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

CASnet	0.78 2	0.51 12	1.29 7	0.81 30	0.29 1	1.28 13	0.74 100	1.51 5	1.89 164	1.64 83	1.09 22	0.65 8	0.64 10	0.91 2	0.76 38	0.29 79	0.17 9	0.41 253	0.31 207	0.32 100	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
panet	0.91 13	0.48 5	1.46 15	0.62 2	0.31 2	4.40 312	0.41 8	2.20 36	1.53 70	0.94 28	1.14 27	0.88 43	0.89 46	1.09 9	0.71 28	0.27 35	0.19 39	0.22 5	0.15 4	0.21 2	0.19 3

MoCha-V2	0.87 10	0.48 5	1.87 43	0.88 68	0.32 3	1.37 15	0.55 29	2.71 80	1.42 23	0.92 26	1.75 143	0.65 8	1.17 110	1.45 58	0.57 1	0.21 1	0.21 82	0.20 1	0.19 19	0.24 6	0.23 16

GLC_STEREO	0.76 1	0.52 17	1.12 3	0.83 45	0.33 4	1.86 30	0.82 138	1.46 3	1.38 20	0.95 30	1.04 16	0.68 10	0.72 19	0.97 3	0.80 44	0.23 8	0.25 176	0.32 138	0.25 91	0.32 100	0.30 102

CREStereo	0.92 14	0.53 26	1.45 14	0.61 1	0.34 5	4.42 316	0.40 7	2.21 37	1.54 78	0.94 28	1.12 25	0.87 41	0.87 42	1.12 12	0.72 32	0.28 62	0.19 39	0.22 5	0.15 4	0.22 4	0.19 3
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
s12784h	1.31 84	0.45 2	2.41 95	0.71 9	0.35 6	4.42 316	0.50 19	4.22 295	2.73 298	2.01 166	2.48 298	0.91 46	0.96 57	2.01 118	0.70 25	0.29 79	0.18 24	0.24 19	0.16 8	0.27 25	0.18 2

ACVNet-DCA	1.85 143	0.74 179	13.77 240	1.78 343	0.36 7	4.48 322	0.74 100	3.98 235	1.53 70	1.01 33	1.81 172	0.72 19	1.62 199	2.13 127	0.64 6	0.29 79	0.17 9	0.32 138	0.21 31	0.33 115	0.32 116

xx1	2.03 177	0.74 179	13.77 240	1.78 343	0.36 7	4.48 322	0.74 100	4.23 300	3.95 379	1.01 33	1.81 172	1.79 139	1.34 136	2.13 127	0.64 6	0.29 79	0.17 9	0.33 169	0.33 222	0.33 115	0.32 116

1test111	1.99 171	0.74 179	13.77 240	1.78 343	0.36 7	4.48 322	0.74 100	3.98 235	1.53 70	1.01 33	1.81 172	0.72 19	1.62 199	4.66 209	0.98 94	0.29 79	0.17 9	0.32 138	0.21 31	0.33 115	0.32 116

cc1	1.98 168	0.74 179	13.77 240	1.78 343	0.36 7	4.48 322	0.74 100	4.23 300	3.95 379	1.01 33	1.81 172	0.72 19	1.62 199	2.13 127	0.64 6	0.29 79	0.17 9	0.32 138	0.21 31	0.31 77	0.29 78

tt1	1.79 138	0.73 171	10.41 214	1.75 340	0.36 7	4.55 340	0.79 125	4.22 295	3.37 362	1.08 41	1.80 160	0.74 24	1.48 167	2.21 137	0.65 10	0.29 79	0.16 4	0.31 122	0.22 52	0.30 61	0.29 78

LoS	0.94 16	0.52 17	1.88 44	0.86 61	0.36 7	4.15 260	0.51 23	2.18 35	1.45 27	0.97 31	0.88 7	0.62 5	0.79 34	1.59 73	0.86 59	0.26 28	0.19 39	0.24 19	0.16 8	0.21 2	0.20 7

fff	1.74 130	0.70 150	9.08 194	0.81 30	0.36 7	4.15 260	0.57 33	4.23 300	2.09 193	2.30 247	1.80 160	1.19 72	3.02 319	1.44 54	1.46 177	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 208

TANstereo	1.01 28	0.55 36	1.73 32	0.76 25	0.36 7	4.04 236	0.38 5	1.48 4	1.62 118	2.03 174	2.10 237	0.84 37	0.93 53	0.98 4	0.62 4	0.28 62	0.36 262	0.23 7	0.20 25	0.25 13	0.46 236

csc	1.74 130	0.70 150	9.08 194	0.81 30	0.36 7	4.15 260	0.57 33	4.23 300	2.09 193	2.30 247	1.80 160	1.19 72	3.02 319	1.44 54	1.46 177	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 208

cscssc	1.74 130	0.70 150	9.08 194	0.81 30	0.36 7	4.15 260	0.57 33	4.23 300	2.09 193	2.30 247	1.80 160	1.19 72	3.02 319	1.44 54	1.46 177	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 208

111	1.83 141	0.92 239	9.08 194	0.81 30	0.36 7	4.25 290	0.91 188	4.44 356	2.70 295	2.39 275	1.96 209	2.30 204	1.64 214	1.28 40	1.82 234	0.28 62	0.22 106	0.24 19	0.20 25	0.31 77	0.54 275

RAFT-Stereo + iAFF	1.25 66	0.72 163	1.74 35	1.05 148	0.36 7	4.13 256	0.42 9	2.95 95	2.84 320	2.02 170	2.40 293	1.61 114	1.11 95	1.26 36	0.97 92	0.21 1	0.15 2	0.26 39	0.23 61	0.29 45	0.23 16

Patchmatch Stereo++	1.25 66	0.65 115	2.06 68	0.75 12	0.37 19	4.68 361	0.76 108	2.53 56	1.58 97	1.99 152	1.47 77	1.78 132	1.14 104	2.44 147	0.90 71	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	1.24 63	0.65 115	2.03 56	0.75 12	0.37 19	4.68 361	0.73 90	2.53 56	1.58 97	1.99 152	1.47 77	1.78 132	1.13 98	2.18 135	0.87 64	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78

ROB_FTStereo_v2	1.23 58	0.66 125	2.02 55	0.75 12	0.37 19	4.67 360	0.76 108	2.53 56	1.58 97	1.99 152	1.46 73	1.78 132	1.14 104	2.08 122	0.88 66	0.48 286	0.22 106	0.32 138	0.27 128	0.40 180	0.29 78

ROB_FTStereo	1.25 66	0.66 125	2.14 73	0.75 12	0.37 19	4.65 357	0.77 118	2.53 56	1.58 97	1.99 152	1.47 77	1.78 132	1.13 98	2.26 143	0.86 59	0.47 281	0.22 106	0.32 138	0.27 128	0.40 180	0.29 78

HUI-Stereo	1.25 66	0.66 125	2.33 90	0.75 12	0.37 19	4.68 361	0.78 120	2.53 56	1.58 97	1.99 152	1.46 73	1.79 139	1.13 98	2.17 133	0.85 55	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78

iGMRVC	1.26 73	0.66 125	2.14 73	0.75 12	0.37 19	4.66 358	0.74 100	2.53 56	1.58 97	1.99 152	1.46 73	1.78 132	1.14 104	2.46 149	0.92 80	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78

iRAFT	1.25 66	0.65 115	2.06 68	0.75 12	0.37 19	4.68 361	0.76 108	2.53 56	1.58 97	1.99 152	1.47 77	1.78 132	1.14 104	2.44 147	0.90 71	0.48 286	0.23 130	0.32 138	0.27 128	0.40 180	0.29 78

RAFT-IKP	1.25 66	0.66 125	2.23 81	0.75 12	0.37 19	4.64 355	0.74 100	2.53 56	1.58 97	1.99 152	1.47 77	1.78 132	1.13 98	2.22 140	0.92 80	0.48 286	0.22 106	0.32 138	0.27 128	0.40 180	0.29 78

NRIStereo	1.28 78	0.61 91	1.67 29	1.15 198	0.38 27	4.73 373	0.90 180	2.42 46	1.50 54	1.93 138	1.33 56	1.75 129	1.22 117	2.96 179	1.33 161	0.46 273	0.22 106	0.29 84	0.26 104	0.30 61	0.28 71

MGS-Stereo	0.80 4	0.56 43	1.53 20	0.93 95	0.39 28	1.26 11	0.73 90	1.45 2	1.30 16	1.01 33	2.26 264	0.80 32	0.56 3	1.16 19	0.65 10	0.27 35	0.23 130	0.26 39	0.22 52	0.27 25	0.25 29

EGLCR-Stereo	1.06 35	0.51 12	1.56 25	1.02 139	0.39 28	4.27 296	0.42 9	4.08 263	1.48 43	0.90 25	0.68 1	1.09 58	0.66 14	1.81 100	0.62 4	0.27 35	0.19 39	0.29 84	0.23 61	0.37 165	0.25 29

CRE-IMP	1.23 58	0.61 91	2.14 73	0.82 38	0.39 28	4.54 337	0.83 142	2.63 75	1.55 84	1.95 142	1.46 73	1.87 156	0.96 57	1.48 61	1.33 161	0.45 269	0.21 82	0.31 122	0.26 104	0.41 201	0.31 109

DCANet-4	1.96 164	0.51 12	14.31 255	0.82 38	0.40 31	4.16 269	0.57 33	4.29 321	2.98 331	2.30 247	1.80 160	1.03 54	1.54 187	1.44 54	1.44 173	0.29 79	0.23 130	0.23 7	0.18 10	0.24 6	0.42 208

ADStereo(finetuned)	2.04 179	0.73 171	13.28 233	0.82 38	0.40 31	4.16 269	0.59 42	4.25 308	2.97 328	2.35 264	1.84 184	1.18 69	3.40 336	1.52 65	1.54 195	0.29 79	0.24 159	0.23 7	0.18 10	0.30 61	0.51 262

DCANet	1.74 130	0.73 171	9.08 194	0.82 38	0.40 31	4.18 276	0.59 42	4.25 308	2.97 328	2.35 264	1.84 184	1.18 69	1.63 211	1.51 64	1.55 196	0.29 79	0.24 159	0.23 7	0.18 10	0.30 61	0.53 269

anonymousdsp2	1.26 73	0.60 77	3.74 144	1.02 139	0.41 34	3.60 151	0.72 86	3.68 165	1.47 38	1.37 55	1.56 96	1.83 149	1.01 67	2.00 115	0.66 13	0.29 79	0.20 57	0.28 69	0.20 25	0.32 100	0.29 78

MC-Stereo	1.06 35	0.48 5	1.55 24	1.15 198	0.41 34	4.56 345	0.61 48	2.06 29	1.46 34	1.90 128	1.61 110	0.89 45	1.12 96	1.35 47	0.73 33	0.25 20	0.18 24	0.26 39	0.22 52	0.25 13	0.24 23

test_3	1.19 47	0.51 12	2.08 71	0.99 119	0.41 34	2.05 41	0.87 170	4.40 350	1.42 23	1.99 152	1.18 31	2.03 178	0.79 34	2.70 171	0.75 36	0.27 35	0.17 9	0.29 84	0.29 177	0.30 61	0.27 58

test-3	1.19 47	0.52 17	2.00 53	1.01 130	0.42 37	1.95 33	0.91 188	4.35 342	1.47 38	2.24 235	1.16 29	2.06 184	0.79 34	2.68 169	0.76 38	0.27 35	0.18 24	0.28 69	0.26 104	0.26 19	0.25 29

test_1	1.19 47	0.52 17	2.00 53	1.01 130	0.42 37	1.95 33	0.90 180	4.36 344	1.47 38	2.17 212	1.16 29	2.06 184	0.78 32	2.68 169	0.76 38	0.27 35	0.18 24	0.28 69	0.26 104	0.26 19	0.25 29

DeepStereo_RVC	1.55 103	0.63 102	3.32 130	0.77 26	0.42 37	4.49 328	0.72 86	2.50 53	1.58 97	2.02 170	1.81 172	1.54 109	6.38 384	1.73 95	1.19 130	0.46 273	0.22 106	0.29 84	0.28 153	0.35 147	0.38 177

MIM_Stereo	1.20 52	0.78 200	3.30 129	1.05 148	0.43 40	3.04 77	0.60 45	2.46 51	1.51 58	1.60 73	1.58 99	1.82 146	1.29 129	2.00 115	1.07 108	0.24 11	0.24 159	0.28 69	0.25 91	0.27 25	0.27 58

raft_robust	1.92 157	1.15 281	3.34 132	1.02 139	0.43 40	3.84 193	0.46 14	4.42 352	2.52 275	1.67 89	1.36 65	2.17 193	6.37 383	6.78 253	1.04 104	0.28 62	0.24 159	0.30 103	0.35 243	0.31 77	0.32 116

SA	1.62 118	0.75 188	3.78 145	1.07 154	0.43 40	4.26 291	1.36 273	4.45 359	3.12 341	1.63 81	1.97 214	1.68 121	2.26 281	2.55 160	1.27 148	0.27 35	0.22 106	0.37 225	0.37 262	0.35 147	0.30 102

THIR-Stereo	4.14 358	0.82 217	10.85 218	0.86 61	0.43 40	2.16 46	16.77 414	3.22 117	1.54 78	2.04 177	12.05 404	2.68 241	7.53 393	7.30 259	12.62 380	0.30 113	0.21 82	0.29 84	0.28 153	0.33 115	0.41 205

XX-TBD	1.03 33	0.95 246	1.94 49	1.30 251	0.43 40	3.97 226	0.33 3	1.74 15	1.73 139	1.59 72	2.02 220	0.69 12	0.60 5	1.16 19	0.66 13	0.30 113	0.25 176	0.23 7	0.15 4	0.31 77	0.22 10

GMOStereo	1.13 40	0.70 150	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 270	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 202	0.28 153	0.34 131	0.26 46

error version	1.13 40	0.70 150	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 270	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 202	0.28 153	0.34 131	0.26 46

test-v	1.13 40	0.70 150	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 270	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 202	0.28 153	0.34 131	0.26 46

test-2	1.13 40	0.70 150	2.26 82	0.75 12	0.44 45	3.05 79	0.91 188	2.78 84	1.45 27	2.37 270	1.52 85	1.53 105	1.05 75	1.17 23	0.92 80	0.25 20	0.19 39	0.35 202	0.28 153	0.34 131	0.26 46

LargeStereo	0.90 12	0.58 61	1.32 9	0.94 98	0.45 49	1.27 12	1.00 217	3.32 129	1.55 84	0.82 20	1.34 61	0.86 40	1.09 86	1.16 19	0.89 68	0.33 157	0.18 24	0.23 7	0.19 19	0.29 45	0.22 10

Selective-RAFT	1.15 44	0.46 3	1.64 28	0.99 119	0.45 49	4.17 274	0.51 23	3.21 115	1.69 132	1.12 45	1.34 61	1.45 101	1.40 144	2.08 122	0.94 88	0.41 241	0.20 57	0.24 19	0.23 61	0.27 25	0.25 29

ProNet	0.82 6	0.71 160	1.50 19	0.86 61	0.45 49	1.78 25	0.83 142	1.75 16	1.28 14	0.66 3	1.13 26	0.78 27	0.76 25	1.66 88	0.71 28	0.24 11	0.20 57	0.25 29	0.23 61	0.29 45	0.25 29

test_4	1.30 81	0.50 10	6.16 170	0.84 51	0.45 49	1.61 22	1.12 241	2.14 33	1.42 23	1.52 66	2.31 283	1.84 152	0.79 34	2.52 159	1.19 130	0.27 35	0.17 9	0.29 84	0.29 177	0.29 45	0.25 29

iRaftStereo_RVC	1.09 38	0.70 150	1.39 12	0.95 100	0.45 49	3.83 188	0.42 9	2.37 44	1.58 97	1.69 91	1.76 147	1.80 142	0.83 38	1.50 62	0.98 94	0.28 62	0.18 24	0.29 84	0.26 104	0.30 61	0.31 109

AFF-stereo	1.31 84	0.77 195	1.46 15	1.10 170	0.45 49	3.93 211	0.48 17	2.92 94	2.92 325	1.90 128	2.21 258	2.11 191	1.52 179	1.93 111	1.12 118	0.21 1	0.16 4	0.25 29	0.25 91	0.29 45	0.20 7

GMStereo	1.01 28	1.00 255	2.86 115	0.83 45	0.45 49	1.47 17	0.57 33	1.89 23	2.11 203	1.52 66	1.24 38	0.87 41	0.74 23	1.58 70	0.94 88	0.40 231	0.21 82	0.30 103	0.30 191	0.47 246	0.36 150
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
IGEVStereo-DCA	0.86 9	0.65 115	2.05 59	0.90 77	0.46 56	1.57 20	0.86 153	1.62 7	1.24 5	0.65 1	0.77 4	0.74 24	0.72 19	2.59 164	0.86 59	0.28 62	0.21 82	0.28 69	0.21 31	0.29 45	0.27 58

rrr	2.27 207	0.65 115	23.82 415	0.90 77	0.46 56	1.57 20	0.96 211	7.98 404	1.19 3	0.65 1	0.77 4	0.74 24	0.72 19	2.59 164	0.86 59	0.28 62	0.21 82	0.28 69	0.21 31	0.29 45	0.25 29

RCA-Stereo	1.21 55	0.52 17	1.58 26	0.90 77	0.46 56	4.68 361	0.79 125	4.13 274	1.74 145	1.92 134	1.80 160	0.94 49	1.48 167	1.14 17	0.70 25	0.27 35	0.18 24	0.25 29	0.19 19	0.25 13	0.23 16

AAGNet	2.86 285	0.60 77	1.77 37	2.05 366	0.46 56	4.76 378	1.09 236	2.27 40	1.56 89	2.17 212	1.84 184	2.41 215	4.00 349	6.23 240	24.22 417	0.46 273	0.19 39	0.30 103	0.29 177	0.32 100	0.24 23

OCTAStereo	1.58 110	0.61 91	2.72 108	2.27 376	0.46 56	4.68 361	0.67 68	3.30 124	1.48 43	2.11 192	1.59 102	1.36 88	1.09 86	6.02 236	1.21 137	0.41 241	0.20 57	0.36 213	0.34 229	0.31 77	0.37 164

SST-Stereo	1.76 134	0.58 61	3.10 122	1.44 293	0.46 56	4.71 372	0.76 108	2.22 38	2.79 306	2.07 184	2.18 252	2.43 219	3.22 330	6.66 248	0.84 52	0.42 251	0.19 39	0.30 103	0.27 128	0.35 147	0.26 46

RAFT_R40	1.70 126	0.59 68	2.99 118	1.46 298	0.46 56	4.74 376	0.98 216	2.23 39	1.56 89	2.02 170	2.35 291	2.71 244	2.56 300	6.71 251	0.90 71	0.40 231	0.19 39	0.30 103	0.27 128	0.33 115	0.26 46

DRaft	2.28 212	0.56 43	2.64 106	0.74 11	0.46 56	3.94 213	1.23 260	2.32 42	1.55 84	2.64 308	2.80 326	1.60 112	5.34 370	6.96 257	10.99 375	0.34 169	0.22 106	0.27 55	0.27 128	0.29 45	0.37 164

RE-Stereo	1.58 110	0.61 91	2.72 108	2.26 373	0.46 56	4.68 361	0.68 72	3.31 125	1.48 43	2.11 192	1.59 102	1.36 88	1.09 86	6.01 234	1.22 140	0.41 241	0.20 57	0.36 213	0.34 229	0.31 77	0.37 164

TVStereo	1.58 110	0.61 91	2.72 108	2.26 373	0.46 56	4.68 361	0.68 72	3.31 125	1.48 43	2.11 192	1.59 102	1.36 88	1.09 86	6.01 234	1.22 140	0.41 241	0.20 57	0.36 213	0.34 229	0.31 77	0.37 164

PFNet+	1.46 98	0.57 49	2.84 114	0.92 84	0.47 66	4.64 355	0.84 145	2.46 51	1.99 175	2.14 198	1.64 115	1.34 85	1.03 69	4.68 211	1.23 143	0.45 269	0.33 242	0.37 225	0.39 278	0.32 100	0.49 249

NF-Stereo	1.58 110	0.61 91	2.66 107	2.26 373	0.47 66	4.68 361	0.67 68	3.31 125	1.48 43	2.11 192	1.59 102	1.36 88	1.09 86	6.08 239	1.20 133	0.40 231	0.20 57	0.36 213	0.34 229	0.31 77	0.36 150

Pruner-Stereo	1.32 86	0.59 68	2.11 72	1.79 348	0.47 66	4.73 373	0.79 125	2.53 56	1.72 137	2.47 283	1.58 99	1.48 103	1.03 69	1.66 88	1.47 180	0.44 263	0.21 82	0.34 186	0.30 191	0.30 61	0.39 182

RAFT-RH_RVC	2.63 267	0.55 36	19.97 346	1.26 237	0.47 66	4.46 320	0.57 33	1.71 14	1.64 122	3.06 340	5.51 373	2.03 178	1.28 127	6.70 249	1.52 193	0.42 251	0.22 106	0.37 225	0.34 229	0.28 37	0.29 78

RAFT	1.23 58	0.84 224	2.05 59	0.96 104	0.47 66	1.80 27	0.94 202	3.18 114	1.46 34	1.60 73	1.71 132	3.04 272	1.59 191	1.64 85	1.32 157	0.38 214	0.24 159	0.40 246	0.32 214	0.40 180	0.35 147

test_xeample3	2.12 189	0.63 102	21.55 399	0.91 81	0.47 66	1.85 29	0.94 202	7.96 403	1.23 4	0.75 6	0.76 3	0.64 7	0.70 15	1.77 97	0.83 50	0.30 113	0.21 82	0.27 55	0.21 31	0.27 25	0.24 23

Sa-1000	1.63 120	0.79 203	3.56 137	1.11 174	0.48 72	4.06 239	1.41 285	4.49 365	2.75 301	2.00 164	2.80 326	1.84 152	1.43 154	2.64 168	1.50 185	0.27 35	0.19 39	0.36 213	0.33 222	0.36 158	0.30 102

PSM-softLoss	1.66 123	0.59 68	5.15 160	2.25 371	0.48 72	4.68 361	0.69 77	2.57 70	1.52 65	2.14 198	1.45 71	1.42 98	0.99 63	6.04 237	1.20 133	0.41 241	0.23 130	0.37 225	0.39 278	0.32 100	0.31 109

KMStereo	1.66 123	0.59 68	5.15 160	2.25 371	0.48 72	4.68 361	0.69 77	2.57 70	1.52 65	2.14 198	1.45 71	1.42 98	0.99 63	6.04 237	1.20 133	0.41 241	0.23 130	0.37 225	0.39 278	0.32 100	0.31 109

ARAFT	2.56 262	1.13 277	19.50 333	0.89 72	0.48 72	4.15 260	1.40 282	4.36 344	2.82 318	2.36 269	1.88 195	1.70 124	1.04 73	6.45 242	1.22 140	0.29 79	0.18 24	0.37 225	0.35 243	0.35 147	0.25 29

dd	1.26 73	1.15 281	2.47 98	0.92 84	0.49 76	4.35 304	0.75 107	1.92 24	2.11 203	1.44 61	1.24 38	1.19 72	1.05 75	1.78 98	1.70 219	0.57 320	0.34 254	0.35 202	0.33 222	0.60 287	0.46 236

KYRaft	1.59 115	0.52 17	1.73 32	0.95 100	0.49 76	4.38 306	1.79 319	2.43 48	1.51 58	2.49 285	2.98 334	2.00 174	3.41 337	2.14 130	0.82 47	0.30 113	0.21 82	0.33 169	0.46 306	0.35 147	2.45 390

RAFT-345	2.46 241	0.55 36	19.69 337	1.02 139	0.49 76	4.43 318	0.78 120	1.64 13	2.34 237	2.09 185	3.12 342	1.96 167	1.31 132	6.65 247	1.43 171	0.36 192	0.23 130	0.32 138	0.25 91	0.28 37	0.25 29

ToySt	1.35 87	0.72 163	3.65 143	1.01 130	0.50 79	3.31 105	1.01 219	3.46 137	1.73 139	1.30 50	1.55 93	2.07 187	1.47 165	1.88 108	1.40 167	0.27 35	0.27 195	0.30 103	0.32 214	0.42 217	0.39 182

CAS++	0.89 11	0.64 107	1.46 15	0.81 30	0.51 80	1.24 9	0.86 153	3.44 136	1.46 34	1.14 46	1.29 52	0.62 5	0.58 4	1.13 15	0.59 2	0.34 169	0.30 221	0.34 186	0.26 104	0.41 201	0.29 78
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
HH	2.23 199	0.86 229	21.59 400	0.98 114	0.51 80	1.49 18	0.82 138	2.74 81	1.54 78	1.10 42	1.69 126	4.62 364	1.86 249	2.55 160	0.69 21	0.26 28	0.22 106	0.29 84	0.23 61	0.34 131	0.27 58

HanStereo	2.23 199	0.86 229	21.59 400	0.98 114	0.51 80	1.49 18	0.82 138	2.74 81	1.54 78	1.10 42	1.69 126	4.62 364	1.86 249	2.55 160	0.69 21	0.26 28	0.22 106	0.29 84	0.23 61	0.34 131	0.27 58

qqq	1.30 81	0.57 49	1.67 29	1.15 198	0.51 80	2.18 47	0.91 188	3.98 235	1.53 70	1.50 65	1.24 38	1.79 139	1.34 136	4.66 209	0.98 94	0.28 62	0.31 230	0.33 169	0.33 222	0.33 115	0.32 116

DisPM	1.36 88	0.55 36	2.39 94	1.54 312	0.51 80	4.59 348	0.79 125	2.50 53	1.88 160	2.50 286	1.83 179	1.45 101	1.01 67	2.71 172	0.93 87	0.46 273	0.20 57	0.32 138	0.31 207	0.31 77	0.44 221

CrosDoStereo	5.24 376	0.60 77	20.23 357	0.82 38	0.51 80	3.39 111	18.11 416	3.82 191	2.27 226	1.98 147	8.74 388	1.96 167	6.96 388	7.35 261	26.35 419	0.30 113	0.22 106	0.30 103	0.28 153	0.33 115	0.38 177

DeepStereo_LL	5.24 376	0.60 77	20.23 357	0.82 38	0.51 80	3.39 111	18.11 416	3.82 191	2.27 226	1.98 147	8.74 388	1.96 167	6.96 388	7.35 261	26.35 419	0.30 113	0.22 106	0.30 103	0.28 153	0.33 115	0.38 177

DEmStereo	2.97 301	0.58 61	13.42 235	0.79 29	0.51 80	3.84 193	1.84 326	2.42 46	1.60 112	2.25 238	2.74 320	2.03 178	6.04 377	6.79 255	12.80 381	0.35 187	0.26 187	0.26 39	0.27 128	0.27 25	0.37 164

ff7	0.98 20	0.69 140	2.05 59	0.84 51	0.52 88	4.55 340	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.27 58

ffff	0.98 20	0.69 140	2.05 59	0.84 51	0.52 88	4.55 340	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.27 58

11t	0.98 20	0.69 140	2.05 59	0.84 51	0.52 88	4.55 340	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.27 58

anonymousdsp	0.95 18	0.69 140	1.27 5	0.83 45	0.52 88	4.54 337	0.84 145	1.76 17	1.24 5	0.76 13	1.06 18	0.78 27	0.77 26	1.67 91	0.69 21	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.26 46

ccc-4	0.98 20	0.69 140	2.05 59	0.84 51	0.52 88	4.55 340	0.86 153	1.62 7	1.24 5	0.75 6	1.03 12	0.70 13	0.77 26	1.84 103	0.68 17	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.27 58

IGEV-Stereo	0.95 18	0.69 140	1.27 5	0.84 51	0.52 88	4.54 337	0.84 145	1.76 17	1.24 5	0.75 6	1.06 18	0.79 31	0.77 26	1.68 92	0.69 21	0.27 35	0.17 9	0.29 84	0.21 31	0.31 77	0.26 46
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLGR	2.53 255	0.58 61	20.46 371	0.82 38	0.52 88	4.56 345	0.50 19	4.30 329	2.38 249	1.87 120	1.53 90	1.68 121	1.72 227	6.95 256	1.15 121	0.28 62	0.21 82	0.27 55	0.23 61	0.33 115	0.32 116

test-1	1.23 58	0.65 115	1.88 44	0.96 104	0.52 88	3.84 193	0.62 57	4.01 242	1.47 38	1.93 138	1.78 154	1.83 149	0.92 51	1.19 28	1.28 151	0.26 28	0.29 212	0.31 122	0.24 82	0.29 45	0.36 150

CroCo-Stereo	0.98 20	0.87 231	3.44 133	0.87 64	0.53 96	0.49 1	0.50 19	3.99 239	1.49 49	0.81 18	1.25 42	1.00 52	0.75 24	1.10 10	1.09 113	0.24 11	0.21 82	0.24 19	0.19 19	0.35 147	0.27 58
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
IGEV_Zeroshot_test	2.16 193	0.69 140	20.60 376	1.22 223	0.54 97	2.18 47	0.53 25	3.38 134	1.61 115	1.93 138	1.55 93	3.76 322	1.05 75	1.55 68	0.91 77	0.29 79	0.20 57	0.27 55	0.29 177	0.40 180	0.32 116

PSM-AAD	2.43 237	0.54 32	1.32 9	0.92 84	0.54 97	4.48 322	7.47 401	2.96 96	1.55 84	2.31 252	2.56 308	1.26 78	16.23 409	2.46 149	0.89 68	0.28 62	0.21 82	0.58 328	0.41 292	0.34 131	1.32 364

LCNet	1.55 103	0.54 32	1.88 44	0.99 119	0.55 99	3.60 151	1.21 259	2.86 92	1.53 70	2.18 214	1.74 139	1.43 100	4.17 353	3.62 189	0.87 64	0.29 79	0.20 57	0.28 69	0.77 358	0.47 246	1.85 379

TransformOpticalFlow	3.03 310	0.77 195	20.99 384	1.00 126	0.55 99	4.18 276	0.64 59	4.33 338	3.02 335	2.18 214	3.09 341	4.35 352	5.07 365	7.36 263	1.27 148	0.32 146	0.18 24	0.32 138	0.26 104	0.28 37	0.46 236

CREStereo++_RVC	1.02 32	0.49 9	1.54 23	0.83 45	0.55 99	4.01 232	0.31 2	1.63 12	1.99 175	1.63 81	2.13 245	0.84 37	0.65 12	0.88 1	0.70 25	0.27 35	0.15 2	0.23 7	1.22 383	0.24 6	0.17 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
MSKI-zero shot	2.22 197	0.64 107	20.09 353	0.96 104	0.56 102	4.04 236	0.70 82	3.91 216	1.50 54	1.92 134	2.28 268	1.92 159	0.71 17	2.93 177	0.67 15	0.26 28	0.23 130	0.26 39	0.21 31	0.28 37	0.26 46

dad	1.65 121	1.19 288	3.04 121	0.98 114	0.56 102	4.22 286	0.84 145	1.99 26	2.48 266	2.14 198	1.68 123	1.62 115	1.13 98	3.85 194	2.04 259	1.03 369	0.40 293	2.04 388	0.48 313	0.75 329	0.53 269

MIPNet	2.33 224	0.71 160	19.82 340	0.89 72	0.56 102	4.76 378	0.61 48	4.32 336	2.37 247	1.83 114	1.48 83	1.48 103	1.98 259	2.63 166	1.44 173	0.29 79	0.20 57	0.26 39	0.23 61	0.30 61	0.39 182

AnonymousM	1.22 57	1.32 312	0.97 1	0.88 68	0.56 102	4.03 235	0.69 77	2.41 45	1.68 127	1.48 63	1.31 55	1.15 64	1.00 65	1.18 27	0.73 33	0.32 146	0.40 293	2.07 389	1.70 391	0.24 6	0.22 10

cross-raft	2.01 175	0.57 49	19.01 323	1.03 146	0.56 102	2.11 44	0.72 86	3.63 158	1.57 95	1.77 104	1.51 84	3.17 282	1.13 98	1.16 19	0.85 55	0.23 8	0.21 82	0.26 39	0.23 61	0.28 37	0.25 29

CFNet-RSSM	2.08 187	0.52 17	20.06 349	1.01 130	0.56 102	3.39 111	0.64 59	3.67 164	1.55 84	1.72 97	1.37 66	2.57 232	1.19 115	1.11 11	0.86 59	0.27 35	0.20 57	0.25 29	0.23 61	0.27 25	0.23 16

PMTNet	0.99 26	0.48 5	1.73 32	0.62 2	0.56 102	4.20 285	0.43 12	1.88 22	1.58 97	1.00 32	1.05 17	0.78 27	0.98 62	1.50 62	0.85 55	1.21 375	0.20 57	0.23 7	0.15 4	0.22 4	0.19 3

BEATNet_4x	1.92 157	1.36 317	8.75 192	1.20 215	0.56 102	3.46 122	1.03 223	4.00 241	2.43 258	2.25 238	1.70 128	2.10 189	1.59 191	2.57 163	3.05 319	0.37 200	0.22 106	0.47 279	0.29 177	0.60 287	0.40 200

HITNet	2.07 185	0.82 217	14.77 257	1.34 263	0.56 102	3.47 124	0.80 130	4.07 259	2.35 239	2.16 208	1.61 110	1.64 116	1.44 156	2.09 125	2.56 302	0.26 28	0.18 24	0.41 253	0.26 104	0.45 237	0.25 29
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
SMFormer	2.00 172	0.57 49	4.46 149	1.36 273	0.57 111	2.03 36	0.73 90	4.25 308	2.80 310	2.32 256	2.31 283	1.95 162	1.52 179	10.99 345	2.13 272	0.34 169	0.32 236	0.36 213	0.31 207	0.38 169	0.36 150

tta	2.00 172	0.57 49	4.46 149	1.36 273	0.57 111	2.03 36	0.73 90	4.25 308	2.80 310	2.32 256	2.31 283	1.95 162	1.52 179	10.99 345	2.13 272	0.34 169	0.32 236	0.36 213	0.31 207	0.29 45	0.29 78

qqq1	1.92 157	0.57 49	4.46 149	1.36 273	0.57 111	2.03 36	0.73 90	4.25 308	2.80 310	2.32 256	2.31 283	1.95 162	1.52 179	10.99 345	0.71 28	0.34 169	0.32 236	0.30 103	0.23 61	0.29 45	0.29 78

fff1	1.92 157	0.57 49	4.46 149	1.36 273	0.57 111	2.03 36	0.73 90	4.25 308	2.80 310	2.32 256	2.31 283	1.95 162	1.52 179	10.99 345	0.71 28	0.34 169	0.32 236	0.30 103	0.23 61	0.29 45	0.29 78

GES	1.38 91	0.64 107	2.61 102	1.09 162	0.57 111	4.30 300	1.02 222	3.86 201	1.51 58	1.72 97	1.74 139	1.28 80	1.77 231	1.62 81	1.61 206	0.39 225	0.27 195	0.33 169	0.30 191	0.41 201	0.47 241

MLCV	1.87 144	0.91 237	8.59 189	1.10 170	0.57 111	3.59 149	0.53 25	3.70 174	2.20 214	2.80 322	2.25 263	2.00 174	1.42 152	4.13 203	1.86 239	0.30 113	0.20 57	0.32 138	0.21 31	0.33 115	0.36 150

SGM_RVC	4.57 366	0.72 163	17.46 299	1.84 352	0.58 117	4.23 289	3.45 380	4.66 379	3.66 372	7.99 401	8.82 391	7.56 390	8.74 401	12.30 387	6.84 354	0.43 256	0.38 280	0.39 240	0.35 243	0.51 256	0.48 245
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
H2IRNET	1.90 151	0.53 26	14.29 254	1.14 184	0.60 118	4.48 322	0.44 13	2.65 76	1.81 151	1.05 39	2.30 275	1.67 119	1.40 144	2.17 133	1.50 185	0.36 192	0.21 82	0.33 169	0.37 262	0.34 131	0.29 78

AE-Stereo	1.18 46	0.60 77	2.05 59	1.10 170	0.60 118	4.39 308	0.72 86	3.74 178	1.62 118	1.10 42	1.90 204	1.01 53	0.92 51	1.45 58	0.82 47	0.28 62	0.22 106	0.28 69	0.28 153	0.26 19	0.22 10

Prome-Stereo	1.61 117	0.55 36	1.71 31	0.98 114	0.60 118	4.41 314	1.82 323	3.03 101	1.53 70	2.18 214	3.45 353	1.72 127	3.49 341	2.23 141	1.08 110	0.29 79	0.20 57	0.26 39	0.25 91	0.34 131	2.16 384

Gwc-CoAtRS	1.58 110	0.57 49	11.69 224	1.01 130	0.60 118	2.53 55	0.64 59	2.36 43	1.56 89	1.80 110	1.47 77	2.74 246	1.18 111	1.12 12	0.90 71	0.27 35	0.21 82	0.25 29	0.22 52	0.27 25	0.23 16

Selective-IGEV	0.80 4	0.52 17	1.05 2	0.75 12	0.61 122	1.31 14	0.82 138	2.60 73	1.41 22	0.82 20	1.64 115	0.71 18	0.62 8	1.22 32	0.64 6	0.22 5	0.19 39	0.24 19	0.18 10	0.25 13	0.20 7

TestStereo	2.00 172	1.02 257	12.25 226	0.70 8	0.61 122	1.88 31	0.55 29	2.31 41	1.52 65	1.41 59	1.33 56	1.27 79	0.90 47	11.62 364	0.81 46	0.34 169	0.19 39	0.33 169	0.24 82	0.44 230	0.24 23

DIP-Stereo	1.24 63	0.69 140	1.77 37	0.65 5	0.61 122	4.29 298	0.58 41	4.44 356	2.53 276	1.98 147	1.33 56	0.91 46	0.86 40	1.25 35	1.25 144	0.36 192	0.23 130	0.32 138	0.23 61	0.32 100	0.29 78
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
UDGNet	1.40 92	1.52 330	2.22 79	1.38 283	0.62 125	4.39 308	0.68 72	1.80 21	2.18 212	1.34 52	1.18 31	0.99 51	1.00 65	2.16 131	1.19 130	1.09 370	0.34 254	1.30 382	0.98 371	1.10 360	0.58 288

AEACV	0.79 3	0.54 32	1.35 11	0.97 111	0.63 126	1.13 6	0.92 198	2.02 28	0.91 1	0.76 13	0.79 6	0.80 32	1.61 196	1.28 40	0.61 3	0.22 5	0.18 24	0.26 39	0.23 61	0.27 25	0.23 16

STrans-v2	3.03 310	0.77 195	20.91 381	0.81 30	0.63 126	3.89 204	1.01 219	4.27 316	2.64 288	2.28 241	3.70 357	4.13 341	5.20 367	7.33 260	1.27 148	0.31 130	0.18 24	0.29 84	0.25 91	0.29 45	0.41 205

Any-RAFT	1.40 92	0.53 26	2.78 112	1.09 162	0.64 128	4.41 314	0.81 135	3.97 233	2.78 304	1.99 152	1.34 61	2.36 211	1.56 190	1.56 69	0.75 36	0.27 35	0.20 57	0.25 29	0.18 10	0.25 13	0.28 71

TestStereo1	1.56 107	0.81 210	2.32 88	1.61 327	0.64 128	4.13 256	1.36 273	3.79 187	3.20 352	1.60 73	2.57 310	1.39 92	2.15 272	2.51 155	1.30 154	0.29 79	0.20 57	0.34 186	0.25 91	0.40 180	0.36 150

SA-5K	1.56 107	0.81 210	2.32 88	1.61 327	0.64 128	4.13 256	1.36 273	3.79 187	3.20 352	1.60 73	2.57 310	1.39 92	2.15 272	2.51 155	1.30 154	0.29 79	0.20 57	0.34 186	0.25 91	0.40 180	0.36 150

HHNet	2.48 246	0.71 160	20.52 372	0.64 4	0.64 128	4.07 244	0.93 199	3.76 181	1.56 89	2.15 203	4.92 370	0.98 50	3.37 335	1.66 88	1.79 232	0.32 146	0.20 57	0.31 122	0.27 128	0.36 158	0.42 208

ASMatch	2.62 266	0.60 77	20.65 377	1.37 281	0.64 128	4.39 308	0.78 120	1.97 25	1.58 97	1.70 93	3.89 361	1.94 160	3.79 345	5.46 222	1.64 212	0.31 130	0.24 159	0.34 186	0.28 153	0.33 115	0.50 256

11t1	1.11 39	0.53 26	1.80 40	1.55 317	0.65 133	2.20 49	0.60 45	3.66 163	1.49 49	1.60 73	1.26 43	1.03 54	1.35 138	1.72 94	0.97 92	0.28 62	0.31 230	0.29 84	0.23 61	0.30 61	0.34 136

FTStereo	3.71 345	0.53 26	20.37 365	0.96 104	0.65 133	4.34 303	11.29 408	2.62 74	1.50 54	2.58 297	5.04 371	1.90 157	13.84 408	3.71 192	1.25 144	0.38 214	0.24 159	0.31 122	0.32 214	0.30 61	2.10 383

EAI-Stereo	2.35 228	0.63 102	2.97 117	0.95 100	0.65 133	3.84 193	14.27 412	5.04 388	2.19 213	2.06 181	7.25 376	1.10 59	0.94 54	1.65 87	1.37 165	0.31 130	0.22 106	0.27 55	0.60 341	0.27 25	0.32 116

CASS	1.29 80	0.66 125	2.62 104	0.95 100	0.66 136	2.84 62	0.69 77	3.00 99	1.79 149	2.57 295	1.95 208	1.39 92	1.55 189	1.59 73	1.06 106	0.50 299	0.28 203	0.34 186	0.28 153	0.46 244	0.63 299
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
IIG-Stereo	1.95 162	0.79 203	2.14 73	2.78 386	0.66 136	4.62 352	0.76 108	4.27 316	1.53 70	2.63 307	3.14 344	3.35 295	1.61 196	7.65 269	1.41 168	0.39 225	0.20 57	0.31 122	0.25 91	0.33 115	0.22 10

IRAFT_RVC	1.87 144	0.60 77	4.33 148	2.40 380	0.66 136	4.59 348	1.59 304	2.96 96	1.51 58	2.23 233	1.75 143	2.09 188	2.63 303	6.70 249	1.50 185	0.33 157	0.21 82	0.33 169	0.29 177	0.32 100	0.32 116

x	1.15 44	0.57 49	1.53 20	1.44 293	0.67 139	1.94 32	0.97 213	3.87 203	1.57 95	1.61 78	1.28 50	1.58 110	1.22 117	1.93 111	1.04 104	0.28 62	0.30 221	0.34 186	0.29 177	0.32 100	0.31 109

OMP-Stereo	1.97 166	0.93 242	1.88 44	2.76 385	0.67 139	4.58 347	1.48 291	4.31 332	1.54 78	3.15 346	2.76 323	3.25 287	1.38 140	7.66 270	1.35 164	0.40 231	0.20 57	0.33 169	0.26 104	0.33 115	0.24 23

FENet	2.25 203	0.50 10	20.29 363	1.35 267	0.67 139	4.01 232	0.60 45	3.95 227	1.99 175	1.96 144	1.11 24	2.43 219	1.43 154	1.60 75	1.39 166	0.32 146	0.22 106	0.33 169	0.26 104	0.29 45	0.39 182

R-Stereo Train	1.20 52	0.58 61	1.81 41	0.99 119	0.67 139	3.78 180	0.90 180	4.09 265	1.51 58	2.16 208	1.71 132	1.13 61	0.94 54	1.40 49	0.91 77	0.30 113	0.24 159	0.26 39	0.21 31	0.26 19	0.25 29

RAFT-Stereo	1.20 52	0.58 61	1.81 41	0.99 119	0.67 139	3.78 180	0.90 180	4.09 265	1.51 58	2.16 208	1.71 132	1.13 61	0.94 54	1.40 49	0.91 77	0.30 113	0.24 159	0.26 39	0.21 31	0.26 19	0.25 29
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
mmm	1.27 77	0.58 61	2.20 77	1.41 288	0.68 144	2.39 52	0.85 151	3.90 212	1.63 121	2.20 220	1.84 184	1.28 80	1.50 174	1.91 110	0.89 68	0.31 130	0.27 195	0.45 272	0.37 262	0.38 169	0.34 136

LL-Strereo2	1.23 58	0.85 228	2.38 93	0.93 95	0.68 144	3.72 170	1.37 277	2.54 65	1.99 175	1.75 102	1.40 69	1.82 146	0.73 22	1.40 49	0.99 99	0.31 130	0.23 130	0.55 322	0.35 243	0.29 45	0.24 23

RAFT-Test	1.44 95	0.59 68	6.10 169	1.01 130	0.69 146	2.90 66	0.80 130	3.68 165	1.70 135	1.85 115	1.68 123	3.15 281	1.03 69	1.20 29	0.99 99	0.27 35	0.22 106	0.25 29	0.23 61	0.27 25	0.25 29

GANet-ADL	2.20 196	0.73 171	20.11 354	1.25 231	0.69 146	3.83 188	0.76 108	3.49 141	1.71 136	1.65 86	1.99 217	2.10 189	1.10 91	1.42 53	1.26 147	0.38 214	0.33 242	0.25 29	0.22 52	0.42 217	0.36 150

GMStereo_Zeroshot	1.41 94	1.21 291	3.33 131	1.29 246	0.72 148	3.35 108	0.53 25	2.58 72	1.68 127	2.35 264	1.56 96	2.42 218	0.96 57	2.50 152	1.16 124	0.45 269	0.23 130	0.40 246	0.24 82	0.79 335	0.33 126

DCRE	1.44 95	0.74 179	3.50 136	1.13 183	0.72 148	1.78 25	0.67 68	2.14 33	1.56 89	1.99 152	8.09 383	1.73 128	1.07 84	1.24 34	0.83 50	0.23 8	0.25 176	0.26 39	0.26 104	0.28 37	0.30 102

GwcNet-ADL	2.47 244	0.67 133	21.48 398	0.96 104	0.72 148	4.61 351	0.95 206	4.42 352	2.36 241	1.98 147	1.80 160	2.55 231	1.24 122	1.90 109	1.41 168	0.40 231	0.46 320	0.24 19	0.27 128	0.41 201	0.49 249

iResNet	2.52 254	0.94 245	21.17 390	1.84 352	0.72 148	3.75 175	0.81 135	4.14 280	2.55 280	2.33 262	2.03 221	1.35 87	1.44 156	3.27 182	2.16 275	0.35 187	0.23 130	0.28 69	0.22 52	0.44 230	0.45 226

test croco	1.55 103	0.69 140	13.59 237	0.65 5	0.73 152	1.66 23	0.57 33	3.17 112	1.94 169	0.77 16	1.24 38	0.80 32	0.86 40	1.60 75	0.96 91	0.33 157	0.21 82	0.32 138	0.25 91	0.42 217	0.28 71

CFNet_pseudo	2.12 189	0.67 133	15.14 268	0.85 60	0.74 153	3.95 218	0.64 59	3.95 227	1.78 147	1.90 128	1.79 157	3.27 289	1.62 199	2.51 155	1.16 124	0.31 130	0.36 262	0.53 314	0.27 128	0.63 295	0.44 221

knoymous	1.30 81	0.60 77	5.57 168	0.88 68	0.75 154	3.04 77	0.90 180	2.68 78	1.33 17	1.48 63	1.07 20	2.78 255	0.88 43	1.29 42	0.85 55	0.31 130	0.22 106	0.35 202	0.20 25	0.45 237	0.37 164

MSMDNet	2.23 199	0.64 107	17.32 291	0.84 51	0.75 154	3.53 137	0.64 59	3.61 157	1.98 174	1.71 96	1.64 115	3.22 284	2.99 316	2.08 122	1.11 115	0.31 130	0.37 274	0.45 272	0.26 104	0.62 294	0.45 226

ccs_rob	2.13 191	0.67 133	15.11 267	0.84 51	0.75 154	3.96 223	0.65 65	3.95 227	1.78 147	1.88 122	1.79 157	3.26 288	1.64 214	2.51 155	1.16 124	0.31 130	0.36 262	0.54 321	0.27 128	0.65 304	0.45 226

1111x	3.13 320	0.57 49	8.38 187	1.20 215	0.76 157	3.80 184	0.88 174	4.61 377	2.63 287	2.31 252	2.16 249	1.95 162	1.81 242	11.54 360	18.13 404	0.32 146	0.31 230	0.32 138	0.30 191	0.35 147	0.34 136

PCWNet_CMD	2.23 199	0.65 115	17.36 295	0.83 45	0.76 157	3.51 133	0.64 59	3.60 156	1.97 172	1.70 93	1.63 113	3.22 284	3.05 322	2.09 125	1.11 115	0.31 130	0.36 262	0.47 279	0.26 104	0.64 301	0.47 241

iRaft-Stereo_5w	2.10 188	0.83 220	8.57 188	0.81 30	0.76 157	3.21 86	0.84 145	3.71 175	1.65 123	1.56 71	2.50 300	2.20 194	2.23 280	9.13 291	2.01 257	0.38 214	0.19 39	0.35 202	0.27 128	0.45 237	0.39 182

StereoDRNet-Refined	1.77 136	0.81 210	2.22 79	1.21 220	0.76 157	3.26 95	0.71 84	3.82 191	2.05 187	2.29 243	2.05 229	2.98 267	1.44 156	7.15 258	2.27 281	0.30 113	0.23 130	0.42 259	0.33 222	0.45 237	0.64 301
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
IPLG	2.48 246	0.65 115	19.63 335	0.91 81	0.79 161	4.60 350	0.56 32	4.31 332	1.84 156	1.91 133	2.00 218	1.31 83	1.38 140	6.61 245	1.53 194	0.27 35	0.20 57	0.27 55	0.23 61	0.31 77	0.36 150

GANetREF_RVC	3.20 326	1.93 350	18.84 319	1.51 306	0.80 162	4.12 253	1.82 323	4.16 284	2.91 324	1.87 120	1.74 139	2.48 225	1.84 246	13.18 396	1.74 226	0.80 354	0.57 340	0.79 363	0.74 354	1.20 370	0.86 337
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
SGM-Forest	2.96 297	0.62 98	3.49 134	1.09 162	0.80 162	4.06 239	3.30 376	4.37 346	3.09 340	4.18 376	3.27 349	4.67 368	3.86 347	11.69 373	7.91 362	0.51 305	0.46 320	0.49 300	0.39 278	0.48 249	0.49 249
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CFNet_ucs	2.36 231	0.68 139	18.42 313	0.89 72	0.81 164	3.85 199	0.68 72	4.29 321	2.37 247	2.09 185	2.04 224	3.31 292	1.24 122	2.63 166	1.14 120	0.36 192	0.45 313	0.56 324	0.29 177	0.66 309	0.49 249

PFNet	2.47 244	0.60 77	16.95 289	2.15 370	0.81 164	4.63 354	0.91 188	2.55 66	1.52 65	2.40 277	2.79 324	1.83 149	1.42 152	7.54 265	1.34 163	0.33 157	0.21 82	0.36 213	0.27 128	0.32 100	0.39 182

222	2.68 276	0.57 49	2.03 56	1.11 174	0.81 164	3.23 89	0.65 65	4.52 370	2.45 262	2.34 263	2.29 271	1.41 97	1.44 156	10.50 327	18.47 406	0.32 146	0.30 221	0.32 138	0.27 128	0.32 100	0.34 136

xxxx	2.67 273	0.54 32	2.03 56	1.22 223	0.81 164	3.49 128	0.63 58	4.49 365	2.49 270	2.22 229	2.23 260	2.05 182	1.38 140	10.05 317	17.91 402	0.32 146	0.32 236	0.30 103	0.27 128	0.33 115	0.34 136

test_xeample	2.67 273	0.56 43	2.05 59	1.09 162	0.81 164	3.24 91	0.80 130	4.55 372	2.70 295	2.42 279	2.27 265	1.39 92	1.40 144	10.75 334	17.51 401	0.30 113	0.30 221	0.32 138	0.28 153	0.34 131	0.33 126

FADNet-RVC	2.51 251	2.27 360	14.03 248	1.09 162	0.81 164	3.54 141	1.10 238	4.13 274	2.48 266	1.39 57	1.22 35	1.85 154	1.77 231	9.78 305	2.06 262	0.38 214	0.37 274	0.40 246	0.40 288	0.67 312	0.48 245

AdaStereo	1.45 97	0.83 220	2.34 91	1.28 243	0.81 164	3.21 86	1.14 246	4.20 288	2.46 265	2.05 178	1.77 152	2.48 225	1.18 111	1.71 93	1.44 173	0.43 256	0.25 176	0.43 263	0.28 153	0.44 230	0.34 136
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.
SGM-ForestM	11.55 409	1.16 284	21.62 402	2.14 369	0.81 164	22.25 422	19.08 418	16.50 421	11.34 405	15.94 419	14.44 411	27.12 421	22.61 420	24.76 421	28.39 425	0.50 299	0.48 329	0.47 279	0.44 300	0.55 270	0.53 269

GMM-Stereo	2.45 239	0.52 17	20.38 366	0.89 72	0.82 172	4.18 276	1.91 328	2.45 50	1.48 43	2.48 284	2.30 275	1.69 123	1.86 249	2.93 177	1.08 110	0.28 62	0.18 24	0.33 169	0.48 313	0.35 147	2.41 388

iRaft-Stereo_20w	1.88 148	0.62 98	10.58 216	0.90 77	0.83 173	2.96 74	0.78 120	4.90 386	1.58 97	2.29 243	1.60 106	1.25 77	4.51 360	2.28 144	0.90 71	0.29 79	0.21 82	0.26 39	0.24 82	0.41 201	0.31 109

MSMD_ROB	5.61 382	1.08 268	16.68 283	1.21 220	0.83 173	10.14 407	2.07 338	3.93 222	6.22 399	10.37 412	8.03 382	22.22 413	9.45 402	11.66 370	4.52 335	0.66 337	0.58 344	0.66 348	0.68 350	0.65 304	0.63 299

CBMV	3.32 332	0.96 252	21.16 389	1.32 255	0.83 173	3.81 186	3.91 393	4.47 361	2.53 276	3.34 353	2.24 261	4.45 355	2.58 301	10.07 318	1.96 252	0.45 269	0.43 306	0.48 287	0.38 274	0.52 259	0.53 269
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Anonymous3	1.72 127	0.76 192	11.61 223	0.83 45	0.84 176	4.46 320	0.84 145	3.57 153	1.16 2	1.34 52	1.37 66	1.11 60	1.03 69	1.58 70	1.13 119	0.70 346	0.58 344	0.33 169	0.35 243	0.47 246	0.42 208

BUS	1.49 102	0.59 68	1.94 49	0.87 64	0.85 177	4.50 331	0.76 108	4.48 362	1.88 160	2.93 329	1.83 179	3.63 318	0.97 60	1.60 75	1.17 127	0.34 169	0.25 176	0.31 122	0.28 153	0.35 147	0.33 126

BSDual-CNN	1.46 98	0.59 68	1.94 49	0.87 64	0.85 177	4.16 269	1.16 248	4.48 362	1.88 160	2.93 329	1.83 179	2.60 236	1.31 132	1.60 75	1.21 137	0.34 169	0.25 176	0.31 122	0.28 153	0.35 147	0.33 126

psmg	1.47 101	0.59 68	1.94 49	0.92 84	0.85 177	4.30 300	1.42 287	4.10 272	1.88 160	2.64 308	2.09 236	2.60 236	1.31 132	1.60 75	1.21 137	0.34 169	0.27 195	0.33 169	0.34 229	0.36 158	0.34 136

ACVNet	1.46 98	0.64 107	3.56 137	0.93 95	0.85 177	4.22 286	0.80 130	2.85 89	2.08 190	1.78 106	1.88 195	3.10 276	1.46 163	1.33 45	1.89 242	0.29 79	0.26 187	0.30 103	0.26 104	0.39 177	0.27 58

PSMNet-ADL	1.91 154	0.72 163	1.78 39	1.09 162	0.86 181	4.18 276	0.78 120	3.77 183	2.10 201	1.72 97	1.85 191	2.91 264	1.82 244	10.38 326	1.91 244	0.48 286	0.46 320	0.28 69	0.29 177	0.38 169	0.51 262

LMCR-Stereo	2.40 234	1.31 310	18.61 316	1.59 322	0.86 181	3.87 203	1.15 247	4.32 336	1.60 112	2.25 238	2.27 265	1.13 61	2.43 292	2.48 151	1.60 203	0.88 362	0.24 159	0.29 84	0.24 82	0.56 276	0.30 102

ssnet_v2	2.04 179	0.88 232	7.87 182	1.20 215	0.87 183	3.86 201	1.64 309	4.01 242	2.60 285	2.61 303	1.96 209	3.79 323	1.71 225	2.20 136	2.96 315	0.41 241	0.35 258	0.42 259	0.37 262	0.55 270	0.52 267

AACVNet	1.83 141	1.02 257	2.41 95	1.45 296	0.87 183	3.21 86	0.73 90	3.16 110	1.61 115	2.01 166	1.82 178	2.28 198	1.33 135	10.98 344	1.49 184	0.39 225	0.32 236	0.38 237	0.32 214	0.43 225	0.44 221

CSAN	4.71 369	1.39 321	20.23 357	1.19 212	0.87 183	3.65 162	3.50 382	4.57 374	3.87 375	3.89 365	7.82 380	3.54 315	6.16 381	23.47 420	6.82 353	0.52 311	0.45 313	0.49 300	0.52 325	0.63 295	0.66 305

ICVP	2.26 205	0.66 125	21.18 391	0.99 119	0.88 186	4.28 297	0.95 206	3.32 129	1.60 112	1.66 87	1.76 147	1.34 85	1.14 104	1.62 81	1.32 157	0.53 313	0.35 258	0.33 169	0.29 177	0.40 180	0.51 262
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sAnonymous2	1.37 89	1.22 297	9.79 204	0.92 84	0.88 186	1.23 7	0.61 48	2.56 68	1.69 132	0.85 23	1.02 9	0.73 22	1.23 120	0.98 4	0.78 41	0.29 79	0.25 176	0.31 122	0.30 191	1.06 355	0.71 311

CroCo_RVC	1.37 89	1.22 297	9.79 204	0.92 84	0.88 186	1.23 7	0.61 48	2.56 68	1.69 132	0.85 23	1.02 9	0.73 22	1.23 120	0.98 4	0.78 41	0.29 79	0.25 176	0.31 122	0.30 191	1.06 355	0.71 311

SANet	5.65 384	1.72 342	20.94 382	1.26 237	0.88 186	7.20 400	3.81 391	4.60 376	11.23 404	4.56 380	8.78 390	7.49 389	6.95 387	11.85 380	18.11 403	0.49 296	0.44 309	0.50 303	0.42 297	0.90 345	0.82 335

DN-CSS_ROB	1.91 154	1.55 332	11.13 221	1.82 350	0.88 186	3.99 229	0.61 48	4.01 242	1.67 126	1.64 83	1.89 200	1.39 92	1.06 82	3.23 181	1.50 185	0.31 130	0.19 39	0.44 266	0.29 177	0.37 165	0.31 109

GrayStereo	2.58 265	0.53 26	1.63 27	1.58 321	0.89 191	4.17 274	8.17 405	3.03 101	1.52 65	2.80 322	2.50 300	1.70 124	17.10 410	2.83 175	1.15 121	0.33 157	0.21 82	0.27 55	0.32 214	0.28 37	0.53 269

hitnet-ft	2.37 232	0.73 171	8.34 185	0.96 104	0.89 191	3.77 178	0.80 130	3.55 150	2.58 283	2.24 235	2.04 224	3.65 320	1.49 173	11.71 374	1.89 242	0.44 263	0.53 334	0.44 266	0.35 243	0.52 259	0.48 245

CBMV_ROB	3.62 340	0.70 150	21.42 397	1.21 220	0.89 191	4.43 318	1.76 318	4.39 348	2.79 306	5.88 389	3.38 351	4.18 344	5.12 366	10.75 334	2.32 284	0.56 318	0.55 337	0.53 314	0.51 322	0.55 270	0.46 236

HSM-Net_RVC	2.87 288	0.57 49	17.46 299	0.92 84	0.90 194	3.70 167	1.20 256	5.64 400	2.51 274	3.22 349	2.43 294	2.54 230	1.59 191	11.41 356	1.65 214	0.34 169	0.25 176	0.26 39	0.23 61	0.30 61	0.29 78
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
FADNet-RVC-Resample	2.83 283	2.02 355	21.07 385	1.12 176	0.91 195	3.53 137	1.37 277	4.08 263	2.09 193	1.68 90	1.33 56	2.03 178	1.51 177	9.54 300	1.69 218	0.38 214	0.37 274	0.42 259	0.44 300	0.56 276	0.56 280

gwcnet-sp	2.31 219	1.21 291	17.34 292	1.08 158	0.92 196	3.56 144	1.04 225	3.69 170	2.09 193	2.55 291	1.60 106	1.80 142	1.62 199	3.87 195	1.95 249	0.29 79	0.29 212	0.30 103	0.28 153	0.38 169	0.39 182

scenet	2.31 219	1.21 291	17.34 292	1.08 158	0.92 196	3.56 144	1.04 225	3.69 170	2.09 193	2.55 291	1.60 106	1.80 142	1.62 199	3.87 195	1.95 249	0.29 79	0.29 212	0.30 103	0.28 153	0.38 169	0.39 182

ssnet	2.31 219	1.21 291	17.34 292	1.08 158	0.92 196	3.56 144	1.04 225	3.69 170	2.09 193	2.55 291	1.60 106	1.80 142	1.62 199	3.87 195	1.95 249	0.29 79	0.29 212	0.30 103	0.28 153	0.38 169	0.39 182

FADNet_RVC	2.65 269	2.28 362	16.51 281	0.98 114	0.92 196	4.09 246	0.83 142	4.26 315	1.73 139	1.46 62	1.78 154	1.60 112	1.50 174	8.88 284	2.39 287	0.47 281	0.38 280	0.44 266	0.58 338	0.89 343	0.97 346

ETE_ROB	2.07 185	1.40 322	3.01 120	1.09 162	0.92 196	3.94 213	1.53 298	4.25 308	2.23 217	3.31 351	2.06 233	2.35 209	1.52 179	8.74 282	2.07 265	0.44 263	0.36 262	0.51 306	0.48 313	0.54 268	0.62 296

riskmin	1.25 66	0.56 43	2.05 59	1.05 148	0.93 201	2.86 64	0.55 29	3.23 118	1.34 18	1.55 69	1.07 20	3.56 316	2.03 260	1.29 42	1.00 101	0.28 62	0.27 195	0.34 186	0.21 31	0.41 201	0.43 216

SDNR	3.97 353	1.93 350	20.28 362	1.31 253	0.94 202	5.16 386	0.67 68	4.33 338	2.58 283	4.82 384	5.94 375	5.01 374	1.45 160	17.52 412	2.53 298	0.79 352	0.72 365	0.59 330	0.45 304	1.15 365	1.17 356

RALAANet	1.28 78	1.08 268	3.21 125	1.25 231	0.94 202	1.44 16	0.69 77	3.15 109	2.57 282	2.01 166	1.80 160	1.29 82	1.05 75	2.00 115	1.48 181	0.27 35	0.20 57	0.27 55	0.24 82	0.40 180	0.27 58

FADNet	2.49 248	1.76 345	13.17 231	1.17 204	0.95 204	3.27 97	0.88 174	3.94 225	2.27 226	1.40 58	1.29 52	2.51 228	2.06 264	9.93 311	1.94 247	0.43 256	0.45 313	0.40 246	0.43 298	1.06 355	0.53 269

EDNetEfficientorigin	12.35 412	2.51 364	179.47 442	1.19 212	0.96 205	2.91 68	1.81 322	3.00 99	5.35 393	8.91 404	4.79 368	4.18 344	4.64 361	9.98 313	11.30 376	0.37 200	0.38 280	0.60 335	0.85 364	1.32 374	2.43 389

DMCA	1.72 127	0.74 179	6.63 172	1.14 184	0.96 205	3.98 228	0.90 180	3.75 179	2.76 302	2.83 325	1.58 99	2.35 209	1.18 111	1.58 70	1.98 254	0.40 231	0.27 195	0.42 259	0.26 104	0.36 158	0.38 177

GANet	2.93 293	1.05 263	11.29 222	1.64 329	0.96 205	3.91 206	2.52 352	3.72 176	2.41 254	2.95 334	3.00 335	3.21 283	2.03 260	12.42 390	4.72 338	0.51 305	0.41 299	0.46 276	0.39 278	0.60 287	0.50 256

raft+_RVC	1.21 55	0.83 220	2.61 102	1.35 267	0.97 208	3.60 151	0.76 108	3.23 118	1.51 58	1.33 51	1.67 121	1.03 54	1.10 91	1.87 107	0.92 80	0.24 11	0.22 106	0.25 29	0.24 82	0.26 19	0.25 29

psmorigin	6.59 392	1.15 281	88.11 438	1.52 307	0.97 208	2.88 65	1.20 256	3.21 115	2.04 185	3.73 362	2.46 295	5.15 378	2.55 299	10.60 330	2.47 293	0.55 316	0.68 362	0.48 287	0.51 322	0.70 318	0.88 341

NCCL2	2.53 255	1.35 316	10.90 219	1.15 198	0.97 208	3.53 137	2.56 354	3.65 160	2.23 217	2.76 318	1.80 160	2.41 215	1.66 218	10.35 323	2.07 265	0.44 263	0.40 293	0.57 326	0.53 329	0.59 283	0.65 303

XPNet_ROB	2.27 207	1.11 275	4.10 146	1.36 273	0.97 208	3.94 213	1.63 307	4.07 259	2.14 205	2.82 324	2.00 218	2.32 206	1.73 229	10.81 337	3.39 323	0.51 305	0.47 324	0.48 287	0.40 288	0.51 256	0.56 280

SFCPSM	2.18 195	0.63 102	17.03 290	0.88 68	0.98 212	3.74 174	1.28 265	4.09 265	2.16 208	1.85 115	1.83 179	1.65 117	1.39 143	2.50 152	1.50 185	0.33 157	0.27 195	0.39 240	0.36 251	0.34 131	0.37 164

iResNet_ROB	1.89 149	1.02 257	8.60 190	1.39 285	0.98 212	3.72 170	0.66 67	3.84 195	2.65 289	1.88 122	2.05 229	1.98 171	1.27 124	4.52 207	1.67 216	0.30 113	0.20 57	0.28 69	0.18 10	0.31 77	0.40 200

LALA_ROB	1.95 162	1.48 328	3.11 123	1.05 148	0.98 212	3.99 229	1.82 323	4.44 356	2.28 229	3.31 351	1.85 191	2.76 254	1.67 220	4.04 202	3.23 322	0.46 273	0.41 299	0.55 322	0.52 325	0.60 287	0.57 284

MyStereo06	2.46 241	0.72 163	19.97 346	1.02 139	0.99 215	4.26 291	0.86 153	3.51 146	1.68 127	1.92 134	1.73 137	4.01 334	4.22 354	1.62 81	0.88 66	0.24 11	0.23 130	0.34 186	0.26 104	0.42 217	0.36 150

MyStereo05	2.37 232	0.72 163	19.94 344	1.02 139	0.99 215	4.26 291	0.86 153	4.01 242	2.62 286	2.14 198	1.26 43	2.28 198	1.63 211	2.07 120	1.68 217	0.24 11	0.23 130	0.34 186	0.26 104	0.42 217	0.36 150

DualNet	2.49 248	0.60 77	5.21 162	1.14 184	0.99 215	3.62 155	0.86 153	4.22 295	3.37 362	2.20 220	2.30 275	3.48 301	1.62 199	2.21 137	16.09 390	0.29 79	0.16 4	0.48 287	0.37 262	0.30 61	0.29 78

ffm	1.72 127	0.60 77	5.21 162	1.14 184	0.99 215	3.62 155	0.86 153	4.22 295	3.37 362	2.20 220	2.30 275	3.48 301	1.62 199	2.21 137	0.65 10	0.29 79	0.16 4	0.48 287	0.37 262	0.30 61	0.29 78

ff1	2.96 297	0.60 77	5.21 162	1.14 184	0.99 215	3.62 155	0.86 153	4.22 295	3.37 362	2.20 220	2.30 275	3.48 301	1.62 199	11.62 364	16.09 390	0.29 79	0.16 4	0.48 287	0.37 262	0.30 61	0.29 78

mmx	2.98 303	0.60 77	5.21 162	1.14 184	0.99 215	3.62 155	0.86 153	4.49 365	3.05 337	2.20 220	2.30 275	3.48 301	1.62 199	11.62 364	16.09 390	0.33 157	0.28 203	0.48 287	0.37 262	0.44 230	0.37 164

xxx	2.98 303	0.60 77	5.21 162	1.14 184	0.99 215	3.62 155	0.86 153	4.49 365	3.05 337	2.20 220	2.30 275	3.48 301	1.62 199	11.62 364	16.09 390	0.33 157	0.28 203	0.48 287	0.37 262	0.44 230	0.37 164

NOSS_ROB	2.27 207	0.73 171	3.00 119	1.71 336	1.00 222	3.90 205	0.97 213	4.29 321	2.81 316	2.94 333	2.19 254	3.88 327	1.19 115	11.77 376	1.62 208	0.59 323	0.54 335	0.56 324	0.52 325	0.56 276	0.54 275

TDLM	2.29 215	1.08 268	4.61 155	1.29 246	1.01 223	4.26 291	2.17 342	3.75 179	2.79 306	2.31 252	1.98 215	2.06 184	1.59 191	12.45 391	1.72 221	0.51 305	0.28 203	0.52 312	0.35 243	0.56 276	0.50 256

DLCB_ROB	2.05 182	0.95 246	2.37 92	1.24 229	1.02 224	2.92 69	1.30 266	3.68 165	2.30 232	2.91 327	2.17 251	3.32 293	1.52 179	10.37 324	2.50 295	0.40 231	0.33 242	0.40 246	0.36 251	0.41 201	0.47 241

MIF-Stereo (partial)	0.98 20	0.55 36	2.83 113	0.71 9	1.03 225	1.08 5	0.49 18	2.55 66	1.66 125	0.79 17	1.20 33	0.80 32	0.90 47	1.61 80	1.56 197	0.36 192	0.24 159	0.33 169	0.25 91	0.40 180	0.28 71

CSP-Net	1.78 137	1.32 312	1.92 48	1.16 203	1.03 225	3.38 110	1.31 267	3.52 147	1.75 146	1.96 144	1.93 207	2.40 213	1.48 167	8.58 280	1.58 199	0.46 273	0.34 254	0.27 55	0.26 104	0.41 201	0.50 256

pcwnet_v2	2.70 278	0.65 115	22.48 408	1.08 158	1.03 225	3.56 144	0.81 135	4.29 321	3.14 344	2.29 243	2.29 271	3.01 270	1.71 225	3.32 183	1.43 171	0.43 256	0.50 333	0.41 253	0.34 229	0.61 292	0.56 280

MyStereo07	1.01 28	0.80 206	1.26 4	1.00 126	1.04 228	3.95 218	0.95 206	2.07 31	1.42 23	0.75 6	1.22 35	0.68 10	0.91 49	1.63 84	0.67 15	0.24 11	0.24 159	0.34 186	0.26 104	0.41 201	0.37 164

MyStereo04	2.29 215	0.80 206	18.77 318	1.00 126	1.04 228	3.95 218	0.95 206	3.91 216	2.54 278	1.99 152	1.27 49	2.31 205	1.65 216	2.02 119	1.77 229	0.24 11	0.24 159	0.34 186	0.26 104	0.41 201	0.37 164

CBFPSM	2.05 182	0.95 246	10.12 210	1.07 154	1.05 230	2.84 62	1.20 256	3.28 122	1.73 139	1.82 113	1.30 54	4.56 362	4.06 350	2.34 145	2.34 286	0.25 20	0.38 280	0.32 138	0.27 128	0.37 165	0.79 330

sCroCo_RVC	1.06 35	0.82 217	5.05 158	1.02 139	1.05 230	0.98 4	0.61 48	2.06 29	1.29 15	0.69 5	1.26 43	0.82 36	1.10 91	1.20 29	0.90 71	0.42 251	0.40 293	0.33 169	0.30 191	0.46 244	0.38 177

NINENet	1.87 144	0.74 179	2.60 101	1.12 176	1.06 232	4.50 331	0.76 108	4.41 351	2.24 219	2.16 208	1.86 193	3.63 318	0.97 60	8.00 272	1.17 127	0.41 241	0.30 221	0.41 253	0.30 191	0.41 201	0.36 150

GEStereo_RVC	1.91 154	0.80 206	6.57 171	1.20 215	1.06 232	4.02 234	1.43 289	4.13 274	1.89 164	2.03 174	1.80 160	2.34 207	1.86 249	4.94 213	1.77 229	0.48 286	0.38 280	0.32 138	0.28 153	0.42 217	0.50 256

hknet	1.98 168	0.64 107	8.70 191	0.87 64	1.07 234	4.16 269	1.16 248	4.48 362	1.73 139	2.93 329	1.83 179	3.48 301	1.30 131	3.91 198	1.51 191	0.31 130	0.25 176	0.31 122	0.28 153	0.35 147	0.33 126

FBW_ROB	3.24 327	1.02 257	9.21 200	1.49 304	1.07 234	3.78 180	1.48 291	4.31 332	3.08 339	2.46 281	2.32 288	4.20 347	2.08 266	15.19 410	7.16 358	0.84 360	0.62 352	1.33 383	0.92 368	0.99 352	1.31 362

Former-RAFT_DAM_RVC	0.92 14	0.73 171	1.42 13	0.92 84	1.08 236	2.97 75	0.53 25	1.77 19	1.39 21	1.16 47	1.54 91	0.58 2	0.65 12	1.03 8	0.84 52	0.25 20	0.23 130	0.30 103	0.24 82	0.43 225	0.29 78

CRFU-Net	2.49 248	0.78 200	10.36 212	2.30 377	1.08 236	3.91 206	1.41 285	3.85 198	1.65 123	2.15 203	1.76 147	3.34 294	7.95 396	5.56 226	1.48 181	0.47 281	0.35 258	0.30 103	0.28 153	0.37 165	0.43 216

SuperB	4.79 370	4.41 382	21.08 386	1.45 296	1.08 236	3.91 206	3.08 373	4.18 285	3.01 334	2.50 286	2.10 237	2.75 248	3.49 341	8.80 283	19.60 411	0.44 263	0.33 242	0.53 314	0.39 278	12.01 422	0.64 301

FCDSN-DC	6.04 389	0.84 224	19.25 326	1.24 229	1.09 239	4.38 306	2.62 356	4.38 347	4.71 386	9.59 409	11.22 400	19.19 409	17.40 411	12.30 387	8.55 366	0.69 345	0.57 340	0.60 335	0.60 341	0.70 318	0.78 328
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
iResNetv2_ROB	2.65 269	5.00 384	19.28 329	2.06 367	1.09 239	3.83 188	1.13 244	4.14 280	2.09 193	1.85 115	2.03 221	2.01 177	1.51 177	3.58 187	1.58 199	0.34 169	0.21 82	0.32 138	0.21 31	0.44 230	0.29 78

DispNO	3.00 306	0.75 188	18.92 321	1.17 204	1.10 241	3.72 170	0.94 202	4.29 321	2.54 278	2.24 235	2.28 268	4.51 358	2.12 268	11.40 355	2.09 267	0.31 130	0.28 203	0.31 122	0.28 153	0.36 158	0.39 182

iinet-f	2.26 205	1.18 286	13.71 238	1.14 184	1.11 242	3.77 178	1.10 238	4.14 280	2.17 210	2.06 181	1.76 147	2.99 268	2.99 316	2.50 152	2.49 294	0.35 187	0.39 288	0.27 55	0.28 153	0.45 237	0.39 182

AANet_RVC	3.03 310	1.72 342	12.78 229	1.17 204	1.12 243	3.79 183	1.10 238	3.86 201	3.13 342	2.62 304	4.26 364	3.96 331	1.41 149	11.43 358	5.23 345	0.94 364	0.47 324	0.34 186	0.23 61	0.40 180	0.55 278

DISCO	2.25 203	0.73 171	10.06 208	1.76 341	1.12 243	3.47 124	1.25 263	3.24 120	2.26 224	2.65 310	1.96 209	4.53 360	1.92 256	4.17 205	3.61 326	0.32 146	0.25 176	0.31 122	0.29 177	0.66 309	0.41 205

RALCasStereoNet	1.19 47	1.02 257	2.06 68	1.12 176	1.14 245	3.08 83	0.70 82	2.99 98	1.73 139	1.34 52	1.68 123	1.18 69	0.91 49	2.16 131	1.00 101	0.30 113	0.26 187	0.24 19	0.21 31	0.29 45	0.30 102

DMCA-RVC	2.45 239	1.22 297	18.29 308	1.23 227	1.14 245	2.49 54	0.85 151	3.29 123	1.68 127	3.02 336	1.41 70	2.00 174	1.53 186	6.39 241	2.00 255	0.38 214	0.30 221	0.44 266	0.35 243	0.45 237	0.44 221

HBP-ISP	3.25 329	1.10 272	20.86 380	1.54 312	1.15 247	4.50 331	2.89 364	4.43 355	2.38 249	4.14 372	1.96 209	1.90 157	2.04 262	11.08 350	1.32 157	0.66 337	0.57 340	0.66 348	0.61 344	0.64 301	0.61 294

IER	1.69 125	0.65 115	7.19 178	0.94 98	1.15 247	3.28 100	0.89 176	3.48 138	1.97 172	2.10 188	1.98 215	2.28 198	2.12 268	2.25 142	1.75 228	0.29 79	0.23 130	0.36 213	0.30 191	0.32 100	0.34 136

CVANet_RVC	2.55 261	1.10 272	9.13 199	1.46 298	1.15 247	3.96 223	1.53 298	3.91 216	2.50 271	3.04 337	2.04 224	2.60 236	1.72 227	12.46 392	1.50 185	0.49 296	0.30 221	0.51 306	0.41 292	0.63 295	0.50 256

MeshStereo	5.35 378	1.32 312	21.34 394	1.34 263	1.15 247	4.40 312	3.90 392	5.18 390	4.55 384	10.14 411	11.82 403	11.47 398	5.84 375	13.84 406	7.03 357	0.61 326	0.58 344	0.60 335	0.58 338	0.72 326	0.59 291
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
TRStereo	2.31 219	1.87 348	19.74 338	1.53 310	1.16 251	4.26 291	1.08 234	4.73 382	1.45 27	1.55 69	1.28 50	1.75 129	0.85 39	1.81 100	1.20 133	0.36 192	0.26 187	0.32 138	0.36 251	0.34 131	0.33 126

CoDeX	2.40 234	0.78 200	13.21 232	1.00 126	1.18 252	3.24 91	1.32 268	4.14 280	2.41 254	1.74 100	1.84 184	2.05 182	1.47 165	10.03 316	1.60 203	0.34 169	0.28 203	0.32 138	0.27 128	0.32 100	0.39 182

Anonymous_2	3.01 308	0.89 233	4.53 154	1.06 152	1.18 252	2.93 70	0.87 170	3.24 120	1.46 34	1.86 119	1.35 64	4.11 340	2.35 287	1.64 85	1.28 151	0.82 357	0.90 373	8.71 422	15.84 426	4.44 405	0.74 319

Wz-Net-TNSev	3.67 342	8.83 398	13.47 236	1.48 302	1.18 252	3.60 151	2.49 351	4.27 316	3.13 342	2.18 214	1.89 200	4.21 348	2.80 309	12.10 385	7.58 361	0.57 320	0.55 337	0.47 279	0.54 331	0.91 346	1.05 350

SACVNet	2.46 241	1.14 280	9.47 201	1.44 293	1.18 252	4.06 239	1.49 295	3.84 195	2.24 219	2.62 304	1.89 200	2.57 232	1.28 127	11.35 354	1.64 212	0.50 299	0.39 288	0.48 287	0.41 292	0.55 270	0.75 322

Syn2CoEx	3.08 314	2.55 369	19.88 342	1.34 263	1.18 252	2.43 53	1.65 312	3.91 216	2.40 252	2.39 275	2.27 265	2.90 262	3.17 328	9.57 301	2.54 300	0.50 299	0.45 313	0.53 314	0.39 278	0.74 327	0.72 317

DSFCA	1.89 149	0.69 140	3.14 124	1.10 170	1.18 252	3.99 229	1.79 319	3.50 143	2.16 208	3.10 341	1.64 115	2.91 264	2.50 296	5.38 220	2.26 280	0.43 256	0.38 280	0.37 225	0.36 251	0.50 255	0.42 208

MIF-Stereo	0.82 6	0.47 4	2.63 105	0.96 104	1.19 258	0.78 3	0.39 6	1.12 1	1.54 78	1.19 48	1.26 43	0.51 1	0.64 10	1.13 15	1.03 103	0.30 113	0.20 57	0.24 19	0.21 31	0.40 180	0.25 29

Wz-Net-SNSev	2.98 303	4.36 381	15.98 274	1.57 320	1.19 258	3.28 100	1.80 321	3.96 232	2.40 252	2.32 256	2.28 268	3.48 301	2.05 263	7.84 271	3.82 329	0.47 281	0.39 288	0.53 314	0.49 316	0.71 323	0.60 292

XX-Stereo	2.54 257	0.61 91	20.21 356	1.78 343	1.19 258	4.30 300	0.46 14	4.39 348	1.58 97	2.32 256	1.89 200	4.64 366	0.60 5	4.16 204	0.82 47	0.31 130	0.21 82	0.28 69	0.27 128	0.51 256	0.26 46

GwcNet-RSSM	2.66 271	1.05 263	15.91 273	1.22 223	1.19 258	4.12 253	1.12 241	3.84 195	2.02 180	1.93 138	1.79 157	3.12 279	1.46 163	10.37 324	2.05 261	0.33 157	0.27 195	0.35 202	0.30 191	0.40 180	0.36 150

PA-Net	3.09 315	1.24 302	18.84 319	1.38 283	1.19 258	3.42 115	1.75 317	3.89 207	3.27 359	1.88 122	2.10 237	3.03 271	1.88 253	11.60 362	2.88 313	0.40 231	0.54 335	0.44 266	0.62 345	0.52 259	1.02 348
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
rafts_anoy	1.24 63	0.80 206	3.61 141	1.17 204	1.20 263	3.00 76	0.61 48	3.17 112	1.58 97	1.37 55	1.26 43	1.19 72	1.12 96	1.78 98	1.25 144	0.32 146	0.23 130	0.32 138	0.32 214	0.31 77	0.30 102

FAT-Stereo	3.34 333	0.81 210	20.05 348	1.25 231	1.20 263	3.44 117	1.99 333	4.23 300	2.67 292	3.14 344	3.82 360	3.51 310	3.32 334	11.68 372	1.94 247	0.64 332	0.67 359	0.48 287	0.52 325	0.61 292	0.81 331

DeepPruner_ROB	2.05 182	1.09 271	10.50 215	1.01 130	1.20 263	4.39 308	0.91 188	3.14 108	1.72 137	2.60 301	1.54 91	2.78 255	1.27 124	4.52 207	1.72 221	0.51 305	0.40 293	0.37 225	0.34 229	0.48 249	0.52 267

PSMNet_ROB	2.95 294	1.38 319	18.46 315	1.19 212	1.20 263	3.80 184	1.65 312	3.54 149	2.35 239	1.98 147	1.71 132	2.75 248	1.79 234	11.43 358	2.78 310	0.42 251	0.36 262	0.50 303	0.60 341	0.59 283	0.49 249

ttt	2.76 280	0.56 43	2.28 86	1.41 288	1.21 267	3.67 164	0.77 118	4.59 375	2.94 327	2.35 264	2.30 275	2.45 222	1.54 187	11.25 352	15.56 388	0.43 256	0.36 262	0.37 225	0.33 222	0.40 180	0.40 200

MMNet	2.02 176	0.81 210	10.76 217	1.12 176	1.23 268	3.53 137	0.89 176	3.79 187	2.08 190	2.15 203	1.76 147	2.15 192	2.12 268	3.69 191	2.32 284	0.31 130	0.29 212	0.34 186	0.27 128	0.38 169	0.42 208

GANet-RSSM	1.98 168	0.62 98	3.49 134	1.69 334	1.23 268	4.22 286	0.91 188	3.31 125	1.86 158	1.81 111	1.74 139	2.34 207	1.82 244	10.92 342	1.73 225	0.34 169	0.29 212	0.31 122	0.28 153	0.39 177	0.40 200

ccnet	2.66 271	0.97 253	8.01 183	1.54 312	1.24 270	3.75 175	2.18 343	4.07 259	2.41 254	2.66 311	3.25 347	2.87 261	2.31 285	9.89 308	3.50 324	0.78 351	0.75 368	0.71 354	0.67 347	0.76 330	0.81 331

CFNet	2.34 226	1.10 272	8.96 193	1.34 263	1.24 270	4.09 246	0.73 90	4.04 252	2.77 303	1.62 80	1.87 194	2.27 197	1.45 160	11.41 356	1.82 234	0.31 130	0.24 159	0.43 263	0.36 251	0.43 225	0.33 126

DPSNet	3.43 336	1.37 318	12.19 225	1.39 285	1.24 270	4.15 260	2.06 336	4.51 369	3.34 361	2.69 313	1.96 209	3.52 311	5.56 372	10.68 332	9.68 370	0.93 363	0.73 366	0.40 246	0.37 262	1.06 355	0.86 337

GASNet	3.24 327	5.55 388	20.58 375	1.56 319	1.25 273	2.32 50	1.12 241	4.04 252	2.67 292	1.88 122	2.10 237	3.00 269	2.16 274	10.59 329	2.43 290	0.65 335	0.37 274	0.61 338	0.45 304	0.87 342	0.58 288

Anonymous Stereo	3.09 315	3.14 373	16.69 284	1.52 307	1.25 273	3.33 106	2.95 365	4.02 246	2.42 257	2.35 264	2.04 224	2.57 232	1.27 124	11.88 381	2.92 314	0.49 296	0.49 331	0.57 326	0.56 334	0.70 318	0.65 303

NaN_ROB	4.06 356	1.13 277	16.64 282	1.12 176	1.25 273	3.50 131	3.05 371	4.29 321	3.26 356	3.64 359	2.56 308	2.97 266	4.79 362	13.33 398	16.91 397	0.37 200	0.41 299	0.38 237	0.39 278	0.48 249	0.81 331

ADCL	4.35 362	1.63 335	14.21 252	1.29 246	1.26 276	5.56 391	11.16 407	3.97 233	3.37 362	6.07 390	4.67 367	4.30 351	5.72 374	5.08 215	14.51 385	0.50 299	0.48 329	0.89 369	0.77 358	0.78 333	0.76 324

Anonymous	1.04 34	0.76 192	2.42 97	1.06 152	1.27 277	1.67 24	0.86 153	2.51 55	1.49 49	0.92 26	1.14 27	0.70 13	1.10 91	1.26 36	0.98 94	0.47 281	0.33 242	0.30 103	0.30 191	0.66 309	0.51 262

ADCPNet	3.89 348	1.63 335	20.25 361	1.28 243	1.27 277	6.43 396	2.65 357	3.93 222	2.70 295	2.78 320	2.20 256	4.28 350	6.16 381	5.56 226	10.27 373	0.65 335	1.18 380	0.71 354	1.70 391	0.84 341	1.37 365

ACRE	2.27 207	1.11 275	19.45 330	0.91 81	1.30 279	3.94 213	0.87 170	4.21 292	1.80 150	2.28 241	2.62 312	1.17 66	1.04 73	1.52 65	1.30 154	0.37 200	0.23 130	0.27 55	0.22 52	0.31 77	0.46 236

RTSC	2.95 294	2.51 364	15.49 272	1.54 312	1.30 279	3.51 133	0.86 153	3.89 207	2.48 266	3.64 359	3.12 342	3.04 272	2.30 282	5.70 230	6.67 349	0.55 316	0.35 258	0.37 225	0.39 278	0.70 318	0.60 292

coex-ft	18.59 418	6.62 391	113.53 440	1.17 204	1.31 281	2.33 51	1.93 329	2.81 88	14.00 409	124.82 441	8.45 386	5.90 383	51.74 435	9.99 314	22.69 414	0.57 320	0.62 352	0.50 303	0.49 316	1.08 359	1.28 360

raftrobust	1.19 47	0.72 163	2.30 87	1.26 237	1.31 281	3.55 142	0.68 72	2.75 83	1.47 38	2.21 228	1.38 68	1.17 66	1.22 117	1.20 29	1.11 115	0.28 62	0.24 159	0.21 3	0.19 19	0.25 13	0.28 71

PSMNet-RSSM	1.96 164	0.77 195	3.26 127	1.29 246	1.31 281	4.19 280	0.96 211	3.68 165	1.89 164	2.05 178	1.80 160	2.60 236	1.70 223	9.84 306	1.81 233	0.35 187	0.29 212	0.35 202	0.37 262	0.42 217	0.35 147

ADCS	4.22 361	5.33 385	16.32 277	1.64 329	1.31 281	3.91 206	3.64 387	4.21 292	2.89 322	5.11 385	2.81 328	4.46 356	3.06 324	5.21 217	19.50 410	0.63 329	0.64 355	0.69 351	0.69 352	1.12 361	1.26 359

anonymity	1.76 134	1.26 305	2.73 111	1.66 331	1.32 285	1.84 28	1.07 231	3.49 141	2.30 232	2.11 192	2.11 241	1.71 126	3.90 348	1.82 102	1.48 181	1.10 371	1.09 377	1.08 377	1.08 376	1.05 354	1.09 353

IPLGR_C	2.28 212	1.31 310	19.46 331	0.92 84	1.32 285	3.93 211	0.89 176	4.20 288	1.82 152	2.30 247	2.63 314	1.16 65	1.07 84	1.41 52	1.29 153	0.37 200	0.23 130	0.27 55	0.22 52	0.31 77	0.45 226

XQC	2.96 297	2.42 363	14.85 258	1.36 273	1.32 285	3.29 104	1.53 298	4.28 320	2.78 304	3.21 348	2.46 295	3.53 312	2.92 314	6.58 244	4.67 336	0.70 346	0.41 299	0.59 330	0.56 334	0.96 351	0.83 336

WCMA_ROB	5.12 374	0.90 235	21.33 393	1.50 305	1.33 288	4.09 246	3.49 381	4.03 248	4.59 385	6.57 394	10.95 399	12.92 402	8.41 400	9.86 307	8.78 367	0.75 349	0.58 344	0.51 306	0.50 320	0.68 315	0.57 284

CIPLG	2.27 207	1.18 286	19.24 325	0.92 84	1.34 289	3.95 218	0.89 176	4.23 300	1.82 152	2.31 252	2.67 316	1.17 66	1.06 82	1.53 67	1.32 157	0.37 200	0.23 130	0.27 55	0.22 52	0.31 77	0.45 226

Wz-Net-LNSev-Ref	2.42 236	1.47 327	14.14 250	1.30 251	1.35 290	3.51 133	1.64 309	4.04 252	2.10 201	2.46 281	1.88 195	2.28 198	2.51 297	4.73 212	3.17 321	0.38 214	0.19 39	0.35 202	0.20 25	0.40 180	0.36 150

cf-r	2.57 264	0.79 203	16.09 275	1.48 302	1.35 290	4.19 280	0.93 199	3.68 165	2.36 241	1.97 146	1.81 172	3.42 298	1.45 160	8.24 274	1.83 236	0.32 146	0.26 187	0.33 169	0.30 191	0.34 131	0.37 164

HCRNet	1.60 116	0.56 43	2.47 98	0.78 27	1.36 292	4.11 251	0.71 84	3.57 153	2.79 306	1.75 102	1.61 110	1.58 110	1.41 149	5.79 231	1.56 197	0.34 169	0.28 203	0.36 213	0.29 177	0.33 115	0.37 164

whm_eth	2.04 179	1.24 302	18.44 314	0.89 72	1.37 293	2.59 58	0.73 90	3.56 152	2.56 281	1.53 68	2.06 233	0.78 27	0.71 17	1.02 7	0.98 94	0.36 192	0.29 212	0.34 186	0.32 214	0.41 201	0.54 275

Wz-Net-MNSev	2.71 279	2.54 368	13.91 247	1.52 307	1.37 293	3.28 100	2.47 349	4.03 248	2.32 235	2.57 295	2.07 235	2.29 203	3.01 318	7.55 266	2.74 308	0.38 214	0.36 262	0.36 213	0.37 262	0.57 280	0.47 241

edge stereo	3.37 335	1.01 256	21.99 406	1.28 243	1.37 293	2.67 60	1.39 280	3.98 235	2.87 321	2.93 329	3.27 349	4.35 352	2.43 292	11.62 364	2.39 287	0.60 324	0.63 354	0.79 363	0.55 332	0.68 315	0.67 306

PASM	2.67 273	2.05 357	9.71 202	1.73 339	1.37 293	2.53 55	1.52 296	3.10 106	2.17 210	2.79 321	1.84 184	2.90 262	1.85 248	11.89 382	2.19 276	0.81 356	0.85 371	0.87 368	1.01 372	1.14 363	1.05 350

RYNet	2.97 301	0.93 242	15.09 266	1.12 176	1.38 297	3.66 163	1.42 287	4.03 248	2.29 231	2.10 188	1.70 128	3.79 323	2.16 274	13.64 404	3.02 318	0.37 200	0.41 299	0.48 287	0.34 229	0.81 337	0.75 322

RAFT_CTSACE	1.80 139	1.06 265	10.00 207	1.71 336	1.39 298	3.49 128	1.06 229	3.05 103	1.62 118	1.70 93	2.04 224	2.51 228	1.80 239	1.98 114	0.94 88	0.25 20	0.22 106	0.28 69	0.30 191	0.30 61	0.26 46

MFN_U_SF_RVC	3.81 347	10.78 411	15.01 264	1.84 352	1.39 298	3.73 173	1.63 307	4.05 256	3.26 356	2.91 327	2.38 292	4.36 354	3.65 343	8.43 277	4.91 342	1.11 373	1.04 375	0.99 372	1.31 384	1.58 378	1.75 378

fast-acv-ft	2.54 257	1.19 288	20.08 352	1.41 288	1.40 300	3.18 85	1.17 251	3.37 133	2.28 229	1.90 128	2.15 248	2.69 242	2.17 276	2.91 176	2.31 283	0.37 200	0.39 288	0.45 272	0.39 278	0.57 280	0.45 226

test_5	1.87 144	0.75 188	10.23 211	1.14 184	1.40 300	3.85 199	1.27 264	3.91 216	1.93 168	1.69 91	1.78 154	1.67 119	1.79 234	2.99 180	1.17 127	0.30 113	0.18 24	0.35 202	0.33 222	0.34 131	0.33 126

WZ-Net	3.62 340	4.87 383	16.77 287	1.43 291	1.40 300	3.75 175	2.29 346	4.12 273	2.50 271	2.74 317	2.19 254	4.06 337	5.29 369	10.19 319	7.36 359	0.54 315	0.37 274	0.47 279	0.49 316	0.77 331	0.73 318

ADCMid	3.96 352	3.27 376	15.48 271	1.26 237	1.40 300	4.66 358	2.28 345	4.06 258	3.54 368	3.94 366	3.02 336	3.85 326	3.67 344	4.03 201	18.65 407	0.68 342	0.61 351	1.09 378	1.18 381	1.38 375	1.08 352

AnyNet_C01	4.37 363	7.80 394	16.40 278	1.98 363	1.40 300	6.37 395	6.47 400	4.09 265	5.03 391	4.06 371	3.78 358	4.16 343	3.31 333	6.62 246	10.00 371	0.61 326	0.67 359	0.63 342	0.67 347	2.01 382	1.31 362

UCFNet_RVC	1.57 109	0.84 224	3.25 126	1.36 273	1.40 300	4.07 244	1.01 219	2.68 78	1.50 54	2.11 192	1.88 195	2.37 212	1.50 174	3.41 184	1.42 170	0.36 192	0.28 203	0.52 312	0.40 288	0.53 265	0.43 216

ADCRef	3.30 330	1.23 301	14.90 261	1.17 204	1.41 306	3.95 218	1.64 309	3.88 206	2.36 241	3.05 339	2.21 258	2.40 213	2.81 310	5.04 214	16.63 396	0.46 273	0.34 254	0.63 342	0.62 345	0.54 268	0.67 306

RAFT+CT+SA	1.62 118	0.72 163	7.42 179	0.97 111	1.42 307	4.04 236	0.94 202	3.90 212	1.61 115	1.61 78	1.63 113	1.33 84	1.18 111	2.73 174	1.10 114	0.27 35	0.19 39	0.31 122	0.34 229	0.33 115	0.33 126

WAO-7	5.16 375	3.21 374	18.98 322	1.88 357	1.44 308	5.34 388	3.09 374	4.91 387	5.81 398	4.35 378	8.92 392	6.55 385	6.06 378	13.40 400	10.81 374	1.34 384	1.20 383	1.48 385	1.35 387	1.60 379	1.45 369

UNet	2.51 251	0.74 179	20.17 355	1.14 184	1.44 308	3.48 126	0.76 108	3.77 183	1.87 159	2.05 178	1.57 98	2.75 248	2.39 289	3.51 186	2.51 296	0.32 146	0.26 187	0.41 253	0.26 104	0.38 169	0.39 182

UPFNet	1.81 140	0.63 102	6.71 173	1.25 231	1.44 308	3.50 131	1.35 271	4.02 246	1.85 157	2.40 277	1.52 85	2.41 215	1.40 144	3.62 189	1.88 241	0.34 169	0.33 242	0.37 225	0.31 207	0.41 201	0.39 182

MSC_U_SF_DS_RVC	4.48 364	10.62 410	15.18 269	1.55 317	1.45 311	6.16 393	3.54 385	5.41 398	3.68 373	2.59 300	2.74 320	4.81 369	2.20 279	13.79 405	4.40 333	2.04 386	3.36 416	1.05 375	1.20 382	2.09 383	1.72 376

NVstereo2D	2.54 257	0.90 235	11.10 220	1.32 255	1.47 312	3.58 148	1.38 279	4.13 274	2.45 262	1.90 128	1.71 132	2.86 260	1.76 230	10.86 338	1.66 215	0.60 324	0.43 306	0.53 314	0.41 292	0.78 333	0.94 345

AASNet	2.44 238	0.92 239	19.79 339	1.35 267	1.49 313	3.81 186	1.07 231	3.85 198	2.93 326	1.95 142	2.29 271	1.96 167	1.29 129	1.73 95	1.93 245	0.39 225	0.33 242	0.45 272	0.30 191	0.55 270	0.45 226

SAMSARA	3.55 338	2.16 359	14.18 251	1.86 355	1.49 313	4.62 352	2.65 357	3.58 155	2.80 310	7.05 396	3.05 338	5.16 379	4.07 351	9.18 293	4.80 340	0.64 332	0.67 359	0.59 330	0.68 350	0.89 343	0.91 342

psm_up	2.28 212	0.81 210	5.45 167	1.26 237	1.50 315	3.84 193	1.23 260	4.23 300	2.03 182	2.55 291	1.80 160	2.44 221	1.65 216	12.90 395	1.58 199	0.37 200	0.38 280	0.41 253	0.34 229	0.43 225	0.39 182

S-Stereo	3.48 337	0.91 237	22.06 407	1.36 273	1.50 315	3.55 142	2.53 353	4.21 292	2.81 316	2.37 270	3.81 359	3.75 321	1.84 246	11.90 383	2.51 296	0.63 329	0.71 364	0.48 287	0.76 356	0.67 312	1.19 358

APVNet	3.13 320	1.25 304	21.14 387	1.31 253	1.52 317	3.94 213	1.13 244	3.32 129	2.14 205	2.20 220	2.03 221	3.05 275	1.96 258	11.79 377	2.53 298	0.42 251	0.45 313	0.64 345	0.46 306	0.67 312	0.57 284

PS-NSSS	2.22 197	1.33 315	2.90 116	0.97 111	1.53 318	4.11 251	1.08 234	4.55 372	2.65 289	2.10 188	2.32 288	1.77 131	1.40 144	11.79 377	1.61 206	0.68 342	0.45 313	0.96 371	0.43 298	0.95 347	0.92 343

CFNet-ft	1.90 151	0.95 246	3.56 137	1.07 154	1.54 319	4.09 246	0.90 180	2.85 89	1.82 152	1.78 106	1.70 128	2.75 248	1.48 167	9.33 295	1.72 221	0.33 157	0.30 221	0.61 338	0.36 251	0.52 259	0.39 182

STTStereo	2.34 226	0.95 246	14.93 263	1.43 291	1.54 319	3.86 201	0.86 153	3.65 160	2.44 261	2.15 203	1.55 93	2.49 227	1.59 191	5.14 216	1.44 173	0.38 214	0.39 288	0.47 279	0.51 322	0.52 259	0.51 262

AnyNet_C32	4.17 359	5.75 389	12.62 228	1.60 324	1.54 319	5.51 390	4.09 394	3.90 212	3.23 354	4.22 377	3.03 337	3.10 276	3.41 337	8.01 273	18.85 408	0.53 313	0.58 344	0.53 314	0.74 354	1.19 369	0.97 346

CFNet_RVC	1.90 151	0.95 246	3.56 137	1.07 154	1.54 319	4.09 246	0.90 180	2.85 89	1.82 152	1.78 106	1.70 128	2.75 248	1.48 167	9.33 295	1.72 221	0.33 157	0.30 221	0.61 338	0.36 251	0.52 259	0.39 182

MFN_U_SF_DS_RVC	3.94 351	10.88 412	12.30 227	1.26 237	1.55 323	5.19 387	3.33 378	4.42 352	2.82 318	2.58 297	2.62 312	5.00 373	2.11 267	14.03 408	2.73 307	1.28 379	2.34 403	0.67 350	1.83 396	0.81 337	1.03 349

ADCP+	3.74 346	1.96 352	16.90 288	1.09 162	1.55 323	4.35 304	3.65 388	3.93 222	2.98 331	2.22 229	1.66 120	3.95 329	4.83 363	3.41 184	18.87 409	0.38 214	0.41 299	0.63 342	0.53 329	0.64 301	0.81 331

HSM	2.35 228	0.81 210	2.21 78	1.14 184	1.55 323	3.44 117	1.03 223	3.99 239	2.25 221	2.29 243	2.11 241	8.04 392	3.05 322	11.60 362	1.71 220	0.33 157	0.22 106	0.28 69	0.23 61	0.32 100	0.35 147

4D-IteraStereo	1.97 166	0.84 224	20.43 370	0.78 27	1.56 326	2.09 43	1.05 228	2.43 48	1.56 89	1.41 59	1.00 8	1.94 160	0.61 7	1.22 32	1.06 106	0.27 35	0.18 24	0.31 122	0.26 104	0.27 25	0.23 16

HGLStereo	2.03 177	0.74 179	7.50 181	1.23 227	1.56 326	3.62 155	0.95 206	3.78 186	1.89 164	2.03 174	2.20 256	3.12 279	2.14 271	5.68 229	2.04 259	0.37 200	0.31 230	0.32 138	0.29 177	0.40 180	0.45 226

PWCDC_ROB	2.95 294	3.26 375	14.06 249	1.59 322	1.56 326	4.19 280	0.86 153	4.30 329	4.08 381	2.06 181	7.37 377	2.75 248	2.42 291	3.59 188	2.67 306	1.34 384	0.36 262	0.39 240	0.34 229	1.13 362	0.62 296

PWCK	5.85 386	9.95 408	15.22 270	2.90 387	1.56 326	5.66 392	7.69 403	5.27 392	4.74 388	3.88 364	7.51 378	8.04 392	5.28 368	15.18 409	8.40 365	3.08 394	1.51 388	2.24 392	1.37 388	5.55 409	1.96 382

StereoDRNet	2.84 284	1.49 329	14.48 256	1.33 259	1.57 330	3.44 117	2.06 336	3.69 170	2.36 241	3.26 350	1.84 184	2.79 257	1.80 239	10.88 339	3.16 320	0.41 241	0.33 242	0.39 240	0.36 251	0.59 283	0.58 288

aanetorigin	3.30 330	1.66 339	17.52 301	1.18 210	1.58 331	2.57 57	3.80 390	2.65 76	2.03 182	6.12 392	4.30 365	2.82 258	5.70 373	5.47 223	4.67 336	0.50 299	0.44 309	0.43 263	0.47 309	1.17 367	0.92 343

ADLNet	2.29 215	0.83 220	3.62 142	1.35 267	1.60 332	3.67 164	1.24 262	3.95 227	2.98 331	2.58 297	2.29 271	4.01 334	1.79 234	11.23 351	2.09 267	0.37 200	0.38 280	0.36 213	0.34 229	0.45 237	0.71 311

DRN-Test	3.03 310	0.99 254	18.18 306	1.35 267	1.60 332	3.59 149	1.48 291	4.13 274	2.45 262	3.47 358	1.92 206	2.58 235	2.53 298	10.88 339	2.80 311	0.39 225	0.36 262	0.44 266	0.41 292	0.55 270	0.57 284

CAS	1.26 73	0.40 1	1.46 15	2.97 389	1.61 334	4.13 256	0.73 90	1.78 20	1.49 49	0.83 22	1.10 23	0.59 3	0.53 2	1.26 36	0.80 44	2.99 393	0.13 1	0.21 3	0.13 1	0.31 77	1.72 376

MyStereo8	2.33 224	1.13 277	19.26 327	1.22 223	1.62 335	4.16 269	0.57 33	3.50 143	2.36 241	2.15 203	1.75 143	2.28 198	1.14 104	1.46 60	2.20 277	0.24 11	0.21 82	0.32 138	0.27 128	0.36 158	0.43 216

MaskLacGwcNet_RVC	3.13 320	1.43 324	9.93 206	2.50 381	1.62 335	4.29 298	1.68 316	3.95 227	2.43 258	1.66 87	1.91 205	3.04 272	1.41 149	13.26 397	1.58 199	3.82 404	1.59 389	1.12 379	0.46 306	2.21 385	2.74 396

LoS_RVC	0.94 16	1.30 308	1.31 8	0.84 51	1.63 337	2.02 35	0.59 42	1.51 5	1.36 19	0.81 18	1.33 56	0.84 37	0.88 43	1.36 48	0.73 33	0.21 1	0.17 9	0.20 1	0.14 2	0.20 1	1.45 369

PVD	3.12 319	1.97 353	12.80 230	1.79 348	1.63 337	3.83 188	1.34 270	3.48 138	3.88 376	5.77 387	3.56 355	3.45 300	3.29 332	5.58 228	5.30 346	0.71 348	0.69 363	0.74 361	0.77 358	0.79 335	1.13 355

DAS	2.31 219	0.67 133	4.79 156	1.14 184	1.64 339	2.93 70	2.13 340	4.09 265	2.74 299	4.17 373	2.52 303	2.46 223	1.79 234	11.55 361	1.63 210	0.37 200	0.22 106	0.39 240	0.25 91	0.41 201	0.34 136

SepStereo	2.15 192	0.67 133	4.79 156	1.14 184	1.64 339	2.93 70	2.13 340	4.09 265	2.74 299	4.17 373	2.52 303	2.46 223	1.79 234	8.36 275	1.63 210	0.37 200	0.22 106	0.39 240	0.25 91	0.41 201	0.34 136

FC-DCNN	6.64 393	0.77 195	19.26 327	1.68 333	1.64 339	8.27 405	2.35 348	6.35 401	9.23 403	10.85 413	11.27 401	19.89 410	13.33 406	12.51 393	11.79 379	0.66 337	0.57 340	0.58 328	0.56 334	0.63 295	0.61 294

Wz-Net-LNSev	2.30 218	1.67 341	14.88 260	1.18 210	1.65 342	3.49 128	1.54 301	3.63 158	2.03 182	1.88 122	1.64 115	3.29 290	2.06 264	2.71 172	2.02 258	0.40 231	0.33 242	0.32 138	0.31 207	0.53 265	0.49 249

delet	1.92 157	0.76 192	5.14 159	1.01 130	1.65 342	3.44 117	2.03 335	3.76 181	2.48 266	2.01 166	2.05 229	2.63 240	1.90 254	5.34 219	2.12 269	0.28 62	0.29 212	0.40 246	0.31 207	0.41 201	0.45 226

CC-Net-ROB	3.35 334	1.76 345	13.89 246	2.33 379	1.65 342	4.49 328	1.62 306	4.73 382	2.90 323	1.92 134	2.05 229	1.99 173	1.61 196	12.57 394	1.60 203	2.46 389	2.18 397	2.68 399	1.04 375	2.11 384	1.38 367

stereogan	3.09 315	0.93 242	16.43 279	1.37 281	1.66 345	3.70 167	1.67 314	3.87 203	3.15 346	3.04 337	2.70 319	5.04 375	2.79 308	9.96 312	1.78 231	0.63 329	0.49 331	0.69 351	0.47 309	0.83 340	0.68 308

anonymousa	2.16 193	0.67 133	19.19 324	1.04 147	1.67 346	2.06 42	0.79 125	2.86 92	1.96 170	1.85 115	2.14 246	3.23 286	1.81 242	1.12 12	1.15 121	0.26 28	0.26 187	0.34 186	0.32 214	0.30 61	0.28 71

Nwc_Net	2.88 290	1.16 284	18.30 309	1.35 267	1.68 347	3.52 136	1.18 252	3.90 212	2.06 188	2.52 289	2.82 329	3.82 325	2.34 286	6.78 253	2.55 301	0.86 361	0.40 293	0.59 330	0.67 347	0.57 280	0.55 278

MADNet+	3.97 353	9.54 407	13.83 245	1.87 356	1.69 348	4.19 280	2.87 363	4.80 385	4.10 382	2.51 288	2.67 316	4.55 361	3.41 337	8.72 281	6.92 356	1.25 377	1.27 384	1.04 374	0.93 369	1.39 376	1.85 379

DANet	2.63 267	1.07 266	8.10 184	1.83 351	1.70 349	3.25 94	1.16 248	4.31 332	2.38 249	3.40 356	2.18 252	4.08 338	1.80 239	9.77 303	3.89 330	0.52 311	0.55 337	0.59 330	0.44 300	0.63 295	0.86 337
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ac_64	2.35 228	0.62 98	9.77 203	1.32 255	1.71 350	3.27 97	0.93 199	3.48 138	2.50 271	1.74 100	1.73 137	3.91 328	1.77 231	10.21 320	1.86 239	0.40 231	0.31 230	0.33 169	0.30 191	0.34 131	0.39 182

SPS-STEREO	3.97 353	1.44 325	20.85 379	1.72 338	1.71 350	3.24 91	2.30 347	3.55 150	2.68 294	4.79 383	3.66 356	5.44 381	2.97 315	9.11 290	9.35 369	1.15 374	1.10 378	1.06 376	1.02 374	1.16 366	1.18 357
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	4.91 373	1.40 322	16.46 280	1.47 301	1.72 352	3.46 122	1.96 330	3.89 207	3.61 370	2.90 326	24.61 419	4.81 369	4.49 359	13.57 402	4.87 341	1.33 383	1.29 385	1.70 386	1.68 389	1.41 377	1.66 373
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DeepPrunerF	3.70 343	1.72 342	14.87 259	1.33 259	1.74 353	3.70 167	1.55 302	4.20 288	14.00 409	2.02 170	1.77 152	2.74 246	2.30 282	10.88 339	6.88 355	0.68 342	0.60 349	0.78 362	0.78 361	0.81 337	0.71 311

Consistency-Raft	2.86 285	1.66 339	19.61 334	1.40 287	1.75 354	3.84 193	1.32 268	4.07 259	2.25 221	1.78 106	2.67 316	1.82 146	4.41 357	1.94 113	2.06 262	0.83 359	0.94 374	1.03 373	1.12 377	1.70 381	1.09 353

AF-Net	2.87 288	1.30 308	16.24 276	1.33 259	1.75 354	3.26 95	1.59 304	4.09 265	2.43 258	2.69 313	2.94 332	4.51 358	3.20 329	5.84 232	2.75 309	0.76 350	0.36 262	0.72 358	0.49 316	0.70 318	0.56 280

NCC-stereo	3.16 324	1.28 306	18.31 310	1.25 231	1.75 354	4.06 239	1.40 282	3.89 207	2.22 215	2.72 315	2.55 306	3.49 308	2.65 304	9.91 309	2.99 316	1.29 380	0.65 356	0.64 345	0.86 365	0.65 304	0.71 311

Abc-Net	3.16 324	1.28 306	18.31 310	1.25 231	1.75 354	4.06 239	1.40 282	3.89 207	2.22 215	2.72 315	2.55 306	3.49 308	2.65 304	9.91 309	2.99 316	1.29 380	0.65 356	0.64 345	0.86 365	0.65 304	0.71 311
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SGM+DAISY	8.36 402	3.82 379	24.83 417	2.02 365	1.75 354	14.80 415	17.22 415	4.27 316	11.79 407	13.88 416	14.38 410	11.74 401	13.83 407	10.56 328	15.12 386	1.21 375	1.19 382	1.14 380	1.13 379	1.17 367	1.37 365

ADLNet2	3.15 323	0.92 239	20.06 349	1.20 215	1.79 359	3.83 188	1.48 291	3.94 225	3.59 369	2.19 218	2.47 297	4.65 367	1.93 257	10.69 333	1.96 252	0.39 225	0.37 274	0.28 69	0.30 191	0.48 249	0.43 216

RGC	3.10 318	1.45 326	14.90 261	1.46 298	1.79 359	3.33 106	1.39 280	4.04 252	2.26 224	2.77 319	3.26 348	4.00 333	2.71 306	11.63 369	2.62 305	0.82 357	0.46 320	0.79 363	0.79 362	0.71 323	0.78 328

SHD	2.82 282	2.04 356	13.80 244	1.69 334	1.79 359	2.73 61	1.07 231	3.85 198	3.18 348	4.63 381	2.74 320	3.38 297	2.77 307	5.48 224	3.66 327	0.62 328	0.47 324	0.51 306	0.55 332	0.65 304	0.74 319

StereoVision	1.65 121	0.75 188	7.47 180	1.01 130	1.80 362	2.61 59	0.61 48	3.06 105	1.96 170	1.25 49	3.46 354	1.85 154	0.88 43	2.07 120	1.93 245	0.43 256	0.36 262	0.37 225	0.36 251	0.48 249	0.33 126

CroCo-Stereo Lap2	0.99 26	0.89 233	2.55 100	0.99 119	1.80 362	0.54 2	0.46 14	3.10 106	1.24 5	1.07 40	1.21 34	1.05 57	0.78 32	1.26 36	1.08 110	0.27 35	0.23 130	0.27 55	0.21 31	0.43 225	0.34 136

FINET	2.96 297	1.07 266	23.18 413	1.29 246	1.86 364	2.03 36	1.52 296	4.30 329	4.71 386	2.23 233	2.34 290	1.65 117	1.48 167	5.89 233	2.81 312	0.51 305	0.47 324	0.49 300	0.40 288	0.59 283	0.49 249

StereoIM	0.82 6	0.66 125	1.53 20	0.65 5	1.87 365	1.24 9	0.36 4	2.13 32	1.27 13	0.67 4	0.75 2	0.88 43	0.70 15	1.15 18	1.07 108	0.29 79	0.23 130	0.26 39	0.20 25	0.31 77	0.22 10

MFMNet_re	2.91 291	1.91 349	18.25 307	3.06 390	1.89 366	3.13 84	1.67 314	3.52 147	2.97 328	3.14 344	2.87 331	2.26 196	2.41 290	2.42 146	2.00 255	1.10 371	1.05 376	0.94 370	0.90 367	1.28 372	1.46 371

PWC_ROB	2.69 277	2.01 354	8.36 186	1.33 259	1.90 367	3.23 89	1.18 252	4.33 338	3.25 355	3.11 342	3.41 352	2.71 244	2.18 278	9.15 292	4.48 334	0.56 318	0.31 230	0.61 338	0.36 251	0.69 317	0.74 319

RP	2.79 281	1.20 290	10.36 212	1.54 312	1.93 368	3.44 117	1.97 331	4.05 256	2.34 237	2.66 311	2.79 324	3.98 332	2.58 301	10.21 320	2.61 303	0.95 365	0.47 324	0.71 354	0.57 337	0.71 323	0.68 308

RAFT + AFF	2.51 251	2.66 370	4.48 153	1.15 198	1.95 369	4.15 260	2.01 334	4.46 360	3.30 360	2.19 218	2.51 302	2.22 195	4.87 364	8.91 286	2.06 262	0.30 113	0.60 349	0.48 287	0.38 274	0.77 331	0.69 310

UDG	3.55 338	2.81 372	17.45 298	2.69 383	1.98 370	3.97 226	1.19 255	4.35 342	2.02 180	2.42 279	2.53 305	4.50 357	2.46 295	6.53 243	2.41 289	2.12 387	1.77 393	2.63 398	2.57 407	2.64 387	1.95 381

NLCA_NET_v2_RVC	2.54 257	1.04 262	16.73 285	1.53 310	2.00 371	3.96 223	0.87 170	3.87 203	2.31 234	2.54 290	1.67 121	2.85 259	1.63 211	5.55 225	1.62 208	0.46 273	0.33 242	0.38 237	0.38 274	0.53 265	0.62 296
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
acv_ft	1.55 103	0.64 107	3.29 128	1.14 184	2.01 372	2.93 70	0.97 213	3.81 190	2.08 190	2.22 229	1.88 195	3.10 276	1.66 218	1.33 45	2.22 278	0.29 79	0.26 187	0.30 103	0.26 104	0.39 177	0.27 58

ELAS_RVC	5.72 385	1.64 338	20.40 367	2.09 368	2.01 372	4.95 383	11.47 409	4.66 379	6.31 401	8.09 402	8.01 381	8.06 394	11.65 404	8.36 275	10.22 372	0.99 368	1.17 379	0.81 366	0.76 356	1.14 363	1.58 372
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	5.99 388	1.62 333	20.29 363	1.96 362	2.01 372	15.09 416	8.38 406	5.23 391	5.54 395	9.02 405	8.61 387	6.74 386	9.75 403	7.48 264	11.40 378	0.96 366	1.18 380	0.72 358	0.93 369	1.30 373	1.67 374
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GwcNet	3.00 306	1.63 335	19.83 341	1.32 255	2.04 375	3.27 97	1.55 302	3.65 160	2.33 236	2.00 164	2.12 244	3.56 316	1.68 221	9.47 298	2.45 291	0.44 263	0.45 313	0.46 276	0.38 274	0.60 287	0.76 324

LL-Strereo	3.01 308	1.81 347	17.59 302	1.12 176	2.10 376	2.90 66	1.09 236	4.33 338	2.00 179	3.12 343	2.24 261	3.29 290	3.15 325	11.31 353	1.84 237	0.30 113	0.28 203	0.46 276	0.34 229	0.49 254	0.45 226

CES	1.01 28	0.55 36	1.74 35	0.92 84	2.15 377	2.15 45	0.50 19	2.01 27	1.45 27	0.76 13	1.02 9	0.61 4	0.47 1	1.29 42	0.79 43	0.22 5	0.17 9	0.24 19	0.14 2	0.63 295	2.29 385

RTS	3.90 349	7.04 392	17.94 304	1.92 358	2.19 378	5.00 384	2.96 367	4.29 321	3.19 349	4.05 369	3.08 339	4.94 371	3.16 326	7.64 267	6.72 350	0.66 337	0.44 309	0.51 306	0.47 309	0.95 347	0.76 324

RTSA	3.90 349	7.04 392	17.94 304	1.92 358	2.19 378	5.00 384	2.96 367	4.29 321	3.19 349	4.05 369	3.08 339	4.94 371	3.16 326	7.64 267	6.72 350	0.66 337	0.44 309	0.51 306	0.47 309	0.95 347	0.76 324

PDISCO_ROB	2.86 285	1.53 331	14.27 253	1.98 363	2.19 378	4.52 336	1.35 271	4.65 378	3.19 349	2.09 185	2.16 249	3.53 312	2.45 294	5.32 218	2.12 269	1.30 382	0.78 369	0.72 358	0.59 340	1.24 371	1.28 360

RASNet	2.56 262	0.70 150	10.06 208	1.60 324	2.25 381	3.67 164	1.00 217	3.38 134	3.14 344	1.81 111	2.11 241	4.60 363	2.30 282	10.25 322	2.61 303	0.37 200	0.24 159	0.25 29	0.24 82	0.28 37	0.26 46

DDUNet	2.91 291	2.78 371	6.94 177	3.53 396	2.26 382	3.28 100	1.36 273	3.77 183	2.04 185	2.62 304	2.49 299	4.18 344	1.69 222	5.38 220	1.85 238	2.21 388	1.77 393	2.61 397	2.43 405	2.60 386	2.34 387

tt	7.19 398	0.51 12	6.83 174	4.03 403	2.30 383	12.05 411	20.19 420	15.46 419	6.58 402	3.42 357	3.22 346	5.37 380	6.39 385	4.20 206	7.46 360	9.81 421	11.53 427	7.05 419	7.46 420	6.31 411	3.71 409

pmcnn	5.45 380	1.22 297	17.40 296	1.60 324	2.41 384	3.48 126	2.12 339	4.52 370	3.26 356	3.67 361	13.15 407	22.10 412	3.46 340	11.92 384	17.16 399	0.34 169	0.21 82	0.23 7	0.19 19	0.36 158	0.28 71

otaku	4.58 367	8.93 401	19.95 345	3.11 391	2.67 385	3.91 206	2.57 355	3.82 191	2.25 221	2.22 229	9.72 395	4.08 338	2.35 287	8.57 279	2.13 272	3.51 399	1.65 391	2.15 391	1.17 380	3.69 395	3.15 399

MDST_ROB	5.53 381	0.59 68	23.11 411	2.55 382	2.69 386	21.20 420	1.98 332	4.77 384	2.65 289	9.36 406	4.25 363	4.14 342	4.45 358	22.57 415	3.68 328	0.48 286	0.33 242	0.47 279	0.44 300	0.44 230	0.44 221

SQANet	3.70 343	9.34 406	18.41 312	2.75 384	2.74 387	3.40 114	1.47 290	3.50 143	1.68 127	2.60 301	1.75 143	2.69 242	1.91 255	6.72 252	1.74 226	2.96 392	1.41 387	1.85 387	1.12 377	3.17 389	2.70 395

WAO-6	5.87 387	2.27 360	15.05 265	2.96 388	2.77 388	12.01 410	3.58 386	5.37 397	11.91 408	3.34 353	9.69 394	6.78 387	5.84 375	11.82 379	8.89 368	2.87 391	2.35 404	2.50 393	1.84 397	2.85 388	2.67 392

MANE	11.39 408	1.38 319	23.16 412	4.82 414	2.79 389	22.02 421	14.51 413	25.81 422	26.28 422	10.93 414	13.17 408	19.90 411	18.03 414	15.69 411	20.41 412	0.96 366	0.74 367	1.42 384	3.24 416	0.74 327	1.71 375

G-Net	4.11 357	1.21 291	19.47 332	2.31 378	2.94 390	4.74 376	2.95 365	3.33 132	2.14 205	4.44 379	9.43 393	6.93 388	3.84 346	9.01 289	4.92 343	0.79 352	0.80 370	0.70 353	0.50 320	0.95 347	0.87 340

Ntro	4.21 360	8.94 402	19.89 343	3.22 392	2.96 391	4.15 260	1.89 327	3.92 221	2.36 241	1.77 104	2.14 246	3.35 295	2.17 276	9.48 299	2.24 279	3.52 400	1.76 392	2.13 390	1.31 384	3.83 398	3.09 397

DispFullNet	4.64 368	3.48 377	23.95 416	3.99 402	3.03 392	3.35 108	1.06 229	4.18 285	2.80 310	6.33 393	2.94 332	4.04 336	7.81 395	3.92 199	5.16 344	2.75 390	1.61 390	3.10 406	2.68 410	3.32 390	3.31 404

ACVNet-4b	6.73 394	13.67 419	21.87 405	3.54 397	3.07 393	4.19 280	2.25 344	4.03 248	3.65 371	1.64 83	3.98 362	5.88 382	2.89 312	10.01 315	16.98 398	23.29 431	2.24 399	2.53 394	1.78 394	3.87 399	3.21 402

WAO-8	11.95 410	13.02 416	20.56 373	3.50 394	3.08 394	15.11 417	2.80 360	12.91 412	19.11 418	7.69 398	13.12 405	11.62 399	7.01 390	84.40 440	7.91 362	3.42 397	1.92 395	3.54 412	1.93 400	3.68 393	2.69 393

Venus	11.95 410	13.02 416	20.56 373	3.50 394	3.08 394	15.11 417	2.80 360	12.91 412	19.11 418	7.69 398	13.12 405	11.62 399	7.01 390	84.40 440	7.91 362	3.42 397	1.92 395	3.54 412	1.93 400	3.68 393	2.69 393

ACVNet_1	6.04 389	13.97 420	21.36 395	3.58 398	3.14 396	4.73 373	2.48 350	4.20 288	3.17 347	2.98 335	2.83 330	23.31 414	4.34 356	11.06 349	2.45 291	3.68 401	2.33 402	2.60 396	1.79 395	3.69 395	3.19 401

ACVNet_2	5.41 379	12.60 415	20.42 369	3.27 393	3.15 397	4.50 331	3.02 370	4.66 379	3.73 374	3.35 355	5.36 372	7.86 391	2.88 311	12.33 389	4.76 339	3.12 395	2.22 398	2.70 400	1.69 390	3.49 391	3.10 398

LVE	6.88 397	9.31 405	21.14 387	3.61 399	3.18 398	4.49 328	2.79 359	10.21 407	11.69 406	3.16 347	11.53 402	18.33 408	4.31 355	11.66 370	3.52 325	4.45 411	2.93 408	2.56 395	1.91 399	3.62 392	3.16 400

RainbowNet	4.56 365	8.28 395	20.07 351	3.64 400	3.23 399	4.15 260	2.99 369	4.18 285	3.03 336	2.20 220	2.65 315	4.26 349	2.90 313	9.77 303	2.12 269	3.88 405	2.27 400	2.71 401	1.72 393	3.78 397	3.31 404

Dean	7.52 399	9.08 403	21.41 396	3.74 401	3.53 400	4.81 380	3.53 383	5.33 396	5.25 392	4.17 373	26.53 420	25.62 420	4.09 352	10.97 343	4.32 332	3.69 402	2.30 401	2.91 402	1.87 398	4.03 400	3.24 403

EDNetEfficient	5.61 382	2.14 358	16.75 286	1.67 332	3.64 401	4.12 253	7.51 402	3.05 103	5.63 397	11.57 415	4.83 369	3.95 329	12.72 405	8.44 278	20.78 413	0.41 241	0.43 306	0.47 279	1.01 372	1.66 380	1.39 368

IMH-64-1	4.84 371	2.53 366	6.83 174	4.30 407	3.74 402	4.81 380	6.05 397	5.30 393	3.92 377	3.95 367	8.33 384	5.08 376	6.06 378	8.96 287	6.30 347	4.57 413	2.96 410	3.04 403	2.12 402	4.28 402	3.62 407

IMH-64	4.84 371	2.53 366	6.83 174	4.30 407	3.74 402	4.81 380	6.05 397	5.30 393	3.92 377	3.95 367	8.33 384	5.08 376	6.06 378	8.96 287	6.30 347	4.57 413	2.96 410	3.04 403	2.12 402	4.28 402	3.62 407

IMH	6.81 396	13.66 418	20.41 368	4.33 409	3.74 402	5.50 389	3.06 372	5.49 399	6.22 399	4.64 382	10.35 397	9.30 395	8.03 398	13.61 403	6.81 352	4.80 416	2.99 413	3.09 405	2.12 402	4.36 404	3.61 406

TorneroNet-64	10.12 404	8.74 397	20.95 383	4.27 405	3.76 405	13.86 414	2.85 362	15.05 417	23.15 421	10.07 410	23.84 418	13.47 403	8.24 399	13.96 407	17.21 400	3.96 406	2.72 405	3.23 407	2.48 406	6.29 410	4.27 414

notaker	10.50 407	8.60 396	20.23 357	4.54 412	3.95 406	6.27 394	3.44 379	8.07 405	4.75 389	8.73 403	46.45 429	13.86 406	27.86 421	13.49 401	13.61 384	4.56 412	3.18 414	3.52 411	2.68 410	8.13 420	4.05 412

ktn	21.74 421	10.34 409	19.68 336	4.53 411	4.00 407	6.53 397	4.51 395	6.79 402	78.82 438	84.69 438	100.86 441	58.49 435	7.57 394	12.11 386	13.35 382	4.58 415	3.24 415	3.49 409	2.62 408	4.65 406	3.84 410

TorneroNet	25.88 423	11.28 413	21.62 402	4.20 404	4.07 408	55.25 433	3.15 375	15.16 418	76.94 437	58.09 433	82.72 438	86.88 439	41.15 426	13.35 399	18.13 404	4.32 407	2.85 406	3.45 408	2.62 408	8.33 421	4.14 413

JetRed	10.48 406	27.10 425	35.70 423	4.27 405	4.09 409	15.55 419	12.83 411	12.16 409	5.50 394	5.83 388	5.56 374	10.14 397	7.43 392	8.88 284	26.39 421	3.32 396	3.81 417	3.51 410	2.96 415	7.85 417	6.69 420

BEATNet-Init1	49.72 436	64.32 438	97.77 439	4.68 413	4.28 410	84.75 440	60.42 430	73.38 439	68.59 435	88.29 439	88.51 440	91.94 440	97.99 440	85.26 442	70.96 441	0.80 354	0.65 356	0.85 367	0.70 353	7.96 418	2.33 386

KSHMR	16.96 416	5.37 386	21.64 404	4.46 410	4.50 411	8.30 406	3.32 377	15.58 420	76.24 436	6.62 395	61.47 434	56.53 434	5.43 371	35.17 427	11.37 377	4.39 409	2.97 412	3.63 414	2.74 412	5.10 408	4.34 415

UNDER WATER	10.47 405	3.95 380	22.62 410	5.07 415	4.51 412	7.78 404	3.77 389	12.56 411	21.72 420	7.84 400	10.78 398	23.96 416	31.66 422	10.78 336	16.19 394	4.44 410	2.93 408	4.24 415	2.86 413	6.33 412	5.47 419

JetBlue	6.27 391	9.15 404	13.76 239	1.94 361	4.60 413	11.91 409	12.00 410	5.12 389	3.45 367	3.79 363	4.52 366	9.54 396	6.56 386	9.40 297	13.48 383	1.26 378	1.37 386	1.17 381	1.34 386	7.06 416	3.95 411

UNDER WATER-64	9.33 403	5.37 386	22.60 409	5.22 416	4.86 414	10.75 408	4.61 396	11.45 408	17.30 413	7.59 397	9.80 396	15.99 407	17.90 413	10.63 331	15.72 389	4.36 408	2.87 407	4.39 416	2.86 413	7.01 415	5.36 418

MADNet++	7.57 401	5.80 390	13.28 233	6.38 417	5.26 415	7.18 399	7.77 404	5.32 395	5.62 396	6.11 391	7.78 379	6.02 384	8.01 397	11.74 375	16.36 395	9.36 420	4.95 419	8.57 421	5.66 418	4.83 407	5.34 417

HanzoNet	31.60 426	17.23 421	21.22 392	7.32 418	5.84 416	7.25 401	3.53 383	13.82 416	14.20 411	50.38 431	47.01 430	44.45 424	56.61 436	36.61 428	32.00 426	63.89 437	56.57 438	7.97 420	89.20 438	28.69 425	28.25 428

SPstereo	30.42 425	11.55 414	18.72 317	8.51 420	9.93 417	50.05 432	82.85 440	71.73 438	35.92 429	30.73 426	29.66 421	48.61 433	42.30 434	47.77 437	58.10 437	7.32 419	8.89 422	20.37 427	10.07 421	7.98 419	7.43 421

DGSMNet	7.55 400	1.62 333	17.42 297	1.92 358	12.73 418	7.45 403	42.99 429	4.13 274	2.07 189	2.10 188	3.16 345	3.42 298	1.70 223	9.24 294	2.30 282	3.70 403	10.89 426	11.80 426	5.54 417	4.24 401	2.66 391

DGTPSM_ROB	15.31 414	8.85 399	28.14 421	9.90 422	18.89 419	12.44 412	33.21 423	13.48 414	17.86 416	9.50 407	22.89 416	13.78 404	19.67 415	21.26 413	23.68 415	5.08 417	8.84 420	5.62 417	11.50 422	6.72 413	14.87 422

DPSMNet_ROB	15.52 415	8.89 400	31.44 422	10.07 423	18.91 420	12.44 412	33.22 424	13.51 415	17.94 417	9.58 408	22.91 417	13.79 405	19.67 415	21.43 414	23.73 416	5.17 418	8.84 420	5.63 418	11.52 425	6.79 414	14.90 423

DPSM_ROB	20.78 419	20.03 423	26.57 419	23.62 425	22.46 421	31.10 424	39.97 427	33.52 426	17.41 414	15.25 417	15.80 413	24.06 417	20.71 418	23.30 418	27.62 423	10.78 422	9.41 424	11.69 424	11.50 422	14.49 423	16.36 424

DPSM	20.78 419	20.03 423	26.57 419	23.62 425	22.46 421	31.10 424	39.97 427	33.52 426	17.41 414	15.25 417	15.80 413	24.06 417	20.71 418	23.30 418	27.62 423	10.78 422	9.41 424	11.69 424	11.50 422	14.49 423	16.36 424

LE_ROB	18.58 417	1.21 291	48.38 429	8.60 421	23.00 423	7.32 402	19.74 419	9.94 406	38.69 430	43.53 428	21.91 415	28.40 422	40.92 425	23.18 417	54.71 430	0.34 169	0.33 242	0.32 138	0.36 251	0.42 217	0.40 200

LRCNet_RVC	25.52 422	33.45 426	23.21 414	31.79 427	32.78 424	6.74 398	1.18 252	25.88 423	4.46 383	28.94 420	30.89 422	24.91 419	17.57 412	27.66 422	24.34 418	35.26 433	25.60 434	35.91 434	33.81 433	31.90 433	34.10 434

PML	64.32 438	53.22 436	17.88 303	8.10 419	32.94 425	148.46 442	247.79 443	12.18 410	45.42 433	111.41 440	288.92 443	101.47 441	101.31 441	31.67 423	15.55 387	14.03 424	4.83 418	10.98 423	6.18 419	28.82 426	5.17 416

HaxPig	43.25 432	43.65 433	45.00 427	33.85 428	35.61 426	32.69 426	30.52 421	45.09 429	42.97 431	48.77 429	48.17 431	43.00 423	40.26 424	44.58 429	43.61 427	47.18 434	49.30 435	51.54 436	50.25 435	43.73 434	45.29 435

AVERAGE_ROB	44.46 433	45.91 434	46.59 428	40.59 430	38.66 427	32.99 427	30.52 421	46.19 430	43.26 432	49.59 430	48.97 432	44.62 425	39.89 423	45.04 430	43.94 428	48.74 435	50.69 436	50.80 435	49.79 434	45.54 435	46.97 436

MEDIAN_ROB	47.37 434	49.08 435	49.92 430	40.32 429	39.97 428	34.95 428	33.43 425	49.17 431	46.39 434	53.06 432	52.65 433	47.65 426	42.23 433	48.35 438	47.29 429	52.10 436	54.04 437	54.28 437	53.48 436	48.76 436	50.33 437

MyStereo03	41.77 427	40.13 428	53.46 434	47.73 431	45.04 429	62.50 434	80.72 437	66.91 432	34.93 424	30.53 422	31.77 423	48.26 429	41.67 428	46.68 434	55.85 434	21.53 425	18.88 429	23.46 428	23.21 429	29.14 427	33.09 431

MyStereo02	41.77 427	40.13 428	53.46 434	47.73 431	45.04 429	62.50 434	80.72 437	66.91 432	34.93 424	30.53 422	31.77 423	48.26 429	41.67 428	46.68 434	55.85 434	21.53 425	18.88 429	23.46 428	23.21 429	29.14 427	33.09 431

MyStereo	41.77 427	40.13 428	53.46 434	47.73 431	45.04 429	62.50 434	80.72 437	66.91 432	34.93 424	30.53 422	31.77 423	48.26 429	41.67 428	46.68 434	55.85 434	21.53 425	18.88 429	23.46 428	23.21 429	29.14 427	33.09 431

CasAABBNet	41.80 431	40.20 432	53.41 433	47.73 431	45.18 432	62.51 437	80.71 436	67.26 436	34.80 423	30.49 421	31.88 427	48.24 428	41.81 431	46.63 433	55.64 433	21.60 428	18.88 429	23.48 431	23.22 432	29.19 431	33.05 429

Selective-RAFT-Error	41.77 427	40.16 431	53.34 432	47.73 431	45.25 433	62.51 437	80.64 435	67.22 435	34.93 424	30.64 425	31.81 426	48.11 427	42.11 432	46.57 431	54.95 431	21.61 429	18.87 428	23.48 431	23.15 428	29.16 430	33.08 430

LSM	12.71 413	3.52 378	20.79 378	55.63 436	84.76 434	3.63 161	6.30 399	3.73 177	4.93 390	5.55 386	13.92 409	3.53 312	3.25 331	9.72 302	4.12 331	0.64 332	0.85 371	0.71 354	0.81 363	1.03 353	26.84 426

DPSimNet_ROB	102.30 439	119.72 443	143.59 441	109.42 438	94.10 435	127.22 441	127.15 441	26.62 424	102.36 442	149.58 442	83.99 439	139.34 442	137.54 442	64.62 439	82.36 442	105.18 438	66.15 439	120.15 438	69.61 437	99.58 438	77.72 439

EKT-Stereo	6.79 395	0.64 107	4.24 147	1.77 342	106.39 436	4.51 335	0.61 48	3.16 110	1.53 70	1.88 122	1.22 35	1.98 171	1.36 139	3.81 193	0.84 52	0.35 187	0.24 159	0.29 84	0.26 104	0.34 131	0.48 245

DLNR_Zeroshot_test	28.62 424	55.50 437	49.94 431	183.62 439	115.05 437	3.43 116	0.28 1	29.49 425	1.49 49	1.01 33	1.26 43	0.93 48	0.63 9	3.92 199	1.51 191	29.81 432	0.41 299	0.26 39	0.23 61	93.28 437	0.32 116

LSM0	49.58 435	40.04 427	53.62 437	97.15 437	128.68 438	62.75 439	79.89 434	67.63 437	35.11 428	33.02 427	32.61 428	48.43 432	41.60 427	46.60 432	55.43 432	21.63 430	18.99 433	23.62 433	23.13 427	29.47 432	52.26 438

Anonymous_1	57.11 437	19.68 422	26.15 418	23.10 424	142.31 439	30.84 423	39.75 426	33.86 428	16.98 412	70.53 437	15.42 412	23.46 415	19.75 417	23.04 416	27.23 422	164.73 442	9.02 423	130.38 439	137.40 439	161.27 442	27.24 427

xxxxx1	112.33 440	88.53 439	37.76 424	227.84 441	157.23 440	39.05 429	61.41 431	93.76 440	79.29 439	62.45 434	74.79 435	78.32 436	70.96 437	33.47 424	70.69 438	114.00 439	130.36 440	259.31 441	274.34 441	145.54 439	147.50 440

tt_ll	112.33 440	88.53 439	37.76 424	227.84 441	157.23 440	39.05 429	61.41 431	93.76 440	79.29 439	62.45 434	74.79 435	78.32 436	70.96 437	33.47 424	70.69 438	114.00 439	130.36 440	259.31 441	274.34 441	145.54 439	147.50 440

ff	112.33 440	88.53 439	37.76 424	227.84 441	157.23 440	39.05 429	61.41 431	93.76 440	79.29 439	62.45 434	74.79 435	78.32 436	70.96 437	33.47 424	70.69 438	114.00 439	130.36 440	259.31 441	274.34 441	145.54 439	147.50 440

test_example2	212.63 443	219.92 444	221.87 443	213.67 440	221.17 443	199.47 443	200.74 442	185.30 443	141.66 443	209.52 443	213.45 442	210.82 443	205.48 443	221.27 443	216.64 443	236.83 443	242.07 443	213.93 440	217.01 440	235.69 443	226.10 443

ASD4		113.98 442

Low-res two-view benchmark