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

XX-TBD	0.46 28	0.70 343	0.35 1	0.79 328	0.25 20	0.58 79	0.26 10	0.69 5	1.27 252	0.76 58	1.00 90	0.45 16	0.33 10	0.47 4	0.37 41	0.19 94	0.15 128	0.15 3	0.11 7	0.17 26	0.14 13

panet	0.39 6	0.21 4	0.37 2	0.36 2	0.20 2	0.53 60	0.29 21	0.78 13	1.12 181	0.59 41	0.71 35	0.53 42	0.42 22	0.54 9	0.34 25	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.13 4

CAS	0.63 121	0.18 1	0.37 2	2.27 394	0.84 353	0.57 78	0.54 195	0.79 15	0.62 25	0.48 20	0.70 33	0.36 2	0.26 1	0.45 3	0.35 29	2.24 396	0.10 1	0.14 1	0.09 1	0.15 6	1.06 386

CES	0.48 36	0.20 2	0.37 2	0.39 5	1.39 387	0.55 70	0.35 51	0.98 66	0.66 42	0.44 10	0.66 25	0.35 1	0.27 2	0.56 13	0.33 17	0.15 7	0.13 44	0.15 3	0.10 2	0.19 75	1.46 391

CREStereo++_RVC	0.47 34	0.21 4	0.38 5	0.45 34	0.38 175	0.45 19	0.25 4	0.75 9	1.29 261	0.80 67	1.21 172	0.47 21	0.37 13	0.53 7	0.44 88	0.16 12	0.11 3	0.15 3	0.80 383	0.18 45	0.11 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
s12784h	0.52 43	0.20 2	0.38 5	0.41 6	0.19 1	0.96 230	0.34 47	1.17 128	1.25 240	0.81 71	0.90 68	0.63 61	0.50 59	1.45 173	0.42 77	0.14 4	0.12 9	0.17 17	0.11 7	0.18 45	0.11 1

CREStereo	0.39 6	0.21 4	0.38 5	0.34 1	0.22 5	0.53 60	0.29 21	0.77 12	1.11 177	0.58 35	0.71 35	0.51 34	0.41 20	0.54 9	0.34 25	0.18 61	0.13 44	0.15 3	0.10 2	0.14 2	0.14 13
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
PMTNet	0.46 28	0.21 4	0.38 5	0.37 3	0.23 8	0.71 147	0.27 16	0.74 8	1.04 149	0.64 45	0.70 33	0.55 43	0.47 42	0.86 73	0.35 29	1.00 381	0.13 44	0.15 3	0.10 2	0.15 6	0.13 4

LoS_RVC	0.42 14	0.26 49	0.40 9	0.44 24	0.82 351	0.51 53	0.44 129	0.64 3	0.41 2	0.44 10	0.78 48	0.44 10	0.47 42	0.56 13	0.36 35	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 375

GLC_STEREO	0.39 6	0.25 38	0.41 10	0.54 138	0.23 8	0.48 23	0.30 25	0.73 7	0.58 20	0.52 31	0.73 39	0.51 34	0.31 6	0.64 29	0.42 77	0.17 33	0.20 231	0.23 155	0.19 112	0.21 136	0.17 64

AnonymousM	0.59 103	1.11 376	0.41 10	0.44 24	0.32 110	0.43 15	0.47 153	1.05 91	0.64 29	0.98 102	0.63 23	0.67 71	0.43 25	0.59 17	0.41 69	0.20 122	0.15 128	1.84 393	0.84 385	0.14 2	0.13 4

LoS	0.40 10	0.21 4	0.44 12	0.37 3	0.22 5	0.50 42	0.40 88	1.00 72	0.94 109	0.48 20	0.66 25	0.48 24	0.40 18	0.60 26	0.37 41	0.18 61	0.14 78	0.16 11	0.11 7	0.14 2	0.14 13

TANstereo	0.44 25	0.21 4	0.44 12	0.41 6	0.21 4	0.65 113	0.26 10	0.79 15	0.83 77	0.93 88	0.98 85	0.51 34	0.46 36	0.54 9	0.35 29	0.18 61	0.24 278	0.16 11	0.13 12	0.16 14	0.26 230

Any-RAFT	0.53 52	0.24 21	0.47 14	0.47 43	0.27 35	1.00 240	0.25 4	1.58 224	1.05 153	0.85 81	0.99 87	1.06 190	0.47 42	0.70 37	0.32 8	0.18 61	0.13 44	0.16 11	0.13 12	0.16 14	0.16 44

knoymous	0.51 42	0.29 115	0.47 14	0.43 9	0.30 83	0.55 70	0.55 208	1.02 78	0.77 63	0.98 102	0.85 59	0.94 152	0.56 81	0.85 70	0.45 96	0.20 122	0.14 78	0.26 231	0.14 25	0.23 183	0.23 188

CASnet	0.41 13	0.25 38	0.48 16	0.50 75	0.20 2	0.50 42	0.36 61	0.81 23	0.80 70	0.83 75	0.68 29	0.48 24	0.31 6	0.54 9	0.32 8	0.18 61	0.12 9	0.27 242	0.22 202	0.23 183	0.14 13
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
MC-Stereo	0.43 17	0.23 15	0.48 16	0.51 98	0.28 54	0.39 9	0.32 34	0.88 34	0.68 46	0.60 42	0.84 58	0.56 45	0.61 110	1.03 103	0.31 6	0.17 33	0.11 3	0.17 17	0.15 33	0.16 14	0.13 4

UCFNet_RVC	0.69 158	0.35 228	0.49 18	0.64 251	0.39 183	0.85 202	0.58 227	1.75 259	1.14 194	0.97 98	1.19 167	1.17 221	0.93 224	0.99 95	0.62 180	0.28 268	0.20 231	0.34 303	0.31 306	0.32 267	0.27 236

MyStereo07	0.48 36	0.29 115	0.50 19	0.55 157	0.45 215	0.59 83	0.79 279	1.05 91	0.51 14	0.48 20	0.53 11	0.43 7	0.55 77	1.30 141	0.34 25	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 139

ACVNet-DCA	0.56 90	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	1.42 182	0.78 65	0.58 35	0.79 51	0.48 24	0.88 205	1.46 175	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 156

xx1	0.67 153	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	0.93 48	3.05 388	0.58 35	0.79 51	0.95 158	0.77 156	1.46 175	0.32 8	0.20 122	0.12 9	0.24 175	0.23 222	0.22 158	0.21 156

1test111	0.54 66	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	1.42 182	0.78 65	0.58 35	0.79 51	0.48 24	0.88 205	0.88 75	0.59 168	0.20 122	0.12 9	0.25 212	0.15 33	0.22 158	0.21 156

cc1	0.64 131	0.31 163	0.50 19	0.54 138	0.26 22	1.18 270	0.51 176	0.93 48	3.05 388	0.58 35	0.79 51	0.48 24	0.88 205	1.46 175	0.32 8	0.20 122	0.12 9	0.25 212	0.15 33	0.19 75	0.19 116

Selective-IGEV	0.39 6	0.24 21	0.50 19	0.44 24	0.25 20	0.46 21	0.33 37	1.25 155	0.40 1	0.35 1	0.45 3	0.52 39	0.30 4	1.07 114	0.30 2	0.14 4	0.12 9	0.17 17	0.13 12	0.16 14	0.13 4

LargeStereo	0.40 10	0.22 10	0.51 25	0.52 114	0.29 66	0.45 19	0.25 4	1.65 238	0.46 4	0.37 2	0.57 20	0.46 17	0.45 32	0.50 5	0.38 51	0.19 94	0.12 9	0.16 11	0.13 12	0.16 14	0.15 29

tt1	0.62 115	0.32 177	0.51 25	0.54 138	0.26 22	1.16 267	0.48 161	0.95 55	2.47 376	0.57 34	0.77 46	0.49 31	0.81 171	1.55 192	0.32 8	0.20 122	0.12 9	0.24 175	0.15 33	0.19 75	0.20 139

EGLCR-Stereo	0.37 3	0.22 10	0.51 25	0.43 9	0.26 22	0.44 18	0.22 2	0.99 68	0.48 5	0.42 5	0.42 2	0.67 71	0.29 3	0.86 73	0.33 17	0.17 33	0.12 9	0.19 53	0.17 78	0.17 26	0.15 29

AEACV	0.37 3	0.24 21	0.52 28	0.47 43	0.51 249	0.37 8	0.38 74	0.65 4	0.53 17	0.42 5	0.56 19	0.46 17	0.60 100	0.53 7	0.30 2	0.16 12	0.13 44	0.18 39	0.15 33	0.17 26	0.14 13

LCNet	0.72 166	0.28 88	0.52 28	0.55 157	0.31 95	0.69 137	0.54 195	1.00 72	0.88 88	1.19 190	1.34 221	0.97 166	1.34 320	2.56 290	0.45 96	0.18 61	0.13 44	0.21 100	0.25 244	0.27 227	0.73 370

anonymousdsp	0.43 17	0.27 72	0.53 30	0.44 24	0.32 110	0.50 42	0.42 101	0.89 35	0.51 14	0.49 23	0.53 11	0.47 21	0.47 42	1.33 146	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

PSM-AAD	0.79 206	0.27 72	0.53 30	0.55 157	0.28 54	0.77 171	1.24 349	0.99 68	0.91 100	1.66 327	1.57 284	0.81 102	2.19 377	1.65 206	0.44 88	0.19 94	0.14 78	0.38 323	0.32 312	0.21 136	0.70 367

Prome-Stereo	0.75 190	0.27 72	0.53 30	0.55 157	0.32 110	0.59 83	0.97 319	0.89 35	0.88 88	1.45 290	2.46 363	0.91 140	1.41 323	1.58 198	0.44 88	0.18 61	0.13 44	0.19 53	0.17 78	0.20 102	0.92 377

HSM-Net_RVC	0.87 239	0.29 115	0.53 30	0.53 123	0.30 83	1.15 265	0.55 208	3.57 394	1.28 257	1.53 306	1.74 311	1.68 317	0.93 224	1.49 181	0.77 220	0.22 172	0.17 185	0.19 53	0.18 92	0.20 102	0.19 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MoCha-V2	0.37 3	0.24 21	0.54 34	0.72 306	0.22 5	0.43 15	0.31 30	0.95 55	0.55 18	0.43 8	0.46 4	0.43 7	0.60 100	0.44 2	0.29 1	0.14 4	0.12 9	0.15 3	0.13 12	0.17 26	0.12 3

IGEV-Stereo	0.43 17	0.27 72	0.54 34	0.45 34	0.32 110	0.50 42	0.42 101	0.90 41	0.51 14	0.49 23	0.53 11	0.47 21	0.47 42	1.32 144	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
raft+_RVC	0.53 52	0.26 49	0.54 34	0.60 211	0.47 229	0.54 64	0.54 195	1.27 157	0.99 132	0.76 58	1.03 110	0.70 81	0.56 81	0.93 86	0.47 114	0.18 61	0.14 78	0.19 53	0.18 92	0.18 45	0.15 29

ACVNet	0.63 121	0.31 163	0.54 34	0.54 138	0.36 150	0.80 185	0.46 147	1.37 172	1.07 161	0.93 88	1.30 203	1.08 197	0.85 189	0.80 59	0.94 254	0.21 149	0.19 214	0.21 100	0.18 92	0.22 158	0.18 82

CFNet-ft	0.72 166	0.32 177	0.54 34	0.66 268	0.54 263	0.83 194	0.55 208	1.37 172	1.15 203	0.93 88	1.28 198	1.57 299	0.97 242	1.35 150	0.81 232	0.26 249	0.20 231	0.33 293	0.25 244	0.30 255	0.23 188

CFNet_RVC	0.72 166	0.32 177	0.54 34	0.66 268	0.54 263	0.83 194	0.55 208	1.37 172	1.15 203	0.93 88	1.28 198	1.57 299	0.97 242	1.35 150	0.81 232	0.26 249	0.20 231	0.33 293	0.25 244	0.30 255	0.23 188

ff7	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

IGEVStereo-DCA	0.46 28	0.28 88	0.56 40	0.43 9	0.33 126	0.49 33	0.42 101	0.87 27	0.50 7	0.47 16	0.48 7	0.48 24	0.46 36	2.03 256	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.18 82

ffff	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

11t	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

ccc-4	0.43 17	0.27 72	0.56 40	0.44 24	0.33 126	0.50 42	0.42 101	0.87 27	0.50 7	0.49 23	0.53 11	0.44 10	0.48 50	1.38 158	0.33 17	0.17 33	0.12 9	0.21 100	0.15 33	0.18 45	0.18 82

test_4	0.53 52	0.22 10	0.56 40	0.54 138	0.32 110	0.64 101	0.39 85	0.80 20	0.62 25	0.92 87	1.87 329	0.68 73	0.42 22	1.16 127	0.37 41	0.15 7	0.13 44	0.20 77	0.22 202	0.20 102	0.15 29

FTStereo	0.91 248	0.26 49	0.56 40	0.54 138	0.33 126	0.66 122	1.87 383	1.00 72	0.75 58	1.75 334	4.15 386	1.04 188	1.65 346	1.57 196	0.46 109	0.19 94	0.16 159	0.23 155	0.21 176	0.18 45	0.63 359

raftrobust	0.52 43	0.25 38	0.56 40	0.65 263	0.52 257	0.49 33	0.34 47	0.98 66	0.91 100	1.30 238	0.87 63	0.63 61	0.81 171	0.78 55	0.41 69	0.19 94	0.15 128	0.16 11	0.14 25	0.15 6	0.16 44

MSKI-zero shot	0.55 81	0.26 49	0.57 48	0.51 98	0.26 22	0.69 137	0.28 19	1.18 133	0.64 29	0.91 85	1.32 214	0.82 107	0.33 10	1.92 245	0.32 8	0.17 33	0.12 9	0.17 17	0.13 12	0.16 14	0.16 44

ICVP	0.63 121	0.33 193	0.57 48	0.61 223	0.40 188	0.80 185	0.58 227	1.61 231	0.89 91	0.90 83	1.24 180	0.88 134	0.73 140	0.72 44	0.88 248	0.29 276	0.21 247	0.22 126	0.21 176	0.24 197	0.27 236
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
hitnet-ft	0.79 206	0.35 228	0.57 48	0.58 187	0.42 197	0.96 230	0.46 147	1.47 194	1.33 279	1.19 190	1.22 174	1.81 328	0.98 246	1.66 210	0.94 254	0.33 297	0.28 303	0.34 303	0.27 266	0.35 276	0.31 272

MGS-Stereo	0.42 14	0.26 49	0.58 51	0.44 24	0.28 54	0.50 42	0.34 47	0.57 2	0.83 77	0.46 15	1.31 208	0.52 39	0.33 10	0.65 33	0.36 35	0.19 94	0.16 159	0.18 39	0.15 33	0.17 26	0.16 44

StereoIM	0.36 1	0.25 38	0.58 51	0.44 24	0.34 141	0.30 3	0.30 25	0.72 6	0.50 7	0.37 2	0.36 1	0.58 51	0.49 58	0.52 6	0.36 35	0.19 94	0.16 159	0.19 53	0.15 33	0.18 45	0.14 13

ProNet	0.43 17	0.28 88	0.58 51	0.43 9	0.30 83	0.56 73	0.52 185	1.00 72	0.58 20	0.44 10	0.49 9	0.43 7	0.43 25	1.28 137	0.36 35	0.15 7	0.13 44	0.19 53	0.16 62	0.17 26	0.16 44

RCA-Stereo	0.50 41	0.23 15	0.58 51	0.48 55	0.33 126	0.55 70	0.45 140	0.97 64	1.38 301	0.68 48	1.05 114	0.63 61	0.80 168	0.59 17	0.32 8	0.17 33	0.12 9	0.17 17	0.14 25	0.16 14	0.14 13

GrayStereo	0.82 217	0.26 49	0.58 51	0.63 242	0.37 158	0.76 165	1.86 382	1.11 119	0.87 84	1.99 354	1.89 331	1.08 197	1.82 361	1.39 163	0.48 119	0.19 94	0.14 78	0.19 53	0.21 176	0.18 45	0.39 304

ttt	0.94 255	0.34 212	0.59 56	0.61 223	0.37 158	0.94 222	0.50 175	2.17 355	1.34 282	1.23 205	1.61 292	0.91 140	0.76 152	1.85 239	3.97 381	0.30 280	0.26 289	0.26 231	0.24 233	0.29 246	0.29 250

MIF-Stereo	0.36 1	0.23 15	0.59 56	0.48 55	0.36 150	0.40 10	0.32 34	0.53 1	0.49 6	0.54 33	0.55 18	0.36 2	0.31 6	0.58 16	0.51 135	0.20 122	0.15 128	0.17 17	0.15 33	0.19 75	0.15 29

GMM-Stereo	0.74 183	0.25 38	0.59 56	0.54 138	0.34 141	0.72 149	0.99 323	1.01 77	0.87 84	1.36 266	1.78 317	1.12 211	0.81 171	2.09 261	0.46 109	0.18 61	0.12 9	0.25 212	0.25 244	0.20 102	0.85 376

rafts_anoy	0.52 43	0.29 115	0.59 56	0.59 200	0.50 239	0.53 60	0.40 88	1.11 119	1.03 145	0.84 77	0.83 56	0.68 73	0.54 71	0.72 44	0.51 135	0.19 94	0.14 78	0.24 175	0.26 258	0.21 136	0.18 82

riskmin	0.56 90	0.27 72	0.60 60	0.43 9	0.31 95	0.83 194	0.42 101	1.14 123	1.04 149	0.73 57	0.75 43	1.11 210	1.01 258	0.81 63	0.51 135	0.20 122	0.14 78	0.24 175	0.15 33	0.24 197	0.25 212

RAFT+CT+SA	0.58 100	0.29 115	0.60 60	0.66 268	0.37 158	0.42 14	0.55 208	1.27 157	1.03 145	0.70 51	1.22 174	0.60 56	0.70 137	1.64 205	0.41 69	0.18 61	0.13 44	0.22 126	0.22 202	0.21 136	0.18 82

SGM-Forest	1.24 313	0.38 246	0.60 60	0.52 114	0.37 158	1.56 317	1.30 354	1.65 238	1.36 293	2.11 360	1.79 318	1.63 309	0.93 224	7.48 395	0.95 256	0.36 315	0.37 345	0.39 329	0.34 323	0.37 286	0.32 278
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
x	0.54 66	0.31 163	0.61 63	0.47 43	0.30 83	0.67 126	0.47 153	1.53 215	0.79 69	0.81 71	0.83 56	0.78 94	0.70 137	0.70 37	0.62 180	0.21 149	0.19 214	0.22 126	0.19 112	0.21 136	0.20 139

cross-raft	0.54 66	0.25 38	0.61 63	0.52 114	0.29 66	0.68 133	0.37 70	1.46 192	0.76 61	1.01 109	1.06 116	1.28 252	0.46 36	0.71 41	0.35 29	0.15 7	0.12 9	0.18 39	0.16 62	0.19 75	0.14 13

PSMNet-RSSM	0.72 166	0.30 131	0.61 63	0.63 242	0.42 197	0.73 152	0.56 214	1.92 304	1.10 175	1.09 128	1.37 230	1.22 230	0.98 246	1.28 137	0.72 204	0.27 258	0.19 214	0.27 242	0.29 294	0.24 197	0.24 200

SGM_RVC	1.68 353	0.36 235	0.61 63	0.59 200	0.29 66	2.25 365	1.18 345	2.38 374	1.68 342	3.60 393	2.67 368	3.69 386	2.42 383	8.13 401	1.90 347	0.31 287	0.31 321	0.30 269	0.28 283	0.30 255	0.29 250
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PSMNet-ADL	0.72 166	0.35 228	0.62 67	0.69 291	0.46 225	1.14 260	0.44 129	1.37 172	1.01 139	0.83 75	1.17 162	1.33 261	0.96 239	1.43 170	0.95 256	0.33 297	0.22 261	0.21 100	0.23 222	0.27 227	0.29 250

KYRaft	0.75 190	0.28 88	0.62 67	0.56 170	0.29 66	0.67 126	0.86 297	0.94 52	0.84 79	1.62 324	2.21 351	1.16 220	1.02 263	1.57 196	0.40 62	0.20 122	0.13 44	0.22 126	0.28 283	0.20 102	1.02 381

NOSS_ROB	1.26 316	0.46 278	0.62 67	0.56 170	0.38 175	1.06 249	0.78 276	1.73 253	1.40 310	1.01 109	1.43 247	1.10 206	0.75 144	10.62 416	0.65 189	0.45 346	0.43 359	0.48 350	0.45 351	0.44 322	0.41 309

HHNet	0.62 115	0.26 49	0.63 70	0.43 9	0.45 215	0.50 42	0.58 227	1.07 106	1.01 139	1.25 217	2.23 352	0.70 81	0.61 110	1.07 114	0.47 114	0.20 122	0.13 44	0.23 155	0.19 112	0.19 75	0.30 262

FENet	0.60 106	0.28 88	0.63 70	0.54 138	0.33 126	0.83 194	0.38 74	1.27 157	1.07 161	1.00 106	0.86 60	0.99 172	0.85 189	0.96 87	0.68 194	0.22 172	0.15 128	0.23 155	0.20 140	0.22 158	0.23 188

GANet-RSSM	0.72 166	0.28 88	0.63 70	0.64 251	0.58 281	0.80 185	0.58 227	1.89 294	1.08 165	1.04 119	1.25 184	1.15 219	1.04 266	1.49 181	0.62 180	0.25 235	0.19 214	0.22 126	0.22 202	0.22 158	0.21 156

R-Stereo Train	0.57 95	0.26 49	0.63 70	0.54 138	0.36 150	0.69 137	0.54 195	1.22 147	0.72 54	1.61 321	1.50 268	0.75 87	0.53 68	0.64 29	0.44 88	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64

RAFT-Stereo	0.57 95	0.26 49	0.63 70	0.54 138	0.36 150	0.69 137	0.54 195	1.22 147	0.72 54	1.61 321	1.50 268	0.75 87	0.53 68	0.64 29	0.44 88	0.18 61	0.15 128	0.17 17	0.15 33	0.17 26	0.17 64
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CBMV_ROB	0.90 245	0.44 270	0.63 70	0.51 98	0.37 158	1.25 282	0.49 168	1.77 268	1.27 252	1.41 281	2.00 339	1.33 261	1.08 277	2.17 266	0.76 214	0.43 340	0.42 358	0.47 349	0.44 349	0.41 305	0.36 293

RAFT-Test	0.54 66	0.25 38	0.64 76	0.47 43	0.30 83	0.97 234	0.27 16	1.24 153	0.81 71	0.96 95	1.12 142	1.28 252	0.48 50	0.71 41	0.36 35	0.17 33	0.13 44	0.17 17	0.14 25	0.16 14	0.16 44

raft_robust	0.68 157	0.30 131	0.64 76	0.52 114	0.26 22	0.54 64	0.35 51	1.33 163	1.24 237	1.16 172	1.07 119	0.60 56	0.54 71	3.58 324	0.37 41	0.18 61	0.14 78	0.20 77	0.22 202	0.20 102	0.16 44

iRaftStereo_RVC	0.47 34	0.26 49	0.64 76	0.50 75	0.29 66	0.53 60	0.33 37	1.05 91	0.77 63	0.84 77	1.00 90	0.55 43	0.37 13	0.81 63	0.40 62	0.17 33	0.12 9	0.22 126	0.20 140	0.19 75	0.15 29

AFF-stereo	0.58 100	0.25 38	0.64 76	0.46 37	0.29 66	0.34 4	0.38 74	1.15 125	1.14 194	1.17 181	1.60 288	1.10 206	0.71 139	0.97 92	0.43 86	0.13 1	0.11 3	0.19 53	0.19 112	0.17 26	0.14 13

GMOStereo	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 281	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

error version	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 281	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

test-v	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 281	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

test-2	0.53 52	0.26 49	0.65 80	0.50 75	0.29 66	0.52 55	0.43 117	0.89 35	0.96 113	1.41 281	1.14 150	0.85 123	0.56 81	0.59 17	0.38 51	0.16 12	0.14 78	0.24 175	0.21 176	0.20 102	0.15 29

test_xeample	1.45 335	0.28 88	0.65 80	0.51 98	0.28 54	0.94 222	0.59 234	2.14 344	1.29 261	1.24 213	1.51 270	0.88 134	0.86 197	1.46 175	15.10 414	0.22 172	0.20 231	0.22 126	0.20 140	0.22 158	0.22 171

HSM	1.19 311	0.32 177	0.65 80	0.57 181	0.38 175	1.23 279	0.59 234	2.25 364	1.19 217	1.30 238	1.25 184	1.94 339	1.03 265	9.32 408	0.71 201	0.22 172	0.16 159	0.20 77	0.16 62	0.21 136	0.21 156

H2IRNET	0.56 90	0.26 49	0.66 86	0.47 43	0.35 144	0.41 12	0.26 10	0.92 43	1.17 209	0.61 43	1.28 198	1.08 197	0.86 197	0.99 95	0.63 184	0.19 94	0.16 159	0.22 126	0.25 244	0.21 136	0.18 82

RAFT-345	0.84 226	0.25 38	0.66 86	0.50 75	0.27 35	0.54 64	0.42 101	0.83 24	1.11 177	1.32 250	2.34 357	0.86 127	0.54 71	5.72 363	0.47 114	0.18 61	0.13 44	0.22 126	0.17 78	0.17 26	0.16 44

RALCasStereoNet	0.54 66	0.30 131	0.66 86	0.59 200	0.51 249	0.61 92	0.52 185	0.94 52	0.93 106	0.70 51	1.01 95	0.78 94	0.44 29	1.33 146	0.47 114	0.20 122	0.16 159	0.18 39	0.16 62	0.20 102	0.19 116

CBMV	0.95 258	0.44 270	0.66 86	0.53 123	0.35 144	1.53 314	1.63 372	1.69 247	1.42 316	2.00 356	1.60 288	1.43 274	1.17 290	1.59 200	0.99 264	0.34 305	0.34 330	0.39 329	0.33 318	0.33 273	0.32 278
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
AE-Stereo	0.49 39	0.27 72	0.67 90	0.60 211	0.39 183	0.67 126	0.46 147	1.18 133	1.09 171	0.47 16	0.75 43	0.69 78	0.47 42	0.59 17	0.40 62	0.16 12	0.15 128	0.21 100	0.20 140	0.19 75	0.15 29

RAFT-RH_RVC	1.03 280	0.24 21	0.67 90	0.49 68	0.28 54	0.81 189	0.33 37	0.83 24	1.08 165	2.05 357	4.65 392	1.04 188	0.57 89	5.98 370	0.50 132	0.18 61	0.13 44	0.26 231	0.20 140	0.16 14	0.17 64

222	1.61 347	0.29 115	0.67 90	0.56 170	0.29 66	1.06 249	0.42 101	2.17 355	1.31 271	1.31 248	1.52 271	0.92 148	0.94 229	1.76 229	17.65 418	0.24 211	0.20 231	0.21 100	0.19 112	0.22 158	0.23 188

11t1	0.52 43	0.28 88	0.68 93	0.51 98	0.28 54	0.83 194	0.39 85	1.22 147	0.63 27	0.84 77	0.74 41	0.68 73	0.68 131	0.91 80	0.57 163	0.21 149	0.18 201	0.19 53	0.16 62	0.20 102	0.21 156

BUS	0.74 183	0.32 177	0.68 93	0.54 138	0.44 208	2.34 369	0.42 101	2.16 349	0.98 125	1.20 194	1.11 136	1.03 185	0.62 115	0.91 80	0.70 196	0.24 211	0.17 185	0.25 212	0.22 202	0.22 158	0.22 171

BSDual-CNN	0.71 165	0.32 177	0.68 93	0.54 138	0.44 208	1.27 284	0.65 246	2.16 349	0.98 125	1.20 194	1.11 136	1.12 211	0.74 142	0.91 80	0.66 190	0.24 211	0.17 185	0.25 212	0.22 202	0.22 158	0.22 171

psmg	0.72 166	0.32 177	0.68 93	0.50 75	0.44 208	1.48 309	0.75 268	1.94 310	0.98 125	1.21 197	1.33 216	1.12 211	0.74 142	0.91 80	0.66 190	0.24 211	0.19 214	0.25 212	0.25 244	0.23 183	0.22 171

test-3	0.54 66	0.22 10	0.68 93	0.47 43	0.27 35	0.58 79	0.35 51	0.92 43	1.00 137	1.32 250	0.69 32	0.87 131	0.45 32	1.68 216	0.37 41	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 4

test_1	0.54 66	0.22 10	0.68 93	0.47 43	0.27 35	0.58 79	0.35 51	0.92 43	1.00 137	1.28 226	0.68 29	0.87 131	0.45 32	1.67 211	0.37 41	0.16 12	0.11 3	0.20 77	0.16 62	0.17 26	0.13 4

xxxx	1.51 339	0.28 88	0.68 93	0.54 138	0.28 54	1.16 267	0.44 129	2.19 357	1.29 261	1.09 128	1.36 228	1.22 230	0.85 189	1.79 232	15.70 417	0.24 211	0.21 247	0.21 100	0.20 140	0.22 158	0.23 188

RAFT-Stereo + iAFF	0.54 66	0.25 38	0.68 93	0.43 9	0.24 11	0.40 10	0.34 47	1.04 85	1.09 171	1.32 250	1.60 288	0.80 99	0.68 131	0.67 34	0.39 58	0.13 1	0.10 1	0.18 39	0.17 78	0.17 26	0.13 4

Gwc-CoAtRS	0.52 43	0.24 21	0.68 93	0.48 55	0.29 66	0.64 101	0.25 4	1.16 126	1.08 165	1.01 109	1.00 90	1.12 211	0.56 81	0.69 35	0.37 41	0.16 12	0.13 44	0.17 17	0.15 33	0.15 6	0.15 29

LL-Strereo2	0.52 43	0.33 193	0.69 102	0.52 114	0.37 158	0.70 144	0.30 25	1.13 122	0.67 43	0.94 93	0.78 48	0.91 140	0.42 22	1.05 109	0.42 77	0.17 33	0.16 159	0.29 260	0.25 244	0.21 136	0.16 44

NRIStereo	0.60 106	0.29 115	0.69 102	0.53 123	0.28 54	0.63 99	0.33 37	1.08 110	0.87 84	1.14 158	0.87 63	0.91 140	0.59 98	2.24 273	0.49 126	0.20 122	0.14 78	0.21 100	0.19 112	0.21 136	0.17 64

ASMatch	0.88 240	0.26 49	0.69 102	0.51 98	0.35 144	0.48 23	0.37 70	1.12 121	0.92 104	1.10 136	3.28 376	0.96 164	0.98 246	4.90 344	0.49 126	0.19 94	0.16 159	0.22 126	0.19 112	0.19 75	0.27 236

THIR-Stereo	1.02 279	0.27 72	0.69 102	0.49 68	0.28 54	0.95 226	1.34 356	1.03 81	0.97 120	1.34 261	1.90 332	1.17 221	1.58 339	6.44 375	0.78 222	0.19 94	0.14 78	0.21 100	0.22 202	0.19 75	0.20 139

test_xeample3	0.42 14	0.28 88	0.69 102	0.43 9	0.33 126	0.56 73	0.38 74	0.79 15	0.45 3	0.53 32	0.46 4	0.44 10	0.44 29	1.38 158	0.31 6	0.18 61	0.14 78	0.19 53	0.15 33	0.17 26	0.16 44

EAI-Stereo	0.65 136	0.28 88	0.69 102	0.53 123	0.27 35	0.60 89	0.40 88	2.28 366	0.64 29	0.71 53	3.18 375	0.57 47	0.43 25	1.06 110	0.41 69	0.18 61	0.13 44	0.17 17	0.17 78	0.17 26	0.17 64

MIF-Stereo (partial)	0.45 27	0.25 38	0.70 108	0.50 75	0.52 257	0.35 5	0.26 10	0.91 42	0.59 23	0.45 14	0.71 35	0.51 34	0.51 61	1.11 120	0.45 96	0.20 122	0.16 159	0.23 155	0.20 140	0.24 197	0.18 82

DCRE	0.82 217	0.26 49	0.70 108	0.58 187	0.44 208	0.54 64	0.48 161	0.95 55	0.78 65	0.78 62	7.33 405	0.86 127	0.52 63	0.76 52	0.41 69	0.16 12	0.16 159	0.19 53	0.17 78	0.18 45	0.17 64

fff	0.53 52	0.24 21	0.70 108	0.43 9	0.24 11	0.48 23	0.36 61	1.07 106	1.25 240	1.10 136	1.02 102	0.57 47	1.06 273	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

DRaft	0.80 209	0.24 21	0.70 108	0.45 34	0.30 83	0.97 234	0.53 191	1.05 91	0.97 120	1.78 337	2.02 342	0.80 99	1.74 353	2.73 297	0.72 204	0.17 33	0.14 78	0.20 77	0.20 140	0.18 45	0.21 156

Pruner-Stereo	0.62 115	0.29 115	0.70 108	0.61 223	0.31 95	0.63 99	0.43 117	1.17 128	0.99 132	1.53 306	1.08 122	0.95 158	0.55 77	1.35 150	0.51 135	0.23 196	0.14 78	0.24 175	0.21 176	0.21 136	0.23 188

DCANet	0.54 66	0.24 21	0.70 108	0.43 9	0.24 11	0.49 33	0.36 61	1.05 91	1.30 267	1.12 142	1.03 110	0.58 51	0.92 218	0.81 63	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.18 45	0.19 116

csc	0.53 52	0.24 21	0.70 108	0.43 9	0.24 11	0.48 23	0.36 61	1.07 106	1.25 240	1.10 136	1.02 102	0.57 47	1.06 273	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

cscssc	0.53 52	0.24 21	0.70 108	0.43 9	0.24 11	0.48 23	0.36 61	1.07 106	1.25 240	1.10 136	1.02 102	0.57 47	1.06 273	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

111	0.60 106	0.23 15	0.70 108	0.43 9	0.24 11	0.72 149	0.42 101	1.18 133	1.41 313	0.80 67	1.38 234	1.10 206	0.79 163	0.96 87	0.58 166	0.18 61	0.13 44	0.17 17	0.15 33	0.17 26	0.19 116

CFNet-RSSM	0.54 66	0.24 21	0.70 108	0.48 55	0.28 54	0.60 89	0.27 16	1.49 197	1.14 194	1.06 120	0.93 73	1.08 197	0.54 71	0.70 37	0.35 29	0.16 12	0.12 9	0.17 17	0.15 33	0.16 14	0.14 13

psm_up	0.77 197	0.34 212	0.70 108	0.66 268	0.58 281	1.05 246	0.92 309	1.52 209	1.12 181	1.26 221	1.16 159	1.31 259	1.23 304	1.20 129	0.81 232	0.25 235	0.29 311	0.31 273	0.27 266	0.27 227	0.25 212

Former-RAFT_DAM_RVC	0.46 28	0.36 235	0.71 119	0.47 43	0.36 150	0.67 126	0.35 51	0.78 13	1.12 181	0.61 43	0.62 22	0.39 4	0.39 15	0.71 41	0.39 58	0.20 122	0.17 185	0.22 126	0.18 92	0.23 183	0.19 116

qqq	0.57 95	0.34 212	0.71 119	0.47 43	0.27 35	0.64 101	0.62 241	1.42 182	0.78 65	0.80 67	0.92 71	0.95 158	0.77 156	0.88 75	0.59 168	0.21 149	0.20 231	0.24 175	0.23 222	0.22 158	0.21 156

test_3	0.55 81	0.23 15	0.71 119	0.53 123	0.28 54	0.61 92	0.40 88	0.92 43	1.05 153	1.19 190	0.68 29	0.93 149	0.44 29	1.67 211	0.39 58	0.15 7	0.12 9	0.22 126	0.19 112	0.21 136	0.14 13

TestStereo	0.64 131	0.39 251	0.71 119	0.51 98	0.27 35	0.56 73	0.42 101	1.03 81	0.91 100	0.80 67	1.00 90	0.68 73	0.52 63	3.25 314	0.45 96	0.22 172	0.15 128	0.24 175	0.18 92	0.27 227	0.16 44

mmm	0.63 121	0.35 228	0.72 123	0.51 98	0.30 83	0.86 203	0.54 195	1.59 225	0.86 80	1.07 122	1.38 234	0.79 97	0.75 144	0.91 80	0.58 166	0.22 172	0.18 201	0.29 260	0.25 244	0.25 207	0.23 188

CASS	0.65 136	0.34 212	0.72 123	0.56 170	0.27 35	0.78 176	0.42 101	1.59 225	0.86 80	1.30 238	1.25 184	0.87 131	0.84 186	0.84 68	0.54 155	0.35 312	0.19 214	0.26 231	0.21 176	0.28 241	0.42 313
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
HBP-ISP	0.96 259	0.58 317	0.72 123	0.61 223	0.46 225	1.64 324	0.76 271	1.86 289	1.28 257	1.30 238	1.53 272	0.86 127	0.94 229	3.27 315	0.69 195	0.45 346	0.44 362	0.54 361	0.48 358	0.47 328	0.40 305

DisPM	0.66 144	0.28 88	0.72 123	0.61 223	0.35 144	0.62 98	0.45 140	1.02 78	0.99 132	1.56 314	1.10 131	0.80 99	0.59 98	2.37 282	0.41 69	0.23 196	0.14 78	0.23 155	0.21 176	0.20 102	0.25 212

GANet-ADL	0.60 106	0.35 228	0.72 123	0.64 251	0.40 188	0.68 133	0.51 176	1.49 197	1.12 181	0.95 94	1.08 122	0.91 140	0.57 89	0.76 52	0.55 159	0.26 249	0.18 201	0.18 39	0.16 62	0.23 183	0.25 212

CrosDoStereo	1.58 343	0.24 21	0.72 123	0.48 55	0.29 66	0.67 126	12.49 418	1.10 113	0.98 125	1.34 261	1.75 314	1.00 173	1.89 363	6.65 378	0.81 232	0.19 94	0.15 128	0.20 77	0.22 202	0.18 45	0.19 116

AAGNet	1.83 360	0.28 88	0.72 123	0.61 223	0.32 110	0.67 126	0.51 176	0.96 63	0.98 125	1.47 293	1.20 170	1.00 173	1.18 293	2.83 299	22.77 424	0.22 172	0.13 44	0.22 126	0.19 112	0.23 183	0.15 29

OMP-Stereo	0.94 255	0.33 193	0.72 123	0.90 360	0.31 95	0.49 33	0.36 61	1.16 126	1.06 156	1.58 320	1.12 142	1.46 282	0.69 134	6.94 385	0.49 126	0.19 94	0.14 78	0.24 175	0.18 92	0.20 102	0.14 13

IIG-Stereo	0.96 259	0.31 163	0.72 123	0.88 356	0.33 126	0.61 92	0.26 10	1.19 139	1.03 145	1.69 330	1.37 230	1.46 282	0.75 144	6.96 386	0.51 135	0.19 94	0.14 78	0.23 155	0.18 92	0.20 102	0.14 13

DeepStereo_LL	1.58 343	0.24 21	0.72 123	0.48 55	0.29 66	0.67 126	12.49 418	1.10 113	0.98 125	1.34 261	1.75 314	1.00 173	1.89 363	6.65 378	0.81 232	0.19 94	0.15 128	0.20 77	0.22 202	0.18 45	0.19 116

SST-Stereo	0.83 222	0.28 88	0.72 123	0.59 200	0.31 95	0.72 149	0.26 10	1.09 111	0.86 80	1.47 293	1.10 131	1.00 173	0.87 201	5.73 364	0.45 96	0.22 172	0.13 44	0.23 155	0.19 112	0.23 183	0.18 82

DeepStereo_RVC	0.55 81	0.29 115	0.72 123	0.51 98	0.30 83	0.59 83	0.33 37	1.03 81	0.70 49	1.16 172	0.93 73	0.83 114	0.94 229	0.96 87	0.54 155	0.21 149	0.14 78	0.21 100	0.19 112	0.24 197	0.24 200

rrr	0.46 28	0.28 88	0.73 135	0.43 9	0.33 126	0.49 33	0.38 74	0.76 11	0.50 7	0.47 16	0.48 7	0.48 24	0.46 36	2.03 256	0.30 2	0.19 94	0.14 78	0.19 53	0.15 33	0.16 14	0.16 44

EKT-Stereo	0.53 52	0.30 131	0.73 135	0.58 187	0.60 291	0.51 53	0.48 161	0.94 52	0.90 95	0.71 53	0.88 65	0.77 91	0.43 25	1.07 114	0.40 62	0.22 172	0.16 159	0.21 100	0.18 92	0.20 102	0.22 171

Patchmatch Stereo++	0.55 81	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.29 21	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.37 154	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82
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	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.41 99	1.04 85	0.64 29	1.12 142	0.96 77	0.82 107	0.61 110	1.06 110	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

ROB_FTStereo_v2	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.64 101	0.42 101	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.12 122	0.46 109	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

ROB_FTStereo	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.64 101	0.25 4	1.05 91	0.64 29	1.12 142	0.95 75	0.82 107	0.61 110	1.15 125	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

HUI-Stereo	0.52 43	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.30 25	1.04 85	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	0.79 58	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

RAFT_R40	0.83 222	0.28 88	0.73 135	0.59 200	0.31 95	0.69 137	0.44 129	1.10 113	0.95 111	1.47 293	1.10 131	1.00 173	0.85 189	5.53 358	0.46 109	0.22 172	0.13 44	0.23 155	0.20 140	0.23 183	0.18 82

iGMRVC	0.56 90	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.38 74	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.52 184	0.46 109	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

iRAFT	0.55 81	0.30 131	0.73 135	0.50 75	0.27 35	0.65 113	0.29 21	1.05 91	0.64 29	1.12 142	0.96 77	0.83 114	0.60 100	1.37 154	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

CroCo-Stereo	0.40 10	0.31 163	0.73 135	0.58 187	0.27 35	0.26 1	0.33 37	0.95 55	0.81 71	0.42 5	0.47 6	0.65 67	0.47 42	0.39 1	0.34 25	0.18 61	0.15 128	0.16 11	0.14 25	0.19 75	0.16 44
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
RAFT	0.64 131	0.30 131	0.73 135	0.59 200	0.33 126	0.68 133	0.58 227	1.04 85	0.76 61	1.08 123	1.19 167	1.65 314	0.93 224	1.06 110	0.56 161	0.21 149	0.18 201	0.27 242	0.24 233	0.22 158	0.17 64

RAFT-IKP	0.54 66	0.30 131	0.73 135	0.50 75	0.27 35	0.59 83	0.36 61	1.04 85	0.64 29	1.12 142	0.96 77	0.83 114	0.61 110	1.22 131	0.45 96	0.22 172	0.14 78	0.24 175	0.20 140	0.26 215	0.18 82

HCRNet	0.70 160	0.39 251	0.73 135	0.60 211	0.59 288	0.76 165	0.35 51	1.22 147	1.13 192	1.02 112	0.99 87	1.02 182	0.76 152	2.19 270	0.70 196	0.28 268	0.19 214	0.28 252	0.23 222	0.25 207	0.23 188

anonymousdsp2	0.53 52	0.27 72	0.74 149	0.48 55	0.29 66	0.76 165	0.47 153	1.61 231	0.82 76	0.77 61	0.77 46	0.75 87	0.47 42	1.03 103	0.40 62	0.18 61	0.13 44	0.18 39	0.13 12	0.19 75	0.18 82

CRE-IMP	0.55 81	0.30 131	0.74 149	0.52 114	0.29 66	0.79 180	0.25 4	1.04 85	0.72 54	1.09 128	0.95 75	0.81 102	0.57 89	1.10 117	0.50 132	0.21 149	0.14 78	0.23 155	0.19 112	0.28 241	0.22 171

anonymousa	0.72 166	0.27 72	0.75 151	0.47 43	0.63 300	1.43 306	0.45 140	1.24 153	0.89 91	1.28 226	1.75 314	1.62 307	1.13 287	0.69 35	0.59 168	0.19 94	0.16 159	0.23 155	0.25 244	0.20 102	0.18 82

TestStereo1	0.63 121	0.28 88	0.75 151	0.76 322	0.31 95	0.48 23	0.43 117	1.30 161	1.21 227	0.97 98	1.31 208	0.64 64	0.77 156	1.75 224	0.42 77	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

test_5	0.65 136	0.30 131	0.75 151	0.67 278	0.50 239	0.92 217	0.52 185	1.39 178	1.12 181	0.76 58	1.11 136	1.00 173	0.90 212	1.53 188	0.45 96	0.18 61	0.13 44	0.23 155	0.22 202	0.21 136	0.19 116

SA-5K	0.63 121	0.28 88	0.75 151	0.76 322	0.31 95	0.48 23	0.43 117	1.30 161	1.21 227	0.97 98	1.31 208	0.64 64	0.77 156	1.75 224	0.42 77	0.20 122	0.15 128	0.22 126	0.18 92	0.21 136	0.17 64

NF-Stereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.02 102	0.82 107	0.57 89	5.40 356	0.48 119	0.23 196	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

OCTAStereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.01 95	0.82 107	0.57 89	5.35 351	0.48 119	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

RE-Stereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.01 95	0.81 102	0.57 89	5.37 354	0.48 119	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

TVStereo	0.80 209	0.30 131	0.75 151	0.60 211	0.31 95	0.64 101	0.44 129	1.21 140	0.90 95	1.29 231	1.01 95	0.81 102	0.57 89	5.37 354	0.48 119	0.24 211	0.14 78	0.24 175	0.20 140	0.20 102	0.30 262

AdaStereo	0.70 160	0.43 267	0.75 151	0.73 314	0.37 158	0.92 217	0.53 191	1.85 286	1.18 214	1.12 142	1.23 178	1.07 196	0.65 128	0.96 87	0.63 184	0.31 287	0.15 128	0.32 286	0.21 176	0.29 246	0.22 171
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.
4D-IteraStereo	0.48 36	0.24 21	0.76 160	0.50 75	0.44 208	0.66 122	0.31 30	0.87 27	1.02 142	1.03 116	0.72 38	0.78 94	0.32 9	0.64 29	0.37 41	0.17 33	0.11 3	0.23 155	0.19 112	0.19 75	0.13 4

Sa-1000	0.72 166	0.29 115	0.76 160	0.59 200	0.30 83	0.73 152	0.37 70	1.62 234	1.33 279	1.28 226	2.04 343	0.86 127	0.75 144	1.84 236	0.38 51	0.19 94	0.14 78	0.25 212	0.23 222	0.20 102	0.16 44

IRAFT_RVC	0.88 240	0.28 88	0.76 160	0.63 242	0.31 95	0.65 113	1.02 328	1.22 147	0.94 109	1.22 202	1.04 113	1.01 180	0.98 246	5.82 365	0.53 149	0.22 172	0.12 9	0.25 212	0.20 140	0.20 102	0.19 116

CVANet_RVC	1.07 286	0.43 267	0.76 160	0.60 211	0.50 239	0.90 209	0.97 319	1.52 209	1.26 245	1.33 258	1.38 234	1.24 237	1.18 293	6.75 384	0.75 212	0.34 305	0.23 269	0.34 303	0.29 294	0.42 310	0.27 236

HH	0.63 121	0.30 131	0.77 164	0.50 75	0.32 110	0.49 33	0.46 147	1.65 238	0.64 29	0.69 49	1.09 127	1.63 309	0.85 189	1.90 243	0.37 41	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

HanStereo	0.63 121	0.30 131	0.77 164	0.50 75	0.32 110	0.49 33	0.46 147	1.65 238	0.64 29	0.69 49	1.09 127	1.63 309	0.85 189	1.90 243	0.37 41	0.18 61	0.13 44	0.19 53	0.17 78	0.19 75	0.16 44

CroCo-Stereo Lap2	0.44 25	0.34 212	0.77 164	0.61 223	0.79 342	0.28 2	0.35 51	0.75 9	0.71 53	0.38 4	0.50 10	0.72 84	0.55 77	0.57 15	0.47 114	0.17 33	0.18 201	0.19 53	0.16 62	0.21 136	0.20 139

PFNet+	0.59 103	0.28 88	0.77 164	0.53 123	0.30 83	0.59 83	0.31 30	0.92 43	1.14 194	1.33 258	1.10 131	0.79 97	0.57 89	1.31 142	0.49 126	0.25 235	0.17 185	0.28 252	0.26 258	0.21 136	0.25 212

PSM-softLoss	0.78 203	0.31 163	0.77 164	0.58 187	0.32 110	0.56 73	0.40 88	1.18 133	0.70 49	1.24 213	1.07 119	0.83 114	0.52 63	5.36 352	0.53 149	0.24 211	0.15 128	0.25 212	0.22 202	0.20 102	0.25 212

KMStereo	0.78 203	0.31 163	0.77 164	0.58 187	0.32 110	0.56 73	0.40 88	1.18 133	0.70 49	1.24 213	1.07 119	0.83 114	0.52 63	5.36 352	0.53 149	0.24 211	0.15 128	0.25 212	0.22 202	0.20 102	0.25 212

cf-r	0.73 180	0.30 131	0.77 164	0.55 157	0.63 300	0.78 176	0.48 161	1.79 274	1.15 203	1.13 156	1.26 190	1.43 274	0.87 201	1.40 168	0.85 245	0.25 235	0.18 201	0.22 126	0.23 222	0.19 75	0.19 116

HITNet	0.65 136	0.40 255	0.77 164	0.48 55	0.24 11	1.05 246	0.49 168	1.76 265	1.02 142	1.18 186	1.18 164	0.89 138	0.80 168	0.85 70	0.79 228	0.17 33	0.12 9	0.21 100	0.17 78	0.29 246	0.15 29
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NINENet	0.77 197	0.37 241	0.78 172	0.62 234	0.51 249	2.34 369	0.42 101	1.83 284	1.04 149	1.14 158	1.23 178	1.03 185	0.62 115	1.24 134	0.70 196	0.28 268	0.23 269	0.31 273	0.21 176	0.26 215	0.25 212

DLCB_ROB	0.86 235	0.40 255	0.78 172	0.68 288	0.54 263	1.11 255	0.84 291	1.49 197	1.23 233	1.64 326	1.65 301	1.70 319	0.91 215	1.70 218	1.05 267	0.25 235	0.24 278	0.26 231	0.27 266	0.27 227	0.24 200

Selective-RAFT	0.52 43	0.28 88	0.79 174	0.55 157	0.27 35	0.91 211	0.33 37	0.80 20	0.88 88	0.58 35	0.63 23	0.81 102	0.77 156	1.29 140	0.48 119	0.19 94	0.14 78	0.17 17	0.15 33	0.19 75	0.17 64

AACVNet	0.86 235	0.35 228	0.79 174	0.82 339	0.39 183	0.76 165	0.49 168	1.61 231	0.81 71	1.08 123	1.33 216	1.30 256	0.93 224	4.34 335	0.74 208	0.25 235	0.21 247	0.28 252	0.22 202	0.29 246	0.25 212

GwcNet-ADL	0.64 131	0.31 163	0.79 174	0.56 170	0.41 194	0.60 89	0.58 227	1.41 180	1.26 245	1.08 123	1.13 147	0.91 140	0.60 100	1.04 108	0.78 222	0.27 258	0.18 201	0.18 39	0.18 92	0.25 207	0.29 250

DEmStereo	0.97 265	0.23 15	0.79 174	0.47 43	0.32 110	1.04 245	0.56 214	0.93 48	0.89 91	1.39 278	2.14 349	1.02 182	2.07 374	5.64 362	0.77 220	0.17 33	0.15 128	0.20 77	0.20 140	0.18 45	0.20 139

TDLM	1.06 284	0.44 270	0.79 174	0.63 242	0.50 239	0.89 206	1.44 361	1.48 195	1.26 245	1.12 142	1.40 240	1.08 197	0.98 246	6.65 378	0.78 222	0.33 297	0.21 247	0.33 293	0.26 258	0.37 286	0.24 200

UDGNet	0.72 166	1.17 381	0.80 179	0.77 325	0.41 194	0.77 171	0.38 74	0.97 64	1.34 282	0.81 71	0.88 65	0.71 83	0.60 100	1.21 130	0.54 155	0.52 359	0.19 214	1.02 385	0.26 258	0.71 369	0.31 272

FCDSN-DC	2.32 378	0.63 332	0.81 180	0.84 343	0.75 333	2.23 364	0.94 315	2.09 338	1.80 351	5.45 410	7.72 408	7.77 408	6.93 414	3.39 316	1.80 342	0.52 359	0.48 371	0.52 355	0.51 365	0.57 349	0.58 351
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ac_64	0.82 217	0.29 115	0.81 180	0.71 303	0.60 291	1.05 246	0.54 195	1.99 319	0.92 104	1.18 186	1.06 116	1.99 344	1.08 277	1.94 249	0.97 261	0.27 258	0.22 261	0.24 175	0.23 222	0.22 158	0.19 116

Anonymous_2	1.30 320	0.55 307	0.82 182	0.52 114	0.58 281	1.01 241	0.64 244	1.25 155	0.97 120	0.96 95	0.78 48	1.33 261	1.29 312	1.03 103	0.74 208	0.62 371	0.64 387	1.06 386	9.63 423	1.16 383	0.49 335

SA	0.66 144	0.30 131	0.82 182	0.61 223	0.30 83	0.58 79	0.38 74	1.44 189	1.30 267	0.96 95	1.36 228	0.66 69	0.95 234	1.85 239	0.42 77	0.19 94	0.15 128	0.25 212	0.23 222	0.21 136	0.17 64

CSP-Net	0.97 265	0.38 246	0.83 184	0.53 123	0.41 194	1.63 322	0.77 274	2.00 320	1.05 153	1.25 217	1.20 170	1.33 261	0.83 184	4.93 346	0.85 245	0.32 292	0.22 261	0.20 77	0.20 140	0.23 183	0.25 212

DIP-Stereo	0.62 115	0.30 131	0.83 184	0.48 55	0.36 150	0.95 226	0.33 37	2.37 373	0.67 43	1.25 217	1.00 90	0.68 73	0.51 61	0.91 80	0.61 177	0.18 61	0.15 128	0.21 100	0.17 78	0.19 75	0.19 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DualNet	1.09 291	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	0.95 55	2.47 376	1.15 161	1.45 252	1.06 190	0.82 175	1.55 192	7.61 396	0.20 122	0.12 9	0.31 273	0.27 266	0.19 75	0.20 139

ffm	0.72 166	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	0.95 55	2.47 376	1.15 161	1.45 252	1.06 190	0.82 175	1.55 192	0.32 8	0.20 122	0.12 9	0.31 273	0.27 266	0.19 75	0.20 139

ff1	1.37 328	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	0.95 55	2.47 376	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 396	0.20 122	0.12 9	0.31 273	0.27 266	0.19 75	0.20 139

mmx	1.39 330	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	2.13 340	1.37 297	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 396	0.24 211	0.19 214	0.31 273	0.27 266	0.30 255	0.25 212

xxx	1.39 330	0.33 193	0.85 186	0.53 123	0.37 158	0.74 155	0.56 214	2.13 340	1.37 297	1.15 161	1.45 252	1.06 190	0.82 175	7.22 388	7.61 396	0.24 211	0.19 214	0.31 273	0.27 266	0.30 255	0.25 212

SACVNet	0.85 230	0.46 278	0.85 186	0.81 334	0.56 271	0.80 185	0.79 279	1.68 245	1.12 181	1.34 261	1.33 216	1.25 241	0.94 229	2.39 284	0.76 214	0.34 305	0.26 289	0.31 273	0.29 294	0.35 276	0.44 319

SMFormer	0.75 190	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.82 237	0.24 211	0.20 231	0.22 126	0.21 176	0.23 183	0.24 200

tta	0.75 190	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.82 237	0.24 211	0.20 231	0.22 126	0.21 176	0.18 45	0.18 82

qqq1	0.72 166	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.44 88	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

fff1	0.72 166	0.30 131	0.86 192	0.46 37	0.26 22	0.82 190	0.43 117	2.05 329	1.39 305	1.23 205	1.47 259	0.98 167	0.95 234	1.71 219	0.44 88	0.24 211	0.20 231	0.18 39	0.15 33	0.18 45	0.18 82

1111x	1.70 355	0.29 115	0.86 192	0.51 98	0.27 35	1.01 241	0.68 256	2.22 361	1.28 257	1.13 156	1.40 240	1.21 228	1.10 281	5.53 358	15.20 415	0.22 172	0.21 247	0.22 126	0.22 202	0.24 197	0.22 171

StereoVision	0.65 136	0.34 212	0.86 192	0.59 200	0.40 188	0.50 42	0.41 99	1.09 111	0.93 106	0.71 53	2.50 364	0.82 107	0.57 89	1.03 103	0.49 126	0.25 235	0.28 303	0.29 260	0.28 283	0.36 282	0.20 139

CFNet_pseudo	0.66 144	0.32 177	0.86 192	0.48 55	0.39 183	0.70 144	0.40 88	1.33 163	1.22 230	1.16 172	1.34 221	1.24 237	0.64 123	0.98 93	0.59 168	0.21 149	0.16 159	0.33 293	0.19 112	0.36 282	0.25 212

GANet	1.36 327	0.47 282	0.86 192	0.67 278	0.45 215	1.34 293	1.73 374	1.64 237	1.24 237	1.49 301	2.38 358	1.55 297	1.20 299	9.30 407	0.93 253	0.30 280	0.31 321	0.33 293	0.28 283	0.39 298	0.30 262

ccs_rob	0.66 144	0.33 193	0.86 192	0.48 55	0.39 183	0.70 144	0.40 88	1.33 163	1.22 230	1.16 172	1.34 221	1.23 235	0.64 123	0.98 93	0.59 168	0.21 149	0.16 159	0.35 310	0.20 140	0.37 286	0.25 212

FC-DCNN	2.72 393	0.59 320	0.86 192	0.73 314	0.57 273	2.91 384	1.04 330	3.01 388	2.60 381	6.83 412	7.64 407	9.92 413	6.33 412	5.21 348	3.14 371	0.53 365	0.48 371	0.51 354	0.50 363	0.53 343	0.51 340

RALAANet	0.60 106	0.33 193	0.87 202	0.62 234	0.50 239	0.69 137	0.31 30	1.21 140	1.06 156	1.09 128	1.16 159	0.88 134	0.46 36	1.22 131	0.42 77	0.19 94	0.15 128	0.21 100	0.17 78	0.27 227	0.17 64

MSMDNet	0.66 144	0.32 177	0.87 202	0.49 68	0.37 158	0.79 180	0.40 88	1.43 188	1.31 271	1.15 161	1.31 208	1.24 237	0.63 120	0.88 75	0.57 163	0.21 149	0.16 159	0.26 231	0.19 112	0.39 298	0.24 200

DeepPruner_ROB	0.74 183	0.48 287	0.87 202	0.57 181	0.44 208	0.79 180	0.54 195	1.73 253	0.96 113	1.38 273	1.27 193	1.24 237	0.73 140	1.43 170	0.73 207	0.34 305	0.28 303	0.27 242	0.26 258	0.31 262	0.31 272

PCWNet_CMD	0.66 144	0.32 177	0.88 205	0.49 68	0.37 158	0.78 176	0.40 88	1.42 182	1.31 271	1.16 172	1.31 208	1.25 241	0.62 115	0.89 78	0.57 163	0.20 122	0.16 159	0.27 242	0.19 112	0.40 302	0.25 212

CFNet_ucs	0.70 160	0.33 193	0.88 205	0.50 75	0.43 202	0.74 155	0.44 129	1.60 228	1.29 261	1.22 202	1.54 274	1.09 204	0.63 120	0.99 95	0.59 168	0.25 235	0.20 231	0.37 320	0.21 176	0.40 302	0.28 247

RAFT_CTSACE	0.63 121	0.26 49	0.88 205	0.55 157	0.51 249	0.71 147	0.44 129	0.80 20	0.97 120	0.97 98	1.84 324	1.18 224	0.68 131	1.47 179	0.36 35	0.16 12	0.15 128	0.21 100	0.20 140	0.20 102	0.14 13

LMCR-Stereo	0.82 217	0.46 278	0.88 205	0.75 320	0.43 202	1.33 291	0.56 214	2.43 377	0.98 125	1.53 306	1.49 265	0.74 85	1.00 256	1.63 204	0.89 249	0.28 268	0.17 185	0.22 126	0.17 78	0.29 246	0.20 139

StereoDRNet-Refined	0.80 209	0.41 261	0.88 205	0.62 234	0.42 197	1.33 291	0.48 161	1.52 209	1.17 209	1.45 290	1.44 250	1.44 278	0.90 212	1.26 136	1.24 292	0.20 122	0.16 159	0.27 242	0.24 233	0.25 207	0.28 247
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
TransformOpticalFlow	0.96 259	0.28 88	0.89 210	0.52 114	0.31 95	0.66 122	0.54 195	1.75 259	1.12 181	1.09 128	1.44 250	1.37 269	1.01 258	6.70 382	0.42 77	0.19 94	0.12 9	0.20 77	0.19 112	0.18 45	0.19 116

ADLNet	0.85 230	0.36 235	0.89 210	0.85 348	0.72 322	1.24 280	0.76 271	1.82 280	1.36 293	1.52 305	1.35 227	1.27 249	0.99 254	1.23 133	1.15 283	0.27 258	0.20 231	0.26 231	0.25 244	0.28 241	0.30 262

MSMD_ROB	1.99 370	0.59 320	0.89 210	0.70 296	0.61 294	3.95 399	0.94 315	1.80 276	1.79 350	4.41 401	4.43 387	8.17 409	3.66 398	3.40 317	1.33 303	0.52 359	0.48 371	0.54 361	0.58 372	0.53 343	0.50 336

GES	0.66 144	0.34 212	0.90 213	0.59 200	0.38 175	0.94 222	0.57 224	2.11 339	0.86 80	1.02 112	1.11 136	0.66 69	0.79 163	0.99 95	0.61 177	0.27 258	0.19 214	0.20 77	0.20 140	0.21 136	0.30 262

UPFNet	0.80 209	0.32 177	0.90 213	0.59 200	0.74 327	1.26 283	0.80 285	1.52 209	1.10 175	1.30 238	1.12 142	1.30 256	0.84 186	1.67 211	1.09 274	0.24 211	0.24 278	0.24 175	0.23 222	0.25 207	0.18 82

DMCA	0.67 153	0.34 212	0.90 213	0.51 98	0.44 208	0.86 203	0.47 153	1.42 182	1.02 142	1.17 181	1.12 142	1.23 235	0.75 144	0.78 55	0.95 256	0.25 235	0.19 214	0.27 242	0.19 112	0.24 197	0.27 236

iRaft-Stereo_5w	0.85 230	0.29 115	0.91 216	0.53 123	0.43 202	0.49 33	0.68 256	0.99 68	0.87 84	0.79 65	1.34 221	1.46 282	0.91 215	5.11 347	1.11 279	0.17 33	0.14 78	0.22 126	0.18 92	0.20 102	0.20 139

AASNet	0.76 196	0.35 228	0.91 216	0.79 328	0.81 349	1.14 260	0.56 214	2.02 327	1.08 165	1.22 202	1.24 180	0.93 149	0.76 152	0.77 54	1.16 284	0.27 258	0.23 269	0.24 175	0.20 140	0.28 241	0.24 200

Anonymous	0.53 52	0.38 246	0.91 216	0.66 268	0.73 325	0.65 113	0.59 234	0.95 55	0.73 57	0.47 16	0.58 21	0.42 5	0.60 100	0.80 59	0.53 149	0.24 211	0.23 269	0.21 100	0.21 176	0.41 305	0.29 250

RASNet	1.12 299	0.30 131	0.91 216	0.66 268	0.77 337	0.97 234	0.57 224	1.37 172	1.35 290	1.02 112	1.34 221	2.11 353	1.43 325	7.09 387	1.39 313	0.19 94	0.17 185	0.17 17	0.19 112	0.18 45	0.16 44

MIM_Stereo	0.57 95	0.24 21	0.92 220	0.46 37	0.30 83	0.54 64	0.28 19	1.27 157	0.75 58	1.00 106	1.16 159	0.93 149	0.53 68	1.45 173	0.61 177	0.16 12	0.16 159	0.20 77	0.19 112	0.17 26	0.14 13

MeshStereo	2.26 376	0.56 310	0.92 220	0.61 223	0.49 233	2.60 377	1.02 328	3.18 390	2.05 366	7.40 416	4.98 396	7.58 406	2.98 392	6.37 374	1.96 350	0.43 340	0.43 359	0.45 344	0.39 337	0.43 315	0.42 313
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
CoDeX	0.73 180	0.29 115	0.93 222	0.54 138	0.36 150	1.14 260	0.61 239	2.34 371	1.17 209	1.16 172	1.25 184	0.91 140	0.87 201	1.33 146	0.64 188	0.20 122	0.16 159	0.21 100	0.18 92	0.20 102	0.18 82

PS-NSSS	0.99 270	0.58 317	0.93 222	0.58 187	0.57 273	0.91 211	0.80 285	1.81 279	1.14 194	1.14 158	1.67 305	1.00 173	0.83 184	4.62 339	0.78 222	0.37 319	0.31 321	0.52 355	0.32 312	0.45 325	0.38 301

MIPNet	0.56 90	0.28 88	0.94 224	0.49 68	0.33 126	0.66 122	0.38 74	1.35 169	1.08 165	1.06 120	0.92 71	0.60 56	0.79 163	0.73 47	0.52 141	0.17 33	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

GMStereo	0.55 81	0.45 276	0.94 224	0.50 75	0.32 110	0.64 101	0.43 117	1.00 72	1.40 310	0.82 74	0.73 39	0.51 34	0.45 32	0.85 70	0.55 159	0.24 211	0.15 128	0.20 77	0.21 176	0.31 262	0.24 200
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HGLStereo	0.85 230	0.38 246	0.94 224	0.80 331	1.03 369	1.17 269	0.58 227	1.52 209	1.20 222	1.19 190	1.62 295	1.13 216	1.20 299	1.80 233	1.06 269	0.24 211	0.24 278	0.24 175	0.21 176	0.23 183	0.27 236

MyStereo06	0.61 112	0.28 88	0.95 227	0.56 170	0.46 225	0.61 92	0.73 266	1.78 272	0.67 43	1.03 116	1.12 142	1.13 216	0.56 81	0.78 55	0.41 69	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 139

hknet	0.77 197	0.32 177	0.95 227	0.54 138	0.38 175	1.27 284	0.65 246	2.16 349	1.07 161	1.20 194	1.11 136	1.59 303	0.81 171	1.37 154	0.66 190	0.22 172	0.17 185	0.25 212	0.22 202	0.22 158	0.22 171

delet	0.85 230	0.32 177	0.95 227	0.65 263	0.66 307	1.64 324	0.84 291	1.75 259	1.35 290	1.32 250	1.30 203	1.30 256	0.88 205	1.68 216	1.10 277	0.21 149	0.21 247	0.24 175	0.24 233	0.21 136	0.21 156

acv_ft	0.75 190	0.31 163	0.95 227	0.70 296	0.86 356	1.24 280	0.53 191	1.44 189	1.07 161	1.24 213	1.30 203	1.08 197	0.92 218	0.80 59	1.34 305	0.21 149	0.19 214	0.21 100	0.18 92	0.21 136	0.18 82

CIPLG	0.62 115	0.33 193	0.96 231	0.58 187	0.50 239	0.75 161	0.48 161	1.05 91	0.96 113	1.40 279	1.57 284	0.64 64	0.48 50	0.89 78	0.70 196	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 156

STrans-v2	1.04 283	0.28 88	0.96 231	0.49 68	0.32 110	0.68 133	0.79 279	2.47 379	1.12 181	1.12 142	1.46 258	1.40 270	1.46 329	6.70 382	0.43 86	0.18 61	0.13 44	0.20 77	0.18 92	0.18 45	0.18 82

dd	0.59 103	0.48 287	0.97 233	0.55 157	0.32 110	0.64 101	0.47 153	1.02 78	1.34 282	0.78 62	0.86 60	0.58 51	0.54 71	1.01 100	0.86 247	0.28 268	0.18 201	0.26 231	0.19 112	0.32 267	0.24 200

IPLG	0.69 158	0.27 72	0.97 233	0.51 98	0.43 202	0.79 180	0.33 37	1.21 140	1.06 156	1.30 238	1.10 131	0.52 39	0.55 77	3.16 312	0.63 184	0.16 12	0.14 78	0.19 53	0.16 62	0.18 45	0.17 64

TRStereo	0.60 106	0.60 327	0.97 233	0.74 316	0.67 309	0.46 21	0.38 74	1.85 286	0.89 91	0.79 65	0.80 55	0.88 134	0.39 15	1.10 117	0.41 69	0.23 196	0.15 128	0.23 155	0.24 233	0.17 26	0.15 29

IGEV_Zeroshot_test	0.53 52	0.30 131	0.99 236	0.56 170	0.35 144	0.41 12	0.32 34	1.37 172	0.63 27	1.00 106	1.09 127	0.95 158	0.41 20	0.83 66	0.39 58	0.18 61	0.12 9	0.19 53	0.18 92	0.19 75	0.17 64

UDG	1.41 333	2.65 412	0.99 236	1.44 388	1.64 391	1.34 293	0.80 285	1.60 228	1.23 233	1.23 205	1.71 308	2.01 346	1.34 320	1.47 179	1.41 318	0.90 379	0.54 381	2.29 396	0.75 380	1.84 389	1.04 383

IPLGR_C	0.62 115	0.33 193	0.99 236	0.58 187	0.49 233	0.76 165	0.48 161	1.10 113	0.96 113	1.40 279	1.56 280	0.62 59	0.48 50	0.80 59	0.71 201	0.23 196	0.15 128	0.19 53	0.16 62	0.19 75	0.21 156

GEStereo_RVC	0.90 245	0.37 241	0.99 236	0.64 251	0.50 239	0.95 226	0.79 279	2.42 376	1.17 209	1.16 172	1.11 136	1.26 245	0.92 218	3.24 313	0.90 251	0.29 276	0.19 214	0.23 155	0.20 140	0.27 227	0.29 250

iResNet_ROB	0.77 197	0.30 131	0.99 236	0.57 181	0.36 150	0.83 194	0.36 61	2.33 369	1.58 335	1.27 224	1.30 203	1.25 241	0.84 186	1.65 206	0.79 228	0.20 122	0.14 78	0.17 17	0.12 10	0.18 45	0.27 236

MyStereo8	0.65 136	0.29 115	1.00 241	0.58 187	0.49 233	0.91 211	0.35 51	1.18 133	1.31 271	1.16 172	1.27 193	0.90 139	0.64 123	0.72 44	0.95 256	0.18 61	0.14 78	0.20 77	0.18 92	0.22 158	0.26 230

CRFU-Net	0.86 235	0.39 251	1.00 241	0.65 263	0.57 273	1.78 339	0.86 297	2.15 346	0.81 71	1.38 273	1.18 164	1.64 312	1.19 296	1.35 150	0.90 251	0.26 249	0.22 261	0.21 100	0.19 112	0.23 183	0.24 200

iRaft-Stereo_20w	0.65 136	0.31 163	1.00 241	0.47 43	0.34 141	0.73 152	0.30 25	2.96 387	0.70 49	1.15 161	1.14 150	0.76 90	0.65 128	1.11 120	0.38 51	0.17 33	0.13 44	0.18 39	0.16 62	0.19 75	0.18 82

MaskLacGwcNet_RVC	1.10 294	1.02 369	1.00 241	0.82 339	0.67 309	1.93 349	0.93 313	1.62 234	1.11 177	1.15 161	1.25 184	1.50 290	0.79 163	1.96 251	0.76 214	1.89 392	0.34 330	0.79 377	0.36 331	1.25 386	0.83 374

GMStereo_Zeroshot	0.67 153	0.61 328	1.01 245	0.64 251	0.37 158	0.84 201	0.35 51	1.05 91	1.12 181	1.12 142	1.06 116	1.27 249	0.54 71	1.19 128	0.59 168	0.32 292	0.17 185	0.31 273	0.18 92	0.52 341	0.22 171

test croco	0.46 28	0.27 72	1.01 245	0.50 75	0.40 188	0.35 5	0.37 70	0.87 27	0.56 19	0.43 8	0.76 45	0.42 5	0.40 18	1.13 123	0.45 96	0.21 149	0.15 128	0.24 175	0.19 112	0.24 197	0.16 44

ACRE	0.61 112	0.33 193	1.01 245	0.58 187	0.49 233	0.75 161	0.47 153	1.06 104	0.95 111	1.37 268	1.55 276	0.62 59	0.46 36	0.83 66	0.70 196	0.23 196	0.15 128	0.19 53	0.16 62	0.18 45	0.21 156

ccnet	1.12 299	0.67 337	1.01 245	0.78 327	0.73 325	1.72 330	0.99 323	1.84 285	1.26 245	1.47 293	1.85 326	1.75 327	1.29 312	1.75 224	1.88 346	0.57 367	0.53 378	0.57 370	0.55 369	0.59 353	0.54 342

GwcNet-RSSM	0.77 197	0.32 177	1.01 245	0.62 234	0.54 263	0.78 176	0.51 176	1.73 253	1.20 222	1.09 128	1.37 230	1.46 282	0.85 189	1.53 188	1.09 274	0.25 235	0.18 201	0.23 155	0.24 233	0.20 102	0.19 116

CFNet	0.96 259	0.36 235	1.01 245	0.62 234	0.42 197	0.99 238	0.47 153	1.90 297	1.32 276	0.99 104	1.39 238	1.10 206	0.86 197	5.58 361	0.79 228	0.23 196	0.17 185	0.28 252	0.27 266	0.26 215	0.21 156

ssnet_v2	0.88 240	0.36 235	1.02 251	0.62 234	0.38 175	1.32 290	0.97 319	2.07 335	1.34 282	1.37 268	1.18 164	1.54 295	0.92 218	1.10 117	1.65 336	0.30 280	0.27 297	0.30 269	0.28 283	0.27 227	0.26 230

IER	0.70 160	0.31 163	1.02 251	0.48 55	0.52 257	1.34 293	0.51 176	1.17 128	0.99 132	1.23 205	1.34 221	1.12 211	1.11 282	0.99 95	0.71 201	0.20 122	0.16 159	0.21 100	0.21 176	0.20 102	0.19 116

sCroCo_RVC	0.49 39	0.40 255	1.02 251	0.65 263	0.60 291	0.52 55	0.40 88	0.83 24	0.61 24	0.44 10	0.74 41	0.49 31	0.50 59	0.63 28	0.48 119	0.26 249	0.27 297	0.23 155	0.22 202	0.29 246	0.25 212

SFCPSM	0.70 160	0.28 88	1.02 251	0.51 98	0.38 175	1.37 296	0.66 251	2.00 320	1.03 145	1.17 181	1.21 172	0.82 107	0.78 161	1.03 103	0.53 149	0.21 149	0.17 185	0.22 126	0.24 233	0.21 136	0.19 116

DAS	0.84 226	0.34 212	1.03 255	0.64 251	0.69 317	0.77 171	0.63 242	1.54 217	1.20 222	1.79 340	1.55 276	0.95 158	1.04 266	2.83 299	0.60 175	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 171

SepStereo	0.82 217	0.34 212	1.03 255	0.64 251	0.69 317	0.77 171	0.63 242	1.54 217	1.20 222	1.79 340	1.55 276	0.95 158	1.04 266	2.30 277	0.60 175	0.21 149	0.16 159	0.25 212	0.18 92	0.27 227	0.22 171

MANE	6.19 408	0.59 320	1.03 255	0.93 366	1.22 384	13.38 420	2.69 405	12.81 421	17.94 423	8.21 417	10.82 415	14.72 418	11.68 416	11.39 418	11.90 409	0.59 368	0.50 375	0.52 355	1.76 409	0.55 346	0.54 342

test-1	0.52 43	0.26 49	1.04 258	0.56 170	0.32 110	0.61 92	0.38 74	1.10 113	0.91 100	0.78 62	1.01 95	0.77 91	0.52 63	0.60 26	0.42 77	0.17 33	0.14 78	0.20 77	0.17 78	0.20 102	0.23 188

whm_eth	0.65 136	0.47 282	1.05 259	0.55 157	0.64 302	0.69 137	0.45 140	1.34 167	1.26 245	1.02 112	1.92 334	0.49 31	0.48 50	0.70 37	0.52 141	0.23 196	0.20 231	0.25 212	0.24 233	0.24 197	0.31 272

NLCA_NET_v2_RVC	0.79 206	0.43 267	1.05 259	0.64 251	0.58 281	0.95 226	0.53 191	1.53 215	1.18 214	1.37 268	1.15 156	1.43 274	0.88 205	1.61 202	0.84 242	0.25 235	0.22 261	0.27 242	0.27 266	0.29 246	0.29 250
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DN-CSS_ROB	0.64 131	0.32 177	1.05 259	0.55 157	0.40 188	0.54 64	0.45 140	1.21 140	0.93 106	1.03 116	1.47 259	0.69 78	0.63 120	1.76 229	0.49 126	0.18 61	0.14 78	0.25 212	0.22 202	0.22 158	0.20 139

ADStereo(finetuned)	0.57 95	0.24 21	1.06 262	0.43 9	0.24 11	0.49 33	0.35 51	1.05 91	1.30 267	1.12 142	1.03 110	0.58 51	1.20 299	0.84 68	0.51 135	0.16 12	0.13 44	0.17 17	0.13 12	0.18 45	0.19 116

dad	0.86 235	0.66 336	1.06 262	0.56 170	0.37 158	0.76 165	0.44 129	1.17 128	1.50 326	1.44 288	1.27 193	1.34 265	0.75 144	2.52 289	0.84 242	0.42 335	0.27 297	0.83 378	0.26 258	0.41 305	0.29 250

DSFCA	0.93 253	0.34 212	1.06 262	0.52 114	0.65 305	1.55 316	0.93 313	1.49 197	1.19 217	1.56 314	1.15 156	1.50 290	0.96 239	3.07 307	1.02 266	0.30 280	0.26 289	0.25 212	0.25 244	0.28 241	0.24 200

NCCL2	1.00 274	0.56 310	1.06 262	0.75 320	0.57 273	1.31 289	1.72 373	1.77 268	1.36 293	1.50 302	1.17 162	1.91 334	1.17 290	1.54 190	1.29 300	0.35 312	0.31 321	0.45 344	0.44 349	0.40 302	0.40 305

MyStereo05	0.66 144	0.28 88	1.07 266	0.56 170	0.46 225	0.61 92	0.73 266	1.34 167	1.41 313	1.15 161	0.91 69	0.77 91	0.80 168	1.41 169	0.63 184	0.17 33	0.16 159	0.23 155	0.20 140	0.22 158	0.20 139

MyStereo04	0.67 153	0.29 115	1.07 266	0.55 157	0.45 215	0.59 83	0.79 279	1.50 201	1.40 310	0.91 85	0.91 69	0.74 85	0.86 197	1.52 184	0.62 180	0.17 33	0.16 159	0.24 175	0.20 140	0.23 183	0.20 139

DCANet-4	0.54 66	0.26 49	1.07 266	0.42 8	0.24 11	0.48 23	0.36 61	0.99 68	1.30 267	1.10 136	1.02 102	0.56 45	0.75 144	0.73 47	0.52 141	0.16 12	0.13 44	0.17 17	0.13 12	0.15 6	0.19 116

SQANet	1.31 321	0.88 362	1.08 269	1.83 391	1.44 388	1.44 307	0.75 268	1.74 257	1.09 171	1.32 250	1.26 190	1.28 252	1.01 258	1.50 183	0.83 239	2.50 397	0.34 330	1.47 389	0.55 369	2.32 392	1.57 392

RAFT + AFF	1.00 274	0.42 264	1.09 270	0.67 278	0.50 239	1.22 278	1.24 349	2.24 363	1.19 217	1.30 238	1.56 280	1.17 221	1.49 334	3.44 321	0.83 239	0.21 149	0.25 285	0.30 269	0.26 258	0.27 227	0.27 236

MMNet	0.84 226	0.32 177	1.09 270	0.60 211	0.59 288	1.85 345	0.49 168	1.51 206	1.27 252	1.37 268	1.15 156	1.26 245	1.18 293	1.67 211	1.22 290	0.19 94	0.18 201	0.23 155	0.22 202	0.25 207	0.21 156

XPNet_ROB	0.96 259	0.49 290	1.09 270	0.72 306	0.57 273	1.11 255	1.14 340	1.66 243	1.23 233	1.85 346	1.39 238	1.64 312	1.11 282	1.80 233	1.42 322	0.38 323	0.30 315	0.33 293	0.29 294	0.37 286	0.34 284

PFNet	0.91 248	0.26 49	1.10 273	0.63 242	0.32 110	0.64 101	0.56 214	1.17 128	0.99 132	1.47 293	1.08 122	0.98 167	0.69 134	6.62 377	0.54 155	0.20 122	0.12 9	0.24 175	0.19 112	0.20 102	0.17 64

MLCV	0.72 166	0.34 212	1.10 273	0.51 98	0.23 8	0.91 211	0.39 85	1.33 163	1.23 233	1.46 292	1.55 276	1.01 180	0.64 123	1.95 250	0.80 231	0.18 61	0.12 9	0.18 39	0.14 25	0.19 75	0.17 64

Anonymous3	0.61 112	0.44 270	1.11 275	0.59 200	0.49 233	0.93 220	0.65 246	0.93 48	0.81 71	0.72 56	0.88 65	0.65 67	0.69 134	1.06 110	0.53 149	0.35 312	0.30 315	0.26 231	0.26 258	0.31 262	0.27 236

DISCO	1.03 280	0.34 212	1.11 275	0.69 291	0.45 215	2.07 358	0.84 291	2.13 340	1.50 326	1.15 161	1.33 216	2.40 365	1.07 276	2.60 292	1.51 331	0.23 196	0.18 201	0.22 126	0.20 140	0.31 262	0.27 236

DDUNet	1.50 338	2.69 413	1.12 277	1.77 390	1.88 393	1.84 344	0.92 309	1.70 250	1.16 207	1.38 273	1.79 318	1.60 305	1.12 285	1.37 154	1.08 272	1.10 389	0.76 390	2.37 398	0.94 390	2.00 390	1.37 390

RP	1.09 291	0.50 294	1.12 277	0.90 360	1.04 370	1.11 255	0.84 291	1.80 276	1.62 337	1.55 313	2.00 339	1.90 333	1.78 356	1.84 236	1.25 293	0.52 359	0.36 343	0.48 350	0.36 331	0.45 325	0.43 317

DRN-Test	1.00 274	0.44 270	1.13 279	0.70 296	0.81 349	1.62 321	0.79 279	2.14 344	1.44 319	1.78 337	1.33 216	1.43 274	1.05 270	2.18 269	1.53 332	0.27 258	0.21 247	0.31 273	0.30 302	0.32 267	0.28 247

IPLGR	0.58 100	0.27 72	1.14 280	0.48 55	0.28 54	0.65 113	0.33 37	1.22 147	1.13 192	1.18 186	1.05 114	0.69 78	0.66 130	0.96 87	0.52 141	0.17 33	0.15 128	0.20 77	0.17 78	0.20 102	0.18 82

NaN_ROB	1.13 302	0.55 307	1.15 281	0.64 251	0.48 230	1.61 320	2.03 391	1.72 252	1.48 323	2.09 359	1.27 193	1.40 270	1.08 277	3.94 327	1.30 301	0.28 268	0.34 330	0.28 252	0.28 283	0.30 255	0.33 282

ETE_ROB	0.96 259	0.64 334	1.16 282	0.69 291	0.48 230	1.14 260	1.13 339	1.77 268	1.19 217	1.91 351	1.45 252	1.73 322	1.05 270	1.60 201	1.14 282	0.32 292	0.26 289	0.38 323	0.34 323	0.39 298	0.41 309

LALA_ROB	1.01 277	0.59 320	1.16 282	0.67 278	0.51 249	1.63 322	1.26 353	1.69 247	1.38 301	1.81 343	1.37 230	1.94 339	1.02 263	1.58 198	1.38 310	0.37 319	0.27 297	0.43 340	0.37 334	0.43 315	0.37 295

ADLNet2	0.88 240	0.34 212	1.17 284	0.77 325	0.64 302	1.12 258	0.76 271	1.74 257	1.24 237	1.21 197	1.65 301	1.71 320	1.05 270	1.67 211	1.17 286	0.24 211	0.21 247	0.21 100	0.22 202	0.26 215	0.29 250

BEATNet_4x	0.73 180	0.49 290	1.17 284	0.53 123	0.26 22	1.03 243	0.55 208	1.82 280	1.06 156	1.21 197	1.22 174	0.96 164	0.91 215	1.01 100	1.06 269	0.21 149	0.14 78	0.24 175	0.19 112	0.37 286	0.21 156

PSMNet_ROB	0.90 245	0.52 300	1.17 284	0.72 306	0.61 294	1.27 284	1.12 338	1.76 265	1.12 181	1.09 128	1.28 198	1.45 280	0.89 211	1.65 206	1.42 322	0.33 297	0.25 285	0.37 320	0.39 337	0.35 276	0.29 250

otaku	1.60 345	1.11 376	1.21 287	2.20 393	1.56 390	1.97 352	1.24 349	2.07 335	1.36 293	1.44 288	1.62 295	1.73 322	1.19 296	1.73 223	0.98 263	2.89 401	0.57 383	1.74 390	0.60 376	2.78 397	1.94 397

anonymity	1.12 299	0.97 365	1.21 287	1.07 377	1.12 376	1.08 252	0.89 302	1.95 312	1.16 207	1.29 231	1.26 190	1.22 230	1.09 280	1.15 125	1.01 265	1.02 384	1.00 405	0.97 382	0.97 392	0.98 377	0.99 380

STTStereo	0.78 203	0.50 294	1.22 289	0.64 251	0.54 263	0.89 206	0.54 195	1.44 189	1.11 177	1.38 273	1.09 127	1.27 249	0.85 189	1.43 170	0.83 239	0.29 276	0.27 297	0.33 293	0.39 337	0.32 267	0.30 262

Ntro	1.64 349	1.15 379	1.23 290	2.48 398	1.83 392	2.09 359	1.16 343	1.96 313	1.38 301	1.21 197	1.62 295	1.62 307	1.29 312	1.87 242	1.11 279	3.04 402	0.56 382	1.82 392	0.64 377	2.80 398	2.05 398

ToySt	0.66 144	0.33 193	1.23 290	0.51 98	0.33 126	0.86 203	0.68 256	1.10 113	0.97 120	0.84 77	1.08 122	1.25 241	0.94 229	1.01 100	0.74 208	0.19 94	0.19 214	0.24 175	0.24 233	0.27 227	0.23 188

SPS-STEREO	1.67 351	1.04 370	1.23 290	1.21 381	1.13 378	1.82 342	1.11 336	2.16 349	1.52 329	3.07 391	2.32 355	2.82 377	1.80 358	4.11 330	2.04 353	1.03 385	0.99 404	0.97 382	0.94 390	1.03 381	1.02 381
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NCC-stereo	1.10 294	0.54 304	1.24 293	0.84 343	0.94 364	1.29 287	0.89 302	2.01 324	1.34 282	1.32 250	1.74 311	1.88 329	1.74 353	2.35 280	1.25 293	0.45 346	0.37 345	0.45 344	0.58 372	0.42 310	0.42 313

Abc-Net	1.10 294	0.54 304	1.24 293	0.84 343	0.94 364	1.29 287	0.89 302	2.01 324	1.34 282	1.32 250	1.74 311	1.88 329	1.74 353	2.35 280	1.25 293	0.45 346	0.37 345	0.45 344	0.58 372	0.42 310	0.42 313
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RYNet	1.17 310	0.49 290	1.24 293	0.70 296	0.97 368	1.71 328	0.92 309	1.91 301	1.46 321	1.38 273	1.14 150	1.88 329	1.30 316	4.24 331	1.87 344	0.26 249	0.21 247	0.35 310	0.27 266	0.55 346	0.54 342

RGC	1.14 304	0.79 354	1.26 296	0.91 363	0.96 367	1.52 313	0.77 274	1.92 304	1.26 245	1.54 310	1.93 335	2.02 348	1.54 336	2.25 275	1.31 302	0.44 345	0.35 338	0.58 371	0.48 358	0.47 328	0.46 325

SGM-ForestM	6.52 410	0.38 246	1.26 296	0.63 242	0.35 144	13.59 421	5.32 415	6.32 414	6.70 409	11.14 418	9.18 413	22.51 428	13.93 417	16.89 421	20.07 420	0.36 315	0.37 345	0.36 318	0.35 327	0.36 282	0.34 284

CSAN	1.41 333	0.59 320	1.26 296	0.70 296	0.50 239	1.76 334	1.78 376	1.77 268	1.90 358	2.35 367	2.32 355	1.92 337	1.94 367	5.56 360	1.49 330	0.43 340	0.35 338	0.40 334	0.41 343	0.43 315	0.41 309

DMCA-RVC	0.74 183	0.40 255	1.27 299	0.66 268	0.49 233	0.77 171	0.47 153	1.35 169	1.01 139	1.53 306	1.01 95	1.29 255	0.82 175	1.31 142	0.78 222	0.27 258	0.21 247	0.35 310	0.27 266	0.32 267	0.24 200

CC-Net-ROB	1.49 336	1.26 383	1.27 299	0.88 356	0.79 342	1.76 334	1.00 325	1.79 274	1.26 245	1.10 136	1.61 292	1.21 228	0.99 254	8.13 401	0.84 242	1.09 388	0.41 356	2.20 394	0.46 354	1.20 385	0.48 331

PA-Net	1.01 277	0.57 314	1.29 301	0.64 251	0.74 327	1.19 274	0.84 291	1.69 247	1.43 318	1.16 172	1.19 167	1.32 260	1.19 296	3.42 319	1.25 293	0.29 276	0.45 366	0.33 293	0.49 361	0.32 267	0.47 328
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	1.11 297	0.50 294	1.30 302	0.71 303	0.65 305	1.14 260	0.75 268	1.93 308	1.37 297	1.71 331	1.83 322	2.54 369	1.44 326	2.43 286	1.23 291	0.42 335	0.41 356	0.54 361	0.35 327	0.42 310	0.46 325

UNet	0.83 222	0.34 212	1.31 303	0.58 187	0.74 327	1.58 318	0.49 168	1.41 180	1.04 149	1.21 197	1.08 122	1.54 295	1.12 285	1.65 206	1.09 274	0.23 196	0.17 185	0.25 212	0.20 140	0.25 207	0.22 171

GANetREF_RVC	1.07 286	0.86 359	1.31 303	0.82 339	0.53 260	1.41 305	1.31 355	1.76 265	1.52 329	1.27 224	1.31 208	1.46 282	1.24 306	2.03 256	0.96 260	0.56 366	0.45 366	0.67 373	0.50 363	0.88 375	0.59 353
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
WCMA_ROB	1.84 361	0.47 282	1.31 303	0.69 291	0.57 273	2.11 360	1.14 340	1.87 290	1.73 346	4.04 397	6.43 400	5.62 400	3.61 397	2.59 291	1.94 349	0.52 359	0.44 362	0.39 329	0.42 345	0.48 331	0.47 328

FAT-Stereo	1.07 286	0.41 261	1.32 306	0.72 306	0.58 281	1.08 252	0.89 302	1.96 313	1.65 339	1.75 334	1.98 338	2.03 349	1.48 332	2.02 255	1.18 289	0.42 335	0.35 338	0.34 303	0.29 294	0.35 276	0.53 341

DANet	1.08 289	0.61 328	1.32 306	0.85 348	0.72 322	1.37 296	0.51 176	1.54 217	1.15 203	1.78 337	1.54 274	2.01 346	1.11 282	2.90 302	2.00 352	0.33 297	0.30 315	0.40 334	0.30 302	0.44 322	0.45 321
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AF-Net	1.13 302	0.52 300	1.33 308	0.86 350	0.91 360	1.38 299	0.71 264	2.16 349	1.62 337	1.56 314	2.40 360	1.99 344	1.65 346	1.81 235	1.48 329	0.48 354	0.28 303	0.49 352	0.33 318	0.39 298	0.32 278

Nwc_Net	1.09 291	0.49 290	1.33 308	0.89 359	0.80 347	1.49 311	0.66 251	2.19 357	1.27 252	1.32 250	2.26 353	1.96 341	1.54 336	1.92 245	1.34 305	0.40 328	0.30 315	0.43 340	0.45 351	0.38 294	0.37 295

PWCDC_ROB	1.29 318	0.75 350	1.33 308	1.05 374	0.88 359	1.73 331	0.52 185	1.89 294	3.28 390	1.29 231	4.88 395	1.22 230	1.46 329	1.77 231	1.45 326	0.60 369	0.26 289	0.29 260	0.25 244	0.52 341	0.37 295

DispNO	0.93 253	0.30 131	1.34 311	0.55 157	0.55 269	0.89 206	0.49 168	1.48 195	1.21 227	1.17 181	1.27 193	1.19 225	0.90 212	5.23 349	0.74 208	0.22 172	0.17 185	0.24 175	0.21 176	0.19 75	0.20 139

iResNet	0.75 190	0.40 255	1.36 312	0.67 278	0.29 66	0.92 217	0.59 234	1.52 209	1.25 240	1.28 226	1.48 264	0.94 152	0.76 152	1.62 203	0.78 222	0.18 61	0.14 78	0.18 39	0.15 33	0.22 158	0.23 188

LL-Strereo	1.33 324	0.39 251	1.38 313	0.61 223	0.61 294	0.75 161	0.66 251	1.63 236	1.17 209	1.56 314	1.60 288	2.03 349	2.12 375	9.72 413	0.97 261	0.21 149	0.18 201	0.27 242	0.23 222	0.22 158	0.25 212

fast-acv-ft	0.94 255	0.44 270	1.40 314	0.58 187	0.51 249	1.77 337	0.69 260	1.36 171	1.42 316	1.29 231	1.86 327	1.74 324	1.25 307	1.52 184	1.38 310	0.26 249	0.28 303	0.28 252	0.28 283	0.27 227	0.26 230

stereogan	1.15 307	0.42 264	1.40 314	0.86 350	0.84 353	2.38 371	0.71 264	1.88 292	1.73 346	1.72 332	1.94 337	2.31 360	1.29 312	2.07 260	1.08 272	0.36 315	0.35 338	0.39 329	0.31 306	0.51 339	0.46 325

APVNet	1.06 284	0.53 303	1.42 316	0.84 343	0.79 342	1.92 348	0.82 289	1.90 297	1.08 165	1.08 123	1.43 247	1.56 298	1.13 287	3.07 307	1.58 333	0.31 287	0.34 330	0.42 338	0.36 331	0.36 282	0.37 295

gwcnet-sp	0.74 183	0.33 193	1.44 317	0.57 181	0.45 215	1.40 301	0.54 195	1.50 201	1.14 194	1.30 238	1.02 102	0.94 152	0.82 175	1.39 163	0.76 214	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 171

scenet	0.74 183	0.33 193	1.44 317	0.57 181	0.45 215	1.40 301	0.54 195	1.50 201	1.14 194	1.30 238	1.02 102	0.94 152	0.82 175	1.39 163	0.76 214	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 171

ssnet	0.74 183	0.33 193	1.44 317	0.57 181	0.45 215	1.40 301	0.54 195	1.50 201	1.14 194	1.30 238	1.02 102	0.94 152	0.82 175	1.39 163	0.76 214	0.21 149	0.21 247	0.22 126	0.21 176	0.22 158	0.22 171

PDISCO_ROB	1.32 323	0.65 335	1.44 317	1.36 383	1.46 389	2.55 375	0.92 309	2.45 378	2.07 367	1.37 268	1.49 265	1.65 314	1.00 256	2.82 298	1.35 308	1.01 382	0.27 297	0.54 361	0.47 356	0.71 369	0.73 370

NVStereoNet_ROB	1.88 363	1.07 371	1.45 321	1.07 377	1.17 379	1.47 308	1.48 364	1.89 294	1.93 361	1.94 352	4.67 393	3.08 381	1.80 358	6.51 376	1.65 336	1.06 387	0.86 399	1.08 387	1.32 399	0.93 376	1.26 389
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
FBW_ROB	1.71 357	0.62 331	1.45 321	0.67 278	0.61 294	1.81 340	1.08 334	2.52 380	1.70 343	1.77 336	1.73 310	1.98 343	1.25 307	12.57 419	1.84 343	0.34 305	0.37 345	0.56 368	0.38 336	0.45 325	0.43 317

WAO-6	2.81 394	1.60 392	1.46 323	2.36 397	2.28 400	3.55 392	2.29 400	4.21 400	4.56 403	2.36 369	4.51 388	4.88 395	2.66 387	4.60 338	4.07 382	1.72 391	1.15 411	2.31 397	1.46 405	2.31 391	1.85 395

IMH-64-1	2.70 391	1.79 396	1.46 323	3.26 409	2.66 405	3.23 390	2.10 392	4.08 397	2.75 385	2.34 365	3.81 383	3.06 379	2.22 378	4.25 332	2.59 363	3.75 412	0.84 394	2.75 408	1.35 400	3.15 406	2.60 408

IMH-64	2.70 391	1.79 396	1.46 323	3.26 409	2.66 405	3.23 390	2.10 392	4.08 397	2.75 385	2.34 365	3.81 383	3.06 379	2.22 378	4.25 332	2.59 363	3.75 412	0.84 394	2.75 408	1.35 400	3.15 406	2.60 408

sAnonymous2	0.55 81	0.56 310	1.46 323	0.60 211	0.51 249	0.48 23	0.52 185	0.79 15	0.68 46	0.50 29	0.67 27	0.46 17	0.62 115	0.59 17	0.40 62	0.22 172	0.17 185	0.22 126	0.21 176	0.86 373	0.56 346

CroCo_RVC	0.55 81	0.56 310	1.46 323	0.60 211	0.51 249	0.48 23	0.52 185	0.79 15	0.68 46	0.50 29	0.67 27	0.46 17	0.62 115	0.59 17	0.40 62	0.22 172	0.17 185	0.22 126	0.21 176	0.86 373	0.56 346

IMH	3.21 397	1.85 400	1.48 328	3.25 408	2.69 407	4.07 401	2.02 390	4.41 402	3.80 396	2.72 378	7.11 404	4.75 394	2.92 390	5.92 367	2.55 361	3.85 415	0.88 400	2.78 410	1.36 402	3.19 408	2.59 407

NVstereo2D	0.92 250	0.41 261	1.48 328	0.72 306	0.72 322	1.20 276	0.87 299	1.75 259	1.38 301	0.99 104	1.13 147	1.26 245	0.98 246	2.21 272	0.89 249	0.43 340	0.20 231	0.38 323	0.24 233	0.57 349	0.63 359

ARAFT	0.77 197	0.36 235	1.49 330	0.51 98	0.31 95	0.90 209	0.82 289	1.90 297	1.06 156	1.62 324	1.24 180	1.02 182	0.64 123	1.84 236	0.50 132	0.18 61	0.14 78	0.28 252	0.27 266	0.17 26	0.16 44

AANet_RVC	1.16 309	0.52 300	1.49 330	0.65 263	0.45 215	0.75 161	0.69 260	1.42 182	1.55 334	1.34 261	1.87 329	1.53 294	0.78 161	7.43 393	1.38 310	0.25 235	0.17 185	0.19 53	0.16 62	0.22 158	0.26 230

ELAS	2.37 380	0.74 348	1.54 332	0.99 370	0.92 362	4.78 405	2.33 401	3.33 392	3.37 392	5.05 409	4.77 394	3.67 385	4.53 405	3.42 319	4.50 383	0.62 371	0.53 378	0.55 365	0.53 367	0.63 358	0.64 363
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	1.66 350	0.63 332	1.56 333	1.11 379	0.74 327	2.98 386	0.91 307	1.55 221	1.22 230	2.76 381	8.18 411	2.32 361	2.53 386	1.92 245	1.87 344	0.48 354	0.44 362	0.45 344	0.31 306	0.60 357	0.57 350

RainbowNet	1.97 369	1.76 394	1.57 334	2.81 401	2.21 397	1.98 354	1.81 378	2.54 381	1.89 356	1.50 302	1.84 324	1.96 341	1.65 346	2.14 265	1.25 293	3.33 408	0.85 397	2.39 401	0.98 394	2.82 400	2.22 399

MDST_ROB	1.67 351	0.34 212	1.58 335	0.92 365	0.58 281	4.26 403	1.11 336	2.83 384	1.41 313	4.49 403	2.55 365	1.45 280	0.97 242	7.79 398	1.17 286	0.31 287	0.25 285	0.37 320	0.33 318	0.31 262	0.30 262

FINET	0.97 265	0.54 304	1.60 336	0.63 242	0.79 342	1.08 252	1.07 333	1.56 222	2.20 370	1.15 161	1.49 265	0.94 152	0.88 205	2.32 278	1.05 267	0.42 335	0.35 338	0.32 286	0.28 283	0.43 315	0.38 301

LVE	3.31 398	1.67 393	1.64 337	2.85 402	2.42 403	3.20 389	2.26 399	4.78 405	5.05 404	2.35 367	6.91 401	6.02 401	2.37 381	9.15 405	2.17 358	3.19 405	1.08 410	2.38 400	1.47 406	2.81 399	2.40 404

ACVNet-4b	2.15 373	1.41 387	1.64 337	2.80 400	2.31 401	2.31 368	1.24 349	2.32 368	2.14 368	1.26 221	2.39 359	2.66 373	1.48 332	5.95 369	1.06 269	3.20 406	0.45 366	2.37 398	0.89 387	2.83 401	2.37 402

Syn2CoEx	1.14 304	0.69 340	1.66 339	0.80 331	0.67 309	1.40 301	0.88 300	2.06 334	1.54 332	1.25 217	1.58 286	1.42 273	1.50 335	4.09 329	1.40 314	0.36 315	0.32 328	0.34 303	0.29 294	0.29 246	0.34 284

MFMNet_re	1.40 332	1.14 378	1.68 340	1.39 385	1.07 371	1.48 309	1.43 360	1.87 290	1.82 353	2.26 363	2.19 350	1.51 292	1.86 362	1.52 184	1.25 293	0.93 380	0.83 393	0.84 379	0.80 383	0.99 379	1.05 385

StereoDRNet	0.98 269	0.47 282	1.70 341	0.76 322	0.94 364	1.51 312	0.91 307	1.92 304	1.32 276	1.61 321	1.13 147	1.47 287	0.97 242	1.75 224	1.46 327	0.28 268	0.23 269	0.29 260	0.27 266	0.35 276	0.27 236

iResNetv2_ROB	0.80 209	0.37 241	1.71 342	0.56 170	0.37 158	0.94 222	0.64 244	1.73 253	1.34 282	1.23 205	1.42 243	1.26 245	0.92 218	1.85 239	0.56 161	0.23 196	0.15 128	0.19 53	0.14 25	0.24 197	0.19 116

ACVNet_1	2.18 374	1.45 389	1.72 343	2.85 402	2.33 402	2.28 366	1.46 362	3.08 389	2.22 371	1.82 344	2.05 344	3.56 384	1.98 369	3.09 310	1.40 314	3.17 403	0.60 385	2.40 402	0.92 389	2.91 404	2.37 402

GASNet	0.99 270	0.97 365	1.72 343	0.98 369	0.68 315	0.83 194	0.67 254	1.60 228	1.28 257	1.31 248	1.22 174	1.22 230	1.21 302	2.41 285	1.41 318	0.43 340	0.26 289	0.36 318	0.34 323	0.55 346	0.31 272

WAO-7	2.66 387	1.40 386	1.73 345	1.39 385	1.17 379	3.93 398	1.94 387	4.11 399	3.88 397	2.92 385	5.50 397	4.18 389	3.00 393	7.63 396	3.71 378	1.13 390	1.00 405	1.17 388	1.13 398	1.18 384	1.09 387

TorneroNet-64	5.30 407	2.03 402	1.74 346	3.43 411	2.81 408	10.09 415	2.12 394	9.10 418	17.12 422	4.96 408	9.27 414	10.72 417	3.70 399	9.20 406	4.55 384	3.31 407	0.84 394	2.88 411	1.55 407	3.49 409	3.04 411

WAO-8	4.40 401	1.82 398	1.79 347	2.34 395	2.20 395	9.19 413	1.53 365	6.09 411	16.46 417	3.94 395	7.84 409	7.32 403	3.72 400	9.41 411	3.31 374	2.00 393	1.07 408	2.44 403	1.37 403	2.50 393	1.68 393

Venus	4.40 401	1.82 398	1.79 347	2.34 395	2.20 395	9.19 413	1.53 365	6.09 411	16.46 417	3.94 395	7.84 409	7.32 403	3.72 400	9.41 411	3.31 374	2.00 393	1.07 408	2.44 403	1.37 403	2.50 393	1.68 393

FADNet	0.92 250	0.61 328	1.81 349	0.62 234	0.55 269	0.96 230	0.57 224	1.78 272	1.33 279	0.93 88	1.01 95	1.36 266	1.01 258	2.71 296	0.75 212	0.33 297	0.34 330	0.31 273	0.34 323	0.59 353	0.40 305

TorneroNet	10.70 417	2.03 402	1.82 350	3.43 411	3.01 410	43.83 432	2.22 398	8.87 417	67.47 441	7.17 415	27.36 426	10.68 416	3.85 402	8.67 404	7.65 400	3.59 410	0.88 400	3.04 412	1.57 408	3.71 410	3.17 412

Wz-Net-LNSev-Ref	0.99 270	0.40 255	1.82 350	0.66 268	0.62 299	2.05 357	0.78 276	1.91 301	1.29 261	1.54 310	1.42 243	1.51 292	1.23 304	1.99 253	1.33 303	0.23 196	0.14 78	0.20 77	0.15 33	0.27 227	0.26 230

FADNet_RVC	0.83 222	0.51 297	1.83 352	0.54 138	0.42 197	1.19 274	0.46 147	1.51 206	1.09 171	0.89 82	1.24 180	0.91 140	0.87 201	2.11 263	1.11 279	0.27 258	0.22 261	0.31 273	0.28 283	0.43 315	0.38 301

CBFPSM	0.92 250	0.33 193	1.86 353	0.49 68	0.38 175	1.75 332	0.84 291	1.39 178	1.12 181	1.09 128	0.99 87	2.37 363	1.66 350	1.32 144	1.42 322	0.19 94	0.18 201	0.20 77	0.20 140	0.21 136	0.33 282

XX-Stereo	0.63 121	0.26 49	1.90 354	0.81 334	0.67 309	0.43 15	0.23 3	1.03 81	0.58 20	0.65 46	1.56 280	1.41 272	0.39 15	1.28 137	0.35 29	0.20 122	0.14 78	0.20 77	0.19 112	0.18 45	0.14 13

ELAS_RVC	2.48 385	0.74 348	1.90 354	1.05 374	0.92 362	2.76 380	4.01 413	2.76 383	4.11 399	4.69 404	4.63 391	4.62 391	5.96 410	3.97 328	3.96 380	0.63 373	0.53 378	0.56 368	0.52 366	0.64 360	0.63 359
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Consistency-Raft	1.25 315	0.99 367	1.93 356	1.02 373	1.21 383	0.96 230	1.01 327	1.75 259	1.92 359	1.36 266	2.12 347	1.44 278	1.01 258	1.14 124	1.40 314	0.72 376	0.82 392	0.89 380	0.98 394	1.31 387	0.95 378

FADNet-RVC	0.88 240	0.67 337	1.93 356	0.60 211	0.48 230	0.91 211	0.60 238	1.71 251	1.18 214	0.90 83	0.96 77	1.36 266	0.92 218	2.25 275	1.17 286	0.30 280	0.29 311	0.32 286	0.32 312	0.41 305	0.35 289

ACVNet_2	2.43 384	1.41 387	2.04 358	2.62 399	2.24 398	2.63 379	1.88 384	3.31 391	3.01 387	2.19 361	3.45 379	4.62 391	2.04 371	4.50 337	1.47 328	2.55 398	0.64 387	2.22 395	0.84 385	2.69 396	2.29 401

Dean	2.91 396	1.53 391	2.07 359	2.96 406	2.51 404	3.15 387	2.14 395	4.75 404	4.41 402	2.76 381	6.10 399	5.53 399	2.37 381	2.97 305	1.92 348	3.18 404	0.85 397	2.51 405	1.04 397	2.88 403	2.47 405

FADNet-RVC-Resample	0.84 226	0.47 282	2.10 360	0.61 223	0.45 215	1.07 251	0.61 239	1.59 225	1.20 222	1.08 123	0.98 85	1.03 185	0.98 246	2.17 266	0.72 204	0.23 196	0.22 261	0.30 269	0.32 312	0.35 276	0.34 284

KSHMR	8.75 415	2.06 405	2.11 361	3.53 413	3.11 411	4.13 402	2.69 405	5.60 408	61.37 440	3.00 388	55.83 440	4.98 398	2.45 384	4.49 336	2.61 365	3.46 409	1.55 415	3.14 414	1.94 412	3.72 411	3.18 413

ktn	4.70 403	2.38 410	2.12 362	3.76 414	3.24 412	4.85 406	2.95 410	5.52 407	7.37 410	4.07 399	19.32 423	7.46 405	3.47 395	7.39 391	2.95 367	4.04 416	1.85 416	3.26 416	2.22 415	3.08 405	2.65 410

SGM+DAISY	2.41 383	1.07 371	2.14 363	1.18 380	1.10 373	2.14 362	1.36 357	1.96 313	1.66 340	5.46 411	7.07 403	4.95 396	4.32 404	5.50 357	2.26 359	1.04 386	1.02 407	0.99 384	0.97 392	1.02 380	1.04 383

SDNR	1.62 348	0.51 297	2.17 364	0.53 123	0.56 271	3.80 397	0.45 140	1.54 217	1.29 261	1.33 258	2.41 361	1.08 197	0.96 239	11.18 417	1.16 284	0.66 375	0.63 386	0.43 340	0.32 312	0.64 360	0.67 364

S-Stereo	1.15 307	0.46 278	2.17 364	0.81 334	0.80 347	1.21 277	1.19 346	1.93 308	2.02 364	1.47 293	2.11 346	1.57 299	1.17 290	2.05 259	1.41 318	0.40 328	0.40 354	0.35 310	0.31 306	0.44 322	0.70 367

SANet	1.88 363	0.57 314	2.18 366	0.63 242	0.40 188	2.80 383	1.57 369	2.39 375	5.88 407	2.36 369	3.57 380	3.72 387	2.97 391	4.74 340	1.76 340	0.34 305	0.30 315	0.32 286	0.29 294	0.48 331	0.37 295

Wz-Net-MNSev	1.11 297	0.58 317	2.23 367	0.66 268	0.71 320	1.95 351	1.46 362	1.98 318	1.45 320	1.79 340	1.43 247	1.49 289	1.33 319	1.97 252	1.42 322	0.27 258	0.23 269	0.28 252	0.28 283	0.34 275	0.31 272

PVD	1.70 355	0.84 356	2.26 368	0.94 368	0.83 352	2.48 373	0.97 319	2.59 382	3.35 391	3.01 389	2.77 369	2.34 362	2.47 385	2.67 295	3.14 371	0.47 353	0.45 366	0.59 372	0.48 358	0.59 353	0.75 372

GwcNet	1.08 289	0.51 297	2.33 369	0.79 328	1.18 381	1.76 334	0.70 262	1.68 245	1.47 322	1.41 281	1.64 299	1.74 324	1.04 266	2.20 271	1.41 318	0.30 280	0.29 311	0.29 260	0.27 266	0.30 255	0.35 289

SHD	1.31 321	0.71 344	2.34 370	0.86 350	0.75 333	1.77 337	0.65 246	2.22 361	2.50 380	2.40 371	1.71 308	1.91 334	1.60 342	1.93 248	2.37 360	0.38 323	0.31 321	0.38 323	0.40 341	0.48 331	0.50 336

ADCRef	1.35 326	0.55 307	2.37 371	0.72 306	0.77 337	1.94 350	0.78 276	1.91 301	1.27 252	1.57 318	1.59 287	1.36 266	1.41 323	1.54 190	7.53 395	0.23 196	0.20 231	0.32 286	0.30 302	0.29 246	0.29 250

RTSC	1.29 318	0.73 345	2.44 372	0.83 342	0.57 273	1.85 345	0.65 246	1.88 292	2.00 363	2.20 362	1.66 303	1.60 305	1.26 309	2.33 279	3.92 379	0.32 292	0.23 269	0.27 242	0.29 294	0.37 286	0.37 295

Anonymous Stereo	1.28 317	0.75 350	2.45 373	0.74 316	0.77 337	0.93 220	1.77 375	1.51 206	1.31 271	1.67 328	1.29 202	1.20 227	0.75 144	6.29 373	1.68 339	0.37 319	0.36 343	0.38 323	0.40 341	0.43 315	0.45 321

PWC_ROB	1.24 313	0.76 352	2.46 374	0.72 306	0.78 340	1.15 265	0.49 168	1.75 259	1.92 359	2.31 364	3.07 373	1.59 303	1.40 322	2.46 287	2.10 356	0.33 297	0.22 261	0.35 310	0.24 233	0.38 294	0.41 309

DGSMNet	1.14 304	0.76 352	2.49 375	0.81 334	0.86 356	1.39 300	1.39 358	2.13 340	1.35 290	1.26 221	1.63 298	1.48 288	0.98 246	1.75 224	1.10 277	0.45 346	0.43 359	0.55 365	0.49 361	0.75 371	0.70 367

XQC	1.37 328	0.87 360	2.56 376	0.84 343	0.69 317	1.83 343	0.89 302	2.07 335	1.88 355	1.88 347	1.53 272	1.91 334	1.55 338	2.85 301	3.05 368	0.48 354	0.29 311	0.44 343	0.39 337	0.69 367	0.60 356

SAMSARA	1.55 342	0.84 356	2.61 377	1.22 382	1.07 371	2.50 374	1.93 386	2.05 329	1.89 356	2.75 380	1.66 303	2.81 376	1.69 351	3.08 309	1.97 351	0.46 352	0.51 376	0.42 338	0.46 354	0.58 351	0.59 353

PASM	1.34 325	0.92 363	2.62 378	0.86 350	0.87 358	1.03 243	1.08 334	1.50 201	1.51 328	1.82 344	1.41 242	1.68 317	1.26 309	4.87 343	1.34 305	0.61 370	0.65 389	0.68 374	0.78 382	0.69 367	0.68 366

notaker	3.98 400	2.40 411	2.68 379	3.82 416	3.27 414	3.97 400	2.14 395	4.78 405	3.45 394	4.12 400	6.94 402	7.65 407	3.26 394	7.82 399	5.30 387	4.04 416	1.41 413	3.36 417	2.10 414	3.88 412	3.31 414

Wz-Net-LNSev	1.03 280	0.67 337	2.71 380	0.64 251	0.84 353	1.75 332	1.00 325	1.80 276	1.32 276	1.28 226	1.25 184	1.65 314	1.22 303	1.39 163	1.40 314	0.28 268	0.26 289	0.24 175	0.23 222	0.33 273	0.32 278

pmcnn	2.37 380	0.42 264	2.71 380	0.63 242	0.43 202	1.54 315	1.19 346	2.01 324	1.53 331	2.64 377	7.60 406	18.07 420	1.45 328	3.44 321	2.78 366	0.18 61	0.15 128	0.15 3	0.12 10	0.20 102	0.18 82

aanetorigin	1.23 312	0.79 354	2.78 382	0.70 296	0.79 342	0.99 238	1.06 332	1.06 104	1.37 297	3.52 392	2.61 366	1.72 321	1.63 344	1.99 253	1.78 341	0.25 235	0.24 278	0.26 231	0.25 244	0.38 294	0.45 321

MSC_U_SF_DS_RVC	2.12 372	1.15 379	3.10 383	1.05 374	0.76 336	5.03 408	2.40 403	2.16 349	2.62 382	1.89 349	2.28 354	2.69 374	1.65 346	9.35 409	2.04 353	0.64 374	0.51 376	0.68 374	0.71 379	1.09 382	0.67 364

MFN_U_SF_RVC	1.52 340	0.84 356	3.42 384	0.87 355	0.66 307	2.56 376	0.95 317	2.36 372	1.70 343	1.98 353	1.86 327	2.45 367	1.79 357	2.95 303	2.58 362	0.52 359	0.48 371	0.55 365	0.59 375	0.59 353	0.61 357

MFN_U_SF_DS_RVC	1.74 359	0.87 360	3.56 385	0.80 331	0.75 333	3.72 394	2.44 404	1.82 280	1.82 353	1.74 333	1.91 333	1.92 337	1.26 309	7.69 397	1.28 299	0.45 346	0.47 370	0.52 355	0.77 381	0.50 335	0.50 336

ADCL	1.72 358	0.57 314	3.66 386	0.67 278	0.61 294	2.61 378	1.85 381	1.96 313	1.67 341	1.90 350	1.83 322	2.06 352	1.90 365	2.13 264	9.15 403	0.26 249	0.24 278	0.34 303	0.32 312	0.38 294	0.35 289

DispFullNet	2.34 379	2.85 414	3.66 386	3.08 407	2.27 399	1.97 352	0.67 254	2.00 320	1.70 343	2.52 373	2.00 339	2.23 355	5.86 408	3.44 321	1.58 333	1.01 382	0.32 328	2.64 407	1.94 412	2.85 402	2.24 400

iinet-f	0.99 270	0.45 276	3.71 388	0.55 157	0.43 202	1.81 340	0.68 256	1.14 123	1.14 194	1.18 186	1.42 243	1.58 302	1.44 326	1.34 149	1.59 335	0.24 211	0.23 269	0.20 77	0.19 112	0.26 215	0.25 212

pcwnet_v2	0.97 265	0.37 241	4.33 389	0.62 234	0.54 263	0.79 180	0.45 140	2.02 327	1.58 335	1.42 287	1.64 299	1.09 204	0.79 163	1.24 134	0.67 193	0.32 292	0.25 285	0.29 260	0.27 266	0.37 286	0.35 289

DPSNet	1.69 354	0.59 320	4.33 389	0.70 296	0.57 273	2.02 356	1.62 371	3.35 393	1.78 349	1.48 299	1.38 234	2.17 354	2.84 389	4.77 341	3.66 377	0.48 354	0.31 321	0.29 260	0.25 244	0.64 360	0.48 331

MADNet++	5.01 404	3.14 415	4.91 391	4.55 420	3.94 418	5.20 409	4.41 414	4.40 401	4.13 400	4.95 407	6.08 398	4.74 393	5.37 406	9.40 410	10.67 408	4.65 418	4.15 420	3.97 419	3.34 418	4.09 414	4.08 419

ADCMid	1.89 366	0.73 345	5.06 392	0.72 306	0.67 309	2.00 355	1.14 340	1.97 317	1.48 323	2.86 384	1.81 321	2.37 363	2.05 373	2.24 273	10.39 407	0.33 297	0.31 321	0.39 329	0.43 347	0.50 335	0.44 319

AnyNet_C32	1.96 368	1.10 373	5.17 393	0.90 360	1.11 374	2.12 361	2.37 402	1.85 286	1.48 323	2.45 372	1.70 307	2.05 351	1.64 345	2.50 288	10.28 406	0.37 319	0.34 330	0.35 310	0.41 343	0.49 334	0.54 342

UNDER WATER	5.08 405	2.33 409	5.55 394	3.94 418	3.51 415	5.20 409	2.72 407	5.61 409	16.52 419	3.84 394	4.60 390	9.21 411	5.89 409	5.90 366	8.66 402	3.75 412	1.34 412	3.18 415	1.88 410	4.33 417	3.61 416

ADCS	2.25 375	0.99 367	5.55 394	0.81 334	0.74 327	2.19 363	1.80 377	2.27 365	2.14 368	2.80 383	2.13 348	2.40 365	2.03 370	2.64 294	13.69 411	0.41 332	0.39 352	0.40 334	0.45 351	0.58 351	0.56 346

PWCK	2.88 395	2.05 404	5.72 396	2.08 392	1.11 374	3.55 392	3.90 412	2.86 386	3.54 395	3.03 390	3.63 381	3.10 382	2.31 380	8.15 403	3.09 369	2.12 395	0.91 402	1.75 391	0.98 394	2.57 395	1.18 388

DeepPrunerF	1.60 345	0.73 345	5.81 397	0.88 356	1.19 382	0.91 211	0.95 317	2.19 357	5.24 405	1.17 181	1.30 203	1.19 225	1.30 316	4.90 344	1.66 338	0.42 335	0.34 330	0.52 355	0.47 356	0.41 305	0.40 305

tt	6.58 411	0.26 49	6.10 398	3.77 415	2.16 394	11.55 417	19.63 421	13.33 422	5.74 406	2.96 386	2.65 367	4.97 397	6.33 412	3.81 325	7.24 394	9.15 423	11.32 428	5.89 423	6.24 422	6.03 419	2.55 406

Wz-Net-SNSev	1.49 336	1.23 382	6.27 399	0.68 288	0.67 309	1.37 296	1.41 359	2.00 320	1.39 305	1.48 299	1.61 292	2.29 358	1.32 318	3.93 326	2.14 357	0.31 287	0.28 303	0.31 273	0.33 318	0.42 310	0.36 293

Wz-Net-TNSev	1.88 363	2.08 406	7.66 400	0.67 278	0.64 302	2.42 372	1.83 380	2.33 369	1.74 348	1.57 318	1.56 280	2.58 370	1.90 365	4.86 342	3.12 370	0.39 326	0.37 345	0.33 293	0.37 334	0.53 343	0.58 351

ADCP+	1.99 370	0.48 287	7.73 401	0.66 268	0.91 360	2.30 367	1.05 331	1.82 280	1.34 282	1.54 310	1.32 214	1.74 324	1.61 343	2.17 266	13.37 410	0.24 211	0.21 247	0.32 286	0.28 283	0.37 286	0.29 250

ADCPNet	1.85 362	0.69 340	8.07 402	0.71 303	0.58 281	2.79 382	1.22 348	1.94 310	1.54 332	1.88 347	1.69 306	2.46 368	2.04 371	2.37 282	6.48 390	0.38 323	0.37 345	0.38 323	0.43 347	0.47 328	0.45 321

EDNetEfficient	2.37 380	1.10 373	8.08 403	0.74 316	0.71 320	0.98 237	1.56 367	1.46 192	4.06 398	4.90 406	2.82 370	2.25 356	3.48 396	2.95 303	9.97 404	0.26 249	0.24 278	0.26 231	0.30 302	0.68 366	0.61 357

HanzoNet	11.04 418	3.62 417	8.10 404	4.08 419	3.55 417	4.90 407	2.73 408	7.19 415	10.10 411	31.86 436	28.92 428	21.96 427	36.36 429	18.08 422	10.17 405	7.94 422	3.32 418	3.47 418	3.31 417	7.06 422	4.04 418

UNDER WATER-64	5.27 406	2.32 408	8.78 405	3.93 417	3.54 416	7.61 411	3.03 411	5.84 410	14.19 413	4.04 397	4.04 385	9.39 412	6.26 411	5.93 368	8.48 401	3.60 411	1.51 414	3.13 413	1.88 410	4.29 416	3.61 416

WZ-Net	1.95 367	0.95 364	10.10 406	0.86 350	0.78 340	1.69 327	1.60 370	2.20 360	1.98 362	2.08 358	1.93 335	2.30 359	1.97 368	5.30 350	3.17 373	0.34 305	0.26 289	0.29 260	0.31 306	0.51 339	0.47 328

JetBlue	3.97 399	2.01 401	10.19 407	1.38 384	2.84 409	10.53 416	9.54 416	3.60 395	2.41 374	2.73 379	3.39 378	4.54 390	4.31 403	7.85 400	6.84 393	0.88 378	0.93 403	0.89 380	0.91 388	1.74 388	1.91 396

AnyNet_C01	2.26 376	1.78 395	10.22 408	0.93 366	0.74 327	2.92 385	2.20 397	2.29 367	1.80 351	2.53 374	2.41 361	2.71 375	1.73 352	3.41 318	6.72 392	0.41 332	0.39 352	0.40 334	0.42 345	0.67 365	0.63 359

psmorigin	1.52 340	0.69 340	10.52 409	0.68 288	0.59 288	1.13 259	0.70 262	1.57 223	1.19 217	1.99 354	1.79 318	2.26 357	1.47 331	2.09 261	1.36 309	0.39 326	0.40 354	0.34 303	0.33 318	0.43 315	0.56 346

SPstereo	26.54 426	6.08 419	10.71 410	5.55 421	5.68 420	48.14 433	80.43 440	67.31 441	34.39 436	28.70 434	27.52 427	43.76 438	37.60 436	45.04 440	54.41 441	4.92 421	4.89 421	10.74 427	5.88 421	4.46 418	4.57 420

MADNet+	2.69 390	3.22 416	11.53 411	1.44 388	1.12 376	3.19 388	1.81 378	2.85 385	2.37 372	1.68 329	2.07 345	2.85 378	2.18 376	7.41 392	5.23 386	0.79 377	0.76 390	0.69 376	0.65 378	0.98 377	0.95 378

LSM	6.33 409	1.10 373	13.19 412	1.41 387	68.17 436	1.64 324	1.90 385	1.92 304	2.46 375	2.99 387	3.11 374	1.88 329	1.80 358	2.61 293	2.06 355	0.41 332	0.58 384	0.50 353	0.57 371	0.64 360	17.66 428

PML	51.67 438	36.25 432	13.28 413	7.46 422	20.81 423	108.69 441	232.22 442	8.72 416	27.82 428	87.01 441	269.67 442	69.67 441	61.95 441	24.76 430	14.20 413	9.74 425	3.40 419	9.62 424	4.70 419	18.74 426	4.72 421

RTS	2.67 388	1.38 384	15.28 414	0.99 370	1.26 385	3.78 395	1.96 388	2.15 346	2.62 382	2.61 375	2.85 371	2.60 371	1.59 340	6.27 371	5.71 388	0.40 328	0.28 303	0.35 310	0.35 327	0.50 335	0.48 331

RTSA	2.67 388	1.38 384	15.28 414	0.99 370	1.26 385	3.78 395	1.96 388	2.15 346	2.62 382	2.61 375	2.85 371	2.60 371	1.59 340	6.27 371	5.71 388	0.40 328	0.28 303	0.35 310	0.35 327	0.50 335	0.48 331

SuperB	2.53 386	0.59 320	18.45 416	0.69 291	0.50 239	1.87 347	0.88 300	1.67 244	2.39 373	1.50 302	1.42 243	1.14 218	1.15 289	4.28 334	5.07 385	0.24 211	0.19 214	0.22 126	0.19 112	7.86 423	0.34 284

DGTPSM_ROB	13.01 420	8.23 420	21.87 417	9.51 423	18.10 421	11.56 418	32.01 426	10.63 419	16.20 415	7.03 413	19.48 424	10.15 414	16.66 419	9.83 414	22.42 422	4.75 419	8.68 423	5.37 420	10.25 424	6.16 420	11.36 423

DPSMNet_ROB	13.02 421	8.23 420	21.91 418	9.53 424	18.11 422	11.56 418	32.02 427	10.64 420	16.23 416	7.05 414	19.49 425	10.16 415	16.66 419	9.85 415	22.43 423	4.77 420	8.68 423	5.38 421	10.26 425	6.17 421	11.36 423

LRCNet_RVC	22.74 424	32.10 431	21.97 419	29.84 428	26.23 426	4.42 404	0.81 288	22.66 423	2.02 364	26.93 428	29.26 429	23.06 429	15.59 418	23.84 426	18.88 419	31.75 434	19.90 435	34.65 434	32.13 434	30.54 433	28.32 434

LE_ROB	8.05 413	0.37 241	23.53 420	0.74 316	0.33 126	2.77 381	2.87 409	3.71 396	27.24 427	25.39 427	8.87 412	8.46 410	26.71 427	6.65 378	21.99 421	0.21 149	0.19 214	0.20 77	0.21 176	0.25 207	0.22 171

Anonymous_1	43.04 437	18.73 425	24.79 421	21.81 425	46.26 435	27.80 423	37.60 428	28.08 427	16.14 414	14.66 421	14.30 417	20.65 421	17.88 421	21.56 423	25.94 425	117.93 441	8.92 425	100.65 438	126.50 438	158.64 441	12.08 425

DPSM_ROB	19.08 422	19.14 426	25.17 422	22.15 426	20.85 424	28.17 424	37.82 429	26.56 425	16.85 420	14.14 419	14.84 418	21.70 422	18.75 422	21.87 424	26.55 426	10.16 426	9.30 426	10.47 425	10.42 426	14.03 424	12.61 426

DPSM	19.08 422	19.14 426	25.17 422	22.15 426	20.85 424	28.17 424	37.82 429	26.56 425	16.85 420	14.14 419	14.84 418	21.70 422	18.75 422	21.87 424	26.55 426	10.16 426	9.30 426	10.47 425	10.42 426	14.03 424	12.61 426

JetRed	6.91 412	8.80 422	25.96 424	2.85 402	3.25 413	13.98 422	11.87 417	6.25 413	4.28 401	4.45 402	4.56 389	6.69 402	5.46 407	7.46 394	14.05 412	2.59 399	3.31 417	2.59 406	2.29 416	4.20 415	3.36 415

xxxxx1	54.10 439	25.67 428	27.13 425	113.43 438	96.96 438	30.69 428	47.44 431	32.38 429	25.60 424	17.75 423	17.27 420	21.81 424	21.02 424	24.43 427	33.82 428	33.37 435	40.54 436	157.71 439	175.86 439	66.16 437	72.93 439

tt_ll	54.10 439	25.67 428	27.13 425	113.43 438	96.96 438	30.69 428	47.44 431	32.38 429	25.60 424	17.75 423	17.27 420	21.81 424	21.02 424	24.43 427	33.82 428	33.37 435	40.54 436	157.71 439	175.86 439	66.16 437	72.93 439

ff	54.10 439	25.67 428	27.13 425	113.43 438	96.96 438	30.69 428	47.44 431	32.38 429	25.60 424	17.75 423	17.27 420	21.81 424	21.02 424	24.43 427	33.82 428	33.37 435	40.54 436	157.71 439	175.86 439	66.16 437	72.93 439

DPSimNet_ROB	11.20 419	4.98 418	35.43 428	2.90 405	4.52 419	7.89 412	17.09 420	4.66 403	6.06 408	14.89 422	10.93 416	17.29 419	36.81 431	13.18 420	15.68 416	2.86 400	6.29 422	5.75 422	5.09 420	3.91 413	7.70 422

HaxPig	38.92 433	41.40 439	41.64 429	29.95 429	32.27 427	28.90 426	27.60 423	29.73 428	37.71 437	43.82 437	43.87 436	33.17 430	35.56 428	41.53 431	40.37 433	43.94 438	47.51 440	45.82 435	47.08 436	42.38 434	44.15 437

AVERAGE_ROB	40.43 434	42.37 440	42.73 430	36.96 431	35.58 429	30.50 427	27.61 424	36.71 434	38.39 438	44.91 438	44.36 437	37.45 432	36.70 430	41.88 432	40.35 432	45.43 439	46.81 439	47.11 436	46.35 435	42.51 435	43.87 436

DLNR_Zeroshot_test	23.17 425	48.52 442	43.29 431	176.68 441	78.69 437	0.35 5	0.21 1	23.41 424	0.75 58	0.66 47	0.86 60	0.59 55	0.30 4	1.56 195	0.44 88	9.57 424	0.12 9	0.18 39	0.14 25	76.92 440	0.16 44

MEDIAN_ROB	42.00 435	44.40 441	44.29 432	35.15 430	34.95 428	31.28 431	29.60 425	35.88 433	40.02 439	47.20 439	46.64 438	37.37 431	38.48 439	44.35 439	42.45 434	48.03 440	49.39 441	49.71 437	49.03 437	45.14 436	46.65 438

CasAABBNet	38.33 428	38.46 433	50.35 433	44.75 436	41.84 430	56.68 437	76.37 435	53.22 438	33.83 431	28.31 429	29.54 430	43.62 437	37.71 437	43.84 437	53.41 436	20.30 428	18.70 430	21.07 431	21.07 429	28.24 430	25.34 429

MyStereo03	38.34 429	38.50 435	50.41 434	44.74 433	41.86 431	56.65 434	76.38 436	52.99 435	33.93 433	28.39 431	29.99 432	43.54 433	37.42 433	43.82 434	53.53 437	20.31 429	18.71 432	21.06 428	21.08 430	28.23 427	25.35 430

MyStereo02	38.34 429	38.50 435	50.41 434	44.74 433	41.86 431	56.65 434	76.38 436	52.99 435	33.93 433	28.39 431	29.99 432	43.54 433	37.42 433	43.82 434	53.53 437	20.31 429	18.71 432	21.06 428	21.08 430	28.23 427	25.35 430

MyStereo	38.34 429	38.50 435	50.41 434	44.74 433	41.86 431	56.65 434	76.38 436	52.99 435	33.93 433	28.39 431	29.99 432	43.54 433	37.42 433	43.82 434	53.53 437	20.31 429	18.71 432	21.06 428	21.08 430	28.23 427	25.35 430

Selective-RAFT-Error	38.39 432	38.47 434	50.44 437	44.73 432	41.97 434	56.68 437	76.38 436	53.24 439	33.92 432	28.34 430	29.85 431	43.60 436	38.20 438	43.75 433	53.34 435	20.38 432	18.70 430	21.09 432	21.05 428	28.30 431	25.43 433

LSM0	42.82 436	38.75 438	50.81 438	47.07 437	109.38 441	57.00 439	76.02 434	53.74 440	33.71 430	29.02 435	30.41 435	43.87 439	37.22 432	43.91 438	53.54 440	20.52 433	18.62 429	21.10 433	21.11 433	28.41 432	42.22 435

BEATNet-Init1	26.87 427	13.43 424	70.68 439	0.91 363	0.68 315	57.02 440	21.06 422	32.82 432	32.67 429	52.12 440	53.61 439	66.05 440	49.56 440	48.79 441	34.71 431	0.49 358	0.44 362	0.53 360	0.53 367	0.63 358	0.59 353

coex-ft	8.13 414	2.13 407	98.04 440	0.67 278	0.53 260	1.71 328	1.56 367	1.65 238	11.11 412	18.17 426	3.75 382	3.88 388	7.61 415	2.98 306	6.49 391	0.30 280	0.30 315	0.32 286	0.31 306	0.66 364	0.50 336

EDNetEfficientorigin	10.57 416	1.47 390	177.42 441	0.67 278	0.53 260	1.58 318	1.16 343	1.90 297	3.37 392	4.71 405	3.38 377	3.10 382	2.69 388	3.13 311	3.58 376	0.25 235	0.23 269	0.33 293	0.27 266	0.83 372	0.81 373

test_example2	192.40 442	210.76 443	206.48 442	199.83 442	204.73 442	172.94 442	183.52 441	133.93 442	133.41 442	191.38 442	196.19 441	187.13 442	178.77 442	205.33 442	208.00 442	222.09 442	238.72 442	186.54 442	190.54 442	227.34 442	170.31 442

ASD4		10.99 423

Low-res two-view benchmark