Low-res two-view results

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

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

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

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

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

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

panet	0.13 2	0.08 2	0.21 4	0.15 2	0.07 1	0.21 78	0.12 1	0.24 12	0.24 57	0.16 27	0.21 47	0.15 31	0.13 36	0.18 20	0.13 27	0.08 103	0.05 6	0.06 1	0.04 1	0.06 6	0.05 1

DIP-Stereo	0.18 59	0.12 85	0.33 79	0.20 61	0.13 137	0.28 180	0.12 1	0.42 181	0.25 63	0.27 95	0.32 123	0.21 73	0.17 92	0.25 87	0.20 146	0.07 17	0.06 73	0.08 69	0.06 25	0.07 39	0.08 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DN-CSS_ROB	0.22 149	0.25 305	0.47 218	0.24 216	0.14 171	0.25 142	0.12 1	0.40 159	0.33 149	0.29 129	0.42 226	0.22 80	0.20 135	0.33 169	0.19 135	0.07 17	0.06 73	0.11 236	0.11 256	0.11 233	0.07 69

StereoIM	0.14 9	0.13 141	0.26 19	0.19 28	0.14 171	0.16 7	0.13 4	0.25 13	0.21 28	0.13 3	0.14 14	0.14 25	0.11 10	0.17 11	0.17 96	0.08 103	0.07 162	0.08 69	0.06 25	0.07 39	0.06 20

MIF-Stereo (partial)	0.16 32	0.10 26	0.34 84	0.21 90	0.15 212	0.15 4	0.13 4	0.28 37	0.25 63	0.17 32	0.26 76	0.15 31	0.16 69	0.25 87	0.17 96	0.09 170	0.06 73	0.10 188	0.08 114	0.09 146	0.08 116

MIF-Stereo	0.14 9	0.10 26	0.30 47	0.21 90	0.13 137	0.17 11	0.13 4	0.19 1	0.18 7	0.15 13	0.20 39	0.10 1	0.11 10	0.18 20	0.16 73	0.08 103	0.06 73	0.07 16	0.06 25	0.08 84	0.06 20

DLNR_Zeroshot_test	10.44 424	12.10 432	19.93 432	106.08 443	23.66 440	0.14 3	0.13 4	3.22 420	0.17 5	0.16 27	0.23 54	0.16 40	0.10 4	0.31 157	0.15 56	2.36 420	0.06 73	0.07 16	0.07 54	39.70 441	0.06 20

LL-Strereo2	0.18 59	0.18 242	0.39 145	0.22 135	0.12 81	0.24 131	0.13 4	0.31 65	0.23 47	0.24 76	0.20 39	0.24 110	0.12 16	0.26 100	0.15 56	0.06 1	0.06 73	0.12 270	0.09 189	0.08 84	0.07 69

EGLCR-Stereo	0.13 2	0.08 2	0.20 3	0.18 9	0.09 8	0.21 78	0.13 4	0.27 24	0.21 28	0.13 3	0.10 1	0.15 31	0.09 2	0.20 32	0.13 27	0.07 17	0.05 6	0.07 16	0.07 54	0.06 6	0.06 20

CREStereo++_RVC	0.15 25	0.08 2	0.26 19	0.17 6	0.11 45	0.18 16	0.13 4	0.22 4	0.30 119	0.21 56	0.30 105	0.13 12	0.11 10	0.16 7	0.15 56	0.07 17	0.04 1	0.06 1	0.15 325	0.06 6	0.05 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
raftrobust	0.16 32	0.13 141	0.29 41	0.22 135	0.15 212	0.19 38	0.13 4	0.32 73	0.26 70	0.26 91	0.20 39	0.19 63	0.17 92	0.21 44	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.07 69

RALAANet	0.19 96	0.18 242	0.37 115	0.23 177	0.14 171	0.23 116	0.13 4	0.37 135	0.29 110	0.28 104	0.26 76	0.25 117	0.15 55	0.26 100	0.18 110	0.08 103	0.06 73	0.09 124	0.08 114	0.09 146	0.06 20

XX-Stereo	0.21 123	0.10 26	0.83 339	0.26 281	0.17 251	0.23 116	0.13 4	0.40 159	0.18 7	0.20 47	0.41 212	0.31 185	0.10 4	0.32 163	0.12 7	0.08 103	0.06 73	0.08 69	0.08 114	0.07 39	0.05 1

MIM_Stereo	0.18 59	0.12 85	0.38 134	0.20 61	0.11 45	0.17 11	0.14 14	0.35 110	0.25 63	0.27 95	0.35 155	0.23 99	0.13 36	0.27 115	0.16 73	0.06 1	0.07 162	0.08 69	0.08 114	0.08 84	0.06 20

LoS	0.14 9	0.08 2	0.27 25	0.16 4	0.09 8	0.22 99	0.14 14	0.26 16	0.26 70	0.15 13	0.18 25	0.18 52	0.13 36	0.22 50	0.14 44	0.08 103	0.06 73	0.06 1	0.04 1	0.06 6	0.06 20

Selective-IGEV	0.12 1	0.09 11	0.22 7	0.19 28	0.10 22	0.15 4	0.14 14	0.27 24	0.15 2	0.13 3	0.14 14	0.13 12	0.08 1	0.21 44	0.12 7	0.06 1	0.05 6	0.07 16	0.06 25	0.06 6	0.05 1

Patchmatch Stereo++	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.26 100	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116
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
IIG-Stereo	0.23 166	0.13 141	0.35 92	0.29 324	0.12 81	0.23 116	0.14 14	0.38 141	0.31 130	0.34 218	0.37 174	0.33 200	0.21 141	0.70 307	0.26 225	0.08 103	0.06 73	0.09 124	0.07 54	0.07 39	0.06 20

ROB_FTStereo	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.28 85	0.25 117	0.17 92	0.24 63	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

HUI-Stereo	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.28 85	0.25 117	0.17 92	0.22 50	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

RAFT-RH_RVC	0.25 211	0.11 66	0.45 205	0.21 90	0.12 81	0.25 142	0.14 14	0.27 24	0.27 79	0.38 262	1.15 384	0.23 99	0.17 92	0.57 257	0.24 204	0.07 17	0.05 6	0.10 188	0.07 54	0.06 6	0.07 69

iRAFT	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.26 100	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

TANstereo	0.15 25	0.09 11	0.28 34	0.16 4	0.08 3	0.25 142	0.14 14	0.23 7	0.28 92	0.24 76	0.30 105	0.16 40	0.12 16	0.17 11	0.13 27	0.08 103	0.07 162	0.06 1	0.05 10	0.06 6	0.07 69

BEATNet_4x	0.22 149	0.18 242	0.47 218	0.22 135	0.10 22	0.28 180	0.14 14	0.46 214	0.32 138	0.31 174	0.34 148	0.31 185	0.25 191	0.31 157	0.29 242	0.08 103	0.06 73	0.08 69	0.06 25	0.10 195	0.08 116

CFNet	0.27 228	0.20 266	0.44 195	0.22 135	0.14 171	0.33 244	0.14 14	0.51 259	0.45 260	0.30 157	0.40 204	0.38 234	0.27 217	0.76 330	0.25 213	0.09 170	0.07 162	0.11 236	0.11 256	0.11 233	0.08 116

HITNet	0.20 109	0.17 230	0.43 189	0.19 28	0.08 3	0.27 167	0.14 14	0.42 181	0.30 119	0.29 129	0.32 123	0.27 145	0.21 141	0.28 127	0.25 213	0.07 17	0.05 6	0.07 16	0.06 25	0.09 146	0.06 20
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
CAS++	0.16 32	0.12 85	0.27 25	0.18 9	0.12 81	0.17 11	0.15 27	0.42 181	0.24 57	0.19 46	0.18 25	0.13 12	0.10 4	0.21 44	0.12 7	0.12 267	0.10 276	0.11 236	0.08 114	0.10 195	0.09 168
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
H2IRNET	0.18 59	0.13 141	0.35 92	0.21 90	0.12 81	0.20 59	0.15 27	0.27 24	0.30 119	0.17 32	0.31 119	0.25 117	0.20 135	0.24 63	0.18 110	0.07 17	0.06 73	0.09 124	0.10 221	0.09 146	0.06 20

MoCha-V2	0.13 2	0.08 2	0.26 19	0.23 177	0.09 8	0.16 7	0.15 27	0.26 16	0.16 3	0.15 13	0.15 16	0.13 12	0.14 47	0.20 32	0.11 1	0.06 1	0.07 162	0.06 1	0.06 25	0.06 6	0.05 1

LargeStereo	0.13 2	0.10 26	0.23 9	0.21 90	0.10 22	0.15 4	0.15 27	0.29 44	0.16 3	0.12 1	0.15 16	0.12 3	0.12 16	0.17 11	0.14 44	0.07 17	0.06 73	0.07 16	0.05 10	0.07 39	0.07 69

GMStereo_Zeroshot	0.24 189	0.21 279	0.45 205	0.26 281	0.13 137	0.28 180	0.15 27	0.39 152	0.35 162	0.37 254	0.43 238	0.40 259	0.17 92	0.34 175	0.20 146	0.12 267	0.07 162	0.13 289	0.07 54	0.16 304	0.09 168

IGEV_Zeroshot_test	0.18 59	0.10 26	0.65 301	0.20 61	0.12 81	0.19 38	0.15 27	0.34 93	0.19 9	0.28 104	0.22 52	0.27 145	0.13 36	0.23 57	0.18 110	0.07 17	0.06 73	0.08 69	0.08 114	0.07 39	0.06 20

MSKI-zero shot	0.17 41	0.09 11	0.43 189	0.20 61	0.11 45	0.21 78	0.15 27	0.32 73	0.21 28	0.23 63	0.24 64	0.23 99	0.10 4	0.31 157	0.13 27	0.07 17	0.06 73	0.07 16	0.06 25	0.06 6	0.06 20

CASnet	0.14 9	0.12 85	0.22 7	0.22 135	0.08 3	0.16 7	0.15 27	0.27 24	0.25 63	0.22 60	0.20 39	0.15 31	0.11 10	0.17 11	0.13 27	0.07 17	0.05 6	0.11 236	0.09 189	0.08 84	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-RAFT	0.17 41	0.12 85	0.30 47	0.24 216	0.10 22	0.29 199	0.15 27	0.32 73	0.31 130	0.17 32	0.17 21	0.21 73	0.18 114	0.28 127	0.17 96	0.07 17	0.06 73	0.07 16	0.07 54	0.08 84	0.06 20

GLC_STEREO	0.15 25	0.10 26	0.24 12	0.21 90	0.09 8	0.17 11	0.15 27	0.23 7	0.27 79	0.17 32	0.20 39	0.17 45	0.11 10	0.23 57	0.16 73	0.07 17	0.09 258	0.09 124	0.08 114	0.07 39	0.06 20

iGMRVC	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.15 27	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.27 115	0.17 96	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

RAFT-IKP	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.15 27	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.18 114	0.25 87	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

XX-TBD	0.15 25	0.18 242	0.28 34	0.22 135	0.10 22	0.22 99	0.15 27	0.22 4	0.27 79	0.22 60	0.26 76	0.14 25	0.12 16	0.16 7	0.13 27	0.08 103	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20

CFNet-RSSM	0.17 41	0.10 26	0.40 150	0.20 61	0.11 45	0.20 59	0.15 27	0.36 129	0.30 119	0.23 63	0.21 47	0.26 137	0.15 55	0.20 32	0.13 27	0.07 17	0.05 6	0.07 16	0.07 54	0.06 6	0.05 1

Gwc-CoAtRS	0.17 41	0.10 26	0.37 115	0.20 61	0.12 81	0.19 38	0.15 27	0.32 73	0.28 92	0.23 63	0.23 54	0.27 145	0.15 55	0.20 32	0.13 27	0.07 17	0.05 6	0.07 16	0.07 54	0.06 6	0.06 20

CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 3	0.22 99	0.15 27	0.25 13	0.24 57	0.16 27	0.21 47	0.14 25	0.13 36	0.18 20	0.13 27	0.09 170	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20
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
MyStereo8	0.22 149	0.15 196	0.63 295	0.21 90	0.17 251	0.31 227	0.16 43	0.36 129	0.32 138	0.28 104	0.36 165	0.25 117	0.18 114	0.25 87	0.28 232	0.08 103	0.07 162	0.08 69	0.07 54	0.10 195	0.12 261

PCWNet_CMD	0.23 166	0.13 141	0.48 227	0.20 61	0.13 137	0.28 180	0.16 43	0.46 214	0.46 274	0.29 129	0.36 165	0.37 229	0.24 176	0.28 127	0.20 146	0.09 170	0.06 73	0.10 188	0.08 114	0.11 233	0.09 168

AEACV	0.13 2	0.09 11	0.23 9	0.18 9	0.19 289	0.19 38	0.16 43	0.23 7	0.14 1	0.13 3	0.17 21	0.13 12	0.16 69	0.16 7	0.12 7	0.07 17	0.05 6	0.07 16	0.08 114	0.07 39	0.06 20

Any-RAFT	0.17 41	0.08 2	0.31 59	0.19 28	0.10 22	0.29 199	0.16 43	0.42 181	0.30 119	0.24 76	0.27 81	0.27 145	0.16 69	0.21 44	0.12 7	0.08 103	0.05 6	0.06 1	0.05 10	0.07 39	0.06 20

CES	0.14 9	0.08 2	0.19 1	0.17 6	0.22 326	0.18 16	0.16 43	0.23 7	0.19 9	0.14 9	0.17 21	0.14 25	0.10 4	0.18 20	0.12 7	0.07 17	0.05 6	0.06 1	0.04 1	0.08 84	0.18 327

riskmin	0.18 59	0.09 11	0.34 84	0.18 9	0.12 81	0.24 131	0.16 43	0.34 93	0.28 92	0.21 56	0.23 54	0.33 200	0.24 176	0.23 57	0.17 96	0.09 170	0.06 73	0.09 124	0.06 25	0.10 195	0.10 214

MC-Stereo	0.14 9	0.09 11	0.25 16	0.21 90	0.09 8	0.18 16	0.16 43	0.23 7	0.19 9	0.18 44	0.23 54	0.16 40	0.13 36	0.22 50	0.13 27	0.07 17	0.05 6	0.07 16	0.07 54	0.06 6	0.05 1

test-3	0.16 32	0.09 11	0.31 59	0.21 90	0.11 45	0.18 16	0.16 43	0.30 59	0.27 79	0.26 91	0.16 18	0.22 80	0.12 16	0.26 100	0.18 110	0.06 1	0.04 1	0.08 69	0.08 114	0.06 6	0.06 20

test_1	0.16 32	0.09 11	0.31 59	0.21 90	0.11 45	0.18 16	0.16 43	0.30 59	0.27 79	0.25 82	0.16 18	0.22 80	0.12 16	0.26 100	0.18 110	0.06 1	0.04 1	0.08 69	0.08 114	0.06 6	0.06 20

TRStereo	0.19 96	0.17 230	0.47 218	0.23 177	0.19 289	0.19 38	0.16 43	0.52 269	0.28 92	0.20 47	0.19 29	0.21 73	0.13 36	0.24 63	0.13 27	0.09 170	0.06 73	0.09 124	0.11 256	0.06 6	0.06 20

OMP-Stereo	0.23 166	0.14 171	0.35 92	0.29 324	0.13 137	0.21 78	0.16 43	0.37 135	0.33 149	0.34 218	0.30 105	0.34 206	0.19 127	0.70 307	0.24 204	0.07 17	0.06 73	0.09 124	0.07 54	0.07 39	0.06 20

PSM-adaLoss	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.16 43	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.18 114	0.24 63	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

ROB_FTStereo_v2	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.16 43	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.24 63	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

DeepStereo_RVC	0.18 59	0.11 66	0.40 150	0.21 90	0.11 45	0.19 38	0.16 43	0.28 37	0.22 35	0.27 95	0.27 81	0.23 99	0.28 231	0.24 63	0.18 110	0.08 103	0.06 73	0.09 124	0.07 54	0.09 146	0.10 214

RAFT-345	0.21 123	0.10 26	0.46 211	0.22 135	0.11 45	0.20 59	0.16 43	0.26 16	0.25 63	0.27 95	0.66 342	0.21 73	0.16 69	0.55 246	0.21 167	0.07 17	0.06 73	0.08 69	0.07 54	0.06 6	0.06 20

raft+_RVC	0.18 59	0.14 171	0.32 65	0.21 90	0.15 212	0.21 78	0.16 43	0.38 141	0.34 156	0.21 56	0.28 85	0.20 65	0.15 55	0.24 63	0.19 135	0.08 103	0.06 73	0.08 69	0.07 54	0.07 39	0.08 116

CFNet_pseudo	0.23 166	0.13 141	0.47 218	0.19 28	0.13 137	0.26 160	0.16 43	0.44 196	0.44 248	0.29 129	0.37 174	0.38 234	0.23 161	0.29 140	0.21 167	0.09 170	0.06 73	0.11 236	0.08 114	0.11 233	0.09 168

PMTNet	0.15 25	0.08 2	0.23 9	0.15 2	0.09 8	0.23 116	0.16 43	0.25 13	0.23 47	0.17 32	0.21 47	0.16 40	0.14 47	0.22 50	0.13 27	0.29 377	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20

MSMDNet	0.23 166	0.13 141	0.48 227	0.20 61	0.13 137	0.28 180	0.16 43	0.46 214	0.46 274	0.29 129	0.36 165	0.37 229	0.24 176	0.28 127	0.20 146	0.09 170	0.06 73	0.09 124	0.08 114	0.11 233	0.09 168

UCFNet_RVC	0.24 189	0.16 214	0.34 84	0.18 9	0.15 212	0.33 244	0.16 43	0.46 214	0.35 162	0.29 129	0.35 155	0.39 246	0.25 191	0.34 175	0.22 181	0.13 284	0.08 230	0.13 289	0.14 317	0.13 272	0.12 261

iResNet_ROB	0.25 211	0.19 258	0.40 150	0.20 61	0.12 81	0.30 216	0.16 43	0.55 297	0.53 318	0.38 262	0.43 238	0.37 229	0.26 200	0.38 194	0.22 181	0.08 103	0.06 73	0.06 1	0.04 1	0.09 146	0.09 168

MGS-Stereo	0.14 9	0.11 66	0.32 65	0.19 28	0.11 45	0.18 16	0.17 64	0.20 2	0.22 35	0.14 9	0.24 64	0.15 31	0.10 4	0.18 20	0.12 7	0.07 17	0.06 73	0.07 16	0.06 25	0.10 195	0.06 20

Former-RAFT_DAM_RVC	0.17 41	0.13 141	0.24 12	0.19 28	0.13 137	0.24 131	0.17 64	0.30 59	0.37 181	0.43 308	0.17 21	0.13 12	0.12 16	0.19 28	0.15 56	0.08 103	0.07 162	0.09 124	0.07 54	0.09 146	0.08 116

11t1	0.18 59	0.10 26	0.30 47	0.20 61	0.11 45	0.27 167	0.17 64	0.35 110	0.23 47	0.25 82	0.23 54	0.23 99	0.23 161	0.25 87	0.18 110	0.09 170	0.07 162	0.07 16	0.06 25	0.09 146	0.09 168

test croco	0.17 41	0.13 141	0.43 189	0.21 90	0.13 137	0.16 7	0.17 64	0.27 24	0.22 35	0.16 27	0.26 76	0.13 12	0.16 69	0.27 115	0.16 73	0.08 103	0.06 73	0.10 188	0.07 54	0.10 195	0.07 69

EKT-Stereo	0.38 316	0.12 85	0.38 134	0.42 374	3.88 421	0.21 78	0.17 64	0.35 110	0.28 92	0.20 47	0.20 39	0.23 99	0.15 55	0.28 127	0.16 73	0.09 170	0.07 162	0.09 124	0.07 54	0.09 146	0.09 168

CFNet_ucs	0.24 189	0.13 141	0.50 242	0.20 61	0.15 212	0.28 180	0.17 64	0.49 238	0.45 260	0.32 192	0.42 226	0.39 246	0.22 152	0.31 157	0.21 167	0.11 240	0.08 230	0.12 270	0.09 189	0.12 259	0.11 239

RAFT-Test	0.17 41	0.10 26	0.38 134	0.19 28	0.12 81	0.25 142	0.17 64	0.33 87	0.23 47	0.23 63	0.29 94	0.27 145	0.14 47	0.20 32	0.14 44	0.07 17	0.06 73	0.07 16	0.07 54	0.06 6	0.06 20

SDNR	0.42 333	0.21 279	0.82 338	0.21 90	0.18 271	1.27 401	0.17 64	0.50 246	0.49 297	0.42 302	0.81 364	0.38 234	0.27 217	1.19 386	0.38 281	0.23 362	0.24 376	0.17 335	0.13 306	0.17 319	0.20 344

4D-IteraStereo	0.17 41	0.16 214	0.50 242	0.21 90	0.14 171	0.19 38	0.17 64	0.28 37	0.28 92	0.23 63	0.20 39	0.20 65	0.11 10	0.19 28	0.14 44	0.06 1	0.04 1	0.10 188	0.08 114	0.08 84	0.06 20

anonymousdsp2	0.17 41	0.10 26	0.28 34	0.20 61	0.11 45	0.25 142	0.17 64	0.41 169	0.31 130	0.23 63	0.23 54	0.22 80	0.15 55	0.25 87	0.15 56	0.07 17	0.05 6	0.07 16	0.05 10	0.08 84	0.07 69

knoymous	0.17 41	0.09 11	0.32 65	0.17 6	0.11 45	0.21 78	0.17 64	0.32 73	0.23 47	0.23 63	0.28 85	0.27 145	0.16 69	0.23 57	0.16 73	0.09 170	0.06 73	0.09 124	0.06 25	0.09 146	0.09 168

RCA-Stereo	0.16 32	0.09 11	0.25 16	0.20 61	0.10 22	0.19 38	0.17 64	0.36 129	0.35 162	0.20 47	0.25 70	0.17 45	0.17 92	0.18 20	0.14 44	0.07 17	0.05 6	0.07 16	0.06 25	0.06 6	0.05 1

BUS	0.23 166	0.12 85	0.28 34	0.25 253	0.14 171	0.43 313	0.17 64	0.56 311	0.34 156	0.34 218	0.35 155	0.32 193	0.20 135	0.26 100	0.21 167	0.10 213	0.07 162	0.11 236	0.10 221	0.09 146	0.09 168

NINENet	0.25 211	0.15 196	0.37 115	0.23 177	0.16 235	0.43 313	0.17 64	0.60 338	0.46 274	0.32 192	0.37 174	0.32 193	0.20 135	0.42 203	0.21 167	0.10 213	0.10 276	0.12 270	0.08 114	0.11 233	0.10 214

IPLG	0.21 123	0.15 196	0.53 255	0.21 90	0.12 81	0.28 180	0.17 64	0.42 181	0.30 119	0.33 202	0.32 123	0.15 31	0.17 92	0.50 225	0.21 167	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.06 20

ASMatch	0.23 166	0.11 66	0.51 248	0.24 216	0.14 171	0.19 38	0.17 64	0.31 65	0.28 92	0.28 104	0.68 346	0.27 145	0.26 200	0.50 225	0.22 181	0.07 17	0.06 73	0.08 69	0.07 54	0.06 6	0.11 239

SST-Stereo	0.21 123	0.10 26	0.37 115	0.24 216	0.13 137	0.19 38	0.17 64	0.31 65	0.24 57	0.34 218	0.33 142	0.29 167	0.25 191	0.56 254	0.17 96	0.08 103	0.05 6	0.10 188	0.08 114	0.09 146	0.07 69

Pruner-Stereo	0.19 96	0.11 66	0.34 84	0.29 324	0.12 81	0.19 38	0.17 64	0.31 65	0.29 110	0.33 202	0.32 123	0.25 117	0.15 55	0.24 63	0.21 167	0.09 170	0.06 73	0.09 124	0.08 114	0.08 84	0.09 168

AnonymousM	0.17 41	0.19 258	0.24 12	0.18 9	0.10 22	0.18 16	0.17 64	0.30 59	0.23 47	0.26 91	0.20 39	0.18 52	0.14 47	0.19 28	0.14 44	0.09 170	0.06 73	0.38 380	0.15 325	0.06 6	0.05 1

CRE-IMP	0.18 59	0.12 85	0.37 115	0.22 135	0.11 45	0.24 131	0.17 64	0.29 44	0.21 28	0.27 95	0.26 76	0.24 110	0.17 92	0.23 57	0.18 110	0.08 103	0.05 6	0.10 188	0.07 54	0.10 195	0.10 214

rafts_anoy	0.18 59	0.15 196	0.35 92	0.22 135	0.14 171	0.19 38	0.17 64	0.32 73	0.30 119	0.23 63	0.25 70	0.20 65	0.16 69	0.22 50	0.19 135	0.08 103	0.07 162	0.10 188	0.12 288	0.09 146	0.08 116

iRaftStereo_RVC	0.16 32	0.12 85	0.26 19	0.21 90	0.11 45	0.20 59	0.17 64	0.32 73	0.23 47	0.20 47	0.25 70	0.18 52	0.12 16	0.20 32	0.15 56	0.07 17	0.05 6	0.09 124	0.09 189	0.08 84	0.07 69

sCroCo_RVC	0.18 59	0.14 171	0.49 232	0.27 304	0.18 271	0.22 99	0.17 64	0.27 24	0.23 47	0.14 9	0.22 52	0.17 45	0.14 47	0.21 44	0.15 56	0.10 213	0.11 294	0.09 124	0.09 189	0.09 146	0.09 168

111	0.20 109	0.17 230	0.40 150	0.18 9	0.09 8	0.24 131	0.17 64	0.41 169	0.45 260	0.23 63	0.29 94	0.29 167	0.21 141	0.24 63	0.18 110	0.07 17	0.05 6	0.07 16	0.06 25	0.07 39	0.08 116

RAFT-Stereo + iAFF	0.17 41	0.14 171	0.32 65	0.20 61	0.09 8	0.19 38	0.17 64	0.32 73	0.30 119	0.25 82	0.33 142	0.20 65	0.17 92	0.19 28	0.15 56	0.06 1	0.05 6	0.07 16	0.07 54	0.07 39	0.05 1

FENet	0.21 123	0.11 66	0.45 205	0.21 90	0.12 81	0.26 160	0.17 64	0.41 169	0.35 162	0.30 157	0.31 119	0.29 167	0.23 161	0.26 100	0.23 195	0.09 170	0.06 73	0.09 124	0.09 189	0.09 146	0.09 168

FADNet_RVC	0.30 263	0.28 326	0.83 339	0.23 177	0.15 212	0.30 216	0.17 64	0.49 238	0.37 181	0.30 157	0.38 184	0.30 177	0.27 217	0.52 236	0.31 252	0.14 307	0.14 325	0.14 308	0.16 336	0.21 345	0.23 362

ccs_rob	0.23 166	0.13 141	0.47 218	0.20 61	0.13 137	0.26 160	0.17 64	0.44 196	0.44 248	0.29 129	0.37 174	0.38 234	0.23 161	0.29 140	0.21 167	0.09 170	0.06 73	0.11 236	0.08 114	0.11 233	0.09 168

AdaStereo	0.24 189	0.16 214	0.37 115	0.24 216	0.12 81	0.32 235	0.17 64	0.54 287	0.42 229	0.33 202	0.38 184	0.35 220	0.21 141	0.30 152	0.22 181	0.14 307	0.06 73	0.13 289	0.08 114	0.11 233	0.08 116
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.
AE-Stereo	0.17 41	0.11 66	0.31 59	0.24 216	0.14 171	0.23 116	0.18 93	0.34 93	0.29 110	0.15 13	0.25 70	0.21 73	0.13 36	0.20 32	0.14 44	0.07 17	0.08 230	0.09 124	0.10 221	0.07 39	0.06 20

ff7	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.27 24	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.07 69

IGEVStereo-DCA	0.14 9	0.11 66	0.27 25	0.19 28	0.12 81	0.20 59	0.18 93	0.27 24	0.20 18	0.15 13	0.12 2	0.14 25	0.12 16	0.28 127	0.14 44	0.07 17	0.06 73	0.08 69	0.07 54	0.07 39	0.07 69

ffff	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.27 24	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.07 69

rrr	0.17 41	0.11 66	0.57 271	0.19 28	0.12 81	0.20 59	0.18 93	0.35 110	0.22 35	0.15 13	0.12 2	0.14 25	0.12 16	0.28 127	0.14 44	0.07 17	0.06 73	0.08 69	0.07 54	0.07 39	0.07 69

11t	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.27 24	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.07 69

whm_eth	0.23 166	0.18 242	0.56 267	0.24 216	0.19 289	0.21 78	0.18 93	0.37 135	0.40 213	0.31 174	0.60 326	0.15 31	0.17 92	0.26 100	0.19 135	0.09 170	0.08 230	0.10 188	0.09 189	0.09 146	0.11 239

HH	0.18 59	0.12 85	0.55 263	0.22 135	0.12 81	0.18 16	0.18 93	0.34 93	0.19 9	0.20 47	0.24 64	0.34 206	0.18 114	0.29 140	0.12 7	0.07 17	0.05 6	0.07 16	0.07 54	0.07 39	0.06 20

HanStereo	0.18 59	0.12 85	0.55 263	0.22 135	0.12 81	0.18 16	0.18 93	0.34 93	0.19 9	0.20 47	0.24 64	0.34 206	0.18 114	0.29 140	0.12 7	0.07 17	0.05 6	0.07 16	0.07 54	0.07 39	0.06 20

LoS_RVC	0.13 2	0.10 26	0.19 1	0.18 9	0.16 235	0.20 59	0.18 93	0.20 2	0.17 5	0.13 3	0.19 29	0.12 3	0.15 55	0.17 11	0.13 27	0.06 1	0.05 6	0.06 1	0.04 1	0.05 1	0.12 261

CAS	0.15 25	0.07 1	0.21 4	0.41 373	0.16 235	0.20 59	0.18 93	0.22 4	0.19 9	0.15 13	0.19 29	0.11 2	0.09 2	0.14 1	0.13 27	0.29 377	0.04 1	0.06 1	0.04 1	0.06 6	0.14 290

anonymousdsp	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.28 37	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.08 84	0.07 69

DCANet-4	0.19 96	0.10 26	0.52 252	0.19 28	0.09 8	0.19 38	0.18 93	0.36 129	0.39 200	0.29 129	0.30 105	0.17 45	0.22 152	0.20 32	0.18 110	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

ccc-4	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.27 24	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.07 69

fff	0.19 96	0.13 141	0.40 150	0.18 9	0.09 8	0.19 38	0.18 93	0.35 110	0.43 234	0.29 129	0.30 105	0.18 52	0.28 231	0.20 32	0.18 110	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

ADStereo(finetuned)	0.19 96	0.13 141	0.49 232	0.19 28	0.09 8	0.19 38	0.18 93	0.34 93	0.39 200	0.29 129	0.31 119	0.18 52	0.31 264	0.21 44	0.19 135	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

x	0.19 96	0.11 66	0.29 41	0.20 61	0.11 45	0.26 160	0.18 93	0.41 169	0.29 110	0.25 82	0.29 94	0.28 160	0.24 176	0.26 100	0.23 195	0.09 170	0.07 162	0.08 69	0.07 54	0.09 146	0.08 116

IGEV-Stereo	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.28 37	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.08 84	0.07 69
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
UDGNet	0.23 166	0.31 344	0.38 134	0.24 216	0.14 171	0.24 131	0.18 93	0.32 73	0.43 234	0.29 129	0.28 85	0.24 110	0.19 127	0.29 140	0.20 146	0.15 318	0.07 162	0.21 354	0.11 256	0.14 284	0.10 214

IPLGR	0.21 123	0.13 141	0.61 284	0.21 90	0.11 45	0.25 142	0.18 93	0.41 169	0.37 181	0.28 104	0.27 81	0.21 73	0.19 127	0.37 190	0.18 110	0.07 17	0.06 73	0.08 69	0.07 54	0.07 39	0.06 20

NF-Stereo	0.20 109	0.10 26	0.35 92	0.24 216	0.12 81	0.21 78	0.18 93	0.38 141	0.32 138	0.28 104	0.30 105	0.22 80	0.16 69	0.51 230	0.20 146	0.08 103	0.06 73	0.09 124	0.08 114	0.08 84	0.13 273

OCTAStereo	0.20 109	0.10 26	0.35 92	0.24 216	0.12 81	0.21 78	0.18 93	0.38 141	0.32 138	0.28 104	0.30 105	0.22 80	0.16 69	0.51 230	0.20 146	0.08 103	0.06 73	0.09 124	0.08 114	0.08 84	0.13 273

PSM-softLoss	0.21 123	0.10 26	0.39 145	0.24 216	0.12 81	0.20 59	0.18 93	0.38 141	0.26 70	0.29 129	0.32 123	0.24 110	0.16 69	0.52 236	0.20 146	0.09 170	0.06 73	0.10 188	0.09 189	0.08 84	0.12 261

KMStereo	0.21 123	0.10 26	0.39 145	0.24 216	0.12 81	0.20 59	0.18 93	0.38 141	0.26 70	0.29 129	0.32 123	0.24 110	0.16 69	0.52 236	0.20 146	0.09 170	0.06 73	0.10 188	0.09 189	0.08 84	0.12 261

RAFT_R40	0.21 123	0.10 26	0.37 115	0.24 216	0.13 137	0.18 16	0.18 93	0.31 65	0.29 110	0.33 202	0.33 142	0.30 177	0.24 176	0.55 246	0.18 110	0.08 103	0.05 6	0.10 188	0.08 114	0.08 84	0.07 69

RE-Stereo	0.20 109	0.10 26	0.35 92	0.24 216	0.12 81	0.21 78	0.18 93	0.38 141	0.32 138	0.28 104	0.30 105	0.22 80	0.16 69	0.51 230	0.20 146	0.08 103	0.06 73	0.09 124	0.08 114	0.08 84	0.13 273

TVStereo	0.20 109	0.10 26	0.35 92	0.24 216	0.12 81	0.21 78	0.18 93	0.38 141	0.32 138	0.28 104	0.30 105	0.22 80	0.16 69	0.51 230	0.20 146	0.08 103	0.06 73	0.09 124	0.08 114	0.08 84	0.13 273

CroCo-Stereo	0.14 9	0.13 141	0.24 12	0.25 253	0.11 45	0.11 1	0.18 93	0.32 73	0.23 47	0.12 1	0.12 2	0.18 52	0.12 16	0.14 1	0.13 27	0.08 103	0.06 73	0.07 16	0.05 10	0.07 39	0.06 20
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
pcwnet_v2	0.32 279	0.15 196	1.26 386	0.23 177	0.18 271	0.32 235	0.18 93	0.59 330	0.60 339	0.36 249	0.45 259	0.35 220	0.29 244	0.36 188	0.25 213	0.14 307	0.11 294	0.12 270	0.11 256	0.14 284	0.15 299

RALCasStereoNet	0.18 59	0.15 196	0.33 79	0.21 90	0.14 171	0.21 78	0.18 93	0.31 65	0.25 63	0.21 56	0.29 94	0.22 80	0.15 55	0.27 115	0.17 96	0.08 103	0.10 276	0.07 16	0.06 25	0.09 146	0.09 168

HCRNet	0.24 189	0.25 305	0.33 79	0.34 351	0.16 235	0.27 167	0.18 93	0.43 192	0.35 162	0.30 157	0.35 155	0.32 193	0.22 152	0.44 209	0.20 146	0.13 284	0.08 230	0.13 289	0.11 256	0.10 195	0.09 168

DCANet	0.18 59	0.13 141	0.40 150	0.19 28	0.09 8	0.19 38	0.18 93	0.34 93	0.39 200	0.29 129	0.31 119	0.18 52	0.23 161	0.20 32	0.19 135	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

csc	0.19 96	0.13 141	0.40 150	0.18 9	0.09 8	0.19 38	0.18 93	0.35 110	0.43 234	0.29 129	0.30 105	0.18 52	0.28 231	0.20 32	0.18 110	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

cscssc	0.19 96	0.13 141	0.40 150	0.18 9	0.09 8	0.19 38	0.18 93	0.35 110	0.43 234	0.29 129	0.30 105	0.18 52	0.28 231	0.20 32	0.18 110	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

test_xeample3	0.16 32	0.11 66	0.56 267	0.19 28	0.12 81	0.20 59	0.18 93	0.35 110	0.20 18	0.16 27	0.12 2	0.13 12	0.12 16	0.24 63	0.15 56	0.07 17	0.06 73	0.07 16	0.08 114	0.07 39	0.07 69

AFF-stereo	0.18 59	0.15 196	0.32 65	0.21 90	0.10 22	0.18 16	0.18 93	0.33 87	0.27 79	0.25 82	0.37 174	0.25 117	0.17 92	0.24 63	0.15 56	0.06 1	0.05 6	0.08 69	0.08 114	0.07 39	0.05 1

iResNetv2_ROB	0.27 228	0.26 316	0.72 319	0.23 177	0.13 137	0.29 199	0.18 93	0.52 269	0.49 297	0.37 254	0.45 259	0.39 246	0.25 191	0.34 175	0.20 146	0.08 103	0.06 73	0.07 16	0.05 10	0.12 259	0.09 168

SMFormer	0.25 211	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.28 232	0.10 213	0.07 162	0.08 69	0.08 114	0.09 146	0.09 168

tta	0.24 189	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.28 232	0.10 213	0.07 162	0.08 69	0.08 114	0.08 84	0.07 69

qqq1	0.24 189	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.16 73	0.10 213	0.07 162	0.07 16	0.06 25	0.08 84	0.07 69

fff1	0.24 189	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.16 73	0.10 213	0.07 162	0.07 16	0.06 25	0.08 84	0.07 69

ACVNet-DCA	0.18 59	0.14 171	0.38 134	0.23 177	0.11 45	0.31 227	0.19 130	0.41 169	0.27 79	0.17 32	0.19 29	0.13 12	0.18 114	0.28 127	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

xx1	0.20 109	0.14 171	0.38 134	0.23 177	0.11 45	0.31 227	0.19 130	0.35 110	0.47 279	0.17 32	0.19 29	0.28 160	0.24 176	0.28 127	0.11 1	0.08 103	0.05 6	0.10 188	0.09 189	0.09 146	0.09 168

1test111	0.19 96	0.14 171	0.38 134	0.23 177	0.11 45	0.31 227	0.19 130	0.41 169	0.27 79	0.17 32	0.19 29	0.13 12	0.18 114	0.34 175	0.22 181	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

cc1	0.18 59	0.14 171	0.38 134	0.23 177	0.11 45	0.31 227	0.19 130	0.35 110	0.47 279	0.17 32	0.19 29	0.13 12	0.18 114	0.28 127	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

tt1	0.18 59	0.14 171	0.35 92	0.23 177	0.11 45	0.30 216	0.19 130	0.35 110	0.44 248	0.17 32	0.19 29	0.13 12	0.16 69	0.27 115	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

CASS	0.21 123	0.15 196	0.32 65	0.26 281	0.11 45	0.28 180	0.19 130	0.39 152	0.30 119	0.32 192	0.34 148	0.25 117	0.24 176	0.25 87	0.20 146	0.13 284	0.08 230	0.11 236	0.09 189	0.11 233	0.11 239
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.20 109	0.13 141	0.40 150	0.21 90	0.15 212	0.20 59	0.19 130	0.30 59	0.27 79	0.22 60	0.80 363	0.23 99	0.16 69	0.23 57	0.15 56	0.07 17	0.07 162	0.07 16	0.08 114	0.07 39	0.06 20

ProNet	0.14 9	0.12 85	0.25 16	0.19 28	0.11 45	0.19 38	0.19 130	0.27 24	0.20 18	0.14 9	0.13 6	0.13 12	0.12 16	0.24 63	0.12 7	0.06 1	0.05 6	0.07 16	0.06 25	0.07 39	0.07 69

CroCo-Stereo Lap2	0.15 25	0.15 196	0.28 34	0.25 253	0.18 271	0.11 1	0.19 130	0.28 37	0.21 28	0.13 3	0.16 18	0.15 31	0.12 16	0.17 11	0.14 44	0.07 17	0.07 162	0.08 69	0.06 25	0.08 84	0.07 69

qqq	0.20 109	0.12 85	0.31 59	0.20 61	0.11 45	0.23 116	0.19 130	0.41 169	0.27 79	0.24 76	0.28 85	0.28 160	0.24 176	0.34 175	0.22 181	0.08 103	0.07 162	0.10 188	0.09 189	0.09 146	0.09 168

IER	0.23 166	0.12 85	0.39 145	0.20 61	0.14 171	0.31 227	0.19 130	0.42 181	0.36 172	0.33 202	0.40 204	0.32 193	0.33 274	0.29 140	0.22 181	0.09 170	0.07 162	0.08 69	0.08 114	0.09 146	0.08 116

iRaft-Stereo_5w	0.23 166	0.18 242	0.44 195	0.22 135	0.13 137	0.19 38	0.19 130	0.37 135	0.32 138	0.28 104	0.37 174	0.34 206	0.23 161	0.65 295	0.27 229	0.06 1	0.06 73	0.08 69	0.07 54	0.09 146	0.08 116

iRaft-Stereo_20w	0.19 96	0.10 26	0.46 211	0.19 28	0.13 137	0.25 142	0.19 130	0.52 269	0.19 9	0.29 129	0.21 47	0.22 80	0.20 135	0.28 127	0.18 110	0.07 17	0.06 73	0.07 16	0.08 114	0.08 84	0.08 116

AACVNet	0.26 221	0.16 214	0.37 115	0.22 135	0.14 171	0.29 199	0.19 130	0.41 169	0.31 130	0.38 262	0.42 226	0.43 272	0.28 231	0.73 317	0.25 213	0.11 240	0.08 230	0.11 236	0.09 189	0.13 272	0.11 239

GANet-ADL	0.21 123	0.12 85	0.45 205	0.23 177	0.14 171	0.29 199	0.19 130	0.46 214	0.35 162	0.25 82	0.32 123	0.32 193	0.19 127	0.24 63	0.20 146	0.10 213	0.07 162	0.07 16	0.06 25	0.09 146	0.10 214

PFNet+	0.20 109	0.10 26	0.37 115	0.21 90	0.12 81	0.17 11	0.19 130	0.29 44	0.34 156	0.33 202	0.32 123	0.24 110	0.16 69	0.32 163	0.17 96	0.10 213	0.07 162	0.11 236	0.10 221	0.08 84	0.12 261

LCNet	0.21 123	0.11 66	0.29 41	0.25 253	0.12 81	0.23 116	0.19 130	0.34 93	0.26 70	0.28 104	0.35 155	0.26 137	0.30 253	0.35 184	0.17 96	0.07 17	0.05 6	0.09 124	0.10 221	0.13 272	0.22 356

AAGNet	0.33 285	0.11 66	0.37 115	0.25 253	0.16 235	0.20 59	0.19 130	0.30 59	0.27 79	0.35 234	0.35 155	0.27 145	0.30 253	0.44 209	2.66 414	0.08 103	0.05 6	0.10 188	0.07 54	0.08 84	0.06 20

TransformOpticalFlow	0.24 189	0.13 141	0.56 267	0.23 177	0.11 45	0.21 78	0.19 130	0.40 159	0.32 138	0.30 157	0.43 238	0.36 225	0.31 264	0.61 274	0.20 146	0.07 17	0.05 6	0.08 69	0.07 54	0.06 6	0.07 69

PFNet	0.23 166	0.10 26	0.57 271	0.24 216	0.14 171	0.22 99	0.19 130	0.39 152	0.33 149	0.35 234	0.32 123	0.27 145	0.19 127	0.64 289	0.22 181	0.09 170	0.05 6	0.09 124	0.07 54	0.08 84	0.07 69

s12784h	0.17 41	0.09 11	0.26 19	0.18 9	0.07 1	0.32 235	0.19 130	0.37 135	0.32 138	0.23 63	0.25 70	0.18 52	0.17 92	0.25 87	0.16 73	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.05 1

sAnonymous2	0.20 109	0.21 279	0.58 275	0.24 216	0.17 251	0.22 99	0.19 130	0.34 93	0.28 92	0.17 32	0.19 29	0.17 45	0.16 69	0.17 11	0.14 44	0.10 213	0.07 162	0.09 124	0.08 114	0.23 354	0.17 314

CroCo_RVC	0.20 109	0.21 279	0.58 275	0.24 216	0.17 251	0.22 99	0.19 130	0.34 93	0.28 92	0.17 32	0.19 29	0.17 45	0.16 69	0.17 11	0.14 44	0.10 213	0.07 162	0.09 124	0.08 114	0.23 354	0.17 314

GES	0.22 149	0.12 85	0.42 179	0.20 61	0.14 171	0.27 167	0.19 130	0.49 238	0.33 149	0.30 157	0.36 165	0.25 117	0.23 161	0.29 140	0.22 181	0.10 213	0.08 230	0.08 69	0.07 54	0.10 195	0.11 239

GMStereo	0.19 96	0.25 305	0.40 150	0.21 90	0.12 81	0.22 99	0.19 130	0.29 44	0.40 213	0.25 82	0.23 54	0.16 40	0.15 55	0.25 87	0.19 135	0.09 170	0.06 73	0.08 69	0.08 114	0.10 195	0.08 116
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FADNet	0.32 279	0.36 357	0.74 323	0.23 177	0.22 326	0.37 276	0.19 130	0.53 280	0.48 288	0.32 192	0.36 165	0.43 272	0.32 271	0.64 289	0.25 213	0.16 330	0.16 346	0.14 308	0.16 336	0.24 357	0.19 334

R-Stereo Train	0.18 59	0.09 11	0.32 65	0.22 135	0.12 81	0.22 99	0.19 130	0.42 181	0.19 9	0.31 174	0.45 259	0.20 65	0.14 47	0.18 20	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.06 20

RAFT-Stereo	0.18 59	0.09 11	0.32 65	0.22 135	0.12 81	0.22 99	0.19 130	0.42 181	0.19 9	0.31 174	0.45 259	0.20 65	0.14 47	0.18 20	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.06 20
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.28 246	0.14 171	0.44 195	0.22 135	0.18 271	0.32 235	0.19 130	0.48 232	0.38 194	0.29 129	0.43 238	0.47 294	0.37 297	0.79 340	0.36 278	0.09 170	0.07 162	0.07 16	0.09 189	0.07 39	0.07 69

MLCV	0.22 149	0.16 214	0.44 195	0.21 90	0.08 3	0.29 199	0.19 130	0.38 141	0.37 181	0.38 262	0.44 247	0.31 185	0.21 141	0.41 201	0.24 204	0.07 17	0.05 6	0.06 1	0.05 10	0.07 39	0.06 20

HSM	0.28 246	0.16 214	0.35 92	0.20 61	0.15 212	0.33 244	0.19 130	0.53 280	0.37 181	0.36 249	0.38 184	0.67 360	0.31 264	0.89 360	0.23 195	0.08 103	0.06 73	0.08 69	0.07 54	0.08 84	0.08 116

NOSS_ROB	0.31 270	0.20 266	0.35 92	0.24 216	0.16 235	0.32 235	0.19 130	0.52 269	0.48 288	0.33 202	0.36 165	0.42 269	0.28 231	0.93 366	0.24 204	0.19 355	0.20 366	0.24 363	0.22 365	0.17 319	0.17 314

PWC_ROB	0.38 316	0.29 333	0.69 310	0.25 253	0.20 303	0.38 283	0.19 130	0.58 325	0.67 353	0.57 354	0.85 368	0.51 313	0.40 309	0.71 310	0.52 332	0.13 284	0.09 258	0.14 308	0.10 221	0.17 319	0.14 290

PWCDC_ROB	0.38 316	0.30 339	0.60 281	0.33 349	0.20 303	0.42 305	0.19 130	0.58 325	0.89 380	0.42 302	1.26 388	0.36 225	0.34 281	0.50 225	0.38 281	0.18 350	0.11 294	0.11 236	0.09 189	0.19 334	0.13 273

DualNet	0.26 221	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.35 110	0.44 248	0.30 157	0.42 226	0.34 206	0.23 161	0.27 115	1.08 377	0.08 103	0.05 6	0.11 236	0.10 221	0.08 84	0.08 116

ffm	0.22 149	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.35 110	0.44 248	0.30 157	0.42 226	0.34 206	0.23 161	0.27 115	0.11 1	0.08 103	0.05 6	0.11 236	0.10 221	0.08 84	0.08 116

ff1	0.29 256	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.35 110	0.44 248	0.30 157	0.42 226	0.34 206	0.23 161	0.81 347	1.08 377	0.08 103	0.05 6	0.11 236	0.10 221	0.08 84	0.08 116

mmx	0.31 270	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.55 297	0.45 260	0.30 157	0.42 226	0.34 206	0.23 161	0.81 347	1.08 377	0.10 213	0.07 162	0.11 236	0.10 221	0.11 233	0.10 214

ttt	0.29 256	0.12 85	0.34 84	0.21 90	0.13 137	0.29 199	0.20 168	0.56 311	0.47 279	0.31 174	0.44 247	0.30 177	0.22 152	0.65 295	0.85 367	0.13 284	0.10 276	0.10 188	0.10 221	0.11 233	0.11 239

xxx	0.31 270	0.12 85	0.42 179	0.20 61	0.13 137	0.28 180	0.20 168	0.55 297	0.45 260	0.30 157	0.42 226	0.34 206	0.23 161	0.81 347	1.08 377	0.10 213	0.07 162	0.11 236	0.10 221	0.11 233	0.10 214

anonymousa	0.23 166	0.11 66	0.50 242	0.21 90	0.16 235	0.31 227	0.20 168	0.36 129	0.35 162	0.32 192	0.50 285	0.39 246	0.26 200	0.22 50	0.20 146	0.08 103	0.06 73	0.09 124	0.11 256	0.07 39	0.08 116

DisPM	0.19 96	0.10 26	0.35 92	0.23 177	0.13 137	0.18 16	0.20 168	0.29 44	0.29 110	0.33 202	0.34 148	0.23 99	0.16 69	0.33 169	0.16 73	0.09 170	0.06 73	0.09 124	0.08 114	0.07 39	0.11 239

CIPLG	0.21 123	0.21 279	0.55 263	0.23 177	0.15 212	0.25 142	0.20 168	0.35 110	0.29 110	0.31 174	0.33 142	0.22 80	0.15 55	0.26 100	0.20 146	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116

dad	0.28 246	0.31 344	0.44 195	0.21 90	0.14 171	0.30 216	0.20 168	0.33 87	0.49 297	0.44 314	0.44 247	0.45 286	0.21 141	0.41 201	0.26 225	0.20 358	0.11 294	0.20 352	0.11 256	0.14 284	0.10 214

IPLGR_C	0.21 123	0.22 291	0.60 281	0.23 177	0.15 212	0.24 131	0.20 168	0.35 110	0.29 110	0.31 174	0.32 123	0.22 80	0.15 55	0.25 87	0.20 146	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116

MIPNet	0.21 123	0.15 196	0.52 252	0.21 90	0.12 81	0.27 167	0.20 168	0.45 204	0.37 181	0.30 157	0.23 54	0.19 63	0.24 176	0.27 115	0.19 135	0.07 17	0.05 6	0.08 69	0.07 54	0.07 39	0.06 20

AASNet	0.27 228	0.19 258	0.49 232	0.26 281	0.17 251	0.34 257	0.20 168	0.62 350	0.48 288	0.35 234	0.40 204	0.32 193	0.25 191	0.28 127	0.34 268	0.11 240	0.09 258	0.10 188	0.08 114	0.13 272	0.11 239

ACRE	0.21 123	0.20 266	0.62 292	0.23 177	0.15 212	0.24 131	0.20 168	0.35 110	0.28 92	0.31 174	0.32 123	0.22 80	0.15 55	0.25 87	0.20 146	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116

HHNet	0.22 149	0.12 85	0.52 252	0.18 9	0.18 271	0.20 59	0.20 168	0.34 93	0.31 130	0.32 192	0.59 321	0.20 65	0.21 141	0.24 63	0.31 252	0.08 103	0.05 6	0.09 124	0.07 54	0.08 84	0.11 239

NRIStereo	0.18 59	0.11 66	0.35 92	0.23 177	0.11 45	0.24 131	0.20 168	0.29 44	0.26 70	0.26 91	0.25 70	0.25 117	0.18 114	0.34 175	0.18 110	0.07 17	0.06 73	0.09 124	0.07 54	0.09 146	0.08 116

222	0.41 330	0.10 26	0.29 41	0.19 28	0.11 45	0.36 271	0.20 168	0.57 318	0.39 200	0.35 234	0.44 247	0.30 177	0.27 217	0.55 246	3.56 417	0.11 240	0.07 162	0.08 69	0.08 114	0.09 146	0.09 168

xxxx	0.34 292	0.10 26	0.29 41	0.19 28	0.11 45	0.37 276	0.20 168	0.58 325	0.38 194	0.29 129	0.42 226	0.38 234	0.24 176	0.46 213	2.20 410	0.11 240	0.07 162	0.09 124	0.08 114	0.09 146	0.09 168

PSMNet-RSSM	0.24 189	0.15 196	0.36 110	0.21 90	0.14 171	0.25 142	0.20 168	0.48 232	0.37 181	0.30 157	0.44 247	0.38 234	0.26 200	0.52 236	0.22 181	0.12 267	0.07 162	0.11 236	0.13 306	0.10 195	0.09 168

DMCA	0.22 149	0.14 171	0.36 110	0.22 135	0.14 171	0.27 167	0.20 168	0.43 192	0.38 194	0.31 174	0.32 123	0.33 200	0.24 176	0.24 63	0.28 232	0.11 240	0.08 230	0.10 188	0.08 114	0.10 195	0.11 239

FADNet-RVC	0.31 270	0.35 354	0.78 325	0.25 253	0.20 303	0.33 244	0.20 168	0.49 238	0.40 213	0.34 218	0.39 196	0.41 262	0.29 244	0.63 287	0.31 252	0.13 284	0.14 325	0.14 308	0.15 325	0.19 334	0.19 334

HSM-Net_RVC	0.27 228	0.11 66	0.42 179	0.19 28	0.11 45	0.34 257	0.20 168	0.62 350	0.43 234	0.40 285	0.43 238	0.50 309	0.26 200	0.76 330	0.22 181	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CBMV_ROB	0.33 285	0.18 242	0.53 255	0.21 90	0.14 171	0.33 244	0.20 168	0.51 259	0.45 260	0.51 337	0.55 311	0.45 286	0.42 321	0.71 310	0.32 257	0.18 350	0.19 361	0.23 361	0.21 358	0.14 284	0.15 299

CoDeX	0.23 166	0.12 85	0.46 211	0.21 90	0.14 171	0.29 199	0.21 191	0.53 280	0.41 224	0.29 129	0.35 155	0.29 167	0.22 152	0.48 218	0.19 135	0.09 170	0.06 73	0.08 69	0.07 54	0.08 84	0.07 69

mmm	0.21 123	0.12 85	0.31 59	0.22 135	0.12 81	0.28 180	0.21 191	0.41 169	0.27 79	0.29 129	0.38 184	0.29 167	0.24 176	0.29 140	0.22 181	0.09 170	0.07 162	0.11 236	0.09 189	0.10 195	0.09 168

BSDual-CNN	0.23 166	0.12 85	0.28 34	0.25 253	0.14 171	0.35 266	0.21 191	0.56 311	0.34 156	0.34 218	0.35 155	0.38 234	0.24 176	0.26 100	0.21 167	0.10 213	0.07 162	0.11 236	0.10 221	0.09 146	0.09 168

hknet	0.25 211	0.14 171	0.40 150	0.25 253	0.15 212	0.35 266	0.21 191	0.56 311	0.37 181	0.34 218	0.35 155	0.43 272	0.27 217	0.37 190	0.21 167	0.09 170	0.07 162	0.11 236	0.10 221	0.09 146	0.09 168

dd	0.22 149	0.26 316	0.40 150	0.22 135	0.12 81	0.25 142	0.21 191	0.32 73	0.44 248	0.29 129	0.28 85	0.25 117	0.16 69	0.30 152	0.25 213	0.12 267	0.07 162	0.10 188	0.08 114	0.11 233	0.09 168

STrans-v2	0.24 189	0.13 141	0.54 258	0.21 90	0.12 81	0.23 116	0.21 191	0.47 221	0.28 92	0.31 174	0.42 226	0.36 225	0.35 285	0.62 282	0.23 195	0.07 17	0.05 6	0.08 69	0.07 54	0.06 6	0.06 20

TestStereo	0.21 123	0.19 258	0.40 150	0.25 253	0.10 22	0.22 99	0.21 191	0.31 65	0.31 130	0.23 63	0.34 148	0.22 80	0.18 114	0.62 282	0.18 110	0.08 103	0.06 73	0.10 188	0.07 54	0.11 233	0.06 20

acv_ft	0.25 211	0.13 141	0.40 150	0.23 177	0.19 289	0.34 257	0.21 191	0.45 204	0.44 248	0.38 262	0.41 212	0.38 234	0.27 217	0.27 115	0.35 272	0.08 103	0.07 162	0.08 69	0.07 54	0.11 233	0.07 69

GANet-RSSM	0.24 189	0.14 171	0.36 110	0.21 90	0.14 171	0.27 167	0.21 191	0.45 204	0.33 149	0.29 129	0.39 196	0.39 246	0.28 231	0.58 262	0.23 195	0.11 240	0.07 162	0.09 124	0.09 189	0.10 195	0.09 168

CFNet-ft	0.24 189	0.15 196	0.35 92	0.18 9	0.15 212	0.30 216	0.21 191	0.39 152	0.36 172	0.28 104	0.40 204	0.43 272	0.25 191	0.47 216	0.24 204	0.12 267	0.07 162	0.12 270	0.11 256	0.12 259	0.09 168

DMCA-RVC	0.27 228	0.21 279	0.61 284	0.28 321	0.17 251	0.29 199	0.21 191	0.42 181	0.35 162	0.40 285	0.37 174	0.39 246	0.36 289	0.43 205	0.30 248	0.13 284	0.10 276	0.15 320	0.11 256	0.13 272	0.10 214

FADNet-RVC-Resample	0.29 256	0.25 305	0.93 358	0.26 281	0.16 235	0.32 235	0.21 191	0.47 221	0.39 200	0.35 234	0.38 184	0.33 200	0.27 217	0.53 241	0.24 204	0.10 213	0.10 276	0.14 308	0.13 306	0.13 272	0.16 306

CFNet_RVC	0.24 189	0.15 196	0.35 92	0.18 9	0.15 212	0.30 216	0.21 191	0.39 152	0.36 172	0.28 104	0.40 204	0.43 272	0.25 191	0.47 216	0.24 204	0.12 267	0.07 162	0.12 270	0.11 256	0.12 259	0.09 168

DeepPruner_ROB	0.26 221	0.19 258	0.44 195	0.21 90	0.16 235	0.30 216	0.21 191	0.52 269	0.32 138	0.35 234	0.38 184	0.39 246	0.26 200	0.42 203	0.24 204	0.15 318	0.11 294	0.11 236	0.11 256	0.14 284	0.13 273

StereoDRNet-Refined	0.27 228	0.17 230	0.35 92	0.25 253	0.14 171	0.37 276	0.21 191	0.47 221	0.41 224	0.44 314	0.51 291	0.41 262	0.28 231	0.45 211	0.37 279	0.09 170	0.06 73	0.11 236	0.11 256	0.10 195	0.10 214
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet	0.24 189	0.18 242	0.61 284	0.25 253	0.11 45	0.29 199	0.21 191	0.42 181	0.43 234	0.33 202	0.43 238	0.27 145	0.22 152	0.34 175	0.26 225	0.07 17	0.05 6	0.07 16	0.06 25	0.08 84	0.07 69

DispNO	0.27 228	0.18 242	0.62 292	0.23 177	0.17 251	0.25 142	0.22 207	0.45 204	0.41 224	0.32 192	0.39 196	0.38 234	0.27 217	0.77 336	0.27 229	0.09 170	0.07 162	0.10 188	0.10 221	0.08 84	0.08 116

StereoVision	0.22 149	0.18 242	0.37 115	0.27 304	0.17 251	0.23 116	0.22 207	0.38 141	0.31 130	0.20 47	0.51 291	0.22 80	0.16 69	0.28 127	0.18 110	0.11 240	0.12 311	0.13 289	0.13 306	0.10 195	0.07 69

SQANet	0.40 328	0.48 374	0.67 305	0.48 381	0.39 376	0.48 332	0.22 207	0.51 259	0.43 234	0.40 285	0.47 276	0.47 294	0.33 274	0.54 245	0.32 257	0.36 383	0.15 339	0.40 382	0.21 358	0.45 383	0.31 375

iinet-f	0.30 263	0.18 242	1.03 372	0.20 61	0.15 212	0.44 315	0.22 207	0.45 204	0.37 181	0.35 234	0.44 247	0.41 262	0.34 281	0.34 175	0.40 295	0.10 213	0.09 258	0.08 69	0.08 114	0.13 272	0.11 239

GASNet	0.36 301	0.46 370	0.88 350	0.34 351	0.23 337	0.35 266	0.22 207	0.60 338	0.53 318	0.40 285	0.37 174	0.45 286	0.30 253	0.79 340	0.35 272	0.15 318	0.10 276	0.14 308	0.14 317	0.22 351	0.12 261

gwcnet-sp	0.24 189	0.13 141	0.63 295	0.22 135	0.14 171	0.34 257	0.22 207	0.44 196	0.39 200	0.35 234	0.34 148	0.27 145	0.27 217	0.35 184	0.25 213	0.09 170	0.08 230	0.09 124	0.09 189	0.09 146	0.09 168

scenet	0.24 189	0.13 141	0.63 295	0.22 135	0.14 171	0.34 257	0.22 207	0.44 196	0.39 200	0.35 234	0.34 148	0.27 145	0.27 217	0.35 184	0.25 213	0.09 170	0.08 230	0.09 124	0.09 189	0.09 146	0.09 168

ssnet	0.24 189	0.13 141	0.63 295	0.22 135	0.14 171	0.34 257	0.22 207	0.44 196	0.39 200	0.35 234	0.34 148	0.27 145	0.27 217	0.35 184	0.25 213	0.09 170	0.08 230	0.09 124	0.09 189	0.09 146	0.09 168

HBP-ISP	0.33 285	0.30 339	0.72 319	0.22 135	0.16 235	0.32 235	0.22 207	0.54 287	0.44 248	0.41 294	0.49 283	0.33 200	0.38 301	0.73 317	0.25 213	0.18 350	0.19 361	0.24 363	0.20 355	0.16 304	0.13 273

raft_robust	0.22 149	0.17 230	0.30 47	0.22 135	0.12 81	0.23 116	0.22 207	0.49 238	0.48 288	0.32 192	0.32 123	0.26 137	0.23 161	0.53 241	0.15 56	0.07 17	0.06 73	0.08 69	0.10 221	0.08 84	0.06 20

test_4	0.18 59	0.12 85	0.34 84	0.23 177	0.12 81	0.18 16	0.22 207	0.26 16	0.24 57	0.24 76	0.47 276	0.22 80	0.13 36	0.24 63	0.16 73	0.06 1	0.05 6	0.09 124	0.09 189	0.07 39	0.05 1

PSMNet-ADL	0.25 211	0.15 196	0.32 65	0.26 281	0.14 171	0.31 227	0.22 207	0.44 196	0.36 172	0.27 95	0.33 142	0.41 262	0.28 231	0.61 274	0.29 242	0.11 240	0.09 258	0.09 124	0.11 256	0.10 195	0.10 214

SFCPSM	0.22 149	0.10 26	0.51 248	0.21 90	0.14 171	0.34 257	0.22 207	0.55 297	0.39 200	0.29 129	0.32 123	0.23 99	0.21 141	0.27 115	0.19 135	0.09 170	0.07 162	0.09 124	0.09 189	0.09 146	0.08 116

MMNet	0.27 228	0.14 171	0.49 232	0.24 216	0.17 251	0.47 328	0.22 207	0.45 204	0.51 308	0.39 277	0.41 212	0.36 225	0.33 274	0.39 196	0.34 268	0.08 103	0.07 162	0.09 124	0.09 189	0.10 195	0.08 116

UNet	0.28 246	0.14 171	0.69 310	0.23 177	0.20 303	0.44 315	0.22 207	0.50 246	0.40 213	0.34 218	0.39 196	0.43 272	0.33 274	0.40 199	0.31 252	0.09 170	0.07 162	0.10 188	0.08 114	0.10 195	0.08 116

psmorigin	0.50 352	0.25 305	3.03 413	0.24 216	0.19 289	0.38 283	0.22 207	0.50 246	0.44 248	0.64 361	0.68 346	0.71 368	0.51 348	0.85 353	0.45 312	0.14 307	0.17 351	0.13 289	0.14 317	0.16 304	0.21 351

ac_64	0.27 228	0.13 141	0.41 172	0.24 216	0.17 251	0.36 271	0.22 207	0.46 214	0.33 149	0.35 234	0.36 165	0.52 316	0.30 253	0.62 282	0.32 257	0.11 240	0.09 258	0.10 188	0.10 221	0.09 146	0.08 116

cf-r	0.24 189	0.15 196	0.44 195	0.21 90	0.14 171	0.27 167	0.22 207	0.42 181	0.40 213	0.30 157	0.42 226	0.42 269	0.26 200	0.43 205	0.25 213	0.11 240	0.06 73	0.08 69	0.10 221	0.08 84	0.08 116

SHD	0.42 333	0.27 323	0.81 335	0.31 338	0.25 349	0.42 305	0.22 207	0.66 364	0.94 387	0.63 359	0.60 326	0.59 335	0.47 337	0.59 268	0.58 341	0.15 318	0.13 321	0.16 329	0.16 336	0.20 342	0.22 356

RTSC	0.39 322	0.28 326	0.78 325	0.27 304	0.18 271	0.49 335	0.22 207	0.59 330	0.84 379	0.55 351	0.53 304	0.49 303	0.36 289	0.67 301	0.82 363	0.13 284	0.10 276	0.11 236	0.12 288	0.17 319	0.17 314

NLCA_NET_v2_RVC	0.27 228	0.21 279	0.59 279	0.25 253	0.18 271	0.29 199	0.22 207	0.50 246	0.40 213	0.38 262	0.41 212	0.43 272	0.27 217	0.43 205	0.29 242	0.11 240	0.08 230	0.10 188	0.10 221	0.10 195	0.11 239
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MyStereo07	0.16 32	0.12 85	0.26 19	0.22 135	0.14 171	0.25 142	0.23 228	0.29 44	0.21 28	0.15 13	0.13 6	0.12 3	0.13 36	0.25 87	0.13 27	0.07 17	0.07 162	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo06	0.20 109	0.12 85	0.57 271	0.21 90	0.14 171	0.25 142	0.23 228	0.40 159	0.21 28	0.30 157	0.24 64	0.31 185	0.18 114	0.22 50	0.18 110	0.07 17	0.07 162	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo05	0.23 166	0.12 85	0.57 271	0.21 90	0.14 171	0.25 142	0.23 228	0.48 232	0.52 314	0.31 174	0.23 54	0.25 117	0.22 152	0.30 152	0.21 167	0.07 17	0.07 162	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo04	0.23 166	0.12 85	0.55 263	0.22 135	0.14 171	0.25 142	0.23 228	0.49 238	0.52 314	0.28 104	0.23 54	0.27 145	0.23 161	0.30 152	0.22 181	0.07 17	0.07 162	0.09 124	0.08 114	0.08 84	0.08 116

CRFU-Net	0.28 246	0.14 171	0.45 205	0.25 253	0.15 212	0.45 320	0.23 228	0.50 246	0.30 119	0.43 308	0.41 212	0.48 299	0.46 334	0.43 205	0.29 242	0.11 240	0.10 276	0.09 124	0.08 114	0.10 195	0.10 214

Sa-1000	0.22 149	0.15 196	0.35 92	0.23 177	0.13 137	0.28 180	0.23 228	0.47 221	0.39 200	0.30 157	0.50 285	0.26 137	0.19 127	0.33 169	0.16 73	0.07 17	0.06 73	0.10 188	0.11 256	0.08 84	0.06 20

SA	0.22 149	0.16 214	0.36 110	0.23 177	0.13 137	0.24 131	0.23 228	0.45 204	0.40 213	0.27 95	0.44 247	0.23 99	0.23 161	0.33 169	0.17 96	0.07 17	0.06 73	0.10 188	0.11 256	0.08 84	0.06 20

psmg	0.23 166	0.12 85	0.28 34	0.21 90	0.14 171	0.35 266	0.23 228	0.51 259	0.34 156	0.35 234	0.38 184	0.38 234	0.24 176	0.26 100	0.21 167	0.10 213	0.08 230	0.10 188	0.10 221	0.09 146	0.08 116

GwcNet-ADL	0.22 149	0.14 171	0.58 275	0.24 216	0.13 137	0.22 99	0.23 228	0.49 238	0.40 213	0.27 95	0.29 94	0.30 177	0.20 135	0.26 100	0.23 195	0.09 170	0.07 162	0.07 16	0.07 54	0.09 146	0.09 168

KYRaft	0.22 149	0.10 26	0.30 47	0.23 177	0.12 81	0.23 116	0.23 228	0.35 110	0.24 57	0.35 234	0.54 307	0.34 206	0.26 200	0.29 140	0.15 56	0.07 17	0.05 6	0.09 124	0.10 221	0.08 84	0.31 375

DRaft	0.24 189	0.10 26	0.34 84	0.18 9	0.12 81	0.28 180	0.23 228	0.33 87	0.39 200	0.38 262	0.61 333	0.21 73	0.41 313	0.48 218	0.42 304	0.07 17	0.06 73	0.08 69	0.08 114	0.07 39	0.08 116

test-1	0.17 41	0.11 66	0.40 150	0.23 177	0.13 137	0.22 99	0.23 228	0.34 93	0.26 70	0.20 47	0.24 64	0.22 80	0.14 47	0.16 7	0.20 146	0.07 17	0.06 73	0.08 69	0.07 54	0.06 6	0.08 116

Prome-Stereo	0.21 123	0.10 26	0.30 47	0.24 216	0.12 81	0.23 116	0.23 228	0.36 129	0.25 63	0.33 202	0.59 321	0.24 110	0.28 231	0.29 140	0.16 73	0.07 17	0.05 6	0.08 69	0.07 54	0.08 84	0.20 344

LMCR-Stereo	0.26 221	0.18 242	0.49 232	0.28 321	0.14 171	0.36 271	0.23 228	0.54 287	0.34 156	0.39 277	0.40 204	0.29 167	0.29 244	0.37 190	0.27 229	0.11 240	0.07 162	0.09 124	0.07 54	0.13 272	0.09 168

Anonymous3	0.23 166	0.18 242	0.63 295	0.27 304	0.18 271	0.41 298	0.23 228	0.43 192	0.35 162	0.23 63	0.27 81	0.20 65	0.18 114	0.27 115	0.18 110	0.12 267	0.11 294	0.10 188	0.10 221	0.11 233	0.12 261

ADLNet	0.28 246	0.15 196	0.42 179	0.23 177	0.19 289	0.34 257	0.23 228	0.53 280	0.43 234	0.42 302	0.41 212	0.44 282	0.27 217	0.55 246	0.35 272	0.11 240	0.08 230	0.11 236	0.11 256	0.11 233	0.12 261

test_xeample	0.34 292	0.10 26	0.29 41	0.19 28	0.11 45	0.33 244	0.23 228	0.55 297	0.38 194	0.32 192	0.45 259	0.29 167	0.26 200	0.57 257	2.24 412	0.10 213	0.07 162	0.09 124	0.08 114	0.09 146	0.09 168

ACVNet	0.23 166	0.13 141	0.35 92	0.18 9	0.15 212	0.27 167	0.23 228	0.39 152	0.44 248	0.28 104	0.41 212	0.38 234	0.26 200	0.27 115	0.32 257	0.08 103	0.07 162	0.08 69	0.07 54	0.10 195	0.07 69

HGLStereo	0.27 228	0.14 171	0.46 211	0.24 216	0.21 311	0.33 244	0.23 228	0.50 246	0.42 229	0.35 234	0.48 282	0.41 262	0.33 274	0.45 211	0.33 264	0.11 240	0.10 276	0.09 124	0.09 189	0.10 195	0.12 261

hitnet-ft	0.29 256	0.17 230	0.40 150	0.19 28	0.14 171	0.39 290	0.23 228	0.44 196	0.41 224	0.36 249	0.46 269	0.53 320	0.34 281	0.76 330	0.32 257	0.14 307	0.10 276	0.13 289	0.10 221	0.15 296	0.13 273

GwcNet-RSSM	0.26 221	0.17 230	0.46 211	0.21 90	0.13 137	0.28 180	0.23 228	0.44 196	0.42 229	0.31 174	0.45 259	0.40 259	0.26 200	0.55 246	0.28 232	0.11 240	0.07 162	0.09 124	0.10 221	0.09 146	0.08 116

DispFullNet	0.66 376	0.89 399	1.59 396	0.77 396	1.21 413	0.51 339	0.23 228	0.59 330	0.72 363	0.69 367	0.61 333	0.69 365	0.91 388	0.79 340	0.48 321	0.27 372	0.12 311	0.73 398	0.30 379	0.65 394	0.40 384

LL-Strereo	0.29 256	0.25 305	0.58 275	0.25 253	0.21 311	0.23 116	0.24 250	0.55 297	0.42 229	0.34 218	0.32 123	0.41 262	0.40 309	0.94 369	0.23 195	0.08 103	0.07 162	0.11 236	0.09 189	0.09 146	0.09 168

RAFT_CTSACE	0.21 123	0.16 214	0.41 172	0.25 253	0.15 212	0.22 99	0.24 250	0.32 73	0.28 92	0.33 202	0.51 291	0.29 167	0.17 92	0.32 163	0.13 27	0.06 1	0.07 162	0.09 124	0.08 114	0.08 84	0.06 20

CSP-Net	0.27 228	0.15 196	0.30 47	0.21 90	0.14 171	0.44 315	0.24 250	0.50 246	0.40 213	0.41 294	0.43 238	0.42 269	0.26 200	0.66 299	0.28 232	0.12 267	0.08 230	0.08 69	0.08 114	0.10 195	0.09 168

DAS	0.27 228	0.12 85	0.42 179	0.24 216	0.18 271	0.29 199	0.24 250	0.45 204	0.45 260	0.41 294	0.44 247	0.34 206	0.29 244	0.75 325	0.21 167	0.09 170	0.07 162	0.09 124	0.07 54	0.09 146	0.09 168

SepStereo	0.26 221	0.12 85	0.42 179	0.24 216	0.18 271	0.29 199	0.24 250	0.45 204	0.45 260	0.41 294	0.44 247	0.34 206	0.29 244	0.64 289	0.21 167	0.09 170	0.07 162	0.09 124	0.07 54	0.09 146	0.09 168

ADLNet2	0.30 263	0.17 230	0.72 319	0.23 177	0.17 251	0.36 271	0.24 250	0.52 269	0.51 308	0.32 192	0.38 184	0.45 286	0.30 253	0.69 304	0.35 272	0.10 213	0.08 230	0.09 124	0.09 189	0.12 259	0.10 214

IRAFT_RVC	0.22 149	0.12 85	0.39 145	0.26 281	0.11 45	0.18 16	0.24 250	0.40 159	0.37 181	0.31 174	0.30 105	0.29 167	0.24 176	0.55 246	0.22 181	0.08 103	0.06 73	0.10 188	0.08 114	0.08 84	0.07 69

cross-raft	0.17 41	0.12 85	0.41 172	0.23 177	0.10 22	0.20 59	0.24 250	0.33 87	0.23 47	0.23 63	0.28 85	0.29 167	0.15 55	0.17 11	0.15 56	0.06 1	0.05 6	0.07 16	0.07 54	0.06 6	0.05 1

ARAFT	0.24 189	0.21 279	0.78 325	0.22 135	0.12 81	0.29 199	0.24 250	0.43 192	0.32 138	0.33 202	0.28 85	0.28 160	0.19 127	0.49 223	0.18 110	0.07 17	0.06 73	0.12 270	0.11 256	0.09 146	0.06 20

MaskLacGwcNet_RVC	0.36 301	0.36 357	0.53 255	0.34 351	0.19 289	0.51 339	0.24 250	0.55 297	0.38 194	0.41 294	0.47 276	0.47 294	0.27 217	0.73 317	0.30 248	0.36 383	0.19 361	0.27 366	0.17 345	0.26 364	0.23 362

STTStereo	0.28 246	0.20 266	0.61 284	0.25 253	0.17 251	0.29 199	0.24 250	0.47 221	0.39 200	0.39 277	0.41 212	0.44 282	0.28 231	0.40 199	0.28 232	0.13 284	0.12 311	0.13 289	0.16 336	0.12 259	0.11 239

edge stereo	0.39 322	0.22 291	0.81 335	0.27 304	0.22 326	0.37 276	0.24 250	0.56 311	0.54 321	0.53 348	0.60 326	0.71 368	0.50 345	0.78 338	0.40 295	0.16 330	0.14 325	0.19 349	0.14 317	0.16 304	0.17 314

AANet_RVC	0.31 270	0.22 291	0.50 242	0.23 177	0.14 171	0.30 216	0.24 250	0.47 221	0.54 321	0.38 262	0.60 326	0.43 272	0.29 244	0.87 356	0.40 295	0.11 240	0.07 162	0.07 16	0.07 54	0.09 146	0.09 168

PS-NSSS	0.32 279	0.30 339	0.46 211	0.23 177	0.17 251	0.33 244	0.24 250	0.57 318	0.41 224	0.37 254	0.52 299	0.35 220	0.30 253	0.80 344	0.30 248	0.17 340	0.14 325	0.21 354	0.15 325	0.15 296	0.13 273

CBFPSM	0.27 228	0.16 214	0.67 305	0.20 61	0.14 171	0.38 283	0.25 264	0.40 159	0.36 172	0.33 202	0.36 165	0.56 326	0.38 301	0.32 163	0.38 281	0.08 103	0.08 230	0.07 16	0.08 114	0.09 146	0.11 239

SACVNet	0.30 263	0.20 266	0.41 172	0.25 253	0.18 271	0.34 257	0.25 264	0.52 269	0.40 213	0.41 294	0.44 247	0.46 292	0.32 271	0.71 310	0.25 213	0.13 284	0.10 276	0.12 270	0.12 288	0.16 304	0.17 314

test_3	0.18 59	0.11 66	0.32 65	0.24 216	0.11 45	0.22 99	0.25 264	0.31 65	0.31 130	0.25 82	0.18 25	0.23 99	0.13 36	0.25 87	0.19 135	0.06 1	0.05 6	0.09 124	0.10 221	0.07 39	0.06 20

DEmStereo	0.26 221	0.09 11	0.47 218	0.19 28	0.12 81	0.30 216	0.25 264	0.28 37	0.36 172	0.36 249	0.58 319	0.25 117	0.48 343	0.53 241	0.44 309	0.07 17	0.06 73	0.08 69	0.08 114	0.06 6	0.07 69

GMM-Stereo	0.21 123	0.10 26	0.43 189	0.23 177	0.13 137	0.24 131	0.25 264	0.37 135	0.27 79	0.30 157	0.45 259	0.27 145	0.21 141	0.31 157	0.17 96	0.07 17	0.05 6	0.10 188	0.09 189	0.08 84	0.19 334

ICVP	0.23 166	0.13 141	0.44 195	0.26 281	0.14 171	0.29 199	0.25 264	0.45 204	0.33 149	0.29 129	0.43 238	0.35 220	0.25 191	0.26 100	0.23 195	0.12 267	0.09 258	0.09 124	0.08 114	0.09 146	0.10 214
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.27 228	0.20 266	0.44 195	0.27 304	0.16 235	0.33 244	0.25 264	0.56 311	0.54 321	0.34 218	0.38 184	0.34 206	0.25 191	0.51 230	0.28 232	0.12 267	0.08 230	0.09 124	0.08 114	0.11 233	0.11 239

Anonymous	0.20 109	0.14 171	0.47 218	0.27 304	0.20 303	0.25 142	0.25 264	0.32 73	0.26 70	0.18 44	0.18 25	0.15 31	0.19 127	0.24 63	0.18 110	0.10 213	0.09 258	0.09 124	0.09 189	0.15 296	0.13 273

DANet	0.35 297	0.23 298	0.60 281	0.36 361	0.22 326	0.39 290	0.25 264	0.48 232	0.43 234	0.52 343	0.50 285	0.59 335	0.41 313	0.76 330	0.49 324	0.13 284	0.11 294	0.14 308	0.12 288	0.17 319	0.15 299
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DISCO	0.32 279	0.13 141	0.51 248	0.25 253	0.16 235	0.48 332	0.25 264	0.50 246	0.57 333	0.37 254	0.45 259	0.62 344	0.36 289	0.64 289	0.49 324	0.09 170	0.07 162	0.09 124	0.08 114	0.12 259	0.11 239

DLCB_ROB	0.28 246	0.16 214	0.34 84	0.27 304	0.16 235	0.38 283	0.25 264	0.48 232	0.43 234	0.46 321	0.46 269	0.51 313	0.33 274	0.53 241	0.33 264	0.10 213	0.10 276	0.11 236	0.11 256	0.10 195	0.09 168

1111x	0.32 279	0.11 66	0.40 150	0.22 135	0.11 45	0.32 235	0.26 275	0.59 330	0.43 234	0.31 174	0.41 212	0.39 246	0.28 231	0.76 330	1.37 394	0.09 170	0.08 230	0.09 124	0.10 221	0.09 146	0.08 116

Anonymous_2	0.37 310	0.21 279	0.47 218	0.20 61	0.21 311	0.42 305	0.26 275	0.38 141	0.29 110	0.33 202	0.30 105	0.44 282	0.38 301	0.36 188	0.29 242	0.26 367	0.29 384	0.44 384	1.41 418	0.34 377	0.21 351

psm_up	0.29 256	0.16 214	0.41 172	0.26 281	0.17 251	0.32 235	0.26 275	0.55 297	0.43 234	0.36 249	0.40 204	0.45 286	0.37 297	0.58 262	0.30 248	0.11 240	0.12 311	0.13 289	0.12 288	0.10 195	0.10 214

stereogan	0.37 310	0.17 230	0.65 301	0.27 304	0.22 326	0.62 361	0.26 275	0.59 330	0.63 347	0.43 308	0.60 326	0.67 360	0.42 321	0.68 302	0.35 272	0.13 284	0.14 325	0.14 308	0.12 288	0.19 334	0.17 314

CVANet_RVC	0.30 263	0.19 258	0.41 172	0.26 281	0.16 235	0.33 244	0.26 275	0.52 269	0.47 279	0.40 285	0.46 269	0.43 272	0.31 264	0.89 360	0.26 225	0.14 307	0.09 258	0.14 308	0.13 306	0.14 284	0.10 214

fast-acv-ft	0.31 270	0.20 266	0.81 335	0.24 216	0.18 271	0.46 322	0.27 280	0.41 169	0.49 297	0.39 277	0.55 311	0.49 303	0.35 285	0.37 190	0.38 281	0.11 240	0.11 294	0.11 236	0.12 288	0.12 259	0.09 168

TestStereo1	0.21 123	0.16 214	0.32 65	0.26 281	0.13 137	0.26 160	0.27 280	0.40 159	0.36 172	0.29 129	0.39 196	0.22 80	0.21 141	0.33 169	0.17 96	0.07 17	0.06 73	0.09 124	0.08 114	0.08 84	0.07 69

Wz-Net-LNSev-Ref	0.30 263	0.20 266	0.70 316	0.21 90	0.17 251	0.46 322	0.27 280	0.50 246	0.49 297	0.42 302	0.55 311	0.43 272	0.30 253	0.46 213	0.38 281	0.09 170	0.06 73	0.07 16	0.06 25	0.11 233	0.10 214

SA-5K	0.21 123	0.16 214	0.32 65	0.26 281	0.13 137	0.26 160	0.27 280	0.40 159	0.36 172	0.29 129	0.39 196	0.22 80	0.21 141	0.33 169	0.17 96	0.07 17	0.06 73	0.09 124	0.08 114	0.08 84	0.07 69

UDG	0.40 328	0.46 370	0.49 232	0.40 372	0.35 374	0.47 328	0.27 280	0.54 287	0.47 279	0.39 277	0.45 259	0.59 335	0.44 325	0.46 213	0.39 289	0.26 367	0.19 361	0.48 386	0.22 365	0.34 377	0.26 368

GMOStereo	0.18 59	0.14 171	0.30 47	0.22 135	0.12 81	0.20 59	0.27 280	0.26 16	0.28 92	0.31 174	0.32 123	0.26 137	0.17 92	0.15 3	0.12 7	0.07 17	0.07 162	0.10 188	0.08 114	0.08 84	0.05 1

error version	0.18 59	0.14 171	0.30 47	0.22 135	0.12 81	0.20 59	0.27 280	0.26 16	0.28 92	0.31 174	0.32 123	0.26 137	0.17 92	0.15 3	0.12 7	0.07 17	0.07 162	0.10 188	0.08 114	0.08 84	0.05 1

test-v	0.18 59	0.14 171	0.30 47	0.22 135	0.12 81	0.20 59	0.27 280	0.26 16	0.28 92	0.31 174	0.32 123	0.26 137	0.17 92	0.15 3	0.12 7	0.07 17	0.07 162	0.10 188	0.08 114	0.08 84	0.05 1

test-2	0.18 59	0.14 171	0.30 47	0.22 135	0.12 81	0.20 59	0.27 280	0.26 16	0.28 92	0.31 174	0.32 123	0.26 137	0.17 92	0.15 3	0.12 7	0.07 17	0.07 162	0.10 188	0.08 114	0.08 84	0.05 1

RAFT	0.21 123	0.17 230	0.32 65	0.24 216	0.12 81	0.25 142	0.27 280	0.35 110	0.28 92	0.33 202	0.33 142	0.38 234	0.22 152	0.29 140	0.17 96	0.08 103	0.08 230	0.11 236	0.10 221	0.10 195	0.06 20

GwcNet	0.35 297	0.23 298	0.88 350	0.25 253	0.24 342	0.48 332	0.27 280	0.55 297	0.57 333	0.38 262	0.52 299	0.51 313	0.32 271	0.60 269	0.41 301	0.13 284	0.11 294	0.12 270	0.11 256	0.13 272	0.14 290

MFN_U_SF_RVC	0.56 363	0.51 381	1.19 381	0.38 368	0.22 326	0.69 367	0.27 280	0.80 386	0.67 353	0.73 369	0.74 356	0.87 375	0.61 369	0.81 347	0.76 357	0.29 377	0.27 380	0.32 376	0.37 386	0.32 376	0.31 375

ADCRef	0.38 316	0.24 301	0.88 350	0.26 281	0.21 311	0.49 335	0.27 280	0.52 269	0.48 288	0.50 332	0.58 319	0.35 220	0.47 337	0.48 218	1.29 393	0.09 170	0.08 230	0.12 270	0.12 288	0.11 233	0.11 239

Syn2CoEx	0.36 301	0.31 344	0.78 325	0.34 351	0.21 311	0.41 298	0.28 293	0.61 342	0.49 297	0.42 302	0.56 316	0.45 286	0.44 325	0.69 304	0.38 281	0.17 340	0.14 325	0.15 320	0.12 288	0.13 272	0.12 261

UPFNet	0.25 211	0.12 85	0.38 134	0.24 216	0.19 289	0.37 276	0.28 293	0.48 232	0.38 194	0.34 218	0.37 174	0.37 229	0.28 231	0.39 196	0.33 264	0.10 213	0.09 258	0.10 188	0.10 221	0.10 195	0.08 116

RP	0.35 297	0.22 291	0.51 248	0.31 338	0.24 342	0.37 276	0.28 293	0.50 246	0.58 335	0.40 285	0.63 338	0.61 342	0.47 337	0.61 274	0.39 289	0.16 330	0.15 339	0.17 335	0.15 325	0.17 319	0.17 314

NVstereo2D	0.31 270	0.16 214	0.54 258	0.24 216	0.22 326	0.42 305	0.28 293	0.58 325	0.56 330	0.28 104	0.38 184	0.40 259	0.30 253	0.71 310	0.28 232	0.13 284	0.08 230	0.13 289	0.10 221	0.19 334	0.16 306

ToySt	0.24 189	0.16 214	0.48 227	0.21 90	0.13 137	0.29 199	0.29 297	0.39 152	0.39 200	0.27 95	0.35 155	0.39 246	0.31 264	0.31 157	0.29 242	0.08 103	0.09 258	0.10 188	0.11 256	0.11 233	0.10 214

RAFT+CT+SA	0.21 123	0.18 242	0.33 79	0.25 253	0.18 271	0.23 116	0.29 297	0.40 159	0.36 172	0.24 76	0.38 184	0.18 52	0.16 69	0.32 163	0.16 73	0.07 17	0.05 6	0.09 124	0.12 288	0.09 146	0.09 168

test_5	0.23 166	0.19 258	0.38 134	0.26 281	0.18 271	0.25 142	0.29 297	0.40 159	0.37 181	0.29 129	0.40 204	0.25 117	0.22 152	0.34 175	0.18 110	0.07 17	0.05 6	0.09 124	0.09 189	0.10 195	0.10 214

delet	0.27 228	0.14 171	0.40 150	0.23 177	0.19 289	0.41 298	0.29 297	0.49 238	0.48 288	0.33 202	0.41 212	0.37 229	0.30 253	0.48 218	0.34 268	0.09 170	0.09 258	0.11 236	0.12 288	0.08 84	0.08 116

EDNetEfficientorigin	7.51 421	0.52 382	140.47 443	0.25 253	0.17 251	0.42 305	0.29 297	0.47 221	1.03 388	1.28 397	1.02 378	0.83 374	0.84 384	0.75 325	0.99 373	0.10 213	0.09 258	0.12 270	0.10 221	0.21 345	0.22 356

FAT-Stereo	0.36 301	0.18 242	0.73 322	0.26 281	0.18 271	0.33 244	0.29 297	0.60 338	0.59 336	0.46 321	0.60 326	0.60 338	0.50 345	0.61 274	0.34 268	0.13 284	0.14 325	0.13 289	0.12 288	0.14 284	0.18 327

AF-Net	0.37 310	0.26 316	0.56 267	0.32 344	0.23 337	0.41 298	0.29 297	0.61 342	0.64 348	0.42 302	0.68 346	0.65 355	0.49 344	0.57 257	0.44 309	0.15 318	0.11 294	0.19 349	0.14 317	0.15 296	0.13 273

RGC	0.39 322	0.32 349	0.64 300	0.34 351	0.27 356	0.40 295	0.29 297	0.57 318	0.53 318	0.45 318	0.64 339	0.62 344	0.45 328	0.72 315	0.39 289	0.15 318	0.15 339	0.21 354	0.20 355	0.18 330	0.19 334

CC-Net-ROB	0.43 336	0.47 372	0.65 301	0.37 366	0.23 337	0.51 339	0.29 297	0.66 364	0.49 297	0.46 321	0.51 291	0.48 299	0.38 301	0.96 372	0.35 272	0.34 382	0.23 374	0.55 390	0.25 369	0.31 374	0.20 344

DRN-Test	0.33 285	0.17 230	0.61 284	0.27 304	0.19 289	0.46 322	0.29 297	0.65 358	0.51 308	0.47 328	0.46 269	0.44 282	0.34 281	0.62 282	0.41 301	0.12 267	0.08 230	0.13 289	0.12 288	0.12 259	0.10 214

ssnet_v2	0.28 246	0.16 214	0.44 195	0.22 135	0.15 212	0.40 295	0.30 307	0.57 318	0.46 274	0.38 262	0.36 165	0.47 294	0.29 244	0.38 194	0.39 289	0.13 284	0.11 294	0.11 236	0.11 256	0.11 233	0.11 239

Nwc_Net	0.37 310	0.25 305	0.68 309	0.31 338	0.24 342	0.44 315	0.30 307	0.65 358	0.50 305	0.37 254	0.69 350	0.58 333	0.45 328	0.60 269	0.40 295	0.15 318	0.12 311	0.19 349	0.21 358	0.14 284	0.13 273

StereoDRNet	0.32 279	0.22 291	0.61 284	0.27 304	0.21 311	0.42 305	0.30 307	0.61 342	0.48 288	0.46 321	0.39 196	0.48 299	0.30 253	0.57 257	0.40 295	0.11 240	0.09 258	0.12 270	0.11 256	0.12 259	0.10 214

pmcnn	0.50 352	0.20 266	0.78 325	0.24 216	0.26 354	0.39 290	0.30 307	0.51 259	0.50 305	0.54 350	1.23 387	2.52 410	0.37 297	0.77 336	0.95 371	0.08 103	0.06 73	0.06 1	0.05 10	0.10 195	0.08 116

ACVNet-4b	0.72 381	0.81 394	1.33 391	0.72 394	0.50 385	0.80 380	0.31 311	0.71 376	0.80 373	0.50 332	0.72 355	0.95 381	0.43 324	0.96 372	1.20 390	1.13 415	0.21 367	0.76 399	0.45 389	0.65 394	0.46 390

Wz-Net-LNSev	0.34 292	0.29 333	0.91 354	0.26 281	0.21 311	0.47 328	0.31 311	0.54 287	0.54 321	0.44 314	0.52 299	0.50 309	0.35 285	0.39 196	0.39 289	0.11 240	0.11 294	0.10 188	0.09 189	0.14 284	0.13 273

DSFCA	0.27 228	0.13 141	0.36 110	0.20 61	0.17 251	0.38 283	0.31 311	0.47 221	0.43 234	0.43 308	0.37 174	0.39 246	0.29 244	0.52 236	0.32 257	0.12 267	0.10 276	0.10 188	0.11 256	0.11 233	0.10 214

XPNet_ROB	0.33 285	0.20 266	0.43 189	0.27 304	0.18 271	0.37 276	0.31 311	0.55 297	0.50 305	0.51 337	0.53 304	0.58 333	0.37 297	0.63 287	0.45 312	0.17 340	0.12 311	0.13 289	0.12 288	0.15 296	0.14 290

DDUNet	0.41 330	0.50 379	0.48 227	0.44 377	0.39 376	0.46 322	0.32 315	0.50 246	0.43 234	0.45 318	0.52 299	0.57 330	0.36 289	0.48 218	0.33 264	0.33 381	0.21 367	0.55 390	0.25 369	0.37 380	0.32 378

ccnet	0.42 333	0.31 344	0.48 227	0.27 304	0.32 370	0.60 359	0.32 315	0.65 358	0.46 274	0.53 348	0.66 342	0.56 326	0.45 328	0.72 315	0.61 345	0.26 367	0.19 361	0.24 363	0.21 358	0.26 364	0.22 356

S-Stereo	0.38 316	0.20 266	1.05 373	0.27 304	0.22 326	0.38 283	0.32 315	0.55 297	0.66 350	0.39 277	0.59 321	0.49 303	0.41 313	0.75 325	0.40 295	0.12 267	0.15 339	0.13 289	0.13 306	0.16 304	0.21 351

SuperB	0.49 350	0.28 326	2.23 403	0.23 177	0.15 212	0.41 298	0.32 315	0.47 221	0.82 374	0.43 308	0.50 285	0.33 200	0.45 328	0.68 302	1.08 377	0.10 213	0.07 162	0.09 124	0.08 114	0.98 409	0.14 290

RYNet	0.37 310	0.18 242	0.59 279	0.25 253	0.28 359	0.61 360	0.32 315	0.59 330	0.59 336	0.41 294	0.38 184	0.57 330	0.39 306	0.87 356	0.53 334	0.11 240	0.08 230	0.12 270	0.11 256	0.18 330	0.18 327

TDLM	0.30 263	0.21 279	0.38 134	0.28 321	0.15 212	0.33 244	0.32 315	0.52 269	0.47 279	0.38 262	0.43 238	0.39 246	0.29 244	0.91 364	0.28 232	0.14 307	0.08 230	0.13 289	0.11 256	0.12 259	0.10 214

MDST_ROB	0.48 348	0.14 171	0.95 361	0.30 331	0.21 311	1.33 404	0.32 315	0.77 381	0.56 330	1.06 390	0.71 351	0.49 303	0.35 285	1.26 392	0.38 281	0.13 284	0.11 294	0.16 329	0.13 306	0.12 259	0.12 261

FBW_ROB	0.43 336	0.26 316	0.54 258	0.31 338	0.20 303	0.51 339	0.32 315	0.70 374	0.60 339	0.59 355	0.55 311	0.65 355	0.41 313	1.40 397	0.51 331	0.13 284	0.17 351	0.21 354	0.16 336	0.17 319	0.18 327

PDISCO_ROB	0.43 336	0.30 339	0.67 305	0.43 375	0.36 375	0.67 366	0.32 315	0.72 377	0.76 368	0.43 308	0.53 304	0.63 352	0.40 309	0.66 299	0.47 320	0.21 359	0.12 311	0.21 354	0.19 354	0.25 358	0.20 344

WCMA_ROB	0.51 356	0.21 279	0.65 301	0.25 253	0.21 311	0.58 355	0.32 315	0.54 287	0.55 327	0.95 384	1.40 392	1.28 390	0.81 381	0.73 317	0.62 347	0.18 350	0.15 339	0.15 320	0.15 325	0.19 334	0.19 334

RAFT + AFF	0.27 228	0.23 298	0.50 242	0.25 253	0.17 251	0.30 216	0.33 325	0.52 269	0.40 213	0.28 104	0.30 105	0.30 177	0.31 264	0.62 282	0.24 204	0.09 170	0.10 276	0.11 236	0.10 221	0.11 233	0.11 239

CBMV	0.33 285	0.21 279	0.54 258	0.23 177	0.13 137	0.42 305	0.33 325	0.53 280	0.48 288	0.52 343	0.49 283	0.50 309	0.41 313	0.56 254	0.31 252	0.15 318	0.16 346	0.18 342	0.16 336	0.13 272	0.13 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
LRCNet_RVC	10.90 425	14.34 434	9.35 421	15.35 429	8.04 423	1.08 392	0.34 327	8.78 425	0.70 360	12.63 431	16.05 431	9.85 424	6.54 420	8.57 425	6.34 423	20.27 439	5.40 424	23.70 437	21.88 436	14.87 431	13.83 433

FINET	0.34 292	0.27 323	0.80 333	0.24 216	0.24 342	0.36 271	0.34 327	0.54 287	0.72 363	0.39 277	0.47 276	0.32 193	0.30 253	0.51 230	0.32 257	0.19 355	0.17 351	0.13 289	0.12 288	0.18 330	0.16 306

XQC	0.43 336	0.37 362	0.96 362	0.34 351	0.25 349	0.53 349	0.34 327	0.60 338	0.73 366	0.51 337	0.46 269	0.57 330	0.47 337	0.70 307	0.72 356	0.17 340	0.12 311	0.18 342	0.15 325	0.25 358	0.23 362

APVNet	0.36 301	0.20 266	0.70 316	0.26 281	0.22 326	0.52 348	0.35 330	0.61 342	0.44 248	0.38 262	0.52 299	0.48 299	0.38 301	0.84 352	0.46 318	0.13 284	0.14 325	0.15 320	0.16 336	0.16 304	0.15 299

G-Net	0.46 345	0.25 305	0.86 347	0.34 351	0.28 359	0.90 386	0.35 330	0.47 221	0.45 260	0.68 365	1.22 386	0.64 354	0.60 360	0.61 274	0.57 336	0.16 330	0.14 325	0.17 335	0.13 306	0.22 351	0.19 334

MSMD_ROB	0.60 371	0.33 350	0.61 284	0.30 331	0.25 349	0.86 383	0.35 330	0.55 297	0.67 353	1.10 392	1.49 397	1.76 400	0.97 392	0.88 359	0.49 324	0.23 362	0.21 367	0.27 366	0.27 375	0.25 358	0.24 366

Ntro	0.58 367	0.64 388	0.92 356	0.66 392	0.50 385	0.77 375	0.36 333	0.66 364	0.70 360	0.50 332	0.59 321	0.65 355	0.51 348	0.75 325	0.45 312	0.56 393	0.32 388	0.56 393	0.34 381	0.63 391	0.46 390

NCC-stereo	0.39 322	0.25 305	0.69 310	0.32 344	0.28 359	0.46 322	0.36 333	0.65 358	0.52 314	0.40 285	0.57 317	0.56 326	0.47 337	0.73 317	0.45 312	0.17 340	0.14 325	0.18 342	0.25 369	0.16 304	0.16 306

Abc-Net	0.39 322	0.25 305	0.69 310	0.32 344	0.28 359	0.46 322	0.36 333	0.65 358	0.52 314	0.40 285	0.57 317	0.56 326	0.47 337	0.73 317	0.45 312	0.17 340	0.14 325	0.18 342	0.25 369	0.16 304	0.16 306
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DeepPrunerF	0.44 342	0.29 333	1.29 389	0.33 349	0.30 367	0.35 266	0.36 333	0.62 350	1.15 396	0.40 285	0.44 247	0.39 246	0.41 313	0.80 344	0.52 332	0.18 350	0.14 325	0.23 361	0.21 358	0.17 319	0.17 314

otaku	0.57 366	0.62 387	0.87 349	0.63 391	0.44 381	0.73 371	0.37 337	0.65 358	0.66 350	0.51 337	0.75 357	0.66 359	0.45 328	0.69 304	0.46 318	0.53 389	0.34 389	0.55 390	0.35 382	0.60 390	0.45 387

FCDSN-DC	0.63 373	0.31 344	0.61 284	0.36 361	0.30 367	0.65 363	0.37 337	0.66 364	0.68 356	1.14 394	1.54 400	1.71 399	1.26 401	0.92 365	0.64 351	0.24 365	0.22 371	0.27 366	0.26 373	0.27 367	0.27 371
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
aanetorigin	0.39 322	0.29 333	1.09 375	0.24 216	0.19 289	0.28 180	0.37 337	0.33 87	0.47 279	0.94 382	0.82 365	0.52 316	0.54 351	0.49 223	0.50 329	0.11 240	0.09 258	0.10 188	0.10 221	0.16 304	0.15 299

ADCMid	0.49 350	0.34 351	1.13 379	0.26 281	0.21 311	0.51 339	0.37 337	0.57 318	0.54 321	0.75 373	0.66 342	0.62 344	0.64 370	0.64 289	1.68 400	0.13 284	0.12 311	0.17 335	0.17 345	0.20 342	0.17 314

ETE_ROB	0.34 292	0.26 316	0.45 205	0.29 324	0.18 271	0.40 295	0.37 337	0.57 318	0.47 279	0.50 332	0.50 285	0.62 344	0.36 289	0.55 246	0.38 281	0.13 284	0.10 276	0.14 308	0.12 288	0.16 304	0.16 306

MeshStereo	0.58 367	0.27 323	0.67 305	0.22 135	0.17 251	0.66 365	0.37 337	0.78 382	0.61 342	1.47 410	1.30 389	1.65 397	0.79 378	1.12 383	0.59 342	0.17 340	0.17 351	0.17 335	0.14 317	0.17 319	0.14 290
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
Wz-Net-MNSev	0.36 301	0.26 316	0.79 331	0.26 281	0.21 311	0.59 356	0.38 343	0.55 297	0.56 330	0.48 331	0.54 307	0.53 320	0.36 289	0.60 269	0.44 309	0.11 240	0.09 258	0.11 236	0.11 256	0.15 296	0.13 273

PSM-AAD	0.25 211	0.10 26	0.30 47	0.24 216	0.12 81	0.26 160	0.38 343	0.34 93	0.28 92	0.35 234	0.39 196	0.28 160	0.79 378	0.30 152	0.16 73	0.07 17	0.06 73	0.12 270	0.11 256	0.08 84	0.21 351

ADCPNet	0.48 348	0.29 333	1.60 397	0.27 304	0.23 337	0.70 370	0.38 343	0.53 280	0.51 308	0.51 337	0.59 321	0.67 360	0.56 355	0.60 269	1.14 383	0.15 318	0.18 357	0.14 308	0.23 367	0.19 334	0.19 334

GANet	0.36 301	0.22 291	0.49 232	0.29 324	0.17 251	0.41 298	0.38 343	0.57 318	0.45 260	0.46 321	0.75 357	0.55 324	0.40 309	0.94 369	0.41 301	0.13 284	0.13 321	0.13 289	0.11 256	0.14 284	0.11 239

PASM	0.45 343	0.35 354	0.90 353	0.35 360	0.33 371	0.39 290	0.38 343	0.50 246	0.61 342	0.52 343	0.51 291	0.62 344	0.45 328	0.93 366	0.48 321	0.26 367	0.29 384	0.29 372	0.33 380	0.29 372	0.26 368

ADCP+	0.45 343	0.24 301	1.15 380	0.25 253	0.22 326	0.56 351	0.39 348	0.54 287	0.51 308	0.44 314	0.51 291	0.46 292	0.52 350	0.56 254	1.89 406	0.10 213	0.08 230	0.11 236	0.10 221	0.14 284	0.13 273

FC-DCNN	0.70 380	0.30 339	0.69 310	0.32 344	0.27 356	0.81 381	0.39 348	0.79 385	0.82 374	1.41 403	1.58 402	1.98 402	1.26 401	1.02 378	0.77 360	0.24 365	0.22 371	0.27 366	0.26 373	0.26 364	0.26 368

LALA_ROB	0.36 301	0.25 305	0.46 211	0.30 331	0.21 311	0.47 328	0.39 348	0.61 342	0.51 308	0.52 343	0.51 291	0.69 365	0.36 289	0.50 225	0.43 305	0.17 340	0.11 294	0.16 329	0.14 317	0.17 319	0.15 299

SGM_RVC	0.50 352	0.19 258	0.50 242	0.25 253	0.15 212	0.69 367	0.39 348	0.68 372	0.82 374	0.95 384	0.84 367	1.13 384	0.76 376	1.16 385	0.60 344	0.16 330	0.16 346	0.16 329	0.16 336	0.16 304	0.17 314
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Wz-Net-SNSev	0.43 336	0.41 369	1.27 387	0.30 331	0.21 311	0.44 315	0.41 352	0.61 342	0.65 349	0.46 321	0.65 340	0.62 344	0.39 306	0.74 324	0.59 342	0.12 267	0.11 294	0.12 270	0.13 306	0.16 304	0.14 290

NCCL2	0.35 297	0.26 316	0.49 232	0.36 361	0.22 326	0.41 298	0.41 352	0.53 280	0.42 229	0.47 328	0.46 269	0.61 342	0.39 306	0.55 246	0.37 279	0.16 330	0.13 321	0.21 354	0.21 358	0.16 304	0.16 306

SGM-Forest	0.36 301	0.17 230	0.47 218	0.23 177	0.16 235	0.45 320	0.41 352	0.55 297	0.48 288	0.52 343	0.60 326	0.52 316	0.41 313	0.85 353	0.50 329	0.17 340	0.17 351	0.17 335	0.15 325	0.15 296	0.15 299
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ACVNet_1	0.72 381	0.81 394	1.37 393	0.72 394	0.53 388	0.77 375	0.42 355	0.85 392	0.90 382	0.74 372	0.75 357	1.32 392	0.72 375	1.02 378	0.55 335	0.54 391	0.31 387	0.71 397	0.35 382	0.64 393	0.45 387

PA-Net	0.37 310	0.28 326	0.83 339	0.31 338	0.28 359	0.39 290	0.42 355	0.51 259	0.55 327	0.34 218	0.42 226	0.41 262	0.36 289	0.79 340	0.49 324	0.12 267	0.23 374	0.16 329	0.23 367	0.12 259	0.18 327
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
coex-ft	3.44 417	0.73 391	48.55 441	0.24 216	0.19 289	0.50 338	0.43 357	0.47 221	2.40 409	7.03 422	1.20 385	0.97 382	2.23 413	0.73 317	1.92 407	0.12 267	0.15 339	0.14 308	0.12 288	0.21 345	0.43 386

anonymity	0.56 363	0.54 383	0.70 316	0.47 380	0.61 392	0.56 351	0.43 357	0.69 373	0.49 297	0.63 359	0.55 311	0.54 322	0.60 360	0.61 274	0.57 336	0.55 392	0.53 400	0.50 387	0.54 398	0.51 384	0.56 394

PSMNet_ROB	0.33 285	0.24 301	0.54 258	0.31 338	0.21 311	0.42 305	0.43 357	0.59 330	0.47 279	0.37 254	0.44 247	0.49 303	0.31 264	0.64 289	0.43 305	0.14 307	0.10 276	0.15 320	0.14 317	0.13 272	0.11 239

Anonymous Stereo	0.38 316	0.34 351	1.00 366	0.30 331	0.25 349	0.33 244	0.44 360	0.50 246	0.54 321	0.41 294	0.45 259	0.39 246	0.26 200	0.93 366	0.48 321	0.15 318	0.14 325	0.15 320	0.16 336	0.16 304	0.17 314

SANet	0.53 361	0.28 326	0.96 362	0.26 281	0.15 212	0.69 367	0.44 360	0.67 369	1.34 398	0.67 364	0.98 377	0.94 379	0.71 374	0.89 360	0.76 357	0.14 307	0.12 311	0.12 270	0.11 256	0.17 319	0.16 306

Wz-Net-TNSev	0.51 356	0.58 384	1.61 399	0.25 253	0.21 311	0.65 363	0.45 362	0.63 356	0.69 358	0.51 337	0.54 307	0.71 368	0.60 360	1.00 376	0.77 360	0.15 318	0.15 339	0.13 289	0.15 325	0.21 345	0.20 344

ADCS	0.58 367	0.40 366	1.35 392	0.29 324	0.24 342	0.55 350	0.45 362	0.67 369	0.83 377	0.76 374	0.71 351	0.68 363	0.60 360	0.76 330	2.23 411	0.16 330	0.16 346	0.16 329	0.17 345	0.22 351	0.22 356

EAI-Stereo	0.21 123	0.10 26	0.33 79	0.21 90	0.12 81	0.30 216	0.46 364	0.46 214	0.20 18	0.25 82	0.50 285	0.17 45	0.16 69	0.24 63	0.23 195	0.07 17	0.06 73	0.07 16	0.10 221	0.06 6	0.07 69

RTS	0.78 387	0.48 374	4.68 415	0.34 351	0.28 359	1.12 394	0.46 364	0.62 350	1.03 388	0.73 369	0.89 373	0.60 338	0.59 358	1.61 400	1.16 386	0.14 307	0.11 294	0.15 320	0.15 325	0.21 345	0.19 334

RTSA	0.78 387	0.48 374	4.68 415	0.34 351	0.28 359	1.12 394	0.46 364	0.62 350	1.03 388	0.73 369	0.89 373	0.60 338	0.59 358	1.61 400	1.16 386	0.14 307	0.11 294	0.15 320	0.15 325	0.21 345	0.19 334

NVStereoNet_ROB	0.67 377	0.49 378	0.83 339	0.48 381	0.40 378	0.51 339	0.46 364	0.70 374	0.77 370	0.84 377	1.72 403	1.02 383	0.83 383	1.23 390	0.79 362	0.32 380	0.38 391	0.40 382	0.46 390	0.36 379	0.41 385
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Consistency-Raft	0.55 362	0.48 374	1.02 370	0.45 378	0.49 384	0.49 335	0.47 368	0.72 377	0.72 363	0.45 318	0.82 365	0.47 294	0.60 360	0.50 225	0.63 350	0.39 387	0.39 392	0.44 384	0.51 395	0.52 385	0.37 381

GrayStereo	0.25 211	0.09 11	0.32 65	0.26 281	0.13 137	0.23 116	0.47 368	0.34 93	0.30 119	0.39 277	0.47 276	0.30 177	0.79 378	0.29 140	0.16 73	0.07 17	0.06 73	0.08 69	0.09 189	0.07 39	0.13 273

PVD	0.58 367	0.34 351	0.84 343	0.39 370	0.31 369	0.59 356	0.47 368	0.80 386	1.25 397	0.92 381	1.09 380	0.79 372	0.82 382	0.85 353	0.76 357	0.21 359	0.18 357	0.22 360	0.18 350	0.27 367	0.35 380

NaN_ROB	0.41 330	0.28 326	0.62 292	0.30 331	0.19 289	0.51 339	0.47 368	0.58 325	0.59 336	0.56 352	0.47 276	0.49 303	0.41 313	1.21 389	0.64 351	0.12 267	0.18 357	0.12 270	0.13 306	0.11 233	0.14 290

WZ-Net	0.52 360	0.38 364	1.90 401	0.30 331	0.24 342	0.57 354	0.48 372	0.62 350	0.78 371	0.50 332	0.71 351	0.68 363	0.54 351	0.98 375	0.84 364	0.13 284	0.10 276	0.11 236	0.12 288	0.19 334	0.20 344

GANetREF_RVC	0.43 336	0.47 372	0.69 310	0.38 368	0.20 303	0.51 339	0.48 372	0.66 364	0.66 350	0.46 321	0.46 269	0.50 309	0.44 325	0.90 363	0.39 289	0.27 372	0.21 367	0.32 376	0.18 350	0.27 367	0.22 356
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
EDNetEfficient	0.63 373	0.37 362	2.40 407	0.26 281	0.25 349	0.38 283	0.49 374	0.41 169	1.06 391	1.38 400	0.87 372	0.62 344	0.95 389	0.65 295	1.65 399	0.11 240	0.09 258	0.10 188	0.11 256	0.19 334	0.17 314

SPS-STEREO	0.69 379	0.61 386	0.98 364	0.52 386	0.57 390	0.74 372	0.50 375	0.78 382	0.62 344	0.95 384	0.86 369	0.94 379	0.70 373	1.01 377	0.87 368	0.58 395	0.51 397	0.50 387	0.50 394	0.55 387	0.58 396
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.72 381	0.89 399	1.02 370	0.82 397	0.63 394	0.78 378	0.52 376	0.81 388	0.93 386	0.60 356	0.79 362	0.80 373	0.60 360	0.80 344	0.57 336	0.78 402	0.55 403	0.78 400	0.49 392	0.76 399	0.58 396

LSM	1.64 409	0.40 366	2.56 409	2.02 419	17.61 430	0.51 339	0.52 376	0.61 342	0.76 368	0.82 376	1.11 382	0.63 352	0.54 351	0.75 325	0.49 324	0.16 330	0.24 376	0.18 342	0.21 358	0.25 358	2.42 422

FTStereo	0.28 246	0.10 26	0.43 189	0.23 177	0.13 137	0.21 78	0.53 378	0.34 93	0.26 70	0.38 262	0.95 375	0.30 177	0.56 355	0.32 163	0.18 110	0.08 103	0.06 73	0.09 124	0.08 114	0.07 39	0.19 334

MFN_U_SF_DS_RVC	0.51 356	0.50 379	0.86 347	0.39 370	0.24 342	0.84 382	0.55 379	0.56 311	0.62 344	0.60 356	0.68 346	0.62 344	0.42 321	1.13 384	0.43 305	0.23 362	0.27 380	0.27 366	0.35 382	0.25 358	0.29 372

DPSNet	0.47 346	0.24 301	0.93 358	0.27 304	0.20 303	0.75 374	0.57 380	0.84 390	0.79 372	0.47 328	0.51 291	0.60 338	0.69 372	0.87 356	0.71 355	0.16 330	0.13 321	0.12 270	0.10 221	0.25 358	0.21 351

MSC_U_SF_DS_RVC	0.68 378	0.64 388	1.06 374	0.45 378	0.27 356	1.40 407	0.58 381	0.78 382	0.92 384	0.84 377	0.86 369	0.88 377	0.68 371	1.33 395	0.68 354	0.37 385	0.29 384	0.34 378	0.36 385	0.43 381	0.37 381

AnyNet_C32	0.51 356	0.40 366	1.10 378	0.29 324	0.28 359	0.59 356	0.58 381	0.54 287	0.60 339	0.62 358	0.66 342	0.54 322	0.54 351	0.78 338	1.74 403	0.15 318	0.14 325	0.15 320	0.17 345	0.20 342	0.20 344

CSAN	0.50 352	0.35 354	0.78 325	0.36 361	0.23 337	0.56 351	0.59 383	0.61 342	0.70 360	0.64 361	0.78 361	0.65 355	0.60 360	1.38 396	0.62 347	0.21 359	0.17 351	0.20 352	0.20 355	0.18 330	0.18 327

AnyNet_C01	0.65 375	0.58 384	2.60 410	0.32 344	0.26 354	0.88 384	0.61 384	0.63 356	0.62 344	0.68 365	0.96 376	0.76 371	0.60 360	0.96 372	1.43 395	0.16 330	0.16 346	0.17 335	0.17 345	0.23 354	0.23 362

ACVNet_2	0.89 390	0.87 398	1.25 385	0.82 397	0.62 393	0.97 389	0.62 385	1.14 397	1.42 400	1.00 387	1.40 392	1.47 395	0.84 384	1.11 381	0.66 353	0.61 396	0.43 394	0.78 400	0.49 392	0.75 398	0.52 392

ADCL	0.47 346	0.22 291	1.00 366	0.27 304	0.19 289	0.74 372	0.64 386	0.54 287	0.69 358	0.56 352	0.71 351	0.55 324	0.60 360	0.60 269	1.43 395	0.11 240	0.09 258	0.13 289	0.13 306	0.14 284	0.14 290

MFMNet_re	0.72 381	0.76 392	0.99 365	0.62 390	0.70 396	0.77 375	0.67 387	0.75 379	0.83 377	0.78 375	0.86 369	0.69 365	0.78 377	0.71 310	0.61 345	0.66 398	0.59 406	0.61 394	0.58 402	0.68 397	0.71 405

IMH	1.05 396	0.95 403	1.00 366	1.01 404	0.78 401	1.11 393	0.68 388	1.38 401	1.43 401	1.00 387	1.72 403	1.43 393	1.14 394	1.73 405	0.89 369	1.09 412	0.55 403	0.99 406	0.57 401	0.87 403	0.62 403

IMH-64-1	0.91 391	0.86 396	0.84 343	0.97 402	0.75 398	0.92 387	0.71 389	1.27 398	1.10 393	0.89 379	1.45 394	1.14 385	0.96 390	1.19 386	0.84 364	0.74 399	0.51 397	0.97 404	0.55 399	0.84 401	0.60 398

IMH-64	0.91 391	0.86 396	0.84 343	0.97 402	0.75 398	0.92 387	0.71 389	1.27 398	1.10 393	0.89 379	1.45 394	1.14 385	0.96 390	1.19 386	0.84 364	0.74 399	0.51 397	0.97 404	0.55 399	0.84 401	0.60 398

THIR-Stereo	0.29 256	0.12 85	0.41 172	0.19 28	0.11 45	0.28 180	0.72 391	0.32 73	0.35 162	0.37 254	0.65 340	0.34 206	0.50 345	0.57 257	0.45 312	0.07 17	0.06 73	0.08 69	0.09 189	0.07 39	0.07 69

TorneroNet-64	1.43 403	1.03 405	1.20 382	1.10 407	0.86 407	2.26 415	0.73 392	1.84 411	3.84 417	1.25 396	2.25 413	2.69 412	1.42 405	1.76 407	1.43 395	0.76 401	0.50 395	1.09 409	0.66 404	1.23 412	0.76 410

WAO-8	1.46 405	1.10 408	1.09 375	1.10 407	0.84 405	2.06 411	0.75 393	1.84 411	3.83 415	1.44 407	2.21 411	2.15 404	1.43 406	3.17 416	1.19 388	0.91 407	0.65 412	1.09 409	0.79 410	0.90 405	0.71 405

WAO-6	1.07 397	0.93 402	0.92 356	0.96 401	0.78 401	1.28 402	0.75 393	1.34 400	2.00 407	1.02 389	1.54 400	1.59 396	1.22 399	1.31 394	1.14 383	0.78 402	0.55 403	1.02 408	0.75 409	0.83 400	0.69 404

Venus	1.46 405	1.10 408	1.09 375	1.10 407	0.84 405	2.06 411	0.75 393	1.84 411	3.83 415	1.44 407	2.21 411	2.15 404	1.43 406	3.17 416	1.19 388	0.91 407	0.65 412	1.09 409	0.79 410	0.90 405	0.71 405

Dean	1.17 400	1.04 406	1.49 395	1.03 406	0.78 401	1.20 399	0.77 396	1.48 406	1.96 405	1.28 397	1.99 408	2.15 404	1.14 394	1.25 391	1.00 374	0.81 404	0.60 407	1.01 407	0.69 406	0.92 407	0.74 408

ELAS	0.74 385	0.36 357	0.85 346	0.36 361	0.33 371	1.36 405	0.77 396	0.93 393	0.92 384	1.41 403	1.53 399	1.16 387	1.17 397	0.95 371	1.03 375	0.26 367	0.25 378	0.28 371	0.28 378	0.31 374	0.30 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
TorneroNet	2.22 413	1.08 407	1.24 384	1.14 411	0.90 408	5.58 420	0.80 398	2.12 416	8.69 423	2.58 415	5.42 420	3.88 417	1.97 411	1.78 409	1.87 405	0.86 405	0.54 402	1.15 413	0.74 408	1.23 412	0.85 411

MANE	1.41 402	0.36 357	0.74 323	0.43 375	0.41 379	2.16 414	0.80 398	2.39 418	3.38 412	2.22 413	3.06 415	3.54 416	2.73 417	2.15 412	1.94 408	0.28 375	0.27 380	0.30 374	0.46 390	0.28 371	0.34 379

WAO-7	1.01 394	0.89 399	0.93 358	0.83 399	0.66 395	1.18 396	0.81 400	1.40 402	1.57 403	1.11 393	1.76 405	1.45 394	1.19 398	1.50 399	1.14 383	0.61 396	0.62 410	0.70 396	0.68 405	0.66 396	0.60 398

LVE	1.13 398	1.02 404	1.28 388	1.01 404	0.80 404	1.29 403	0.81 400	1.47 405	1.96 405	1.07 391	1.90 406	1.90 401	1.01 393	1.48 398	0.91 370	0.93 409	0.61 409	0.94 403	0.69 406	0.87 403	0.75 409

SGM+DAISY	0.87 389	0.66 390	1.30 390	0.51 384	0.60 391	1.03 391	0.84 402	0.76 380	0.73 366	1.39 401	1.51 398	1.31 391	1.22 399	1.11 381	1.08 377	0.57 394	0.53 400	0.51 389	0.51 395	0.54 386	0.61 401

notaker	1.45 404	1.34 414	1.48 394	1.40 414	1.07 411	1.18 396	0.85 403	1.48 406	1.40 399	1.51 411	3.46 416	2.40 409	1.81 410	1.76 407	1.45 398	1.11 413	0.69 415	1.38 416	0.87 412	1.31 414	0.97 413

PWCK	1.00 393	1.17 411	1.70 400	0.91 400	0.41 379	1.19 398	0.92 404	1.10 395	1.14 395	1.16 395	1.14 383	1.25 389	0.88 387	1.75 406	1.04 376	0.87 406	0.50 395	0.87 402	0.53 397	0.96 408	0.52 392

ELAS_RVC	0.74 385	0.36 357	1.00 366	0.37 366	0.33 371	0.88 384	0.93 405	0.83 389	1.08 392	1.35 399	1.33 391	1.24 388	1.33 404	1.06 380	0.95 371	0.27 372	0.25 378	0.29 372	0.27 375	0.30 373	0.30 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet+	1.01 394	1.16 410	4.72 417	0.70 393	0.47 383	1.24 400	0.96 406	0.97 394	0.89 380	0.65 363	0.77 360	0.87 375	0.85 386	2.09 410	1.68 400	0.38 386	0.39 392	0.31 375	0.27 375	0.43 381	0.39 383

LE_ROB	1.76 410	0.20 266	2.68 411	0.48 381	0.52 387	0.78 378	0.96 406	0.84 390	6.61 422	7.40 423	2.08 410	2.08 403	4.83 418	1.27 393	3.79 418	0.10 213	0.08 230	0.12 270	0.11 256	0.11 233	0.10 214

SGM-ForestM	1.36 401	0.28 326	0.79 331	0.26 281	0.16 235	2.26 415	1.00 408	1.42 403	1.46 402	2.38 414	2.05 409	5.95 423	2.66 416	2.95 415	2.46 413	0.17 340	0.18 357	0.18 342	0.18 350	0.15 296	0.18 327

HanzoNet	2.97 416	1.69 417	2.29 404	1.74 417	1.33 415	1.53 409	1.03 409	1.99 414	2.64 410	5.51 420	5.16 419	5.90 422	6.82 422	4.32 421	3.29 416	3.16 421	2.02 422	1.92 419	2.87 423	2.24 420	1.89 420

KSHMR	1.89 412	1.36 415	1.60 397	1.47 416	1.22 414	1.38 406	1.06 410	1.79 410	5.97 421	1.42 405	5.65 421	2.98 414	1.14 394	2.23 413	1.20 390	1.27 416	1.12 417	1.46 418	1.10 417	1.32 416	1.15 416

ktn	1.77 411	1.36 415	1.22 383	1.43 415	1.14 412	1.52 408	1.08 411	1.51 408	3.96 418	2.77 417	4.69 418	3.35 415	1.46 408	1.69 404	1.25 392	1.43 417	0.77 416	1.45 417	0.99 415	1.32 416	0.96 412

UNDER WATER	1.59 408	1.22 413	2.36 405	1.38 413	1.03 410	1.67 410	1.10 412	1.54 409	3.63 413	1.44 407	1.47 396	2.85 413	2.25 414	1.67 403	1.94 408	1.06 411	0.62 410	1.31 415	0.93 414	1.21 411	1.02 414

CrosDoStereo	0.31 270	0.10 26	0.49 232	0.18 9	0.12 81	0.22 99	1.11 413	0.34 93	0.37 181	0.38 262	0.61 333	0.28 160	0.46 334	0.61 274	0.57 336	0.07 17	0.06 73	0.08 69	0.08 114	0.07 39	0.07 69

DeepStereo_LL	0.31 270	0.10 26	0.49 232	0.18 9	0.12 81	0.22 99	1.11 413	0.34 93	0.37 181	0.38 262	0.61 333	0.28 160	0.46 334	0.61 274	0.57 336	0.07 17	0.06 73	0.08 69	0.08 114	0.07 39	0.07 69

UNDER WATER-64	1.55 407	1.19 412	2.52 408	1.31 412	0.95 409	2.12 413	1.21 415	1.45 404	3.19 411	1.43 406	1.32 390	2.64 411	2.04 412	1.63 402	1.83 404	1.11 413	0.67 414	1.28 414	0.92 413	1.19 410	1.02 414

SAMSARA	0.56 363	0.39 365	0.80 333	0.60 389	0.46 382	1.00 390	1.23 416	0.67 369	0.68 356	0.71 368	0.54 307	0.89 378	0.57 357	0.81 347	0.62 347	0.19 355	0.22 371	0.18 342	0.18 350	0.27 367	0.25 367

DGSMNet	0.61 372	0.29 333	0.91 354	0.51 384	0.70 396	0.62 361	1.38 417	0.59 330	0.55 327	0.37 254	0.61 333	0.52 316	0.33 274	0.65 295	0.43 305	0.53 389	0.60 407	0.67 395	0.61 403	0.63 391	0.61 401

JetBlue	1.14 399	0.76 392	2.36 405	0.59 388	0.75 398	3.04 418	1.78 418	1.11 396	0.90 382	0.94 382	1.10 381	1.66 398	1.28 403	2.09 410	1.72 402	0.43 388	0.36 390	0.38 380	0.38 388	0.58 389	0.56 394

MADNet++	2.26 414	1.80 419	2.06 402	2.13 421	1.97 419	2.61 417	1.79 419	2.38 417	2.16 408	2.75 416	2.65 414	2.38 408	2.43 415	3.17 416	3.21 415	2.17 419	1.95 420	1.94 420	1.63 419	2.06 419	2.01 421

JetRed	2.30 415	2.64 421	6.12 418	1.12 410	1.38 416	5.85 421	3.29 420	1.99 414	1.67 404	1.98 412	1.95 407	2.16 407	1.60 409	2.48 414	4.10 419	1.05 410	1.60 419	1.09 409	1.01 416	1.67 418	1.28 417

BEATNet-Init1	4.73 420	2.61 420	13.29 430	0.58 387	0.53 388	10.12 425	3.33 421	4.83 421	5.01 420	8.75 424	8.51 422	14.08 431	7.60 423	7.70 424	5.34 421	0.28 375	0.28 383	0.34 378	0.37 386	0.57 388	0.45 387

DPSimNet_ROB	4.34 418	4.23 422	6.89 420	3.67 422	3.68 420	4.75 419	5.21 422	2.67 419	3.68 414	5.82 421	3.95 417	5.57 419	6.72 421	3.46 420	4.48 420	4.05 424	2.88 423	4.68 425	3.12 424	3.69 422	3.62 424

HaxPig	17.72 434	20.22 441	19.73 431	16.53 430	16.51 429	9.27 424	9.33 423	14.34 433	13.27 428	18.65 432	18.70 432	17.35 432	16.77 433	17.04 433	16.45 433	22.05 440	20.89 440	22.27 436	21.53 435	21.29 438	22.13 440

MEDIAN_ROB	21.21 435	24.62 442	23.47 439	19.58 431	19.65 434	13.22 427	10.96 424	17.88 434	17.00 434	22.14 440	22.02 435	20.86 434	20.36 434	21.06 434	19.71 435	25.63 441	24.13 441	26.21 438	25.20 437	25.17 439	25.38 441

AVERAGE_ROB	25.43 442	29.06 443	27.24 440	24.63 441	24.20 441	17.73 431	12.61 425	22.29 435	21.39 435	26.79 442	26.16 441	25.20 441	24.64 442	25.07 441	23.53 436	29.96 442	28.40 442	30.60 439	29.58 438	29.72 440	29.84 442

tt	4.71 419	0.10 26	3.94 414	2.06 420	1.53 417	10.14 426	16.88 426	9.27 426	4.98 419	1.39 401	1.02 378	4.68 418	4.90 419	3.35 419	5.86 422	5.76 425	9.15 430	2.24 421	2.53 422	3.10 421	1.32 418

xxxxx1	15.27 429	9.54 427	10.31 423	20.13 432	18.88 431	17.08 428	23.03 427	10.36 427	10.99 425	9.21 425	9.62 423	10.74 426	10.61 427	10.72 427	13.89 430	7.97 429	9.20 431	31.85 440	44.72 440	12.84 428	13.69 430

tt_ll	15.27 429	9.54 427	10.31 423	20.13 432	18.88 431	17.08 428	23.03 427	10.36 427	10.99 425	9.21 425	9.62 423	10.74 426	10.61 427	10.72 427	13.89 430	7.97 429	9.20 431	31.85 440	44.72 440	12.84 428	13.69 430

ff	15.27 429	9.54 427	10.31 423	20.13 432	18.88 431	17.08 428	23.03 427	10.36 427	10.99 425	9.21 425	9.62 423	10.74 426	10.61 427	10.72 427	13.89 430	7.97 429	9.20 431	31.85 440	44.72 440	12.84 428	13.69 430

DGTPSM_ROB	8.34 422	5.10 423	10.37 428	5.31 424	10.18 424	8.33 422	23.60 430	6.06 423	13.41 429	4.90 418	10.87 427	5.65 420	10.44 424	6.17 422	12.59 425	3.74 422	7.55 425	3.69 423	7.26 427	4.14 423	7.46 425

DPSMNet_ROB	8.40 423	5.11 424	10.49 429	5.58 425	10.25 425	8.34 423	23.62 431	6.07 424	13.45 430	4.93 419	10.88 428	5.66 421	10.44 424	6.24 423	12.64 426	3.98 423	7.61 426	3.76 424	7.30 428	4.20 424	7.51 426

Anonymous_1	16.62 433	9.35 426	9.84 422	10.66 426	14.64 428	18.66 432	27.12 432	12.64 430	13.51 431	10.76 430	10.30 426	10.13 425	10.60 426	11.06 430	12.74 427	15.87 438	7.74 427	16.92 435	43.48 439	58.66 442	7.68 427

DPSM_ROB	11.49 426	9.87 430	10.35 426	11.13 427	11.31 426	19.11 433	27.51 433	13.37 431	14.21 432	10.31 428	11.06 429	10.96 429	11.27 430	11.96 431	13.59 428	6.78 427	8.19 428	6.03 426	7.09 425	7.93 425	7.73 428

DPSM	11.49 426	9.87 430	10.35 426	11.13 427	11.31 426	19.11 433	27.51 433	13.37 431	14.21 432	10.31 428	11.06 429	10.96 429	11.27 430	11.96 431	13.59 428	6.78 427	8.19 428	6.03 426	7.09 425	7.93 425	7.73 428

SPstereo	14.25 428	1.73 418	2.83 412	1.84 418	1.57 418	23.16 435	43.27 435	35.72 442	29.56 442	20.86 439	20.62 433	26.34 442	21.82 435	25.23 442	19.62 434	1.56 418	1.42 418	2.96 422	2.17 420	1.31 414	1.33 419

LSM0	24.24 441	19.98 440	22.32 438	24.22 440	40.14 442	38.48 441	55.20 436	26.95 440	28.57 436	20.49 433	21.83 434	22.26 440	22.75 439	24.22 440	27.30 437	13.66 437	16.32 434	12.19 434	14.15 429	16.10 437	17.66 439

Selective-RAFT-Error	23.16 440	19.93 439	20.87 437	22.54 439	22.81 439	38.52 442	55.47 437	27.01 441	28.83 441	20.66 435	22.25 437	22.09 439	22.80 441	24.09 439	27.36 438	13.61 433	16.48 435	12.15 430	14.28 431	15.99 436	15.57 438

CasAABBNet	23.10 436	19.86 435	20.64 433	22.47 435	22.73 438	38.41 437	55.50 438	26.89 439	28.70 437	20.61 434	22.15 436	22.08 438	22.75 439	23.99 438	27.36 438	13.59 432	16.48 435	12.14 429	14.27 430	15.95 432	15.53 434

MyStereo03	23.12 437	19.90 436	20.85 434	22.49 436	22.71 435	38.42 438	55.53 439	26.80 436	28.72 438	20.77 436	22.25 437	22.03 435	22.69 436	23.90 435	27.38 440	13.62 434	16.50 437	12.15 430	14.28 431	15.95 432	15.53 434

MyStereo02	23.12 437	19.90 436	20.85 434	22.49 436	22.71 435	38.42 438	55.53 439	26.80 436	28.72 438	20.77 436	22.25 437	22.03 435	22.69 436	23.90 435	27.38 440	13.62 434	16.50 437	12.15 430	14.28 431	15.95 432	15.53 434

MyStereo	23.12 437	19.90 436	20.85 434	22.49 436	22.71 435	38.42 438	55.53 439	26.80 436	28.72 438	20.77 436	22.25 437	22.03 435	22.69 436	23.90 435	27.38 440	13.62 434	16.50 437	12.15 430	14.28 431	15.95 432	15.53 434

PML	16.10 432	12.82 433	6.78 419	5.23 423	7.76 422	33.92 436	66.56 442	5.30 422	10.28 424	26.12 441	68.59 442	20.51 433	13.49 432	10.06 426	6.78 424	5.96 426	2.00 421	6.04 428	2.18 421	8.96 427	2.60 423

test_example2	101.33 443	108.28 444	68.15 442	98.43 442	106.93 443	89.75 443	102.43 443	36.80 443	97.65 443	129.04 443	130.15 443	65.26 443	66.62 443	92.11 443	80.24 443	144.10 443	199.48 443	81.81 443	103.01 443	125.01 443	101.27 443

ASD4		6.65 425

Low-res two-view benchmark