Low-res two-view results

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

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

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

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

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

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

CroCo-Stereo Lap2	0.28 11	0.24 186	0.39 74	0.50 290	0.29 219	0.20 1	0.31 91	0.49 15	0.38 37	0.24 1	0.27 5	0.46 71	0.31 61	0.39 16	0.30 63	0.14 33	0.15 208	0.16 64	0.13 53	0.16 112	0.15 111

test_4	0.36 69	0.18 36	0.31 14	0.44 207	0.25 116	0.20 1	0.34 123	0.56 32	0.41 44	0.59 78	1.45 335	0.43 59	0.25 13	0.63 154	0.28 46	0.12 4	0.10 9	0.17 89	0.19 214	0.15 81	0.11 11

CroCo-Stereo	0.26 5	0.22 133	0.36 38	0.48 261	0.22 44	0.20 1	0.29 61	0.51 19	0.44 54	0.28 4	0.23 1	0.42 53	0.26 20	0.29 1	0.26 27	0.15 81	0.13 156	0.13 11	0.11 18	0.16 112	0.12 35
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
MoCha-V2	0.23 1	0.18 36	0.31 14	0.64 352	0.17 4	0.21 4	0.24 27	0.40 4	0.22 1	0.30 8	0.26 3	0.30 5	0.25 13	0.30 3	0.22 1	0.12 4	0.10 9	0.12 2	0.10 11	0.13 21	0.09 1

Pruner-Stereo	0.38 99	0.20 74	0.45 135	0.40 113	0.25 116	0.22 5	0.24 27	0.67 96	0.55 80	0.89 251	0.76 105	0.68 171	0.29 46	0.62 144	0.35 115	0.18 176	0.12 101	0.20 184	0.17 167	0.17 145	0.18 182

DLNR_Zeroshot_test	20.09 425	36.28 433	38.04 430	169.85 441	61.80 437	0.23 6	0.20 1	13.88 424	0.37 33	0.44 47	0.66 78	0.43 59	0.21 5	0.62 144	0.28 46	5.46 423	0.10 9	0.15 45	0.11 18	72.60 440	0.11 11

RAFT_R40	0.40 125	0.19 52	0.44 124	0.43 192	0.25 116	0.23 6	0.26 41	0.67 96	0.67 118	0.98 292	0.78 117	0.72 191	0.43 127	0.76 226	0.35 115	0.16 115	0.11 59	0.20 184	0.16 127	0.18 163	0.14 92

LargeStereo	0.24 2	0.17 20	0.31 14	0.38 68	0.22 44	0.24 8	0.22 8	0.50 18	0.23 2	0.28 4	0.35 18	0.30 5	0.22 6	0.31 4	0.28 46	0.14 33	0.10 9	0.13 11	0.10 11	0.13 21	0.13 60

DisPM	0.39 113	0.19 52	0.44 124	0.41 137	0.27 177	0.24 8	0.31 91	0.65 77	0.57 85	0.87 239	0.87 164	0.60 132	0.32 65	0.76 226	0.32 78	0.18 176	0.12 101	0.19 160	0.17 167	0.15 81	0.20 230

Patchmatch Stereo++	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.22 8	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.58 111	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111
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 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.31 91	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.56 84	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

ROB_FTStereo_v2	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.31 91	0.59 41	0.36 23	0.63 95	0.73 93	0.57 105	0.38 96	0.57 94	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

HUI-Stereo	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.22 8	0.60 51	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.50 56	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

iGMRVC	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.30 74	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.58 111	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

iRAFT	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.22 8	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.58 111	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

RAFT-IKP	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.24 8	0.28 54	0.59 41	0.36 23	0.63 95	0.73 93	0.57 105	0.38 96	0.58 111	0.36 131	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

ROB_FTStereo	0.35 51	0.23 150	0.47 161	0.41 137	0.22 44	0.25 17	0.21 4	0.59 41	0.36 23	0.63 95	0.73 93	0.58 113	0.38 96	0.57 94	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.20 210	0.15 111

SST-Stereo	0.40 125	0.19 52	0.45 135	0.42 174	0.25 116	0.25 17	0.21 4	0.66 86	0.47 62	1.08 326	0.79 126	0.72 191	0.43 127	0.77 233	0.35 115	0.16 115	0.11 59	0.20 184	0.16 127	0.19 197	0.15 111

CASnet	0.30 28	0.20 74	0.33 23	0.41 137	0.16 3	0.26 19	0.24 27	0.52 22	0.53 72	0.52 64	0.54 50	0.39 41	0.24 11	0.40 19	0.26 27	0.14 33	0.10 9	0.22 236	0.18 189	0.18 163	0.11 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.27 7	0.17 20	0.31 14	0.34 12	0.45 335	0.26 19	0.28 54	0.37 1	0.32 9	0.30 8	0.46 26	0.31 10	0.37 93	0.36 7	0.24 7	0.14 33	0.10 9	0.15 45	0.12 32	0.13 21	0.11 11

MC-Stereo	0.28 11	0.17 20	0.32 20	0.38 68	0.20 22	0.26 19	0.26 41	0.49 15	0.37 33	0.37 20	0.61 67	0.41 47	0.31 61	0.55 76	0.25 10	0.13 13	0.09 2	0.14 19	0.12 32	0.12 9	0.11 11

NF-Stereo	0.38 99	0.20 74	0.45 135	0.41 137	0.25 116	0.26 19	0.31 91	0.69 114	0.70 124	0.65 111	0.77 109	0.57 105	0.30 57	0.67 183	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 286

OCTAStereo	0.38 99	0.20 74	0.46 151	0.41 137	0.25 116	0.26 19	0.31 91	0.69 114	0.70 124	0.65 111	0.77 109	0.58 113	0.30 57	0.67 183	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 286

RE-Stereo	0.38 99	0.20 74	0.46 151	0.41 137	0.25 116	0.26 19	0.31 91	0.69 114	0.70 124	0.65 111	0.77 109	0.58 113	0.30 57	0.67 183	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 286

TVStereo	0.38 99	0.20 74	0.46 151	0.41 137	0.25 116	0.26 19	0.31 91	0.69 114	0.70 124	0.65 111	0.77 109	0.58 113	0.30 57	0.67 183	0.35 115	0.18 176	0.12 101	0.20 184	0.16 127	0.16 112	0.27 286

DeepStereo_RVC	0.36 69	0.21 106	0.47 161	0.40 113	0.24 90	0.26 19	0.22 8	0.60 51	0.38 37	0.69 134	0.67 82	0.57 105	0.51 165	0.56 84	0.39 157	0.16 115	0.12 101	0.18 123	0.15 98	0.19 197	0.18 182

H2IRNET	0.37 84	0.20 74	0.33 23	0.38 68	0.25 116	0.27 27	0.23 19	0.59 41	0.72 135	0.39 32	0.90 178	0.74 206	0.55 184	0.52 65	0.43 174	0.15 81	0.13 156	0.18 123	0.20 236	0.16 112	0.13 60

test croco	0.31 30	0.20 74	0.50 199	0.39 89	0.29 219	0.27 27	0.30 74	0.44 8	0.35 18	0.31 10	0.66 78	0.30 5	0.31 61	0.65 168	0.31 70	0.17 148	0.13 156	0.20 184	0.15 98	0.17 145	0.12 35

StereoIM	0.26 5	0.18 36	0.36 38	0.36 38	0.26 153	0.27 27	0.27 47	0.43 7	0.35 18	0.27 2	0.26 3	0.41 47	0.28 36	0.40 19	0.28 46	0.16 115	0.14 183	0.16 64	0.13 53	0.14 48	0.12 35

MIM_Stereo	0.38 99	0.17 20	0.53 217	0.37 47	0.24 90	0.27 27	0.24 27	0.70 128	0.54 76	0.72 157	1.00 222	0.63 143	0.29 46	0.64 161	0.38 151	0.13 13	0.14 183	0.17 89	0.16 127	0.14 48	0.11 11

Selective-IGEV	0.24 2	0.18 36	0.35 33	0.35 30	0.19 11	0.27 27	0.25 35	0.55 31	0.23 2	0.27 2	0.25 2	0.34 23	0.19 2	0.58 111	0.22 1	0.12 4	0.10 9	0.14 19	0.11 18	0.12 9	0.10 4

IRAFT_RVC	0.42 142	0.20 74	0.48 177	0.44 207	0.24 90	0.27 27	0.54 292	0.74 146	0.77 162	0.76 178	0.80 128	0.73 201	0.51 165	0.70 197	0.36 131	0.17 148	0.10 9	0.21 224	0.16 127	0.16 112	0.14 92

CREStereo++_RVC	0.32 32	0.15 4	0.23 1	0.31 7	0.24 90	0.27 27	0.22 8	0.46 10	0.88 217	0.46 51	0.80 128	0.30 5	0.26 20	0.36 7	0.33 90	0.13 13	0.09 2	0.13 11	0.51 379	0.13 21	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
AFF-stereo	0.38 99	0.19 52	0.39 74	0.37 47	0.21 31	0.27 27	0.31 91	0.65 77	0.66 116	0.64 104	1.13 272	0.76 214	0.39 108	0.55 76	0.33 90	0.11 1	0.09 2	0.16 64	0.16 127	0.13 21	0.11 11

MIF-Stereo (partial)	0.31 30	0.18 36	0.37 48	0.41 137	0.31 246	0.28 35	0.23 19	0.47 11	0.42 48	0.31 10	0.63 69	0.36 34	0.35 81	0.57 94	0.31 70	0.17 148	0.13 156	0.19 160	0.17 167	0.18 163	0.14 92

test_5	0.43 148	0.24 186	0.43 114	0.52 313	0.28 196	0.28 35	0.42 235	0.72 137	0.82 184	0.62 88	0.91 181	0.72 191	0.55 184	0.79 240	0.35 115	0.14 33	0.11 59	0.18 123	0.18 189	0.18 163	0.16 150

PFNet+	0.40 125	0.19 52	0.49 187	0.39 89	0.25 116	0.28 35	0.23 19	0.64 76	0.70 124	0.85 227	0.79 126	0.64 150	0.35 81	0.72 207	0.34 100	0.19 205	0.14 183	0.23 250	0.20 236	0.16 112	0.20 230

AnonymousM	0.41 136	0.81 372	0.29 11	0.34 12	0.22 44	0.28 35	0.38 190	0.53 30	0.41 44	0.70 140	0.49 34	0.47 73	0.27 27	0.41 22	0.31 70	0.15 81	0.12 101	1.51 392	0.26 312	0.12 9	0.10 4

DCANet-4	0.36 69	0.20 74	0.48 177	0.34 12	0.19 11	0.29 39	0.30 74	0.66 86	0.92 239	0.69 134	0.78 117	0.40 44	0.47 145	0.45 34	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

fff	0.37 84	0.16 9	0.41 86	0.34 12	0.19 11	0.29 39	0.30 74	0.69 114	1.06 304	0.69 134	0.78 117	0.42 53	0.63 224	0.46 41	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

RAFT+CT+SA	0.39 113	0.23 150	0.36 38	0.51 302	0.27 177	0.29 39	0.46 247	0.75 152	0.80 177	0.51 61	0.89 175	0.41 47	0.40 113	0.78 237	0.32 78	0.14 33	0.11 59	0.18 123	0.18 189	0.15 81	0.14 92

TRStereo	0.37 84	0.27 232	0.59 239	0.47 256	0.41 313	0.29 39	0.30 74	0.84 179	0.59 87	0.52 64	0.41 21	0.52 87	0.26 20	0.73 212	0.27 36	0.17 148	0.12 101	0.19 160	0.19 214	0.13 21	0.11 11

AAGNet	1.43 378	0.20 74	0.48 177	0.44 207	0.25 116	0.29 39	0.31 91	0.65 77	0.68 119	0.97 288	0.86 160	0.67 170	0.62 218	0.64 161	20.63 423	0.16 115	0.11 59	0.19 160	0.15 98	0.19 197	0.12 35

csc	0.37 84	0.16 9	0.41 86	0.34 12	0.19 11	0.29 39	0.30 74	0.69 114	1.06 304	0.69 134	0.78 117	0.42 53	0.63 224	0.46 41	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

cscssc	0.37 84	0.16 9	0.41 86	0.34 12	0.19 11	0.29 39	0.30 74	0.69 114	1.06 304	0.69 134	0.78 117	0.42 53	0.63 224	0.46 41	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.11 1	0.13 60

IGEV_Zeroshot_test	0.34 39	0.18 36	0.67 276	0.39 89	0.28 196	0.30 46	0.25 35	0.74 146	0.31 7	0.62 88	0.57 58	0.54 95	0.25 13	0.53 71	0.27 36	0.14 33	0.10 9	0.15 45	0.14 76	0.14 48	0.12 35

MIF-Stereo	0.27 7	0.17 20	0.37 48	0.40 113	0.27 177	0.30 46	0.28 54	0.39 2	0.31 7	0.29 7	0.46 26	0.27 2	0.25 13	0.47 48	0.34 100	0.17 148	0.13 156	0.13 11	0.12 32	0.14 48	0.12 35

anonymousdsp	0.29 16	0.21 106	0.38 57	0.37 47	0.25 116	0.30 46	0.35 140	0.63 66	0.35 18	0.39 32	0.33 11	0.33 20	0.28 36	0.59 125	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

ADStereo(finetuned)	0.37 84	0.16 9	0.49 187	0.34 12	0.19 11	0.30 46	0.30 74	0.68 105	0.91 234	0.70 140	0.77 109	0.43 59	0.69 258	0.45 34	0.33 90	0.14 33	0.10 9	0.14 19	0.11 18	0.13 21	0.12 35

IGEV-Stereo	0.29 16	0.21 106	0.38 57	0.37 47	0.25 116	0.30 46	0.35 140	0.63 66	0.35 18	0.39 32	0.33 11	0.33 20	0.28 36	0.59 125	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PSM-softLoss	0.38 99	0.20 74	0.48 177	0.41 137	0.26 153	0.30 46	0.35 140	0.69 114	0.46 59	0.62 88	0.82 138	0.59 127	0.33 73	0.70 197	0.39 157	0.19 205	0.12 101	0.20 184	0.18 189	0.16 112	0.22 256

KMStereo	0.38 99	0.20 74	0.48 177	0.41 137	0.26 153	0.30 46	0.35 140	0.69 114	0.46 59	0.62 88	0.82 138	0.59 127	0.33 73	0.70 197	0.39 157	0.19 205	0.12 101	0.20 184	0.18 189	0.16 112	0.22 256

rafts_anoy	0.37 84	0.21 106	0.36 38	0.41 137	0.26 153	0.30 46	0.33 116	0.67 96	0.90 229	0.58 76	0.66 78	0.45 65	0.33 73	0.47 48	0.39 157	0.16 115	0.11 59	0.21 224	0.23 280	0.17 145	0.14 92

raftrobust	0.34 39	0.19 52	0.36 38	0.41 137	0.27 177	0.30 46	0.25 35	0.71 133	0.63 101	0.58 76	0.55 55	0.45 65	0.46 142	0.51 60	0.29 58	0.16 115	0.12 101	0.14 19	0.12 32	0.12 9	0.13 60

DCANet	0.36 69	0.16 9	0.41 86	0.34 12	0.19 11	0.30 46	0.30 74	0.68 105	0.91 234	0.70 140	0.77 109	0.43 59	0.57 191	0.45 34	0.34 100	0.14 33	0.10 9	0.14 19	0.11 18	0.13 21	0.12 35

ff7	0.29 16	0.21 106	0.38 57	0.36 38	0.26 153	0.31 56	0.35 140	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 111	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

ffff	0.29 16	0.21 106	0.38 57	0.36 38	0.26 153	0.31 56	0.35 140	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 111	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

11t	0.29 16	0.21 106	0.38 57	0.36 38	0.26 153	0.31 56	0.35 140	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 111	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

RCA-Stereo	0.35 51	0.17 20	0.34 30	0.38 68	0.22 44	0.31 56	0.34 123	0.68 105	1.24 337	0.45 49	0.65 74	0.47 73	0.43 127	0.38 14	0.27 36	0.13 13	0.10 9	0.14 19	0.11 18	0.11 1	0.11 11

ccc-4	0.29 16	0.21 106	0.38 57	0.36 38	0.26 153	0.31 56	0.35 140	0.62 61	0.34 11	0.38 24	0.33 11	0.32 12	0.29 46	0.58 111	0.25 10	0.14 33	0.10 9	0.17 89	0.12 32	0.14 48	0.15 111

iRaft-Stereo_5w	0.45 164	0.21 106	0.48 177	0.42 174	0.28 196	0.31 56	0.54 292	0.63 66	0.62 91	0.62 88	0.89 175	1.01 283	0.69 258	0.75 223	0.66 260	0.13 13	0.12 101	0.17 89	0.15 98	0.14 48	0.15 111

iRaft-Stereo_20w	0.39 113	0.19 52	0.57 234	0.37 47	0.27 177	0.31 56	0.24 27	1.44 362	0.29 4	0.69 134	0.53 48	0.60 132	0.42 120	0.83 253	0.27 36	0.14 33	0.11 59	0.14 19	0.13 53	0.15 81	0.13 60

GLC_STEREO	0.29 16	0.19 52	0.27 9	0.44 207	0.19 11	0.31 56	0.26 41	0.47 11	0.43 50	0.37 20	0.47 31	0.41 47	0.23 8	0.50 56	0.34 100	0.14 33	0.18 260	0.19 160	0.16 127	0.16 112	0.13 60

iRaftStereo_RVC	0.32 32	0.19 52	0.37 48	0.39 89	0.22 44	0.31 56	0.29 61	0.68 105	0.51 66	0.49 56	0.66 78	0.37 36	0.23 8	0.45 34	0.33 90	0.14 33	0.10 9	0.18 123	0.17 167	0.15 81	0.12 35

EAI-Stereo	0.34 39	0.19 52	0.44 124	0.39 89	0.21 31	0.31 56	0.30 74	1.15 288	0.30 5	0.49 56	0.75 103	0.36 34	0.28 36	0.62 144	0.27 36	0.14 33	0.11 59	0.14 19	0.13 53	0.13 21	0.12 35

MSKI-zero shot	0.32 32	0.17 20	0.34 30	0.39 89	0.21 31	0.32 66	0.22 8	0.61 57	0.43 50	0.52 64	0.64 72	0.61 136	0.20 4	0.74 219	0.25 10	0.14 33	0.10 9	0.14 19	0.10 11	0.12 9	0.12 35

4D-IteraStereo	0.33 38	0.18 36	0.40 81	0.40 113	0.24 90	0.32 66	0.27 47	0.58 39	0.72 135	0.65 111	0.54 50	0.42 53	0.23 8	0.45 34	0.28 46	0.14 33	0.09 2	0.19 160	0.16 127	0.16 112	0.11 11

ProNet	0.29 16	0.21 106	0.38 57	0.35 30	0.24 90	0.32 66	0.43 236	0.57 35	0.37 33	0.33 16	0.30 7	0.32 12	0.28 36	0.57 94	0.26 27	0.13 13	0.11 59	0.16 64	0.13 53	0.13 21	0.13 60

cross-raft	0.34 39	0.20 74	0.37 48	0.44 207	0.23 72	0.32 66	0.35 140	0.74 146	0.40 41	0.60 82	0.77 109	0.57 105	0.27 27	0.43 27	0.28 46	0.12 4	0.10 9	0.15 45	0.13 53	0.15 81	0.11 11

HH	0.35 51	0.20 74	0.47 161	0.40 113	0.25 116	0.33 70	0.31 91	0.76 157	0.38 37	0.43 44	0.57 58	0.79 222	0.44 135	0.71 202	0.25 10	0.15 81	0.11 59	0.15 45	0.14 76	0.14 48	0.12 35

HanStereo	0.35 51	0.20 74	0.47 161	0.40 113	0.25 116	0.33 70	0.31 91	0.76 157	0.38 37	0.43 44	0.57 58	0.79 222	0.44 135	0.71 202	0.25 10	0.15 81	0.11 59	0.15 45	0.14 76	0.14 48	0.12 35

LoS	0.29 16	0.15 4	0.30 12	0.29 3	0.18 9	0.33 70	0.29 61	0.51 19	0.72 135	0.34 17	0.52 46	0.41 47	0.28 36	0.47 48	0.28 46	0.15 81	0.11 59	0.13 11	0.09 7	0.11 1	0.11 11

HHNet	0.41 136	0.17 20	0.41 86	0.34 12	0.37 288	0.33 70	0.34 123	0.69 114	0.75 149	0.86 232	1.30 309	0.52 87	0.32 65	0.52 65	0.35 115	0.15 81	0.11 59	0.19 160	0.15 98	0.15 81	0.24 269

RAFT-345	0.40 125	0.18 36	0.40 81	0.38 68	0.22 44	0.33 70	0.26 41	0.61 57	0.51 66	0.74 170	1.79 359	0.45 65	0.33 73	0.66 173	0.36 131	0.14 33	0.11 59	0.18 123	0.14 76	0.13 21	0.13 60

RAFT-Stereo + iAFF	0.36 69	0.17 20	0.41 86	0.35 30	0.19 11	0.33 70	0.29 61	0.65 77	0.73 142	0.68 129	1.01 225	0.56 100	0.40 113	0.42 24	0.30 63	0.11 1	0.09 2	0.15 45	0.14 76	0.13 21	0.10 4

TestStereo1	0.43 148	0.23 150	0.41 86	0.51 302	0.24 90	0.34 76	0.40 216	0.77 160	0.90 229	0.68 129	0.96 200	0.48 77	0.46 142	0.91 285	0.32 78	0.16 115	0.13 156	0.18 123	0.15 98	0.14 48	0.13 60

RAFT_CTSACE	0.45 164	0.20 74	0.44 124	0.45 228	0.27 177	0.34 76	0.39 210	0.60 51	0.73 142	0.76 178	1.44 332	0.83 234	0.38 96	1.08 321	0.26 27	0.12 4	0.13 156	0.18 123	0.16 127	0.15 81	0.11 11

SA-5K	0.43 148	0.23 150	0.41 86	0.51 302	0.24 90	0.34 76	0.40 216	0.77 160	0.90 229	0.68 129	0.96 200	0.48 77	0.46 142	0.91 285	0.32 78	0.16 115	0.13 156	0.18 123	0.15 98	0.14 48	0.13 60

NRIStereo	0.36 69	0.20 74	0.45 135	0.41 137	0.23 72	0.34 76	0.26 41	0.65 77	0.55 80	0.64 104	0.63 69	0.56 100	0.37 93	0.65 168	0.37 143	0.15 81	0.11 59	0.18 123	0.15 98	0.17 145	0.14 92

Gwc-CoAtRS	0.34 39	0.17 20	0.44 124	0.39 89	0.23 72	0.34 76	0.22 8	0.70 128	0.75 149	0.60 82	0.59 63	0.58 113	0.29 46	0.45 34	0.26 27	0.14 33	0.11 59	0.14 19	0.12 32	0.12 9	0.12 35

LL-Strereo2	0.35 51	0.24 186	0.48 177	0.41 137	0.26 153	0.35 81	0.24 27	0.67 96	0.44 54	0.54 69	0.51 40	0.66 165	0.25 13	0.66 173	0.30 63	0.14 33	0.12 101	0.23 250	0.20 236	0.18 163	0.13 60

EGLCR-Stereo	0.25 4	0.16 9	0.33 23	0.34 12	0.20 22	0.35 81	0.20 1	0.52 22	0.36 23	0.28 4	0.27 5	0.41 47	0.18 1	0.45 34	0.26 27	0.14 33	0.10 9	0.16 64	0.14 76	0.13 21	0.11 11

RALCasStereoNet	0.36 69	0.21 106	0.37 48	0.42 174	0.26 153	0.35 81	0.38 190	0.63 66	0.64 108	0.50 59	0.72 89	0.51 85	0.29 46	0.59 125	0.36 131	0.16 115	0.14 183	0.15 45	0.13 53	0.17 145	0.16 150

RALAANet	0.38 99	0.23 150	0.48 177	0.42 174	0.29 219	0.35 81	0.25 35	0.86 185	0.64 108	0.67 123	0.65 74	0.60 132	0.29 46	0.60 131	0.34 100	0.15 81	0.12 101	0.17 89	0.15 98	0.21 228	0.13 60

test_xeample3	0.29 16	0.21 106	0.41 86	0.35 30	0.26 153	0.35 81	0.32 107	0.56 32	0.36 23	0.43 44	0.32 10	0.34 23	0.28 36	0.54 74	0.23 5	0.14 33	0.11 59	0.16 64	0.12 32	0.14 48	0.13 60

CFNet-RSSM	0.34 39	0.17 20	0.45 135	0.39 89	0.22 44	0.35 81	0.23 19	0.73 144	0.84 192	0.65 111	0.54 50	0.57 105	0.28 36	0.46 41	0.26 27	0.13 13	0.10 9	0.14 19	0.12 32	0.13 21	0.11 11

knoymous	0.36 69	0.20 74	0.31 14	0.31 7	0.22 44	0.36 87	0.29 61	0.61 57	0.64 108	0.67 123	0.70 87	0.60 132	0.40 113	0.58 111	0.34 100	0.17 148	0.11 59	0.20 184	0.11 18	0.17 145	0.18 182

OMP-Stereo	0.42 142	0.22 133	0.46 151	0.52 313	0.24 90	0.36 87	0.25 35	0.71 133	0.78 169	0.77 183	0.64 72	0.89 256	0.39 108	0.91 285	0.35 115	0.15 81	0.12 101	0.20 184	0.15 98	0.15 81	0.12 35

panet	0.27 7	0.14 2	0.23 1	0.28 2	0.15 1	0.37 89	0.23 19	0.52 22	0.72 135	0.42 41	0.51 40	0.34 23	0.26 20	0.39 16	0.25 10	0.15 81	0.11 59	0.12 2	0.08 1	0.11 1	0.10 4

MGS-Stereo	0.28 11	0.19 52	0.40 81	0.36 38	0.23 72	0.37 89	0.30 74	0.39 2	0.44 54	0.31 10	0.51 40	0.40 44	0.24 11	0.43 27	0.26 27	0.15 81	0.12 101	0.15 45	0.13 53	0.14 48	0.13 60

IGEVStereo-DCA	0.29 16	0.22 133	0.38 57	0.35 30	0.27 177	0.37 89	0.35 140	0.62 61	0.34 11	0.38 24	0.30 7	0.35 29	0.27 27	0.51 60	0.22 1	0.15 81	0.12 101	0.16 64	0.12 32	0.13 21	0.15 111

rrr	0.29 16	0.22 133	0.41 86	0.35 30	0.27 177	0.37 89	0.32 107	0.52 22	0.42 48	0.38 24	0.30 7	0.35 29	0.27 27	0.51 60	0.22 1	0.15 81	0.12 101	0.16 64	0.13 53	0.13 21	0.14 92

whm_eth	0.48 188	0.30 260	0.74 300	0.46 247	0.38 296	0.37 89	0.37 170	0.79 167	0.78 169	0.82 207	1.74 356	0.37 36	0.38 96	0.60 131	0.38 151	0.18 176	0.16 235	0.20 184	0.20 236	0.19 197	0.22 256

CES	0.28 11	0.14 2	0.23 1	0.30 5	0.70 376	0.37 89	0.27 47	0.48 13	0.46 59	0.34 17	0.48 32	0.27 2	0.22 6	0.39 16	0.23 5	0.13 13	0.11 59	0.12 2	0.08 1	0.13 21	0.17 167

GMOStereo	0.37 84	0.19 52	0.38 57	0.43 192	0.24 90	0.37 89	0.38 190	0.52 22	0.62 91	0.87 239	0.84 148	0.64 150	0.35 81	0.37 10	0.28 46	0.13 13	0.11 59	0.20 184	0.18 189	0.15 81	0.11 11

error version	0.37 84	0.19 52	0.38 57	0.43 192	0.24 90	0.37 89	0.38 190	0.52 22	0.62 91	0.87 239	0.84 148	0.64 150	0.35 81	0.37 10	0.28 46	0.13 13	0.11 59	0.20 184	0.18 189	0.15 81	0.11 11

test-v	0.37 84	0.19 52	0.38 57	0.43 192	0.24 90	0.37 89	0.38 190	0.52 22	0.62 91	0.87 239	0.84 148	0.64 150	0.35 81	0.37 10	0.28 46	0.13 13	0.11 59	0.20 184	0.18 189	0.15 81	0.11 11

TransformOpticalFlow	0.44 154	0.20 74	0.47 161	0.41 137	0.23 72	0.37 89	0.47 252	0.94 214	0.76 155	0.65 111	1.14 274	0.73 201	0.56 190	0.76 226	0.32 78	0.15 81	0.10 9	0.17 89	0.15 98	0.14 48	0.13 60

ASMatch	0.48 188	0.19 52	0.45 135	0.39 89	0.28 196	0.37 89	0.26 41	0.74 146	0.68 119	0.76 178	2.34 374	0.61 136	0.52 167	0.62 144	0.37 143	0.14 33	0.12 101	0.17 89	0.15 98	0.14 48	0.21 243

test-2	0.37 84	0.19 52	0.38 57	0.43 192	0.24 90	0.37 89	0.38 190	0.52 22	0.62 91	0.87 239	0.84 148	0.64 150	0.35 81	0.37 10	0.28 46	0.13 13	0.11 59	0.20 184	0.18 189	0.15 81	0.11 11

XX-TBD	0.32 32	0.53 346	0.26 8	0.51 302	0.20 22	0.37 89	0.24 27	0.40 4	0.73 142	0.54 69	0.69 85	0.31 10	0.25 13	0.32 5	0.27 36	0.16 115	0.10 9	0.12 2	0.09 7	0.13 21	0.11 11

CREStereo	0.28 11	0.15 4	0.24 4	0.27 1	0.17 4	0.37 89	0.25 35	0.51 19	0.72 135	0.42 41	0.51 40	0.32 12	0.26 20	0.38 14	0.25 10	0.16 115	0.11 59	0.12 2	0.08 1	0.12 9	0.11 11
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
StereoVision	0.42 142	0.28 246	0.45 135	0.49 276	0.28 196	0.38 103	0.38 190	0.72 137	0.62 91	0.44 47	1.14 274	0.54 95	0.39 108	0.56 84	0.34 100	0.21 241	0.24 312	0.25 275	0.24 293	0.26 275	0.16 150

EKT-Stereo	0.35 51	0.23 150	0.39 74	0.43 192	0.29 219	0.38 103	0.31 91	0.69 114	0.64 108	0.45 49	0.63 69	0.49 81	0.27 27	0.56 84	0.33 90	0.18 176	0.14 183	0.18 123	0.15 98	0.16 112	0.16 150

XX-Stereo	0.37 84	0.17 20	0.45 135	0.55 327	0.36 283	0.38 103	0.20 1	0.60 51	0.30 5	0.46 51	1.30 309	0.73 201	0.26 20	0.56 84	0.26 27	0.16 115	0.11 59	0.17 89	0.16 127	0.14 48	0.10 4

LL-Strereo	0.57 263	0.27 232	0.68 279	0.48 261	0.34 275	0.39 106	0.48 258	0.94 214	0.97 260	0.83 219	0.78 117	1.10 307	1.18 355	1.33 350	0.49 213	0.17 148	0.14 183	0.22 236	0.19 214	0.16 112	0.17 167

MyStereo07	0.32 32	0.22 133	0.34 30	0.42 174	0.28 196	0.40 107	0.50 268	0.72 137	0.37 33	0.37 20	0.34 17	0.32 12	0.31 61	0.59 125	0.27 36	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.16 150

MyStereo04	0.44 154	0.22 133	0.44 124	0.42 174	0.28 196	0.40 107	0.50 268	1.00 234	1.08 313	0.62 88	0.58 62	0.55 98	0.57 191	0.71 202	0.44 187	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.16 150

raft_robust	0.41 136	0.23 150	0.36 38	0.42 174	0.21 31	0.40 107	0.33 116	0.79 167	0.98 264	0.79 188	0.87 164	0.39 41	0.33 73	0.84 258	0.29 58	0.13 13	0.12 101	0.16 64	0.17 167	0.15 81	0.12 35

GwcNet-ADL	0.44 154	0.22 133	0.48 177	0.45 228	0.30 229	0.40 107	0.37 170	0.92 208	0.97 260	0.71 146	0.78 117	0.61 136	0.42 120	0.62 144	0.50 214	0.19 205	0.14 183	0.15 45	0.14 76	0.18 163	0.18 182

CrosDoStereo	0.50 217	0.18 36	0.45 135	0.38 68	0.24 90	0.40 107	1.18 379	0.67 96	0.86 204	0.94 275	1.37 318	0.63 143	0.77 288	0.65 168	0.45 193	0.15 81	0.12 101	0.17 89	0.18 189	0.14 48	0.14 92

FTStereo	0.56 258	0.20 74	0.37 48	0.41 137	0.25 116	0.40 107	0.79 349	0.66 86	0.43 50	1.09 328	3.27 394	0.70 177	0.73 277	0.55 76	0.33 90	0.14 33	0.13 156	0.19 160	0.17 167	0.15 81	0.30 306

DeepStereo_LL	0.50 217	0.18 36	0.45 135	0.38 68	0.24 90	0.40 107	1.18 379	0.67 96	0.86 204	0.94 275	1.37 318	0.63 143	0.77 288	0.65 168	0.45 193	0.15 81	0.12 101	0.17 89	0.18 189	0.14 48	0.14 92

Prome-Stereo	0.46 170	0.19 52	0.35 33	0.44 207	0.26 153	0.40 107	0.45 244	0.68 105	0.44 54	0.96 283	1.84 361	0.59 127	0.67 248	0.61 138	0.32 78	0.14 33	0.11 59	0.16 64	0.14 76	0.16 112	0.29 299

TestStereo	0.38 99	0.31 265	0.40 81	0.45 228	0.20 22	0.40 107	0.37 170	0.66 86	0.65 113	0.53 67	0.78 117	0.47 73	0.40 113	0.55 76	0.37 143	0.18 176	0.13 156	0.20 184	0.15 98	0.22 244	0.13 60

sAnonymous2	0.40 125	0.39 305	0.85 318	0.48 261	0.37 288	0.40 107	0.46 247	0.57 35	0.52 69	0.38 24	0.46 26	0.35 29	0.42 120	0.43 27	0.30 63	0.19 205	0.14 183	0.18 123	0.17 167	0.57 374	0.44 358

CroCo_RVC	0.40 125	0.39 305	0.85 318	0.48 261	0.37 288	0.40 107	0.46 247	0.57 35	0.52 69	0.38 24	0.46 26	0.35 29	0.42 120	0.43 27	0.30 63	0.19 205	0.14 183	0.18 123	0.17 167	0.57 374	0.44 358

R-Stereo Train	0.39 113	0.18 36	0.42 105	0.42 174	0.26 153	0.40 107	0.32 107	0.72 137	0.34 11	0.89 251	1.28 305	0.57 105	0.35 81	0.42 24	0.32 78	0.15 81	0.12 101	0.14 19	0.12 32	0.14 48	0.13 60

RAFT-Stereo	0.39 113	0.18 36	0.42 105	0.42 174	0.26 153	0.40 107	0.32 107	0.72 137	0.34 11	0.89 251	1.28 305	0.57 105	0.35 81	0.42 24	0.32 78	0.15 81	0.12 101	0.14 19	0.12 32	0.14 48	0.13 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MyStereo06	0.38 99	0.21 106	0.61 246	0.41 137	0.28 196	0.41 120	0.50 268	0.95 220	0.35 18	0.62 88	0.54 50	0.76 214	0.27 27	0.50 56	0.29 58	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.15 111

MyStereo05	0.44 154	0.21 106	0.45 135	0.41 137	0.28 196	0.41 120	0.50 268	0.93 210	1.09 315	0.76 178	0.61 67	0.51 85	0.57 191	0.73 212	0.42 169	0.14 33	0.13 156	0.18 123	0.17 167	0.17 145	0.15 111

UDGNet	0.48 188	0.77 369	0.50 199	0.48 261	0.31 246	0.41 120	0.34 123	0.70 128	0.92 239	0.65 111	0.60 64	0.58 113	0.43 127	0.63 154	0.41 165	0.32 333	0.15 208	0.66 380	0.19 214	0.36 329	0.21 243

CRE-IMP	0.36 69	0.23 150	0.49 187	0.42 174	0.24 90	0.41 120	0.21 4	0.57 35	0.41 44	0.65 111	0.72 89	0.53 91	0.37 93	0.61 138	0.38 151	0.17 148	0.11 59	0.19 160	0.15 98	0.21 228	0.18 182

sCroCo_RVC	0.35 51	0.28 246	0.69 285	0.51 302	0.39 301	0.41 120	0.31 91	0.49 15	0.45 58	0.31 10	0.48 32	0.38 40	0.32 65	0.46 41	0.32 78	0.21 241	0.22 295	0.19 160	0.19 214	0.21 228	0.20 230

DCRE	0.37 84	0.18 36	0.46 151	0.45 228	0.32 259	0.42 125	0.37 170	0.63 66	0.51 66	0.47 54	0.94 189	0.56 100	0.36 90	0.52 65	0.32 78	0.14 33	0.13 156	0.15 45	0.14 76	0.14 48	0.13 60

GMStereo	0.39 113	0.37 292	0.54 220	0.40 113	0.26 153	0.42 125	0.36 158	0.59 41	1.04 292	0.55 71	0.51 40	0.37 36	0.35 81	0.54 74	0.41 165	0.19 205	0.13 156	0.16 64	0.17 167	0.24 263	0.18 182
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SA	0.44 154	0.25 204	0.46 151	0.46 247	0.24 90	0.43 127	0.36 158	0.75 152	0.96 257	0.59 78	1.03 237	0.48 77	0.52 167	0.94 300	0.32 78	0.16 115	0.12 101	0.21 224	0.19 214	0.15 81	0.13 60

test-3	0.34 39	0.16 9	0.43 114	0.39 89	0.21 31	0.43 127	0.22 8	0.63 66	0.78 169	0.71 146	0.45 23	0.64 150	0.27 27	0.43 27	0.31 70	0.12 4	0.09 2	0.17 89	0.13 53	0.12 9	0.10 4

test_1	0.34 39	0.16 9	0.43 114	0.39 89	0.21 31	0.43 127	0.23 19	0.63 66	0.78 169	0.68 129	0.45 23	0.64 150	0.27 27	0.43 27	0.31 70	0.12 4	0.09 2	0.17 89	0.13 53	0.12 9	0.10 4

PFNet	0.42 142	0.18 36	0.58 238	0.43 192	0.24 90	0.43 127	0.32 107	0.74 146	0.78 169	1.00 299	0.74 102	0.68 171	0.39 108	0.72 207	0.37 143	0.16 115	0.10 9	0.20 184	0.15 98	0.16 112	0.13 60

LoS_RVC	0.27 7	0.16 9	0.27 9	0.32 9	0.30 229	0.44 131	0.34 123	0.41 6	0.33 10	0.31 10	0.51 40	0.29 4	0.32 65	0.36 7	0.28 46	0.11 1	0.10 9	0.11 1	0.08 1	0.11 1	0.19 210

IIG-Stereo	0.43 148	0.21 106	0.44 124	0.50 290	0.25 116	0.44 131	0.21 4	0.71 133	0.76 155	0.83 219	0.95 196	0.83 234	0.43 127	0.90 278	0.35 115	0.15 81	0.12 101	0.19 160	0.14 76	0.15 81	0.11 11

KYRaft	0.48 188	0.20 74	0.38 57	0.44 207	0.23 72	0.44 131	0.37 170	0.66 86	0.41 44	0.94 275	1.73 354	0.79 222	0.41 119	0.63 154	0.31 70	0.16 115	0.11 59	0.18 123	0.22 269	0.16 112	0.78 384

test-1	0.36 69	0.19 52	0.71 292	0.46 247	0.26 153	0.44 131	0.36 158	0.60 51	0.59 87	0.48 55	0.67 82	0.53 91	0.36 90	0.40 19	0.29 58	0.14 33	0.11 59	0.16 64	0.14 76	0.15 81	0.16 150

DN-CSS_ROB	0.43 148	0.26 218	0.62 249	0.40 113	0.29 219	0.44 131	0.27 47	0.77 160	0.75 149	0.72 157	1.09 261	0.48 77	0.43 127	0.69 194	0.37 143	0.15 81	0.12 101	0.21 224	0.19 214	0.18 163	0.16 150

raft+_RVC	0.38 99	0.19 52	0.35 33	0.37 47	0.25 116	0.45 136	0.37 170	0.78 165	0.89 227	0.51 61	0.78 117	0.50 82	0.29 46	0.53 71	0.40 162	0.15 81	0.12 101	0.17 89	0.15 98	0.14 48	0.12 35

PMTNet	0.32 32	0.16 9	0.24 4	0.29 3	0.18 9	0.45 136	0.22 8	0.56 32	0.63 101	0.46 51	0.54 50	0.39 41	0.34 79	0.48 53	0.24 7	0.75 386	0.10 9	0.12 2	0.08 1	0.12 9	0.11 11

CAS	0.34 39	0.13 1	0.25 7	1.28 392	0.30 229	0.46 138	0.38 190	0.48 13	0.47 62	0.34 17	0.52 46	0.24 1	0.19 2	0.29 1	0.27 36	0.69 384	0.08 1	0.12 2	0.08 1	0.12 9	0.15 111

qqq	0.40 125	0.26 218	0.44 124	0.36 38	0.22 44	0.46 138	0.36 158	0.85 182	0.54 76	0.56 73	0.69 85	0.65 160	0.53 170	0.55 76	0.45 193	0.17 148	0.16 235	0.20 184	0.19 214	0.18 163	0.17 167

dd	0.43 148	0.38 301	0.55 225	0.44 207	0.25 116	0.47 140	0.38 190	0.70 128	1.05 297	0.59 78	0.65 74	0.42 53	0.39 108	0.66 173	0.50 214	0.24 273	0.15 208	0.21 224	0.15 98	0.22 244	0.18 182

LCNet	0.41 136	0.20 74	0.32 20	0.44 207	0.24 90	0.47 140	0.29 61	0.67 96	0.53 72	0.72 157	1.03 237	0.66 165	0.60 208	0.58 111	0.34 100	0.14 33	0.10 9	0.19 160	0.19 214	0.21 228	0.36 331

Former-RAFT_DAM_RVC	0.34 39	0.27 232	0.45 135	0.36 38	0.25 116	0.48 142	0.30 74	0.58 39	0.90 229	0.42 41	0.36 19	0.30 5	0.29 46	0.49 54	0.30 63	0.16 115	0.14 183	0.18 123	0.15 98	0.18 163	0.15 111

AE-Stereo	0.34 39	0.21 106	0.42 105	0.48 261	0.31 246	0.48 142	0.35 140	0.61 57	0.62 91	0.32 15	0.55 55	0.52 87	0.27 27	0.47 48	0.29 58	0.13 13	0.13 156	0.18 123	0.16 127	0.15 81	0.12 35

anonymousdsp2	0.35 51	0.20 74	0.43 114	0.37 47	0.24 90	0.48 142	0.31 91	0.86 185	0.65 113	0.55 71	0.50 35	0.50 82	0.34 79	0.56 84	0.31 70	0.14 33	0.10 9	0.14 19	0.10 11	0.16 112	0.14 92

test_3	0.36 69	0.19 52	0.44 124	0.44 207	0.23 72	0.48 142	0.36 158	0.66 86	0.82 184	0.64 104	0.45 23	0.68 171	0.25 13	0.41 22	0.31 70	0.12 4	0.10 9	0.18 123	0.16 127	0.15 81	0.11 11

IPLGR	0.39 113	0.21 106	0.63 257	0.39 89	0.22 44	0.49 146	0.29 61	0.76 157	0.74 147	0.78 186	0.77 109	0.44 64	0.42 120	0.47 48	0.38 151	0.13 13	0.12 101	0.16 64	0.14 76	0.15 81	0.13 60

RAFT-Test	0.34 39	0.18 36	0.37 48	0.38 68	0.23 72	0.50 147	0.23 19	0.69 114	0.40 41	0.60 82	0.85 157	0.61 136	0.28 36	0.46 41	0.27 36	0.14 33	0.11 59	0.14 19	0.11 18	0.13 21	0.12 35

MIPNet	0.37 84	0.21 106	0.59 239	0.39 89	0.25 116	0.50 147	0.28 54	0.77 160	0.70 124	0.65 111	0.60 64	0.40 44	0.49 152	0.44 33	0.37 143	0.14 33	0.11 59	0.16 64	0.13 53	0.14 48	0.13 60

PSMNet-RSSM	0.48 188	0.22 133	0.38 57	0.42 174	0.25 116	0.50 147	0.37 170	1.10 269	0.77 162	0.70 140	1.06 251	0.84 238	0.64 234	0.62 144	0.47 208	0.23 264	0.15 208	0.23 250	0.25 302	0.20 210	0.19 210

DeepPruner_ROB	0.53 236	0.34 280	0.59 239	0.41 137	0.30 229	0.50 147	0.43 236	1.19 301	0.70 124	0.85 227	1.05 245	0.86 242	0.55 184	0.84 258	0.51 222	0.29 312	0.23 305	0.22 236	0.22 269	0.26 275	0.25 275

ACRE	0.40 125	0.21 106	0.65 267	0.45 228	0.33 268	0.51 151	0.33 116	0.66 86	0.63 101	0.80 190	0.92 185	0.45 65	0.32 65	0.52 65	0.45 193	0.16 115	0.12 101	0.15 45	0.14 76	0.13 21	0.14 92

GMM-Stereo	0.44 154	0.19 52	0.36 38	0.42 174	0.25 116	0.51 151	0.47 252	0.71 133	0.53 72	0.76 178	1.37 318	0.76 214	0.38 96	0.60 131	0.33 90	0.15 81	0.10 9	0.20 184	0.19 214	0.16 112	0.27 286

DMCA	0.45 164	0.26 218	0.50 199	0.38 68	0.28 196	0.51 151	0.34 123	0.93 210	0.68 119	0.75 172	0.83 143	0.79 222	0.53 170	0.51 60	0.54 235	0.21 241	0.16 235	0.21 224	0.16 127	0.19 197	0.21 243

Any-RAFT	0.35 51	0.16 9	0.30 12	0.34 12	0.21 31	0.52 154	0.22 8	0.88 196	0.73 142	0.53 67	0.73 93	0.64 150	0.28 36	0.46 41	0.24 7	0.15 81	0.10 9	0.13 11	0.10 11	0.13 21	0.12 35

x	0.39 113	0.24 186	0.41 86	0.34 12	0.23 72	0.52 154	0.32 107	0.86 185	0.52 69	0.57 75	0.70 87	0.59 127	0.50 162	0.49 54	0.46 203	0.17 148	0.15 208	0.17 89	0.15 98	0.17 145	0.16 150

CIPLG	0.41 136	0.21 106	0.63 257	0.45 228	0.33 268	0.52 154	0.33 116	0.65 77	0.60 89	0.82 207	0.96 200	0.46 71	0.32 65	0.55 76	0.44 187	0.16 115	0.12 101	0.15 45	0.14 76	0.13 21	0.14 92

IPLGR_C	0.40 125	0.21 106	0.64 262	0.45 228	0.33 268	0.52 154	0.34 123	0.66 86	0.62 91	0.82 207	0.92 185	0.45 65	0.32 65	0.52 65	0.46 203	0.17 148	0.12 101	0.15 45	0.14 76	0.13 21	0.14 92

AACVNet	0.50 217	0.23 150	0.49 187	0.46 247	0.29 219	0.52 154	0.38 190	0.90 203	0.55 80	0.81 198	1.03 237	1.00 280	0.70 268	0.83 253	0.54 235	0.21 241	0.18 260	0.24 264	0.18 189	0.23 253	0.20 230

111	0.40 125	0.17 20	0.41 86	0.34 12	0.19 11	0.52 154	0.28 54	0.74 146	1.16 324	0.50 59	0.91 181	0.63 143	0.48 149	0.61 138	0.35 115	0.14 33	0.10 9	0.14 19	0.12 32	0.13 21	0.13 60

MyStereo8	0.40 125	0.20 74	0.54 220	0.41 137	0.29 219	0.53 160	0.29 61	0.65 77	0.49 64	0.71 146	0.98 215	0.58 113	0.43 127	0.50 56	0.51 222	0.15 81	0.12 101	0.16 64	0.14 76	0.19 197	0.19 210

riskmin	0.38 99	0.20 74	0.39 74	0.32 9	0.23 72	0.53 160	0.30 74	0.63 66	0.80 177	0.49 56	0.56 57	0.73 201	0.58 198	0.55 76	0.36 131	0.17 148	0.11 59	0.19 160	0.13 53	0.19 197	0.20 230

GrayStereo	0.49 204	0.19 52	0.42 105	0.46 247	0.28 196	0.53 160	0.67 322	0.69 114	0.63 101	1.02 306	1.47 338	0.78 221	0.76 284	0.56 84	0.33 90	0.14 33	0.12 101	0.17 89	0.17 167	0.15 81	0.29 299

HCRNet	0.44 154	0.34 280	0.41 86	0.53 318	0.26 153	0.53 160	0.29 61	0.83 176	0.63 101	0.71 146	0.81 135	0.77 220	0.50 162	0.66 173	0.36 131	0.24 273	0.16 235	0.24 264	0.20 236	0.21 228	0.18 182

tt1	0.36 69	0.24 186	0.32 20	0.41 137	0.22 44	0.54 164	0.38 190	0.68 105	1.04 292	0.41 36	0.46 26	0.35 29	0.45 139	0.57 94	0.25 10	0.16 115	0.10 9	0.19 160	0.13 53	0.16 112	0.16 150

IPLG	0.39 113	0.20 74	0.59 239	0.40 113	0.24 90	0.54 164	0.27 47	0.75 152	0.63 101	0.84 226	0.81 135	0.32 12	0.32 65	0.60 131	0.45 193	0.13 13	0.11 59	0.16 64	0.13 53	0.13 21	0.12 35

GANet-ADL	0.42 142	0.25 204	0.45 135	0.43 192	0.29 219	0.54 164	0.35 140	0.89 198	0.86 204	0.63 95	0.72 89	0.68 171	0.42 120	0.52 65	0.41 165	0.21 241	0.14 183	0.15 45	0.13 53	0.18 163	0.19 210

RAFT	0.45 164	0.22 133	0.45 135	0.47 256	0.26 153	0.54 164	0.47 252	0.66 86	0.58 86	0.80 190	0.82 138	0.94 267	0.57 191	0.75 223	0.34 100	0.17 148	0.15 208	0.22 236	0.20 236	0.16 112	0.12 35

DMCA-RVC	0.51 224	0.30 260	0.59 239	0.50 290	0.32 259	0.54 164	0.38 190	0.86 185	0.68 119	0.94 275	0.86 160	0.91 262	0.68 254	0.70 197	0.59 246	0.23 264	0.18 260	0.31 324	0.23 280	0.26 275	0.19 210

ACVNet-DCA	0.35 51	0.23 150	0.33 23	0.41 137	0.22 44	0.55 169	0.38 190	0.85 182	0.54 76	0.41 36	0.50 35	0.34 23	0.49 152	0.57 94	0.25 10	0.16 115	0.10 9	0.19 160	0.13 53	0.18 163	0.17 167

xx1	0.39 113	0.23 150	0.33 23	0.41 137	0.22 44	0.55 169	0.38 190	0.67 96	1.06 304	0.41 36	0.50 35	0.65 160	0.53 170	0.57 94	0.25 10	0.16 115	0.10 9	0.20 184	0.19 214	0.18 163	0.17 167

1test111	0.36 69	0.23 150	0.33 23	0.41 137	0.22 44	0.55 169	0.38 190	0.85 182	0.54 76	0.41 36	0.50 35	0.34 23	0.49 152	0.55 76	0.45 193	0.16 115	0.10 9	0.19 160	0.13 53	0.18 163	0.17 167

cc1	0.37 84	0.23 150	0.33 23	0.41 137	0.22 44	0.55 169	0.38 190	0.67 96	1.06 304	0.41 36	0.50 35	0.34 23	0.49 152	0.57 94	0.25 10	0.16 115	0.10 9	0.19 160	0.13 53	0.16 112	0.15 111

DualNet	0.47 180	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	0.68 105	1.04 292	0.73 164	0.96 200	0.71 181	0.53 170	0.57 94	0.88 307	0.16 115	0.10 9	0.25 275	0.21 254	0.16 112	0.16 150

ffm	0.44 154	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	0.68 105	1.04 292	0.73 164	0.96 200	0.71 181	0.53 170	0.57 94	0.25 10	0.16 115	0.10 9	0.25 275	0.21 254	0.16 112	0.16 150

ff1	0.49 204	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	0.68 105	1.04 292	0.73 164	0.96 200	0.71 181	0.53 170	1.01 306	0.88 307	0.16 115	0.10 9	0.25 275	0.21 254	0.16 112	0.16 150

mmx	0.53 236	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	1.16 291	1.03 288	0.73 164	0.96 200	0.71 181	0.53 170	1.01 306	0.88 307	0.20 227	0.15 208	0.25 275	0.21 254	0.22 244	0.20 230

xxx	0.53 236	0.26 218	0.49 187	0.37 47	0.25 116	0.55 169	0.37 170	1.16 291	1.03 288	0.73 164	0.96 200	0.71 181	0.53 170	1.01 306	0.88 307	0.20 227	0.15 208	0.25 275	0.21 254	0.22 244	0.20 230

STrans-v2	0.46 170	0.20 74	0.48 177	0.40 113	0.24 90	0.55 169	0.50 268	1.07 260	0.73 142	0.65 111	1.05 245	0.72 191	0.69 258	0.72 207	0.33 90	0.14 33	0.10 9	0.17 89	0.14 76	0.13 21	0.12 35

TANstereo	0.30 28	0.15 4	0.31 14	0.30 5	0.17 4	0.55 169	0.23 19	0.44 8	0.55 80	0.59 78	0.68 84	0.37 36	0.26 20	0.35 6	0.27 36	0.15 81	0.16 235	0.12 2	0.10 11	0.13 21	0.14 92

Anonymous	0.39 113	0.27 232	0.66 272	0.53 318	0.43 324	0.55 169	0.49 264	0.63 66	0.50 65	0.37 20	0.42 22	0.33 20	0.42 120	0.56 84	0.38 151	0.20 227	0.19 274	0.17 89	0.18 189	0.30 299	0.24 269

ARAFT	0.47 180	0.24 186	0.79 313	0.42 174	0.25 116	0.55 169	0.55 296	0.75 152	0.81 183	0.89 251	0.75 103	0.73 201	0.47 145	0.88 271	0.37 143	0.15 81	0.12 101	0.23 250	0.22 269	0.14 48	0.13 60

FENet	0.42 142	0.22 133	0.38 57	0.39 89	0.24 90	0.55 169	0.32 107	0.79 167	0.70 124	0.71 146	0.72 89	0.63 143	0.57 191	0.62 144	0.44 187	0.19 205	0.13 156	0.19 160	0.17 167	0.18 163	0.19 210

GwcNet-RSSM	0.49 204	0.24 186	0.42 105	0.40 113	0.23 72	0.55 169	0.38 190	0.93 210	0.93 244	0.71 146	1.16 284	0.86 242	0.60 208	0.62 144	0.66 260	0.21 241	0.14 183	0.19 160	0.20 236	0.16 112	0.15 111

GMStereo_Zeroshot	0.49 204	0.44 320	0.74 300	0.49 276	0.27 177	0.56 184	0.29 61	0.73 144	0.76 155	0.86 232	0.94 189	0.91 262	0.36 90	0.74 219	0.43 174	0.26 293	0.14 183	0.26 289	0.15 98	0.36 329	0.18 182

PSM-AAD	0.48 188	0.20 74	0.37 48	0.43 192	0.23 72	0.56 184	0.50 268	0.65 77	0.70 124	1.07 323	1.12 266	0.58 113	0.92 324	0.61 138	0.32 78	0.15 81	0.11 59	0.25 275	0.26 312	0.18 163	0.43 357

aanetorigin	0.83 327	0.56 350	1.87 387	0.49 276	0.38 296	0.56 184	0.66 320	0.70 128	1.00 276	2.42 392	2.02 368	1.31 330	1.18 355	0.93 293	1.13 350	0.20 227	0.18 260	0.20 184	0.19 214	0.27 285	0.30 306

FADNet_RVC	0.55 247	0.37 292	1.17 352	0.44 207	0.31 246	0.56 184	0.34 123	1.06 259	0.88 217	0.67 123	0.90 178	0.61 136	0.65 240	0.93 293	0.70 270	0.21 241	0.18 260	0.26 289	0.23 280	0.31 304	0.28 293

RAFT-RH_RVC	0.56 258	0.17 20	0.41 86	0.37 47	0.23 72	0.57 188	0.24 27	0.60 51	0.70 124	1.19 339	3.94 405	0.56 100	0.38 96	0.65 168	0.36 131	0.13 13	0.11 59	0.20 184	0.14 76	0.12 9	0.13 60

AANet_RVC	0.57 263	0.32 267	0.54 220	0.45 228	0.27 177	0.57 188	0.48 258	1.00 234	1.28 345	0.86 232	1.33 313	0.87 247	0.58 198	1.07 319	0.75 281	0.18 176	0.12 101	0.15 45	0.13 53	0.18 163	0.18 182

CFNet_ucs	0.50 217	0.24 186	0.55 225	0.38 68	0.31 246	0.58 190	0.33 116	0.98 229	0.93 244	0.88 247	1.19 292	0.80 230	0.49 152	0.63 154	0.43 174	0.21 241	0.15 208	0.26 289	0.18 189	0.26 275	0.22 256

DAS	0.51 224	0.25 204	0.60 244	0.48 261	0.31 246	0.58 190	0.41 228	0.83 176	0.97 260	0.89 251	1.12 266	0.70 177	0.75 281	0.82 246	0.43 174	0.17 148	0.13 156	0.18 123	0.15 98	0.20 210	0.18 182

SepStereo	0.51 224	0.25 204	0.60 244	0.48 261	0.31 246	0.58 190	0.41 228	0.83 176	0.97 260	0.89 251	1.12 266	0.70 177	0.75 281	0.93 293	0.43 174	0.17 148	0.13 156	0.18 123	0.15 98	0.20 210	0.18 182

DRaft	0.49 204	0.17 20	0.47 161	0.37 47	0.25 116	0.58 190	0.40 216	0.65 77	0.85 199	1.02 306	1.75 358	0.50 82	0.82 303	0.63 154	0.40 162	0.13 13	0.11 59	0.16 64	0.16 127	0.14 48	0.15 111

ICVP	0.46 170	0.25 204	0.38 57	0.48 261	0.28 196	0.58 190	0.43 236	1.00 234	0.70 124	0.67 123	0.95 196	0.75 208	0.55 184	0.53 71	0.54 235	0.23 264	0.17 249	0.19 160	0.17 167	0.19 197	0.20 230
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.46 170	0.24 186	0.52 211	0.37 47	0.27 177	0.58 190	0.30 74	0.86 185	0.88 217	0.82 207	1.03 237	0.75 208	0.47 145	0.58 111	0.44 187	0.17 148	0.12 101	0.24 264	0.16 127	0.24 263	0.19 210

ACVNet	0.46 170	0.23 150	0.36 38	0.39 89	0.28 196	0.58 190	0.40 216	0.87 192	0.80 177	0.64 104	0.96 200	0.79 222	0.60 208	0.63 154	0.67 263	0.17 148	0.15 208	0.16 64	0.15 98	0.18 163	0.15 111

GANet-RSSM	0.47 180	0.21 106	0.37 48	0.38 68	0.25 116	0.58 190	0.36 158	1.07 260	0.78 169	0.68 129	1.01 225	0.86 242	0.67 248	0.62 144	0.44 187	0.21 241	0.15 208	0.18 123	0.18 189	0.18 163	0.17 167

ccs_rob	0.46 170	0.24 186	0.52 211	0.37 47	0.27 177	0.58 190	0.31 91	0.86 185	0.88 217	0.82 207	1.02 233	0.75 208	0.47 145	0.58 111	0.44 187	0.17 148	0.12 101	0.24 264	0.16 127	0.24 263	0.19 210

Sa-1000	0.48 188	0.24 186	0.41 86	0.45 228	0.25 116	0.59 199	0.34 123	0.81 174	0.93 244	0.82 207	1.50 339	0.53 91	0.45 139	0.92 288	0.30 63	0.15 81	0.12 101	0.21 224	0.19 214	0.15 81	0.13 60

dad	0.58 269	0.50 334	0.64 262	0.43 192	0.30 229	0.59 199	0.36 158	0.78 165	1.25 341	1.01 304	1.17 286	1.15 317	0.53 170	0.68 191	0.50 214	0.35 349	0.23 305	0.37 345	0.21 254	0.29 290	0.20 230

DEmStereo	0.48 188	0.17 20	0.50 199	0.38 68	0.25 116	0.59 199	0.34 123	0.63 66	0.74 147	0.89 251	1.66 350	0.58 113	1.06 343	0.60 131	0.42 169	0.14 33	0.11 59	0.16 64	0.16 127	0.14 48	0.15 111

GES	0.44 154	0.23 150	0.57 234	0.40 113	0.30 229	0.59 199	0.36 158	0.96 222	0.68 119	0.74 170	0.83 143	0.47 73	0.48 149	0.67 183	0.43 174	0.22 259	0.16 235	0.17 89	0.16 127	0.18 163	0.23 263

cf-r	0.47 180	0.23 150	0.41 86	0.39 89	0.23 72	0.59 199	0.37 170	0.88 196	0.85 199	0.72 157	1.05 245	0.94 267	0.62 218	0.56 84	0.54 235	0.21 241	0.14 183	0.17 89	0.19 214	0.15 81	0.15 111

DispNO	0.47 180	0.23 150	0.71 292	0.39 89	0.31 246	0.60 204	0.38 190	0.89 198	0.77 162	0.75 172	0.84 148	0.72 191	0.54 181	0.73 212	0.46 203	0.19 205	0.14 183	0.20 184	0.18 189	0.16 112	0.17 167

STTStereo	0.55 247	0.37 292	0.76 308	0.44 207	0.31 246	0.60 204	0.44 242	0.96 222	0.86 204	0.99 294	0.90 178	0.96 271	0.58 198	0.71 202	0.61 250	0.25 283	0.23 305	0.26 289	0.32 341	0.24 263	0.23 263

mmm	0.44 154	0.27 232	0.46 151	0.38 68	0.24 90	0.61 206	0.35 140	0.94 214	0.53 72	0.72 157	1.05 245	0.63 143	0.50 162	0.57 94	0.45 193	0.18 176	0.15 208	0.23 250	0.20 236	0.20 210	0.18 182

CASS	0.45 164	0.27 232	0.42 105	0.48 261	0.22 44	0.61 206	0.34 123	0.97 226	0.62 91	0.71 146	0.85 157	0.61 136	0.55 184	0.57 94	0.41 165	0.29 312	0.16 235	0.22 236	0.18 189	0.22 244	0.28 293
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
pcwnet_v2	0.58 269	0.28 246	0.84 317	0.45 228	0.35 281	0.61 206	0.35 140	1.27 332	1.21 332	0.99 294	1.27 303	0.72 191	0.58 198	0.67 183	0.48 211	0.27 300	0.21 289	0.24 264	0.23 280	0.29 290	0.29 299

FADNet-RVC	0.60 279	0.53 346	1.14 347	0.46 247	0.39 301	0.61 206	0.39 210	1.12 278	0.87 213	0.70 140	0.84 148	1.04 292	0.55 184	0.94 300	0.69 267	0.26 293	0.25 320	0.28 308	0.28 322	0.31 304	0.31 312

MLCV	0.47 180	0.24 186	0.61 246	0.37 47	0.17 4	0.61 206	0.33 116	0.80 171	0.87 213	0.94 275	1.13 272	0.72 191	0.43 127	0.89 276	0.51 222	0.13 13	0.10 9	0.13 11	0.11 18	0.14 48	0.12 35

iResNet	0.49 204	0.29 254	0.79 313	0.42 174	0.21 31	0.61 206	0.40 216	0.82 175	0.99 269	0.87 239	1.12 266	0.69 175	0.53 170	0.78 237	0.51 222	0.15 81	0.11 59	0.14 19	0.12 32	0.17 145	0.15 111

iResNet_ROB	0.52 233	0.21 106	0.53 217	0.37 47	0.21 31	0.61 206	0.29 61	1.51 371	1.32 349	0.90 258	1.02 233	0.80 230	0.62 218	0.76 226	0.43 174	0.16 115	0.12 101	0.13 11	0.09 7	0.15 81	0.18 182

SMFormer	0.51 224	0.23 150	0.62 249	0.34 12	0.20 22	0.62 213	0.34 123	1.21 307	1.02 283	0.81 198	1.01 225	0.71 181	0.65 240	0.84 258	0.55 239	0.19 205	0.15 208	0.18 123	0.16 127	0.18 163	0.18 182

tta	0.51 224	0.23 150	0.62 249	0.34 12	0.20 22	0.62 213	0.34 123	1.21 307	1.02 283	0.81 198	1.01 225	0.71 181	0.65 240	0.84 258	0.55 239	0.19 205	0.15 208	0.18 123	0.16 127	0.15 81	0.14 92

qqq1	0.49 204	0.23 150	0.62 249	0.34 12	0.20 22	0.62 213	0.34 123	1.21 307	1.02 283	0.81 198	1.01 225	0.71 181	0.65 240	0.84 258	0.34 100	0.19 205	0.15 208	0.14 19	0.12 32	0.15 81	0.14 92

fff1	0.49 204	0.23 150	0.62 249	0.34 12	0.20 22	0.62 213	0.34 123	1.21 307	1.02 283	0.81 198	1.01 225	0.71 181	0.65 240	0.84 258	0.34 100	0.19 205	0.15 208	0.14 19	0.12 32	0.15 81	0.14 92

11t1	0.36 69	0.21 106	0.42 105	0.35 30	0.22 44	0.62 213	0.29 61	0.69 114	0.43 50	0.60 82	0.53 48	0.53 91	0.48 149	0.56 84	0.40 162	0.18 176	0.14 183	0.16 64	0.13 53	0.17 145	0.17 167

GASNet	0.67 289	0.72 365	0.96 331	0.70 370	0.48 343	0.62 213	0.47 252	1.08 264	1.03 288	0.94 275	0.82 138	0.93 266	0.83 307	1.33 350	0.80 289	0.31 321	0.22 295	0.29 316	0.28 322	0.44 349	0.24 269

DIP-Stereo	0.39 113	0.21 106	0.50 199	0.41 137	0.28 196	0.62 213	0.27 47	0.77 160	0.40 41	0.64 104	0.86 160	0.52 87	0.33 73	0.66 173	0.42 169	0.15 81	0.13 156	0.17 89	0.14 76	0.15 81	0.15 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
Anonymous Stereo	0.75 309	0.54 348	1.78 385	0.57 335	0.56 360	0.62 213	1.25 387	0.96 222	0.99 269	0.96 283	0.95 196	0.83 234	0.58 198	1.27 344	1.21 354	0.31 321	0.30 339	0.31 324	0.33 344	0.33 314	0.36 331

iResNetv2_ROB	0.52 233	0.27 232	0.69 285	0.38 68	0.25 116	0.62 213	0.35 140	1.17 296	1.01 280	0.99 294	1.06 251	0.88 252	0.67 248	0.66 173	0.39 157	0.19 205	0.13 156	0.15 45	0.11 18	0.18 163	0.16 150

PCWNet_CMD	0.48 188	0.24 186	0.52 211	0.39 89	0.27 177	0.63 222	0.30 74	0.95 220	0.96 257	0.86 232	1.07 254	0.79 222	0.44 135	0.57 94	0.43 174	0.17 148	0.12 101	0.21 224	0.16 127	0.24 263	0.19 210

SACVNet	0.58 269	0.34 280	0.55 225	0.55 327	0.36 283	0.63 222	0.48 258	1.13 279	0.77 162	1.02 306	1.06 251	1.02 288	0.74 279	0.90 278	0.51 222	0.27 300	0.21 289	0.25 275	0.24 293	0.29 290	0.36 331

RAFT + AFF	0.53 236	0.29 254	0.75 303	0.51 302	0.32 259	0.63 222	0.60 309	1.00 234	0.91 234	0.78 186	0.87 164	0.83 234	0.58 198	0.80 241	0.47 208	0.17 148	0.20 282	0.23 250	0.22 269	0.18 163	0.18 182

BEATNet_4x	0.46 170	0.32 267	0.56 231	0.37 47	0.19 11	0.63 222	0.35 140	1.01 241	0.72 135	0.77 183	0.83 143	0.70 177	0.59 204	0.68 191	0.53 232	0.16 115	0.12 101	0.16 64	0.14 76	0.24 263	0.16 150

MSMDNet	0.48 188	0.24 186	0.52 211	0.39 89	0.27 177	0.63 222	0.30 74	0.96 222	0.96 257	0.86 232	1.07 254	0.79 222	0.44 135	0.57 94	0.43 174	0.17 148	0.12 101	0.20 184	0.16 127	0.23 253	0.19 210

HITNet	0.41 136	0.26 218	0.45 135	0.33 11	0.17 4	0.63 222	0.30 74	0.93 210	0.64 108	0.71 146	0.82 138	0.64 150	0.52 167	0.59 125	0.43 174	0.14 33	0.10 9	0.15 45	0.13 53	0.19 197	0.12 35
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
ToySt	0.49 204	0.27 232	0.75 303	0.40 113	0.27 177	0.64 228	0.49 264	0.84 179	0.77 162	0.60 82	0.83 143	0.88 252	0.66 245	0.70 197	0.56 241	0.16 115	0.17 249	0.21 224	0.20 236	0.21 228	0.19 210

Selective-RAFT	0.35 51	0.23 150	0.51 206	0.44 207	0.21 31	0.64 228	0.27 47	0.59 41	0.63 101	0.40 35	0.38 20	0.55 98	0.40 113	0.57 94	0.35 115	0.13 13	0.11 59	0.14 19	0.12 32	0.16 112	0.13 60

CFNet-ft	0.48 188	0.23 150	0.36 38	0.40 113	0.26 153	0.64 228	0.37 170	0.87 192	0.85 199	0.64 104	1.00 222	1.01 283	0.64 234	0.61 138	0.53 232	0.23 264	0.15 208	0.24 264	0.21 254	0.23 253	0.18 182

CFNet_RVC	0.48 188	0.23 150	0.36 38	0.40 113	0.26 153	0.64 228	0.37 170	0.87 192	0.85 199	0.64 104	1.00 222	1.01 283	0.64 234	0.61 138	0.53 232	0.23 264	0.15 208	0.24 264	0.21 254	0.23 253	0.18 182

UCFNet_RVC	0.49 204	0.26 218	0.35 33	0.39 89	0.26 153	0.64 228	0.36 158	1.15 288	0.84 192	0.67 123	0.88 171	0.88 252	0.59 204	0.58 111	0.45 193	0.24 273	0.17 249	0.27 301	0.27 317	0.25 271	0.23 263

ttt	0.51 224	0.25 204	0.43 114	0.38 68	0.24 90	0.65 233	0.38 190	1.18 299	1.05 297	0.72 157	1.08 257	0.63 143	0.49 152	0.84 258	0.59 246	0.24 273	0.21 289	0.22 236	0.20 236	0.24 263	0.24 269

psm_up	0.55 247	0.26 218	0.47 161	0.49 276	0.32 259	0.65 233	0.56 301	1.04 251	0.82 184	0.82 207	0.88 171	1.01 283	0.94 330	0.74 219	0.61 250	0.21 241	0.25 320	0.26 289	0.23 280	0.21 228	0.20 230

FADNet	0.61 281	0.51 337	1.10 342	0.45 228	0.44 331	0.65 233	0.41 228	1.19 301	1.05 297	0.70 140	0.84 148	0.98 276	0.66 245	0.82 246	0.50 214	0.29 312	0.30 339	0.27 301	0.30 328	0.46 356	0.35 329

1111x	0.55 247	0.22 133	0.46 151	0.38 68	0.20 22	0.66 236	0.43 236	1.23 319	0.99 269	0.71 146	0.99 220	0.95 269	0.69 258	0.90 278	1.08 344	0.18 176	0.17 249	0.18 123	0.19 214	0.20 210	0.18 182

TDLM	0.57 263	0.33 275	0.49 187	0.51 302	0.30 229	0.66 236	0.73 342	1.03 248	1.01 280	0.82 207	1.10 263	0.84 238	0.70 268	0.86 267	0.58 242	0.28 306	0.17 249	0.25 275	0.22 269	0.26 275	0.19 210

NLCA_NET_v2_RVC	0.53 236	0.32 267	0.64 262	0.44 207	0.30 229	0.66 236	0.44 242	1.04 251	0.88 217	0.91 263	0.91 181	0.99 277	0.60 208	0.68 191	0.60 249	0.21 241	0.17 249	0.22 236	0.22 269	0.21 228	0.21 243
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	0.58 269	0.44 320	0.62 249	0.42 174	0.33 268	0.66 236	0.58 305	1.02 244	0.86 204	0.77 183	1.28 305	0.72 191	0.64 234	0.82 246	0.59 246	0.31 321	0.26 325	0.40 353	0.27 317	0.33 314	0.26 279

CVANet_RVC	0.57 263	0.33 275	0.44 124	0.47 256	0.32 259	0.67 240	0.61 314	1.05 256	0.93 244	0.85 227	1.04 241	1.01 283	0.73 277	0.83 253	0.52 229	0.29 312	0.19 274	0.27 301	0.25 302	0.31 304	0.21 243

AdaStereo	0.50 217	0.32 267	0.47 161	0.48 261	0.25 116	0.67 240	0.32 107	1.17 296	0.88 217	0.75 172	0.99 220	0.75 208	0.49 152	0.67 183	0.46 203	0.27 300	0.12 101	0.28 308	0.18 189	0.23 253	0.18 182
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.
PSMNet-ADL	0.48 188	0.27 232	0.40 81	0.48 261	0.30 229	0.68 242	0.37 170	0.90 203	0.80 177	0.61 87	0.80 128	0.92 264	0.62 218	0.72 207	0.63 255	0.23 264	0.18 260	0.18 123	0.20 236	0.22 244	0.20 230

RASNet	0.53 236	0.22 133	0.52 211	0.38 68	0.22 44	0.68 242	0.38 190	0.97 226	0.88 217	0.73 164	1.04 241	1.03 290	0.92 324	0.90 278	0.86 301	0.16 115	0.14 183	0.14 19	0.17 167	0.15 81	0.13 60

IER	0.46 170	0.23 150	0.50 199	0.38 68	0.28 196	0.69 244	0.35 140	0.80 171	0.66 116	0.83 219	0.94 189	0.75 208	0.77 288	0.60 131	0.42 169	0.17 148	0.14 183	0.17 89	0.17 167	0.17 145	0.15 111

EDNetEfficient	1.46 379	0.80 371	6.12 409	0.47 256	0.39 301	0.69 244	0.83 352	0.90 203	2.77 396	3.50 409	1.96 366	1.66 367	2.03 393	1.26 342	4.18 402	0.21 241	0.18 260	0.21 224	0.20 236	0.41 344	0.39 345

HBP-ISP	0.59 276	0.45 324	0.43 114	0.45 228	0.33 268	0.70 246	0.28 54	1.11 274	1.00 276	0.83 219	1.18 288	0.65 160	0.68 254	0.88 271	0.52 229	0.35 349	0.38 367	0.47 363	0.41 364	0.38 335	0.31 312

BUS	0.45 164	0.25 204	0.43 114	0.45 228	0.28 196	0.70 246	0.34 123	0.94 214	0.76 155	0.75 172	0.80 128	0.65 160	0.49 152	0.64 161	0.51 222	0.20 227	0.14 183	0.22 236	0.19 214	0.18 163	0.18 182

NINENet	0.50 217	0.29 254	0.51 206	0.45 228	0.32 259	0.70 246	0.34 123	1.10 269	0.88 217	0.80 190	0.94 189	0.65 160	0.49 152	0.73 212	0.51 222	0.22 259	0.20 282	0.25 275	0.18 189	0.22 244	0.21 243

GEStereo_RVC	0.55 247	0.29 254	0.63 257	0.49 276	0.31 246	0.70 246	0.54 292	1.22 315	0.92 239	0.82 207	0.85 157	0.85 240	0.63 224	0.90 278	0.65 258	0.24 273	0.16 235	0.19 160	0.16 127	0.21 228	0.22 256

CFNet	0.51 224	0.29 254	0.46 151	0.41 137	0.27 177	0.70 246	0.32 107	1.13 279	1.00 276	0.72 157	1.07 254	0.85 240	0.60 208	0.76 226	0.52 229	0.19 205	0.14 183	0.23 250	0.23 280	0.21 228	0.16 150

test_xeample	1.01 346	0.21 106	0.42 105	0.35 30	0.21 31	0.71 251	0.39 210	1.23 319	0.86 204	0.81 198	1.04 241	0.69 175	0.61 213	0.69 194	10.93 416	0.19 205	0.15 208	0.18 123	0.17 167	0.18 163	0.17 167

FAT-Stereo	0.73 306	0.33 275	0.75 303	0.49 276	0.37 288	0.71 251	0.59 307	1.36 350	1.30 347	1.03 314	1.40 324	1.59 366	1.15 351	0.87 268	0.86 301	0.28 306	0.28 331	0.28 308	0.23 280	0.28 287	0.38 343

FADNet-RVC-Resample	0.56 258	0.33 275	1.16 348	0.49 276	0.34 275	0.71 251	0.43 236	1.01 241	0.93 244	0.82 207	0.87 164	0.74 206	0.67 248	0.73 212	0.45 193	0.18 176	0.18 260	0.26 289	0.27 317	0.26 275	0.27 286

DeepPrunerF	0.89 334	0.52 343	3.43 400	0.68 367	0.81 377	0.72 254	0.72 341	1.22 315	1.99 383	0.93 272	1.01 225	0.87 247	0.86 312	1.08 321	0.95 327	0.34 345	0.28 331	0.43 356	0.39 357	0.30 299	0.32 316

NOSS_ROB	0.57 263	0.39 305	0.39 74	0.44 207	0.30 229	0.73 255	0.54 292	1.03 248	1.08 313	0.67 123	0.87 164	0.76 214	0.57 191	0.77 233	0.47 208	0.38 356	0.38 367	0.44 358	0.42 365	0.37 331	0.34 324

AASNet	0.53 236	0.25 204	0.52 211	0.49 276	0.32 259	0.74 256	0.40 216	1.50 368	0.86 204	0.86 232	0.92 185	0.64 150	0.59 204	0.59 125	0.79 287	0.23 264	0.19 274	0.20 184	0.16 127	0.21 228	0.19 210

DSFCA	0.55 247	0.25 204	0.62 249	0.40 113	0.36 283	0.74 256	0.52 285	1.04 251	0.82 184	1.06 320	0.84 148	0.89 256	0.63 224	0.99 303	0.58 242	0.25 283	0.21 289	0.21 224	0.21 254	0.21 228	0.19 210

CBMV_ROB	0.59 276	0.37 292	0.38 57	0.39 89	0.28 196	0.74 256	0.28 54	1.00 234	0.98 264	0.94 275	1.25 301	0.81 232	0.78 293	0.87 268	0.50 214	0.36 352	0.37 365	0.43 356	0.40 359	0.33 314	0.30 306

CoDeX	0.47 180	0.20 74	0.49 187	0.42 174	0.25 116	0.75 259	0.36 158	1.27 332	0.80 177	0.82 207	0.96 200	0.62 142	0.57 191	0.60 131	0.36 131	0.17 148	0.12 101	0.17 89	0.15 98	0.16 112	0.14 92

THIR-Stereo	0.50 217	0.18 36	0.45 135	0.38 68	0.23 72	0.75 259	0.67 322	0.66 86	0.87 213	1.02 306	1.40 324	0.72 191	0.76 284	0.62 144	0.42 169	0.15 81	0.11 59	0.17 89	0.18 189	0.14 48	0.15 111

HSM	0.51 224	0.24 186	0.41 86	0.39 89	0.24 90	0.75 259	0.40 216	1.22 315	0.75 149	0.81 198	0.91 181	1.21 319	0.69 258	0.87 268	0.46 203	0.17 148	0.13 156	0.17 89	0.14 76	0.17 145	0.17 167

BSDual-CNN	0.46 170	0.25 204	0.43 114	0.45 228	0.28 196	0.77 262	0.40 216	0.94 214	0.76 155	0.75 172	0.80 128	0.76 214	0.54 181	0.64 161	0.43 174	0.20 227	0.14 183	0.22 236	0.19 214	0.18 163	0.18 182

hknet	0.49 204	0.25 204	0.51 206	0.45 228	0.29 219	0.77 262	0.40 216	0.94 214	0.83 189	0.75 172	0.80 128	0.97 273	0.61 213	0.73 212	0.45 193	0.18 176	0.14 183	0.22 236	0.19 214	0.18 163	0.18 182

s12784h	0.36 69	0.15 4	0.24 4	0.34 12	0.15 1	0.77 262	0.29 61	0.80 171	0.83 189	0.56 73	0.57 58	0.43 59	0.40 113	0.57 94	0.33 90	0.12 4	0.10 9	0.14 19	0.09 7	0.14 48	0.09 1

DLCB_ROB	0.58 269	0.28 246	0.47 161	0.49 276	0.32 259	0.77 262	0.50 268	0.99 231	0.92 239	1.04 315	1.14 274	1.21 319	0.69 258	0.88 271	0.69 267	0.20 227	0.20 282	0.22 236	0.22 269	0.21 228	0.18 182

ADLNet	0.55 247	0.27 232	0.51 206	0.44 207	0.35 281	0.78 266	0.46 247	1.08 264	0.86 204	0.99 294	0.98 215	0.92 264	0.63 224	0.69 194	0.81 292	0.22 259	0.16 235	0.22 236	0.22 269	0.21 228	0.21 243

hitnet-ft	0.55 247	0.27 232	0.39 74	0.41 137	0.28 196	0.78 266	0.40 216	0.92 208	0.90 229	0.82 207	1.01 225	1.13 314	0.70 268	0.78 237	0.67 263	0.28 306	0.20 282	0.28 308	0.22 269	0.29 290	0.26 279

PASM	0.90 337	0.64 361	1.69 381	0.69 369	0.69 375	0.78 266	0.84 355	1.03 248	1.26 344	1.19 339	1.15 279	1.31 330	0.98 336	1.24 340	1.03 338	0.52 375	0.56 388	0.59 379	0.66 386	0.56 372	0.54 377

222	1.18 365	0.22 133	0.44 124	0.37 47	0.22 44	0.79 269	0.37 170	1.31 339	0.89 227	0.92 271	1.08 257	0.72 191	0.71 272	0.66 173	13.89 419	0.20 227	0.15 208	0.17 89	0.16 127	0.18 163	0.19 210

XPNet_ROB	0.70 296	0.35 284	0.68 279	0.52 313	0.40 306	0.79 269	0.85 358	1.16 291	0.94 251	1.33 353	1.15 279	1.38 345	0.83 307	1.03 313	0.90 320	0.32 333	0.25 320	0.26 289	0.24 293	0.31 304	0.28 293

ETE_ROB	0.70 296	0.49 330	0.73 296	0.56 330	0.36 283	0.79 269	0.87 359	1.14 285	0.93 244	1.19 339	1.18 288	1.39 346	0.82 303	0.99 303	0.80 289	0.26 293	0.21 289	0.31 324	0.26 312	0.33 314	0.34 324

Anonymous_2	0.82 322	0.44 320	0.63 257	0.40 113	0.43 324	0.80 272	0.52 285	0.72 137	0.77 162	0.71 146	0.60 64	0.87 247	0.76 284	0.75 223	0.58 242	0.52 375	0.54 387	0.54 374	4.82 422	0.56 372	0.40 348

ac_64	0.52 233	0.22 133	0.50 199	0.45 228	0.28 196	0.80 272	0.45 244	1.02 244	0.61 90	0.91 263	0.83 143	1.07 302	0.68 254	0.74 219	0.70 270	0.21 241	0.18 260	0.20 184	0.19 214	0.18 163	0.15 111

HGLStereo	0.56 258	0.28 246	0.57 234	0.50 290	0.37 288	0.80 272	0.45 244	1.02 244	0.78 169	0.86 232	1.14 274	0.89 256	0.82 303	0.76 226	0.73 277	0.21 241	0.20 282	0.19 160	0.18 189	0.19 197	0.21 243

RP	0.76 310	0.36 289	0.63 257	0.66 361	0.58 366	0.80 272	0.55 296	1.14 285	1.22 334	0.97 288	1.65 348	1.43 350	1.32 365	1.01 306	0.84 296	0.33 339	0.30 339	0.36 341	0.30 328	0.34 321	0.34 324

edge stereo	0.76 310	0.38 301	0.74 300	0.52 313	0.43 324	0.80 272	0.53 288	1.28 334	1.06 304	1.28 349	1.38 323	1.81 370	1.11 348	1.08 321	0.85 300	0.33 339	0.32 352	0.41 354	0.28 322	0.32 309	0.36 331

gwcnet-sp	0.48 188	0.23 150	0.70 289	0.40 113	0.26 153	0.81 277	0.41 228	0.89 198	0.84 192	0.91 263	0.76 105	0.66 165	0.61 213	0.66 173	0.50 214	0.18 176	0.17 249	0.18 123	0.18 189	0.18 163	0.18 182

scenet	0.48 188	0.23 150	0.70 289	0.40 113	0.26 153	0.81 277	0.41 228	0.89 198	0.84 192	0.91 263	0.76 105	0.66 165	0.61 213	0.66 173	0.50 214	0.18 176	0.17 249	0.18 123	0.18 189	0.18 163	0.18 182

ssnet	0.48 188	0.23 150	0.70 289	0.40 113	0.26 153	0.81 277	0.41 228	0.89 198	0.84 192	0.91 263	0.76 105	0.66 165	0.61 213	0.66 173	0.50 214	0.18 176	0.17 249	0.18 123	0.18 189	0.18 163	0.18 182

Consistency-Raft	1.01 346	0.81 372	1.24 359	0.84 377	0.97 384	0.81 277	0.84 355	1.30 338	1.59 370	1.05 317	1.68 353	1.12 311	0.91 321	0.92 288	1.11 346	0.65 382	0.74 395	0.79 383	0.90 395	1.06 389	0.79 386

Anonymous3	0.46 170	0.34 280	0.86 323	0.50 290	0.37 288	0.81 277	0.50 268	0.72 137	0.65 113	0.51 61	0.65 74	0.45 65	0.45 139	0.64 161	0.38 151	0.24 273	0.24 312	0.22 236	0.21 254	0.23 253	0.23 263

NCC-stereo	0.78 314	0.40 309	0.76 308	0.61 347	0.67 372	0.81 277	0.69 331	1.54 375	1.11 317	0.90 258	1.36 315	1.33 337	1.16 352	1.19 333	0.88 307	0.31 321	0.30 339	0.37 345	0.48 372	0.33 314	0.33 320

Abc-Net	0.78 314	0.40 309	0.76 308	0.61 347	0.67 372	0.81 277	0.69 331	1.54 375	1.11 317	0.90 258	1.36 315	1.33 337	1.16 352	1.19 333	0.88 307	0.31 321	0.30 339	0.37 345	0.48 372	0.33 314	0.33 320
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DANet	0.71 300	0.45 324	0.91 327	0.59 340	0.40 306	0.81 277	0.40 216	0.97 226	0.84 192	1.20 342	1.22 294	1.33 337	0.88 318	1.16 330	1.24 356	0.27 300	0.23 305	0.31 324	0.25 302	0.35 325	0.32 316
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxx	1.01 346	0.22 133	0.43 114	0.36 38	0.21 31	0.82 285	0.36 158	1.32 340	0.88 217	0.71 146	0.94 189	0.97 273	0.63 224	0.64 161	10.58 415	0.20 227	0.16 235	0.18 123	0.17 167	0.19 197	0.19 210

S-Stereo	0.74 307	0.35 284	0.96 331	0.56 330	0.45 335	0.82 285	0.60 309	1.24 326	1.60 373	0.96 283	1.41 326	1.12 311	0.94 330	0.80 241	1.04 341	0.26 293	0.31 349	0.28 308	0.25 302	0.32 309	0.47 367

ADLNet2	0.55 247	0.25 204	0.65 267	0.47 256	0.30 229	0.83 287	0.50 268	1.05 256	0.95 256	0.80 190	0.98 215	0.99 277	0.69 258	0.77 233	0.73 277	0.20 227	0.16 235	0.17 89	0.18 189	0.21 228	0.21 243

LMCR-Stereo	0.53 236	0.30 260	0.53 217	0.58 337	0.30 229	0.83 287	0.36 158	1.19 301	0.76 155	0.88 247	1.04 241	0.56 100	0.62 218	0.82 246	0.67 263	0.19 205	0.15 208	0.19 160	0.14 76	0.23 253	0.17 167

FINET	0.67 289	0.42 314	1.00 335	0.46 247	0.43 324	0.83 287	0.89 360	1.08 264	1.50 364	0.87 239	1.14 274	0.71 181	0.68 254	0.92 288	0.70 270	0.36 352	0.30 339	0.26 289	0.24 293	0.35 325	0.33 320

UPFNet	0.53 236	0.24 186	0.51 206	0.45 228	0.38 296	0.84 290	0.49 264	0.99 231	0.75 149	0.87 239	0.88 171	0.86 242	0.64 234	0.80 241	0.71 274	0.20 227	0.20 282	0.20 184	0.20 236	0.19 197	0.15 111

psmg	0.49 204	0.25 204	0.43 114	0.41 137	0.28 196	0.85 291	0.43 236	0.99 231	0.76 155	0.91 263	0.94 189	0.76 214	0.54 181	0.64 161	0.43 174	0.20 227	0.15 208	0.20 184	0.20 236	0.18 163	0.18 182

psmorigin	0.82 322	0.51 337	2.09 390	0.49 276	0.41 313	0.85 291	0.50 268	1.04 251	0.88 217	1.45 357	1.43 330	1.50 357	1.06 343	1.22 338	0.97 330	0.31 321	0.32 352	0.27 301	0.27 317	0.33 314	0.42 352

HSM-Net_RVC	0.53 236	0.22 133	0.35 33	0.37 47	0.21 31	0.85 291	0.37 170	1.23 319	0.93 244	0.90 258	1.15 279	1.26 323	0.63 224	0.72 207	0.48 211	0.17 148	0.13 156	0.16 64	0.15 98	0.17 145	0.15 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
acv_ft	0.51 224	0.23 150	0.56 231	0.44 207	0.28 196	0.86 294	0.39 210	0.91 207	0.80 177	0.97 288	0.96 200	0.79 222	0.59 204	0.63 154	0.87 305	0.17 148	0.15 208	0.16 64	0.15 98	0.17 145	0.15 111

SFCPSM	0.47 180	0.21 106	0.55 225	0.40 113	0.27 177	0.87 295	0.37 170	1.33 342	0.77 162	0.80 190	0.84 148	0.54 95	0.49 152	0.57 94	0.37 143	0.18 176	0.13 156	0.18 123	0.20 236	0.16 112	0.15 111

NVstereo2D	0.60 279	0.30 260	0.75 303	0.48 261	0.43 324	0.89 296	0.48 258	1.05 256	1.15 323	0.66 122	0.86 160	0.88 252	0.70 268	0.99 303	0.65 258	0.32 333	0.15 208	0.28 308	0.20 236	0.40 338	0.36 331

anonymousa	0.49 204	0.20 74	0.42 105	0.38 68	0.23 72	0.91 297	0.35 140	0.75 152	0.62 91	0.85 227	1.54 343	1.06 297	0.66 245	0.51 60	0.43 174	0.16 115	0.13 156	0.19 160	0.21 254	0.16 112	0.14 92

Syn2CoEx	0.71 300	0.51 337	0.95 329	0.64 352	0.45 335	0.91 297	0.53 288	1.48 365	1.13 320	0.93 272	1.35 314	1.02 288	0.99 337	0.92 288	0.80 289	0.30 318	0.27 329	0.28 308	0.24 293	0.23 253	0.24 269

AF-Net	0.81 321	0.39 305	0.68 279	0.64 352	0.54 355	0.91 297	0.51 282	1.61 379	1.31 348	0.96 283	2.02 368	1.46 351	1.26 363	1.11 326	0.99 334	0.32 333	0.24 312	0.39 350	0.27 317	0.30 299	0.25 275

PWC_ROB	0.87 330	0.52 343	1.28 361	0.50 290	0.32 259	0.91 297	0.37 170	1.36 350	1.46 362	1.61 365	2.59 383	1.16 318	1.01 340	1.34 352	1.40 365	0.25 283	0.18 260	0.28 308	0.20 236	0.29 290	0.28 293

RGC	0.79 317	0.59 354	0.71 292	0.65 358	0.65 371	0.92 301	0.58 305	1.29 335	1.05 297	1.07 323	1.45 335	1.47 354	1.03 341	1.21 337	0.88 307	0.32 333	0.30 339	0.48 366	0.40 359	0.37 331	0.37 337

DGSMNet	0.76 310	0.55 349	1.29 363	0.58 337	0.62 369	0.94 302	0.70 336	1.26 330	1.11 317	0.83 219	1.24 299	1.00 280	0.71 272	1.03 313	0.81 292	0.34 345	0.29 336	0.41 354	0.40 359	0.57 374	0.55 378

PA-Net	0.67 289	0.43 316	0.83 316	0.50 290	0.53 353	0.94 302	0.68 327	1.10 269	1.14 322	0.80 190	0.88 171	0.87 247	0.77 288	1.02 311	0.88 307	0.24 273	0.41 374	0.29 316	0.44 366	0.26 275	0.34 324
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANet	0.70 296	0.37 292	0.55 225	0.51 302	0.34 275	0.94 302	0.96 366	1.08 264	0.94 251	1.04 315	1.98 367	1.13 314	0.88 318	1.12 327	0.66 260	0.25 283	0.26 325	0.27 301	0.22 269	0.31 304	0.22 256

ssnet_v2	0.58 269	0.28 246	0.56 231	0.43 192	0.29 219	0.95 305	0.59 307	1.13 279	0.99 269	0.93 272	0.80 128	0.99 277	0.64 234	0.82 246	0.94 324	0.25 283	0.22 295	0.23 250	0.24 293	0.20 210	0.19 210

Wz-Net-SNSev	0.91 338	0.73 366	2.13 391	0.56 330	0.45 335	0.95 305	1.13 378	1.34 344	1.24 337	1.02 306	1.30 309	1.46 351	0.86 312	1.81 379	1.50 366	0.25 283	0.23 305	0.25 275	0.26 312	0.32 309	0.29 299

pmcnn	1.23 368	0.29 254	0.96 331	0.40 113	0.23 72	0.95 305	0.69 331	1.16 291	1.28 345	1.67 371	2.33 373	11.15 420	0.86 312	0.93 293	0.88 307	0.15 81	0.12 101	0.12 2	0.10 11	0.15 81	0.15 111

StereoDRNet-Refined	0.58 269	0.32 267	0.54 220	0.46 247	0.30 229	0.96 308	0.40 216	1.00 234	0.94 251	1.12 332	1.08 257	0.96 271	0.67 248	0.90 278	0.89 318	0.17 148	0.13 156	0.22 236	0.21 254	0.20 210	0.19 210
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
anonymity	0.97 343	0.89 378	1.05 338	0.92 380	1.03 388	0.97 309	0.81 351	1.29 335	0.91 234	1.07 323	0.98 215	1.00 280	0.95 333	1.02 311	0.92 323	0.96 392	0.95 410	0.90 385	0.91 398	0.92 383	0.94 391

SHD	0.93 341	0.50 334	1.18 353	0.59 340	0.46 342	0.97 309	0.48 258	1.70 384	2.15 385	1.58 362	1.37 318	1.42 349	1.19 357	1.31 348	1.60 367	0.31 321	0.26 325	0.32 329	0.33 344	0.40 338	0.42 352

NaN_ROB	0.69 294	0.44 320	0.69 285	0.51 302	0.33 268	0.97 309	1.06 373	1.22 315	1.19 329	1.24 347	0.96 200	1.08 304	0.78 293	1.20 335	0.67 263	0.24 273	0.30 339	0.23 250	0.24 293	0.23 253	0.25 275

PSMNet_ROB	0.64 284	0.37 292	0.65 267	0.56 330	0.42 319	0.97 309	0.83 352	1.21 307	0.92 239	0.79 188	1.02 233	1.08 304	0.63 224	0.82 246	0.91 322	0.29 312	0.20 282	0.31 324	0.31 335	0.26 275	0.23 263

NCCL2	0.72 304	0.41 312	0.65 267	0.64 352	0.44 331	0.98 313	1.20 381	1.11 274	1.00 276	0.98 292	0.96 200	1.49 356	0.87 315	0.90 278	0.79 287	0.31 321	0.26 325	0.39 350	0.39 357	0.32 309	0.32 316

UNet	0.54 246	0.26 218	0.66 272	0.44 207	0.40 306	0.99 314	0.41 228	0.98 229	0.75 149	0.83 219	0.89 175	1.04 292	0.72 276	0.73 212	0.62 252	0.19 205	0.14 183	0.20 184	0.17 167	0.20 210	0.17 167

SuperB	1.04 351	0.37 292	4.81 407	0.43 192	0.31 246	0.99 314	0.46 247	1.02 244	2.09 384	1.09 328	1.09 261	0.75 208	0.81 299	1.06 316	1.76 372	0.19 205	0.15 208	0.17 89	0.15 98	2.82 414	0.26 279

LALA_ROB	0.74 307	0.43 316	0.69 285	0.54 324	0.40 306	1.01 316	0.95 365	1.21 307	1.07 310	1.22 344	1.12 266	1.56 363	0.79 295	1.04 315	0.86 301	0.33 339	0.22 295	0.35 338	0.30 328	0.35 325	0.31 312

CBMV	0.64 284	0.35 284	0.41 86	0.42 174	0.25 116	1.01 316	0.77 346	1.13 279	1.09 315	1.17 337	1.22 294	1.04 292	0.75 281	0.88 271	0.63 255	0.28 306	0.30 339	0.34 336	0.30 328	0.26 275	0.26 279
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.88 332	0.82 375	0.67 276	1.00 384	0.96 383	1.02 318	0.57 304	1.13 279	0.99 269	0.90 258	0.97 214	1.31 330	0.99 337	0.85 265	0.84 296	0.54 379	0.32 352	1.77 395	0.40 359	0.94 384	0.66 381

LSM	4.74 414	0.77 369	10.16 414	0.70 370	56.56 436	1.02 318	1.00 371	1.24 326	1.62 374	2.04 382	2.34 374	1.33 337	1.17 354	1.38 359	1.09 345	0.33 339	0.49 385	0.39 350	0.46 367	0.51 363	10.09 423

SGM-Forest	0.62 282	0.32 267	0.39 74	0.43 192	0.30 229	1.02 318	0.55 296	1.09 268	1.05 297	1.06 320	1.18 288	1.10 307	0.67 248	0.88 271	0.62 252	0.31 321	0.33 358	0.33 334	0.30 328	0.30 299	0.28 293
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	0.63 283	0.28 246	0.99 334	0.40 113	0.30 229	1.03 321	0.56 301	1.10 269	0.99 269	0.97 288	1.22 294	1.06 297	0.69 258	1.07 319	0.95 327	0.19 205	0.11 59	0.16 64	0.13 53	0.22 244	0.21 243

DDUNet	1.06 354	2.56 417	0.68 279	1.21 389	1.26 393	1.03 321	0.69 331	1.11 274	0.94 251	0.96 283	1.22 294	1.27 324	0.82 303	0.93 293	0.72 276	0.84 389	0.38 367	1.99 398	0.60 384	1.10 390	0.85 388

StereoDRNet	0.64 284	0.33 275	0.68 279	0.51 302	0.43 324	1.03 321	0.53 288	1.47 364	0.99 269	1.10 330	0.87 164	1.07 302	0.71 272	0.82 246	0.88 307	0.23 264	0.19 274	0.25 275	0.23 280	0.27 285	0.19 210

PWCDC_ROB	0.89 334	0.49 330	0.80 315	0.74 374	0.40 306	1.03 321	0.39 210	1.33 342	2.35 391	1.02 306	3.77 400	0.81 232	0.92 324	1.20 335	0.90 320	0.34 345	0.22 295	0.24 264	0.20 236	0.34 321	0.29 299

EDNetEfficientorigin	9.93 419	1.15 390	175.16 441	0.48 261	0.36 283	1.04 325	0.68 327	1.24 326	2.69 395	3.17 406	2.50 379	2.30 381	2.07 394	1.76 377	2.21 383	0.20 227	0.18 260	0.24 264	0.19 214	0.51 363	0.50 373

Nwc_Net	0.78 314	0.38 301	0.73 296	0.60 345	0.55 357	1.05 326	0.55 296	1.67 383	1.05 297	0.88 247	1.86 363	1.40 348	1.09 346	1.10 324	0.87 305	0.30 318	0.25 320	0.36 341	0.38 353	0.29 290	0.29 299

MMNet	0.55 247	0.25 204	0.61 246	0.43 192	0.34 275	1.07 327	0.39 210	0.87 192	0.91 234	0.91 263	0.93 188	0.86 242	0.76 284	0.81 244	0.76 282	0.15 81	0.14 183	0.18 123	0.19 214	0.20 210	0.16 150

delet	0.55 247	0.24 186	0.55 225	0.44 207	0.33 268	1.07 327	0.50 268	1.00 234	0.86 204	0.85 227	0.96 200	0.90 260	0.63 224	0.83 253	0.74 280	0.18 176	0.18 260	0.20 184	0.21 254	0.16 112	0.15 111

ADCMid	1.14 360	0.52 343	2.23 393	0.53 318	0.43 324	1.07 327	0.75 344	1.23 319	1.05 297	2.15 386	1.44 332	1.50 357	1.43 371	1.56 365	5.01 406	0.26 293	0.24 312	0.29 316	0.31 335	0.37 331	0.33 320

ADCRef	0.80 318	0.43 316	1.32 366	0.50 290	0.45 335	1.07 327	0.51 282	1.07 260	0.98 264	1.17 337	1.42 327	0.87 247	0.91 321	0.85 265	3.19 393	0.18 176	0.16 235	0.23 250	0.23 280	0.22 244	0.21 243

GwcNet	0.69 294	0.36 289	1.10 342	0.51 302	0.42 319	1.08 331	0.50 268	1.21 307	1.16 324	1.00 299	1.37 318	1.06 297	0.79 295	0.92 288	0.94 324	0.25 283	0.24 312	0.24 264	0.22 269	0.23 253	0.26 279

ccnet	0.82 322	0.57 352	0.75 303	0.54 324	0.59 367	1.09 332	0.66 320	1.38 353	0.94 251	1.12 332	1.44 332	1.29 327	0.92 324	0.95 302	1.24 356	0.49 371	0.42 376	0.50 371	0.47 370	0.51 363	0.46 363

SQANet	0.82 322	0.74 367	0.67 276	1.13 387	0.98 386	1.11 333	0.47 252	1.07 260	0.83 189	0.91 263	1.05 245	1.03 290	0.74 279	1.01 306	0.64 257	0.61 381	0.24 312	1.03 388	0.35 348	1.18 391	0.58 379

NVStereoNet_ROB	1.24 369	0.90 379	1.13 346	0.86 378	0.88 378	1.11 333	0.99 369	1.42 359	1.53 366	1.59 364	2.48 378	2.24 380	1.53 373	1.96 386	1.30 361	0.76 387	0.70 392	0.78 382	1.00 400	0.71 380	0.88 389
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
CBFPSM	0.59 276	0.22 133	1.31 364	0.38 68	0.27 177	1.12 335	0.65 319	0.79 167	0.82 184	0.80 190	0.81 135	1.35 343	0.87 315	0.67 183	0.76 282	0.16 115	0.15 208	0.15 45	0.16 127	0.17 145	0.22 256

RTSC	0.87 330	0.48 327	1.23 358	0.52 313	0.37 288	1.13 336	0.50 268	1.34 344	1.79 378	1.51 359	1.24 299	1.12 311	0.81 299	1.62 369	2.16 382	0.25 283	0.19 274	0.23 250	0.24 293	0.30 299	0.31 312

DISCO	0.70 296	0.26 218	0.68 279	0.44 207	0.31 246	1.14 337	0.51 282	1.23 319	1.23 335	0.81 198	1.05 245	1.50 357	0.85 310	1.82 380	1.03 338	0.19 205	0.15 208	0.18 123	0.16 127	0.24 263	0.23 263

CSAN	0.83 327	0.49 330	0.77 312	0.60 345	0.41 313	1.14 337	1.06 373	1.19 301	1.46 362	1.32 351	1.43 330	1.37 344	1.19 357	1.27 344	0.86 301	0.39 358	0.31 349	0.36 341	0.37 350	0.35 325	0.34 324

Wz-Net-LNSev	0.71 300	0.51 337	1.36 372	0.50 290	0.41 313	1.15 339	0.69 331	1.21 307	1.07 310	1.02 306	1.12 266	1.08 304	0.87 315	0.89 276	0.89 318	0.24 273	0.22 295	0.21 224	0.19 214	0.26 275	0.26 279

GANetREF_RVC	0.80 318	0.75 368	0.86 323	0.66 361	0.42 319	1.15 339	0.98 367	1.14 285	1.19 329	1.01 304	1.02 233	1.10 307	0.90 320	1.15 329	0.76 282	0.48 369	0.39 371	0.57 376	0.38 353	0.63 378	0.46 363
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
DRN-Test	0.66 288	0.32 267	0.66 272	0.50 290	0.39 301	1.15 339	0.61 314	1.49 367	1.01 280	1.12 332	1.08 257	1.06 297	0.69 258	0.77 233	0.94 324	0.23 264	0.17 249	0.26 289	0.25 302	0.25 271	0.21 243

fast-acv-ft	0.64 284	0.30 260	0.73 296	0.45 228	0.34 275	1.17 342	0.49 264	0.86 185	0.98 264	1.02 306	1.36 315	1.29 327	0.85 310	0.76 226	0.81 292	0.21 241	0.23 305	0.23 250	0.23 280	0.21 228	0.20 230

FBW_ROB	0.88 332	0.50 334	0.85 318	0.55 327	0.40 306	1.17 342	0.78 348	1.50 368	1.37 352	1.33 353	1.27 303	1.48 355	1.00 339	2.57 399	0.98 333	0.25 283	0.32 352	0.45 359	0.30 328	0.34 321	0.28 293

APVNet	0.71 300	0.37 292	0.89 326	0.56 330	0.45 335	1.18 344	0.68 327	1.41 358	0.85 199	0.81 198	1.15 279	1.04 292	0.81 299	1.10 324	1.17 351	0.26 293	0.28 331	0.32 329	0.31 335	0.29 290	0.30 306

iinet-f	0.67 289	0.26 218	2.15 392	0.39 89	0.31 246	1.19 345	0.56 301	0.84 179	0.84 192	0.80 190	1.17 286	1.05 296	0.84 309	0.71 202	1.21 354	0.20 227	0.18 260	0.17 89	0.15 98	0.20 210	0.20 230

CRFU-Net	0.57 263	0.27 232	0.57 234	0.46 247	0.30 229	1.20 346	0.52 285	1.10 269	0.56 84	1.00 299	0.98 215	1.06 297	0.79 295	0.81 244	0.71 274	0.21 241	0.19 274	0.18 123	0.16 127	0.18 163	0.19 210

CSP-Net	0.56 258	0.27 232	0.49 187	0.41 137	0.28 196	1.22 347	0.50 268	1.23 319	0.72 135	0.95 282	0.95 196	0.89 256	0.62 218	0.83 253	0.62 252	0.26 293	0.17 249	0.17 89	0.17 167	0.18 163	0.17 167

XQC	0.89 334	0.65 362	1.31 364	0.67 364	0.52 352	1.22 347	0.68 327	1.26 330	1.52 365	1.14 335	1.11 264	1.28 326	1.04 342	1.40 360	1.77 373	0.38 356	0.24 312	0.37 345	0.31 335	0.53 368	0.47 367

WCMA_ROB	1.14 360	0.36 289	0.76 308	0.49 276	0.44 331	1.23 349	0.67 322	1.11 274	1.23 335	2.84 400	3.95 406	3.28 396	1.83 387	1.25 341	0.99 334	0.44 364	0.34 360	0.34 336	0.37 350	0.41 344	0.40 348

DispFullNet	1.60 384	2.63 418	2.75 396	2.56 411	1.79 403	1.24 350	0.47 252	1.37 352	1.45 361	1.87 376	1.50 339	1.55 362	2.46 397	2.04 388	1.04 341	0.59 380	0.18 260	2.32 407	0.68 388	2.29 407	1.14 400

MFMNet_re	1.14 360	0.97 386	1.19 354	0.99 382	0.95 382	1.25 351	1.22 384	1.39 354	1.55 368	1.69 372	1.67 352	1.21 319	1.53 373	1.12 327	0.99 334	0.87 391	0.75 399	0.79 383	0.75 390	0.90 382	0.94 391

ADCS	1.51 381	0.61 357	3.42 399	0.59 340	0.51 349	1.27 352	1.08 376	1.59 377	1.81 379	1.91 380	1.66 350	1.51 360	1.42 370	1.94 385	8.60 414	0.33 339	0.32 352	0.33 334	0.36 349	0.44 349	0.42 352

CC-Net-ROB	0.82 322	0.96 383	0.85 318	0.58 337	0.45 335	1.27 352	0.70 336	1.17 296	1.02 283	0.83 219	1.23 298	0.90 260	0.77 288	1.06 316	0.69 267	0.46 366	0.34 360	1.71 394	0.38 353	0.59 377	0.36 331

RYNet	0.72 304	0.35 284	0.64 262	0.53 318	0.67 372	1.31 354	0.67 322	1.20 305	1.18 327	1.05 317	0.87 164	1.27 324	0.93 329	0.93 293	1.27 360	0.22 259	0.16 235	0.26 289	0.23 280	0.40 338	0.39 345

coex-ft	6.43 417	1.51 400	87.33 440	0.49 276	0.38 296	1.34 355	1.21 383	1.16 291	8.09 413	12.12 420	2.79 387	2.77 389	3.31 408	1.16 330	3.15 392	0.24 273	0.23 305	0.27 301	0.24 293	0.45 353	0.37 337

WZ-Net	1.19 366	0.59 354	4.07 404	0.62 350	0.51 349	1.34 355	1.31 392	1.32 340	1.74 377	1.53 361	1.65 348	1.74 369	1.28 364	2.25 393	2.01 379	0.27 300	0.21 289	0.23 250	0.25 302	0.40 338	0.39 345

FCDSN-DC	1.39 377	0.56 350	0.65 267	0.74 374	0.59 367	1.38 357	0.63 316	1.35 347	1.39 355	3.26 407	4.50 411	4.61 402	2.63 401	1.58 367	1.03 338	0.46 366	0.42 376	0.48 366	0.47 370	0.50 362	0.50 373
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MaskLacGwcNet_RVC	0.67 289	0.81 372	0.73 296	0.53 318	0.37 288	1.40 358	0.53 288	1.04 251	0.79 176	0.88 247	0.94 189	0.95 269	0.53 170	0.93 293	0.58 242	0.39 358	0.30 339	0.57 376	0.31 335	0.53 368	0.30 306

ADCPNet	1.03 350	0.48 327	2.70 395	0.54 324	0.42 319	1.40 358	0.75 344	1.13 279	1.07 310	1.22 344	1.42 327	1.68 368	1.09 346	1.36 357	3.45 397	0.30 318	0.28 331	0.29 316	0.32 341	0.37 331	0.35 329

AnyNet_C32	1.16 364	0.62 360	2.40 394	0.57 335	0.55 357	1.41 360	1.34 393	1.18 299	1.24 337	1.49 358	1.42 327	1.39 346	1.20 359	1.55 363	4.82 404	0.29 312	0.28 331	0.29 316	0.34 346	0.38 335	0.42 352

SANet	1.07 356	0.41 312	1.06 339	0.48 261	0.30 229	1.41 360	0.94 364	1.42 359	3.36 402	1.58 362	2.43 377	2.33 383	1.70 382	1.34 352	1.07 343	0.28 306	0.24 312	0.26 289	0.23 280	0.34 321	0.30 306

SPS-STEREO	1.25 370	0.93 380	1.06 339	1.04 385	1.03 388	1.41 360	0.91 363	1.51 371	1.19 329	2.09 384	1.83 360	1.94 375	1.39 368	1.62 369	1.39 364	0.97 393	0.94 409	0.90 385	0.89 394	0.96 386	0.96 394
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Wz-Net-MNSev	0.76 310	0.40 309	1.34 367	0.50 290	0.40 306	1.44 363	0.83 352	1.15 288	1.16 324	1.25 348	1.20 293	1.13 314	0.81 299	1.16 330	1.00 337	0.22 259	0.19 274	0.24 264	0.23 280	0.28 287	0.26 279

ADCP+	1.06 354	0.35 284	1.51 379	0.49 276	0.51 349	1.45 364	0.55 296	1.25 329	1.03 288	1.16 336	1.15 279	1.10 307	1.07 345	1.56 365	6.75 412	0.19 205	0.16 235	0.23 250	0.21 254	0.28 287	0.21 243

RainbowNet	1.35 374	1.49 398	1.19 354	1.88 400	1.45 394	1.48 365	1.07 375	1.61 379	1.55 368	1.20 342	1.59 346	1.54 361	1.13 349	1.34 352	0.97 330	1.36 403	0.70 392	1.82 396	0.79 392	1.71 395	1.07 399

PVD	1.28 371	0.67 364	1.28 361	0.74 374	0.62 369	1.50 366	0.84 355	1.99 389	2.96 397	2.18 387	2.36 376	1.85 373	1.95 391	1.92 383	1.94 377	0.39 358	0.36 364	0.49 369	0.37 350	0.51 363	0.64 380

Wz-Net-TNSev	1.14 360	1.06 389	4.32 406	0.49 276	0.42 319	1.51 367	1.11 377	1.48 365	1.40 357	1.22 344	1.26 302	1.58 365	1.43 371	1.76 377	1.70 369	0.32 333	0.31 349	0.26 289	0.30 328	0.41 344	0.41 351

SGM+DAISY	1.35 374	0.94 382	1.25 360	0.96 381	1.00 387	1.52 368	1.02 372	1.34 344	1.21 332	2.64 395	2.65 385	2.44 384	1.56 376	1.64 372	1.26 358	0.97 393	0.95 410	0.90 385	0.90 395	0.94 384	0.96 394

SGM_RVC	0.97 343	0.28 246	0.41 86	0.39 89	0.22 44	1.55 369	0.73 342	1.51 371	1.25 341	2.25 389	1.92 364	2.58 387	1.56 376	2.02 387	1.19 353	0.27 300	0.27 329	0.27 301	0.25 302	0.25 271	0.25 275
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN	1.59 383	0.51 337	0.66 272	0.61 347	0.49 345	1.56 370	0.70 336	1.66 382	1.53 366	4.64 414	4.62 412	5.85 411	3.34 409	1.84 381	1.11 346	0.46 366	0.42 376	0.47 363	0.46 367	0.48 359	0.46 363

LE_ROB	4.42 412	0.24 186	2.75 396	0.42 174	0.23 72	1.57 371	0.90 362	1.71 385	17.88 426	16.56 428	4.88 413	5.17 409	18.85 428	1.63 371	14.62 420	0.17 148	0.14 183	0.16 64	0.16 127	0.19 197	0.17 167

DPSNet	0.99 345	0.42 314	1.88 388	0.53 318	0.41 313	1.59 372	1.26 388	2.21 393	1.43 358	1.10 330	1.11 264	1.46 351	1.95 391	1.34 352	1.26 358	0.34 345	0.25 320	0.25 275	0.21 254	0.46 356	0.37 337

ADCL	1.04 351	0.38 301	1.35 368	0.50 290	0.39 301	1.61 373	0.89 360	1.29 335	1.39 355	1.29 350	1.50 339	1.24 322	1.24 360	1.37 358	4.87 405	0.21 241	0.19 274	0.25 275	0.25 302	0.29 290	0.27 286

MSMD_ROB	1.21 367	0.49 330	0.62 249	0.59 340	0.50 346	1.62 374	0.67 322	1.23 319	1.24 337	2.45 393	3.77 400	3.09 393	2.98 406	1.32 349	0.81 292	0.45 365	0.41 374	0.49 369	0.51 379	0.47 358	0.44 358

otaku	1.04 351	0.93 380	0.88 325	1.33 393	1.05 390	1.66 375	0.70 336	1.40 357	1.18 327	1.08 326	1.32 312	1.33 337	0.91 321	1.23 339	0.76 282	0.72 385	0.46 384	1.24 390	0.50 377	1.40 392	0.75 382

MeshStereo	1.34 372	0.43 316	0.54 220	0.44 207	0.34 275	1.66 375	0.60 309	1.94 387	1.37 352	4.47 413	3.25 392	4.71 404	1.94 390	1.92 383	1.17 351	0.35 349	0.35 362	0.37 345	0.31 335	0.32 309	0.32 316
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
PDISCO_ROB	0.91 338	0.48 327	1.06 339	0.99 382	0.97 384	1.67 377	0.63 316	1.64 381	1.59 370	1.06 320	1.18 288	1.31 330	0.79 295	1.55 363	0.97 330	0.49 371	0.22 295	0.45 359	0.40 359	0.45 353	0.37 337

Ntro	1.09 358	0.97 386	0.91 327	1.44 394	1.19 392	1.69 378	0.80 350	1.35 347	1.25 341	1.00 299	1.29 308	1.31 330	0.97 335	1.26 342	0.84 296	0.84 389	0.43 379	1.36 391	0.50 377	1.56 393	0.78 384

stereogan	0.80 318	0.31 265	0.71 292	0.59 340	0.50 346	1.72 379	0.48 258	1.35 347	1.37 352	1.00 299	1.46 337	1.56 363	0.95 333	1.29 346	0.84 296	0.28 306	0.29 336	0.29 316	0.25 302	0.38 335	0.38 343

SAMSARA	1.07 356	0.65 362	1.19 354	1.06 386	0.90 379	1.76 380	1.76 407	1.46 363	1.44 360	1.51 359	1.16 284	2.00 377	1.14 350	1.48 361	1.31 362	0.39 358	0.44 381	0.35 338	0.38 353	0.49 360	0.49 372

ACVNet_1	1.46 379	1.33 395	1.12 345	1.91 402	1.62 397	1.83 381	0.98 367	2.00 390	1.85 380	1.39 356	1.53 342	2.32 382	1.53 373	1.34 352	1.11 346	1.30 400	0.50 386	2.06 404	0.58 383	1.93 403	0.95 393

ACVNet-4b	1.35 374	1.31 394	1.10 342	1.90 401	1.59 396	1.92 382	0.77 346	1.52 374	1.62 374	1.05 317	1.60 347	2.11 378	0.94 330	1.64 372	0.77 286	1.30 400	0.35 362	2.03 402	0.67 387	1.88 401	0.84 387

MFN_U_SF_RVC	1.09 358	0.59 354	1.97 389	0.67 364	0.44 331	1.93 383	0.60 309	1.85 386	1.36 350	1.61 365	1.54 343	1.95 376	1.37 367	1.64 372	1.73 370	0.40 362	0.37 365	0.45 359	0.48 372	0.44 349	0.44 358

AnyNet_C01	1.56 382	1.05 388	7.45 412	0.64 352	0.54 355	1.99 384	1.38 395	1.43 361	1.36 350	1.63 368	1.92 364	1.84 371	1.33 366	2.40 395	4.03 399	0.33 339	0.32 352	0.32 329	0.34 346	0.44 349	0.45 362

ELAS_RVC	1.60 384	0.61 357	1.01 336	0.70 370	0.56 360	2.00 385	1.89 410	1.96 388	2.65 394	3.33 408	3.26 393	3.03 390	3.41 410	2.49 397	2.09 381	0.52 375	0.45 382	0.50 371	0.48 372	0.54 370	0.52 375
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	0.95 342	0.46 326	1.04 337	0.64 352	0.48 343	2.12 386	0.64 318	1.01 241	0.87 213	1.75 373	2.82 390	1.30 329	1.64 381	1.06 316	0.96 329	0.36 352	0.29 336	0.35 338	0.25 302	0.45 353	0.42 352

ACVNet_2	1.65 387	1.27 393	1.41 375	1.75 397	1.62 397	2.22 387	1.20 381	2.30 394	2.62 393	1.78 374	2.56 380	3.03 390	1.61 378	1.54 362	1.12 349	1.06 396	0.58 390	1.82 396	0.70 389	1.82 397	0.96 394

IMH-64-1	1.86 388	1.62 403	1.16 348	2.20 405	1.89 405	2.33 388	1.30 389	2.89 398	2.29 388	1.66 369	2.80 388	2.49 385	1.61 378	2.10 389	1.78 374	1.60 404	0.74 395	2.43 408	1.02 401	2.12 404	1.17 403

IMH-64	1.86 388	1.62 403	1.16 348	2.20 405	1.89 405	2.33 388	1.30 389	2.89 398	2.29 388	1.66 369	2.80 388	2.49 385	1.61 378	2.10 389	1.78 374	1.60 404	0.74 395	2.43 408	1.02 401	2.12 404	1.17 403

MDST_ROB	0.91 338	0.27 232	0.85 318	0.63 351	0.41 313	2.53 390	0.71 340	1.60 378	1.13 320	2.83 399	1.73 354	0.97 273	0.69 258	1.61 368	0.73 277	0.25 283	0.22 295	0.32 329	0.28 322	0.25 271	0.24 269

MFN_U_SF_DS_RVC	1.02 349	0.57 352	1.51 379	0.67 364	0.50 346	2.57 391	1.66 403	1.20 305	1.43 358	1.38 355	1.57 345	1.33 337	0.92 324	1.64 372	0.88 307	0.37 355	0.39 371	0.46 362	0.60 384	0.41 344	0.40 348

WAO-6	2.04 395	1.50 399	1.16 348	1.70 396	1.67 401	2.69 392	1.44 399	3.06 400	3.63 405	1.98 381	3.27 394	3.54 400	2.07 394	2.36 394	2.22 385	1.31 402	0.91 405	2.04 403	1.22 410	1.73 396	1.27 407

Dean	1.98 392	1.36 396	1.36 372	2.12 404	1.81 404	2.74 393	1.36 394	3.37 407	3.80 406	2.08 383	3.32 396	3.21 395	1.82 385	1.71 376	1.67 368	1.27 397	0.77 401	1.99 398	0.90 395	1.86 398	1.03 398

LVE	2.12 397	1.44 397	1.36 372	1.99 403	1.78 402	2.75 394	1.79 408	2.82 397	3.95 407	1.90 379	4.33 410	3.52 399	1.81 384	2.24 392	1.74 371	1.74 408	0.87 404	2.06 404	1.13 406	1.91 402	1.35 408

MADNet+	2.23 398	2.43 414	10.85 415	1.22 390	0.91 380	2.76 395	1.40 396	2.12 392	1.67 376	1.32 351	1.74 356	1.86 374	1.74 383	6.25 414	4.41 403	0.65 382	0.64 391	0.58 378	0.54 381	0.80 381	0.76 383

RTS	1.98 392	0.96 383	11.36 416	0.65 358	0.57 364	2.77 396	1.40 396	1.39 354	2.26 386	1.89 377	2.56 380	1.32 335	1.25 361	5.20 412	4.05 400	0.31 321	0.22 295	0.29 316	0.29 326	0.40 338	0.37 337

RTSA	1.98 392	0.96 383	11.36 416	0.65 358	0.57 364	2.77 396	1.40 396	1.39 354	2.26 386	1.89 377	2.56 380	1.32 335	1.25 361	5.20 412	4.05 400	0.31 321	0.22 295	0.29 316	0.29 326	0.40 338	0.37 337

WAO-7	1.90 390	1.20 391	1.35 368	1.27 391	1.06 391	2.84 398	1.56 402	3.23 403	3.06 400	2.23 388	3.33 397	3.17 394	2.28 396	3.12 400	2.21 383	1.02 395	0.91 405	1.06 389	1.03 403	1.04 388	0.97 397

PWCK	1.92 391	1.66 406	3.12 398	1.65 395	0.91 380	2.84 398	2.26 413	2.10 391	2.41 392	2.36 391	2.31 372	2.22 379	1.82 385	3.43 403	2.03 380	1.61 406	0.71 394	1.51 392	0.82 393	1.69 394	0.91 390

KSHMR	2.57 399	1.93 409	1.69 381	2.63 413	2.42 412	2.86 400	2.07 411	3.27 405	6.50 411	2.49 394	3.36 399	3.41 398	1.92 389	2.49 397	1.94 377	2.13 413	1.40 415	2.79 417	1.50 413	2.73 412	1.77 411

DPSimNet_ROB	3.58 408	2.45 415	8.57 413	2.53 409	2.37 411	2.88 401	3.77 418	3.14 402	3.23 401	4.71 415	3.86 403	4.68 403	4.87 415	4.07 410	5.62 407	2.33 416	2.33 418	2.47 411	2.52 417	2.51 411	2.64 417

notaker	2.76 400	2.29 413	1.80 386	2.96 415	2.58 416	2.90 402	1.75 406	3.24 404	3.05 399	2.78 398	4.24 409	6.15 414	2.51 399	3.34 402	2.75 391	2.31 415	1.18 413	3.00 418	1.65 414	2.84 415	1.97 412

IMH	2.04 395	1.62 403	1.20 357	2.20 405	1.89 405	2.91 403	1.30 389	3.11 401	3.03 398	1.81 375	3.35 398	3.03 390	1.90 388	2.48 396	1.80 376	1.66 407	0.77 401	2.45 410	1.04 404	2.15 406	1.19 406

ELAS	1.63 386	0.61 357	0.95 329	0.68 367	0.55 357	3.01 404	1.55 401	2.39 395	2.33 390	3.64 410	3.89 404	2.75 388	2.90 405	2.15 391	2.27 388	0.52 375	0.45 382	0.50 371	0.48 372	0.54 370	0.52 375
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
LRCNet_RVC	21.24 426	31.15 432	21.41 422	28.98 429	23.82 427	3.13 405	0.60 309	20.96 429	1.59 370	25.58 429	28.15 432	21.99 429	14.79 419	21.94 430	16.41 421	28.89 438	14.87 429	33.53 434	31.28 434	29.51 436	26.16 434

SDNR	0.86 329	0.37 292	1.47 377	0.40 113	0.38 296	3.38 406	0.33 116	0.90 203	0.98 264	0.99 294	2.09 371	0.59 127	0.71 272	1.29 346	0.70 270	0.51 374	0.56 388	0.36 341	0.26 312	0.43 348	0.46 363

HanzoNet	6.76 418	2.45 415	4.22 405	3.19 417	2.94 418	3.62 407	2.28 414	4.79 416	7.20 412	14.00 424	13.19 423	17.49 424	22.30 429	13.25 422	6.19 409	4.20 420	1.93 417	3.10 419	2.56 418	3.35 418	2.88 419

UNDER WATER	3.46 406	2.07 411	3.64 402	3.09 416	2.48 413	3.75 408	2.42 415	3.31 406	13.77 419	2.90 404	2.95 391	5.84 410	3.69 411	3.69 406	3.48 398	2.07 412	1.11 412	2.70 415	1.40 411	2.84 415	1.98 413

ktn	2.98 404	2.25 412	1.73 383	2.84 414	2.53 415	3.76 409	2.15 412	3.70 409	5.47 410	2.75 397	5.17 415	5.94 412	2.48 398	3.23 401	2.46 389	2.34 417	1.44 416	2.78 416	2.03 416	2.45 410	2.01 414

MSC_U_SF_DS_RVC	1.34 372	0.87 377	1.76 384	0.86 378	0.56 360	4.29 410	1.79 408	1.50 368	1.98 382	1.61 365	1.85 362	1.84 371	1.41 369	1.89 382	1.36 363	0.48 369	0.40 373	0.56 375	0.57 382	0.69 379	0.48 369

MADNet++	4.03 409	2.70 419	3.44 401	3.72 420	3.44 419	4.44 411	3.52 417	3.95 411	3.61 404	4.46 412	4.98 414	4.10 401	4.58 414	7.00 417	5.89 408	3.74 418	3.67 421	3.27 420	2.71 419	3.70 420	3.66 421

WAO-8	2.92 402	1.55 401	1.35 368	1.79 398	1.63 399	5.23 412	1.22 384	4.58 413	12.56 417	2.84 400	4.07 408	4.83 405	2.72 403	3.49 404	2.25 386	1.27 397	0.91 405	1.99 398	1.15 408	1.86 398	1.15 401

Venus	2.92 402	1.55 401	1.35 368	1.79 398	1.63 399	5.23 412	1.22 384	4.58 413	12.56 417	2.84 400	4.06 407	4.83 405	2.72 403	3.49 404	2.25 386	1.27 397	0.91 405	1.99 398	1.15 408	1.86 398	1.15 401

UNDER WATER-64	3.53 407	2.01 410	3.94 403	3.22 418	2.49 414	5.41 414	2.60 416	3.43 408	12.41 416	3.03 405	2.68 386	6.07 413	4.04 412	3.79 408	3.33 394	2.02 411	1.24 414	2.63 413	1.46 412	2.78 413	2.08 415

TorneroNet-64	3.44 405	1.86 407	1.42 376	2.58 412	2.28 410	6.87 415	1.68 404	4.70 415	12.03 414	2.31 390	5.59 416	8.25 416	2.55 400	3.97 409	2.73 390	1.81 409	0.74 395	2.57 412	1.07 405	2.35 408	1.44 409

MANE	4.13 411	0.51 337	0.64 262	0.66 361	0.56 360	6.89 416	0.99 369	7.55 418	12.04 415	6.68 418	8.57 419	10.69 419	9.45 418	7.59 418	6.39 410	0.49 371	0.43 379	0.48 366	0.98 399	0.49 360	0.48 369

SGM-ForestM	4.04 410	0.32 267	0.46 151	0.43 192	0.27 177	7.50 417	1.45 400	3.84 410	4.24 408	8.19 419	6.76 417	19.00 426	9.08 417	10.74 421	6.62 411	0.31 321	0.33 358	0.32 329	0.32 341	0.29 290	0.29 299

JetBlue	2.78 401	1.26 392	7.04 411	1.16 388	1.48 395	8.00 418	6.02 419	2.60 396	1.92 381	2.12 385	2.64 384	3.34 397	3.05 407	6.49 415	3.39 395	0.78 388	0.76 400	0.75 381	0.76 391	0.97 387	1.18 405

DPSMNet_ROB	12.08 421	8.00 422	21.00 421	8.97 424	16.79 423	10.67 419	30.89 427	9.02 421	15.17 422	6.51 417	15.41 427	9.04 417	14.85 420	9.27 420	21.67 424	4.58 422	8.57 423	5.09 423	9.29 425	5.90 422	10.95 424

DGTPSM_ROB	12.07 420	8.00 422	20.99 420	8.93 423	16.78 422	10.67 419	30.87 426	9.01 420	15.16 421	6.50 416	15.41 427	9.04 417	14.85 420	9.25 419	21.67 424	4.57 421	8.57 423	5.08 422	9.28 424	5.90 422	10.95 424

tt	6.20 416	0.20 74	5.89 408	3.55 419	2.07 408	11.26 421	19.21 422	11.74 422	5.46 409	2.69 396	2.04 370	4.87 408	6.25 416	3.70 407	7.09 413	8.32 424	11.17 428	4.93 421	5.41 423	5.74 421	2.37 416

JetRed	5.27 415	5.84 421	12.81 419	2.36 408	2.83 417	12.23 422	10.50 421	4.46 412	3.60 403	3.86 411	3.83 402	4.85 407	4.18 413	6.78 416	11.96 417	2.17 414	2.96 420	2.18 406	1.97 415	3.38 419	2.68 418

TorneroNet	4.53 413	1.89 408	1.48 378	2.55 410	2.27 409	13.78 423	1.69 405	4.84 417	23.73 431	2.89 403	7.70 418	7.06 415	2.69 402	4.26 411	3.42 396	1.84 410	0.77 401	2.68 414	1.13 406	2.42 409	1.47 410

HaxPig	31.96 428	37.24 434	34.27 429	24.37 428	24.88 428	18.26 424	19.86 423	20.64 428	28.52 432	35.97 438	38.75 438	25.57 430	28.72 432	33.88 432	34.39 432	35.94 439	38.87 439	37.80 435	40.48 435	39.68 437	41.15 439

Anonymous_1	33.25 429	18.26 425	23.92 423	20.54 425	21.28 426	25.59 425	35.94 428	22.01 432	15.57 423	13.33 421	13.49 424	18.08 425	15.29 422	20.36 423	24.60 426	16.28 431	8.84 425	66.59 438	118.00 438	155.73 441	11.23 426

DPSM_ROB	17.78 423	18.63 426	24.31 427	20.90 426	19.47 424	25.97 426	36.21 429	21.23 430	16.24 424	13.38 422	14.06 425	19.18 427	16.30 423	20.78 424	25.67 427	9.38 426	9.23 426	9.49 426	9.82 426	13.51 425	11.91 427

DPSM	17.78 423	18.63 426	24.31 427	20.90 426	19.47 424	25.97 426	36.21 429	21.23 430	16.24 424	13.38 422	14.06 425	19.18 427	16.30 423	20.78 424	25.67 427	9.38 426	9.23 426	9.49 426	9.82 426	13.51 425	11.91 427

MEDIAN_ROB	37.38 438	40.85 442	40.60 432	32.31 430	31.85 429	27.20 428	24.55 424	29.10 433	33.19 439	42.09 440	41.76 440	33.35 431	34.39 440	39.78 434	37.07 433	43.64 441	44.10 441	44.12 437	43.40 437	41.51 439	42.76 441

xxxxx1	36.64 435	19.51 428	24.21 424	61.66 438	64.63 438	27.28 429	40.10 431	20.25 425	18.63 427	14.07 425	12.97 420	17.26 421	17.36 425	21.70 427	27.93 429	13.18 428	18.50 431	111.26 439	133.37 439	29.24 433	39.73 436

tt_ll	36.64 435	19.51 428	24.21 424	61.66 438	64.63 438	27.28 429	40.10 431	20.25 425	18.63 427	14.07 425	12.97 420	17.26 421	17.36 425	21.70 427	27.93 429	13.18 428	18.50 431	111.26 439	133.37 439	29.24 433	39.73 436

ff	36.64 435	19.51 428	24.21 424	61.66 438	64.63 438	27.28 429	40.10 431	20.25 425	18.63 427	14.07 425	12.97 420	17.26 421	17.36 425	21.70 427	27.93 429	13.18 428	18.50 431	111.26 439	133.37 439	29.24 433	39.73 436

AVERAGE_ROB	37.58 439	40.13 441	40.15 431	34.81 431	33.82 430	28.55 432	25.10 425	32.02 434	34.06 441	41.28 439	40.66 439	34.46 432	34.81 441	39.18 433	37.57 434	42.78 440	43.44 440	43.82 436	43.03 436	40.47 438	41.51 440

BEATNet-Init1	15.13 422	0.82 375	50.86 439	0.72 373	0.53 353	38.10 433	7.03 420	11.83 423	14.25 420	29.78 437	30.17 437	48.21 440	22.64 430	26.78 431	18.11 422	0.42 363	0.38 367	0.47 363	0.46 367	0.51 363	0.48 369

SPstereo	24.26 427	4.19 420	6.66 410	4.29 421	3.79 420	45.68 434	78.09 440	63.52 441	33.36 440	27.50 436	26.65 429	39.53 439	33.55 439	42.77 441	51.02 435	3.90 419	3.72 422	5.95 424	4.66 421	3.15 417	3.30 420

CasAABBNet	35.74 430	37.43 435	48.72 434	42.22 435	39.20 434	52.24 435	73.12 436	42.61 438	32.62 437	26.78 430	27.95 430	38.58 436	32.60 433	41.67 438	51.65 440	18.74 432	18.57 434	19.15 432	19.77 429	27.20 430	23.98 432

MyStereo03	35.77 431	37.55 437	48.75 435	42.19 432	39.18 431	52.27 436	73.13 437	42.32 435	32.61 433	27.03 433	28.40 434	38.50 433	32.89 434	41.62 435	51.63 437	18.78 433	18.59 436	19.11 428	19.80 430	27.18 427	23.95 429

MyStereo02	35.77 431	37.55 437	48.75 435	42.19 432	39.18 431	52.27 436	73.13 437	42.32 435	32.61 433	27.03 433	28.40 434	38.50 433	32.89 434	41.62 435	51.63 437	18.78 433	18.59 436	19.11 428	19.80 430	27.18 427	23.95 429

MyStereo	35.77 431	37.55 437	48.75 435	42.19 432	39.18 431	52.27 436	73.13 437	42.32 435	32.61 433	27.03 433	28.40 434	38.50 433	32.89 434	41.62 435	51.63 437	18.78 433	18.59 436	19.11 428	19.80 430	27.18 427	23.95 429

Selective-RAFT-Error	35.84 434	37.49 436	48.83 438	42.26 436	39.24 435	52.30 439	73.09 435	42.66 439	32.61 433	26.80 431	28.30 433	38.84 438	33.51 438	41.68 439	51.59 436	18.82 436	18.58 435	19.17 433	19.80 430	27.28 431	24.05 433

LSM0	38.95 440	37.60 440	48.58 433	43.57 437	91.06 441	52.57 440	72.57 434	43.17 440	32.63 438	26.97 432	27.97 431	38.65 437	32.94 437	41.86 440	51.78 441	18.89 437	18.41 430	19.13 431	19.63 428	27.29 432	33.77 435

PML	40.80 441	29.24 431	11.87 418	7.20 422	14.47 421	92.13 441	213.69 442	7.63 419	23.35 430	74.72 441	190.14 442	50.17 441	26.15 431	21.39 426	12.70 418	8.76 425	2.92 419	8.45 425	3.25 420	13.26 424	4.42 422

test_example2	176.61 442	205.14 443	198.86 442	188.60 442	190.98 442	152.67 442	170.61 441	94.86 442	123.55 442	178.88 442	179.48 441	158.94 442	141.34 442	192.61 442	198.96 442	203.76 442	236.37 442	164.13 442	173.55 442	218.58 442	160.41 442

ASD4		8.86 424

Low-res two-view benchmark