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

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

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

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

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

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

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

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

CREStereo++_RVC	0.15 25	0.08 2	0.26 19	0.17 6	0.11 45	0.18 16	0.13 4	0.22 4	0.30 119	0.21 56	0.30 105	0.13 12	0.11 10	0.16 7	0.15 56	0.07 17	0.04 1	0.06 1	0.15 325	0.06 6	0.05 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 3	0.22 99	0.15 27	0.25 13	0.24 57	0.16 27	0.21 47	0.14 25	0.13 36	0.18 20	0.13 27	0.09 170	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.15 25	0.08 2	0.23 9	0.15 2	0.09 8	0.23 116	0.16 43	0.25 13	0.23 47	0.17 32	0.21 47	0.16 40	0.14 47	0.22 50	0.13 27	0.29 377	0.05 6	0.06 1	0.04 1	0.07 39	0.06 20

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RAFT-Stereo	0.18 59	0.09 11	0.32 65	0.22 135	0.12 81	0.22 99	0.19 130	0.42 181	0.19 9	0.31 174	0.45 259	0.20 65	0.14 47	0.18 20	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.06 20
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
LargeStereo	0.13 2	0.10 26	0.23 9	0.21 90	0.10 22	0.15 4	0.15 27	0.29 44	0.16 3	0.12 1	0.15 16	0.12 3	0.12 16	0.17 11	0.14 44	0.07 17	0.06 73	0.07 16	0.05 10	0.07 39	0.07 69

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

AE-Stereo	0.17 41	0.11 66	0.31 59	0.24 216	0.14 171	0.23 116	0.18 93	0.34 93	0.29 110	0.15 13	0.25 70	0.21 73	0.13 36	0.20 32	0.14 44	0.07 17	0.08 230	0.09 124	0.10 221	0.07 39	0.06 20

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

HSM-Net_RVC	0.27 228	0.11 66	0.42 179	0.19 28	0.11 45	0.34 257	0.20 168	0.62 350	0.43 234	0.40 285	0.43 238	0.50 309	0.26 200	0.76 330	0.22 181	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CAS++	0.16 32	0.12 85	0.27 25	0.18 9	0.12 81	0.17 11	0.15 27	0.42 181	0.24 57	0.19 46	0.18 25	0.13 12	0.10 4	0.21 44	0.12 7	0.12 267	0.10 276	0.11 236	0.08 114	0.10 195	0.09 168
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
SMFormer	0.25 211	0.12 85	0.40 150	0.19 28	0.10 22	0.27 167	0.19 130	0.51 259	0.45 260	0.34 218	0.41 212	0.31 185	0.26 200	0.58 262	0.28 232	0.10 213	0.07 162	0.08 69	0.08 114	0.09 146	0.09 168

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

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

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

MyStereo07	0.16 32	0.12 85	0.26 19	0.22 135	0.14 171	0.25 142	0.23 228	0.29 44	0.21 28	0.15 13	0.13 6	0.12 3	0.13 36	0.25 87	0.13 27	0.07 17	0.07 162	0.09 124	0.08 114	0.08 84	0.08 116

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CASnet	0.14 9	0.12 85	0.22 7	0.22 135	0.08 3	0.16 7	0.15 27	0.27 24	0.25 63	0.22 60	0.20 39	0.15 31	0.11 10	0.17 11	0.13 27	0.07 17	0.05 6	0.11 236	0.09 189	0.08 84	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
HH	0.18 59	0.12 85	0.55 263	0.22 135	0.12 81	0.18 16	0.18 93	0.34 93	0.19 9	0.20 47	0.24 64	0.34 206	0.18 114	0.29 140	0.12 7	0.07 17	0.05 6	0.07 16	0.07 54	0.07 39	0.06 20

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

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

Selective-RAFT	0.17 41	0.12 85	0.30 47	0.24 216	0.10 22	0.29 199	0.15 27	0.32 73	0.31 130	0.17 32	0.17 21	0.21 73	0.18 114	0.28 127	0.17 96	0.07 17	0.06 73	0.07 16	0.07 54	0.08 84	0.06 20

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

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

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

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

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

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

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

IGEV-Stereo	0.14 9	0.12 85	0.27 25	0.19 28	0.12 81	0.21 78	0.18 93	0.28 37	0.20 18	0.15 13	0.13 6	0.12 3	0.12 16	0.24 63	0.12 7	0.07 17	0.05 6	0.08 69	0.07 54	0.08 84	0.07 69
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
psmg	0.23 166	0.12 85	0.28 34	0.21 90	0.14 171	0.35 266	0.23 228	0.51 259	0.34 156	0.35 234	0.38 184	0.38 234	0.24 176	0.26 100	0.21 167	0.10 213	0.08 230	0.10 188	0.10 221	0.09 146	0.08 116

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

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

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

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

Patchmatch Stereo++	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.14 14	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.17 92	0.26 100	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.18 59	0.12 85	0.37 115	0.22 135	0.10 22	0.18 16	0.16 43	0.29 44	0.22 35	0.28 104	0.29 94	0.25 117	0.18 114	0.24 63	0.16 73	0.08 103	0.06 73	0.10 188	0.08 114	0.10 195	0.08 116

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

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

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	0.18 59	0.12 85	0.33 79	0.20 61	0.13 137	0.28 180	0.12 1	0.42 181	0.25 63	0.27 95	0.32 123	0.21 73	0.17 92	0.25 87	0.20 146	0.07 17	0.06 73	0.08 69	0.06 25	0.07 39	0.08 116
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
H2IRNET	0.18 59	0.13 141	0.35 92	0.21 90	0.12 81	0.20 59	0.15 27	0.27 24	0.30 119	0.17 32	0.31 119	0.25 117	0.20 135	0.24 63	0.18 110	0.07 17	0.06 73	0.09 124	0.10 221	0.09 146	0.06 20

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

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

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

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

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

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

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

DCRE	0.20 109	0.13 141	0.40 150	0.21 90	0.15 212	0.20 59	0.19 130	0.30 59	0.27 79	0.22 60	0.80 363	0.23 99	0.16 69	0.23 57	0.15 56	0.07 17	0.07 162	0.07 16	0.08 114	0.07 39	0.06 20

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

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

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

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

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

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

IIG-Stereo	0.23 166	0.13 141	0.35 92	0.29 324	0.12 81	0.23 116	0.14 14	0.38 141	0.31 130	0.34 218	0.37 174	0.33 200	0.21 141	0.70 307	0.26 225	0.08 103	0.06 73	0.09 124	0.07 54	0.07 39	0.06 20

CroCo-Stereo	0.14 9	0.13 141	0.24 12	0.25 253	0.11 45	0.11 1	0.18 93	0.32 73	0.23 47	0.12 1	0.12 2	0.18 52	0.12 16	0.14 1	0.13 27	0.08 103	0.06 73	0.07 16	0.05 10	0.07 39	0.06 20
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
ICVP	0.23 166	0.13 141	0.44 195	0.26 281	0.14 171	0.29 199	0.25 264	0.45 204	0.33 149	0.29 129	0.43 238	0.35 220	0.25 191	0.26 100	0.23 195	0.12 267	0.09 258	0.09 124	0.08 114	0.09 146	0.10 214
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
raftrobust	0.16 32	0.13 141	0.29 41	0.22 135	0.15 212	0.19 38	0.13 4	0.32 73	0.26 70	0.26 91	0.20 39	0.19 63	0.17 92	0.21 44	0.15 56	0.08 103	0.06 73	0.07 16	0.06 25	0.06 6	0.07 69

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

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

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

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

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

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

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

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

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

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

DISCO	0.32 279	0.13 141	0.51 248	0.25 253	0.16 235	0.48 332	0.25 264	0.50 246	0.57 333	0.37 254	0.45 259	0.62 344	0.36 289	0.64 289	0.49 324	0.09 170	0.07 162	0.09 124	0.08 114	0.12 259	0.11 239

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RASNet	0.28 246	0.14 171	0.44 195	0.22 135	0.18 271	0.32 235	0.19 130	0.48 232	0.38 194	0.29 129	0.43 238	0.47 294	0.37 297	0.79 340	0.36 278	0.09 170	0.07 162	0.07 16	0.09 189	0.07 39	0.07 69

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

MyStereo8	0.22 149	0.15 196	0.63 295	0.21 90	0.17 251	0.31 227	0.16 43	0.36 129	0.32 138	0.28 104	0.36 165	0.25 117	0.18 114	0.25 87	0.28 232	0.08 103	0.07 162	0.08 69	0.07 54	0.10 195	0.12 261

CASS	0.21 123	0.15 196	0.32 65	0.26 281	0.11 45	0.28 180	0.19 130	0.39 152	0.30 119	0.32 192	0.34 148	0.25 117	0.24 176	0.25 87	0.20 146	0.13 284	0.08 230	0.11 236	0.09 189	0.11 233	0.11 239
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.15 25	0.15 196	0.28 34	0.25 253	0.18 271	0.11 1	0.19 130	0.28 37	0.21 28	0.13 3	0.16 18	0.15 31	0.12 16	0.17 11	0.14 44	0.07 17	0.07 162	0.08 69	0.06 25	0.08 84	0.07 69

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

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

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

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

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

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

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

pcwnet_v2	0.32 279	0.15 196	1.26 386	0.23 177	0.18 271	0.32 235	0.18 93	0.59 330	0.60 339	0.36 249	0.45 259	0.35 220	0.29 244	0.36 188	0.25 213	0.14 307	0.11 294	0.12 270	0.11 256	0.14 284	0.15 299

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

AdaStereo	0.24 189	0.16 214	0.37 115	0.24 216	0.12 81	0.32 235	0.17 64	0.54 287	0.42 229	0.33 202	0.38 184	0.35 220	0.21 141	0.30 152	0.22 181	0.14 307	0.06 73	0.13 289	0.08 114	0.11 233	0.08 116
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
NVstereo2D	0.31 270	0.16 214	0.54 258	0.24 216	0.22 326	0.42 305	0.28 293	0.58 325	0.56 330	0.28 104	0.38 184	0.40 259	0.30 253	0.71 310	0.28 232	0.13 284	0.08 230	0.13 289	0.10 221	0.19 334	0.16 306

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

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

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

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

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

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

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

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

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

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

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

HITNet	0.20 109	0.17 230	0.43 189	0.19 28	0.08 3	0.27 167	0.14 14	0.42 181	0.30 119	0.29 129	0.32 123	0.27 145	0.21 141	0.28 127	0.25 213	0.07 17	0.05 6	0.07 16	0.06 25	0.09 146	0.06 20
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
StereoDRNet-Refined	0.27 228	0.17 230	0.35 92	0.25 253	0.14 171	0.37 276	0.21 191	0.47 221	0.41 224	0.44 314	0.51 291	0.41 262	0.28 231	0.45 211	0.37 279	0.09 170	0.06 73	0.11 236	0.11 256	0.10 195	0.10 214
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.33 285	0.17 230	0.61 284	0.27 304	0.19 289	0.46 322	0.29 297	0.65 358	0.51 308	0.47 328	0.46 269	0.44 282	0.34 281	0.62 282	0.41 301	0.12 267	0.08 230	0.13 289	0.12 288	0.12 259	0.10 214

SGM-Forest	0.36 301	0.17 230	0.47 218	0.23 177	0.16 235	0.45 320	0.41 352	0.55 297	0.48 288	0.52 343	0.60 326	0.52 316	0.41 313	0.85 353	0.50 329	0.17 340	0.17 351	0.17 335	0.15 325	0.15 296	0.15 299
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DispNO	0.27 228	0.18 242	0.62 292	0.23 177	0.17 251	0.25 142	0.22 207	0.45 204	0.41 224	0.32 192	0.39 196	0.38 234	0.27 217	0.77 336	0.27 229	0.09 170	0.07 162	0.10 188	0.10 221	0.08 84	0.08 116

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

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

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

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

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

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

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

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

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

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

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

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

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

iResNet	0.24 189	0.18 242	0.61 284	0.25 253	0.11 45	0.29 199	0.21 191	0.42 181	0.43 234	0.33 202	0.43 238	0.27 145	0.22 152	0.34 175	0.26 225	0.07 17	0.05 6	0.07 16	0.06 25	0.08 84	0.07 69

CBMV_ROB	0.33 285	0.18 242	0.53 255	0.21 90	0.14 171	0.33 244	0.20 168	0.51 259	0.45 260	0.51 337	0.55 311	0.45 286	0.42 321	0.71 310	0.32 257	0.18 350	0.19 361	0.23 361	0.21 358	0.14 284	0.15 299

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

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

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

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

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

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

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

SGM_RVC	0.50 352	0.19 258	0.50 242	0.25 253	0.15 212	0.69 367	0.39 348	0.68 372	0.82 374	0.95 384	0.84 367	1.13 384	0.76 376	1.16 385	0.60 344	0.16 330	0.16 346	0.16 329	0.16 336	0.16 304	0.17 314
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
fast-acv-ft	0.31 270	0.20 266	0.81 335	0.24 216	0.18 271	0.46 322	0.27 280	0.41 169	0.49 297	0.39 277	0.55 311	0.49 303	0.35 285	0.37 190	0.38 281	0.11 240	0.11 294	0.11 236	0.12 288	0.12 259	0.09 168

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

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

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

GEStereo_RVC	0.27 228	0.20 266	0.44 195	0.27 304	0.16 235	0.33 244	0.25 264	0.56 311	0.54 321	0.34 218	0.38 184	0.34 206	0.25 191	0.51 230	0.28 232	0.12 267	0.08 230	0.09 124	0.08 114	0.11 233	0.11 239

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

NLCA_NET_v2_RVC	0.27 228	0.21 279	0.59 279	0.25 253	0.18 271	0.29 199	0.22 207	0.50 246	0.40 213	0.38 262	0.41 212	0.43 272	0.27 217	0.43 205	0.29 242	0.11 240	0.08 230	0.10 188	0.10 221	0.10 195	0.11 239
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
WCMA_ROB	0.51 356	0.21 279	0.65 301	0.25 253	0.21 311	0.58 355	0.32 315	0.54 287	0.55 327	0.95 384	1.40 392	1.28 390	0.81 381	0.73 317	0.62 347	0.18 350	0.15 339	0.15 320	0.15 325	0.19 334	0.19 334

CBMV	0.33 285	0.21 279	0.54 258	0.23 177	0.13 137	0.42 305	0.33 325	0.53 280	0.48 288	0.52 343	0.49 283	0.50 309	0.41 313	0.56 254	0.31 252	0.15 318	0.16 346	0.18 342	0.16 336	0.13 272	0.13 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IPLGR_C	0.21 123	0.22 291	0.60 281	0.23 177	0.15 212	0.24 131	0.20 168	0.35 110	0.29 110	0.31 174	0.32 123	0.22 80	0.15 55	0.25 87	0.20 146	0.08 103	0.07 162	0.07 16	0.07 54	0.08 84	0.08 116

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

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

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

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

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

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

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

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

DANet	0.35 297	0.23 298	0.60 281	0.36 361	0.22 326	0.39 290	0.25 264	0.48 232	0.43 234	0.52 343	0.50 285	0.59 335	0.41 313	0.76 330	0.49 324	0.13 284	0.11 294	0.14 308	0.12 288	0.17 319	0.15 299
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ADCRef	0.38 316	0.24 301	0.88 350	0.26 281	0.21 311	0.49 335	0.27 280	0.52 269	0.48 288	0.50 332	0.58 319	0.35 220	0.47 337	0.48 218	1.29 393	0.09 170	0.08 230	0.12 270	0.12 288	0.11 233	0.11 239

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

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

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

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

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

GMStereo	0.19 96	0.25 305	0.40 150	0.21 90	0.12 81	0.22 99	0.19 130	0.29 44	0.40 213	0.25 82	0.23 54	0.16 40	0.15 55	0.25 87	0.19 135	0.09 170	0.06 73	0.08 69	0.08 114	0.10 195	0.08 116
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
psmorigin	0.50 352	0.25 305	3.03 413	0.24 216	0.19 289	0.38 283	0.22 207	0.50 246	0.44 248	0.64 361	0.68 346	0.71 368	0.51 348	0.85 353	0.45 312	0.14 307	0.17 351	0.13 289	0.14 317	0.16 304	0.21 351

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

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

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

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

Abc-Net	0.39 322	0.25 305	0.69 310	0.32 344	0.28 359	0.46 322	0.36 333	0.65 358	0.52 314	0.40 285	0.57 317	0.56 326	0.47 337	0.73 317	0.45 312	0.17 340	0.14 325	0.18 342	0.25 369	0.16 304	0.16 306
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DN-CSS_ROB	0.22 149	0.25 305	0.47 218	0.24 216	0.14 171	0.25 142	0.12 1	0.40 159	0.33 149	0.29 129	0.42 226	0.22 80	0.20 135	0.33 169	0.19 135	0.07 17	0.06 73	0.11 236	0.11 256	0.11 233	0.07 69

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

Wz-Net-MNSev	0.36 301	0.26 316	0.79 331	0.26 281	0.21 311	0.59 356	0.38 343	0.55 297	0.56 330	0.48 331	0.54 307	0.53 320	0.36 289	0.60 269	0.44 309	0.11 240	0.09 258	0.11 236	0.11 256	0.15 296	0.13 273

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

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

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

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

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

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

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

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

MeshStereo	0.58 367	0.27 323	0.67 305	0.22 135	0.17 251	0.66 365	0.37 337	0.78 382	0.61 342	1.47 410	1.30 389	1.65 397	0.79 378	1.12 383	0.59 342	0.17 340	0.17 351	0.17 335	0.14 317	0.17 319	0.14 290
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
FADNet_RVC	0.30 263	0.28 326	0.83 339	0.23 177	0.15 212	0.30 216	0.17 64	0.49 238	0.37 181	0.30 157	0.38 184	0.30 177	0.27 217	0.52 236	0.31 252	0.14 307	0.14 325	0.14 308	0.16 336	0.21 345	0.23 362

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

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

PA-Net	0.37 310	0.28 326	0.83 339	0.31 338	0.28 359	0.39 290	0.42 355	0.51 259	0.55 327	0.34 218	0.42 226	0.41 262	0.36 289	0.79 340	0.49 324	0.12 267	0.23 374	0.16 329	0.23 367	0.12 259	0.18 327
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SGM-ForestM	1.36 401	0.28 326	0.79 331	0.26 281	0.16 235	2.26 415	1.00 408	1.42 403	1.46 402	2.38 414	2.05 409	5.95 423	2.66 416	2.95 415	2.46 413	0.17 340	0.18 357	0.18 342	0.18 350	0.15 296	0.18 327

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

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

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

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

aanetorigin	0.39 322	0.29 333	1.09 375	0.24 216	0.19 289	0.28 180	0.37 337	0.33 87	0.47 279	0.94 382	0.82 365	0.52 316	0.54 351	0.49 223	0.50 329	0.11 240	0.09 258	0.10 188	0.10 221	0.16 304	0.15 299

DeepPrunerF	0.44 342	0.29 333	1.29 389	0.33 349	0.30 367	0.35 266	0.36 333	0.62 350	1.15 396	0.40 285	0.44 247	0.39 246	0.41 313	0.80 344	0.52 332	0.18 350	0.14 325	0.23 361	0.21 358	0.17 319	0.17 314

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

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

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

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

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

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

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

UDGNet	0.23 166	0.31 344	0.38 134	0.24 216	0.14 171	0.24 131	0.18 93	0.32 73	0.43 234	0.29 129	0.28 85	0.24 110	0.19 127	0.29 140	0.20 146	0.15 318	0.07 162	0.21 354	0.11 256	0.14 284	0.10 214

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

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

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

FCDSN-DC	0.63 373	0.31 344	0.61 284	0.36 361	0.30 367	0.65 363	0.37 337	0.66 364	0.68 356	1.14 394	1.54 400	1.71 399	1.26 401	0.92 365	0.64 351	0.24 365	0.22 371	0.27 366	0.26 373	0.27 367	0.27 371
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RGC	0.39 322	0.32 349	0.64 300	0.34 351	0.27 356	0.40 295	0.29 297	0.57 318	0.53 318	0.45 318	0.64 339	0.62 344	0.45 328	0.72 315	0.39 289	0.15 318	0.15 339	0.21 354	0.20 355	0.18 330	0.19 334

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

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

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

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

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

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

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

FADNet	0.32 279	0.36 357	0.74 323	0.23 177	0.22 326	0.37 276	0.19 130	0.53 280	0.48 288	0.32 192	0.36 165	0.43 272	0.32 271	0.64 289	0.25 213	0.16 330	0.16 346	0.14 308	0.16 336	0.24 357	0.19 334

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

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

ELAS_RVC	0.74 385	0.36 357	1.00 366	0.37 366	0.33 371	0.88 384	0.93 405	0.83 389	1.08 392	1.35 399	1.33 391	1.24 388	1.33 404	1.06 380	0.95 371	0.27 372	0.25 378	0.29 372	0.27 375	0.30 373	0.30 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.74 385	0.36 357	0.85 346	0.36 361	0.33 371	1.36 405	0.77 396	0.93 393	0.92 384	1.41 403	1.53 399	1.16 387	1.17 397	0.95 371	1.03 375	0.26 367	0.25 378	0.28 371	0.28 378	0.31 374	0.30 373
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	0.63 373	0.37 362	2.40 407	0.26 281	0.25 349	0.38 283	0.49 374	0.41 169	1.06 391	1.38 400	0.87 372	0.62 344	0.95 389	0.65 295	1.65 399	0.11 240	0.09 258	0.10 188	0.11 256	0.19 334	0.17 314

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

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

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

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

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

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

Wz-Net-SNSev	0.43 336	0.41 369	1.27 387	0.30 331	0.21 311	0.44 315	0.41 352	0.61 342	0.65 349	0.46 321	0.65 340	0.62 344	0.39 306	0.74 324	0.59 342	0.12 267	0.11 294	0.12 270	0.13 306	0.16 304	0.14 290

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

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

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

GANetREF_RVC	0.43 336	0.47 372	0.69 310	0.38 368	0.20 303	0.51 339	0.48 372	0.66 364	0.66 350	0.46 321	0.46 269	0.50 309	0.44 325	0.90 363	0.39 289	0.27 372	0.21 367	0.32 376	0.18 350	0.27 367	0.22 356
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SQANet	0.40 328	0.48 374	0.67 305	0.48 381	0.39 376	0.48 332	0.22 207	0.51 259	0.43 234	0.40 285	0.47 276	0.47 294	0.33 274	0.54 245	0.32 257	0.36 383	0.15 339	0.40 382	0.21 358	0.45 383	0.31 375

Consistency-Raft	0.55 362	0.48 374	1.02 370	0.45 378	0.49 384	0.49 335	0.47 368	0.72 377	0.72 363	0.45 318	0.82 365	0.47 294	0.60 360	0.50 225	0.63 350	0.39 387	0.39 392	0.44 384	0.51 395	0.52 385	0.37 381

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

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

NVStereoNet_ROB	0.67 377	0.49 378	0.83 339	0.48 381	0.40 378	0.51 339	0.46 364	0.70 374	0.77 370	0.84 377	1.72 403	1.02 383	0.83 383	1.23 390	0.79 362	0.32 380	0.38 391	0.40 382	0.46 390	0.36 379	0.41 385
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.41 330	0.50 379	0.48 227	0.44 377	0.39 376	0.46 322	0.32 315	0.50 246	0.43 234	0.45 318	0.52 299	0.57 330	0.36 289	0.48 218	0.33 264	0.33 381	0.21 367	0.55 390	0.25 369	0.37 380	0.32 378

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

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

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

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

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

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

SPS-STEREO	0.69 379	0.61 386	0.98 364	0.52 386	0.57 390	0.74 372	0.50 375	0.78 382	0.62 344	0.95 384	0.86 369	0.94 379	0.70 373	1.01 377	0.87 368	0.58 395	0.51 397	0.50 387	0.50 394	0.55 387	0.58 396
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
otaku	0.57 366	0.62 387	0.87 349	0.63 391	0.44 381	0.73 371	0.37 337	0.65 358	0.66 350	0.51 337	0.75 357	0.66 359	0.45 328	0.69 304	0.46 318	0.53 389	0.34 389	0.55 390	0.35 382	0.60 390	0.45 387

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

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

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

coex-ft	3.44 417	0.73 391	48.55 441	0.24 216	0.19 289	0.50 338	0.43 357	0.47 221	2.40 409	7.03 422	1.20 385	0.97 382	2.23 413	0.73 317	1.92 407	0.12 267	0.15 339	0.14 308	0.12 288	0.21 345	0.43 386

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

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

ACVNet_1	0.72 381	0.81 394	1.37 393	0.72 394	0.53 388	0.77 375	0.42 355	0.85 392	0.90 382	0.74 372	0.75 357	1.32 392	0.72 375	1.02 378	0.55 335	0.54 391	0.31 387	0.71 397	0.35 382	0.64 393	0.45 387

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

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

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

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

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

RainbowNet	0.72 381	0.89 399	1.02 370	0.82 397	0.63 394	0.78 378	0.52 376	0.81 388	0.93 386	0.60 356	0.79 362	0.80 373	0.60 360	0.80 344	0.57 336	0.78 402	0.55 403	0.78 400	0.49 392	0.76 399	0.58 396

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

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

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

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

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

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

TorneroNet	2.22 413	1.08 407	1.24 384	1.14 411	0.90 408	5.58 420	0.80 398	2.12 416	8.69 423	2.58 415	5.42 420	3.88 417	1.97 411	1.78 409	1.87 405	0.86 405	0.54 402	1.15 413	0.74 408	1.23 412	0.85 411

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

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

MADNet+	1.01 394	1.16 410	4.72 417	0.70 393	0.47 383	1.24 400	0.96 406	0.97 394	0.89 380	0.65 363	0.77 360	0.87 375	0.85 386	2.09 410	1.68 400	0.38 386	0.39 392	0.31 375	0.27 375	0.43 381	0.39 383

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ASD4		6.65 425

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

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

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

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

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

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

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

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

LRCNet_RVC	10.90 425	14.34 434	9.35 421	15.35 429	8.04 423	1.08 392	0.34 327	8.78 425	0.70 360	12.63 431	16.05 431	9.85 424	6.54 420	8.57 425	6.34 423	20.27 439	5.40 424	23.70 437	21.88 436	14.87 431	13.83 433

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

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

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

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

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

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

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

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

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

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

Low-res two-view benchmark