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

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

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

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

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

ADCS	0.09 38	0.02 12	0.04 31	0.90 236	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	0.36 200	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

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

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

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

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

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

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

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

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	1.57 369	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

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	1.65 373	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

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	1.71 376	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

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

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

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
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

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 283	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

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	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	1.66 374	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

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

FADE		0.06 42		0.09 41	0.10 88													0.17 111		0.11 90

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 308	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

AASNet	0.06 31	0.08 45	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 45	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 45	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

FINET	0.07 36	0.08 45	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

BEATNet-Init1	0.19 100	0.08 45	0.08 47	2.23 352	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 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 45	0.08 47	2.23 352	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

Wz-Net-SNSev	0.03 25	0.09 51	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 51	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

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	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

SuperB	0.21 109	0.10 53	2.51 381	0.12 60	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 79	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

PVD	0.10 44	0.10 53	0.10 56	0.10 45	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 53	0.10 56	0.10 45	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 53	0.10 56	0.10 45	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 53	0.10 56	0.10 45	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 53	0.10 56	0.10 45	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 53	0.10 56	0.10 45	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 53	0.10 56	0.10 45	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 53	0.10 56	0.10 45	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 53	0.10 56	0.10 45	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

JetBlue	0.11 59	0.11 64	0.12 78	0.13 70	0.14 119	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

aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	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	0.49 215	0.11 95

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	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

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 128	0.10 86	0.20 115	0.10 87	0.24 137	0.11 92	0.11 68	0.09 55	0.12 91	0.14 120	0.12 95	0.09 79

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	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 98	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
ac_64	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 295	0.14 94	0.10 85	0.28 143	0.14 120	0.17 108	0.19 137	0.28 152	0.09 76	0.22 124	0.16 112	0.23 134	0.17 136	0.11 90	0.12 106

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 74	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 95	0.73 269

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	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 97	0.82 279

GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	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	0.16 108	0.16 115

HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	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	0.16 108	0.12 106

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	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	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 72	0.16 72	0.11 73	0.15 83	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 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	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	0.17 111	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 77	0.13 93	0.19 99	0.13 118	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	0.18 119	0.13 118	0.18 114	0.13 112

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 187	0.30 128	0.17 134	0.22 125	0.17 120	0.21 120	0.17 130	0.20 114	0.17 130	0.21 123	0.18 133	0.21 125	0.17 126	0.20 118	0.16 112	0.20 122	0.16 123	0.20 117	0.17 121

ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 290	0.21 120	0.14 118	0.20 114	0.13 117	0.21 123	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 111	0.12 106

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 290	0.21 120	0.14 118	0.20 114	0.13 117	0.21 123	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 111	0.12 106

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 120	0.12 114	0.20 114	0.12 105	0.20 115	0.12 111	0.21 125	0.13 109	0.17 108	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	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	0.15 105	0.12 106

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	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	0.20 122	0.20 140	0.20 117	0.20 126

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	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 98	0.11 95

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 83	0.11 103	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	0.15 105	0.12 106

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	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	0.20 122	0.20 140	0.20 117	0.20 126

MSKI-zero shot	0.24 116	0.21 87	0.49 218	0.65 212	0.18 139	0.22 125	0.17 120	0.23 127	0.18 131	0.21 123	0.17 130	0.23 131	0.28 173	0.23 133	0.18 132	0.21 122	0.16 112	0.21 125	0.16 123	0.21 122	0.16 115

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	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 98	0.11 95

MIPNet	0.14 79	0.21 87	0.17 116	0.16 89	0.11 103	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 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 83	0.11 103	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 98	0.11 95

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 128	0.22 145	0.22 129	0.22 141	0.22 124	0.22 133	0.22 130	0.22 144	0.22 124	0.22 130

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 128	0.22 145	0.22 129	0.22 141	0.22 124	0.22 133	0.23 134	0.22 144	0.22 124	0.23 132

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 128	0.22 145	0.22 129	0.22 141	0.22 124	0.22 133	0.23 134	0.22 144	0.22 124	0.23 132

MIM_Stereo	0.25 117	0.23 91	0.66 242	0.80 228	0.17 134	0.22 125	0.17 120	0.23 127	0.18 131	0.26 141	0.17 130	0.21 123	0.17 128	0.25 139	0.17 126	0.23 133	0.16 112	0.21 125	0.17 136	0.22 124	0.17 121

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 130	0.18 131	0.24 133	0.18 138	0.23 131	0.19 137	0.24 137	0.18 132	0.21 122	0.16 112	0.21 125	0.16 123	0.22 124	0.16 115

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 130	0.18 131	0.23 128	0.17 130	0.23 131	0.18 133	0.23 133	0.18 132	0.22 124	0.16 112	0.21 125	0.16 123	0.21 122	0.16 115

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 133	0.21 130	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	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 98	0.11 95

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.25 138	0.25 152	0.26 148	0.25 153	0.25 142	0.25 139	0.25 140	0.25 157	0.25 132	0.25 142

TorneroNet-64	0.45 187	0.27 100	0.30 155	0.58 205	0.27 167	0.70 258	0.30 172	0.28 139	0.73 277	0.73 260	0.28 173	0.71 258	0.66 258	0.75 264	0.27 159	0.27 146	0.29 161	0.37 188	0.75 280	0.28 138	0.30 177

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 137	0.25 150	0.25 134	0.25 160	0.25 138	0.25 152	0.25 139	0.25 153	0.26 143	0.25 139	0.25 140	0.26 163	0.26 133	0.25 142

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 209	0.79 226	0.24 159	0.30 151	0.26 154	0.30 144	0.24 147	0.32 152	0.23 150	0.31 156	0.24 150	0.30 156	0.23 146	0.29 154	0.26 142	0.29 153	0.24 154	0.33 148	0.23 132

SQANet	0.28 127	0.28 102	0.28 148	0.28 126	0.28 170	0.28 147	0.28 162	0.28 139	0.28 169	0.28 143	0.28 173	0.28 148	0.28 173	0.28 152	0.28 163	0.28 148	0.28 152	0.28 149	0.28 173	0.28 138	0.28 165

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 141	0.22 150	0.36 167	0.21 135	0.36 156	0.21 140	0.42 198	0.21 146	0.36 167	0.22 145	0.36 169	0.21 139	0.34 162	0.21 130	0.34 171	0.21 142	0.34 152	0.21 128

DANet	0.30 131	0.30 105	0.30 155	0.30 128	0.30 185	0.30 151	0.30 172	0.30 144	0.30 181	0.30 146	0.30 184	0.30 154	0.30 182	0.30 156	0.30 176	0.30 155	0.30 170	0.30 155	0.30 191	0.30 143	0.30 177
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 334	0.31 106	4.99 392	5.93 386	0.20 143	0.25 136	0.20 129	0.25 133	0.20 137	0.23 128	0.19 139	0.25 138	0.20 140	0.25 139	0.20 136	5.66 394	4.76 386	0.26 143	0.30 191	0.24 131	0.27 153

iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 146	0.24 147	0.33 154	0.24 156	0.35 162	0.24 150	0.33 162	0.24 148	0.31 157	0.24 138	0.32 157	0.24 154	0.32 144	0.24 141

MLCV	0.31 134	0.35 108	0.27 145	0.35 137	0.28 170	0.35 164	0.27 157	0.35 152	0.28 169	0.36 161	0.27 168	0.35 162	0.27 168	0.35 164	0.27 159	0.34 162	0.27 147	0.34 171	0.27 169	0.34 152	0.27 153

ETE_ROB	0.35 149	0.35 108	0.35 178	0.35 137	0.35 209	0.35 164	0.35 195	0.35 152	0.35 199	0.35 158	0.35 202	0.35 162	0.35 196	0.35 164	0.35 198	0.35 168	0.35 177	0.35 181	0.35 208	0.35 163	0.35 195

DN-CSS_ROB	0.31 134	0.35 108	0.28 148	0.35 137	0.28 170	0.34 162	0.27 157	0.34 151	0.25 150	0.35 158	0.27 168	0.36 167	0.26 161	0.34 163	0.28 163	0.35 168	0.28 152	0.34 171	0.28 173	0.34 152	0.27 153

Any-RAFT	0.32 142	0.36 111	0.27 145	0.36 141	0.27 167	0.36 167	0.27 157	0.36 156	0.27 166	0.36 161	0.27 168	0.36 167	0.27 168	0.36 169	0.28 163	0.36 171	0.28 152	0.36 186	0.28 173	0.36 169	0.28 165

RAFT-Test	0.36 152	0.37 112	0.33 168	0.41 170	0.32 192	0.41 197	0.32 177	0.41 186	0.32 188	0.41 187	0.32 189	0.41 194	0.32 187	0.41 197	0.33 185	0.37 175	0.29 161	0.37 188	0.29 182	0.38 178	0.31 182

XPNet_ROB	0.37 154	0.37 112	0.37 180	0.37 144	0.37 211	0.37 172	0.37 203	0.37 162	0.37 205	0.37 165	0.37 206	0.37 172	0.37 199	0.37 173	0.37 206	0.37 175	0.37 181	0.37 188	0.37 215	0.37 171	0.37 199

WAO-8	0.38 160	0.38 114	0.38 182	0.38 145	0.38 216	0.38 175	0.38 208	0.38 165	0.38 207	0.38 166	0.38 211	0.38 174	0.38 201	0.38 174	0.38 207	0.38 182	0.38 185	0.38 195	0.37 215	0.38 178	0.38 203

WAO-7	0.38 160	0.38 114	0.38 182	0.38 145	0.38 216	0.38 175	0.38 208	0.38 165	0.38 207	0.38 166	0.38 211	0.38 174	0.38 201	0.38 174	0.38 207	0.38 182	0.38 185	0.38 195	0.38 221	0.38 178	0.38 203

HanzoNet	0.39 165	0.38 114	0.40 187	0.39 149	0.41 227	0.38 175	0.38 208	0.38 165	0.38 207	0.39 171	0.39 215	0.38 174	0.38 201	0.39 181	0.40 213	0.38 182	0.38 185	0.40 203	0.38 221	0.38 178	0.40 207

Venus	0.38 160	0.38 114	0.38 182	0.38 145	0.38 216	0.37 172	0.38 208	0.37 162	0.37 205	0.41 187	0.37 206	0.39 178	0.37 199	0.38 174	0.38 207	0.37 175	0.38 185	0.38 195	0.37 215	0.37 171	0.38 203

IMH	0.38 160	0.38 114	0.38 182	0.38 145	0.38 216	0.38 175	0.38 208	0.38 165	0.38 207	0.42 198	0.38 211	0.40 184	0.38 201	0.38 174	0.38 207	0.38 182	0.38 185	0.39 199	0.38 221	0.38 178	0.38 203

SPstereo	0.47 193	0.38 114	0.51 222	0.56 203	0.31 189	0.67 256	0.44 226	0.55 232	0.31 184	0.61 247	0.44 231	0.46 214	0.52 245	0.67 255	0.42 226	0.48 221	0.40 192	0.47 233	0.36 212	0.53 223	0.33 190

DMCA	0.36 152	0.38 114	0.37 180	0.35 137	0.35 209	0.36 167	0.36 199	0.36 156	0.35 199	0.35 158	0.37 206	0.36 167	0.36 197	0.35 164	0.36 200	0.36 171	0.36 179	0.35 181	0.36 212	0.36 169	0.36 196

StereoDRNet-Refined	0.33 143	0.39 121	0.26 144	0.39 149	0.26 166	0.40 182	0.26 154	0.40 173	0.26 163	0.39 171	0.26 165	0.39 178	0.26 161	0.39 181	0.26 158	0.37 175	0.25 139	0.37 188	0.25 157	0.37 171	0.37 199
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 284	0.39 121	5.28 393	0.39 149	0.20 143	0.39 181	0.27 157	0.39 169	0.22 141	0.38 166	0.20 141	0.38 174	0.20 140	6.95 407	0.22 141	0.30 155	0.21 130	0.27 147	0.21 142	5.25 389	0.21 128

EKT-Stereo	0.37 154	0.40 123	0.44 200	1.07 258	0.29 176	0.34 162	0.31 176	0.36 156	0.29 171	0.38 166	0.31 188	0.37 172	0.30 182	0.36 169	0.29 169	0.34 162	0.28 152	0.39 199	0.30 191	0.37 171	0.30 177

knoymous	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 206	0.40 184	0.40 213	0.40 191	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

anonymousa	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 206	0.40 184	0.40 213	0.40 191	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

riskmin	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 206	0.40 184	0.40 213	0.40 191	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

Anonymous_2	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 206	0.40 184	0.40 213	0.40 191	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

Anonymous_1	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 206	0.40 184	0.40 213	0.40 191	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207

AdaStereo	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 206	0.40 184	0.40 213	0.40 191	0.40 192	0.40 203	0.40 224	0.40 187	0.40 207
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iRaft-Stereo_20w	0.34 144	0.41 130	0.31 161	0.39 149	0.29 176	0.40 182	0.32 177	0.41 186	0.32 188	0.38 166	0.30 184	0.39 178	0.30 182	0.38 174	0.32 182	0.35 168	0.27 147	0.34 171	0.27 169	0.34 152	0.29 169

GwcNet-ADL	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 216	0.41 197	0.41 220	0.41 198	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

PSMNet-ADL	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 216	0.41 197	0.41 220	0.41 198	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

GANet-ADL	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 216	0.41 197	0.41 220	0.41 198	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

ADLNet2	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 216	0.41 197	0.41 220	0.41 198	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

ADLNet	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 216	0.41 197	0.41 220	0.41 198	0.41 201	0.41 214	0.41 230	0.41 195	0.41 214

DGSMNet	0.34 144	0.41 130	0.27 145	0.41 170	0.28 170	0.41 197	0.28 162	0.41 186	0.27 166	0.41 187	0.27 168	0.42 210	0.27 168	0.41 197	0.28 163	0.40 191	0.29 161	0.40 203	0.28 173	0.40 187	0.27 153

iRaft-Stereo_5w	0.34 144	0.42 137	0.31 161	0.39 149	0.30 185	0.38 175	0.30 172	0.40 173	0.29 171	0.40 175	0.37 206	0.41 194	0.34 194	0.38 174	0.30 176	0.34 162	0.27 147	0.34 171	0.26 163	0.34 152	0.26 148

IGEV+	0.34 144	0.43 138	0.30 155	0.40 161	0.29 176	0.40 182	0.29 167	0.40 173	0.29 171	0.40 175	0.29 175	0.40 184	0.29 177	0.40 184	0.30 176	0.38 182	0.29 161	0.37 188	0.29 182	0.37 171	0.29 169

Wz-Net-LNSev-Ref	0.11 59	0.44 139	0.33 168	0.39 149	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 188	0.36 179	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 149	0.44 139	0.45 202	0.49 192	0.30 185	0.37 172	0.30 172	0.36 156	0.30 181	0.36 161	0.29 175	0.36 167	0.29 177	0.36 169	0.30 176	0.46 212	0.39 190	0.32 157	0.24 154	0.32 144	0.25 142
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 154	0.45 141	0.23 131	0.30 128	0.37 211	0.41 197	0.36 199	0.41 186	0.35 199	0.43 203	0.36 203	0.41 194	0.40 206	0.41 197	0.36 200	0.34 162	0.22 133	0.47 233	0.37 215	0.39 184	0.33 190

RAFT + AFF	0.31 134	0.45 141	0.34 175	0.39 149	0.28 170	0.38 175	0.33 184	0.29 142	0.31 184	0.30 146	0.30 184	0.29 153	0.27 168	0.29 155	0.30 176	0.28 148	0.29 161	0.29 153	0.29 182	0.27 136	0.32 186

DispNO	0.96 272	0.46 143	0.29 150	0.44 179	2.80 393	3.23 385	0.35 195	0.43 204	0.30 181	0.42 198	0.30 184	0.47 220	2.86 382	0.47 218	0.30 176	4.36 384	0.29 161	0.43 225	0.29 182	0.43 202	0.32 186

otaku	0.46 188	0.46 143	0.46 204	0.46 182	0.46 237	0.46 221	0.46 228	0.46 207	0.46 229	0.46 208	0.46 234	0.46 214	0.46 224	0.46 214	0.46 230	0.46 212	0.46 208	0.46 229	0.46 237	0.46 204	0.46 223

Dean	0.46 188	0.46 143	0.46 204	0.46 182	0.46 237	0.46 221	0.46 228	0.46 207	0.46 229	0.47 213	0.46 234	0.46 214	0.46 224	0.46 214	0.46 230	0.46 212	0.46 208	0.46 229	0.46 237	0.46 204	0.46 223

ACVNet-4b	0.46 188	0.46 143	0.46 204	0.46 182	0.46 237	0.46 221	0.46 228	0.46 207	0.46 229	0.46 208	0.46 234	0.46 214	0.46 224	0.47 218	0.46 230	0.46 212	0.46 208	0.46 229	0.46 237	0.46 204	0.46 223

psmorigin	0.41 174	0.46 143	0.33 168	0.49 192	0.33 201	0.49 231	0.33 184	0.49 218	0.33 191	0.49 222	0.33 192	0.49 228	0.33 191	0.51 235	0.33 185	0.41 198	0.30 170	0.41 214	0.30 191	0.79 246	0.29 169

Ntro	0.47 193	0.47 148	0.46 204	0.46 182	0.46 237	0.47 225	0.47 234	0.46 207	0.47 232	0.46 208	0.46 234	0.47 220	0.46 224	0.47 218	0.47 234	0.47 217	0.46 208	0.46 229	0.46 237	0.46 204	0.46 223

HaxPig	0.47 193	0.47 148	0.47 209	0.49 192	0.47 243	0.47 225	0.47 234	0.47 212	0.47 232	0.47 213	0.47 241	0.47 220	0.47 233	0.47 218	0.47 234	0.47 217	0.47 214	0.47 233	0.47 243	0.47 210	0.48 231

UNDER WATER	0.47 193	0.47 148	0.47 209	0.47 187	0.47 243	0.47 225	0.47 234	0.47 212	0.47 232	0.47 213	0.47 241	0.47 220	0.46 224	0.47 218	0.47 234	0.47 217	0.47 214	0.47 233	0.46 237	0.47 210	0.47 228

LVE	0.47 193	0.47 148	0.47 209	0.47 187	0.49 248	0.47 225	0.47 234	0.47 212	0.49 240	0.47 213	0.47 241	0.47 220	0.46 224	0.47 218	0.47 234	0.47 217	0.47 214	0.48 241	0.47 243	0.47 210	0.47 228

ACVNet_1	0.46 188	0.47 148	0.46 204	0.46 182	0.46 237	0.46 221	0.46 228	0.46 207	0.47 232	0.46 208	0.46 234	0.46 214	0.46 224	0.46 214	0.46 230	0.46 212	0.46 208	0.47 233	0.46 237	0.46 204	0.46 223

CES	0.39 165	0.47 148	0.36 179	0.36 141	0.37 211	0.45 219	0.35 195	0.35 152	0.40 213	0.36 161	0.44 231	0.47 220	0.36 197	0.44 211	0.36 200	0.37 175	0.39 190	0.44 226	0.35 208	0.37 171	0.36 196

RainbowNet	0.48 198	0.48 154	0.48 214	0.48 190	0.48 245	0.48 229	0.48 239	0.48 216	0.48 238	0.48 217	0.48 244	0.48 226	0.48 234	0.48 224	0.48 239	0.48 221	0.48 218	0.48 241	0.48 246	0.48 213	0.48 231

notaker	0.48 198	0.49 155	0.48 214	0.48 190	0.48 245	0.48 229	0.48 239	0.48 216	0.49 240	0.48 217	0.48 244	0.48 226	0.48 234	0.48 224	0.48 239	0.48 221	0.48 218	0.48 241	0.48 246	0.48 213	0.49 234

ACVNet_2	0.49 201	0.49 155	0.49 218	0.49 192	0.49 248	0.49 231	0.49 242	0.49 218	0.49 240	0.49 222	0.49 248	0.49 228	0.49 239	0.49 230	0.49 242	0.49 224	0.49 220	0.49 244	0.49 248	0.49 215	0.49 234

KSHMR	0.66 216	0.50 157	0.48 214	1.15 267	0.52 253	0.49 231	0.51 246	0.49 218	0.71 275	0.67 253	0.50 250	1.16 303	1.11 291	0.66 253	0.52 246	0.49 224	0.49 220	0.51 248	0.66 268	0.50 219	1.14 305

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

SANet	0.50 203	0.50 157	0.50 220	0.50 198	0.50 251	0.50 237	0.50 244	0.50 225	0.50 243	0.50 231	0.50 250	0.50 239	0.50 242	0.50 234	0.50 243	0.50 228	0.50 225	0.50 247	0.50 250	0.50 219	0.50 237

CASnet	0.35 149	0.51 160	0.44 200	0.32 134	0.31 189	0.24 132	0.34 193	0.36 156	0.25 150	0.31 148	0.37 206	0.30 154	0.33 191	0.25 139	0.45 228	0.37 175	0.37 181	0.33 164	0.35 208	0.34 152	0.37 199
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	1.12 285	0.52 161	3.12 384	3.24 370	0.86 292	0.53 241	0.49 242	0.60 241	0.47 232	0.53 236	0.49 248	0.55 244	0.45 223	0.55 240	0.47 234	3.01 378	3.88 381	0.71 265	0.60 260	0.80 249	0.48 231

ktn	0.72 229	0.53 162	1.08 280	1.14 265	0.51 252	1.22 349	1.36 362	0.51 229	0.59 255	0.51 232	0.51 253	0.69 257	1.20 302	0.67 255	0.51 245	0.51 229	0.49 220	0.58 253	0.66 268	0.52 221	0.53 240

TorneroNet	0.66 216	0.53 162	0.50 220	0.50 198	0.64 269	1.06 289	0.70 269	0.50 225	0.51 246	0.49 222	0.69 277	0.49 228	0.50 242	0.48 224	1.15 303	0.71 250	0.49 220	1.14 301	1.08 298	0.49 215	0.49 234

ICVP	0.15 89	0.53 162	0.11 73	0.16 89	0.11 103	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	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 165	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 74	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 206	0.54 165	0.54 225	0.54 201	0.53 256	0.54 242	0.54 248	0.53 230	0.54 252	0.54 237	0.54 257	0.54 241	0.53 247	0.54 238	0.54 248	0.54 232	0.53 229	0.54 251	0.54 251	0.54 225	0.54 241

Selective-IGEV	0.51 204	0.55 167	0.45 202	0.69 215	0.45 236	0.61 251	0.45 227	0.50 225	0.40 213	0.56 241	0.44 231	0.55 244	0.40 206	0.72 260	0.67 264	0.59 235	0.46 208	0.45 228	0.34 206	0.46 204	0.37 199

FCDSN-DC	0.41 174	0.59 168	0.64 236	0.54 201	0.33 201	0.50 237	0.37 203	0.42 202	0.40 213	0.61 247	0.43 230	0.50 239	0.49 239	0.38 174	0.32 182	0.28 148	0.23 137	0.26 143	0.22 144	0.35 163	0.28 165
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LMCR-Stereo	0.65 214	0.63 169	0.65 241	0.65 212	0.65 270	0.66 255	0.63 257	0.58 238	0.65 263	0.63 250	0.64 268	0.65 254	0.65 256	0.66 253	0.66 263	0.66 241	0.64 242	0.65 257	0.67 271	0.68 230	0.73 269

anonymity	0.63 212	0.69 170	0.56 226	0.71 219	0.56 258	0.71 260	0.56 249	0.71 251	0.56 253	0.72 258	0.56 259	0.71 258	0.56 249	0.71 259	0.58 255	0.68 243	0.55 230	0.68 259	0.55 252	0.68 230	0.54 241

CoDeX	0.15 89	0.70 171	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	0.67 264	0.02 14	0.69 251	0.75 269	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 224	0.72 172	0.71 250	0.80 228	0.62 268	0.82 271	0.61 253	0.81 261	0.62 260	0.81 271	0.63 266	0.80 271	0.70 266	0.73 262	0.61 259	0.76 253	0.61 239	0.74 268	0.61 262	0.77 243	0.61 252

DSFCA	0.66 216	0.73 173	0.78 258	0.65 212	0.65 270	0.64 254	0.64 258	0.65 246	0.63 262	0.64 251	0.64 268	0.64 252	0.64 254	0.65 252	0.65 261	0.65 240	0.65 243	0.65 257	0.65 266	0.66 228	0.64 256

SFCPSM	0.17 98	0.78 174	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	0.79 279	0.02 14	0.75 257	0.76 272	0.02 20	0.02 19	0.02 19

G-Net	0.79 238	0.79 175	0.79 260	0.79 226	0.79 288	0.79 268	0.79 276	0.79 257	0.79 283	0.79 266	0.79 287	0.79 270	0.79 274	0.79 266	0.79 279	0.79 255	0.79 259	0.79 274	0.79 283	0.79 246	0.79 275

DMCA-RVC	0.70 224	0.80 176	0.70 248	0.70 217	0.70 279	0.70 258	0.70 269	0.71 251	0.70 272	0.70 256	0.71 280	0.71 258	0.70 266	0.70 258	0.69 272	0.69 244	0.70 252	0.69 262	0.70 276	0.69 234	0.70 264

NaN_ROB	0.80 240	0.80 176	0.80 261	0.80 228	0.80 290	0.80 269	0.80 278	0.80 258	0.80 284	0.80 267	0.80 288	0.80 271	0.80 275	0.80 267	0.80 281	0.80 256	0.80 262	0.80 276	0.80 284	0.80 249	0.80 276

CSAN	0.80 240	0.80 176	0.80 261	0.80 228	0.80 290	0.80 269	0.80 278	0.80 258	0.80 284	0.80 267	0.80 288	0.80 271	0.80 275	0.80 267	0.80 281	0.80 256	0.80 262	0.80 276	0.80 284	0.80 249	0.80 276

ARAFT	0.68 221	0.81 179	0.63 234	0.74 222	0.60 260	0.78 267	0.62 256	0.77 256	0.66 265	0.74 264	0.63 266	0.75 264	0.62 253	0.83 270	0.60 257	0.70 247	0.55 230	0.70 264	0.60 260	0.78 244	0.55 245

Selective-RAFT-Error	0.88 260	0.84 180	0.98 274	0.86 234	0.97 302	0.88 274	0.95 289	0.84 262	0.99 299	0.92 277	0.82 290	0.84 275	0.98 283	0.87 274	0.97 291	0.81 259	0.83 265	0.79 274	0.82 287	0.79 246	0.85 281

AFF-stereo	0.73 230	0.88 181	0.67 244	0.75 223	0.68 278	0.75 262	0.64 258	0.80 258	0.72 276	0.83 272	0.70 278	0.82 274	0.64 254	0.84 271	0.67 264	0.77 254	0.63 240	0.81 278	0.63 265	0.78 244	0.62 254

CASS	0.57 210	0.89 182	0.56 226	0.57 204	0.56 258	0.56 244	0.56 249	0.56 234	0.53 248	0.57 242	0.57 261	0.59 250	0.48 234	0.56 243	0.57 252	0.55 234	0.56 232	0.47 233	0.56 255	0.62 227	0.56 248
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 262	0.89 182	0.72 251	1.16 272	0.78 287	1.06 289	0.82 280	0.87 263	0.97 297	1.00 284	0.91 294	0.90 279	1.00 284	0.89 277	0.93 290	0.83 261	0.83 265	0.82 280	0.82 287	0.81 252	0.82 279

UNet	0.29 130	0.90 184	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 267	0.69 270	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	0.88 256	0.76 274

xxxxx1	0.31 134	0.91 185	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 159	0.25 152	0.32 158	0.24 148	0.28 148	0.28 152	0.28 149	0.28 173	0.29 140	0.27 153

tt_ll	0.31 134	0.91 185	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 159	0.25 152	0.32 158	0.24 148	0.28 148	0.28 152	0.28 149	0.28 173	0.29 140	0.27 153

ff	0.31 134	0.91 185	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 159	0.25 152	0.32 158	0.24 148	0.28 148	0.28 152	0.28 149	0.28 173	0.29 140	0.27 153

DPSM_ROB	0.92 264	0.91 185	0.91 267	0.91 239	0.92 298	0.92 279	0.92 285	0.92 270	0.91 289	0.93 279	0.91 294	0.92 281	0.90 278	0.91 279	0.92 286	0.92 268	0.91 267	0.91 285	0.92 290	0.93 263	0.93 287

DPSM	0.92 264	0.91 185	0.91 267	0.91 239	0.92 298	0.92 279	0.92 285	0.92 270	0.91 289	0.93 279	0.91 294	0.92 281	0.90 278	0.91 279	0.92 286	0.92 268	0.91 267	0.91 285	0.92 290	0.93 263	0.93 287

pmcnn	0.92 264	0.92 190	0.92 269	0.92 242	0.92 298	0.92 279	0.92 285	0.92 270	0.92 293	0.92 277	0.92 297	0.92 281	0.92 280	0.92 281	0.92 286	0.92 268	0.92 269	0.92 287	0.92 290	0.92 262	0.92 286

tt1	0.31 134	0.93 191	0.24 137	0.33 136	0.23 154	0.31 154	0.24 146	0.32 146	0.24 147	0.32 152	0.23 150	0.32 158	0.25 152	0.32 158	0.24 148	0.27 146	0.26 142	0.27 147	0.26 163	0.27 136	0.27 153

tta	0.09 38	0.95 192	0.09 52	0.10 45	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

R-Stereo Train	0.81 245	0.96 193	0.67 244	0.95 246	0.67 276	0.95 282	0.68 265	0.95 275	0.68 267	0.95 282	0.68 275	0.96 286	0.68 263	0.96 286	0.68 268	0.94 272	0.68 247	0.94 289	0.68 272	0.94 265	0.68 262

RAFT-Stereo	0.81 245	0.96 193	0.67 244	0.95 246	0.67 276	0.95 282	0.68 265	0.95 275	0.68 267	0.95 282	0.68 275	0.96 286	0.68 263	0.96 286	0.68 268	0.94 272	0.68 247	0.94 289	0.68 272	0.94 265	0.68 262
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Former-RAFT_DAM_RVC	0.49 201	0.98 195	0.64 236	0.84 232	0.46 237	0.45 219	0.35 195	0.47 212	0.47 232	0.45 207	0.34 198	0.46 214	0.48 234	0.46 214	0.35 198	0.39 188	0.71 254	0.39 199	0.35 208	0.41 195	0.41 214

dd	0.23 114	0.98 195	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 127	0.15 126	0.23 128	0.15 127	0.24 135	0.17 128	0.23 133	0.15 120	0.22 124	0.15 110	0.21 125	0.15 122	0.22 124	0.16 115

222	0.10 44	0.99 197	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.04 53	0.03 39

ACVNet-DCA	0.37 154	1.00 198	0.30 155	0.40 161	0.29 176	0.40 182	0.29 167	0.40 173	0.29 171	0.40 175	0.29 175	0.40 184	0.29 177	0.39 181	0.28 163	0.33 159	0.32 173	0.33 164	0.32 200	0.33 148	0.32 186

GANet	1.00 276	1.00 198	1.00 276	1.00 252	1.00 303	1.00 285	1.00 292	1.00 277	1.00 300	1.00 284	1.00 299	1.00 288	1.00 284	1.00 288	1.00 294	1.00 274	1.00 272	1.00 295	1.00 294	1.00 268	1.00 293

TDLM	1.00 276	1.00 198	1.00 276	1.00 252	1.00 303	1.00 285	1.00 292	1.00 277	1.00 300	1.00 284	1.00 299	1.00 288	1.00 284	1.00 288	1.00 294	1.00 274	1.00 272	1.00 295	1.00 294	1.00 268	1.00 293

CVANet_RVC	1.00 276	1.00 198	1.00 276	1.00 252	1.00 303	1.00 285	1.00 292	1.00 277	1.00 300	1.00 284	1.00 299	1.00 288	1.00 284	1.00 288	1.00 294	1.00 274	1.00 272	1.00 295	1.00 294	1.00 268	1.00 293

DGTPSM_ROB	0.93 268	1.00 198	0.92 269	0.94 244	0.96 301	0.91 278	0.92 285	0.91 267	0.96 296	0.91 276	0.96 298	0.93 284	0.92 280	0.94 282	0.92 286	0.92 268	0.92 269	0.90 284	0.92 290	0.94 265	0.91 285

SMFormer	0.09 38	1.01 203	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

xxx	0.09 38	1.01 203	0.10 56	0.10 45	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

GLC_STEREO	1.07 280	1.01 203	1.06 279	1.07 258	1.05 307	1.06 289	1.08 297	1.08 282	1.05 304	1.07 289	1.06 302	1.08 293	1.05 290	1.06 293	1.10 298	1.07 278	1.09 282	1.05 299	1.05 297	1.06 271	1.12 301

1test111	0.37 154	1.02 206	0.30 155	0.39 149	0.29 176	0.40 182	0.28 162	0.39 169	0.29 171	0.39 171	0.29 175	0.39 178	0.28 173	0.40 184	0.29 169	0.33 159	0.32 173	0.33 164	0.31 196	0.32 144	0.31 182

cc1	0.37 154	1.02 206	0.30 155	0.39 149	0.29 176	0.40 182	0.28 162	0.39 169	0.29 171	0.39 171	0.29 175	0.39 178	0.28 173	0.40 184	0.29 169	0.33 159	0.32 173	0.33 164	0.31 196	0.32 144	0.31 182

xx1	0.38 160	1.03 208	0.31 161	0.40 161	0.31 189	0.41 197	0.28 162	0.40 173	0.29 171	0.40 175	0.29 175	0.40 184	0.29 177	0.40 184	0.29 169	0.34 162	0.33 176	0.34 171	0.32 200	0.34 152	0.32 186

dad	0.23 114	1.03 208	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 130	0.16 128	0.23 128	0.16 128	0.24 135	0.16 126	0.23 133	0.15 120	0.22 124	0.16 112	0.22 130	0.16 123	0.22 124	0.16 115

ttt	0.10 44	1.09 210	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.03 39	0.02 19

test_xeample	0.10 44	1.09 210	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 107	0.03 34	0.03 42	0.03 39	0.03 39

FC-DCNN	1.07 280	1.09 210	0.98 274	0.89 235	0.52 253	1.41 358	0.91 284	1.21 339	1.24 362	1.96 363	2.05 387	1.91 363	1.30 355	1.27 353	1.08 297	0.80 256	0.60 235	0.58 253	0.41 230	0.68 230	0.54 241

MSMD_ROB	1.19 286	1.10 213	0.70 248	1.10 260	0.60 260	1.10 295	0.70 269	1.10 284	0.70 272	1.10 291	0.70 278	1.10 297	0.70 266	7.00 408	0.70 275	1.10 281	0.70 252	1.10 300	0.70 276	1.10 273	0.70 264

1111x	0.10 44	1.14 214	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 74	0.03 34	0.02 20	0.03 39	0.02 19

LoS_RVC	0.30 131	1.14 214	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.26 146	0.26 161	0.26 148	0.25 153	0.26 143	0.26 142	0.25 140	0.25 157	0.26 133	0.26 148

x	0.11 59	1.15 216	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 110	0.03 34	0.03 42	0.03 39	0.03 39

xxxx	0.11 59	1.16 217	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 112	0.03 34	0.04 52	0.04 53	0.04 53

CAS	0.30 131	1.17 218	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.26 163	0.25 134	0.25 160	0.25 138	0.25 152	0.25 139	0.25 153	0.26 143	0.26 142	0.26 143	0.25 157	0.26 133	0.25 142

HSM-Net_RVC	0.95 271	1.17 218	0.78 258	1.18 274	0.71 280	1.16 302	0.75 274	1.09 283	0.80 284	1.10 291	0.75 285	1.17 304	0.74 270	1.17 303	0.80 281	1.13 287	0.73 255	1.17 307	0.77 281	1.16 278	0.72 267
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 273	1.18 220	0.81 263	1.10 260	0.91 297	1.02 288	0.82 280	1.04 281	0.91 289	1.03 288	0.86 291	1.28 354	0.82 277	1.03 291	0.89 285	1.17 289	0.81 264	1.02 298	0.82 287	1.08 272	0.81 278

psm_up	0.43 183	1.19 221	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 343	0.91 289	0.26 141	0.17 130	0.25 138	0.17 128	0.25 139	0.17 126	0.22 124	0.17 124	0.23 134	0.16 123	1.18 284	0.99 291

DisPM	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

CrosDoStereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

PFNet+	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

LCNet	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

HHNet	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

Patchmatch Stereo++	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310
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	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

STrans-v2	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

TransformOpticalFlow	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

OMP-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

IIG-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

NF-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

OCTAStereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

PSM-softLoss	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

KMStereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

NRIStereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

PSM-adaLoss	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

PSM-AAD	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

FTStereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

ROB_FTStereo_v2	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

ROB_FTStereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

Consistency-Raft	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

KYRaft	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

HUI-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

ASMatch	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

DeepStereo_LL	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

DEmStereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

SST-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

THIR-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

RAFT_R40	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

DRaft	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

PFNet	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

GrayStereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

RE-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

Pruner-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

TVStereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

DeepStereo_RVC	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

RAFT-RH_RVC	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

IRAFT_RVC	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

RAFT-345	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

iRAFT	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

CRE-IMP	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

GMM-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

RAFT-IKP	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

Prome-Stereo	1.20 287	1.20 222	1.20 292	1.20 276	1.20 318	1.20 303	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 311	1.20 309	1.20 287	1.20 310

UPFNet	0.42 182	1.20 222	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 291	0.90 288	0.25 134	0.17 130	0.24 135	0.17 128	0.25 139	0.17 126	0.22 124	0.17 124	0.22 130	0.16 123	1.15 276	0.93 287

delet	0.43 183	1.21 268	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 343	0.95 295	0.25 134	0.17 130	0.25 138	0.17 128	0.25 139	0.17 126	0.23 133	0.16 112	0.22 130	0.16 123	1.18 284	0.98 290

CroCo-Stereo	0.73 230	1.22 269	0.25 139	1.22 321	0.25 160	1.22 349	0.25 148	1.22 340	0.25 150	1.22 347	0.25 160	1.22 352	0.25 152	1.22 351	0.25 153	1.22 337	0.26 142	1.21 356	0.25 157	1.22 334	0.25 142
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
MMNet	0.44 186	1.24 270	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 343	0.93 294	0.25 134	0.17 130	0.25 138	0.18 133	0.25 139	0.17 126	0.23 133	0.16 112	0.23 134	0.16 123	1.20 287	0.99 291

CroCo-Stereo Lap2	0.77 234	1.29 271	0.29 150	1.27 324	0.29 176	1.27 352	0.26 154	1.26 343	0.26 163	1.26 348	0.26 165	1.27 353	0.26 161	1.26 352	0.27 159	1.27 339	0.27 147	1.27 359	0.27 169	1.27 336	0.27 153

CSP-Net	0.34 144	1.29 271	1.19 289	1.36 329	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 338	1.21 341	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 117	1.31 273	0.74 254	0.92 242	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	0.87 265	0.75 257	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 337	1.33 274	1.33 344	1.36 329	1.38 370	1.36 355	1.33 359	1.37 349	1.34 365	1.35 350	1.36 364	1.38 356	1.34 356	1.38 355	1.38 364	1.35 344	1.38 352	1.33 360	1.35 359	1.43 340	1.34 363

MaskLacGwcNet_RVC	1.35 336	1.35 275	1.35 347	1.35 328	1.35 367	1.35 354	1.35 361	1.36 348	1.35 367	1.36 351	1.35 363	1.36 355	1.36 357	1.36 354	1.35 362	1.35 344	1.35 349	1.35 361	1.35 359	1.35 338	1.35 364

PML	0.46 188	1.36 276	0.29 150	0.58 205	0.30 185	0.57 248	0.29 167	0.57 236	0.29 171	0.57 242	0.29 175	0.57 248	0.29 177	0.56 243	0.29 169	0.52 230	0.30 170	0.53 250	0.31 196	0.53 223	0.30 177

PS-NSSS	1.38 339	1.39 277	1.34 345	1.34 327	1.35 367	1.38 356	1.37 367	1.35 347	1.38 370	1.34 349	1.34 362	1.39 357	1.38 359	1.70 358	1.40 365	1.36 346	1.36 350	1.36 363	1.37 362	1.37 339	1.36 365

whm_eth	0.63 212	1.48 278	0.47 209	0.71 219	0.48 245	0.71 260	0.48 239	0.71 251	0.48 238	0.71 257	0.48 244	0.71 258	0.48 234	0.72 260	0.48 239	0.71 250	0.47 214	0.71 265	0.47 243	0.71 236	0.47 228

Gwc-CoAtRS	0.41 174	1.49 279	0.32 164	0.42 178	0.32 192	0.41 197	0.32 177	0.41 186	0.33 191	0.41 187	0.32 189	0.41 194	0.32 187	0.41 197	0.32 182	0.39 188	0.28 152	0.39 199	0.28 173	0.40 187	0.28 165

FENet	0.54 206	1.52 280	1.19 289	1.41 332	0.23 154	0.35 164	0.23 142	0.35 152	0.23 146	0.34 156	0.23 150	0.35 162	0.23 149	0.35 164	0.23 146	1.40 347	1.07 276	0.32 157	0.23 149	0.33 148	0.23 132

CFNet-ft	0.55 208	1.57 281	0.14 97	0.20 100	0.14 119	0.20 115	2.53 385	1.61 352	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	1.56 344	1.24 358

DPSMNet_ROB	1.60 343	1.59 282	1.70 363	1.59 334	1.59 375	1.61 360	1.61 372	1.60 351	1.60 374	1.62 359	1.59 373	1.60 360	1.60 364	1.60 357	1.59 370	1.59 352	1.60 359	1.59 368	1.59 372	1.59 345	1.59 372

STTRV1_RVC		1.60 283		1.01 255	0.60 260	1.07 292	0.69 268	1.01 280	0.60 256	0.72 258	0.55 258	1.02 291	0.68 263	1.03 291	0.67 264	0.89 266	0.63 240	0.92 287	0.57 256	0.90 258	0.65 257

RASNet	1.49 340	1.65 284	1.45 356	1.38 331	1.43 373	1.47 359	1.36 362	1.38 350	1.36 368	1.39 352	1.60 374	1.45 358	1.45 361	1.51 356	2.21 382	1.53 351	1.36 350	1.36 363	1.36 361	1.66 346	1.36 365

CRFU-Net	0.65 214	1.67 285	1.22 339	1.96 345	0.27 167	0.41 197	0.27 157	0.41 186	0.27 166	0.40 175	0.26 165	0.41 194	0.27 168	0.40 184	0.27 159	1.80 357	1.62 360	0.34 171	0.23 149	0.33 148	0.23 132

gwcnet-sp	0.82 249	1.72 286	1.48 357	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 356	0.23 150	0.28 148	0.26 161	0.20 115	0.15 120	0.24 138	1.33 346	0.32 157	0.16 123	6.75 396	0.23 132

scenet	0.82 249	1.72 286	1.48 357	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 356	0.23 150	0.28 148	0.26 161	0.20 115	0.15 120	0.24 138	1.33 346	0.32 157	0.16 123	6.75 396	0.23 132

ssnet	0.82 249	1.72 286	1.48 357	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 356	0.23 150	0.28 148	0.26 161	0.20 115	0.15 120	0.24 138	1.33 346	0.32 157	0.16 123	6.75 396	0.23 132

HBP-ISP	1.24 333	1.72 286	1.65 361	1.15 267	0.76 286	1.40 357	0.88 282	1.67 356	1.02 303	1.69 360	1.38 366	1.69 361	1.21 348	1.87 360	1.21 355	1.05 277	0.79 259	0.97 293	0.80 284	1.19 286	0.75 273

LL-Strereo2	0.48 198	1.73 290	0.51 222	0.59 207	0.34 207	0.42 213	0.33 184	0.40 173	0.31 184	0.42 198	0.33 192	0.42 210	0.31 186	0.44 211	0.39 212	0.60 237	0.51 226	0.44 226	0.33 205	0.44 203	0.33 190

test_xeample3	1.10 282	1.81 291	0.61 232	0.84 232	0.49 248	0.77 265	0.66 261	0.92 270	1.40 371	0.68 255	0.46 234	0.78 267	0.54 248	1.72 359	1.48 368	1.34 343	1.52 357	1.35 361	1.67 375	1.33 337	1.55 371

mmm	0.14 79	1.83 292	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 74	0.05 58	0.04 52	0.05 63	0.04 53

hknet	1.10 282	1.85 293	3.49 386	4.48 377	0.02 20	0.42 213	0.06 75	0.41 186	0.02 20	0.48 217	0.03 40	0.41 194	0.03 42	0.42 208	0.03 37	4.39 387	4.19 383	0.33 164	0.23 149	0.34 152	0.27 153

DCRE	0.84 254	1.89 294	0.77 257	0.94 244	0.72 282	0.88 274	0.73 272	0.87 263	0.78 280	0.90 274	0.71 280	0.88 276	0.67 262	0.88 275	0.73 276	0.81 259	0.68 247	0.81 278	0.70 276	0.82 253	0.70 264

BUS	0.83 252	1.91 295	0.92 269	4.48 377	0.02 20	0.40 182	0.04 54	0.41 186	0.02 20	0.48 217	0.03 40	0.41 194	0.05 64	0.03 33	0.05 59	1.97 363	4.19 383	0.33 164	0.23 149	0.34 152	0.27 153

BSDual-CNN	0.81 245	1.91 295	0.92 269	4.48 377	0.02 20	0.42 213	0.06 75	0.41 186	0.02 20	0.48 217	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 363	4.19 383	0.33 164	0.23 149	0.34 152	0.27 153

psmg	0.43 183	1.91 295	0.92 269	1.91 342	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 363	1.44 355	0.04 48	0.03 42	0.02 19	0.03 39

GANet-RSSM	0.75 232	1.91 295	0.14 97	0.47 187	0.14 119	0.21 123	3.21 393	2.30 371	0.14 118	0.46 208	0.14 120	0.23 131	0.18 133	0.21 125	0.14 112	0.18 115	0.27 147	0.37 188	0.13 118	2.13 356	2.12 381

MFMNet_re	1.81 350	1.91 295	1.71 364	1.95 344	1.70 378	1.95 366	1.70 375	1.96 359	1.74 377	1.97 364	1.72 377	1.95 364	1.71 367	1.97 363	1.71 376	1.86 358	1.62 360	1.85 369	1.66 374	1.86 349	1.64 373

SPS-STEREO	1.59 342	1.91 295	1.21 338	1.94 343	1.20 318	2.00 367	1.23 355	1.99 360	1.24 362	2.00 365	1.25 360	2.03 366	1.26 351	2.00 364	1.29 360	1.90 362	1.18 294	1.89 371	1.21 354	1.89 351	1.20 310
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 341	1.94 301	1.22 339	1.88 340	1.21 364	1.88 365	1.22 354	1.88 357	1.22 360	1.88 361	1.22 357	1.88 362	1.22 349	1.89 361	1.22 356	1.87 359	1.22 342	1.88 370	1.22 355	1.88 350	1.22 356
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ssnet_v2	0.68 221	1.96 302	1.25 343	0.29 127	0.20 143	0.30 151	0.20 129	0.29 142	0.22 141	1.50 354	0.20 141	0.31 156	0.20 140	0.27 150	0.22 141	0.24 138	1.49 356	0.26 143	0.18 138	3.90 374	0.19 125

qqq	0.16 95	2.01 303	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.03 37	0.12 73	0.14 107	0.04 48	0.04 52	0.03 39	0.03 39

ToySt	0.92 264	2.11 304	0.90 266	0.95 246	0.79 288	0.99 284	0.78 275	0.94 274	0.81 287	0.94 281	0.78 286	0.95 285	0.77 273	0.94 282	0.86 284	0.91 267	0.79 259	0.85 282	0.77 281	0.89 257	0.73 269

TRStereo	2.00 353	2.13 305	1.85 370	2.27 354	1.84 381	2.28 371	1.84 377	2.29 367	1.86 382	2.30 372	1.87 378	2.30 369	1.87 369	2.08 365	1.72 378	2.08 367	1.72 365	2.08 374	1.72 378	2.08 353	1.72 376

XX-Stereo	2.00 353	2.13 305	1.85 370	2.27 354	1.84 381	2.28 371	1.84 377	2.29 367	1.86 382	2.30 372	1.87 378	2.30 369	1.87 369	2.08 365	1.72 378	2.08 367	1.72 365	2.08 374	1.72 378	2.08 353	1.72 376

EAI-Stereo	2.00 353	2.13 305	1.85 370	2.27 354	1.84 381	2.28 371	1.84 377	2.29 367	1.86 382	2.30 372	1.87 378	2.30 369	1.87 369	2.08 365	1.72 378	2.08 367	1.72 365	2.08 374	1.72 378	2.08 353	1.72 376

11t1	0.17 98	2.16 308	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.05 59	0.18 115	0.12 85	0.06 65	0.03 42	0.05 63	0.03 39

cf-r	0.66 216	2.17 309	0.12 78	0.18 96	0.12 115	0.18 110	2.70 388	2.60 374	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	1.81 348	1.74 379

UDG	0.80 240	2.21 310	0.60 230	0.91 239	0.60 260	0.90 277	0.58 251	0.88 265	0.60 256	0.90 274	0.60 262	0.88 276	0.60 252	0.90 278	0.58 255	0.86 264	0.60 235	0.84 281	0.59 259	0.84 254	0.61 252

NCCL2	2.28 361	2.27 311	2.28 376	2.28 357	2.28 388	2.27 370	2.29 383	2.28 366	2.28 386	2.27 371	2.28 388	2.28 368	2.27 376	2.27 372	2.28 387	2.28 370	2.28 374	2.27 377	2.29 386	2.27 357	2.29 382

ccnet	0.80 240	2.28 312	0.33 168	0.50 198	0.33 201	0.50 237	0.33 184	0.50 225	0.33 191	0.49 222	0.33 192	0.49 228	1.56 363	2.38 374	0.33 185	0.41 198	0.29 161	0.42 223	1.57 371	2.28 358	0.29 169

GES	0.66 216	2.34 313	0.29 150	0.41 170	0.29 176	0.41 197	0.29 167	0.42 202	0.29 171	0.40 175	0.41 222	0.41 194	0.30 182	0.51 235	0.29 169	0.32 158	0.29 161	0.32 157	2.46 388	2.49 362	0.30 177

DDUNet	0.81 245	2.45 314	0.57 228	0.90 236	0.60 260	0.88 274	0.59 252	0.90 266	0.60 256	0.88 273	0.60 262	0.90 279	0.58 250	0.88 275	0.60 257	0.84 263	0.60 235	0.86 283	0.57 256	0.86 255	0.60 251

FBW_ROB	2.12 359	2.46 315	1.77 367	2.49 361	1.79 380	2.38 375	1.83 376	2.46 372	1.78 378	2.48 376	1.97 383	2.40 376	1.78 368	2.42 375	1.83 381	2.31 371	1.85 370	2.38 379	1.82 382	2.35 360	1.84 380

HH	0.71 226	2.54 316	0.74 254	1.10 260	0.32 192	0.41 197	0.37 203	0.69 249	0.78 280	0.73 260	0.90 292	0.75 264	1.00 284	0.84 271	0.69 272	0.69 244	0.40 192	0.35 181	0.26 163	0.35 163	0.26 148

HanStereo	0.71 226	2.54 316	0.74 254	1.10 260	0.32 192	0.41 197	0.37 203	0.69 249	0.78 280	0.73 260	0.90 292	0.75 264	1.00 284	0.84 271	0.69 272	0.69 244	0.40 192	0.35 181	0.26 163	0.35 163	0.26 148

sAnonymous2	3.31 385	2.63 318	1.38 353	3.71 375	1.86 384	4.70 398	1.11 298	4.82 399	2.72 389	5.45 401	1.98 385	4.59 397	2.64 378	2.65 377	6.21 404	4.37 385	1.08 280	5.16 400	2.24 384	4.52 383	2.39 387

CroCo_RVC	3.31 385	2.63 318	1.38 353	3.71 375	1.86 384	4.70 398	1.11 298	4.82 399	2.72 389	5.45 401	1.98 385	4.59 397	2.64 378	2.65 377	6.21 404	4.37 385	1.08 280	5.16 400	2.24 384	4.52 383	2.39 387

ff7	1.68 344	2.68 320	1.35 347	0.97 249	0.89 293	1.84 362	2.15 380	2.12 361	1.80 379	2.05 367	1.56 370	2.33 372	2.12 373	2.23 369	2.25 383	1.31 340	1.07 276	1.48 365	1.41 364	0.90 258	1.04 296

ffff	1.68 344	2.68 320	1.35 347	0.97 249	0.89 293	1.84 362	2.15 380	2.12 361	1.80 379	2.05 367	1.56 370	2.33 372	2.12 373	2.23 369	2.25 383	1.31 340	1.07 276	1.48 365	1.41 364	0.90 258	1.04 296

ccc-4	1.68 344	2.68 320	1.35 347	0.97 249	0.89 293	1.84 362	2.15 380	2.12 361	1.80 379	2.05 367	1.56 370	2.33 372	2.12 373	2.23 369	2.25 383	1.31 340	1.07 276	1.48 365	1.41 364	0.90 258	1.04 296

11t	1.27 335	2.70 323	1.34 345	1.32 326	0.89 293	1.30 353	1.34 360	1.64 353	0.57 254	1.45 353	0.72 282	1.05 292	1.29 354	1.07 294	1.29 360	1.49 348	1.02 275	0.97 293	1.15 302	1.48 341	1.31 361

Anonymous	2.11 358	2.74 324	1.41 355	2.77 365	1.40 372	2.74 380	1.46 371	2.75 376	1.50 373	2.87 382	1.39 367	2.74 380	1.46 362	2.72 379	1.41 367	2.72 375	1.41 353	2.81 382	1.41 364	3.16 370	1.39 368

sCroCo_RVC	2.10 357	2.76 325	1.92 374	2.78 366	1.39 371	2.73 379	1.41 369	2.73 375	1.40 371	2.77 381	1.41 369	2.74 380	1.40 360	2.74 380	1.40 365	2.72 375	1.42 354	2.72 381	1.44 368	2.79 367	1.42 369

PSMNet-RSSM	0.77 234	2.76 325	0.14 97	0.20 100	0.14 119	0.20 115	2.66 386	2.79 378	0.14 118	0.21 123	0.14 120	0.21 123	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 363	2.31 383

GwcNet-RSSM	0.77 234	2.77 327	0.14 97	0.20 100	0.14 119	0.20 115	2.67 387	2.78 377	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.21 125	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 363	2.31 383

hitnet-ft	0.79 238	2.78 328	0.14 97	0.20 100	0.14 119	0.21 123	2.89 389	2.80 379	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	2.54 365	2.33 385

PDISCO_ROB	0.83 252	2.80 329	3.49 386	0.14 74	0.11 103	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 105	0.14 117	3.30 385	0.13 109	0.14 90	2.34 375	0.16 106	0.12 110	2.62 366	0.10 83

iGMRVC	0.84 254	2.85 330	0.72 251	0.72 221	0.73 283	0.77 265	0.79 276	0.73 254	0.74 279	0.73 260	0.72 282	0.73 262	0.76 272	0.73 262	0.73 276	0.72 252	0.73 255	0.73 267	0.72 279	0.73 242	0.72 267

MC-Stereo	1.76 347	2.96 331	1.37 352	2.14 349	1.37 369	2.14 369	1.36 362	2.14 364	1.37 369	2.14 370	1.37 365	2.14 367	1.37 358	2.14 368	1.37 363	1.97 363	1.32 343	1.97 372	1.32 358	1.98 352	1.33 362

PASM	0.39 165	3.06 332	1.36 351	1.58 333	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

4D-IteraStereo	0.78 237	3.13 333	0.89 264	0.69 215	0.32 192	0.40 182	0.32 177	0.76 255	0.97 297	0.52 235	0.65 272	0.89 278	0.32 187	0.76 265	0.98 292	0.83 261	0.94 271	0.35 181	0.27 169	0.70 235	0.89 284

test croco	1.88 351	3.16 334	0.64 236	3.10 368	0.65 270	3.10 383	0.64 258	3.12 382	0.65 263	3.10 383	0.65 272	3.11 383	0.65 256	3.12 382	0.65 261	3.12 379	0.65 243	3.13 384	0.65 266	3.13 369	0.65 257

iRaftStereo_RVC	0.97 273	3.17 335	2.30 377	2.42 359	0.38 216	0.54 242	0.38 208	0.54 231	0.38 207	0.54 237	0.38 211	0.54 241	0.38 201	0.54 238	0.38 207	2.38 373	2.34 375	0.49 244	0.36 212	0.49 215	0.36 196

RCA-Stereo	0.51 204	3.22 336	0.34 175	0.44 179	0.34 207	0.44 218	0.34 193	0.43 204	0.34 198	0.43 203	0.34 198	0.44 213	0.33 191	0.43 209	0.33 185	0.38 182	0.29 161	0.38 195	0.29 182	0.38 178	0.29 169

Anonymous3	2.55 374	3.26 337	1.65 361	3.28 371	1.63 376	3.24 386	1.68 373	3.27 384	1.66 375	3.28 385	1.67 375	3.25 385	1.66 365	3.27 384	1.64 372	3.26 380	1.65 362	3.30 385	1.65 373	4.95 387	1.65 375

MIF-Stereo (partial)	2.58 375	3.31 338	0.66 242	3.18 369	0.66 275	3.18 384	0.66 261	3.21 383	0.67 266	3.19 384	0.66 274	3.19 384	0.66 258	3.31 386	0.68 268	5.09 390	1.79 368	8.23 409	1.67 375	6.18 394	1.38 367

MIF-Stereo	2.03 356	3.43 339	0.72 251	3.42 372	0.73 283	3.27 387	0.68 265	3.38 386	0.69 270	3.29 386	0.72 282	3.28 386	0.70 266	3.35 387	0.68 268	3.39 381	0.68 247	3.31 386	0.69 275	3.37 371	0.73 269

DPSNet	3.66 387	3.60 340	3.62 388	3.63 374	3.64 397	3.65 390	3.65 396	3.66 389	3.67 394	3.67 387	3.65 395	3.67 388	3.66 385	3.66 388	3.68 392	3.68 383	3.66 379	3.67 390	3.68 395	3.67 372	3.67 394

qqq1	0.25 117	3.70 341	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 341	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

RAFT_CTSACE	1.92 352	3.71 343	1.72 365	1.88 340	1.72 379	2.04 368	1.42 370	2.18 365	1.89 385	2.02 366	1.97 383	1.95 364	2.06 372	1.93 362	1.62 371	1.76 355	1.66 363	2.02 373	1.73 381	1.73 347	1.43 370

MyStereo07	0.60 211	3.72 344	0.48 214	0.49 192	0.41 227	0.36 167	0.32 177	0.49 218	0.43 227	0.51 232	0.42 228	0.49 228	0.43 221	0.51 235	0.64 260	0.49 224	0.45 206	0.34 171	0.32 200	0.35 163	0.43 220

MyStereo04	0.56 209	3.72 344	0.59 229	0.49 192	0.41 227	0.36 167	0.32 177	0.37 162	0.31 184	0.34 156	0.46 234	0.35 162	0.32 187	0.35 164	0.33 185	0.49 224	0.45 206	0.34 171	0.32 200	0.35 163	0.43 220

DualNet	0.25 117	3.83 346	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 346	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 346	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 346	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

NINENet	0.69 223	3.87 350	1.20 292	1.98 346	0.05 69	0.40 182	0.04 54	0.40 173	0.05 68	0.41 187	0.04 63	0.41 194	0.05 64	0.40 184	0.05 59	1.79 356	1.56 358	0.34 171	0.22 144	0.34 152	0.23 132

MyStereo8	0.71 226	3.92 351	0.52 224	0.59 207	0.52 253	0.57 248	0.53 247	0.59 240	0.50 243	0.59 245	0.51 253	0.57 248	0.50 242	0.56 243	0.52 246	0.54 232	0.49 220	0.54 251	0.49 248	0.55 226	0.50 237

MyStereo06	0.75 232	4.12 352	0.60 230	0.63 210	0.61 265	0.62 252	0.66 261	0.56 234	0.45 228	0.55 239	0.48 244	0.54 241	0.46 224	0.57 246	0.45 228	0.60 237	0.57 233	0.64 255	0.55 252	0.72 237	0.55 245

MyStereo05	0.80 240	4.12 352	0.63 234	0.63 210	0.61 265	0.62 252	0.66 261	0.65 246	0.62 260	0.67 253	0.61 264	0.65 254	0.58 250	0.67 255	0.55 251	0.60 237	0.57 233	0.64 255	0.55 252	0.72 237	0.55 245

test-3	0.98 275	4.13 354	1.85 370	1.85 339	0.61 265	0.69 257	0.37 203	0.63 245	0.61 259	0.66 252	0.51 253	0.73 262	0.44 222	0.57 246	0.54 248	1.68 354	1.81 369	0.40 203	0.43 236	0.66 228	0.50 237

IGEVStereo-DCA	1.77 348	4.21 355	1.84 368	2.49 361	2.11 386	2.54 377	1.36 362	1.65 354	1.17 311	2.75 379	1.90 381	2.54 378	1.15 295	0.94 282	1.11 299	1.50 349	1.32 343	0.96 291	1.46 369	1.49 342	0.88 282

rrr	1.77 348	4.21 355	1.84 368	2.49 361	2.11 386	2.54 377	1.36 362	1.65 354	1.17 311	2.75 379	1.90 381	2.54 378	1.15 295	0.94 282	1.11 299	1.50 349	1.32 343	0.96 291	1.46 369	1.49 342	0.88 282

GEStereo_RVC	0.86 259	4.45 357	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 137	0.18 131	5.03 399	0.20 141	0.27 147	0.19 137	0.27 150	0.21 139	0.20 118	0.19 127	0.19 121	4.02 400	0.20 117	0.18 124

error version	0.93 268	4.47 358	2.35 378	1.99 347	0.37 211	0.41 197	0.36 199	0.41 186	0.35 199	0.43 203	0.36 203	0.41 194	0.40 206	0.41 197	0.36 200	1.87 359	2.16 371	0.47 233	0.37 215	0.39 184	0.33 190

test_1	0.93 268	4.47 358	2.35 378	1.99 347	0.37 211	0.41 197	0.36 199	0.41 186	0.35 199	0.43 203	0.36 203	0.41 194	0.40 206	0.41 197	0.36 200	1.87 359	2.16 371	0.47 233	0.37 215	0.39 184	0.33 190

MyStereo02	0.85 257	4.58 360	0.64 236	0.76 224	0.65 270	0.75 262	0.61 253	0.60 241	0.53 248	0.80 267	0.64 268	0.78 267	0.66 258	0.55 240	0.57 252	0.70 247	0.66 245	0.68 259	0.62 263	0.72 237	0.59 249

MyStereo	0.85 257	4.58 360	0.64 236	0.76 224	0.65 270	0.75 262	0.61 253	0.60 241	0.53 248	0.80 267	0.64 268	0.78 267	0.66 258	0.55 240	0.57 252	0.70 247	0.66 245	0.68 259	0.62 263	0.72 237	0.59 249

TestStereo	4.88 398	4.75 362	4.79 390	4.87 381	4.92 405	4.81 401	4.90 404	4.78 398	4.77 404	4.87 397	4.89 404	4.90 400	4.91 396	4.99 399	4.79 402	4.98 389	4.87 387	4.87 399	4.92 404	5.00 388	5.00 403

DispFullNet	4.61 394	4.84 363	3.12 384	5.00 382	3.57 396	4.75 400	3.03 391	7.75 408	4.17 401	4.91 398	3.09 391	6.20 405	3.95 390	6.71 404	3.51 391	5.30 392	3.67 380	5.86 406	3.63 392	5.61 391	3.46 392

CFNet-RSSM	0.91 263	4.89 364	0.34 175	0.44 179	1.07 308	1.62 361	1.40 368	0.91 267	0.35 199	1.60 355	1.39 367	0.64 252	0.34 194	0.44 211	0.33 185	0.41 198	0.35 177	0.75 269	0.30 191	0.41 195	0.29 169

MyStereo03	0.84 254	4.93 365	0.68 247	0.90 236	0.74 285	0.56 244	0.46 228	0.55 232	0.52 247	0.74 264	0.56 259	0.56 246	0.46 224	0.81 269	0.54 248	0.59 235	0.52 227	0.75 269	0.68 272	0.68 230	0.65 257

StereoVision	3.15 383	5.00 366	0.89 264	4.83 380	1.00 303	3.93 391	1.27 358	6.37 402	1.34 365	5.67 403	1.26 361	5.84 404	1.27 352	5.03 400	1.24 357	5.10 391	1.09 282	4.61 397	0.57 256	5.62 392	1.12 301

LL-Strereo	1.01 279	5.06 367	1.63 360	0.70 217	1.43 373	0.56 244	0.46 228	0.57 236	0.50 243	0.57 242	0.50 250	1.58 359	0.49 239	0.59 248	0.50 243	1.64 353	0.52 227	0.51 248	1.37 362	0.52 221	0.45 222

CFNet	1.37 338	5.27 368	0.19 123	5.49 383	0.19 142	0.28 147	0.19 127	0.28 139	0.19 136	0.28 143	0.19 139	0.28 148	4.35 393	0.28 152	0.19 135	0.23 133	0.17 124	0.23 134	4.21 402	4.81 385	0.17 121

UDGNet	2.23 360	5.40 369	1.72 365	2.48 360	1.69 377	2.51 376	1.69 374	2.51 373	1.72 376	2.50 377	1.69 376	2.52 377	1.69 366	2.50 376	1.68 375	2.41 374	1.70 364	2.42 380	1.69 377	2.42 361	1.64 373

SGM-Forest	5.21 402	5.92 370	4.08 389	6.18 388	4.16 402	6.31 405	4.34 403	6.50 403	4.33 402	6.14 405	4.21 401	6.61 408	4.55 395	6.67 403	4.48 401	5.94 396	3.94 382	5.85 405	4.03 401	5.79 393	4.17 401
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
StereoIM	3.19 384	6.02 371	1.12 281	5.61 385	1.16 314	5.43 403	1.02 295	5.15 401	0.70 272	5.43 400	1.21 356	5.03 402	0.97 282	4.85 398	0.99 293	4.53 388	1.16 291	5.53 402	1.25 356	5.37 390	1.30 360

IER	0.88 260	7.04 372	2.23 375	2.75 364	0.28 170	0.43 217	0.25 148	0.39 169	0.25 150	0.41 187	0.27 168	0.39 178	0.25 152	0.40 184	0.28 163	0.37 175	0.28 152	0.37 188	0.25 157	0.37 171	0.25 142

HCRNet	1.22 332	7.11 373	3.00 383	3.55 373	0.33 201	0.29 150	0.14 113	0.19 111	0.15 126	0.33 154	0.29 175	0.25 138	0.14 117	0.22 129	0.33 185	3.64 382	3.00 378	0.76 272	0.32 200	0.18 114	0.13 112

SA	4.33 390	7.35 374	6.85 401	5.96 387	4.09 401	3.59 389	3.15 392	3.82 390	2.64 388	3.91 388	3.85 396	3.57 387	2.72 380	3.13 383	4.03 397	7.09 404	6.86 397	3.57 388	3.12 390	3.85 373	3.51 393

cross-raft	4.83 397	7.52 375	6.43 397	6.63 390	3.96 400	4.51 397	3.99 400	4.49 396	3.96 399	4.52 395	3.96 398	4.50 396	3.97 391	4.50 397	3.97 396	6.65 399	6.44 394	4.33 394	3.92 399	4.35 381	3.91 399

test_5	4.62 395	7.55 376	6.23 396	6.32 389	3.40 395	5.29 402	3.50 394	3.53 388	4.11 400	4.28 392	4.47 403	4.26 395	4.38 394	3.68 389	3.24 390	5.89 395	5.60 389	4.84 398	3.50 391	4.33 380	3.93 400

RAFT+CT+SA	4.28 389	7.62 377	4.91 391	5.55 384	2.28 388	3.09 382	3.64 395	4.49 396	3.07 392	4.80 396	3.35 392	4.77 399	3.70 386	4.29 395	3.05 389	5.58 393	5.98 392	3.58 389	3.78 397	4.26 379	3.72 395

raft_robust	4.71 396	7.75 378	5.40 395	6.81 391	3.31 394	4.28 396	4.20 402	4.32 395	4.37 403	4.35 394	4.35 402	4.14 393	3.75 387	4.30 396	4.20 400	6.67 400	6.37 393	3.36 387	4.24 403	4.86 386	3.25 391

test_4	4.88 398	8.13 379	6.98 402	7.46 395	4.44 403	4.25 395	3.85 399	4.04 394	3.92 398	4.13 391	3.91 397	4.18 394	3.84 388	4.14 393	4.06 398	7.01 403	7.13 398	4.53 395	3.72 396	4.09 377	3.72 395

Sa-1000	4.34 391	8.37 380	6.84 400	6.98 394	4.45 404	3.58 388	3.00 390	3.42 387	3.39 393	2.61 378	4.00 399	3.83 390	4.01 392	3.90 390	3.90 395	5.98 397	5.62 390	3.76 391	2.34 387	4.35 381	2.47 389

TestStereo1	4.60 392	8.41 381	6.44 398	6.86 392	3.79 398	3.97 392	3.78 397	3.99 392	3.74 395	3.97 389	3.52 393	3.94 391	3.58 383	3.98 391	3.72 393	6.82 401	6.50 395	3.76 391	3.66 393	3.90 374	3.74 397

SA-5K	4.60 392	8.41 381	6.44 398	6.86 392	3.79 398	3.97 392	3.78 397	3.99 392	3.74 395	3.97 389	3.52 393	3.94 391	3.58 383	3.98 391	3.72 393	6.82 401	6.50 395	3.76 391	3.66 393	3.90 374	3.74 397

CFNet_RVC	2.38 370	8.71 383	0.38 182	9.33 400	0.42 235	0.56 244	0.42 225	0.60 241	0.38 207	0.62 249	0.42 228	0.56 246	7.29 404	0.62 249	0.42 226	0.53 231	0.37 181	0.49 244	0.34 206	8.30 402	6.87 407

test_3	5.01 400	8.86 384	7.77 404	8.09 396	2.76 392	4.13 394	4.05 401	3.88 391	3.76 397	4.33 393	4.13 400	3.71 389	3.91 389	4.21 394	4.06 398	7.93 405	7.69 400	4.53 395	3.91 398	4.17 378	4.29 402

SGM+DAISY	7.06 405	9.15 385	5.38 394	8.84 399	5.18 406	8.80 409	5.31 405	8.79 409	5.28 406	8.89 409	5.20 405	8.93 409	5.33 397	8.95 409	5.36 403	8.70 407	5.21 388	8.74 410	5.20 405	8.89 404	5.15 404

test-1	6.46 403	9.16 386	8.03 407	8.09 396	5.62 407	6.11 404	6.35 406	6.85 405	4.94 405	6.08 404	6.29 408	4.98 401	6.43 400	6.22 401	6.36 406	6.16 398	7.47 399	5.82 404	5.44 406	7.11 399	5.68 405

RAFT	6.73 404	9.36 387	7.40 403	8.51 398	6.55 408	6.88 406	6.60 407	6.79 404	6.60 407	6.80 406	6.72 409	5.31 403	5.50 398	6.61 402	6.61 407	8.42 406	5.89 391	5.73 403	5.45 407	6.61 395	6.24 406

CFNet_pseudo	2.67 378	9.36 387	0.32 164	10.99 410	0.33 201	0.85 272	0.33 184	0.49 218	0.33 191	0.49 222	0.32 189	0.49 228	7.26 403	0.49 230	0.33 185	0.41 198	9.62 406	0.41 214	0.29 182	10.03 409	0.29 169

CFNet_ucs	2.73 379	9.64 389	0.33 168	9.92 406	0.32 192	0.49 231	0.33 184	0.49 218	0.33 191	0.49 222	0.33 192	0.49 228	8.98 407	0.48 224	0.33 185	0.41 198	9.96 409	0.40 203	0.29 182	10.12 410	0.54 241

PCWNet_CMD	2.80 382	9.82 390	0.32 164	10.09 408	0.32 192	0.49 231	0.33 184	3.34 385	0.33 191	0.49 222	0.33 192	0.49 228	8.73 405	0.48 224	0.33 185	0.41 198	9.22 403	0.42 223	0.29 182	9.55 407	0.31 182

pcwnet_v2	2.66 377	9.89 391	0.33 168	9.89 405	0.32 192	0.50 237	0.32 177	0.49 218	0.33 191	0.49 222	0.34 198	0.49 228	8.76 406	0.48 224	0.33 185	0.41 198	9.58 405	0.40 203	0.29 182	9.01 405	0.63 255

UCFNet_RVC	2.75 380	10.06 392	0.29 150	10.31 409	0.29 176	0.42 213	0.29 167	0.43 204	0.29 171	0.42 198	0.29 175	0.42 210	9.87 409	0.43 209	0.29 169	0.36 171	9.84 408	0.36 186	0.26 163	9.77 408	0.26 148

MSMDNet	2.65 376	10.14 393	0.33 168	9.74 403	0.32 192	0.87 273	0.33 184	2.95 381	0.68 267	0.49 222	0.34 198	0.49 228	5.70 399	0.49 230	0.33 185	0.42 211	9.57 404	0.41 214	0.31 196	8.36 403	0.65 257

ccs_rob	2.79 381	10.17 394	0.32 164	10.00 407	0.33 201	0.49 231	0.33 184	1.90 358	0.32 188	0.51 232	0.33 192	0.49 228	9.24 408	0.49 230	0.33 185	0.41 198	9.82 407	0.41 214	0.28 173	9.34 406	0.29 169

test-v	7.53 406	11.89 395	7.98 405	9.36 401	7.14 409	7.06 407	7.09 408	7.37 406	6.91 408	7.29 407	5.71 406	6.45 406	6.93 401	6.73 405	7.27 408	8.93 408	7.85 401	6.98 407	6.80 408	7.56 400	7.34 408

test-2	7.53 406	11.89 395	7.98 405	9.36 401	7.14 409	7.06 407	7.09 408	7.37 406	6.91 408	7.29 407	5.71 406	6.45 406	6.93 401	6.73 405	7.27 408	8.93 408	7.85 401	6.98 407	6.80 408	7.56 400	7.34 408

Anonymous Stereo	2.36 365	18.47 397	11.50 408	9.80 404	0.53 256	0.28 147	0.50 244	0.58 238	0.53 248	0.59 245	0.53 256	0.66 256	0.52 245	0.62 249	0.41 220	0.36 171	0.37 181	0.31 156	0.19 139	0.20 117	0.22 130

rafts_anoy	20.00 410	20.00 398	20.00 410	20.00 411	20.00 412	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 411	20.00 411	20.00 411	20.00 411

raft+_RVC	20.00 410	20.00 398	20.00 410	20.00 411	20.00 412	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 411	20.00 411	20.00 411	20.00 411

raftrobust	20.00 410	20.00 398	20.00 410	20.00 411	20.00 412	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 411	20.00 411	20.00 411	20.00 411

CasAABBNet	20.00 410	20.00 398	20.00 410	20.00 411	20.00 412	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 411	20.00 411	20.00 411	20.00 411

RALCasStereoNet	20.00 410	20.00 398	20.00 410	20.00 411	20.00 412	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 411	20.00 411	20.00 411	20.00 411

RALAANet	20.00 410	20.00 398	20.00 410	20.00 411	20.00 412	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 411	20.00 411	20.00 411	20.00 411

MANE	19.05 409	23.00 404	15.00 409	23.00 417	15.00 411	24.00 416	16.00 410	24.00 416	16.00 410	22.00 416	15.00 410	23.00 416	16.00 410	23.00 416	15.00 410	22.00 416	15.00 410	22.00 417	15.00 410	22.00 417	15.00 410

stereogan	2.33 363	24.38 405	1.18 288	1.18 274	1.18 317	1.14 300	1.18 306	1.19 291	1.19 313	1.14 298	1.18 310	1.14 302	1.18 300	1.14 301	1.18 308	1.14 288	1.14 289	1.19 310	1.19 306	1.15 276	1.19 309

Abc-Net	2.32 362	24.75 406	1.14 283	1.17 273	1.17 315	1.11 298	1.15 302	1.17 288	1.21 359	1.08 290	1.16 306	1.12 301	1.14 294	1.09 295	1.17 307	1.09 279	1.16 291	1.17 307	1.17 305	1.16 278	1.11 299
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 363	25.00 407	1.13 282	1.15 267	1.15 310	1.10 295	1.15 302	1.15 285	1.15 306	1.12 296	1.15 303	1.09 295	1.13 292	1.10 297	1.15 303	1.11 286	1.09 282	1.16 303	1.12 300	1.16 278	1.17 307

RGC	2.36 365	25.48 408	1.19 289	1.15 267	1.15 310	1.10 295	1.16 304	1.17 288	1.16 307	1.12 296	1.16 306	1.11 300	1.13 292	1.09 295	1.18 308	1.10 281	1.15 290	1.16 303	1.12 300	1.14 275	1.12 301

NCC-stereo	2.36 365	25.52 409	1.17 286	1.15 267	1.17 315	1.11 298	1.11 298	1.15 285	1.16 307	1.10 291	1.16 306	1.10 297	1.15 295	1.14 301	1.13 301	1.09 279	1.11 286	1.15 302	1.16 304	1.17 283	1.17 307

AF-Net	2.37 368	25.71 410	1.17 286	1.13 264	1.15 310	1.15 301	1.18 306	1.19 291	1.16 307	1.10 291	1.15 303	1.10 297	1.18 300	1.12 300	1.15 303	1.10 281	1.10 285	1.17 307	1.15 302	1.16 278	1.12 301

Nwc_Net	2.37 368	25.95 411	1.15 285	1.14 265	1.15 310	1.08 293	1.14 301	1.17 288	1.16 307	1.14 298	1.15 303	1.08 293	1.15 295	1.11 299	1.14 302	1.10 281	1.11 286	1.16 303	1.09 299	1.16 278	1.15 306

FAT-Stereo	2.46 372	26.05 412	1.23 341	1.23 323	1.22 365	1.20 303	1.24 356	1.23 342	1.23 361	1.19 300	1.22 357	1.21 351	1.24 350	1.20 305	1.24 357	1.21 336	1.17 293	1.22 357	1.25 356	1.20 287	1.24 358

S-Stereo	2.51 373	26.86 413	1.23 341	1.22 321	1.22 365	1.24 351	1.25 357	1.22 340	1.24 362	1.21 346	1.24 359	1.19 305	1.27 352	1.19 304	1.24 357	1.19 290	1.20 295	1.25 358	1.19 306	1.24 335	1.23 357

edge stereo	2.43 371	27.07 414	1.14 283	1.06 257	1.14 309	1.08 293	1.17 305	1.16 287	1.14 305	1.10 291	1.16 306	1.09 295	1.16 299	1.10 297	1.16 306	1.10 281	1.11 286	1.16 303	1.19 306	1.13 274	1.11 299

fff	1000028.16 432	29.62 415	29.72 417	32.61 418	30.02 419	35.13 419	31.83 419	32.07 418	10000000.00 433	35.27 420	29.82 419	32.45 418	30.15 418	32.35 418	30.09 418	31.04 418	29.55 419	30.64 419	30.14 418	10000000.00 434	30.77 419

csc	1000028.16 432	29.62 415	29.72 417	32.61 418	30.02 419	35.13 419	31.83 419	32.07 418	10000000.00 433	35.27 420	29.82 419	32.45 418	30.15 418	32.35 418	30.09 418	31.04 418	29.55 419	30.64 419	30.14 418	10000000.00 434	30.77 419

cscssc	1000028.16 432	29.62 415	29.72 417	32.61 418	30.02 419	35.13 419	31.83 419	32.07 418	10000000.00 433	35.27 420	29.82 419	32.45 418	30.15 418	32.35 418	30.09 418	31.04 418	29.55 419	30.64 419	30.14 418	10000000.00 434	30.77 419

STTStereo	3.73 388	30.40 418	2.37 380	2.39 358	2.31 390	2.35 374	2.33 384	2.29 367	2.42 387	2.32 375	2.34 389	2.33 372	2.36 377	2.30 373	2.27 386	2.35 372	2.22 373	2.31 378	2.22 383	2.29 359	2.34 386

111	30.40 416	30.94 419	29.72 417	32.61 418	30.02 419	33.57 417	30.47 418	31.50 417	29.39 418	30.98 417	29.11 418	29.78 417	30.39 421	29.45 417	30.76 421	30.08 417	29.02 418	29.92 418	30.32 421	29.86 418	30.17 418

DCANet-4	35.22 418	34.54 420	35.08 423	33.58 422	35.47 426	34.55 418	35.53 425	36.08 423	35.85 422	35.92 423	35.77 424	35.18 423	35.48 423	35.39 423	37.15 424	34.55 423	33.92 422	35.02 425	34.90 423	35.79 422	34.74 425

tt	500032.53 430	34.60 421	29.72 417	37.47 424	34.41 424	36.85 423	35.22 423	34.71 421	33.55 420	34.50 418	35.43 422	33.81 421	10000000.00 434	33.57 421	33.13 422	33.68 421	35.00 423	34.03 423	35.26 424	30.96 419	34.63 423

DCANet	500032.53 430	34.60 421	29.72 417	37.47 424	34.41 424	36.85 423	35.22 423	34.71 421	33.55 420	34.50 418	35.43 422	33.81 421	10000000.00 434	33.57 421	33.13 422	33.68 421	35.00 423	34.03 423	35.26 424	30.96 419	34.63 423

WCMA_ROB	31.10 417	35.43 423	27.12 416	39.51 426	23.10 418	38.78 425	25.30 417	37.49 425	25.39 417	37.29 424	27.02 417	38.52 425	26.48 417	37.80 424	26.44 417	36.28 424	22.65 417	33.90 422	22.30 417	37.10 423	24.18 417

ADStereo(finetuned)	36.13 419	36.63 424	38.07 424	36.97 423	33.25 423	35.91 422	34.45 422	36.36 424	32.99 419	38.14 425	36.71 425	36.69 424	34.13 422	38.57 425	40.79 425	37.60 425	36.58 425	35.90 426	33.36 422	35.42 421	34.04 422

NLCA_NET_v2_RVC	5.04 401	50.87 425	2.78 382	2.87 367	2.71 391	2.78 381	0.47 234	2.88 380	2.86 391	1.89 362	2.67 390	2.79 382	2.79 381	2.78 381	2.83 388	2.82 377	2.82 377	2.83 383	2.77 389	2.83 368	2.76 390
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 420	87.70 426	41.95 425	113.75 429	65.62 429	75.05 426	55.25 427	75.64 427	45.04 423	71.61 426	41.75 426	72.81 426	44.06 424	68.38 426	44.63 426	101.89 428	59.57 428	107.10 429	61.05 428	104.38 426	59.38 428

AE-Stereo	201.80 424	123.00 427	115.00 427	219.00 431	218.00 432	223.00 430	244.00 431	217.00 430	236.00 428	202.00 430	203.00 430	205.00 430	208.00 428	225.00 430	204.00 430	210.00 430	198.00 430	197.00 431	184.00 430	204.00 428	201.00 430

EGLCR-Stereo	246.90 425	129.00 428	139.00 429	266.00 432	286.00 433	277.00 431	305.00 432	271.00 431	242.00 429	274.00 431	279.00 432	255.00 431	270.00 430	268.00 431	297.00 432	230.00 431	247.00 432	216.00 432	223.00 432	237.00 429	227.00 432

NOSS_ROB	102.95 421	153.00 429	121.00 428	51.00 427	44.00 427	165.00 429	127.00 428	153.00 428	119.00 425	164.00 429	125.00 428	168.00 429	120.00 426	153.00 428	117.00 428	49.00 426	44.00 426	49.00 427	44.00 426	49.00 424	44.00 426

MeshStereo	159.24 423	171.00 430	160.68 430	162.58 430	160.59 430	164.01 428	160.35 429	158.51 429	158.56 426	158.34 428	160.12 429	158.56 428	159.92 427	157.26 429	158.94 429	154.38 429	158.36 429	155.75 430	159.13 429	153.67 427	154.07 429
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
PA-Net	11.80 408	223.51 431	0.62 233	0.59 207	0.71 280	0.59 250	0.73 272	0.67 248	0.73 277	0.55 239	0.61 264	0.60 251	0.74 270	0.63 251	0.73 276	0.66 241	0.60 235	0.69 262	0.66 268	0.72 237	0.65 257
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 426	354.61 432	207.27 431	363.24 433	206.46 431	364.72 432	210.41 430	364.72 432	210.41 427	364.81 432	208.64 431	364.81 432	208.64 429	364.72 432	210.41 431	354.70 432	205.53 431	354.70 433	205.53 431	354.70 430	205.53 431

LE_ROB	396.57 427	471.28 433	329.84 432	471.48 434	308.15 434	526.83 433	322.10 433	488.15 433	323.76 430	495.46 433	317.97 433	497.17 433	320.10 431	481.62 433	326.76 433	462.71 433	298.97 433	466.16 434	285.98 433	447.62 431	289.21 433

SGM-ForestM	596.69 428	677.77 434	444.52 433	699.85 435	517.25 435	732.94 434	488.29 434	770.79 434	460.11 431	750.81 434	487.98 434	792.79 434	499.41 432	730.90 434	475.81 434	720.03 434	491.16 434	663.96 435	418.60 434	674.76 432	436.05 434

CBMV_ROB	818.48 429	913.88 435	709.52 434	862.84 436	597.78 436	1073.99 435	700.52 435	1015.66 435	702.59 432	1115.65 435	760.02 435	1130.24 435	721.57 433	1037.41 435	692.65 435	814.05 435	564.29 435	843.28 436	595.31 435	915.51 433	602.92 435

CBMV	128.50 422	1422.70 436	53.10 426	79.50 428	51.30 428	77.30 427	49.70 426	74.00 426	48.20 424	77.20 427	48.80 427	73.90 427	48.00 425	73.80 427	48.80 427	70.40 427	45.10 427	68.90 428	46.10 427	68.20 425	45.00 427
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SDNR	10000000.00 435	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 434	10000000.00 436

anonymousdsp2	10000000.00 435	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 434	10000000.00 436

anonymousdsp	10000000.00 435	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 434	10000000.00 436

test_example2	10000000.00 435	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 434	10000000.00 436

DIP-Stereo	10000000.00 435	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 434	10000000.00 436
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