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	0.70 169	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	0.67 263	0.02 14	0.69 249	0.75 267	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	0.78 172	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	0.79 277	0.02 14	0.75 255	0.76 270	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	1.57 367	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	1.71 374	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	1.66 372	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	0.90 281	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	1.65 371	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	1.20 306	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	1.01 201	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

tta	0.09 38	0.95 190	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	1.01 201	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 56	0.11 102	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.16 112	0.11 88	0.11 97	0.11 90	0.11 95

mmm	0.14 79	1.83 289	0.12 78	0.11 56	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 56	0.11 102	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.11 74	0.14 95	0.11 97	0.49 213	0.11 95

DualNet	0.25 116	3.83 343	0.12 78	0.12 59	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	0.25 116	3.83 343	0.12 78	0.12 59	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	0.25 116	3.83 343	0.12 78	0.12 59	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	0.25 116	3.83 343	0.12 78	0.12 59	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	1.09 208	0.12 78	0.12 59	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	0.54 163	0.10 56	0.12 59	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	0.50 155	0.10 56	0.12 59	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	1.16 215	0.16 112	0.12 59	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	1.09 208	0.13 93	0.12 59	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	0.21 108	0.10 52	2.51 380	0.12 59	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 69	0.14 118	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 91	0.11 98	0.12 94	0.12 103	0.11 68	0.11 74	0.11 88	0.11 97	0.11 90	0.11 95

11t1	0.17 98	2.16 305	0.13 93	0.13 69	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 69	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 127	0.10 86	0.20 115	0.10 87	0.24 136	0.11 92	0.11 68	0.09 55	0.12 91	0.14 120	0.12 94	0.09 79

222	0.10 44	0.99 195	0.12 78	0.13 69	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	0.25 116	3.70 338	0.14 97	0.14 73	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	0.25 116	3.70 338	0.14 97	0.14 73	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	1.14 212	0.13 93	0.14 73	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	1.15 214	0.15 111	0.14 73	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 73	0.14 118	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 95	0.14 117	0.14 96	0.14 112	0.14 90	0.14 107	0.14 95	0.14 120	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	0.29 129	0.90 182	0.10 56	0.14 73	0.10 88	0.14 94	0.10 85	0.91 266	0.69 268	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 254	0.76 272

DRN-Test	0.14 79	0.13 66	0.09 52	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 95	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 94	0.73 267

StereoDRNet	0.15 89	0.14 70	0.10 56	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 95	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 96	0.82 277

PDISCO_ROB	0.83 251	2.80 326	3.49 385	0.14 73	0.11 102	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 105	0.14 117	3.30 383	0.13 109	0.14 90	2.34 373	0.16 106	0.12 110	2.62 363	0.10 83

qqq	0.16 95	2.01 300	0.12 78	0.15 82	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 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLGR_C	0.14 79	0.20 81	0.12 78	0.15 82	0.11 102	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.16 105	0.11 92	0.15 97	0.12 85	0.14 95	0.12 110	0.15 104	0.12 106

ACRE	0.13 72	0.21 85	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

ELAS_RVC	0.14 79	0.16 71	0.10 56	0.15 82	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 111	0.11 98	0.19 112	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 82	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 111	0.11 98	0.18 110	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 88	0.16 132	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 105	0.16 126	0.16 105	0.16 125	0.16 104	0.16 112	0.16 106	0.16 123	0.16 107	0.16 115

ProNet	0.14 79	0.20 81	0.14 97	0.16 88	0.11 102	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.13 115	0.17 108	0.12 103	0.15 97	0.11 74	0.16 106	0.11 97	0.15 104	0.12 106

CIPLG	0.13 72	0.21 85	0.12 78	0.16 88	0.11 102	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 104	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

MIPNet	0.14 79	0.21 85	0.17 116	0.16 88	0.11 102	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.14 90	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLGR	0.14 79	0.24 95	0.14 97	0.16 88	0.12 114	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

ICVP	0.15 89	0.53 160	0.11 73	0.16 88	0.11 102	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 105	0.11 98	0.16 105	0.11 92	0.16 104	0.11 74	0.16 106	0.11 97	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 94	0.12 114	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.12 111	0.17 108	0.12 103	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.12 106

cf-r	0.66 215	2.17 306	0.12 78	0.18 95	0.12 114	0.18 110	2.70 386	2.60 372	0.12 114	0.18 110	0.12 105	0.18 111	0.12 111	0.18 110	0.12 103	0.15 97	0.11 74	0.15 105	0.11 97	1.81 345	1.74 377

LALA_ROB	0.15 89	0.19 77	0.12 78	0.18 95	0.11 102	0.20 115	0.12 109	0.21 119	0.12 114	0.20 114	0.12 105	0.20 115	0.12 111	0.21 124	0.13 109	0.17 108	0.10 59	0.18 118	0.11 97	0.18 113	0.11 95

SGM_RVC	0.15 89	0.17 75	0.11 73	0.18 95	0.11 102	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 115	0.12 111	0.19 112	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 98	0.13 117	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 114	0.13 115	0.19 112	0.13 109	0.18 115	0.13 106	0.18 118	0.13 118	0.18 113	0.13 112

DAS	0.20 102	0.20 81	0.20 125	0.20 99	0.20 142	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 115	0.20 140	0.20 115	0.20 136	0.20 118	0.20 128	0.20 121	0.20 140	0.20 116	0.20 126

ACVNet	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 288	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

acv_ft	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 288	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

hitnet-ft	0.79 237	2.78 325	0.14 97	0.20 99	0.14 118	0.21 122	2.89 387	2.80 377	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.54 362	2.33 383

PSMNet-RSSM	0.77 233	2.76 322	0.14 97	0.20 99	0.14 118	0.20 115	2.66 384	2.79 376	0.14 118	0.21 122	0.14 120	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 360	2.31 381

GwcNet-RSSM	0.77 233	2.77 324	0.14 97	0.20 99	0.14 118	0.20 115	2.67 385	2.78 375	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.21 124	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 360	2.31 381

CFNet-ft	0.55 207	1.57 279	0.14 97	0.20 99	0.14 118	0.20 115	2.53 383	1.61 350	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	1.56 341	1.24 356

IMH-64-1	0.22 109	0.23 89	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

IMH-64	0.22 109	0.23 89	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

WAO-6	0.22 109	0.23 89	0.22 128	0.23 108	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.22 128	0.22 143	0.22 122	0.22 129

Wz-Net-LNSev	0.06 31	0.24 95	0.20 125	0.23 108	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	0.23 132	0.21 129	0.02 18	0.01 9	0.01 9	0.01 9

dd	0.23 113	0.98 193	0.16 112	0.23 108	0.15 127	0.23 130	0.15 116	0.23 126	0.15 126	0.23 127	0.15 127	0.24 134	0.17 128	0.23 132	0.15 120	0.22 123	0.15 110	0.21 123	0.15 122	0.22 122	0.16 115

dad	0.23 113	1.03 206	0.16 112	0.23 108	0.15 127	0.24 131	0.15 116	0.24 129	0.16 128	0.23 127	0.16 128	0.24 134	0.16 126	0.23 132	0.15 120	0.22 123	0.16 112	0.22 128	0.16 123	0.22 122	0.16 115

ac_64	0.22 109	0.13 66	0.19 123	0.23 108	0.10 88	0.26 142	1.02 293	0.14 94	0.10 85	0.28 142	0.14 120	0.17 108	0.19 137	0.28 151	0.09 76	0.22 123	0.16 112	0.23 132	0.17 136	0.11 90	0.12 106

UPFNet	0.42 181	1.20 220	0.17 116	0.24 113	0.17 133	0.25 135	0.17 120	1.19 289	0.90 286	0.25 133	0.17 130	0.24 134	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.22 128	0.16 123	1.15 273	0.93 285

iResNetv2_ROB	0.20 102	0.23 89	0.18 121	0.24 113	0.20 142	0.24 131	0.18 124	0.24 129	0.18 131	0.24 132	0.18 138	0.23 130	0.19 137	0.24 136	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.22 122	0.16 115

iResNet	0.20 102	0.23 89	0.18 121	0.24 113	0.18 138	0.24 131	0.20 129	0.24 129	0.18 131	0.23 127	0.17 130	0.23 130	0.18 133	0.23 132	0.18 132	0.22 123	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

LoS_RVC	0.30 130	1.14 212	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.26 145	0.26 160	0.26 147	0.25 152	0.26 142	0.26 141	0.25 138	0.25 156	0.26 131	0.26 147

CAS	0.30 130	1.17 216	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.26 162	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.26 141	0.26 141	0.25 156	0.26 131	0.25 141

LoS	0.25 116	0.27 98	0.25 138	0.25 116	0.25 158	0.25 135	0.25 147	0.26 136	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.25 138	0.25 138	0.26 162	0.26 131	0.25 141

MMNet	0.44 185	1.24 268	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 341	0.93 292	0.25 133	0.17 130	0.25 137	0.18 133	0.25 138	0.17 126	0.23 132	0.16 112	0.23 132	0.16 123	1.20 284	0.99 289

delet	0.43 182	1.21 266	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 341	0.95 293	0.25 133	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.22 128	0.16 123	1.18 281	0.98 288

psm_up	0.43 182	1.19 219	0.17 116	0.25 116	0.18 138	0.25 135	0.19 127	1.26 341	0.91 287	0.26 140	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.23 132	0.16 123	1.18 281	0.99 289

UNDER WATER-64	0.25 116	0.26 97	0.25 138	0.26 122	0.25 158	0.25 135	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.26 147	0.25 152	0.25 141	0.25 138	0.25 138	0.25 156	0.25 130	0.25 141

GEStereo_RVC	0.86 258	4.45 354	0.20 125	0.27 123	0.20 142	0.27 145	0.20 129	0.26 136	0.18 131	5.03 397	0.20 141	0.27 146	0.19 137	0.27 149	0.21 138	0.20 118	0.19 127	0.19 120	4.02 398	0.20 116	0.18 124

SQANet	0.28 126	0.28 100	0.28 147	0.28 124	0.28 168	0.28 146	0.28 161	0.28 138	0.28 168	0.28 142	0.28 172	0.28 147	0.28 172	0.28 151	0.28 162	0.28 147	0.28 151	0.28 147	0.28 172	0.28 136	0.28 164

ssnet_v2	0.68 220	1.96 299	1.25 342	0.29 125	0.20 142	0.30 150	0.20 129	0.29 141	0.22 140	1.50 352	0.20 141	0.31 155	0.20 140	0.27 149	0.22 140	0.24 137	1.49 354	0.26 141	0.18 138	3.90 371	0.19 125

IGEV_Zeroshot_test	0.20 102	0.19 77	0.40 186	0.30 126	0.17 133	0.22 124	0.17 120	0.21 119	0.17 130	0.20 114	0.17 130	0.21 122	0.18 133	0.21 124	0.17 126	0.20 118	0.16 112	0.20 121	0.16 123	0.20 116	0.17 121

GMOStereo	0.37 153	0.45 139	0.23 130	0.30 126	0.37 209	0.41 196	0.36 198	0.41 185	0.35 198	0.43 202	0.36 202	0.41 193	0.40 205	0.41 196	0.36 199	0.34 161	0.22 132	0.47 231	0.37 214	0.39 182	0.33 189

DANet	0.30 130	0.30 103	0.30 154	0.30 126	0.30 183	0.30 150	0.30 171	0.30 143	0.30 180	0.30 145	0.30 183	0.30 153	0.30 181	0.30 155	0.30 175	0.30 154	0.30 169	0.30 153	0.30 190	0.30 141	0.30 176
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxxx1	0.31 133	0.91 183	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

tt_ll	0.31 133	0.91 183	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

ff	0.31 133	0.91 183	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

CASnet	0.35 148	0.51 158	0.44 199	0.32 132	0.31 187	0.24 131	0.34 192	0.36 155	0.25 149	0.31 147	0.37 205	0.30 153	0.33 190	0.25 138	0.45 227	0.37 174	0.37 180	0.33 162	0.35 207	0.34 150	0.37 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iResNet_ROB	0.28 126	0.32 105	0.24 136	0.32 132	0.25 158	0.32 160	0.24 145	0.32 145	0.24 146	0.33 153	0.24 155	0.35 161	0.24 149	0.33 161	0.24 147	0.31 156	0.24 137	0.32 155	0.24 153	0.32 142	0.24 140

tt1	0.31 133	0.93 189	0.24 136	0.33 134	0.23 152	0.31 153	0.24 145	0.32 145	0.24 146	0.32 151	0.23 149	0.32 157	0.25 151	0.32 157	0.24 147	0.27 145	0.26 141	0.27 145	0.26 162	0.27 134	0.27 152

DMCA	0.36 151	0.38 112	0.37 179	0.35 135	0.35 207	0.36 166	0.36 198	0.36 155	0.35 198	0.35 157	0.37 205	0.36 166	0.36 196	0.35 163	0.36 199	0.36 170	0.36 178	0.35 179	0.36 211	0.36 167	0.36 195

MLCV	0.31 133	0.35 106	0.27 144	0.35 135	0.28 168	0.35 163	0.27 156	0.35 151	0.28 168	0.36 160	0.27 167	0.35 161	0.27 167	0.35 163	0.27 158	0.34 161	0.27 146	0.34 169	0.27 168	0.34 150	0.27 152

ETE_ROB	0.35 148	0.35 106	0.35 177	0.35 135	0.35 207	0.35 163	0.35 194	0.35 151	0.35 198	0.35 157	0.35 201	0.35 161	0.35 195	0.35 163	0.35 197	0.35 167	0.35 176	0.35 179	0.35 207	0.35 161	0.35 194

DN-CSS_ROB	0.31 133	0.35 106	0.28 147	0.35 135	0.28 168	0.34 161	0.27 156	0.34 150	0.25 149	0.35 157	0.27 167	0.36 166	0.26 160	0.34 162	0.28 162	0.35 167	0.28 151	0.34 169	0.28 172	0.34 150	0.27 152

Any-RAFT	0.32 141	0.36 109	0.27 144	0.36 139	0.27 165	0.36 166	0.27 156	0.36 155	0.27 165	0.36 160	0.27 167	0.36 166	0.27 167	0.36 168	0.28 162	0.36 170	0.28 151	0.36 184	0.28 172	0.36 167	0.28 164

CES	0.39 164	0.47 146	0.36 178	0.36 139	0.37 209	0.45 218	0.35 194	0.35 151	0.40 212	0.36 160	0.44 230	0.47 219	0.36 196	0.44 210	0.36 199	0.37 174	0.39 189	0.44 224	0.35 207	0.37 169	0.36 195

HGLStereo	0.28 126	0.29 102	0.22 128	0.36 139	0.22 148	0.36 166	0.21 134	0.36 155	0.21 139	0.42 197	0.21 145	0.36 166	0.22 144	0.36 168	0.21 138	0.34 161	0.21 129	0.34 169	0.21 141	0.34 150	0.21 127

XPNet_ROB	0.37 153	0.37 110	0.37 179	0.37 142	0.37 209	0.37 171	0.37 202	0.37 161	0.37 204	0.37 164	0.37 205	0.37 171	0.37 198	0.37 172	0.37 205	0.37 174	0.37 180	0.37 186	0.37 214	0.37 169	0.37 198

WAO-8	0.38 159	0.38 112	0.38 181	0.38 143	0.38 214	0.38 174	0.38 207	0.38 164	0.38 206	0.38 165	0.38 210	0.38 173	0.38 200	0.38 173	0.38 206	0.38 181	0.38 184	0.38 193	0.37 214	0.38 176	0.38 202

WAO-7	0.38 159	0.38 112	0.38 181	0.38 143	0.38 214	0.38 174	0.38 207	0.38 164	0.38 206	0.38 165	0.38 210	0.38 173	0.38 200	0.38 173	0.38 206	0.38 181	0.38 184	0.38 193	0.38 220	0.38 176	0.38 202

Venus	0.38 159	0.38 112	0.38 181	0.38 143	0.38 214	0.37 171	0.38 207	0.37 161	0.37 204	0.41 186	0.37 205	0.39 177	0.37 198	0.38 173	0.38 206	0.37 174	0.38 184	0.38 193	0.37 214	0.37 169	0.38 202

IMH	0.38 159	0.38 112	0.38 181	0.38 143	0.38 214	0.38 174	0.38 207	0.38 164	0.38 206	0.42 197	0.38 210	0.40 183	0.38 200	0.38 173	0.38 206	0.38 181	0.38 184	0.39 197	0.38 220	0.38 176	0.38 202

1test111	0.37 153	1.02 204	0.30 154	0.39 147	0.29 174	0.40 181	0.28 161	0.39 168	0.29 170	0.39 170	0.29 174	0.39 177	0.28 172	0.40 183	0.29 168	0.33 158	0.32 172	0.33 162	0.31 195	0.32 142	0.31 181

cc1	0.37 153	1.02 204	0.30 154	0.39 147	0.29 174	0.40 181	0.28 161	0.39 168	0.29 170	0.39 170	0.29 174	0.39 177	0.28 172	0.40 183	0.29 168	0.33 158	0.32 172	0.33 162	0.31 195	0.32 142	0.31 181

HanzoNet	0.39 164	0.38 112	0.40 186	0.39 147	0.41 225	0.38 174	0.38 207	0.38 164	0.38 206	0.39 170	0.39 214	0.38 173	0.38 200	0.39 180	0.40 212	0.38 181	0.38 184	0.40 201	0.38 220	0.38 176	0.40 206

gwcnet-sp	0.82 248	1.72 283	1.48 356	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 354	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 344	0.32 155	0.16 123	6.75 393	0.23 131

scenet	0.82 248	1.72 283	1.48 356	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 354	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 344	0.32 155	0.16 123	6.75 393	0.23 131

ssnet	0.82 248	1.72 283	1.48 356	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 354	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 344	0.32 155	0.16 123	6.75 393	0.23 131

Wz-Net-LNSev-Ref	0.11 59	0.44 137	0.33 167	0.39 147	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	0.39 187	0.36 178	0.02 18	0.02 20	0.02 19	0.02 19

iRaft-Stereo_5w	0.34 143	0.42 135	0.31 160	0.39 147	0.30 183	0.38 174	0.30 171	0.40 172	0.29 170	0.40 174	0.37 205	0.41 193	0.34 193	0.38 173	0.30 175	0.34 161	0.27 146	0.34 169	0.26 162	0.34 150	0.26 147

iRaft-Stereo_20w	0.34 143	0.41 128	0.31 160	0.39 147	0.29 174	0.40 181	0.32 176	0.41 185	0.32 187	0.38 165	0.30 183	0.39 177	0.30 181	0.38 173	0.32 181	0.35 167	0.27 146	0.34 169	0.27 168	0.34 150	0.29 168

RAFT + AFF	0.31 133	0.45 139	0.34 174	0.39 147	0.28 168	0.38 174	0.33 183	0.29 141	0.31 183	0.30 145	0.30 183	0.29 152	0.27 167	0.29 154	0.30 175	0.28 147	0.29 160	0.29 151	0.29 181	0.27 134	0.32 185

StereoDRNet-Refined	0.33 142	0.39 119	0.26 143	0.39 147	0.26 164	0.40 181	0.26 153	0.40 172	0.26 162	0.39 170	0.26 164	0.39 177	0.26 160	0.39 180	0.26 157	0.37 174	0.25 138	0.37 186	0.25 156	0.37 169	0.37 198
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 283	0.39 119	5.28 392	0.39 147	0.20 142	0.39 180	0.27 156	0.39 168	0.22 140	0.38 165	0.20 141	0.38 173	0.20 140	6.95 405	0.22 140	0.30 154	0.21 129	0.27 145	0.21 141	5.25 386	0.21 127

IGEV+	0.34 143	0.43 136	0.30 154	0.40 159	0.29 174	0.40 181	0.29 166	0.40 172	0.29 170	0.40 174	0.29 174	0.40 183	0.29 176	0.40 183	0.30 175	0.38 181	0.29 160	0.37 186	0.29 181	0.37 169	0.29 168

ACVNet-DCA	0.37 153	1.00 196	0.30 154	0.40 159	0.29 174	0.40 181	0.29 166	0.40 172	0.29 170	0.40 174	0.29 174	0.40 183	0.29 176	0.39 180	0.28 162	0.33 158	0.32 172	0.33 162	0.32 199	0.33 146	0.32 185

xx1	0.38 159	1.03 206	0.31 160	0.40 159	0.31 187	0.41 196	0.28 161	0.40 172	0.29 170	0.40 174	0.29 174	0.40 183	0.29 176	0.40 183	0.29 168	0.34 161	0.33 175	0.34 169	0.32 199	0.34 150	0.32 185

knoymous	0.40 167	0.40 121	0.40 186	0.40 159	0.40 219	0.40 181	0.40 213	0.40 172	0.40 212	0.40 174	0.40 215	0.40 183	0.40 205	0.40 183	0.40 212	0.40 190	0.40 191	0.40 201	0.40 223	0.40 185	0.40 206

anonymousa	0.40 167	0.40 121	0.40 186	0.40 159	0.40 219	0.40 181	0.40 213	0.40 172	0.40 212	0.40 174	0.40 215	0.40 183	0.40 205	0.40 183	0.40 212	0.40 190	0.40 191	0.40 201	0.40 223	0.40 185	0.40 206

riskmin	0.40 167	0.40 121	0.40 186	0.40 159	0.40 219	0.40 181	0.40 213	0.40 172	0.40 212	0.40 174	0.40 215	0.40 183	0.40 205	0.40 183	0.40 212	0.40 190	0.40 191	0.40 201	0.40 223	0.40 185	0.40 206

Anonymous_2	0.40 167	0.40 121	0.40 186	0.40 159	0.40 219	0.40 181	0.40 213	0.40 172	0.40 212	0.40 174	0.40 215	0.40 183	0.40 205	0.40 183	0.40 212	0.40 190	0.40 191	0.40 201	0.40 223	0.40 185	0.40 206

Anonymous_1	0.40 167	0.40 121	0.40 186	0.40 159	0.40 219	0.40 181	0.40 213	0.40 172	0.40 212	0.40 174	0.40 215	0.40 183	0.40 205	0.40 183	0.40 212	0.40 190	0.40 191	0.40 201	0.40 223	0.40 185	0.40 206

AdaStereo	0.40 167	0.40 121	0.40 186	0.40 159	0.40 219	0.40 181	0.40 213	0.40 172	0.40 212	0.40 174	0.40 215	0.40 183	0.40 205	0.40 183	0.40 212	0.40 190	0.40 191	0.40 201	0.40 223	0.40 185	0.40 206
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	0.36 151	0.37 110	0.33 167	0.41 168	0.32 190	0.41 196	0.32 176	0.41 185	0.32 187	0.41 186	0.32 188	0.41 193	0.32 186	0.41 196	0.33 184	0.37 174	0.29 160	0.37 186	0.29 181	0.38 176	0.31 181

GwcNet-ADL	0.41 173	0.41 128	0.41 194	0.41 168	0.41 225	0.41 196	0.41 219	0.41 185	0.41 221	0.41 186	0.41 221	0.41 193	0.41 215	0.41 196	0.41 219	0.41 197	0.41 200	0.41 212	0.41 229	0.41 193	0.41 213

PSMNet-ADL	0.41 173	0.41 128	0.41 194	0.41 168	0.41 225	0.41 196	0.41 219	0.41 185	0.41 221	0.41 186	0.41 221	0.41 193	0.41 215	0.41 196	0.41 219	0.41 197	0.41 200	0.41 212	0.41 229	0.41 193	0.41 213

GANet-ADL	0.41 173	0.41 128	0.41 194	0.41 168	0.41 225	0.41 196	0.41 219	0.41 185	0.41 221	0.41 186	0.41 221	0.41 193	0.41 215	0.41 196	0.41 219	0.41 197	0.41 200	0.41 212	0.41 229	0.41 193	0.41 213

ADLNet2	0.41 173	0.41 128	0.41 194	0.41 168	0.41 225	0.41 196	0.41 219	0.41 185	0.41 221	0.41 186	0.41 221	0.41 193	0.41 215	0.41 196	0.41 219	0.41 197	0.41 200	0.41 212	0.41 229	0.41 193	0.41 213

ADLNet	0.41 173	0.41 128	0.41 194	0.41 168	0.41 225	0.41 196	0.41 219	0.41 185	0.41 221	0.41 186	0.41 221	0.41 193	0.41 215	0.41 196	0.41 219	0.41 197	0.41 200	0.41 212	0.41 229	0.41 193	0.41 213

GES	0.66 215	2.34 310	0.29 149	0.41 168	0.29 174	0.41 196	0.29 166	0.42 201	0.29 170	0.40 174	0.41 221	0.41 193	0.30 181	0.51 234	0.29 168	0.32 157	0.29 160	0.32 155	2.46 386	2.49 359	0.30 176

DGSMNet	0.34 143	0.41 128	0.27 144	0.41 168	0.28 168	0.41 196	0.28 161	0.41 185	0.27 165	0.41 186	0.27 167	0.42 209	0.27 167	0.41 196	0.28 162	0.40 190	0.29 160	0.40 201	0.28 172	0.40 185	0.27 152

Gwc-CoAtRS	0.41 173	1.49 277	0.32 163	0.42 176	0.32 190	0.41 196	0.32 176	0.41 185	0.33 190	0.41 186	0.32 188	0.41 193	0.32 186	0.41 196	0.32 181	0.39 187	0.28 151	0.39 197	0.28 172	0.40 185	0.28 164

DispNO	0.96 271	0.46 141	0.29 149	0.44 177	2.80 390	3.23 383	0.35 194	0.43 203	0.30 180	0.42 197	0.30 183	0.47 219	2.86 380	0.47 217	0.30 175	4.36 382	0.29 160	0.43 223	0.29 181	0.43 200	0.32 185

RCA-Stereo	0.51 203	3.22 333	0.34 174	0.44 177	0.34 205	0.44 217	0.34 192	0.43 203	0.34 197	0.43 202	0.34 197	0.44 212	0.33 190	0.43 208	0.33 184	0.38 181	0.29 160	0.38 193	0.29 181	0.38 176	0.29 168

CFNet-RSSM	0.91 262	4.89 361	0.34 174	0.44 177	1.07 305	1.62 359	1.40 366	0.91 266	0.35 198	1.60 353	1.39 365	0.64 251	0.34 193	0.44 210	0.33 184	0.41 197	0.35 176	0.75 267	0.30 190	0.41 193	0.29 168

otaku	0.46 187	0.46 141	0.46 203	0.46 180	0.46 235	0.46 220	0.46 227	0.46 206	0.46 228	0.46 207	0.46 233	0.46 213	0.46 223	0.46 213	0.46 229	0.46 211	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

Ntro	0.47 192	0.47 146	0.46 203	0.46 180	0.46 235	0.47 224	0.47 233	0.46 206	0.47 231	0.46 207	0.46 233	0.47 219	0.46 223	0.47 217	0.47 233	0.47 216	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

Dean	0.46 187	0.46 141	0.46 203	0.46 180	0.46 235	0.46 220	0.46 227	0.46 206	0.46 228	0.47 212	0.46 233	0.46 213	0.46 223	0.46 213	0.46 229	0.46 211	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

ACVNet_1	0.46 187	0.47 146	0.46 203	0.46 180	0.46 235	0.46 220	0.46 227	0.46 206	0.47 231	0.46 207	0.46 233	0.46 213	0.46 223	0.46 213	0.46 229	0.46 211	0.46 207	0.47 231	0.46 236	0.46 202	0.46 222

ACVNet-4b	0.46 187	0.46 141	0.46 203	0.46 180	0.46 235	0.46 220	0.46 227	0.46 206	0.46 228	0.46 207	0.46 233	0.46 213	0.46 223	0.47 217	0.46 229	0.46 211	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

UNDER WATER	0.47 192	0.47 146	0.47 208	0.47 185	0.47 241	0.47 224	0.47 233	0.47 211	0.47 231	0.47 212	0.47 240	0.47 219	0.46 223	0.47 217	0.47 233	0.47 216	0.47 213	0.47 231	0.46 236	0.47 208	0.47 227

LVE	0.47 192	0.47 146	0.47 208	0.47 185	0.49 246	0.47 224	0.47 233	0.47 211	0.49 239	0.47 212	0.47 240	0.47 219	0.46 223	0.47 217	0.47 233	0.47 216	0.47 213	0.48 239	0.47 242	0.47 208	0.47 227

GANet-RSSM	0.75 231	1.91 292	0.14 97	0.47 185	0.14 118	0.21 122	3.21 391	2.30 369	0.14 118	0.46 207	0.14 120	0.23 130	0.18 133	0.21 124	0.14 112	0.18 115	0.27 146	0.37 186	0.13 118	2.13 353	2.12 379

RainbowNet	0.48 197	0.48 152	0.48 213	0.48 188	0.48 243	0.48 228	0.48 238	0.48 215	0.48 237	0.48 216	0.48 243	0.48 225	0.48 233	0.48 223	0.48 238	0.48 220	0.48 217	0.48 239	0.48 245	0.48 211	0.48 230

notaker	0.48 197	0.49 153	0.48 213	0.48 188	0.48 243	0.48 228	0.48 238	0.48 215	0.49 239	0.48 216	0.48 243	0.48 225	0.48 233	0.48 223	0.48 238	0.48 220	0.48 217	0.48 239	0.48 245	0.48 211	0.49 233

MyStereo07	0.60 210	3.72 341	0.48 213	0.49 190	0.41 225	0.36 166	0.32 176	0.49 217	0.43 226	0.51 231	0.42 227	0.49 227	0.43 220	0.51 234	0.64 259	0.49 223	0.45 205	0.34 169	0.32 199	0.35 161	0.43 219

MyStereo04	0.56 208	3.72 341	0.59 228	0.49 190	0.41 225	0.36 166	0.32 176	0.37 161	0.31 183	0.34 155	0.46 233	0.35 161	0.32 186	0.35 163	0.33 184	0.49 223	0.45 205	0.34 169	0.32 199	0.35 161	0.43 219

HaxPig	0.47 192	0.47 146	0.47 208	0.49 190	0.47 241	0.47 224	0.47 233	0.47 211	0.47 231	0.47 212	0.47 240	0.47 219	0.47 232	0.47 217	0.47 233	0.47 216	0.47 213	0.47 231	0.47 242	0.47 208	0.48 230

ACVNet_2	0.49 200	0.49 153	0.49 217	0.49 190	0.49 246	0.49 230	0.49 241	0.49 217	0.49 239	0.49 221	0.49 247	0.49 227	0.49 238	0.49 229	0.49 241	0.49 223	0.49 219	0.49 242	0.49 247	0.49 213	0.49 233

IGEV-Stereo	0.35 148	0.44 137	0.45 201	0.49 190	0.30 183	0.37 171	0.30 171	0.36 155	0.30 180	0.36 160	0.29 174	0.36 166	0.29 176	0.36 168	0.30 175	0.46 211	0.39 189	0.32 155	0.24 153	0.32 142	0.25 141
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
psmorigin	0.41 173	0.46 141	0.33 167	0.49 190	0.33 199	0.49 230	0.33 183	0.49 217	0.33 190	0.49 221	0.33 191	0.49 227	0.33 190	0.51 234	0.33 184	0.41 197	0.30 169	0.41 212	0.30 190	0.79 244	0.29 168

TorneroNet	0.66 215	0.53 160	0.50 219	0.50 196	0.64 266	1.06 288	0.70 267	0.50 224	0.51 245	0.49 221	0.69 275	0.49 227	0.50 241	0.48 223	1.15 301	0.71 249	0.49 219	1.14 298	1.08 296	0.49 213	0.49 233

ccnet	0.80 239	2.28 309	0.33 167	0.50 196	0.33 199	0.50 236	0.33 183	0.50 224	0.33 190	0.49 221	0.33 191	0.49 227	1.56 361	2.38 372	0.33 184	0.41 197	0.29 160	0.42 221	1.57 369	2.28 355	0.29 168

SANet	0.50 202	0.50 155	0.50 219	0.50 196	0.50 249	0.50 236	0.50 243	0.50 224	0.50 242	0.50 230	0.50 249	0.50 238	0.50 241	0.50 233	0.50 242	0.50 227	0.50 224	0.50 245	0.50 249	0.50 217	0.50 236

FCDSN-DC	0.41 173	0.59 166	0.64 235	0.54 199	0.33 199	0.50 236	0.37 202	0.42 201	0.40 212	0.61 246	0.43 229	0.50 238	0.49 238	0.38 173	0.32 181	0.28 147	0.23 136	0.26 141	0.22 143	0.35 161	0.28 164
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PSMNet_ROB	0.54 205	0.54 163	0.54 224	0.54 199	0.53 254	0.54 241	0.54 247	0.53 229	0.54 251	0.54 236	0.54 256	0.54 240	0.53 246	0.54 237	0.54 247	0.54 231	0.53 228	0.54 249	0.54 250	0.54 223	0.54 240

SPstereo	0.47 192	0.38 112	0.51 221	0.56 201	0.31 187	0.67 255	0.44 225	0.55 231	0.31 183	0.61 246	0.44 230	0.46 213	0.52 244	0.67 254	0.42 225	0.48 220	0.40 191	0.47 231	0.36 211	0.53 221	0.33 189

CASS	0.57 209	0.89 180	0.56 225	0.57 202	0.56 256	0.56 243	0.56 248	0.56 233	0.53 247	0.57 241	0.57 259	0.59 249	0.48 233	0.56 242	0.57 251	0.55 233	0.56 231	0.47 231	0.56 254	0.62 225	0.56 247
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
TorneroNet-64	0.45 186	0.27 98	0.30 154	0.58 203	0.27 165	0.70 257	0.30 171	0.28 138	0.73 275	0.73 258	0.28 172	0.71 257	0.66 257	0.75 263	0.27 158	0.27 145	0.29 160	0.37 186	0.75 278	0.28 136	0.30 176

PML	0.46 187	1.36 274	0.29 149	0.58 203	0.30 183	0.57 247	0.29 166	0.57 235	0.29 170	0.57 241	0.29 174	0.57 247	0.29 176	0.56 242	0.29 168	0.52 229	0.30 169	0.53 248	0.31 195	0.53 221	0.30 176

MyStereo8	0.71 225	3.92 348	0.52 223	0.59 205	0.52 251	0.57 247	0.53 246	0.59 239	0.50 242	0.59 244	0.51 252	0.57 247	0.50 241	0.56 242	0.52 245	0.54 231	0.49 219	0.54 249	0.49 247	0.55 224	0.50 236

LL-Strereo2	0.48 197	1.73 287	0.51 221	0.59 205	0.34 205	0.42 212	0.33 183	0.40 172	0.31 183	0.42 197	0.33 191	0.42 209	0.31 185	0.44 210	0.39 211	0.60 236	0.51 225	0.44 224	0.33 204	0.44 201	0.33 189

PA-Net	11.80 407	223.51 429	0.62 232	0.59 205	0.71 277	0.59 249	0.73 270	0.67 247	0.73 275	0.55 238	0.61 262	0.60 250	0.74 268	0.63 250	0.73 274	0.66 240	0.60 234	0.69 260	0.66 266	0.72 235	0.65 256
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MyStereo06	0.75 231	4.12 349	0.60 229	0.63 208	0.61 262	0.62 251	0.66 260	0.56 233	0.45 227	0.55 238	0.48 243	0.54 240	0.46 223	0.57 245	0.45 227	0.60 236	0.57 232	0.64 253	0.55 251	0.72 235	0.55 244

MyStereo05	0.80 239	4.12 349	0.63 233	0.63 208	0.61 262	0.62 251	0.66 260	0.65 245	0.62 258	0.67 252	0.61 262	0.65 253	0.58 249	0.67 254	0.55 250	0.60 236	0.57 232	0.64 253	0.55 251	0.72 235	0.55 244

MSKI-zero shot	0.24 115	0.21 85	0.49 217	0.65 210	0.18 138	0.22 124	0.17 120	0.23 126	0.18 131	0.21 122	0.17 130	0.23 130	0.28 172	0.23 132	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

LMCR-Stereo	0.65 213	0.63 167	0.65 240	0.65 210	0.65 267	0.66 254	0.63 256	0.58 237	0.65 261	0.63 249	0.64 266	0.65 253	0.65 255	0.66 252	0.66 262	0.66 240	0.64 240	0.65 255	0.67 269	0.68 228	0.73 267

DSFCA	0.66 215	0.73 171	0.78 257	0.65 210	0.65 267	0.64 253	0.64 257	0.65 245	0.63 260	0.64 250	0.64 266	0.64 251	0.64 253	0.65 251	0.65 260	0.65 239	0.65 241	0.65 255	0.65 264	0.66 226	0.64 255

4D-IteraStereo	0.78 236	3.13 330	0.89 263	0.69 213	0.32 190	0.40 181	0.32 176	0.76 254	0.97 295	0.52 234	0.65 270	0.89 277	0.32 186	0.76 264	0.98 290	0.83 260	0.94 269	0.35 179	0.27 168	0.70 233	0.89 282

Selective-IGEV	0.51 203	0.55 165	0.45 201	0.69 213	0.45 234	0.61 250	0.45 226	0.50 224	0.40 212	0.56 240	0.44 230	0.55 243	0.40 205	0.72 259	0.67 263	0.59 234	0.46 207	0.45 226	0.34 205	0.46 202	0.37 198

LL-Strereo	1.01 278	5.06 364	1.63 359	0.70 215	1.43 370	0.56 243	0.46 227	0.57 235	0.50 242	0.57 241	0.50 249	1.58 357	0.49 238	0.59 247	0.50 242	1.64 351	0.52 226	0.51 246	1.37 360	0.52 219	0.45 221

DMCA-RVC	0.70 223	0.80 174	0.70 247	0.70 215	0.70 276	0.70 257	0.70 267	0.71 250	0.70 270	0.70 255	0.71 278	0.71 257	0.70 264	0.70 257	0.69 270	0.69 243	0.70 250	0.69 260	0.70 274	0.69 232	0.70 262

whm_eth	0.63 211	1.48 276	0.47 208	0.71 217	0.48 243	0.71 259	0.48 238	0.71 250	0.48 237	0.71 256	0.48 243	0.71 257	0.48 233	0.72 259	0.48 238	0.71 249	0.47 213	0.71 263	0.47 242	0.71 234	0.47 227

anonymity	0.63 211	0.69 168	0.56 225	0.71 217	0.56 256	0.71 259	0.56 248	0.71 250	0.56 252	0.72 257	0.56 257	0.71 257	0.56 248	0.71 258	0.58 254	0.68 242	0.55 229	0.68 257	0.55 251	0.68 228	0.54 240

iGMRVC	0.84 253	2.85 327	0.72 250	0.72 219	0.73 280	0.77 264	0.79 274	0.73 253	0.74 277	0.73 258	0.72 280	0.73 261	0.76 270	0.73 261	0.73 274	0.72 251	0.73 253	0.73 265	0.72 277	0.73 240	0.72 265

ARAFT	0.68 220	0.81 177	0.63 233	0.74 220	0.60 258	0.78 266	0.62 255	0.77 255	0.66 263	0.74 262	0.63 264	0.75 263	0.62 252	0.83 269	0.60 256	0.70 246	0.55 229	0.70 262	0.60 258	0.78 242	0.55 244

AFF-stereo	0.73 229	0.88 179	0.67 243	0.75 221	0.68 275	0.75 261	0.64 257	0.80 257	0.72 274	0.83 270	0.70 276	0.82 273	0.64 253	0.84 270	0.67 263	0.77 253	0.63 239	0.81 276	0.63 263	0.78 242	0.62 253

MyStereo02	0.85 256	4.58 357	0.64 235	0.76 222	0.65 267	0.75 261	0.61 252	0.60 240	0.53 247	0.80 265	0.64 266	0.78 266	0.66 257	0.55 239	0.57 251	0.70 246	0.66 243	0.68 257	0.62 261	0.72 235	0.59 248

MyStereo	0.85 256	4.58 357	0.64 235	0.76 222	0.65 267	0.75 261	0.61 252	0.60 240	0.53 247	0.80 265	0.64 266	0.78 266	0.66 257	0.55 239	0.57 251	0.70 246	0.66 243	0.68 257	0.62 261	0.72 235	0.59 248

DLNR_Zeroshot_test	0.31 133	0.28 100	0.47 208	0.79 224	0.24 157	0.30 150	0.26 153	0.30 143	0.24 146	0.32 151	0.23 149	0.31 155	0.24 149	0.30 155	0.23 145	0.29 153	0.26 141	0.29 151	0.24 153	0.33 146	0.23 131

G-Net	0.79 237	0.79 173	0.79 259	0.79 224	0.79 285	0.79 267	0.79 274	0.79 256	0.79 281	0.79 264	0.79 285	0.79 269	0.79 272	0.79 265	0.79 277	0.79 254	0.79 257	0.79 272	0.79 281	0.79 244	0.79 273

MIM_Stereo	0.25 116	0.23 89	0.66 241	0.80 226	0.17 133	0.22 124	0.17 120	0.23 126	0.18 131	0.26 140	0.17 130	0.21 122	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.21 123	0.17 136	0.22 122	0.17 121

RAFT-Stereo + iAFF	0.70 223	0.72 170	0.71 249	0.80 226	0.62 265	0.82 270	0.61 252	0.81 260	0.62 258	0.81 269	0.63 264	0.80 270	0.70 264	0.73 261	0.61 258	0.76 252	0.61 238	0.74 266	0.61 260	0.77 241	0.61 251

NaN_ROB	0.80 239	0.80 174	0.80 260	0.80 226	0.80 287	0.80 268	0.80 276	0.80 257	0.80 282	0.80 265	0.80 286	0.80 270	0.80 273	0.80 266	0.80 279	0.80 255	0.80 260	0.80 274	0.80 282	0.80 247	0.80 274

CSAN	0.80 239	0.80 174	0.80 260	0.80 226	0.80 287	0.80 268	0.80 276	0.80 257	0.80 282	0.80 265	0.80 286	0.80 270	0.80 273	0.80 266	0.80 279	0.80 255	0.80 260	0.80 274	0.80 282	0.80 247	0.80 274

Former-RAFT_DAM_RVC	0.49 200	0.98 193	0.64 235	0.84 230	0.46 235	0.45 218	0.35 194	0.47 211	0.47 231	0.45 206	0.34 197	0.46 213	0.48 233	0.46 213	0.35 197	0.39 187	0.71 252	0.39 197	0.35 207	0.41 193	0.41 213

test_xeample3	1.10 281	1.81 288	0.61 231	0.84 230	0.49 246	0.77 264	0.66 260	0.92 269	1.40 369	0.68 254	0.46 233	0.78 266	0.54 247	1.72 357	1.48 366	1.34 341	1.52 355	1.35 358	1.67 373	1.33 334	1.55 369

Selective-RAFT-Error	0.88 259	0.84 178	0.98 273	0.86 232	0.97 299	0.88 273	0.95 287	0.84 261	0.99 297	0.92 275	0.82 288	0.84 274	0.98 281	0.87 273	0.97 289	0.81 258	0.83 263	0.79 272	0.82 285	0.79 244	0.85 279

FC-DCNN	1.07 279	1.09 208	0.98 273	0.89 233	0.52 251	1.41 356	0.91 282	1.21 337	1.24 360	1.96 361	2.05 385	1.91 361	1.30 353	1.27 351	1.08 295	0.80 255	0.60 234	0.58 251	0.41 229	0.68 228	0.54 240

MyStereo03	0.84 253	4.93 362	0.68 246	0.90 234	0.74 282	0.56 243	0.46 227	0.55 231	0.52 246	0.74 262	0.56 257	0.56 245	0.46 223	0.81 268	0.54 247	0.59 234	0.52 226	0.75 267	0.68 270	0.68 228	0.65 256

DDUNet	0.81 244	2.45 311	0.57 227	0.90 234	0.60 258	0.88 273	0.59 251	0.90 265	0.60 255	0.88 271	0.60 260	0.90 278	0.58 249	0.88 274	0.60 256	0.84 262	0.60 234	0.86 281	0.57 255	0.86 253	0.60 250

ADCS	0.09 38	0.02 12	0.04 31	0.90 234	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 96	0.36 199	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

UDG	0.80 239	2.21 307	0.60 229	0.91 237	0.60 258	0.90 276	0.58 250	0.88 264	0.60 255	0.90 272	0.60 260	0.88 275	0.60 251	0.90 277	0.58 254	0.86 263	0.60 234	0.84 279	0.59 257	0.84 252	0.61 251

DPSM_ROB	0.92 263	0.91 183	0.91 266	0.91 237	0.92 295	0.92 278	0.92 283	0.92 269	0.91 287	0.93 277	0.91 292	0.92 280	0.90 276	0.91 278	0.92 284	0.92 266	0.91 265	0.91 283	0.92 288	0.93 260	0.93 285

DPSM	0.92 263	0.91 183	0.91 266	0.91 237	0.92 295	0.92 278	0.92 283	0.92 269	0.91 287	0.93 277	0.91 292	0.92 280	0.90 276	0.91 278	0.92 284	0.92 266	0.91 265	0.91 283	0.92 288	0.93 260	0.93 285

Syn2CoEx	0.25 116	1.31 271	0.74 253	0.92 240	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	0.87 264	0.75 255	0.02 18	0.02 20	0.02 19	0.02 19

pmcnn	0.92 263	0.92 188	0.92 268	0.92 240	0.92 295	0.92 278	0.92 283	0.92 269	0.92 291	0.92 275	0.92 295	0.92 280	0.92 278	0.92 280	0.92 284	0.92 266	0.92 267	0.92 285	0.92 288	0.92 259	0.92 284

DCRE	0.84 253	1.89 291	0.77 256	0.94 242	0.72 279	0.88 273	0.73 270	0.87 262	0.78 278	0.90 272	0.71 278	0.88 275	0.67 261	0.88 274	0.73 274	0.81 258	0.68 245	0.81 276	0.70 274	0.82 251	0.70 262

DGTPSM_ROB	0.93 267	1.00 196	0.92 268	0.94 242	0.96 298	0.91 277	0.92 283	0.91 266	0.96 294	0.91 274	0.96 296	0.93 283	0.92 278	0.94 281	0.92 284	0.92 266	0.92 267	0.90 282	0.92 288	0.94 262	0.91 283

ToySt	0.92 263	2.11 301	0.90 265	0.95 244	0.79 285	0.99 283	0.78 273	0.94 273	0.81 285	0.94 279	0.78 284	0.95 284	0.77 271	0.94 281	0.86 282	0.91 265	0.79 257	0.85 280	0.77 279	0.89 255	0.73 267

R-Stereo Train	0.81 244	0.96 191	0.67 243	0.95 244	0.67 273	0.95 281	0.68 264	0.95 274	0.68 265	0.95 280	0.68 273	0.96 285	0.68 262	0.96 285	0.68 266	0.94 270	0.68 245	0.94 286	0.68 270	0.94 262	0.68 260

RAFT-Stereo	0.81 244	0.96 191	0.67 243	0.95 244	0.67 273	0.95 281	0.68 264	0.95 274	0.68 265	0.95 280	0.68 273	0.96 285	0.68 262	0.96 285	0.68 266	0.94 270	0.68 245	0.94 286	0.68 270	0.94 262	0.68 260
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
ff7	1.68 343	2.68 317	1.35 346	0.97 247	0.89 290	1.84 360	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 370	2.12 371	2.23 367	2.25 381	1.31 338	1.07 274	1.48 362	1.41 362	0.90 256	1.04 294

ffff	1.68 343	2.68 317	1.35 346	0.97 247	0.89 290	1.84 360	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 370	2.12 371	2.23 367	2.25 381	1.31 338	1.07 274	1.48 362	1.41 362	0.90 256	1.04 294

ccc-4	1.68 343	2.68 317	1.35 346	0.97 247	0.89 290	1.84 360	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 370	2.12 371	2.23 367	2.25 381	1.31 338	1.07 274	1.48 362	1.41 362	0.90 256	1.04 294

GANet	1.00 275	1.00 196	1.00 275	1.00 250	1.00 300	1.00 284	1.00 290	1.00 276	1.00 298	1.00 282	1.00 297	1.00 287	1.00 282	1.00 287	1.00 292	1.00 272	1.00 270	1.00 292	1.00 292	1.00 265	1.00 291

TDLM	1.00 275	1.00 196	1.00 275	1.00 250	1.00 300	1.00 284	1.00 290	1.00 276	1.00 298	1.00 282	1.00 297	1.00 287	1.00 282	1.00 287	1.00 292	1.00 272	1.00 270	1.00 292	1.00 292	1.00 265	1.00 291

CVANet_RVC	1.00 275	1.00 196	1.00 275	1.00 250	1.00 300	1.00 284	1.00 290	1.00 276	1.00 298	1.00 282	1.00 297	1.00 287	1.00 282	1.00 287	1.00 292	1.00 272	1.00 270	1.00 292	1.00 292	1.00 265	1.00 291

ADCMid	0.08 37	0.02 12	0.02 13	1.01 253	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	2.43 370	27.07 411	1.14 282	1.06 254	1.14 306	1.08 291	1.17 303	1.16 285	1.14 303	1.10 289	1.16 304	1.09 293	1.16 297	1.10 295	1.16 304	1.10 279	1.11 284	1.16 300	1.19 304	1.13 271	1.11 297

EKT-Stereo	0.37 153	0.40 121	0.44 199	1.07 255	0.29 174	0.34 161	0.31 175	0.36 155	0.29 170	0.38 165	0.31 187	0.37 171	0.30 181	0.36 168	0.29 168	0.34 161	0.28 151	0.39 197	0.30 190	0.37 169	0.30 176

GLC_STEREO	1.07 279	1.01 201	1.06 278	1.07 255	1.05 304	1.06 288	1.08 295	1.08 280	1.05 302	1.07 287	1.06 300	1.08 291	1.05 288	1.06 291	1.10 296	1.07 276	1.09 280	1.05 296	1.05 295	1.06 268	1.12 299

HH	0.71 225	2.54 313	0.74 253	1.10 257	0.32 190	0.41 196	0.37 202	0.69 248	0.78 278	0.73 258	0.90 290	0.75 263	1.00 282	0.84 270	0.69 270	0.69 243	0.40 191	0.35 179	0.26 162	0.35 161	0.26 147

HanStereo	0.71 225	2.54 313	0.74 253	1.10 257	0.32 190	0.41 196	0.37 202	0.69 248	0.78 278	0.73 258	0.90 290	0.75 263	1.00 282	0.84 270	0.69 270	0.69 243	0.40 191	0.35 179	0.26 162	0.35 161	0.26 147

DPSimNet_ROB	0.97 272	1.18 218	0.81 262	1.10 257	0.91 294	1.02 287	0.82 278	1.04 279	0.91 287	1.03 286	0.86 289	1.28 352	0.82 275	1.03 290	0.89 283	1.17 287	0.81 262	1.02 295	0.82 285	1.08 269	0.81 276

MSMD_ROB	1.19 285	1.10 211	0.70 247	1.10 257	0.60 258	1.10 293	0.70 267	1.10 282	0.70 270	1.10 289	0.70 276	1.10 295	0.70 264	7.00 406	0.70 273	1.10 279	0.70 250	1.10 297	0.70 274	1.10 270	0.70 262

AF-Net	2.37 367	25.71 407	1.17 285	1.13 261	1.15 307	1.15 299	1.18 304	1.19 289	1.16 305	1.10 289	1.15 301	1.10 295	1.18 298	1.12 298	1.15 301	1.10 279	1.10 283	1.17 304	1.15 300	1.16 275	1.12 299

ktn	0.72 228	0.53 160	1.08 279	1.14 262	0.51 250	1.22 347	1.36 360	0.51 228	0.59 254	0.51 231	0.51 252	0.69 256	1.20 300	0.67 254	0.51 244	0.51 228	0.49 219	0.58 251	0.66 266	0.52 219	0.53 239

Nwc_Net	2.37 367	25.95 408	1.15 284	1.14 262	1.15 307	1.08 291	1.14 299	1.17 286	1.16 305	1.14 296	1.15 301	1.08 291	1.15 293	1.11 297	1.14 300	1.10 279	1.11 284	1.16 300	1.09 297	1.16 275	1.15 304

KSHMR	0.66 215	0.50 155	0.48 213	1.15 264	0.52 251	0.49 230	0.51 245	0.49 217	0.71 273	0.67 252	0.50 249	1.16 301	1.11 289	0.66 252	0.52 245	0.49 223	0.49 219	0.51 246	0.66 266	0.50 217	1.14 303

HBP-ISP	1.24 332	1.72 283	1.65 360	1.15 264	0.76 283	1.40 355	0.88 280	1.67 354	1.02 301	1.69 358	1.38 364	1.69 359	1.21 346	1.87 358	1.21 353	1.05 275	0.79 257	0.97 290	0.80 282	1.19 283	0.75 271

RP	2.33 362	25.00 404	1.13 281	1.15 264	1.15 307	1.10 293	1.15 300	1.15 283	1.15 304	1.12 294	1.15 301	1.09 293	1.13 290	1.10 295	1.15 301	1.11 284	1.09 280	1.16 300	1.12 298	1.16 275	1.17 305

RGC	2.36 364	25.48 405	1.19 288	1.15 264	1.15 307	1.10 293	1.16 302	1.17 286	1.16 305	1.12 294	1.16 304	1.11 298	1.13 290	1.09 293	1.18 306	1.10 279	1.15 288	1.16 300	1.12 298	1.14 272	1.12 299

NCC-stereo	2.36 364	25.52 406	1.17 285	1.15 264	1.17 312	1.11 296	1.11 296	1.15 283	1.16 305	1.10 289	1.16 304	1.10 295	1.15 293	1.14 299	1.13 299	1.09 277	1.11 284	1.15 299	1.16 302	1.17 280	1.17 305

Selective-RAFT	0.89 261	0.89 180	0.72 250	1.16 269	0.78 284	1.06 288	0.82 278	0.87 262	0.97 295	1.00 282	0.91 292	0.90 278	1.00 282	0.89 276	0.93 288	0.83 260	0.83 263	0.82 278	0.82 285	0.81 250	0.82 277

Abc-Net	2.32 361	24.75 403	1.14 282	1.17 270	1.17 312	1.11 296	1.15 300	1.17 286	1.21 357	1.08 288	1.16 304	1.12 299	1.14 292	1.09 293	1.17 305	1.09 277	1.16 289	1.17 304	1.17 303	1.16 275	1.11 297
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 362	24.38 402	1.18 287	1.18 271	1.18 314	1.14 298	1.18 304	1.19 289	1.19 311	1.14 296	1.18 308	1.14 300	1.18 298	1.14 299	1.18 306	1.14 286	1.14 287	1.19 307	1.19 304	1.15 273	1.19 307

HSM-Net_RVC	0.95 270	1.17 216	0.78 257	1.18 271	0.71 277	1.16 300	0.75 272	1.09 281	0.80 282	1.10 289	0.75 283	1.17 302	0.74 268	1.17 301	0.80 279	1.13 285	0.73 253	1.17 304	0.77 279	1.16 275	0.72 265
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

CrosDoStereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PFNet+	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

LCNet	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

HHNet	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Patchmatch Stereo++	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308
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	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

STrans-v2	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

TransformOpticalFlow	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

OMP-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

IIG-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

NF-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

OCTAStereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PSM-softLoss	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

KMStereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

NRIStereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PSM-adaLoss	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PSM-AAD	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

FTStereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

ROB_FTStereo_v2	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

ROB_FTStereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Consistency-Raft	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

KYRaft	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

HUI-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

ASMatch	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DeepStereo_LL	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DEmStereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

SST-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

THIR-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT_R40	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DRaft	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PFNet	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

GrayStereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RE-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Pruner-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

TVStereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DeepStereo_RVC	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT-RH_RVC	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

IRAFT_RVC	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT-345	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

iRAFT	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

CRE-IMP	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

GMM-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT-IKP	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Prome-Stereo	1.20 286	1.20 220	1.20 291	1.20 273	1.20 315	1.20 301	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 300	1.20 303	1.20 308	1.20 289	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

CroCo-Stereo	0.73 229	1.22 267	0.25 138	1.22 318	0.25 158	1.22 347	0.25 147	1.22 338	0.25 149	1.22 345	0.25 159	1.22 350	0.25 151	1.22 349	0.25 152	1.22 335	0.26 141	1.21 353	0.25 156	1.22 331	0.25 141
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	2.51 372	26.86 410	1.23 340	1.22 318	1.22 362	1.24 349	1.25 355	1.22 338	1.24 360	1.21 344	1.24 357	1.19 303	1.27 350	1.19 302	1.24 355	1.19 288	1.20 293	1.25 355	1.19 304	1.24 332	1.23 355

FAT-Stereo	2.46 371	26.05 409	1.23 340	1.23 320	1.22 362	1.20 301	1.24 354	1.23 340	1.23 359	1.19 298	1.22 355	1.21 349	1.24 348	1.20 303	1.24 355	1.21 334	1.17 291	1.22 354	1.25 354	1.20 284	1.24 356

CroCo-Stereo Lap2	0.77 233	1.29 269	0.29 149	1.27 321	0.29 174	1.27 350	0.26 153	1.26 341	0.26 162	1.26 346	0.26 164	1.27 351	0.26 160	1.26 350	0.27 158	1.27 337	0.27 146	1.27 356	0.27 168	1.27 333	0.27 152

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 321	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	1.27 334	2.70 320	1.34 344	1.32 323	0.89 290	1.30 351	1.34 358	1.64 351	0.57 253	1.45 351	0.72 280	1.05 290	1.29 352	1.07 292	1.29 358	1.49 346	1.02 273	0.97 290	1.15 300	1.48 338	1.31 359

PS-NSSS	1.38 338	1.39 275	1.34 344	1.34 324	1.35 364	1.38 354	1.37 365	1.35 345	1.38 368	1.34 347	1.34 360	1.39 355	1.38 357	1.70 356	1.40 363	1.36 344	1.36 348	1.36 360	1.37 360	1.37 336	1.36 363

MaskLacGwcNet_RVC	1.35 335	1.35 273	1.35 346	1.35 325	1.35 364	1.35 352	1.35 359	1.36 346	1.35 365	1.36 349	1.35 361	1.36 353	1.36 355	1.36 352	1.35 360	1.35 342	1.35 347	1.35 358	1.35 357	1.35 335	1.35 362

CSP-Net	0.34 143	1.29 269	1.19 288	1.36 326	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	1.26 336	1.21 339	0.03 34	0.09 80	0.02 19	0.09 79

CC-Net-ROB	1.36 336	1.33 272	1.33 343	1.36 326	1.38 367	1.36 353	1.33 357	1.37 347	1.34 363	1.35 348	1.36 362	1.38 354	1.34 354	1.38 353	1.38 362	1.35 342	1.38 350	1.33 357	1.35 357	1.43 337	1.34 361

RASNet	1.49 339	1.65 281	1.45 355	1.38 328	1.43 370	1.47 357	1.36 360	1.38 348	1.36 366	1.39 350	1.60 372	1.45 356	1.45 359	1.51 354	2.21 380	1.53 349	1.36 348	1.36 360	1.36 359	1.66 343	1.36 363

FENet	0.54 205	1.52 278	1.19 288	1.41 329	0.23 152	0.35 163	0.23 141	0.35 151	0.23 145	0.34 155	0.23 149	0.35 161	0.23 148	0.35 163	0.23 145	1.40 345	1.07 274	0.32 155	0.23 148	0.33 146	0.23 131

PASM	0.39 164	3.06 329	1.36 350	1.58 330	0.09 82	0.11 90	0.11 97	0.11 90	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	1.60 342	1.59 280	1.70 362	1.59 331	1.59 372	1.61 358	1.61 370	1.60 349	1.60 372	1.62 357	1.59 371	1.60 358	1.60 362	1.60 355	1.59 368	1.59 350	1.60 357	1.59 365	1.59 370	1.59 342	1.59 370

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 332	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	1.60 332	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	1.62 334	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	1.71 335	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	0.98 274	4.13 351	1.85 369	1.85 336	0.61 262	0.69 256	0.37 202	0.63 244	0.61 257	0.66 251	0.51 252	0.73 261	0.44 221	0.57 245	0.54 247	1.68 352	1.81 367	0.40 201	0.43 235	0.66 226	0.50 236

RAFT_CTSACE	1.92 351	3.71 340	1.72 364	1.88 337	1.72 376	2.04 366	1.42 368	2.18 363	1.89 383	2.02 364	1.97 381	1.95 362	2.06 370	1.93 360	1.62 369	1.76 353	1.66 361	2.02 370	1.73 379	1.73 344	1.43 368

GANetREF_RVC	1.55 340	1.94 298	1.22 338	1.88 337	1.21 361	1.88 363	1.22 352	1.88 355	1.22 358	1.88 359	1.22 355	1.88 360	1.22 347	1.89 359	1.22 354	1.87 357	1.22 340	1.88 367	1.22 353	1.88 347	1.22 354
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	0.43 182	1.91 292	0.92 268	1.91 339	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	1.97 361	1.44 353	0.04 48	0.03 42	0.02 19	0.03 39

SPS-STEREO	1.59 341	1.91 292	1.21 337	1.94 340	1.20 315	2.00 365	1.23 353	1.99 358	1.24 360	2.00 363	1.25 358	2.03 364	1.26 349	2.00 362	1.29 358	1.90 360	1.18 292	1.89 368	1.21 352	1.89 348	1.20 308
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	1.81 349	1.91 292	1.71 363	1.95 341	1.70 375	1.95 364	1.70 373	1.96 357	1.74 375	1.97 362	1.72 375	1.95 362	1.71 365	1.97 361	1.71 374	1.86 356	1.62 358	1.85 366	1.66 372	1.86 346	1.64 371

CRFU-Net	0.65 213	1.67 282	1.22 338	1.96 342	0.27 165	0.41 196	0.27 156	0.41 185	0.27 165	0.40 174	0.26 164	0.41 193	0.27 167	0.40 183	0.27 158	1.80 355	1.62 358	0.34 169	0.23 148	0.33 146	0.23 131

NINENet	0.69 222	3.87 347	1.20 291	1.98 343	0.05 69	0.40 181	0.04 54	0.40 172	0.05 68	0.41 186	0.04 63	0.41 193	0.05 64	0.40 183	0.05 59	1.79 354	1.56 356	0.34 169	0.22 143	0.34 150	0.23 131

error version	0.93 267	4.47 355	2.35 377	1.99 344	0.37 209	0.41 196	0.36 198	0.41 185	0.35 198	0.43 202	0.36 202	0.41 193	0.40 205	0.41 196	0.36 199	1.87 357	2.16 369	0.47 231	0.37 214	0.39 182	0.33 189

test_1	0.93 267	4.47 355	2.35 377	1.99 344	0.37 209	0.41 196	0.36 198	0.41 185	0.35 198	0.43 202	0.36 202	0.41 193	0.40 205	0.41 196	0.36 199	1.87 357	2.16 369	0.47 231	0.37 214	0.39 182	0.33 189

MC-Stereo	1.76 346	2.96 328	1.37 351	2.14 346	1.37 366	2.14 367	1.36 360	2.14 362	1.37 367	2.14 368	1.37 363	2.14 365	1.37 356	2.14 366	1.37 361	1.97 361	1.32 341	1.97 369	1.32 356	1.98 349	1.33 360

ADCP+	0.15 89	0.04 31	0.04 31	2.20 347	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	2.22 348	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	0.19 100	0.08 44	0.08 47	2.23 349	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 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 44	0.08 47	2.23 349	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 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

TRStereo	2.00 352	2.13 302	1.85 369	2.27 351	1.84 378	2.28 369	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 367	1.87 367	2.08 363	1.72 376	2.08 365	1.72 363	2.08 371	1.72 376	2.08 350	1.72 374

XX-Stereo	2.00 352	2.13 302	1.85 369	2.27 351	1.84 378	2.28 369	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 367	1.87 367	2.08 363	1.72 376	2.08 365	1.72 363	2.08 371	1.72 376	2.08 350	1.72 374

EAI-Stereo	2.00 352	2.13 302	1.85 369	2.27 351	1.84 378	2.28 369	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 367	1.87 367	2.08 363	1.72 376	2.08 365	1.72 363	2.08 371	1.72 376	2.08 350	1.72 374

NCCL2	2.28 360	2.27 308	2.28 375	2.28 354	2.28 385	2.27 368	2.29 381	2.28 364	2.28 384	2.27 369	2.28 386	2.28 366	2.27 374	2.27 370	2.28 385	2.28 368	2.28 372	2.27 374	2.29 384	2.27 354	2.29 380

STTStereo	3.73 387	30.40 415	2.37 379	2.39 355	2.31 387	2.35 372	2.33 382	2.29 365	2.42 385	2.32 373	2.34 387	2.33 370	2.36 375	2.30 371	2.27 384	2.35 370	2.22 371	2.31 375	2.22 381	2.29 356	2.34 384

iRaftStereo_RVC	0.97 272	3.17 332	2.30 376	2.42 356	0.38 214	0.54 241	0.38 207	0.54 230	0.38 206	0.54 236	0.38 210	0.54 240	0.38 200	0.54 237	0.38 206	2.38 371	2.34 373	0.49 242	0.36 211	0.49 213	0.36 195

UDGNet	2.23 359	5.40 366	1.72 364	2.48 357	1.69 374	2.51 374	1.69 372	2.51 371	1.72 374	2.50 375	1.69 374	2.52 375	1.69 364	2.50 374	1.68 373	2.41 372	1.70 362	2.42 377	1.69 375	2.42 358	1.64 371

IGEVStereo-DCA	1.77 347	4.21 352	1.84 367	2.49 358	2.11 383	2.54 375	1.36 360	1.65 352	1.17 309	2.75 377	1.90 379	2.54 376	1.15 293	0.94 281	1.11 297	1.50 347	1.32 341	0.96 288	1.46 367	1.49 339	0.88 280

rrr	1.77 347	4.21 352	1.84 367	2.49 358	2.11 383	2.54 375	1.36 360	1.65 352	1.17 309	2.75 377	1.90 379	2.54 376	1.15 293	0.94 281	1.11 297	1.50 347	1.32 341	0.96 288	1.46 367	1.49 339	0.88 280

FBW_ROB	2.12 358	2.46 312	1.77 366	2.49 358	1.79 377	2.38 373	1.83 374	2.46 370	1.78 376	2.48 374	1.97 381	2.40 374	1.78 366	2.42 373	1.83 379	2.31 369	1.85 368	2.38 376	1.82 380	2.35 357	1.84 378

IER	0.88 259	7.04 369	2.23 374	2.75 361	0.28 168	0.43 216	0.25 147	0.39 168	0.25 149	0.41 186	0.27 167	0.39 177	0.25 151	0.40 183	0.28 162	0.37 174	0.28 151	0.37 186	0.25 156	0.37 169	0.25 141

Anonymous	2.11 357	2.74 321	1.41 354	2.77 362	1.40 369	2.74 378	1.46 369	2.75 374	1.50 371	2.87 380	1.39 365	2.74 378	1.46 360	2.72 377	1.41 365	2.72 373	1.41 351	2.81 379	1.41 362	3.16 367	1.39 366

sCroCo_RVC	2.10 356	2.76 322	1.92 373	2.78 363	1.39 368	2.73 377	1.41 367	2.73 373	1.40 369	2.77 379	1.41 367	2.74 378	1.40 358	2.74 378	1.40 363	2.72 373	1.42 352	2.72 378	1.44 366	2.79 364	1.42 367

NLCA_NET_v2_RVC	5.04 400	50.87 422	2.78 381	2.87 364	2.71 388	2.78 379	0.47 233	2.88 378	2.86 389	1.89 360	2.67 388	2.79 380	2.79 379	2.78 379	2.83 386	2.82 375	2.82 375	2.83 380	2.77 387	2.83 365	2.76 388
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	1.88 350	3.16 331	0.64 235	3.10 365	0.65 267	3.10 381	0.64 257	3.12 380	0.65 261	3.10 381	0.65 270	3.11 381	0.65 255	3.12 380	0.65 260	3.12 377	0.65 241	3.13 381	0.65 264	3.13 366	0.65 256

MIF-Stereo (partial)	2.58 374	3.31 335	0.66 241	3.18 366	0.66 272	3.18 382	0.66 260	3.21 381	0.67 264	3.19 382	0.66 272	3.19 382	0.66 257	3.31 384	0.68 266	5.09 388	1.79 366	8.23 406	1.67 373	6.18 391	1.38 365

AEACV	1.12 284	0.52 159	3.12 383	3.24 367	0.86 289	0.53 240	0.49 241	0.60 240	0.47 231	0.53 235	0.49 247	0.55 243	0.45 222	0.55 239	0.47 233	3.01 376	3.88 379	0.71 263	0.60 258	0.80 247	0.48 230

Anonymous3	2.55 373	3.26 334	1.65 360	3.28 368	1.63 373	3.24 384	1.68 371	3.27 382	1.66 373	3.28 383	1.67 373	3.25 383	1.66 363	3.27 382	1.64 370	3.26 378	1.65 360	3.30 382	1.65 371	4.95 384	1.65 373

MIF-Stereo	2.03 355	3.43 336	0.72 250	3.42 369	0.73 280	3.27 385	0.68 264	3.38 384	0.69 268	3.29 384	0.72 280	3.28 384	0.70 264	3.35 385	0.68 266	3.39 379	0.68 245	3.31 383	0.69 273	3.37 368	0.73 267

HCRNet	1.22 331	7.11 370	3.00 382	3.55 370	0.33 199	0.29 149	0.14 113	0.19 111	0.15 126	0.33 153	0.29 174	0.25 137	0.14 117	0.22 128	0.33 184	3.64 380	3.00 376	0.76 270	0.32 199	0.18 113	0.13 112

DPSNet	3.66 386	3.60 337	3.62 387	3.63 371	3.64 394	3.65 388	3.65 394	3.66 387	3.67 392	3.67 385	3.65 393	3.67 386	3.66 383	3.66 386	3.68 390	3.68 381	3.66 377	3.67 387	3.68 393	3.67 369	3.67 392

sAnonymous2	3.31 384	2.63 315	1.38 352	3.71 372	1.86 381	4.70 396	1.11 296	4.82 397	2.72 387	5.45 399	1.98 383	4.59 395	2.64 376	2.65 375	6.21 402	4.37 383	1.08 278	5.16 397	2.24 382	4.52 380	2.39 385

CroCo_RVC	3.31 384	2.63 315	1.38 352	3.71 372	1.86 381	4.70 396	1.11 296	4.82 397	2.72 387	5.45 399	1.98 383	4.59 395	2.64 376	2.65 375	6.21 402	4.37 383	1.08 278	5.16 397	2.24 382	4.52 380	2.39 385

BUS	0.83 251	1.91 292	0.92 268	4.48 374	0.02 20	0.40 181	0.04 54	0.41 185	0.02 20	0.48 216	0.03 40	0.41 193	0.05 64	0.03 33	0.05 59	1.97 361	4.19 381	0.33 162	0.23 148	0.34 150	0.27 152

BSDual-CNN	0.81 244	1.91 292	0.92 268	4.48 374	0.02 20	0.42 212	0.06 75	0.41 185	0.02 20	0.48 216	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 361	4.19 381	0.33 162	0.23 148	0.34 150	0.27 152

hknet	1.10 281	1.85 290	3.49 385	4.48 374	0.02 20	0.42 212	0.06 75	0.41 185	0.02 20	0.48 216	0.03 40	0.41 193	0.03 42	0.42 207	0.03 37	4.39 385	4.19 381	0.33 162	0.23 148	0.34 150	0.27 152

StereoVision	3.15 382	5.00 363	0.89 263	4.83 377	1.00 300	3.93 389	1.27 356	6.37 400	1.34 363	5.67 401	1.26 359	5.84 402	1.27 350	5.03 398	1.24 355	5.10 389	1.09 280	4.61 394	0.57 255	5.62 389	1.12 299

TestStereo	4.88 397	4.75 359	4.79 389	4.87 378	4.92 402	4.81 399	4.90 402	4.78 396	4.77 402	4.87 395	4.89 402	4.90 398	4.91 394	4.99 397	4.79 400	4.98 387	4.87 385	4.87 396	4.92 402	5.00 385	5.00 401

DispFullNet	4.61 393	4.84 360	3.12 383	5.00 379	3.57 393	4.75 398	3.03 389	7.75 406	4.17 399	4.91 396	3.09 389	6.20 403	3.95 388	6.71 402	3.51 389	5.30 390	3.67 378	5.86 403	3.63 390	5.61 388	3.46 390

CFNet	1.37 337	5.27 365	0.19 123	5.49 380	0.19 141	0.28 146	0.19 127	0.28 138	0.19 136	0.28 142	0.19 139	0.28 147	4.35 391	0.28 151	0.19 135	0.23 132	0.17 124	0.23 132	4.21 400	4.81 382	0.17 121

RAFT+CT+SA	4.28 388	7.62 374	4.91 390	5.55 381	2.28 385	3.09 380	3.64 393	4.49 394	3.07 390	4.80 394	3.35 390	4.77 397	3.70 384	4.29 393	3.05 387	5.58 391	5.98 390	3.58 386	3.78 395	4.26 376	3.72 393

StereoIM	3.19 383	6.02 368	1.12 280	5.61 382	1.16 311	5.43 401	1.02 293	5.15 399	0.70 270	5.43 398	1.21 354	5.03 400	0.97 280	4.85 396	0.99 291	4.53 386	1.16 289	5.53 399	1.25 354	5.37 387	1.30 358

AANet_RVC	1.26 333	0.31 104	4.99 391	5.93 383	0.20 142	0.25 135	0.20 129	0.25 132	0.20 137	0.23 127	0.19 139	0.25 137	0.20 140	0.25 138	0.20 136	5.66 392	4.76 384	0.26 141	0.30 190	0.24 129	0.27 152

SA	4.33 389	7.35 371	6.85 400	5.96 384	4.09 398	3.59 387	3.15 390	3.82 388	2.64 386	3.91 386	3.85 394	3.57 385	2.72 378	3.13 381	4.03 395	7.09 402	6.86 395	3.57 385	3.12 388	3.85 370	3.51 391

SGM-Forest	5.21 401	5.92 367	4.08 388	6.18 385	4.16 399	6.31 403	4.34 401	6.50 401	4.33 400	6.14 403	4.21 399	6.61 406	4.55 393	6.67 401	4.48 399	5.94 394	3.94 380	5.85 402	4.03 399	5.79 390	4.17 399
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_5	4.62 394	7.55 373	6.23 395	6.32 386	3.40 392	5.29 400	3.50 392	3.53 386	4.11 398	4.28 390	4.47 401	4.26 393	4.38 392	3.68 387	3.24 388	5.89 393	5.60 387	4.84 395	3.50 389	4.33 377	3.93 398

cross-raft	4.83 396	7.52 372	6.43 396	6.63 387	3.96 397	4.51 395	3.99 398	4.49 394	3.96 397	4.52 393	3.96 396	4.50 394	3.97 389	4.50 395	3.97 394	6.65 397	6.44 392	4.33 391	3.92 397	4.35 378	3.91 397

raft_robust	4.71 395	7.75 375	5.40 394	6.81 388	3.31 391	4.28 394	4.20 400	4.32 393	4.37 401	4.35 392	4.35 400	4.14 391	3.75 385	4.30 394	4.20 398	6.67 398	6.37 391	3.36 384	4.24 401	4.86 383	3.25 389

TestStereo1	4.60 391	8.41 378	6.44 397	6.86 389	3.79 395	3.97 390	3.78 395	3.99 390	3.74 393	3.97 387	3.52 391	3.94 389	3.58 381	3.98 389	3.72 391	6.82 399	6.50 393	3.76 388	3.66 391	3.90 371	3.74 395

SA-5K	4.60 391	8.41 378	6.44 397	6.86 389	3.79 395	3.97 390	3.78 395	3.99 390	3.74 393	3.97 387	3.52 391	3.94 389	3.58 381	3.98 389	3.72 391	6.82 399	6.50 393	3.76 388	3.66 391	3.90 371	3.74 395

Sa-1000	4.34 390	8.37 377	6.84 399	6.98 391	4.45 401	3.58 386	3.00 388	3.42 385	3.39 391	2.61 376	4.00 397	3.83 388	4.01 390	3.90 388	3.90 393	5.98 395	5.62 388	3.76 388	2.34 385	4.35 378	2.47 387

test_4	4.88 397	8.13 376	6.98 401	7.46 392	4.44 400	4.25 393	3.85 397	4.04 392	3.92 396	4.13 389	3.91 395	4.18 392	3.84 386	4.14 391	4.06 396	7.01 401	7.13 396	4.53 392	3.72 394	4.09 374	3.72 393

test_3	5.01 399	8.86 381	7.77 403	8.09 393	2.76 389	4.13 392	4.05 399	3.88 389	3.76 395	4.33 391	4.13 398	3.71 387	3.91 387	4.21 392	4.06 396	7.93 403	7.69 398	4.53 392	3.91 396	4.17 375	4.29 400

test-1	6.46 402	9.16 383	8.03 406	8.09 393	5.62 404	6.11 402	6.35 404	6.85 403	4.94 403	6.08 402	6.29 406	4.98 399	6.43 398	6.22 399	6.36 404	6.16 396	7.47 397	5.82 401	5.44 404	7.11 396	5.68 403

RAFT	6.73 403	9.36 384	7.40 402	8.51 395	6.55 405	6.88 404	6.60 405	6.79 402	6.60 405	6.80 404	6.72 407	5.31 401	5.50 396	6.61 400	6.61 405	8.42 404	5.89 389	5.73 400	5.45 405	6.61 392	6.24 404

SGM+DAISY	7.06 404	9.15 382	5.38 393	8.84 396	5.18 403	8.80 407	5.31 403	8.79 407	5.28 404	8.89 407	5.20 403	8.93 407	5.33 395	8.95 407	5.36 401	8.70 405	5.21 386	8.74 407	5.20 403	8.89 401	5.15 402

CFNet_RVC	2.38 369	8.71 380	0.38 181	9.33 397	0.42 233	0.56 243	0.42 224	0.60 240	0.38 206	0.62 248	0.42 227	0.56 245	7.29 402	0.62 248	0.42 225	0.53 230	0.37 180	0.49 242	0.34 205	8.30 399	6.87 405

test-v	7.53 405	11.89 392	7.98 404	9.36 398	7.14 406	7.06 405	7.09 406	7.37 404	6.91 406	7.29 405	5.71 404	6.45 404	6.93 399	6.73 403	7.27 406	8.93 406	7.85 399	6.98 404	6.80 406	7.56 397	7.34 406

test-2	7.53 405	11.89 392	7.98 404	9.36 398	7.14 406	7.06 405	7.09 406	7.37 404	6.91 406	7.29 405	5.71 404	6.45 404	6.93 399	6.73 403	7.27 406	8.93 406	7.85 399	6.98 404	6.80 406	7.56 397	7.34 406

MSMDNet	2.65 375	10.14 390	0.33 167	9.74 400	0.32 190	0.87 272	0.33 183	2.95 379	0.68 265	0.49 221	0.34 197	0.49 227	5.70 397	0.49 229	0.33 184	0.42 210	9.57 402	0.41 212	0.31 195	8.36 400	0.65 256

Anonymous Stereo	2.36 364	18.47 394	11.50 407	9.80 401	0.53 254	0.28 146	0.50 243	0.58 237	0.53 247	0.59 244	0.53 255	0.66 255	0.52 244	0.62 248	0.41 219	0.36 170	0.37 180	0.31 154	0.19 139	0.20 116	0.22 129

pcwnet_v2	2.66 376	9.89 388	0.33 167	9.89 402	0.32 190	0.50 236	0.32 176	0.49 217	0.33 190	0.49 221	0.34 197	0.49 227	8.76 404	0.48 223	0.33 184	0.41 197	9.58 403	0.40 201	0.29 181	9.01 402	0.63 254

CFNet_ucs	2.73 378	9.64 386	0.33 167	9.92 403	0.32 190	0.49 230	0.33 183	0.49 217	0.33 190	0.49 221	0.33 191	0.49 227	8.98 405	0.48 223	0.33 184	0.41 197	9.96 407	0.40 201	0.29 181	10.12 407	0.54 240

ccs_rob	2.79 380	10.17 391	0.32 163	10.00 404	0.33 199	0.49 230	0.33 183	1.90 356	0.32 187	0.51 231	0.33 191	0.49 227	9.24 406	0.49 229	0.33 184	0.41 197	9.82 405	0.41 212	0.28 172	9.34 403	0.29 168

PCWNet_CMD	2.80 381	9.82 387	0.32 163	10.09 405	0.32 190	0.49 230	0.33 183	3.34 383	0.33 190	0.49 221	0.33 191	0.49 227	8.73 403	0.48 223	0.33 184	0.41 197	9.22 401	0.42 221	0.29 181	9.55 404	0.31 181

UCFNet_RVC	2.75 379	10.06 389	0.29 149	10.31 406	0.29 174	0.42 212	0.29 166	0.43 203	0.29 170	0.42 197	0.29 174	0.42 209	9.87 407	0.43 208	0.29 168	0.36 170	9.84 406	0.36 184	0.26 162	9.77 405	0.26 147

CFNet_pseudo	2.67 377	9.36 384	0.32 163	10.99 407	0.33 199	0.85 271	0.33 183	0.49 217	0.33 190	0.49 221	0.32 188	0.49 227	7.26 401	0.49 229	0.33 184	0.41 197	9.62 404	0.41 212	0.29 181	10.03 406	0.29 168

rafts_anoy	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

raft+_RVC	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

raftrobust	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

CasAABBNet	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

RALCasStereoNet	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

RALAANet	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

MANE	19.05 408	23.00 401	15.00 408	23.00 414	15.00 408	24.00 414	16.00 408	24.00 414	16.00 408	22.00 414	15.00 408	23.00 414	16.00 408	23.00 414	15.00 408	22.00 414	15.00 408	22.00 414	15.00 408	22.00 414	15.00 408

fff	1000028.16 432	29.62 412	29.72 416	32.61 415	30.02 416	35.13 417	31.83 417	32.07 416	10000000.00 432	35.27 418	29.82 417	32.45 416	30.15 416	32.35 416	30.09 416	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 432	30.77 417

csc	1000028.16 432	29.62 412	29.72 416	32.61 415	30.02 416	35.13 417	31.83 417	32.07 416	10000000.00 432	35.27 418	29.82 417	32.45 416	30.15 416	32.35 416	30.09 416	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 432	30.77 417

cscssc	1000028.16 432	29.62 412	29.72 416	32.61 415	30.02 416	35.13 417	31.83 417	32.07 416	10000000.00 432	35.27 418	29.82 417	32.45 416	30.15 416	32.35 416	30.09 416	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 432	30.77 417

111	30.40 415	30.94 416	29.72 416	32.61 415	30.02 416	33.57 415	30.47 416	31.50 415	29.39 416	30.98 415	29.11 416	29.78 415	30.39 419	29.45 415	30.76 419	30.08 415	29.02 416	29.92 415	30.32 419	29.86 415	30.17 416

DCANet-4	35.22 417	34.54 417	35.08 422	33.58 419	35.47 423	34.55 416	35.53 423	36.08 421	35.85 420	35.92 421	35.77 422	35.18 421	35.48 421	35.39 421	37.15 422	34.55 421	33.92 420	35.02 422	34.90 421	35.79 419	34.74 423

ADStereo(finetuned)	36.13 418	36.63 421	38.07 423	36.97 420	33.25 420	35.91 420	34.45 420	36.36 422	32.99 417	38.14 423	36.71 423	36.69 422	34.13 420	38.57 423	40.79 423	37.60 423	36.58 423	35.90 423	33.36 420	35.42 418	34.04 420

tt	500032.53 430	34.60 418	29.72 416	37.47 421	34.41 421	36.85 421	35.22 421	34.71 419	33.55 418	34.50 416	35.43 420	33.81 419	10000000.00 433	33.57 419	33.13 420	33.68 419	35.00 421	34.03 420	35.26 422	30.96 416	34.63 421

DCANet	500032.53 430	34.60 418	29.72 416	37.47 421	34.41 421	36.85 421	35.22 421	34.71 419	33.55 418	34.50 416	35.43 420	33.81 419	10000000.00 433	33.57 419	33.13 420	33.68 419	35.00 421	34.03 420	35.26 422	30.96 416	34.63 421

WCMA_ROB	31.10 416	35.43 420	27.12 415	39.51 423	23.10 415	38.78 423	25.30 415	37.49 423	25.39 415	37.29 422	27.02 415	38.52 423	26.48 415	37.80 422	26.44 415	36.28 422	22.65 415	33.90 419	22.30 415	37.10 420	24.18 415

NOSS_ROB	102.95 420	153.00 427	121.00 427	51.00 424	44.00 424	165.00 427	127.00 426	153.00 426	119.00 423	164.00 427	125.00 426	168.00 427	120.00 424	153.00 426	117.00 426	49.00 424	44.00 424	49.00 424	44.00 424	49.00 421	44.00 424

CBMV	128.50 421	1422.70 434	53.10 425	79.50 425	51.30 425	77.30 425	49.70 424	74.00 424	48.20 422	77.20 425	48.80 425	73.90 425	48.00 423	73.80 425	48.80 425	70.40 425	45.10 425	68.90 425	46.10 425	68.20 422	45.00 425
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 419	87.70 423	41.95 424	113.75 426	65.62 426	75.05 424	55.25 425	75.64 425	45.04 421	71.61 424	41.75 424	72.81 424	44.06 422	68.38 424	44.63 424	101.89 426	59.57 426	107.10 426	61.05 426	104.38 423	59.38 426

MeshStereo	159.24 422	171.00 428	160.68 430	162.58 427	160.59 427	164.01 426	160.35 427	158.51 427	158.56 424	158.34 426	160.12 427	158.56 426	159.92 425	157.26 427	158.94 427	154.38 427	158.36 427	155.75 427	159.13 428	153.67 424	154.07 427
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	201.80 423	123.00 424	115.00 426	219.00 428	218.00 429	223.00 428	244.00 429	217.00 428	236.00 426	202.00 428	203.00 428	205.00 428	208.00 426	225.00 428	204.00 428	210.00 428	198.00 428	197.00 428	184.00 429	204.00 425	201.00 428

MGS-Stereo	239.45 424	123.00 424	135.00 428	266.00 429	286.00 430	277.00 429	305.00 430	271.00 429	242.00 427	274.00 429	279.00 430	255.00 429	270.00 428	268.00 429	297.00 430	221.00 429	247.00 430	216.00 429	123.00 427	217.00 426	217.00 430

EGLCR-Stereo	246.90 425	129.00 426	139.00 429	266.00 429	286.00 430	277.00 429	305.00 430	271.00 429	242.00 427	274.00 429	279.00 430	255.00 429	270.00 428	268.00 429	297.00 430	230.00 430	247.00 430	216.00 429	223.00 431	237.00 427	227.00 431

DLCB_ROB	284.23 426	354.61 430	207.27 431	363.24 431	206.46 428	364.72 431	210.41 428	364.72 431	210.41 425	364.81 431	208.64 429	364.81 431	208.64 427	364.72 431	210.41 429	354.70 431	205.53 429	354.70 431	205.53 430	354.70 428	205.53 429

LE_ROB	396.57 427	471.28 431	329.84 432	471.48 432	308.15 432	526.83 432	322.10 432	488.15 432	323.76 429	495.46 432	317.97 432	497.17 432	320.10 430	481.62 432	326.76 432	462.71 432	298.97 432	466.16 432	285.98 432	447.62 429	289.21 432

SGM-ForestM	596.69 428	677.77 432	444.52 433	699.85 433	517.25 433	732.94 433	488.29 433	770.79 433	460.11 430	750.81 433	487.98 433	792.79 433	499.41 431	730.90 433	475.81 433	720.03 433	491.16 433	663.96 433	418.60 433	674.76 430	436.05 433

CBMV_ROB	818.48 429	913.88 433	709.52 434	862.84 434	597.78 434	1073.99 434	700.52 434	1015.66 434	702.59 431	1115.65 434	760.02 434	1130.24 434	721.57 432	1037.41 434	692.65 434	814.05 434	564.29 434	843.28 434	595.31 434	915.51 431	602.92 434

SDNR	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435

anonymousdsp2	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435

anonymousdsp	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435

test_example2	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435

DIP-Stereo	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark