282	0.76 283	0.24 85	0.85 183	1.05 350	0.77 299	0.39 54	0.46 127	0.37 133	0.70 138	0.22 4	0.10 48	2.13 400	0.12 139	0.41 360	0.16 70	1.18 346

1test111	0.72 243	0.73 169	2.43 130	0.67 326	0.52 282	0.76 283	0.24 85	0.81 149	0.83 280	0.77 299	0.39 54	0.25 26	0.38 140	1.03 190	0.75 228	0.10 48	2.13 400	0.11 96	0.09 39	0.16 70	1.18 346

cc1	0.74 248	0.73 169	2.43 130	0.67 326	0.52 282	0.76 283	0.24 85	0.85 183	1.05 350	0.77 299	0.39 54	0.25 26	0.38 140	0.70 138	0.22 4	0.10 48	2.13 400	0.11 96	0.09 39	0.25 210	2.20 399

SQANet	0.92 317	1.96 376	3.23 323	0.77 341	0.83 345	0.76 283	0.38 241	0.87 202	0.68 164	0.64 241	0.69 247	0.73 261	0.52 245	1.35 233	1.36 311	0.80 381	0.30 262	0.60 379	0.29 307	0.93 383	0.70 294

BSDual-CNN	0.48 57	0.32 15	1.58 4	0.31 76	0.22 89	0.76 283	0.32 196	1.05 321	0.67 140	0.64 241	0.53 130	0.63 205	0.38 140	0.48 62	0.97 263	0.13 191	0.10 107	0.14 225	0.12 141	0.13 36	0.15 32

hknet	0.53 95	0.39 60	2.04 53	0.31 76	0.24 121	0.76 283	0.32 196	1.05 321	0.71 194	0.64 241	0.53 130	0.79 279	0.40 157	0.84 171	0.78 237	0.12 148	0.10 107	0.14 225	0.12 141	0.13 36	0.15 32

SHD	0.84 286	1.14 259	2.54 186	0.80 345	0.52 282	0.76 283	0.34 214	1.16 356	1.29 371	1.11 347	0.85 309	0.98 333	0.74 311	1.25 221	1.48 319	0.22 315	0.37 272	0.20 312	0.27 301	0.36 301	0.41 192

GANet	0.92 317	1.20 278	2.68 244	0.45 248	0.27 152	0.76 283	0.66 336	0.94 247	0.77 243	0.79 308	1.17 351	0.84 297	0.91 337	2.72 379	1.76 333	0.18 283	0.42 284	0.44 372	0.20 262	0.33 279	0.94 326

CBMV_ROB	0.88 304	0.75 182	2.73 262	0.36 161	0.22 89	0.76 283	0.47 284	1.05 321	0.81 269	1.06 344	1.04 344	0.88 312	1.36 364	2.17 341	2.03 343	0.23 323	0.24 243	0.27 340	0.25 287	0.27 236	0.73 298

CSP-Net	0.55 106	0.61 134	1.81 15	0.30 62	0.23 112	0.77 293	0.35 223	0.90 225	0.62 97	0.62 222	0.60 194	0.65 215	0.42 179	1.76 290	0.47 147	0.17 272	0.12 144	0.10 50	0.10 73	0.21 161	0.16 45

Consistency-Raft	0.92 317	1.21 280	3.50 353	0.98 361	0.63 315	0.77 293	0.54 303	1.02 301	1.01 344	0.62 222	1.03 342	0.65 215	1.04 350	0.81 169	1.36 311	0.45 367	0.47 291	0.51 375	0.59 383	0.65 370	0.47 223

GMM-Stereo	0.53 95	0.33 24	2.89 292	0.53 283	0.24 121	0.77 293	0.46 280	0.62 73	0.65 121	0.58 175	0.73 278	0.47 132	0.43 192	0.68 135	0.29 53	0.10 48	0.06 1	0.13 196	0.13 161	0.14 52	0.44 213

Nwc_Net	0.75 258	1.10 252	2.96 301	0.42 227	0.39 241	0.77 293	0.39 247	1.06 333	0.73 205	0.65 253	1.00 337	0.99 336	0.74 311	1.43 241	0.99 271	0.24 330	0.15 184	0.23 327	0.26 293	0.27 236	0.30 132

DANet	0.85 294	0.68 153	2.41 121	1.18 374	0.48 276	0.77 293	1.23 388	0.93 242	1.53 383	0.90 326	0.72 276	0.97 332	0.57 262	1.86 311	1.05 278	0.18 283	0.16 196	0.19 302	0.16 216	0.26 225	0.67 282
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
UDG	0.86 297	1.57 345	2.80 275	0.68 331	0.59 300	0.78 298	0.38 241	0.97 270	0.74 222	0.63 231	0.70 260	1.01 340	0.68 296	1.02 188	1.22 298	0.45 367	0.34 269	0.89 388	0.51 373	0.73 373	0.58 259

LALA_ROB	0.68 220	1.14 259	2.50 177	0.37 171	0.29 168	0.78 298	0.55 307	0.99 281	0.84 292	0.82 315	0.68 243	0.93 322	0.50 234	1.01 187	0.89 257	0.21 310	0.15 184	0.21 316	0.18 237	0.26 225	0.30 132

PWCDC_ROB	0.83 283	1.57 345	2.63 218	0.48 258	0.37 233	0.78 298	0.29 163	1.04 313	1.36 376	0.63 231	2.05 381	0.64 211	0.70 302	1.10 197	1.20 294	0.33 355	0.14 170	0.15 250	0.12 141	0.63 368	0.46 221

CBMV	0.86 297	1.00 229	2.82 281	0.35 147	0.21 80	0.78 298	0.78 353	1.05 321	0.87 302	0.90 326	0.74 281	0.87 308	1.89 388	1.67 279	1.38 315	0.19 294	0.20 225	0.21 316	0.19 253	0.28 247	0.84 312
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CRE-IMP	0.46 47	0.31 7	2.40 117	0.53 283	0.17 39	0.79 302	0.68 342	0.54 41	0.66 128	0.47 68	0.43 67	0.44 111	0.26 51	0.43 47	0.33 90	0.12 148	0.07 6	0.12 139	0.09 39	0.17 91	0.23 87

MMNet	0.55 106	0.92 222	2.03 50	0.34 132	0.27 152	0.79 302	0.28 138	0.86 195	0.79 255	0.62 222	0.58 182	0.59 187	0.56 257	0.80 166	0.61 192	0.11 113	0.11 129	0.12 139	0.11 111	0.21 161	0.22 79

DSFCA	0.62 171	0.77 185	1.95 36	0.29 48	0.29 168	0.79 302	0.86 359	0.81 149	0.73 205	0.73 287	0.66 237	0.67 224	0.57 262	1.17 210	1.03 276	0.16 253	0.15 184	0.13 196	0.14 179	0.19 134	0.28 118

coex-ft	6.14 416	1.98 378	60.80 440	0.34 132	0.30 179	0.80 305	1.17 385	0.76 117	4.34 408	19.82 428	2.15 384	1.61 380	8.77 418	1.82 304	10.36 420	0.44 366	2.05 394	0.18 296	0.19 253	0.39 321	4.61 420

fast-acv-ft	0.67 215	1.24 290	3.26 327	0.39 202	0.30 179	0.80 305	0.48 286	0.74 112	0.76 235	0.60 203	0.78 299	0.76 271	0.60 277	0.70 138	0.78 237	0.16 253	0.15 184	0.18 296	0.17 229	0.38 314	0.24 96

Wz-Net-LNSev	0.66 212	1.30 301	2.81 279	0.35 147	0.37 233	0.80 305	0.48 286	0.91 232	0.87 302	0.63 231	0.70 260	0.80 285	0.59 272	0.67 131	0.68 213	0.15 239	0.14 170	0.12 139	0.12 141	0.24 195	0.38 173

DRN-Test	0.71 235	0.79 190	2.83 283	0.40 215	0.44 264	0.80 305	0.41 252	1.07 336	0.83 280	0.82 315	0.64 224	0.68 236	0.57 262	1.78 296	0.79 240	0.16 253	0.13 157	0.17 280	0.16 216	0.24 195	0.51 239

GwcNet	0.76 261	1.09 247	3.68 365	0.38 189	0.45 267	0.81 309	0.45 275	0.91 232	0.89 311	0.63 231	0.77 295	0.82 291	0.51 238	1.64 275	0.85 253	0.17 272	0.16 196	0.15 250	0.15 198	0.33 279	0.34 152

SuperB	1.19 354	1.62 355	5.29 405	0.37 171	0.26 141	0.81 309	0.87 360	0.94 247	1.19 366	0.68 267	0.68 243	0.63 205	1.37 365	1.73 285	3.30 383	0.16 253	0.12 144	0.17 280	0.16 216	2.74 414	0.63 273

iinet-f	0.62 171	1.18 273	2.55 193	0.33 115	0.25 127	0.82 311	0.34 214	0.87 202	0.69 172	0.56 157	0.64 224	0.73 261	0.67 294	0.80 166	0.81 246	0.14 221	0.13 157	0.11 96	0.10 73	0.44 340	0.26 106

Wz-Net-LNSev-Ref	0.65 195	1.15 265	2.40 117	0.33 115	0.30 179	0.83 312	0.40 250	0.94 247	0.82 274	0.67 261	0.76 291	0.68 236	0.58 269	1.13 204	1.25 302	0.14 221	0.08 39	0.10 50	0.08 28	0.18 111	0.28 118

CRFU-Net	0.58 129	0.42 71	1.90 28	0.49 269	0.27 152	0.83 312	0.35 223	0.94 247	0.54 59	0.65 253	0.60 194	0.78 277	1.34 361	1.00 186	0.51 165	0.17 272	0.14 170	0.17 280	0.10 73	0.19 134	0.20 70

DDUNet	0.90 314	1.63 357	2.77 271	0.77 341	0.69 327	0.83 312	0.44 271	0.90 225	0.70 182	0.68 267	0.76 291	0.92 317	0.54 250	1.14 206	1.35 309	0.61 374	0.37 272	0.96 390	0.52 375	0.77 378	0.67 282

RTSC	0.84 286	1.40 324	2.67 239	0.50 274	0.40 247	0.83 312	0.33 209	1.11 348	1.14 361	0.93 332	0.82 302	0.84 297	0.58 269	1.34 232	1.82 337	0.18 283	0.49 295	0.14 225	0.30 313	0.46 346	0.42 196

GANetREF_RVC	0.81 276	1.44 333	3.04 311	0.49 269	0.27 152	0.83 312	0.63 330	1.03 307	0.92 318	0.63 231	0.61 202	0.72 256	0.59 272	2.40 356	0.58 183	0.33 355	0.25 250	0.37 362	0.25 287	0.41 333	0.36 164
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
DISCO	0.61 158	0.63 140	1.98 41	0.46 251	0.34 213	0.84 317	0.35 223	0.88 210	0.81 269	0.61 210	0.64 224	1.06 352	0.53 248	1.11 201	0.83 251	0.13 191	0.10 107	0.11 96	0.10 73	0.26 225	0.37 165

APVNet	0.76 261	1.11 254	3.23 323	0.39 202	0.36 227	0.85 318	0.44 271	0.96 263	0.73 205	0.58 175	0.69 247	0.76 271	0.56 257	2.29 346	0.82 249	0.17 272	0.18 209	0.24 332	0.19 253	0.35 296	0.27 112

HBP-ISP	0.82 279	1.57 345	3.28 329	0.50 274	0.27 152	0.86 319	0.54 303	1.09 341	0.78 246	0.81 311	0.70 260	0.68 236	1.00 347	2.02 328	0.47 147	0.24 330	0.24 243	0.29 350	0.25 287	0.28 247	0.52 244

PSM-AAD	0.67 215	0.29 2	2.41 121	0.37 171	0.23 112	0.86 319	1.15 382	0.62 73	0.66 128	0.64 241	0.71 273	0.67 224	2.90 401	0.65 125	0.32 81	0.10 48	0.08 39	0.17 280	0.15 198	0.14 52	0.34 152

LSM	3.40 408	1.42 329	5.81 409	9.98 423	30.74 436	0.86 319	1.14 380	0.99 281	1.26 368	1.40 375	2.18 385	0.93 322	0.85 328	1.76 290	1.03 276	0.22 315	0.35 270	0.24 332	0.29 307	0.40 327	6.21 421

NVStereoNet_ROB	1.45 373	1.62 355	3.59 362	1.09 366	0.70 329	0.86 319	0.67 340	1.19 361	1.51 382	1.20 359	4.05 409	1.61 380	1.94 389	2.97 391	2.07 347	0.67 377	0.69 324	0.55 376	0.70 387	0.57 361	0.67 282
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CC-Net-ROB	0.95 324	1.57 345	2.93 297	0.90 353	0.39 241	0.87 323	0.44 271	1.12 350	0.83 280	0.59 194	0.69 247	0.64 211	0.50 234	2.73 381	0.93 260	0.97 388	0.40 282	0.87 387	0.29 307	0.61 367	0.66 280

FBW_ROB	0.94 323	1.23 289	2.35 104	0.46 251	0.32 198	0.87 323	0.46 280	1.15 353	0.97 338	0.83 318	0.78 299	1.01 340	0.64 285	3.65 404	1.65 326	0.27 343	0.24 243	0.40 365	0.26 293	0.32 275	0.88 320

WZ-Net	1.04 340	1.83 371	4.20 385	0.42 227	0.36 227	0.88 325	0.71 346	1.05 321	1.11 358	0.84 319	0.94 325	1.06 352	1.17 358	2.37 351	2.24 359	0.20 302	0.14 170	0.15 250	0.16 216	0.36 301	0.53 247

RYNet	0.77 266	0.91 217	2.36 105	0.37 171	0.41 252	0.88 325	0.44 271	0.99 281	0.88 306	0.65 253	0.54 144	0.92 317	0.61 279	2.70 378	1.23 299	0.15 239	0.14 170	0.17 280	0.14 179	0.27 236	0.55 256

MaskLacGwcNet_RVC	0.84 286	1.41 325	2.80 275	0.94 357	0.35 221	0.89 327	0.41 252	0.89 217	0.66 128	0.57 169	0.63 217	0.75 267	0.38 140	2.37 351	0.55 177	1.16 395	0.31 263	0.36 360	0.21 273	0.59 363	0.63 273

XQC	0.84 286	1.32 303	2.61 213	0.78 343	0.44 264	0.89 327	0.53 300	1.16 356	1.07 353	0.85 320	0.69 247	0.92 317	0.73 307	1.40 237	1.44 317	0.24 330	0.35 270	0.23 327	0.26 293	0.45 342	0.39 180

DispFullNet	1.69 387	2.25 397	5.23 403	1.53 388	8.78 418	0.89 327	0.37 233	1.03 307	0.98 339	1.37 371	1.00 337	1.13 362	1.97 390	1.51 253	0.98 269	0.55 373	0.32 264	1.19 397	0.64 386	1.16 388	0.88 320

Wz-Net-MNSev	0.74 248	1.42 329	2.75 266	0.38 189	0.33 204	0.90 330	0.61 327	0.98 276	0.94 325	0.77 299	0.75 288	0.75 267	0.66 292	1.39 235	0.76 231	0.17 272	0.13 157	0.14 225	0.14 179	0.28 247	0.48 227

HH	0.79 271	0.52 105	2.72 257	1.45 382	0.80 343	0.91 331	0.23 63	0.76 117	0.76 235	0.64 241	0.55 153	0.87 308	0.41 168	0.94 182	0.45 140	0.09 12	1.20 358	0.10 50	0.09 39	0.16 70	2.16 393

HanStereo	0.79 271	0.52 105	2.72 257	1.45 382	0.80 343	0.91 331	0.23 63	0.76 117	0.76 235	0.64 241	0.55 153	0.87 308	0.41 168	0.94 182	0.45 140	0.09 12	1.20 358	0.10 50	0.09 39	0.16 70	2.16 393

BUS	0.45 42	0.32 15	1.58 4	0.31 76	0.22 89	0.91 331	0.23 63	1.05 321	0.67 140	0.64 241	0.53 130	0.65 215	0.32 111	0.48 62	0.34 98	0.13 191	0.10 107	0.14 225	0.12 141	0.13 36	0.15 32

NINENet	0.54 102	0.40 64	2.19 79	0.55 290	0.26 141	0.91 331	0.23 63	1.05 321	0.77 243	0.54 135	0.57 176	0.65 215	0.32 111	1.22 214	0.34 98	0.16 253	0.13 157	0.16 266	0.11 111	0.16 70	0.14 26

TRStereo	0.89 311	1.02 233	2.91 295	4.59 418	0.31 187	0.93 335	0.23 63	1.93 396	0.66 128	0.37 30	0.54 144	0.48 139	0.40 157	0.67 131	0.29 53	0.13 191	0.37 272	0.11 96	0.48 368	0.13 36	1.21 352

MFMNet_re	1.01 334	1.73 364	3.04 311	0.85 349	0.76 336	0.93 335	0.81 356	1.02 301	1.10 356	1.05 342	1.06 347	0.84 297	0.96 344	0.93 181	0.97 263	0.68 378	0.61 312	0.63 380	0.60 385	0.77 378	0.80 308

NRIStereo	0.50 73	0.34 31	2.44 138	0.52 279	0.16 22	0.94 337	0.73 349	0.52 29	0.65 121	0.48 70	0.40 62	0.59 187	0.29 92	0.78 161	0.33 90	0.11 113	0.13 157	0.11 96	0.09 39	0.22 175	0.25 100

EDNetEfficient	1.29 360	0.78 188	4.27 388	0.65 320	1.03 369	0.94 337	1.38 394	0.87 202	1.75 390	2.33 401	1.32 361	1.04 348	2.21 395	1.59 269	4.07 400	0.16 253	0.19 213	0.15 250	0.27 301	0.38 314	0.40 185

LCNet	0.58 129	0.43 77	2.42 125	0.91 355	0.22 89	0.95 339	0.29 163	0.62 73	0.64 114	0.52 123	0.55 153	0.41 91	0.75 315	0.84 171	0.27 39	0.10 48	0.07 6	0.12 139	0.18 237	0.97 385	0.40 185

ADCRef	0.88 304	1.45 334	2.68 244	0.38 189	0.35 221	0.95 339	0.51 294	0.92 239	0.81 269	0.89 324	0.84 306	0.61 196	1.35 362	1.26 224	3.38 386	0.14 221	0.12 144	0.17 280	0.19 253	0.28 247	0.34 152

ADCS	1.14 351	2.02 383	3.36 335	0.43 237	0.37 233	0.96 341	0.81 356	1.12 350	1.17 365	1.25 366	0.98 333	1.08 355	0.92 340	1.41 239	4.97 407	0.23 323	0.21 233	0.22 320	0.23 280	0.40 327	0.67 282

ADCMid	1.06 342	1.82 370	3.53 357	0.39 202	0.36 227	0.99 342	0.58 316	1.01 295	0.94 325	1.23 365	1.02 340	1.01 340	1.01 348	1.11 201	4.04 399	0.22 315	0.19 213	0.42 369	0.32 324	0.42 335	0.53 247

Wz-Net-TNSev	1.02 335	2.26 399	3.69 366	0.38 189	0.31 187	1.00 343	0.71 346	1.12 350	1.02 345	0.74 293	0.73 278	1.09 358	0.91 337	2.46 361	2.15 353	0.21 310	0.20 225	0.16 266	0.20 262	0.48 350	0.62 269

SPS-STEREO	1.22 356	1.65 359	3.41 346	0.66 324	0.69 327	1.01 344	0.68 342	1.10 344	0.96 332	1.40 375	1.25 356	1.46 377	1.08 353	2.05 329	2.24 359	0.66 376	0.61 312	0.58 377	0.57 381	0.66 371	1.65 379
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
otaku	1.15 352	2.10 388	3.51 354	0.98 361	0.74 332	1.02 345	0.59 319	1.03 307	0.89 311	0.70 275	1.60 370	0.98 333	0.65 286	1.63 272	1.80 336	0.99 389	0.46 289	0.73 385	0.40 356	1.30 395	0.88 320

PVD	1.05 341	1.21 280	2.36 105	0.84 348	0.91 353	1.04 346	0.64 331	1.32 371	1.68 387	1.43 377	1.41 366	1.14 363	1.15 357	1.49 251	1.77 334	0.27 343	0.65 318	0.28 342	0.35 342	0.40 327	0.73 298

SGM-Forest	1.84 389	7.91 421	10.36 417	0.42 227	0.33 204	1.04 346	1.29 390	1.01 295	0.88 306	1.19 354	2.30 389	1.03 344	1.79 385	2.60 370	2.81 376	0.22 315	0.21 233	0.21 316	0.19 253	0.25 210	0.79 306
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ccnet	0.77 266	0.61 134	2.01 45	0.40 215	0.46 274	1.05 348	0.59 319	1.02 301	0.74 222	0.90 326	0.97 330	0.82 291	0.89 335	1.68 282	1.16 290	0.32 353	0.26 253	0.32 354	0.28 303	0.35 296	0.47 223

stereogan	0.74 248	0.68 153	2.82 281	0.40 215	0.40 247	1.05 348	0.42 258	0.99 281	0.96 332	0.78 307	0.86 314	1.15 365	0.73 307	1.57 262	0.56 179	0.20 302	0.19 213	0.20 312	0.16 216	0.37 307	0.34 152

ADCP+	1.03 339	1.68 362	3.83 373	0.35 147	0.39 241	1.05 348	0.79 355	0.94 247	0.86 300	0.69 272	0.68 243	0.85 302	1.53 377	1.02 188	4.56 404	0.13 191	0.12 144	0.16 266	0.15 198	0.28 247	0.44 213

Ntro	1.11 349	2.10 388	3.52 356	0.97 360	0.87 350	1.06 351	0.54 303	1.02 301	0.93 324	0.63 231	0.76 291	0.93 322	0.67 294	1.76 290	1.71 327	1.03 390	0.46 289	0.76 386	0.41 360	1.29 393	0.86 319

CSAN	1.38 367	1.74 367	4.12 381	0.53 283	0.38 239	1.06 351	1.15 382	1.29 368	1.12 359	1.19 354	1.90 378	1.04 348	1.44 369	5.92 414	2.82 377	0.26 340	0.22 235	0.24 332	0.25 287	0.35 296	0.54 250

RainbowNet	1.27 358	2.22 395	3.58 361	1.14 372	0.92 354	1.08 353	0.76 351	1.19 361	1.15 363	0.77 299	0.97 330	1.08 355	0.83 324	1.64 275	1.72 329	1.20 397	1.30 372	1.01 393	0.58 382	1.23 390	0.97 334

DPSNet	1.02 335	0.72 166	2.84 285	0.60 305	0.39 241	1.08 353	0.75 350	1.41 376	1.14 361	0.74 293	0.69 247	1.05 351	1.67 379	2.09 336	2.22 358	0.27 343	0.61 312	0.20 312	0.50 372	0.48 350	1.03 337

MeshStereo	1.29 360	1.34 309	3.04 311	0.35 147	0.28 163	1.10 355	0.69 344	1.42 377	1.07 353	2.71 407	2.43 391	2.95 394	1.50 374	2.92 389	2.03 343	0.23 323	0.22 235	0.22 320	0.19 253	0.50 352	0.69 291
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
NaN_ROB	1.25 357	1.46 336	3.84 374	0.54 289	0.56 292	1.12 356	0.99 368	1.05 321	1.03 346	1.10 346	0.87 316	0.77 273	1.07 352	5.85 413	2.98 379	0.16 253	0.23 240	0.16 266	0.24 282	0.28 247	0.66 280

FCDSN-DC	1.45 373	1.12 256	3.30 332	0.48 258	0.41 252	1.13 357	0.60 322	1.17 359	1.28 370	2.25 398	2.85 401	3.65 401	3.34 406	2.58 368	2.44 365	0.31 352	0.26 253	0.31 352	0.30 313	0.37 307	0.78 304
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
EGLCR-Stereo	0.90 314	0.31 7	1.90 28	1.60 390	0.95 357	1.14 358	0.42 258	0.85 183	0.43 13	1.74 387	0.21 1	0.27 40	0.17 1	1.56 258	0.30 58	0.10 48	2.60 414	0.10 50	0.09 39	0.10 11	3.10 414

ACVNet-4b	2.00 393	2.19 392	4.85 399	1.09 366	0.86 348	1.15 359	0.53 300	1.11 348	1.15 363	0.65 253	1.09 348	1.97 385	0.69 300	2.31 347	9.78 419	5.73 419	0.42 284	1.03 394	0.55 378	1.89 405	0.92 325

MFN_U_SF_RVC	1.57 383	2.56 412	3.30 332	0.66 324	0.41 252	1.15 359	0.51 294	1.27 366	1.35 375	1.61 385	1.20 353	1.43 375	0.97 345	1.80 299	2.10 348	1.88 410	1.79 388	1.97 415	2.14 414	1.61 403	1.76 382

AnyNet_C32	1.08 347	1.76 368	3.01 309	0.50 274	0.54 288	1.17 361	1.16 384	0.97 270	0.95 330	1.11 347	0.98 333	0.87 308	0.93 342	1.57 262	4.11 401	0.22 315	0.20 225	0.25 337	0.25 287	0.40 327	0.68 287

PDISCO_ROB	0.84 286	1.46 336	2.84 285	0.65 320	0.59 300	1.17 361	0.48 286	1.19 361	1.08 355	0.67 261	0.72 276	1.00 339	0.61 279	1.24 218	1.05 278	0.38 359	0.18 209	0.28 342	0.24 282	0.58 362	0.44 213

ACVNet_1	1.47 375	2.27 400	4.92 400	1.11 369	0.89 351	1.19 363	0.66 336	1.28 367	1.19 366	0.98 334	0.97 330	3.06 397	1.48 373	2.37 351	1.82 337	1.08 392	0.49 295	1.03 394	0.48 368	1.20 389	0.95 329

WCMA_ROB	1.29 360	1.21 280	3.13 319	0.65 320	0.36 227	1.20 364	0.78 353	1.00 287	0.98 339	1.78 388	2.62 396	3.08 398	2.01 391	1.86 311	2.35 363	0.38 359	0.38 276	0.32 354	0.32 324	0.31 270	1.06 339

iRaft-Stereo_20w	1.50 376	0.42 71	4.81 398	2.24 408	2.09 408	1.36 365	1.27 389	1.38 374	0.94 325	2.07 390	0.42 65	0.85 302	0.69 300	0.87 174	1.37 313	0.10 48	4.04 419	0.09 16	0.40 356	0.17 91	4.53 419

ADCPNet	1.07 344	1.37 320	4.54 397	0.38 189	0.68 326	1.36 365	0.64 331	0.93 242	0.83 280	0.79 308	0.82 302	1.08 355	1.18 359	1.30 229	2.68 373	0.21 310	0.69 324	0.21 316	0.95 401	0.30 262	0.54 250

ACVNet_2	1.54 381	2.20 394	4.42 394	1.10 368	0.93 356	1.37 367	0.87 360	1.53 381	1.71 389	1.22 363	1.72 373	2.12 388	1.06 351	2.58 368	1.93 339	0.94 385	0.54 301	1.00 392	0.56 380	2.11 409	0.96 331

IMH-64-1	1.50 376	1.98 378	2.69 250	1.39 380	1.12 377	1.39 368	1.19 386	1.80 390	1.47 380	1.19 354	2.20 386	1.53 378	1.51 375	2.12 338	1.98 340	1.34 400	0.68 321	1.28 400	0.70 387	1.37 397	1.12 343

IMH-64	1.50 376	1.98 378	2.69 250	1.39 380	1.12 377	1.39 368	1.19 386	1.80 390	1.47 380	1.19 354	2.20 386	1.53 378	1.51 375	2.12 338	1.98 340	1.34 400	0.68 321	1.28 400	0.70 387	1.37 397	1.12 343

MIPNet	0.88 304	1.07 243	2.85 287	0.61 311	0.18 49	1.46 370	1.37 392	1.65 386	0.78 246	1.93 389	0.85 309	0.75 267	1.66 378	0.87 174	0.34 98	0.10 48	0.08 39	0.11 96	0.32 324	0.27 236	0.26 106

MFN_U_SF_DS_RVC	1.08 347	2.01 382	2.56 197	0.49 269	0.40 247	1.49 371	0.96 367	1.02 301	0.95 330	0.85 320	0.94 325	1.06 352	0.59 272	2.92 389	1.15 288	0.43 365	0.74 331	0.32 354	0.55 378	0.74 374	1.35 365

ADCL	1.07 344	1.22 285	2.80 275	0.40 215	0.33 204	1.50 372	1.87 403	0.97 270	1.04 349	1.26 367	1.28 357	0.99 336	1.41 368	1.36 234	3.51 389	0.17 272	0.14 170	0.22 320	0.21 273	0.32 275	0.43 201

ELAS_RVC	1.51 379	0.88 204	3.36 335	0.63 315	0.56 292	1.53 373	2.73 407	1.53 381	1.76 391	2.26 399	2.21 388	2.10 387	3.07 403	2.08 334	2.52 367	0.42 362	0.42 284	0.42 369	0.37 349	0.51 354	0.84 312
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Dean	1.92 391	2.31 403	5.03 402	1.31 375	1.08 373	1.55 374	0.99 368	1.98 398	2.33 397	1.51 382	4.15 410	4.23 407	1.39 367	2.31 347	2.10 348	1.18 396	0.69 324	1.18 396	0.75 393	1.30 395	1.07 340

AnyNet_C01	1.20 355	1.89 374	4.25 387	0.55 290	0.54 288	1.57 375	1.39 395	1.10 344	1.13 360	1.19 354	1.34 363	1.15 365	1.11 355	1.73 285	2.89 378	0.26 340	0.24 243	0.28 342	0.24 282	0.50 352	0.68 287

MADNet+	1.44 371	2.19 392	6.00 410	0.89 351	0.70 329	1.58 376	1.11 377	1.56 384	1.30 373	0.89 324	1.03 342	1.25 368	1.12 356	3.29 396	2.80 375	0.48 370	0.57 307	0.39 364	0.36 348	0.63 368	0.69 291

RTS	1.29 360	1.59 350	6.48 412	0.63 315	0.57 295	1.59 377	0.90 364	1.15 353	1.44 378	1.20 359	1.31 359	1.10 359	0.87 333	2.67 375	2.27 361	0.21 310	0.38 276	0.19 302	0.20 262	0.46 346	0.68 287

RTSA	1.29 360	1.59 350	6.48 412	0.63 315	0.57 295	1.59 377	0.90 364	1.15 353	1.44 378	1.20 359	1.31 359	1.10 359	0.87 333	2.67 375	2.27 361	0.21 310	0.38 276	0.19 302	0.20 262	0.46 346	0.68 287

riskmin	0.96 325	0.32 15	2.07 58	1.72 397	1.61 400	1.62 379	0.57 314	1.45 378	0.55 64	0.73 287	0.89 320	0.92 317	0.45 208	1.16 208	0.60 187	0.11 113	1.30 372	0.12 139	1.38 411	0.14 52	1.51 374

IPLG	0.74 248	1.09 247	2.87 290	0.36 161	0.21 80	1.63 380	0.60 322	1.39 375	0.63 108	1.39 373	0.51 119	0.40 86	0.86 330	1.40 237	0.37 110	0.09 12	0.07 6	0.14 225	0.12 141	0.34 285	0.23 87

IMH	2.14 397	2.46 408	3.60 364	1.70 395	1.13 379	1.65 381	0.93 366	2.13 399	1.93 393	1.37 371	2.64 398	2.19 389	1.82 386	5.77 412	2.18 355	5.70 418	1.05 350	1.31 402	0.72 391	1.39 399	1.13 345

SAMSARA	1.11 349	1.35 312	2.60 209	1.34 377	0.77 339	1.67 382	1.41 398	1.47 379	0.99 342	1.54 383	0.89 320	1.44 376	0.90 336	1.88 315	1.71 327	0.25 336	0.55 303	0.22 320	0.34 340	0.39 321	0.50 235

LVE	2.10 395	2.61 413	4.30 392	1.79 400	1.81 404	1.68 383	1.04 375	2.35 401	2.78 403	1.27 368	2.87 402	4.21 406	1.46 370	2.83 387	2.02 342	2.87 415	0.92 339	1.19 397	1.47 413	1.29 393	1.18 346

SANet	1.35 365	1.80 369	4.39 393	0.41 224	0.29 168	1.72 384	0.89 363	1.17 359	2.47 398	1.22 363	1.82 375	1.72 382	1.70 381	2.57 367	3.30 383	0.18 283	0.16 196	0.16 266	0.15 198	0.34 285	0.62 269

WAO-7	1.58 384	2.04 385	3.25 326	0.94 357	0.75 333	1.75 385	1.13 379	1.87 393	1.97 394	1.46 380	2.53 393	1.98 386	1.75 382	3.13 393	2.48 366	0.69 379	0.67 320	0.94 389	0.74 392	0.80 381	0.77 301

notaker	2.77 401	2.35 405	4.02 379	2.61 413	1.44 392	1.77 386	1.14 380	2.77 405	1.81 392	2.30 400	11.41 419	3.95 402	4.70 411	3.24 395	3.01 380	1.58 406	0.88 337	1.71 413	1.08 406	2.10 408	1.44 371

PWCK	1.62 386	2.32 404	4.27 388	1.11 369	0.56 292	1.81 387	1.84 402	1.55 383	1.54 384	1.45 378	1.81 374	1.82 383	1.38 366	3.34 397	2.14 352	1.09 393	0.57 307	0.98 391	0.59 383	1.50 401	0.79 306

LRCNet_RVC	13.78 425	19.34 427	13.01 421	19.47 428	12.67 422	1.85 388	0.42 258	12.28 423	1.10 356	15.76 424	18.69 428	12.52 425	8.65 417	12.22 423	9.64 417	22.29 433	8.38 426	25.92 435	24.06 435	19.72 433	17.59 430

NCC-stereo	0.88 304	1.22 285	2.97 302	0.60 305	0.45 267	1.88 389	0.48 286	1.04 313	0.75 227	0.70 275	0.85 309	0.93 322	0.84 325	1.81 301	1.51 321	0.28 346	0.19 213	0.23 327	0.31 318	0.27 236	0.35 158

Abc-Net	0.88 304	1.22 285	2.97 302	0.60 305	0.45 267	1.88 389	0.48 286	1.04 313	0.75 227	0.70 275	0.85 309	0.93 322	0.84 325	1.81 301	1.51 321	0.28 346	0.19 213	0.23 327	0.31 318	0.27 236	0.35 158
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
EAI-Stereo	1.16 353	0.29 2	1.94 35	0.55 290	0.97 361	1.96 391	7.94 419	1.34 372	1.03 346	1.01 340	1.48 367	0.51 148	0.66 292	0.65 125	1.42 316	0.09 12	0.23 240	0.09 16	0.53 376	0.13 36	0.49 233

FC-DCNN	1.60 385	0.85 197	3.44 350	0.46 251	0.39 241	1.96 391	0.66 336	1.72 389	1.70 388	2.75 408	2.91 404	4.20 404	3.15 404	2.72 379	2.66 372	0.30 350	0.26 253	0.31 352	0.30 313	0.33 279	0.91 323

KSHMR	4.19 411	2.37 406	6.24 411	1.73 398	1.48 395	1.97 393	1.29 390	3.18 408	17.06 427	2.15 394	15.74 422	9.09 417	1.75 382	8.33 418	2.37 364	1.55 405	1.29 370	1.70 412	1.23 409	1.75 404	1.60 377

SDNR	2.06 394	2.93 415	2.94 299	1.55 389	5.13 416	1.98 394	0.24 85	1.95 397	2.62 400	0.92 329	2.71 399	5.76 412	0.68 296	3.61 403	3.84 394	0.33 355	0.38 276	0.22 320	0.17 229	1.13 386	2.04 388

G-Net	1.02 335	0.70 158	3.23 323	0.60 305	0.66 322	2.00 395	0.71 346	0.78 130	0.70 182	1.14 350	2.53 393	1.29 371	1.01 348	1.47 248	1.74 331	0.25 336	0.24 243	0.24 332	0.26 293	0.37 307	0.40 185

MSMD_ROB	1.41 369	1.03 236	2.75 266	0.41 224	0.32 198	2.00 395	0.61 327	0.96 263	1.43 377	2.97 409	2.63 397	4.76 409	2.04 392	2.44 360	1.78 335	0.30 350	0.26 253	0.32 354	0.32 324	0.32 275	0.63 273

ktn	4.44 412	2.47 409	3.70 367	1.82 401	1.49 396	2.11 397	1.40 396	2.30 400	12.56 418	11.36 420	16.25 423	11.30 421	3.77 408	4.41 410	3.47 388	1.86 409	0.99 342	1.74 414	1.21 408	3.28 415	1.39 368

MSC_U_SF_DS_RVC	1.40 368	2.04 385	3.02 310	0.58 304	0.41 252	2.15 398	1.00 372	1.31 370	1.29 371	1.05 342	1.10 349	1.29 371	0.91 337	3.07 392	1.34 307	1.65 407	0.84 335	0.68 383	0.88 398	1.55 402	1.91 383

WAO-6	1.69 387	1.87 373	3.21 322	1.15 373	1.01 367	2.29 399	1.06 376	1.85 392	2.84 404	1.30 370	2.59 395	2.19 389	1.67 379	2.62 371	2.52 367	0.96 387	0.68 321	1.19 397	0.84 395	1.13 386	0.95 329

HanzoNet	7.85 417	3.30 417	5.75 408	7.47 421	3.97 413	2.34 400	1.37 392	3.47 412	4.02 407	13.30 422	10.49 415	10.86 419	16.67 425	8.50 419	10.51 421	10.80 426	9.84 428	5.83 423	13.69 426	7.24 422	7.51 422

UNDER WATER	2.84 402	2.25 397	5.25 404	1.84 402	1.45 393	2.36 401	1.44 399	3.23 409	6.51 413	2.61 405	2.73 400	5.69 411	5.64 414	3.14 394	4.18 402	1.48 403	0.81 334	1.60 411	1.07 405	1.91 406	1.67 380

LE_ROB	4.55 413	2.43 407	9.94 415	2.79 415	4.03 414	2.40 402	3.54 409	2.72 403	11.04 416	11.64 421	4.69 413	5.25 410	10.74 419	4.52 411	9.73 418	0.82 382	0.70 327	1.34 403	0.97 402	0.74 374	0.94 326

Anonymous_2	1.36 366	0.49 92	2.03 50	1.71 396	1.58 398	2.49 403	0.58 316	1.59 385	2.31 396	0.77 299	0.88 318	1.03 344	0.58 269	1.20 213	0.66 209	0.32 353	1.38 376	1.42 406	3.87 420	0.78 380	1.56 375

DGSMNet	2.93 405	0.77 185	3.44 350	3.58 417	4.25 415	2.53 404	6.86 418	1.03 307	0.88 306	0.58 175	1.85 376	0.79 279	0.62 281	1.63 272	1.46 318	4.62 417	4.98 420	5.15 422	4.71 421	4.52 420	4.37 418

SGM_RVC	2.11 396	1.07 243	2.87 290	0.98 361	0.92 354	2.72 405	1.88 404	1.91 395	12.27 417	2.09 391	1.99 380	2.47 392	2.24 396	2.87 388	2.03 343	0.54 371	0.47 291	0.42 369	0.47 367	0.74 374	1.22 354
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	1.52 380	0.92 222	2.91 295	0.62 313	0.57 295	3.13 406	2.21 405	1.67 387	1.58 386	2.42 402	2.43 391	1.87 384	2.49 398	1.85 309	2.70 374	0.42 362	0.43 287	0.41 367	0.40 356	0.51 354	0.85 316
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
UNDER WATER-64	2.59 398	2.28 401	5.63 407	1.85 403	1.45 393	3.28 407	1.60 400	2.62 402	5.57 410	2.09 391	2.12 382	4.10 403	4.21 410	2.74 382	3.64 392	1.49 404	0.86 336	1.58 410	1.09 407	1.91 406	1.62 378

MADNet++	2.94 406	2.17 391	3.27 328	2.55 412	2.28 410	3.29 408	3.37 408	2.76 404	2.67 402	3.10 410	3.20 405	2.78 393	3.25 405	4.11 407	4.68 406	2.72 414	2.27 409	3.03 418	2.43 416	2.34 412	2.59 409

FINET	1.92 391	1.96 376	4.49 396	1.62 391	1.39 390	3.51 409	4.39 413	2.89 406	2.58 399	1.39 373	1.98 379	1.35 373	2.12 394	1.64 275	2.12 350	0.84 383	1.03 349	0.18 296	0.29 307	0.54 359	2.12 391

TorneroNet-64	2.74 400	2.23 396	4.18 384	1.48 385	1.20 381	3.88 410	1.01 374	3.48 414	6.61 414	2.62 406	4.55 412	4.20 404	3.84 409	3.39 400	3.40 387	1.23 398	0.66 319	1.39 405	0.80 394	3.42 416	1.27 357

MDST_ROB	1.28 359	0.53 108	3.84 374	0.55 290	0.45 267	4.06 411	0.60 322	1.36 373	0.89 311	2.18 395	1.17 351	0.98 333	0.72 304	4.28 408	2.12 350	0.20 302	0.16 196	0.19 302	0.17 229	0.20 151	0.84 312

WAO-8	2.91 403	2.55 410	3.77 368	1.93 406	1.04 370	4.08 412	0.99 368	3.25 410	6.09 411	2.20 396	3.34 406	3.33 399	2.64 399	11.73 420	2.52 367	2.12 411	1.92 391	1.55 408	0.93 399	1.27 391	0.96 331

Venus	2.91 403	2.55 410	3.77 368	1.93 406	1.04 370	4.08 412	0.99 368	3.25 410	6.09 411	2.20 396	3.34 406	3.33 399	2.64 399	11.73 420	2.52 367	2.12 411	1.92 391	1.55 408	0.93 399	1.27 391	0.96 331

SGM+DAISY	2.67 399	2.14 390	4.28 390	1.92 405	2.11 409	4.36 414	5.22 416	3.17 407	3.00 405	3.24 412	3.81 408	3.03 396	3.61 407	2.53 364	3.79 393	1.15 394	1.29 370	0.66 381	0.71 390	0.95 384	2.44 408

JetBlue	1.89 390	2.09 387	4.16 383	0.74 336	1.23 383	4.52 415	3.86 412	1.68 388	1.26 368	1.28 369	1.54 369	2.36 391	1.86 387	3.35 398	3.37 385	0.54 371	0.49 295	0.48 373	0.49 370	1.39 399	1.21 352

MANE	3.51 409	2.03 384	3.88 376	1.89 404	2.01 406	5.98 416	4.72 414	5.87 418	7.13 415	3.80 413	5.10 414	6.11 414	5.34 413	4.39 409	5.05 408	1.07 391	1.28 369	0.50 374	0.85 396	0.76 377	2.36 407

SGM-ForestM	3.67 410	2.70 414	5.34 406	1.65 393	1.72 402	6.02 417	5.08 415	4.10 415	3.47 406	4.59 414	4.21 411	9.81 418	5.79 415	6.44 415	6.97 414	0.88 384	1.09 352	0.33 358	0.45 364	0.68 372	2.10 390

JetRed	3.37 407	4.96 418	10.08 416	1.48 385	1.73 403	7.63 418	5.47 417	3.47 412	2.20 395	2.42 402	2.40 390	2.98 395	2.35 397	3.52 402	6.60 412	1.33 399	1.90 390	1.38 404	1.23 409	2.30 411	2.02 387

DPSMNet_ROB	9.58 420	5.96 420	13.98 424	8.88 422	11.87 421	8.54 419	24.08 426	6.48 420	13.67 422	5.35 416	11.53 421	6.31 416	11.04 420	7.69 417	14.09 423	7.61 425	8.23 423	5.03 421	7.75 425	5.24 421	8.36 424

DGTPSM_ROB	8.97 419	5.94 419	13.01 421	5.95 420	11.34 420	8.54 419	24.06 425	6.47 419	13.52 419	5.19 415	11.52 420	6.18 415	11.04 420	7.02 416	13.92 422	4.47 416	7.66 421	3.90 419	7.43 424	4.34 419	7.98 423

tt	4.94 414	0.32 15	4.22 386	2.29 409	1.58 398	10.19 421	16.94 424	9.44 422	5.03 409	1.69 386	1.33 362	4.68 408	5.02 412	3.38 399	5.91 411	6.15 420	9.47 427	2.80 417	3.16 419	3.54 417	1.58 376

HaxPig	19.88 427	22.39 433	22.30 428	17.98 427	17.98 425	12.06 422	12.06 421	16.25 428	15.97 426	21.05 430	21.41 430	18.85 429	18.35 426	20.07 432	19.64 429	23.57 437	23.19 436	24.07 434	23.71 434	22.95 434	23.72 436

TorneroNet	5.60 415	2.30 402	3.98 377	1.49 387	1.26 386	14.47 423	1.11 377	4.85 416	20.66 432	10.12 417	16.30 424	11.78 422	7.35 416	3.41 401	4.38 403	1.36 402	0.70 327	1.46 407	0.87 397	2.73 413	1.33 362

MEDIAN_ROB	23.95 430	26.96 440	26.29 436	22.14 429	22.09 427	16.18 424	14.23 422	20.47 429	20.09 428	25.43 438	25.22 439	22.96 430	22.54 431	24.33 433	23.18 433	28.15 439	27.16 440	28.60 436	27.73 436	27.59 435	27.58 437

xxxxx1	29.05 439	20.74 429	14.05 425	50.10 438	40.25 438	19.01 425	26.60 427	21.83 431	20.22 429	16.52 425	17.56 425	18.33 426	21.41 428	16.11 428	20.77 430	23.48 434	26.77 437	66.36 439	78.56 439	30.19 436	32.23 439

tt_ll	29.05 439	20.74 429	14.05 425	50.10 438	40.25 438	19.01 425	26.60 427	21.83 431	20.22 429	16.52 425	17.56 425	18.33 426	21.41 428	16.11 428	20.77 430	23.48 434	26.77 437	66.36 439	78.56 439	30.19 436	32.23 439

ff	29.05 439	20.74 429	14.05 425	50.10 438	40.25 438	19.01 425	26.60 427	21.83 431	20.22 429	16.52 425	17.56 425	18.33 426	21.41 428	16.11 428	20.77 430	23.48 434	26.77 437	66.36 439	78.56 439	30.19 436	32.23 439

Anonymous_1	22.76 428	11.11 422	11.93 418	12.73 424	26.05 435	19.39 428	27.77 430	14.18 424	13.64 421	14.92 423	10.66 416	11.26 420	11.24 422	12.48 424	14.45 424	37.82 441	7.87 422	34.92 438	63.61 438	87.51 441	11.75 427

AVERAGE_ROB	26.91 438	30.28 441	29.18 438	25.78 430	25.30 429	19.49 429	15.38 423	23.70 434	23.02 433	28.38 440	27.78 440	26.23 438	25.76 440	26.95 440	25.55 434	31.27 440	30.02 441	31.76 437	30.80 437	30.88 439	30.77 438

DPSM_ROB	12.32 421	11.13 423	12.31 419	12.90 425	12.80 423	19.81 430	28.13 431	14.50 425	14.31 424	10.62 418	11.34 417	12.03 423	11.89 423	13.08 425	15.22 425	7.09 422	8.31 424	6.47 425	7.32 422	8.69 423	8.43 425

DPSM	12.32 421	11.13 423	12.31 419	12.90 425	12.80 423	19.81 430	28.13 431	14.50 425	14.31 424	10.62 418	11.34 417	12.03 423	11.89 423	13.08 425	15.22 425	7.09 422	8.31 424	6.47 425	7.32 422	8.69 423	8.43 425

BEATNet-Init1	12.32 421	12.82 425	28.66 437	3.22 416	3.71 412	21.59 432	11.42 420	14.54 427	13.73 423	20.24 429	20.16 429	26.14 437	19.85 427	19.08 431	15.33 427	1.81 408	1.93 393	2.05 416	2.48 417	4.25 418	3.41 417

SPstereo	16.55 426	3.18 416	4.92 400	2.73 414	2.77 411	29.67 433	52.00 434	39.41 441	29.70 441	21.94 437	21.64 431	27.45 439	23.83 433	27.92 441	26.10 435	2.44 413	2.60 414	4.96 420	3.11 418	2.27 410	2.32 406

DPSimNet_ROB	24.35 431	23.81 439	31.38 439	25.93 431	22.83 428	31.30 434	34.38 433	20.78 430	28.92 436	27.39 439	22.99 438	28.29 440	35.76 441	15.47 427	17.82 428	24.28 438	17.90 435	22.23 433	14.12 427	19.38 432	22.12 435

CasAABBNet	24.76 432	22.38 432	24.44 430	26.05 432	25.75 430	39.79 435	56.76 437	29.10 438	28.88 435	21.22 431	22.69 433	24.21 434	23.99 438	26.23 434	30.62 437	14.22 427	16.71 430	13.03 427	14.75 429	17.49 429	16.97 428

MyStereo03	24.90 434	22.40 434	24.90 432	26.19 434	25.93 432	39.80 436	56.77 438	29.00 435	28.95 437	21.51 434	22.81 435	24.16 431	23.92 434	26.26 435	30.65 438	14.24 428	17.13 432	13.03 427	14.76 431	17.48 426	18.00 431

MyStereo02	24.90 434	22.40 434	24.90 432	26.19 434	25.93 432	39.80 436	56.77 438	29.00 435	28.95 437	21.51 434	22.81 435	24.16 431	23.92 434	26.26 435	30.65 438	14.24 428	17.13 432	13.03 427	14.76 431	17.48 426	18.00 431

MyStereo	24.90 434	22.40 434	24.90 432	26.19 434	25.93 432	39.80 436	56.77 438	29.00 435	28.95 437	21.51 434	22.81 435	24.16 431	23.92 434	26.26 435	30.65 438	14.24 428	17.13 432	13.03 427	14.76 431	17.48 426	18.00 431

Selective-RAFT-Error	24.83 433	22.44 437	24.80 431	26.10 433	25.82 431	39.85 439	56.72 436	29.21 440	29.03 440	21.29 433	22.80 434	24.25 435	24.07 439	26.28 438	30.60 436	14.24 428	16.85 431	13.04 431	14.75 429	17.53 430	17.02 429

LSM0	26.57 437	22.53 438	25.76 435	30.62 437	52.30 441	39.86 440	56.49 435	29.18 439	28.76 434	21.26 432	22.46 432	24.42 436	23.97 437	26.42 439	30.66 441	14.29 432	16.56 429	13.06 432	14.65 428	17.62 431	20.52 434

PML	22.99 429	17.34 426	8.24 414	5.48 419	9.84 419	50.35 441	102.65 441	5.84 417	13.52 419	37.08 441	104.84 441	30.61 441	23.20 432	12.09 422	7.96 416	6.27 421	2.12 399	6.31 424	2.42 415	10.67 425	2.95 411

test_example2	115.17 442	122.38 442	93.45 441	115.38 441	123.53 442	101.24 442	113.11 442	54.67 442	99.94 442	135.50 442	136.43 442	85.67 442	85.40 442	110.44 442	104.91 442	152.17 442	205.21 442	99.17 442	114.27 442	138.55 442	112.04 442

Low-res two-view benchmark