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	0.24 1	0.18 35	0.35 31	0.35 29	0.19 9	0.27 26	0.25 32	0.55 29	0.23 1	0.27 2	0.25 2	0.34 21	0.19 2	0.58 109	0.22 1	0.12 4	0.10 10	0.14 16	0.11 15	0.12 8	0.10 3

EGLCR-Stereo	0.25 2	0.16 8	0.33 21	0.34 11	0.20 20	0.35 80	0.20 1	0.52 21	0.36 21	0.28 4	0.27 4	0.41 45	0.18 1	0.45 32	0.26 25	0.14 32	0.10 10	0.16 62	0.14 74	0.13 20	0.11 9

IGEV+	0.26 3	0.16 8	0.31 13	0.35 29	0.21 29	0.24 7	0.35 137	0.51 17	0.37 31	0.36 18	0.32 9	0.37 33	0.26 18	0.39 14	0.28 44	0.15 79	0.09 2	0.14 16	0.11 15	0.14 45	0.11 9

StereoIM	0.26 3	0.18 35	0.36 36	0.36 38	0.26 151	0.27 26	0.27 44	0.43 6	0.35 16	0.27 2	0.26 3	0.41 45	0.28 34	0.40 17	0.28 44	0.16 113	0.14 181	0.16 62	0.13 51	0.14 45	0.12 34

CroCo-Stereo	0.26 3	0.22 131	0.36 36	0.48 260	0.22 43	0.20 1	0.29 58	0.51 17	0.44 53	0.28 4	0.23 1	0.42 51	0.26 18	0.29 1	0.26 25	0.15 79	0.13 154	0.13 9	0.11 15	0.16 110	0.12 34
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
MIF-Stereo	0.27 6	0.17 20	0.37 46	0.40 112	0.27 175	0.30 45	0.28 51	0.39 2	0.31 5	0.29 6	0.46 25	0.27 2	0.25 12	0.47 46	0.34 98	0.17 146	0.13 154	0.13 9	0.12 30	0.14 45	0.12 34

AEACV	0.27 6	0.17 20	0.31 13	0.34 11	0.45 333	0.26 18	0.28 51	0.37 1	0.32 7	0.30 7	0.46 25	0.31 8	0.37 91	0.36 5	0.24 6	0.14 32	0.10 10	0.15 43	0.12 30	0.13 20	0.11 9

LoS_RVC	0.27 6	0.16 8	0.27 8	0.32 8	0.30 227	0.44 129	0.34 120	0.41 5	0.33 8	0.31 8	0.51 39	0.29 4	0.32 63	0.36 5	0.28 44	0.11 1	0.10 10	0.11 1	0.08 1	0.11 1	0.19 208

MGS-Stereo	0.28 9	0.19 50	0.40 79	0.36 38	0.23 70	0.37 88	0.30 71	0.39 2	0.44 53	0.31 8	0.51 39	0.40 42	0.24 10	0.43 25	0.26 25	0.15 79	0.12 99	0.15 43	0.13 51	0.14 45	0.13 59

CES	0.28 9	0.14 2	0.23 1	0.30 4	0.70 374	0.37 88	0.27 44	0.48 12	0.46 58	0.34 15	0.48 31	0.27 2	0.22 6	0.39 14	0.23 4	0.13 12	0.11 58	0.12 2	0.08 1	0.13 20	0.17 165

MC-Stereo	0.28 9	0.17 20	0.32 18	0.38 68	0.20 20	0.26 18	0.26 38	0.49 14	0.37 31	0.37 19	0.61 65	0.41 45	0.31 59	0.55 74	0.25 9	0.13 12	0.09 2	0.14 16	0.12 30	0.12 8	0.11 9

CroCo-Stereo Lap2	0.28 9	0.24 184	0.39 72	0.50 289	0.29 217	0.20 1	0.31 88	0.49 14	0.38 36	0.24 1	0.27 4	0.46 69	0.31 59	0.39 14	0.30 61	0.14 32	0.15 206	0.16 62	0.13 51	0.16 110	0.15 109

CREStereo	0.28 9	0.15 3	0.24 3	0.27 1	0.17 3	0.37 88	0.25 32	0.51 17	0.72 134	0.42 40	0.51 39	0.32 10	0.26 18	0.38 12	0.25 9	0.16 113	0.11 58	0.12 2	0.08 1	0.12 8	0.11 9
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
ff7	0.29 14	0.21 104	0.38 55	0.36 38	0.26 151	0.31 55	0.35 137	0.62 59	0.34 9	0.38 23	0.33 11	0.32 10	0.29 44	0.58 109	0.25 9	0.14 32	0.10 10	0.17 87	0.12 30	0.14 45	0.15 109

IGEVStereo-DCA	0.29 14	0.22 131	0.38 55	0.35 29	0.27 175	0.37 88	0.35 137	0.62 59	0.34 9	0.38 23	0.30 6	0.35 26	0.27 25	0.51 58	0.22 1	0.15 79	0.12 99	0.16 62	0.12 30	0.13 20	0.15 109

ffff	0.29 14	0.21 104	0.38 55	0.36 38	0.26 151	0.31 55	0.35 137	0.62 59	0.34 9	0.38 23	0.33 11	0.32 10	0.29 44	0.58 109	0.25 9	0.14 32	0.10 10	0.17 87	0.12 30	0.14 45	0.15 109

rrr	0.29 14	0.22 131	0.41 84	0.35 29	0.27 175	0.37 88	0.32 104	0.52 21	0.42 47	0.38 23	0.30 6	0.35 26	0.27 25	0.51 58	0.22 1	0.15 79	0.12 99	0.16 62	0.13 51	0.13 20	0.14 90

11t	0.29 14	0.21 104	0.38 55	0.36 38	0.26 151	0.31 55	0.35 137	0.62 59	0.34 9	0.38 23	0.33 11	0.32 10	0.29 44	0.58 109	0.25 9	0.14 32	0.10 10	0.17 87	0.12 30	0.14 45	0.15 109

anonymousdsp	0.29 14	0.21 104	0.38 55	0.37 47	0.25 114	0.30 45	0.35 137	0.63 64	0.35 16	0.39 31	0.33 11	0.33 18	0.28 34	0.59 123	0.25 9	0.14 32	0.10 10	0.17 87	0.12 30	0.14 45	0.15 109

LoS	0.29 14	0.15 3	0.30 11	0.29 2	0.18 7	0.33 69	0.29 58	0.51 17	0.72 134	0.34 15	0.52 44	0.41 45	0.28 34	0.47 46	0.28 44	0.15 79	0.11 58	0.13 9	0.09 6	0.11 1	0.11 9

ProNet	0.29 14	0.21 104	0.38 55	0.35 29	0.24 88	0.32 65	0.43 234	0.57 33	0.37 31	0.33 14	0.30 6	0.32 10	0.28 34	0.57 92	0.26 25	0.13 12	0.11 58	0.16 62	0.13 51	0.13 20	0.13 59

ccc-4	0.29 14	0.21 104	0.38 55	0.36 38	0.26 151	0.31 55	0.35 137	0.62 59	0.34 9	0.38 23	0.33 11	0.32 10	0.29 44	0.58 109	0.25 9	0.14 32	0.10 10	0.17 87	0.12 30	0.14 45	0.15 109

IGEV-Stereo	0.29 14	0.21 104	0.38 55	0.37 47	0.25 114	0.30 45	0.35 137	0.63 64	0.35 16	0.39 31	0.33 11	0.33 18	0.28 34	0.59 123	0.25 9	0.14 32	0.10 10	0.17 87	0.12 30	0.14 45	0.15 109
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.29 14	0.19 50	0.27 8	0.44 206	0.19 9	0.31 55	0.26 38	0.47 10	0.43 49	0.37 19	0.47 30	0.41 45	0.23 7	0.50 54	0.34 98	0.14 32	0.18 258	0.19 158	0.16 125	0.16 110	0.13 59

test_xeample3	0.29 14	0.21 104	0.41 84	0.35 29	0.26 151	0.35 80	0.32 104	0.56 30	0.36 21	0.43 42	0.32 9	0.34 21	0.28 34	0.54 72	0.23 4	0.14 32	0.11 58	0.16 62	0.12 30	0.14 45	0.13 59

CASnet	0.30 26	0.20 72	0.33 21	0.41 136	0.16 2	0.26 18	0.24 25	0.52 21	0.53 71	0.52 62	0.54 48	0.39 39	0.24 10	0.40 17	0.26 25	0.14 32	0.10 10	0.22 234	0.18 187	0.18 161	0.11 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
TANstereo	0.30 26	0.15 3	0.31 13	0.30 4	0.17 3	0.55 167	0.23 18	0.44 7	0.55 79	0.59 76	0.68 82	0.37 33	0.26 18	0.35 4	0.27 34	0.15 79	0.16 233	0.12 2	0.10 10	0.13 20	0.14 90

test croco	0.31 28	0.20 72	0.50 197	0.39 88	0.29 217	0.27 26	0.30 71	0.44 7	0.35 16	0.31 8	0.66 76	0.30 5	0.31 59	0.65 166	0.31 68	0.17 146	0.13 154	0.20 182	0.15 96	0.17 143	0.12 34

MIF-Stereo (partial)	0.31 28	0.18 35	0.37 46	0.41 136	0.31 244	0.28 34	0.23 18	0.47 10	0.42 47	0.31 8	0.63 67	0.36 31	0.35 79	0.57 92	0.31 68	0.17 146	0.13 154	0.19 158	0.17 165	0.18 161	0.14 90

MyStereo07	0.32 30	0.22 131	0.34 28	0.42 173	0.28 194	0.40 105	0.50 266	0.72 135	0.37 31	0.37 19	0.34 17	0.32 10	0.31 59	0.59 123	0.27 34	0.14 32	0.13 154	0.18 121	0.17 165	0.17 143	0.16 148

MSKI-zero shot	0.32 30	0.17 20	0.34 28	0.39 88	0.21 29	0.32 65	0.22 8	0.61 55	0.43 49	0.52 62	0.64 70	0.61 134	0.20 4	0.74 217	0.25 9	0.14 32	0.10 10	0.14 16	0.10 10	0.12 8	0.12 34

iRaftStereo_RVC	0.32 30	0.19 50	0.37 46	0.39 88	0.22 43	0.31 55	0.29 58	0.68 103	0.51 65	0.49 54	0.66 76	0.37 33	0.23 7	0.45 32	0.33 88	0.14 32	0.10 10	0.18 121	0.17 165	0.15 79	0.12 34

CREStereo++_RVC	0.32 30	0.15 3	0.23 1	0.31 6	0.24 88	0.27 26	0.22 8	0.46 9	0.88 215	0.46 49	0.80 126	0.30 5	0.26 18	0.36 5	0.33 88	0.13 12	0.09 2	0.13 9	0.51 377	0.13 20	0.09 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
XX-TBD	0.32 30	0.53 344	0.26 7	0.51 301	0.20 20	0.37 88	0.24 25	0.40 4	0.73 140	0.54 67	0.69 83	0.31 8	0.25 12	0.32 3	0.27 34	0.16 113	0.10 10	0.12 2	0.09 6	0.13 20	0.11 9

PMTNet	0.32 30	0.16 8	0.24 3	0.29 2	0.18 7	0.45 134	0.22 8	0.56 30	0.63 100	0.46 49	0.54 48	0.39 39	0.34 77	0.48 51	0.24 6	0.75 384	0.10 10	0.12 2	0.08 1	0.12 8	0.11 9

4D-IteraStereo	0.33 36	0.18 35	0.40 79	0.40 112	0.24 88	0.32 65	0.27 44	0.58 37	0.72 134	0.65 109	0.54 48	0.42 51	0.23 7	0.45 32	0.28 44	0.14 32	0.09 2	0.19 158	0.16 125	0.16 110	0.11 9

Former-RAFT_DAM_RVC	0.34 37	0.27 230	0.45 133	0.36 38	0.25 114	0.48 140	0.30 71	0.58 37	0.90 227	0.42 40	0.36 18	0.30 5	0.29 44	0.49 52	0.30 61	0.16 113	0.14 181	0.18 121	0.15 96	0.18 161	0.15 109

AE-Stereo	0.34 37	0.21 104	0.42 103	0.48 260	0.31 244	0.48 140	0.35 137	0.61 55	0.62 90	0.32 13	0.55 53	0.52 85	0.27 25	0.47 46	0.29 56	0.13 12	0.13 154	0.18 121	0.16 125	0.15 79	0.12 34

IGEV_Zeroshot_test	0.34 37	0.18 35	0.67 274	0.39 88	0.28 194	0.30 45	0.25 32	0.74 144	0.31 5	0.62 86	0.57 56	0.54 93	0.25 12	0.53 69	0.27 34	0.14 32	0.10 10	0.15 43	0.14 74	0.14 45	0.12 34

RAFT-Test	0.34 37	0.18 35	0.37 46	0.38 68	0.23 70	0.50 145	0.23 18	0.69 112	0.40 40	0.60 80	0.85 155	0.61 134	0.28 34	0.46 39	0.27 34	0.14 32	0.11 58	0.14 16	0.11 15	0.13 20	0.12 34

CAS	0.34 37	0.13 1	0.25 6	1.28 390	0.30 227	0.46 136	0.38 188	0.48 12	0.47 61	0.34 15	0.52 44	0.24 1	0.19 2	0.29 1	0.27 34	0.69 382	0.08 1	0.12 2	0.08 1	0.12 8	0.15 109

test-3	0.34 37	0.16 8	0.43 112	0.39 88	0.21 29	0.43 125	0.22 8	0.63 64	0.78 167	0.71 144	0.45 22	0.64 148	0.27 25	0.43 25	0.31 68	0.12 4	0.09 2	0.17 87	0.13 51	0.12 8	0.10 3

test_1	0.34 37	0.16 8	0.43 112	0.39 88	0.21 29	0.43 125	0.23 18	0.63 64	0.78 167	0.68 127	0.45 22	0.64 148	0.27 25	0.43 25	0.31 68	0.12 4	0.09 2	0.17 87	0.13 51	0.12 8	0.10 3

cross-raft	0.34 37	0.20 72	0.37 46	0.44 206	0.23 70	0.32 65	0.35 137	0.74 144	0.40 40	0.60 80	0.77 107	0.57 103	0.27 25	0.43 25	0.28 44	0.12 4	0.10 10	0.15 43	0.13 51	0.15 79	0.11 9

raftrobust	0.34 37	0.19 50	0.36 36	0.41 136	0.27 175	0.30 45	0.25 32	0.71 131	0.63 100	0.58 74	0.55 53	0.45 63	0.46 140	0.51 58	0.29 56	0.16 113	0.12 99	0.14 16	0.12 30	0.12 8	0.13 59

EAI-Stereo	0.34 37	0.19 50	0.44 122	0.39 88	0.21 29	0.31 55	0.30 71	1.15 286	0.30 3	0.49 54	0.75 101	0.36 31	0.28 34	0.62 142	0.27 34	0.14 32	0.11 58	0.14 16	0.13 51	0.13 20	0.12 34

CFNet-RSSM	0.34 37	0.17 20	0.45 133	0.39 88	0.22 43	0.35 80	0.23 18	0.73 142	0.84 190	0.65 109	0.54 48	0.57 103	0.28 34	0.46 39	0.26 25	0.13 12	0.10 10	0.14 16	0.12 30	0.13 20	0.11 9

Gwc-CoAtRS	0.34 37	0.17 20	0.44 122	0.39 88	0.23 70	0.34 75	0.22 8	0.70 126	0.75 147	0.60 80	0.59 61	0.58 111	0.29 44	0.45 32	0.26 25	0.14 32	0.11 58	0.14 16	0.12 30	0.12 8	0.12 34

ACVNet-DCA	0.35 49	0.23 148	0.33 21	0.41 136	0.22 43	0.55 167	0.38 188	0.85 180	0.54 75	0.41 35	0.50 34	0.34 21	0.49 150	0.57 92	0.25 9	0.16 113	0.10 10	0.19 158	0.13 51	0.18 161	0.17 165

EKT-Stereo	0.35 49	0.23 148	0.39 72	0.43 191	0.29 217	0.38 101	0.31 88	0.69 112	0.64 107	0.45 47	0.63 67	0.49 79	0.27 25	0.56 82	0.33 88	0.18 174	0.14 181	0.18 121	0.15 96	0.16 110	0.16 148

Any-RAFT	0.35 49	0.16 8	0.30 11	0.34 11	0.21 29	0.52 152	0.22 8	0.88 194	0.73 140	0.53 65	0.73 91	0.64 148	0.28 34	0.46 39	0.24 6	0.15 79	0.10 10	0.13 9	0.10 10	0.13 20	0.12 34

HH	0.35 49	0.20 72	0.47 159	0.40 112	0.25 114	0.33 69	0.31 88	0.76 155	0.38 36	0.43 42	0.57 56	0.79 220	0.44 133	0.71 200	0.25 9	0.15 79	0.11 58	0.15 43	0.14 74	0.14 45	0.12 34

HanStereo	0.35 49	0.20 72	0.47 159	0.40 112	0.25 114	0.33 69	0.31 88	0.76 155	0.38 36	0.43 42	0.57 56	0.79 220	0.44 133	0.71 200	0.25 9	0.15 79	0.11 58	0.15 43	0.14 74	0.14 45	0.12 34

LL-Strereo2	0.35 49	0.24 184	0.48 175	0.41 136	0.26 151	0.35 80	0.24 25	0.67 94	0.44 53	0.54 67	0.51 39	0.66 163	0.25 12	0.66 171	0.30 61	0.14 32	0.12 99	0.23 248	0.20 234	0.18 161	0.13 59

anonymousdsp2	0.35 49	0.20 72	0.43 112	0.37 47	0.24 88	0.48 140	0.31 88	0.86 183	0.65 112	0.55 69	0.50 34	0.50 80	0.34 77	0.56 82	0.31 68	0.14 32	0.10 10	0.14 16	0.10 10	0.16 110	0.14 90

Selective-RAFT	0.35 49	0.23 148	0.51 204	0.44 206	0.21 29	0.64 226	0.27 44	0.59 39	0.63 100	0.40 34	0.38 19	0.55 96	0.40 111	0.57 92	0.35 113	0.13 12	0.11 58	0.14 16	0.12 30	0.16 110	0.13 59

RCA-Stereo	0.35 49	0.17 20	0.34 28	0.38 68	0.22 43	0.31 55	0.34 120	0.68 103	1.24 335	0.45 47	0.65 72	0.47 71	0.43 125	0.38 12	0.27 34	0.13 12	0.10 10	0.14 16	0.11 15	0.11 1	0.11 9

Patchmatch Stereo++	0.35 49	0.23 148	0.47 159	0.41 136	0.22 43	0.24 7	0.22 8	0.59 39	0.36 21	0.63 93	0.73 91	0.58 111	0.38 94	0.58 109	0.36 129	0.18 174	0.12 99	0.20 182	0.16 125	0.20 208	0.15 109
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.35 49	0.23 148	0.47 159	0.41 136	0.22 43	0.24 7	0.31 88	0.59 39	0.36 21	0.63 93	0.73 91	0.58 111	0.38 94	0.56 82	0.35 113	0.18 174	0.12 99	0.20 182	0.16 125	0.20 208	0.15 109

ROB_FTStereo_v2	0.35 49	0.23 148	0.47 159	0.41 136	0.22 43	0.24 7	0.31 88	0.59 39	0.36 21	0.63 93	0.73 91	0.57 103	0.38 94	0.57 92	0.36 129	0.18 174	0.12 99	0.20 182	0.16 125	0.20 208	0.15 109

ROB_FTStereo	0.35 49	0.23 148	0.47 159	0.41 136	0.22 43	0.25 16	0.21 4	0.59 39	0.36 21	0.63 93	0.73 91	0.58 111	0.38 94	0.57 92	0.35 113	0.18 174	0.12 99	0.20 182	0.16 125	0.20 208	0.15 109

HUI-Stereo	0.35 49	0.23 148	0.47 159	0.41 136	0.22 43	0.24 7	0.22 8	0.60 49	0.36 21	0.63 93	0.73 91	0.58 111	0.38 94	0.50 54	0.35 113	0.18 174	0.12 99	0.20 182	0.16 125	0.20 208	0.15 109

iGMRVC	0.35 49	0.23 148	0.47 159	0.41 136	0.22 43	0.24 7	0.30 71	0.59 39	0.36 21	0.63 93	0.73 91	0.58 111	0.38 94	0.58 109	0.36 129	0.18 174	0.12 99	0.20 182	0.16 125	0.20 208	0.15 109

iRAFT	0.35 49	0.23 148	0.47 159	0.41 136	0.22 43	0.24 7	0.22 8	0.59 39	0.36 21	0.63 93	0.73 91	0.58 111	0.38 94	0.58 109	0.36 129	0.18 174	0.12 99	0.20 182	0.16 125	0.20 208	0.15 109

RAFT-IKP	0.35 49	0.23 148	0.47 159	0.41 136	0.22 43	0.24 7	0.28 51	0.59 39	0.36 21	0.63 93	0.73 91	0.57 103	0.38 94	0.58 109	0.36 129	0.18 174	0.12 99	0.20 182	0.16 125	0.20 208	0.15 109

sCroCo_RVC	0.35 49	0.28 244	0.69 283	0.51 301	0.39 299	0.41 118	0.31 88	0.49 14	0.45 57	0.31 8	0.48 31	0.38 38	0.32 63	0.46 39	0.32 76	0.21 239	0.22 293	0.19 158	0.19 212	0.21 226	0.20 228

1test111	0.36 67	0.23 148	0.33 21	0.41 136	0.22 43	0.55 167	0.38 188	0.85 180	0.54 75	0.41 35	0.50 34	0.34 21	0.49 150	0.55 74	0.45 191	0.16 113	0.10 10	0.19 158	0.13 51	0.18 161	0.17 165

11t1	0.36 67	0.21 104	0.42 103	0.35 29	0.22 43	0.62 211	0.29 58	0.69 112	0.43 49	0.60 80	0.53 46	0.53 89	0.48 147	0.56 82	0.40 160	0.18 174	0.14 181	0.16 62	0.13 51	0.17 143	0.17 165

tt1	0.36 67	0.24 184	0.32 18	0.41 136	0.22 43	0.54 162	0.38 188	0.68 103	1.04 290	0.41 35	0.46 25	0.35 26	0.45 137	0.57 92	0.25 9	0.16 113	0.10 10	0.19 158	0.13 51	0.16 110	0.16 148

knoymous	0.36 67	0.20 72	0.31 13	0.31 6	0.22 43	0.36 86	0.29 58	0.61 55	0.64 107	0.67 121	0.70 85	0.60 130	0.40 111	0.58 109	0.34 98	0.17 146	0.11 58	0.20 182	0.11 15	0.17 143	0.18 180

DCANet-4	0.36 67	0.20 72	0.48 175	0.34 11	0.19 9	0.29 38	0.30 71	0.66 84	0.92 237	0.69 132	0.78 115	0.40 42	0.47 143	0.45 32	0.34 98	0.14 32	0.10 10	0.14 16	0.11 15	0.11 1	0.13 59

test_4	0.36 67	0.18 35	0.31 13	0.44 206	0.25 114	0.20 1	0.34 120	0.56 30	0.41 43	0.59 76	1.45 333	0.43 57	0.25 12	0.63 152	0.28 44	0.12 4	0.10 10	0.17 87	0.19 212	0.15 79	0.11 9

test_3	0.36 67	0.19 50	0.44 122	0.44 206	0.23 70	0.48 140	0.36 156	0.66 84	0.82 182	0.64 102	0.45 22	0.68 169	0.25 12	0.41 20	0.31 68	0.12 4	0.10 10	0.18 121	0.16 125	0.15 79	0.11 9

NRIStereo	0.36 67	0.20 72	0.45 133	0.41 136	0.23 70	0.34 75	0.26 38	0.65 75	0.55 79	0.64 102	0.63 67	0.56 98	0.37 91	0.65 166	0.37 141	0.15 79	0.11 58	0.18 121	0.15 96	0.17 143	0.14 90

DeepStereo_RVC	0.36 67	0.21 104	0.47 159	0.40 112	0.24 88	0.26 18	0.22 8	0.60 49	0.38 36	0.69 132	0.67 80	0.57 103	0.51 163	0.56 82	0.39 155	0.16 113	0.12 99	0.18 121	0.15 96	0.19 195	0.18 180

CRE-IMP	0.36 67	0.23 148	0.49 185	0.42 173	0.24 88	0.41 118	0.21 4	0.57 33	0.41 43	0.65 109	0.72 87	0.53 89	0.37 91	0.61 136	0.38 149	0.17 146	0.11 58	0.19 158	0.15 96	0.21 226	0.18 180

test-1	0.36 67	0.19 50	0.71 290	0.46 246	0.26 151	0.44 129	0.36 156	0.60 49	0.59 86	0.48 53	0.67 80	0.53 89	0.36 88	0.40 17	0.29 56	0.14 32	0.11 58	0.16 62	0.14 74	0.15 79	0.16 148

s12784h	0.36 67	0.15 3	0.24 3	0.34 11	0.15 1	0.77 260	0.29 58	0.80 169	0.83 187	0.56 71	0.57 56	0.43 57	0.40 111	0.57 92	0.33 88	0.12 4	0.10 10	0.14 16	0.09 6	0.14 45	0.09 1

RALCasStereoNet	0.36 67	0.21 104	0.37 46	0.42 173	0.26 151	0.35 80	0.38 188	0.63 64	0.64 107	0.50 57	0.72 87	0.51 83	0.29 44	0.59 123	0.36 129	0.16 113	0.14 181	0.15 43	0.13 51	0.17 143	0.16 148

DCANet	0.36 67	0.16 8	0.41 84	0.34 11	0.19 9	0.30 45	0.30 71	0.68 103	0.91 232	0.70 138	0.77 107	0.43 57	0.57 189	0.45 32	0.34 98	0.14 32	0.10 10	0.14 16	0.11 15	0.13 20	0.12 34

RAFT-Stereo + iAFF	0.36 67	0.17 20	0.41 84	0.35 29	0.19 9	0.33 69	0.29 58	0.65 75	0.73 140	0.68 127	1.01 223	0.56 98	0.40 111	0.42 22	0.30 61	0.11 1	0.09 2	0.15 43	0.14 74	0.13 20	0.10 3

H2IRNET	0.37 82	0.20 72	0.33 21	0.38 68	0.25 114	0.27 26	0.23 18	0.59 39	0.72 134	0.39 31	0.90 176	0.74 204	0.55 182	0.52 63	0.43 172	0.15 79	0.13 154	0.18 121	0.20 234	0.16 110	0.13 59

cc1	0.37 82	0.23 148	0.33 21	0.41 136	0.22 43	0.55 167	0.38 188	0.67 94	1.06 302	0.41 35	0.50 34	0.34 21	0.49 150	0.57 92	0.25 9	0.16 113	0.10 10	0.19 158	0.13 51	0.16 110	0.15 109

DCRE	0.37 82	0.18 35	0.46 149	0.45 227	0.32 257	0.42 123	0.37 168	0.63 64	0.51 65	0.47 52	0.94 187	0.56 98	0.36 88	0.52 63	0.32 76	0.14 32	0.13 154	0.15 43	0.14 74	0.14 45	0.13 59

fff	0.37 82	0.16 8	0.41 84	0.34 11	0.19 9	0.29 38	0.30 71	0.69 112	1.06 302	0.69 132	0.78 115	0.42 51	0.63 222	0.46 39	0.34 98	0.14 32	0.10 10	0.14 16	0.11 15	0.11 1	0.13 59

ADStereo(finetuned)	0.37 82	0.16 8	0.49 185	0.34 11	0.19 9	0.30 45	0.30 71	0.68 103	0.91 232	0.70 138	0.77 107	0.43 57	0.69 256	0.45 32	0.33 88	0.14 32	0.10 10	0.14 16	0.11 15	0.13 20	0.12 34

MIPNet	0.37 82	0.21 104	0.59 237	0.39 88	0.25 114	0.50 145	0.28 51	0.77 158	0.70 123	0.65 109	0.60 62	0.40 42	0.49 150	0.44 31	0.37 141	0.14 32	0.11 58	0.16 62	0.13 51	0.14 45	0.13 59

GMOStereo	0.37 82	0.19 50	0.38 55	0.43 191	0.24 88	0.37 88	0.38 188	0.52 21	0.62 90	0.87 237	0.84 146	0.64 148	0.35 79	0.37 8	0.28 44	0.13 12	0.11 58	0.20 182	0.18 187	0.15 79	0.11 9

error version	0.37 82	0.19 50	0.38 55	0.43 191	0.24 88	0.37 88	0.38 188	0.52 21	0.62 90	0.87 237	0.84 146	0.64 148	0.35 79	0.37 8	0.28 44	0.13 12	0.11 58	0.20 182	0.18 187	0.15 79	0.11 9

test-v	0.37 82	0.19 50	0.38 55	0.43 191	0.24 88	0.37 88	0.38 188	0.52 21	0.62 90	0.87 237	0.84 146	0.64 148	0.35 79	0.37 8	0.28 44	0.13 12	0.11 58	0.20 182	0.18 187	0.15 79	0.11 9

TRStereo	0.37 82	0.27 230	0.59 237	0.47 255	0.41 311	0.29 38	0.30 71	0.84 177	0.59 86	0.52 62	0.41 20	0.52 85	0.26 18	0.73 210	0.27 34	0.17 146	0.12 99	0.19 158	0.19 212	0.13 20	0.11 9

test-2	0.37 82	0.19 50	0.38 55	0.43 191	0.24 88	0.37 88	0.38 188	0.52 21	0.62 90	0.87 237	0.84 146	0.64 148	0.35 79	0.37 8	0.28 44	0.13 12	0.11 58	0.20 182	0.18 187	0.15 79	0.11 9

rafts_anoy	0.37 82	0.21 104	0.36 36	0.41 136	0.26 151	0.30 45	0.33 113	0.67 94	0.90 227	0.58 74	0.66 76	0.45 63	0.33 71	0.47 46	0.39 155	0.16 113	0.11 58	0.21 222	0.23 278	0.17 143	0.14 90

XX-Stereo	0.37 82	0.17 20	0.45 133	0.55 326	0.36 281	0.38 101	0.20 1	0.60 49	0.30 3	0.46 49	1.30 307	0.73 199	0.26 18	0.56 82	0.26 25	0.16 113	0.11 58	0.17 87	0.16 125	0.14 45	0.10 3

csc	0.37 82	0.16 8	0.41 84	0.34 11	0.19 9	0.29 38	0.30 71	0.69 112	1.06 302	0.69 132	0.78 115	0.42 51	0.63 222	0.46 39	0.34 98	0.14 32	0.10 10	0.14 16	0.11 15	0.11 1	0.13 59

cscssc	0.37 82	0.16 8	0.41 84	0.34 11	0.19 9	0.29 38	0.30 71	0.69 112	1.06 302	0.69 132	0.78 115	0.42 51	0.63 222	0.46 39	0.34 98	0.14 32	0.10 10	0.14 16	0.11 15	0.11 1	0.13 59

MyStereo06	0.38 97	0.21 104	0.61 244	0.41 136	0.28 194	0.41 118	0.50 266	0.95 218	0.35 16	0.62 86	0.54 48	0.76 212	0.27 25	0.50 54	0.29 56	0.14 32	0.13 154	0.18 121	0.17 165	0.17 143	0.15 109

MIM_Stereo	0.38 97	0.17 20	0.53 215	0.37 47	0.24 88	0.27 26	0.24 25	0.70 126	0.54 75	0.72 155	1.00 220	0.63 141	0.29 44	0.64 159	0.38 149	0.13 12	0.14 181	0.17 87	0.16 125	0.14 45	0.11 9

riskmin	0.38 97	0.20 72	0.39 72	0.32 8	0.23 70	0.53 158	0.30 71	0.63 64	0.80 175	0.49 54	0.56 55	0.73 199	0.58 196	0.55 74	0.36 129	0.17 146	0.11 58	0.19 158	0.13 51	0.19 195	0.20 228

NF-Stereo	0.38 97	0.20 72	0.45 133	0.41 136	0.25 114	0.26 18	0.31 88	0.69 112	0.70 123	0.65 109	0.77 107	0.57 103	0.30 55	0.67 181	0.35 113	0.18 174	0.12 99	0.20 182	0.16 125	0.16 110	0.27 284

OCTAStereo	0.38 97	0.20 72	0.46 149	0.41 136	0.25 114	0.26 18	0.31 88	0.69 112	0.70 123	0.65 109	0.77 107	0.58 111	0.30 55	0.67 181	0.35 113	0.18 174	0.12 99	0.20 182	0.16 125	0.16 110	0.27 284

PSM-softLoss	0.38 97	0.20 72	0.48 175	0.41 136	0.26 151	0.30 45	0.35 137	0.69 112	0.46 58	0.62 86	0.82 136	0.59 125	0.33 71	0.70 195	0.39 155	0.19 203	0.12 99	0.20 182	0.18 187	0.16 110	0.22 254

KMStereo	0.38 97	0.20 72	0.48 175	0.41 136	0.26 151	0.30 45	0.35 137	0.69 112	0.46 58	0.62 86	0.82 136	0.59 125	0.33 71	0.70 195	0.39 155	0.19 203	0.12 99	0.20 182	0.18 187	0.16 110	0.22 254

RE-Stereo	0.38 97	0.20 72	0.46 149	0.41 136	0.25 114	0.26 18	0.31 88	0.69 112	0.70 123	0.65 109	0.77 107	0.58 111	0.30 55	0.67 181	0.35 113	0.18 174	0.12 99	0.20 182	0.16 125	0.16 110	0.27 284

Pruner-Stereo	0.38 97	0.20 72	0.45 133	0.40 112	0.25 114	0.22 4	0.24 25	0.67 94	0.55 79	0.89 249	0.76 103	0.68 169	0.29 44	0.62 142	0.35 113	0.18 174	0.12 99	0.20 182	0.17 165	0.17 143	0.18 180

TVStereo	0.38 97	0.20 72	0.46 149	0.41 136	0.25 114	0.26 18	0.31 88	0.69 112	0.70 123	0.65 109	0.77 107	0.58 111	0.30 55	0.67 181	0.35 113	0.18 174	0.12 99	0.20 182	0.16 125	0.16 110	0.27 284

TestStereo	0.38 97	0.31 263	0.40 79	0.45 227	0.20 20	0.40 105	0.37 168	0.66 84	0.65 112	0.53 65	0.78 115	0.47 71	0.40 111	0.55 74	0.37 141	0.18 174	0.13 154	0.20 182	0.15 96	0.22 242	0.13 59

raft+_RVC	0.38 97	0.19 50	0.35 31	0.37 47	0.25 114	0.45 134	0.37 168	0.78 163	0.89 225	0.51 59	0.78 115	0.50 80	0.29 44	0.53 69	0.40 160	0.15 79	0.12 99	0.17 87	0.15 96	0.14 45	0.12 34

RALAANet	0.38 97	0.23 148	0.48 175	0.42 173	0.29 217	0.35 80	0.25 32	0.86 183	0.64 107	0.67 121	0.65 72	0.60 130	0.29 44	0.60 129	0.34 98	0.15 79	0.12 99	0.17 87	0.15 96	0.21 226	0.13 59

AFF-stereo	0.38 97	0.19 50	0.39 72	0.37 47	0.21 29	0.27 26	0.31 88	0.65 75	0.66 115	0.64 102	1.13 270	0.76 212	0.39 106	0.55 74	0.33 88	0.11 1	0.09 2	0.16 62	0.16 125	0.13 20	0.11 9

xx1	0.39 111	0.23 148	0.33 21	0.41 136	0.22 43	0.55 167	0.38 188	0.67 94	1.06 302	0.41 35	0.50 34	0.65 158	0.53 168	0.57 92	0.25 9	0.16 113	0.10 10	0.20 182	0.19 212	0.18 161	0.17 165

x	0.39 111	0.24 184	0.41 84	0.34 11	0.23 70	0.52 152	0.32 104	0.86 183	0.52 68	0.57 73	0.70 85	0.59 125	0.50 160	0.49 52	0.46 201	0.17 146	0.15 206	0.17 87	0.15 96	0.17 143	0.16 148

DisPM	0.39 111	0.19 50	0.44 122	0.41 136	0.27 175	0.24 7	0.31 88	0.65 75	0.57 84	0.87 237	0.87 162	0.60 130	0.32 63	0.76 224	0.32 76	0.18 174	0.12 99	0.19 158	0.17 165	0.15 79	0.20 228

RAFT+CT+SA	0.39 111	0.23 148	0.36 36	0.51 301	0.27 175	0.29 38	0.46 245	0.75 150	0.80 175	0.51 59	0.89 173	0.41 45	0.40 111	0.78 235	0.32 76	0.14 32	0.11 58	0.18 121	0.18 187	0.15 79	0.14 90

iRaft-Stereo_20w	0.39 111	0.19 50	0.57 232	0.37 47	0.27 175	0.31 55	0.24 25	1.44 360	0.29 2	0.69 132	0.53 46	0.60 130	0.42 118	0.83 251	0.27 34	0.14 32	0.11 58	0.14 16	0.13 51	0.15 79	0.13 59

IPLG	0.39 111	0.20 72	0.59 237	0.40 112	0.24 88	0.54 162	0.27 44	0.75 150	0.63 100	0.84 224	0.81 133	0.32 10	0.32 63	0.60 129	0.45 191	0.13 12	0.11 58	0.16 62	0.13 51	0.13 20	0.12 34

IPLGR	0.39 111	0.21 104	0.63 255	0.39 88	0.22 43	0.49 144	0.29 58	0.76 155	0.74 145	0.78 184	0.77 107	0.44 62	0.42 118	0.47 46	0.38 149	0.13 12	0.12 99	0.16 62	0.14 74	0.15 79	0.13 59

Anonymous	0.39 111	0.27 230	0.66 270	0.53 317	0.43 322	0.55 167	0.49 262	0.63 64	0.50 64	0.37 19	0.42 21	0.33 18	0.42 118	0.56 82	0.38 149	0.20 225	0.19 272	0.17 87	0.18 187	0.30 297	0.24 267

GMStereo	0.39 111	0.37 290	0.54 218	0.40 112	0.26 151	0.42 123	0.36 156	0.59 39	1.04 290	0.55 69	0.51 39	0.37 33	0.35 79	0.54 72	0.41 163	0.19 203	0.13 154	0.16 62	0.17 165	0.24 261	0.18 180
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
DIP-Stereo	0.39 111	0.21 104	0.50 197	0.41 136	0.28 194	0.62 211	0.27 44	0.77 158	0.40 40	0.64 102	0.86 158	0.52 85	0.33 71	0.66 171	0.42 167	0.15 79	0.13 154	0.17 87	0.14 74	0.15 79	0.15 109
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.39 111	0.18 35	0.42 103	0.42 173	0.26 151	0.40 105	0.32 104	0.72 135	0.34 9	0.89 249	1.28 303	0.57 103	0.35 79	0.42 22	0.32 76	0.15 79	0.12 99	0.14 16	0.12 30	0.14 45	0.13 59

RAFT-Stereo	0.39 111	0.18 35	0.42 103	0.42 173	0.26 151	0.40 105	0.32 104	0.72 135	0.34 9	0.89 249	1.28 303	0.57 103	0.35 79	0.42 22	0.32 76	0.15 79	0.12 99	0.14 16	0.12 30	0.14 45	0.13 59
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MyStereo8	0.40 123	0.20 72	0.54 218	0.41 136	0.29 217	0.53 158	0.29 58	0.65 75	0.49 63	0.71 144	0.98 213	0.58 111	0.43 125	0.50 54	0.51 220	0.15 79	0.12 99	0.16 62	0.14 74	0.19 195	0.19 208

qqq	0.40 123	0.26 216	0.44 122	0.36 38	0.22 43	0.46 136	0.36 156	0.85 180	0.54 75	0.56 71	0.69 83	0.65 158	0.53 168	0.55 74	0.45 191	0.17 146	0.16 233	0.20 182	0.19 212	0.18 161	0.17 165

IPLGR_C	0.40 123	0.21 104	0.64 260	0.45 227	0.33 266	0.52 152	0.34 120	0.66 84	0.62 90	0.82 205	0.92 183	0.45 63	0.32 63	0.52 63	0.46 201	0.17 146	0.12 99	0.15 43	0.14 74	0.13 20	0.14 90

ACRE	0.40 123	0.21 104	0.65 265	0.45 227	0.33 266	0.51 149	0.33 113	0.66 84	0.63 100	0.80 188	0.92 183	0.45 63	0.32 63	0.52 63	0.45 191	0.16 113	0.12 99	0.15 43	0.14 74	0.13 20	0.14 90

PFNet+	0.40 123	0.19 50	0.49 185	0.39 88	0.25 114	0.28 34	0.23 18	0.64 74	0.70 123	0.85 225	0.79 124	0.64 148	0.35 79	0.72 205	0.34 98	0.19 203	0.14 181	0.23 248	0.20 234	0.16 110	0.20 228

SST-Stereo	0.40 123	0.19 50	0.45 133	0.42 173	0.25 114	0.25 16	0.21 4	0.66 84	0.47 61	1.08 324	0.79 124	0.72 189	0.43 125	0.77 231	0.35 113	0.16 113	0.11 58	0.20 182	0.16 125	0.19 195	0.15 109

RAFT_R40	0.40 123	0.19 50	0.44 122	0.43 191	0.25 114	0.23 5	0.26 38	0.67 94	0.67 117	0.98 290	0.78 115	0.72 189	0.43 125	0.76 224	0.35 113	0.16 113	0.11 58	0.20 182	0.16 125	0.18 161	0.14 90

RAFT-345	0.40 123	0.18 35	0.40 79	0.38 68	0.22 43	0.33 69	0.26 38	0.61 55	0.51 65	0.74 168	1.79 357	0.45 63	0.33 71	0.66 171	0.36 129	0.14 32	0.11 58	0.18 121	0.14 74	0.13 20	0.13 59

sAnonymous2	0.40 123	0.39 303	0.85 316	0.48 260	0.37 286	0.40 105	0.46 245	0.57 33	0.52 68	0.38 23	0.46 25	0.35 26	0.42 118	0.43 25	0.30 61	0.19 203	0.14 181	0.18 121	0.17 165	0.57 372	0.44 356

CroCo_RVC	0.40 123	0.39 303	0.85 316	0.48 260	0.37 286	0.40 105	0.46 245	0.57 33	0.52 68	0.38 23	0.46 25	0.35 26	0.42 118	0.43 25	0.30 61	0.19 203	0.14 181	0.18 121	0.17 165	0.57 372	0.44 356

111	0.40 123	0.17 20	0.41 84	0.34 11	0.19 9	0.52 152	0.28 51	0.74 144	1.16 322	0.50 57	0.91 179	0.63 141	0.48 147	0.61 136	0.35 113	0.14 32	0.10 10	0.14 16	0.12 30	0.13 20	0.13 59

raft_robust	0.41 134	0.23 148	0.36 36	0.42 173	0.21 29	0.40 105	0.33 113	0.79 165	0.98 262	0.79 186	0.87 162	0.39 39	0.33 71	0.84 256	0.29 56	0.13 12	0.12 99	0.16 62	0.17 165	0.15 79	0.12 34

CIPLG	0.41 134	0.21 104	0.63 255	0.45 227	0.33 266	0.52 152	0.33 113	0.65 75	0.60 88	0.82 205	0.96 198	0.46 69	0.32 63	0.55 74	0.44 185	0.16 113	0.12 99	0.15 43	0.14 74	0.13 20	0.14 90

LCNet	0.41 134	0.20 72	0.32 18	0.44 206	0.24 88	0.47 138	0.29 58	0.67 94	0.53 71	0.72 155	1.03 235	0.66 163	0.60 206	0.58 109	0.34 98	0.14 32	0.10 10	0.19 158	0.19 212	0.21 226	0.36 329

HHNet	0.41 134	0.17 20	0.41 84	0.34 11	0.37 286	0.33 69	0.34 120	0.69 112	0.75 147	0.86 230	1.30 307	0.52 85	0.32 63	0.52 63	0.35 113	0.15 79	0.11 58	0.19 158	0.15 96	0.15 79	0.24 267

AnonymousM	0.41 134	0.81 370	0.29 10	0.34 11	0.22 43	0.28 34	0.38 188	0.53 28	0.41 43	0.70 138	0.49 33	0.47 71	0.27 25	0.41 20	0.31 68	0.15 79	0.12 99	1.51 390	0.26 310	0.12 8	0.10 3

HITNet	0.41 134	0.26 216	0.45 133	0.33 10	0.17 3	0.63 220	0.30 71	0.93 208	0.64 107	0.71 144	0.82 136	0.64 148	0.52 165	0.59 123	0.43 172	0.14 32	0.10 10	0.15 43	0.13 51	0.19 195	0.12 34
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
StereoVision	0.42 140	0.28 244	0.45 133	0.49 275	0.28 194	0.38 101	0.38 188	0.72 135	0.62 90	0.44 45	1.14 272	0.54 93	0.39 106	0.56 82	0.34 98	0.21 239	0.24 310	0.25 273	0.24 291	0.26 273	0.16 148

GANet-ADL	0.42 140	0.25 202	0.45 133	0.43 191	0.29 217	0.54 162	0.35 137	0.89 196	0.86 202	0.63 93	0.72 87	0.68 169	0.42 118	0.52 63	0.41 163	0.21 239	0.14 181	0.15 43	0.13 51	0.18 161	0.19 208

OMP-Stereo	0.42 140	0.22 131	0.46 149	0.52 312	0.24 88	0.36 86	0.25 32	0.71 131	0.78 167	0.77 181	0.64 70	0.89 254	0.39 106	0.91 283	0.35 113	0.15 79	0.12 99	0.20 182	0.15 96	0.15 79	0.12 34

PFNet	0.42 140	0.18 35	0.58 236	0.43 191	0.24 88	0.43 125	0.32 104	0.74 144	0.78 167	1.00 297	0.74 100	0.68 169	0.39 106	0.72 205	0.37 141	0.16 113	0.10 10	0.20 182	0.15 96	0.16 110	0.13 59

IRAFT_RVC	0.42 140	0.20 72	0.48 175	0.44 206	0.24 88	0.27 26	0.54 290	0.74 144	0.77 160	0.76 176	0.80 126	0.73 199	0.51 163	0.70 195	0.36 129	0.17 146	0.10 10	0.21 222	0.16 125	0.16 110	0.14 90

FENet	0.42 140	0.22 131	0.38 55	0.39 88	0.24 88	0.55 167	0.32 104	0.79 165	0.70 123	0.71 144	0.72 87	0.63 141	0.57 189	0.62 142	0.44 185	0.19 203	0.13 154	0.19 158	0.17 165	0.18 161	0.19 208

TestStereo1	0.43 146	0.23 148	0.41 84	0.51 301	0.24 88	0.34 75	0.40 214	0.77 158	0.90 227	0.68 127	0.96 198	0.48 75	0.46 140	0.91 283	0.32 76	0.16 113	0.13 154	0.18 121	0.15 96	0.14 45	0.13 59

test_5	0.43 146	0.24 184	0.43 112	0.52 312	0.28 194	0.28 34	0.42 233	0.72 135	0.82 182	0.62 86	0.91 179	0.72 189	0.55 182	0.79 238	0.35 113	0.14 32	0.11 58	0.18 121	0.18 187	0.18 161	0.16 148

SA-5K	0.43 146	0.23 148	0.41 84	0.51 301	0.24 88	0.34 75	0.40 214	0.77 158	0.90 227	0.68 127	0.96 198	0.48 75	0.46 140	0.91 283	0.32 76	0.16 113	0.13 154	0.18 121	0.15 96	0.14 45	0.13 59

dd	0.43 146	0.38 299	0.55 223	0.44 206	0.25 114	0.47 138	0.38 188	0.70 126	1.05 295	0.59 76	0.65 72	0.42 51	0.39 106	0.66 171	0.50 212	0.24 271	0.15 206	0.21 222	0.15 96	0.22 242	0.18 180

IIG-Stereo	0.43 146	0.21 104	0.44 122	0.50 289	0.25 114	0.44 129	0.21 4	0.71 131	0.76 153	0.83 217	0.95 194	0.83 232	0.43 125	0.90 276	0.35 113	0.15 79	0.12 99	0.19 158	0.14 74	0.15 79	0.11 9

DN-CSS_ROB	0.43 146	0.26 216	0.62 247	0.40 112	0.29 217	0.44 129	0.27 44	0.77 158	0.75 147	0.72 155	1.09 259	0.48 75	0.43 125	0.69 192	0.37 141	0.15 79	0.12 99	0.21 222	0.19 212	0.18 161	0.16 148

MyStereo05	0.44 152	0.21 104	0.45 133	0.41 136	0.28 194	0.41 118	0.50 266	0.93 208	1.09 313	0.76 176	0.61 65	0.51 83	0.57 189	0.73 210	0.42 167	0.14 32	0.13 154	0.18 121	0.17 165	0.17 143	0.15 109

MyStereo04	0.44 152	0.22 131	0.44 122	0.42 173	0.28 194	0.40 105	0.50 266	1.00 232	1.08 311	0.62 86	0.58 60	0.55 96	0.57 189	0.71 200	0.44 185	0.14 32	0.13 154	0.18 121	0.17 165	0.17 143	0.16 148

mmm	0.44 152	0.27 230	0.46 149	0.38 68	0.24 88	0.61 204	0.35 137	0.94 212	0.53 71	0.72 155	1.05 243	0.63 141	0.50 160	0.57 92	0.45 191	0.18 174	0.15 206	0.23 248	0.20 234	0.20 208	0.18 180

ffm	0.44 152	0.26 216	0.49 185	0.37 47	0.25 114	0.55 167	0.37 168	0.68 103	1.04 290	0.73 162	0.96 198	0.71 179	0.53 168	0.57 92	0.25 9	0.16 113	0.10 10	0.25 273	0.21 252	0.16 110	0.16 148

SA	0.44 152	0.25 202	0.46 149	0.46 246	0.24 88	0.43 125	0.36 156	0.75 150	0.96 255	0.59 76	1.03 235	0.48 75	0.52 165	0.94 298	0.32 76	0.16 113	0.12 99	0.21 222	0.19 212	0.15 79	0.13 59

GwcNet-ADL	0.44 152	0.22 131	0.48 175	0.45 227	0.30 227	0.40 105	0.37 168	0.92 206	0.97 258	0.71 144	0.78 115	0.61 134	0.42 118	0.62 142	0.50 212	0.19 203	0.14 181	0.15 43	0.14 74	0.18 161	0.18 180

TransformOpticalFlow	0.44 152	0.20 72	0.47 159	0.41 136	0.23 70	0.37 88	0.47 250	0.94 212	0.76 153	0.65 109	1.14 272	0.73 199	0.56 188	0.76 224	0.32 76	0.15 79	0.10 10	0.17 87	0.15 96	0.14 45	0.13 59

GMM-Stereo	0.44 152	0.19 50	0.36 36	0.42 173	0.25 114	0.51 149	0.47 250	0.71 131	0.53 71	0.76 176	1.37 316	0.76 212	0.38 94	0.60 129	0.33 88	0.15 79	0.10 10	0.20 182	0.19 212	0.16 110	0.27 284

GES	0.44 152	0.23 148	0.57 232	0.40 112	0.30 227	0.59 197	0.36 156	0.96 220	0.68 118	0.74 168	0.83 141	0.47 71	0.48 147	0.67 181	0.43 172	0.22 257	0.16 233	0.17 87	0.16 125	0.18 161	0.23 261

HCRNet	0.44 152	0.34 278	0.41 84	0.53 317	0.26 151	0.53 158	0.29 58	0.83 174	0.63 100	0.71 144	0.81 133	0.77 218	0.50 160	0.66 171	0.36 129	0.24 271	0.16 233	0.24 262	0.20 234	0.21 226	0.18 180

CASS	0.45 162	0.27 230	0.42 103	0.48 260	0.22 43	0.61 204	0.34 120	0.97 224	0.62 90	0.71 144	0.85 155	0.61 134	0.55 182	0.57 92	0.41 163	0.29 310	0.16 233	0.22 234	0.18 187	0.22 242	0.28 291
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
BUS	0.45 162	0.25 202	0.43 112	0.45 227	0.28 194	0.70 244	0.34 120	0.94 212	0.76 153	0.75 170	0.80 126	0.65 158	0.49 150	0.64 159	0.51 220	0.20 225	0.14 181	0.22 234	0.19 212	0.18 161	0.18 180

RAFT_CTSACE	0.45 162	0.20 72	0.44 122	0.45 227	0.27 175	0.34 75	0.39 208	0.60 49	0.73 140	0.76 176	1.44 330	0.83 232	0.38 94	1.08 319	0.26 25	0.12 4	0.13 154	0.18 121	0.16 125	0.15 79	0.11 9

iRaft-Stereo_5w	0.45 162	0.21 104	0.48 175	0.42 173	0.28 194	0.31 55	0.54 290	0.63 64	0.62 90	0.62 86	0.89 173	1.01 281	0.69 256	0.75 221	0.66 258	0.13 12	0.12 99	0.17 87	0.15 96	0.14 45	0.15 109

RAFT	0.45 162	0.22 131	0.45 133	0.47 255	0.26 151	0.54 162	0.47 250	0.66 84	0.58 85	0.80 188	0.82 136	0.94 265	0.57 189	0.75 221	0.34 98	0.17 146	0.15 206	0.22 234	0.20 234	0.16 110	0.12 34

DMCA	0.45 162	0.26 216	0.50 197	0.38 68	0.28 194	0.51 149	0.34 120	0.93 208	0.68 118	0.75 170	0.83 141	0.79 220	0.53 168	0.51 58	0.54 233	0.21 239	0.16 233	0.21 222	0.16 125	0.19 195	0.21 241

IER	0.46 168	0.23 148	0.50 197	0.38 68	0.28 194	0.69 242	0.35 137	0.80 169	0.66 115	0.83 217	0.94 187	0.75 206	0.77 286	0.60 129	0.42 167	0.17 146	0.14 181	0.17 87	0.17 165	0.17 143	0.15 109

BSDual-CNN	0.46 168	0.25 202	0.43 112	0.45 227	0.28 194	0.77 260	0.40 214	0.94 212	0.76 153	0.75 170	0.80 126	0.76 212	0.54 179	0.64 159	0.43 172	0.20 225	0.14 181	0.22 234	0.19 212	0.18 161	0.18 180

STrans-v2	0.46 168	0.20 72	0.48 175	0.40 112	0.24 88	0.55 167	0.50 266	1.07 258	0.73 140	0.65 109	1.05 243	0.72 189	0.69 256	0.72 205	0.33 88	0.14 32	0.10 10	0.17 87	0.14 74	0.13 20	0.12 34

Prome-Stereo	0.46 168	0.19 50	0.35 31	0.44 206	0.26 151	0.40 105	0.45 242	0.68 103	0.44 53	0.96 281	1.84 359	0.59 125	0.67 246	0.61 136	0.32 76	0.14 32	0.11 58	0.16 62	0.14 74	0.16 110	0.29 297

ICVP	0.46 168	0.25 202	0.38 55	0.48 260	0.28 194	0.58 188	0.43 234	1.00 232	0.70 123	0.67 121	0.95 194	0.75 206	0.55 182	0.53 69	0.54 233	0.23 262	0.17 247	0.19 158	0.17 165	0.19 195	0.20 228
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.46 168	0.34 278	0.86 321	0.50 289	0.37 286	0.81 275	0.50 266	0.72 135	0.65 112	0.51 59	0.65 72	0.45 63	0.45 137	0.64 159	0.38 149	0.24 271	0.24 310	0.22 234	0.21 252	0.23 251	0.23 261

CFNet_pseudo	0.46 168	0.24 184	0.52 209	0.37 47	0.27 175	0.58 188	0.30 71	0.86 183	0.88 215	0.82 205	1.03 235	0.75 206	0.47 143	0.58 109	0.44 185	0.17 146	0.12 99	0.24 262	0.16 125	0.24 261	0.19 208

ACVNet	0.46 168	0.23 148	0.36 36	0.39 88	0.28 194	0.58 188	0.40 214	0.87 190	0.80 175	0.64 102	0.96 198	0.79 220	0.60 206	0.63 152	0.67 261	0.17 146	0.15 206	0.16 62	0.15 96	0.18 161	0.15 109

BEATNet_4x	0.46 168	0.32 265	0.56 229	0.37 47	0.19 9	0.63 220	0.35 137	1.01 239	0.72 134	0.77 181	0.83 141	0.70 175	0.59 202	0.68 189	0.53 230	0.16 113	0.12 99	0.16 62	0.14 74	0.24 261	0.16 148

ccs_rob	0.46 168	0.24 184	0.52 209	0.37 47	0.27 175	0.58 188	0.31 88	0.86 183	0.88 215	0.82 205	1.02 231	0.75 206	0.47 143	0.58 109	0.44 185	0.17 146	0.12 99	0.24 262	0.16 125	0.24 261	0.19 208

DispNO	0.47 178	0.23 148	0.71 290	0.39 88	0.31 244	0.60 202	0.38 188	0.89 196	0.77 160	0.75 170	0.84 146	0.72 189	0.54 179	0.73 210	0.46 201	0.19 203	0.14 181	0.20 182	0.18 187	0.16 110	0.17 165

CoDeX	0.47 178	0.20 72	0.49 185	0.42 173	0.25 114	0.75 257	0.36 156	1.27 330	0.80 175	0.82 205	0.96 198	0.62 140	0.57 189	0.60 129	0.36 129	0.17 146	0.12 99	0.17 87	0.15 96	0.16 110	0.14 90

DualNet	0.47 178	0.26 216	0.49 185	0.37 47	0.25 114	0.55 167	0.37 168	0.68 103	1.04 290	0.73 162	0.96 198	0.71 179	0.53 168	0.57 92	0.88 305	0.16 113	0.10 10	0.25 273	0.21 252	0.16 110	0.16 148

ARAFT	0.47 178	0.24 184	0.79 311	0.42 173	0.25 114	0.55 167	0.55 294	0.75 150	0.81 181	0.89 249	0.75 101	0.73 199	0.47 143	0.88 269	0.37 141	0.15 79	0.12 99	0.23 248	0.22 267	0.14 45	0.13 59

SFCPSM	0.47 178	0.21 104	0.55 223	0.40 112	0.27 175	0.87 293	0.37 168	1.33 340	0.77 160	0.80 188	0.84 146	0.54 93	0.49 150	0.57 92	0.37 141	0.18 174	0.13 154	0.18 121	0.20 234	0.16 110	0.15 109

cf-r	0.47 178	0.23 148	0.41 84	0.39 88	0.23 70	0.59 197	0.37 168	0.88 194	0.85 197	0.72 155	1.05 243	0.94 265	0.62 216	0.56 82	0.54 233	0.21 239	0.14 181	0.17 87	0.19 212	0.15 79	0.15 109

GANet-RSSM	0.47 178	0.21 104	0.37 46	0.38 68	0.25 114	0.58 188	0.36 156	1.07 258	0.78 167	0.68 127	1.01 223	0.86 240	0.67 246	0.62 142	0.44 185	0.21 239	0.15 206	0.18 121	0.18 187	0.18 161	0.17 165

MLCV	0.47 178	0.24 184	0.61 244	0.37 47	0.17 3	0.61 204	0.33 113	0.80 169	0.87 211	0.94 273	1.13 270	0.72 189	0.43 125	0.89 274	0.51 220	0.13 12	0.10 10	0.13 9	0.11 15	0.14 45	0.12 34

whm_eth	0.48 186	0.30 258	0.74 298	0.46 246	0.38 294	0.37 88	0.37 168	0.79 165	0.78 167	0.82 205	1.74 354	0.37 33	0.38 94	0.60 129	0.38 149	0.18 174	0.16 233	0.20 182	0.20 234	0.19 195	0.22 254

PCWNet_CMD	0.48 186	0.24 184	0.52 209	0.39 88	0.27 175	0.63 220	0.30 71	0.95 218	0.96 255	0.86 230	1.07 252	0.79 220	0.44 133	0.57 92	0.43 172	0.17 146	0.12 99	0.21 222	0.16 125	0.24 261	0.19 208

gwcnet-sp	0.48 186	0.23 148	0.70 287	0.40 112	0.26 151	0.81 275	0.41 226	0.89 196	0.84 190	0.91 261	0.76 103	0.66 163	0.61 211	0.66 171	0.50 212	0.18 174	0.17 247	0.18 121	0.18 187	0.18 161	0.18 180

scenet	0.48 186	0.23 148	0.70 287	0.40 112	0.26 151	0.81 275	0.41 226	0.89 196	0.84 190	0.91 261	0.76 103	0.66 163	0.61 211	0.66 171	0.50 212	0.18 174	0.17 247	0.18 121	0.18 187	0.18 161	0.18 180

ssnet	0.48 186	0.23 148	0.70 287	0.40 112	0.26 151	0.81 275	0.41 226	0.89 196	0.84 190	0.91 261	0.76 103	0.66 163	0.61 211	0.66 171	0.50 212	0.18 174	0.17 247	0.18 121	0.18 187	0.18 161	0.18 180

Sa-1000	0.48 186	0.24 184	0.41 84	0.45 227	0.25 114	0.59 197	0.34 120	0.81 172	0.93 242	0.82 205	1.50 337	0.53 89	0.45 137	0.92 286	0.30 61	0.15 79	0.12 99	0.21 222	0.19 212	0.15 79	0.13 59

UDGNet	0.48 186	0.77 367	0.50 197	0.48 260	0.31 244	0.41 118	0.34 120	0.70 126	0.92 237	0.65 109	0.60 62	0.58 111	0.43 125	0.63 152	0.41 163	0.32 331	0.15 206	0.66 378	0.19 212	0.36 327	0.21 241

PSMNet-ADL	0.48 186	0.27 230	0.40 79	0.48 260	0.30 227	0.68 240	0.37 168	0.90 201	0.80 175	0.61 85	0.80 126	0.92 262	0.62 216	0.72 205	0.63 253	0.23 262	0.18 258	0.18 121	0.20 234	0.22 242	0.20 228

PSM-AAD	0.48 186	0.20 72	0.37 46	0.43 191	0.23 70	0.56 182	0.50 266	0.65 75	0.70 123	1.07 321	1.12 264	0.58 111	0.92 322	0.61 136	0.32 76	0.15 79	0.11 58	0.25 273	0.26 310	0.18 161	0.43 355

KYRaft	0.48 186	0.20 72	0.38 55	0.44 206	0.23 70	0.44 129	0.37 168	0.66 84	0.41 43	0.94 273	1.73 352	0.79 220	0.41 117	0.63 152	0.31 68	0.16 113	0.11 58	0.18 121	0.22 267	0.16 110	0.78 382

ASMatch	0.48 186	0.19 50	0.45 133	0.39 88	0.28 194	0.37 88	0.26 38	0.74 144	0.68 118	0.76 176	2.34 372	0.61 134	0.52 165	0.62 142	0.37 141	0.14 32	0.12 99	0.17 87	0.15 96	0.14 45	0.21 241

DEmStereo	0.48 186	0.17 20	0.50 197	0.38 68	0.25 114	0.59 197	0.34 120	0.63 64	0.74 145	0.89 249	1.66 348	0.58 111	1.06 341	0.60 129	0.42 167	0.14 32	0.11 58	0.16 62	0.16 125	0.14 45	0.15 109

PSMNet-RSSM	0.48 186	0.22 131	0.38 55	0.42 173	0.25 114	0.50 145	0.37 168	1.10 267	0.77 160	0.70 138	1.06 249	0.84 236	0.64 232	0.62 142	0.47 206	0.23 262	0.15 206	0.23 248	0.25 300	0.20 208	0.19 208

CFNet-ft	0.48 186	0.23 148	0.36 36	0.40 112	0.26 151	0.64 226	0.37 168	0.87 190	0.85 197	0.64 102	1.00 220	1.01 281	0.64 232	0.61 136	0.53 230	0.23 262	0.15 206	0.24 262	0.21 252	0.23 251	0.18 180

MSMDNet	0.48 186	0.24 184	0.52 209	0.39 88	0.27 175	0.63 220	0.30 71	0.96 220	0.96 255	0.86 230	1.07 252	0.79 220	0.44 133	0.57 92	0.43 172	0.17 146	0.12 99	0.20 182	0.16 125	0.23 251	0.19 208

CFNet_RVC	0.48 186	0.23 148	0.36 36	0.40 112	0.26 151	0.64 226	0.37 168	0.87 190	0.85 197	0.64 102	1.00 220	1.01 281	0.64 232	0.61 136	0.53 230	0.23 262	0.15 206	0.24 262	0.21 252	0.23 251	0.18 180

qqq1	0.49 202	0.23 148	0.62 247	0.34 11	0.20 20	0.62 211	0.34 120	1.21 305	1.02 281	0.81 196	1.01 223	0.71 179	0.65 238	0.84 256	0.34 98	0.19 203	0.15 206	0.14 16	0.12 30	0.15 79	0.14 90

fff1	0.49 202	0.23 148	0.62 247	0.34 11	0.20 20	0.62 211	0.34 120	1.21 305	1.02 281	0.81 196	1.01 223	0.71 179	0.65 238	0.84 256	0.34 98	0.19 203	0.15 206	0.14 16	0.12 30	0.15 79	0.14 90

ff1	0.49 202	0.26 216	0.49 185	0.37 47	0.25 114	0.55 167	0.37 168	0.68 103	1.04 290	0.73 162	0.96 198	0.71 179	0.53 168	1.01 304	0.88 305	0.16 113	0.10 10	0.25 273	0.21 252	0.16 110	0.16 148

GMStereo_Zeroshot	0.49 202	0.44 318	0.74 298	0.49 275	0.27 175	0.56 182	0.29 58	0.73 142	0.76 153	0.86 230	0.94 187	0.91 260	0.36 88	0.74 217	0.43 172	0.26 291	0.14 181	0.26 287	0.15 96	0.36 327	0.18 180

ToySt	0.49 202	0.27 230	0.75 301	0.40 112	0.27 175	0.64 226	0.49 262	0.84 177	0.77 160	0.60 80	0.83 141	0.88 250	0.66 243	0.70 195	0.56 239	0.16 113	0.17 247	0.21 222	0.20 234	0.21 226	0.19 208

anonymousa	0.49 202	0.20 72	0.42 103	0.38 68	0.23 70	0.91 295	0.35 137	0.75 150	0.62 90	0.85 225	1.54 341	1.06 295	0.66 243	0.51 58	0.43 172	0.16 113	0.13 154	0.19 158	0.21 252	0.16 110	0.14 90

hknet	0.49 202	0.25 202	0.51 204	0.45 227	0.29 217	0.77 260	0.40 214	0.94 212	0.83 187	0.75 170	0.80 126	0.97 271	0.61 211	0.73 210	0.45 191	0.18 174	0.14 181	0.22 234	0.19 212	0.18 161	0.18 180

psmg	0.49 202	0.25 202	0.43 112	0.41 136	0.28 194	0.85 289	0.43 234	0.99 229	0.76 153	0.91 261	0.94 187	0.76 212	0.54 179	0.64 159	0.43 172	0.20 225	0.15 206	0.20 182	0.20 234	0.18 161	0.18 180

DRaft	0.49 202	0.17 20	0.47 159	0.37 47	0.25 114	0.58 188	0.40 214	0.65 75	0.85 197	1.02 304	1.75 356	0.50 80	0.82 301	0.63 152	0.40 160	0.13 12	0.11 58	0.16 62	0.16 125	0.14 45	0.15 109

GrayStereo	0.49 202	0.19 50	0.42 103	0.46 246	0.28 194	0.53 158	0.67 320	0.69 112	0.63 100	1.02 304	1.47 336	0.78 219	0.76 282	0.56 82	0.33 88	0.14 32	0.12 99	0.17 87	0.17 165	0.15 79	0.29 297

GwcNet-RSSM	0.49 202	0.24 184	0.42 103	0.40 112	0.23 70	0.55 167	0.38 188	0.93 208	0.93 242	0.71 144	1.16 282	0.86 240	0.60 206	0.62 142	0.66 258	0.21 239	0.14 181	0.19 158	0.20 234	0.16 110	0.15 109

UCFNet_RVC	0.49 202	0.26 216	0.35 31	0.39 88	0.26 151	0.64 226	0.36 156	1.15 286	0.84 190	0.67 121	0.88 169	0.88 250	0.59 202	0.58 109	0.45 191	0.24 271	0.17 247	0.27 299	0.27 315	0.25 269	0.23 261

iResNet	0.49 202	0.29 252	0.79 311	0.42 173	0.21 29	0.61 204	0.40 214	0.82 173	0.99 267	0.87 237	1.12 264	0.69 173	0.53 168	0.78 235	0.51 220	0.15 79	0.11 58	0.14 16	0.12 30	0.17 143	0.15 109

CFNet_ucs	0.50 215	0.24 184	0.55 223	0.38 68	0.31 244	0.58 188	0.33 113	0.98 227	0.93 242	0.88 245	1.19 290	0.80 228	0.49 150	0.63 152	0.43 172	0.21 239	0.15 206	0.26 287	0.18 187	0.26 273	0.22 254

NINENet	0.50 215	0.29 252	0.51 204	0.45 227	0.32 257	0.70 244	0.34 120	1.10 267	0.88 215	0.80 188	0.94 187	0.65 158	0.49 150	0.73 210	0.51 220	0.22 257	0.20 280	0.25 273	0.18 187	0.22 242	0.21 241

AACVNet	0.50 215	0.23 148	0.49 185	0.46 246	0.29 217	0.52 152	0.38 188	0.90 201	0.55 79	0.81 196	1.03 235	1.00 278	0.70 266	0.83 251	0.54 233	0.21 239	0.18 258	0.24 262	0.18 187	0.23 251	0.20 228

CrosDoStereo	0.50 215	0.18 35	0.45 133	0.38 68	0.24 88	0.40 105	1.18 377	0.67 94	0.86 202	0.94 273	1.37 316	0.63 141	0.77 286	0.65 166	0.45 191	0.15 79	0.12 99	0.17 87	0.18 187	0.14 45	0.14 90

DeepStereo_LL	0.50 215	0.18 35	0.45 133	0.38 68	0.24 88	0.40 105	1.18 377	0.67 94	0.86 202	0.94 273	1.37 316	0.63 141	0.77 286	0.65 166	0.45 191	0.15 79	0.12 99	0.17 87	0.18 187	0.14 45	0.14 90

THIR-Stereo	0.50 215	0.18 35	0.45 133	0.38 68	0.23 70	0.75 257	0.67 320	0.66 84	0.87 211	1.02 304	1.40 322	0.72 189	0.76 282	0.62 142	0.42 167	0.15 79	0.11 58	0.17 87	0.18 187	0.14 45	0.15 109

AdaStereo	0.50 215	0.32 265	0.47 159	0.48 260	0.25 114	0.67 238	0.32 104	1.17 294	0.88 215	0.75 170	0.99 218	0.75 206	0.49 150	0.67 181	0.46 201	0.27 298	0.12 99	0.28 306	0.18 187	0.23 251	0.18 180
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.
SMFormer	0.51 222	0.23 148	0.62 247	0.34 11	0.20 20	0.62 211	0.34 120	1.21 305	1.02 281	0.81 196	1.01 223	0.71 179	0.65 238	0.84 256	0.55 237	0.19 203	0.15 206	0.18 121	0.16 125	0.18 161	0.18 180

tta	0.51 222	0.23 148	0.62 247	0.34 11	0.20 20	0.62 211	0.34 120	1.21 305	1.02 281	0.81 196	1.01 223	0.71 179	0.65 238	0.84 256	0.55 237	0.19 203	0.15 206	0.18 121	0.16 125	0.15 79	0.14 90

ttt	0.51 222	0.25 202	0.43 112	0.38 68	0.24 88	0.65 231	0.38 188	1.18 297	1.05 295	0.72 155	1.08 255	0.63 141	0.49 150	0.84 256	0.59 244	0.24 271	0.21 287	0.22 234	0.20 234	0.24 261	0.24 267

DAS	0.51 222	0.25 202	0.60 242	0.48 260	0.31 244	0.58 188	0.41 226	0.83 174	0.97 258	0.89 249	1.12 264	0.70 175	0.75 279	0.82 244	0.43 172	0.17 146	0.13 154	0.18 121	0.15 96	0.20 208	0.18 180

SepStereo	0.51 222	0.25 202	0.60 242	0.48 260	0.31 244	0.58 188	0.41 226	0.83 174	0.97 258	0.89 249	1.12 264	0.70 175	0.75 279	0.93 291	0.43 172	0.17 146	0.13 154	0.18 121	0.15 96	0.20 208	0.18 180

acv_ft	0.51 222	0.23 148	0.56 229	0.44 206	0.28 194	0.86 292	0.39 208	0.91 205	0.80 175	0.97 286	0.96 198	0.79 220	0.59 202	0.63 152	0.87 303	0.17 146	0.15 206	0.16 62	0.15 96	0.17 143	0.15 109

DMCA-RVC	0.51 222	0.30 258	0.59 237	0.50 289	0.32 257	0.54 162	0.38 188	0.86 183	0.68 118	0.94 273	0.86 158	0.91 260	0.68 252	0.70 195	0.59 244	0.23 262	0.18 258	0.31 322	0.23 278	0.26 273	0.19 208

CFNet	0.51 222	0.29 252	0.46 149	0.41 136	0.27 175	0.70 244	0.32 104	1.13 277	1.00 274	0.72 155	1.07 252	0.85 238	0.60 206	0.76 224	0.52 227	0.19 203	0.14 181	0.23 248	0.23 278	0.21 226	0.16 148

HSM	0.51 222	0.24 184	0.41 84	0.39 88	0.24 88	0.75 257	0.40 214	1.22 313	0.75 147	0.81 196	0.91 179	1.21 317	0.69 256	0.87 266	0.46 201	0.17 146	0.13 154	0.17 87	0.14 74	0.17 143	0.17 165

ac_64	0.52 231	0.22 131	0.50 197	0.45 227	0.28 194	0.80 270	0.45 242	1.02 242	0.61 89	0.91 261	0.83 141	1.07 300	0.68 252	0.74 217	0.70 268	0.21 239	0.18 258	0.20 182	0.19 212	0.18 161	0.15 109

iResNetv2_ROB	0.52 231	0.27 230	0.69 283	0.38 68	0.25 114	0.62 211	0.35 137	1.17 294	1.01 278	0.99 292	1.06 249	0.88 250	0.67 246	0.66 171	0.39 155	0.19 203	0.13 154	0.15 43	0.11 15	0.18 161	0.16 148

iResNet_ROB	0.52 231	0.21 104	0.53 215	0.37 47	0.21 29	0.61 204	0.29 58	1.51 369	1.32 347	0.90 256	1.02 231	0.80 228	0.62 216	0.76 224	0.43 172	0.16 113	0.12 99	0.13 9	0.09 6	0.15 79	0.18 180

mmx	0.53 234	0.26 216	0.49 185	0.37 47	0.25 114	0.55 167	0.37 168	1.16 289	1.03 286	0.73 162	0.96 198	0.71 179	0.53 168	1.01 304	0.88 305	0.20 225	0.15 206	0.25 273	0.21 252	0.22 242	0.20 228

xxx	0.53 234	0.26 216	0.49 185	0.37 47	0.25 114	0.55 167	0.37 168	1.16 289	1.03 286	0.73 162	0.96 198	0.71 179	0.53 168	1.01 304	0.88 305	0.20 225	0.15 206	0.25 273	0.21 252	0.22 242	0.20 228

AASNet	0.53 234	0.25 202	0.52 209	0.49 275	0.32 257	0.74 254	0.40 214	1.50 366	0.86 202	0.86 230	0.92 183	0.64 148	0.59 202	0.59 123	0.79 285	0.23 262	0.19 272	0.20 182	0.16 125	0.21 226	0.19 208

LMCR-Stereo	0.53 234	0.30 258	0.53 215	0.58 336	0.30 227	0.83 285	0.36 156	1.19 299	0.76 153	0.88 245	1.04 239	0.56 98	0.62 216	0.82 244	0.67 261	0.19 203	0.15 206	0.19 158	0.14 74	0.23 251	0.17 165

RAFT + AFF	0.53 234	0.29 252	0.75 301	0.51 301	0.32 257	0.63 220	0.60 307	1.00 232	0.91 232	0.78 184	0.87 162	0.83 232	0.58 196	0.80 239	0.47 206	0.17 146	0.20 280	0.23 248	0.22 267	0.18 161	0.18 180

UPFNet	0.53 234	0.24 184	0.51 204	0.45 227	0.38 294	0.84 288	0.49 262	0.99 229	0.75 147	0.87 237	0.88 169	0.86 240	0.64 232	0.80 239	0.71 272	0.20 225	0.20 280	0.20 182	0.20 234	0.19 195	0.15 109

RASNet	0.53 234	0.22 131	0.52 209	0.38 68	0.22 43	0.68 240	0.38 188	0.97 224	0.88 215	0.73 162	1.04 239	1.03 288	0.92 322	0.90 276	0.86 299	0.16 113	0.14 181	0.14 16	0.17 165	0.15 79	0.13 59

HSM-Net_RVC	0.53 234	0.22 131	0.35 31	0.37 47	0.21 29	0.85 289	0.37 168	1.23 317	0.93 242	0.90 256	1.15 277	1.26 321	0.63 222	0.72 205	0.48 209	0.17 146	0.13 154	0.16 62	0.15 96	0.17 143	0.15 109
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NLCA_NET_v2_RVC	0.53 234	0.32 265	0.64 260	0.44 206	0.30 227	0.66 234	0.44 240	1.04 249	0.88 215	0.91 261	0.91 179	0.99 275	0.60 206	0.68 189	0.60 247	0.21 239	0.17 247	0.22 234	0.22 267	0.21 226	0.21 241
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DeepPruner_ROB	0.53 234	0.34 278	0.59 237	0.41 136	0.30 227	0.50 145	0.43 234	1.19 299	0.70 123	0.85 225	1.05 243	0.86 240	0.55 182	0.84 256	0.51 220	0.29 310	0.23 303	0.22 234	0.22 267	0.26 273	0.25 273

UNet	0.54 244	0.26 216	0.66 270	0.44 206	0.40 304	0.99 312	0.41 226	0.98 227	0.75 147	0.83 217	0.89 173	1.04 290	0.72 274	0.73 210	0.62 250	0.19 203	0.14 181	0.20 182	0.17 165	0.20 208	0.17 165

1111x	0.55 245	0.22 131	0.46 149	0.38 68	0.20 20	0.66 234	0.43 234	1.23 317	0.99 267	0.71 144	0.99 218	0.95 267	0.69 256	0.90 276	1.08 342	0.18 174	0.17 247	0.18 121	0.19 212	0.20 208	0.18 180

ADLNet2	0.55 245	0.25 202	0.65 265	0.47 255	0.30 227	0.83 285	0.50 266	1.05 254	0.95 254	0.80 188	0.98 213	0.99 275	0.69 256	0.77 231	0.73 275	0.20 225	0.16 233	0.17 87	0.18 187	0.21 226	0.21 241

GEStereo_RVC	0.55 245	0.29 252	0.63 255	0.49 275	0.31 244	0.70 244	0.54 290	1.22 313	0.92 237	0.82 205	0.85 155	0.85 238	0.63 222	0.90 276	0.65 256	0.24 271	0.16 233	0.19 158	0.16 125	0.21 226	0.22 254

ADLNet	0.55 245	0.27 230	0.51 204	0.44 206	0.35 279	0.78 264	0.46 245	1.08 262	0.86 202	0.99 292	0.98 213	0.92 262	0.63 222	0.69 192	0.81 290	0.22 257	0.16 233	0.22 234	0.22 267	0.21 226	0.21 241

MMNet	0.55 245	0.25 202	0.61 244	0.43 191	0.34 273	1.07 325	0.39 208	0.87 190	0.91 232	0.91 261	0.93 186	0.86 240	0.76 282	0.81 242	0.76 280	0.15 79	0.14 181	0.18 121	0.19 212	0.20 208	0.16 148

delet	0.55 245	0.24 184	0.55 223	0.44 206	0.33 266	1.07 325	0.50 266	1.00 232	0.86 202	0.85 225	0.96 198	0.90 258	0.63 222	0.83 251	0.74 278	0.18 174	0.18 258	0.20 182	0.21 252	0.16 110	0.15 109

psm_up	0.55 245	0.26 216	0.47 159	0.49 275	0.32 257	0.65 231	0.56 299	1.04 249	0.82 182	0.82 205	0.88 169	1.01 281	0.94 328	0.74 217	0.61 248	0.21 239	0.25 318	0.26 287	0.23 278	0.21 226	0.20 228

hitnet-ft	0.55 245	0.27 230	0.39 72	0.41 136	0.28 194	0.78 264	0.40 214	0.92 206	0.90 227	0.82 205	1.01 223	1.13 312	0.70 266	0.78 235	0.67 261	0.28 304	0.20 280	0.28 306	0.22 267	0.29 288	0.26 277

DSFCA	0.55 245	0.25 202	0.62 247	0.40 112	0.36 281	0.74 254	0.52 283	1.04 249	0.82 182	1.06 318	0.84 146	0.89 254	0.63 222	0.99 301	0.58 240	0.25 281	0.21 287	0.21 222	0.21 252	0.21 226	0.19 208

FADNet_RVC	0.55 245	0.37 290	1.17 350	0.44 206	0.31 244	0.56 182	0.34 120	1.06 257	0.88 215	0.67 121	0.90 176	0.61 134	0.65 238	0.93 291	0.70 268	0.21 239	0.18 258	0.26 287	0.23 278	0.31 302	0.28 291

STTStereo	0.55 245	0.37 290	0.76 306	0.44 206	0.31 244	0.60 202	0.44 240	0.96 220	0.86 202	0.99 292	0.90 176	0.96 269	0.58 196	0.71 200	0.61 248	0.25 281	0.23 303	0.26 287	0.32 339	0.24 261	0.23 261

CSP-Net	0.56 256	0.27 230	0.49 185	0.41 136	0.28 194	1.22 345	0.50 266	1.23 317	0.72 134	0.95 280	0.95 194	0.89 254	0.62 216	0.83 251	0.62 250	0.26 291	0.17 247	0.17 87	0.17 165	0.18 161	0.17 165

FTStereo	0.56 256	0.20 72	0.37 46	0.41 136	0.25 114	0.40 105	0.79 347	0.66 84	0.43 49	1.09 326	3.27 392	0.70 175	0.73 275	0.55 74	0.33 88	0.14 32	0.13 154	0.19 158	0.17 165	0.15 79	0.30 304

RAFT-RH_RVC	0.56 256	0.17 20	0.41 84	0.37 47	0.23 70	0.57 186	0.24 25	0.60 49	0.70 123	1.19 337	3.94 403	0.56 98	0.38 94	0.65 166	0.36 129	0.13 12	0.11 58	0.20 182	0.14 74	0.12 8	0.13 59

HGLStereo	0.56 256	0.28 244	0.57 232	0.50 289	0.37 286	0.80 270	0.45 242	1.02 242	0.78 167	0.86 230	1.14 272	0.89 254	0.82 301	0.76 224	0.73 275	0.21 239	0.20 280	0.19 158	0.18 187	0.19 195	0.21 241

FADNet-RVC-Resample	0.56 256	0.33 273	1.16 346	0.49 275	0.34 273	0.71 249	0.43 234	1.01 239	0.93 242	0.82 205	0.87 162	0.74 204	0.67 246	0.73 210	0.45 191	0.18 174	0.18 258	0.26 287	0.27 315	0.26 273	0.27 284

LL-Strereo	0.57 261	0.27 230	0.68 277	0.48 260	0.34 273	0.39 104	0.48 256	0.94 212	0.97 258	0.83 217	0.78 115	1.10 305	1.18 353	1.33 348	0.49 211	0.17 146	0.14 181	0.22 234	0.19 212	0.16 110	0.17 165

CRFU-Net	0.57 261	0.27 230	0.57 232	0.46 246	0.30 227	1.20 344	0.52 283	1.10 267	0.56 83	1.00 297	0.98 213	1.06 295	0.79 293	0.81 242	0.71 272	0.21 239	0.19 272	0.18 121	0.16 125	0.18 161	0.19 208

TDLM	0.57 261	0.33 273	0.49 185	0.51 301	0.30 227	0.66 234	0.73 340	1.03 246	1.01 278	0.82 205	1.10 261	0.84 236	0.70 266	0.86 265	0.58 240	0.28 304	0.17 247	0.25 273	0.22 267	0.26 273	0.19 208

CVANet_RVC	0.57 261	0.33 273	0.44 122	0.47 255	0.32 257	0.67 238	0.61 312	1.05 254	0.93 242	0.85 225	1.04 239	1.01 281	0.73 275	0.83 251	0.52 227	0.29 310	0.19 272	0.27 299	0.25 300	0.31 302	0.21 241

AANet_RVC	0.57 261	0.32 265	0.54 218	0.45 227	0.27 175	0.57 186	0.48 256	1.00 232	1.28 343	0.86 230	1.33 311	0.87 245	0.58 196	1.07 317	0.75 279	0.18 174	0.12 99	0.15 43	0.13 51	0.18 161	0.18 180

NOSS_ROB	0.57 261	0.39 303	0.39 72	0.44 206	0.30 227	0.73 253	0.54 290	1.03 246	1.08 311	0.67 121	0.87 162	0.76 212	0.57 189	0.77 231	0.47 206	0.38 354	0.38 365	0.44 356	0.42 363	0.37 329	0.34 322

ssnet_v2	0.58 267	0.28 244	0.56 229	0.43 191	0.29 217	0.95 303	0.59 305	1.13 277	0.99 267	0.93 270	0.80 126	0.99 275	0.64 232	0.82 244	0.94 322	0.25 281	0.22 293	0.23 248	0.24 291	0.20 208	0.19 208

dad	0.58 267	0.50 332	0.64 260	0.43 191	0.30 227	0.59 197	0.36 156	0.78 163	1.25 339	1.01 302	1.17 284	1.15 315	0.53 168	0.68 189	0.50 212	0.35 347	0.23 303	0.37 343	0.21 252	0.29 288	0.20 228

SACVNet	0.58 267	0.34 278	0.55 223	0.55 326	0.36 281	0.63 220	0.48 256	1.13 277	0.77 160	1.02 304	1.06 249	1.02 286	0.74 277	0.90 276	0.51 220	0.27 298	0.21 287	0.25 273	0.24 291	0.29 288	0.36 329

pcwnet_v2	0.58 267	0.28 244	0.84 315	0.45 227	0.35 279	0.61 204	0.35 137	1.27 330	1.21 330	0.99 292	1.27 301	0.72 189	0.58 196	0.67 181	0.48 209	0.27 298	0.21 287	0.24 262	0.23 278	0.29 288	0.29 297

PS-NSSS	0.58 267	0.44 318	0.62 247	0.42 173	0.33 266	0.66 234	0.58 303	1.02 242	0.86 202	0.77 181	1.28 303	0.72 189	0.64 232	0.82 244	0.59 244	0.31 319	0.26 323	0.40 351	0.27 315	0.33 312	0.26 277

StereoDRNet-Refined	0.58 267	0.32 265	0.54 218	0.46 246	0.30 227	0.96 306	0.40 214	1.00 232	0.94 249	1.12 330	1.08 255	0.96 269	0.67 246	0.90 276	0.89 316	0.17 146	0.13 154	0.22 234	0.21 252	0.20 208	0.19 208
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.58 267	0.28 244	0.47 159	0.49 275	0.32 257	0.77 260	0.50 266	0.99 229	0.92 237	1.04 313	1.14 272	1.21 317	0.69 256	0.88 269	0.69 265	0.20 225	0.20 280	0.22 234	0.22 267	0.21 226	0.18 180

CBFPSM	0.59 274	0.22 131	1.31 362	0.38 68	0.27 175	1.12 333	0.65 317	0.79 165	0.82 182	0.80 188	0.81 133	1.35 341	0.87 313	0.67 181	0.76 280	0.16 113	0.15 206	0.15 43	0.16 125	0.17 143	0.22 254

HBP-ISP	0.59 274	0.45 322	0.43 112	0.45 227	0.33 266	0.70 244	0.28 51	1.11 272	1.00 274	0.83 217	1.18 286	0.65 158	0.68 252	0.88 269	0.52 227	0.35 347	0.38 365	0.47 361	0.41 362	0.38 333	0.31 310

CBMV_ROB	0.59 274	0.37 290	0.38 55	0.39 88	0.28 194	0.74 254	0.28 51	1.00 232	0.98 262	0.94 273	1.25 299	0.81 230	0.78 291	0.87 266	0.50 212	0.36 350	0.37 363	0.43 354	0.40 357	0.33 312	0.30 304

FADNet-RVC	0.60 277	0.53 344	1.14 345	0.46 246	0.39 299	0.61 204	0.39 208	1.12 276	0.87 211	0.70 138	0.84 146	1.04 290	0.55 182	0.94 298	0.69 265	0.26 291	0.25 318	0.28 306	0.28 320	0.31 302	0.31 310

NVstereo2D	0.60 277	0.30 258	0.75 301	0.48 260	0.43 322	0.89 294	0.48 256	1.05 254	1.15 321	0.66 120	0.86 158	0.88 250	0.70 266	0.99 301	0.65 256	0.32 331	0.15 206	0.28 306	0.20 234	0.40 336	0.36 329

FADNet	0.61 279	0.51 335	1.10 340	0.45 227	0.44 329	0.65 231	0.41 226	1.19 299	1.05 295	0.70 138	0.84 146	0.98 274	0.66 243	0.82 244	0.50 212	0.29 310	0.30 337	0.27 299	0.30 326	0.46 354	0.35 327

SGM-Forest	0.62 280	0.32 265	0.39 72	0.43 191	0.30 227	1.02 316	0.55 294	1.09 266	1.05 295	1.06 318	1.18 286	1.10 305	0.67 246	0.88 269	0.62 250	0.31 319	0.33 356	0.33 332	0.30 326	0.30 297	0.28 291
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Wz-Net-LNSev-Ref	0.63 281	0.28 244	0.99 332	0.40 112	0.30 227	1.03 319	0.56 299	1.10 267	0.99 267	0.97 286	1.22 292	1.06 295	0.69 256	1.07 317	0.95 325	0.19 203	0.11 58	0.16 62	0.13 51	0.22 242	0.21 241

fast-acv-ft	0.64 282	0.30 258	0.73 294	0.45 227	0.34 273	1.17 340	0.49 262	0.86 183	0.98 262	1.02 304	1.36 313	1.29 325	0.85 308	0.76 224	0.81 290	0.21 239	0.23 303	0.23 248	0.23 278	0.21 226	0.20 228

StereoDRNet	0.64 282	0.33 273	0.68 277	0.51 301	0.43 322	1.03 319	0.53 286	1.47 362	0.99 267	1.10 328	0.87 162	1.07 300	0.71 270	0.82 244	0.88 305	0.23 262	0.19 272	0.25 273	0.23 278	0.27 283	0.19 208

PSMNet_ROB	0.64 282	0.37 290	0.65 265	0.56 329	0.42 317	0.97 307	0.83 350	1.21 305	0.92 237	0.79 186	1.02 231	1.08 302	0.63 222	0.82 244	0.91 320	0.29 310	0.20 280	0.31 322	0.31 333	0.26 273	0.23 261

CBMV	0.64 282	0.35 282	0.41 84	0.42 173	0.25 114	1.01 314	0.77 344	1.13 277	1.09 313	1.17 335	1.22 292	1.04 290	0.75 279	0.88 269	0.63 253	0.28 304	0.30 337	0.34 334	0.30 326	0.26 273	0.26 277
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DRN-Test	0.66 286	0.32 265	0.66 270	0.50 289	0.39 299	1.15 337	0.61 312	1.49 365	1.01 278	1.12 330	1.08 255	1.06 295	0.69 256	0.77 231	0.94 322	0.23 262	0.17 247	0.26 287	0.25 300	0.25 269	0.21 241

iinet-f	0.67 287	0.26 216	2.15 390	0.39 88	0.31 244	1.19 343	0.56 299	0.84 177	0.84 190	0.80 188	1.17 284	1.05 294	0.84 307	0.71 200	1.21 352	0.20 225	0.18 258	0.17 87	0.15 96	0.20 208	0.20 228

GASNet	0.67 287	0.72 363	0.96 329	0.70 368	0.48 341	0.62 211	0.47 250	1.08 262	1.03 286	0.94 273	0.82 136	0.93 264	0.83 305	1.33 348	0.80 287	0.31 319	0.22 293	0.29 314	0.28 320	0.44 347	0.24 267

FINET	0.67 287	0.42 312	1.00 333	0.46 246	0.43 322	0.83 285	0.89 358	1.08 262	1.50 362	0.87 237	1.14 272	0.71 179	0.68 252	0.92 286	0.70 268	0.36 350	0.30 337	0.26 287	0.24 291	0.35 323	0.33 318

MaskLacGwcNet_RVC	0.67 287	0.81 370	0.73 294	0.53 317	0.37 286	1.40 356	0.53 286	1.04 249	0.79 174	0.88 245	0.94 187	0.95 267	0.53 168	0.93 291	0.58 240	0.39 356	0.30 337	0.57 374	0.31 333	0.53 366	0.30 304

PA-Net	0.67 287	0.43 314	0.83 314	0.50 289	0.53 351	0.94 300	0.68 325	1.10 267	1.14 320	0.80 188	0.88 169	0.87 245	0.77 286	1.02 309	0.88 305	0.24 271	0.41 372	0.29 314	0.44 364	0.26 273	0.34 322
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GwcNet	0.69 292	0.36 287	1.10 340	0.51 301	0.42 317	1.08 329	0.50 266	1.21 305	1.16 322	1.00 297	1.37 316	1.06 295	0.79 293	0.92 286	0.94 322	0.25 281	0.24 310	0.24 262	0.22 267	0.23 251	0.26 277

NaN_ROB	0.69 292	0.44 318	0.69 283	0.51 301	0.33 266	0.97 307	1.06 371	1.22 313	1.19 327	1.24 345	0.96 198	1.08 302	0.78 291	1.20 333	0.67 261	0.24 271	0.30 337	0.23 248	0.24 291	0.23 251	0.25 273

GANet	0.70 294	0.37 290	0.55 223	0.51 301	0.34 273	0.94 300	0.96 364	1.08 262	0.94 249	1.04 313	1.98 365	1.13 312	0.88 316	1.12 325	0.66 258	0.25 281	0.26 323	0.27 299	0.22 267	0.31 302	0.22 254

DISCO	0.70 294	0.26 216	0.68 277	0.44 206	0.31 244	1.14 335	0.51 280	1.23 317	1.23 333	0.81 196	1.05 243	1.50 355	0.85 308	1.82 378	1.03 336	0.19 203	0.15 206	0.18 121	0.16 125	0.24 261	0.23 261

XPNet_ROB	0.70 294	0.35 282	0.68 277	0.52 312	0.40 304	0.79 267	0.85 356	1.16 289	0.94 249	1.33 351	1.15 277	1.38 343	0.83 305	1.03 311	0.90 318	0.32 331	0.25 318	0.26 287	0.24 291	0.31 302	0.28 291

ETE_ROB	0.70 294	0.49 328	0.73 294	0.56 329	0.36 281	0.79 267	0.87 357	1.14 283	0.93 242	1.19 337	1.18 286	1.39 344	0.82 301	0.99 301	0.80 287	0.26 291	0.21 287	0.31 322	0.26 310	0.33 312	0.34 322

Wz-Net-LNSev	0.71 298	0.51 335	1.36 370	0.50 289	0.41 311	1.15 337	0.69 329	1.21 305	1.07 308	1.02 304	1.12 264	1.08 302	0.87 313	0.89 274	0.89 316	0.24 271	0.22 293	0.21 222	0.19 212	0.26 273	0.26 277

APVNet	0.71 298	0.37 290	0.89 324	0.56 329	0.45 333	1.18 342	0.68 325	1.41 356	0.85 197	0.81 196	1.15 277	1.04 290	0.81 297	1.10 322	1.17 349	0.26 291	0.28 329	0.32 327	0.31 333	0.29 288	0.30 304

Syn2CoEx	0.71 298	0.51 335	0.95 327	0.64 351	0.45 333	0.91 295	0.53 286	1.48 363	1.13 318	0.93 270	1.35 312	1.02 286	0.99 335	0.92 286	0.80 287	0.30 316	0.27 327	0.28 306	0.24 291	0.23 251	0.24 267

DANet	0.71 298	0.45 322	0.91 325	0.59 339	0.40 304	0.81 275	0.40 214	0.97 224	0.84 190	1.20 340	1.22 292	1.33 335	0.88 316	1.16 328	1.24 354	0.27 298	0.23 303	0.31 322	0.25 300	0.35 323	0.32 314
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
RYNet	0.72 302	0.35 282	0.64 260	0.53 317	0.67 370	1.31 352	0.67 320	1.20 303	1.18 325	1.05 315	0.87 162	1.27 322	0.93 327	0.93 291	1.27 358	0.22 257	0.16 233	0.26 287	0.23 278	0.40 336	0.39 343

NCCL2	0.72 302	0.41 310	0.65 265	0.64 351	0.44 329	0.98 311	1.20 379	1.11 272	1.00 274	0.98 290	0.96 198	1.49 354	0.87 313	0.90 276	0.79 285	0.31 319	0.26 323	0.39 348	0.39 355	0.32 307	0.32 314

FAT-Stereo	0.73 304	0.33 273	0.75 301	0.49 275	0.37 286	0.71 249	0.59 305	1.36 348	1.30 345	1.03 312	1.40 322	1.59 364	1.15 349	0.87 266	0.86 299	0.28 304	0.28 329	0.28 306	0.23 278	0.28 285	0.38 341

S-Stereo	0.74 305	0.35 282	0.96 329	0.56 329	0.45 333	0.82 283	0.60 307	1.24 324	1.60 371	0.96 281	1.41 324	1.12 309	0.94 328	0.80 239	1.04 339	0.26 291	0.31 347	0.28 306	0.25 300	0.32 307	0.47 365

LALA_ROB	0.74 305	0.43 314	0.69 283	0.54 323	0.40 304	1.01 314	0.95 363	1.21 305	1.07 308	1.22 342	1.12 264	1.56 361	0.79 293	1.04 313	0.86 299	0.33 337	0.22 293	0.35 336	0.30 326	0.35 323	0.31 310

Anonymous Stereo	0.75 307	0.54 346	1.78 383	0.57 334	0.56 358	0.62 211	1.25 385	0.96 220	0.99 267	0.96 281	0.95 194	0.83 232	0.58 196	1.27 342	1.21 352	0.31 319	0.30 337	0.31 322	0.33 342	0.33 312	0.36 329

Wz-Net-MNSev	0.76 308	0.40 307	1.34 365	0.50 289	0.40 304	1.44 361	0.83 350	1.15 286	1.16 322	1.25 346	1.20 291	1.13 312	0.81 297	1.16 328	1.00 335	0.22 257	0.19 272	0.24 262	0.23 278	0.28 285	0.26 277

DGSMNet	0.76 308	0.55 347	1.29 361	0.58 336	0.62 367	0.94 300	0.70 334	1.26 328	1.11 315	0.83 217	1.24 297	1.00 278	0.71 270	1.03 311	0.81 290	0.34 343	0.29 334	0.41 352	0.40 357	0.57 372	0.55 376

RP	0.76 308	0.36 287	0.63 255	0.66 359	0.58 364	0.80 270	0.55 294	1.14 283	1.22 332	0.97 286	1.65 346	1.43 348	1.32 363	1.01 304	0.84 294	0.33 337	0.30 337	0.36 339	0.30 326	0.34 319	0.34 322

edge stereo	0.76 308	0.38 299	0.74 298	0.52 312	0.43 322	0.80 270	0.53 286	1.28 332	1.06 302	1.28 347	1.38 321	1.81 368	1.11 346	1.08 319	0.85 298	0.33 337	0.32 350	0.41 352	0.28 320	0.32 307	0.36 329

NCC-stereo	0.78 312	0.40 307	0.76 306	0.61 346	0.67 370	0.81 275	0.69 329	1.54 373	1.11 315	0.90 256	1.36 313	1.33 335	1.16 350	1.19 331	0.88 305	0.31 319	0.30 337	0.37 343	0.48 370	0.33 312	0.33 318

Nwc_Net	0.78 312	0.38 299	0.73 294	0.60 344	0.55 355	1.05 324	0.55 294	1.67 381	1.05 295	0.88 245	1.86 361	1.40 346	1.09 344	1.10 322	0.87 303	0.30 316	0.25 318	0.36 339	0.38 351	0.29 288	0.29 297

Abc-Net	0.78 312	0.40 307	0.76 306	0.61 346	0.67 370	0.81 275	0.69 329	1.54 373	1.11 315	0.90 256	1.36 313	1.33 335	1.16 350	1.19 331	0.88 305	0.31 319	0.30 337	0.37 343	0.48 370	0.33 312	0.33 318
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	0.79 315	0.59 352	0.71 290	0.65 356	0.65 369	0.92 299	0.58 303	1.29 333	1.05 295	1.07 321	1.45 333	1.47 352	1.03 339	1.21 335	0.88 305	0.32 331	0.30 337	0.48 364	0.40 357	0.37 329	0.37 335

stereogan	0.80 316	0.31 263	0.71 290	0.59 339	0.50 344	1.72 377	0.48 256	1.35 345	1.37 350	1.00 297	1.46 335	1.56 361	0.95 331	1.29 344	0.84 294	0.28 304	0.29 334	0.29 314	0.25 300	0.38 333	0.38 341

ADCRef	0.80 316	0.43 314	1.32 364	0.50 289	0.45 333	1.07 325	0.51 280	1.07 258	0.98 262	1.17 335	1.42 325	0.87 245	0.91 319	0.85 263	3.19 391	0.18 174	0.16 233	0.23 248	0.23 278	0.22 242	0.21 241

GANetREF_RVC	0.80 316	0.75 366	0.86 321	0.66 359	0.42 317	1.15 337	0.98 365	1.14 283	1.19 327	1.01 302	1.02 231	1.10 305	0.90 318	1.15 327	0.76 280	0.48 367	0.39 369	0.57 374	0.38 351	0.63 376	0.46 361
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
AF-Net	0.81 319	0.39 303	0.68 277	0.64 351	0.54 353	0.91 295	0.51 280	1.61 377	1.31 346	0.96 281	2.02 366	1.46 349	1.26 361	1.11 324	0.99 332	0.32 331	0.24 310	0.39 348	0.27 315	0.30 297	0.25 273

SQANet	0.82 320	0.74 365	0.67 274	1.13 385	0.98 384	1.11 331	0.47 250	1.07 258	0.83 187	0.91 261	1.05 243	1.03 288	0.74 277	1.01 304	0.64 255	0.61 379	0.24 310	1.03 386	0.35 346	1.18 389	0.58 377

Anonymous_2	0.82 320	0.44 318	0.63 255	0.40 112	0.43 322	0.80 270	0.52 283	0.72 135	0.77 160	0.71 144	0.60 62	0.87 245	0.76 282	0.75 221	0.58 240	0.52 373	0.54 385	0.54 372	4.82 420	0.56 370	0.40 346

ccnet	0.82 320	0.57 350	0.75 301	0.54 323	0.59 365	1.09 330	0.66 318	1.38 351	0.94 249	1.12 330	1.44 330	1.29 325	0.92 322	0.95 300	1.24 354	0.49 369	0.42 374	0.50 369	0.47 368	0.51 361	0.46 361

psmorigin	0.82 320	0.51 335	2.09 388	0.49 275	0.41 311	0.85 289	0.50 266	1.04 249	0.88 215	1.45 355	1.43 328	1.50 355	1.06 341	1.22 336	0.97 328	0.31 319	0.32 350	0.27 299	0.27 315	0.33 312	0.42 350

CC-Net-ROB	0.82 320	0.96 381	0.85 316	0.58 336	0.45 333	1.27 350	0.70 334	1.17 294	1.02 281	0.83 217	1.23 296	0.90 258	0.77 286	1.06 314	0.69 265	0.46 364	0.34 358	1.71 392	0.38 351	0.59 375	0.36 329

aanetorigin	0.83 325	0.56 348	1.87 385	0.49 275	0.38 294	0.56 182	0.66 318	0.70 126	1.00 274	2.42 390	2.02 366	1.31 328	1.18 353	0.93 291	1.13 348	0.20 225	0.18 258	0.20 182	0.19 212	0.27 283	0.30 304

CSAN	0.83 325	0.49 328	0.77 310	0.60 344	0.41 311	1.14 335	1.06 371	1.19 299	1.46 360	1.32 349	1.43 328	1.37 342	1.19 355	1.27 342	0.86 299	0.39 356	0.31 347	0.36 339	0.37 348	0.35 323	0.34 322

SDNR	0.86 327	0.37 290	1.47 375	0.40 112	0.38 294	3.38 404	0.33 113	0.90 201	0.98 262	0.99 292	2.09 369	0.59 125	0.71 270	1.29 344	0.70 268	0.51 372	0.56 386	0.36 339	0.26 310	0.43 346	0.46 361

RTSC	0.87 328	0.48 325	1.23 356	0.52 312	0.37 286	1.13 334	0.50 266	1.34 342	1.79 376	1.51 357	1.24 297	1.12 309	0.81 297	1.62 367	2.16 380	0.25 281	0.19 272	0.23 248	0.24 291	0.30 297	0.31 310

PWC_ROB	0.87 328	0.52 341	1.28 359	0.50 289	0.32 257	0.91 295	0.37 168	1.36 348	1.46 360	1.61 363	2.59 381	1.16 316	1.01 338	1.34 350	1.40 363	0.25 281	0.18 258	0.28 306	0.20 234	0.29 288	0.28 291

UDG	0.88 330	0.82 373	0.67 274	1.00 382	0.96 381	1.02 316	0.57 302	1.13 277	0.99 267	0.90 256	0.97 212	1.31 328	0.99 335	0.85 263	0.84 294	0.54 377	0.32 350	1.77 393	0.40 357	0.94 382	0.66 379

FBW_ROB	0.88 330	0.50 332	0.85 316	0.55 326	0.40 304	1.17 340	0.78 346	1.50 366	1.37 350	1.33 351	1.27 301	1.48 353	1.00 337	2.57 397	0.98 331	0.25 281	0.32 350	0.45 357	0.30 326	0.34 319	0.28 291

XQC	0.89 332	0.65 360	1.31 362	0.67 362	0.52 350	1.22 345	0.68 325	1.26 328	1.52 363	1.14 333	1.11 262	1.28 324	1.04 340	1.40 358	1.77 371	0.38 354	0.24 310	0.37 343	0.31 333	0.53 366	0.47 365

DeepPrunerF	0.89 332	0.52 341	3.43 398	0.68 365	0.81 375	0.72 252	0.72 339	1.22 313	1.99 381	0.93 270	1.01 223	0.87 245	0.86 310	1.08 319	0.95 325	0.34 343	0.28 329	0.43 354	0.39 355	0.30 297	0.32 314

PWCDC_ROB	0.89 332	0.49 328	0.80 313	0.74 372	0.40 304	1.03 319	0.39 208	1.33 340	2.35 389	1.02 304	3.77 398	0.81 230	0.92 322	1.20 333	0.90 318	0.34 343	0.22 293	0.24 262	0.20 234	0.34 319	0.29 297

PASM	0.90 335	0.64 359	1.69 379	0.69 367	0.69 373	0.78 264	0.84 353	1.03 246	1.26 342	1.19 337	1.15 277	1.31 328	0.98 334	1.24 338	1.03 336	0.52 373	0.56 386	0.59 377	0.66 384	0.56 370	0.54 375

Wz-Net-SNSev	0.91 336	0.73 364	2.13 389	0.56 329	0.45 333	0.95 303	1.13 376	1.34 342	1.24 335	1.02 304	1.30 307	1.46 349	0.86 310	1.81 377	1.50 364	0.25 281	0.23 303	0.25 273	0.26 310	0.32 307	0.29 297

MDST_ROB	0.91 336	0.27 230	0.85 316	0.63 350	0.41 311	2.53 388	0.71 338	1.60 376	1.13 318	2.83 397	1.73 352	0.97 271	0.69 256	1.61 366	0.73 275	0.25 281	0.22 293	0.32 327	0.28 320	0.25 269	0.24 267

PDISCO_ROB	0.91 336	0.48 325	1.06 337	0.99 380	0.97 382	1.67 375	0.63 314	1.64 379	1.59 368	1.06 318	1.18 286	1.31 328	0.79 293	1.55 361	0.97 328	0.49 369	0.22 293	0.45 357	0.40 357	0.45 351	0.37 335

SHD	0.93 339	0.50 332	1.18 351	0.59 339	0.46 340	0.97 307	0.48 256	1.70 382	2.15 383	1.58 360	1.37 316	1.42 347	1.19 355	1.31 346	1.60 365	0.31 319	0.26 323	0.32 327	0.33 342	0.40 336	0.42 350

G-Net	0.95 340	0.46 324	1.04 335	0.64 351	0.48 341	2.12 384	0.64 316	1.01 239	0.87 211	1.75 371	2.82 388	1.30 327	1.64 379	1.06 314	0.96 327	0.36 350	0.29 334	0.35 336	0.25 300	0.45 351	0.42 350

anonymity	0.97 341	0.89 376	1.05 336	0.92 378	1.03 386	0.97 307	0.81 349	1.29 333	0.91 232	1.07 321	0.98 213	1.00 278	0.95 331	1.02 309	0.92 321	0.96 390	0.95 408	0.90 383	0.91 396	0.92 381	0.94 389

SGM_RVC	0.97 341	0.28 244	0.41 84	0.39 88	0.22 43	1.55 367	0.73 340	1.51 369	1.25 339	2.25 387	1.92 362	2.58 385	1.56 374	2.02 385	1.19 351	0.27 298	0.27 327	0.27 299	0.25 300	0.25 269	0.25 273
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DPSNet	0.99 343	0.42 312	1.88 386	0.53 317	0.41 311	1.59 370	1.26 386	2.21 391	1.43 356	1.10 328	1.11 262	1.46 349	1.95 389	1.34 350	1.26 356	0.34 343	0.25 318	0.25 273	0.21 252	0.46 354	0.37 335

Consistency-Raft	1.01 344	0.81 370	1.24 357	0.84 375	0.97 382	0.81 275	0.84 353	1.30 336	1.59 368	1.05 315	1.68 351	1.12 309	0.91 319	0.92 286	1.11 344	0.65 380	0.74 393	0.79 381	0.90 393	1.06 387	0.79 384

xxxx	1.01 344	0.22 131	0.43 112	0.36 38	0.21 29	0.82 283	0.36 156	1.32 338	0.88 215	0.71 144	0.94 187	0.97 271	0.63 222	0.64 159	10.58 413	0.20 225	0.16 233	0.18 121	0.17 165	0.19 195	0.19 208

test_xeample	1.01 344	0.21 104	0.42 103	0.35 29	0.21 29	0.71 249	0.39 208	1.23 317	0.86 202	0.81 196	1.04 239	0.69 173	0.61 211	0.69 192	10.93 414	0.19 203	0.15 206	0.18 121	0.17 165	0.18 161	0.17 165

MFN_U_SF_DS_RVC	1.02 347	0.57 350	1.51 377	0.67 362	0.50 344	2.57 389	1.66 401	1.20 303	1.43 356	1.38 353	1.57 343	1.33 335	0.92 322	1.64 370	0.88 305	0.37 353	0.39 369	0.46 360	0.60 382	0.41 342	0.40 346

ADCPNet	1.03 348	0.48 325	2.70 393	0.54 323	0.42 317	1.40 356	0.75 342	1.13 277	1.07 308	1.22 342	1.42 325	1.68 366	1.09 344	1.36 355	3.45 395	0.30 316	0.28 329	0.29 314	0.32 339	0.37 329	0.35 327

otaku	1.04 349	0.93 378	0.88 323	1.33 391	1.05 388	1.66 373	0.70 334	1.40 355	1.18 325	1.08 324	1.32 310	1.33 335	0.91 319	1.23 337	0.76 280	0.72 383	0.46 382	1.24 388	0.50 375	1.40 390	0.75 380

SuperB	1.04 349	0.37 290	4.81 405	0.43 191	0.31 244	0.99 312	0.46 245	1.02 242	2.09 382	1.09 326	1.09 259	0.75 206	0.81 297	1.06 314	1.76 370	0.19 203	0.15 206	0.17 87	0.15 96	2.82 412	0.26 277

ADCL	1.04 349	0.38 299	1.35 366	0.50 289	0.39 299	1.61 371	0.89 358	1.29 333	1.39 353	1.29 348	1.50 337	1.24 320	1.24 358	1.37 356	4.87 403	0.21 239	0.19 272	0.25 273	0.25 300	0.29 288	0.27 284

DDUNet	1.06 352	2.56 415	0.68 277	1.21 387	1.26 391	1.03 319	0.69 329	1.11 272	0.94 249	0.96 281	1.22 292	1.27 322	0.82 301	0.93 291	0.72 274	0.84 387	0.38 365	1.99 396	0.60 382	1.10 388	0.85 386

ADCP+	1.06 352	0.35 282	1.51 377	0.49 275	0.51 347	1.45 362	0.55 294	1.25 327	1.03 286	1.16 334	1.15 277	1.10 305	1.07 343	1.56 363	6.75 410	0.19 203	0.16 233	0.23 248	0.21 252	0.28 285	0.21 241

SAMSARA	1.07 354	0.65 360	1.19 352	1.06 384	0.90 377	1.76 378	1.76 405	1.46 361	1.44 358	1.51 357	1.16 282	2.00 375	1.14 348	1.48 359	1.31 360	0.39 356	0.44 379	0.35 336	0.38 351	0.49 358	0.49 370

SANet	1.07 354	0.41 310	1.06 337	0.48 260	0.30 227	1.41 358	0.94 362	1.42 357	3.36 400	1.58 360	2.43 375	2.33 381	1.70 380	1.34 350	1.07 341	0.28 304	0.24 310	0.26 287	0.23 278	0.34 319	0.30 304

Ntro	1.09 356	0.97 384	0.91 325	1.44 392	1.19 390	1.69 376	0.80 348	1.35 345	1.25 339	1.00 297	1.29 306	1.31 328	0.97 333	1.26 340	0.84 294	0.84 387	0.43 377	1.36 389	0.50 375	1.56 391	0.78 382

MFN_U_SF_RVC	1.09 356	0.59 352	1.97 387	0.67 362	0.44 329	1.93 381	0.60 307	1.85 384	1.36 348	1.61 363	1.54 341	1.95 374	1.37 365	1.64 370	1.73 368	0.40 360	0.37 363	0.45 357	0.48 370	0.44 347	0.44 356

Wz-Net-TNSev	1.14 358	1.06 387	4.32 404	0.49 275	0.42 317	1.51 365	1.11 375	1.48 363	1.40 355	1.22 342	1.26 300	1.58 363	1.43 369	1.76 375	1.70 367	0.32 331	0.31 347	0.26 287	0.30 326	0.41 342	0.41 349

ADCMid	1.14 358	0.52 341	2.23 391	0.53 317	0.43 322	1.07 325	0.75 342	1.23 317	1.05 295	2.15 384	1.44 330	1.50 355	1.43 369	1.56 363	5.01 404	0.26 291	0.24 310	0.29 314	0.31 333	0.37 329	0.33 318

MFMNet_re	1.14 358	0.97 384	1.19 352	0.99 380	0.95 380	1.25 349	1.22 382	1.39 352	1.55 366	1.69 370	1.67 350	1.21 317	1.53 371	1.12 325	0.99 332	0.87 389	0.75 397	0.79 381	0.75 388	0.90 380	0.94 389

WCMA_ROB	1.14 358	0.36 287	0.76 306	0.49 275	0.44 329	1.23 347	0.67 320	1.11 272	1.23 333	2.84 398	3.95 404	3.28 394	1.83 385	1.25 339	0.99 332	0.44 362	0.34 358	0.34 334	0.37 348	0.41 342	0.40 346

AnyNet_C32	1.16 362	0.62 358	2.40 392	0.57 334	0.55 355	1.41 358	1.34 391	1.18 297	1.24 335	1.49 356	1.42 325	1.39 344	1.20 357	1.55 361	4.82 402	0.29 310	0.28 329	0.29 314	0.34 344	0.38 333	0.42 350

222	1.18 363	0.22 131	0.44 122	0.37 47	0.22 43	0.79 267	0.37 168	1.31 337	0.89 225	0.92 269	1.08 255	0.72 189	0.71 270	0.66 171	13.89 417	0.20 225	0.15 206	0.17 87	0.16 125	0.18 161	0.19 208

WZ-Net	1.19 364	0.59 352	4.07 402	0.62 349	0.51 347	1.34 353	1.31 390	1.32 338	1.74 375	1.53 359	1.65 346	1.74 367	1.28 362	2.25 391	2.01 377	0.27 298	0.21 287	0.23 248	0.25 300	0.40 336	0.39 343

MSMD_ROB	1.21 365	0.49 328	0.62 247	0.59 339	0.50 344	1.62 372	0.67 320	1.23 317	1.24 335	2.45 391	3.77 398	3.09 391	2.98 404	1.32 347	0.81 290	0.45 363	0.41 372	0.49 367	0.51 377	0.47 356	0.44 356

pmcnn	1.23 366	0.29 252	0.96 329	0.40 112	0.23 70	0.95 303	0.69 329	1.16 289	1.28 343	1.67 369	2.33 371	11.15 418	0.86 310	0.93 291	0.88 305	0.15 79	0.12 99	0.12 2	0.10 10	0.15 79	0.15 109

NVStereoNet_ROB	1.24 367	0.90 377	1.13 344	0.86 376	0.88 376	1.11 331	0.99 367	1.42 357	1.53 364	1.59 362	2.48 376	2.24 378	1.53 371	1.96 384	1.30 359	0.76 385	0.70 390	0.78 380	1.00 398	0.71 378	0.88 387
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	1.25 368	0.93 378	1.06 337	1.04 383	1.03 386	1.41 358	0.91 361	1.51 369	1.19 327	2.09 382	1.83 358	1.94 373	1.39 366	1.62 367	1.39 362	0.97 391	0.94 407	0.90 383	0.89 392	0.96 384	0.96 392
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PVD	1.28 369	0.67 362	1.28 359	0.74 372	0.62 367	1.50 364	0.84 353	1.99 387	2.96 395	2.18 385	2.36 374	1.85 371	1.95 389	1.92 381	1.94 375	0.39 356	0.36 362	0.49 367	0.37 348	0.51 361	0.64 378

MSC_U_SF_DS_RVC	1.34 370	0.87 375	1.76 382	0.86 376	0.56 358	4.29 408	1.79 406	1.50 366	1.98 380	1.61 363	1.85 360	1.84 369	1.41 367	1.89 380	1.36 361	0.48 367	0.40 371	0.56 373	0.57 380	0.69 377	0.48 367

MeshStereo	1.34 370	0.43 314	0.54 218	0.44 206	0.34 273	1.66 373	0.60 307	1.94 385	1.37 350	4.47 411	3.25 390	4.71 402	1.94 388	1.92 381	1.17 349	0.35 347	0.35 360	0.37 343	0.31 333	0.32 307	0.32 314
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
RainbowNet	1.35 372	1.49 396	1.19 352	1.88 398	1.45 392	1.48 363	1.07 373	1.61 377	1.55 366	1.20 340	1.59 344	1.54 359	1.13 347	1.34 350	0.97 328	1.36 401	0.70 390	1.82 394	0.79 390	1.71 393	1.07 397

ACVNet-4b	1.35 372	1.31 392	1.10 340	1.90 399	1.59 394	1.92 380	0.77 344	1.52 372	1.62 372	1.05 315	1.60 345	2.11 376	0.94 328	1.64 370	0.77 284	1.30 398	0.35 360	2.03 400	0.67 385	1.88 399	0.84 385

SGM+DAISY	1.35 372	0.94 380	1.25 358	0.96 379	1.00 385	1.52 366	1.02 370	1.34 342	1.21 330	2.64 393	2.65 383	2.44 382	1.56 374	1.64 370	1.26 356	0.97 391	0.95 408	0.90 383	0.90 393	0.94 382	0.96 392

FCDSN-DC	1.39 375	0.56 348	0.65 265	0.74 372	0.59 365	1.38 355	0.63 314	1.35 345	1.39 353	3.26 405	4.50 409	4.61 400	2.63 399	1.58 365	1.03 336	0.46 364	0.42 374	0.48 364	0.47 368	0.50 360	0.50 371
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AAGNet	1.43 376	0.20 72	0.48 175	0.44 206	0.25 114	0.29 38	0.31 88	0.65 75	0.68 118	0.97 286	0.86 158	0.67 168	0.62 216	0.64 159	20.63 421	0.16 113	0.11 58	0.19 158	0.15 96	0.19 195	0.12 34

ACVNet_1	1.46 377	1.33 393	1.12 343	1.91 400	1.62 395	1.83 379	0.98 365	2.00 388	1.85 378	1.39 354	1.53 340	2.32 380	1.53 371	1.34 350	1.11 344	1.30 398	0.50 384	2.06 402	0.58 381	1.93 401	0.95 391

EDNetEfficient	1.46 377	0.80 369	6.12 407	0.47 255	0.39 299	0.69 242	0.83 350	0.90 201	2.77 394	3.50 407	1.96 364	1.66 365	2.03 391	1.26 340	4.18 400	0.21 239	0.18 258	0.21 222	0.20 234	0.41 342	0.39 343

ADCS	1.51 379	0.61 355	3.42 397	0.59 339	0.51 347	1.27 350	1.08 374	1.59 375	1.81 377	1.91 378	1.66 348	1.51 358	1.42 368	1.94 383	8.60 412	0.33 337	0.32 350	0.33 332	0.36 347	0.44 347	0.42 350

AnyNet_C01	1.56 380	1.05 386	7.45 410	0.64 351	0.54 353	1.99 382	1.38 393	1.43 359	1.36 348	1.63 366	1.92 362	1.84 369	1.33 364	2.40 393	4.03 397	0.33 337	0.32 350	0.32 327	0.34 344	0.44 347	0.45 360

FC-DCNN	1.59 381	0.51 335	0.66 270	0.61 346	0.49 343	1.56 368	0.70 334	1.66 380	1.53 364	4.64 412	4.62 410	5.85 409	3.34 407	1.84 379	1.11 344	0.46 364	0.42 374	0.47 361	0.46 365	0.48 357	0.46 361

DispFullNet	1.60 382	2.63 416	2.75 394	2.56 409	1.79 401	1.24 348	0.47 250	1.37 350	1.45 359	1.87 374	1.50 337	1.55 360	2.46 395	2.04 386	1.04 339	0.59 378	0.18 258	2.32 405	0.68 386	2.29 405	1.14 398

ELAS_RVC	1.60 382	0.61 355	1.01 334	0.70 368	0.56 358	2.00 383	1.89 408	1.96 386	2.65 392	3.33 406	3.26 391	3.03 388	3.41 408	2.49 395	2.09 379	0.52 373	0.45 380	0.50 369	0.48 370	0.54 368	0.52 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.63 384	0.61 355	0.95 327	0.68 365	0.55 355	3.01 402	1.55 399	2.39 393	2.33 388	3.64 408	3.89 402	2.75 386	2.90 403	2.15 389	2.27 386	0.52 373	0.45 380	0.50 369	0.48 370	0.54 368	0.52 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet_2	1.65 385	1.27 391	1.41 373	1.75 395	1.62 395	2.22 385	1.20 379	2.30 392	2.62 391	1.78 372	2.56 378	3.03 388	1.61 376	1.54 360	1.12 347	1.06 394	0.58 388	1.82 394	0.70 387	1.82 395	0.96 392

IMH-64-1	1.86 386	1.62 401	1.16 346	2.20 403	1.89 403	2.33 386	1.30 387	2.89 396	2.29 386	1.66 367	2.80 386	2.49 383	1.61 376	2.10 387	1.78 372	1.60 402	0.74 393	2.43 406	1.02 399	2.12 402	1.17 401

IMH-64	1.86 386	1.62 401	1.16 346	2.20 403	1.89 403	2.33 386	1.30 387	2.89 396	2.29 386	1.66 367	2.80 386	2.49 383	1.61 376	2.10 387	1.78 372	1.60 402	0.74 393	2.43 406	1.02 399	2.12 402	1.17 401

WAO-7	1.90 388	1.20 389	1.35 366	1.27 389	1.06 389	2.84 396	1.56 400	3.23 401	3.06 398	2.23 386	3.33 395	3.17 392	2.28 394	3.12 398	2.21 381	1.02 393	0.91 403	1.06 387	1.03 401	1.04 386	0.97 395

PWCK	1.92 389	1.66 404	3.12 396	1.65 393	0.91 378	2.84 396	2.26 411	2.10 389	2.41 390	2.36 389	2.31 370	2.22 377	1.82 383	3.43 401	2.03 378	1.61 404	0.71 392	1.51 390	0.82 391	1.69 392	0.91 388

Dean	1.98 390	1.36 394	1.36 370	2.12 402	1.81 402	2.74 391	1.36 392	3.37 405	3.80 404	2.08 381	3.32 394	3.21 393	1.82 383	1.71 374	1.67 366	1.27 395	0.77 399	1.99 396	0.90 393	1.86 396	1.03 396

RTS	1.98 390	0.96 381	11.36 414	0.65 356	0.57 362	2.77 394	1.40 394	1.39 352	2.26 384	1.89 375	2.56 378	1.32 333	1.25 359	5.20 410	4.05 398	0.31 319	0.22 293	0.29 314	0.29 324	0.40 336	0.37 335

RTSA	1.98 390	0.96 381	11.36 414	0.65 356	0.57 362	2.77 394	1.40 394	1.39 352	2.26 384	1.89 375	2.56 378	1.32 333	1.25 359	5.20 410	4.05 398	0.31 319	0.22 293	0.29 314	0.29 324	0.40 336	0.37 335

WAO-6	2.04 393	1.50 397	1.16 346	1.70 394	1.67 399	2.69 390	1.44 397	3.06 398	3.63 403	1.98 379	3.27 392	3.54 398	2.07 392	2.36 392	2.22 383	1.31 400	0.91 403	2.04 401	1.22 408	1.73 394	1.27 405

IMH	2.04 393	1.62 401	1.20 355	2.20 403	1.89 403	2.91 401	1.30 387	3.11 399	3.03 396	1.81 373	3.35 396	3.03 388	1.90 386	2.48 394	1.80 374	1.66 405	0.77 399	2.45 408	1.04 402	2.15 404	1.19 404

LVE	2.12 395	1.44 395	1.36 370	1.99 401	1.78 400	2.75 392	1.79 406	2.82 395	3.95 405	1.90 377	4.33 408	3.52 397	1.81 382	2.24 390	1.74 369	1.74 406	0.87 402	2.06 402	1.13 404	1.91 400	1.35 406

MADNet+	2.23 396	2.43 412	10.85 413	1.22 388	0.91 378	2.76 393	1.40 394	2.12 390	1.67 374	1.32 349	1.74 354	1.86 372	1.74 381	6.25 412	4.41 401	0.65 380	0.64 389	0.58 376	0.54 379	0.80 379	0.76 381

KSHMR	2.57 397	1.93 407	1.69 379	2.63 411	2.42 410	2.86 398	2.07 409	3.27 403	6.50 409	2.49 392	3.36 397	3.41 396	1.92 387	2.49 395	1.94 375	2.13 411	1.40 413	2.79 415	1.50 411	2.73 410	1.77 409

notaker	2.76 398	2.29 411	1.80 384	2.96 413	2.58 414	2.90 400	1.75 404	3.24 402	3.05 397	2.78 396	4.24 407	6.15 412	2.51 397	3.34 400	2.75 389	2.31 413	1.18 411	3.00 416	1.65 412	2.84 413	1.97 410

JetBlue	2.78 399	1.26 390	7.04 409	1.16 386	1.48 393	8.00 416	6.02 417	2.60 394	1.92 379	2.12 383	2.64 382	3.34 395	3.05 405	6.49 413	3.39 393	0.78 386	0.76 398	0.75 379	0.76 389	0.97 385	1.18 403

WAO-8	2.92 400	1.55 399	1.35 366	1.79 396	1.63 397	5.23 410	1.22 382	4.58 411	12.56 415	2.84 398	4.07 406	4.83 403	2.72 401	3.49 402	2.25 384	1.27 395	0.91 403	1.99 396	1.15 406	1.86 396	1.15 399

Venus	2.92 400	1.55 399	1.35 366	1.79 396	1.63 397	5.23 410	1.22 382	4.58 411	12.56 415	2.84 398	4.06 405	4.83 403	2.72 401	3.49 402	2.25 384	1.27 395	0.91 403	1.99 396	1.15 406	1.86 396	1.15 399

ktn	2.98 402	2.25 410	1.73 381	2.84 412	2.53 413	3.76 407	2.15 410	3.70 407	5.47 408	2.75 395	5.17 413	5.94 410	2.48 396	3.23 399	2.46 387	2.34 415	1.44 414	2.78 414	2.03 414	2.45 408	2.01 412

TorneroNet-64	3.44 403	1.86 405	1.42 374	2.58 410	2.28 408	6.87 413	1.68 402	4.70 413	12.03 412	2.31 388	5.59 414	8.25 414	2.55 398	3.97 407	2.73 388	1.81 407	0.74 393	2.57 410	1.07 403	2.35 406	1.44 407

UNDER WATER	3.46 404	2.07 409	3.64 400	3.09 414	2.48 411	3.75 406	2.42 413	3.31 404	13.77 417	2.90 402	2.95 389	5.84 408	3.69 409	3.69 404	3.48 396	2.07 410	1.11 410	2.70 413	1.40 409	2.84 413	1.98 411

UNDER WATER-64	3.53 405	2.01 408	3.94 401	3.22 416	2.49 412	5.41 412	2.60 414	3.43 406	12.41 414	3.03 403	2.68 384	6.07 411	4.04 410	3.79 406	3.33 392	2.02 409	1.24 412	2.63 411	1.46 410	2.78 411	2.08 413

DPSimNet_ROB	3.58 406	2.45 413	8.57 411	2.53 407	2.37 409	2.88 399	3.77 416	3.14 400	3.23 399	4.71 413	3.86 401	4.68 401	4.87 413	4.07 408	5.62 405	2.33 414	2.33 416	2.47 409	2.52 415	2.51 409	2.64 415

MADNet++	4.03 407	2.70 417	3.44 399	3.72 418	3.44 417	4.44 409	3.52 415	3.95 409	3.61 402	4.46 410	4.98 412	4.10 399	4.58 412	7.00 415	5.89 406	3.74 416	3.67 419	3.27 418	2.71 417	3.70 418	3.66 419

SGM-ForestM	4.04 408	0.32 265	0.46 149	0.43 191	0.27 175	7.50 415	1.45 398	3.84 408	4.24 406	8.19 417	6.76 415	19.00 424	9.08 415	10.74 419	6.62 409	0.31 319	0.33 356	0.32 327	0.32 339	0.29 288	0.29 297

MANE	4.13 409	0.51 335	0.64 260	0.66 359	0.56 358	6.89 414	0.99 367	7.55 416	12.04 413	6.68 416	8.57 417	10.69 417	9.45 416	7.59 416	6.39 408	0.49 369	0.43 377	0.48 364	0.98 397	0.49 358	0.48 367

LE_ROB	4.42 410	0.24 184	2.75 394	0.42 173	0.23 70	1.57 369	0.90 360	1.71 383	17.88 424	16.56 426	4.88 411	5.17 407	18.85 426	1.63 369	14.62 418	0.17 146	0.14 181	0.16 62	0.16 125	0.19 195	0.17 165

TorneroNet	4.53 411	1.89 406	1.48 376	2.55 408	2.27 407	13.78 421	1.69 403	4.84 415	23.73 429	2.89 401	7.70 416	7.06 413	2.69 400	4.26 409	3.42 394	1.84 408	0.77 399	2.68 412	1.13 404	2.42 407	1.47 408

LSM	4.74 412	0.77 367	10.16 412	0.70 368	56.56 434	1.02 316	1.00 369	1.24 324	1.62 372	2.04 380	2.34 372	1.33 335	1.17 352	1.38 357	1.09 343	0.33 337	0.49 383	0.39 348	0.46 365	0.51 361	10.09 421

JetRed	5.27 413	5.84 419	12.81 417	2.36 406	2.83 415	12.23 420	10.50 419	4.46 410	3.60 401	3.86 409	3.83 400	4.85 405	4.18 411	6.78 414	11.96 415	2.17 412	2.96 418	2.18 404	1.97 413	3.38 417	2.68 416

tt	6.20 414	0.20 72	5.89 406	3.55 417	2.07 406	11.26 419	19.21 420	11.74 420	5.46 407	2.69 394	2.04 368	4.87 406	6.25 414	3.70 405	7.09 411	8.32 422	11.17 426	4.93 419	5.41 421	5.74 419	2.37 414

coex-ft	6.43 415	1.51 398	87.33 438	0.49 275	0.38 294	1.34 353	1.21 381	1.16 289	8.09 411	12.12 418	2.79 385	2.77 387	3.31 406	1.16 328	3.15 390	0.24 271	0.23 303	0.27 299	0.24 291	0.45 351	0.37 335

HanzoNet	6.76 416	2.45 413	4.22 403	3.19 415	2.94 416	3.62 405	2.28 412	4.79 414	7.20 410	14.00 422	13.19 421	17.49 422	22.30 427	13.25 420	6.19 407	4.20 418	1.93 415	3.10 417	2.56 416	3.35 416	2.88 417

EDNetEfficientorigin	9.93 417	1.15 388	175.16 439	0.48 260	0.36 281	1.04 323	0.68 325	1.24 324	2.69 393	3.17 404	2.50 377	2.30 379	2.07 392	1.76 375	2.21 381	0.20 225	0.18 258	0.24 262	0.19 212	0.51 361	0.50 371

DGTPSM_ROB	12.07 418	8.00 420	20.99 418	8.93 421	16.78 420	10.67 417	30.87 424	9.01 418	15.16 419	6.50 414	15.41 425	9.04 415	14.85 418	9.25 417	21.67 422	4.57 419	8.57 421	5.08 420	9.28 422	5.90 420	10.95 422

DPSMNet_ROB	12.08 419	8.00 420	21.00 419	8.97 422	16.79 421	10.67 417	30.89 425	9.02 419	15.17 420	6.51 415	15.41 425	9.04 415	14.85 418	9.27 418	21.67 422	4.58 420	8.57 421	5.09 421	9.29 423	5.90 420	10.95 422

BEATNet-Init1	15.13 420	0.82 373	50.86 437	0.72 371	0.53 351	38.10 431	7.03 418	11.83 421	14.25 418	29.78 435	30.17 435	48.21 438	22.64 428	26.78 429	18.11 420	0.42 361	0.38 365	0.47 361	0.46 365	0.51 361	0.48 367

DPSM_ROB	17.78 421	18.63 424	24.31 425	20.90 424	19.47 422	25.97 424	36.21 427	21.23 428	16.24 422	13.38 420	14.06 423	19.18 425	16.30 421	20.78 422	25.67 425	9.38 424	9.23 424	9.49 424	9.82 424	13.51 423	11.91 425

DPSM	17.78 421	18.63 424	24.31 425	20.90 424	19.47 422	25.97 424	36.21 427	21.23 428	16.24 422	13.38 420	14.06 423	19.18 425	16.30 421	20.78 422	25.67 425	9.38 424	9.23 424	9.49 424	9.82 424	13.51 423	11.91 425

DLNR_Zeroshot_test	20.09 423	36.28 431	38.04 428	169.85 439	61.80 435	0.23 5	0.20 1	13.88 422	0.37 31	0.44 45	0.66 76	0.43 57	0.21 5	0.62 142	0.28 44	5.46 421	0.10 10	0.15 43	0.11 15	72.60 438	0.11 9

LRCNet_RVC	21.24 424	31.15 430	21.41 420	28.98 427	23.82 425	3.13 403	0.60 307	20.96 427	1.59 368	25.58 427	28.15 430	21.99 427	14.79 417	21.94 428	16.41 419	28.89 436	14.87 427	33.53 432	31.28 432	29.51 434	26.16 432

SPstereo	24.26 425	4.19 418	6.66 408	4.29 419	3.79 418	45.68 432	78.09 438	63.52 439	33.36 438	27.50 434	26.65 427	39.53 437	33.55 437	42.77 439	51.02 433	3.90 417	3.72 420	5.95 422	4.66 419	3.15 415	3.30 418

HaxPig	31.96 426	37.24 432	34.27 427	24.37 426	24.88 426	18.26 422	19.86 421	20.64 426	28.52 430	35.97 436	38.75 436	25.57 428	28.72 430	33.88 430	34.39 430	35.94 437	38.87 437	37.80 433	40.48 433	39.68 435	41.15 437

Anonymous_1	33.25 427	18.26 423	23.92 421	20.54 423	21.28 424	25.59 423	35.94 426	22.01 430	15.57 421	13.33 419	13.49 422	18.08 423	15.29 420	20.36 421	24.60 424	16.28 429	8.84 423	66.59 436	118.00 436	155.73 439	11.23 424

CasAABBNet	35.74 428	37.43 433	48.72 432	42.22 433	39.20 432	52.24 433	73.12 434	42.61 436	32.62 435	26.78 428	27.95 428	38.58 434	32.60 431	41.67 436	51.65 438	18.74 430	18.57 432	19.15 430	19.77 427	27.20 428	23.98 430

MyStereo03	35.77 429	37.55 435	48.75 433	42.19 430	39.18 429	52.27 434	73.13 435	42.32 433	32.61 431	27.03 431	28.40 432	38.50 431	32.89 432	41.62 433	51.63 435	18.78 431	18.59 434	19.11 426	19.80 428	27.18 425	23.95 427

MyStereo02	35.77 429	37.55 435	48.75 433	42.19 430	39.18 429	52.27 434	73.13 435	42.32 433	32.61 431	27.03 431	28.40 432	38.50 431	32.89 432	41.62 433	51.63 435	18.78 431	18.59 434	19.11 426	19.80 428	27.18 425	23.95 427

MyStereo	35.77 429	37.55 435	48.75 433	42.19 430	39.18 429	52.27 434	73.13 435	42.32 433	32.61 431	27.03 431	28.40 432	38.50 431	32.89 432	41.62 433	51.63 435	18.78 431	18.59 434	19.11 426	19.80 428	27.18 425	23.95 427

Selective-RAFT-Error	35.84 432	37.49 434	48.83 436	42.26 434	39.24 433	52.30 437	73.09 433	42.66 437	32.61 431	26.80 429	28.30 431	38.84 436	33.51 436	41.68 437	51.59 434	18.82 434	18.58 433	19.17 431	19.80 428	27.28 429	24.05 431

xxxxx1	36.64 433	19.51 426	24.21 422	61.66 436	64.63 436	27.28 427	40.10 429	20.25 423	18.63 425	14.07 423	12.97 418	17.26 419	17.36 423	21.70 425	27.93 427	13.18 426	18.50 429	111.26 437	133.37 437	29.24 431	39.73 434

tt_ll	36.64 433	19.51 426	24.21 422	61.66 436	64.63 436	27.28 427	40.10 429	20.25 423	18.63 425	14.07 423	12.97 418	17.26 419	17.36 423	21.70 425	27.93 427	13.18 426	18.50 429	111.26 437	133.37 437	29.24 431	39.73 434

ff	36.64 433	19.51 426	24.21 422	61.66 436	64.63 436	27.28 427	40.10 429	20.25 423	18.63 425	14.07 423	12.97 418	17.26 419	17.36 423	21.70 425	27.93 427	13.18 426	18.50 429	111.26 437	133.37 437	29.24 431	39.73 434

MEDIAN_ROB	37.38 436	40.85 440	40.60 430	32.31 428	31.85 427	27.20 426	24.55 422	29.10 431	33.19 437	42.09 438	41.76 438	33.35 429	34.39 438	39.78 432	37.07 431	43.64 439	44.10 439	44.12 435	43.40 435	41.51 437	42.76 439

AVERAGE_ROB	37.58 437	40.13 439	40.15 429	34.81 429	33.82 428	28.55 430	25.10 423	32.02 432	34.06 439	41.28 437	40.66 437	34.46 430	34.81 439	39.18 431	37.57 432	42.78 438	43.44 438	43.82 434	43.03 434	40.47 436	41.51 438

LSM0	38.95 438	37.60 438	48.58 431	43.57 435	91.06 439	52.57 438	72.57 432	43.17 438	32.63 436	26.97 430	27.97 429	38.65 435	32.94 435	41.86 438	51.78 439	18.89 435	18.41 428	19.13 429	19.63 426	27.29 430	33.77 433

PML	40.80 439	29.24 429	11.87 416	7.20 420	14.47 419	92.13 439	213.69 440	7.63 417	23.35 428	74.72 439	190.14 440	50.17 439	26.15 429	21.39 424	12.70 416	8.76 423	2.92 417	8.45 423	3.25 418	13.26 422	4.42 420

test_example2	176.61 440	205.14 441	198.86 440	188.60 440	190.98 440	152.67 440	170.61 439	94.86 440	123.55 440	178.88 440	179.48 439	158.94 440	141.34 440	192.61 440	198.96 440	203.76 440	236.37 440	164.13 440	173.55 440	218.58 440	160.41 440

ASD4		8.86 422

Low-res two-view benchmark