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

LoS_RVC	0.13 2	0.10 26	0.19 1	0.18 9	0.16 234	0.20 58	0.18 92	0.20 2	0.17 5	0.13 3	0.19 28	0.12 3	0.15 54	0.17 12	0.13 26	0.06 1	0.05 6	0.06 1	0.04 1	0.05 1	0.12 260

DCANet-4	0.19 95	0.10 26	0.52 251	0.19 27	0.09 8	0.19 37	0.18 92	0.36 129	0.39 199	0.29 128	0.30 104	0.17 44	0.22 151	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

fff	0.19 95	0.13 140	0.40 149	0.18 9	0.09 8	0.19 37	0.18 92	0.35 110	0.43 233	0.29 128	0.30 104	0.18 51	0.28 230	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

csc	0.19 95	0.13 140	0.40 149	0.18 9	0.09 8	0.19 37	0.18 92	0.35 110	0.43 233	0.29 128	0.30 104	0.18 51	0.28 230	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

cscssc	0.19 95	0.13 140	0.40 149	0.18 9	0.09 8	0.19 37	0.18 92	0.35 110	0.43 233	0.29 128	0.30 104	0.18 51	0.28 230	0.20 33	0.18 109	0.07 17	0.05 6	0.07 16	0.05 10	0.05 1	0.07 69

panet	0.13 2	0.08 2	0.21 4	0.15 2	0.07 1	0.21 77	0.12 1	0.24 12	0.24 57	0.16 27	0.21 46	0.15 30	0.13 36	0.18 21	0.13 26	0.08 103	0.05 6	0.06 1	0.04 1	0.06 6	0.05 1

MSKI-zero shot	0.17 40	0.09 10	0.43 188	0.20 60	0.11 45	0.21 77	0.15 27	0.32 73	0.21 28	0.23 62	0.24 63	0.23 98	0.10 4	0.31 156	0.13 26	0.07 17	0.06 74	0.07 16	0.06 25	0.06 6	0.06 20

RAFT-Test	0.17 40	0.10 26	0.38 133	0.19 27	0.12 81	0.25 141	0.17 63	0.33 87	0.23 47	0.23 62	0.29 93	0.27 144	0.14 47	0.20 33	0.14 43	0.07 17	0.06 74	0.07 16	0.07 53	0.06 6	0.06 20

CAS	0.15 25	0.07 1	0.21 4	0.41 372	0.16 234	0.20 58	0.18 92	0.22 4	0.19 9	0.15 14	0.19 28	0.11 2	0.09 2	0.14 1	0.13 26	0.29 376	0.04 1	0.06 1	0.04 1	0.06 6	0.14 289

LoS	0.14 9	0.08 2	0.27 25	0.16 4	0.09 8	0.22 98	0.14 14	0.26 17	0.26 69	0.15 14	0.18 25	0.18 51	0.13 36	0.22 49	0.14 43	0.08 103	0.06 74	0.06 1	0.04 1	0.06 6	0.06 20

Selective-IGEV	0.12 1	0.09 10	0.22 7	0.19 27	0.10 22	0.15 5	0.14 14	0.27 24	0.15 2	0.13 3	0.14 14	0.13 13	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

EGLCR-Stereo	0.13 2	0.08 2	0.20 3	0.18 9	0.09 8	0.21 77	0.13 4	0.27 24	0.21 28	0.13 3	0.10 1	0.15 30	0.09 2	0.20 33	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.06 20

MC-Stereo	0.14 9	0.09 10	0.25 17	0.21 89	0.09 8	0.18 15	0.16 41	0.23 7	0.19 9	0.18 44	0.23 53	0.16 39	0.13 36	0.22 49	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.05 1

RCA-Stereo	0.16 32	0.09 10	0.25 17	0.20 60	0.10 22	0.19 37	0.17 63	0.36 129	0.35 161	0.20 46	0.25 69	0.17 44	0.17 91	0.18 21	0.14 43	0.07 17	0.05 6	0.07 16	0.06 25	0.06 6	0.05 1

ADStereo(finetuned)	0.19 95	0.13 140	0.49 231	0.19 27	0.09 8	0.19 37	0.18 92	0.34 93	0.39 199	0.29 128	0.31 118	0.18 51	0.31 263	0.21 44	0.19 134	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

test-3	0.16 32	0.09 10	0.31 58	0.21 89	0.11 45	0.18 15	0.16 41	0.30 59	0.27 78	0.26 90	0.16 17	0.22 79	0.12 15	0.26 99	0.18 109	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 10	0.31 58	0.21 89	0.11 45	0.18 15	0.16 41	0.30 59	0.27 78	0.25 81	0.16 17	0.22 79	0.12 15	0.26 99	0.18 109	0.06 1	0.04 1	0.08 69	0.08 114	0.06 6	0.06 20

TRStereo	0.19 95	0.17 229	0.47 217	0.23 176	0.19 288	0.19 37	0.16 41	0.52 268	0.28 91	0.20 46	0.19 28	0.21 72	0.13 36	0.24 62	0.13 26	0.09 170	0.06 74	0.09 124	0.11 255	0.06 6	0.06 20

STrans-v2	0.24 188	0.13 140	0.54 257	0.21 89	0.12 81	0.23 115	0.21 190	0.47 220	0.28 91	0.31 173	0.42 225	0.36 224	0.35 284	0.62 281	0.23 194	0.07 17	0.05 6	0.08 69	0.07 53	0.06 6	0.06 20

TransformOpticalFlow	0.24 188	0.13 140	0.56 266	0.23 176	0.11 45	0.21 77	0.19 129	0.40 159	0.32 137	0.30 156	0.43 237	0.36 224	0.31 263	0.61 273	0.20 145	0.07 17	0.05 6	0.08 69	0.07 53	0.06 6	0.07 69

ASMatch	0.23 165	0.11 66	0.51 247	0.24 214	0.14 170	0.19 37	0.17 63	0.31 65	0.28 91	0.28 103	0.68 345	0.27 144	0.26 199	0.50 224	0.22 180	0.07 17	0.06 74	0.08 69	0.07 53	0.06 6	0.11 238

DEmStereo	0.26 220	0.09 10	0.47 217	0.19 27	0.12 81	0.30 215	0.25 263	0.28 37	0.36 171	0.36 248	0.58 318	0.25 116	0.48 342	0.53 240	0.44 308	0.07 17	0.06 74	0.08 69	0.08 114	0.06 6	0.07 69

RAFT-RH_RVC	0.25 210	0.11 66	0.45 204	0.21 89	0.12 81	0.25 141	0.14 14	0.27 24	0.27 78	0.38 261	1.15 383	0.23 98	0.17 91	0.57 256	0.24 203	0.07 17	0.05 6	0.10 188	0.07 53	0.06 6	0.07 69

RAFT-345	0.21 122	0.10 26	0.46 210	0.22 134	0.11 45	0.20 58	0.16 41	0.26 17	0.25 62	0.27 94	0.66 341	0.21 72	0.16 68	0.55 245	0.21 166	0.07 17	0.06 74	0.08 69	0.07 53	0.06 6	0.06 20

AnonymousM	0.17 40	0.19 257	0.24 13	0.18 9	0.10 22	0.18 15	0.17 63	0.30 59	0.23 47	0.26 90	0.20 38	0.18 51	0.14 47	0.19 29	0.14 43	0.09 170	0.06 74	0.38 379	0.15 324	0.06 6	0.05 1

cross-raft	0.17 40	0.12 85	0.41 171	0.23 176	0.10 22	0.20 58	0.24 249	0.33 87	0.23 47	0.23 62	0.28 84	0.29 166	0.15 54	0.17 12	0.15 55	0.06 1	0.05 6	0.07 16	0.07 53	0.06 6	0.05 1

test-1	0.17 40	0.11 66	0.40 149	0.23 176	0.13 136	0.22 98	0.23 227	0.34 93	0.26 69	0.20 46	0.24 63	0.22 79	0.14 47	0.16 8	0.20 145	0.07 17	0.06 74	0.08 69	0.07 53	0.06 6	0.08 116

CREStereo++_RVC	0.15 25	0.08 2	0.26 20	0.17 6	0.11 45	0.18 15	0.13 4	0.22 4	0.30 118	0.21 55	0.30 104	0.13 13	0.11 9	0.16 8	0.15 55	0.07 17	0.04 1	0.06 1	0.15 324	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
s12784h	0.17 40	0.09 10	0.26 20	0.18 9	0.07 1	0.32 234	0.19 129	0.37 135	0.32 137	0.23 62	0.25 69	0.18 51	0.17 91	0.25 86	0.16 72	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.05 1

TANstereo	0.15 25	0.09 10	0.28 33	0.16 4	0.08 3	0.25 141	0.14 14	0.23 7	0.28 91	0.24 75	0.30 104	0.16 39	0.12 15	0.17 12	0.13 26	0.08 103	0.07 163	0.06 1	0.05 10	0.06 6	0.07 69

raftrobust	0.16 32	0.13 140	0.29 40	0.22 134	0.15 211	0.19 37	0.13 4	0.32 73	0.26 69	0.26 90	0.20 38	0.19 62	0.17 91	0.21 44	0.15 55	0.08 103	0.06 74	0.07 16	0.06 25	0.06 6	0.07 69

DCANet	0.18 58	0.13 140	0.40 149	0.19 27	0.09 8	0.19 37	0.18 92	0.34 93	0.39 199	0.29 128	0.31 118	0.18 51	0.23 160	0.20 33	0.19 134	0.07 17	0.05 6	0.07 16	0.05 10	0.06 6	0.07 69

EAI-Stereo	0.21 122	0.10 26	0.33 78	0.21 89	0.12 81	0.30 215	0.46 363	0.46 213	0.20 18	0.25 81	0.50 284	0.17 44	0.16 68	0.24 62	0.23 194	0.07 17	0.06 74	0.07 16	0.10 220	0.06 6	0.07 69

CFNet-RSSM	0.17 40	0.10 26	0.40 149	0.20 60	0.11 45	0.20 58	0.15 27	0.36 129	0.30 118	0.23 62	0.21 46	0.26 136	0.15 54	0.20 33	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.05 1

Gwc-CoAtRS	0.17 40	0.10 26	0.37 114	0.20 60	0.12 81	0.19 37	0.15 27	0.32 73	0.28 91	0.23 62	0.23 53	0.27 144	0.15 54	0.20 33	0.13 26	0.07 17	0.05 6	0.07 16	0.07 53	0.06 6	0.06 20

R-Stereo Train	0.18 58	0.09 10	0.32 64	0.22 134	0.12 81	0.22 98	0.19 129	0.42 181	0.19 9	0.31 173	0.45 258	0.20 64	0.14 47	0.18 21	0.15 55	0.08 103	0.06 74	0.07 16	0.06 25	0.06 6	0.06 20

RAFT-Stereo	0.18 58	0.09 10	0.32 64	0.22 134	0.12 81	0.22 98	0.19 129	0.42 181	0.19 9	0.31 173	0.45 258	0.20 64	0.14 47	0.18 21	0.15 55	0.08 103	0.06 74	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
MoCha-V2	0.13 2	0.09 10	0.23 9	0.38 366	0.09 8	0.13 3	0.16 41	0.24 12	0.15 2	0.13 3	0.16 17	0.12 3	0.12 15	0.15 3	0.11 1	0.06 1	0.05 6	0.06 1	0.07 53	0.07 38	0.05 1

LargeStereo	0.13 2	0.10 26	0.23 9	0.21 89	0.10 22	0.15 5	0.15 27	0.29 44	0.16 4	0.12 1	0.15 16	0.12 3	0.12 15	0.17 12	0.14 43	0.07 17	0.06 74	0.07 16	0.05 10	0.07 38	0.07 69

AE-Stereo	0.17 40	0.11 66	0.31 58	0.24 214	0.14 170	0.23 115	0.18 92	0.34 93	0.29 109	0.15 14	0.25 69	0.21 72	0.13 36	0.20 33	0.14 43	0.07 17	0.08 230	0.09 124	0.10 220	0.07 38	0.06 20

ff7	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

IGEVStereo-DCA	0.14 9	0.11 66	0.27 25	0.19 27	0.12 81	0.20 58	0.18 92	0.27 24	0.20 18	0.15 14	0.12 2	0.14 24	0.12 15	0.28 126	0.14 43	0.07 17	0.06 74	0.08 69	0.07 53	0.07 38	0.07 69

ffff	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

rrr	0.17 40	0.11 66	0.57 270	0.19 27	0.12 81	0.20 58	0.18 92	0.35 110	0.22 35	0.15 14	0.12 2	0.14 24	0.12 15	0.28 126	0.14 43	0.07 17	0.06 74	0.08 69	0.07 53	0.07 38	0.07 69

11t	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

StereoIM	0.14 9	0.13 140	0.26 20	0.19 27	0.14 170	0.16 8	0.13 4	0.25 14	0.21 28	0.13 3	0.14 14	0.14 24	0.11 9	0.17 12	0.17 95	0.08 103	0.07 163	0.08 69	0.06 25	0.07 38	0.06 20

IGEV_Zeroshot_test	0.18 58	0.10 26	0.65 300	0.20 60	0.12 81	0.19 37	0.15 27	0.34 93	0.19 9	0.28 103	0.22 51	0.27 144	0.13 36	0.23 56	0.18 109	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.06 20

AEACV	0.13 2	0.09 10	0.23 9	0.18 9	0.19 288	0.19 37	0.16 41	0.23 7	0.14 1	0.13 3	0.17 21	0.13 13	0.16 68	0.16 8	0.12 7	0.07 17	0.05 6	0.07 16	0.08 114	0.07 38	0.06 20

Any-RAFT	0.17 40	0.08 2	0.31 58	0.19 27	0.10 22	0.29 198	0.16 41	0.42 181	0.30 118	0.24 75	0.27 80	0.27 144	0.16 68	0.21 44	0.12 7	0.08 103	0.05 6	0.06 1	0.05 10	0.07 38	0.06 20

HH	0.18 58	0.12 85	0.55 262	0.22 134	0.12 81	0.18 15	0.18 92	0.34 93	0.19 9	0.20 46	0.24 63	0.34 205	0.18 113	0.29 139	0.12 7	0.07 17	0.05 6	0.07 16	0.07 53	0.07 38	0.06 20

HanStereo	0.18 58	0.12 85	0.55 262	0.22 134	0.12 81	0.18 15	0.18 92	0.34 93	0.19 9	0.20 46	0.24 63	0.34 205	0.18 113	0.29 139	0.12 7	0.07 17	0.05 6	0.07 16	0.07 53	0.07 38	0.06 20

DCRE	0.20 108	0.13 140	0.40 149	0.21 89	0.15 211	0.20 58	0.19 129	0.30 59	0.27 78	0.22 59	0.80 362	0.23 98	0.16 68	0.23 56	0.15 55	0.07 17	0.07 163	0.07 16	0.08 114	0.07 38	0.06 20

anonymousa	0.23 165	0.11 66	0.50 241	0.21 89	0.16 234	0.31 226	0.20 167	0.36 129	0.35 161	0.32 191	0.50 284	0.39 245	0.26 199	0.22 49	0.20 145	0.08 103	0.06 74	0.09 124	0.11 255	0.07 38	0.08 116

ProNet	0.14 9	0.12 85	0.25 17	0.19 27	0.11 45	0.19 37	0.19 129	0.27 24	0.20 18	0.14 10	0.13 6	0.13 13	0.12 15	0.24 62	0.12 7	0.06 1	0.05 6	0.07 16	0.06 25	0.07 38	0.07 69

ccc-4	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.27 24	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.07 69

DisPM	0.19 95	0.10 26	0.35 91	0.23 176	0.13 136	0.18 15	0.20 167	0.29 44	0.29 109	0.33 201	0.34 147	0.23 98	0.16 68	0.33 168	0.16 72	0.09 170	0.06 74	0.09 124	0.08 114	0.07 38	0.11 238

test_4	0.18 58	0.12 85	0.34 83	0.23 176	0.12 81	0.18 15	0.22 206	0.26 17	0.24 57	0.24 75	0.47 275	0.22 79	0.13 36	0.24 62	0.16 72	0.06 1	0.05 6	0.09 124	0.09 188	0.07 38	0.05 1

GLC_STEREO	0.15 25	0.10 26	0.24 13	0.21 89	0.09 8	0.17 11	0.15 27	0.23 7	0.27 78	0.17 32	0.20 38	0.17 44	0.11 9	0.23 56	0.16 72	0.07 17	0.09 258	0.09 124	0.08 114	0.07 38	0.06 20

IPLG	0.21 122	0.15 195	0.53 254	0.21 89	0.12 81	0.28 179	0.17 63	0.42 181	0.30 118	0.33 201	0.32 122	0.15 30	0.17 91	0.50 224	0.21 166	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.06 20

MIPNet	0.21 122	0.15 195	0.52 251	0.21 89	0.12 81	0.27 166	0.20 167	0.45 203	0.37 180	0.30 156	0.23 53	0.19 62	0.24 175	0.27 114	0.19 134	0.07 17	0.05 6	0.08 69	0.07 53	0.07 38	0.06 20

IPLGR	0.21 122	0.13 140	0.61 283	0.21 89	0.11 45	0.25 141	0.18 92	0.41 169	0.37 180	0.28 103	0.27 80	0.21 72	0.19 126	0.37 189	0.18 109	0.07 17	0.06 74	0.08 69	0.07 53	0.07 38	0.06 20

test_3	0.18 58	0.11 66	0.32 64	0.24 214	0.11 45	0.22 98	0.25 263	0.31 65	0.31 129	0.25 81	0.18 25	0.23 98	0.13 36	0.25 86	0.19 134	0.06 1	0.05 6	0.09 124	0.10 220	0.07 38	0.06 20

CrosDoStereo	0.31 269	0.10 26	0.49 231	0.18 9	0.12 81	0.22 98	1.11 412	0.34 93	0.37 180	0.38 261	0.61 332	0.28 159	0.46 333	0.61 273	0.57 335	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.07 69

OMP-Stereo	0.23 165	0.14 170	0.35 91	0.29 322	0.13 136	0.21 77	0.16 41	0.37 135	0.33 148	0.34 217	0.30 104	0.34 205	0.19 126	0.70 306	0.24 203	0.07 17	0.06 74	0.09 124	0.07 53	0.07 38	0.06 20

IIG-Stereo	0.23 165	0.13 140	0.35 91	0.29 322	0.12 81	0.23 115	0.14 14	0.38 141	0.31 129	0.34 217	0.37 173	0.33 199	0.21 140	0.70 306	0.26 224	0.08 103	0.06 74	0.09 124	0.07 53	0.07 38	0.06 20

FTStereo	0.28 245	0.10 26	0.43 188	0.23 176	0.13 136	0.21 77	0.53 377	0.34 93	0.26 69	0.38 261	0.95 374	0.30 176	0.56 354	0.32 162	0.18 109	0.08 103	0.06 74	0.09 124	0.08 114	0.07 38	0.19 333

DeepStereo_LL	0.31 269	0.10 26	0.49 231	0.18 9	0.12 81	0.22 98	1.11 412	0.34 93	0.37 180	0.38 261	0.61 332	0.28 159	0.46 333	0.61 273	0.57 335	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.07 69

THIR-Stereo	0.29 255	0.12 85	0.41 171	0.19 27	0.11 45	0.28 179	0.72 390	0.32 73	0.35 161	0.37 253	0.65 339	0.34 205	0.50 344	0.57 256	0.45 311	0.07 17	0.06 74	0.08 69	0.09 188	0.07 38	0.07 69

DRaft	0.24 188	0.10 26	0.34 83	0.18 9	0.12 81	0.28 179	0.23 227	0.33 87	0.39 199	0.38 261	0.61 332	0.21 72	0.41 312	0.48 217	0.42 303	0.07 17	0.06 74	0.08 69	0.08 114	0.07 38	0.08 116

GrayStereo	0.25 210	0.09 10	0.32 64	0.26 279	0.13 136	0.23 115	0.47 367	0.34 93	0.30 118	0.39 276	0.47 275	0.30 176	0.79 377	0.29 139	0.16 72	0.07 17	0.06 74	0.08 69	0.09 188	0.07 38	0.13 272

CroCo-Stereo	0.14 9	0.13 140	0.24 13	0.25 251	0.11 45	0.11 1	0.18 92	0.32 73	0.23 47	0.12 1	0.12 2	0.18 51	0.12 15	0.14 1	0.13 26	0.08 103	0.06 74	0.07 16	0.05 10	0.07 38	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
raft+_RVC	0.18 58	0.14 170	0.32 64	0.21 89	0.15 211	0.21 77	0.16 41	0.38 141	0.34 155	0.21 55	0.28 84	0.20 64	0.15 54	0.24 62	0.19 134	0.08 103	0.06 74	0.08 69	0.07 53	0.07 38	0.08 116

XX-TBD	0.15 25	0.18 241	0.28 33	0.22 134	0.10 22	0.22 98	0.15 27	0.22 4	0.27 78	0.22 59	0.26 75	0.14 24	0.12 15	0.16 8	0.13 26	0.08 103	0.05 6	0.06 1	0.04 1	0.07 38	0.06 20

XX-Stereo	0.21 122	0.10 26	0.83 338	0.26 279	0.17 250	0.23 115	0.13 4	0.40 159	0.18 7	0.20 46	0.41 211	0.31 184	0.10 4	0.32 162	0.12 7	0.08 103	0.06 74	0.08 69	0.08 114	0.07 38	0.05 1

111	0.20 108	0.17 229	0.40 149	0.18 9	0.09 8	0.24 130	0.17 63	0.41 169	0.45 259	0.23 62	0.29 93	0.29 166	0.21 140	0.24 62	0.18 109	0.07 17	0.05 6	0.07 16	0.06 25	0.07 38	0.08 116

test_xeample3	0.16 32	0.11 66	0.56 266	0.19 27	0.12 81	0.20 58	0.18 92	0.35 110	0.20 18	0.16 27	0.12 2	0.13 13	0.12 15	0.24 62	0.15 55	0.07 17	0.06 74	0.07 16	0.08 114	0.07 38	0.07 69

RAFT-Stereo + iAFF	0.17 40	0.14 170	0.32 64	0.20 60	0.09 8	0.19 37	0.17 63	0.32 73	0.30 118	0.25 81	0.33 141	0.20 64	0.17 91	0.19 29	0.15 55	0.06 1	0.05 6	0.07 16	0.07 53	0.07 38	0.05 1

AFF-stereo	0.18 58	0.15 195	0.32 64	0.21 89	0.10 22	0.18 15	0.18 92	0.33 87	0.27 78	0.25 81	0.37 173	0.25 116	0.17 91	0.24 62	0.15 55	0.06 1	0.05 6	0.08 69	0.08 114	0.07 38	0.05 1

CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 3	0.22 98	0.15 27	0.25 14	0.24 57	0.16 27	0.21 46	0.14 24	0.13 36	0.18 21	0.13 26	0.09 170	0.05 6	0.06 1	0.04 1	0.07 38	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	0.23 115	0.16 41	0.25 14	0.23 47	0.17 32	0.21 46	0.16 39	0.14 47	0.22 49	0.13 26	0.29 376	0.05 6	0.06 1	0.04 1	0.07 38	0.06 20

DIP-Stereo	0.18 58	0.12 85	0.33 78	0.20 60	0.13 136	0.28 179	0.12 1	0.42 181	0.25 62	0.27 94	0.32 122	0.21 72	0.17 91	0.25 86	0.20 145	0.07 17	0.06 74	0.08 69	0.06 25	0.07 38	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
RASNet	0.28 245	0.14 170	0.44 194	0.22 134	0.18 270	0.32 234	0.19 129	0.48 231	0.38 193	0.29 128	0.43 237	0.47 293	0.37 296	0.79 339	0.36 277	0.09 170	0.07 163	0.07 16	0.09 188	0.07 38	0.07 69

MLCV	0.22 148	0.16 213	0.44 194	0.21 89	0.08 3	0.29 198	0.19 129	0.38 141	0.37 180	0.38 261	0.44 246	0.31 184	0.21 140	0.41 200	0.24 203	0.07 17	0.05 6	0.06 1	0.05 10	0.07 38	0.06 20

DispNO	0.27 227	0.18 241	0.62 291	0.23 176	0.17 250	0.25 141	0.22 206	0.45 203	0.41 223	0.32 191	0.39 195	0.38 233	0.27 216	0.77 335	0.27 228	0.09 170	0.07 163	0.10 188	0.10 220	0.08 84	0.08 116

tta	0.24 188	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.28 231	0.10 213	0.07 163	0.08 69	0.08 114	0.08 84	0.07 69

qqq1	0.24 188	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.16 72	0.10 213	0.07 163	0.07 16	0.06 25	0.08 84	0.07 69

fff1	0.24 188	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.16 72	0.10 213	0.07 163	0.07 16	0.06 25	0.08 84	0.07 69

MyStereo07	0.16 32	0.12 85	0.26 20	0.22 134	0.14 170	0.25 141	0.23 227	0.29 44	0.21 28	0.15 14	0.13 6	0.12 3	0.13 36	0.25 86	0.13 26	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo06	0.20 108	0.12 85	0.57 270	0.21 89	0.14 170	0.25 141	0.23 227	0.40 159	0.21 28	0.30 156	0.24 63	0.31 184	0.18 113	0.22 49	0.18 109	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo05	0.23 165	0.12 85	0.57 270	0.21 89	0.14 170	0.25 141	0.23 227	0.48 231	0.52 313	0.31 173	0.23 53	0.25 116	0.22 151	0.30 151	0.21 166	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

MyStereo04	0.23 165	0.12 85	0.55 262	0.22 134	0.14 170	0.25 141	0.23 227	0.49 237	0.52 313	0.28 103	0.23 53	0.27 144	0.23 160	0.30 151	0.22 180	0.07 17	0.07 163	0.09 124	0.08 114	0.08 84	0.08 116

CoDeX	0.23 165	0.12 85	0.46 210	0.21 89	0.14 170	0.29 198	0.21 190	0.53 279	0.41 223	0.29 128	0.35 154	0.29 166	0.22 151	0.48 217	0.19 134	0.09 170	0.06 74	0.08 69	0.07 53	0.08 84	0.07 69

cc1	0.18 58	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.35 110	0.47 278	0.17 32	0.19 28	0.13 13	0.18 113	0.28 126	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

DualNet	0.26 220	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.35 110	0.44 247	0.30 156	0.42 225	0.34 205	0.23 160	0.27 114	1.08 376	0.08 103	0.05 6	0.11 236	0.10 220	0.08 84	0.08 116

ffm	0.22 148	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.35 110	0.44 247	0.30 156	0.42 225	0.34 205	0.23 160	0.27 114	0.11 1	0.08 103	0.05 6	0.11 236	0.10 220	0.08 84	0.08 116

ff1	0.29 255	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.35 110	0.44 247	0.30 156	0.42 225	0.34 205	0.23 160	0.81 346	1.08 376	0.08 103	0.05 6	0.11 236	0.10 220	0.08 84	0.08 116

tt1	0.18 58	0.14 170	0.35 91	0.23 176	0.11 45	0.30 215	0.19 129	0.35 110	0.44 247	0.17 32	0.19 28	0.13 13	0.16 68	0.27 114	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.08 84	0.08 116

MIF-Stereo	0.14 9	0.10 26	0.30 46	0.21 89	0.13 136	0.17 11	0.13 4	0.19 1	0.18 7	0.15 14	0.20 38	0.10 1	0.11 9	0.18 21	0.16 72	0.08 103	0.06 74	0.07 16	0.06 25	0.08 84	0.06 20

MIM_Stereo	0.18 58	0.12 85	0.38 133	0.20 60	0.11 45	0.17 11	0.14 14	0.35 110	0.25 62	0.27 94	0.35 154	0.23 98	0.13 36	0.27 114	0.16 72	0.06 1	0.07 163	0.08 69	0.08 114	0.08 84	0.06 20

CASnet	0.14 9	0.12 85	0.22 7	0.22 134	0.08 3	0.16 8	0.15 27	0.27 24	0.25 62	0.22 59	0.20 38	0.15 30	0.11 9	0.17 12	0.13 26	0.07 17	0.05 6	0.11 236	0.09 188	0.08 84	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.18 58	0.18 241	0.39 144	0.22 134	0.12 81	0.24 130	0.13 4	0.31 65	0.23 47	0.24 75	0.20 38	0.24 109	0.12 15	0.26 99	0.15 55	0.06 1	0.06 74	0.12 269	0.09 188	0.08 84	0.07 69

4D-IteraStereo	0.17 40	0.16 213	0.50 241	0.21 89	0.14 170	0.19 37	0.17 63	0.28 37	0.28 91	0.23 62	0.20 38	0.20 64	0.11 9	0.19 29	0.14 43	0.06 1	0.04 1	0.10 188	0.08 114	0.08 84	0.06 20

anonymousdsp2	0.17 40	0.10 26	0.28 33	0.20 60	0.11 45	0.25 141	0.17 63	0.41 169	0.31 129	0.23 62	0.23 53	0.22 79	0.15 54	0.25 86	0.15 55	0.07 17	0.05 6	0.07 16	0.05 10	0.08 84	0.07 69

anonymousdsp	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.28 37	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.08 84	0.07 69

CES	0.14 9	0.08 2	0.19 1	0.17 6	0.22 325	0.18 15	0.16 41	0.23 7	0.19 9	0.14 10	0.17 21	0.14 24	0.10 4	0.18 21	0.12 7	0.07 17	0.05 6	0.06 1	0.04 1	0.08 84	0.18 326

Selective-RAFT	0.17 40	0.12 85	0.30 46	0.24 214	0.10 22	0.29 198	0.15 27	0.32 73	0.31 129	0.17 32	0.17 21	0.21 72	0.18 113	0.28 126	0.17 95	0.07 17	0.06 74	0.07 16	0.07 53	0.08 84	0.06 20

CroCo-Stereo Lap2	0.15 25	0.15 195	0.28 33	0.25 251	0.18 270	0.11 1	0.19 129	0.28 37	0.21 28	0.13 3	0.16 17	0.15 30	0.12 15	0.17 12	0.14 43	0.07 17	0.07 163	0.08 69	0.06 25	0.08 84	0.07 69

TestStereo1	0.21 122	0.16 213	0.32 64	0.26 279	0.13 136	0.26 159	0.27 279	0.40 159	0.36 171	0.29 128	0.39 195	0.22 79	0.21 140	0.33 168	0.17 95	0.07 17	0.06 74	0.09 124	0.08 114	0.08 84	0.07 69

raft_robust	0.22 148	0.17 229	0.30 46	0.22 134	0.12 81	0.23 115	0.22 206	0.49 237	0.48 287	0.32 191	0.32 122	0.26 136	0.23 160	0.53 240	0.15 55	0.07 17	0.06 74	0.08 69	0.10 220	0.08 84	0.06 20

RAFT_CTSACE	0.21 122	0.16 213	0.41 171	0.25 251	0.15 211	0.22 98	0.24 249	0.32 73	0.28 91	0.33 201	0.51 290	0.29 166	0.17 91	0.32 162	0.13 26	0.06 1	0.07 163	0.09 124	0.08 114	0.08 84	0.06 20

SA-5K	0.21 122	0.16 213	0.32 64	0.26 279	0.13 136	0.26 159	0.27 279	0.40 159	0.36 171	0.29 128	0.39 195	0.22 79	0.21 140	0.33 168	0.17 95	0.07 17	0.06 74	0.09 124	0.08 114	0.08 84	0.07 69

Sa-1000	0.22 148	0.15 195	0.35 91	0.23 176	0.13 136	0.28 179	0.23 227	0.47 220	0.39 199	0.30 156	0.50 284	0.26 136	0.19 126	0.33 168	0.16 72	0.07 17	0.06 74	0.10 188	0.11 255	0.08 84	0.06 20

SA	0.22 148	0.16 213	0.36 109	0.23 176	0.13 136	0.24 130	0.23 227	0.45 203	0.40 212	0.27 94	0.44 246	0.23 98	0.23 160	0.33 168	0.17 95	0.07 17	0.06 74	0.10 188	0.11 255	0.08 84	0.06 20

IGEV-Stereo	0.14 9	0.12 85	0.27 25	0.19 27	0.12 81	0.21 77	0.18 92	0.28 37	0.20 18	0.15 14	0.13 6	0.12 3	0.12 15	0.24 62	0.12 7	0.07 17	0.05 6	0.08 69	0.07 53	0.08 84	0.07 69
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CIPLG	0.21 122	0.21 278	0.55 262	0.23 176	0.15 211	0.25 141	0.20 167	0.35 110	0.29 109	0.31 173	0.33 141	0.22 79	0.15 54	0.26 99	0.20 145	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116

iRaft-Stereo_20w	0.19 95	0.10 26	0.46 210	0.19 27	0.13 136	0.25 141	0.19 129	0.52 268	0.19 9	0.29 128	0.21 46	0.22 79	0.20 134	0.28 126	0.18 109	0.07 17	0.06 74	0.07 16	0.08 114	0.08 84	0.08 116

IPLGR_C	0.21 122	0.22 290	0.60 280	0.23 176	0.15 211	0.24 130	0.20 167	0.35 110	0.29 109	0.31 173	0.32 122	0.22 79	0.15 54	0.25 86	0.20 145	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116

GMOStereo	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

error version	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

test-v	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

ACRE	0.21 122	0.20 265	0.62 291	0.23 176	0.15 211	0.24 130	0.20 167	0.35 110	0.28 91	0.31 173	0.32 122	0.22 79	0.15 54	0.25 86	0.20 145	0.08 103	0.07 163	0.07 16	0.07 53	0.08 84	0.08 116

PFNet+	0.20 108	0.10 26	0.37 114	0.21 89	0.12 81	0.17 11	0.19 129	0.29 44	0.34 155	0.33 201	0.32 122	0.24 109	0.16 68	0.32 162	0.17 95	0.10 213	0.07 163	0.11 236	0.10 220	0.08 84	0.12 260

HHNet	0.22 148	0.12 85	0.52 251	0.18 9	0.18 270	0.20 58	0.20 167	0.34 93	0.31 129	0.32 191	0.59 320	0.20 64	0.21 140	0.24 62	0.31 251	0.08 103	0.05 6	0.09 124	0.07 53	0.08 84	0.11 238

AAGNet	0.33 284	0.11 66	0.37 114	0.25 251	0.16 234	0.20 58	0.19 129	0.30 59	0.27 78	0.35 233	0.35 154	0.27 144	0.30 252	0.44 208	2.66 413	0.08 103	0.05 6	0.10 188	0.07 53	0.08 84	0.06 20

NF-Stereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

OCTAStereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

PSM-softLoss	0.21 122	0.10 26	0.39 144	0.24 214	0.12 81	0.20 58	0.18 92	0.38 141	0.26 69	0.29 128	0.32 122	0.24 109	0.16 68	0.52 235	0.20 145	0.09 170	0.06 74	0.10 188	0.09 188	0.08 84	0.12 260

KMStereo	0.21 122	0.10 26	0.39 144	0.24 214	0.12 81	0.20 58	0.18 92	0.38 141	0.26 69	0.29 128	0.32 122	0.24 109	0.16 68	0.52 235	0.20 145	0.09 170	0.06 74	0.10 188	0.09 188	0.08 84	0.12 260

PSM-AAD	0.25 210	0.10 26	0.30 46	0.24 214	0.12 81	0.26 159	0.38 342	0.34 93	0.28 91	0.35 233	0.39 195	0.28 159	0.79 377	0.30 151	0.16 72	0.07 17	0.06 74	0.12 269	0.11 255	0.08 84	0.21 350

KYRaft	0.22 148	0.10 26	0.30 46	0.23 176	0.12 81	0.23 115	0.23 227	0.35 110	0.24 57	0.35 233	0.54 306	0.34 205	0.26 199	0.29 139	0.15 55	0.07 17	0.05 6	0.09 124	0.10 220	0.08 84	0.31 374

RAFT_R40	0.21 122	0.10 26	0.37 114	0.24 214	0.13 136	0.18 15	0.18 92	0.31 65	0.29 109	0.33 201	0.33 141	0.30 176	0.24 175	0.55 245	0.18 109	0.08 103	0.05 6	0.10 188	0.08 114	0.08 84	0.07 69

PFNet	0.23 165	0.10 26	0.57 270	0.24 214	0.14 170	0.22 98	0.19 129	0.39 152	0.33 148	0.35 233	0.32 122	0.27 144	0.19 126	0.64 288	0.22 180	0.09 170	0.05 6	0.09 124	0.07 53	0.08 84	0.07 69

RE-Stereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

Pruner-Stereo	0.19 95	0.11 66	0.34 83	0.29 322	0.12 81	0.19 37	0.17 63	0.31 65	0.29 109	0.33 201	0.32 122	0.25 116	0.15 54	0.24 62	0.21 166	0.09 170	0.06 74	0.09 124	0.08 114	0.08 84	0.09 168

TVStereo	0.20 108	0.10 26	0.35 91	0.24 214	0.12 81	0.21 77	0.18 92	0.38 141	0.32 137	0.28 103	0.30 104	0.22 79	0.16 68	0.51 229	0.20 145	0.08 103	0.06 74	0.09 124	0.08 114	0.08 84	0.13 272

IRAFT_RVC	0.22 148	0.12 85	0.39 144	0.26 279	0.11 45	0.18 15	0.24 249	0.40 159	0.37 180	0.31 173	0.30 104	0.29 166	0.24 175	0.55 245	0.22 180	0.08 103	0.06 74	0.10 188	0.08 114	0.08 84	0.07 69

test-2	0.18 58	0.14 170	0.30 46	0.22 134	0.12 81	0.20 58	0.27 279	0.26 17	0.28 91	0.31 173	0.32 122	0.26 136	0.17 91	0.15 3	0.12 7	0.07 17	0.07 163	0.10 188	0.08 114	0.08 84	0.05 1

GMM-Stereo	0.21 122	0.10 26	0.43 188	0.23 176	0.13 136	0.24 130	0.25 263	0.37 135	0.27 78	0.30 156	0.45 258	0.27 144	0.21 140	0.31 156	0.17 95	0.07 17	0.05 6	0.10 188	0.09 188	0.08 84	0.19 333

Prome-Stereo	0.21 122	0.10 26	0.30 46	0.24 214	0.12 81	0.23 115	0.23 227	0.36 129	0.25 62	0.33 201	0.59 320	0.24 109	0.28 230	0.29 139	0.16 72	0.07 17	0.05 6	0.08 69	0.07 53	0.08 84	0.20 343

iRaftStereo_RVC	0.16 32	0.12 85	0.26 20	0.21 89	0.11 45	0.20 58	0.17 63	0.32 73	0.23 47	0.20 46	0.25 69	0.18 51	0.12 15	0.20 33	0.15 55	0.07 17	0.05 6	0.09 124	0.09 188	0.08 84	0.07 69

delet	0.27 227	0.14 170	0.40 149	0.23 176	0.19 288	0.41 297	0.29 296	0.49 237	0.48 287	0.33 201	0.41 211	0.37 228	0.30 252	0.48 217	0.34 267	0.09 170	0.09 258	0.11 236	0.12 287	0.08 84	0.08 116

cf-r	0.24 188	0.15 195	0.44 194	0.21 89	0.14 170	0.27 166	0.22 206	0.42 181	0.40 212	0.30 156	0.42 225	0.42 268	0.26 199	0.43 204	0.25 212	0.11 240	0.06 74	0.08 69	0.10 220	0.08 84	0.08 116

HSM-Net_RVC	0.27 227	0.11 66	0.42 178	0.19 27	0.11 45	0.34 256	0.20 167	0.62 349	0.43 233	0.40 284	0.43 237	0.50 308	0.26 199	0.76 329	0.22 180	0.08 103	0.07 163	0.07 16	0.07 53	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
HSM	0.28 245	0.16 213	0.35 91	0.20 60	0.15 211	0.33 243	0.19 129	0.53 279	0.37 180	0.36 248	0.38 183	0.67 359	0.31 263	0.89 359	0.23 194	0.08 103	0.06 74	0.08 69	0.07 53	0.08 84	0.08 116

iResNet	0.24 188	0.18 241	0.61 283	0.25 251	0.11 45	0.29 198	0.21 190	0.42 181	0.43 233	0.33 201	0.43 237	0.27 144	0.22 151	0.34 174	0.26 224	0.07 17	0.05 6	0.07 16	0.06 25	0.08 84	0.07 69

H2IRNET	0.18 58	0.13 140	0.35 91	0.21 89	0.12 81	0.20 58	0.15 27	0.27 24	0.30 118	0.17 32	0.31 118	0.25 116	0.20 134	0.24 62	0.18 109	0.07 17	0.06 74	0.09 124	0.10 220	0.09 146	0.06 20

Former-RAFT_DAM_RVC	0.17 40	0.13 140	0.24 13	0.19 27	0.13 136	0.24 130	0.17 63	0.30 59	0.37 180	0.43 307	0.17 21	0.13 13	0.12 15	0.19 29	0.15 55	0.08 103	0.07 163	0.09 124	0.07 53	0.09 146	0.08 116

SMFormer	0.25 210	0.12 85	0.40 149	0.19 27	0.10 22	0.27 166	0.19 129	0.51 258	0.45 259	0.34 217	0.41 211	0.31 184	0.26 199	0.58 261	0.28 231	0.10 213	0.07 163	0.08 69	0.08 114	0.09 146	0.09 168

ACVNet-DCA	0.18 58	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.41 169	0.27 78	0.17 32	0.19 28	0.13 13	0.18 113	0.28 126	0.11 1	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

xx1	0.20 108	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.35 110	0.47 278	0.17 32	0.19 28	0.28 159	0.24 175	0.28 126	0.11 1	0.08 103	0.05 6	0.10 188	0.09 188	0.09 146	0.09 168

1test111	0.19 95	0.14 170	0.38 133	0.23 176	0.11 45	0.31 226	0.19 129	0.41 169	0.27 78	0.17 32	0.19 28	0.13 13	0.18 113	0.34 174	0.22 180	0.08 103	0.05 6	0.08 69	0.06 25	0.09 146	0.09 168

11t1	0.18 58	0.10 26	0.30 46	0.20 60	0.11 45	0.27 166	0.17 63	0.35 110	0.23 47	0.25 81	0.23 53	0.23 98	0.23 160	0.25 86	0.18 109	0.09 170	0.07 163	0.07 16	0.06 25	0.09 146	0.09 168

1111x	0.32 278	0.11 66	0.40 149	0.22 134	0.11 45	0.32 234	0.26 274	0.59 329	0.43 233	0.31 173	0.41 211	0.39 245	0.28 230	0.76 329	1.37 393	0.09 170	0.08 230	0.09 124	0.10 220	0.09 146	0.08 116

whm_eth	0.23 165	0.18 241	0.56 266	0.24 214	0.19 288	0.21 77	0.18 92	0.37 135	0.40 212	0.31 173	0.60 325	0.15 30	0.17 91	0.26 99	0.19 134	0.09 170	0.08 230	0.10 188	0.09 188	0.09 146	0.11 238

MIF-Stereo (partial)	0.16 32	0.10 26	0.34 83	0.21 89	0.15 211	0.15 5	0.13 4	0.28 37	0.25 62	0.17 32	0.26 75	0.15 30	0.16 68	0.25 86	0.17 95	0.09 170	0.06 74	0.10 188	0.08 114	0.09 146	0.08 116

EKT-Stereo	0.38 315	0.12 85	0.38 133	0.42 373	3.88 420	0.21 77	0.17 63	0.35 110	0.28 91	0.20 46	0.20 38	0.23 98	0.15 54	0.28 126	0.16 72	0.09 170	0.07 163	0.09 124	0.07 53	0.09 146	0.09 168

LL-Strereo	0.29 255	0.25 304	0.58 274	0.25 251	0.21 310	0.23 115	0.24 249	0.55 296	0.42 228	0.34 217	0.32 122	0.41 261	0.40 308	0.94 368	0.23 194	0.08 103	0.07 163	0.11 236	0.09 188	0.09 146	0.09 168

CBFPSM	0.27 227	0.16 213	0.67 304	0.20 60	0.14 170	0.38 282	0.25 263	0.40 159	0.36 171	0.33 201	0.36 164	0.56 325	0.38 300	0.32 162	0.38 280	0.08 103	0.08 230	0.07 16	0.08 114	0.09 146	0.11 238

gwcnet-sp	0.24 188	0.13 140	0.63 294	0.22 134	0.14 170	0.34 256	0.22 206	0.44 195	0.39 199	0.35 233	0.34 147	0.27 144	0.27 216	0.35 183	0.25 212	0.09 170	0.08 230	0.09 124	0.09 188	0.09 146	0.09 168

scenet	0.24 188	0.13 140	0.63 294	0.22 134	0.14 170	0.34 256	0.22 206	0.44 195	0.39 199	0.35 233	0.34 147	0.27 144	0.27 216	0.35 183	0.25 212	0.09 170	0.08 230	0.09 124	0.09 188	0.09 146	0.09 168

knoymous	0.17 40	0.09 10	0.32 64	0.17 6	0.11 45	0.21 77	0.17 63	0.32 73	0.23 47	0.23 62	0.28 84	0.27 144	0.16 68	0.23 56	0.16 72	0.09 170	0.06 74	0.09 124	0.06 25	0.09 146	0.09 168

ssnet	0.24 188	0.13 140	0.63 294	0.22 134	0.14 170	0.34 256	0.22 206	0.44 195	0.39 199	0.35 233	0.34 147	0.27 144	0.27 216	0.35 183	0.25 212	0.09 170	0.08 230	0.09 124	0.09 188	0.09 146	0.09 168

qqq	0.20 108	0.12 85	0.31 58	0.20 60	0.11 45	0.23 115	0.19 129	0.41 169	0.27 78	0.24 75	0.28 84	0.28 159	0.24 175	0.34 174	0.22 180	0.08 103	0.07 163	0.10 188	0.09 188	0.09 146	0.09 168

x	0.19 95	0.11 66	0.29 40	0.20 60	0.11 45	0.26 159	0.18 92	0.41 169	0.29 109	0.25 81	0.29 93	0.28 159	0.24 175	0.26 99	0.23 194	0.09 170	0.07 163	0.08 69	0.07 53	0.09 146	0.08 116

BUS	0.23 165	0.12 85	0.28 33	0.25 251	0.14 170	0.43 312	0.17 63	0.56 310	0.34 155	0.34 217	0.35 154	0.32 192	0.20 134	0.26 99	0.21 166	0.10 213	0.07 163	0.11 236	0.10 220	0.09 146	0.09 168

IER	0.23 165	0.12 85	0.39 144	0.20 60	0.14 170	0.31 226	0.19 129	0.42 181	0.36 171	0.33 201	0.40 203	0.32 192	0.33 273	0.29 139	0.22 180	0.09 170	0.07 163	0.08 69	0.08 114	0.09 146	0.08 116

RAFT+CT+SA	0.21 122	0.18 241	0.33 78	0.25 251	0.18 270	0.23 115	0.29 296	0.40 159	0.36 171	0.24 75	0.38 183	0.18 51	0.16 68	0.32 162	0.16 72	0.07 17	0.05 6	0.09 124	0.12 287	0.09 146	0.09 168

BSDual-CNN	0.23 165	0.12 85	0.28 33	0.25 251	0.14 170	0.35 265	0.21 190	0.56 310	0.34 155	0.34 217	0.35 154	0.38 233	0.24 175	0.26 99	0.21 166	0.10 213	0.07 163	0.11 236	0.10 220	0.09 146	0.09 168

hknet	0.25 210	0.14 170	0.40 149	0.25 251	0.15 211	0.35 265	0.21 190	0.56 310	0.37 180	0.34 217	0.35 154	0.43 271	0.27 216	0.37 189	0.21 166	0.09 170	0.07 163	0.11 236	0.10 220	0.09 146	0.09 168

iRaft-Stereo_5w	0.23 165	0.18 241	0.44 194	0.22 134	0.13 136	0.19 37	0.19 129	0.37 135	0.32 137	0.28 103	0.37 173	0.34 205	0.23 160	0.65 294	0.27 228	0.06 1	0.06 74	0.08 69	0.07 53	0.09 146	0.08 116

psmg	0.23 165	0.12 85	0.28 33	0.21 89	0.14 170	0.35 265	0.23 227	0.51 258	0.34 155	0.35 233	0.38 183	0.38 233	0.24 175	0.26 99	0.21 166	0.10 213	0.08 230	0.10 188	0.10 220	0.09 146	0.08 116

DAS	0.27 227	0.12 85	0.42 178	0.24 214	0.18 270	0.29 198	0.24 249	0.45 203	0.45 259	0.41 293	0.44 246	0.34 205	0.29 243	0.75 324	0.21 166	0.09 170	0.07 163	0.09 124	0.07 53	0.09 146	0.09 168

SepStereo	0.26 220	0.12 85	0.42 178	0.24 214	0.18 270	0.29 198	0.24 249	0.45 203	0.45 259	0.41 293	0.44 246	0.34 205	0.29 243	0.64 288	0.21 166	0.09 170	0.07 163	0.09 124	0.07 53	0.09 146	0.09 168

GwcNet-ADL	0.22 148	0.14 170	0.58 274	0.24 214	0.13 136	0.22 98	0.23 227	0.49 237	0.40 212	0.27 94	0.29 93	0.30 176	0.20 134	0.26 99	0.23 194	0.09 170	0.07 163	0.07 16	0.07 53	0.09 146	0.09 168

GANet-ADL	0.21 122	0.12 85	0.45 204	0.23 176	0.14 170	0.29 198	0.19 129	0.46 213	0.35 161	0.25 81	0.32 122	0.32 192	0.19 126	0.24 62	0.20 145	0.10 213	0.07 163	0.07 16	0.06 25	0.09 146	0.10 213

NRIStereo	0.18 58	0.11 66	0.35 91	0.23 176	0.11 45	0.24 130	0.20 167	0.29 44	0.26 69	0.26 90	0.25 69	0.25 116	0.18 113	0.34 174	0.18 109	0.07 17	0.06 74	0.09 124	0.07 53	0.09 146	0.08 116

SST-Stereo	0.21 122	0.10 26	0.37 114	0.24 214	0.13 136	0.19 37	0.17 63	0.31 65	0.24 57	0.34 217	0.33 141	0.29 166	0.25 190	0.56 253	0.17 95	0.08 103	0.05 6	0.10 188	0.08 114	0.09 146	0.07 69

DeepStereo_RVC	0.18 58	0.11 66	0.40 149	0.21 89	0.11 45	0.19 37	0.16 41	0.28 37	0.22 35	0.27 94	0.27 80	0.23 98	0.28 230	0.24 62	0.18 109	0.08 103	0.06 74	0.09 124	0.07 53	0.09 146	0.10 213

ICVP	0.23 165	0.13 140	0.44 194	0.26 279	0.14 170	0.29 198	0.25 263	0.45 203	0.33 148	0.29 128	0.43 237	0.35 219	0.25 190	0.26 99	0.23 194	0.12 267	0.09 258	0.09 124	0.08 114	0.09 146	0.10 213
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rafts_anoy	0.18 58	0.15 195	0.35 91	0.22 134	0.14 170	0.19 37	0.17 63	0.32 73	0.30 118	0.23 62	0.25 69	0.20 64	0.16 68	0.22 49	0.19 134	0.08 103	0.07 163	0.10 188	0.12 287	0.09 146	0.08 116

RALCasStereoNet	0.18 58	0.15 195	0.33 78	0.21 89	0.14 170	0.21 77	0.18 92	0.31 65	0.25 62	0.21 55	0.29 93	0.22 79	0.15 54	0.27 114	0.17 95	0.08 103	0.10 276	0.07 16	0.06 25	0.09 146	0.09 168

RALAANet	0.19 95	0.18 241	0.37 114	0.23 176	0.14 170	0.23 115	0.13 4	0.37 135	0.29 109	0.28 103	0.26 75	0.25 116	0.15 54	0.26 99	0.18 109	0.08 103	0.06 74	0.09 124	0.08 114	0.09 146	0.06 20

sCroCo_RVC	0.18 58	0.14 170	0.49 231	0.27 302	0.18 270	0.22 98	0.17 63	0.27 24	0.23 47	0.14 10	0.22 51	0.17 44	0.14 47	0.21 44	0.15 55	0.10 213	0.11 293	0.09 124	0.09 188	0.09 146	0.09 168

222	0.41 329	0.10 26	0.29 40	0.19 27	0.11 45	0.36 270	0.20 167	0.57 317	0.39 199	0.35 233	0.44 246	0.30 176	0.27 216	0.55 245	3.56 416	0.11 240	0.07 163	0.08 69	0.08 114	0.09 146	0.09 168

xxxx	0.34 291	0.10 26	0.29 40	0.19 27	0.11 45	0.37 275	0.20 167	0.58 324	0.38 193	0.29 128	0.42 225	0.38 233	0.24 175	0.46 212	2.20 409	0.11 240	0.07 163	0.09 124	0.08 114	0.09 146	0.09 168

test_xeample	0.34 291	0.10 26	0.29 40	0.19 27	0.11 45	0.33 243	0.23 227	0.55 296	0.38 193	0.32 191	0.45 258	0.29 166	0.26 199	0.57 256	2.24 411	0.10 213	0.07 163	0.09 124	0.08 114	0.09 146	0.09 168

ARAFT	0.24 188	0.21 278	0.78 324	0.22 134	0.12 81	0.29 198	0.24 249	0.43 191	0.32 137	0.33 201	0.28 84	0.28 159	0.19 126	0.49 222	0.18 109	0.07 17	0.06 74	0.12 269	0.11 255	0.09 146	0.06 20

SFCPSM	0.22 148	0.10 26	0.51 247	0.21 89	0.14 170	0.34 256	0.22 206	0.55 296	0.39 199	0.29 128	0.32 122	0.23 98	0.21 140	0.27 114	0.19 134	0.09 170	0.07 163	0.09 124	0.09 188	0.09 146	0.08 116

FENet	0.21 122	0.11 66	0.45 204	0.21 89	0.12 81	0.26 159	0.17 63	0.41 169	0.35 161	0.30 156	0.31 118	0.29 166	0.23 160	0.26 99	0.23 194	0.09 170	0.06 74	0.09 124	0.09 188	0.09 146	0.09 168

ac_64	0.27 227	0.13 140	0.41 171	0.24 214	0.17 250	0.36 270	0.22 206	0.46 213	0.33 148	0.35 233	0.36 164	0.52 315	0.30 252	0.62 281	0.32 256	0.11 240	0.09 258	0.10 188	0.10 220	0.09 146	0.08 116

GwcNet-RSSM	0.26 220	0.17 229	0.46 210	0.21 89	0.13 136	0.28 179	0.23 227	0.44 195	0.42 228	0.31 173	0.45 258	0.40 258	0.26 199	0.55 245	0.28 231	0.11 240	0.07 163	0.09 124	0.10 220	0.09 146	0.08 116

AANet_RVC	0.31 269	0.22 290	0.50 241	0.23 176	0.14 170	0.30 215	0.24 249	0.47 220	0.54 320	0.38 261	0.60 325	0.43 271	0.29 243	0.87 355	0.40 294	0.11 240	0.07 163	0.07 16	0.07 53	0.09 146	0.09 168

HITNet	0.20 108	0.17 229	0.43 188	0.19 27	0.08 3	0.27 166	0.14 14	0.42 181	0.30 118	0.29 128	0.32 122	0.27 144	0.21 140	0.28 126	0.25 212	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
iResNet_ROB	0.25 210	0.19 257	0.40 149	0.20 60	0.12 81	0.30 215	0.16 41	0.55 296	0.53 317	0.38 261	0.43 237	0.37 228	0.26 199	0.38 193	0.22 180	0.08 103	0.06 74	0.06 1	0.04 1	0.09 146	0.09 168

MGS-Stereo	0.14 9	0.11 66	0.32 64	0.19 27	0.11 45	0.18 15	0.17 63	0.20 2	0.22 35	0.14 10	0.24 63	0.15 30	0.10 4	0.18 21	0.12 7	0.07 17	0.06 74	0.07 16	0.06 25	0.10 195	0.06 20

MyStereo8	0.22 148	0.15 195	0.63 294	0.21 89	0.17 250	0.31 226	0.16 41	0.36 129	0.32 137	0.28 103	0.36 164	0.25 116	0.18 113	0.25 86	0.28 231	0.08 103	0.07 163	0.08 69	0.07 53	0.10 195	0.12 260

mmm	0.21 122	0.12 85	0.31 58	0.22 134	0.12 81	0.28 179	0.21 190	0.41 169	0.27 78	0.29 128	0.38 183	0.29 166	0.24 175	0.29 139	0.22 180	0.09 170	0.07 163	0.11 236	0.09 188	0.10 195	0.09 168

test croco	0.17 40	0.13 140	0.43 188	0.21 89	0.13 136	0.16 8	0.17 63	0.27 24	0.22 35	0.16 27	0.26 75	0.13 13	0.16 68	0.27 114	0.16 72	0.08 103	0.06 74	0.10 188	0.07 53	0.10 195	0.07 69

StereoVision	0.22 148	0.18 241	0.37 114	0.27 302	0.17 250	0.23 115	0.22 206	0.38 141	0.31 129	0.20 46	0.51 290	0.22 79	0.16 68	0.28 126	0.18 109	0.11 240	0.12 310	0.13 288	0.13 305	0.10 195	0.07 69

riskmin	0.18 58	0.09 10	0.34 83	0.18 9	0.12 81	0.24 130	0.16 41	0.34 93	0.28 91	0.21 55	0.23 53	0.33 199	0.24 175	0.23 56	0.17 95	0.09 170	0.06 74	0.09 124	0.06 25	0.10 195	0.10 213

CRFU-Net	0.28 245	0.14 170	0.45 204	0.25 251	0.15 211	0.45 319	0.23 227	0.50 245	0.30 118	0.43 307	0.41 211	0.48 298	0.46 333	0.43 204	0.29 241	0.11 240	0.10 276	0.09 124	0.08 114	0.10 195	0.10 213

test_5	0.23 165	0.19 257	0.38 133	0.26 279	0.18 270	0.25 141	0.29 296	0.40 159	0.37 180	0.29 128	0.40 203	0.25 116	0.22 151	0.34 174	0.18 109	0.07 17	0.05 6	0.09 124	0.09 188	0.10 195	0.10 213

CSP-Net	0.27 227	0.15 195	0.30 46	0.21 89	0.14 170	0.44 314	0.24 249	0.50 245	0.40 212	0.41 293	0.43 237	0.42 268	0.26 199	0.66 298	0.28 231	0.12 267	0.08 230	0.08 69	0.08 114	0.10 195	0.09 168

PSMNet-ADL	0.25 210	0.15 195	0.32 64	0.26 279	0.14 170	0.31 226	0.22 206	0.44 195	0.36 171	0.27 94	0.33 141	0.41 261	0.28 230	0.61 273	0.29 241	0.11 240	0.09 258	0.09 124	0.11 255	0.10 195	0.10 213

Patchmatch Stereo++	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.26 99	0.16 72	0.08 103	0.06 74	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 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.16 41	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.18 113	0.24 62	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

ROB_FTStereo_v2	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.16 41	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.24 62	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

ROB_FTStereo	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.28 84	0.25 116	0.17 91	0.24 62	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

HUI-Stereo	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.28 84	0.25 116	0.17 91	0.22 49	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

iGMRVC	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.15 27	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.27 114	0.17 95	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

iRAFT	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.14 14	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.17 91	0.26 99	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

CRE-IMP	0.18 58	0.12 85	0.37 114	0.22 134	0.11 45	0.24 130	0.17 63	0.29 44	0.21 28	0.27 94	0.26 75	0.24 109	0.17 91	0.23 56	0.18 109	0.08 103	0.05 6	0.10 188	0.07 53	0.10 195	0.10 213

RAFT	0.21 122	0.17 229	0.32 64	0.24 214	0.12 81	0.25 141	0.27 279	0.35 110	0.28 91	0.33 201	0.33 141	0.38 233	0.22 151	0.29 139	0.17 95	0.08 103	0.08 230	0.11 236	0.10 220	0.10 195	0.06 20

RAFT-IKP	0.18 58	0.12 85	0.37 114	0.22 134	0.10 22	0.18 15	0.15 27	0.29 44	0.22 35	0.28 103	0.29 93	0.25 116	0.18 113	0.25 86	0.16 72	0.08 103	0.06 74	0.10 188	0.08 114	0.10 195	0.08 116

GES	0.22 148	0.12 85	0.42 178	0.20 60	0.14 170	0.27 166	0.19 129	0.49 237	0.33 148	0.30 156	0.36 164	0.25 116	0.23 160	0.29 139	0.22 180	0.10 213	0.08 230	0.08 69	0.07 53	0.10 195	0.11 238

HCRNet	0.24 188	0.25 304	0.33 78	0.34 349	0.16 234	0.27 166	0.18 92	0.43 191	0.35 161	0.30 156	0.35 154	0.32 192	0.22 151	0.44 208	0.20 145	0.13 283	0.08 230	0.13 288	0.11 255	0.10 195	0.09 168

GMStereo	0.19 95	0.25 304	0.40 149	0.21 89	0.12 81	0.22 98	0.19 129	0.29 44	0.40 212	0.25 81	0.23 53	0.16 39	0.15 54	0.25 86	0.19 134	0.09 170	0.06 74	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
MMNet	0.27 227	0.14 170	0.49 231	0.24 214	0.17 250	0.47 327	0.22 206	0.45 203	0.51 307	0.39 276	0.41 211	0.36 224	0.33 273	0.39 195	0.34 267	0.08 103	0.07 163	0.09 124	0.09 188	0.10 195	0.08 116

psm_up	0.29 255	0.16 213	0.41 171	0.26 279	0.17 250	0.32 234	0.26 274	0.55 296	0.43 233	0.36 248	0.40 203	0.45 285	0.37 296	0.58 261	0.30 247	0.11 240	0.12 310	0.13 288	0.12 287	0.10 195	0.10 213

UNet	0.28 245	0.14 170	0.69 309	0.23 176	0.20 302	0.44 314	0.22 206	0.50 245	0.40 212	0.34 217	0.39 195	0.43 271	0.33 273	0.40 198	0.31 251	0.09 170	0.07 163	0.10 188	0.08 114	0.10 195	0.08 116

UPFNet	0.25 210	0.12 85	0.38 133	0.24 214	0.19 288	0.37 275	0.28 292	0.48 231	0.38 193	0.34 217	0.37 173	0.37 228	0.28 230	0.39 195	0.33 263	0.10 213	0.09 258	0.10 188	0.10 220	0.10 195	0.08 116

ACVNet	0.23 165	0.13 140	0.35 91	0.18 9	0.15 211	0.27 166	0.23 227	0.39 152	0.44 247	0.28 103	0.41 211	0.38 233	0.26 199	0.27 114	0.32 256	0.08 103	0.07 163	0.08 69	0.07 53	0.10 195	0.07 69

HGLStereo	0.27 227	0.14 170	0.46 210	0.24 214	0.21 310	0.33 243	0.23 227	0.50 245	0.42 228	0.35 233	0.48 281	0.41 261	0.33 273	0.45 210	0.33 263	0.11 240	0.10 276	0.09 124	0.09 188	0.10 195	0.12 260

GANet-RSSM	0.24 188	0.14 170	0.36 109	0.21 89	0.14 170	0.27 166	0.21 190	0.45 203	0.33 148	0.29 128	0.39 195	0.39 245	0.28 230	0.58 261	0.23 194	0.11 240	0.07 163	0.09 124	0.09 188	0.10 195	0.09 168

PSMNet-RSSM	0.24 188	0.15 195	0.36 109	0.21 89	0.14 170	0.25 141	0.20 167	0.48 231	0.37 180	0.30 156	0.44 246	0.38 233	0.26 199	0.52 235	0.22 180	0.12 267	0.07 163	0.11 236	0.13 305	0.10 195	0.09 168

DMCA	0.22 148	0.14 170	0.36 109	0.22 134	0.14 170	0.27 166	0.20 167	0.43 191	0.38 193	0.31 173	0.32 122	0.33 199	0.24 175	0.24 62	0.28 231	0.11 240	0.08 230	0.10 188	0.08 114	0.10 195	0.11 238

BEATNet_4x	0.22 148	0.18 241	0.47 217	0.22 134	0.10 22	0.28 179	0.14 14	0.46 213	0.32 137	0.31 173	0.34 147	0.31 184	0.25 190	0.31 156	0.29 241	0.08 103	0.06 74	0.08 69	0.06 25	0.10 195	0.08 116

NLCA_NET_v2_RVC	0.27 227	0.21 278	0.59 278	0.25 251	0.18 270	0.29 198	0.22 206	0.50 245	0.40 212	0.38 261	0.41 211	0.43 271	0.27 216	0.43 204	0.29 241	0.11 240	0.08 230	0.10 188	0.10 220	0.10 195	0.11 238
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.27 227	0.17 229	0.35 91	0.25 251	0.14 170	0.37 275	0.21 190	0.47 220	0.41 223	0.44 313	0.51 290	0.41 261	0.28 230	0.45 210	0.37 278	0.09 170	0.06 74	0.11 236	0.11 255	0.10 195	0.10 213
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.28 245	0.16 213	0.34 83	0.27 302	0.16 234	0.38 282	0.25 263	0.48 231	0.43 233	0.46 320	0.46 268	0.51 312	0.33 273	0.53 240	0.33 263	0.10 213	0.10 276	0.11 236	0.11 255	0.10 195	0.09 168

pmcnn	0.50 351	0.20 265	0.78 324	0.24 214	0.26 353	0.39 289	0.30 306	0.51 258	0.50 304	0.54 349	1.23 386	2.52 409	0.37 296	0.77 335	0.95 370	0.08 103	0.06 74	0.06 1	0.05 10	0.10 195	0.08 116

mmx	0.31 269	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.55 296	0.45 259	0.30 156	0.42 225	0.34 205	0.23 160	0.81 346	1.08 376	0.10 213	0.07 163	0.11 236	0.10 220	0.11 232	0.10 213

ttt	0.29 255	0.12 85	0.34 83	0.21 89	0.13 136	0.29 198	0.20 167	0.56 310	0.47 278	0.31 173	0.44 246	0.30 176	0.22 151	0.65 294	0.85 366	0.13 283	0.10 276	0.10 188	0.10 220	0.11 232	0.11 238

xxx	0.31 269	0.12 85	0.42 178	0.20 60	0.13 136	0.28 179	0.20 167	0.55 296	0.45 259	0.30 156	0.42 225	0.34 205	0.23 160	0.81 346	1.08 376	0.10 213	0.07 163	0.11 236	0.10 220	0.11 232	0.10 213

PCWNet_CMD	0.23 165	0.13 140	0.48 226	0.20 60	0.13 136	0.28 179	0.16 41	0.46 213	0.46 273	0.29 128	0.36 164	0.37 228	0.24 175	0.28 126	0.20 145	0.09 170	0.06 74	0.10 188	0.08 114	0.11 232	0.09 168

CASS	0.21 122	0.15 195	0.32 64	0.26 279	0.11 45	0.28 179	0.19 129	0.39 152	0.30 118	0.32 191	0.34 147	0.25 116	0.24 175	0.25 86	0.20 145	0.13 283	0.08 230	0.11 236	0.09 188	0.11 232	0.11 238
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.24 188	0.16 213	0.48 226	0.21 89	0.13 136	0.29 198	0.29 296	0.39 152	0.39 199	0.27 94	0.35 154	0.39 245	0.31 263	0.31 156	0.29 241	0.08 103	0.09 258	0.10 188	0.11 255	0.11 232	0.10 213

ssnet_v2	0.28 245	0.16 213	0.44 194	0.22 134	0.15 211	0.40 294	0.30 306	0.57 317	0.46 273	0.38 261	0.36 164	0.47 293	0.29 243	0.38 193	0.39 288	0.13 283	0.11 293	0.11 236	0.11 255	0.11 232	0.11 238

Wz-Net-LNSev-Ref	0.30 262	0.20 265	0.70 315	0.21 89	0.17 250	0.46 321	0.27 279	0.50 245	0.49 296	0.42 301	0.55 310	0.43 271	0.30 252	0.46 212	0.38 280	0.09 170	0.06 74	0.07 16	0.06 25	0.11 232	0.10 213

NINENet	0.25 210	0.15 195	0.37 114	0.23 176	0.16 234	0.43 312	0.17 63	0.60 337	0.46 273	0.32 191	0.37 173	0.32 192	0.20 134	0.42 202	0.21 166	0.10 213	0.10 276	0.12 269	0.08 114	0.11 232	0.10 213

dd	0.22 148	0.26 315	0.40 149	0.22 134	0.12 81	0.25 141	0.21 190	0.32 73	0.44 247	0.29 128	0.28 84	0.25 116	0.16 68	0.30 151	0.25 212	0.12 267	0.07 163	0.10 188	0.08 114	0.11 232	0.09 168

GEStereo_RVC	0.27 227	0.20 265	0.44 194	0.27 302	0.16 234	0.33 243	0.25 263	0.56 310	0.54 320	0.34 217	0.38 183	0.34 205	0.25 190	0.51 229	0.28 231	0.12 267	0.08 230	0.09 124	0.08 114	0.11 232	0.11 238

Anonymous3	0.23 165	0.18 241	0.63 294	0.27 302	0.18 270	0.41 297	0.23 227	0.43 191	0.35 161	0.23 62	0.27 80	0.20 64	0.18 113	0.27 114	0.18 109	0.12 267	0.11 293	0.10 188	0.10 220	0.11 232	0.12 260

TestStereo	0.21 122	0.19 257	0.40 149	0.25 251	0.10 22	0.22 98	0.21 190	0.31 65	0.31 129	0.23 62	0.34 147	0.22 79	0.18 113	0.62 281	0.18 109	0.08 103	0.06 74	0.10 188	0.07 53	0.11 232	0.06 20

CFNet_pseudo	0.23 165	0.13 140	0.47 217	0.19 27	0.13 136	0.26 159	0.16 41	0.44 195	0.44 247	0.29 128	0.37 173	0.38 233	0.23 160	0.29 139	0.21 166	0.09 170	0.06 74	0.11 236	0.08 114	0.11 232	0.09 168

ADLNet	0.28 245	0.15 195	0.42 178	0.23 176	0.19 288	0.34 256	0.23 227	0.53 279	0.43 233	0.42 301	0.41 211	0.44 281	0.27 216	0.55 245	0.35 271	0.11 240	0.08 230	0.11 236	0.11 255	0.11 232	0.12 260

RAFT + AFF	0.27 227	0.23 297	0.50 241	0.25 251	0.17 250	0.30 215	0.33 324	0.52 268	0.40 212	0.28 103	0.30 104	0.30 176	0.31 263	0.62 281	0.24 203	0.09 170	0.10 276	0.11 236	0.10 220	0.11 232	0.11 238

acv_ft	0.25 210	0.13 140	0.40 149	0.23 176	0.19 288	0.34 256	0.21 190	0.45 203	0.44 247	0.38 261	0.41 211	0.38 233	0.27 216	0.27 114	0.35 271	0.08 103	0.07 163	0.08 69	0.07 53	0.11 232	0.07 69

DSFCA	0.27 227	0.13 140	0.36 109	0.20 60	0.17 250	0.38 282	0.31 310	0.47 220	0.43 233	0.43 307	0.37 173	0.39 245	0.29 243	0.52 235	0.32 256	0.12 267	0.10 276	0.10 188	0.11 255	0.11 232	0.10 213

ADCRef	0.38 315	0.24 300	0.88 349	0.26 279	0.21 310	0.49 334	0.27 279	0.52 268	0.48 287	0.50 331	0.58 318	0.35 219	0.47 336	0.48 217	1.29 392	0.09 170	0.08 230	0.12 269	0.12 287	0.11 232	0.11 238

MSMDNet	0.23 165	0.13 140	0.48 226	0.20 60	0.13 136	0.28 179	0.16 41	0.46 213	0.46 273	0.29 128	0.36 164	0.37 228	0.24 175	0.28 126	0.20 145	0.09 170	0.06 74	0.09 124	0.08 114	0.11 232	0.09 168

CFNet	0.27 227	0.20 265	0.44 194	0.22 134	0.14 170	0.33 243	0.14 14	0.51 258	0.45 259	0.30 156	0.40 203	0.38 233	0.27 216	0.76 329	0.25 212	0.09 170	0.07 163	0.11 236	0.11 255	0.11 232	0.08 116

ccs_rob	0.23 165	0.13 140	0.47 217	0.20 60	0.13 136	0.26 159	0.17 63	0.44 195	0.44 247	0.29 128	0.37 173	0.38 233	0.23 160	0.29 139	0.21 166	0.09 170	0.06 74	0.11 236	0.08 114	0.11 232	0.09 168

AdaStereo	0.24 188	0.16 213	0.37 114	0.24 214	0.12 81	0.32 234	0.17 63	0.54 286	0.42 228	0.33 201	0.38 183	0.35 219	0.21 140	0.30 151	0.22 180	0.14 306	0.06 74	0.13 288	0.08 114	0.11 232	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.
NaN_ROB	0.41 329	0.28 325	0.62 291	0.30 329	0.19 288	0.51 338	0.47 367	0.58 324	0.59 335	0.56 351	0.47 275	0.49 302	0.41 312	1.21 388	0.64 350	0.12 267	0.18 356	0.12 269	0.13 305	0.11 232	0.14 289

LE_ROB	1.76 409	0.20 265	2.68 410	0.48 380	0.52 386	0.78 377	0.96 405	0.84 389	6.61 421	7.40 422	2.08 409	2.08 402	4.83 417	1.27 392	3.79 417	0.10 213	0.08 230	0.12 269	0.11 255	0.11 232	0.10 213

DN-CSS_ROB	0.22 148	0.25 304	0.47 217	0.24 214	0.14 170	0.25 141	0.12 1	0.40 159	0.33 148	0.29 128	0.42 225	0.22 79	0.20 134	0.33 168	0.19 134	0.07 17	0.06 74	0.11 236	0.11 255	0.11 232	0.07 69

CFNet_ucs	0.24 188	0.13 140	0.50 241	0.20 60	0.15 211	0.28 179	0.17 63	0.49 237	0.45 259	0.32 191	0.42 225	0.39 245	0.22 151	0.31 156	0.21 166	0.11 240	0.08 230	0.12 269	0.09 188	0.12 258	0.11 238

fast-acv-ft	0.31 269	0.20 265	0.81 334	0.24 214	0.18 270	0.46 321	0.27 279	0.41 169	0.49 296	0.39 276	0.55 310	0.49 302	0.35 284	0.37 189	0.38 280	0.11 240	0.11 293	0.11 236	0.12 287	0.12 258	0.09 168

ADLNet2	0.30 262	0.17 229	0.72 318	0.23 176	0.17 250	0.36 270	0.24 249	0.52 268	0.51 307	0.32 191	0.38 183	0.45 285	0.30 252	0.69 303	0.35 271	0.10 213	0.08 230	0.09 124	0.09 188	0.12 258	0.10 213

CFNet-ft	0.24 188	0.15 195	0.35 91	0.18 9	0.15 211	0.30 215	0.21 190	0.39 152	0.36 171	0.28 103	0.40 203	0.43 271	0.25 190	0.47 215	0.24 203	0.12 267	0.07 163	0.12 269	0.11 255	0.12 258	0.09 168

STTStereo	0.28 245	0.20 265	0.61 283	0.25 251	0.17 250	0.29 198	0.24 249	0.47 220	0.39 199	0.39 276	0.41 211	0.44 281	0.28 230	0.40 198	0.28 231	0.13 283	0.12 310	0.13 288	0.16 335	0.12 258	0.11 238

PA-Net	0.37 309	0.28 325	0.83 338	0.31 336	0.28 358	0.39 289	0.42 354	0.51 258	0.55 326	0.34 217	0.42 225	0.41 261	0.36 288	0.79 339	0.49 323	0.12 267	0.23 373	0.16 328	0.23 366	0.12 258	0.18 326
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
TDLM	0.30 262	0.21 278	0.38 133	0.28 319	0.15 211	0.33 243	0.32 314	0.52 268	0.47 278	0.38 261	0.43 237	0.39 245	0.29 243	0.91 363	0.28 231	0.14 306	0.08 230	0.13 288	0.11 255	0.12 258	0.10 213

CFNet_RVC	0.24 188	0.15 195	0.35 91	0.18 9	0.15 211	0.30 215	0.21 190	0.39 152	0.36 171	0.28 103	0.40 203	0.43 271	0.25 190	0.47 215	0.24 203	0.12 267	0.07 163	0.12 269	0.11 255	0.12 258	0.09 168

iResNetv2_ROB	0.27 227	0.26 315	0.72 318	0.23 176	0.13 136	0.29 198	0.18 92	0.52 268	0.49 296	0.37 253	0.45 258	0.39 245	0.25 190	0.34 174	0.20 145	0.08 103	0.06 74	0.07 16	0.05 10	0.12 258	0.09 168

DRN-Test	0.33 284	0.17 229	0.61 283	0.27 302	0.19 288	0.46 321	0.29 296	0.65 357	0.51 307	0.47 327	0.46 268	0.44 281	0.34 280	0.62 281	0.41 300	0.12 267	0.08 230	0.13 288	0.12 287	0.12 258	0.10 213

StereoDRNet	0.32 278	0.22 290	0.61 283	0.27 302	0.21 310	0.42 304	0.30 306	0.61 341	0.48 287	0.46 320	0.39 195	0.48 298	0.30 252	0.57 256	0.40 294	0.11 240	0.09 258	0.12 269	0.11 255	0.12 258	0.10 213

DISCO	0.32 278	0.13 140	0.51 247	0.25 251	0.16 234	0.48 331	0.25 263	0.50 245	0.57 332	0.37 253	0.45 258	0.62 343	0.36 288	0.64 288	0.49 323	0.09 170	0.07 163	0.09 124	0.08 114	0.12 258	0.11 238

MDST_ROB	0.48 347	0.14 170	0.95 360	0.30 329	0.21 310	1.33 403	0.32 314	0.77 380	0.56 329	1.06 389	0.71 350	0.49 302	0.35 284	1.26 391	0.38 280	0.13 283	0.11 293	0.16 328	0.13 305	0.12 258	0.12 260

iinet-f	0.30 262	0.18 241	1.03 371	0.20 60	0.15 211	0.44 314	0.22 206	0.45 203	0.37 180	0.35 233	0.44 246	0.41 261	0.34 280	0.34 174	0.40 294	0.10 213	0.09 258	0.08 69	0.08 114	0.13 271	0.11 238

AASNet	0.27 227	0.19 257	0.49 231	0.26 279	0.17 250	0.34 256	0.20 167	0.62 349	0.48 287	0.35 233	0.40 203	0.32 192	0.25 190	0.28 126	0.34 267	0.11 240	0.09 258	0.10 188	0.08 114	0.13 271	0.11 238

AACVNet	0.26 220	0.16 213	0.37 114	0.22 134	0.14 170	0.29 198	0.19 129	0.41 169	0.31 129	0.38 261	0.42 225	0.43 271	0.28 230	0.73 316	0.25 212	0.11 240	0.08 230	0.11 236	0.09 188	0.13 271	0.11 238

LCNet	0.21 122	0.11 66	0.29 40	0.25 251	0.12 81	0.23 115	0.19 129	0.34 93	0.26 69	0.28 103	0.35 154	0.26 136	0.30 252	0.35 183	0.17 95	0.07 17	0.05 6	0.09 124	0.10 220	0.13 271	0.22 355

LMCR-Stereo	0.26 220	0.18 241	0.49 231	0.28 319	0.14 170	0.36 270	0.23 227	0.54 286	0.34 155	0.39 276	0.40 203	0.29 166	0.29 243	0.37 189	0.27 228	0.11 240	0.07 163	0.09 124	0.07 53	0.13 271	0.09 168

Syn2CoEx	0.36 300	0.31 343	0.78 324	0.34 349	0.21 310	0.41 297	0.28 292	0.61 341	0.49 296	0.42 301	0.56 315	0.45 285	0.44 324	0.69 303	0.38 280	0.17 339	0.14 324	0.15 319	0.12 287	0.13 271	0.12 260

GwcNet	0.35 296	0.23 297	0.88 349	0.25 251	0.24 341	0.48 331	0.27 279	0.55 296	0.57 332	0.38 261	0.52 298	0.51 312	0.32 270	0.60 268	0.41 300	0.13 283	0.11 293	0.12 269	0.11 255	0.13 271	0.14 289

DMCA-RVC	0.27 227	0.21 278	0.61 283	0.28 319	0.17 250	0.29 198	0.21 190	0.42 181	0.35 161	0.40 284	0.37 173	0.39 245	0.36 288	0.43 204	0.30 247	0.13 283	0.10 276	0.15 319	0.11 255	0.13 271	0.10 213

FADNet-RVC-Resample	0.29 255	0.25 304	0.93 357	0.26 279	0.16 234	0.32 234	0.21 190	0.47 220	0.39 199	0.35 233	0.38 183	0.33 199	0.27 216	0.53 240	0.24 203	0.10 213	0.10 276	0.14 307	0.13 305	0.13 271	0.16 305

UCFNet_RVC	0.24 188	0.16 213	0.34 83	0.18 9	0.15 211	0.33 243	0.16 41	0.46 213	0.35 161	0.29 128	0.35 154	0.39 245	0.25 190	0.34 174	0.22 180	0.13 283	0.08 230	0.13 288	0.14 316	0.13 271	0.12 260

PSMNet_ROB	0.33 284	0.24 300	0.54 257	0.31 336	0.21 310	0.42 304	0.43 356	0.59 329	0.47 278	0.37 253	0.44 246	0.49 302	0.31 263	0.64 288	0.43 304	0.14 306	0.10 276	0.15 319	0.14 316	0.13 271	0.11 238

CBMV	0.33 284	0.21 278	0.54 257	0.23 176	0.13 136	0.42 304	0.33 324	0.53 279	0.48 287	0.52 342	0.49 282	0.50 308	0.41 312	0.56 253	0.31 251	0.15 317	0.16 345	0.18 341	0.16 335	0.13 271	0.13 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-LNSev	0.34 291	0.29 332	0.91 353	0.26 279	0.21 310	0.47 327	0.31 310	0.54 286	0.54 320	0.44 313	0.52 298	0.50 308	0.35 284	0.39 195	0.39 288	0.11 240	0.11 293	0.10 188	0.09 188	0.14 283	0.13 272

UDGNet	0.23 165	0.31 343	0.38 133	0.24 214	0.14 170	0.24 130	0.18 92	0.32 73	0.43 233	0.29 128	0.28 84	0.24 109	0.19 126	0.29 139	0.20 145	0.15 317	0.07 163	0.21 353	0.11 255	0.14 283	0.10 213

dad	0.28 245	0.31 343	0.44 194	0.21 89	0.14 170	0.30 215	0.20 167	0.33 87	0.49 296	0.44 313	0.44 246	0.45 285	0.21 140	0.41 200	0.26 224	0.20 357	0.11 293	0.20 351	0.11 255	0.14 283	0.10 213

pcwnet_v2	0.32 278	0.15 195	1.26 385	0.23 176	0.18 270	0.32 234	0.18 92	0.59 329	0.60 338	0.36 248	0.45 258	0.35 219	0.29 243	0.36 187	0.25 212	0.14 306	0.11 293	0.12 269	0.11 255	0.14 283	0.15 298

FAT-Stereo	0.36 300	0.18 241	0.73 321	0.26 279	0.18 270	0.33 243	0.29 296	0.60 337	0.59 335	0.46 320	0.60 325	0.60 337	0.50 344	0.61 273	0.34 267	0.13 283	0.14 324	0.13 288	0.12 287	0.14 283	0.18 326

Nwc_Net	0.37 309	0.25 304	0.68 308	0.31 336	0.24 341	0.44 314	0.30 306	0.65 357	0.50 304	0.37 253	0.69 349	0.58 332	0.45 327	0.60 268	0.40 294	0.15 317	0.12 310	0.19 348	0.21 357	0.14 283	0.13 272

ADCL	0.47 345	0.22 290	1.00 365	0.27 302	0.19 288	0.74 371	0.64 385	0.54 286	0.69 357	0.56 351	0.71 350	0.55 323	0.60 359	0.60 268	1.43 394	0.11 240	0.09 258	0.13 288	0.13 305	0.14 283	0.14 289

ADCP+	0.45 342	0.24 300	1.15 379	0.25 251	0.22 325	0.56 350	0.39 347	0.54 286	0.51 307	0.44 313	0.51 290	0.46 291	0.52 349	0.56 253	1.89 405	0.10 213	0.08 230	0.11 236	0.10 220	0.14 283	0.13 272

GANet	0.36 300	0.22 290	0.49 231	0.29 322	0.17 250	0.41 297	0.38 342	0.57 317	0.45 259	0.46 320	0.75 356	0.55 323	0.40 308	0.94 368	0.41 300	0.13 283	0.13 320	0.13 288	0.11 255	0.14 283	0.11 238

CVANet_RVC	0.30 262	0.19 257	0.41 171	0.26 279	0.16 234	0.33 243	0.26 274	0.52 268	0.47 278	0.40 284	0.46 268	0.43 271	0.31 263	0.89 359	0.26 224	0.14 306	0.09 258	0.14 307	0.13 305	0.14 283	0.10 213

DeepPruner_ROB	0.26 220	0.19 257	0.44 194	0.21 89	0.16 234	0.30 215	0.21 190	0.52 268	0.32 137	0.35 233	0.38 183	0.39 245	0.26 199	0.42 202	0.24 203	0.15 317	0.11 293	0.11 236	0.11 255	0.14 283	0.13 272

CBMV_ROB	0.33 284	0.18 241	0.53 254	0.21 89	0.14 170	0.33 243	0.20 167	0.51 258	0.45 259	0.51 336	0.55 310	0.45 285	0.42 320	0.71 309	0.32 256	0.18 349	0.19 360	0.23 360	0.21 357	0.14 283	0.15 298

Wz-Net-MNSev	0.36 300	0.26 315	0.79 330	0.26 279	0.21 310	0.59 355	0.38 342	0.55 296	0.56 329	0.48 330	0.54 306	0.53 319	0.36 288	0.60 268	0.44 308	0.11 240	0.09 258	0.11 236	0.11 255	0.15 295	0.13 272

Anonymous	0.20 108	0.14 170	0.47 217	0.27 302	0.20 302	0.25 141	0.25 263	0.32 73	0.26 69	0.18 44	0.18 25	0.15 30	0.19 126	0.24 62	0.18 109	0.10 213	0.09 258	0.09 124	0.09 188	0.15 295	0.13 272

hitnet-ft	0.29 255	0.17 229	0.40 149	0.19 27	0.14 170	0.39 289	0.23 227	0.44 195	0.41 223	0.36 248	0.46 268	0.53 319	0.34 280	0.76 329	0.32 256	0.14 306	0.10 276	0.13 288	0.10 220	0.15 295	0.13 272

AF-Net	0.37 309	0.26 315	0.56 266	0.32 342	0.23 336	0.41 297	0.29 296	0.61 341	0.64 347	0.42 301	0.68 345	0.65 354	0.49 343	0.57 256	0.44 308	0.15 317	0.11 293	0.19 348	0.14 316	0.15 295	0.13 272

SGM-ForestM	1.36 400	0.28 325	0.79 330	0.26 279	0.16 234	2.26 414	1.00 407	1.42 402	1.46 401	2.38 413	2.05 408	5.95 422	2.66 415	2.95 414	2.46 412	0.17 339	0.18 356	0.18 341	0.18 349	0.15 295	0.18 326

PS-NSSS	0.32 278	0.30 338	0.46 210	0.23 176	0.17 250	0.33 243	0.24 249	0.57 317	0.41 223	0.37 253	0.52 298	0.35 219	0.30 252	0.80 343	0.30 247	0.17 339	0.14 324	0.21 353	0.15 324	0.15 295	0.13 272

XPNet_ROB	0.33 284	0.20 265	0.43 188	0.27 302	0.18 270	0.37 275	0.31 310	0.55 296	0.50 304	0.51 336	0.53 303	0.58 332	0.37 296	0.63 286	0.45 311	0.17 339	0.12 310	0.13 288	0.12 287	0.15 295	0.14 289

SGM-Forest	0.36 300	0.17 229	0.47 217	0.23 176	0.16 234	0.45 319	0.41 351	0.55 296	0.48 287	0.52 342	0.60 325	0.52 315	0.41 312	0.85 352	0.50 328	0.17 339	0.17 350	0.17 334	0.15 324	0.15 295	0.15 298
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GMStereo_Zeroshot	0.24 188	0.21 278	0.45 204	0.26 279	0.13 136	0.28 179	0.15 27	0.39 152	0.35 161	0.37 253	0.43 237	0.40 258	0.17 91	0.34 174	0.20 145	0.12 267	0.07 163	0.13 288	0.07 53	0.16 303	0.09 168

HBP-ISP	0.33 284	0.30 338	0.72 318	0.22 134	0.16 234	0.32 234	0.22 206	0.54 286	0.44 247	0.41 293	0.49 282	0.33 199	0.38 300	0.73 316	0.25 212	0.18 349	0.19 360	0.24 362	0.20 354	0.16 303	0.13 272

Wz-Net-SNSev	0.43 335	0.41 368	1.27 386	0.30 329	0.21 310	0.44 314	0.41 351	0.61 341	0.65 348	0.46 320	0.65 339	0.62 343	0.39 305	0.74 323	0.59 341	0.12 267	0.11 293	0.12 269	0.13 305	0.16 303	0.14 289

SACVNet	0.30 262	0.20 265	0.41 171	0.25 251	0.18 270	0.34 256	0.25 263	0.52 268	0.40 212	0.41 293	0.44 246	0.46 291	0.32 270	0.71 309	0.25 212	0.13 283	0.10 276	0.12 269	0.12 287	0.16 303	0.17 313

APVNet	0.36 300	0.20 265	0.70 315	0.26 279	0.22 325	0.52 347	0.35 329	0.61 341	0.44 247	0.38 261	0.52 298	0.48 298	0.38 300	0.84 351	0.46 317	0.13 283	0.14 324	0.15 319	0.16 335	0.16 303	0.15 298

psmorigin	0.50 351	0.25 304	3.03 412	0.24 214	0.19 288	0.38 282	0.22 206	0.50 245	0.44 247	0.64 360	0.68 345	0.71 367	0.51 347	0.85 352	0.45 311	0.14 306	0.17 350	0.13 288	0.14 316	0.16 303	0.21 350

aanetorigin	0.39 321	0.29 332	1.09 374	0.24 214	0.19 288	0.28 179	0.37 336	0.33 87	0.47 278	0.94 381	0.82 364	0.52 315	0.54 350	0.49 222	0.50 328	0.11 240	0.09 258	0.10 188	0.10 220	0.16 303	0.15 298

S-Stereo	0.38 315	0.20 265	1.05 372	0.27 302	0.22 325	0.38 282	0.32 314	0.55 296	0.66 349	0.39 276	0.59 320	0.49 302	0.41 312	0.75 324	0.40 294	0.12 267	0.15 338	0.13 288	0.13 305	0.16 303	0.21 350

NCC-stereo	0.39 321	0.25 304	0.69 309	0.32 342	0.28 358	0.46 321	0.36 332	0.65 357	0.52 313	0.40 284	0.57 316	0.56 325	0.47 336	0.73 316	0.45 311	0.17 339	0.14 324	0.18 341	0.25 368	0.16 303	0.16 305

edge stereo	0.39 321	0.22 290	0.81 334	0.27 302	0.22 325	0.37 275	0.24 249	0.56 310	0.54 320	0.53 347	0.60 325	0.71 367	0.50 344	0.78 337	0.40 294	0.16 329	0.14 324	0.19 348	0.14 316	0.16 303	0.17 313

Abc-Net	0.39 321	0.25 304	0.69 309	0.32 342	0.28 358	0.46 321	0.36 332	0.65 357	0.52 313	0.40 284	0.57 316	0.56 325	0.47 336	0.73 316	0.45 311	0.17 339	0.14 324	0.18 341	0.25 368	0.16 303	0.16 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Anonymous Stereo	0.38 315	0.34 350	1.00 365	0.30 329	0.25 348	0.33 243	0.44 359	0.50 245	0.54 320	0.41 293	0.45 258	0.39 245	0.26 199	0.93 365	0.48 320	0.15 317	0.14 324	0.15 319	0.16 335	0.16 303	0.17 313

NCCL2	0.35 296	0.26 315	0.49 231	0.36 359	0.22 325	0.41 297	0.41 351	0.53 279	0.42 228	0.47 327	0.46 268	0.61 341	0.39 305	0.55 245	0.37 278	0.16 329	0.13 320	0.21 353	0.21 357	0.16 303	0.16 305

ETE_ROB	0.34 291	0.26 315	0.45 204	0.29 322	0.18 270	0.40 294	0.37 336	0.57 317	0.47 278	0.50 331	0.50 284	0.62 343	0.36 288	0.55 245	0.38 280	0.13 283	0.10 276	0.14 307	0.12 287	0.16 303	0.16 305

SGM_RVC	0.50 351	0.19 257	0.50 241	0.25 251	0.15 211	0.69 366	0.39 347	0.68 371	0.82 373	0.95 383	0.84 366	1.13 383	0.76 375	1.16 384	0.60 343	0.16 329	0.16 345	0.16 328	0.16 335	0.16 303	0.17 313
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SDNR	0.42 332	0.21 278	0.82 337	0.21 89	0.18 270	1.27 400	0.17 63	0.50 245	0.49 296	0.42 301	0.81 363	0.38 233	0.27 216	1.19 385	0.38 280	0.23 361	0.24 375	0.17 334	0.13 305	0.17 318	0.20 343

RP	0.35 296	0.22 290	0.51 247	0.31 336	0.24 341	0.37 275	0.28 292	0.50 245	0.58 334	0.40 284	0.63 337	0.61 341	0.47 336	0.61 273	0.39 288	0.16 329	0.15 338	0.17 334	0.15 324	0.17 318	0.17 313

RTSC	0.39 321	0.28 325	0.78 324	0.27 302	0.18 270	0.49 334	0.22 206	0.59 329	0.84 378	0.55 350	0.53 303	0.49 302	0.36 288	0.67 300	0.82 362	0.13 283	0.10 276	0.11 236	0.12 287	0.17 318	0.17 313

DeepPrunerF	0.44 341	0.29 332	1.29 388	0.33 347	0.30 366	0.35 265	0.36 332	0.62 349	1.15 395	0.40 284	0.44 246	0.39 245	0.41 312	0.80 343	0.52 331	0.18 349	0.14 324	0.23 360	0.21 357	0.17 318	0.17 313

DANet	0.35 296	0.23 297	0.60 280	0.36 359	0.22 325	0.39 289	0.25 263	0.48 231	0.43 233	0.52 342	0.50 284	0.59 334	0.41 312	0.76 329	0.49 323	0.13 283	0.11 293	0.14 307	0.12 287	0.17 318	0.15 298
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	0.43 335	0.26 315	0.54 257	0.31 336	0.20 302	0.51 338	0.32 314	0.70 373	0.60 338	0.59 354	0.55 310	0.65 354	0.41 312	1.40 396	0.51 330	0.13 283	0.17 350	0.21 353	0.16 335	0.17 318	0.18 326

SANet	0.53 360	0.28 325	0.96 361	0.26 279	0.15 211	0.69 366	0.44 359	0.67 368	1.34 397	0.67 363	0.98 376	0.94 378	0.71 373	0.89 359	0.76 356	0.14 306	0.12 310	0.12 269	0.11 255	0.17 318	0.16 305

NOSS_ROB	0.31 269	0.20 265	0.35 91	0.24 214	0.16 234	0.32 234	0.19 129	0.52 268	0.48 287	0.33 201	0.36 164	0.42 268	0.28 230	0.93 365	0.24 203	0.19 354	0.20 365	0.24 362	0.22 364	0.17 318	0.17 313

LALA_ROB	0.36 300	0.25 304	0.46 210	0.30 329	0.21 310	0.47 327	0.39 347	0.61 341	0.51 307	0.52 342	0.51 290	0.69 364	0.36 288	0.50 224	0.43 304	0.17 339	0.11 293	0.16 328	0.14 316	0.17 318	0.15 298

PWC_ROB	0.38 315	0.29 332	0.69 309	0.25 251	0.20 302	0.38 282	0.19 129	0.58 324	0.67 352	0.57 353	0.85 367	0.51 312	0.40 308	0.71 309	0.52 331	0.13 283	0.09 258	0.14 307	0.10 220	0.17 318	0.14 289

MeshStereo	0.58 366	0.27 322	0.67 304	0.22 134	0.17 250	0.66 364	0.37 336	0.78 381	0.61 341	1.47 409	1.30 388	1.65 396	0.79 377	1.12 382	0.59 341	0.17 339	0.17 350	0.17 334	0.14 316	0.17 318	0.14 289
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
FINET	0.34 291	0.27 322	0.80 332	0.24 214	0.24 341	0.36 270	0.34 326	0.54 286	0.72 362	0.39 276	0.47 275	0.32 192	0.30 252	0.51 229	0.32 256	0.19 354	0.17 350	0.13 288	0.12 287	0.18 329	0.16 305

RGC	0.39 321	0.32 348	0.64 299	0.34 349	0.27 355	0.40 294	0.29 296	0.57 317	0.53 317	0.45 317	0.64 338	0.62 343	0.45 327	0.72 314	0.39 288	0.15 317	0.15 338	0.21 353	0.20 354	0.18 329	0.19 333

RYNet	0.37 309	0.18 241	0.59 278	0.25 251	0.28 358	0.61 359	0.32 314	0.59 329	0.59 335	0.41 293	0.38 183	0.57 329	0.39 305	0.87 355	0.53 333	0.11 240	0.08 230	0.12 269	0.11 255	0.18 329	0.18 326

CSAN	0.50 351	0.35 353	0.78 324	0.36 359	0.23 336	0.56 350	0.59 382	0.61 341	0.70 359	0.64 360	0.78 360	0.65 354	0.60 359	1.38 395	0.62 346	0.21 358	0.17 350	0.20 351	0.20 354	0.18 329	0.18 326

WZ-Net	0.52 359	0.38 363	1.90 400	0.30 329	0.24 341	0.57 353	0.48 371	0.62 349	0.78 370	0.50 331	0.71 350	0.68 362	0.54 350	0.98 374	0.84 363	0.13 283	0.10 276	0.11 236	0.12 287	0.19 333	0.20 343

EDNetEfficient	0.63 372	0.37 361	2.40 406	0.26 279	0.25 348	0.38 282	0.49 373	0.41 169	1.06 390	1.38 399	0.87 371	0.62 343	0.95 388	0.65 294	1.65 398	0.11 240	0.09 258	0.10 188	0.11 255	0.19 333	0.17 313

FADNet-RVC	0.31 269	0.35 353	0.78 324	0.25 251	0.20 302	0.33 243	0.20 167	0.49 237	0.40 212	0.34 217	0.39 195	0.41 261	0.29 243	0.63 286	0.31 251	0.13 283	0.14 324	0.14 307	0.15 324	0.19 333	0.19 333

stereogan	0.37 309	0.17 229	0.65 300	0.27 302	0.22 325	0.62 360	0.26 274	0.59 329	0.63 346	0.43 307	0.60 325	0.67 359	0.42 320	0.68 301	0.35 271	0.13 283	0.14 324	0.14 307	0.12 287	0.19 333	0.17 313

ADCPNet	0.48 347	0.29 332	1.60 396	0.27 302	0.23 336	0.70 369	0.38 342	0.53 279	0.51 307	0.51 336	0.59 320	0.67 359	0.56 354	0.60 268	1.14 382	0.15 317	0.18 356	0.14 307	0.23 366	0.19 333	0.19 333

NVstereo2D	0.31 269	0.16 213	0.54 257	0.24 214	0.22 325	0.42 304	0.28 292	0.58 324	0.56 329	0.28 103	0.38 183	0.40 258	0.30 252	0.71 309	0.28 231	0.13 283	0.08 230	0.13 288	0.10 220	0.19 333	0.16 305

PWCDC_ROB	0.38 315	0.30 338	0.60 280	0.33 347	0.20 302	0.42 304	0.19 129	0.58 324	0.89 379	0.42 301	1.26 387	0.36 224	0.34 280	0.50 224	0.38 280	0.18 349	0.11 293	0.11 236	0.09 188	0.19 333	0.13 272

WCMA_ROB	0.51 355	0.21 278	0.65 300	0.25 251	0.21 310	0.58 354	0.32 314	0.54 286	0.55 326	0.95 383	1.40 391	1.28 389	0.81 380	0.73 316	0.62 346	0.18 349	0.15 338	0.15 319	0.15 324	0.19 333	0.19 333

SHD	0.42 332	0.27 322	0.81 334	0.31 336	0.25 348	0.42 304	0.22 206	0.66 363	0.94 386	0.63 358	0.60 325	0.59 334	0.47 336	0.59 267	0.58 340	0.15 317	0.13 320	0.16 328	0.16 335	0.20 341	0.22 355

ADCMid	0.49 349	0.34 350	1.13 378	0.26 279	0.21 310	0.51 338	0.37 336	0.57 317	0.54 320	0.75 372	0.66 341	0.62 343	0.64 369	0.64 288	1.68 399	0.13 283	0.12 310	0.17 334	0.17 344	0.20 341	0.17 313

AnyNet_C32	0.51 355	0.40 365	1.10 377	0.29 322	0.28 358	0.59 355	0.58 380	0.54 286	0.60 338	0.62 357	0.66 341	0.54 321	0.54 350	0.78 337	1.74 402	0.15 317	0.14 324	0.15 319	0.17 344	0.20 341	0.20 343

coex-ft	3.44 416	0.73 390	48.55 440	0.24 214	0.19 288	0.50 337	0.43 356	0.47 220	2.40 408	7.03 421	1.20 384	0.97 381	2.23 412	0.73 316	1.92 406	0.12 267	0.15 338	0.14 307	0.12 287	0.21 344	0.43 385

Wz-Net-TNSev	0.51 355	0.58 383	1.61 398	0.25 251	0.21 310	0.65 362	0.45 361	0.63 355	0.69 357	0.51 336	0.54 306	0.71 367	0.60 359	1.00 375	0.77 359	0.15 317	0.15 338	0.13 288	0.15 324	0.21 344	0.20 343

EDNetEfficientorigin	7.51 420	0.52 381	140.47 442	0.25 251	0.17 250	0.42 304	0.29 296	0.47 220	1.03 387	1.28 396	1.02 377	0.83 373	0.84 383	0.75 324	0.99 372	0.10 213	0.09 258	0.12 269	0.10 220	0.21 344	0.22 355

FADNet_RVC	0.30 262	0.28 325	0.83 338	0.23 176	0.15 211	0.30 215	0.17 63	0.49 237	0.37 180	0.30 156	0.38 183	0.30 176	0.27 216	0.52 235	0.31 251	0.14 306	0.14 324	0.14 307	0.16 335	0.21 344	0.23 361

RTS	0.78 386	0.48 373	4.68 414	0.34 349	0.28 358	1.12 393	0.46 363	0.62 349	1.03 387	0.73 368	0.89 372	0.60 337	0.59 357	1.61 399	1.16 385	0.14 306	0.11 293	0.15 319	0.15 324	0.21 344	0.19 333

RTSA	0.78 386	0.48 373	4.68 414	0.34 349	0.28 358	1.12 393	0.46 363	0.62 349	1.03 387	0.73 368	0.89 372	0.60 337	0.59 357	1.61 399	1.16 385	0.14 306	0.11 293	0.15 319	0.15 324	0.21 344	0.19 333

GASNet	0.36 300	0.46 369	0.88 349	0.34 349	0.23 336	0.35 265	0.22 206	0.60 337	0.53 317	0.40 284	0.37 173	0.45 285	0.30 252	0.79 339	0.35 271	0.15 317	0.10 276	0.14 307	0.14 316	0.22 350	0.12 260

G-Net	0.46 344	0.25 304	0.86 346	0.34 349	0.28 358	0.90 385	0.35 329	0.47 220	0.45 259	0.68 364	1.22 385	0.64 353	0.60 359	0.61 273	0.57 335	0.16 329	0.14 324	0.17 334	0.13 305	0.22 350	0.19 333

ADCS	0.58 366	0.40 365	1.35 391	0.29 322	0.24 341	0.55 349	0.45 361	0.67 368	0.83 376	0.76 373	0.71 350	0.68 362	0.60 359	0.76 329	2.23 410	0.16 329	0.16 345	0.16 328	0.17 344	0.22 350	0.22 355

sAnonymous2	0.20 108	0.21 278	0.58 274	0.24 214	0.17 250	0.22 98	0.19 129	0.34 93	0.28 91	0.17 32	0.19 28	0.17 44	0.16 68	0.17 12	0.14 43	0.10 213	0.07 163	0.09 124	0.08 114	0.23 353	0.17 313

CroCo_RVC	0.20 108	0.21 278	0.58 274	0.24 214	0.17 250	0.22 98	0.19 129	0.34 93	0.28 91	0.17 32	0.19 28	0.17 44	0.16 68	0.17 12	0.14 43	0.10 213	0.07 163	0.09 124	0.08 114	0.23 353	0.17 313

AnyNet_C01	0.65 374	0.58 383	2.60 409	0.32 342	0.26 353	0.88 383	0.61 383	0.63 355	0.62 343	0.68 364	0.96 375	0.76 370	0.60 359	0.96 371	1.43 394	0.16 329	0.16 345	0.17 334	0.17 344	0.23 353	0.23 361

FADNet	0.32 278	0.36 356	0.74 322	0.23 176	0.22 325	0.37 275	0.19 129	0.53 279	0.48 287	0.32 191	0.36 164	0.43 271	0.32 270	0.64 288	0.25 212	0.16 329	0.16 345	0.14 307	0.16 335	0.24 356	0.19 333

MFN_U_SF_DS_RVC	0.51 355	0.50 378	0.86 346	0.39 369	0.24 341	0.84 381	0.55 378	0.56 310	0.62 343	0.60 355	0.68 345	0.62 343	0.42 320	1.13 383	0.43 304	0.23 361	0.27 379	0.27 365	0.35 381	0.25 357	0.29 371

XQC	0.43 335	0.37 361	0.96 361	0.34 349	0.25 348	0.53 348	0.34 326	0.60 337	0.73 365	0.51 336	0.46 268	0.57 329	0.47 336	0.70 306	0.72 355	0.17 339	0.12 310	0.18 341	0.15 324	0.25 357	0.23 361

LSM	1.64 408	0.40 365	2.56 408	2.02 418	17.61 429	0.51 338	0.52 375	0.61 341	0.76 367	0.82 375	1.11 381	0.63 351	0.54 350	0.75 324	0.49 323	0.16 329	0.24 375	0.18 341	0.21 357	0.25 357	2.42 421

DPSNet	0.47 345	0.24 300	0.93 357	0.27 302	0.20 302	0.75 373	0.57 379	0.84 389	0.79 371	0.47 327	0.51 290	0.60 337	0.69 371	0.87 355	0.71 354	0.16 329	0.13 320	0.12 269	0.10 220	0.25 357	0.21 350

PDISCO_ROB	0.43 335	0.30 338	0.67 304	0.43 374	0.36 374	0.67 365	0.32 314	0.72 376	0.76 367	0.43 307	0.53 303	0.63 351	0.40 308	0.66 298	0.47 319	0.21 358	0.12 310	0.21 353	0.19 353	0.25 357	0.20 343

MSMD_ROB	0.60 370	0.33 349	0.61 283	0.30 329	0.25 348	0.86 382	0.35 329	0.55 296	0.67 352	1.10 391	1.49 396	1.76 399	0.97 391	0.88 358	0.49 323	0.23 361	0.21 366	0.27 365	0.27 374	0.25 357	0.24 365

ccnet	0.42 332	0.31 343	0.48 226	0.27 302	0.32 369	0.60 358	0.32 314	0.65 357	0.46 273	0.53 347	0.66 341	0.56 325	0.45 327	0.72 314	0.61 344	0.26 366	0.19 360	0.24 362	0.21 357	0.26 363	0.22 355

MaskLacGwcNet_RVC	0.36 300	0.36 356	0.53 254	0.34 349	0.19 288	0.51 338	0.24 249	0.55 296	0.38 193	0.41 293	0.47 275	0.47 293	0.27 216	0.73 316	0.30 247	0.36 382	0.19 360	0.27 365	0.17 344	0.26 363	0.23 361

FC-DCNN	0.70 379	0.30 338	0.69 309	0.32 342	0.27 355	0.81 380	0.39 347	0.79 384	0.82 373	1.41 402	1.58 401	1.98 401	1.26 400	1.02 377	0.77 359	0.24 364	0.22 370	0.27 365	0.26 372	0.26 363	0.26 367

FCDSN-DC	0.63 372	0.31 343	0.61 283	0.36 359	0.30 366	0.65 362	0.37 336	0.66 363	0.68 355	1.14 393	1.54 399	1.71 398	1.26 400	0.92 364	0.64 350	0.24 364	0.22 370	0.27 365	0.26 372	0.27 366	0.27 370
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PVD	0.58 366	0.34 350	0.84 342	0.39 369	0.31 368	0.59 355	0.47 367	0.80 385	1.25 396	0.92 380	1.09 379	0.79 371	0.82 381	0.85 352	0.76 356	0.21 358	0.18 356	0.22 359	0.18 349	0.27 366	0.35 379

SAMSARA	0.56 362	0.39 364	0.80 332	0.60 388	0.46 381	1.00 389	1.23 415	0.67 368	0.68 355	0.71 367	0.54 306	0.89 377	0.57 356	0.81 346	0.62 346	0.19 354	0.22 370	0.18 341	0.18 349	0.27 366	0.25 366

GANetREF_RVC	0.43 335	0.47 371	0.69 309	0.38 366	0.20 302	0.51 338	0.48 371	0.66 363	0.66 349	0.46 320	0.46 268	0.50 308	0.44 324	0.90 362	0.39 288	0.27 371	0.21 366	0.32 375	0.18 349	0.27 366	0.22 355
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
MANE	1.41 401	0.36 356	0.74 322	0.43 374	0.41 378	2.16 413	0.80 397	2.39 417	3.38 411	2.22 412	3.06 414	3.54 415	2.73 416	2.15 411	1.94 407	0.28 374	0.27 379	0.30 373	0.46 389	0.28 370	0.34 378

PASM	0.45 342	0.35 353	0.90 352	0.35 358	0.33 370	0.39 289	0.38 342	0.50 245	0.61 341	0.52 342	0.51 290	0.62 343	0.45 327	0.93 365	0.48 320	0.26 366	0.29 383	0.29 371	0.33 379	0.29 371	0.26 367

ELAS_RVC	0.74 384	0.36 356	1.00 365	0.37 364	0.33 370	0.88 383	0.93 404	0.83 388	1.08 391	1.35 398	1.33 390	1.24 387	1.33 403	1.06 379	0.95 370	0.27 371	0.25 377	0.29 371	0.27 374	0.30 372	0.30 372
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CC-Net-ROB	0.43 335	0.47 371	0.65 300	0.37 364	0.23 336	0.51 338	0.29 296	0.66 363	0.49 296	0.46 320	0.51 290	0.48 298	0.38 300	0.96 371	0.35 271	0.34 381	0.23 373	0.55 389	0.25 368	0.31 373	0.20 343

ELAS	0.74 384	0.36 356	0.85 345	0.36 359	0.33 370	1.36 404	0.77 395	0.93 392	0.92 383	1.41 402	1.53 398	1.16 386	1.17 396	0.95 370	1.03 374	0.26 366	0.25 377	0.28 370	0.28 377	0.31 373	0.30 372
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MFN_U_SF_RVC	0.56 362	0.51 380	1.19 380	0.38 366	0.22 325	0.69 366	0.27 279	0.80 385	0.67 352	0.73 368	0.74 355	0.87 374	0.61 368	0.81 346	0.76 356	0.29 376	0.27 379	0.32 375	0.37 385	0.32 375	0.31 374

Anonymous_2	0.37 309	0.21 278	0.47 217	0.20 60	0.21 310	0.42 304	0.26 274	0.38 141	0.29 109	0.33 201	0.30 104	0.44 281	0.38 300	0.36 187	0.29 241	0.26 366	0.29 383	0.44 383	1.41 417	0.34 376	0.21 350

UDG	0.40 327	0.46 369	0.49 231	0.40 371	0.35 373	0.47 327	0.27 279	0.54 286	0.47 278	0.39 276	0.45 258	0.59 334	0.44 324	0.46 212	0.39 288	0.26 366	0.19 360	0.48 385	0.22 364	0.34 376	0.26 367

NVStereoNet_ROB	0.67 376	0.49 377	0.83 338	0.48 380	0.40 377	0.51 338	0.46 363	0.70 373	0.77 369	0.84 376	1.72 402	1.02 382	0.83 382	1.23 389	0.79 361	0.32 379	0.38 390	0.40 381	0.46 389	0.36 378	0.41 384
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	0.41 329	0.50 378	0.48 226	0.44 376	0.39 375	0.46 321	0.32 314	0.50 245	0.43 233	0.45 317	0.52 298	0.57 329	0.36 288	0.48 217	0.33 263	0.33 380	0.21 366	0.55 389	0.25 368	0.37 379	0.32 377

MSC_U_SF_DS_RVC	0.68 377	0.64 387	1.06 373	0.45 377	0.27 355	1.40 406	0.58 380	0.78 381	0.92 383	0.84 376	0.86 368	0.88 376	0.68 370	1.33 394	0.68 353	0.37 384	0.29 383	0.34 377	0.36 384	0.43 380	0.37 380

MADNet+	1.01 393	1.16 409	4.72 416	0.70 392	0.47 382	1.24 399	0.96 405	0.97 393	0.89 379	0.65 362	0.77 359	0.87 374	0.85 385	2.09 409	1.68 399	0.38 385	0.39 391	0.31 374	0.27 374	0.43 380	0.39 382

SQANet	0.40 327	0.48 373	0.67 304	0.48 380	0.39 375	0.48 331	0.22 206	0.51 258	0.43 233	0.40 284	0.47 275	0.47 293	0.33 273	0.54 244	0.32 256	0.36 382	0.15 338	0.40 381	0.21 357	0.45 382	0.31 374

anonymity	0.56 362	0.54 382	0.70 315	0.47 379	0.61 391	0.56 350	0.43 356	0.69 372	0.49 296	0.63 358	0.55 310	0.54 321	0.60 359	0.61 273	0.57 335	0.55 391	0.53 399	0.50 386	0.54 397	0.51 383	0.56 393

Consistency-Raft	0.55 361	0.48 373	1.02 369	0.45 377	0.49 383	0.49 334	0.47 367	0.72 376	0.72 362	0.45 317	0.82 364	0.47 293	0.60 359	0.50 224	0.63 349	0.39 386	0.39 391	0.44 383	0.51 394	0.52 384	0.37 380

SGM+DAISY	0.87 388	0.66 389	1.30 389	0.51 383	0.60 390	1.03 390	0.84 401	0.76 379	0.73 365	1.39 400	1.51 397	1.31 390	1.22 398	1.11 380	1.08 376	0.57 393	0.53 399	0.51 388	0.51 394	0.54 385	0.61 400

SPS-STEREO	0.69 378	0.61 385	0.98 363	0.52 385	0.57 389	0.74 371	0.50 374	0.78 381	0.62 343	0.95 383	0.86 368	0.94 378	0.70 372	1.01 376	0.87 367	0.58 394	0.51 396	0.50 386	0.50 393	0.55 386	0.58 395
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
BEATNet-Init1	4.73 419	2.61 419	13.29 429	0.58 386	0.53 387	10.12 424	3.33 420	4.83 420	5.01 419	8.75 423	8.51 421	14.08 430	7.60 422	7.70 423	5.34 420	0.28 374	0.28 382	0.34 377	0.37 385	0.57 387	0.45 386

JetBlue	1.14 398	0.76 391	2.36 404	0.59 387	0.75 397	3.04 417	1.78 417	1.11 395	0.90 381	0.94 381	1.10 380	1.66 397	1.28 402	2.09 409	1.72 401	0.43 387	0.36 389	0.38 379	0.38 387	0.58 388	0.56 393

otaku	0.57 365	0.62 386	0.87 348	0.63 390	0.44 380	0.73 370	0.37 336	0.65 357	0.66 349	0.51 336	0.75 356	0.66 358	0.45 327	0.69 303	0.46 317	0.53 388	0.34 388	0.55 389	0.35 381	0.60 389	0.45 386

Ntro	0.58 366	0.64 387	0.92 355	0.66 391	0.50 384	0.77 374	0.36 332	0.66 363	0.70 359	0.50 331	0.59 320	0.65 354	0.51 347	0.75 324	0.45 311	0.56 392	0.32 387	0.56 392	0.34 380	0.63 390	0.46 389

DGSMNet	0.61 371	0.29 332	0.91 353	0.51 383	0.70 395	0.62 360	1.38 416	0.59 329	0.55 326	0.37 253	0.61 332	0.52 315	0.33 273	0.65 294	0.43 304	0.53 388	0.60 406	0.67 394	0.61 402	0.63 390	0.61 400

ACVNet_1	0.72 380	0.81 393	1.37 392	0.72 393	0.53 387	0.77 374	0.42 354	0.85 391	0.90 381	0.74 371	0.75 356	1.32 391	0.72 374	1.02 377	0.55 334	0.54 390	0.31 386	0.71 396	0.35 381	0.64 392	0.45 386

ACVNet-4b	0.72 380	0.81 393	1.33 390	0.72 393	0.50 384	0.80 379	0.31 310	0.71 375	0.80 372	0.50 331	0.72 354	0.95 380	0.43 323	0.96 371	1.20 389	1.13 414	0.21 366	0.76 398	0.45 388	0.65 393	0.46 389

DispFullNet	0.66 375	0.89 398	1.59 395	0.77 395	1.21 412	0.51 338	0.23 227	0.59 329	0.72 362	0.69 366	0.61 332	0.69 364	0.91 387	0.79 339	0.48 320	0.27 371	0.12 310	0.73 397	0.30 378	0.65 393	0.40 383

WAO-7	1.01 393	0.89 398	0.93 357	0.83 398	0.66 394	1.18 395	0.81 399	1.40 401	1.57 402	1.11 392	1.76 404	1.45 393	1.19 397	1.50 398	1.14 382	0.61 395	0.62 409	0.70 395	0.68 404	0.66 395	0.60 397

MFMNet_re	0.72 380	0.76 391	0.99 364	0.62 389	0.70 395	0.77 374	0.67 386	0.75 378	0.83 376	0.78 374	0.86 368	0.69 364	0.78 376	0.71 309	0.61 344	0.66 397	0.59 405	0.61 393	0.58 401	0.68 396	0.71 404

ACVNet_2	0.89 389	0.87 397	1.25 384	0.82 396	0.62 392	0.97 388	0.62 384	1.14 396	1.42 399	1.00 386	1.40 391	1.47 394	0.84 383	1.11 380	0.66 352	0.61 395	0.43 393	0.78 399	0.49 391	0.75 397	0.52 391

RainbowNet	0.72 380	0.89 398	1.02 369	0.82 396	0.63 393	0.78 377	0.52 375	0.81 387	0.93 385	0.60 355	0.79 361	0.80 372	0.60 359	0.80 343	0.57 335	0.78 401	0.55 402	0.78 399	0.49 391	0.76 398	0.58 395

WAO-6	1.07 396	0.93 401	0.92 355	0.96 400	0.78 400	1.28 401	0.75 392	1.34 399	2.00 406	1.02 388	1.54 399	1.59 395	1.22 398	1.31 393	1.14 382	0.78 401	0.55 402	1.02 407	0.75 408	0.83 399	0.69 403

IMH-64-1	0.91 390	0.86 395	0.84 342	0.97 401	0.75 397	0.92 386	0.71 388	1.27 397	1.10 392	0.89 378	1.45 393	1.14 384	0.96 389	1.19 385	0.84 363	0.74 398	0.51 396	0.97 403	0.55 398	0.84 400	0.60 397

IMH-64	0.91 390	0.86 395	0.84 342	0.97 401	0.75 397	0.92 386	0.71 388	1.27 397	1.10 392	0.89 378	1.45 393	1.14 384	0.96 389	1.19 385	0.84 363	0.74 398	0.51 396	0.97 403	0.55 398	0.84 400	0.60 397

IMH	1.05 395	0.95 402	1.00 365	1.01 403	0.78 400	1.11 392	0.68 387	1.38 400	1.43 400	1.00 386	1.72 402	1.43 392	1.14 393	1.73 404	0.89 368	1.09 411	0.55 402	0.99 405	0.57 400	0.87 402	0.62 402

LVE	1.13 397	1.02 403	1.28 387	1.01 403	0.80 403	1.29 402	0.81 399	1.47 404	1.96 404	1.07 390	1.90 405	1.90 400	1.01 392	1.48 397	0.91 369	0.93 408	0.61 408	0.94 402	0.69 405	0.87 402	0.75 408

WAO-8	1.46 404	1.10 407	1.09 374	1.10 406	0.84 404	2.06 410	0.75 392	1.84 410	3.83 414	1.44 406	2.21 410	2.15 403	1.43 405	3.17 415	1.19 387	0.91 406	0.65 411	1.09 408	0.79 409	0.90 404	0.71 404

Venus	1.46 404	1.10 407	1.09 374	1.10 406	0.84 404	2.06 410	0.75 392	1.84 410	3.83 414	1.44 406	2.21 410	2.15 403	1.43 405	3.17 415	1.19 387	0.91 406	0.65 411	1.09 408	0.79 409	0.90 404	0.71 404

Dean	1.17 399	1.04 405	1.49 394	1.03 405	0.78 400	1.20 398	0.77 395	1.48 405	1.96 404	1.28 396	1.99 407	2.15 403	1.14 393	1.25 390	1.00 373	0.81 403	0.60 406	1.01 406	0.69 405	0.92 406	0.74 407

PWCK	1.00 392	1.17 410	1.70 399	0.91 399	0.41 378	1.19 397	0.92 403	1.10 394	1.14 394	1.16 394	1.14 382	1.25 388	0.88 386	1.75 405	1.04 375	0.87 405	0.50 394	0.87 401	0.53 396	0.96 407	0.52 391

SuperB	0.49 349	0.28 325	2.23 402	0.23 176	0.15 211	0.41 297	0.32 314	0.47 220	0.82 373	0.43 307	0.50 284	0.33 199	0.45 327	0.68 301	1.08 376	0.10 213	0.07 163	0.09 124	0.08 114	0.98 408	0.14 289

UNDER WATER-64	1.55 406	1.19 411	2.52 407	1.31 411	0.95 408	2.12 412	1.21 414	1.45 403	3.19 410	1.43 405	1.32 389	2.64 410	2.04 411	1.63 401	1.83 403	1.11 412	0.67 413	1.28 413	0.92 412	1.19 409	1.02 413

UNDER WATER	1.59 407	1.22 412	2.36 404	1.38 412	1.03 409	1.67 409	1.10 411	1.54 408	3.63 412	1.44 406	1.47 395	2.85 412	2.25 413	1.67 402	1.94 407	1.06 410	0.62 409	1.31 414	0.93 413	1.21 410	1.02 413

TorneroNet-64	1.43 402	1.03 404	1.20 381	1.10 406	0.86 406	2.26 414	0.73 391	1.84 410	3.84 416	1.25 395	2.25 412	2.69 411	1.42 404	1.76 406	1.43 394	0.76 400	0.50 394	1.09 408	0.66 403	1.23 411	0.76 409

TorneroNet	2.22 412	1.08 406	1.24 383	1.14 410	0.90 407	5.58 419	0.80 397	2.12 415	8.69 422	2.58 414	5.42 419	3.88 416	1.97 410	1.78 408	1.87 404	0.86 404	0.54 401	1.15 412	0.74 407	1.23 411	0.85 410

notaker	1.45 403	1.34 413	1.48 393	1.40 413	1.07 410	1.18 395	0.85 402	1.48 405	1.40 398	1.51 410	3.46 415	2.40 408	1.81 409	1.76 406	1.45 397	1.11 412	0.69 414	1.38 415	0.87 411	1.31 413	0.97 412

SPstereo	14.25 427	1.73 417	2.83 411	1.84 417	1.57 417	23.16 434	43.27 434	35.72 441	29.56 441	20.86 438	20.62 432	26.34 441	21.82 434	25.23 441	19.62 433	1.56 417	1.42 417	2.96 421	2.17 419	1.31 413	1.33 418

ktn	1.77 410	1.36 414	1.22 382	1.43 414	1.14 411	1.52 407	1.08 410	1.51 407	3.96 417	2.77 416	4.69 417	3.35 414	1.46 407	1.69 403	1.25 391	1.43 416	0.77 415	1.45 416	0.99 414	1.32 415	0.96 411

KSHMR	1.89 411	1.36 414	1.60 396	1.47 415	1.22 413	1.38 405	1.06 409	1.79 409	5.97 420	1.42 404	5.65 420	2.98 413	1.14 393	2.23 412	1.20 389	1.27 415	1.12 416	1.46 417	1.10 416	1.32 415	1.15 415

JetRed	2.30 414	2.64 420	6.12 417	1.12 409	1.38 415	5.85 420	3.29 419	1.99 413	1.67 403	1.98 411	1.95 406	2.16 406	1.60 408	2.48 413	4.10 418	1.05 409	1.60 418	1.09 408	1.01 415	1.67 417	1.28 416

MADNet++	2.26 413	1.80 418	2.06 401	2.13 420	1.97 418	2.61 416	1.79 418	2.38 416	2.16 407	2.75 415	2.65 413	2.38 407	2.43 414	3.17 415	3.21 414	2.17 418	1.95 419	1.94 419	1.63 418	2.06 418	2.01 420

HanzoNet	2.97 415	1.69 416	2.29 403	1.74 416	1.33 414	1.53 408	1.03 408	1.99 413	2.64 409	5.51 419	5.16 418	5.90 421	6.82 421	4.32 420	3.29 415	3.16 420	2.02 421	1.92 418	2.87 422	2.24 419	1.89 419

tt	4.71 418	0.10 26	3.94 413	2.06 419	1.53 416	10.14 425	16.88 425	9.27 425	4.98 418	1.39 400	1.02 377	4.68 417	4.90 418	3.35 418	5.86 421	5.76 424	9.15 429	2.24 420	2.53 421	3.10 420	1.32 417

DPSimNet_ROB	4.34 417	4.23 421	6.89 419	3.67 421	3.68 419	4.75 418	5.21 421	2.67 418	3.68 413	5.82 420	3.95 416	5.57 418	6.72 420	3.46 419	4.48 419	4.05 423	2.88 422	4.68 424	3.12 423	3.69 421	3.62 423

DGTPSM_ROB	8.34 421	5.10 422	10.37 427	5.31 423	10.18 423	8.33 421	23.60 429	6.06 422	13.41 428	4.90 417	10.87 426	5.65 419	10.44 423	6.17 421	12.59 424	3.74 421	7.55 424	3.69 422	7.26 426	4.14 422	7.46 424

DPSMNet_ROB	8.40 422	5.11 423	10.49 428	5.58 424	10.25 424	8.34 422	23.62 430	6.07 423	13.45 429	4.93 418	10.88 427	5.66 420	10.44 423	6.24 422	12.64 425	3.98 422	7.61 425	3.76 423	7.30 427	4.20 423	7.51 425

DPSM_ROB	11.49 425	9.87 429	10.35 425	11.13 426	11.31 425	19.11 432	27.51 432	13.37 430	14.21 431	10.31 427	11.06 428	10.96 428	11.27 429	11.96 430	13.59 427	6.78 426	8.19 427	6.03 425	7.09 424	7.93 424	7.73 427

DPSM	11.49 425	9.87 429	10.35 425	11.13 426	11.31 425	19.11 432	27.51 432	13.37 430	14.21 431	10.31 427	11.06 428	10.96 428	11.27 429	11.96 430	13.59 427	6.78 426	8.19 427	6.03 425	7.09 424	7.93 424	7.73 427

PML	16.10 431	12.82 432	6.78 418	5.23 422	7.76 421	33.92 435	66.56 441	5.30 421	10.28 423	26.12 440	68.59 441	20.51 432	13.49 431	10.06 425	6.78 423	5.96 425	2.00 420	6.04 427	2.18 420	8.96 426	2.60 422

xxxxx1	15.27 428	9.54 426	10.31 422	20.13 431	18.88 430	17.08 427	23.03 426	10.36 426	10.99 424	9.21 424	9.62 422	10.74 425	10.61 426	10.72 426	13.89 429	7.97 428	9.20 430	31.85 439	44.72 439	12.84 427	13.69 429

tt_ll	15.27 428	9.54 426	10.31 422	20.13 431	18.88 430	17.08 427	23.03 426	10.36 426	10.99 424	9.21 424	9.62 422	10.74 425	10.61 426	10.72 426	13.89 429	7.97 428	9.20 430	31.85 439	44.72 439	12.84 427	13.69 429

ff	15.27 428	9.54 426	10.31 422	20.13 431	18.88 430	17.08 427	23.03 426	10.36 426	10.99 424	9.21 424	9.62 422	10.74 425	10.61 426	10.72 426	13.89 429	7.97 428	9.20 430	31.85 439	44.72 439	12.84 427	13.69 429

LRCNet_RVC	10.90 424	14.34 433	9.35 420	15.35 428	8.04 422	1.08 391	0.34 326	8.78 424	0.70 359	12.63 430	16.05 430	9.85 423	6.54 419	8.57 424	6.34 422	20.27 438	5.40 423	23.70 436	21.88 435	14.87 430	13.83 432

MyStereo03	23.12 436	19.90 435	20.85 433	22.49 435	22.71 434	38.42 437	55.53 438	26.80 435	28.72 437	20.77 435	22.25 436	22.03 434	22.69 435	23.90 434	27.38 439	13.62 433	16.50 436	12.15 429	14.28 430	15.95 431	15.53 433

MyStereo02	23.12 436	19.90 435	20.85 433	22.49 435	22.71 434	38.42 437	55.53 438	26.80 435	28.72 437	20.77 435	22.25 436	22.03 434	22.69 435	23.90 434	27.38 439	13.62 433	16.50 436	12.15 429	14.28 430	15.95 431	15.53 433

MyStereo	23.12 436	19.90 435	20.85 433	22.49 435	22.71 434	38.42 437	55.53 438	26.80 435	28.72 437	20.77 435	22.25 436	22.03 434	22.69 435	23.90 434	27.38 439	13.62 433	16.50 436	12.15 429	14.28 430	15.95 431	15.53 433

CasAABBNet	23.10 435	19.86 434	20.64 432	22.47 434	22.73 437	38.41 436	55.50 437	26.89 438	28.70 436	20.61 433	22.15 435	22.08 437	22.75 438	23.99 437	27.36 437	13.59 431	16.48 434	12.14 428	14.27 429	15.95 431	15.53 433

Selective-RAFT-Error	23.16 439	19.93 438	20.87 436	22.54 438	22.81 438	38.52 441	55.47 436	27.01 440	28.83 440	20.66 434	22.25 436	22.09 438	22.80 440	24.09 438	27.36 437	13.61 432	16.48 434	12.15 429	14.28 430	15.99 435	15.57 437

LSM0	24.24 440	19.98 439	22.32 437	24.22 439	40.14 441	38.48 440	55.20 435	26.95 439	28.57 435	20.49 432	21.83 433	22.26 439	22.75 438	24.22 439	27.30 436	13.66 436	16.32 433	12.19 433	14.15 428	16.10 436	17.66 438

HaxPig	17.72 433	20.22 440	19.73 430	16.53 429	16.51 428	9.27 423	9.33 422	14.34 432	13.27 427	18.65 431	18.70 431	17.35 431	16.77 432	17.04 432	16.45 432	22.05 439	20.89 439	22.27 435	21.53 434	21.29 437	22.13 439

MEDIAN_ROB	21.21 434	24.62 441	23.47 438	19.58 430	19.65 433	13.22 426	10.96 423	17.88 433	17.00 433	22.14 439	22.02 434	20.86 433	20.36 433	21.06 433	19.71 434	25.63 440	24.13 440	26.21 437	25.20 436	25.17 438	25.38 440

AVERAGE_ROB	25.43 441	29.06 442	27.24 439	24.63 440	24.20 440	17.73 430	12.61 424	22.29 434	21.39 434	26.79 441	26.16 440	25.20 440	24.64 441	25.07 440	23.53 435	29.96 441	28.40 441	30.60 438	29.58 437	29.72 439	29.84 441

DLNR_Zeroshot_test	10.44 423	12.10 431	19.93 431	106.08 442	23.66 439	0.14 4	0.13 4	3.22 419	0.17 5	0.16 27	0.23 53	0.16 39	0.10 4	0.31 156	0.15 55	2.36 419	0.06 74	0.07 16	0.07 53	39.70 440	0.06 20

Anonymous_1	16.62 432	9.35 425	9.84 421	10.66 425	14.64 427	18.66 431	27.12 431	12.64 429	13.51 430	10.76 429	10.30 425	10.13 424	10.60 425	11.06 429	12.74 426	15.87 437	7.74 426	16.92 434	43.48 438	58.66 441	7.68 426

test_example2	101.33 442	108.28 443	68.15 441	98.43 441	106.93 442	89.75 442	102.43 442	36.80 442	97.65 442	129.04 442	130.15 442	65.26 442	66.62 442	92.11 442	80.24 442	144.10 442	199.48 442	81.81 442	103.01 442	125.01 442	101.27 442

ASD4		6.65 424

Low-res two-view benchmark