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

MIF-Stereo	0.30 8	0.36 105	1.68 70	0.27 41	0.24 162	0.29 3	0.18 11	0.33 1	0.34 3	0.26 27	0.37 47	0.18 1	0.18 6	0.31 17	0.27 67	0.10 79	0.08 59	0.08 3	0.07 13	0.25 232	0.08 10

MyStereo07	0.34 27	0.40 121	1.46 38	0.29 80	0.23 149	0.60 159	0.31 188	0.53 50	0.42 29	0.25 20	0.25 14	0.20 2	0.26 56	0.57 131	0.19 3	0.09 17	0.18 282	0.12 139	0.11 127	0.16 110	0.19 198

ff7	0.32 14	0.52 166	1.38 27	0.25 15	0.16 38	0.56 101	0.23 64	0.46 13	0.41 24	0.24 11	0.23 5	0.20 2	0.23 26	0.48 94	0.19 3	0.09 17	0.08 59	0.10 50	0.18 268	0.23 206	0.22 229

ffff	0.32 14	0.52 166	1.38 27	0.25 15	0.16 38	0.56 101	0.23 64	0.46 13	0.41 24	0.24 11	0.23 5	0.20 2	0.23 26	0.48 94	0.19 3	0.09 17	0.08 59	0.10 50	0.18 268	0.23 206	0.22 229

11t	0.32 14	0.52 166	1.38 27	0.25 15	0.16 38	0.56 101	0.23 64	0.46 13	0.41 24	0.24 11	0.23 5	0.20 2	0.23 26	0.48 94	0.19 3	0.09 17	0.08 59	0.10 50	0.18 268	0.23 206	0.22 229

CAS	0.35 35	0.25 32	1.30 18	0.79 368	0.34 263	0.51 59	0.23 64	0.46 13	0.39 15	0.22 5	0.31 28	0.20 2	0.17 1	0.28 3	0.23 35	0.73 382	0.06 1	0.07 1	0.05 1	0.09 7	0.37 338

ccc-4	0.32 14	0.52 166	1.38 27	0.25 15	0.16 38	0.56 101	0.23 64	0.46 13	0.41 24	0.24 11	0.23 5	0.20 2	0.23 26	0.48 94	0.19 3	0.09 17	0.08 59	0.10 50	0.18 268	0.23 206	0.22 229

Former-RAFT_DAM_RVC	0.50 165	0.33 85	0.93 1	0.26 32	0.22 137	0.46 33	0.20 23	1.10 362	1.34 376	3.16 410	0.32 32	0.22 8	0.20 15	0.30 14	0.22 31	0.10 79	0.09 114	0.11 94	0.09 46	0.15 83	0.19 198

AEACV	0.33 20	0.24 29	1.44 36	0.28 59	0.35 273	0.47 36	0.21 34	0.43 7	0.28 1	0.26 27	0.25 14	0.22 8	0.38 143	0.30 14	0.18 1	0.09 17	0.35 356	0.09 21	0.36 359	0.23 206	0.25 263

anonymousdsp	0.34 27	0.53 171	1.47 40	0.25 15	0.16 38	0.56 101	0.23 64	0.49 28	0.40 20	0.25 20	0.24 11	0.22 8	0.24 32	0.55 128	0.19 3	0.09 17	0.11 176	0.10 50	0.18 268	0.24 221	0.29 291

Selective-IGEV	0.29 4	0.23 21	1.28 15	0.27 41	0.30 222	0.35 10	0.20 23	0.56 64	0.38 10	0.21 2	0.30 25	0.22 8	0.18 6	0.37 46	0.18 1	0.07 1	0.06 1	0.08 3	0.15 228	0.16 110	0.29 291

ProNet	0.30 8	0.54 174	1.29 16	0.25 15	0.15 25	0.47 36	0.25 102	0.48 24	0.39 15	0.21 2	0.23 5	0.22 8	0.20 15	0.44 70	0.19 3	0.08 4	0.08 59	0.10 50	0.08 30	0.23 206	0.12 64

IGEV-Stereo	0.34 27	0.54 174	1.47 40	0.25 15	0.16 38	0.56 101	0.23 64	0.49 28	0.40 20	0.25 20	0.24 11	0.22 8	0.24 32	0.54 124	0.19 3	0.09 17	0.10 143	0.10 50	0.18 268	0.24 221	0.29 291
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test croco	0.37 43	0.47 154	2.15 234	0.27 41	0.19 98	0.33 7	0.20 23	0.58 71	0.46 52	0.23 10	0.37 47	0.23 14	0.25 43	0.45 77	0.28 76	0.11 128	0.08 59	0.13 194	0.09 46	0.42 341	0.12 64

CASnet	0.28 1	0.31 77	1.20 11	0.28 59	0.11 1	0.47 36	0.19 14	0.44 9	0.44 39	0.38 55	0.31 28	0.23 14	0.17 1	0.29 11	0.19 3	0.10 79	0.06 1	0.15 249	0.12 157	0.16 110	0.07 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.29 4	0.33 85	1.19 10	0.25 15	0.34 263	0.43 19	0.22 46	0.42 6	0.32 2	0.22 5	0.33 36	0.23 14	0.24 32	0.31 17	0.21 23	0.07 1	0.07 11	0.07 1	0.05 1	0.10 11	0.31 306

XX-TBD	0.34 27	0.77 250	1.75 94	0.34 180	0.13 5	0.51 59	0.17 5	0.43 7	0.50 76	0.37 50	0.49 120	0.23 14	0.18 6	0.28 3	0.24 49	0.10 79	0.07 11	0.08 3	0.06 7	0.09 7	0.07 3

sAnonymous2	0.38 48	0.62 197	2.15 234	0.31 119	0.24 162	0.34 8	0.27 141	0.53 50	0.46 52	0.24 11	0.29 20	0.23 14	0.28 80	0.28 3	0.22 31	0.12 175	0.09 114	0.11 94	0.13 182	0.38 323	0.35 323

CroCo_RVC	0.38 48	0.62 197	2.15 234	0.31 119	0.24 162	0.34 8	0.27 141	0.53 50	0.46 52	0.24 11	0.29 20	0.23 14	0.28 80	0.28 3	0.22 31	0.12 175	0.09 114	0.11 94	0.13 182	0.38 323	0.35 323

Anonymous	0.35 35	0.32 80	1.87 158	0.34 180	0.31 238	0.37 11	0.31 188	0.54 60	0.40 20	0.25 20	0.28 17	0.23 14	0.29 93	0.36 39	0.27 67	0.14 232	0.13 215	0.11 94	0.12 157	0.24 221	0.20 212

ACVNet-DCA	0.42 82	0.64 206	2.07 213	0.35 194	0.14 12	0.76 291	0.25 102	0.76 157	0.52 86	0.31 36	0.38 54	0.24 21	0.38 143	0.69 166	0.19 3	0.10 79	0.24 322	0.11 94	0.09 46	0.12 32	0.14 109

1test111	0.44 97	0.64 206	2.07 213	0.35 194	0.14 12	0.76 291	0.25 102	0.76 157	0.52 86	0.31 36	0.38 54	0.24 21	0.38 143	0.96 202	0.30 100	0.10 79	0.24 322	0.11 94	0.09 46	0.12 32	0.14 109

cc1	0.47 135	0.64 206	2.07 213	0.35 194	0.14 12	0.76 291	0.25 102	0.74 138	1.01 351	0.31 36	0.38 54	0.24 21	0.38 143	0.69 166	0.19 3	0.10 79	0.24 322	0.11 94	0.09 46	0.25 232	0.40 348

CREStereo++_RVC	0.33 20	0.29 66	1.74 88	0.24 7	0.16 38	0.54 81	0.15 1	0.40 4	0.55 113	0.37 50	0.51 130	0.24 21	0.19 10	0.27 1	0.26 59	0.09 17	0.06 1	0.08 3	0.30 336	0.08 1	0.06 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
test_xeample3	0.46 122	0.34 93	2.99 358	0.37 230	0.16 38	0.49 47	0.33 217	1.06 356	0.44 39	0.25 20	0.23 5	0.24 21	0.25 43	0.49 103	0.56 230	0.09 17	0.07 11	0.10 50	0.40 365	0.17 130	0.26 272

CREStereo	0.28 1	0.30 71	1.33 21	0.19 1	0.13 5	0.55 92	0.17 5	0.48 24	0.46 52	0.27 30	0.33 36	0.24 21	0.21 17	0.31 17	0.21 23	0.11 128	0.07 11	0.08 3	0.05 1	0.10 11	0.07 3
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
MGS-Stereo	0.32 14	0.34 93	1.70 76	0.25 15	0.14 12	0.40 15	0.22 46	0.38 3	0.43 36	0.24 11	0.51 130	0.25 27	0.18 6	0.31 17	0.20 19	0.09 17	0.08 59	0.09 21	0.08 30	0.47 351	0.08 10

IGEV+	0.35 35	0.59 187	1.41 32	0.32 141	0.20 108	0.41 17	0.22 46	0.68 111	0.39 15	0.32 42	0.31 28	0.25 27	0.25 43	0.31 17	0.24 49	0.10 79	0.41 370	0.08 3	0.07 13	0.25 232	0.21 218

tt1	0.44 97	0.64 206	1.83 142	0.35 194	0.14 12	0.76 291	0.25 102	0.74 138	0.88 329	0.31 36	0.37 47	0.25 27	0.35 125	0.63 146	0.19 3	0.10 79	0.24 322	0.11 94	0.09 46	0.25 232	0.36 331

MIF-Stereo (partial)	0.34 27	0.41 124	1.93 179	0.26 32	0.24 162	0.32 6	0.17 5	0.53 50	0.42 29	0.25 20	0.37 47	0.25 27	0.26 56	0.44 70	0.31 110	0.11 128	0.08 59	0.12 139	0.10 78	0.19 166	0.14 109

GLC_STEREO	0.28 1	0.27 42	1.36 24	0.28 59	0.12 3	0.41 17	0.20 23	0.37 2	0.38 10	0.26 27	0.30 25	0.25 27	0.19 10	0.33 29	0.24 49	0.09 17	0.11 176	0.12 139	0.10 78	0.13 51	0.09 17

sCroCo_RVC	0.33 20	0.32 80	1.89 164	0.34 180	0.27 198	0.30 5	0.22 46	0.48 24	0.44 39	0.22 5	0.33 36	0.25 27	0.25 43	0.32 23	0.24 49	0.14 232	0.16 264	0.12 139	0.12 157	0.15 83	0.13 96

GMStereo	0.38 48	0.99 325	1.91 173	0.27 41	0.16 38	0.39 14	0.23 64	0.47 21	0.62 175	0.38 55	0.34 40	0.25 27	0.25 43	0.39 53	0.29 89	0.14 232	0.08 59	0.10 50	0.12 157	0.15 83	0.11 38
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
IGEVStereo-DCA	0.33 20	0.34 93	1.38 27	0.27 41	0.16 38	0.45 21	0.23 64	0.46 13	0.41 24	0.24 11	0.21 2	0.26 34	0.25 43	0.64 149	0.52 214	0.09 17	0.07 11	0.10 50	0.18 268	0.16 110	0.22 229

rrr	0.46 122	0.34 93	3.08 363	0.27 41	0.16 38	0.45 21	0.28 151	1.09 361	0.51 81	0.24 11	0.21 2	0.26 34	0.25 43	0.64 149	0.52 214	0.09 17	0.07 11	0.10 50	0.29 331	0.16 110	0.25 263

whm_eth	0.45 112	0.73 235	2.23 250	0.30 94	0.31 238	0.49 47	0.24 87	0.73 133	0.69 227	0.47 97	0.87 316	0.26 34	0.26 56	0.36 39	0.28 76	0.12 175	0.11 176	0.13 194	0.12 157	0.14 69	0.26 272

DLNR_Zeroshot_test	13.43 422	19.94 427	23.55 427	121.61 440	35.03 435	0.46 33	0.15 1	8.02 419	0.35 4	0.28 33	0.37 47	0.26 34	0.17 1	0.76 180	0.29 89	6.42 420	0.26 338	0.09 21	0.38 362	50.13 438	0.18 190

CES	0.30 8	0.27 42	1.09 4	0.23 3	0.50 340	0.40 15	0.20 23	0.46 13	0.44 39	0.22 5	0.28 17	0.26 34	0.19 10	0.33 29	0.21 23	0.09 17	0.07 11	0.08 3	0.05 1	0.15 83	0.49 363

TANstereo	0.33 20	0.49 157	1.75 94	0.23 3	0.12 3	0.54 81	0.16 3	0.40 4	0.45 49	0.45 89	0.51 130	0.26 34	0.22 21	0.29 11	0.20 19	0.10 79	0.10 143	0.08 3	0.06 7	0.08 1	0.11 38

EGLCR-Stereo	0.29 4	0.27 42	0.97 2	0.30 94	0.19 98	0.56 101	0.17 5	0.68 111	0.36 6	0.30 35	0.18 1	0.27 40	0.17 1	0.38 50	0.19 3	0.09 17	0.07 11	0.10 50	0.08 30	0.10 11	0.35 323

MC-Stereo	0.32 14	0.31 77	1.46 38	0.31 119	0.15 25	0.53 78	0.19 14	0.44 9	0.35 4	0.36 46	0.38 54	0.27 40	0.27 70	0.42 62	0.19 3	0.09 17	0.13 215	0.09 21	0.16 243	0.20 178	0.13 96

PMTNet	0.31 12	0.35 100	1.30 18	0.20 2	0.14 12	0.57 118	0.25 102	0.46 13	0.42 29	0.27 30	0.32 32	0.27 40	0.24 32	0.39 53	0.23 35	0.43 365	0.07 11	0.08 3	0.05 1	0.18 149	0.07 3

StereoIM	0.29 4	0.54 174	1.44 36	0.24 7	0.29 212	0.29 3	0.16 3	0.45 12	0.37 9	0.19 1	0.21 2	0.28 43	0.22 21	0.30 14	0.29 89	0.10 79	0.09 114	0.10 50	0.08 30	0.11 22	0.11 38

RCA-Stereo	0.34 27	0.32 80	1.30 18	0.26 32	0.14 12	0.58 133	0.23 64	0.78 181	0.62 175	0.40 62	0.44 83	0.28 43	0.35 125	0.29 11	0.20 19	0.09 17	0.10 143	0.09 21	0.07 13	0.19 166	0.08 10

DCANet-4	0.40 65	0.27 42	2.21 243	0.25 15	0.14 12	0.51 59	0.22 46	0.77 167	0.72 253	0.54 174	0.47 91	0.28 43	0.37 138	0.37 46	0.34 135	0.09 17	0.07 11	0.08 3	0.07 13	0.08 1	0.22 229

s12784h	0.36 40	0.28 62	1.58 54	0.23 3	0.11 1	0.62 199	0.24 87	0.79 193	0.64 191	0.44 82	0.52 138	0.28 43	0.26 56	0.50 108	0.24 49	0.11 128	0.06 1	0.09 21	0.06 7	0.16 110	0.06 1

CroCo-Stereo Lap2	0.33 20	0.61 193	1.47 40	0.32 141	0.38 297	0.23 2	0.22 46	0.58 71	0.46 52	0.22 5	0.27 16	0.29 47	0.23 26	0.32 23	0.26 59	0.09 17	0.09 114	0.10 50	0.08 30	0.21 186	0.14 109

AnonymousM	0.37 43	0.44 139	1.50 45	0.25 15	0.15 25	0.52 72	0.23 64	0.60 83	0.42 29	0.42 72	0.32 32	0.30 48	0.25 43	0.34 33	0.23 35	0.11 128	0.09 114	0.71 382	0.36 359	0.12 32	0.07 3

DIP-Stereo	0.37 43	0.34 93	1.50 45	0.27 41	0.18 85	0.63 215	0.17 5	0.92 278	0.53 102	0.49 127	0.48 103	0.30 48	0.30 101	0.39 53	0.30 100	0.10 79	0.08 59	0.10 50	0.08 30	0.15 83	0.12 64
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
fff	0.43 88	0.77 250	1.95 186	0.24 7	0.13 5	0.51 59	0.22 46	0.77 167	0.75 283	0.54 174	0.47 91	0.31 50	0.65 292	0.36 39	0.34 135	0.09 17	0.07 11	0.08 3	0.07 13	0.08 1	0.22 229

ADStereo(finetuned)	0.45 112	0.77 250	2.12 226	0.25 15	0.14 12	0.51 59	0.22 46	0.77 167	0.72 253	0.54 174	0.48 103	0.31 50	0.76 319	0.37 46	0.38 151	0.09 17	0.07 11	0.09 21	0.07 13	0.13 51	0.23 247

raftrobust	0.38 48	0.68 220	1.54 49	0.32 141	0.46 335	0.52 72	0.21 34	0.56 64	0.42 29	0.52 153	0.35 43	0.31 50	0.33 115	0.37 46	0.30 100	0.10 79	0.11 176	0.08 3	0.07 13	0.21 186	0.19 198

DCANet	0.42 82	0.77 250	1.95 186	0.25 15	0.14 12	0.51 59	0.22 46	0.77 167	0.72 253	0.54 174	0.48 103	0.31 50	0.41 175	0.36 39	0.39 158	0.09 17	0.07 11	0.09 21	0.07 13	0.13 51	0.23 247

csc	0.43 88	0.77 250	1.95 186	0.24 7	0.13 5	0.51 59	0.22 46	0.77 167	0.75 283	0.54 174	0.47 91	0.31 50	0.65 292	0.36 39	0.34 135	0.09 17	0.07 11	0.08 3	0.07 13	0.08 1	0.22 229

cscssc	0.43 88	0.77 250	1.95 186	0.24 7	0.13 5	0.51 59	0.22 46	0.77 167	0.75 283	0.54 174	0.47 91	0.31 50	0.65 292	0.36 39	0.34 135	0.09 17	0.07 11	0.08 3	0.07 13	0.08 1	0.22 229

11t1	0.33 20	0.19 2	1.41 32	0.33 157	0.16 38	0.48 42	0.21 34	0.67 108	0.48 66	0.40 62	0.34 40	0.32 56	0.33 115	0.42 62	0.27 67	0.11 128	0.12 201	0.10 50	0.08 30	0.13 51	0.14 109

HHNet	0.60 236	0.65 212	2.60 315	0.36 212	0.25 174	0.64 226	0.61 328	0.64 93	0.62 175	0.55 188	1.13 351	0.32 56	0.60 275	0.42 62	1.79 353	0.15 246	0.07 11	0.12 139	0.10 78	0.18 149	0.15 139

raft+_RVC	0.44 97	0.67 218	1.85 145	0.34 180	0.71 370	0.51 59	0.25 102	0.64 93	0.51 81	0.35 44	0.45 84	0.32 56	0.28 80	0.43 65	0.32 120	0.09 17	0.19 292	0.10 50	0.09 46	0.20 178	0.40 348

rafts_anoy	0.43 88	0.89 290	1.96 195	0.32 141	0.30 222	0.48 42	0.24 87	0.62 89	0.49 70	0.37 50	0.38 54	0.33 59	0.30 101	0.51 111	0.34 135	0.10 79	0.39 368	0.13 194	0.15 228	0.17 130	0.15 139

Anonymous3	0.42 82	0.35 100	2.09 219	0.33 157	0.24 162	0.72 275	0.31 188	0.74 138	0.55 113	0.35 44	0.40 64	0.33 59	0.29 93	0.44 70	0.28 76	0.18 287	0.18 282	0.13 194	0.13 182	0.17 130	0.17 172

R-Stereo Train	0.36 40	0.21 9	1.70 76	0.29 80	0.18 85	0.55 92	0.26 118	0.78 181	0.36 6	0.57 207	0.67 254	0.33 59	0.24 32	0.32 23	0.23 35	0.10 79	0.08 59	0.09 21	0.07 13	0.09 7	0.12 64

RAFT-Stereo	0.36 40	0.21 9	1.70 76	0.29 80	0.18 85	0.55 92	0.26 118	0.78 181	0.36 6	0.57 207	0.67 254	0.33 59	0.24 32	0.32 23	0.23 35	0.10 79	0.08 59	0.09 21	0.07 13	0.09 7	0.12 64
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RAFT+CT+SA	0.50 165	0.86 281	1.82 140	0.37 230	0.75 372	0.54 81	0.34 221	0.77 167	0.63 184	0.38 55	0.55 164	0.34 63	0.29 93	0.68 160	0.27 67	0.09 17	0.07 11	0.11 94	0.51 375	0.29 263	0.41 353

UDGNet	0.44 97	1.02 334	1.74 88	0.35 194	0.19 98	0.58 133	0.23 64	0.49 28	0.66 213	0.41 68	0.38 54	0.34 63	0.29 93	0.53 121	0.30 100	0.24 333	0.10 143	0.37 363	0.19 286	0.27 254	0.15 139

dd	0.42 82	0.96 310	1.77 106	0.31 119	0.17 62	0.57 118	0.26 118	0.49 28	0.68 218	0.41 68	0.40 64	0.34 63	0.27 70	0.45 77	0.40 163	0.17 277	0.10 143	0.13 194	0.12 157	0.21 186	0.12 64

TestStereo	0.45 112	0.54 174	2.11 223	0.29 80	0.16 38	0.43 19	0.24 87	0.54 60	0.45 49	0.37 50	0.46 88	0.34 63	0.27 70	1.98 325	0.27 67	0.11 128	0.08 59	0.12 139	0.09 46	0.14 69	0.08 10

TestStereo1	0.49 156	0.81 267	1.85 145	0.39 252	0.57 355	0.56 101	0.34 221	0.75 148	0.69 227	0.44 82	0.63 224	0.35 67	0.42 190	0.64 149	0.29 89	0.10 79	0.08 59	0.12 139	0.10 78	0.33 291	0.26 272

SA-5K	0.49 156	0.81 267	1.85 145	0.39 252	0.57 355	0.56 101	0.34 221	0.75 148	0.69 227	0.44 82	0.63 224	0.35 67	0.42 190	0.64 149	0.29 89	0.10 79	0.08 59	0.12 139	0.10 78	0.33 291	0.26 272

RALCasStereoNet	0.45 112	0.88 287	1.85 145	0.30 94	0.26 187	0.49 47	0.26 118	0.58 71	0.51 81	0.36 46	0.48 103	0.36 69	0.28 80	0.55 128	0.34 135	0.10 79	0.53 381	0.09 21	0.08 30	0.25 232	0.34 321

LoS	0.31 12	0.30 71	1.52 48	0.23 3	0.13 5	0.54 81	0.20 23	0.48 24	0.49 70	0.25 20	0.28 17	0.37 70	0.24 32	0.38 50	0.23 35	0.10 79	0.08 59	0.08 3	0.05 1	0.15 83	0.07 3

IPLG	0.69 280	0.84 276	2.43 285	0.35 194	0.21 116	1.65 383	0.61 328	1.36 380	0.58 134	1.39 380	0.51 130	0.37 70	0.87 334	1.41 241	0.36 144	0.09 17	0.07 11	0.14 223	0.12 157	0.32 284	0.11 38

NF-Stereo	0.48 139	0.25 32	1.81 135	0.52 325	0.16 38	0.61 179	0.44 275	0.66 99	0.61 159	0.50 134	0.47 91	0.37 70	0.26 56	1.45 247	0.79 284	0.11 128	0.07 11	0.12 139	0.10 78	0.13 51	0.16 161

OCTAStereo	0.48 139	0.25 32	1.81 135	0.52 325	0.16 38	0.61 179	0.43 267	0.66 99	0.61 159	0.50 134	0.47 91	0.37 70	0.26 56	1.44 243	0.80 285	0.11 128	0.07 11	0.12 139	0.10 78	0.13 51	0.17 172

RE-Stereo	0.48 139	0.25 32	1.81 135	0.52 325	0.16 38	0.61 179	0.43 267	0.66 99	0.60 145	0.50 134	0.47 91	0.37 70	0.26 56	1.44 243	0.78 279	0.11 128	0.07 11	0.12 139	0.10 78	0.13 51	0.17 172

TVStereo	0.48 139	0.25 32	1.81 135	0.52 325	0.16 38	0.61 179	0.43 267	0.66 99	0.60 145	0.50 134	0.47 91	0.37 70	0.26 56	1.44 243	0.78 279	0.11 128	0.07 11	0.12 139	0.10 78	0.13 51	0.17 172

DisPM	0.43 88	0.33 85	1.78 110	0.57 344	0.18 85	0.59 149	0.63 334	0.53 50	0.61 159	0.60 240	0.53 146	0.38 76	0.26 56	0.75 177	0.29 89	0.12 175	0.07 11	0.12 139	0.11 127	0.11 22	0.14 109

SA	0.50 165	0.75 241	1.95 186	0.31 119	0.61 363	0.57 118	0.31 188	0.91 270	0.73 267	0.42 72	0.62 214	0.38 76	0.47 224	0.68 160	0.29 89	0.09 17	0.09 114	0.13 194	0.32 344	0.30 272	0.10 28

test_4	0.40 65	0.37 107	2.01 201	0.29 80	0.21 116	0.50 53	0.28 151	0.47 21	0.39 15	0.42 72	0.76 296	0.38 76	0.22 21	0.52 115	0.33 130	0.08 4	0.07 11	0.11 94	0.15 228	0.28 260	0.07 3

DRaft	0.62 248	0.38 112	1.76 98	0.24 7	0.16 38	0.64 226	0.66 336	0.53 50	0.53 102	0.67 289	0.99 335	0.38 76	1.00 348	1.44 243	2.10 366	0.10 79	0.14 229	0.10 50	0.14 207	0.18 149	0.21 218

PFNet+	0.45 112	0.37 107	1.86 153	0.46 301	0.18 85	0.58 133	0.77 355	0.52 44	0.64 191	0.56 197	0.48 103	0.39 80	0.26 56	0.93 199	0.32 120	0.13 204	0.09 114	0.14 223	0.13 182	0.12 32	0.15 139

PSM-softLoss	0.48 139	0.27 42	1.85 145	0.51 321	0.17 62	0.61 179	0.40 252	0.61 85	0.57 124	0.52 153	0.48 103	0.39 80	0.25 43	1.46 248	0.77 277	0.12 175	0.08 59	0.13 194	0.12 157	0.12 32	0.14 109

KMStereo	0.48 139	0.27 42	1.85 145	0.51 321	0.17 62	0.61 179	0.40 252	0.61 85	0.57 124	0.52 153	0.48 103	0.39 80	0.25 43	1.46 248	0.77 277	0.12 175	0.08 59	0.13 194	0.12 157	0.12 32	0.14 109

DeepStereo_RVC	0.44 97	0.28 62	1.92 176	0.49 316	0.17 62	0.60 159	0.59 323	0.50 32	0.52 86	0.49 127	0.45 84	0.39 80	0.86 333	0.45 77	0.33 130	0.11 128	0.08 59	0.11 94	0.09 46	0.15 83	0.19 198

LMCR-Stereo	0.52 189	0.71 228	2.39 276	0.40 261	0.21 116	0.74 283	0.31 188	1.02 343	0.64 191	0.61 247	0.63 224	0.39 80	0.51 242	0.62 144	0.42 171	0.19 297	0.09 114	0.12 139	0.09 46	0.23 206	0.12 64

RALAANet	0.43 88	0.98 321	1.90 167	0.32 141	0.23 149	0.48 42	0.19 14	0.67 108	0.53 102	0.48 116	0.45 84	0.39 80	0.30 101	0.48 94	0.37 146	0.10 79	0.08 59	0.11 94	0.14 207	0.27 254	0.10 28

GES	0.44 97	0.28 62	1.88 160	0.30 94	0.18 85	0.61 179	0.30 178	0.88 248	0.46 52	0.47 97	0.52 138	0.39 80	0.42 190	0.58 133	0.67 256	0.15 246	0.11 176	0.12 139	0.10 78	0.15 83	0.17 172

RAFT-Stereo + iAFF	0.42 82	0.86 281	1.78 110	0.28 59	0.17 62	0.52 72	0.20 23	0.62 89	0.61 159	0.50 134	0.61 209	0.39 80	0.32 112	0.35 35	0.30 100	0.07 1	0.10 143	0.09 21	0.09 46	0.35 306	0.10 28

4D-IteraStereo	0.44 97	0.96 310	2.63 316	0.27 41	0.30 222	0.45 21	0.25 102	0.52 44	0.50 76	0.40 62	0.31 28	0.40 88	0.19 10	0.35 35	0.32 120	0.09 17	0.06 1	0.12 139	0.11 127	0.19 166	0.30 299

anonymousdsp2	0.34 27	0.24 29	1.16 8	0.28 59	0.15 25	0.57 118	0.23 64	0.79 193	0.47 65	0.38 55	0.37 47	0.40 88	0.25 43	0.47 90	0.21 23	0.09 17	0.07 11	0.10 50	0.13 182	0.19 166	0.27 280

CASS	0.39 61	0.30 71	1.61 61	0.32 141	0.17 62	0.53 78	0.24 87	0.70 118	0.49 70	0.59 232	0.54 156	0.40 88	0.40 164	0.41 59	0.30 100	0.17 277	0.10 143	0.14 223	0.11 127	0.18 149	0.17 172
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.35 35	0.26 41	1.48 43	0.31 119	0.15 25	0.61 179	0.19 14	0.60 83	0.54 109	0.28 33	0.29 20	0.40 88	0.33 115	0.50 108	0.27 67	0.10 79	0.07 11	0.09 21	0.35 353	0.19 166	0.08 10

mmm	0.38 48	0.21 9	1.18 9	0.35 194	0.17 62	0.49 47	0.26 118	0.78 181	0.52 86	0.50 134	0.57 181	0.41 92	0.37 138	0.71 172	0.31 110	0.11 128	0.13 215	0.14 223	0.13 182	0.15 83	0.14 109

CIPLG	0.56 217	1.19 357	2.46 290	0.80 369	0.31 238	0.61 179	0.57 319	0.76 157	0.57 124	0.56 197	0.63 224	0.41 92	0.30 101	0.45 77	0.40 163	0.11 128	0.20 301	0.13 194	0.13 182	0.35 306	0.19 198

IPLGR_C	0.58 228	1.25 364	2.72 329	0.80 369	0.31 238	0.60 159	0.61 328	0.76 157	0.58 134	0.56 197	0.62 214	0.41 92	0.31 109	0.43 65	0.40 163	0.11 128	0.22 314	0.13 194	0.15 228	0.35 306	0.19 198

GMOStereo	0.41 69	0.62 197	1.78 110	0.28 59	0.36 280	0.51 59	0.31 188	0.53 50	0.44 39	0.57 207	0.48 103	0.41 92	0.27 70	0.28 3	0.23 35	0.08 4	0.38 362	0.13 194	0.11 127	0.34 298	0.11 38

error version	0.41 69	0.62 197	1.78 110	0.28 59	0.36 280	0.51 59	0.31 188	0.53 50	0.44 39	0.57 207	0.48 103	0.41 92	0.27 70	0.28 3	0.23 35	0.08 4	0.38 362	0.13 194	0.11 127	0.34 298	0.11 38

test-v	0.41 69	0.62 197	1.78 110	0.28 59	0.36 280	0.51 59	0.31 188	0.53 50	0.44 39	0.57 207	0.48 103	0.41 92	0.27 70	0.28 3	0.23 35	0.08 4	0.38 362	0.13 194	0.11 127	0.34 298	0.11 38

ACRE	0.56 217	1.14 348	2.77 337	0.76 365	0.28 207	0.60 159	0.56 315	0.76 157	0.58 134	0.55 188	0.62 214	0.41 92	0.29 93	0.44 70	0.39 158	0.11 128	0.19 292	0.13 194	0.14 207	0.36 310	0.18 190

LCNet	0.54 199	0.37 107	1.78 110	0.92 378	0.22 137	0.96 342	0.30 178	0.59 76	0.58 134	0.51 146	0.55 164	0.41 92	0.76 319	0.84 193	0.26 59	0.09 17	0.06 1	0.12 139	0.18 268	0.98 384	0.39 344

Pruner-Stereo	0.51 180	0.27 42	1.78 110	1.79 403	0.19 98	0.62 199	0.45 281	0.57 67	0.60 145	0.61 247	0.48 103	0.41 92	0.24 32	0.46 83	1.00 303	0.12 175	0.07 11	0.12 139	0.10 78	0.12 32	0.13 96

test-2	0.41 69	0.62 197	1.78 110	0.28 59	0.36 280	0.51 59	0.31 188	0.53 50	0.44 39	0.57 207	0.48 103	0.41 92	0.27 70	0.28 3	0.23 35	0.08 4	0.38 362	0.13 194	0.11 127	0.34 298	0.11 38

test-1	0.44 97	0.48 155	1.69 72	0.30 94	0.27 198	0.50 53	0.28 151	0.80 195	0.43 36	0.40 62	0.54 156	0.41 92	0.24 32	0.31 17	1.16 320	0.09 17	0.20 301	0.10 50	0.17 258	0.11 22	0.26 272

iRaftStereo_RVC	0.37 43	0.53 171	1.41 32	0.28 59	0.15 25	0.52 72	0.20 23	0.54 60	0.46 52	0.37 50	0.43 73	0.41 92	0.23 26	0.36 39	0.26 59	0.09 17	0.15 250	0.12 139	0.11 127	0.41 337	0.37 338

DN-CSS_ROB	0.48 139	1.23 361	1.99 198	0.39 252	0.22 137	0.56 101	0.19 14	0.75 148	0.61 159	0.45 89	0.62 214	0.41 92	0.31 109	0.70 170	0.32 120	0.11 128	0.08 59	0.14 223	0.13 182	0.36 310	0.12 64

DCRE	0.50 165	0.63 204	2.13 228	0.30 94	0.23 149	0.45 21	0.24 87	0.59 76	0.53 102	0.50 134	2.10 381	0.42 105	0.26 56	0.35 35	0.23 35	0.09 17	0.14 229	0.10 50	0.32 344	0.16 110	0.15 139

x	0.35 35	0.20 4	1.36 24	0.33 157	0.17 62	0.47 36	0.24 87	0.75 148	0.54 109	0.40 62	0.40 64	0.42 105	0.34 123	0.45 77	0.32 120	0.11 128	0.14 229	0.11 94	0.09 46	0.12 32	0.14 109

Sa-1000	0.51 180	0.72 232	1.90 167	0.31 119	0.60 362	0.60 159	0.31 188	0.94 287	0.71 245	0.52 153	0.83 306	0.42 105	0.33 115	0.68 160	0.28 76	0.10 79	0.09 114	0.13 194	0.29 331	0.29 263	0.10 28

AE-Stereo	0.42 82	0.29 66	1.65 64	0.43 279	0.47 337	0.56 101	0.23 64	0.86 234	0.46 52	0.31 36	0.41 68	0.43 108	0.24 32	0.34 33	0.24 49	0.09 17	0.48 379	0.11 94	0.45 370	0.22 198	0.19 198

EKT-Stereo	1.47 383	0.49 157	1.93 179	2.57 411	19.31 425	0.55 92	0.22 46	0.69 114	0.42 29	0.38 55	0.36 44	0.43 108	0.27 70	0.69 166	0.26 59	0.12 175	0.14 229	0.11 94	0.16 243	0.20 178	0.15 139

MIM_Stereo	0.41 69	0.60 189	1.88 160	0.31 119	0.21 116	0.50 53	0.19 14	0.64 93	0.44 39	0.43 77	0.53 146	0.43 108	0.27 70	0.51 111	0.28 76	0.08 4	0.14 229	0.11 94	0.10 78	0.26 247	0.26 272

Patchmatch Stereo++	0.39 61	0.27 42	1.78 110	0.44 284	0.16 38	0.61 179	0.27 141	0.51 34	0.52 86	0.47 97	0.43 73	0.43 108	0.28 80	0.54 124	0.28 76	0.12 175	0.08 59	0.12 139	0.10 78	0.17 130	0.12 64
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
ROB_FTStereo	0.38 48	0.27 42	1.78 110	0.44 284	0.17 62	0.61 179	0.26 118	0.51 34	0.52 86	0.47 97	0.43 73	0.43 108	0.28 80	0.49 103	0.28 76	0.12 175	0.08 59	0.12 139	0.10 78	0.17 130	0.12 64

RAFT-345	0.53 194	0.30 71	2.34 266	0.38 244	0.34 263	0.58 133	0.42 261	0.47 21	0.61 159	0.51 146	1.00 337	0.43 108	0.28 80	1.57 265	0.82 287	0.10 79	0.07 11	0.11 94	0.09 46	0.10 11	0.08 10

iRAFT	0.39 61	0.27 42	1.78 110	0.44 284	0.16 38	0.61 179	0.27 141	0.51 34	0.52 86	0.47 97	0.43 73	0.43 108	0.28 80	0.54 124	0.28 76	0.12 175	0.08 59	0.12 139	0.10 78	0.17 130	0.12 64

RAFT-IKP	0.38 48	0.27 42	1.79 128	0.44 284	0.16 38	0.60 159	0.28 151	0.51 34	0.52 86	0.47 97	0.43 73	0.43 108	0.28 80	0.50 108	0.28 76	0.12 175	0.08 59	0.12 139	0.10 78	0.17 130	0.12 64

Prome-Stereo	0.49 156	0.30 71	1.76 98	0.60 352	0.23 149	0.63 215	0.42 261	0.62 89	0.60 145	0.59 232	1.03 342	0.43 108	0.72 309	0.60 141	0.33 130	0.09 17	0.07 11	0.10 50	0.09 46	0.11 22	0.43 355

SFCPSM	0.46 122	0.24 29	2.35 269	0.27 41	0.27 198	0.70 267	0.32 209	0.96 302	0.63 184	0.49 127	0.52 138	0.43 108	0.36 130	0.52 115	0.43 179	0.12 175	0.09 114	0.12 139	0.16 243	0.16 110	0.12 64

iResNet	0.51 180	0.76 242	2.59 313	0.41 267	0.17 62	0.64 226	0.27 141	0.82 205	0.70 236	0.57 207	0.64 240	0.43 108	0.36 130	0.70 170	0.52 214	0.10 79	0.07 11	0.09 21	0.08 30	0.21 186	0.13 96

MSKI-zero shot	0.46 122	0.38 112	2.47 292	0.27 41	0.43 320	0.56 101	0.20 23	0.77 167	0.43 36	0.60 240	0.51 130	0.44 119	0.17 1	0.68 160	0.21 23	0.09 17	0.29 346	0.09 21	0.32 344	0.14 69	0.10 28

LL-Strereo2	0.41 69	0.90 292	1.83 142	0.44 284	0.24 162	0.54 81	0.27 141	0.58 71	0.45 49	0.41 68	0.33 36	0.44 119	0.21 17	0.44 70	0.34 135	0.09 17	0.08 59	0.16 264	0.14 207	0.17 130	0.17 172

PSM-adaLoss	0.38 48	0.27 42	1.78 110	0.44 284	0.17 62	0.60 159	0.29 171	0.51 34	0.52 86	0.47 97	0.43 73	0.44 119	0.28 80	0.47 90	0.28 76	0.12 175	0.08 59	0.12 139	0.10 78	0.17 130	0.12 64

ROB_FTStereo_v2	0.38 48	0.27 42	1.78 110	0.44 284	0.17 62	0.61 179	0.28 151	0.51 34	0.52 86	0.47 97	0.43 73	0.44 119	0.28 80	0.47 90	0.28 76	0.12 175	0.08 59	0.12 139	0.10 78	0.17 130	0.12 64

HUI-Stereo	0.38 48	0.27 42	1.79 128	0.44 284	0.17 62	0.61 179	0.28 151	0.51 34	0.52 86	0.47 97	0.43 73	0.44 119	0.28 80	0.45 77	0.28 76	0.12 175	0.08 59	0.12 139	0.10 78	0.17 130	0.12 64

iGMRVC	0.39 61	0.27 42	1.78 110	0.44 284	0.17 62	0.61 179	0.27 141	0.51 34	0.52 86	0.47 97	0.43 73	0.44 119	0.28 80	0.55 128	0.28 76	0.12 175	0.08 59	0.12 139	0.10 78	0.17 130	0.12 64

test_xeample	0.72 294	0.21 9	1.36 24	0.27 41	0.17 62	0.59 149	0.28 151	1.01 340	0.70 236	0.55 188	0.67 254	0.44 119	0.39 157	1.88 318	5.17 407	0.12 175	0.10 143	0.11 94	0.10 78	0.13 51	0.15 139

StereoVision	0.45 112	0.72 232	1.94 183	0.33 157	0.32 246	0.47 36	0.26 118	0.68 111	0.57 124	0.32 42	0.89 321	0.45 126	0.27 70	0.49 103	0.36 144	0.13 204	0.15 250	0.16 264	0.15 228	0.19 166	0.13 96

test_5	0.51 180	0.87 284	1.99 198	0.37 230	0.65 365	0.58 133	0.35 227	0.78 181	0.62 175	0.48 116	0.55 164	0.45 126	0.40 164	0.72 174	0.30 100	0.09 17	0.07 11	0.12 139	0.12 157	0.33 291	0.38 341

test-3	0.43 88	0.20 4	1.70 76	0.34 180	0.32 246	0.45 21	0.23 64	0.71 120	0.46 52	0.51 146	0.29 20	0.45 126	0.21 17	0.59 136	0.98 297	0.08 4	0.07 11	0.10 50	0.35 353	0.29 263	0.28 285

test_1	0.43 88	0.20 4	1.70 76	0.34 180	0.32 246	0.45 21	0.23 64	0.71 120	0.46 52	0.50 134	0.29 20	0.45 126	0.21 17	0.59 136	0.98 297	0.08 4	0.07 11	0.10 50	0.35 353	0.29 263	0.29 291

test_3	0.44 97	0.20 4	1.70 76	0.36 212	0.32 246	0.47 36	0.30 178	0.73 133	0.49 70	0.50 134	0.30 25	0.45 126	0.22 21	0.59 136	0.98 297	0.08 4	0.10 143	0.11 94	0.35 353	0.29 263	0.28 285

DEmStereo	0.68 276	0.31 77	2.25 253	0.42 275	0.17 62	0.66 243	0.89 365	0.51 34	0.59 141	0.60 240	1.01 338	0.45 126	1.26 363	1.54 261	2.26 372	0.10 79	0.08 59	0.10 50	0.10 78	0.10 11	0.11 38

PFNet	0.60 236	0.33 85	2.47 292	0.41 267	0.55 352	0.62 199	0.27 141	0.61 85	0.63 184	0.61 247	0.56 175	0.45 126	0.32 112	1.88 318	1.14 317	0.28 350	0.09 114	0.12 139	0.16 243	0.26 247	0.20 212

CRE-IMP	0.41 69	0.22 17	1.76 98	0.48 314	0.17 62	0.79 308	0.69 343	0.52 44	0.52 86	0.47 97	0.42 71	0.45 126	0.26 56	0.41 59	0.31 110	0.11 128	0.07 11	0.12 139	0.09 46	0.17 130	0.23 247

xx1	0.46 122	0.64 206	2.07 213	0.35 194	0.14 12	0.76 291	0.25 102	0.74 138	1.01 351	0.31 36	0.38 54	0.46 134	0.36 130	0.69 166	0.19 3	0.10 79	0.24 322	0.12 139	0.12 157	0.12 32	0.14 109

gwcnet-sp	0.49 156	0.43 133	2.54 307	0.31 119	0.22 137	0.67 248	0.31 188	0.78 181	0.65 203	0.58 219	0.47 91	0.46 134	0.43 200	0.76 180	0.46 187	0.11 128	0.11 176	0.11 94	0.11 127	0.15 83	0.14 109

scenet	0.49 156	0.43 133	2.54 307	0.31 119	0.22 137	0.67 248	0.31 188	0.78 181	0.65 203	0.58 219	0.47 91	0.46 134	0.43 200	0.76 180	0.46 187	0.11 128	0.11 176	0.11 94	0.11 127	0.15 83	0.14 109

ssnet	0.49 156	0.43 133	2.54 307	0.31 119	0.22 137	0.67 248	0.31 188	0.78 181	0.65 203	0.58 219	0.47 91	0.46 134	0.43 200	0.76 180	0.46 187	0.11 128	0.11 176	0.11 94	0.11 127	0.15 83	0.14 109

qqq	0.38 48	0.21 9	1.34 23	0.28 59	0.15 25	0.45 21	0.26 118	0.76 157	0.52 86	0.39 60	0.41 68	0.46 134	0.36 130	0.96 202	0.30 100	0.11 128	0.14 229	0.12 139	0.12 157	0.12 32	0.14 109

222	0.78 318	0.23 21	1.23 12	0.28 59	0.18 85	0.62 199	0.24 87	1.02 343	0.70 236	0.58 219	0.66 251	0.46 134	0.42 190	1.80 302	6.53 412	0.13 204	0.10 143	0.11 94	0.10 78	0.12 32	0.17 172

H2IRNET	0.40 65	0.61 193	1.90 167	0.29 80	0.17 62	0.54 81	0.18 11	0.52 44	0.50 76	0.27 30	0.56 175	0.47 140	0.35 125	0.46 83	0.33 130	0.10 79	0.07 11	0.12 139	0.14 207	0.32 284	0.12 64

IPLGR	0.54 199	0.56 183	2.68 323	0.36 212	0.18 85	0.62 199	0.54 307	1.02 343	0.64 191	0.73 311	0.46 88	0.47 140	0.45 211	1.12 219	0.29 89	0.09 17	0.08 59	0.11 94	0.09 46	0.19 166	0.12 64

TRStereo	0.53 194	0.76 242	2.38 274	0.42 275	0.29 212	0.69 262	0.23 64	1.81 394	0.55 113	0.36 46	0.32 32	0.47 140	0.40 164	0.46 83	0.25 56	0.12 175	0.11 176	0.11 94	0.41 368	0.13 51	0.32 310

ASMatch	0.60 236	0.43 133	2.58 311	0.91 377	0.36 280	0.56 101	0.25 102	0.52 44	0.61 159	0.47 97	1.21 353	0.47 140	0.66 296	1.34 237	0.94 293	0.10 79	0.08 59	0.11 94	0.11 127	0.10 11	0.16 161

RAFT-RH_RVC	0.61 244	0.50 163	2.33 264	0.36 212	0.29 212	0.60 159	0.18 11	0.44 9	0.58 134	0.76 316	1.91 377	0.47 140	0.29 93	1.60 272	1.23 326	0.14 232	0.07 11	0.13 194	0.13 182	0.10 11	0.09 17

GMM-Stereo	0.50 165	0.23 21	2.41 279	0.54 334	0.24 162	0.77 299	0.46 283	0.59 76	0.57 124	0.58 219	0.73 289	0.47 140	0.43 200	0.68 160	0.27 67	0.10 79	0.06 1	0.13 194	0.13 182	0.14 69	0.44 357

FINET	0.65 262	0.95 308	3.06 362	0.35 194	0.40 306	0.58 133	0.48 294	0.92 278	1.10 362	0.57 207	0.68 262	0.47 140	0.44 207	1.15 224	0.60 242	0.23 326	0.21 309	0.17 280	0.15 228	0.26 247	0.25 263

HCRNet	0.46 122	0.49 157	1.65 64	0.38 244	0.29 212	0.58 133	0.22 46	0.75 148	0.62 175	0.47 97	0.49 120	0.48 147	0.36 130	1.12 219	0.37 146	0.15 246	0.10 143	0.15 249	0.13 182	0.17 130	0.17 172

HITNet	0.46 122	0.92 294	2.09 219	0.33 157	0.14 12	0.55 92	0.22 46	0.83 211	0.56 121	0.51 146	0.49 120	0.48 147	0.37 138	0.48 94	0.54 222	0.09 17	0.06 1	0.10 50	0.08 30	0.23 206	0.09 17
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
IRAFT_RVC	0.54 199	0.53 171	1.78 110	0.46 301	0.21 116	0.58 133	0.43 267	0.65 97	0.66 213	0.54 174	0.50 126	0.49 149	0.51 242	1.58 269	1.01 307	0.11 128	0.25 336	0.13 194	0.10 78	0.15 83	0.13 96

ICVP	0.46 122	0.29 66	2.41 279	0.33 157	0.22 137	0.59 149	0.55 310	0.75 148	0.50 76	0.44 82	0.60 202	0.49 149	0.35 125	0.53 121	0.37 146	0.16 263	0.16 264	0.14 223	0.11 127	0.15 83	0.15 139
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
AFF-stereo	0.44 97	0.96 310	1.78 110	0.31 119	0.15 25	0.50 53	0.21 34	0.64 93	0.63 184	0.47 97	0.64 240	0.49 149	0.34 123	0.46 83	0.31 110	0.08 4	0.09 114	0.10 50	0.10 78	0.37 317	0.10 28

MyStereo8	0.54 199	0.80 262	2.76 335	0.32 141	0.33 257	0.71 269	0.20 23	0.87 243	0.57 124	0.51 146	0.59 190	0.50 152	0.33 115	0.68 160	0.55 223	0.10 79	0.29 346	0.10 50	0.13 182	0.21 186	0.34 321

AAGNet	0.88 336	0.33 85	1.79 128	0.54 334	0.98 385	0.62 199	0.46 283	0.50 32	0.60 145	0.58 219	0.53 146	0.50 152	0.73 312	1.23 230	7.48 413	0.11 128	0.07 11	0.12 139	0.10 78	0.14 69	0.09 17

EAI-Stereo	0.78 318	0.25 32	1.67 69	0.54 334	0.59 358	1.95 392	2.05 404	1.11 366	0.64 191	0.95 347	1.49 366	0.50 152	0.67 298	0.59 136	1.44 339	0.09 17	0.19 292	0.09 21	0.49 373	0.13 51	0.22 229

SMFormer	0.50 165	0.46 146	1.60 57	0.30 94	0.15 25	0.45 21	0.24 87	0.90 260	0.72 253	0.56 197	0.64 240	0.51 155	0.41 175	1.87 313	0.49 204	0.13 204	0.10 143	0.11 94	0.10 78	0.15 83	0.16 161

tta	0.50 165	0.46 146	1.60 57	0.30 94	0.15 25	0.45 21	0.24 87	0.90 260	0.72 253	0.56 197	0.64 240	0.51 155	0.41 175	1.87 313	0.49 204	0.13 204	0.10 143	0.11 94	0.10 78	0.14 69	0.11 38

qqq1	0.48 139	0.46 146	1.60 57	0.30 94	0.15 25	0.45 21	0.24 87	0.90 260	0.72 253	0.56 197	0.64 240	0.51 155	0.41 175	1.87 313	0.23 35	0.13 204	0.10 143	0.09 21	0.08 30	0.14 69	0.11 38

fff1	0.48 139	0.46 146	1.60 57	0.30 94	0.15 25	0.45 21	0.24 87	0.90 260	0.72 253	0.56 197	0.64 240	0.51 155	0.41 175	1.87 313	0.23 35	0.13 204	0.10 143	0.09 21	0.08 30	0.14 69	0.11 38

MyStereo05	0.49 156	0.41 124	2.72 329	0.30 94	0.23 149	0.60 159	0.30 178	0.82 205	0.77 297	0.52 153	0.37 47	0.51 155	0.42 190	0.52 115	0.38 151	0.09 17	0.17 274	0.12 139	0.10 78	0.16 110	0.20 212

PS-NSSS	0.63 251	1.00 327	1.81 135	0.30 94	0.31 238	0.63 215	0.34 221	0.98 313	0.69 227	0.54 174	0.74 291	0.51 155	0.41 175	2.43 362	0.48 199	0.24 333	0.17 274	0.27 340	0.18 268	0.27 254	0.21 218

CoDeX	0.52 189	0.43 133	2.25 253	0.29 80	0.26 187	0.61 179	0.32 209	0.99 324	0.68 218	0.48 116	0.55 164	0.52 161	0.40 164	1.60 272	0.35 142	0.12 175	0.09 114	0.11 94	0.10 78	0.13 51	0.12 64

SST-Stereo	0.52 189	0.20 4	1.76 98	0.62 354	0.53 347	0.62 199	0.66 336	0.55 63	0.61 159	0.58 219	0.53 146	0.52 161	0.60 275	1.59 271	0.29 89	0.11 128	0.07 11	0.12 139	0.10 78	0.16 110	0.10 28

MyStereo04	0.48 139	0.40 121	2.65 320	0.29 80	0.23 149	0.60 159	0.31 188	0.83 211	0.75 283	0.47 97	0.36 44	0.53 163	0.42 190	0.53 121	0.39 158	0.09 17	0.18 282	0.12 139	0.11 127	0.16 110	0.19 198

CrosDoStereo	0.94 343	0.37 107	2.53 301	0.25 15	0.32 246	0.54 81	3.76 414	0.72 125	0.60 145	0.70 300	1.40 363	0.53 163	1.49 378	1.78 296	3.09 383	0.10 79	0.08 59	0.11 94	0.11 127	0.21 186	0.11 38

KYRaft	0.48 139	0.29 66	1.75 94	0.33 157	0.21 116	0.75 289	0.44 275	0.58 71	0.57 124	0.64 275	0.93 326	0.53 163	0.72 309	0.60 141	0.24 49	0.10 79	0.07 11	0.12 139	0.14 207	0.12 32	0.54 365

DeepStereo_LL	0.94 343	0.37 107	2.53 301	0.25 15	0.32 246	0.54 81	3.76 414	0.72 125	0.60 145	0.70 300	1.40 363	0.53 163	1.49 378	1.78 296	3.09 383	0.10 79	0.08 59	0.11 94	0.11 127	0.21 186	0.11 38

ttt	0.66 266	0.22 17	1.68 70	0.34 180	0.24 162	0.60 159	0.26 118	1.00 332	0.77 297	0.55 188	0.67 254	0.54 167	0.36 130	2.14 339	3.03 382	0.16 263	0.13 215	0.13 194	0.12 157	0.15 83	0.17 172

Any-RAFT	0.38 48	0.25 32	1.89 164	0.27 41	0.17 62	0.68 259	0.21 34	0.78 181	0.53 102	0.43 77	0.43 73	0.54 167	0.30 101	0.41 59	0.20 19	0.10 79	0.12 201	0.08 3	0.06 7	0.10 11	0.09 17

CFNet-RSSM	0.41 69	0.32 80	2.20 242	0.27 41	0.44 321	0.52 72	0.19 14	0.76 157	0.48 66	0.43 77	0.36 44	0.54 167	0.26 56	0.33 29	0.25 56	0.09 17	0.08 59	0.09 21	0.38 362	0.10 11	0.09 17

knoymous	0.34 27	0.25 32	1.75 94	0.24 7	0.18 85	0.45 21	0.24 87	0.57 67	0.38 10	0.41 68	0.39 61	0.55 170	0.25 43	0.38 50	0.23 35	0.11 128	0.08 59	0.12 139	0.07 13	0.13 51	0.12 64

RAFT_CTSACE	0.46 122	0.76 242	2.07 213	0.35 194	0.30 222	0.54 81	0.30 178	0.61 85	0.48 66	0.49 127	0.76 296	0.55 170	0.36 130	0.58 133	0.22 31	0.08 4	0.13 215	0.11 94	0.10 78	0.41 337	0.08 10

iRaft-Stereo_20w	0.58 228	0.39 119	1.96 195	0.45 297	0.32 246	0.92 339	0.57 319	1.14 367	0.56 121	0.81 327	0.40 64	0.55 170	0.69 302	0.65 156	1.04 311	0.09 17	0.16 264	0.09 21	0.36 359	0.17 130	0.25 263

AASNet	0.56 217	1.03 335	2.34 266	0.37 230	0.33 257	0.65 238	0.29 171	0.96 302	0.73 267	0.54 174	0.60 202	0.55 170	0.38 143	0.59 136	0.58 238	0.14 232	0.12 201	0.13 194	0.10 78	0.43 342	0.24 254

RAFT_R40	0.50 165	0.21 9	1.76 98	0.50 318	0.40 306	0.61 179	0.53 304	0.56 64	0.60 145	0.56 197	0.54 156	0.55 170	0.51 242	1.57 265	0.53 218	0.11 128	0.07 11	0.12 139	0.10 78	0.16 110	0.09 17

CroCo-Stereo	0.30 8	0.45 144	1.08 3	0.31 119	0.17 62	0.19 1	0.21 34	0.73 133	0.50 76	0.21 2	0.24 11	0.55 170	0.22 21	0.27 1	0.26 59	0.09 17	0.08 59	0.08 3	0.07 13	0.12 32	0.09 17
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
ARAFT	0.60 236	1.23 361	3.10 365	0.28 59	0.16 38	0.64 226	0.36 233	0.90 260	0.67 216	0.61 247	0.49 120	0.55 170	0.31 109	1.24 233	0.32 120	0.10 79	0.08 59	0.14 223	0.13 182	0.37 317	0.21 218

FENet	0.44 97	0.30 71	2.42 281	0.32 141	0.17 62	0.58 133	0.22 46	0.77 167	0.59 141	0.47 97	0.42 71	0.55 170	0.38 143	0.49 103	0.47 196	0.12 175	0.09 114	0.12 139	0.11 127	0.13 51	0.16 161

MLCV	0.48 139	0.89 290	1.85 145	0.29 80	0.14 12	0.59 149	0.23 64	0.72 125	0.59 141	0.66 285	0.66 251	0.55 170	0.36 130	1.03 210	0.49 204	0.09 17	0.06 1	0.09 21	0.07 13	0.19 166	0.11 38

DAS	0.56 217	0.35 100	1.55 51	0.33 157	0.34 263	0.50 53	0.42 261	0.83 211	0.74 271	0.83 332	0.68 262	0.56 179	0.48 232	2.40 358	0.46 187	0.12 175	0.08 59	0.12 139	0.09 46	0.18 149	0.15 139

SepStereo	0.52 189	0.35 100	1.55 51	0.33 157	0.34 263	0.50 53	0.42 261	0.83 211	0.74 271	0.83 332	0.68 262	0.56 179	0.48 232	1.56 263	0.46 187	0.12 175	0.08 59	0.12 139	0.09 46	0.18 149	0.15 139

GwcNet-ADL	0.50 165	0.74 239	2.90 350	0.31 119	0.20 108	0.58 133	0.29 171	0.87 243	0.64 191	0.47 97	0.47 91	0.56 179	0.33 115	0.46 83	0.46 187	0.13 204	0.12 201	0.09 21	0.09 46	0.14 69	0.21 218

GANet-ADL	0.44 97	0.41 124	2.31 260	0.33 157	0.20 108	0.57 118	0.25 102	0.75 148	0.54 109	0.42 72	0.59 190	0.56 179	0.30 101	0.40 57	0.38 151	0.14 232	0.11 176	0.09 21	0.08 30	0.22 198	0.17 172

GrayStereo	0.66 266	0.19 2	1.76 98	0.90 376	0.23 149	0.62 199	1.42 399	0.62 89	0.60 145	0.72 307	0.78 300	0.56 179	3.07 404	0.60 141	0.26 59	0.09 17	0.08 59	0.10 50	0.21 301	0.11 22	0.18 190

111	0.48 139	1.09 342	1.95 186	0.24 7	0.13 5	0.59 149	0.26 118	0.83 211	0.78 302	0.48 116	0.52 138	0.56 179	0.38 143	0.49 103	0.38 151	0.09 17	0.07 11	0.09 21	0.07 13	0.23 206	0.35 323

1111x	0.74 305	0.21 9	1.93 179	0.31 119	0.17 62	0.63 215	0.32 209	1.03 350	0.74 271	0.52 153	0.62 214	0.57 185	0.47 224	2.38 354	4.25 402	0.12 175	0.14 229	0.11 94	0.12 157	0.12 32	0.14 109

RAFT + AFF	0.64 254	1.20 358	1.95 186	0.34 180	0.33 257	0.67 248	0.52 301	0.99 324	0.74 271	0.53 162	0.58 187	0.57 185	0.80 323	1.76 293	0.51 212	0.12 175	0.27 343	0.15 249	0.14 207	0.43 342	0.29 291

Gwc-CoAtRS	0.38 48	0.33 85	1.92 176	0.27 41	0.41 313	0.48 42	0.19 14	0.59 76	0.46 52	0.43 77	0.39 61	0.57 185	0.26 56	0.32 23	0.26 59	0.09 17	0.09 114	0.09 21	0.31 340	0.11 22	0.09 17

DMCA	0.41 69	0.52 166	1.26 14	0.31 119	0.24 162	0.59 149	0.26 118	0.77 167	0.63 184	0.58 219	0.48 103	0.57 185	0.35 125	0.40 57	0.50 209	0.14 232	0.10 143	0.14 223	0.10 78	0.15 83	0.15 139

FADNet-RVC-Resample	0.67 269	1.16 356	3.16 371	0.37 230	0.29 212	0.62 199	0.38 246	0.86 234	0.63 184	0.51 146	0.50 126	0.57 185	0.45 211	1.57 265	0.49 204	0.24 333	0.32 354	0.23 325	0.19 286	0.27 254	0.62 372

BEATNet_4x	0.47 135	0.73 235	1.91 173	0.33 157	0.15 25	0.56 101	0.25 102	0.85 226	0.58 134	0.54 174	0.51 130	0.57 185	0.42 190	0.57 131	0.61 244	0.11 128	0.08 59	0.12 139	0.09 46	0.20 178	0.16 161

iResNet_ROB	0.50 165	1.15 352	1.73 84	0.31 119	0.21 116	0.58 133	0.22 46	0.95 298	0.82 315	0.58 219	0.62 214	0.57 185	0.39 157	0.84 193	0.40 163	0.11 128	0.08 59	0.09 21	0.06 7	0.21 186	0.13 96

xxxx	0.70 284	0.21 9	1.33 21	0.28 59	0.18 85	0.63 215	0.24 87	1.02 343	0.69 227	0.50 134	0.62 214	0.58 192	0.38 143	1.47 255	5.21 408	0.13 204	0.12 201	0.11 94	0.10 78	0.12 32	0.15 139

CFNet	0.58 228	0.96 310	1.78 110	0.33 157	0.25 174	0.63 215	0.22 46	0.88 248	0.75 283	0.46 96	0.59 190	0.58 192	0.40 164	2.29 347	0.48 199	0.12 175	0.09 114	0.15 249	0.14 207	0.30 272	0.15 139

ToySt	0.44 97	0.61 193	1.89 164	0.29 80	0.18 85	0.55 92	0.35 227	0.67 108	0.53 102	0.39 60	0.50 126	0.59 194	0.43 200	0.51 111	0.49 204	0.10 79	0.12 201	0.13 194	0.16 243	0.24 221	0.19 198

NRIStereo	0.46 122	0.25 32	1.77 106	0.47 306	0.16 38	0.95 341	0.74 351	0.51 34	0.56 121	0.48 116	0.39 61	0.59 194	0.29 93	0.77 184	0.32 120	0.11 128	0.13 215	0.11 94	0.09 46	0.21 186	0.24 254

GEStereo_RVC	0.54 199	0.87 284	1.95 186	0.47 306	0.25 174	0.62 199	0.37 240	1.00 332	0.74 271	0.53 162	0.54 156	0.59 194	0.44 207	1.10 216	0.46 187	0.15 246	0.11 176	0.12 139	0.10 78	0.26 247	0.19 198

MMNet	0.50 165	0.48 155	1.93 179	0.33 157	0.27 198	0.79 308	0.28 151	0.81 199	0.74 271	0.60 240	0.56 175	0.59 194	0.55 257	0.79 189	0.59 240	0.10 79	0.09 114	0.12 139	0.11 127	0.13 51	0.14 109

DMCA-RVC	0.62 248	0.96 310	2.63 316	0.36 212	0.90 381	0.56 101	0.31 188	0.69 114	0.57 124	0.68 295	0.52 138	0.59 194	0.56 261	1.23 230	0.53 218	0.16 263	0.38 362	0.20 311	0.15 228	0.20 178	0.15 139

FADNet_RVC	0.81 327	1.14 348	2.42 281	0.30 94	0.24 162	0.71 269	0.24 87	0.95 298	0.61 159	0.44 82	0.56 175	0.59 194	0.42 190	1.52 259	0.68 259	0.94 387	0.96 404	0.28 343	1.00 403	0.90 383	1.36 405

IER	0.43 88	0.38 112	1.69 72	0.26 32	0.25 174	0.66 243	0.26 118	0.71 120	0.55 113	0.54 174	0.59 190	0.60 200	0.53 249	0.52 115	0.39 158	0.11 128	0.08 59	0.11 94	0.11 127	0.14 69	0.11 38

iResNetv2_ROB	0.59 232	1.43 377	2.96 353	0.40 261	0.22 137	0.58 133	0.28 151	0.91 270	0.73 267	0.57 207	0.63 224	0.60 200	0.41 175	0.74 176	0.35 142	0.11 128	0.08 59	0.10 50	0.07 13	0.43 342	0.17 172

UPFNet	0.46 122	0.28 62	1.73 84	0.33 157	0.32 246	0.65 238	0.38 246	0.83 211	0.59 141	0.57 207	0.52 138	0.61 202	0.40 164	0.75 177	0.52 214	0.13 204	0.12 201	0.13 194	0.12 157	0.15 83	0.11 38

ADCRef	0.80 322	0.96 310	2.29 259	0.37 230	0.35 273	0.96 342	0.51 298	0.87 243	0.75 283	0.88 338	0.83 306	0.61 202	1.36 371	1.02 208	3.27 388	0.13 204	0.11 176	0.17 280	0.19 286	0.25 232	0.21 218

TDLM	0.67 269	0.92 294	1.76 98	0.37 230	0.24 162	0.66 243	0.56 315	0.82 205	0.74 271	1.16 361	0.62 214	0.61 202	0.48 232	2.70 380	0.50 209	0.20 306	0.11 176	0.35 357	0.14 207	0.32 284	0.16 161

AdaStereo	0.44 97	0.38 112	1.79 128	0.34 180	0.20 108	0.57 118	0.28 151	0.92 278	0.69 227	0.52 153	0.55 164	0.61 202	0.33 115	0.48 94	0.39 158	0.17 277	0.08 59	0.17 280	0.11 127	0.18 149	0.12 64
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.
iRaft-Stereo_5w	0.54 199	1.01 331	2.08 218	0.27 41	0.21 116	0.49 47	0.28 151	0.73 133	0.58 134	0.40 62	0.61 209	0.62 206	0.46 219	1.78 296	0.47 196	0.09 17	0.07 11	0.11 94	0.10 78	0.39 331	0.12 64

FADNet-RVC	0.61 244	1.26 365	2.12 226	0.33 157	0.26 187	0.59 149	0.29 171	0.86 234	0.62 175	0.45 89	0.50 126	0.62 206	0.46 219	1.73 289	0.55 223	0.17 277	0.20 301	0.17 280	0.18 268	0.59 366	0.28 285

Anonymous Stereo	0.70 284	1.08 341	2.47 292	0.42 275	0.36 280	0.60 159	0.78 356	0.83 211	0.75 283	0.65 282	0.63 224	0.62 206	0.38 143	2.43 362	0.78 279	0.19 297	0.18 282	0.19 302	0.20 296	0.30 272	0.23 247

GMStereo_Zeroshot	0.41 69	0.36 105	1.54 49	0.41 267	0.19 98	0.52 72	0.19 14	0.59 76	0.52 86	0.57 207	0.59 190	0.63 209	0.29 93	0.58 133	0.33 130	0.15 246	0.09 114	0.16 264	0.09 46	0.24 221	0.12 64

BSDual-CNN	0.41 69	0.27 42	1.13 5	0.30 94	0.21 116	0.76 291	0.31 188	1.00 332	0.61 159	0.63 266	0.53 146	0.63 209	0.37 138	0.43 65	0.38 151	0.13 204	0.10 143	0.14 223	0.12 157	0.12 32	0.11 38

psmg	0.41 69	0.27 42	1.13 5	0.27 41	0.21 116	0.75 289	0.36 233	0.90 260	0.61 159	0.59 232	0.59 190	0.63 209	0.37 138	0.43 65	0.38 151	0.13 204	0.10 143	0.13 194	0.12 157	0.13 51	0.11 38

dad	0.51 180	1.01 331	1.74 88	0.29 80	0.19 98	0.60 159	0.26 118	0.52 44	0.75 283	0.63 266	0.63 224	0.63 209	0.33 115	0.85 195	0.47 196	0.27 346	0.15 250	0.40 366	0.18 268	0.22 198	0.14 109

pcwnet_v2	0.64 254	0.49 157	4.41 401	0.32 141	0.27 198	0.60 159	0.25 102	0.97 309	0.88 329	0.59 232	0.70 279	0.63 209	0.55 257	0.66 158	0.37 146	0.17 277	0.15 250	0.15 249	0.14 207	0.21 186	0.23 247

GANet-RSSM	0.55 211	0.73 235	1.90 167	0.36 212	0.26 187	0.59 149	0.27 141	0.78 181	0.52 86	0.47 97	0.57 181	0.63 209	0.45 211	1.92 323	0.43 179	0.14 232	0.10 143	0.25 336	0.11 127	0.34 298	0.14 109

SuperB	1.15 360	1.14 348	5.43 409	0.36 212	0.26 187	0.81 315	0.89 365	0.88 248	1.17 367	0.67 289	0.68 262	0.63 209	1.39 374	1.74 291	3.37 391	0.15 246	0.12 201	0.17 280	0.16 243	2.80 412	0.25 263

UCFNet_RVC	0.48 139	0.82 271	1.85 145	0.30 94	0.27 198	0.64 226	0.26 118	0.74 138	0.55 113	0.48 116	0.53 146	0.63 209	0.41 175	0.88 198	0.38 151	0.15 246	0.10 143	0.17 280	0.17 258	0.18 149	0.15 139

AACVNet	0.54 199	0.78 258	1.73 84	0.36 212	0.21 116	0.57 118	0.25 102	0.71 120	0.51 81	0.55 188	0.59 190	0.64 217	0.41 175	2.13 338	0.41 169	0.14 232	0.11 176	0.14 223	0.11 127	0.33 291	0.15 139

cross-raft	0.40 65	0.27 42	2.22 246	0.30 94	0.17 62	0.49 47	0.35 227	0.71 120	0.39 15	0.43 77	0.45 84	0.64 217	0.25 43	0.32 23	0.25 56	0.08 4	0.08 59	0.09 21	0.23 307	0.11 22	0.14 109

PWCDC_ROB	0.72 294	1.06 338	2.09 219	0.47 306	0.36 280	0.78 304	0.26 118	0.98 313	1.34 376	0.61 247	2.07 379	0.64 217	0.61 282	0.83 191	0.71 264	0.31 355	0.14 229	0.15 249	0.12 157	0.60 369	0.21 218

RAFT-Test	0.44 97	0.38 112	2.01 201	0.27 41	0.44 321	0.64 226	0.37 240	0.72 125	0.57 124	0.45 89	0.48 103	0.65 220	0.24 32	0.35 35	0.29 89	0.09 17	0.11 176	0.09 21	0.38 362	0.10 11	0.11 38

CSP-Net	0.50 165	0.39 119	1.25 13	0.29 80	0.23 149	0.77 299	0.35 227	0.86 234	0.57 124	0.59 232	0.59 190	0.65 220	0.40 164	1.77 295	0.44 183	0.16 263	0.11 176	0.10 50	0.10 78	0.20 178	0.14 109

Consistency-Raft	0.88 336	0.93 300	3.23 379	0.99 384	0.64 364	0.77 299	0.55 310	0.98 313	0.97 345	0.61 247	1.03 342	0.65 220	1.05 353	0.79 189	1.38 334	0.44 366	0.46 373	0.51 373	0.58 383	0.65 371	0.47 360

DeepPrunerF	0.86 333	0.86 281	2.91 351	0.45 297	0.50 340	0.64 226	0.48 294	1.14 367	2.64 401	0.63 266	0.61 209	0.65 220	0.62 287	2.21 343	1.31 329	0.23 326	0.19 292	0.30 351	0.28 328	0.36 310	0.25 263

CC-Net-ROB	0.85 332	1.15 352	2.13 228	0.88 375	0.38 297	0.88 333	0.44 275	1.06 356	0.79 307	0.58 219	0.69 269	0.65 220	0.50 240	2.74 383	0.51 212	0.93 386	0.39 368	0.87 385	0.29 331	0.54 363	0.54 365

DualNet	0.64 254	0.23 21	2.01 201	0.30 94	0.21 116	0.57 118	0.26 118	0.74 138	0.88 329	0.53 162	0.63 224	0.66 225	0.39 157	0.63 146	3.43 393	0.10 79	0.24 322	0.15 249	0.13 182	0.25 232	0.36 331

ffm	0.47 135	0.23 21	2.01 201	0.30 94	0.21 116	0.57 118	0.26 118	0.74 138	0.88 329	0.53 162	0.63 224	0.66 225	0.39 157	0.63 146	0.19 3	0.10 79	0.24 322	0.15 249	0.13 182	0.25 232	0.36 331

ff1	0.73 302	0.23 21	2.01 201	0.30 94	0.21 116	0.57 118	0.26 118	0.74 138	0.88 329	0.53 162	0.63 224	0.66 225	0.39 157	2.52 370	3.43 393	0.10 79	0.24 322	0.15 249	0.13 182	0.25 232	0.36 331

mmx	0.72 294	0.23 21	2.01 201	0.30 94	0.21 116	0.57 118	0.26 118	0.99 324	0.76 293	0.53 162	0.63 224	0.66 225	0.39 157	2.52 370	3.43 393	0.13 204	0.10 143	0.15 249	0.13 182	0.15 83	0.15 139

xxx	0.72 294	0.23 21	2.01 201	0.30 94	0.21 116	0.57 118	0.26 118	0.99 324	0.76 293	0.53 162	0.63 224	0.66 225	0.39 157	2.52 370	3.43 393	0.13 204	0.10 143	0.15 249	0.13 182	0.15 83	0.15 139

Wz-Net-LNSev-Ref	0.57 223	0.87 284	2.11 223	0.32 141	0.30 222	0.84 322	0.40 252	0.88 248	0.72 253	0.65 282	0.73 289	0.66 225	0.57 266	0.93 199	0.71 264	0.13 204	0.07 11	0.10 50	0.08 30	0.15 83	0.14 109

BUS	0.41 69	0.27 42	1.13 5	0.30 94	0.21 116	0.91 337	0.23 64	1.00 332	0.61 159	0.63 266	0.53 146	0.66 225	0.30 101	0.43 65	0.32 120	0.13 204	0.10 143	0.14 223	0.12 157	0.12 32	0.11 38

NINENet	0.50 165	0.33 85	1.69 72	0.55 340	0.25 174	0.91 337	0.23 64	0.98 313	0.71 245	0.53 162	0.55 164	0.66 225	0.30 101	1.22 229	0.32 120	0.15 246	0.13 215	0.16 264	0.11 127	0.16 110	0.13 96

FADNet	0.64 254	1.22 360	2.06 211	0.32 141	0.30 222	0.66 243	0.29 171	0.88 248	0.72 253	0.44 82	0.48 103	0.66 225	0.57 266	1.84 311	0.45 186	0.46 370	0.20 301	0.17 280	0.19 286	0.59 366	0.24 254

DeepPruner_ROB	0.50 165	0.70 226	1.94 183	0.29 80	0.26 187	0.63 215	0.31 188	0.80 195	0.48 66	0.61 247	0.55 164	0.66 225	0.38 143	0.98 204	0.40 163	0.19 297	0.14 229	0.14 223	0.14 207	0.23 206	0.17 172

anonymity	0.80 322	0.66 217	1.29 16	0.59 349	0.75 372	0.67 248	0.52 301	0.95 298	0.71 245	0.94 345	0.70 279	0.67 235	0.87 334	0.71 172	1.35 332	0.64 377	0.62 386	0.58 375	1.44 410	0.60 369	0.65 375

delet	0.52 189	0.54 174	1.62 62	0.31 119	0.35 273	0.74 283	0.46 283	0.85 226	0.74 271	0.55 188	0.60 202	0.67 235	0.50 240	1.12 219	0.57 233	0.11 128	0.11 176	0.13 194	0.14 207	0.16 110	0.12 64

PSMNet-RSSM	0.53 194	0.82 271	1.78 110	0.31 119	0.25 174	0.58 133	0.28 151	0.84 222	0.60 145	0.50 134	0.61 209	0.67 235	0.43 200	1.68 282	0.42 171	0.15 246	0.10 143	0.14 223	0.16 243	0.15 83	0.13 96

DSFCA	0.54 199	0.35 100	1.41 32	0.28 59	0.28 207	0.79 308	0.88 364	0.76 157	0.70 236	0.72 307	0.66 251	0.67 235	0.57 266	1.17 225	0.63 248	0.16 263	0.14 229	0.13 194	0.14 207	0.16 110	0.13 96

STTStereo	0.51 180	0.69 223	2.14 233	0.36 212	0.30 222	0.61 179	0.32 209	0.77 167	0.60 145	0.60 240	0.54 156	0.67 235	0.43 200	0.86 196	0.42 171	0.16 263	0.15 250	0.17 280	0.20 296	0.16 110	0.15 139

NVstereo2D	0.58 228	0.40 121	2.03 209	0.35 194	0.35 273	0.69 262	0.39 250	0.91 270	0.80 310	0.47 97	0.53 146	0.67 235	0.46 219	1.99 328	0.48 199	0.19 297	0.11 176	0.17 280	0.13 182	0.25 232	0.25 263

PCWNet_CMD	0.46 122	0.45 144	2.28 257	0.26 32	0.20 108	0.55 92	0.21 34	0.75 148	0.64 191	0.48 116	0.55 164	0.68 241	0.57 266	0.46 83	0.30 100	0.11 128	0.10 143	0.14 223	0.10 78	0.18 149	0.14 109

CFNet_ucs	0.48 139	0.50 163	2.32 261	0.26 32	0.22 137	0.57 118	0.22 46	0.85 226	0.65 203	0.53 162	0.64 240	0.68 241	0.44 207	0.54 124	0.31 110	0.13 204	0.12 201	0.16 264	0.11 127	0.19 166	0.17 172

HBP-ISP	0.76 310	1.30 368	3.19 375	0.35 194	0.26 187	0.85 326	0.54 307	1.03 350	0.72 253	0.80 322	0.69 269	0.68 241	0.83 326	2.04 331	0.44 183	0.23 326	0.24 322	0.29 350	0.25 315	0.28 260	0.24 254

PSM-AAD	0.63 251	0.22 17	1.77 106	0.37 230	0.23 149	0.86 328	1.17 385	0.59 76	0.60 145	0.64 275	0.71 283	0.68 241	2.93 401	0.65 156	0.31 110	0.09 17	0.07 11	0.17 280	0.15 228	0.13 51	0.33 317

psm_up	0.57 223	0.61 193	1.83 142	0.35 194	0.30 222	0.64 226	0.37 240	0.90 260	0.68 218	0.59 232	0.55 164	0.68 241	0.54 252	1.91 321	0.46 187	0.16 263	0.15 250	0.16 264	0.15 228	0.23 206	0.13 96

MSMDNet	0.46 122	0.44 139	2.28 257	0.26 32	0.20 108	0.55 92	0.21 34	0.75 148	0.64 191	0.48 116	0.55 164	0.68 241	0.56 261	0.46 83	0.30 100	0.11 128	0.10 143	0.13 194	0.10 78	0.18 149	0.15 139

CVANet_RVC	0.65 262	0.80 262	2.13 228	0.36 212	0.26 187	0.62 199	0.42 261	0.84 222	0.72 253	0.69 297	0.68 262	0.68 241	0.52 247	2.64 376	0.42 171	0.19 297	0.12 201	0.22 319	0.17 258	0.37 317	0.15 139

riskmin	0.37 43	0.22 17	1.74 88	0.32 141	0.20 108	0.48 42	0.20 23	0.66 99	0.46 52	0.36 46	0.34 40	0.69 248	0.45 211	0.39 53	0.27 67	0.11 128	0.08 59	0.12 139	0.08 30	0.13 51	0.16 161

SACVNet	0.60 236	0.74 239	1.90 167	0.37 230	0.28 207	0.64 226	0.37 240	0.86 234	0.61 159	0.65 282	0.62 214	0.69 248	0.44 207	2.08 334	0.42 171	0.18 287	0.14 229	0.16 264	0.15 228	0.38 323	0.24 254

OMP-Stereo	0.59 232	0.65 212	1.74 88	0.56 342	0.37 292	0.60 159	0.26 118	0.70 118	0.65 203	0.66 285	0.60 202	0.69 248	0.32 112	2.09 336	1.20 322	0.10 79	0.07 11	0.12 139	0.09 46	0.17 130	0.10 28

IIG-Stereo	0.59 232	0.65 212	1.74 88	0.54 334	0.23 149	0.61 179	0.21 34	0.73 133	0.65 203	0.64 275	0.69 269	0.69 248	0.38 143	2.09 336	1.39 335	0.11 128	0.07 11	0.11 94	0.09 46	0.15 83	0.09 17

CFNet_pseudo	0.45 112	0.46 146	2.23 250	0.25 15	0.19 98	0.56 101	0.21 34	0.77 167	0.60 145	0.49 127	0.56 175	0.69 248	0.47 224	0.52 115	0.31 110	0.11 128	0.10 143	0.15 249	0.10 78	0.17 130	0.14 109

ACVNet	0.45 112	0.44 139	1.79 128	0.28 59	0.21 116	0.59 149	0.36 233	0.66 99	0.68 218	0.45 89	0.59 190	0.69 248	0.40 164	0.44 70	0.55 223	0.11 128	0.09 114	0.10 50	0.09 46	0.34 298	0.10 28

acv_ft	0.48 139	0.44 139	1.76 98	0.32 141	0.41 313	0.63 215	0.28 151	0.81 199	0.68 218	0.61 247	0.59 190	0.69 248	0.45 211	0.44 70	0.63 248	0.11 128	0.09 114	0.10 50	0.09 46	0.41 337	0.10 28

HGLStereo	0.54 199	0.69 223	2.00 200	0.35 194	0.40 306	0.66 243	0.30 178	0.83 211	0.62 175	0.57 207	0.69 269	0.69 248	0.54 252	1.07 213	0.55 223	0.13 204	0.13 215	0.13 194	0.11 127	0.19 166	0.17 172

ccs_rob	0.45 112	0.46 146	2.22 246	0.26 32	0.19 98	0.56 101	0.21 34	0.77 167	0.60 145	0.49 127	0.56 175	0.69 248	0.47 224	0.52 115	0.31 110	0.11 128	0.09 114	0.16 264	0.10 78	0.17 130	0.14 109

DRN-Test	0.64 254	0.43 133	2.44 287	0.39 252	0.44 321	0.80 314	0.41 258	1.02 343	0.78 302	0.80 322	0.63 224	0.69 248	0.56 261	1.79 300	0.69 261	0.15 246	0.12 201	0.17 280	0.16 243	0.18 149	0.17 172

PSMNet-ADL	0.51 180	0.38 112	1.65 64	0.35 194	0.21 116	0.67 248	0.26 118	0.74 138	0.55 113	0.42 72	0.52 138	0.70 258	0.45 211	1.91 321	0.57 233	0.15 246	0.13 215	0.11 94	0.13 182	0.15 83	0.20 212

RAFT	0.45 112	0.92 294	1.59 55	0.34 180	0.19 98	0.46 33	0.35 227	0.65 97	0.49 70	0.49 127	0.49 120	0.70 258	0.40 164	0.47 90	0.32 120	0.11 128	0.16 264	0.14 223	0.13 182	0.51 358	0.13 96

PA-Net	0.84 331	1.00 327	3.49 385	0.63 355	0.40 306	0.70 267	0.52 301	0.86 234	0.84 320	0.52 153	0.59 190	0.70 258	0.54 252	2.35 350	2.23 370	0.17 277	0.27 343	0.19 302	0.28 328	0.22 198	0.36 331
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
IGEV_Zeroshot_test	0.53 194	0.33 85	2.91 351	0.32 141	0.18 85	0.54 81	0.21 34	0.72 125	0.42 29	0.81 327	0.51 130	0.71 261	0.41 175	0.48 94	1.13 316	0.09 17	0.15 250	0.10 50	0.35 353	0.19 166	0.09 17

GwcNet-RSSM	0.57 223	0.94 302	2.13 228	0.32 141	0.25 174	0.60 159	0.30 178	0.80 195	0.66 213	0.52 153	0.64 240	0.71 261	0.40 164	1.79 300	0.50 209	0.13 204	0.09 114	0.12 139	0.12 157	0.21 186	0.15 139

UNet	0.54 199	0.44 139	2.83 342	0.31 119	0.33 257	0.74 283	0.27 141	0.82 205	0.61 159	0.53 162	0.54 156	0.72 263	0.54 252	0.78 188	0.56 230	0.11 128	0.09 114	0.13 194	0.11 127	0.14 69	0.12 64

GANetREF_RVC	0.75 307	1.15 352	2.46 290	0.47 306	0.26 187	0.83 320	0.61 328	0.97 309	0.89 334	0.62 258	0.61 209	0.72 263	0.59 273	2.42 360	0.55 223	0.32 356	0.25 336	0.36 359	0.24 309	0.39 331	0.31 306
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
NLCA_NET_v2_RVC	0.55 211	0.92 294	2.36 272	0.38 244	0.37 292	0.60 159	0.28 151	0.82 205	0.62 175	0.62 258	0.55 164	0.72 263	0.45 211	1.00 206	0.43 179	0.15 246	0.11 176	0.14 223	0.14 207	0.15 83	0.16 161
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
SQANet	0.80 322	1.58 382	2.53 301	0.76 365	0.83 376	0.76 291	0.36 233	0.83 211	0.64 191	0.63 266	0.69 269	0.73 266	0.51 242	1.21 227	0.53 218	0.77 383	0.29 346	0.59 377	0.29 331	0.86 382	0.61 371

iinet-f	0.57 223	0.93 300	2.27 256	0.31 119	0.25 174	0.83 320	0.33 217	0.81 199	0.65 203	0.54 174	0.63 224	0.73 266	0.67 298	0.73 175	0.67 256	0.13 204	0.13 215	0.11 94	0.10 78	0.43 342	0.16 161

anonymousa	0.48 139	0.46 146	2.44 287	0.29 80	0.34 263	0.61 179	0.25 102	0.66 99	0.54 109	0.53 162	0.77 299	0.73 266	0.46 219	0.33 29	0.31 110	0.10 79	0.09 114	0.12 139	0.29 331	0.10 11	0.19 198

Wz-Net-MNSev	0.65 262	0.97 318	2.19 241	0.36 212	0.33 257	0.90 335	0.60 325	0.92 278	0.81 314	0.75 313	0.72 287	0.73 266	0.65 292	1.39 240	0.71 264	0.16 263	0.13 215	0.14 223	0.14 207	0.24 221	0.18 190

MIPNet	0.83 329	0.81 267	2.40 278	0.61 353	0.18 85	1.48 373	1.39 395	1.60 389	0.74 271	1.94 390	0.85 313	0.73 266	1.68 385	0.87 197	0.31 110	0.09 17	0.08 59	0.11 94	0.32 344	0.25 232	0.12 64

StereoDRNet-Refined	0.50 165	0.41 124	1.50 45	0.33 157	0.21 116	0.68 259	0.26 118	0.81 199	0.68 218	0.67 289	0.68 262	0.73 266	0.42 190	1.10 216	0.59 240	0.11 128	0.08 59	0.14 223	0.14 207	0.25 232	0.21 218
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
GASNet	0.73 302	1.47 379	3.04 360	0.47 306	0.33 257	0.57 118	0.34 221	0.91 270	0.75 283	0.58 219	0.58 187	0.74 272	0.55 257	2.03 330	0.65 252	0.21 310	0.15 250	0.19 302	0.17 258	0.51 358	0.28 285

Syn2CoEx	0.70 284	1.07 340	2.74 333	0.43 279	0.30 222	0.64 226	0.42 261	0.99 324	0.78 302	0.62 258	0.78 300	0.74 272	0.72 309	1.92 323	0.61 244	0.20 306	0.17 274	0.19 302	0.15 228	0.29 263	0.22 229

CFNet-ft	0.51 180	0.76 242	1.79 128	0.28 59	0.30 222	0.63 215	0.28 151	0.66 99	0.55 113	0.45 89	0.57 181	0.74 272	0.41 175	1.46 248	0.42 171	0.14 232	0.10 143	0.28 343	0.13 182	0.18 149	0.14 109

CFNet_RVC	0.51 180	0.76 242	1.79 128	0.28 59	0.30 222	0.63 215	0.28 151	0.66 99	0.55 113	0.45 89	0.57 181	0.74 272	0.41 175	1.46 248	0.42 171	0.14 232	0.10 143	0.28 343	0.13 182	0.18 149	0.14 109

StereoDRNet	0.64 254	0.88 287	2.35 269	0.41 267	0.45 329	0.73 280	0.47 291	0.94 287	0.74 271	0.75 313	0.54 156	0.74 272	0.47 224	1.70 285	0.72 268	0.15 246	0.14 229	0.15 249	0.14 207	0.20 178	0.19 198

APVNet	0.70 284	0.67 218	2.71 327	0.38 244	0.36 280	0.85 326	0.43 267	0.91 270	0.68 218	0.55 188	0.69 269	0.75 277	0.55 257	2.31 348	0.78 279	0.17 277	0.17 274	0.24 331	0.19 286	0.33 291	0.23 247

cf-r	0.53 194	0.81 267	2.15 234	0.33 157	0.28 207	0.60 159	0.28 151	0.78 181	0.64 191	0.51 146	0.60 202	0.75 277	0.40 164	1.32 235	0.43 179	0.13 204	0.09 114	0.11 94	0.12 157	0.15 83	0.14 109

MaskLacGwcNet_RVC	0.77 314	1.04 336	2.06 211	0.94 380	0.35 273	0.89 334	0.40 252	0.85 226	0.63 184	0.55 188	0.63 224	0.75 277	0.38 143	2.38 354	0.48 199	1.10 393	0.31 350	0.36 359	0.21 301	0.53 362	0.55 367

PSMNet_ROB	0.66 266	1.01 331	2.33 264	0.38 244	0.31 238	0.72 275	0.55 310	0.86 234	0.69 227	0.54 174	0.60 202	0.75 277	0.47 224	2.00 329	0.82 287	0.17 277	0.13 215	0.19 302	0.19 286	0.24 221	0.27 280

fast-acv-ft	0.63 251	0.88 287	3.10 365	0.38 244	0.30 222	0.79 308	0.48 294	0.69 114	0.72 253	0.58 219	0.78 300	0.76 281	0.60 275	0.67 159	0.73 271	0.15 246	0.15 250	0.18 297	0.17 258	0.37 317	0.16 161

raft_robust	0.55 211	0.84 276	1.73 84	0.28 59	0.54 349	0.53 78	0.25 102	0.88 248	0.75 283	0.48 116	0.46 88	0.76 281	0.75 318	1.46 248	0.27 67	0.09 17	0.10 143	0.10 50	0.30 336	0.26 247	0.16 161

NaN_ROB	1.14 358	0.94 302	2.96 353	0.53 331	0.56 354	1.13 361	0.99 371	0.98 313	1.00 349	1.09 356	0.87 316	0.77 283	1.06 355	5.90 411	2.72 377	0.16 263	0.23 319	0.16 264	0.24 309	0.22 198	0.36 331

NOSS_ROB	0.64 254	0.65 212	1.62 62	0.46 301	0.25 174	0.67 248	0.30 178	0.93 283	0.77 297	0.59 232	0.57 181	0.77 283	0.38 143	2.78 384	0.44 183	0.23 326	0.24 322	0.28 343	0.26 321	0.27 254	0.39 344

PWC_ROB	0.70 284	0.94 302	1.88 160	0.39 252	0.39 299	0.62 199	0.30 178	0.98 313	0.94 341	0.91 342	1.29 358	0.77 283	0.62 287	1.62 276	1.03 310	0.18 287	0.11 176	0.18 297	0.13 182	0.51 358	0.22 229

MyStereo06	0.54 199	0.41 124	2.68 323	0.30 94	0.23 149	0.60 159	0.30 178	0.81 199	0.44 39	0.84 334	0.52 138	0.78 286	0.58 270	0.48 94	1.10 314	0.09 17	0.17 274	0.12 139	0.10 78	0.16 110	0.20 212

CRFU-Net	0.56 217	0.38 112	1.86 153	0.46 301	0.26 187	0.82 318	0.36 233	0.90 260	0.49 70	0.62 258	0.59 190	0.78 286	1.35 370	1.00 206	0.48 199	0.15 246	0.14 229	0.17 280	0.10 78	0.19 166	0.14 109

RTSC	0.72 294	1.00 327	2.22 246	0.40 261	0.29 212	0.82 318	0.31 188	0.96 302	1.10 362	0.92 343	0.81 304	0.78 286	0.58 270	1.23 230	1.55 344	0.18 287	0.17 274	0.14 223	0.17 258	0.43 342	0.30 299

HSM-Net_RVC	0.67 269	0.34 93	2.23 250	0.26 32	0.19 98	0.67 248	0.29 171	1.26 376	0.69 227	0.72 307	0.70 279	0.78 286	0.42 190	3.77 403	0.41 169	0.13 204	0.09 114	0.10 50	0.09 46	0.12 32	0.11 38
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Wz-Net-LNSev	0.59 232	0.96 310	2.47 292	0.34 180	0.37 292	0.79 308	0.44 275	0.86 234	0.77 297	0.61 247	0.67 254	0.79 290	0.56 261	0.64 149	0.62 246	0.15 246	0.14 229	0.12 139	0.12 157	0.18 149	0.19 198

DGSMNet	2.89 404	0.63 204	3.18 374	3.43 416	4.17 415	2.57 405	6.98 417	0.97 309	0.83 318	0.56 197	1.86 376	0.79 290	0.62 287	1.64 277	1.39 335	4.61 415	5.01 418	5.17 420	4.71 419	4.44 418	4.19 417

hknet	0.47 135	0.29 66	1.70 76	0.30 94	0.24 162	0.76 291	0.31 188	1.00 332	0.64 191	0.63 266	0.53 146	0.80 292	0.38 143	0.77 184	0.37 146	0.11 128	0.10 143	0.14 223	0.12 157	0.12 32	0.11 38

ADLNet	0.60 236	0.71 228	1.95 186	0.35 194	0.34 263	0.67 248	0.34 221	0.90 260	0.74 271	0.68 295	0.62 214	0.80 292	0.45 211	1.78 296	0.64 251	0.14 232	0.11 176	0.14 223	0.14 207	0.29 263	0.21 218

AANet_RVC	0.68 276	1.00 327	2.09 219	0.33 157	0.25 174	0.58 133	0.32 209	0.81 199	0.80 310	0.61 247	0.94 327	0.80 292	0.41 175	2.46 365	1.02 308	0.36 362	0.14 229	0.10 50	0.09 46	0.23 206	0.22 229

ssnet_v2	0.55 211	0.60 189	1.86 153	0.32 141	0.22 137	0.72 275	0.44 275	0.94 287	0.74 271	0.63 266	0.54 156	0.81 295	0.47 224	0.77 184	0.70 262	0.16 263	0.14 229	0.14 223	0.14 207	0.30 272	0.30 299

aanetorigin	0.77 314	0.80 262	2.59 313	0.43 279	0.44 321	0.58 133	1.01 375	0.57 67	0.68 218	1.53 385	1.23 354	0.81 295	1.08 356	1.07 213	1.07 312	0.18 287	0.15 250	0.17 280	0.21 301	0.54 363	0.30 299

XPNet_ROB	0.61 244	0.72 232	1.66 68	0.37 230	0.27 198	0.67 248	0.47 291	0.89 254	0.71 245	0.78 320	0.70 279	0.81 295	0.53 249	1.70 285	0.76 275	0.21 310	0.16 264	0.16 264	0.15 228	0.20 178	0.21 218

ccnet	0.71 291	0.41 124	1.59 55	0.40 261	0.45 329	1.06 352	0.55 310	0.98 313	0.71 245	0.88 338	0.97 332	0.82 298	0.88 337	1.68 282	0.94 293	0.32 356	0.26 338	0.32 354	0.27 325	0.34 298	0.30 299

GwcNet	0.69 280	0.71 228	3.12 368	0.36 212	0.45 329	0.81 315	0.44 275	0.86 234	0.84 320	0.60 240	0.74 291	0.82 298	0.49 237	1.65 278	0.66 253	0.16 263	0.15 250	0.15 249	0.15 228	0.31 280	0.24 254

DispNO	0.67 269	0.98 321	2.58 311	0.31 119	0.27 198	0.59 149	0.29 171	0.83 211	0.68 218	0.53 162	0.79 303	0.83 300	0.47 224	2.46 365	0.68 259	0.12 175	0.10 143	0.19 302	0.31 340	0.16 110	0.17 172

S-Stereo	0.80 322	0.69 223	3.89 392	0.39 252	0.37 292	0.69 262	0.70 346	0.94 287	0.98 348	0.62 258	0.91 322	0.83 300	0.60 275	2.37 351	0.66 253	0.18 287	0.21 309	0.17 280	0.18 268	0.30 272	0.35 323

DLCB_ROB	0.54 199	0.55 182	1.49 44	0.36 212	0.25 174	0.65 238	0.36 233	0.80 195	0.70 236	0.72 307	0.69 269	0.83 300	0.46 219	1.53 260	0.60 242	0.13 204	0.12 201	0.14 223	0.14 207	0.14 69	0.13 96

Anonymous_2	0.74 305	0.32 80	1.65 64	0.33 157	0.30 222	0.67 248	0.32 209	0.69 114	0.46 52	0.48 116	0.41 68	0.84 303	0.58 270	0.51 111	0.40 163	0.32 356	0.38 362	1.43 404	3.69 418	0.80 380	0.27 280

GANet	0.75 307	0.84 276	2.01 201	0.40 261	0.25 174	0.74 283	0.66 336	0.87 243	0.73 267	0.71 304	1.07 347	0.84 303	0.59 273	2.71 382	1.15 319	0.17 277	0.16 264	0.44 370	0.16 243	0.31 280	0.20 212

MFMNet_re	0.92 341	1.28 366	2.53 301	0.82 373	0.76 375	0.90 335	0.75 352	0.98 313	1.04 354	1.03 351	1.05 346	0.84 303	0.94 344	0.83 191	0.72 268	0.68 379	0.60 384	0.63 378	0.60 385	0.77 378	0.74 378

LL-Strereo	0.72 294	1.29 367	2.49 296	0.36 212	0.45 329	0.55 92	0.32 209	0.93 283	0.71 245	0.67 289	0.58 187	0.85 306	0.79 322	2.67 379	0.46 187	0.10 79	0.18 282	0.14 223	0.12 157	0.40 335	0.42 354

XX-Stereo	0.55 211	0.54 174	3.50 386	0.48 314	0.39 299	0.54 81	0.17 5	0.89 254	0.40 20	0.44 82	0.65 249	0.85 306	0.19 10	0.77 184	0.21 23	0.10 79	0.14 229	0.10 50	0.32 344	0.17 130	0.14 109

ADCP+	0.94 343	1.12 344	3.14 369	0.34 180	0.39 299	1.06 352	0.79 357	0.89 254	0.80 310	0.66 285	0.67 254	0.85 306	1.55 381	0.93 199	4.55 404	0.13 204	0.11 176	0.16 264	0.15 228	0.26 247	0.25 263

ETE_ROB	0.60 236	0.71 228	1.55 51	0.37 230	0.25 174	0.69 262	0.51 298	1.47 383	0.70 236	0.80 322	0.69 269	0.85 306	0.49 237	1.36 239	0.58 238	0.16 263	0.13 215	0.19 302	0.16 243	0.21 186	0.23 247

NCCL2	0.65 262	0.94 302	1.96 195	0.43 279	0.30 222	0.71 269	0.68 341	0.84 222	0.65 203	0.70 300	0.60 202	0.86 310	0.54 252	1.56 263	0.57 233	0.20 306	0.16 264	0.67 380	0.25 315	0.22 198	0.24 254

CBMV	0.71 291	0.76 242	2.64 318	0.33 157	0.20 108	0.78 304	0.79 357	0.98 313	0.78 302	0.85 337	0.71 283	0.86 310	1.10 358	1.46 248	0.62 246	0.18 287	0.20 301	0.21 317	0.19 286	0.25 232	0.33 317
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
HH	0.49 156	0.49 157	2.78 339	0.50 318	0.41 313	0.38 12	0.23 64	0.72 125	0.38 10	0.63 266	0.48 103	0.87 312	0.41 175	0.64 149	0.21 23	0.09 17	0.17 274	0.10 50	0.09 46	0.16 110	0.12 64

HanStereo	0.49 156	0.49 157	2.78 339	0.50 318	0.41 313	0.38 12	0.23 64	0.72 125	0.38 10	0.63 266	0.48 103	0.87 312	0.41 175	0.64 149	0.21 23	0.09 17	0.17 274	0.10 50	0.09 46	0.16 110	0.12 64

AnyNet_C32	1.00 350	1.33 374	2.53 301	0.49 316	0.54 349	1.15 363	1.14 383	0.91 270	0.89 334	1.11 357	0.95 329	0.87 312	0.93 341	1.50 257	4.07 399	0.21 310	0.20 301	0.25 336	0.24 309	0.38 323	0.33 317

PASM	0.72 294	0.68 220	1.91 173	0.47 306	0.44 321	0.60 159	0.51 298	0.76 157	0.80 310	0.77 319	0.67 254	0.87 312	0.61 282	2.40 358	0.67 256	0.32 356	0.35 356	0.36 359	0.41 368	0.45 350	0.39 344

XQC	0.73 302	0.98 321	2.39 276	0.46 301	0.35 273	0.81 315	0.46 283	1.00 332	1.00 349	0.80 322	0.69 269	0.88 316	0.74 317	1.32 235	1.20 322	0.24 333	0.16 264	0.23 325	0.20 296	0.41 337	0.33 317

CBMV_ROB	0.76 310	0.42 130	2.68 323	0.33 157	0.22 137	0.74 283	0.47 291	0.96 302	0.76 293	1.04 353	0.96 330	0.88 316	0.93 341	2.06 332	1.19 321	0.22 323	0.24 322	0.27 340	0.25 315	0.25 232	0.28 285

STrans-v2	0.67 269	0.56 183	2.64 318	0.27 41	0.23 149	0.57 118	0.33 217	0.96 302	0.69 227	0.92 343	0.85 313	0.89 318	0.93 341	1.83 306	1.21 324	0.09 17	0.07 11	0.10 50	0.09 46	0.11 22	0.12 64

ac_64	0.55 211	0.46 146	1.92 176	0.36 212	0.34 263	0.63 215	0.31 188	0.82 205	0.61 159	0.55 188	0.51 130	0.89 318	0.48 232	1.83 306	0.55 223	0.14 232	0.11 176	0.12 139	0.12 157	0.18 149	0.12 64

SHD	0.72 294	0.77 250	2.36 272	0.45 297	0.40 306	0.71 269	0.32 209	1.02 343	1.25 372	1.07 354	0.84 309	0.90 320	0.73 312	1.09 215	0.98 297	0.21 310	0.18 282	0.20 311	0.21 301	0.32 284	0.31 306

DDUNet	0.77 314	1.12 344	1.88 160	0.76 365	0.69 368	0.84 322	0.43 267	0.85 226	0.65 203	0.67 289	0.75 294	0.91 321	0.52 247	1.03 210	0.57 233	0.54 374	0.37 360	0.95 388	0.52 377	0.71 374	0.57 368

TransformOpticalFlow	0.64 254	0.56 183	2.66 321	0.44 284	0.26 187	0.62 199	0.28 151	0.83 211	0.71 245	0.76 316	0.74 291	0.91 321	0.85 330	1.83 306	0.81 286	0.10 79	0.07 11	0.11 94	0.09 46	0.11 22	0.12 64

NCC-stereo	0.79 320	0.94 302	2.42 281	0.59 349	0.45 329	1.90 390	0.46 283	0.99 324	0.72 253	0.64 275	0.84 309	0.91 321	0.73 312	1.80 302	1.00 303	0.27 346	0.19 292	0.23 325	0.31 340	0.24 221	0.22 229

Abc-Net	0.79 320	0.94 302	2.42 281	0.59 349	0.45 329	1.90 390	0.46 283	0.99 324	0.72 253	0.64 275	0.84 309	0.91 321	0.73 312	1.80 302	1.00 303	0.27 346	0.19 292	0.23 325	0.31 340	0.24 221	0.22 229
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RYNet	0.70 284	0.56 183	2.25 253	0.35 194	0.41 313	0.86 328	0.43 267	0.94 287	0.82 315	0.62 258	0.53 146	0.91 321	0.60 275	2.70 380	1.00 303	0.14 232	0.11 176	0.16 264	0.14 207	0.25 232	0.27 280

Ntro	1.00 350	1.68 389	2.80 341	0.95 381	0.85 377	1.06 352	0.53 304	0.98 313	0.90 336	0.62 258	0.76 296	0.93 326	0.66 296	1.66 279	0.98 297	0.99 390	0.45 372	0.75 384	0.40 365	1.19 389	0.75 380

ADLNet2	0.68 276	0.84 276	3.19 375	0.33 157	0.36 280	0.64 226	0.37 240	0.89 254	0.79 307	0.54 174	0.65 249	0.93 326	0.48 232	2.07 333	0.56 230	0.13 204	0.11 176	0.11 94	0.11 127	0.33 291	0.18 190

RASNet	0.61 244	0.68 220	2.03 209	0.35 194	0.46 335	0.65 238	0.28 151	0.78 181	0.70 236	0.48 116	0.64 240	0.93 326	0.61 282	2.21 343	0.73 271	0.12 175	0.09 114	0.09 21	0.10 78	0.14 69	0.11 38

LSM	3.31 408	1.11 343	5.29 408	9.40 421	30.65 434	0.84 322	1.12 382	0.91 270	1.22 370	1.36 376	2.19 384	0.93 326	0.83 326	1.66 279	0.90 291	0.21 310	0.31 350	0.24 331	0.28 328	0.39 331	6.33 419

FAT-Stereo	0.70 284	0.54 174	2.88 344	0.36 212	0.29 212	0.62 199	0.54 307	0.97 309	0.87 326	0.76 316	0.92 323	0.94 330	0.80 323	1.84 311	0.57 233	0.18 287	0.19 292	0.17 280	0.16 243	0.22 198	0.25 263

DPSNet	0.86 333	0.60 189	2.34 266	0.58 346	0.36 280	1.07 357	0.75 352	1.30 377	1.05 355	0.70 300	0.68 262	0.94 330	1.29 364	2.08 334	1.82 354	0.26 341	0.23 319	0.16 264	0.17 258	0.48 352	0.40 348

LALA_ROB	0.60 236	0.76 242	1.69 72	0.36 212	0.29 212	0.79 308	0.55 310	0.94 287	0.77 297	0.81 327	0.67 254	0.94 330	0.49 237	0.99 205	0.73 271	0.21 310	0.15 250	0.20 311	0.18 268	0.23 206	0.21 218

Wz-Net-SNSev	0.76 310	1.32 372	3.11 367	0.40 261	0.31 238	0.71 269	0.60 325	0.98 313	0.87 326	0.67 289	0.83 306	0.96 333	0.60 275	1.67 281	0.97 296	0.16 263	0.15 250	0.16 264	0.17 258	0.36 310	0.24 254

DANet	0.80 322	0.65 212	2.21 243	1.19 392	0.48 339	0.74 283	1.25 388	0.89 254	1.53 384	0.89 340	0.71 283	0.96 333	0.56 261	1.83 306	0.96 295	0.18 287	0.16 264	0.19 302	0.16 243	0.26 247	0.29 291
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PDISCO_ROB	0.75 307	1.06 338	2.11 223	0.64 356	0.59 358	1.13 361	0.43 267	1.14 367	1.05 355	0.64 275	0.71 283	0.96 333	0.61 282	1.21 227	0.76 275	0.37 363	0.18 282	0.27 340	0.24 309	0.56 365	0.32 310

THIR-Stereo	0.86 333	0.62 197	2.13 228	0.25 15	0.16 38	0.58 133	2.74 410	0.59 76	0.51 81	0.62 258	1.62 370	0.97 336	1.80 389	1.69 284	2.25 371	0.10 79	0.08 59	0.14 223	0.11 127	0.15 83	0.11 38

otaku	1.03 353	1.68 389	2.72 329	0.95 381	0.73 371	1.03 350	0.59 323	0.99 324	0.86 323	0.69 297	1.61 369	0.98 337	0.64 290	1.46 248	1.14 317	0.95 388	0.46 373	0.72 383	0.40 365	1.24 393	0.78 383

Nwc_Net	0.68 276	0.83 274	2.53 301	0.41 267	0.39 299	0.77 299	0.38 246	1.01 340	0.70 236	0.60 240	0.99 335	0.98 337	0.68 301	1.41 241	0.63 248	0.23 326	0.15 250	0.23 325	0.25 315	0.23 206	0.18 190

MDST_ROB	1.17 363	0.42 130	3.87 391	0.54 334	0.44 321	4.11 412	0.58 321	1.31 378	0.84 320	2.12 392	1.12 350	0.98 337	0.71 306	4.24 407	0.99 302	0.16 263	0.14 229	0.19 302	0.17 258	0.18 149	0.35 323

RP	0.67 269	0.82 271	1.94 183	0.43 279	0.44 321	0.65 238	0.45 281	0.89 254	0.82 315	0.66 285	0.92 323	0.99 340	0.76 319	1.55 262	0.66 253	0.25 338	0.18 282	0.23 325	0.20 296	0.31 280	0.22 229

ADCL	0.99 347	0.79 260	2.43 285	0.39 252	0.32 246	1.50 375	1.90 403	0.92 278	0.97 345	1.26 373	1.27 356	1.00 341	1.42 376	1.14 222	3.31 389	0.17 277	0.14 229	0.22 319	0.21 301	0.30 272	0.22 229

UDG	0.77 314	1.23 361	2.15 234	0.67 360	0.59 358	0.78 304	0.38 246	0.90 260	0.70 236	0.61 247	0.69 269	1.01 342	0.67 298	1.02 208	0.73 271	0.45 368	0.34 355	0.87 385	0.51 375	0.67 373	0.46 359

RGC	0.71 291	0.97 318	2.18 240	0.44 284	0.44 321	0.73 280	0.40 252	0.94 287	0.71 245	0.71 304	1.04 345	1.01 342	0.71 306	1.74 291	0.70 262	0.23 326	0.18 282	0.28 343	0.26 321	0.29 263	0.27 280

ADCMid	0.96 346	1.32 372	2.74 333	0.38 244	0.35 273	0.99 345	0.58 321	0.94 287	0.86 323	1.23 369	1.01 338	1.01 342	1.00 348	1.05 212	3.97 397	0.21 310	0.19 292	0.42 368	0.32 344	0.40 335	0.29 291

FBW_ROB	0.83 329	0.77 250	1.77 106	0.44 284	0.30 222	0.87 332	0.46 283	1.10 362	0.91 337	0.81 327	0.75 294	1.01 342	0.61 282	3.66 402	1.23 326	0.26 341	0.23 319	0.36 359	0.25 315	0.27 254	0.62 372

CBFPSM	0.56 217	0.91 293	1.82 140	0.28 59	0.23 149	0.71 269	0.37 240	0.72 125	0.64 191	0.50 134	0.49 120	1.03 346	0.83 326	0.62 144	1.35 332	0.10 79	0.12 201	0.10 50	0.10 78	0.18 149	0.19 198

hitnet-ft	0.67 269	0.80 262	1.90 167	0.28 59	0.22 137	0.69 262	0.36 233	0.85 226	0.65 203	0.56 197	0.84 309	1.03 346	0.95 346	2.32 349	0.55 223	0.23 326	0.14 229	0.41 367	0.13 182	0.24 221	0.17 172

SGM-Forest	1.04 354	0.42 130	3.59 388	0.41 267	0.32 246	1.05 351	1.32 391	0.94 287	0.83 318	1.16 361	2.23 387	1.03 346	1.39 374	2.49 368	2.35 373	0.21 310	0.21 309	0.20 311	0.19 286	0.23 206	0.32 310
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
AF-Net	0.69 280	0.92 294	2.21 243	0.41 267	0.40 306	0.68 259	0.40 252	1.02 343	0.86 323	0.69 297	1.03 342	1.04 349	0.84 329	1.19 226	0.78 279	0.22 323	0.14 229	0.25 336	0.17 258	0.30 272	0.18 190

CSAN	1.25 369	1.12 344	3.04 360	0.51 321	0.37 292	1.06 352	1.15 384	1.22 372	1.08 360	1.17 366	1.91 377	1.04 349	1.31 367	5.96 412	2.43 375	0.26 341	0.22 314	0.24 331	0.24 309	0.31 280	0.30 299

EDNetEfficient	1.27 370	0.70 226	4.05 397	0.64 356	0.98 385	0.94 340	1.40 396	0.85 226	1.75 391	2.34 401	1.33 361	1.05 351	2.21 395	1.58 269	4.15 400	0.15 246	0.19 292	0.14 223	0.27 325	0.38 323	0.32 310

MFN_U_SF_DS_RVC	1.01 352	1.67 387	2.32 261	0.47 306	0.39 299	1.47 372	0.95 368	0.95 298	0.91 337	0.84 334	0.94 327	1.05 351	0.60 275	2.95 389	0.72 268	0.41 364	0.72 398	0.32 354	0.55 378	0.74 375	1.22 402

WZ-Net	0.92 341	1.31 369	3.76 389	0.41 267	0.36 280	0.86 328	0.71 347	1.00 332	1.06 358	0.82 331	0.92 323	1.06 353	1.05 353	2.16 340	1.61 346	0.19 297	0.13 215	0.15 249	0.16 243	0.32 284	0.28 285

DISCO	0.57 223	0.34 93	1.87 158	0.45 297	0.34 263	0.84 322	0.35 227	0.84 222	0.78 302	0.59 232	0.63 224	1.06 353	0.53 249	1.10 216	0.82 287	0.12 175	0.09 114	0.11 94	0.10 78	0.22 198	0.18 190

ADCS	1.05 355	1.36 376	2.98 357	0.42 275	0.36 280	0.96 342	0.81 361	1.06 356	1.12 364	1.25 370	0.97 332	1.08 355	0.90 339	1.25 234	4.86 406	0.21 310	0.21 309	0.22 319	0.23 307	0.36 310	0.38 341

ADCPNet	0.99 347	0.99 325	3.93 395	0.37 230	0.68 367	1.36 369	0.62 332	0.87 243	0.76 293	0.78 320	0.81 304	1.08 355	1.18 361	1.14 222	2.49 376	0.21 310	0.69 394	0.21 317	0.95 401	0.29 263	0.37 338

RainbowNet	1.15 360	1.78 394	2.72 329	1.12 390	0.91 382	1.06 352	0.76 354	1.16 371	1.13 366	0.75 313	0.97 332	1.09 357	0.80 323	1.60 272	1.21 324	1.17 395	1.26 407	1.01 391	0.57 381	1.13 387	0.88 390

Wz-Net-TNSev	0.91 339	1.73 393	3.08 363	0.36 212	0.31 238	1.00 348	0.71 347	1.06 356	0.97 345	0.71 304	0.72 287	1.09 357	0.87 334	2.42 360	1.59 345	0.20 306	0.20 301	0.16 264	0.20 296	0.44 349	0.35 323

RTS	1.21 365	1.31 369	6.39 411	0.52 325	0.51 345	1.61 379	0.79 357	1.03 350	1.37 378	1.13 358	1.30 359	1.10 359	0.85 330	2.65 377	2.08 363	0.21 310	0.24 322	0.18 297	0.18 268	0.43 342	0.32 310

RTSA	1.21 365	1.31 369	6.39 411	0.52 325	0.51 345	1.61 379	0.79 357	1.03 350	1.37 378	1.13 358	1.30 359	1.10 359	0.85 330	2.65 377	2.08 363	0.21 310	0.24 322	0.18 297	0.18 268	0.43 342	0.32 310

PVD	0.90 338	0.85 280	2.15 234	0.53 331	0.50 340	0.99 345	0.56 315	1.15 370	1.64 387	1.41 381	1.41 365	1.11 361	1.13 360	1.35 238	1.31 329	0.26 341	0.28 345	0.28 343	0.26 321	0.37 317	0.49 363

DispFullNet	1.67 389	2.10 407	5.22 406	1.53 399	8.90 416	0.86 328	0.31 188	0.96 302	0.96 344	1.37 379	1.01 338	1.13 362	1.98 392	1.51 258	0.91 292	0.54 374	0.31 350	1.18 394	0.63 388	1.13 387	0.80 384

edge stereo	0.81 327	0.73 235	3.30 381	0.37 230	1.21 397	0.62 199	0.39 250	0.93 283	0.79 307	0.80 322	0.88 319	1.14 363	0.71 306	2.18 341	0.71 264	0.21 310	0.20 301	0.26 339	0.18 268	0.38 323	0.26 272

stereogan	0.69 280	0.51 165	2.44 287	0.39 252	0.39 299	1.01 349	0.41 258	0.94 287	0.92 340	0.73 311	0.85 313	1.15 364	0.69 302	1.57 265	0.53 218	0.19 297	0.18 282	0.20 311	0.16 243	0.36 310	0.24 254

AnyNet_C01	1.14 358	1.49 380	4.23 400	0.54 334	0.53 347	1.51 376	1.37 393	1.04 354	1.07 359	1.17 366	1.33 361	1.15 364	1.08 356	1.61 275	2.74 378	0.25 338	0.22 314	0.28 343	0.24 309	0.48 352	0.40 348

psmorigin	1.36 376	0.60 189	13.80 422	0.37 230	0.29 212	0.62 199	0.33 217	0.77 167	0.61 159	0.96 348	0.88 319	1.17 366	0.73 312	4.00 404	0.86 290	0.19 297	0.22 314	0.17 280	0.18 268	0.24 221	0.29 291

MADNet+	1.36 376	1.93 404	5.95 410	0.81 372	0.59 358	1.57 378	1.09 379	1.39 382	1.22 370	0.84 334	1.01 338	1.25 367	1.12 359	3.19 394	2.36 374	0.45 368	0.47 376	0.38 365	0.34 351	0.59 366	0.57 368

FTStereo	0.76 310	0.18 1	2.35 269	0.71 362	0.21 116	0.73 280	1.79 402	0.57 67	0.53 102	1.07 354	1.63 371	1.29 368	2.13 393	0.75 177	0.29 89	0.19 297	0.08 59	0.12 139	0.11 127	0.11 22	0.40 348

EDNetEfficientorigin	8.18 416	0.98 321	145.96 440	0.51 321	0.89 380	0.72 275	0.48 294	0.85 226	1.56 386	2.12 392	1.49 366	1.29 368	1.31 367	1.83 306	2.13 367	0.13 204	0.12 201	0.17 280	0.18 268	0.39 331	0.45 358

MSC_U_SF_DS_RVC	1.34 374	1.70 391	2.50 298	0.56 342	0.40 306	2.15 399	0.99 371	1.24 374	1.26 373	1.02 350	1.10 349	1.29 368	0.88 337	3.10 393	1.08 313	1.66 405	0.83 400	0.68 381	0.88 398	1.57 400	1.80 412

G-Net	0.99 347	0.64 206	2.76 335	0.57 344	0.67 366	2.03 397	0.72 350	0.76 157	0.67 216	1.14 360	2.56 393	1.30 371	1.02 350	1.48 256	1.74 351	0.25 338	0.24 322	0.24 331	0.26 321	0.37 317	0.31 306

SDNR	1.22 368	0.80 262	2.71 327	0.33 157	1.48 405	1.98 396	0.23 64	1.93 397	2.44 398	0.89 340	2.52 391	1.36 372	0.51 242	3.65 401	1.93 356	0.30 353	0.31 350	0.22 319	0.16 243	0.33 291	0.36 331

SAMSARA	0.91 339	0.97 318	2.22 246	0.80 369	0.58 357	1.32 367	1.31 390	1.01 340	0.94 341	1.36 376	0.87 316	1.38 373	0.90 339	1.72 288	1.02 308	0.24 333	0.30 349	0.22 319	0.25 315	0.36 310	0.35 323

HSM	0.62 248	0.76 242	1.72 83	0.30 94	0.29 212	0.64 226	0.28 151	0.94 287	0.62 175	0.58 219	0.57 181	1.40 374	0.64 290	2.59 374	0.42 171	0.11 128	0.08 59	0.10 50	0.08 30	0.14 69	0.11 38

MFN_U_SF_RVC	1.55 387	2.39 414	3.16 371	0.65 358	0.41 313	1.12 359	0.46 283	1.23 373	1.33 375	1.61 386	1.20 352	1.43 375	0.98 347	1.76 293	1.97 357	1.90 408	1.80 409	1.98 413	2.15 412	1.63 401	1.77 411

SPS-STEREO	1.07 356	1.13 347	2.88 344	0.65 358	0.69 368	0.99 345	0.68 341	1.05 355	0.87 326	1.36 376	1.23 354	1.46 376	0.94 344	1.87 313	1.72 350	0.66 378	0.61 385	0.58 375	0.57 381	0.65 371	0.77 382
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	1.16 362	0.95 308	2.54 307	0.58 346	0.55 352	0.78 304	0.63 334	1.00 332	1.08 360	1.03 351	4.07 408	1.48 377	1.22 362	2.88 388	1.27 328	0.50 371	0.46 373	0.54 374	0.62 386	0.50 356	0.63 374
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
IMH-64-1	1.39 379	1.64 385	1.86 153	1.36 394	1.11 393	1.39 370	1.19 386	1.76 392	1.45 381	1.16 361	2.21 385	1.53 378	1.38 372	1.98 325	1.52 342	1.29 397	0.67 389	1.27 398	0.69 389	1.29 395	0.98 393

IMH-64	1.39 379	1.64 385	1.86 153	1.36 394	1.11 393	1.39 370	1.19 386	1.76 392	1.45 381	1.16 361	2.21 385	1.53 378	1.38 372	1.98 325	1.52 342	1.29 397	0.67 389	1.27 398	0.69 389	1.29 395	0.98 393

coex-ft	5.95 414	1.67 387	60.57 438	0.34 180	0.30 222	0.77 299	0.69 343	0.74 138	4.41 406	19.22 426	2.15 383	1.62 380	7.97 415	1.81 305	8.96 415	0.44 366	2.08 414	0.18 297	0.19 286	0.38 323	4.62 418

SANet	1.20 364	1.21 359	3.33 384	0.38 244	0.27 198	1.73 387	0.85 362	1.10 362	2.49 400	1.16 361	1.83 375	1.72 381	1.50 380	2.37 351	2.84 380	0.18 287	0.16 264	0.16 264	0.15 228	0.32 284	0.32 310

PWCK	1.49 385	1.90 401	3.22 378	1.09 388	0.54 349	1.71 385	1.73 401	1.49 385	1.53 384	1.44 383	1.80 374	1.82 382	1.30 366	3.34 397	1.76 352	1.07 392	0.56 383	0.97 389	0.58 383	1.38 399	0.65 375

ELAS	1.39 379	0.79 260	2.86 343	0.53 331	0.50 340	2.81 406	2.20 405	1.61 390	1.50 383	2.28 400	2.35 388	1.82 382	2.13 393	1.73 289	2.22 369	0.35 360	0.37 360	0.35 357	0.35 353	0.49 354	0.47 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-7	1.48 384	1.63 383	2.49 296	0.93 379	0.75 372	1.72 386	1.10 380	1.84 396	1.96 395	1.43 382	2.54 392	1.97 384	1.61 384	3.06 391	2.08 363	0.69 380	0.66 388	0.94 387	0.74 392	0.80 380	0.69 377

ACVNet-4b	1.93 394	1.85 398	4.10 398	1.07 386	0.86 378	1.15 363	0.53 304	1.06 356	1.12 364	0.64 275	1.09 348	1.99 385	0.70 304	2.20 342	9.86 418	5.62 417	0.41 370	1.03 392	0.55 378	1.86 405	0.85 386

ELAS_RVC	1.37 378	0.78 258	3.21 377	0.55 340	0.50 340	1.49 374	2.48 408	1.48 384	1.71 390	2.13 395	2.09 380	2.07 386	2.56 399	1.90 320	2.02 360	0.35 360	0.36 358	0.37 363	0.34 351	0.49 354	0.47 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet_2	1.42 382	1.81 395	3.23 379	1.08 387	0.92 383	1.32 367	0.85 362	1.49 385	1.69 388	1.19 368	1.73 373	2.13 387	1.03 351	2.50 369	1.40 337	0.91 385	0.53 381	1.00 390	0.55 378	2.11 407	0.85 386

WAO-6	1.58 388	1.54 381	2.32 261	1.14 391	1.00 387	2.30 401	1.03 376	1.82 395	2.85 403	1.25 370	2.61 395	2.20 388	1.56 382	2.47 367	1.99 359	0.95 388	0.67 389	1.19 397	0.83 396	1.08 385	0.88 390

IMH	2.02 396	2.15 412	2.69 326	1.68 400	1.12 395	1.66 384	0.92 367	2.10 399	1.92 394	1.32 375	2.66 397	2.21 389	1.69 386	5.78 410	1.68 347	5.54 416	0.96 404	1.31 400	0.71 391	1.32 398	0.99 397

JetBlue	1.78 390	1.63 383	3.92 393	0.73 363	1.21 397	4.38 413	3.35 411	1.59 388	1.20 369	1.26 373	1.52 368	2.37 390	1.88 390	3.23 395	3.00 381	0.53 372	0.47 376	0.48 372	0.49 373	1.29 395	0.97 392

SGM_RVC	1.89 393	0.92 294	2.50 298	0.96 383	0.93 384	1.63 381	1.37 393	1.52 387	12.43 415	1.85 389	1.69 372	2.40 391	1.74 388	2.81 387	1.71 349	0.53 372	0.47 376	0.42 368	0.47 371	0.74 375	0.74 378
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SGM+DAISY	1.83 392	1.43 377	3.81 390	0.87 374	1.01 388	2.38 403	2.53 409	1.36 380	1.75 391	2.92 407	3.22 404	2.65 392	2.93 401	2.22 346	3.10 385	0.72 381	0.69 394	0.63 378	0.62 386	0.77 378	0.98 393

MADNet++	2.79 401	2.11 409	2.97 356	2.49 410	2.28 410	2.95 407	2.31 406	2.67 403	2.47 399	3.03 409	3.13 403	2.70 393	2.92 400	4.10 405	4.48 403	2.68 412	2.24 416	3.04 416	2.44 414	2.37 410	2.34 414

MeshStereo	1.21 365	1.15 352	3.01 359	0.34 180	0.28 207	1.10 358	0.69 343	1.35 379	1.01 351	2.71 405	2.41 390	2.96 394	1.45 377	2.80 386	1.40 337	0.22 323	0.22 314	0.22 319	0.19 286	0.50 356	0.26 272
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
JetRed	3.29 407	4.93 417	10.17 415	1.45 396	1.72 408	7.44 416	5.05 416	3.06 406	2.12 396	2.41 402	2.39 389	2.99 395	2.37 396	3.51 400	6.44 410	1.32 400	1.90 413	1.37 402	1.23 409	2.21 409	1.76 410

ACVNet_1	1.33 373	1.91 402	4.03 396	1.09 388	0.88 379	1.19 366	0.66 336	1.24 374	1.17 367	0.94 345	0.96 330	3.09 396	1.04 352	2.37 351	1.11 315	1.04 391	0.48 379	1.03 392	0.48 372	1.12 386	0.83 385

WCMA_ROB	1.12 357	0.83 274	2.66 321	0.58 346	0.34 263	1.17 365	0.71 347	0.93 283	0.94 341	1.74 388	2.63 396	3.09 396	1.71 387	1.70 285	1.84 355	0.26 341	0.21 309	0.20 311	0.21 301	0.28 260	0.43 355

WAO-8	2.80 402	2.14 410	2.89 347	1.91 407	1.04 390	3.98 410	0.96 369	3.26 409	6.17 409	2.15 396	3.37 405	3.31 398	2.41 397	11.84 418	2.03 361	2.05 409	1.86 411	1.54 406	0.92 399	1.22 390	0.87 388

Venus	2.80 402	2.14 410	2.89 347	1.91 407	1.04 390	3.98 410	0.96 369	3.26 409	6.17 409	2.15 396	3.37 405	3.31 398	2.41 397	11.84 418	2.03 361	2.05 409	1.86 411	1.54 406	0.92 399	1.22 390	0.87 388

FCDSN-DC	1.29 371	0.54 174	2.50 298	0.47 306	0.41 313	1.12 359	0.60 325	1.10 362	1.27 374	2.23 398	2.87 399	3.67 400	3.12 405	2.39 357	1.69 348	0.30 353	0.26 338	0.31 352	0.30 336	0.35 306	0.38 341
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
notaker	2.66 399	2.07 406	3.31 383	2.61 412	1.43 400	1.76 388	1.11 381	2.76 405	1.79 393	2.26 399	11.53 419	3.96 401	4.29 409	3.09 392	2.76 379	1.55 404	0.88 402	1.70 411	1.07 405	2.00 406	1.35 404

UNDER WATER-64	2.47 397	1.89 400	4.86 404	1.82 406	1.44 402	3.18 408	1.57 400	2.62 402	5.64 408	2.05 391	2.13 382	4.13 402	3.76 407	2.62 375	3.42 392	1.47 402	0.85 401	1.57 408	1.07 405	1.82 404	1.49 407

TorneroNet-64	2.65 398	1.83 396	3.30 381	1.46 397	1.20 396	3.89 409	0.99 371	3.51 413	6.71 412	2.56 403	4.60 410	4.22 403	3.85 408	3.33 396	3.14 386	1.19 396	0.65 387	1.39 403	0.79 395	3.31 414	1.15 400

FC-DCNN	1.49 385	0.59 187	2.88 344	0.44 284	0.39 299	1.97 395	0.66 336	1.67 391	1.70 389	2.72 406	2.89 400	4.22 403	2.97 403	2.55 373	2.19 368	0.29 351	0.26 338	0.31 352	0.30 336	0.32 284	0.39 344

LVE	1.96 395	2.17 413	3.14 369	1.68 400	1.80 409	1.63 381	1.03 376	2.34 401	2.81 402	1.25 370	2.89 400	4.24 405	1.29 364	2.79 385	1.44 339	2.85 413	0.91 403	1.18 394	1.46 411	1.23 392	1.10 399

Dean	1.79 391	1.83 396	3.92 393	1.29 393	1.07 392	1.55 377	1.00 374	1.95 398	2.33 397	1.47 384	4.19 409	4.26 406	1.33 369	2.21 343	1.48 341	1.14 394	0.68 393	1.18 394	0.74 392	1.24 393	0.98 393

tt	4.93 412	0.27 42	4.20 399	2.29 409	1.58 407	10.20 419	16.97 422	9.42 420	5.02 407	1.67 387	1.28 357	4.68 407	5.03 411	3.37 399	5.92 409	6.16 418	9.47 425	2.82 415	3.18 417	3.60 415	1.53 409

MSMD_ROB	1.34 374	0.96 310	2.38 274	0.39 252	0.32 246	1.96 393	0.62 332	0.91 270	1.43 380	2.94 408	2.60 394	4.77 408	1.95 391	2.43 362	1.33 331	0.29 351	0.26 338	0.32 354	0.32 344	0.30 272	0.30 299

LE_ROB	4.43 411	1.35 375	9.38 414	2.79 414	3.93 413	2.43 404	3.46 413	2.68 404	11.19 414	11.66 419	4.73 411	5.26 409	10.46 417	4.50 409	9.49 416	0.82 384	0.69 394	1.34 401	0.98 402	0.75 377	0.76 381

UNDER WATER	2.74 400	1.85 398	4.54 402	1.81 405	1.44 402	2.34 402	1.40 396	3.24 408	6.60 411	2.60 404	2.76 398	5.75 410	5.24 412	3.02 390	4.01 398	1.45 401	0.81 399	1.59 409	1.06 404	1.80 403	1.51 408

MANE	2.90 405	1.14 348	2.96 353	1.03 385	1.01 388	5.01 414	2.45 407	5.36 415	6.88 413	3.58 411	4.76 412	5.99 411	4.99 410	4.23 406	4.61 405	0.56 376	0.67 389	0.44 370	0.78 394	0.51 358	1.03 398

pmcnn	1.32 372	1.05 337	2.77 337	0.74 364	1.43 400	0.72 275	0.56 315	0.96 302	0.91 337	0.99 349	2.92 402	6.01 412	0.70 304	2.38 354	3.32 390	0.13 204	0.10 143	0.08 3	0.06 7	0.34 298	0.22 229

DGTPSM_ROB	8.89 417	5.62 418	12.25 417	5.92 418	11.32 418	8.54 417	24.18 424	6.40 417	13.49 417	5.15 413	11.46 417	6.19 413	10.92 418	7.00 414	13.72 420	4.47 414	7.65 419	3.92 417	7.45 422	4.38 417	7.87 421

DPSMNet_ROB	9.48 418	5.64 419	13.01 421	8.82 420	11.82 419	8.54 417	24.20 425	6.41 418	13.65 420	5.32 414	11.47 418	6.33 414	10.92 418	7.69 415	13.89 421	7.25 423	8.19 421	5.06 419	7.78 423	5.31 419	8.26 422

KSHMR	4.10 409	1.97 405	5.27 407	1.71 402	1.47 404	1.96 393	1.28 389	3.19 407	17.33 426	2.12 392	15.91 421	9.18 415	1.57 383	8.42 416	1.98 358	1.52 403	1.26 407	1.67 410	1.19 407	1.67 402	1.40 406

SGM-ForestM	2.98 406	1.70 391	3.52 387	0.67 360	0.47 337	5.18 415	3.36 412	3.30 411	2.86 404	4.44 412	3.79 407	9.80 416	5.50 413	6.29 413	6.52 411	0.27 346	0.36 358	0.24 331	0.27 325	0.38 323	0.58 370

HanzoNet	7.64 415	2.86 415	5.05 405	7.01 419	3.97 414	2.18 400	1.34 392	3.37 412	4.05 405	13.17 420	10.58 413	10.73 417	16.52 423	8.45 417	10.51 419	10.48 424	9.72 426	5.59 421	13.46 425	6.84 420	6.83 420

ktn	4.35 410	2.10 407	2.89 347	1.80 404	1.49 406	2.13 398	1.41 398	2.26 400	12.72 416	11.41 418	16.43 422	11.15 418	3.75 406	4.36 408	3.18 387	1.82 407	0.98 406	1.73 412	1.21 408	2.97 413	1.27 403

Anonymous_1	22.91 427	11.20 421	12.13 416	12.75 422	26.28 433	19.43 426	27.92 429	14.08 423	13.61 418	14.96 421	10.58 413	11.26 419	11.19 420	12.55 422	14.57 423	38.28 439	7.88 420	34.96 436	63.99 436	89.57 439	10.94 425

TorneroNet	5.50 413	1.92 403	3.16 371	1.47 398	1.25 399	14.07 421	1.06 378	4.90 414	20.99 431	10.17 415	16.48 423	11.88 420	6.93 414	3.34 397	4.20 401	1.30 399	0.69 394	1.45 405	0.86 397	2.61 411	1.20 401

DPSM_ROB	12.34 420	11.21 422	12.51 418	12.91 423	12.80 421	19.84 428	28.28 430	14.38 425	14.28 422	10.58 416	11.26 415	12.03 421	11.85 421	13.15 424	15.34 425	7.11 421	8.31 422	6.50 423	7.35 420	8.84 421	8.31 423

DPSM	12.34 420	11.21 422	12.51 418	12.91 423	12.80 421	19.84 428	28.28 430	14.38 425	14.28 422	10.58 416	11.26 415	12.03 421	11.85 421	13.15 424	15.34 425	7.11 421	8.31 422	6.50 423	7.35 420	8.84 421	8.31 423

LRCNet_RVC	13.74 423	19.30 425	12.75 420	19.46 427	12.69 420	1.86 389	0.41 258	12.33 421	1.05 355	15.77 422	18.83 427	12.62 423	8.70 416	12.21 421	9.62 417	22.22 432	8.37 424	25.85 433	24.01 433	19.32 431	17.44 432

xxxxx1	28.96 437	20.11 428	14.07 423	49.74 436	39.15 436	18.98 423	26.64 426	21.94 429	20.21 428	16.45 423	17.48 424	18.36 424	21.56 426	16.21 426	20.88 428	23.07 433	26.55 435	66.40 437	78.70 437	30.27 434	32.51 437

tt_ll	28.96 437	20.11 428	14.07 423	49.74 436	39.15 436	18.98 423	26.64 426	21.94 429	20.21 428	16.45 423	17.48 424	18.36 424	21.56 426	16.21 426	20.88 428	23.07 433	26.55 435	66.40 437	78.70 437	30.27 434	32.51 437

ff	28.96 437	20.11 428	14.07 423	49.74 436	39.15 436	18.98 423	26.64 426	21.94 429	20.21 428	16.45 423	17.48 424	18.36 424	21.56 426	16.21 426	20.88 428	23.07 433	26.55 435	66.40 437	78.70 437	30.27 434	32.51 437

HaxPig	19.86 426	22.40 432	22.34 426	17.95 426	17.95 424	11.77 420	11.89 419	16.02 427	15.89 425	21.10 428	21.41 429	18.74 427	18.39 424	20.08 430	19.69 427	23.63 436	23.22 434	24.06 432	23.69 432	23.00 432	23.95 434

DPSimNet_ROB	17.97 425	20.20 431	24.98 429	17.62 425	15.92 423	21.53 430	21.00 423	13.70 422	15.61 424	23.89 436	14.69 420	22.87 428	24.58 438	12.70 423	14.56 422	18.48 431	12.91 427	20.21 431	12.05 424	17.76 424	14.17 426

MEDIAN_ROB	23.96 429	27.05 439	26.39 435	22.16 428	22.13 426	16.12 422	13.97 420	20.24 428	20.05 427	25.50 437	25.31 437	22.96 429	22.63 429	24.39 431	23.24 431	28.20 437	27.23 438	28.62 434	27.75 434	27.50 433	27.76 435

MyStereo03	24.83 431	22.55 434	25.13 430	26.08 430	25.72 428	39.87 434	57.07 436	28.77 433	28.85 435	21.33 432	22.66 434	24.16 430	23.82 431	26.32 432	30.89 437	14.27 426	16.73 431	13.09 425	14.82 428	17.77 425	16.71 427

MyStereo02	24.83 431	22.55 434	25.13 430	26.08 430	25.72 428	39.87 434	57.07 436	28.77 433	28.85 435	21.33 432	22.66 434	24.16 430	23.82 431	26.32 432	30.89 437	14.27 426	16.73 431	13.09 425	14.82 428	17.77 425	16.71 427

MyStereo	24.83 431	22.55 434	25.13 430	26.08 430	25.72 428	39.87 434	57.07 436	28.77 433	28.85 435	21.33 432	22.66 434	24.16 430	23.82 431	26.32 432	30.89 437	14.27 426	16.73 431	13.09 425	14.82 428	17.77 425	16.71 427

CasAABBNet	24.81 430	22.53 433	24.83 428	26.08 430	25.74 431	39.86 433	57.06 435	28.87 436	28.83 434	21.16 430	22.54 432	24.22 433	23.89 436	26.38 435	30.87 435	14.25 425	16.71 429	13.09 425	14.81 427	17.78 428	16.71 427

Selective-RAFT-Error	24.87 434	22.59 437	25.14 433	26.13 434	25.82 432	39.93 437	57.03 434	28.97 437	28.95 438	21.21 431	22.65 433	24.25 434	23.98 437	26.43 436	30.83 434	14.27 426	16.71 429	13.10 429	14.82 428	17.82 429	16.76 431

LSM0	26.58 435	22.63 438	25.88 434	30.13 435	52.21 439	39.94 438	56.74 433	28.97 437	28.72 433	21.14 429	22.26 431	24.43 435	23.88 435	26.54 437	30.87 435	14.32 430	16.55 428	13.12 430	14.71 426	17.92 430	20.60 433

AVERAGE_ROB	26.93 436	30.34 440	29.27 437	25.82 429	25.34 427	19.48 427	15.17 421	23.55 432	23.00 432	28.45 438	27.87 438	26.25 436	25.86 439	26.96 438	25.55 432	31.30 438	30.07 439	31.76 435	30.81 435	30.79 437	30.93 436

BEATNet-Init1	12.10 419	11.19 420	27.29 436	2.99 415	3.51 412	21.84 431	11.10 418	14.34 424	13.83 421	20.34 427	20.33 428	26.35 437	20.03 425	19.06 429	14.80 424	1.74 406	1.81 410	2.05 414	2.49 415	3.69 416	3.12 416

SPstereo	16.50 424	2.87 416	4.74 403	2.64 413	2.53 411	29.48 432	52.22 432	39.30 439	29.70 439	21.90 435	21.75 430	27.53 438	23.84 434	28.05 439	26.36 433	2.38 411	2.58 417	4.92 418	3.03 416	2.19 408	2.05 413

PML	23.15 428	16.83 424	7.78 413	5.49 417	9.93 417	51.13 439	104.50 439	5.76 416	13.62 419	37.30 439	105.93 439	30.86 439	23.50 430	12.07 420	7.87 414	6.30 419	2.12 415	6.32 422	2.43 413	10.44 423	2.90 415

test_example2	115.39 440	123.23 441	94.57 439	115.52 439	123.55 440	101.63 440	114.33 440	53.41 440	99.48 440	134.90 440	135.05 440	85.83 440	85.11 440	111.32 440	106.15 440	152.55 440	205.26 440	99.78 440	114.96 440	140.96 440	110.20 440

ASD4		19.65 426

Low-res two-view benchmark