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

Selective-IGEV	0.07 1	0.06 19	0.08 11	0.17 117	0.06 2	0.08 23	0.12 21	0.13 11	0.07 1	0.08 6	0.07 14	0.06 3	0.04 1	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.03 1

AEACV	0.08 2	0.05 6	0.08 11	0.14 13	0.13 304	0.14 157	0.13 43	0.14 17	0.09 2	0.07 2	0.09 23	0.07 18	0.08 51	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

CAS	0.08 2	0.04 1	0.07 2	0.17 117	0.08 48	0.10 58	0.13 43	0.12 4	0.09 2	0.09 16	0.10 39	0.08 26	0.06 7	0.09 10	0.08 11	0.08 194	0.04 2	0.05 2	0.03 1	0.05 40	0.04 7

CES	0.08 2	0.04 1	0.08 11	0.14 13	0.07 19	0.09 35	0.14 70	0.11 1	0.09 2	0.08 6	0.09 23	0.11 77	0.06 7	0.12 103	0.08 11	0.06 56	0.04 2	0.05 2	0.03 1	0.05 40	0.05 52

AFF-stereo	0.09 12	0.06 19	0.10 45	0.17 117	0.07 19	0.10 58	0.16 173	0.17 75	0.09 2	0.10 42	0.12 64	0.09 39	0.09 69	0.12 103	0.09 19	0.05 2	0.04 2	0.07 100	0.07 163	0.04 1	0.03 1

EAI-Stereo	0.09 12	0.07 70	0.11 72	0.15 38	0.06 2	0.10 58	0.15 116	0.16 45	0.09 2	0.08 6	0.09 23	0.08 26	0.07 33	0.09 10	0.11 88	0.05 2	0.04 2	0.05 2	0.05 32	0.05 40	0.04 7

DLNR_Zeroshot_test	10.40 425	1.82 420	19.49 435	120.77 440	13.11 430	0.06 2	0.13 43	0.23 176	0.10 7	0.07 2	0.10 39	0.09 39	0.06 7	0.10 18	0.09 19	0.13 335	0.04 2	0.06 32	0.04 8	51.54 439	0.04 7

HH	0.09 12	0.06 19	0.13 131	0.17 117	0.08 48	0.10 58	0.16 173	0.14 17	0.10 7	0.08 6	0.09 23	0.08 26	0.07 33	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

HanStereo	0.09 12	0.06 19	0.13 131	0.17 117	0.08 48	0.10 58	0.16 173	0.14 17	0.10 7	0.08 6	0.09 23	0.08 26	0.07 33	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

LoS_RVC	0.08 2	0.05 6	0.07 2	0.15 38	0.07 19	0.08 23	0.15 116	0.11 1	0.10 7	0.08 6	0.09 23	0.06 3	0.09 69	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.03 1	0.04 1	0.03 1

MC-Stereo	0.08 2	0.06 19	0.09 28	0.17 117	0.06 2	0.10 58	0.14 70	0.12 4	0.10 7	0.09 16	0.12 64	0.09 39	0.06 7	0.11 47	0.10 51	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

iRaft-Stereo_20w	0.09 12	0.05 6	0.13 131	0.14 13	0.08 48	0.12 107	0.15 116	0.18 99	0.10 7	0.11 62	0.08 17	0.08 26	0.05 2	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.06 101	0.05 52

RAFT-345	0.11 83	0.07 70	0.15 194	0.16 69	0.08 48	0.08 23	0.12 21	0.15 29	0.10 7	0.11 62	0.36 310	0.09 39	0.09 69	0.11 47	0.12 130	0.05 2	0.05 109	0.07 100	0.06 88	0.04 1	0.05 52

CRE-IMP	0.11 83	0.09 193	0.16 224	0.19 230	0.08 48	0.10 58	0.12 21	0.18 99	0.10 7	0.14 127	0.13 74	0.13 115	0.12 141	0.12 103	0.11 88	0.07 144	0.04 2	0.08 164	0.06 88	0.08 202	0.08 221

XX-Stereo	0.09 12	0.05 6	0.08 11	0.17 117	0.09 133	0.15 179	0.12 21	0.20 126	0.10 7	0.10 42	0.14 83	0.07 18	0.06 7	0.12 103	0.08 11	0.06 56	0.05 109	0.06 32	0.06 88	0.04 1	0.04 7

CREStereo	0.09 12	0.04 1	0.08 11	0.11 1	0.06 2	0.13 133	0.14 70	0.14 17	0.10 7	0.08 6	0.13 74	0.09 39	0.08 51	0.11 47	0.10 51	0.08 194	0.04 2	0.05 2	0.03 1	0.06 101	0.06 101
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
IGEV_Zeroshot_test	0.09 12	0.05 6	0.12 92	0.13 6	0.08 48	0.12 107	0.13 43	0.17 75	0.11 17	0.10 42	0.06 2	0.09 39	0.06 7	0.11 47	0.09 19	0.06 56	0.04 2	0.06 32	0.06 88	0.05 40	0.05 52

MIF-Stereo	0.09 12	0.07 70	0.08 11	0.18 184	0.08 48	0.13 133	0.11 11	0.12 4	0.11 17	0.10 42	0.12 64	0.05 1	0.07 33	0.09 10	0.09 19	0.07 144	0.05 109	0.05 2	0.05 32	0.05 40	0.05 52

STrans-v2	0.10 52	0.07 70	0.12 92	0.18 184	0.07 19	0.10 58	0.14 70	0.21 143	0.11 17	0.11 62	0.15 97	0.12 92	0.10 90	0.11 47	0.12 130	0.05 2	0.04 2	0.06 32	0.06 88	0.04 1	0.04 7

SST-Stereo	0.10 52	0.07 70	0.15 194	0.18 184	0.09 133	0.06 2	0.12 21	0.17 75	0.11 17	0.15 151	0.17 123	0.13 115	0.12 141	0.10 18	0.11 88	0.06 56	0.04 2	0.09 230	0.06 88	0.06 101	0.05 52

RALCasStereoNet	0.10 52	0.06 19	0.09 28	0.16 69	0.08 48	0.12 107	0.14 70	0.17 75	0.11 17	0.12 86	0.17 123	0.14 130	0.10 90	0.12 103	0.11 88	0.07 144	0.06 193	0.06 32	0.05 32	0.08 202	0.07 161

PMTNet	0.09 12	0.05 6	0.09 28	0.12 3	0.06 2	0.12 107	0.14 70	0.15 29	0.11 17	0.09 16	0.13 74	0.10 60	0.07 33	0.13 136	0.10 51	0.15 349	0.04 2	0.05 2	0.03 1	0.07 158	0.06 101

R-Stereo Train	0.10 52	0.06 19	0.10 45	0.17 117	0.08 48	0.11 84	0.14 70	0.23 176	0.11 17	0.12 86	0.19 151	0.11 77	0.08 51	0.09 10	0.11 88	0.07 144	0.05 109	0.06 32	0.05 32	0.05 40	0.05 52

RAFT-Stereo	0.10 52	0.06 19	0.10 45	0.17 117	0.08 48	0.11 84	0.14 70	0.23 176	0.11 17	0.12 86	0.19 151	0.11 77	0.08 51	0.09 10	0.11 88	0.07 144	0.05 109	0.06 32	0.05 32	0.05 40	0.05 52
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MGS-Stereo	0.09 12	0.07 70	0.12 92	0.15 38	0.08 48	0.09 35	0.15 116	0.12 4	0.12 25	0.07 2	0.10 39	0.08 26	0.06 7	0.10 18	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.06 101	0.05 52

MyStereo06	0.10 52	0.07 70	0.12 92	0.17 117	0.09 133	0.13 133	0.18 234	0.19 119	0.12 25	0.12 86	0.08 17	0.07 18	0.07 33	0.11 47	0.09 19	0.06 56	0.05 109	0.07 100	0.07 163	0.06 101	0.06 101

ff7	0.09 12	0.07 70	0.11 72	0.16 69	0.09 133	0.11 84	0.15 116	0.16 45	0.12 25	0.10 42	0.06 2	0.06 3	0.06 7	0.11 47	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 101

IGEVStereo-DCA	0.09 12	0.06 19	0.11 72	0.15 38	0.10 219	0.11 84	0.15 116	0.16 45	0.12 25	0.10 42	0.06 2	0.08 26	0.06 7	0.10 18	0.08 11	0.06 56	0.05 109	0.06 32	0.05 32	0.05 40	0.06 101

ffff	0.09 12	0.07 70	0.11 72	0.16 69	0.09 133	0.11 84	0.15 116	0.16 45	0.12 25	0.10 42	0.06 2	0.06 3	0.06 7	0.11 47	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 101

11t	0.09 12	0.07 70	0.11 72	0.16 69	0.09 133	0.11 84	0.15 116	0.16 45	0.12 25	0.10 42	0.06 2	0.06 3	0.06 7	0.11 47	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 101

anonymousdsp	0.09 12	0.07 70	0.11 72	0.16 69	0.09 133	0.11 84	0.15 116	0.16 45	0.12 25	0.09 16	0.06 2	0.06 3	0.06 7	0.11 47	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 101

ProNet	0.09 12	0.07 70	0.10 45	0.17 117	0.08 48	0.10 58	0.15 116	0.15 29	0.12 25	0.09 16	0.06 2	0.07 18	0.06 7	0.11 47	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.06 101

CroCo-Stereo Lap2	0.09 12	0.09 193	0.08 11	0.22 308	0.09 133	0.09 35	0.19 265	0.16 45	0.12 25	0.09 16	0.10 39	0.05 1	0.05 2	0.08 6	0.08 11	0.06 56	0.06 193	0.07 100	0.05 32	0.05 40	0.05 52

ccc-4	0.09 12	0.07 70	0.11 72	0.16 69	0.09 133	0.11 84	0.15 116	0.16 45	0.12 25	0.10 42	0.06 2	0.06 3	0.06 7	0.11 47	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 101

IGEV-Stereo	0.09 12	0.07 70	0.11 72	0.16 69	0.09 133	0.11 84	0.15 116	0.16 45	0.12 25	0.09 16	0.06 2	0.06 3	0.06 7	0.11 47	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 101
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
KYRaft	0.11 83	0.07 70	0.10 45	0.19 230	0.09 133	0.08 23	0.15 116	0.22 159	0.12 25	0.13 107	0.16 105	0.20 214	0.10 90	0.12 103	0.10 51	0.05 2	0.04 2	0.08 164	0.08 213	0.06 101	0.16 356

DeepStereo_RVC	0.11 83	0.08 142	0.16 224	0.18 184	0.08 48	0.08 23	0.12 21	0.17 75	0.12 25	0.13 107	0.14 83	0.12 92	0.12 141	0.12 103	0.11 88	0.06 56	0.04 2	0.07 100	0.06 88	0.07 158	0.08 221

RAFT-RH_RVC	0.11 83	0.06 19	0.14 157	0.16 69	0.09 133	0.12 107	0.12 21	0.17 75	0.12 25	0.13 107	0.41 344	0.11 77	0.10 90	0.13 136	0.12 130	0.05 2	0.04 2	0.08 164	0.05 32	0.04 1	0.06 101

CroCo-Stereo	0.09 12	0.08 142	0.08 11	0.22 308	0.09 133	0.09 35	0.19 265	0.15 29	0.12 25	0.07 2	0.07 14	0.08 26	0.06 7	0.08 6	0.07 1	0.07 144	0.05 109	0.06 32	0.04 8	0.05 40	0.04 7
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
iRaftStereo_RVC	0.10 52	0.07 70	0.09 28	0.17 117	0.09 133	0.11 84	0.17 194	0.18 99	0.12 25	0.09 16	0.12 64	0.10 60	0.07 33	0.11 47	0.10 51	0.05 2	0.04 2	0.08 164	0.08 213	0.04 1	0.04 7

ARAFT	0.12 138	0.08 142	0.17 249	0.19 230	0.09 133	0.14 157	0.18 234	0.20 126	0.12 25	0.12 86	0.13 74	0.14 130	0.11 112	0.15 169	0.12 130	0.06 56	0.05 109	0.10 271	0.09 254	0.05 40	0.04 7

test croco	0.10 52	0.08 142	0.10 45	0.19 230	0.09 133	0.10 58	0.15 116	0.14 17	0.13 42	0.13 107	0.15 97	0.09 39	0.12 141	0.13 136	0.12 130	0.07 144	0.05 109	0.09 230	0.06 88	0.06 101	0.06 101

MSKI-zero shot	0.09 12	0.05 6	0.09 28	0.15 38	0.07 19	0.10 58	0.13 43	0.14 17	0.13 42	0.09 16	0.09 23	0.09 39	0.06 7	0.12 103	0.10 51	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

RAFT-Test	0.09 12	0.06 19	0.10 45	0.15 38	0.07 19	0.11 84	0.15 116	0.16 45	0.13 42	0.09 16	0.10 39	0.10 60	0.09 69	0.12 103	0.09 19	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

knoymous	0.11 83	0.05 6	0.12 92	0.13 6	0.07 19	0.15 179	0.14 70	0.19 119	0.13 42	0.11 62	0.17 123	0.13 115	0.09 69	0.13 136	0.11 88	0.08 194	0.05 109	0.06 32	0.05 32	0.08 202	0.07 161

Patchmatch Stereo++	0.11 83	0.09 193	0.16 224	0.18 184	0.08 48	0.06 2	0.11 11	0.16 45	0.13 42	0.15 151	0.16 105	0.14 130	0.12 141	0.11 47	0.10 51	0.06 56	0.04 2	0.08 164	0.06 88	0.08 202	0.07 161
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
AAGNet	0.11 83	0.07 70	0.16 224	0.19 230	0.09 133	0.08 23	0.13 43	0.18 99	0.13 42	0.16 176	0.21 176	0.13 115	0.14 196	0.11 47	0.14 188	0.06 56	0.04 2	0.09 230	0.06 88	0.06 101	0.05 52

PSM-adaLoss	0.11 83	0.09 193	0.16 224	0.18 184	0.08 48	0.06 2	0.12 21	0.16 45	0.13 42	0.15 151	0.16 105	0.14 130	0.12 141	0.11 47	0.10 51	0.06 56	0.04 2	0.08 164	0.06 88	0.08 202	0.07 161

PSM-AAD	0.11 83	0.07 70	0.10 45	0.19 230	0.09 133	0.10 58	0.15 116	0.20 126	0.13 42	0.12 86	0.14 83	0.18 195	0.11 112	0.11 47	0.10 51	0.05 2	0.05 109	0.09 230	0.08 213	0.06 101	0.14 337

ROB_FTStereo_v2	0.11 83	0.09 193	0.16 224	0.19 230	0.08 48	0.06 2	0.12 21	0.16 45	0.13 42	0.15 151	0.16 105	0.14 130	0.12 141	0.11 47	0.10 51	0.06 56	0.04 2	0.08 164	0.06 88	0.08 202	0.07 161

ROB_FTStereo	0.11 83	0.09 193	0.16 224	0.19 230	0.08 48	0.06 2	0.11 11	0.16 45	0.13 42	0.15 151	0.16 105	0.14 130	0.12 141	0.11 47	0.10 51	0.06 56	0.04 2	0.08 164	0.06 88	0.08 202	0.07 161

HUI-Stereo	0.11 83	0.09 193	0.16 224	0.18 184	0.08 48	0.06 2	0.12 21	0.16 45	0.13 42	0.15 151	0.16 105	0.14 130	0.12 141	0.11 47	0.10 51	0.06 56	0.04 2	0.08 164	0.06 88	0.08 202	0.07 161

iGMRVC	0.11 83	0.09 193	0.16 224	0.19 230	0.08 48	0.06 2	0.12 21	0.16 45	0.13 42	0.15 151	0.16 105	0.14 130	0.12 141	0.11 47	0.10 51	0.06 56	0.04 2	0.08 164	0.06 88	0.08 202	0.07 161

iRAFT	0.11 83	0.09 193	0.16 224	0.18 184	0.08 48	0.06 2	0.11 11	0.16 45	0.13 42	0.15 151	0.16 105	0.14 130	0.12 141	0.11 47	0.10 51	0.06 56	0.04 2	0.08 164	0.06 88	0.08 202	0.07 161

RAFT-IKP	0.11 83	0.09 193	0.16 224	0.19 230	0.08 48	0.06 2	0.12 21	0.16 45	0.13 42	0.15 151	0.16 105	0.14 130	0.12 141	0.11 47	0.10 51	0.06 56	0.04 2	0.08 164	0.06 88	0.08 202	0.07 161

Prome-Stereo	0.11 83	0.06 19	0.10 45	0.18 184	0.08 48	0.12 107	0.15 116	0.22 159	0.13 42	0.12 86	0.17 123	0.13 115	0.08 51	0.12 103	0.10 51	0.05 2	0.04 2	0.07 100	0.06 88	0.06 101	0.09 254

XX-TBD	0.09 12	0.06 19	0.07 2	0.14 13	0.07 19	0.12 107	0.16 173	0.14 17	0.13 42	0.11 62	0.12 64	0.09 39	0.08 51	0.10 18	0.10 51	0.06 56	0.04 2	0.05 2	0.03 1	0.06 101	0.05 52

test_xeample3	0.09 12	0.06 19	0.12 92	0.16 69	0.09 133	0.11 84	0.15 116	0.16 45	0.13 42	0.10 42	0.06 2	0.08 26	0.06 7	0.10 18	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 101

IGEV+	0.08 2	0.06 19	0.10 45	0.16 69	0.06 2	0.09 35	0.13 43	0.12 4	0.14 59	0.09 16	0.09 23	0.06 3	0.05 2	0.12 103	0.09 19	0.06 56	0.04 2	0.05 2	0.04 8	0.06 101	0.04 7

MIM_Stereo	0.09 12	0.07 70	0.11 72	0.15 38	0.07 19	0.06 2	0.12 21	0.20 126	0.14 59	0.13 107	0.13 74	0.09 39	0.05 2	0.12 103	0.08 11	0.05 2	0.06 193	0.07 100	0.06 88	0.06 101	0.05 52

CASnet	0.09 12	0.09 193	0.09 28	0.19 230	0.06 2	0.07 16	0.11 11	0.18 99	0.14 59	0.11 62	0.10 39	0.09 39	0.07 33	0.10 18	0.10 51	0.06 56	0.04 2	0.10 271	0.08 213	0.05 40	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.10 52	0.10 241	0.15 194	0.18 184	0.08 48	0.15 179	0.09 3	0.17 75	0.14 59	0.14 127	0.10 39	0.09 39	0.07 33	0.16 201	0.10 51	0.05 2	0.05 109	0.10 271	0.07 163	0.06 101	0.05 52

riskmin	0.11 83	0.06 19	0.13 131	0.14 13	0.08 48	0.14 157	0.14 70	0.18 99	0.14 59	0.11 62	0.14 83	0.16 165	0.11 112	0.14 151	0.12 130	0.09 239	0.05 109	0.07 100	0.05 32	0.08 202	0.08 221

RCA-Stereo	0.09 12	0.06 19	0.09 28	0.16 69	0.06 2	0.09 35	0.13 43	0.18 99	0.14 59	0.09 16	0.10 39	0.08 26	0.07 33	0.12 103	0.11 88	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

ACRE	0.11 83	0.08 142	0.14 157	0.17 117	0.08 48	0.12 107	0.15 116	0.17 75	0.14 59	0.14 127	0.10 39	0.16 165	0.09 69	0.16 201	0.11 88	0.07 144	0.05 109	0.06 32	0.05 32	0.05 40	0.06 101

AnonymousM	0.09 12	0.05 6	0.10 45	0.14 13	0.06 2	0.09 35	0.13 43	0.19 119	0.14 59	0.13 107	0.11 56	0.09 39	0.08 51	0.13 136	0.10 51	0.08 194	0.05 109	0.08 164	0.05 32	0.05 40	0.05 52

rafts_anoy	0.11 83	0.06 19	0.10 45	0.17 117	0.08 48	0.10 58	0.14 70	0.17 75	0.14 59	0.13 107	0.13 74	0.12 92	0.10 90	0.11 47	0.12 130	0.07 144	0.04 2	0.09 230	0.11 309	0.07 158	0.06 101

CREStereo++_RVC	0.08 2	0.04 1	0.06 1	0.13 6	0.07 19	0.09 35	0.12 21	0.14 17	0.14 59	0.10 42	0.14 83	0.08 26	0.07 33	0.09 10	0.11 88	0.06 56	0.04 2	0.05 2	0.05 32	0.04 1	0.04 7
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
sCroCo_RVC	0.12 138	0.09 193	0.23 303	0.24 332	0.11 257	0.19 257	0.14 70	0.17 75	0.14 59	0.10 42	0.13 74	0.12 92	0.07 33	0.14 151	0.11 88	0.08 194	0.08 272	0.08 164	0.08 213	0.05 40	0.07 161

RAFT-Stereo + iAFF	0.09 12	0.06 19	0.10 45	0.17 117	0.06 2	0.10 58	0.16 173	0.17 75	0.14 59	0.09 16	0.10 39	0.08 26	0.09 69	0.11 47	0.09 19	0.05 2	0.04 2	0.06 32	0.06 88	0.04 1	0.03 1

MyStereo07	0.10 52	0.07 70	0.10 45	0.17 117	0.09 133	0.14 157	0.18 234	0.15 29	0.15 71	0.09 16	0.06 2	0.06 3	0.07 33	0.12 103	0.09 19	0.06 56	0.05 109	0.08 164	0.07 163	0.06 101	0.06 101

mmm	0.14 189	0.08 142	0.17 249	0.17 117	0.09 133	0.17 222	0.18 234	0.21 143	0.15 71	0.15 151	0.23 191	0.21 220	0.16 229	0.16 201	0.17 237	0.08 194	0.05 109	0.08 164	0.07 163	0.07 158	0.07 161

11t1	0.12 138	0.06 19	0.13 131	0.14 13	0.08 48	0.17 222	0.15 116	0.18 99	0.15 71	0.15 151	0.15 97	0.16 165	0.16 229	0.15 169	0.13 160	0.08 194	0.05 109	0.06 32	0.05 32	0.08 202	0.07 161

rrr	0.09 12	0.06 19	0.12 92	0.15 38	0.10 219	0.11 84	0.16 173	0.16 45	0.15 71	0.10 42	0.06 2	0.08 26	0.06 7	0.10 18	0.08 11	0.06 56	0.05 109	0.06 32	0.05 32	0.05 40	0.06 101

Any-RAFT	0.10 52	0.05 6	0.09 28	0.14 13	0.07 19	0.13 133	0.14 70	0.21 143	0.15 71	0.11 62	0.12 64	0.12 92	0.09 69	0.12 103	0.09 19	0.07 144	0.04 2	0.05 2	0.04 8	0.06 101	0.05 52

4D-IteraStereo	0.09 12	0.07 70	0.10 45	0.18 184	0.07 19	0.09 35	0.15 116	0.17 75	0.15 71	0.10 42	0.11 56	0.10 60	0.07 33	0.11 47	0.09 19	0.05 2	0.03 1	0.08 164	0.07 163	0.06 101	0.05 52

LoS	0.09 12	0.05 6	0.11 72	0.13 6	0.07 19	0.14 157	0.11 11	0.15 29	0.15 71	0.09 16	0.09 23	0.12 92	0.09 69	0.15 169	0.10 51	0.07 144	0.05 109	0.05 2	0.03 1	0.05 40	0.05 52

CIPLG	0.11 83	0.08 142	0.14 157	0.17 117	0.08 48	0.12 107	0.15 116	0.17 75	0.15 71	0.14 127	0.11 56	0.16 165	0.09 69	0.16 201	0.11 88	0.07 144	0.05 109	0.06 32	0.05 32	0.05 40	0.06 101

IPLG	0.10 52	0.07 70	0.15 194	0.17 117	0.08 48	0.11 84	0.14 70	0.20 126	0.15 71	0.12 86	0.17 123	0.07 18	0.07 33	0.14 151	0.13 160	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

IPLGR_C	0.11 83	0.08 142	0.14 157	0.17 117	0.08 48	0.12 107	0.15 116	0.17 75	0.15 71	0.14 127	0.10 39	0.16 165	0.09 69	0.16 201	0.11 88	0.07 144	0.05 109	0.06 32	0.05 32	0.05 40	0.06 101

test-3	0.08 2	0.06 19	0.09 28	0.17 117	0.07 19	0.07 16	0.14 70	0.12 4	0.15 71	0.09 16	0.08 17	0.07 18	0.08 51	0.11 47	0.10 51	0.05 2	0.04 2	0.07 100	0.05 32	0.04 1	0.04 7

test_1	0.08 2	0.06 19	0.09 28	0.17 117	0.07 19	0.07 16	0.14 70	0.12 4	0.15 71	0.09 16	0.08 17	0.07 18	0.08 51	0.11 47	0.10 51	0.05 2	0.04 2	0.07 100	0.05 32	0.04 1	0.04 7

LCNet	0.11 83	0.07 70	0.09 28	0.19 230	0.09 133	0.08 23	0.15 116	0.21 143	0.15 71	0.11 62	0.15 97	0.16 165	0.11 112	0.12 103	0.11 88	0.05 2	0.04 2	0.08 164	0.07 163	0.06 101	0.15 345

TransformOpticalFlow	0.10 52	0.08 142	0.13 131	0.18 184	0.07 19	0.09 35	0.15 116	0.19 119	0.15 71	0.12 86	0.17 123	0.11 77	0.11 112	0.11 47	0.10 51	0.05 2	0.04 2	0.06 32	0.06 88	0.05 40	0.05 52

NRIStereo	0.11 83	0.08 142	0.14 157	0.18 184	0.08 48	0.10 58	0.14 70	0.16 45	0.15 71	0.12 86	0.14 83	0.13 115	0.12 141	0.13 136	0.10 51	0.06 56	0.04 2	0.07 100	0.06 88	0.06 101	0.07 161

cross-raft	0.10 52	0.09 193	0.09 28	0.19 230	0.07 19	0.11 84	0.25 338	0.13 11	0.15 71	0.08 6	0.11 56	0.12 92	0.10 90	0.09 10	0.11 88	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

s12784h	0.09 12	0.06 19	0.07 2	0.15 38	0.05 1	0.16 203	0.18 234	0.15 29	0.15 71	0.10 42	0.11 56	0.11 77	0.11 112	0.10 18	0.12 130	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

RALAANet	0.11 83	0.08 142	0.10 45	0.17 117	0.09 133	0.14 157	0.10 6	0.20 126	0.15 71	0.14 127	0.13 74	0.16 165	0.09 69	0.12 103	0.11 88	0.06 56	0.05 109	0.07 100	0.06 88	0.05 40	0.04 7

ACVNet-DCA	0.10 52	0.08 142	0.12 92	0.17 117	0.09 133	0.13 133	0.15 116	0.23 176	0.16 89	0.09 16	0.09 23	0.06 3	0.06 7	0.10 18	0.07 1	0.06 56	0.04 2	0.06 32	0.05 32	0.07 158	0.07 161

1test111	0.11 83	0.08 142	0.12 92	0.17 117	0.09 133	0.13 133	0.15 116	0.23 176	0.16 89	0.09 16	0.09 23	0.06 3	0.06 7	0.15 169	0.16 226	0.06 56	0.04 2	0.06 32	0.05 32	0.07 158	0.07 161

StereoIM	0.09 12	0.09 193	0.08 11	0.17 117	0.09 133	0.13 133	0.10 6	0.16 45	0.16 89	0.09 16	0.11 56	0.06 3	0.06 7	0.09 10	0.13 160	0.07 144	0.06 193	0.07 100	0.05 32	0.05 40	0.04 7

EGLCR-Stereo	0.08 2	0.05 6	0.08 11	0.14 13	0.06 2	0.10 58	0.12 21	0.11 1	0.16 89	0.06 1	0.05 1	0.07 18	0.05 2	0.10 18	0.11 88	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

TestStereo1	0.13 160	0.08 142	0.08 11	0.19 230	0.08 48	0.18 237	0.29 364	0.23 176	0.16 89	0.17 188	0.20 162	0.16 165	0.10 90	0.12 103	0.13 160	0.06 56	0.06 193	0.08 164	0.06 88	0.05 40	0.05 52

qqq	0.13 160	0.09 193	0.15 194	0.16 69	0.08 48	0.13 133	0.15 116	0.23 176	0.16 89	0.15 151	0.19 151	0.16 165	0.16 229	0.15 169	0.16 226	0.07 144	0.06 193	0.08 164	0.08 213	0.07 158	0.07 161

RAFT_CTSACE	0.12 138	0.09 193	0.10 45	0.22 308	0.08 48	0.12 107	0.24 325	0.18 99	0.16 89	0.20 245	0.27 251	0.13 115	0.07 33	0.13 136	0.09 19	0.05 2	0.06 193	0.08 164	0.07 163	0.04 1	0.04 7

SA-5K	0.13 160	0.08 142	0.08 11	0.19 230	0.08 48	0.18 237	0.29 364	0.23 176	0.16 89	0.17 188	0.20 162	0.16 165	0.10 90	0.12 103	0.13 160	0.06 56	0.06 193	0.08 164	0.06 88	0.05 40	0.05 52

RAFT_R40	0.11 83	0.07 70	0.14 157	0.18 184	0.09 133	0.06 2	0.13 43	0.17 75	0.16 89	0.14 127	0.18 145	0.15 154	0.12 141	0.10 18	0.11 88	0.06 56	0.04 2	0.09 230	0.06 88	0.06 101	0.05 52

GMM-Stereo	0.11 83	0.07 70	0.10 45	0.18 184	0.09 133	0.08 23	0.15 116	0.23 176	0.16 89	0.11 62	0.15 97	0.13 115	0.11 112	0.11 47	0.11 88	0.05 2	0.04 2	0.08 164	0.07 163	0.06 101	0.09 254

raftrobust	0.09 12	0.06 19	0.10 45	0.17 117	0.08 48	0.09 35	0.10 6	0.18 99	0.16 89	0.10 42	0.09 23	0.12 92	0.07 33	0.12 103	0.10 51	0.08 194	0.05 109	0.06 32	0.05 32	0.05 40	0.05 52

DIP-Stereo	0.11 83	0.07 70	0.14 157	0.17 117	0.09 133	0.13 133	0.09 3	0.16 45	0.16 89	0.11 62	0.16 105	0.14 130	0.12 141	0.15 169	0.13 160	0.06 56	0.05 109	0.06 32	0.05 32	0.05 40	0.06 101
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DCRE	0.11 83	0.07 70	0.13 131	0.16 69	0.11 257	0.11 84	0.17 194	0.18 99	0.17 101	0.11 62	0.18 145	0.10 60	0.10 90	0.15 169	0.11 88	0.06 56	0.05 109	0.06 32	0.06 88	0.05 40	0.04 7

Anonymous_2	0.22 309	0.17 332	0.28 324	0.15 38	0.16 342	0.32 348	0.22 306	0.22 159	0.17 101	0.23 278	0.24 200	0.26 273	0.27 325	0.27 320	0.23 304	0.22 377	0.25 384	0.17 353	0.17 359	0.17 360	0.17 363

DisPM	0.11 83	0.07 70	0.12 92	0.16 69	0.09 133	0.06 2	0.13 43	0.17 75	0.17 101	0.14 127	0.20 162	0.12 92	0.10 90	0.11 47	0.10 51	0.06 56	0.04 2	0.07 100	0.06 88	0.06 101	0.11 296

test_4	0.10 52	0.10 241	0.08 11	0.19 230	0.09 133	0.08 23	0.22 306	0.15 29	0.17 101	0.12 86	0.18 145	0.12 92	0.09 69	0.08 6	0.11 88	0.04 1	0.04 2	0.08 164	0.08 213	0.04 1	0.03 1

GMOStereo	0.11 83	0.09 193	0.07 2	0.19 230	0.08 48	0.12 107	0.28 356	0.13 11	0.17 101	0.11 62	0.17 123	0.14 130	0.12 141	0.07 1	0.07 1	0.05 2	0.05 109	0.09 230	0.07 163	0.04 1	0.04 7

error version	0.11 83	0.09 193	0.07 2	0.19 230	0.08 48	0.12 107	0.28 356	0.13 11	0.17 101	0.11 62	0.17 123	0.14 130	0.12 141	0.07 1	0.07 1	0.05 2	0.05 109	0.09 230	0.07 163	0.04 1	0.04 7

test-v	0.11 83	0.09 193	0.07 2	0.19 230	0.08 48	0.12 107	0.28 356	0.13 11	0.17 101	0.11 62	0.17 123	0.14 130	0.12 141	0.07 1	0.07 1	0.05 2	0.05 109	0.09 230	0.07 163	0.04 1	0.04 7

HHNet	0.11 83	0.06 19	0.16 224	0.15 38	0.14 321	0.07 16	0.13 43	0.20 126	0.17 101	0.14 127	0.25 229	0.11 77	0.08 51	0.13 136	0.10 51	0.05 2	0.04 2	0.08 164	0.06 88	0.05 40	0.09 254

IIG-Stereo	0.11 83	0.06 19	0.13 131	0.17 117	0.08 48	0.11 84	0.12 21	0.22 159	0.17 101	0.14 127	0.17 123	0.11 77	0.12 141	0.12 103	0.12 130	0.06 56	0.05 109	0.07 100	0.06 88	0.05 40	0.04 7

PSM-softLoss	0.12 138	0.07 70	0.15 194	0.17 117	0.09 133	0.08 23	0.13 43	0.24 194	0.17 101	0.14 127	0.19 151	0.13 115	0.11 112	0.11 47	0.11 88	0.07 144	0.05 109	0.08 164	0.07 163	0.06 101	0.12 307

KMStereo	0.12 138	0.07 70	0.15 194	0.17 117	0.09 133	0.08 23	0.13 43	0.24 194	0.17 101	0.14 127	0.19 151	0.13 115	0.11 112	0.11 47	0.11 88	0.07 144	0.05 109	0.08 164	0.07 163	0.06 101	0.12 307

ASMatch	0.11 83	0.06 19	0.13 131	0.16 69	0.10 219	0.07 16	0.14 70	0.17 75	0.17 101	0.12 86	0.16 105	0.16 165	0.10 90	0.13 136	0.10 51	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.08 221

GrayStereo	0.11 83	0.06 19	0.11 72	0.19 230	0.09 133	0.09 35	0.16 173	0.18 99	0.17 101	0.14 127	0.17 123	0.17 184	0.11 112	0.12 103	0.11 88	0.05 2	0.05 109	0.07 100	0.06 88	0.05 40	0.10 273

Pruner-Stereo	0.11 83	0.07 70	0.12 92	0.17 117	0.09 133	0.06 2	0.12 21	0.17 75	0.17 101	0.13 107	0.19 151	0.13 115	0.09 69	0.11 47	0.11 88	0.06 56	0.04 2	0.07 100	0.06 88	0.06 101	0.08 221

test-2	0.11 83	0.09 193	0.07 2	0.19 230	0.08 48	0.12 107	0.28 356	0.13 11	0.17 101	0.11 62	0.17 123	0.14 130	0.12 141	0.07 1	0.07 1	0.05 2	0.05 109	0.09 230	0.07 163	0.04 1	0.04 7

CFNet-RSSM	0.09 12	0.07 70	0.09 28	0.16 69	0.07 19	0.09 35	0.15 116	0.16 45	0.17 101	0.08 6	0.12 64	0.10 60	0.09 69	0.11 47	0.09 19	0.06 56	0.04 2	0.06 32	0.04 8	0.04 1	0.04 7

Gwc-CoAtRS	0.09 12	0.06 19	0.10 45	0.16 69	0.07 19	0.10 58	0.14 70	0.17 75	0.17 101	0.08 6	0.10 39	0.12 92	0.09 69	0.12 103	0.09 19	0.06 56	0.04 2	0.06 32	0.04 8	0.04 1	0.04 7

Former-RAFT_DAM_RVC	0.10 52	0.08 142	0.12 92	0.16 69	0.08 48	0.15 179	0.16 173	0.18 99	0.18 118	0.10 42	0.09 23	0.09 39	0.08 51	0.11 47	0.12 130	0.07 144	0.05 109	0.08 164	0.06 88	0.07 158	0.06 101

xx1	0.11 83	0.08 142	0.12 92	0.17 117	0.09 133	0.13 133	0.15 116	0.16 45	0.18 118	0.09 16	0.09 23	0.16 165	0.16 229	0.10 18	0.07 1	0.06 56	0.04 2	0.08 164	0.08 213	0.07 158	0.07 161

cc1	0.10 52	0.08 142	0.12 92	0.17 117	0.09 133	0.13 133	0.15 116	0.16 45	0.18 118	0.09 16	0.09 23	0.06 3	0.06 7	0.10 18	0.07 1	0.06 56	0.04 2	0.06 32	0.05 32	0.06 101	0.06 101

MIF-Stereo (partial)	0.11 83	0.06 19	0.10 45	0.19 230	0.10 219	0.10 58	0.11 11	0.17 75	0.18 118	0.14 127	0.16 105	0.09 39	0.11 112	0.12 103	0.12 130	0.08 194	0.05 109	0.08 164	0.07 163	0.06 101	0.07 161

Sa-1000	0.12 138	0.08 142	0.08 11	0.18 184	0.08 48	0.14 157	0.22 306	0.22 159	0.18 118	0.15 151	0.20 162	0.17 184	0.11 112	0.10 18	0.10 51	0.06 56	0.05 109	0.09 230	0.09 254	0.05 40	0.05 52

SA	0.12 138	0.09 193	0.08 11	0.18 184	0.08 48	0.12 107	0.24 325	0.23 176	0.18 118	0.17 188	0.27 251	0.14 130	0.11 112	0.11 47	0.11 88	0.05 2	0.05 109	0.09 230	0.08 213	0.05 40	0.04 7

TRStereo	0.09 12	0.05 6	0.12 92	0.15 38	0.12 286	0.10 58	0.13 43	0.18 99	0.18 118	0.09 16	0.09 23	0.09 39	0.06 7	0.10 18	0.08 11	0.07 144	0.05 109	0.07 100	0.07 163	0.04 1	0.04 7

FTStereo	0.12 138	0.06 19	0.14 157	0.18 184	0.09 133	0.07 16	0.15 116	0.21 143	0.18 118	0.12 86	0.24 200	0.12 92	0.12 141	0.13 136	0.13 160	0.05 2	0.05 109	0.07 100	0.06 88	0.06 101	0.10 273

test-1	0.10 52	0.07 70	0.16 224	0.19 230	0.08 48	0.11 84	0.24 325	0.14 17	0.18 118	0.09 16	0.07 14	0.09 39	0.08 51	0.07 1	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

BEATNet_4x	0.12 138	0.08 142	0.14 157	0.18 184	0.07 19	0.15 179	0.07 1	0.22 159	0.18 118	0.16 176	0.19 151	0.18 195	0.14 196	0.16 201	0.15 211	0.07 144	0.05 109	0.05 2	0.05 32	0.06 101	0.06 101

HITNet	0.10 52	0.06 19	0.12 92	0.14 13	0.06 2	0.11 84	0.10 6	0.18 99	0.18 118	0.13 107	0.16 105	0.14 130	0.11 112	0.15 169	0.13 160	0.06 56	0.04 2	0.04 1	0.04 8	0.06 101	0.05 52
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
DN-CSS_ROB	0.13 160	0.13 296	0.16 224	0.18 184	0.10 219	0.16 203	0.08 2	0.22 159	0.18 118	0.17 188	0.22 185	0.13 115	0.13 173	0.12 103	0.13 160	0.05 2	0.05 109	0.10 271	0.10 286	0.08 202	0.06 101

AE-Stereo	0.10 52	0.08 142	0.10 45	0.18 184	0.09 133	0.10 58	0.15 116	0.14 17	0.19 130	0.09 16	0.14 83	0.12 92	0.08 51	0.11 47	0.10 51	0.05 2	0.06 193	0.07 100	0.06 88	0.05 40	0.04 7

DualNet	0.13 160	0.09 193	0.14 157	0.16 69	0.08 48	0.17 222	0.17 194	0.15 29	0.19 130	0.15 151	0.25 229	0.19 204	0.13 173	0.10 18	0.20 266	0.06 56	0.04 2	0.09 230	0.08 213	0.06 101	0.06 101

ffm	0.12 138	0.09 193	0.14 157	0.16 69	0.08 48	0.17 222	0.17 194	0.15 29	0.19 130	0.15 151	0.25 229	0.19 204	0.13 173	0.10 18	0.07 1	0.06 56	0.04 2	0.09 230	0.08 213	0.06 101	0.06 101

ff1	0.13 160	0.09 193	0.14 157	0.16 69	0.08 48	0.17 222	0.17 194	0.15 29	0.19 130	0.15 151	0.25 229	0.19 204	0.13 173	0.14 151	0.20 266	0.06 56	0.04 2	0.09 230	0.08 213	0.06 101	0.06 101

tt1	0.10 52	0.08 142	0.12 92	0.17 117	0.09 133	0.12 107	0.16 173	0.15 29	0.19 130	0.09 16	0.08 17	0.06 3	0.06 7	0.10 18	0.07 1	0.06 56	0.04 2	0.06 32	0.05 32	0.06 101	0.06 101

CASS	0.13 160	0.12 275	0.11 72	0.23 327	0.09 133	0.15 179	0.17 194	0.18 99	0.19 130	0.17 188	0.18 145	0.15 154	0.15 209	0.14 151	0.14 188	0.09 239	0.06 193	0.10 271	0.08 213	0.09 250	0.07 161
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCANet-4	0.10 52	0.06 19	0.12 92	0.16 69	0.06 2	0.09 35	0.17 194	0.18 99	0.19 130	0.13 107	0.16 105	0.09 39	0.14 196	0.11 47	0.12 130	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

ADStereo(finetuned)	0.10 52	0.06 19	0.12 92	0.16 69	0.06 2	0.09 35	0.17 194	0.15 29	0.19 130	0.13 107	0.17 123	0.10 60	0.12 141	0.11 47	0.12 130	0.06 56	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

BUS	0.14 189	0.09 193	0.14 157	0.22 308	0.10 219	0.19 257	0.14 70	0.34 317	0.19 130	0.17 188	0.22 185	0.16 165	0.13 173	0.15 169	0.13 160	0.08 194	0.06 193	0.10 271	0.09 254	0.07 158	0.07 161

BSDual-CNN	0.15 223	0.09 193	0.14 157	0.22 308	0.10 219	0.14 157	0.15 116	0.34 317	0.19 130	0.17 188	0.22 185	0.25 265	0.16 229	0.15 169	0.14 188	0.08 194	0.06 193	0.10 271	0.09 254	0.07 158	0.07 161

psmg	0.14 189	0.09 193	0.14 157	0.17 117	0.10 219	0.15 179	0.17 194	0.29 261	0.19 130	0.17 188	0.21 176	0.25 265	0.16 229	0.15 169	0.14 188	0.08 194	0.06 193	0.08 164	0.08 213	0.07 158	0.06 101

NF-Stereo	0.11 83	0.07 70	0.13 131	0.17 117	0.09 133	0.10 58	0.14 70	0.23 176	0.19 130	0.12 86	0.17 123	0.12 92	0.11 112	0.11 47	0.11 88	0.06 56	0.04 2	0.07 100	0.06 88	0.06 101	0.12 307

OCTAStereo	0.11 83	0.07 70	0.13 131	0.17 117	0.09 133	0.10 58	0.14 70	0.23 176	0.19 130	0.12 86	0.17 123	0.12 92	0.11 112	0.11 47	0.11 88	0.06 56	0.04 2	0.07 100	0.06 88	0.06 101	0.12 307

RE-Stereo	0.11 83	0.07 70	0.13 131	0.17 117	0.09 133	0.10 58	0.14 70	0.23 176	0.19 130	0.12 86	0.17 123	0.12 92	0.11 112	0.11 47	0.11 88	0.06 56	0.04 2	0.07 100	0.06 88	0.06 101	0.12 307

TVStereo	0.11 83	0.07 70	0.13 131	0.17 117	0.09 133	0.10 58	0.14 70	0.23 176	0.19 130	0.12 86	0.17 123	0.12 92	0.11 112	0.11 47	0.11 88	0.06 56	0.04 2	0.07 100	0.06 88	0.06 101	0.12 307

RAFT	0.13 160	0.09 193	0.11 72	0.18 184	0.08 48	0.15 179	0.24 325	0.20 126	0.19 130	0.21 253	0.21 176	0.17 184	0.12 141	0.16 201	0.09 19	0.06 56	0.07 250	0.10 271	0.09 254	0.05 40	0.05 52

LMCR-Stereo	0.15 223	0.08 142	0.13 131	0.21 295	0.09 133	0.17 222	0.20 280	0.27 237	0.19 130	0.24 286	0.24 200	0.23 249	0.17 248	0.20 264	0.17 237	0.07 144	0.06 193	0.08 164	0.06 88	0.10 277	0.08 221

TANstereo	0.09 12	0.04 1	0.08 11	0.13 6	0.06 2	0.11 84	0.14 70	0.15 29	0.19 130	0.11 62	0.15 97	0.10 60	0.06 7	0.12 103	0.09 19	0.07 144	0.05 109	0.05 2	0.04 8	0.06 101	0.05 52

Anonymous	0.14 189	0.10 241	0.24 306	0.22 308	0.13 304	0.18 237	0.22 306	0.20 126	0.19 130	0.14 127	0.12 64	0.11 77	0.13 173	0.16 201	0.13 160	0.08 194	0.07 250	0.08 164	0.08 213	0.12 306	0.10 273

DCANet	0.10 52	0.06 19	0.12 92	0.16 69	0.06 2	0.09 35	0.17 194	0.15 29	0.19 130	0.13 107	0.17 123	0.10 60	0.11 112	0.11 47	0.12 130	0.06 56	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

xxxx	0.15 223	0.07 70	0.14 157	0.14 13	0.08 48	0.23 304	0.18 234	0.31 281	0.19 130	0.14 127	0.28 260	0.22 237	0.14 196	0.15 169	0.26 332	0.09 239	0.05 109	0.07 100	0.07 163	0.08 202	0.07 161

StereoVision	0.13 160	0.12 275	0.09 28	0.24 332	0.10 219	0.15 179	0.21 296	0.21 143	0.20 151	0.12 86	0.24 200	0.10 60	0.10 90	0.16 201	0.10 51	0.09 239	0.11 322	0.12 313	0.12 327	0.06 101	0.05 52

fff	0.10 52	0.06 19	0.12 92	0.15 38	0.07 19	0.09 35	0.17 194	0.16 45	0.20 151	0.13 107	0.16 105	0.10 60	0.11 112	0.11 47	0.12 130	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

x	0.13 160	0.07 70	0.14 157	0.14 13	0.08 48	0.18 237	0.14 70	0.22 159	0.20 151	0.15 151	0.19 151	0.19 204	0.17 248	0.18 234	0.18 251	0.07 144	0.05 109	0.06 32	0.06 88	0.07 158	0.07 161

CRFU-Net	0.16 241	0.08 142	0.14 157	0.17 117	0.09 133	0.19 257	0.14 70	0.26 219	0.20 151	0.28 321	0.27 251	0.29 294	0.17 248	0.19 245	0.17 237	0.09 239	0.09 295	0.07 100	0.07 163	0.08 202	0.08 221

GANet-ADL	0.13 160	0.07 70	0.15 194	0.17 117	0.10 219	0.18 237	0.15 116	0.30 275	0.20 151	0.13 107	0.18 145	0.19 204	0.12 141	0.16 201	0.13 160	0.08 194	0.06 193	0.06 32	0.05 32	0.07 158	0.08 221

PFNet	0.12 138	0.06 19	0.17 249	0.17 117	0.08 48	0.09 35	0.15 116	0.26 219	0.20 151	0.16 176	0.16 105	0.14 130	0.11 112	0.12 103	0.11 88	0.06 56	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

raft+_RVC	0.11 83	0.07 70	0.09 28	0.16 69	0.07 19	0.10 58	0.11 11	0.24 194	0.20 151	0.12 86	0.15 97	0.12 92	0.08 51	0.12 103	0.13 160	0.07 144	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

csc	0.10 52	0.06 19	0.12 92	0.15 38	0.07 19	0.09 35	0.17 194	0.16 45	0.20 151	0.13 107	0.16 105	0.10 60	0.11 112	0.11 47	0.12 130	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

cscssc	0.10 52	0.06 19	0.12 92	0.15 38	0.07 19	0.09 35	0.17 194	0.16 45	0.20 151	0.13 107	0.16 105	0.10 60	0.11 112	0.11 47	0.12 130	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

222	0.16 241	0.07 70	0.14 157	0.14 13	0.08 48	0.24 309	0.18 234	0.30 275	0.20 151	0.17 188	0.28 260	0.17 184	0.16 229	0.15 169	0.40 379	0.10 270	0.05 109	0.07 100	0.06 88	0.07 158	0.08 221

test_xeample	0.15 223	0.06 19	0.13 131	0.14 13	0.08 48	0.21 283	0.20 280	0.28 251	0.20 151	0.16 176	0.29 271	0.19 204	0.16 229	0.15 169	0.26 332	0.09 239	0.05 109	0.07 100	0.07 163	0.07 158	0.07 161

RAFT + AFF	0.13 160	0.07 70	0.20 284	0.20 271	0.10 219	0.14 157	0.24 325	0.26 219	0.20 151	0.11 62	0.10 39	0.12 92	0.10 90	0.15 169	0.12 130	0.07 144	0.06 193	0.09 230	0.08 213	0.06 101	0.08 221

RASNet	0.14 189	0.07 70	0.14 157	0.16 69	0.08 48	0.18 237	0.14 70	0.29 261	0.20 151	0.17 188	0.25 229	0.21 220	0.18 258	0.20 264	0.19 260	0.07 144	0.06 193	0.06 32	0.08 213	0.06 101	0.06 101

H2IRNET	0.10 52	0.09 193	0.09 28	0.18 184	0.09 133	0.12 107	0.15 116	0.14 17	0.21 164	0.10 42	0.10 39	0.10 60	0.10 90	0.10 18	0.10 51	0.05 2	0.04 2	0.08 164	0.08 213	0.06 101	0.05 52

EKT-Stereo	0.11 83	0.07 70	0.14 157	0.15 38	0.10 219	0.13 133	0.14 70	0.18 99	0.21 164	0.11 62	0.08 17	0.12 92	0.09 69	0.11 47	0.12 130	0.08 194	0.06 193	0.07 100	0.06 88	0.08 202	0.07 161

iRaft-Stereo_5w	0.12 138	0.09 193	0.12 92	0.19 230	0.08 48	0.09 35	0.12 21	0.21 143	0.21 164	0.19 228	0.14 83	0.11 77	0.09 69	0.20 264	0.16 226	0.05 2	0.05 109	0.07 100	0.06 88	0.05 40	0.06 101

test_3	0.10 52	0.09 193	0.10 45	0.20 271	0.08 48	0.13 133	0.26 344	0.14 17	0.21 164	0.10 42	0.10 39	0.09 39	0.09 69	0.08 6	0.11 88	0.05 2	0.04 2	0.08 164	0.07 163	0.04 1	0.04 7

PFNet+	0.11 83	0.06 19	0.13 131	0.16 69	0.09 133	0.05 1	0.12 21	0.17 75	0.21 164	0.16 176	0.19 151	0.14 130	0.10 90	0.11 47	0.11 88	0.08 194	0.05 109	0.09 230	0.08 213	0.06 101	0.11 296

OMP-Stereo	0.11 83	0.06 19	0.14 157	0.18 184	0.08 48	0.09 35	0.12 21	0.21 143	0.21 164	0.13 107	0.14 83	0.11 77	0.12 141	0.11 47	0.13 160	0.06 56	0.04 2	0.07 100	0.06 88	0.05 40	0.04 7

sAnonymous2	0.13 160	0.12 275	0.24 306	0.20 271	0.12 286	0.17 222	0.13 43	0.26 219	0.21 164	0.11 62	0.11 56	0.13 115	0.08 51	0.10 18	0.10 51	0.09 239	0.05 109	0.08 164	0.06 88	0.15 346	0.10 273

CroCo_RVC	0.13 160	0.12 275	0.24 306	0.20 271	0.12 286	0.17 222	0.13 43	0.26 219	0.21 164	0.11 62	0.11 56	0.13 115	0.08 51	0.10 18	0.10 51	0.09 239	0.05 109	0.08 164	0.06 88	0.15 346	0.10 273

ac_64	0.16 241	0.08 142	0.15 194	0.18 184	0.10 219	0.22 291	0.18 234	0.24 194	0.21 164	0.18 215	0.24 200	0.29 294	0.18 258	0.19 245	0.22 294	0.09 239	0.07 250	0.08 164	0.09 254	0.07 158	0.06 101

GANet-RSSM	0.14 189	0.07 70	0.13 131	0.13 6	0.08 48	0.14 157	0.17 194	0.22 159	0.21 164	0.17 188	0.24 200	0.23 249	0.15 209	0.16 201	0.15 211	0.10 270	0.06 193	0.07 100	0.08 213	0.08 202	0.07 161

DeepPruner_ROB	0.16 241	0.11 261	0.15 194	0.17 117	0.10 219	0.17 222	0.15 116	0.32 290	0.21 164	0.19 228	0.21 176	0.22 237	0.18 258	0.20 264	0.15 211	0.13 335	0.09 295	0.09 230	0.09 254	0.11 292	0.10 273

MLCV	0.12 138	0.07 70	0.16 224	0.18 184	0.06 2	0.15 179	0.17 194	0.19 119	0.21 164	0.18 215	0.25 229	0.17 184	0.13 173	0.14 151	0.13 160	0.05 2	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

MyStereo8	0.12 138	0.07 70	0.15 194	0.15 38	0.09 133	0.18 237	0.14 70	0.19 119	0.22 176	0.12 86	0.18 145	0.11 77	0.10 90	0.16 201	0.18 251	0.07 144	0.05 109	0.07 100	0.05 32	0.08 202	0.09 254

anonymousdsp2	0.11 83	0.07 70	0.10 45	0.16 69	0.09 133	0.13 133	0.14 70	0.18 99	0.22 176	0.13 107	0.14 83	0.12 92	0.09 69	0.14 151	0.11 88	0.05 2	0.04 2	0.05 2	0.04 8	0.06 101	0.05 52

Selective-RAFT	0.11 83	0.10 241	0.11 72	0.21 295	0.08 48	0.16 203	0.13 43	0.20 126	0.22 176	0.10 42	0.10 39	0.11 77	0.10 90	0.15 169	0.11 88	0.05 2	0.05 109	0.06 32	0.05 32	0.06 101	0.05 52

RAFT+CT+SA	0.13 160	0.11 261	0.09 28	0.19 230	0.09 133	0.15 179	0.28 356	0.22 159	0.22 176	0.15 151	0.26 244	0.10 60	0.10 90	0.11 47	0.12 130	0.05 2	0.04 2	0.07 100	0.08 213	0.07 158	0.06 101

CrosDoStereo	0.12 138	0.06 19	0.12 92	0.14 13	0.08 48	0.12 107	0.15 116	0.17 75	0.22 176	0.19 228	0.24 200	0.15 154	0.11 112	0.11 47	0.12 130	0.06 56	0.04 2	0.07 100	0.07 163	0.05 40	0.05 52

DeepStereo_LL	0.12 138	0.06 19	0.12 92	0.14 13	0.08 48	0.12 107	0.15 116	0.17 75	0.22 176	0.19 228	0.24 200	0.15 154	0.11 112	0.11 47	0.12 130	0.06 56	0.04 2	0.07 100	0.07 163	0.05 40	0.05 52

HCRNet	0.16 241	0.24 364	0.12 92	0.35 378	0.11 257	0.15 179	0.17 194	0.26 219	0.22 176	0.19 228	0.24 200	0.21 220	0.14 196	0.15 169	0.13 160	0.11 291	0.07 250	0.11 298	0.10 286	0.09 250	0.07 161

FADNet_RVC	0.16 241	0.14 308	0.40 356	0.20 271	0.11 257	0.13 133	0.13 43	0.26 219	0.22 176	0.21 253	0.23 191	0.20 214	0.17 248	0.14 151	0.16 226	0.08 194	0.08 272	0.12 313	0.09 254	0.11 292	0.10 273

UCFNet_RVC	0.14 189	0.08 142	0.13 131	0.11 1	0.10 219	0.20 269	0.10 6	0.24 194	0.22 176	0.17 188	0.20 162	0.23 249	0.15 209	0.17 223	0.15 211	0.12 315	0.07 250	0.10 271	0.13 336	0.11 292	0.10 273

CBFPSM	0.14 189	0.06 19	0.26 313	0.17 117	0.09 133	0.13 133	0.15 116	0.22 159	0.23 185	0.20 245	0.27 251	0.24 255	0.16 229	0.16 201	0.18 251	0.06 56	0.06 193	0.06 32	0.07 163	0.07 158	0.07 161

iinet-f	0.16 241	0.06 19	0.45 361	0.14 13	0.10 219	0.21 283	0.14 70	0.27 237	0.23 185	0.21 253	0.24 200	0.21 220	0.15 209	0.18 234	0.21 285	0.09 239	0.07 250	0.07 100	0.06 88	0.09 250	0.10 273

PSMNet-ADL	0.15 223	0.12 275	0.13 131	0.22 308	0.09 133	0.13 133	0.20 280	0.26 219	0.23 185	0.18 215	0.20 162	0.24 255	0.16 229	0.18 234	0.17 237	0.08 194	0.08 272	0.08 164	0.11 309	0.08 202	0.07 161

IRAFT_RVC	0.12 138	0.08 142	0.16 224	0.19 230	0.08 48	0.07 16	0.15 116	0.24 194	0.23 185	0.14 127	0.14 83	0.15 154	0.12 141	0.12 103	0.10 51	0.06 56	0.04 2	0.09 230	0.06 88	0.06 101	0.06 101

ICVP	0.15 223	0.09 193	0.12 92	0.22 308	0.09 133	0.17 222	0.21 296	0.25 207	0.23 185	0.18 215	0.30 275	0.26 273	0.18 258	0.17 223	0.14 188	0.09 239	0.07 250	0.08 164	0.07 163	0.07 158	0.07 161
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TestStereo	0.13 160	0.14 308	0.11 72	0.23 327	0.08 48	0.15 179	0.21 296	0.20 126	0.23 185	0.14 127	0.24 200	0.16 165	0.12 141	0.16 201	0.14 188	0.05 2	0.06 193	0.08 164	0.06 88	0.09 250	0.05 52

111	0.10 52	0.06 19	0.12 92	0.15 38	0.07 19	0.10 58	0.14 70	0.21 143	0.23 185	0.11 62	0.12 64	0.14 130	0.11 112	0.13 136	0.10 51	0.06 56	0.04 2	0.06 32	0.04 8	0.05 40	0.05 52

FENet	0.13 160	0.08 142	0.12 92	0.16 69	0.08 48	0.14 157	0.15 116	0.22 159	0.23 185	0.17 188	0.23 191	0.16 165	0.12 141	0.14 151	0.15 211	0.08 194	0.05 109	0.08 164	0.08 213	0.07 158	0.07 161

STTStereo	0.18 272	0.12 275	0.27 319	0.20 271	0.11 257	0.16 203	0.21 296	0.29 261	0.23 185	0.21 253	0.30 275	0.29 294	0.18 258	0.20 264	0.19 260	0.12 315	0.11 322	0.11 298	0.14 340	0.09 250	0.08 221

StereoDRNet-Refined	0.17 260	0.12 275	0.15 194	0.20 271	0.09 133	0.18 237	0.18 234	0.26 219	0.23 185	0.26 304	0.40 334	0.22 237	0.17 248	0.21 280	0.20 266	0.08 194	0.05 109	0.09 230	0.10 286	0.07 158	0.07 161
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
1111x	0.15 223	0.08 142	0.12 92	0.18 184	0.07 19	0.18 237	0.25 338	0.31 281	0.24 195	0.17 188	0.24 200	0.26 273	0.15 209	0.13 136	0.23 304	0.07 144	0.07 250	0.08 164	0.09 254	0.07 158	0.06 101

LL-Strereo	0.13 160	0.09 193	0.11 72	0.20 271	0.10 219	0.11 84	0.18 234	0.32 290	0.24 195	0.15 151	0.15 97	0.14 130	0.13 173	0.19 245	0.11 88	0.06 56	0.04 2	0.09 230	0.08 213	0.04 1	0.05 52

gwcnet-sp	0.14 189	0.07 70	0.12 92	0.18 184	0.09 133	0.16 203	0.17 194	0.24 194	0.24 195	0.18 215	0.24 200	0.15 154	0.16 229	0.15 169	0.15 211	0.08 194	0.06 193	0.07 100	0.08 213	0.08 202	0.07 161

scenet	0.14 189	0.07 70	0.12 92	0.18 184	0.09 133	0.16 203	0.17 194	0.24 194	0.24 195	0.18 215	0.24 200	0.15 154	0.16 229	0.15 169	0.15 211	0.08 194	0.06 193	0.07 100	0.08 213	0.08 202	0.07 161

ssnet	0.14 189	0.07 70	0.12 92	0.18 184	0.09 133	0.16 203	0.17 194	0.24 194	0.24 195	0.18 215	0.24 200	0.15 154	0.16 229	0.15 169	0.15 211	0.08 194	0.06 193	0.07 100	0.08 213	0.08 202	0.07 161

test_5	0.14 189	0.12 275	0.08 11	0.20 271	0.10 219	0.14 157	0.29 364	0.21 143	0.24 195	0.18 215	0.28 260	0.11 77	0.15 209	0.12 103	0.13 160	0.06 56	0.05 109	0.07 100	0.08 213	0.08 202	0.07 161

GLC_STEREO	0.11 83	0.07 70	0.11 72	0.17 117	0.07 19	0.09 35	0.13 43	0.15 29	0.24 195	0.12 86	0.13 74	0.12 92	0.08 51	0.18 234	0.11 88	0.06 56	0.08 272	0.08 164	0.06 88	0.05 40	0.05 52

MIPNet	0.11 83	0.08 142	0.14 157	0.17 117	0.09 133	0.12 107	0.14 70	0.20 126	0.24 195	0.11 62	0.10 39	0.09 39	0.07 33	0.13 136	0.12 130	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

IPLGR	0.11 83	0.09 193	0.16 224	0.18 184	0.08 48	0.12 107	0.17 194	0.21 143	0.24 195	0.11 62	0.12 64	0.11 77	0.08 51	0.12 103	0.12 130	0.06 56	0.05 109	0.06 32	0.06 88	0.04 1	0.04 7

AACVNet	0.16 241	0.08 142	0.14 157	0.15 38	0.10 219	0.18 237	0.15 116	0.23 176	0.24 195	0.27 310	0.27 251	0.28 287	0.17 248	0.19 245	0.16 226	0.09 239	0.07 250	0.09 230	0.07 163	0.10 277	0.09 254

GwcNet-ADL	0.13 160	0.08 142	0.14 157	0.20 271	0.09 133	0.11 84	0.20 280	0.30 275	0.24 195	0.13 107	0.14 83	0.18 195	0.14 196	0.13 136	0.14 188	0.07 144	0.05 109	0.06 32	0.05 32	0.07 158	0.06 101

DEmStereo	0.12 138	0.06 19	0.14 157	0.14 13	0.10 219	0.16 203	0.15 116	0.16 45	0.24 195	0.17 188	0.24 200	0.13 115	0.14 196	0.12 103	0.13 160	0.05 2	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

GMStereo	0.13 160	0.14 308	0.14 157	0.18 184	0.09 133	0.15 179	0.16 173	0.20 126	0.24 195	0.16 176	0.17 123	0.10 60	0.10 90	0.16 201	0.13 160	0.07 144	0.06 193	0.06 32	0.06 88	0.07 158	0.06 101
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 189	0.07 70	0.13 131	0.15 38	0.08 48	0.13 133	0.16 173	0.24 194	0.24 195	0.16 176	0.28 260	0.22 237	0.14 196	0.15 169	0.13 160	0.11 291	0.06 193	0.09 230	0.12 327	0.08 202	0.07 161

CFNet-ft	0.14 189	0.07 70	0.15 194	0.12 3	0.09 133	0.16 203	0.18 234	0.22 159	0.24 195	0.17 188	0.26 244	0.24 255	0.14 196	0.16 201	0.14 188	0.11 291	0.06 193	0.08 164	0.09 254	0.09 250	0.08 221

DMCA-RVC	0.17 260	0.10 241	0.15 194	0.24 332	0.11 257	0.18 237	0.18 234	0.25 207	0.24 195	0.21 253	0.26 244	0.25 265	0.27 325	0.18 234	0.20 266	0.12 315	0.08 272	0.13 327	0.10 286	0.10 277	0.08 221

FADNet-RVC-Resample	0.16 241	0.11 261	0.31 335	0.22 308	0.11 257	0.19 257	0.14 70	0.25 207	0.24 195	0.24 286	0.27 251	0.20 214	0.15 209	0.16 201	0.15 211	0.07 144	0.08 272	0.12 313	0.10 286	0.09 250	0.10 273

MaskLacGwcNet_RVC	0.22 309	0.21 356	0.24 306	0.26 348	0.11 257	0.23 304	0.14 70	0.39 351	0.24 195	0.32 342	0.36 310	0.30 302	0.21 285	0.19 245	0.21 285	0.17 364	0.14 351	0.21 366	0.16 352	0.12 306	0.12 307

CFNet_RVC	0.14 189	0.07 70	0.15 194	0.12 3	0.09 133	0.16 203	0.18 234	0.22 159	0.24 195	0.17 188	0.26 244	0.24 255	0.14 196	0.16 201	0.14 188	0.11 291	0.06 193	0.08 164	0.09 254	0.09 250	0.08 221

mmx	0.14 189	0.09 193	0.14 157	0.16 69	0.08 48	0.17 222	0.17 194	0.27 237	0.25 214	0.15 151	0.25 229	0.19 204	0.13 173	0.14 151	0.20 266	0.08 194	0.06 193	0.09 230	0.08 213	0.08 202	0.08 221

xxx	0.14 189	0.09 193	0.14 157	0.16 69	0.08 48	0.17 222	0.17 194	0.27 237	0.25 214	0.15 151	0.25 229	0.19 204	0.13 173	0.14 151	0.20 266	0.08 194	0.06 193	0.09 230	0.08 213	0.08 202	0.08 221

GMStereo_Zeroshot	0.16 241	0.13 296	0.24 306	0.20 271	0.10 219	0.17 222	0.13 43	0.29 261	0.25 214	0.23 278	0.32 287	0.25 265	0.11 112	0.19 245	0.14 188	0.09 239	0.06 193	0.11 298	0.06 88	0.12 306	0.08 221

ssnet_v2	0.17 260	0.10 241	0.17 249	0.17 117	0.11 257	0.21 283	0.21 296	0.33 307	0.25 214	0.22 266	0.22 185	0.27 280	0.18 258	0.22 291	0.20 266	0.11 291	0.09 295	0.09 230	0.09 254	0.08 202	0.08 221

hknet	0.15 223	0.11 261	0.13 131	0.22 308	0.11 257	0.14 157	0.15 116	0.34 317	0.25 214	0.17 188	0.22 185	0.22 237	0.18 258	0.17 223	0.12 130	0.07 144	0.06 193	0.10 271	0.09 254	0.07 158	0.07 161

dd	0.15 223	0.16 321	0.16 224	0.19 230	0.09 133	0.15 179	0.18 234	0.21 143	0.25 214	0.23 278	0.20 162	0.21 220	0.09 69	0.21 280	0.16 226	0.10 270	0.06 193	0.08 164	0.06 88	0.08 202	0.06 101

THIR-Stereo	0.12 138	0.07 70	0.11 72	0.15 38	0.08 48	0.14 157	0.16 173	0.17 75	0.25 214	0.16 176	0.24 200	0.14 130	0.12 141	0.12 103	0.14 188	0.06 56	0.04 2	0.07 100	0.07 163	0.05 40	0.05 52

GES	0.14 189	0.08 142	0.16 224	0.15 38	0.10 219	0.13 133	0.13 43	0.28 251	0.25 214	0.16 176	0.23 191	0.18 195	0.13 173	0.16 201	0.13 160	0.08 194	0.07 250	0.07 100	0.06 88	0.08 202	0.09 254

cf-r	0.13 160	0.07 70	0.12 92	0.16 69	0.08 48	0.14 157	0.19 265	0.20 126	0.25 214	0.17 188	0.25 229	0.21 220	0.16 229	0.14 151	0.14 188	0.10 270	0.05 109	0.06 32	0.08 213	0.06 101	0.06 101

CFNet	0.15 223	0.10 241	0.17 249	0.17 117	0.08 48	0.18 237	0.09 3	0.28 251	0.25 214	0.19 228	0.24 200	0.24 255	0.17 248	0.17 223	0.14 188	0.08 194	0.06 193	0.09 230	0.10 286	0.07 158	0.06 101

NLCA_NET_v2_RVC	0.17 260	0.10 241	0.22 294	0.20 271	0.10 219	0.15 179	0.18 234	0.31 281	0.25 214	0.21 253	0.30 275	0.25 265	0.17 248	0.21 280	0.20 266	0.09 239	0.06 193	0.08 164	0.08 213	0.07 158	0.08 221
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 291	0.21 356	0.23 303	0.20 271	0.10 219	0.19 257	0.17 194	0.36 335	0.25 214	0.27 310	0.33 300	0.27 280	0.24 306	0.20 264	0.20 266	0.15 349	0.12 331	0.17 353	0.14 340	0.10 277	0.08 221

HSM	0.15 223	0.08 142	0.14 157	0.16 69	0.09 133	0.16 203	0.14 70	0.28 251	0.25 214	0.19 228	0.23 191	0.37 339	0.16 229	0.20 264	0.15 211	0.07 144	0.05 109	0.07 100	0.06 88	0.07 158	0.06 101

IER	0.14 189	0.07 70	0.13 131	0.17 117	0.09 133	0.14 157	0.16 173	0.25 207	0.26 227	0.18 215	0.25 229	0.17 184	0.20 281	0.16 201	0.14 188	0.08 194	0.05 109	0.07 100	0.06 88	0.08 202	0.07 161

UPFNet	0.16 241	0.08 142	0.12 92	0.20 271	0.12 286	0.20 269	0.23 316	0.28 251	0.26 227	0.17 188	0.24 200	0.22 237	0.19 273	0.19 245	0.21 285	0.09 239	0.07 250	0.08 164	0.09 254	0.08 202	0.06 101

hitnet-ft	0.18 272	0.09 193	0.17 249	0.14 13	0.09 133	0.26 327	0.20 280	0.25 207	0.26 227	0.24 286	0.32 287	0.31 312	0.22 294	0.24 310	0.21 285	0.12 315	0.07 250	0.10 271	0.08 213	0.12 306	0.11 296

FADNet-RVC	0.20 291	0.20 350	0.38 353	0.21 295	0.16 342	0.20 269	0.15 116	0.26 219	0.26 227	0.26 304	0.32 287	0.26 273	0.21 285	0.22 291	0.19 260	0.12 315	0.13 344	0.12 313	0.14 340	0.13 323	0.18 365

GANet	0.21 300	0.12 275	0.21 289	0.24 332	0.13 304	0.22 291	0.22 306	0.41 360	0.26 227	0.31 336	0.42 349	0.37 339	0.28 333	0.23 302	0.22 294	0.10 270	0.12 331	0.10 271	0.09 254	0.10 277	0.08 221

iResNet	0.13 160	0.10 241	0.18 267	0.19 230	0.08 48	0.13 133	0.18 234	0.20 126	0.26 227	0.15 151	0.23 191	0.15 154	0.13 173	0.14 151	0.14 188	0.06 56	0.04 2	0.06 32	0.05 32	0.06 101	0.05 52

pmcnn	0.15 223	0.07 70	0.19 276	0.15 38	0.07 19	0.20 269	0.15 116	0.24 194	0.26 227	0.21 253	0.34 304	0.28 287	0.18 258	0.18 234	0.17 237	0.07 144	0.05 109	0.05 2	0.04 8	0.07 158	0.06 101

SMFormer	0.14 189	0.07 70	0.17 249	0.14 13	0.08 48	0.16 203	0.17 194	0.26 219	0.27 234	0.19 228	0.20 162	0.18 195	0.15 209	0.15 169	0.17 237	0.08 194	0.05 109	0.07 100	0.06 88	0.07 158	0.06 101

tta	0.14 189	0.07 70	0.17 249	0.14 13	0.08 48	0.16 203	0.17 194	0.26 219	0.27 234	0.19 228	0.20 162	0.18 195	0.15 209	0.15 169	0.17 237	0.08 194	0.05 109	0.07 100	0.06 88	0.06 101	0.06 101

qqq1	0.13 160	0.07 70	0.17 249	0.14 13	0.08 48	0.16 203	0.17 194	0.26 219	0.27 234	0.19 228	0.20 162	0.18 195	0.15 209	0.15 169	0.11 88	0.08 194	0.05 109	0.05 2	0.05 32	0.06 101	0.06 101

fff1	0.13 160	0.07 70	0.17 249	0.14 13	0.08 48	0.16 203	0.17 194	0.26 219	0.27 234	0.19 228	0.20 162	0.18 195	0.15 209	0.15 169	0.11 88	0.08 194	0.05 109	0.05 2	0.05 32	0.06 101	0.06 101

CoDeX	0.12 138	0.07 70	0.12 92	0.17 117	0.08 48	0.12 107	0.15 116	0.23 176	0.27 234	0.13 107	0.17 123	0.16 165	0.11 112	0.14 151	0.11 88	0.07 144	0.05 109	0.07 100	0.06 88	0.06 101	0.05 52

UDGNet	0.14 189	0.13 296	0.16 224	0.17 117	0.10 219	0.12 107	0.16 173	0.21 143	0.27 234	0.20 245	0.20 162	0.16 165	0.13 173	0.16 201	0.13 160	0.10 270	0.06 193	0.09 230	0.07 163	0.06 101	0.07 161

ADLNet	0.16 241	0.08 142	0.15 194	0.16 69	0.10 219	0.16 203	0.17 194	0.32 290	0.27 234	0.22 266	0.27 251	0.24 255	0.16 229	0.18 234	0.21 285	0.10 270	0.06 193	0.10 271	0.10 286	0.08 202	0.09 254

SFCPSM	0.13 160	0.07 70	0.14 157	0.17 117	0.09 133	0.15 179	0.16 173	0.28 251	0.27 234	0.14 127	0.17 123	0.12 92	0.13 173	0.14 151	0.11 88	0.08 194	0.05 109	0.07 100	0.07 163	0.07 158	0.06 101

GwcNet-RSSM	0.14 189	0.07 70	0.12 92	0.15 38	0.08 48	0.15 179	0.20 280	0.21 143	0.27 234	0.18 215	0.27 251	0.22 237	0.16 229	0.14 151	0.15 211	0.10 270	0.05 109	0.07 100	0.09 254	0.07 158	0.07 161

DMCA	0.14 189	0.09 193	0.16 224	0.19 230	0.09 133	0.15 179	0.17 194	0.23 176	0.27 234	0.14 127	0.19 151	0.17 184	0.18 258	0.15 169	0.17 237	0.10 270	0.06 193	0.08 164	0.06 88	0.09 250	0.10 273

DANet	0.21 300	0.15 314	0.28 324	0.25 343	0.13 304	0.22 291	0.19 265	0.27 237	0.27 234	0.28 321	0.32 287	0.35 333	0.31 349	0.31 341	0.23 304	0.11 291	0.09 295	0.11 298	0.10 286	0.13 323	0.11 296
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
whm_eth	0.14 189	0.09 193	0.20 284	0.20 271	0.12 286	0.12 107	0.15 116	0.18 99	0.28 245	0.17 188	0.32 287	0.09 39	0.12 141	0.18 234	0.14 188	0.07 144	0.07 250	0.08 164	0.07 163	0.07 158	0.07 161

dad	0.17 260	0.20 350	0.20 284	0.16 69	0.11 257	0.20 269	0.18 234	0.21 143	0.28 245	0.30 330	0.24 200	0.29 294	0.13 173	0.19 245	0.16 226	0.18 365	0.09 295	0.11 298	0.09 254	0.11 292	0.07 161

Anonymous3	0.16 241	0.13 296	0.33 340	0.26 348	0.14 321	0.27 334	0.17 194	0.28 251	0.28 245	0.15 151	0.17 123	0.14 130	0.10 90	0.15 169	0.12 130	0.08 194	0.08 272	0.08 164	0.08 213	0.08 202	0.11 296

AdaStereo	0.15 223	0.11 261	0.15 194	0.18 184	0.09 133	0.20 269	0.11 11	0.32 290	0.28 245	0.20 245	0.23 191	0.20 214	0.13 173	0.19 245	0.14 188	0.12 315	0.05 109	0.10 271	0.07 163	0.09 250	0.07 161
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.
NCCL2	0.23 324	0.15 314	0.17 249	0.34 376	0.18 362	0.24 309	0.23 316	0.34 317	0.28 245	0.31 336	0.38 321	0.38 343	0.28 333	0.23 302	0.24 314	0.15 349	0.12 331	0.18 361	0.21 367	0.13 323	0.13 320

CBMV_ROB	0.19 282	0.13 296	0.17 249	0.16 69	0.11 257	0.15 179	0.13 43	0.26 219	0.28 245	0.27 310	0.30 275	0.27 280	0.24 306	0.23 302	0.16 226	0.15 349	0.17 365	0.22 370	0.20 365	0.10 277	0.11 296

DLCB_ROB	0.18 272	0.10 241	0.15 194	0.23 327	0.11 257	0.24 309	0.18 234	0.29 261	0.28 245	0.27 310	0.28 260	0.28 287	0.24 306	0.19 245	0.20 266	0.08 194	0.08 272	0.09 230	0.09 254	0.07 158	0.07 161

DispNO	0.14 189	0.08 142	0.17 249	0.19 230	0.12 286	0.11 84	0.21 296	0.23 176	0.29 252	0.17 188	0.23 191	0.18 195	0.17 248	0.15 169	0.15 211	0.07 144	0.05 109	0.08 164	0.08 213	0.07 158	0.06 101

ttt	0.14 189	0.08 142	0.14 157	0.15 38	0.08 48	0.15 179	0.18 234	0.27 237	0.29 252	0.16 176	0.24 200	0.17 184	0.13 173	0.13 136	0.14 188	0.11 291	0.08 272	0.09 230	0.08 213	0.09 250	0.08 221

anonymousa	0.13 160	0.07 70	0.13 131	0.18 184	0.09 133	0.13 133	0.17 194	0.19 119	0.29 252	0.15 151	0.24 200	0.15 154	0.14 196	0.14 151	0.14 188	0.07 144	0.05 109	0.07 100	0.09 254	0.05 40	0.06 101

HBP-ISP	0.18 272	0.13 296	0.16 224	0.15 38	0.11 257	0.08 23	0.13 43	0.28 251	0.29 252	0.22 266	0.33 300	0.21 220	0.25 314	0.23 302	0.17 237	0.14 346	0.16 360	0.21 366	0.17 359	0.10 277	0.08 221

DAS	0.15 223	0.08 142	0.18 267	0.19 230	0.10 219	0.19 257	0.17 194	0.27 237	0.29 252	0.18 215	0.25 229	0.21 220	0.15 209	0.16 201	0.12 130	0.08 194	0.06 193	0.06 32	0.06 88	0.07 158	0.07 161

SepStereo	0.15 223	0.08 142	0.18 267	0.19 230	0.10 219	0.19 257	0.17 194	0.27 237	0.29 252	0.18 215	0.25 229	0.21 220	0.15 209	0.25 315	0.12 130	0.08 194	0.06 193	0.06 32	0.06 88	0.07 158	0.07 161

UNet	0.17 260	0.09 193	0.18 267	0.19 230	0.12 286	0.27 334	0.19 265	0.33 307	0.29 252	0.21 253	0.24 200	0.23 249	0.19 273	0.19 245	0.18 251	0.07 144	0.06 193	0.08 164	0.07 163	0.08 202	0.06 101

HSM-Net_RVC	0.14 189	0.08 142	0.11 72	0.15 38	0.08 48	0.15 179	0.15 116	0.27 237	0.29 252	0.19 228	0.21 176	0.29 294	0.14 196	0.17 223	0.13 160	0.06 56	0.06 193	0.06 32	0.06 88	0.07 158	0.06 101
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DDUNet	0.22 309	0.17 332	0.21 289	0.22 308	0.15 332	0.25 319	0.24 325	0.29 261	0.30 260	0.31 336	0.36 310	0.33 323	0.25 314	0.24 310	0.20 266	0.18 365	0.13 344	0.17 353	0.11 309	0.16 353	0.16 356

SACVNet	0.18 272	0.12 275	0.14 157	0.17 117	0.13 304	0.22 291	0.18 234	0.31 281	0.30 260	0.23 278	0.31 283	0.30 302	0.22 294	0.22 291	0.17 237	0.11 291	0.08 272	0.10 271	0.10 286	0.12 306	0.14 337

DRaft	0.12 138	0.06 19	0.11 72	0.14 13	0.09 133	0.14 157	0.17 194	0.21 143	0.30 260	0.17 188	0.28 260	0.10 60	0.15 209	0.10 18	0.12 130	0.05 2	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

TDLM	0.17 260	0.12 275	0.13 131	0.24 332	0.10 219	0.18 237	0.18 234	0.36 335	0.30 260	0.21 253	0.28 260	0.28 287	0.18 258	0.23 302	0.18 251	0.11 291	0.07 250	0.10 271	0.10 286	0.08 202	0.08 221

SGM-Forest	0.20 291	0.14 308	0.18 267	0.19 230	0.13 304	0.20 269	0.22 306	0.33 307	0.30 260	0.24 286	0.29 271	0.28 287	0.19 273	0.23 302	0.17 237	0.15 349	0.16 360	0.15 345	0.14 340	0.12 306	0.12 307
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.19 282	0.14 308	0.17 249	0.18 184	0.10 219	0.20 269	0.11 11	0.29 261	0.30 260	0.29 327	0.30 275	0.30 302	0.23 300	0.27 320	0.19 260	0.13 335	0.15 357	0.17 353	0.16 352	0.10 277	0.10 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Syn2CoEx	0.21 300	0.16 321	0.27 319	0.29 369	0.14 321	0.26 327	0.20 280	0.33 307	0.31 266	0.28 321	0.36 310	0.27 280	0.25 314	0.19 245	0.24 314	0.16 360	0.12 331	0.14 337	0.11 309	0.09 250	0.08 221

DSFCA	0.16 241	0.09 193	0.14 157	0.16 69	0.10 219	0.20 269	0.19 265	0.28 251	0.31 266	0.23 278	0.24 200	0.22 237	0.15 209	0.19 245	0.20 266	0.10 270	0.07 250	0.09 230	0.09 254	0.08 202	0.08 221

FADNet	0.21 300	0.22 360	0.36 349	0.18 184	0.17 355	0.24 309	0.13 43	0.31 281	0.31 266	0.23 278	0.25 229	0.27 280	0.21 285	0.19 245	0.15 211	0.13 335	0.15 357	0.12 313	0.15 350	0.16 353	0.18 365

AANet_RVC	0.16 241	0.10 241	0.10 45	0.18 184	0.09 133	0.18 237	0.19 265	0.26 219	0.31 266	0.22 266	0.35 307	0.21 220	0.21 285	0.22 291	0.16 226	0.06 56	0.05 109	0.06 32	0.06 88	0.07 158	0.06 101

iResNet_ROB	0.14 189	0.07 70	0.13 131	0.14 13	0.07 19	0.18 237	0.14 70	0.26 219	0.31 266	0.22 266	0.25 229	0.23 249	0.15 209	0.15 169	0.13 160	0.07 144	0.05 109	0.05 2	0.04 8	0.08 202	0.08 221

SGM_RVC	0.23 324	0.12 275	0.15 194	0.15 38	0.09 133	0.33 354	0.18 234	0.34 317	0.31 266	0.44 371	0.37 316	0.53 377	0.35 359	0.35 358	0.24 314	0.13 335	0.13 344	0.13 327	0.13 336	0.10 277	0.11 296
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SDNR	0.19 282	0.08 142	0.19 276	0.16 69	0.12 286	0.77 402	0.14 70	0.25 207	0.32 272	0.19 228	0.24 200	0.19 204	0.13 173	0.19 245	0.15 211	0.16 360	0.18 367	0.14 337	0.11 309	0.08 202	0.11 296

CSP-Net	0.16 241	0.09 193	0.14 157	0.16 69	0.09 133	0.19 257	0.17 194	0.25 207	0.32 272	0.25 299	0.30 275	0.24 255	0.15 209	0.21 280	0.18 251	0.09 239	0.06 193	0.07 100	0.07 163	0.08 202	0.07 161

APVNet	0.22 309	0.12 275	0.19 276	0.18 184	0.14 321	0.32 348	0.31 377	0.39 351	0.32 272	0.27 310	0.40 334	0.30 302	0.29 341	0.26 317	0.25 323	0.11 291	0.12 331	0.11 298	0.14 340	0.12 306	0.12 307

HGLStereo	0.17 260	0.08 142	0.19 276	0.17 117	0.12 286	0.18 237	0.18 234	0.31 281	0.32 272	0.21 253	0.32 287	0.25 265	0.18 258	0.19 245	0.20 266	0.09 239	0.09 295	0.07 100	0.07 163	0.09 250	0.10 273

NOSS_ROB	0.19 282	0.12 275	0.18 267	0.16 69	0.12 286	0.15 179	0.12 21	0.30 275	0.32 272	0.20 245	0.22 185	0.27 280	0.23 300	0.21 280	0.16 226	0.16 360	0.18 367	0.23 371	0.21 367	0.12 306	0.13 320

WCMA_ROB	0.24 332	0.11 261	0.22 294	0.17 117	0.14 321	0.32 348	0.15 116	0.32 290	0.32 272	0.38 355	0.53 366	0.40 354	0.34 357	0.34 352	0.25 323	0.11 291	0.12 331	0.12 313	0.10 286	0.14 335	0.14 337

SQANet	0.23 324	0.23 361	0.30 333	0.30 371	0.19 364	0.27 334	0.13 43	0.29 261	0.33 278	0.24 286	0.37 316	0.31 312	0.22 294	0.27 320	0.23 304	0.15 349	0.10 313	0.21 366	0.16 352	0.21 368	0.15 345

ToySt	0.17 260	0.11 261	0.18 267	0.17 117	0.11 257	0.16 203	0.25 338	0.24 194	0.33 278	0.19 228	0.24 200	0.26 273	0.24 306	0.19 245	0.20 266	0.07 144	0.08 272	0.09 230	0.10 286	0.09 250	0.08 221

raft_robust	0.13 160	0.10 241	0.07 2	0.18 184	0.08 48	0.13 133	0.24 325	0.28 251	0.33 278	0.20 245	0.19 151	0.14 130	0.10 90	0.11 47	0.12 130	0.05 2	0.05 109	0.07 100	0.07 163	0.05 40	0.04 7

ccnet	0.29 356	0.28 374	0.23 303	0.20 271	0.28 381	0.41 372	0.21 296	0.45 373	0.33 278	0.36 350	0.46 356	0.36 335	0.30 345	0.39 371	0.42 383	0.23 381	0.14 351	0.21 366	0.17 359	0.23 371	0.18 365

psmorigin	0.25 341	0.15 314	0.34 348	0.17 117	0.13 304	0.23 304	0.14 70	0.34 317	0.33 278	0.41 364	0.55 369	0.41 356	0.37 363	0.34 352	0.27 339	0.11 291	0.15 357	0.11 298	0.11 309	0.12 306	0.16 356

aanetorigin	0.22 309	0.17 332	0.56 375	0.17 117	0.10 219	0.15 179	0.19 265	0.20 126	0.33 278	0.49 375	0.48 359	0.29 294	0.27 325	0.20 264	0.23 304	0.08 194	0.07 250	0.08 164	0.07 163	0.10 277	0.09 254

ACVNet	0.15 223	0.09 193	0.15 194	0.13 6	0.12 286	0.14 157	0.20 280	0.22 159	0.33 278	0.17 188	0.26 244	0.21 220	0.16 229	0.17 223	0.21 285	0.07 144	0.06 193	0.06 32	0.06 88	0.08 202	0.06 101

acv_ft	0.15 223	0.09 193	0.15 194	0.19 230	0.10 219	0.16 203	0.17 194	0.25 207	0.33 278	0.19 228	0.26 244	0.21 220	0.17 248	0.17 223	0.18 251	0.07 144	0.06 193	0.06 32	0.06 88	0.08 202	0.06 101

CC-Net-ROB	0.28 352	0.31 379	0.36 349	0.29 369	0.15 332	0.25 319	0.19 265	0.45 373	0.33 278	0.39 357	0.37 316	0.39 351	0.31 349	0.27 320	0.26 332	0.24 383	0.19 370	0.30 384	0.23 374	0.18 363	0.15 345

CVANet_RVC	0.18 272	0.10 241	0.14 157	0.21 295	0.10 219	0.18 237	0.17 194	0.34 317	0.33 278	0.22 266	0.31 283	0.28 287	0.18 258	0.23 302	0.17 237	0.12 315	0.08 272	0.12 313	0.11 309	0.09 250	0.07 161

StereoDRNet	0.18 272	0.11 261	0.17 249	0.22 308	0.11 257	0.21 283	0.22 306	0.37 340	0.33 278	0.24 286	0.28 260	0.30 302	0.19 273	0.20 264	0.20 266	0.09 239	0.08 272	0.11 298	0.09 254	0.09 250	0.07 161

CFNet_ucs	0.15 223	0.08 142	0.16 224	0.16 69	0.11 257	0.14 157	0.14 70	0.30 275	0.34 289	0.16 176	0.24 200	0.23 249	0.14 196	0.18 234	0.15 211	0.09 239	0.06 193	0.08 164	0.07 163	0.09 250	0.09 254

fast-acv-ft	0.18 272	0.11 261	0.19 276	0.19 230	0.12 286	0.24 309	0.21 296	0.25 207	0.34 289	0.22 266	0.34 304	0.27 280	0.20 281	0.21 280	0.23 304	0.09 239	0.09 295	0.08 164	0.10 286	0.08 202	0.07 161

CFNet_pseudo	0.14 189	0.08 142	0.15 194	0.16 69	0.09 133	0.13 133	0.14 70	0.27 237	0.34 289	0.14 127	0.21 176	0.22 237	0.13 173	0.18 234	0.14 188	0.07 144	0.05 109	0.08 164	0.06 88	0.07 158	0.07 161

psm_up	0.18 272	0.10 241	0.18 267	0.20 271	0.11 257	0.17 222	0.19 265	0.37 340	0.34 289	0.21 253	0.28 260	0.29 294	0.24 306	0.20 264	0.22 294	0.09 239	0.10 313	0.11 298	0.11 309	0.08 202	0.08 221

G-Net	0.24 332	0.16 321	0.36 349	0.22 308	0.16 342	0.51 379	0.23 316	0.29 261	0.34 289	0.36 350	0.38 321	0.31 312	0.29 341	0.27 320	0.26 332	0.11 291	0.09 295	0.12 313	0.09 254	0.16 353	0.13 320

ADCP+	0.20 291	0.10 241	0.33 340	0.20 271	0.12 286	0.22 291	0.26 344	0.31 281	0.34 289	0.26 304	0.37 316	0.22 237	0.22 294	0.27 320	0.27 339	0.09 239	0.06 193	0.08 164	0.08 213	0.09 250	0.10 273

ccs_rob	0.14 189	0.08 142	0.15 194	0.16 69	0.09 133	0.12 107	0.14 70	0.27 237	0.34 289	0.14 127	0.21 176	0.22 237	0.13 173	0.18 234	0.14 188	0.07 144	0.05 109	0.08 164	0.07 163	0.07 158	0.07 161

MyStereo05	0.13 160	0.07 70	0.10 45	0.17 117	0.09 133	0.13 133	0.18 234	0.27 237	0.35 296	0.17 188	0.14 83	0.15 154	0.11 112	0.15 169	0.13 160	0.06 56	0.05 109	0.07 100	0.07 163	0.06 101	0.06 101

UDG	0.21 300	0.17 332	0.19 276	0.23 327	0.15 332	0.30 346	0.20 280	0.33 307	0.35 296	0.23 278	0.28 260	0.31 312	0.27 325	0.20 264	0.22 294	0.15 349	0.12 331	0.13 327	0.09 254	0.14 335	0.14 337

ADCPNet	0.25 341	0.16 321	0.61 379	0.21 295	0.15 332	0.35 365	0.25 338	0.32 290	0.35 296	0.30 330	0.40 334	0.36 335	0.28 333	0.28 331	0.32 362	0.12 315	0.10 313	0.11 298	0.12 327	0.14 335	0.13 320

iResNetv2_ROB	0.14 189	0.08 142	0.15 194	0.16 69	0.08 48	0.16 203	0.12 21	0.25 207	0.35 296	0.21 253	0.29 271	0.24 255	0.13 173	0.14 151	0.14 188	0.06 56	0.05 109	0.06 32	0.04 8	0.09 250	0.08 221

PCWNet_CMD	0.14 189	0.08 142	0.15 194	0.17 117	0.09 133	0.14 157	0.14 70	0.29 261	0.36 300	0.14 127	0.20 162	0.21 220	0.12 141	0.17 223	0.13 160	0.07 144	0.05 109	0.07 100	0.07 163	0.07 158	0.07 161

NINENet	0.16 241	0.10 241	0.15 194	0.17 117	0.11 257	0.19 257	0.14 70	0.40 355	0.36 300	0.18 215	0.21 176	0.16 165	0.13 173	0.15 169	0.13 160	0.08 194	0.08 272	0.10 271	0.07 163	0.10 277	0.09 254

ADCRef	0.19 282	0.12 275	0.41 358	0.20 271	0.12 286	0.22 291	0.18 234	0.32 290	0.36 300	0.26 304	0.32 287	0.17 184	0.23 300	0.24 310	0.24 314	0.07 144	0.06 193	0.09 230	0.09 254	0.08 202	0.08 221

MSMDNet	0.14 189	0.08 142	0.15 194	0.17 117	0.09 133	0.14 157	0.14 70	0.29 261	0.36 300	0.14 127	0.21 176	0.21 220	0.12 141	0.17 223	0.14 188	0.07 144	0.05 109	0.07 100	0.07 163	0.07 158	0.07 161

ETE_ROB	0.23 324	0.17 332	0.22 294	0.25 343	0.13 304	0.26 327	0.29 364	0.31 281	0.36 300	0.28 321	0.36 310	0.45 364	0.26 317	0.27 320	0.26 332	0.11 291	0.08 272	0.12 313	0.09 254	0.14 335	0.13 320

MeshStereo	0.27 349	0.13 296	0.18 267	0.15 38	0.11 257	0.32 348	0.24 325	0.40 355	0.36 300	0.52 377	0.57 375	0.67 388	0.40 369	0.35 358	0.26 332	0.14 346	0.13 344	0.13 327	0.11 309	0.11 292	0.10 273
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
AASNet	0.16 241	0.08 142	0.12 92	0.19 230	0.09 133	0.18 237	0.15 116	0.37 340	0.37 306	0.19 228	0.23 191	0.20 214	0.16 229	0.17 223	0.20 266	0.10 270	0.08 272	0.08 164	0.07 163	0.09 250	0.09 254

delet	0.17 260	0.08 142	0.17 249	0.19 230	0.11 257	0.20 269	0.21 296	0.30 275	0.37 306	0.17 188	0.26 244	0.19 204	0.19 273	0.19 245	0.21 285	0.08 194	0.08 272	0.09 230	0.11 309	0.06 101	0.06 101

DRN-Test	0.19 282	0.11 261	0.20 284	0.22 308	0.10 219	0.22 291	0.22 306	0.39 351	0.37 306	0.24 286	0.32 287	0.26 273	0.21 285	0.22 291	0.24 314	0.11 291	0.07 250	0.11 298	0.10 286	0.09 250	0.07 161

LALA_ROB	0.25 341	0.16 321	0.22 294	0.26 348	0.17 355	0.27 334	0.27 351	0.42 365	0.37 306	0.33 346	0.38 321	0.51 374	0.26 317	0.28 331	0.27 339	0.16 360	0.09 295	0.12 313	0.11 309	0.13 323	0.12 307

PSMNet_ROB	0.21 300	0.11 261	0.15 194	0.27 359	0.15 332	0.24 309	0.35 381	0.43 368	0.37 306	0.27 310	0.32 287	0.32 320	0.22 294	0.21 280	0.26 332	0.12 315	0.08 272	0.13 327	0.11 309	0.09 250	0.09 254

MyStereo04	0.13 160	0.07 70	0.10 45	0.17 117	0.09 133	0.14 157	0.18 234	0.29 261	0.38 311	0.17 188	0.14 83	0.16 165	0.10 90	0.15 169	0.13 160	0.06 56	0.05 109	0.08 164	0.07 163	0.06 101	0.06 101

Nwc_Net	0.23 324	0.16 321	0.21 289	0.25 343	0.14 321	0.24 309	0.26 344	0.37 340	0.38 311	0.22 266	0.41 344	0.30 302	0.28 333	0.28 331	0.25 323	0.11 291	0.10 313	0.17 353	0.20 365	0.10 277	0.10 273

ADCMid	0.25 341	0.15 314	0.40 356	0.20 271	0.14 321	0.25 319	0.26 344	0.34 317	0.38 311	0.36 350	0.44 354	0.34 329	0.40 369	0.35 358	0.33 365	0.10 270	0.09 295	0.11 298	0.11 309	0.13 323	0.12 307

Wz-Net-LNSev-Ref	0.18 272	0.09 193	0.29 330	0.15 38	0.10 219	0.22 291	0.20 280	0.26 219	0.39 314	0.25 299	0.42 349	0.24 255	0.15 209	0.20 264	0.19 260	0.07 144	0.05 109	0.06 32	0.05 32	0.10 277	0.09 254

ADLNet2	0.16 241	0.09 193	0.13 131	0.16 69	0.09 133	0.20 269	0.16 173	0.31 281	0.39 314	0.16 176	0.20 162	0.20 214	0.18 258	0.21 280	0.22 294	0.08 194	0.06 193	0.07 100	0.07 163	0.09 250	0.07 161

FAT-Stereo	0.20 291	0.12 275	0.22 294	0.21 295	0.12 286	0.17 222	0.18 234	0.34 317	0.39 314	0.27 310	0.37 316	0.34 329	0.32 352	0.21 280	0.20 266	0.09 239	0.11 322	0.10 271	0.09 254	0.11 292	0.14 337

AnyNet_C01	0.36 370	0.25 369	1.37 408	0.22 308	0.17 355	0.48 377	0.27 351	0.35 329	0.39 314	0.39 357	0.74 389	0.46 368	0.38 364	0.45 379	0.47 388	0.13 335	0.13 344	0.13 327	0.14 340	0.14 335	0.15 345

PA-Net	0.23 324	0.18 342	0.33 340	0.28 362	0.22 371	0.21 283	0.38 386	0.29 261	0.39 314	0.22 266	0.32 287	0.25 265	0.26 317	0.20 264	0.25 323	0.09 239	0.23 382	0.15 345	0.22 370	0.09 250	0.13 320
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MSMD_ROB	0.31 362	0.26 370	0.26 313	0.24 332	0.21 369	0.34 357	0.25 338	0.34 317	0.39 314	0.40 360	0.69 383	0.45 364	0.40 369	0.34 352	0.27 339	0.20 371	0.19 370	0.26 373	0.25 376	0.23 371	0.22 375

NCC-stereo	0.24 332	0.15 314	0.31 335	0.26 348	0.16 342	0.20 269	0.30 371	0.40 355	0.40 320	0.24 286	0.38 321	0.33 323	0.28 333	0.36 363	0.27 339	0.12 315	0.11 322	0.15 345	0.22 370	0.13 323	0.13 320

Abc-Net	0.24 332	0.15 314	0.31 335	0.26 348	0.16 342	0.20 269	0.30 371	0.40 355	0.40 320	0.24 286	0.38 321	0.33 323	0.28 333	0.36 363	0.27 339	0.12 315	0.11 322	0.15 345	0.22 370	0.13 323	0.13 320
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XPNet_ROB	0.22 309	0.11 261	0.19 276	0.22 308	0.13 304	0.22 291	0.19 265	0.34 317	0.40 320	0.30 330	0.39 329	0.39 351	0.26 317	0.26 317	0.28 347	0.15 349	0.10 313	0.10 271	0.10 286	0.13 323	0.12 307

anonymity	0.53 387	0.58 392	0.65 382	0.41 384	0.61 403	0.53 380	0.41 387	0.56 388	0.41 323	0.55 380	0.50 364	0.49 373	0.55 387	0.58 392	0.50 393	0.58 401	0.50 402	0.51 393	0.51 398	0.51 392	0.57 399

DGSMNet	0.24 332	0.19 345	0.33 340	0.21 295	0.24 374	0.24 309	0.20 280	0.35 329	0.41 323	0.24 286	0.32 287	0.38 343	0.21 285	0.29 337	0.23 304	0.12 315	0.11 322	0.14 337	0.16 352	0.23 371	0.23 376

MMNet	0.17 260	0.09 193	0.16 224	0.20 271	0.11 257	0.27 334	0.20 280	0.25 207	0.41 323	0.22 266	0.30 275	0.21 220	0.20 281	0.17 223	0.20 266	0.06 56	0.06 193	0.07 100	0.07 163	0.08 202	0.07 161

NaN_ROB	0.22 309	0.19 345	0.24 306	0.25 343	0.13 304	0.29 343	0.26 344	0.33 307	0.41 323	0.31 336	0.31 283	0.32 320	0.23 300	0.30 340	0.21 285	0.11 291	0.17 365	0.10 271	0.10 286	0.08 202	0.09 254

MDST_ROB	0.22 309	0.10 241	0.17 249	0.18 184	0.11 257	0.37 367	0.19 265	0.43 368	0.41 323	0.39 357	0.39 329	0.29 294	0.21 285	0.26 317	0.18 251	0.11 291	0.10 313	0.14 337	0.11 309	0.10 277	0.08 221

FBW_ROB	0.24 332	0.17 332	0.22 294	0.26 348	0.14 321	0.25 319	0.22 306	0.41 360	0.41 323	0.41 364	0.41 344	0.42 357	0.27 325	0.31 341	0.23 304	0.09 239	0.14 351	0.14 337	0.12 327	0.11 292	0.09 254

GASNet	0.22 309	0.23 361	0.33 340	0.26 348	0.17 355	0.26 327	0.16 173	0.44 370	0.42 329	0.27 310	0.24 200	0.30 302	0.15 209	0.27 320	0.18 251	0.12 315	0.08 272	0.12 313	0.11 309	0.16 353	0.07 161

FCDSN-DC	0.33 367	0.28 374	0.28 324	0.30 371	0.24 374	0.39 370	0.28 356	0.42 365	0.42 329	0.43 370	0.53 366	0.51 374	0.41 373	0.36 363	0.30 354	0.21 374	0.20 373	0.27 376	0.26 377	0.25 378	0.24 377
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.30 361	0.24 364	0.29 330	0.36 380	0.16 342	0.34 357	0.30 371	0.32 290	0.42 329	0.40 360	0.46 356	0.38 343	0.31 349	0.34 352	0.28 347	0.19 369	0.20 373	0.26 373	0.29 382	0.18 363	0.19 370

edge stereo	0.22 309	0.13 296	0.20 284	0.21 295	0.13 304	0.23 304	0.16 173	0.32 290	0.42 329	0.32 342	0.40 334	0.38 343	0.35 359	0.25 315	0.24 314	0.13 335	0.11 322	0.14 337	0.11 309	0.12 306	0.13 320

NVstereo2D	0.19 282	0.10 241	0.15 194	0.17 117	0.15 332	0.28 340	0.23 316	0.44 370	0.42 329	0.15 151	0.27 251	0.25 265	0.19 273	0.22 291	0.17 237	0.09 239	0.06 193	0.10 271	0.08 213	0.15 346	0.09 254

Wz-Net-LNSev	0.22 309	0.16 321	0.38 353	0.21 295	0.13 304	0.25 319	0.23 316	0.32 290	0.43 334	0.30 330	0.41 344	0.31 312	0.18 258	0.22 291	0.25 323	0.10 270	0.09 295	0.08 164	0.08 213	0.12 306	0.11 296

GwcNet	0.20 291	0.13 296	0.19 276	0.18 184	0.12 286	0.24 309	0.19 265	0.35 329	0.43 334	0.20 245	0.32 287	0.33 323	0.20 281	0.22 291	0.24 314	0.11 291	0.09 295	0.09 230	0.09 254	0.09 250	0.10 273

S-Stereo	0.20 291	0.12 275	0.25 312	0.21 295	0.13 304	0.20 269	0.18 234	0.32 290	0.43 334	0.23 278	0.36 310	0.28 287	0.30 345	0.19 245	0.22 294	0.09 239	0.12 331	0.10 271	0.10 286	0.13 323	0.13 320

FC-DCNN	0.33 367	0.27 371	0.28 324	0.26 348	0.23 373	0.37 367	0.28 356	0.40 355	0.43 334	0.45 372	0.55 369	0.51 374	0.40 369	0.37 367	0.30 354	0.21 374	0.20 373	0.27 376	0.26 377	0.25 378	0.24 377

Wz-Net-MNSev	0.22 309	0.13 296	0.31 335	0.20 271	0.14 321	0.36 366	0.24 325	0.33 307	0.44 338	0.28 321	0.40 334	0.38 343	0.19 273	0.24 310	0.25 323	0.09 239	0.07 250	0.09 230	0.09 254	0.12 306	0.10 273

RP	0.21 300	0.13 296	0.21 289	0.23 327	0.11 257	0.21 283	0.20 280	0.25 207	0.44 338	0.21 253	0.38 321	0.36 335	0.24 306	0.27 320	0.25 323	0.11 291	0.12 331	0.13 327	0.12 327	0.12 306	0.14 337

RGC	0.25 341	0.20 350	0.29 330	0.28 362	0.16 342	0.22 291	0.23 316	0.32 290	0.44 338	0.27 310	0.40 334	0.38 343	0.27 325	0.36 363	0.22 294	0.11 291	0.13 344	0.17 353	0.17 359	0.14 335	0.16 356

stereogan	0.22 309	0.11 261	0.21 289	0.20 271	0.12 286	0.31 347	0.19 265	0.35 329	0.44 338	0.22 266	0.39 329	0.35 333	0.27 325	0.33 349	0.22 294	0.10 270	0.12 331	0.10 271	0.10 286	0.14 335	0.13 320

AnyNet_C32	0.26 347	0.16 321	0.36 349	0.20 271	0.16 342	0.25 319	0.30 371	0.32 290	0.44 338	0.31 336	0.49 360	0.30 302	0.33 353	0.40 375	0.33 365	0.12 315	0.12 331	0.12 313	0.14 340	0.14 335	0.15 345

Anonymous Stereo	0.23 324	0.19 345	0.50 367	0.24 332	0.17 355	0.21 283	0.21 296	0.33 307	0.44 338	0.25 299	0.34 304	0.26 273	0.18 258	0.31 341	0.27 339	0.13 335	0.12 331	0.12 313	0.13 336	0.11 292	0.14 337

DISCO	0.19 282	0.09 193	0.22 294	0.17 117	0.10 219	0.25 319	0.18 234	0.27 237	0.44 338	0.22 266	0.31 283	0.33 323	0.26 317	0.28 331	0.28 347	0.08 194	0.06 193	0.07 100	0.07 163	0.09 250	0.09 254

SGM+DAISY	0.56 389	0.57 391	0.65 382	0.40 382	0.54 395	0.66 391	0.49 394	0.56 388	0.45 345	0.66 384	0.69 383	0.67 388	0.56 388	0.63 394	0.56 395	0.59 402	0.48 398	0.50 392	0.50 397	0.52 393	0.58 400

pcwnet_v2	0.19 282	0.10 241	0.26 313	0.17 117	0.14 321	0.18 237	0.15 116	0.37 340	0.46 346	0.19 228	0.24 200	0.21 220	0.19 273	0.20 264	0.19 260	0.13 335	0.10 313	0.10 271	0.10 286	0.11 292	0.13 320

MFN_U_SF_RVC	0.32 364	0.21 356	0.55 373	0.30 371	0.15 332	0.34 357	0.17 194	0.52 383	0.46 346	0.46 374	0.55 369	0.59 380	0.39 366	0.35 358	0.37 373	0.15 349	0.14 351	0.18 361	0.21 367	0.16 353	0.15 345

LRCNet_RVC	10.62 426	13.42 431	7.30 419	18.92 430	2.07 420	0.33 354	0.30 371	5.59 422	0.48 348	13.03 428	17.94 429	8.87 423	5.65 420	4.79 420	1.89 417	23.51 437	2.73 424	27.55 438	25.71 438	16.07 435	16.33 436

GEStereo_RVC	0.17 260	0.12 275	0.15 194	0.22 308	0.11 257	0.19 257	0.17 194	0.32 290	0.48 348	0.20 245	0.25 229	0.17 184	0.13 173	0.21 280	0.16 226	0.10 270	0.06 193	0.08 164	0.07 163	0.09 250	0.08 221

FINET	0.21 300	0.18 342	0.26 313	0.18 184	0.16 342	0.23 304	0.23 316	0.32 290	0.48 348	0.25 299	0.32 287	0.22 237	0.22 294	0.22 291	0.17 237	0.18 365	0.16 360	0.11 298	0.10 286	0.15 346	0.13 320

RYNet	0.22 309	0.12 275	0.22 294	0.19 230	0.17 355	0.46 373	0.26 344	0.38 347	0.48 348	0.24 286	0.28 260	0.34 329	0.23 300	0.20 264	0.30 354	0.10 270	0.06 193	0.09 230	0.09 254	0.13 323	0.15 345

LSM	0.33 367	0.20 350	0.58 377	0.26 348	0.60 402	0.34 357	0.25 338	0.42 365	0.48 348	0.45 372	0.58 377	0.42 357	0.36 361	0.35 358	0.25 323	0.12 315	0.20 373	0.14 337	0.16 352	0.19 366	0.33 390

PASM	0.32 364	0.24 364	0.48 366	0.28 362	0.27 380	0.29 343	0.30 371	0.34 317	0.49 353	0.35 348	0.39 329	0.46 368	0.34 357	0.34 352	0.35 368	0.23 381	0.25 384	0.26 373	0.28 381	0.23 371	0.21 373

PWC_ROB	0.21 300	0.16 321	0.26 313	0.18 184	0.11 257	0.22 291	0.13 43	0.32 290	0.49 353	0.30 330	0.40 334	0.32 320	0.24 306	0.31 341	0.22 294	0.10 270	0.07 250	0.11 298	0.08 213	0.11 292	0.10 273

SuperB	0.20 291	0.10 241	0.56 375	0.16 69	0.09 133	0.18 237	0.18 234	0.24 194	0.50 355	0.26 304	0.39 329	0.17 184	0.21 285	0.22 291	0.21 285	0.08 194	0.06 193	0.06 32	0.06 88	0.12 306	0.10 273

AF-Net	0.22 309	0.17 332	0.17 249	0.26 348	0.13 304	0.25 319	0.24 325	0.32 290	0.50 355	0.25 299	0.33 300	0.38 343	0.26 317	0.28 331	0.25 323	0.11 291	0.10 313	0.16 351	0.11 309	0.11 292	0.10 273

DeepPrunerF	0.24 332	0.17 332	0.42 359	0.26 348	0.16 342	0.22 291	0.28 356	0.37 340	0.50 355	0.26 304	0.29 271	0.24 255	0.28 333	0.21 280	0.22 294	0.15 349	0.11 322	0.20 365	0.18 363	0.12 306	0.13 320

SGM-ForestM	0.32 364	0.12 275	0.16 224	0.16 69	0.11 257	0.39 370	0.19 265	0.41 360	0.50 355	0.52 377	0.54 368	1.32 407	0.42 376	0.40 375	0.27 339	0.14 346	0.16 360	0.16 351	0.16 352	0.12 306	0.12 307

CSAN	0.29 356	0.24 364	0.27 319	0.34 376	0.19 364	0.33 354	0.42 390	0.37 340	0.50 355	0.38 355	0.40 334	0.44 362	0.33 353	0.28 331	0.30 354	0.20 371	0.16 360	0.19 363	0.19 364	0.14 335	0.15 345

SPS-STEREO	0.57 390	0.58 392	0.65 382	0.45 387	0.55 397	0.62 387	0.44 393	0.62 393	0.50 355	0.68 386	0.64 379	0.66 387	0.57 389	0.61 393	0.60 397	0.62 404	0.47 397	0.51 393	0.49 395	0.55 397	0.58 400
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
ELAS	0.41 376	0.29 377	0.33 340	0.27 359	0.24 374	0.60 386	0.36 382	0.50 381	0.50 355	0.71 388	0.79 393	0.67 388	0.54 384	0.51 383	0.42 383	0.22 377	0.20 373	0.27 376	0.26 377	0.26 381	0.25 381
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SAMSARA	0.40 374	0.28 374	0.33 340	0.55 393	0.39 387	0.82 403	1.23 417	0.47 376	0.51 362	0.36 350	0.35 307	0.55 379	0.39 366	0.38 368	0.39 377	0.15 349	0.20 373	0.15 345	0.14 340	0.23 371	0.20 371

GANetREF_RVC	0.31 362	0.34 381	0.27 319	0.35 378	0.16 342	0.32 348	0.41 387	0.48 377	0.51 362	0.35 348	0.35 307	0.34 329	0.33 353	0.39 371	0.32 362	0.27 385	0.20 373	0.29 382	0.15 350	0.18 363	0.17 363
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
PWCDC_ROB	0.20 291	0.13 296	0.22 294	0.24 332	0.11 257	0.19 257	0.15 116	0.33 307	0.54 364	0.29 327	0.50 364	0.21 220	0.15 209	0.27 320	0.20 266	0.11 291	0.09 295	0.10 271	0.08 213	0.11 292	0.09 254

Wz-Net-TNSev	0.29 356	0.20 350	0.65 382	0.19 230	0.15 332	0.38 369	0.27 351	0.35 329	0.55 365	0.34 347	0.42 349	0.45 364	0.38 364	0.32 347	0.30 354	0.12 315	0.13 344	0.10 271	0.12 327	0.15 346	0.14 337

Consistency-Raft	0.44 379	0.40 386	0.45 361	0.37 381	0.43 390	0.46 373	0.41 387	0.57 390	0.55 365	0.32 342	0.73 387	0.33 323	0.48 381	0.42 378	0.49 390	0.39 390	0.35 390	0.45 390	0.51 398	0.42 390	0.29 385

Wz-Net-SNSev	0.25 341	0.17 332	0.44 360	0.25 343	0.14 321	0.26 327	0.23 316	0.38 347	0.56 367	0.30 330	0.55 369	0.39 351	0.26 317	0.23 302	0.30 354	0.10 270	0.09 295	0.09 230	0.10 286	0.11 292	0.11 296

ADCL	0.24 332	0.11 261	0.47 365	0.22 308	0.12 286	0.34 357	0.29 364	0.29 261	0.56 367	0.24 286	0.46 356	0.30 302	0.30 345	0.29 337	0.29 350	0.08 194	0.07 250	0.09 230	0.09 254	0.10 277	0.10 273

WZ-Net	0.28 352	0.17 332	0.78 396	0.22 308	0.16 342	0.34 357	0.29 364	0.39 351	0.57 369	0.24 286	0.55 369	0.37 339	0.24 306	0.33 349	0.35 368	0.09 239	0.08 272	0.09 230	0.10 286	0.14 335	0.16 356

XQC	0.28 352	0.23 361	0.51 368	0.28 362	0.19 364	0.34 357	0.27 351	0.36 335	0.57 369	0.31 336	0.30 275	0.37 339	0.30 345	0.38 368	0.38 375	0.13 335	0.09 295	0.15 345	0.12 327	0.17 360	0.18 365

PDISCO_ROB	0.27 349	0.16 321	0.26 313	0.28 362	0.20 367	0.32 348	0.26 344	0.44 370	0.57 369	0.28 321	0.40 334	0.45 364	0.29 341	0.33 349	0.34 367	0.12 315	0.09 295	0.17 353	0.16 352	0.17 360	0.13 320

DispFullNet	0.27 349	0.21 356	0.65 382	0.28 362	0.16 342	0.26 327	0.17 194	0.33 307	0.58 372	0.27 310	0.38 321	0.43 360	0.23 300	0.38 368	0.23 304	0.12 315	0.06 193	0.19 363	0.11 309	0.21 368	0.15 345

EDNetEfficientorigin	7.91 421	0.31 379	153.02 440	0.19 230	0.09 133	0.21 283	0.16 173	0.22 159	0.59 373	0.72 390	0.67 381	0.42 357	0.50 383	0.24 310	0.39 377	0.08 194	0.07 250	0.08 164	0.07 163	0.12 306	0.10 273

MANE	0.45 381	0.27 371	0.27 319	0.27 359	0.24 374	0.47 375	0.31 377	0.55 387	0.59 373	0.72 390	1.13 409	1.15 401	0.61 391	0.52 385	0.37 373	0.21 374	0.20 373	0.27 376	0.31 386	0.25 378	0.24 377

ELAS_RVC	0.41 376	0.29 377	0.33 340	0.28 362	0.24 374	0.54 381	0.36 382	0.49 379	0.59 373	0.72 390	0.74 389	0.65 386	0.54 384	0.54 389	0.40 379	0.22 377	0.20 373	0.27 376	0.26 377	0.26 381	0.25 381
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	0.29 356	0.24 364	1.13 405	0.18 184	0.10 219	0.19 257	0.20 280	0.20 126	0.60 376	0.74 394	0.56 374	0.31 312	0.39 366	0.22 291	0.30 354	0.09 239	0.07 250	0.08 164	0.07 163	0.11 292	0.09 254

NVStereoNet_ROB	0.46 384	0.36 383	0.46 364	0.41 384	0.28 381	0.34 357	0.34 380	0.48 377	0.60 376	0.72 390	0.93 398	0.70 391	0.66 394	0.47 380	0.60 397	0.22 377	0.33 389	0.34 386	0.34 389	0.30 384	0.30 387
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 371	0.37 384	0.52 369	0.44 386	0.28 381	0.58 383	0.24 325	0.41 360	0.62 378	0.40 360	0.49 360	0.46 368	0.33 353	0.40 375	0.32 362	0.30 386	0.30 388	0.39 388	0.33 387	0.29 383	0.28 384

ADCS	0.29 356	0.18 342	0.45 361	0.21 295	0.17 355	0.28 340	0.23 316	0.41 360	0.63 379	0.40 360	0.49 360	0.40 354	0.36 361	0.39 371	0.40 379	0.13 335	0.12 331	0.13 327	0.14 340	0.16 353	0.16 356

ACVNet-4b	0.39 371	0.53 390	0.55 373	0.45 387	0.24 374	0.47 375	0.18 234	0.49 379	0.64 380	0.42 367	0.45 355	0.60 381	0.27 325	0.34 352	0.24 314	0.33 388	0.14 351	0.48 391	0.42 391	0.30 384	0.26 383

SANet	0.24 332	0.14 308	0.28 324	0.21 295	0.11 257	0.27 334	0.24 325	0.38 347	0.64 380	0.36 350	0.40 334	0.43 360	0.26 317	0.27 320	0.24 314	0.12 315	0.09 295	0.10 271	0.09 254	0.13 323	0.11 296

BEATNet-Init1	0.52 386	0.27 371	0.62 380	0.30 371	0.21 369	0.76 400	0.29 364	0.54 386	0.65 382	0.86 399	0.95 400	2.07 416	0.62 393	0.56 391	0.42 383	0.18 365	0.18 367	0.23 371	0.22 370	0.22 370	0.21 373

RTSC	0.23 324	0.12 275	0.28 324	0.21 295	0.13 304	0.28 340	0.16 173	0.35 329	0.66 383	0.27 310	0.33 300	0.30 302	0.21 285	0.31 341	0.29 350	0.10 270	0.08 272	0.09 230	0.10 286	0.13 323	0.13 320

DPSNet	0.28 352	0.16 321	0.31 335	0.18 184	0.13 304	0.54 381	0.42 390	0.51 382	0.67 384	0.29 327	0.38 321	0.38 343	0.29 341	0.31 341	0.23 304	0.11 291	0.10 313	0.11 298	0.08 213	0.20 367	0.16 356

Ntro	0.40 374	0.40 386	0.53 370	0.46 390	0.30 385	0.65 389	0.24 325	0.46 375	0.68 385	0.41 364	0.49 360	0.48 372	0.42 376	0.39 371	0.31 361	0.32 387	0.28 386	0.37 387	0.30 384	0.32 388	0.29 385

JetBlue	0.71 395	0.45 388	1.14 406	0.51 391	0.47 392	2.02 417	0.64 404	0.75 396	0.70 386	0.69 387	0.77 392	1.22 403	0.83 401	1.03 413	1.01 413	0.40 391	0.28 386	0.33 385	0.33 387	0.30 384	0.34 391

SHD	0.26 347	0.15 314	0.30 333	0.24 332	0.18 362	0.22 291	0.15 116	0.38 347	0.71 387	0.32 342	0.41 344	0.36 335	0.28 333	0.32 347	0.29 350	0.12 315	0.11 322	0.14 337	0.13 336	0.16 353	0.20 371

ACVNet_1	0.44 379	0.49 389	0.60 378	0.45 387	0.28 381	0.49 378	0.27 351	0.57 390	0.72 388	0.62 383	0.58 377	0.74 392	0.49 382	0.50 382	0.35 368	0.26 384	0.24 383	0.39 388	0.29 382	0.31 387	0.24 377

coex-ft	3.30 416	0.34 381	59.09 439	0.18 184	0.13 304	0.26 327	0.22 306	0.27 237	0.72 388	1.90 417	0.70 385	0.44 362	0.45 379	0.29 337	0.41 382	0.09 239	0.09 295	0.12 313	0.09 254	0.14 335	0.13 320

MSC_U_SF_DS_RVC	0.43 378	0.39 385	0.54 371	0.40 382	0.20 367	0.64 388	0.32 379	0.53 385	0.72 388	0.71 388	0.72 386	0.61 382	0.54 384	0.51 383	0.46 387	0.20 371	0.19 370	0.29 382	0.30 384	0.23 371	0.18 365

MADNet+	0.75 398	0.71 400	3.70 417	0.66 396	0.41 388	0.98 408	0.97 415	0.69 395	0.73 391	0.52 377	0.57 375	0.64 384	0.68 396	0.86 405	1.01 413	0.34 389	0.36 391	0.28 381	0.23 374	0.36 389	0.31 388

MFMNet_re	0.64 391	0.66 398	0.65 382	0.51 391	0.69 407	0.69 392	0.57 400	0.64 394	0.73 391	0.60 382	0.73 387	0.62 383	0.67 395	0.65 395	0.60 397	0.66 405	0.58 411	0.63 397	0.59 401	0.68 403	0.69 409

RTS	0.45 381	0.19 345	3.26 414	0.24 332	0.15 332	0.74 396	0.20 280	0.36 335	0.76 393	0.42 367	0.43 352	0.31 312	0.41 373	0.53 387	0.35 368	0.10 270	0.08 272	0.13 327	0.12 327	0.15 346	0.15 345

RTSA	0.45 381	0.19 345	3.26 414	0.24 332	0.15 332	0.74 396	0.20 280	0.36 335	0.76 393	0.42 367	0.43 352	0.31 312	0.41 373	0.53 387	0.35 368	0.10 270	0.08 272	0.13 327	0.12 327	0.15 346	0.15 345

IMH-64-1	0.65 392	0.61 394	0.68 390	0.71 397	0.51 393	0.59 384	0.49 394	0.91 401	0.85 395	0.74 394	1.02 402	0.81 393	0.78 399	0.79 398	0.49 390	0.42 392	0.46 393	0.71 399	0.47 393	0.52 393	0.39 393

IMH-64	0.65 392	0.61 394	0.68 390	0.71 397	0.51 393	0.59 384	0.49 394	0.91 401	0.85 395	0.74 394	1.02 402	0.81 393	0.78 399	0.79 398	0.49 390	0.42 392	0.46 393	0.71 399	0.47 393	0.52 393	0.39 393

RainbowNet	0.54 388	0.61 394	0.70 394	0.57 394	0.43 390	0.65 389	0.37 385	0.60 392	0.87 397	0.50 376	0.66 380	0.64 384	0.47 380	0.49 381	0.43 386	0.47 396	0.48 398	0.52 395	0.41 390	0.52 393	0.40 395

PWCK	0.71 395	0.94 410	0.95 403	0.76 399	0.31 386	0.74 396	0.36 382	0.90 400	0.90 398	0.96 403	0.75 391	0.95 396	0.61 391	0.87 406	0.66 400	0.72 406	0.46 393	0.75 402	0.49 395	0.69 405	0.44 397

UNDER WATER-64	0.95 407	0.94 410	1.43 410	0.87 407	0.56 398	1.18 416	0.87 412	0.77 397	0.94 399	1.04 406	0.85 395	1.58 414	1.21 415	0.94 410	0.96 411	0.87 412	0.57 410	1.03 412	0.88 413	0.78 410	0.73 410

PVD	0.39 371	0.20 350	0.39 355	0.31 375	0.22 371	0.29 343	0.43 392	0.52 383	0.96 400	0.55 380	0.79 393	0.53 377	0.59 390	0.52 385	0.38 375	0.19 369	0.14 351	0.17 353	0.14 340	0.24 377	0.31 388

UNDER WATER	0.97 408	0.97 412	1.42 409	0.99 411	0.70 410	1.12 415	0.84 411	0.80 398	1.08 401	1.01 405	0.90 396	1.55 413	1.22 416	1.03 413	1.00 412	0.78 410	0.53 405	1.02 411	0.87 412	0.80 411	0.74 411

IMH	0.71 395	0.64 397	0.68 390	0.76 399	0.54 395	0.69 392	0.54 398	0.98 407	1.10 402	0.82 398	1.09 405	0.89 395	0.88 404	0.87 406	0.52 394	0.44 395	0.50 402	0.75 402	0.51 398	0.56 398	0.41 396

TorneroNet	0.82 402	0.74 402	0.81 400	0.84 404	0.63 404	0.99 409	0.63 402	0.96 405	1.16 403	0.80 397	1.11 407	1.36 408	0.86 403	0.93 409	0.80 408	0.56 399	0.49 400	0.78 406	0.66 405	0.73 408	0.63 408

notaker	0.97 408	1.11 413	0.98 404	1.13 413	0.81 411	0.73 395	0.68 408	0.93 403	1.16 403	1.18 412	1.18 411	1.41 410	1.16 414	1.08 415	0.69 404	0.81 411	0.64 413	1.17 413	0.79 410	0.98 413	0.80 414

DPSimNet_ROB	1.11 412	1.23 416	0.78 396	1.13 413	0.88 414	1.10 414	1.13 416	1.16 416	1.23 405	1.43 414	1.02 402	1.41 410	1.10 413	0.90 408	1.60 415	1.46 418	0.51 404	1.21 415	1.03 416	0.90 412	1.01 418

TorneroNet-64	0.76 399	0.72 401	0.74 395	0.78 401	0.58 401	0.91 407	0.56 399	0.84 399	1.29 406	0.66 384	0.90 396	1.40 409	0.75 398	0.85 404	0.67 403	0.49 397	0.46 393	0.72 401	0.59 401	0.67 402	0.53 398

WAO-7	0.79 400	0.78 403	0.54 371	0.85 405	0.67 406	0.74 396	0.68 408	1.05 410	1.32 407	0.90 401	1.20 412	1.04 397	0.92 405	0.69 396	0.66 400	0.60 403	0.62 412	0.67 398	0.68 406	0.64 399	0.58 400

KSHMR	1.09 411	1.17 414	0.88 402	1.25 417	1.00 416	0.99 409	0.96 414	1.13 414	1.37 408	1.16 411	1.29 414	1.41 410	0.96 407	1.01 412	0.92 410	1.03 415	1.08 417	1.20 414	1.03 416	1.01 414	0.97 416

JetRed	1.62 414	1.46 418	2.98 413	0.92 408	1.21 417	4.99 419	1.53 419	1.27 417	1.39 409	1.83 416	1.74 418	1.60 415	0.95 406	1.41 416	2.45 419	0.90 414	1.60 418	0.93 410	0.90 414	1.35 417	0.99 417

ktn	1.01 410	1.21 415	0.80 399	1.23 416	0.86 413	1.01 411	0.87 412	0.94 404	1.39 409	1.04 406	1.12 408	1.15 401	1.07 410	0.94 410	0.59 396	1.28 417	0.71 415	1.38 417	0.83 411	1.02 415	0.75 412

ACVNet_2	0.66 394	0.66 398	0.68 390	0.63 395	0.41 388	0.71 394	0.49 394	0.96 405	1.39 409	0.89 400	1.09 405	1.04 397	0.73 397	0.54 389	0.47 388	0.43 394	0.40 392	0.53 396	0.44 392	0.47 391	0.35 392

LVE	0.83 403	0.85 407	0.85 401	0.80 402	0.56 398	1.04 413	0.65 405	1.05 410	1.47 412	0.96 403	1.22 413	1.10 400	0.85 402	0.83 401	0.71 405	0.49 397	0.55 408	0.76 404	0.60 403	0.65 400	0.59 405

HanzoNet	1.29 413	1.26 417	1.19 407	1.12 412	0.85 412	1.02 412	0.83 410	1.03 409	1.48 413	1.64 415	1.61 417	2.50 418	1.72 417	1.61 417	1.61 416	1.26 416	0.80 416	1.31 416	1.01 415	1.02 415	0.86 415

WAO-6	0.81 401	0.80 404	0.62 380	0.86 406	0.63 404	0.76 400	0.58 401	0.98 407	1.54 414	0.90 401	0.96 401	1.07 399	1.03 409	0.70 397	0.66 400	0.72 406	0.49 400	0.90 409	0.71 407	0.68 403	0.58 400

Dean	0.87 404	0.86 408	0.79 398	0.81 403	0.56 398	0.90 404	0.63 402	1.15 415	1.73 415	1.15 410	1.15 410	1.31 406	0.99 408	0.81 400	0.81 409	0.57 400	0.56 409	0.77 405	0.64 404	0.66 401	0.58 400

LE_ROB	0.50 385	0.07 70	0.14 157	0.15 38	0.08 48	0.24 309	0.16 173	0.22 159	1.81 416	4.63 419	0.67 381	0.47 371	0.44 378	0.20 264	0.29 350	0.07 144	0.06 193	0.06 32	0.06 88	0.08 202	0.06 101

WAO-8	0.91 405	0.81 405	0.65 382	0.94 409	0.69 407	0.90 404	0.67 406	1.07 412	1.83 417	1.06 408	1.45 415	1.30 404	1.07 410	0.84 402	0.78 406	0.74 408	0.53 405	0.86 407	0.75 408	0.69 405	0.62 406

Venus	0.91 405	0.81 405	0.65 382	0.94 409	0.69 407	0.90 404	0.67 406	1.07 412	1.83 417	1.06 408	1.45 415	1.30 404	1.07 410	0.84 402	0.78 406	0.74 408	0.53 405	0.86 407	0.75 408	0.69 405	0.62 406

MADNet++	1.95 415	1.75 419	1.59 412	1.82 418	1.69 419	2.33 418	1.40 418	2.35 418	2.09 419	2.57 418	2.36 419	2.24 417	2.17 418	2.28 418	2.34 418	1.87 419	1.66 419	1.54 418	1.34 418	1.92 418	1.77 420

tt	4.67 417	0.06 19	3.55 416	2.02 419	1.55 418	10.25 423	16.71 423	8.91 426	5.03 420	1.31 413	0.94 399	4.71 419	4.76 419	3.33 419	5.87 421	6.06 426	10.30 430	1.88 420	2.11 421	2.75 419	1.21 419

PML	8.91 424	9.34 430	6.13 418	5.35 423	6.41 424	14.99 425	23.38 429	5.27 419	6.83 421	18.04 430	28.19 439	7.67 422	6.83 421	7.85 423	5.75 420	5.35 425	1.83 420	5.95 429	1.93 420	8.64 427	2.52 421

xxxxx1	7.79 418	5.02 424	7.31 420	3.12 420	3.85 421	16.35 426	22.88 424	5.86 423	8.69 422	7.97 422	8.54 420	9.12 424	8.27 422	10.18 424	10.92 422	2.42 420	2.45 421	3.56 423	12.37 427	3.77 420	3.06 422

tt_ll	7.79 418	5.02 424	7.31 420	3.12 420	3.85 421	16.35 426	22.88 424	5.86 423	8.69 422	7.97 422	8.54 420	9.12 424	8.27 422	10.18 424	10.92 422	2.42 420	2.45 421	3.56 423	12.37 427	3.77 420	3.06 422

ff	7.79 418	5.02 424	7.31 420	3.12 420	3.85 421	16.35 426	22.88 424	5.86 423	8.69 422	7.97 422	8.54 420	9.12 424	8.27 422	10.18 424	10.92 422	2.42 420	2.45 421	3.56 423	12.37 427	3.77 420	3.06 422

HaxPig	15.71 431	18.52 438	19.18 434	16.89 429	15.89 431	7.73 420	7.60 420	13.31 430	10.82 425	15.42 429	14.91 428	15.98 430	14.92 430	15.58 430	15.98 431	18.95 436	16.73 431	19.46 436	18.08 436	19.26 436	19.05 437

DGTPSM_ROB	8.06 422	4.48 422	8.63 426	5.35 423	10.72 426	8.32 421	22.97 427	5.46 420	13.35 426	5.12 420	9.92 423	5.08 420	10.40 425	5.52 421	12.58 425	3.79 423	8.00 425	3.50 421	7.02 424	3.83 423	7.14 426

DPSMNet_ROB	8.06 422	4.48 422	8.63 426	5.37 425	10.74 427	8.32 421	22.98 428	5.46 420	13.36 427	5.12 420	9.92 423	5.08 420	10.40 425	5.53 422	12.58 425	3.80 424	8.00 425	3.50 421	7.02 424	3.83 423	7.14 426

Anonymous_1	10.96 427	7.92 427	7.46 423	10.33 426	10.06 425	18.65 430	26.34 430	11.06 427	13.44 428	9.40 425	10.05 425	9.67 427	11.23 427	10.73 427	12.72 427	6.42 427	8.38 427	5.77 426	10.61 426	12.12 428	6.77 425

DPSM_ROB	11.15 428	8.58 428	8.00 424	10.88 427	11.58 428	19.10 431	26.71 431	12.05 428	14.07 429	10.36 426	10.84 426	10.33 428	11.86 428	11.70 428	13.54 428	6.99 428	8.79 428	5.89 427	6.95 422	7.29 425	7.42 428

DPSM	11.15 428	8.58 428	8.00 424	10.88 427	11.58 428	19.10 431	26.71 431	12.05 428	14.07 429	10.36 426	10.84 426	10.33 428	11.86 428	11.70 428	13.54 428	6.99 428	8.79 428	5.89 427	6.95 422	7.29 425	7.42 428

MEDIAN_ROB	20.38 432	24.04 439	23.31 436	21.23 431	21.71 432	10.40 424	7.92 421	17.64 431	15.50 431	20.12 431	19.70 430	20.34 431	20.32 431	21.19 431	21.13 432	23.81 438	21.81 438	24.98 437	23.76 437	24.71 437	23.93 438

AVERAGE_ROB	24.90 439	29.20 440	28.14 437	24.89 438	24.64 438	17.75 429	11.12 422	21.45 432	19.93 432	25.12 439	24.46 438	25.12 439	25.46 439	24.69 439	22.83 433	29.76 439	27.13 439	28.97 439	27.95 439	29.91 438	29.47 439

LSM0	22.87 438	17.28 432	18.96 433	22.19 437	29.04 439	38.42 439	53.71 434	24.28 437	28.31 433	20.78 434	21.00 431	21.43 437	24.16 437	23.50 436	27.39 435	14.09 435	17.38 432	11.84 435	14.04 435	14.73 434	14.89 430

CasAABBNet	22.42 433	17.33 433	16.01 428	22.01 435	23.28 436	38.32 434	53.80 438	24.14 433	28.41 434	20.60 432	21.77 432	20.89 436	23.91 436	23.43 432	27.36 434	14.07 430	17.69 433	11.83 434	14.01 431	14.67 432	14.95 434

MyStereo03	22.45 434	17.33 433	16.21 430	21.95 432	23.27 433	38.32 434	53.79 435	24.21 434	28.46 435	20.87 435	21.85 434	20.80 432	23.87 432	23.46 433	27.40 436	14.08 431	17.71 435	11.82 430	14.03 432	14.65 429	14.89 430

MyStereo02	22.45 434	17.33 433	16.21 430	21.95 432	23.27 433	38.32 434	53.79 435	24.21 434	28.46 435	20.87 435	21.85 434	20.80 432	23.87 432	23.46 433	27.40 436	14.08 431	17.71 435	11.82 430	14.03 432	14.65 429	14.89 430

MyStereo	22.45 434	17.33 433	16.21 430	21.95 432	23.27 433	38.32 434	53.79 435	24.21 434	28.46 435	20.87 435	21.85 434	20.80 432	23.87 432	23.46 433	27.40 436	14.08 431	17.71 435	11.82 430	14.03 432	14.65 429	14.89 430

Selective-RAFT-Error	22.47 437	17.37 437	16.09 429	22.06 436	23.34 437	38.39 438	53.83 439	24.29 438	28.47 438	20.74 433	21.83 433	20.81 435	23.90 435	23.54 437	27.53 439	14.08 431	17.69 433	11.82 430	14.00 430	14.69 433	15.00 435

SPstereo	13.84 430	0.93 409	1.50 411	1.22 415	0.88 414	28.82 433	48.26 433	26.77 440	29.54 439	22.37 438	22.60 437	23.23 438	24.68 438	24.53 438	15.06 430	0.88 413	0.69 414	1.83 419	1.60 419	0.74 409	0.77 413

test_example2	98.32 440	94.13 441	45.89 438	96.35 439	109.85 440	88.61 440	95.45 440	25.75 439	94.37 440	130.00 440	126.06 440	58.17 440	74.63 440	88.51 440	79.96 440	150.23 440	221.02 440	77.62 440	99.10 440	113.75 440	96.94 440

ASD4		3.38 421

Low-res two-view benchmark