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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
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	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	0.01 9	0.02 12	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

CoDeX	0.15 89	0.70 172	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 265	0.02 14	0.69 251	0.75 269	0.01 9	0.02 19	0.02 19

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

SFCPSM	0.17 98	0.78 175	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 280	0.02 14	0.75 258	0.76 272	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 39	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 42	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 68	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 371	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 378	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 376	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 284	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 375	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

FINET	0.07 36	0.08 44	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 77	0.07 79	0.08 74	0.07 79	0.08 75	0.06 76	0.07 72	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

AASNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

GwcNet	0.12 67	0.07 43	0.05 44	0.08 37	0.05 69	0.08 74	1.20 310	0.07 74	0.05 68	0.05 64	0.05 71	0.08 75	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

SMFormer	0.09 38	1.01 204	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

Wz-Net-SNSev	0.03 25	0.09 50	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 38	0.09 50	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 79	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

CAS++	0.17 98	0.27 99	0.21 128	0.10 44	0.21 148	0.15 100	0.22 138	0.10 79	0.21 139	0.22 124	0.10 86	0.19 114	0.18 133	0.10 80	0.19 135	0.20 118	0.19 127	0.18 118	0.10 86	0.19 116	0.18 124
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
tta	0.09 38	0.95 193	0.09 52	0.10 44	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 204	0.10 56	0.10 44	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

AnonymousM	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

PVD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetRed	0.11 59	0.12 65	0.11 73	0.11 57	0.11 102	0.11 90	0.14 113	0.11 91	0.11 99	0.12 92	0.11 99	0.11 91	0.11 98	0.11 91	0.11 92	0.11 68	0.16 112	0.11 88	0.11 98	0.11 90	0.11 95

mmm	0.14 79	1.83 293	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 74	0.05 58	0.04 52	0.05 63	0.04 53

aanetorigin	0.13 72	0.11 63	0.11 73	0.11 57	0.11 102	0.11 90	0.11 97	0.11 91	0.11 99	0.11 90	0.12 106	0.11 91	0.11 98	0.11 91	0.11 92	0.11 68	0.11 74	0.14 95	0.11 98	0.49 214	0.11 95

DualNet	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ttt	0.10 44	1.09 212	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.03 39	0.02 19

Wz-Net-MNSev	0.06 31	0.54 165	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 74	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 157	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

xxxx	0.11 59	1.16 219	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 112	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 44	1.09 212	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 107	0.03 34	0.03 42	0.03 39	0.03 39

SuperB	0.21 109	0.10 52	2.51 384	0.12 60	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 79	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

JetBlue	0.11 59	0.11 63	0.12 78	0.13 70	0.14 118	0.11 90	0.11 97	0.11 91	0.11 99	0.11 90	0.11 99	0.11 91	0.11 98	0.12 95	0.12 103	0.11 68	0.11 74	0.11 88	0.11 98	0.11 90	0.11 95

11t1	0.17 98	2.16 309	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.05 59	0.18 115	0.12 85	0.06 65	0.03 42	0.05 63	0.03 39

LRCNet_RVC	0.13 72	0.13 66	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 95	0.10 85	0.23 128	0.10 86	0.20 116	0.10 87	0.24 137	0.11 92	0.11 68	0.09 55	0.12 91	0.14 121	0.12 94	0.09 79

222	0.10 44	0.99 198	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.04 53	0.03 39

qqq1	0.25 117	3.70 342	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 342	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

1111x	0.10 44	1.14 216	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 74	0.03 34	0.02 20	0.03 39	0.02 19

x	0.11 59	1.15 218	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 110	0.03 34	0.03 42	0.03 39	0.03 39

GMStereo	0.14 79	0.13 66	0.14 97	0.14 74	0.14 118	0.14 94	0.14 113	0.14 95	0.14 118	0.14 94	0.14 121	0.14 95	0.14 117	0.14 97	0.14 112	0.14 90	0.14 107	0.14 95	0.14 121	0.14 97	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 130	0.90 185	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 269	0.69 270	0.14 94	0.11 99	0.14 95	0.11 98	0.14 97	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 257	0.76 275

DRN-Test	0.14 79	0.13 66	0.09 52	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.10 85	0.14 94	0.09 82	0.14 95	0.09 83	0.13 96	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 94	0.73 270

StereoDRNet	0.15 89	0.14 70	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.09 84	0.14 94	0.10 86	0.14 95	0.09 83	0.14 97	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 96	0.82 280

PDISCO_ROB	0.83 253	2.80 330	3.49 389	0.14 74	0.11 102	0.17 109	0.09 80	0.15 106	0.10 85	0.15 100	0.12 106	0.16 105	0.14 117	3.30 387	0.13 109	0.14 90	2.34 377	0.16 106	0.12 111	2.62 367	0.10 83

qqq	0.16 95	2.01 304	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.03 37	0.12 73	0.14 107	0.04 48	0.04 52	0.03 39	0.03 39

IPLG	0.13 72	0.20 81	0.14 97	0.15 83	0.11 102	0.14 94	0.11 97	0.14 95	0.11 99	0.14 94	0.11 99	0.14 95	0.11 98	0.14 97	0.11 92	0.15 97	0.12 85	0.14 95	0.11 98	0.14 97	0.11 95

IPLGR_C	0.14 79	0.20 81	0.12 78	0.15 83	0.11 102	0.14 94	0.15 116	0.14 95	0.11 99	0.15 100	0.12 106	0.14 95	0.11 98	0.16 106	0.11 92	0.15 97	0.12 85	0.14 95	0.12 111	0.15 104	0.12 106

ACRE	0.13 72	0.21 86	0.14 97	0.15 83	0.11 102	0.14 94	0.11 97	0.14 95	0.11 99	0.14 94	0.12 106	0.14 95	0.11 98	0.14 97	0.11 92	0.15 97	0.12 85	0.14 95	0.11 98	0.14 97	0.11 95

ELAS_RVC	0.14 79	0.16 71	0.10 56	0.15 83	0.10 88	0.18 111	0.11 97	0.19 112	0.11 99	0.19 111	0.12 106	0.18 111	0.11 98	0.19 113	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 104	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 72	0.16 71	0.11 73	0.15 83	0.09 82	0.18 111	0.11 97	0.18 111	0.11 99	0.17 107	0.11 99	0.18 111	0.11 98	0.18 111	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 97	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GMStereo_Zeroshot	0.16 95	0.16 71	0.16 112	0.16 89	0.16 132	0.16 106	0.16 119	0.16 107	0.16 128	0.16 104	0.16 129	0.16 105	0.16 126	0.16 106	0.16 125	0.16 104	0.16 112	0.16 106	0.16 124	0.16 107	0.16 115

ProNet	0.14 79	0.20 81	0.14 97	0.16 89	0.11 102	0.16 106	0.11 97	0.17 109	0.11 99	0.17 107	0.12 106	0.17 108	0.13 115	0.17 109	0.12 103	0.15 97	0.11 74	0.16 106	0.11 98	0.15 104	0.12 106

CIPLG	0.13 72	0.21 86	0.12 78	0.16 89	0.11 102	0.15 100	0.11 97	0.14 95	0.11 99	0.15 100	0.12 106	0.15 104	0.11 98	0.14 97	0.11 92	0.15 97	0.12 85	0.14 95	0.11 98	0.14 97	0.11 95

MIPNet	0.14 79	0.21 86	0.17 116	0.16 89	0.11 102	0.15 100	0.12 109	0.14 95	0.11 99	0.16 104	0.11 99	0.14 95	0.11 98	0.14 97	0.11 92	0.14 90	0.12 85	0.14 95	0.11 98	0.14 97	0.11 95

IPLGR	0.14 79	0.24 96	0.14 97	0.16 89	0.12 114	0.15 100	0.12 109	0.14 95	0.11 99	0.15 100	0.12 106	0.14 95	0.11 98	0.14 97	0.11 92	0.15 97	0.12 85	0.14 95	0.11 98	0.14 97	0.11 95

ICVP	0.15 89	0.53 162	0.11 73	0.16 89	0.11 102	0.16 106	0.11 97	0.16 107	0.11 99	0.16 104	0.11 99	0.16 105	0.11 98	0.16 106	0.11 92	0.16 104	0.11 74	0.16 106	0.11 98	0.16 107	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 79	0.16 71	0.12 78	0.17 95	0.12 114	0.17 109	0.11 97	0.17 109	0.11 99	0.17 107	0.12 106	0.17 108	0.12 111	0.17 109	0.12 103	0.16 104	0.11 74	0.16 106	0.11 98	0.16 107	0.12 106

cf-r	0.66 217	2.17 310	0.12 78	0.18 96	0.12 114	0.18 111	2.70 390	2.60 376	0.12 114	0.18 110	0.12 106	0.18 111	0.12 111	0.18 111	0.12 103	0.15 97	0.11 74	0.15 105	0.11 98	1.81 349	1.74 381

LALA_ROB	0.15 89	0.19 77	0.12 78	0.18 96	0.11 102	0.20 116	0.12 109	0.21 120	0.12 114	0.20 114	0.12 106	0.20 116	0.12 111	0.21 125	0.13 109	0.17 108	0.10 59	0.18 118	0.11 98	0.18 113	0.11 95

SGM_RVC	0.15 89	0.17 75	0.11 73	0.18 96	0.11 102	0.19 114	0.11 97	0.19 112	0.12 114	0.19 111	0.12 106	0.20 116	0.12 111	0.19 113	0.12 103	0.16 104	0.11 74	0.17 111	0.10 86	0.17 110	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 95	0.18 76	0.13 93	0.19 99	0.13 117	0.19 114	0.13 112	0.19 112	0.13 117	0.19 111	0.13 118	0.19 114	0.13 115	0.19 113	0.13 109	0.18 115	0.13 106	0.18 118	0.13 119	0.18 113	0.13 112

DAS	0.20 103	0.20 81	0.20 125	0.20 100	0.20 142	0.20 116	0.20 129	0.20 116	0.20 137	0.20 114	0.20 142	0.20 116	0.20 141	0.20 116	0.20 137	0.20 118	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ACVNet	0.20 103	0.19 77	0.14 97	0.20 100	0.14 118	0.20 116	0.96 291	0.21 120	0.14 118	0.20 114	0.13 118	0.21 123	0.14 117	0.20 116	0.14 112	0.17 108	0.12 85	0.17 111	0.12 111	0.17 110	0.12 106

acv_ft	0.20 103	0.19 77	0.14 97	0.20 100	0.14 118	0.20 116	0.96 291	0.21 120	0.14 118	0.20 114	0.13 118	0.21 123	0.14 117	0.20 116	0.14 112	0.17 108	0.12 85	0.17 111	0.12 111	0.17 110	0.12 106

hitnet-ft	0.79 239	2.78 329	0.14 97	0.20 100	0.14 118	0.21 123	2.89 391	2.80 381	0.14 118	0.20 114	0.14 121	0.20 116	0.14 117	0.20 116	0.14 112	0.17 108	0.12 85	0.17 111	0.12 111	2.54 366	2.33 387

PSMNet-RSSM	0.77 235	2.76 326	0.14 97	0.20 100	0.14 118	0.20 116	2.66 388	2.79 380	0.14 118	0.21 122	0.14 121	0.21 123	0.14 117	0.20 116	0.14 112	0.17 108	0.12 85	0.17 111	0.12 111	2.52 364	2.31 385

GwcNet-RSSM	0.77 235	2.77 328	0.14 97	0.20 100	0.14 118	0.20 116	2.67 389	2.78 379	0.14 118	0.20 114	0.14 121	0.20 116	0.14 117	0.21 125	0.14 112	0.17 108	0.12 85	0.17 111	0.12 111	2.52 364	2.31 385

CFNet-ft	0.55 209	1.57 283	0.14 97	0.20 100	0.14 118	0.20 116	2.53 387	1.61 354	0.14 118	0.20 114	0.14 121	0.20 116	0.14 117	0.20 116	0.14 112	0.17 108	0.12 85	0.17 111	0.12 111	1.56 345	1.24 360

IMH-64-1	0.22 110	0.23 90	0.23 131	0.22 107	0.22 149	0.22 125	0.22 138	0.22 124	0.22 141	0.22 124	0.22 147	0.22 128	0.22 145	0.22 129	0.22 141	0.22 124	0.22 133	0.23 133	0.22 144	0.22 123	0.23 132

IMH-64	0.22 110	0.23 90	0.23 131	0.22 107	0.22 149	0.22 125	0.22 138	0.22 124	0.22 141	0.22 124	0.22 147	0.22 128	0.22 145	0.22 129	0.22 141	0.22 124	0.22 133	0.23 133	0.22 144	0.22 123	0.23 132

WAO-6	0.22 110	0.23 90	0.22 129	0.23 109	0.22 149	0.22 125	0.22 138	0.22 124	0.22 141	0.22 124	0.22 147	0.22 128	0.22 145	0.22 129	0.22 141	0.22 124	0.22 133	0.22 129	0.22 144	0.22 123	0.22 130

Wz-Net-LNSev	0.06 31	0.24 96	0.20 125	0.23 109	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 133	0.21 130	0.02 18	0.01 9	0.01 9	0.01 9

dd	0.23 114	0.98 196	0.16 112	0.23 109	0.15 127	0.23 131	0.15 116	0.23 127	0.15 126	0.23 128	0.15 128	0.24 135	0.17 128	0.23 133	0.15 120	0.22 124	0.15 110	0.21 124	0.15 123	0.22 123	0.16 115

dad	0.23 114	1.03 210	0.16 112	0.23 109	0.15 127	0.24 132	0.15 116	0.24 130	0.16 128	0.23 128	0.16 129	0.24 135	0.16 126	0.23 133	0.15 120	0.22 124	0.16 112	0.22 129	0.16 124	0.22 123	0.16 115

ac_64	0.22 110	0.13 66	0.19 123	0.23 109	0.10 88	0.26 143	1.02 297	0.14 95	0.10 85	0.28 143	0.14 121	0.17 108	0.19 138	0.28 152	0.09 76	0.22 124	0.16 112	0.23 133	0.17 137	0.11 90	0.12 106

UPFNet	0.42 183	1.20 224	0.17 116	0.24 114	0.17 133	0.25 136	0.17 120	1.19 293	0.90 289	0.25 134	0.17 131	0.24 135	0.17 128	0.25 139	0.17 126	0.22 124	0.17 124	0.22 129	0.16 124	1.15 277	0.93 288

iResNetv2_ROB	0.20 103	0.23 90	0.18 121	0.24 114	0.20 142	0.24 132	0.18 124	0.24 130	0.18 131	0.24 133	0.18 139	0.23 131	0.19 138	0.24 137	0.18 132	0.21 122	0.16 112	0.21 124	0.16 124	0.22 123	0.16 115

iResNet	0.20 103	0.23 90	0.18 121	0.24 114	0.18 138	0.24 132	0.20 129	0.24 130	0.18 131	0.23 128	0.17 131	0.23 131	0.18 133	0.23 133	0.18 132	0.22 124	0.16 112	0.21 124	0.16 124	0.21 121	0.16 115

LoS_RVC	0.30 131	1.14 216	0.25 139	0.25 117	0.25 159	0.26 143	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.26 146	0.26 161	0.26 148	0.25 153	0.26 143	0.26 142	0.25 139	0.25 157	0.26 132	0.26 148

CAS	0.30 131	1.17 220	0.25 139	0.25 117	0.25 159	0.26 143	0.25 148	0.25 133	0.26 163	0.25 134	0.25 160	0.25 138	0.25 152	0.25 139	0.25 153	0.26 143	0.26 142	0.26 142	0.25 157	0.26 132	0.25 142

LoS	0.25 117	0.27 99	0.25 139	0.25 117	0.25 159	0.25 136	0.25 148	0.26 137	0.25 150	0.25 134	0.25 160	0.25 138	0.25 152	0.25 139	0.25 153	0.26 143	0.25 139	0.25 139	0.26 163	0.26 132	0.25 142

MMNet	0.44 187	1.24 272	0.17 116	0.25 117	0.17 133	0.25 136	0.18 124	1.26 345	0.93 295	0.25 134	0.17 131	0.25 138	0.18 133	0.25 139	0.17 126	0.23 133	0.16 112	0.23 133	0.16 124	1.20 288	0.99 292

delet	0.43 184	1.21 270	0.17 116	0.25 117	0.17 133	0.25 136	0.18 124	1.26 345	0.95 296	0.25 134	0.17 131	0.25 138	0.17 128	0.25 139	0.17 126	0.23 133	0.16 112	0.22 129	0.16 124	1.18 285	0.98 291

psm_up	0.43 184	1.19 223	0.17 116	0.25 117	0.18 138	0.25 136	0.19 127	1.26 345	0.91 290	0.26 141	0.17 131	0.25 138	0.17 128	0.25 139	0.17 126	0.22 124	0.17 124	0.23 133	0.16 124	1.18 285	0.99 292

UNDER WATER-64	0.25 117	0.26 98	0.25 139	0.26 123	0.25 159	0.25 136	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.25 138	0.25 152	0.26 148	0.25 153	0.25 142	0.25 139	0.25 139	0.25 157	0.25 131	0.25 142

GEStereo_RVC	0.86 260	4.45 358	0.20 125	0.27 124	0.20 142	0.27 146	0.20 129	0.26 137	0.18 131	5.03 401	0.20 142	0.27 147	0.19 138	0.27 150	0.21 139	0.20 118	0.19 127	0.19 121	4.02 402	0.20 117	0.18 124

SQANet	0.28 127	0.28 102	0.28 148	0.28 125	0.28 169	0.28 147	0.28 162	0.28 139	0.28 169	0.28 143	0.28 173	0.28 148	0.28 173	0.28 152	0.28 163	0.28 148	0.28 152	0.28 148	0.28 173	0.28 137	0.28 165

ssnet_v2	0.68 222	1.96 303	1.25 346	0.29 126	0.20 142	0.30 151	0.20 129	0.29 142	0.22 141	1.50 356	0.20 142	0.31 156	0.20 141	0.27 150	0.22 141	0.24 138	1.49 358	0.26 142	0.18 139	3.90 375	0.19 126

IGEV_Zeroshot_test	0.20 103	0.19 77	0.40 187	0.30 127	0.17 133	0.22 125	0.17 120	0.21 120	0.17 130	0.20 114	0.17 131	0.21 123	0.18 133	0.21 125	0.17 126	0.20 118	0.16 112	0.20 122	0.16 124	0.20 117	0.17 121

GMOStereo	0.37 155	0.45 142	0.23 131	0.30 127	0.37 211	0.41 198	0.36 199	0.41 187	0.35 199	0.43 203	0.36 203	0.41 195	0.40 207	0.41 198	0.36 200	0.34 162	0.22 133	0.47 232	0.37 215	0.39 184	0.33 189

DANet	0.30 131	0.30 105	0.30 154	0.30 127	0.30 184	0.30 151	0.30 172	0.30 144	0.30 181	0.30 146	0.30 184	0.30 154	0.30 182	0.30 156	0.30 176	0.30 155	0.30 169	0.30 154	0.30 190	0.30 142	0.30 177
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxxx1	0.31 134	0.91 186	0.23 131	0.31 130	0.23 153	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 159	0.25 152	0.32 158	0.24 148	0.28 148	0.28 152	0.28 148	0.28 173	0.29 139	0.27 153

tt_ll	0.31 134	0.91 186	0.23 131	0.31 130	0.23 153	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 159	0.25 152	0.32 158	0.24 148	0.28 148	0.28 152	0.28 148	0.28 173	0.29 139	0.27 153

ff	0.31 134	0.91 186	0.23 131	0.31 130	0.23 153	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 159	0.25 152	0.32 158	0.24 148	0.28 148	0.28 152	0.28 148	0.28 173	0.29 139	0.27 153

CASnet	0.35 150	0.51 160	0.44 201	0.32 133	0.31 188	0.24 132	0.34 193	0.36 157	0.25 150	0.31 148	0.37 206	0.30 154	0.33 191	0.25 139	0.45 229	0.37 176	0.37 181	0.33 163	0.35 208	0.34 151	0.37 199
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 133	0.25 159	0.32 161	0.24 146	0.32 146	0.24 147	0.33 154	0.24 156	0.35 163	0.24 150	0.33 162	0.24 148	0.31 157	0.24 138	0.32 156	0.24 154	0.32 143	0.24 141

tt1	0.31 134	0.93 192	0.24 137	0.33 135	0.23 153	0.31 154	0.24 146	0.32 146	0.24 147	0.32 152	0.23 150	0.32 158	0.25 152	0.32 158	0.24 148	0.27 146	0.26 142	0.27 146	0.26 163	0.27 135	0.27 153

H2IRNET	0.34 144	0.34 108	0.34 174	0.34 136	0.34 206	0.34 162	0.34 193	0.34 151	0.34 197	0.34 156	0.34 197	0.34 162	0.34 194	0.34 163	0.34 197	0.34 162	0.34 176	0.34 170	0.34 205	0.34 151	0.34 194

DMCA	0.36 153	0.38 115	0.37 180	0.35 137	0.35 209	0.36 168	0.36 199	0.36 157	0.35 199	0.35 159	0.37 206	0.36 168	0.36 198	0.35 165	0.36 200	0.36 172	0.36 179	0.35 181	0.36 212	0.36 169	0.36 196

MLCV	0.31 134	0.35 109	0.27 145	0.35 137	0.28 169	0.35 165	0.27 157	0.35 153	0.28 169	0.36 162	0.27 168	0.35 163	0.27 168	0.35 165	0.27 159	0.34 162	0.27 147	0.34 170	0.27 169	0.34 151	0.27 153

ETE_ROB	0.35 150	0.35 109	0.35 178	0.35 137	0.35 209	0.35 165	0.35 196	0.35 153	0.35 199	0.35 159	0.35 202	0.35 163	0.35 197	0.35 165	0.35 198	0.35 169	0.35 177	0.35 181	0.35 208	0.35 163	0.35 195

DN-CSS_ROB	0.31 134	0.35 109	0.28 148	0.35 137	0.28 169	0.34 162	0.27 157	0.34 151	0.25 150	0.35 159	0.27 168	0.36 168	0.26 161	0.34 163	0.28 163	0.35 169	0.28 152	0.34 170	0.28 173	0.34 151	0.27 153

Any-RAFT	0.32 142	0.36 112	0.27 145	0.36 141	0.27 166	0.36 168	0.27 157	0.36 157	0.27 166	0.36 162	0.27 168	0.36 168	0.27 168	0.36 170	0.28 163	0.36 172	0.28 152	0.36 186	0.28 173	0.36 169	0.28 165

CES	0.39 166	0.47 148	0.36 179	0.36 141	0.37 211	0.45 220	0.35 196	0.35 153	0.40 213	0.36 162	0.44 232	0.47 221	0.36 198	0.44 212	0.36 200	0.37 176	0.39 190	0.44 225	0.35 208	0.37 171	0.36 196

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 141	0.22 149	0.36 168	0.21 134	0.36 157	0.21 139	0.42 199	0.21 146	0.36 168	0.22 145	0.36 170	0.21 139	0.34 162	0.21 130	0.34 170	0.21 142	0.34 151	0.21 128

XPNet_ROB	0.37 155	0.37 113	0.37 180	0.37 144	0.37 211	0.37 173	0.37 203	0.37 163	0.37 205	0.37 166	0.37 206	0.37 173	0.37 200	0.37 174	0.37 206	0.37 176	0.37 181	0.37 188	0.37 215	0.37 171	0.37 199

WAO-8	0.38 161	0.38 115	0.38 182	0.38 145	0.38 216	0.38 176	0.38 208	0.38 166	0.38 207	0.38 167	0.38 211	0.38 175	0.38 202	0.38 175	0.38 207	0.38 183	0.38 185	0.38 195	0.37 215	0.38 178	0.38 203

WAO-7	0.38 161	0.38 115	0.38 182	0.38 145	0.38 216	0.38 176	0.38 208	0.38 166	0.38 207	0.38 167	0.38 211	0.38 175	0.38 202	0.38 175	0.38 207	0.38 183	0.38 185	0.38 195	0.38 221	0.38 178	0.38 203

Venus	0.38 161	0.38 115	0.38 182	0.38 145	0.38 216	0.37 173	0.38 208	0.37 163	0.37 205	0.41 188	0.37 206	0.39 179	0.37 200	0.38 175	0.38 207	0.37 176	0.38 185	0.38 195	0.37 215	0.37 171	0.38 203

IMH	0.38 161	0.38 115	0.38 182	0.38 145	0.38 216	0.38 176	0.38 208	0.38 166	0.38 207	0.42 199	0.38 211	0.40 185	0.38 202	0.38 175	0.38 207	0.38 183	0.38 185	0.39 199	0.38 221	0.38 178	0.38 203

1test111	0.37 155	1.02 208	0.30 154	0.39 149	0.29 175	0.40 183	0.28 162	0.39 170	0.29 171	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 159	0.32 172	0.33 163	0.31 195	0.32 143	0.31 182

cc1	0.37 155	1.02 208	0.30 154	0.39 149	0.29 175	0.40 183	0.28 162	0.39 170	0.29 171	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 159	0.32 172	0.33 163	0.31 195	0.32 143	0.31 182

HanzoNet	0.39 166	0.38 115	0.40 187	0.39 149	0.41 227	0.38 176	0.38 208	0.38 166	0.38 207	0.39 172	0.39 215	0.38 175	0.38 202	0.39 182	0.40 213	0.38 183	0.38 185	0.40 203	0.38 221	0.38 178	0.40 207

gwcnet-sp	0.82 250	1.72 287	1.48 360	0.39 149	0.15 127	0.31 154	0.21 134	0.20 116	0.25 150	1.61 358	0.23 150	0.28 148	0.26 161	0.20 116	0.15 120	0.24 138	1.33 348	0.32 156	0.16 124	6.75 397	0.23 132

scenet	0.82 250	1.72 287	1.48 360	0.39 149	0.15 127	0.31 154	0.21 134	0.20 116	0.25 150	1.61 358	0.23 150	0.28 148	0.26 161	0.20 116	0.15 120	0.24 138	1.33 348	0.32 156	0.16 124	6.75 397	0.23 132

ssnet	0.82 250	1.72 287	1.48 360	0.39 149	0.15 127	0.31 154	0.21 134	0.20 116	0.25 150	1.61 358	0.23 150	0.28 148	0.26 161	0.20 116	0.15 120	0.24 138	1.33 348	0.32 156	0.16 124	6.75 397	0.23 132

Wz-Net-LNSev-Ref	0.11 59	0.44 140	0.33 167	0.39 149	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 189	0.36 179	0.02 18	0.02 20	0.02 19	0.02 19

iRaft-Stereo_5w	0.34 144	0.42 138	0.31 160	0.39 149	0.30 184	0.38 176	0.30 172	0.40 174	0.29 171	0.40 176	0.37 206	0.41 195	0.34 194	0.38 175	0.30 176	0.34 162	0.27 147	0.34 170	0.26 163	0.34 151	0.26 148

iRaft-Stereo_20w	0.34 144	0.41 131	0.31 160	0.39 149	0.29 175	0.40 183	0.32 177	0.41 187	0.32 187	0.38 167	0.30 184	0.39 179	0.30 182	0.38 175	0.32 181	0.35 169	0.27 147	0.34 170	0.27 169	0.34 151	0.29 169

RAFT + AFF	0.31 134	0.45 142	0.34 174	0.39 149	0.28 169	0.38 176	0.33 184	0.29 142	0.31 183	0.30 146	0.30 184	0.29 153	0.27 168	0.29 155	0.30 176	0.28 148	0.29 161	0.29 152	0.29 182	0.27 135	0.32 186

StereoDRNet-Refined	0.33 143	0.39 122	0.26 144	0.39 149	0.26 165	0.40 183	0.26 154	0.40 174	0.26 163	0.39 172	0.26 165	0.39 179	0.26 161	0.39 182	0.26 158	0.37 176	0.25 139	0.37 188	0.25 157	0.37 171	0.37 199
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 286	0.39 122	5.28 396	0.39 149	0.20 142	0.39 182	0.27 157	0.39 170	0.22 141	0.38 167	0.20 142	0.38 175	0.20 141	6.95 409	0.22 141	0.30 155	0.21 130	0.27 146	0.21 142	5.25 390	0.21 128

LargeStereo	0.34 144	0.43 139	0.30 154	0.40 161	0.29 175	0.40 183	0.29 167	0.40 174	0.29 171	0.40 176	0.29 175	0.40 185	0.29 177	0.40 185	0.30 176	0.38 183	0.29 161	0.37 188	0.29 182	0.37 171	0.29 169

ACVNet-DCA	0.37 155	1.00 199	0.30 154	0.40 161	0.29 175	0.40 183	0.29 167	0.40 174	0.29 171	0.40 176	0.29 175	0.40 185	0.29 177	0.39 182	0.28 163	0.33 159	0.32 172	0.33 163	0.32 199	0.33 147	0.32 186

xx1	0.38 161	1.03 210	0.31 160	0.40 161	0.31 188	0.41 198	0.28 162	0.40 174	0.29 171	0.40 176	0.29 175	0.40 185	0.29 177	0.40 185	0.29 169	0.34 162	0.33 175	0.34 170	0.32 199	0.34 151	0.32 186

knoymous	0.40 169	0.40 124	0.40 187	0.40 161	0.40 221	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 185	0.40 207	0.40 185	0.40 213	0.40 192	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

anonymousa	0.40 169	0.40 124	0.40 187	0.40 161	0.40 221	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 185	0.40 207	0.40 185	0.40 213	0.40 192	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

riskmin	0.40 169	0.40 124	0.40 187	0.40 161	0.40 221	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 185	0.40 207	0.40 185	0.40 213	0.40 192	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

Anonymous_2	0.40 169	0.40 124	0.40 187	0.40 161	0.40 221	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 185	0.40 207	0.40 185	0.40 213	0.40 192	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

Anonymous_1	0.40 169	0.40 124	0.40 187	0.40 161	0.40 221	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 185	0.40 207	0.40 185	0.40 213	0.40 192	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

AdaStereo	0.40 169	0.40 124	0.40 187	0.40 161	0.40 221	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 185	0.40 207	0.40 185	0.40 213	0.40 192	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207
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.
RAFT-Test	0.36 153	0.37 113	0.33 167	0.41 170	0.32 191	0.41 198	0.32 177	0.41 187	0.32 187	0.41 188	0.32 188	0.41 195	0.32 187	0.41 198	0.33 184	0.37 176	0.29 161	0.37 188	0.29 182	0.38 178	0.31 182

GwcNet-ADL	0.41 175	0.41 131	0.41 195	0.41 170	0.41 227	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 195	0.41 217	0.41 198	0.41 220	0.41 199	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

PSMNet-ADL	0.41 175	0.41 131	0.41 195	0.41 170	0.41 227	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 195	0.41 217	0.41 198	0.41 220	0.41 199	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

GANet-ADL	0.41 175	0.41 131	0.41 195	0.41 170	0.41 227	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 195	0.41 217	0.41 198	0.41 220	0.41 199	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

ADLNet2	0.41 175	0.41 131	0.41 195	0.41 170	0.41 227	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 195	0.41 217	0.41 198	0.41 220	0.41 199	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

ADLNet	0.41 175	0.41 131	0.41 195	0.41 170	0.41 227	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 195	0.41 217	0.41 198	0.41 220	0.41 199	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

GES	0.66 217	2.34 314	0.29 150	0.41 170	0.29 175	0.41 198	0.29 167	0.42 203	0.29 171	0.40 176	0.41 222	0.41 195	0.30 182	0.51 235	0.29 169	0.32 158	0.29 161	0.32 156	2.46 390	2.49 363	0.30 177

DGSMNet	0.34 144	0.41 131	0.27 145	0.41 170	0.28 169	0.41 198	0.28 162	0.41 187	0.27 166	0.41 188	0.27 168	0.42 211	0.27 168	0.41 198	0.28 163	0.40 192	0.29 161	0.40 203	0.28 173	0.40 187	0.27 153

Gwc-CoAtRS	0.41 175	1.49 281	0.32 163	0.42 178	0.32 191	0.41 198	0.32 177	0.41 187	0.33 190	0.41 188	0.32 188	0.41 195	0.32 187	0.41 198	0.32 181	0.39 189	0.28 152	0.39 199	0.28 173	0.40 187	0.28 165

RCA-Stereo	0.51 205	3.22 337	0.34 174	0.44 179	0.34 206	0.44 219	0.34 193	0.43 205	0.34 197	0.43 203	0.34 197	0.44 214	0.33 191	0.43 210	0.33 184	0.38 183	0.29 161	0.38 195	0.29 182	0.38 178	0.29 169

CFNet-RSSM	0.91 264	4.89 365	0.34 174	0.44 179	1.07 310	1.62 364	1.40 370	0.91 269	0.35 199	1.60 357	1.39 369	0.64 252	0.34 194	0.44 212	0.33 184	0.41 199	0.35 177	0.75 269	0.30 190	0.41 195	0.29 169

otaku	0.46 189	0.46 144	0.46 205	0.46 181	0.46 238	0.46 222	0.46 229	0.46 207	0.46 230	0.46 208	0.46 235	0.46 215	0.46 225	0.46 215	0.46 231	0.46 213	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

Ntro	0.47 194	0.47 148	0.46 205	0.46 181	0.46 238	0.47 226	0.47 235	0.46 207	0.47 233	0.46 208	0.46 235	0.47 221	0.46 225	0.47 219	0.47 235	0.47 218	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

Dean	0.46 189	0.46 144	0.46 205	0.46 181	0.46 238	0.46 222	0.46 229	0.46 207	0.46 230	0.47 213	0.46 235	0.46 215	0.46 225	0.46 215	0.46 231	0.46 213	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

ACVNet_1	0.46 189	0.47 148	0.46 205	0.46 181	0.46 238	0.46 222	0.46 229	0.46 207	0.47 233	0.46 208	0.46 235	0.46 215	0.46 225	0.46 215	0.46 231	0.46 213	0.46 209	0.47 232	0.46 238	0.46 203	0.46 224

ACVNet-4b	0.46 189	0.46 144	0.46 205	0.46 181	0.46 238	0.46 222	0.46 229	0.46 207	0.46 230	0.46 208	0.46 235	0.46 215	0.46 225	0.47 219	0.46 231	0.46 213	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

UNDER WATER	0.47 194	0.47 148	0.47 210	0.47 186	0.47 244	0.47 226	0.47 235	0.47 212	0.47 233	0.47 213	0.47 242	0.47 221	0.46 225	0.47 219	0.47 235	0.47 218	0.47 215	0.47 232	0.46 238	0.47 209	0.47 229

LVE	0.47 194	0.47 148	0.47 210	0.47 186	0.49 249	0.47 226	0.47 235	0.47 212	0.49 241	0.47 213	0.47 242	0.47 221	0.46 225	0.47 219	0.47 235	0.47 218	0.47 215	0.48 240	0.47 244	0.47 209	0.47 229

GANet-RSSM	0.75 233	1.91 296	0.14 97	0.47 186	0.14 118	0.21 123	3.21 395	2.30 373	0.14 118	0.46 208	0.14 121	0.23 131	0.18 133	0.21 125	0.14 112	0.18 115	0.27 147	0.37 188	0.13 119	2.13 357	2.12 383

RainbowNet	0.48 199	0.48 154	0.48 215	0.48 189	0.48 246	0.48 230	0.48 240	0.48 216	0.48 239	0.48 217	0.48 245	0.48 226	0.48 235	0.48 224	0.48 240	0.48 222	0.48 219	0.48 240	0.48 247	0.48 212	0.48 232

notaker	0.48 199	0.49 155	0.48 215	0.48 189	0.48 246	0.48 230	0.48 240	0.48 216	0.49 241	0.48 217	0.48 245	0.48 226	0.48 235	0.48 224	0.48 240	0.48 222	0.48 219	0.48 240	0.48 247	0.48 212	0.49 235

MyStereo07	0.60 212	3.72 345	0.48 215	0.49 191	0.41 227	0.36 168	0.32 177	0.49 218	0.43 227	0.51 232	0.42 228	0.49 228	0.43 222	0.51 235	0.64 261	0.49 225	0.45 207	0.34 170	0.32 199	0.35 163	0.43 220

MyStereo04	0.56 210	3.72 345	0.59 230	0.49 191	0.41 227	0.36 168	0.32 177	0.37 163	0.31 183	0.34 156	0.46 235	0.35 163	0.32 187	0.35 165	0.33 184	0.49 225	0.45 207	0.34 170	0.32 199	0.35 163	0.43 220

HaxPig	0.47 194	0.47 148	0.47 210	0.49 191	0.47 244	0.47 226	0.47 235	0.47 212	0.47 233	0.47 213	0.47 242	0.47 221	0.47 234	0.47 219	0.47 235	0.47 218	0.47 215	0.47 232	0.47 244	0.47 209	0.48 232

ACVNet_2	0.49 202	0.49 155	0.49 219	0.49 191	0.49 249	0.49 232	0.49 243	0.49 218	0.49 241	0.49 222	0.49 249	0.49 228	0.49 240	0.49 230	0.49 243	0.49 225	0.49 221	0.49 243	0.49 249	0.49 214	0.49 235

IGEV-Stereo	0.35 150	0.44 140	0.45 203	0.49 191	0.30 184	0.37 173	0.30 172	0.36 157	0.30 181	0.36 162	0.29 175	0.36 168	0.29 177	0.36 170	0.30 176	0.46 213	0.39 190	0.32 156	0.24 154	0.32 143	0.25 142
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
psmorigin	0.41 175	0.46 144	0.33 167	0.49 191	0.33 200	0.49 232	0.33 184	0.49 218	0.33 190	0.49 222	0.33 191	0.49 228	0.33 191	0.51 235	0.33 184	0.41 199	0.30 169	0.41 214	0.30 190	0.79 246	0.29 169

TorneroNet	0.66 217	0.53 162	0.50 221	0.50 197	0.64 269	1.06 293	0.70 269	0.50 225	0.51 247	0.49 222	0.69 277	0.49 228	0.50 243	0.48 224	1.15 305	0.71 251	0.49 221	1.14 302	1.08 300	0.49 214	0.49 235

ccnet	0.80 241	2.28 313	0.33 167	0.50 197	0.33 200	0.50 238	0.33 184	0.50 225	0.33 190	0.49 222	0.33 191	0.49 228	1.56 365	2.38 376	0.33 184	0.41 199	0.29 161	0.42 223	1.57 373	2.28 359	0.29 169

SANet	0.50 204	0.50 157	0.50 221	0.50 197	0.50 252	0.50 238	0.50 245	0.50 225	0.50 244	0.50 231	0.50 251	0.50 239	0.50 243	0.50 234	0.50 244	0.50 229	0.50 226	0.50 246	0.50 251	0.50 218	0.50 238

FCDSN-DC	0.41 175	0.59 168	0.64 237	0.54 200	0.33 200	0.50 238	0.37 203	0.42 203	0.40 213	0.61 247	0.43 230	0.50 239	0.49 240	0.38 175	0.32 181	0.28 148	0.23 137	0.26 142	0.22 144	0.35 163	0.28 165
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PSMNet_ROB	0.54 207	0.54 165	0.54 226	0.54 200	0.53 257	0.54 243	0.54 249	0.53 230	0.54 253	0.54 237	0.54 258	0.54 241	0.53 248	0.54 238	0.54 249	0.54 233	0.53 230	0.54 250	0.54 252	0.54 224	0.54 242

SPstereo	0.47 194	0.38 115	0.51 223	0.56 202	0.31 188	0.67 258	0.44 227	0.55 232	0.31 183	0.61 247	0.44 232	0.46 215	0.52 246	0.67 256	0.42 226	0.48 222	0.40 192	0.47 232	0.36 212	0.53 222	0.33 189

CASS	0.57 211	0.89 183	0.56 227	0.57 203	0.56 259	0.56 245	0.56 250	0.56 234	0.53 249	0.57 242	0.57 261	0.59 250	0.48 235	0.56 243	0.57 253	0.55 235	0.56 233	0.47 232	0.56 256	0.62 226	0.56 249
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
TorneroNet-64	0.45 188	0.27 99	0.30 154	0.58 204	0.27 166	0.70 260	0.30 172	0.28 139	0.73 278	0.73 260	0.28 173	0.71 259	0.66 259	0.75 265	0.27 159	0.27 146	0.29 161	0.37 188	0.75 281	0.28 137	0.30 177

PML	0.46 189	1.36 278	0.29 150	0.58 204	0.30 184	0.57 249	0.29 167	0.57 236	0.29 171	0.57 242	0.29 175	0.57 248	0.29 177	0.56 243	0.29 169	0.52 231	0.30 169	0.53 249	0.31 195	0.53 222	0.30 177

MyStereo8	0.71 227	3.92 352	0.52 225	0.59 206	0.52 254	0.57 249	0.53 248	0.59 240	0.50 244	0.59 245	0.51 254	0.57 248	0.50 243	0.56 243	0.52 247	0.54 233	0.49 221	0.54 250	0.49 249	0.55 225	0.50 238

LL-Strereo2	0.48 199	1.73 291	0.51 223	0.59 206	0.34 206	0.42 214	0.33 184	0.40 174	0.31 183	0.42 199	0.33 191	0.42 211	0.31 186	0.44 212	0.39 212	0.60 238	0.51 227	0.44 225	0.33 204	0.44 202	0.33 189

PA-Net	11.80 411	223.51 434	0.62 234	0.59 206	0.71 280	0.59 251	0.73 273	0.67 249	0.73 278	0.55 239	0.61 264	0.60 251	0.74 271	0.63 251	0.73 277	0.66 242	0.60 236	0.69 262	0.66 268	0.72 237	0.65 258
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MyStereo06	0.75 233	4.12 353	0.60 231	0.63 209	0.61 265	0.62 253	0.66 262	0.56 234	0.45 229	0.55 239	0.48 245	0.54 241	0.46 225	0.57 246	0.45 229	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

MyStereo05	0.80 241	4.12 353	0.63 235	0.63 209	0.61 265	0.62 253	0.66 262	0.65 247	0.62 260	0.67 254	0.61 264	0.65 255	0.58 251	0.67 256	0.55 252	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

MSKI-zero shot	0.24 116	0.21 86	0.49 219	0.65 211	0.18 138	0.22 125	0.17 120	0.23 127	0.18 131	0.21 122	0.17 131	0.23 131	0.28 173	0.23 133	0.18 132	0.21 122	0.16 112	0.21 124	0.16 124	0.21 121	0.16 115

LMCR-Stereo	0.65 215	0.63 169	0.65 242	0.65 211	0.65 270	0.66 257	0.63 258	0.58 238	0.65 263	0.63 250	0.64 268	0.65 255	0.65 257	0.66 254	0.66 264	0.66 242	0.64 242	0.65 257	0.67 271	0.68 230	0.73 270

DSFCA	0.66 217	0.73 174	0.78 259	0.65 211	0.65 270	0.64 255	0.64 259	0.65 247	0.63 262	0.64 251	0.64 268	0.64 252	0.64 255	0.65 253	0.65 262	0.65 241	0.65 243	0.65 257	0.65 266	0.66 228	0.64 257

4D-IteraStereo	0.78 238	3.13 334	0.89 266	0.69 214	0.32 191	0.40 183	0.32 177	0.76 256	0.97 298	0.52 235	0.65 272	0.89 279	0.32 187	0.76 266	0.98 293	0.83 262	0.94 272	0.35 181	0.27 169	0.70 235	0.89 285

Selective-IGEV	0.51 205	0.55 167	0.45 203	0.69 214	0.45 237	0.61 252	0.45 228	0.50 225	0.40 213	0.56 241	0.44 232	0.55 244	0.40 207	0.72 261	0.67 265	0.59 236	0.46 209	0.45 227	0.34 205	0.46 203	0.37 199

LL-Strereo	1.01 280	5.06 368	1.63 363	0.70 216	1.43 375	0.56 245	0.46 229	0.57 236	0.50 244	0.57 242	0.50 251	1.58 361	0.49 240	0.59 248	0.50 244	1.64 355	0.52 228	0.51 247	1.37 364	0.52 220	0.45 223

DMCA-RVC	0.70 225	0.80 177	0.70 249	0.70 216	0.70 279	0.70 260	0.70 269	0.71 252	0.70 272	0.70 257	0.71 281	0.71 259	0.70 266	0.70 259	0.69 272	0.69 245	0.70 252	0.69 262	0.70 277	0.69 234	0.70 265

whm_eth	0.63 213	1.48 280	0.47 210	0.71 218	0.48 246	0.71 262	0.48 240	0.71 252	0.48 239	0.71 258	0.48 245	0.71 259	0.48 235	0.72 261	0.48 240	0.71 251	0.47 215	0.71 265	0.47 244	0.71 236	0.47 229

anonymity	0.63 213	0.69 171	0.56 227	0.71 218	0.56 259	0.71 262	0.56 250	0.71 252	0.56 254	0.72 259	0.56 259	0.71 259	0.56 250	0.71 260	0.58 256	0.68 244	0.55 231	0.68 259	0.55 253	0.68 230	0.54 242

iGMRVC	0.84 255	2.85 331	0.72 252	0.72 220	0.73 283	0.77 267	0.79 277	0.73 255	0.74 280	0.73 260	0.72 283	0.73 263	0.76 273	0.73 263	0.73 277	0.72 253	0.73 256	0.73 267	0.72 280	0.73 242	0.72 268

ARAFT	0.68 222	0.81 180	0.63 235	0.74 221	0.60 261	0.78 269	0.62 257	0.77 257	0.66 265	0.74 264	0.63 266	0.75 265	0.62 254	0.83 271	0.60 258	0.70 248	0.55 231	0.70 264	0.60 260	0.78 244	0.55 246

AFF-stereo	0.73 231	0.88 182	0.67 245	0.75 222	0.68 278	0.75 264	0.64 259	0.80 259	0.72 276	0.83 272	0.70 278	0.82 275	0.64 255	0.84 272	0.67 265	0.77 255	0.63 241	0.81 278	0.63 265	0.78 244	0.62 255

MyStereo02	0.85 258	4.58 361	0.64 237	0.76 223	0.65 270	0.75 264	0.61 254	0.60 241	0.53 249	0.80 267	0.64 268	0.78 268	0.66 259	0.55 240	0.57 253	0.70 248	0.66 245	0.68 259	0.62 263	0.72 237	0.59 250

MyStereo	0.85 258	4.58 361	0.64 237	0.76 223	0.65 270	0.75 264	0.61 254	0.60 241	0.53 249	0.80 267	0.64 268	0.78 268	0.66 259	0.55 240	0.57 253	0.70 248	0.66 245	0.68 259	0.62 263	0.72 237	0.59 250

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 210	0.79 225	0.24 158	0.30 151	0.26 154	0.30 144	0.24 147	0.32 152	0.23 150	0.31 156	0.24 150	0.30 156	0.23 146	0.29 154	0.26 142	0.29 152	0.24 154	0.33 147	0.23 132

G-Net	0.79 239	0.79 176	0.79 262	0.79 225	0.79 289	0.79 270	0.79 277	0.79 258	0.79 284	0.79 266	0.79 288	0.79 271	0.79 275	0.79 267	0.79 280	0.79 256	0.79 260	0.79 274	0.79 284	0.79 246	0.79 276

MIM_Stereo	0.25 117	0.23 90	0.66 243	0.80 227	0.17 133	0.22 125	0.17 120	0.23 127	0.18 131	0.26 141	0.17 131	0.21 123	0.17 128	0.25 139	0.17 126	0.23 133	0.16 112	0.21 124	0.17 137	0.22 123	0.17 121

RAFT-Stereo + iAFF	0.70 225	0.72 173	0.71 251	0.80 227	0.62 268	0.82 273	0.61 254	0.81 262	0.62 260	0.81 271	0.63 266	0.80 272	0.70 266	0.73 263	0.61 260	0.76 254	0.61 240	0.74 268	0.61 262	0.77 243	0.61 253

NaN_ROB	0.80 241	0.80 177	0.80 263	0.80 227	0.80 291	0.80 271	0.80 279	0.80 259	0.80 285	0.80 267	0.80 289	0.80 272	0.80 276	0.80 268	0.80 282	0.80 257	0.80 263	0.80 276	0.80 285	0.80 249	0.80 277

CSAN	0.80 241	0.80 177	0.80 263	0.80 227	0.80 291	0.80 271	0.80 279	0.80 259	0.80 285	0.80 267	0.80 289	0.80 272	0.80 276	0.80 268	0.80 282	0.80 257	0.80 263	0.80 276	0.80 285	0.80 249	0.80 277

Former-RAFT_DAM_RVC	0.49 202	0.98 196	0.64 237	0.84 231	0.46 238	0.45 220	0.35 196	0.47 212	0.47 233	0.45 207	0.34 197	0.46 215	0.48 235	0.46 215	0.35 198	0.39 189	0.71 254	0.39 199	0.35 208	0.41 195	0.41 214

test_xeample3	1.10 284	1.81 292	0.61 233	0.84 231	0.49 249	0.77 267	0.66 262	0.92 272	1.40 373	0.68 256	0.46 235	0.78 268	0.54 249	1.72 361	1.48 370	1.34 345	1.52 359	1.35 362	1.67 377	1.33 338	1.55 373

Selective-RAFT-Error	0.88 261	0.84 181	0.98 276	0.86 233	0.97 303	0.88 276	0.95 290	0.84 263	0.99 300	0.92 277	0.82 291	0.84 276	0.98 284	0.87 275	0.97 292	0.81 260	0.83 266	0.79 274	0.82 288	0.79 246	0.85 282

FC-DCNN	1.07 282	1.09 212	0.98 276	0.89 234	0.52 254	1.41 361	0.91 285	1.21 341	1.24 364	1.96 365	2.05 389	1.91 365	1.30 357	1.27 355	1.08 299	0.80 257	0.60 236	0.58 252	0.41 230	0.68 230	0.54 242

MyStereo03	0.84 255	4.93 366	0.68 248	0.90 235	0.74 285	0.56 245	0.46 229	0.55 232	0.52 248	0.74 264	0.56 259	0.56 246	0.46 225	0.81 270	0.54 249	0.59 236	0.52 228	0.75 269	0.68 272	0.68 230	0.65 258

DDUNet	0.81 246	2.45 315	0.57 229	0.90 235	0.60 261	0.88 276	0.59 253	0.90 267	0.60 257	0.88 273	0.60 262	0.90 280	0.58 251	0.88 276	0.60 258	0.84 264	0.60 236	0.86 283	0.57 257	0.86 255	0.60 252

ADCS	0.09 38	0.02 12	0.04 31	0.90 235	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 200	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

UDG	0.80 241	2.21 311	0.60 231	0.91 238	0.60 261	0.90 279	0.58 252	0.88 266	0.60 257	0.90 274	0.60 262	0.88 277	0.60 253	0.90 279	0.58 256	0.86 266	0.60 236	0.84 281	0.59 259	0.84 254	0.61 253

DPSM_ROB	0.92 265	0.91 186	0.91 269	0.91 238	0.92 299	0.92 281	0.92 286	0.92 272	0.91 290	0.93 279	0.91 295	0.92 283	0.90 279	0.91 280	0.92 287	0.92 269	0.91 268	0.91 286	0.92 291	0.93 263	0.93 288

DPSM	0.92 265	0.91 186	0.91 269	0.91 238	0.92 299	0.92 281	0.92 286	0.92 272	0.91 290	0.93 279	0.91 295	0.92 283	0.90 279	0.91 280	0.92 287	0.92 269	0.91 268	0.91 286	0.92 291	0.93 263	0.93 288

MoCha-V2	2.11 360	26.97 415	0.78 259	0.92 241	0.77 287	0.96 286	0.72 272	0.90 267	0.72 276	0.94 281	0.70 278	0.90 280	0.71 270	0.91 280	0.71 276	0.85 265	0.71 254	0.88 284	0.69 275	0.87 256	0.67 262

Syn2CoEx	0.25 117	1.31 275	0.74 255	0.92 241	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 267	0.75 258	0.02 18	0.02 20	0.02 19	0.02 19

pmcnn	0.92 265	0.92 191	0.92 271	0.92 241	0.92 299	0.92 281	0.92 286	0.92 272	0.92 294	0.92 277	0.92 298	0.92 283	0.92 281	0.92 283	0.92 287	0.92 269	0.92 270	0.92 288	0.92 291	0.92 262	0.92 287

DCRE	0.84 255	1.89 295	0.77 258	0.94 244	0.72 282	0.88 276	0.73 273	0.87 264	0.78 281	0.90 274	0.71 281	0.88 277	0.67 263	0.88 276	0.73 277	0.81 260	0.68 247	0.81 278	0.70 277	0.82 253	0.70 265

DGTPSM_ROB	0.93 269	1.00 199	0.92 271	0.94 244	0.96 302	0.91 280	0.92 286	0.91 269	0.96 297	0.91 276	0.96 299	0.93 286	0.92 281	0.94 284	0.92 287	0.92 269	0.92 270	0.90 285	0.92 291	0.94 265	0.91 286

ToySt	0.92 265	2.11 305	0.90 268	0.95 246	0.79 289	0.99 287	0.78 276	0.94 276	0.81 288	0.94 281	0.78 287	0.95 287	0.77 274	0.94 284	0.86 285	0.91 268	0.79 260	0.85 282	0.77 282	0.89 258	0.73 270

R-Stereo Train	0.81 246	0.96 194	0.67 245	0.95 246	0.67 276	0.95 284	0.68 266	0.95 277	0.68 267	0.95 283	0.68 275	0.96 288	0.68 264	0.96 288	0.68 268	0.94 273	0.68 247	0.94 289	0.68 272	0.94 265	0.68 263

RAFT-Stereo	0.81 246	0.96 194	0.67 245	0.95 246	0.67 276	0.95 284	0.68 266	0.95 277	0.68 267	0.95 283	0.68 275	0.96 288	0.68 264	0.96 288	0.68 268	0.94 273	0.68 247	0.94 289	0.68 272	0.94 265	0.68 263
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
ff7	1.68 346	2.68 321	1.35 350	0.97 249	0.89 294	1.84 365	2.15 382	2.12 363	1.80 381	2.05 369	1.56 372	2.33 374	2.12 375	2.23 371	2.25 385	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 298

ffff	1.68 346	2.68 321	1.35 350	0.97 249	0.89 294	1.84 365	2.15 382	2.12 363	1.80 381	2.05 369	1.56 372	2.33 374	2.12 375	2.23 371	2.25 385	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 298

ccc-4	1.68 346	2.68 321	1.35 350	0.97 249	0.89 294	1.84 365	2.15 382	2.12 363	1.80 381	2.05 369	1.56 372	2.33 374	2.12 375	2.23 371	2.25 385	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 298

GANet	1.00 276	1.00 199	1.00 278	1.00 252	1.00 304	1.00 288	1.00 293	1.00 279	1.00 301	1.00 285	1.00 300	1.00 290	1.00 285	1.00 290	1.00 295	1.00 275	1.00 273	1.00 295	1.00 295	1.00 268	1.00 294

TDLM	1.00 276	1.00 199	1.00 278	1.00 252	1.00 304	1.00 288	1.00 293	1.00 279	1.00 301	1.00 285	1.00 300	1.00 290	1.00 285	1.00 290	1.00 295	1.00 275	1.00 273	1.00 295	1.00 295	1.00 268	1.00 294

CVANet_RVC	1.00 276	1.00 199	1.00 278	1.00 252	1.00 304	1.00 288	1.00 293	1.00 279	1.00 301	1.00 285	1.00 300	1.00 290	1.00 285	1.00 290	1.00 295	1.00 275	1.00 273	1.00 295	1.00 295	1.00 268	1.00 294

panet	1.01 280	1.01 204	1.01 281	1.01 255	1.01 308	1.01 291	1.01 296	1.01 282	1.01 304	1.01 289	1.01 303	1.01 293	1.01 291	1.01 293	1.01 298	1.01 278	1.01 276	1.01 298	1.01 298	1.01 271	1.01 297

ADCMid	0.08 37	0.02 12	0.02 13	1.01 255	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

edge stereo	2.43 374	27.07 416	1.14 286	1.06 257	1.14 311	1.08 296	1.17 307	1.16 289	1.14 307	1.10 293	1.16 308	1.09 297	1.16 301	1.10 299	1.16 308	1.10 283	1.11 288	1.16 304	1.19 308	1.13 275	1.11 301

EKT-Stereo	0.37 155	0.40 124	0.44 201	1.07 258	0.29 175	0.34 162	0.31 176	0.36 157	0.29 171	0.38 167	0.31 187	0.37 173	0.30 182	0.36 170	0.29 169	0.34 162	0.28 152	0.39 199	0.30 190	0.37 171	0.30 177

GLC_STEREO	1.07 282	1.01 204	1.06 282	1.07 258	1.05 309	1.06 293	1.08 299	1.08 284	1.05 306	1.07 291	1.06 304	1.08 295	1.05 292	1.06 295	1.10 300	1.07 280	1.09 284	1.05 300	1.05 299	1.06 272	1.12 303

HH	0.71 227	2.54 317	0.74 255	1.10 260	0.32 191	0.41 198	0.37 203	0.69 250	0.78 281	0.73 260	0.90 293	0.75 265	1.00 285	0.84 272	0.69 272	0.69 245	0.40 192	0.35 181	0.26 163	0.35 163	0.26 148

HanStereo	0.71 227	2.54 317	0.74 255	1.10 260	0.32 191	0.41 198	0.37 203	0.69 250	0.78 281	0.73 260	0.90 293	0.75 265	1.00 285	0.84 272	0.69 272	0.69 245	0.40 192	0.35 181	0.26 163	0.35 163	0.26 148

DPSimNet_ROB	0.97 273	1.18 222	0.81 265	1.10 260	0.91 298	1.02 292	0.82 281	1.04 283	0.91 290	1.03 290	0.86 292	1.28 356	0.82 278	1.03 294	0.89 286	1.17 291	0.81 265	1.02 299	0.82 288	1.08 273	0.81 279

MSMD_ROB	1.19 288	1.10 215	0.70 249	1.10 260	0.60 261	1.10 298	0.70 269	1.10 286	0.70 272	1.10 293	0.70 278	1.10 299	0.70 266	7.00 410	0.70 275	1.10 283	0.70 252	1.10 301	0.70 277	1.10 274	0.70 265

AF-Net	2.37 371	25.71 411	1.17 289	1.13 264	1.15 312	1.15 304	1.18 308	1.19 293	1.16 309	1.10 293	1.15 305	1.10 299	1.18 302	1.12 302	1.15 305	1.10 283	1.10 287	1.17 308	1.15 304	1.16 279	1.12 303

ktn	0.72 230	0.53 162	1.08 283	1.14 265	0.51 253	1.22 352	1.36 364	0.51 229	0.59 256	0.51 232	0.51 254	0.69 258	1.20 304	0.67 256	0.51 246	0.51 230	0.49 221	0.58 252	0.66 268	0.52 220	0.53 241

Nwc_Net	2.37 371	25.95 412	1.15 288	1.14 265	1.15 312	1.08 296	1.14 303	1.17 290	1.16 309	1.14 300	1.15 305	1.08 295	1.15 297	1.11 301	1.14 304	1.10 283	1.11 288	1.16 304	1.09 301	1.16 279	1.15 308

KSHMR	0.66 217	0.50 157	0.48 215	1.15 267	0.52 254	0.49 232	0.51 247	0.49 218	0.71 275	0.67 254	0.50 251	1.16 305	1.11 293	0.66 254	0.52 247	0.49 225	0.49 221	0.51 247	0.66 268	0.50 218	1.14 307

HBP-ISP	1.24 335	1.72 287	1.65 364	1.15 267	0.76 286	1.40 360	0.88 283	1.67 358	1.02 305	1.69 362	1.38 368	1.69 363	1.21 350	1.87 362	1.21 357	1.05 279	0.79 260	0.97 293	0.80 285	1.19 287	0.75 274

RP	2.33 366	25.00 408	1.13 285	1.15 267	1.15 312	1.10 298	1.15 304	1.15 287	1.15 308	1.12 298	1.15 305	1.09 297	1.13 294	1.10 299	1.15 305	1.11 288	1.09 284	1.16 304	1.12 302	1.16 279	1.17 309

RGC	2.36 368	25.48 409	1.19 292	1.15 267	1.15 312	1.10 298	1.16 306	1.17 290	1.16 309	1.12 298	1.16 308	1.11 302	1.13 294	1.09 297	1.18 310	1.10 283	1.15 292	1.16 304	1.12 302	1.14 276	1.12 303

NCC-stereo	2.36 368	25.52 410	1.17 289	1.15 267	1.17 317	1.11 301	1.11 300	1.15 287	1.16 309	1.10 293	1.16 308	1.10 299	1.15 297	1.14 303	1.13 303	1.09 281	1.11 288	1.15 303	1.16 306	1.17 284	1.17 309

Selective-RAFT	0.89 263	0.89 183	0.72 252	1.16 272	0.78 288	1.06 293	0.82 281	0.87 264	0.97 298	1.00 285	0.91 295	0.90 280	1.00 285	0.89 278	0.93 291	0.83 262	0.83 266	0.82 280	0.82 288	0.81 252	0.82 280

Abc-Net	2.32 365	24.75 407	1.14 286	1.17 273	1.17 317	1.11 301	1.15 304	1.17 290	1.21 361	1.08 292	1.16 308	1.12 303	1.14 296	1.09 297	1.17 309	1.09 281	1.16 293	1.17 308	1.17 307	1.16 279	1.11 301
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 366	24.38 406	1.18 291	1.18 274	1.18 319	1.14 303	1.18 308	1.19 293	1.19 315	1.14 300	1.18 312	1.14 304	1.18 302	1.14 303	1.18 310	1.14 290	1.14 291	1.19 311	1.19 308	1.15 277	1.19 311

HSM-Net_RVC	0.95 272	1.17 220	0.78 259	1.18 274	0.71 280	1.16 305	0.75 275	1.09 285	0.80 285	1.10 293	0.75 286	1.17 306	0.74 271	1.17 305	0.80 282	1.13 289	0.73 256	1.17 308	0.77 282	1.16 279	0.72 268
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

CrosDoStereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PFNet+	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

LCNet	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

HHNet	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Patchmatch Stereo++	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312
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
AAGNet	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

STrans-v2	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

TransformOpticalFlow	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

OMP-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

IIG-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

NF-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

OCTAStereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PSM-softLoss	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

KMStereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

NRIStereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PSM-adaLoss	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PSM-AAD	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

FTStereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

ROB_FTStereo_v2	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

ROB_FTStereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Consistency-Raft	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

KYRaft	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

HUI-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

ASMatch	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DeepStereo_LL	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DEmStereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

SST-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

THIR-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT_R40	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DRaft	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PFNet	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

GrayStereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RE-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Pruner-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

TVStereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DeepStereo_RVC	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT-RH_RVC	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

IRAFT_RVC	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT-345	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

iRAFT	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

CRE-IMP	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

GMM-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT-IKP	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Prome-Stereo	1.20 289	1.20 224	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

CroCo-Stereo	0.73 231	1.22 271	0.25 139	1.22 321	0.25 159	1.22 352	0.25 148	1.22 342	0.25 150	1.22 349	0.25 160	1.22 354	0.25 152	1.22 353	0.25 153	1.22 339	0.26 142	1.21 357	0.25 157	1.22 335	0.25 142
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
S-Stereo	2.51 376	26.86 414	1.23 344	1.22 321	1.22 367	1.24 354	1.25 359	1.22 342	1.24 364	1.21 348	1.24 361	1.19 307	1.27 354	1.19 306	1.24 359	1.19 292	1.20 297	1.25 359	1.19 308	1.24 336	1.23 359

FAT-Stereo	2.46 375	26.05 413	1.23 344	1.23 323	1.22 367	1.20 306	1.24 358	1.23 344	1.23 363	1.19 302	1.22 359	1.21 353	1.24 352	1.20 307	1.24 359	1.21 338	1.17 295	1.22 358	1.25 358	1.20 288	1.24 360

CroCo-Stereo Lap2	0.77 235	1.29 273	0.29 150	1.27 324	0.29 175	1.27 355	0.26 154	1.26 345	0.26 163	1.26 350	0.26 165	1.27 355	0.26 161	1.26 354	0.27 159	1.27 341	0.27 147	1.27 360	0.27 169	1.27 337	0.27 153

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 324	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

11t	1.27 337	2.70 324	1.34 348	1.32 326	0.89 294	1.30 356	1.34 362	1.64 355	0.57 255	1.45 355	0.72 283	1.05 294	1.29 356	1.07 296	1.29 362	1.49 350	1.02 277	0.97 293	1.15 304	1.48 342	1.31 363

PS-NSSS	1.38 341	1.39 279	1.34 348	1.34 327	1.35 369	1.38 359	1.37 369	1.35 349	1.38 372	1.34 351	1.34 364	1.39 359	1.38 361	1.70 360	1.40 367	1.36 348	1.36 352	1.36 364	1.37 364	1.37 340	1.36 367

MaskLacGwcNet_RVC	1.35 338	1.35 277	1.35 350	1.35 328	1.35 369	1.35 357	1.35 363	1.36 350	1.35 369	1.36 353	1.35 365	1.36 357	1.36 359	1.36 356	1.35 364	1.35 346	1.35 351	1.35 362	1.35 361	1.35 339	1.35 366

CSP-Net	0.34 144	1.29 273	1.19 292	1.36 329	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 340	1.21 343	0.03 34	0.09 80	0.02 19	0.09 79

CC-Net-ROB	1.36 339	1.33 276	1.33 347	1.36 329	1.38 372	1.36 358	1.33 361	1.37 351	1.34 367	1.35 352	1.36 366	1.38 358	1.34 358	1.38 357	1.38 366	1.35 346	1.38 354	1.33 361	1.35 361	1.43 341	1.34 365

RASNet	1.49 342	1.65 285	1.45 359	1.38 331	1.43 375	1.47 362	1.36 364	1.38 352	1.36 370	1.39 354	1.60 376	1.45 360	1.45 363	1.51 358	2.21 384	1.53 353	1.36 352	1.36 364	1.36 363	1.66 347	1.36 367

FENet	0.54 207	1.52 282	1.19 292	1.41 332	0.23 153	0.35 165	0.23 142	0.35 153	0.23 146	0.34 156	0.23 150	0.35 163	0.23 149	0.35 165	0.23 146	1.40 349	1.07 278	0.32 156	0.23 149	0.33 147	0.23 132

PASM	0.39 166	3.06 333	1.36 354	1.58 333	0.09 82	0.11 90	0.11 97	0.11 91	0.11 99	0.09 77	0.09 82	0.11 91	0.09 83	0.09 78	0.09 76	0.11 68	0.11 74	0.11 88	0.09 80	0.11 90	0.11 95

DPSMNet_ROB	1.60 345	1.59 284	1.70 366	1.59 334	1.59 377	1.61 363	1.61 374	1.60 353	1.60 376	1.62 361	1.59 375	1.60 362	1.60 366	1.60 359	1.59 372	1.59 354	1.60 361	1.59 369	1.59 374	1.59 346	1.59 374

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 337	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

ADCRef	0.12 67	0.03 27	0.04 31	1.71 338	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

test-3	0.98 275	4.13 355	1.85 373	1.85 339	0.61 265	0.69 259	0.37 203	0.63 245	0.61 259	0.66 253	0.51 254	0.73 263	0.44 223	0.57 246	0.54 249	1.68 356	1.81 371	0.40 203	0.43 236	0.66 228	0.50 238

RAFT_CTSACE	1.92 354	3.71 344	1.72 368	1.88 340	1.72 381	2.04 371	1.42 372	2.18 367	1.89 387	2.02 368	1.97 385	1.95 366	2.06 374	1.93 364	1.62 373	1.76 357	1.66 365	2.02 374	1.73 383	1.73 348	1.43 372

GANetREF_RVC	1.55 343	1.94 302	1.22 342	1.88 340	1.21 366	1.88 368	1.22 356	1.88 359	1.22 362	1.88 363	1.22 359	1.88 364	1.22 351	1.89 363	1.22 358	1.87 361	1.22 344	1.88 371	1.22 357	1.88 351	1.22 358
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
psmg	0.43 184	1.91 296	0.92 271	1.91 342	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 365	1.44 357	0.04 48	0.03 42	0.02 19	0.03 39

SPS-STEREO	1.59 344	1.91 296	1.21 341	1.94 343	1.20 320	2.00 370	1.23 357	1.99 362	1.24 364	2.00 367	1.25 362	2.03 368	1.26 353	2.00 366	1.29 362	1.90 364	1.18 296	1.89 372	1.21 356	1.89 352	1.20 312
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	1.81 352	1.91 296	1.71 367	1.95 344	1.70 380	1.95 369	1.70 377	1.96 361	1.74 379	1.97 366	1.72 379	1.95 366	1.71 369	1.97 365	1.71 378	1.86 360	1.62 362	1.85 370	1.66 376	1.86 350	1.64 375

CRFU-Net	0.65 215	1.67 286	1.22 342	1.96 345	0.27 166	0.41 198	0.27 157	0.41 187	0.27 166	0.40 176	0.26 165	0.41 195	0.27 168	0.40 185	0.27 159	1.80 359	1.62 362	0.34 170	0.23 149	0.33 147	0.23 132

NINENet	0.69 224	3.87 351	1.20 295	1.98 346	0.05 69	0.40 183	0.04 54	0.40 174	0.05 68	0.41 188	0.04 63	0.41 195	0.05 64	0.40 185	0.05 59	1.79 358	1.56 360	0.34 170	0.22 144	0.34 151	0.23 132

error version	0.93 269	4.47 359	2.35 381	1.99 347	0.37 211	0.41 198	0.36 199	0.41 187	0.35 199	0.43 203	0.36 203	0.41 195	0.40 207	0.41 198	0.36 200	1.87 361	2.16 373	0.47 232	0.37 215	0.39 184	0.33 189

test_1	0.93 269	4.47 359	2.35 381	1.99 347	0.37 211	0.41 198	0.36 199	0.41 187	0.35 199	0.43 203	0.36 203	0.41 195	0.40 207	0.41 198	0.36 200	1.87 361	2.16 373	0.47 232	0.37 215	0.39 184	0.33 189

MC-Stereo	1.76 349	2.96 332	1.37 355	2.14 349	1.37 371	2.14 372	1.36 364	2.14 366	1.37 371	2.14 372	1.37 367	2.14 369	1.37 360	2.14 370	1.37 365	1.97 365	1.32 345	1.97 373	1.32 360	1.98 353	1.33 364

ADCP+	0.15 89	0.04 31	0.04 31	2.20 350	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 351	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

BEATNet-Init1	0.19 101	0.08 44	0.08 47	2.23 352	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 101	0.08 44	0.08 47	2.23 352	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

TRStereo	2.00 355	2.13 306	1.85 373	2.27 354	1.84 383	2.28 374	1.84 379	2.29 369	1.86 384	2.30 374	1.87 380	2.30 371	1.87 371	2.08 367	1.72 380	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 378

XX-Stereo	2.00 355	2.13 306	1.85 373	2.27 354	1.84 383	2.28 374	1.84 379	2.29 369	1.86 384	2.30 374	1.87 380	2.30 371	1.87 371	2.08 367	1.72 380	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 378

EAI-Stereo	2.00 355	2.13 306	1.85 373	2.27 354	1.84 383	2.28 374	1.84 379	2.29 369	1.86 384	2.30 374	1.87 380	2.30 371	1.87 371	2.08 367	1.72 380	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 378

NCCL2	2.28 364	2.27 312	2.28 379	2.28 357	2.28 390	2.27 373	2.29 385	2.28 368	2.28 388	2.27 373	2.28 390	2.28 370	2.27 378	2.27 374	2.28 389	2.28 372	2.28 376	2.27 378	2.29 388	2.27 358	2.29 384

STTStereo	3.73 391	30.40 420	2.37 383	2.39 358	2.31 392	2.35 377	2.33 386	2.29 369	2.42 389	2.32 377	2.34 391	2.33 374	2.36 379	2.30 375	2.27 388	2.35 374	2.22 375	2.31 379	2.22 385	2.29 360	2.34 388

iRaftStereo_RVC	0.97 273	3.17 336	2.30 380	2.42 359	0.38 216	0.54 243	0.38 208	0.54 231	0.38 207	0.54 237	0.38 211	0.54 241	0.38 202	0.54 238	0.38 207	2.38 375	2.34 377	0.49 243	0.36 212	0.49 214	0.36 196

UDGNet	2.23 363	5.40 370	1.72 368	2.48 360	1.69 379	2.51 379	1.69 376	2.51 375	1.72 378	2.50 379	1.69 378	2.52 379	1.69 368	2.50 378	1.68 377	2.41 376	1.70 366	2.42 381	1.69 379	2.42 362	1.64 375

IGEVStereo-DCA	1.77 350	4.21 356	1.84 371	2.49 361	2.11 388	2.54 380	1.36 364	1.65 356	1.17 313	2.75 381	1.90 383	2.54 380	1.15 297	0.94 284	1.11 301	1.50 351	1.32 345	0.96 291	1.46 371	1.49 343	0.88 283

rrr	1.77 350	4.21 356	1.84 371	2.49 361	2.11 388	2.54 380	1.36 364	1.65 356	1.17 313	2.75 381	1.90 383	2.54 380	1.15 297	0.94 284	1.11 301	1.50 351	1.32 345	0.96 291	1.46 371	1.49 343	0.88 283

FBW_ROB	2.12 362	2.46 316	1.77 370	2.49 361	1.79 382	2.38 378	1.83 378	2.46 374	1.78 380	2.48 378	1.97 385	2.40 378	1.78 370	2.42 377	1.83 383	2.31 373	1.85 372	2.38 380	1.82 384	2.35 361	1.84 382

IER	0.88 261	7.04 373	2.23 378	2.75 364	0.28 169	0.43 218	0.25 148	0.39 170	0.25 150	0.41 188	0.27 168	0.39 179	0.25 152	0.40 185	0.28 163	0.37 176	0.28 152	0.37 188	0.25 157	0.37 171	0.25 142

Anonymous	2.11 360	2.74 325	1.41 358	2.77 365	1.40 374	2.74 383	1.46 373	2.75 378	1.50 375	2.87 384	1.39 369	2.74 382	1.46 364	2.72 381	1.41 369	2.72 377	1.41 355	2.81 383	1.41 366	3.16 371	1.39 370

sCroCo_RVC	2.10 359	2.76 326	1.92 377	2.78 366	1.39 373	2.73 382	1.41 371	2.73 377	1.40 373	2.77 383	1.41 371	2.74 382	1.40 362	2.74 382	1.40 367	2.72 377	1.42 356	2.72 382	1.44 370	2.79 368	1.42 371

NLCA_NET_v2_RVC	5.04 404	50.87 427	2.78 385	2.87 367	2.71 393	2.78 384	0.47 235	2.88 382	2.86 393	1.89 364	2.67 392	2.79 384	2.79 383	2.78 383	2.83 390	2.82 379	2.82 379	2.83 384	2.77 391	2.83 369	2.76 392
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
test croco	1.88 353	3.16 335	0.64 237	3.10 368	0.65 270	3.10 386	0.64 259	3.12 384	0.65 263	3.10 385	0.65 272	3.11 385	0.65 257	3.12 384	0.65 262	3.12 381	0.65 243	3.13 385	0.65 266	3.13 370	0.65 258

MIF-Stereo (partial)	2.58 378	3.31 339	0.66 243	3.18 369	0.66 275	3.18 387	0.66 262	3.21 385	0.67 266	3.19 386	0.66 274	3.19 386	0.66 259	3.31 388	0.68 268	5.09 392	1.79 370	8.23 410	1.67 377	6.18 395	1.38 369

AEACV	1.12 287	0.52 161	3.12 387	3.24 370	0.86 293	0.53 242	0.49 243	0.60 241	0.47 233	0.53 236	0.49 249	0.55 244	0.45 224	0.55 240	0.47 235	3.01 380	3.88 383	0.71 265	0.60 260	0.80 249	0.48 232

Anonymous3	2.55 377	3.26 338	1.65 364	3.28 371	1.63 378	3.24 388	1.68 375	3.27 386	1.66 377	3.28 387	1.67 377	3.25 387	1.66 367	3.27 386	1.64 374	3.26 382	1.65 364	3.30 386	1.65 375	4.95 388	1.65 377

MIF-Stereo	2.03 358	3.43 340	0.72 252	3.42 372	0.73 283	3.27 389	0.68 266	3.38 388	0.69 270	3.29 388	0.72 283	3.28 388	0.70 266	3.35 389	0.68 268	3.39 383	0.68 247	3.31 387	0.69 275	3.37 372	0.73 270

DispNO	1.00 276	0.63 169	0.43 200	3.45 373	0.44 236	0.65 256	0.43 226	0.64 246	0.43 227	0.64 251	0.43 230	0.64 252	3.03 384	0.64 252	0.43 228	4.55 390	0.43 206	0.63 254	0.43 236	0.63 227	0.43 220

HCRNet	1.22 334	7.11 374	3.00 386	3.55 374	0.33 200	0.29 150	0.14 113	0.19 112	0.15 126	0.33 154	0.29 175	0.25 138	0.14 117	0.22 129	0.33 184	3.64 384	3.00 380	0.76 272	0.32 199	0.18 113	0.13 112

DPSNet	3.66 390	3.60 341	3.62 391	3.63 375	3.64 398	3.65 392	3.65 398	3.66 391	3.67 396	3.67 389	3.65 397	3.67 390	3.66 387	3.66 390	3.68 394	3.68 385	3.66 381	3.67 391	3.68 397	3.67 373	3.67 396

sAnonymous2	3.31 388	2.63 319	1.38 356	3.71 376	1.86 386	4.70 400	1.11 300	4.82 401	2.72 391	5.45 403	1.98 387	4.59 399	2.64 380	2.65 379	6.21 406	4.37 386	1.08 282	5.16 401	2.24 386	4.52 384	2.39 389

CroCo_RVC	3.31 388	2.63 319	1.38 356	3.71 376	1.86 386	4.70 400	1.11 300	4.82 401	2.72 391	5.45 403	1.98 387	4.59 399	2.64 380	2.65 379	6.21 406	4.37 386	1.08 282	5.16 401	2.24 386	4.52 384	2.39 389

BUS	0.83 253	1.91 296	0.92 271	4.48 378	0.02 20	0.40 183	0.04 54	0.41 187	0.02 20	0.48 217	0.03 40	0.41 195	0.05 64	0.03 33	0.05 59	1.97 365	4.19 385	0.33 163	0.23 149	0.34 151	0.27 153

BSDual-CNN	0.81 246	1.91 296	0.92 271	4.48 378	0.02 20	0.42 214	0.06 75	0.41 187	0.02 20	0.48 217	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 365	4.19 385	0.33 163	0.23 149	0.34 151	0.27 153

hknet	1.10 284	1.85 294	3.49 389	4.48 378	0.02 20	0.42 214	0.06 75	0.41 187	0.02 20	0.48 217	0.03 40	0.41 195	0.03 42	0.42 209	0.03 37	4.39 388	4.19 385	0.33 163	0.23 149	0.34 151	0.27 153

StereoVision	3.15 386	5.00 367	0.89 266	4.83 381	1.00 304	3.93 393	1.27 360	6.37 404	1.34 367	5.67 405	1.26 363	5.84 406	1.27 354	5.03 402	1.24 359	5.10 393	1.09 284	4.61 398	0.57 257	5.62 393	1.12 303

TestStereo	4.88 401	4.75 363	4.79 393	4.87 382	4.92 406	4.81 403	4.90 406	4.78 400	4.77 406	4.87 399	4.89 406	4.90 402	4.91 398	4.99 401	4.79 404	4.98 391	4.87 389	4.87 400	4.92 406	5.00 389	5.00 405

DispFullNet	4.61 397	4.84 364	3.12 387	5.00 383	3.57 397	4.75 402	3.03 393	7.75 410	4.17 403	4.91 400	3.09 393	6.20 407	3.95 392	6.71 406	3.51 393	5.30 394	3.67 382	5.86 407	3.63 394	5.61 392	3.46 394

CFNet	1.37 340	5.27 369	0.19 123	5.49 384	0.19 141	0.28 147	0.19 127	0.28 139	0.19 136	0.28 143	0.19 140	0.28 148	4.35 395	0.28 152	0.19 135	0.23 133	0.17 124	0.23 133	4.21 404	4.81 386	0.17 121

RAFT+CT+SA	4.28 392	7.62 378	4.91 394	5.55 385	2.28 390	3.09 385	3.64 397	4.49 398	3.07 394	4.80 398	3.35 394	4.77 401	3.70 388	4.29 397	3.05 391	5.58 395	5.98 394	3.58 390	3.78 399	4.26 380	3.72 397

StereoIM	3.19 387	6.02 372	1.12 284	5.61 386	1.16 316	5.43 405	1.02 297	5.15 403	0.70 272	5.43 402	1.21 358	5.03 404	0.97 283	4.85 400	0.99 294	4.53 389	1.16 293	5.53 403	1.25 358	5.37 391	1.30 362

AANet_RVC	1.26 336	0.31 106	4.99 395	5.93 387	0.20 142	0.25 136	0.20 129	0.25 133	0.20 137	0.23 128	0.19 140	0.25 138	0.20 141	0.25 139	0.20 137	5.66 396	4.76 388	0.26 142	0.30 190	0.24 130	0.27 153

SA	4.33 393	7.35 375	6.85 404	5.96 388	4.09 402	3.59 391	3.15 394	3.82 392	2.64 390	3.91 390	3.85 398	3.57 389	2.72 382	3.13 385	4.03 399	7.09 406	6.86 399	3.57 389	3.12 392	3.85 374	3.51 395

SGM-Forest	5.21 405	5.92 371	4.08 392	6.18 389	4.16 403	6.31 407	4.34 405	6.50 405	4.33 404	6.14 407	4.21 403	6.61 410	4.55 397	6.67 405	4.48 403	5.94 398	3.94 384	5.85 406	4.03 403	5.79 394	4.17 403
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_5	4.62 398	7.55 377	6.23 399	6.32 390	3.40 396	5.29 404	3.50 396	3.53 390	4.11 402	4.28 394	4.47 405	4.26 397	4.38 396	3.68 391	3.24 392	5.89 397	5.60 391	4.84 399	3.50 393	4.33 381	3.93 402

cross-raft	4.83 400	7.52 376	6.43 400	6.63 391	3.96 401	4.51 399	3.99 402	4.49 398	3.96 401	4.52 397	3.96 400	4.50 398	3.97 393	4.50 399	3.97 398	6.65 401	6.44 396	4.33 395	3.92 401	4.35 382	3.91 401

raft_robust	4.71 399	7.75 379	5.40 398	6.81 392	3.31 395	4.28 398	4.20 404	4.32 397	4.37 405	4.35 396	4.35 404	4.14 395	3.75 389	4.30 398	4.20 402	6.67 402	6.37 395	3.36 388	4.24 405	4.86 387	3.25 393

TestStereo1	4.60 395	8.41 382	6.44 401	6.86 393	3.79 399	3.97 394	3.78 399	3.99 394	3.74 397	3.97 391	3.52 395	3.94 393	3.58 385	3.98 393	3.72 395	6.82 403	6.50 397	3.76 392	3.66 395	3.90 375	3.74 399

SA-5K	4.60 395	8.41 382	6.44 401	6.86 393	3.79 399	3.97 394	3.78 399	3.99 394	3.74 397	3.97 391	3.52 395	3.94 393	3.58 385	3.98 393	3.72 395	6.82 403	6.50 397	3.76 392	3.66 395	3.90 375	3.74 399

Sa-1000	4.34 394	8.37 381	6.84 403	6.98 395	4.45 405	3.58 390	3.00 392	3.42 389	3.39 395	2.61 380	4.00 401	3.83 392	4.01 394	3.90 392	3.90 397	5.98 399	5.62 392	3.76 392	2.34 389	4.35 382	2.47 391

test_4	4.88 401	8.13 380	6.98 405	7.46 396	4.44 404	4.25 397	3.85 401	4.04 396	3.92 400	4.13 393	3.91 399	4.18 396	3.84 390	4.14 395	4.06 400	7.01 405	7.13 400	4.53 396	3.72 398	4.09 378	3.72 397

test_3	5.01 403	8.86 385	7.77 407	8.09 397	2.76 394	4.13 396	4.05 403	3.88 393	3.76 399	4.33 395	4.13 402	3.71 391	3.91 391	4.21 396	4.06 400	7.93 407	7.69 402	4.53 396	3.91 400	4.17 379	4.29 404

test-1	6.46 406	9.16 387	8.03 410	8.09 397	5.62 408	6.11 406	6.35 408	6.85 407	4.94 407	6.08 406	6.29 410	4.98 403	6.43 402	6.22 403	6.36 408	6.16 400	7.47 401	5.82 405	5.44 408	7.11 400	5.68 407

RAFT	6.73 407	9.36 388	7.40 406	8.51 399	6.55 409	6.88 408	6.60 409	6.79 406	6.60 409	6.80 408	6.72 411	5.31 405	5.50 400	6.61 404	6.61 409	8.42 408	5.89 393	5.73 404	5.45 409	6.61 396	6.24 408

SGM+DAISY	7.06 408	9.15 386	5.38 397	8.84 400	5.18 407	8.80 411	5.31 407	8.79 411	5.28 408	8.89 411	5.20 407	8.93 411	5.33 399	8.95 411	5.36 405	8.70 409	5.21 390	8.74 411	5.20 407	8.89 405	5.15 406

CFNet_RVC	2.38 373	8.71 384	0.38 182	9.33 401	0.42 235	0.56 245	0.42 225	0.60 241	0.38 207	0.62 249	0.42 228	0.56 246	7.29 406	0.62 249	0.42 226	0.53 232	0.37 181	0.49 243	0.34 205	8.30 403	6.87 409

test-v	7.53 409	11.89 396	7.98 408	9.36 402	7.14 410	7.06 409	7.09 410	7.37 408	6.91 410	7.29 409	5.71 408	6.45 408	6.93 403	6.73 407	7.27 410	8.93 410	7.85 403	6.98 408	6.80 410	7.56 401	7.34 410

test-2	7.53 409	11.89 396	7.98 408	9.36 402	7.14 410	7.06 409	7.09 410	7.37 408	6.91 410	7.29 409	5.71 408	6.45 408	6.93 403	6.73 407	7.27 410	8.93 410	7.85 403	6.98 408	6.80 410	7.56 401	7.34 410

MSMDNet	2.65 379	10.14 394	0.33 167	9.74 404	0.32 191	0.87 275	0.33 184	2.95 383	0.68 267	0.49 222	0.34 197	0.49 228	5.70 401	0.49 230	0.33 184	0.42 212	9.57 406	0.41 214	0.31 195	8.36 404	0.65 258

Anonymous Stereo	2.36 368	18.47 398	11.50 411	9.80 405	0.53 257	0.28 147	0.50 245	0.58 238	0.53 249	0.59 245	0.53 257	0.66 257	0.52 246	0.62 249	0.41 220	0.36 172	0.37 181	0.31 155	0.19 140	0.20 117	0.22 130

pcwnet_v2	2.66 380	9.89 392	0.33 167	9.89 406	0.32 191	0.50 238	0.32 177	0.49 218	0.33 190	0.49 222	0.34 197	0.49 228	8.76 408	0.48 224	0.33 184	0.41 199	9.58 407	0.40 203	0.29 182	9.01 406	0.63 256

CFNet_ucs	2.73 382	9.64 390	0.33 167	9.92 407	0.32 191	0.49 232	0.33 184	0.49 218	0.33 190	0.49 222	0.33 191	0.49 228	8.98 409	0.48 224	0.33 184	0.41 199	9.96 411	0.40 203	0.29 182	10.12 411	0.54 242

ccs_rob	2.79 384	10.17 395	0.32 163	10.00 408	0.33 200	0.49 232	0.33 184	1.90 360	0.32 187	0.51 232	0.33 191	0.49 228	9.24 410	0.49 230	0.33 184	0.41 199	9.82 409	0.41 214	0.28 173	9.34 407	0.29 169

PCWNet_CMD	2.80 385	9.82 391	0.32 163	10.09 409	0.32 191	0.49 232	0.33 184	3.34 387	0.33 190	0.49 222	0.33 191	0.49 228	8.73 407	0.48 224	0.33 184	0.41 199	9.22 405	0.42 223	0.29 182	9.55 408	0.31 182

UCFNet_RVC	2.75 383	10.06 393	0.29 150	10.31 410	0.29 175	0.42 214	0.29 167	0.43 205	0.29 171	0.42 199	0.29 175	0.42 211	9.87 411	0.43 210	0.29 169	0.36 172	9.84 410	0.36 186	0.26 163	9.77 409	0.26 148

CFNet_pseudo	2.67 381	9.36 388	0.32 163	10.99 411	0.33 200	0.85 274	0.33 184	0.49 218	0.33 190	0.49 222	0.32 188	0.49 228	7.26 405	0.49 230	0.33 184	0.41 199	9.62 408	0.41 214	0.29 182	10.03 410	0.29 169

rafts_anoy	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

raft+_RVC	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

raftrobust	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

CasAABBNet	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

RALCasStereoNet	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

RALAANet	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

MANE	19.05 412	23.00 405	15.00 412	23.00 418	15.00 412	24.00 418	16.00 412	24.00 418	16.00 412	22.00 418	15.00 412	23.00 418	16.00 412	23.00 418	15.00 412	22.00 418	15.00 412	22.00 418	15.00 412	22.00 418	15.00 412

fff	1000028.16 436	29.62 417	29.72 420	32.61 419	30.02 420	35.13 421	31.83 421	32.07 420	10000000.00 436	35.27 422	29.82 421	32.45 420	30.15 420	32.35 420	30.09 420	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 421

csc	1000028.16 436	29.62 417	29.72 420	32.61 419	30.02 420	35.13 421	31.83 421	32.07 420	10000000.00 436	35.27 422	29.82 421	32.45 420	30.15 420	32.35 420	30.09 420	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 421

cscssc	1000028.16 436	29.62 417	29.72 420	32.61 419	30.02 420	35.13 421	31.83 421	32.07 420	10000000.00 436	35.27 422	29.82 421	32.45 420	30.15 420	32.35 420	30.09 420	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 421

111	30.40 419	30.94 421	29.72 420	32.61 419	30.02 420	33.57 419	30.47 420	31.50 419	29.39 420	30.98 419	29.11 420	29.78 419	30.39 423	29.45 419	30.76 423	30.08 419	29.02 420	29.92 419	30.32 423	29.86 419	30.17 420

DCANet-4	35.22 421	34.54 422	35.08 426	33.58 423	35.47 427	34.55 420	35.53 427	36.08 425	35.85 424	35.92 425	35.77 426	35.18 425	35.48 425	35.39 425	37.15 426	34.55 425	33.92 424	35.02 426	34.90 425	35.79 423	34.74 427

ADStereo(finetuned)	36.13 422	36.63 426	38.07 427	36.97 424	33.25 424	35.91 424	34.45 424	36.36 426	32.99 421	38.14 427	36.71 427	36.69 426	34.13 424	38.57 427	40.79 427	37.60 427	36.58 427	35.90 427	33.36 424	35.42 422	34.04 424

tt	500032.53 434	34.60 423	29.72 420	37.47 425	34.41 425	36.85 425	35.22 425	34.71 423	33.55 422	34.50 420	35.43 424	33.81 423	10000000.00 437	33.57 423	33.13 424	33.68 423	35.00 425	34.03 424	35.26 426	30.96 420	34.63 425

DCANet	500032.53 434	34.60 423	29.72 420	37.47 425	34.41 425	36.85 425	35.22 425	34.71 423	33.55 422	34.50 420	35.43 424	33.81 423	10000000.00 437	33.57 423	33.13 424	33.68 423	35.00 425	34.03 424	35.26 426	30.96 420	34.63 425

WCMA_ROB	31.10 420	35.43 425	27.12 419	39.51 427	23.10 419	38.78 427	25.30 419	37.49 427	25.39 419	37.29 426	27.02 419	38.52 427	26.48 419	37.80 426	26.44 419	36.28 426	22.65 419	33.90 423	22.30 419	37.10 424	24.18 419

NOSS_ROB	102.95 424	153.00 432	121.00 431	51.00 428	44.00 428	165.00 431	127.00 430	153.00 430	119.00 427	164.00 431	125.00 430	168.00 431	120.00 428	153.00 430	117.00 430	49.00 428	44.00 428	49.00 428	44.00 428	49.00 425	44.00 428

CBMV	128.50 425	1422.70 439	53.10 429	79.50 429	51.30 429	77.30 429	49.70 428	74.00 428	48.20 426	77.20 429	48.80 429	73.90 429	48.00 427	73.80 429	48.80 429	70.40 429	45.10 429	68.90 429	46.10 429	68.20 426	45.00 429
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 423	87.70 428	41.95 428	113.75 430	65.62 430	75.05 428	55.25 429	75.64 429	45.04 425	71.61 428	41.75 428	72.81 428	44.06 426	68.38 428	44.63 428	101.89 430	59.57 430	107.10 430	61.05 430	104.38 427	59.38 430

MeshStereo	159.24 426	171.00 433	160.68 434	162.58 431	160.59 431	164.01 430	160.35 431	158.51 431	158.56 428	158.34 430	160.12 431	158.56 430	159.92 429	157.26 431	158.94 431	154.38 431	158.36 431	155.75 431	159.13 432	153.67 428	154.07 431
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
AE-Stereo	201.80 427	123.00 429	115.00 430	219.00 432	218.00 433	223.00 432	244.00 433	217.00 432	236.00 430	202.00 432	203.00 432	205.00 432	208.00 430	225.00 432	204.00 432	210.00 432	198.00 432	197.00 432	184.00 433	204.00 429	201.00 432

MGS-Stereo	239.45 428	123.00 429	135.00 432	266.00 433	286.00 434	277.00 433	305.00 434	271.00 433	242.00 431	274.00 433	279.00 434	255.00 433	270.00 432	268.00 433	297.00 434	221.00 433	247.00 434	216.00 433	123.00 431	217.00 430	217.00 434

EGLCR-Stereo	246.90 429	129.00 431	139.00 433	266.00 433	286.00 434	277.00 433	305.00 434	271.00 433	242.00 431	274.00 433	279.00 434	255.00 433	270.00 432	268.00 433	297.00 434	230.00 434	247.00 434	216.00 433	223.00 435	237.00 431	227.00 435

DLCB_ROB	284.23 430	354.61 435	207.27 435	363.24 435	206.46 432	364.72 435	210.41 432	364.72 435	210.41 429	364.81 435	208.64 433	364.81 435	208.64 431	364.72 435	210.41 433	354.70 435	205.53 433	354.70 435	205.53 434	354.70 432	205.53 433

LE_ROB	396.57 431	471.28 436	329.84 436	471.48 436	308.15 436	526.83 436	322.10 436	488.15 436	323.76 433	495.46 436	317.97 436	497.17 436	320.10 434	481.62 436	326.76 436	462.71 436	298.97 436	466.16 436	285.98 436	447.62 433	289.21 436

SGM-ForestM	596.69 432	677.77 437	444.52 437	699.85 437	517.25 437	732.94 437	488.29 437	770.79 437	460.11 434	750.81 437	487.98 437	792.79 437	499.41 435	730.90 437	475.81 437	720.03 437	491.16 437	663.96 437	418.60 437	674.76 434	436.05 437

CBMV_ROB	818.48 433	913.88 438	709.52 438	862.84 438	597.78 438	1073.99 438	700.52 438	1015.66 438	702.59 435	1115.65 438	760.02 438	1130.24 438	721.57 436	1037.41 438	692.65 438	814.05 438	564.29 438	843.28 438	595.31 438	915.51 435	602.92 438

SDNR	10000000.00 439	10000000.00 440	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

anonymousdsp2	10000000.00 439	10000000.00 440	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

anonymousdsp	10000000.00 439	10000000.00 440	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

test_example2	10000000.00 439	10000000.00 440	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

DIP-Stereo	10000000.00 439	10000000.00 440	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ASD4		0.20 81

Low-res two-view benchmark