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

EGLCR-Stereo	0.08 2	0.05 6	0.08 11	0.14 13	0.06 2	0.10 57	0.12 21	0.11 2	0.16 88	0.06 1	0.05 1	0.07 18	0.05 2	0.10 18	0.11 86	0.06 55	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

MyStereo07	0.10 51	0.07 70	0.10 45	0.17 115	0.09 132	0.14 155	0.18 232	0.15 27	0.15 70	0.09 16	0.06 2	0.06 3	0.07 32	0.12 101	0.09 19	0.06 55	0.05 107	0.08 164	0.07 162	0.06 102	0.06 99

ff7	0.09 12	0.07 70	0.11 71	0.16 68	0.09 132	0.11 83	0.15 116	0.16 43	0.12 26	0.10 41	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 99

IGEVStereo-DCA	0.09 12	0.06 19	0.11 71	0.15 38	0.10 217	0.11 83	0.15 116	0.16 43	0.12 26	0.10 41	0.06 2	0.08 26	0.06 6	0.10 18	0.08 11	0.06 55	0.05 107	0.06 32	0.05 32	0.05 40	0.06 99

ffff	0.09 12	0.07 70	0.11 71	0.16 68	0.09 132	0.11 83	0.15 116	0.16 43	0.12 26	0.10 41	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 99

rrr	0.09 12	0.06 19	0.12 91	0.15 38	0.10 217	0.11 83	0.16 171	0.16 43	0.15 70	0.10 41	0.06 2	0.08 26	0.06 6	0.10 18	0.08 11	0.06 55	0.05 107	0.06 32	0.05 32	0.05 40	0.06 99

11t	0.09 12	0.07 70	0.11 71	0.16 68	0.09 132	0.11 83	0.15 116	0.16 43	0.12 26	0.10 41	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 99

IGEV_Zeroshot_test	0.09 12	0.05 6	0.12 91	0.13 6	0.08 48	0.12 105	0.13 43	0.17 73	0.11 18	0.10 41	0.06 2	0.09 38	0.06 6	0.11 45	0.09 19	0.06 55	0.04 2	0.06 32	0.06 87	0.05 40	0.05 52

anonymousdsp	0.09 12	0.07 70	0.11 71	0.16 68	0.09 132	0.11 83	0.15 116	0.16 43	0.12 26	0.09 16	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 99

ProNet	0.09 12	0.07 70	0.10 45	0.17 115	0.08 48	0.10 57	0.15 116	0.15 27	0.12 26	0.09 16	0.06 2	0.07 18	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.06 99

ccc-4	0.09 12	0.07 70	0.11 71	0.16 68	0.09 132	0.11 83	0.15 116	0.16 43	0.12 26	0.10 41	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 99

IGEV-Stereo	0.09 12	0.07 70	0.11 71	0.16 68	0.09 132	0.11 83	0.15 116	0.16 43	0.12 26	0.09 16	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 99
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test_xeample3	0.09 12	0.06 19	0.12 91	0.16 68	0.09 132	0.11 83	0.15 116	0.16 43	0.13 42	0.10 41	0.06 2	0.08 26	0.06 6	0.10 18	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 99

Selective-IGEV	0.07 1	0.06 19	0.08 11	0.17 115	0.06 2	0.08 23	0.12 21	0.13 10	0.07 1	0.08 5	0.07 14	0.06 3	0.04 1	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.03 1

CroCo-Stereo	0.09 12	0.08 141	0.08 11	0.22 307	0.09 132	0.09 35	0.19 263	0.15 27	0.12 26	0.07 2	0.07 14	0.08 26	0.06 6	0.08 6	0.07 1	0.07 142	0.05 107	0.06 32	0.04 8	0.05 40	0.04 7
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
test-1	0.10 51	0.07 70	0.16 222	0.19 228	0.08 48	0.11 83	0.24 322	0.14 16	0.18 117	0.09 16	0.07 14	0.09 38	0.08 50	0.07 1	0.09 19	0.06 55	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

IGEV+	0.08 2	0.06 19	0.08 11	0.18 182	0.07 18	0.09 35	0.13 43	0.10 1	0.09 2	0.08 5	0.08 17	0.06 3	0.06 6	0.13 133	0.09 19	0.05 2	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

MyStereo06	0.10 51	0.07 70	0.12 91	0.17 115	0.09 132	0.13 130	0.18 232	0.19 117	0.12 26	0.12 84	0.08 17	0.07 18	0.07 32	0.11 45	0.09 19	0.06 55	0.05 107	0.07 99	0.07 162	0.06 102	0.06 99

tt1	0.10 51	0.08 141	0.12 91	0.17 115	0.09 132	0.12 105	0.16 171	0.15 27	0.19 129	0.09 16	0.08 17	0.06 3	0.06 6	0.10 18	0.07 1	0.06 55	0.04 2	0.06 32	0.05 32	0.06 102	0.06 99

EKT-Stereo	0.11 81	0.07 70	0.14 155	0.15 38	0.10 217	0.13 130	0.14 70	0.18 97	0.21 163	0.11 60	0.08 17	0.12 90	0.09 68	0.11 45	0.12 128	0.08 191	0.06 190	0.07 99	0.06 87	0.08 200	0.07 159

iRaft-Stereo_20w	0.09 12	0.05 6	0.13 129	0.14 13	0.08 48	0.12 105	0.15 116	0.18 97	0.10 8	0.11 60	0.08 17	0.08 26	0.05 2	0.10 18	0.09 19	0.06 55	0.04 2	0.06 32	0.05 32	0.06 102	0.05 52

test-3	0.08 2	0.06 19	0.09 29	0.17 115	0.07 18	0.07 16	0.14 70	0.12 5	0.15 70	0.09 16	0.08 17	0.07 18	0.08 50	0.11 45	0.10 50	0.05 2	0.04 2	0.07 99	0.05 32	0.04 1	0.04 7

test_1	0.08 2	0.06 19	0.09 29	0.17 115	0.07 18	0.07 16	0.14 70	0.12 5	0.15 70	0.09 16	0.08 17	0.07 18	0.08 50	0.11 45	0.10 50	0.05 2	0.04 2	0.07 99	0.05 32	0.04 1	0.04 7

Former-RAFT_DAM_RVC	0.10 51	0.08 141	0.12 91	0.16 68	0.08 48	0.15 177	0.16 171	0.18 97	0.18 117	0.10 41	0.09 24	0.09 38	0.08 50	0.11 45	0.12 128	0.07 142	0.05 107	0.08 164	0.06 87	0.07 157	0.06 99

ACVNet-DCA	0.10 51	0.08 141	0.12 91	0.17 115	0.09 132	0.13 130	0.15 116	0.23 174	0.16 88	0.09 16	0.09 24	0.06 3	0.06 6	0.10 18	0.07 1	0.06 55	0.04 2	0.06 32	0.05 32	0.07 157	0.07 159

xx1	0.11 81	0.08 141	0.12 91	0.17 115	0.09 132	0.13 130	0.15 116	0.16 43	0.18 117	0.09 16	0.09 24	0.16 163	0.16 227	0.10 18	0.07 1	0.06 55	0.04 2	0.08 164	0.08 213	0.07 157	0.07 159

1test111	0.11 81	0.08 141	0.12 91	0.17 115	0.09 132	0.13 130	0.15 116	0.23 174	0.16 88	0.09 16	0.09 24	0.06 3	0.06 6	0.15 167	0.16 223	0.06 55	0.04 2	0.06 32	0.05 32	0.07 157	0.07 159

cc1	0.10 51	0.08 141	0.12 91	0.17 115	0.09 132	0.13 130	0.15 116	0.16 43	0.18 117	0.09 16	0.09 24	0.06 3	0.06 6	0.10 18	0.07 1	0.06 55	0.04 2	0.06 32	0.05 32	0.06 102	0.06 99

MSKI-zero shot	0.09 12	0.05 6	0.09 29	0.15 38	0.07 18	0.10 57	0.13 43	0.14 16	0.13 42	0.09 16	0.09 24	0.09 38	0.06 6	0.12 101	0.10 50	0.06 55	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

AEACV	0.08 2	0.05 6	0.08 11	0.14 13	0.13 302	0.14 155	0.13 43	0.14 16	0.09 2	0.07 2	0.09 24	0.07 18	0.08 50	0.10 18	0.09 19	0.06 55	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

HH	0.09 12	0.06 19	0.13 129	0.17 115	0.08 48	0.10 57	0.16 171	0.14 16	0.10 8	0.08 5	0.09 24	0.08 26	0.07 32	0.10 18	0.09 19	0.06 55	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

HanStereo	0.09 12	0.06 19	0.13 129	0.17 115	0.08 48	0.10 57	0.16 171	0.14 16	0.10 8	0.08 5	0.09 24	0.08 26	0.07 32	0.10 18	0.09 19	0.06 55	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

LoS_RVC	0.08 2	0.05 6	0.07 2	0.15 38	0.07 18	0.08 23	0.15 116	0.11 2	0.10 8	0.08 5	0.09 24	0.06 3	0.09 68	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.03 1	0.04 1	0.03 1

LoS	0.09 12	0.05 6	0.11 71	0.13 6	0.07 18	0.14 155	0.11 11	0.15 27	0.15 70	0.09 16	0.09 24	0.12 90	0.09 68	0.15 167	0.10 50	0.07 142	0.05 107	0.05 2	0.03 1	0.05 40	0.05 52

CES	0.08 2	0.04 1	0.08 11	0.14 13	0.07 18	0.09 35	0.14 70	0.11 2	0.09 2	0.08 5	0.09 24	0.11 75	0.06 6	0.12 101	0.08 11	0.06 55	0.04 2	0.05 2	0.03 1	0.05 40	0.05 52

TRStereo	0.09 12	0.05 6	0.12 91	0.15 38	0.12 285	0.10 57	0.13 43	0.18 97	0.18 117	0.09 16	0.09 24	0.09 38	0.06 6	0.10 18	0.08 11	0.07 142	0.05 107	0.07 99	0.07 162	0.04 1	0.04 7

raftrobust	0.09 12	0.06 19	0.10 45	0.17 115	0.08 48	0.09 35	0.10 6	0.18 97	0.16 88	0.10 41	0.09 24	0.12 90	0.07 32	0.12 101	0.10 50	0.08 191	0.05 107	0.06 32	0.05 32	0.05 40	0.05 52

EAI-Stereo	0.09 12	0.07 70	0.11 71	0.15 38	0.06 2	0.10 57	0.15 116	0.16 43	0.09 2	0.08 5	0.09 24	0.08 26	0.07 32	0.09 10	0.11 86	0.05 2	0.04 2	0.05 2	0.05 32	0.05 40	0.04 7

DLNR_Zeroshot_test	10.40 425	1.82 420	19.49 435	120.77 441	13.11 431	0.06 2	0.13 43	0.23 174	0.10 8	0.07 2	0.10 39	0.09 38	0.06 6	0.10 18	0.09 19	0.13 333	0.04 2	0.06 32	0.04 8	51.54 440	0.04 7

CASnet	0.09 12	0.09 191	0.09 29	0.19 228	0.06 2	0.07 16	0.11 11	0.18 97	0.14 59	0.11 60	0.10 39	0.09 38	0.07 32	0.10 18	0.10 50	0.06 55	0.04 2	0.10 269	0.08 213	0.05 40	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.09 12	0.06 19	0.10 45	0.15 38	0.07 18	0.11 83	0.15 116	0.16 43	0.13 42	0.09 16	0.10 39	0.10 59	0.09 68	0.12 101	0.09 19	0.06 55	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

LL-Strereo2	0.10 51	0.10 239	0.15 192	0.18 182	0.08 48	0.15 177	0.09 3	0.17 73	0.14 59	0.14 125	0.10 39	0.09 38	0.07 32	0.16 199	0.10 50	0.05 2	0.05 107	0.10 269	0.07 162	0.06 102	0.05 52

CAS	0.08 2	0.04 1	0.07 2	0.17 115	0.08 48	0.10 57	0.13 43	0.12 5	0.09 2	0.09 16	0.10 39	0.08 26	0.06 6	0.09 10	0.08 11	0.08 191	0.04 2	0.05 2	0.03 1	0.05 40	0.04 7

Selective-RAFT	0.11 81	0.10 239	0.11 71	0.21 293	0.08 48	0.16 201	0.13 43	0.20 124	0.22 174	0.10 41	0.10 39	0.11 75	0.10 89	0.15 167	0.11 86	0.05 2	0.05 107	0.06 32	0.05 32	0.06 102	0.05 52

RCA-Stereo	0.09 12	0.06 19	0.09 29	0.16 68	0.06 2	0.09 35	0.13 43	0.18 97	0.14 59	0.09 16	0.10 39	0.08 26	0.07 32	0.12 101	0.11 86	0.06 55	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

CroCo-Stereo Lap2	0.09 12	0.09 191	0.08 11	0.22 307	0.09 132	0.09 35	0.19 263	0.16 43	0.12 26	0.09 16	0.10 39	0.05 1	0.05 2	0.08 6	0.08 11	0.06 55	0.06 190	0.07 99	0.05 32	0.05 40	0.05 52

IPLGR_C	0.11 81	0.08 141	0.14 155	0.17 115	0.08 48	0.12 105	0.15 116	0.17 73	0.15 70	0.14 125	0.10 39	0.16 163	0.09 68	0.16 199	0.11 86	0.07 142	0.05 107	0.06 32	0.05 32	0.05 40	0.06 99

MIPNet	0.11 81	0.08 141	0.14 155	0.17 115	0.09 132	0.12 105	0.14 70	0.20 124	0.24 193	0.11 60	0.10 39	0.09 38	0.07 32	0.13 133	0.12 128	0.06 55	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

ACRE	0.11 81	0.08 141	0.14 155	0.17 115	0.08 48	0.12 105	0.15 116	0.17 73	0.14 59	0.14 125	0.10 39	0.16 163	0.09 68	0.16 199	0.11 86	0.07 142	0.05 107	0.06 32	0.05 32	0.05 40	0.06 99

test_3	0.10 51	0.09 191	0.10 45	0.20 269	0.08 48	0.13 130	0.26 342	0.14 16	0.21 163	0.10 41	0.10 39	0.09 38	0.09 68	0.08 6	0.11 86	0.05 2	0.04 2	0.08 164	0.07 162	0.04 1	0.04 7

RAFT-Stereo + iAFF	0.09 12	0.06 19	0.10 45	0.17 115	0.06 2	0.10 57	0.16 171	0.17 73	0.14 59	0.09 16	0.10 39	0.08 26	0.09 68	0.11 45	0.09 19	0.05 2	0.04 2	0.06 32	0.06 87	0.04 1	0.03 1

RAFT + AFF	0.13 158	0.07 70	0.20 282	0.20 269	0.10 217	0.14 155	0.24 322	0.26 217	0.20 150	0.11 60	0.10 39	0.12 90	0.10 89	0.15 167	0.12 128	0.07 142	0.06 190	0.09 228	0.08 213	0.06 102	0.08 219

Gwc-CoAtRS	0.09 12	0.06 19	0.10 45	0.16 68	0.07 18	0.10 57	0.14 70	0.17 73	0.17 100	0.08 5	0.10 39	0.12 90	0.09 68	0.12 101	0.09 19	0.06 55	0.04 2	0.06 32	0.04 8	0.04 1	0.04 7

StereoIM	0.09 12	0.09 191	0.08 11	0.17 115	0.09 132	0.13 130	0.10 6	0.16 43	0.16 88	0.09 16	0.11 54	0.06 3	0.06 6	0.09 10	0.13 158	0.07 142	0.06 190	0.07 99	0.05 32	0.05 40	0.04 7

4D-IteraStereo	0.09 12	0.07 70	0.10 45	0.18 182	0.07 18	0.09 35	0.15 116	0.17 73	0.15 70	0.10 41	0.11 54	0.10 59	0.07 32	0.11 45	0.09 19	0.05 2	0.03 1	0.08 164	0.07 162	0.06 102	0.05 52

CIPLG	0.11 81	0.08 141	0.14 155	0.17 115	0.08 48	0.12 105	0.15 116	0.17 73	0.15 70	0.14 125	0.11 54	0.16 163	0.09 68	0.16 199	0.11 86	0.07 142	0.05 107	0.06 32	0.05 32	0.05 40	0.06 99

AnonymousM	0.09 12	0.05 6	0.10 45	0.14 13	0.06 2	0.09 35	0.13 43	0.19 117	0.14 59	0.13 105	0.11 54	0.09 38	0.08 50	0.13 133	0.10 50	0.08 191	0.05 107	0.08 164	0.05 32	0.05 40	0.05 52

cross-raft	0.10 51	0.09 191	0.09 29	0.19 228	0.07 18	0.11 83	0.25 336	0.13 10	0.15 70	0.08 5	0.11 54	0.12 90	0.10 89	0.09 10	0.11 86	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

s12784h	0.09 12	0.06 19	0.07 2	0.15 38	0.05 1	0.16 201	0.18 232	0.15 27	0.15 70	0.10 41	0.11 54	0.11 75	0.11 110	0.10 18	0.12 128	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

sAnonymous2	0.13 158	0.12 273	0.24 304	0.20 269	0.12 285	0.17 220	0.13 43	0.26 217	0.21 163	0.11 60	0.11 54	0.13 113	0.08 50	0.10 18	0.10 50	0.09 236	0.05 107	0.08 164	0.06 87	0.15 344	0.10 271

CroCo_RVC	0.13 158	0.12 273	0.24 304	0.20 269	0.12 285	0.17 220	0.13 43	0.26 217	0.21 163	0.11 60	0.11 54	0.13 113	0.08 50	0.10 18	0.10 50	0.09 236	0.05 107	0.08 164	0.06 87	0.15 344	0.10 271

MIF-Stereo	0.09 12	0.07 70	0.08 11	0.18 182	0.08 48	0.13 130	0.11 11	0.12 5	0.11 18	0.10 41	0.12 62	0.05 1	0.07 32	0.09 10	0.09 19	0.07 142	0.05 107	0.05 2	0.05 32	0.05 40	0.05 52

Any-RAFT	0.10 51	0.05 6	0.09 29	0.14 13	0.07 18	0.13 130	0.14 70	0.21 141	0.15 70	0.11 60	0.12 62	0.12 90	0.09 68	0.12 101	0.09 19	0.07 142	0.04 2	0.05 2	0.04 8	0.06 102	0.05 52

MC-Stereo	0.08 2	0.06 19	0.09 29	0.17 115	0.06 2	0.10 57	0.14 70	0.12 5	0.10 8	0.09 16	0.12 62	0.09 38	0.06 6	0.11 45	0.10 50	0.06 55	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

IPLGR	0.11 81	0.09 191	0.16 222	0.18 182	0.08 48	0.12 105	0.17 192	0.21 141	0.24 193	0.11 60	0.12 62	0.11 75	0.08 50	0.12 101	0.12 128	0.06 55	0.05 107	0.06 32	0.06 87	0.04 1	0.04 7

iRaftStereo_RVC	0.10 51	0.07 70	0.09 29	0.17 115	0.09 132	0.11 83	0.17 192	0.18 97	0.12 26	0.09 16	0.12 62	0.10 59	0.07 32	0.11 45	0.10 50	0.05 2	0.04 2	0.08 164	0.08 213	0.04 1	0.04 7

XX-TBD	0.09 12	0.06 19	0.07 2	0.14 13	0.07 18	0.12 105	0.16 171	0.14 16	0.13 42	0.11 60	0.12 62	0.09 38	0.08 50	0.10 18	0.10 50	0.06 55	0.04 2	0.05 2	0.03 1	0.06 102	0.05 52

Anonymous	0.14 187	0.10 239	0.24 304	0.22 307	0.13 302	0.18 235	0.22 303	0.20 124	0.19 129	0.14 125	0.12 62	0.11 75	0.13 171	0.16 199	0.13 158	0.08 191	0.07 248	0.08 164	0.08 213	0.12 304	0.10 271

111	0.10 51	0.06 19	0.12 91	0.15 38	0.07 18	0.10 57	0.14 70	0.21 141	0.23 183	0.11 60	0.12 62	0.14 128	0.11 110	0.13 133	0.10 50	0.06 55	0.04 2	0.06 32	0.04 8	0.05 40	0.05 52

AFF-stereo	0.09 12	0.06 19	0.10 45	0.17 115	0.07 18	0.10 57	0.16 171	0.17 73	0.09 2	0.10 41	0.12 62	0.09 38	0.09 68	0.12 101	0.09 19	0.05 2	0.04 2	0.07 99	0.07 162	0.04 1	0.03 1

CFNet-RSSM	0.09 12	0.07 70	0.09 29	0.16 68	0.07 18	0.09 35	0.15 116	0.16 43	0.17 100	0.08 5	0.12 62	0.10 59	0.09 68	0.11 45	0.09 19	0.06 55	0.04 2	0.06 32	0.04 8	0.04 1	0.04 7

MIM_Stereo	0.09 12	0.07 70	0.11 71	0.15 38	0.07 18	0.06 2	0.12 21	0.20 124	0.14 59	0.13 105	0.13 72	0.09 38	0.05 2	0.12 101	0.08 11	0.05 2	0.06 190	0.07 99	0.06 87	0.06 102	0.05 52

GLC_STEREO	0.11 81	0.07 70	0.11 71	0.17 115	0.07 18	0.09 35	0.13 43	0.15 27	0.24 193	0.12 84	0.13 72	0.12 90	0.08 50	0.18 232	0.11 86	0.06 55	0.08 270	0.08 164	0.06 87	0.05 40	0.05 52

CRE-IMP	0.11 81	0.09 191	0.16 222	0.19 228	0.08 48	0.10 57	0.12 21	0.18 97	0.10 8	0.14 125	0.13 72	0.13 113	0.12 139	0.12 101	0.11 86	0.07 142	0.04 2	0.08 164	0.06 87	0.08 200	0.08 219

rafts_anoy	0.11 81	0.06 19	0.10 45	0.17 115	0.08 48	0.10 57	0.14 70	0.17 73	0.14 59	0.13 105	0.13 72	0.12 90	0.10 89	0.11 45	0.12 128	0.07 142	0.04 2	0.09 228	0.11 307	0.07 157	0.06 99

RALAANet	0.11 81	0.08 141	0.10 45	0.17 115	0.09 132	0.14 155	0.10 6	0.20 124	0.15 70	0.14 125	0.13 72	0.16 163	0.09 68	0.12 101	0.11 86	0.06 55	0.05 107	0.07 99	0.06 87	0.05 40	0.04 7

sCroCo_RVC	0.12 136	0.09 191	0.23 301	0.24 331	0.11 255	0.19 255	0.14 70	0.17 73	0.14 59	0.10 41	0.13 72	0.12 90	0.07 32	0.14 149	0.11 86	0.08 191	0.08 270	0.08 164	0.08 213	0.05 40	0.07 159

ARAFT	0.12 136	0.08 141	0.17 247	0.19 228	0.09 132	0.14 155	0.18 232	0.20 124	0.12 26	0.12 84	0.13 72	0.14 128	0.11 110	0.15 167	0.12 128	0.06 55	0.05 107	0.10 269	0.09 252	0.05 40	0.04 7

CREStereo	0.09 12	0.04 1	0.08 11	0.11 1	0.06 2	0.13 130	0.14 70	0.14 16	0.10 8	0.08 5	0.13 72	0.09 38	0.08 50	0.11 45	0.10 50	0.08 191	0.04 2	0.05 2	0.03 1	0.06 102	0.06 99
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	0.09 12	0.05 6	0.09 29	0.12 3	0.06 2	0.12 105	0.14 70	0.15 27	0.11 18	0.09 16	0.13 72	0.10 59	0.07 32	0.13 133	0.10 50	0.15 347	0.04 2	0.05 2	0.03 1	0.07 157	0.06 99

MyStereo05	0.13 158	0.07 70	0.10 45	0.17 115	0.09 132	0.13 130	0.18 232	0.27 235	0.35 294	0.17 186	0.14 81	0.15 152	0.11 110	0.15 167	0.13 158	0.06 55	0.05 107	0.07 99	0.07 162	0.06 102	0.06 99

MyStereo04	0.13 158	0.07 70	0.10 45	0.17 115	0.09 132	0.14 155	0.18 232	0.29 259	0.38 310	0.17 186	0.14 81	0.16 163	0.10 89	0.15 167	0.13 158	0.06 55	0.05 107	0.08 164	0.07 162	0.06 102	0.06 99

AE-Stereo	0.10 51	0.08 141	0.10 45	0.18 182	0.09 132	0.10 57	0.15 116	0.14 16	0.19 129	0.09 16	0.14 81	0.12 90	0.08 50	0.11 45	0.10 50	0.05 2	0.06 190	0.07 99	0.06 87	0.05 40	0.04 7

anonymousdsp2	0.11 81	0.07 70	0.10 45	0.16 68	0.09 132	0.13 130	0.14 70	0.18 97	0.22 174	0.13 105	0.14 81	0.12 90	0.09 68	0.14 149	0.11 86	0.05 2	0.04 2	0.05 2	0.04 8	0.06 102	0.05 52

riskmin	0.11 81	0.06 19	0.13 129	0.14 13	0.08 48	0.14 155	0.14 70	0.18 97	0.14 59	0.11 60	0.14 81	0.16 163	0.11 110	0.14 149	0.12 128	0.09 236	0.05 107	0.07 99	0.05 32	0.08 200	0.08 219

iRaft-Stereo_5w	0.12 136	0.09 191	0.12 91	0.19 228	0.08 48	0.09 35	0.12 21	0.21 141	0.21 163	0.19 225	0.14 81	0.11 75	0.09 68	0.20 262	0.16 223	0.05 2	0.05 107	0.07 99	0.06 87	0.05 40	0.06 99

GwcNet-ADL	0.13 158	0.08 141	0.14 155	0.20 269	0.09 132	0.11 83	0.20 278	0.30 273	0.24 193	0.13 105	0.14 81	0.18 193	0.14 194	0.13 133	0.14 186	0.07 142	0.05 107	0.06 32	0.05 32	0.07 157	0.06 99

OMP-Stereo	0.11 81	0.06 19	0.14 155	0.18 182	0.08 48	0.09 35	0.12 21	0.21 141	0.21 163	0.13 105	0.14 81	0.11 75	0.12 139	0.11 45	0.13 158	0.06 55	0.04 2	0.07 99	0.06 87	0.05 40	0.04 7

NRIStereo	0.11 81	0.08 141	0.14 155	0.18 182	0.08 48	0.10 57	0.14 70	0.16 43	0.15 70	0.12 84	0.14 81	0.13 113	0.12 139	0.13 133	0.10 50	0.06 55	0.04 2	0.07 99	0.06 87	0.06 102	0.07 159

PSM-AAD	0.11 81	0.07 70	0.10 45	0.19 228	0.09 132	0.10 57	0.15 116	0.20 124	0.13 42	0.12 84	0.14 81	0.18 193	0.11 110	0.11 45	0.10 50	0.05 2	0.05 107	0.09 228	0.08 213	0.06 102	0.14 336

DeepStereo_RVC	0.11 81	0.08 141	0.16 222	0.18 182	0.08 48	0.08 23	0.12 21	0.17 73	0.12 26	0.13 105	0.14 81	0.12 90	0.12 139	0.12 101	0.11 86	0.06 55	0.04 2	0.07 99	0.06 87	0.07 157	0.08 219

IRAFT_RVC	0.12 136	0.08 141	0.16 222	0.19 228	0.08 48	0.07 16	0.15 116	0.24 192	0.23 183	0.14 125	0.14 81	0.15 152	0.12 139	0.12 101	0.10 50	0.06 55	0.04 2	0.09 228	0.06 87	0.06 102	0.06 99

CREStereo++_RVC	0.08 2	0.04 1	0.06 1	0.13 6	0.07 18	0.09 35	0.12 21	0.14 16	0.14 59	0.10 41	0.14 81	0.08 26	0.07 32	0.09 10	0.11 86	0.06 55	0.04 2	0.05 2	0.05 32	0.04 1	0.04 7
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
XX-Stereo	0.09 12	0.05 6	0.08 11	0.17 115	0.09 132	0.15 177	0.12 21	0.20 124	0.10 8	0.10 41	0.14 81	0.07 18	0.06 6	0.12 101	0.08 11	0.06 55	0.05 107	0.06 32	0.06 87	0.04 1	0.04 7

11t1	0.12 136	0.06 19	0.13 129	0.14 13	0.08 48	0.17 220	0.15 116	0.18 97	0.15 70	0.15 149	0.15 95	0.16 163	0.16 227	0.15 167	0.13 158	0.08 191	0.05 107	0.06 32	0.05 32	0.08 200	0.07 159

test croco	0.10 51	0.08 141	0.10 45	0.19 228	0.09 132	0.10 57	0.15 116	0.14 16	0.13 42	0.13 105	0.15 95	0.09 38	0.12 139	0.13 133	0.12 128	0.07 142	0.05 107	0.09 228	0.06 87	0.06 102	0.06 99

LL-Strereo	0.13 158	0.09 191	0.11 71	0.20 269	0.10 217	0.11 83	0.18 232	0.32 288	0.24 193	0.15 149	0.15 95	0.14 128	0.13 171	0.19 243	0.11 86	0.06 55	0.04 2	0.09 228	0.08 213	0.04 1	0.05 52

LCNet	0.11 81	0.07 70	0.09 29	0.19 228	0.09 132	0.08 23	0.15 116	0.21 141	0.15 70	0.11 60	0.15 95	0.16 163	0.11 110	0.12 101	0.11 86	0.05 2	0.04 2	0.08 164	0.07 162	0.06 102	0.15 344

STrans-v2	0.10 51	0.07 70	0.12 91	0.18 182	0.07 18	0.10 57	0.14 70	0.21 141	0.11 18	0.11 60	0.15 95	0.12 90	0.10 89	0.11 45	0.12 128	0.05 2	0.04 2	0.06 32	0.06 87	0.04 1	0.04 7

GMM-Stereo	0.11 81	0.07 70	0.10 45	0.18 182	0.09 132	0.08 23	0.15 116	0.23 174	0.16 88	0.11 60	0.15 95	0.13 113	0.11 110	0.11 45	0.11 86	0.05 2	0.04 2	0.08 164	0.07 162	0.06 102	0.09 252

raft+_RVC	0.11 81	0.07 70	0.09 29	0.16 68	0.07 18	0.10 57	0.11 11	0.24 192	0.20 150	0.12 84	0.15 95	0.12 90	0.08 50	0.12 101	0.13 158	0.07 142	0.04 2	0.07 99	0.06 87	0.05 40	0.05 52

TANstereo	0.09 12	0.04 1	0.08 11	0.13 6	0.06 2	0.11 83	0.14 70	0.15 27	0.19 129	0.11 60	0.15 95	0.10 59	0.06 6	0.12 101	0.09 19	0.07 142	0.05 107	0.05 2	0.04 8	0.06 102	0.05 52

MIF-Stereo (partial)	0.11 81	0.06 19	0.10 45	0.19 228	0.10 217	0.10 57	0.11 11	0.17 73	0.18 117	0.14 125	0.16 103	0.09 38	0.11 110	0.12 101	0.12 128	0.08 191	0.05 107	0.08 164	0.07 162	0.06 102	0.07 159

DCANet-4	0.10 51	0.06 19	0.12 91	0.16 68	0.06 2	0.09 35	0.17 192	0.18 97	0.19 129	0.13 105	0.16 103	0.09 38	0.14 194	0.11 45	0.12 128	0.06 55	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

fff	0.10 51	0.06 19	0.12 91	0.15 38	0.07 18	0.09 35	0.17 192	0.16 43	0.20 150	0.13 105	0.16 103	0.10 59	0.11 110	0.11 45	0.12 128	0.06 55	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

Patchmatch Stereo++	0.11 81	0.09 191	0.16 222	0.18 182	0.08 48	0.06 2	0.11 11	0.16 43	0.13 42	0.15 149	0.16 103	0.14 128	0.12 139	0.11 45	0.10 50	0.06 55	0.04 2	0.08 164	0.06 87	0.08 200	0.07 159
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.11 81	0.09 191	0.16 222	0.18 182	0.08 48	0.06 2	0.12 21	0.16 43	0.13 42	0.15 149	0.16 103	0.14 128	0.12 139	0.11 45	0.10 50	0.06 55	0.04 2	0.08 164	0.06 87	0.08 200	0.07 159

ROB_FTStereo_v2	0.11 81	0.09 191	0.16 222	0.19 228	0.08 48	0.06 2	0.12 21	0.16 43	0.13 42	0.15 149	0.16 103	0.14 128	0.12 139	0.11 45	0.10 50	0.06 55	0.04 2	0.08 164	0.06 87	0.08 200	0.07 159

ROB_FTStereo	0.11 81	0.09 191	0.16 222	0.19 228	0.08 48	0.06 2	0.11 11	0.16 43	0.13 42	0.15 149	0.16 103	0.14 128	0.12 139	0.11 45	0.10 50	0.06 55	0.04 2	0.08 164	0.06 87	0.08 200	0.07 159

KYRaft	0.11 81	0.07 70	0.10 45	0.19 228	0.09 132	0.08 23	0.15 116	0.22 157	0.12 26	0.13 105	0.16 103	0.20 211	0.10 89	0.12 101	0.10 50	0.05 2	0.04 2	0.08 164	0.08 213	0.06 102	0.16 355

HUI-Stereo	0.11 81	0.09 191	0.16 222	0.18 182	0.08 48	0.06 2	0.12 21	0.16 43	0.13 42	0.15 149	0.16 103	0.14 128	0.12 139	0.11 45	0.10 50	0.06 55	0.04 2	0.08 164	0.06 87	0.08 200	0.07 159

ASMatch	0.11 81	0.06 19	0.13 129	0.16 68	0.10 217	0.07 16	0.14 70	0.17 73	0.17 100	0.12 84	0.16 103	0.16 163	0.10 89	0.13 133	0.10 50	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.08 219

PFNet	0.12 136	0.06 19	0.17 247	0.17 115	0.08 48	0.09 35	0.15 116	0.26 217	0.20 150	0.16 174	0.16 103	0.14 128	0.11 110	0.12 101	0.11 86	0.06 55	0.04 2	0.07 99	0.06 87	0.05 40	0.05 52

iGMRVC	0.11 81	0.09 191	0.16 222	0.19 228	0.08 48	0.06 2	0.12 21	0.16 43	0.13 42	0.15 149	0.16 103	0.14 128	0.12 139	0.11 45	0.10 50	0.06 55	0.04 2	0.08 164	0.06 87	0.08 200	0.07 159

iRAFT	0.11 81	0.09 191	0.16 222	0.18 182	0.08 48	0.06 2	0.11 11	0.16 43	0.13 42	0.15 149	0.16 103	0.14 128	0.12 139	0.11 45	0.10 50	0.06 55	0.04 2	0.08 164	0.06 87	0.08 200	0.07 159

RAFT-IKP	0.11 81	0.09 191	0.16 222	0.19 228	0.08 48	0.06 2	0.12 21	0.16 43	0.13 42	0.15 149	0.16 103	0.14 128	0.12 139	0.11 45	0.10 50	0.06 55	0.04 2	0.08 164	0.06 87	0.08 200	0.07 159

csc	0.10 51	0.06 19	0.12 91	0.15 38	0.07 18	0.09 35	0.17 192	0.16 43	0.20 150	0.13 105	0.16 103	0.10 59	0.11 110	0.11 45	0.12 128	0.06 55	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

cscssc	0.10 51	0.06 19	0.12 91	0.15 38	0.07 18	0.09 35	0.17 192	0.16 43	0.20 150	0.13 105	0.16 103	0.10 59	0.11 110	0.11 45	0.12 128	0.06 55	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

DIP-Stereo	0.11 81	0.07 70	0.14 155	0.17 115	0.09 132	0.13 130	0.09 3	0.16 43	0.16 88	0.11 60	0.16 103	0.14 128	0.12 139	0.15 167	0.13 158	0.06 55	0.05 107	0.06 32	0.05 32	0.05 40	0.06 99
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.10 51	0.06 19	0.12 91	0.14 13	0.06 2	0.11 83	0.10 6	0.18 97	0.18 117	0.13 105	0.16 103	0.14 128	0.11 110	0.15 167	0.13 158	0.06 55	0.04 2	0.04 1	0.04 8	0.06 102	0.05 52
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
CoDeX	0.12 136	0.07 70	0.12 91	0.17 115	0.08 48	0.12 105	0.15 116	0.23 174	0.27 232	0.13 105	0.17 121	0.16 163	0.11 110	0.14 149	0.11 86	0.07 142	0.05 107	0.07 99	0.06 87	0.06 102	0.05 52

knoymous	0.11 81	0.05 6	0.12 91	0.13 6	0.07 18	0.15 177	0.14 70	0.19 117	0.13 42	0.11 60	0.17 121	0.13 113	0.09 68	0.13 133	0.11 86	0.08 191	0.05 107	0.06 32	0.05 32	0.08 200	0.07 159

ADStereo(finetuned)	0.10 51	0.06 19	0.12 91	0.16 68	0.06 2	0.09 35	0.17 192	0.15 27	0.19 129	0.13 105	0.17 121	0.10 59	0.12 139	0.11 45	0.12 128	0.06 55	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

IPLG	0.10 51	0.07 70	0.15 192	0.17 115	0.08 48	0.11 83	0.14 70	0.20 124	0.15 70	0.12 84	0.17 121	0.07 18	0.07 32	0.14 149	0.13 158	0.06 55	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

GMOStereo	0.11 81	0.09 191	0.07 2	0.19 228	0.08 48	0.12 105	0.28 354	0.13 10	0.17 100	0.11 60	0.17 121	0.14 128	0.12 139	0.07 1	0.07 1	0.05 2	0.05 107	0.09 228	0.07 162	0.04 1	0.04 7

error version	0.11 81	0.09 191	0.07 2	0.19 228	0.08 48	0.12 105	0.28 354	0.13 10	0.17 100	0.11 60	0.17 121	0.14 128	0.12 139	0.07 1	0.07 1	0.05 2	0.05 107	0.09 228	0.07 162	0.04 1	0.04 7

test-v	0.11 81	0.09 191	0.07 2	0.19 228	0.08 48	0.12 105	0.28 354	0.13 10	0.17 100	0.11 60	0.17 121	0.14 128	0.12 139	0.07 1	0.07 1	0.05 2	0.05 107	0.09 228	0.07 162	0.04 1	0.04 7

TransformOpticalFlow	0.10 51	0.08 141	0.13 129	0.18 182	0.07 18	0.09 35	0.15 116	0.19 117	0.15 70	0.12 84	0.17 121	0.11 75	0.11 110	0.11 45	0.10 50	0.05 2	0.04 2	0.06 32	0.06 87	0.05 40	0.05 52

IIG-Stereo	0.11 81	0.06 19	0.13 129	0.17 115	0.08 48	0.11 83	0.12 21	0.22 157	0.17 100	0.14 125	0.17 121	0.11 75	0.12 139	0.12 101	0.12 128	0.06 55	0.05 107	0.07 99	0.06 87	0.05 40	0.04 7

NF-Stereo	0.11 81	0.07 70	0.13 129	0.17 115	0.09 132	0.10 57	0.14 70	0.23 174	0.19 129	0.12 84	0.17 121	0.12 90	0.11 110	0.11 45	0.11 86	0.06 55	0.04 2	0.07 99	0.06 87	0.06 102	0.12 305

OCTAStereo	0.11 81	0.07 70	0.13 129	0.17 115	0.09 132	0.10 57	0.14 70	0.23 174	0.19 129	0.12 84	0.17 121	0.12 90	0.11 110	0.11 45	0.11 86	0.06 55	0.04 2	0.07 99	0.06 87	0.06 102	0.12 305

SST-Stereo	0.10 51	0.07 70	0.15 192	0.18 182	0.09 132	0.06 2	0.12 21	0.17 73	0.11 18	0.15 149	0.17 121	0.13 113	0.12 139	0.10 18	0.11 86	0.06 55	0.04 2	0.09 228	0.06 87	0.06 102	0.05 52

GrayStereo	0.11 81	0.06 19	0.11 71	0.19 228	0.09 132	0.09 35	0.16 171	0.18 97	0.17 100	0.14 125	0.17 121	0.17 182	0.11 110	0.12 101	0.11 86	0.05 2	0.05 107	0.07 99	0.06 87	0.05 40	0.10 271

RE-Stereo	0.11 81	0.07 70	0.13 129	0.17 115	0.09 132	0.10 57	0.14 70	0.23 174	0.19 129	0.12 84	0.17 121	0.12 90	0.11 110	0.11 45	0.11 86	0.06 55	0.04 2	0.07 99	0.06 87	0.06 102	0.12 305

TVStereo	0.11 81	0.07 70	0.13 129	0.17 115	0.09 132	0.10 57	0.14 70	0.23 174	0.19 129	0.12 84	0.17 121	0.12 90	0.11 110	0.11 45	0.11 86	0.06 55	0.04 2	0.07 99	0.06 87	0.06 102	0.12 305

test-2	0.11 81	0.09 191	0.07 2	0.19 228	0.08 48	0.12 105	0.28 354	0.13 10	0.17 100	0.11 60	0.17 121	0.14 128	0.12 139	0.07 1	0.07 1	0.05 2	0.05 107	0.09 228	0.07 162	0.04 1	0.04 7

Prome-Stereo	0.11 81	0.06 19	0.10 45	0.18 182	0.08 48	0.12 105	0.15 116	0.22 157	0.13 42	0.12 84	0.17 121	0.13 113	0.08 50	0.12 101	0.10 50	0.05 2	0.04 2	0.07 99	0.06 87	0.06 102	0.09 252

Anonymous3	0.16 238	0.13 294	0.33 338	0.26 347	0.14 319	0.27 332	0.17 192	0.28 249	0.28 243	0.15 149	0.17 121	0.14 128	0.10 89	0.15 167	0.12 128	0.08 191	0.08 270	0.08 164	0.08 213	0.08 200	0.11 294

RALCasStereoNet	0.10 51	0.06 19	0.09 29	0.16 68	0.08 48	0.12 105	0.14 70	0.17 73	0.11 18	0.12 84	0.17 121	0.14 128	0.10 89	0.12 101	0.11 86	0.07 142	0.06 190	0.06 32	0.05 32	0.08 200	0.07 159

DCANet	0.10 51	0.06 19	0.12 91	0.16 68	0.06 2	0.09 35	0.17 192	0.15 27	0.19 129	0.13 105	0.17 121	0.10 59	0.11 110	0.11 45	0.12 128	0.06 55	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

GMStereo	0.13 158	0.14 306	0.14 155	0.18 182	0.09 132	0.15 177	0.16 171	0.20 124	0.24 193	0.16 174	0.17 121	0.10 59	0.10 89	0.16 199	0.13 158	0.07 142	0.06 190	0.06 32	0.06 87	0.07 157	0.06 99
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 158	0.07 70	0.14 155	0.17 115	0.09 132	0.15 177	0.16 171	0.28 249	0.27 232	0.14 125	0.17 121	0.12 90	0.13 171	0.14 149	0.11 86	0.08 191	0.05 107	0.07 99	0.07 162	0.07 157	0.06 99

MyStereo8	0.12 136	0.07 70	0.15 192	0.15 38	0.09 132	0.18 235	0.14 70	0.19 117	0.22 174	0.12 84	0.18 143	0.11 75	0.10 89	0.16 199	0.18 249	0.07 142	0.05 107	0.07 99	0.05 32	0.08 200	0.09 252

CASS	0.13 158	0.12 273	0.11 71	0.23 326	0.09 132	0.15 177	0.17 192	0.18 97	0.19 129	0.17 186	0.18 143	0.15 152	0.15 207	0.14 149	0.14 186	0.09 236	0.06 190	0.10 269	0.08 213	0.09 248	0.07 159
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.11 81	0.07 70	0.13 129	0.16 68	0.11 255	0.11 83	0.17 192	0.18 97	0.17 100	0.11 60	0.18 143	0.10 59	0.10 89	0.15 167	0.11 86	0.06 55	0.05 107	0.06 32	0.06 87	0.05 40	0.04 7

test_4	0.10 51	0.10 239	0.08 11	0.19 228	0.09 132	0.08 23	0.22 303	0.15 27	0.17 100	0.12 84	0.18 143	0.12 90	0.09 68	0.08 6	0.11 86	0.04 1	0.04 2	0.08 164	0.08 213	0.04 1	0.03 1

GANet-ADL	0.13 158	0.07 70	0.15 192	0.17 115	0.10 217	0.18 235	0.15 116	0.30 273	0.20 150	0.13 105	0.18 143	0.19 201	0.12 139	0.16 199	0.13 158	0.08 191	0.06 190	0.06 32	0.05 32	0.07 157	0.08 219

RAFT_R40	0.11 81	0.07 70	0.14 155	0.18 182	0.09 132	0.06 2	0.13 43	0.17 73	0.16 88	0.14 125	0.18 143	0.15 152	0.12 139	0.10 18	0.11 86	0.06 55	0.04 2	0.09 228	0.06 87	0.06 102	0.05 52

qqq	0.13 158	0.09 191	0.15 192	0.16 68	0.08 48	0.13 130	0.15 116	0.23 174	0.16 88	0.15 149	0.19 149	0.16 163	0.16 227	0.15 167	0.16 223	0.07 142	0.06 190	0.08 164	0.08 213	0.07 157	0.07 159

x	0.13 158	0.07 70	0.14 155	0.14 13	0.08 48	0.18 235	0.14 70	0.22 157	0.20 150	0.15 149	0.19 149	0.19 201	0.17 246	0.18 232	0.18 249	0.07 142	0.05 107	0.06 32	0.06 87	0.07 157	0.07 159

raft_robust	0.13 158	0.10 239	0.07 2	0.18 182	0.08 48	0.13 130	0.24 322	0.28 249	0.33 275	0.20 242	0.19 149	0.14 128	0.10 89	0.11 45	0.12 128	0.05 2	0.05 107	0.07 99	0.07 162	0.05 40	0.04 7

PFNet+	0.11 81	0.06 19	0.13 129	0.16 68	0.09 132	0.05 1	0.12 21	0.17 73	0.21 163	0.16 174	0.19 149	0.14 128	0.10 89	0.11 45	0.11 86	0.08 191	0.05 107	0.09 228	0.08 213	0.06 102	0.11 294

PSM-softLoss	0.12 136	0.07 70	0.15 192	0.17 115	0.09 132	0.08 23	0.13 43	0.24 192	0.17 100	0.14 125	0.19 149	0.13 113	0.11 110	0.11 45	0.11 86	0.07 142	0.05 107	0.08 164	0.07 162	0.06 102	0.12 305

KMStereo	0.12 136	0.07 70	0.15 192	0.17 115	0.09 132	0.08 23	0.13 43	0.24 192	0.17 100	0.14 125	0.19 149	0.13 113	0.11 110	0.11 45	0.11 86	0.07 142	0.05 107	0.08 164	0.07 162	0.06 102	0.12 305

Pruner-Stereo	0.11 81	0.07 70	0.12 91	0.17 115	0.09 132	0.06 2	0.12 21	0.17 73	0.17 100	0.13 105	0.19 149	0.13 113	0.09 68	0.11 45	0.11 86	0.06 55	0.04 2	0.07 99	0.06 87	0.06 102	0.08 219

DMCA	0.14 187	0.09 191	0.16 222	0.19 228	0.09 132	0.15 177	0.17 192	0.23 174	0.27 232	0.14 125	0.19 149	0.17 182	0.18 255	0.15 167	0.17 235	0.10 268	0.06 190	0.08 164	0.06 87	0.09 248	0.10 271

BEATNet_4x	0.12 136	0.08 141	0.14 155	0.18 182	0.07 18	0.15 177	0.07 1	0.22 157	0.18 117	0.16 174	0.19 149	0.18 193	0.14 194	0.16 199	0.15 209	0.07 142	0.05 107	0.05 2	0.05 32	0.06 102	0.06 99

R-Stereo Train	0.10 51	0.06 19	0.10 45	0.17 115	0.08 48	0.11 83	0.14 70	0.23 174	0.11 18	0.12 84	0.19 149	0.11 75	0.08 50	0.09 10	0.11 86	0.07 142	0.05 107	0.06 32	0.05 32	0.05 40	0.05 52

RAFT-Stereo	0.10 51	0.06 19	0.10 45	0.17 115	0.08 48	0.11 83	0.14 70	0.23 174	0.11 18	0.12 84	0.19 149	0.11 75	0.08 50	0.09 10	0.11 86	0.07 142	0.05 107	0.06 32	0.05 32	0.05 40	0.05 52
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
SMFormer	0.14 187	0.07 70	0.17 247	0.14 13	0.08 48	0.16 201	0.17 192	0.26 217	0.27 232	0.19 225	0.20 160	0.18 193	0.15 207	0.15 167	0.17 235	0.08 191	0.05 107	0.07 99	0.06 87	0.07 157	0.06 99

tta	0.14 187	0.07 70	0.17 247	0.14 13	0.08 48	0.16 201	0.17 192	0.26 217	0.27 232	0.19 225	0.20 160	0.18 193	0.15 207	0.15 167	0.17 235	0.08 191	0.05 107	0.07 99	0.06 87	0.06 102	0.06 99

qqq1	0.13 158	0.07 70	0.17 247	0.14 13	0.08 48	0.16 201	0.17 192	0.26 217	0.27 232	0.19 225	0.20 160	0.18 193	0.15 207	0.15 167	0.11 86	0.08 191	0.05 107	0.05 2	0.05 32	0.06 102	0.06 99

fff1	0.13 158	0.07 70	0.17 247	0.14 13	0.08 48	0.16 201	0.17 192	0.26 217	0.27 232	0.19 225	0.20 160	0.18 193	0.15 207	0.15 167	0.11 86	0.08 191	0.05 107	0.05 2	0.05 32	0.06 102	0.06 99

PCWNet_CMD	0.14 187	0.08 141	0.15 192	0.17 115	0.09 132	0.14 155	0.14 70	0.29 259	0.36 299	0.14 125	0.20 160	0.21 218	0.12 139	0.17 221	0.13 158	0.07 142	0.05 107	0.07 99	0.07 162	0.07 157	0.07 159

TestStereo1	0.13 158	0.08 141	0.08 11	0.19 228	0.08 48	0.18 235	0.29 363	0.23 174	0.16 88	0.17 186	0.20 160	0.16 163	0.10 89	0.12 101	0.13 158	0.06 55	0.06 190	0.08 164	0.06 87	0.05 40	0.05 52

DisPM	0.11 81	0.07 70	0.12 91	0.16 68	0.09 132	0.06 2	0.13 43	0.17 73	0.17 100	0.14 125	0.20 160	0.12 90	0.10 89	0.11 45	0.10 50	0.06 55	0.04 2	0.07 99	0.06 87	0.06 102	0.11 294

SA-5K	0.13 158	0.08 141	0.08 11	0.19 228	0.08 48	0.18 235	0.29 363	0.23 174	0.16 88	0.17 186	0.20 160	0.16 163	0.10 89	0.12 101	0.13 158	0.06 55	0.06 190	0.08 164	0.06 87	0.05 40	0.05 52

Sa-1000	0.12 136	0.08 141	0.08 11	0.18 182	0.08 48	0.14 155	0.22 303	0.22 157	0.18 117	0.15 149	0.20 160	0.17 182	0.11 110	0.10 18	0.10 50	0.06 55	0.05 107	0.09 228	0.09 252	0.05 40	0.05 52

UDGNet	0.14 187	0.13 294	0.16 222	0.17 115	0.10 217	0.12 105	0.16 171	0.21 141	0.27 232	0.20 242	0.20 160	0.16 163	0.13 171	0.16 199	0.13 158	0.10 268	0.06 190	0.09 228	0.07 162	0.06 102	0.07 159

dd	0.15 220	0.16 319	0.16 222	0.19 228	0.09 132	0.15 177	0.18 232	0.21 141	0.25 212	0.23 276	0.20 160	0.21 218	0.09 68	0.21 278	0.16 223	0.10 268	0.06 190	0.08 164	0.06 87	0.08 200	0.06 99

PSMNet-ADL	0.15 220	0.12 273	0.13 129	0.22 307	0.09 132	0.13 130	0.20 278	0.26 217	0.23 183	0.18 212	0.20 160	0.24 253	0.16 227	0.18 232	0.17 235	0.08 191	0.08 270	0.08 164	0.11 307	0.08 200	0.07 159

ADLNet2	0.16 238	0.09 191	0.13 129	0.16 68	0.09 132	0.20 267	0.16 171	0.31 279	0.39 313	0.16 174	0.20 160	0.20 211	0.18 255	0.21 278	0.22 292	0.08 191	0.06 190	0.07 99	0.07 162	0.09 248	0.07 159

UCFNet_RVC	0.14 187	0.08 141	0.13 129	0.11 1	0.10 217	0.20 267	0.10 6	0.24 192	0.22 174	0.17 186	0.20 160	0.23 247	0.15 207	0.17 221	0.15 209	0.12 313	0.07 248	0.10 269	0.13 334	0.11 290	0.10 271

NINENet	0.16 238	0.10 239	0.15 192	0.17 115	0.11 255	0.19 255	0.14 70	0.40 354	0.36 299	0.18 212	0.21 174	0.16 163	0.13 171	0.15 167	0.13 158	0.08 191	0.08 270	0.10 269	0.07 162	0.10 275	0.09 252

psmg	0.14 187	0.09 191	0.14 155	0.17 115	0.10 217	0.15 177	0.17 192	0.29 259	0.19 129	0.17 186	0.21 174	0.25 263	0.16 227	0.15 167	0.14 186	0.08 191	0.06 190	0.08 164	0.08 213	0.07 157	0.06 99

AAGNet	0.11 81	0.07 70	0.16 222	0.19 228	0.09 132	0.08 23	0.13 43	0.18 97	0.13 42	0.16 174	0.21 174	0.13 113	0.14 194	0.11 45	0.14 186	0.06 55	0.04 2	0.09 228	0.06 87	0.06 102	0.05 52

RAFT	0.13 158	0.09 191	0.11 71	0.18 182	0.08 48	0.15 177	0.24 322	0.20 124	0.19 129	0.21 250	0.21 174	0.17 182	0.12 139	0.16 199	0.09 19	0.06 55	0.07 248	0.10 269	0.09 252	0.05 40	0.05 52

CFNet_pseudo	0.14 187	0.08 141	0.15 192	0.16 68	0.09 132	0.13 130	0.14 70	0.27 235	0.34 286	0.14 125	0.21 174	0.22 235	0.13 171	0.18 232	0.14 186	0.07 142	0.05 107	0.08 164	0.06 87	0.07 157	0.07 159

MSMDNet	0.14 187	0.08 141	0.15 192	0.17 115	0.09 132	0.14 155	0.14 70	0.29 259	0.36 299	0.14 125	0.21 174	0.21 218	0.12 139	0.17 221	0.14 186	0.07 142	0.05 107	0.07 99	0.07 162	0.07 157	0.07 159

HSM-Net_RVC	0.14 187	0.08 141	0.11 71	0.15 38	0.08 48	0.15 177	0.15 116	0.27 235	0.29 250	0.19 225	0.21 174	0.29 292	0.14 194	0.17 221	0.13 158	0.06 55	0.06 190	0.06 32	0.06 87	0.07 157	0.06 99
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ccs_rob	0.14 187	0.08 141	0.15 192	0.16 68	0.09 132	0.12 105	0.14 70	0.27 235	0.34 286	0.14 125	0.21 174	0.22 235	0.13 171	0.18 232	0.14 186	0.07 142	0.05 107	0.08 164	0.07 162	0.07 157	0.07 159

DeepPruner_ROB	0.16 238	0.11 259	0.15 192	0.17 115	0.10 217	0.17 220	0.15 116	0.32 288	0.21 163	0.19 225	0.21 174	0.22 235	0.18 255	0.20 262	0.15 209	0.13 333	0.09 293	0.09 228	0.09 252	0.11 290	0.10 271

ssnet_v2	0.17 258	0.10 239	0.17 247	0.17 115	0.11 255	0.21 281	0.21 294	0.33 305	0.25 212	0.22 263	0.22 183	0.27 278	0.18 255	0.22 289	0.20 264	0.11 289	0.09 293	0.09 228	0.09 252	0.08 200	0.08 219

BUS	0.14 187	0.09 191	0.14 155	0.22 307	0.10 217	0.19 255	0.14 70	0.34 315	0.19 129	0.17 186	0.22 183	0.16 163	0.13 171	0.15 167	0.13 158	0.08 191	0.06 190	0.10 269	0.09 252	0.07 157	0.07 159

BSDual-CNN	0.15 220	0.09 191	0.14 155	0.22 307	0.10 217	0.14 155	0.15 116	0.34 315	0.19 129	0.17 186	0.22 183	0.25 263	0.16 227	0.15 167	0.14 186	0.08 191	0.06 190	0.10 269	0.09 252	0.07 157	0.07 159

hknet	0.15 220	0.11 259	0.13 129	0.22 307	0.11 255	0.14 155	0.15 116	0.34 315	0.25 212	0.17 186	0.22 183	0.22 235	0.18 255	0.17 221	0.12 128	0.07 142	0.06 190	0.10 269	0.09 252	0.07 157	0.07 159

NOSS_ROB	0.19 280	0.12 273	0.18 264	0.16 68	0.12 285	0.15 177	0.12 21	0.30 273	0.32 269	0.20 242	0.22 183	0.27 278	0.23 298	0.21 278	0.16 223	0.16 358	0.18 366	0.23 370	0.21 366	0.12 304	0.13 319

DN-CSS_ROB	0.13 158	0.13 294	0.16 222	0.18 182	0.10 217	0.16 201	0.08 2	0.22 157	0.18 117	0.17 186	0.22 183	0.13 113	0.13 171	0.12 101	0.13 158	0.05 2	0.05 107	0.10 269	0.10 284	0.08 200	0.06 99

mmm	0.14 187	0.08 141	0.17 247	0.17 115	0.09 132	0.17 220	0.18 232	0.21 141	0.15 70	0.15 149	0.23 189	0.21 218	0.16 227	0.16 199	0.17 235	0.08 191	0.05 107	0.08 164	0.07 162	0.07 157	0.07 159

AASNet	0.16 238	0.08 141	0.12 91	0.19 228	0.09 132	0.18 235	0.15 116	0.37 339	0.37 305	0.19 225	0.23 189	0.20 211	0.16 227	0.17 221	0.20 264	0.10 268	0.08 270	0.08 164	0.07 162	0.09 248	0.09 252

GES	0.14 187	0.08 141	0.16 222	0.15 38	0.10 217	0.13 130	0.13 43	0.28 249	0.25 212	0.16 174	0.23 189	0.18 193	0.13 171	0.16 199	0.13 158	0.08 191	0.07 248	0.07 99	0.06 87	0.08 200	0.09 252

FENet	0.13 158	0.08 141	0.12 91	0.16 68	0.08 48	0.14 155	0.15 116	0.22 157	0.23 183	0.17 186	0.23 189	0.16 163	0.12 139	0.14 149	0.15 209	0.08 191	0.05 107	0.08 164	0.08 213	0.07 157	0.07 159

FADNet_RVC	0.16 238	0.14 306	0.40 355	0.20 269	0.11 255	0.13 130	0.13 43	0.26 217	0.22 174	0.21 250	0.23 189	0.20 211	0.17 246	0.14 149	0.16 223	0.08 191	0.08 270	0.12 311	0.09 252	0.11 290	0.10 271

AdaStereo	0.15 220	0.11 259	0.15 192	0.18 182	0.09 132	0.20 267	0.11 11	0.32 288	0.28 243	0.20 242	0.23 189	0.20 211	0.13 171	0.19 243	0.14 186	0.12 313	0.05 107	0.10 269	0.07 162	0.09 248	0.07 159
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.
HSM	0.15 220	0.08 141	0.14 155	0.16 68	0.09 132	0.16 201	0.14 70	0.28 249	0.25 212	0.19 225	0.23 189	0.37 338	0.16 227	0.20 262	0.15 209	0.07 142	0.05 107	0.07 99	0.06 87	0.07 157	0.06 99

iResNet	0.13 158	0.10 239	0.18 264	0.19 228	0.08 48	0.13 130	0.18 232	0.20 124	0.26 225	0.15 149	0.23 189	0.15 152	0.13 171	0.14 149	0.14 186	0.06 55	0.04 2	0.06 32	0.05 32	0.06 102	0.05 52

ttt	0.14 187	0.08 141	0.14 155	0.15 38	0.08 48	0.15 177	0.18 232	0.27 235	0.29 250	0.16 174	0.24 197	0.17 182	0.13 171	0.13 133	0.14 186	0.11 289	0.08 270	0.09 228	0.08 213	0.09 248	0.08 219

1111x	0.15 220	0.08 141	0.12 91	0.18 182	0.07 18	0.18 235	0.25 336	0.31 279	0.24 193	0.17 186	0.24 197	0.26 271	0.15 207	0.13 133	0.23 302	0.07 142	0.07 248	0.08 164	0.09 252	0.07 157	0.06 99

StereoVision	0.13 158	0.12 273	0.09 29	0.24 331	0.10 217	0.15 177	0.21 294	0.21 141	0.20 150	0.12 84	0.24 197	0.10 59	0.10 89	0.16 199	0.10 50	0.09 236	0.11 321	0.12 311	0.12 325	0.06 102	0.05 52

CFNet_ucs	0.15 220	0.08 141	0.16 222	0.16 68	0.11 255	0.14 155	0.14 70	0.30 273	0.34 286	0.16 174	0.24 197	0.23 247	0.14 194	0.18 232	0.15 209	0.09 236	0.06 190	0.08 164	0.07 162	0.09 248	0.09 252

SDNR	0.19 280	0.08 141	0.19 273	0.16 68	0.12 285	0.77 401	0.14 70	0.25 205	0.32 269	0.19 225	0.24 197	0.19 201	0.13 171	0.19 243	0.15 209	0.16 358	0.18 366	0.14 335	0.11 307	0.08 200	0.11 294

iinet-f	0.16 238	0.06 19	0.45 360	0.14 13	0.10 217	0.21 281	0.14 70	0.27 235	0.23 183	0.21 250	0.24 197	0.21 218	0.15 207	0.18 232	0.21 283	0.09 236	0.07 248	0.07 99	0.06 87	0.09 248	0.10 271

GASNet	0.22 307	0.23 359	0.33 338	0.26 347	0.17 353	0.26 325	0.16 171	0.44 369	0.42 328	0.27 308	0.24 197	0.30 300	0.15 207	0.27 318	0.18 249	0.12 313	0.08 270	0.12 311	0.11 307	0.16 351	0.07 159

gwcnet-sp	0.14 187	0.07 70	0.12 91	0.18 182	0.09 132	0.16 201	0.17 192	0.24 192	0.24 193	0.18 212	0.24 197	0.15 152	0.16 227	0.15 167	0.15 209	0.08 191	0.06 190	0.07 99	0.08 213	0.08 200	0.07 159

scenet	0.14 187	0.07 70	0.12 91	0.18 182	0.09 132	0.16 201	0.17 192	0.24 192	0.24 193	0.18 212	0.24 197	0.15 152	0.16 227	0.15 167	0.15 209	0.08 191	0.06 190	0.07 99	0.08 213	0.08 200	0.07 159

ToySt	0.17 258	0.11 259	0.18 264	0.17 115	0.11 255	0.16 201	0.25 336	0.24 192	0.33 275	0.19 225	0.24 197	0.26 271	0.24 304	0.19 243	0.20 264	0.07 142	0.08 270	0.09 228	0.10 284	0.09 248	0.08 219

anonymousa	0.13 158	0.07 70	0.13 129	0.18 182	0.09 132	0.13 130	0.17 192	0.19 117	0.29 250	0.15 149	0.24 197	0.15 152	0.14 194	0.14 149	0.14 186	0.07 142	0.05 107	0.07 99	0.09 252	0.05 40	0.06 99

Anonymous_2	0.22 307	0.17 330	0.28 322	0.15 38	0.16 340	0.32 347	0.22 303	0.22 157	0.17 100	0.23 276	0.24 197	0.26 271	0.27 323	0.27 318	0.23 302	0.22 376	0.25 384	0.17 352	0.17 358	0.17 358	0.17 362

ssnet	0.14 187	0.07 70	0.12 91	0.18 182	0.09 132	0.16 201	0.17 192	0.24 192	0.24 193	0.18 212	0.24 197	0.15 152	0.16 227	0.15 167	0.15 209	0.08 191	0.06 190	0.07 99	0.08 213	0.08 200	0.07 159

dad	0.17 258	0.20 348	0.20 282	0.16 68	0.11 255	0.20 267	0.18 232	0.21 141	0.28 243	0.30 328	0.24 197	0.29 292	0.13 171	0.19 243	0.16 223	0.18 364	0.09 293	0.11 296	0.09 252	0.11 290	0.07 159

CrosDoStereo	0.12 136	0.06 19	0.12 91	0.14 13	0.08 48	0.12 105	0.15 116	0.17 73	0.22 174	0.19 225	0.24 197	0.15 152	0.11 110	0.11 45	0.12 128	0.06 55	0.04 2	0.07 99	0.07 162	0.05 40	0.05 52

FTStereo	0.12 136	0.06 19	0.14 155	0.18 182	0.09 132	0.07 16	0.15 116	0.21 141	0.18 117	0.12 84	0.24 197	0.12 90	0.12 139	0.13 133	0.13 158	0.05 2	0.05 107	0.07 99	0.06 87	0.06 102	0.10 271

DeepStereo_LL	0.12 136	0.06 19	0.12 91	0.14 13	0.08 48	0.12 105	0.15 116	0.17 73	0.22 174	0.19 225	0.24 197	0.15 152	0.11 110	0.11 45	0.12 128	0.06 55	0.04 2	0.07 99	0.07 162	0.05 40	0.05 52

DEmStereo	0.12 136	0.06 19	0.14 155	0.14 13	0.10 217	0.16 201	0.15 116	0.16 43	0.24 193	0.17 186	0.24 197	0.13 113	0.14 194	0.12 101	0.13 158	0.05 2	0.04 2	0.07 99	0.06 87	0.05 40	0.05 52

THIR-Stereo	0.12 136	0.07 70	0.11 71	0.15 38	0.08 48	0.14 155	0.16 171	0.17 73	0.25 212	0.16 174	0.24 197	0.14 128	0.12 139	0.12 101	0.14 186	0.06 55	0.04 2	0.07 99	0.07 162	0.05 40	0.05 52

LMCR-Stereo	0.15 220	0.08 141	0.13 129	0.21 293	0.09 132	0.17 220	0.20 278	0.27 235	0.19 129	0.24 284	0.24 197	0.23 247	0.17 246	0.20 262	0.17 235	0.07 142	0.06 190	0.08 164	0.06 87	0.10 275	0.08 219

TestStereo	0.13 158	0.14 306	0.11 71	0.23 326	0.08 48	0.15 177	0.21 294	0.20 124	0.23 183	0.14 125	0.24 197	0.16 163	0.12 139	0.16 199	0.14 186	0.05 2	0.06 190	0.08 164	0.06 87	0.09 248	0.05 52

pcwnet_v2	0.19 280	0.10 239	0.26 311	0.17 115	0.14 319	0.18 235	0.15 116	0.37 339	0.46 345	0.19 225	0.24 197	0.21 218	0.19 270	0.20 262	0.19 258	0.13 333	0.10 311	0.10 269	0.10 284	0.11 290	0.13 319

HCRNet	0.16 238	0.24 362	0.12 91	0.35 378	0.11 255	0.15 177	0.17 192	0.26 217	0.22 174	0.19 225	0.24 197	0.21 218	0.14 194	0.15 167	0.13 158	0.11 289	0.07 248	0.11 296	0.10 284	0.09 248	0.07 159

UNet	0.17 258	0.09 191	0.18 264	0.19 228	0.12 285	0.27 332	0.19 263	0.33 305	0.29 250	0.21 250	0.24 197	0.23 247	0.19 270	0.19 243	0.18 249	0.07 142	0.06 190	0.08 164	0.07 162	0.08 200	0.06 99

UPFNet	0.16 238	0.08 141	0.12 91	0.20 269	0.12 285	0.20 267	0.23 313	0.28 249	0.26 225	0.17 186	0.24 197	0.22 235	0.19 270	0.19 243	0.21 283	0.09 236	0.07 248	0.08 164	0.09 252	0.08 200	0.06 99

ac_64	0.16 238	0.08 141	0.15 192	0.18 182	0.10 217	0.22 289	0.18 232	0.24 192	0.21 163	0.18 212	0.24 197	0.29 292	0.18 255	0.19 243	0.22 292	0.09 236	0.07 248	0.08 164	0.09 252	0.07 157	0.06 99

GANet-RSSM	0.14 187	0.07 70	0.13 129	0.13 6	0.08 48	0.14 155	0.17 192	0.22 157	0.21 163	0.17 186	0.24 197	0.23 247	0.15 207	0.16 199	0.15 209	0.10 268	0.06 190	0.07 99	0.08 213	0.08 200	0.07 159

DSFCA	0.16 238	0.09 191	0.14 155	0.16 68	0.10 217	0.20 267	0.19 263	0.28 249	0.31 263	0.23 276	0.24 197	0.22 235	0.15 207	0.19 243	0.20 264	0.10 268	0.07 248	0.09 228	0.09 252	0.08 200	0.08 219

CFNet	0.15 220	0.10 239	0.17 247	0.17 115	0.08 48	0.18 235	0.09 3	0.28 249	0.25 212	0.19 225	0.24 197	0.24 253	0.17 246	0.17 221	0.14 186	0.08 191	0.06 190	0.09 228	0.10 284	0.07 157	0.06 99

DualNet	0.13 158	0.09 191	0.14 155	0.16 68	0.08 48	0.17 220	0.17 192	0.15 27	0.19 129	0.15 149	0.25 226	0.19 201	0.13 171	0.10 18	0.20 264	0.06 55	0.04 2	0.09 228	0.08 213	0.06 102	0.06 99

ffm	0.12 136	0.09 191	0.14 155	0.16 68	0.08 48	0.17 220	0.17 192	0.15 27	0.19 129	0.15 149	0.25 226	0.19 201	0.13 171	0.10 18	0.07 1	0.06 55	0.04 2	0.09 228	0.08 213	0.06 102	0.06 99

ff1	0.13 158	0.09 191	0.14 155	0.16 68	0.08 48	0.17 220	0.17 192	0.15 27	0.19 129	0.15 149	0.25 226	0.19 201	0.13 171	0.14 149	0.20 264	0.06 55	0.04 2	0.09 228	0.08 213	0.06 102	0.06 99

mmx	0.14 187	0.09 191	0.14 155	0.16 68	0.08 48	0.17 220	0.17 192	0.27 235	0.25 212	0.15 149	0.25 226	0.19 201	0.13 171	0.14 149	0.20 264	0.08 191	0.06 190	0.09 228	0.08 213	0.08 200	0.08 219

xxx	0.14 187	0.09 191	0.14 155	0.16 68	0.08 48	0.17 220	0.17 192	0.27 235	0.25 212	0.15 149	0.25 226	0.19 201	0.13 171	0.14 149	0.20 264	0.08 191	0.06 190	0.09 228	0.08 213	0.08 200	0.08 219

IER	0.14 187	0.07 70	0.13 129	0.17 115	0.09 132	0.14 155	0.16 171	0.25 205	0.26 225	0.18 212	0.25 226	0.17 182	0.20 279	0.16 199	0.14 186	0.08 191	0.05 107	0.07 99	0.06 87	0.08 200	0.07 159

DAS	0.15 220	0.08 141	0.18 264	0.19 228	0.10 217	0.19 255	0.17 192	0.27 235	0.29 250	0.18 212	0.25 226	0.21 218	0.15 207	0.16 199	0.12 128	0.08 191	0.06 190	0.06 32	0.06 87	0.07 157	0.07 159

SepStereo	0.15 220	0.08 141	0.18 264	0.19 228	0.10 217	0.19 255	0.17 192	0.27 235	0.29 250	0.18 212	0.25 226	0.21 218	0.15 207	0.25 313	0.12 128	0.08 191	0.06 190	0.06 32	0.06 87	0.07 157	0.07 159

HHNet	0.11 81	0.06 19	0.16 222	0.15 38	0.14 319	0.07 16	0.13 43	0.20 124	0.17 100	0.14 125	0.25 226	0.11 75	0.08 50	0.13 133	0.10 50	0.05 2	0.04 2	0.08 164	0.06 87	0.05 40	0.09 252

GEStereo_RVC	0.17 258	0.12 273	0.15 192	0.22 307	0.11 255	0.19 255	0.17 192	0.32 288	0.48 347	0.20 242	0.25 226	0.17 182	0.13 171	0.21 278	0.16 223	0.10 268	0.06 190	0.08 164	0.07 162	0.09 248	0.08 219

cf-r	0.13 158	0.07 70	0.12 91	0.16 68	0.08 48	0.14 155	0.19 263	0.20 124	0.25 212	0.17 186	0.25 226	0.21 218	0.16 227	0.14 149	0.14 186	0.10 268	0.05 107	0.06 32	0.08 213	0.06 102	0.06 99

FADNet	0.21 298	0.22 358	0.36 347	0.18 182	0.17 353	0.24 307	0.13 43	0.31 279	0.31 263	0.23 276	0.25 226	0.27 278	0.21 283	0.19 243	0.15 209	0.13 333	0.15 356	0.12 311	0.15 349	0.16 351	0.18 364

RASNet	0.14 187	0.07 70	0.14 155	0.16 68	0.08 48	0.18 235	0.14 70	0.29 259	0.20 150	0.17 186	0.25 226	0.21 218	0.18 255	0.20 262	0.19 258	0.07 142	0.06 190	0.06 32	0.08 213	0.06 102	0.06 99

MLCV	0.12 136	0.07 70	0.16 222	0.18 182	0.06 2	0.15 177	0.17 192	0.19 117	0.21 163	0.18 212	0.25 226	0.17 182	0.13 171	0.14 149	0.13 158	0.05 2	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

iResNet_ROB	0.14 187	0.07 70	0.13 129	0.14 13	0.07 18	0.18 235	0.14 70	0.26 217	0.31 263	0.22 263	0.25 226	0.23 247	0.15 207	0.15 167	0.13 158	0.07 142	0.05 107	0.05 2	0.04 8	0.08 200	0.08 219

DispNO	0.16 238	0.09 191	0.19 273	0.21 293	0.11 255	0.13 130	0.28 354	0.23 174	0.34 286	0.22 263	0.26 241	0.20 211	0.19 270	0.15 167	0.16 223	0.09 236	0.06 190	0.07 99	0.07 162	0.06 102	0.06 99

RAFT+CT+SA	0.13 158	0.11 259	0.09 29	0.19 228	0.09 132	0.15 177	0.28 354	0.22 157	0.22 174	0.15 149	0.26 241	0.10 59	0.10 89	0.11 45	0.12 128	0.05 2	0.04 2	0.07 99	0.08 213	0.07 157	0.06 99

delet	0.17 258	0.08 141	0.17 247	0.19 228	0.11 255	0.20 267	0.21 294	0.30 273	0.37 305	0.17 186	0.26 241	0.19 201	0.19 270	0.19 243	0.21 283	0.08 191	0.08 270	0.09 228	0.11 307	0.06 102	0.06 99

ACVNet	0.15 220	0.09 191	0.15 192	0.13 6	0.12 285	0.14 155	0.20 278	0.22 157	0.33 275	0.17 186	0.26 241	0.21 218	0.16 227	0.17 221	0.21 283	0.07 142	0.06 190	0.06 32	0.06 87	0.08 200	0.06 99

acv_ft	0.15 220	0.09 191	0.15 192	0.19 228	0.10 217	0.16 201	0.17 192	0.25 205	0.33 275	0.19 225	0.26 241	0.21 218	0.17 246	0.17 221	0.18 249	0.07 142	0.06 190	0.06 32	0.06 87	0.08 200	0.06 99

CFNet-ft	0.14 187	0.07 70	0.15 192	0.12 3	0.09 132	0.16 201	0.18 232	0.22 157	0.24 193	0.17 186	0.26 241	0.24 253	0.14 194	0.16 199	0.14 186	0.11 289	0.06 190	0.08 164	0.09 252	0.09 248	0.08 219

DMCA-RVC	0.17 258	0.10 239	0.15 192	0.24 331	0.11 255	0.18 235	0.18 232	0.25 205	0.24 193	0.21 250	0.26 241	0.25 263	0.27 323	0.18 232	0.20 264	0.12 313	0.08 270	0.13 325	0.10 284	0.10 275	0.08 219

CFNet_RVC	0.14 187	0.07 70	0.15 192	0.12 3	0.09 132	0.16 201	0.18 232	0.22 157	0.24 193	0.17 186	0.26 241	0.24 253	0.14 194	0.16 199	0.14 186	0.11 289	0.06 190	0.08 164	0.09 252	0.09 248	0.08 219

CBFPSM	0.14 187	0.06 19	0.26 311	0.17 115	0.09 132	0.13 130	0.15 116	0.22 157	0.23 183	0.20 242	0.27 249	0.24 253	0.16 227	0.16 199	0.18 249	0.06 55	0.06 190	0.06 32	0.07 162	0.07 157	0.07 159

RAFT_CTSACE	0.12 136	0.09 191	0.10 45	0.22 307	0.08 48	0.12 105	0.24 322	0.18 97	0.16 88	0.20 242	0.27 249	0.13 113	0.07 32	0.13 133	0.09 19	0.05 2	0.06 190	0.08 164	0.07 162	0.04 1	0.04 7

CRFU-Net	0.16 238	0.08 141	0.14 155	0.17 115	0.09 132	0.19 255	0.14 70	0.26 217	0.20 150	0.28 319	0.27 249	0.29 292	0.17 246	0.19 243	0.17 235	0.09 236	0.09 293	0.07 99	0.07 162	0.08 200	0.08 219

SA	0.12 136	0.09 191	0.08 11	0.18 182	0.08 48	0.12 105	0.24 322	0.23 174	0.18 117	0.17 186	0.27 249	0.14 128	0.11 110	0.11 45	0.11 86	0.05 2	0.05 107	0.09 228	0.08 213	0.05 40	0.04 7

AACVNet	0.16 238	0.08 141	0.14 155	0.15 38	0.10 217	0.18 235	0.15 116	0.23 174	0.24 193	0.27 308	0.27 249	0.28 285	0.17 246	0.19 243	0.16 223	0.09 236	0.07 248	0.09 228	0.07 162	0.10 275	0.09 252

ADLNet	0.16 238	0.08 141	0.15 192	0.16 68	0.10 217	0.16 201	0.17 192	0.32 288	0.27 232	0.22 263	0.27 249	0.24 253	0.16 227	0.18 232	0.21 283	0.10 268	0.06 190	0.10 269	0.10 284	0.08 200	0.09 252

GwcNet-RSSM	0.14 187	0.07 70	0.12 91	0.15 38	0.08 48	0.15 177	0.20 278	0.21 141	0.27 232	0.18 212	0.27 249	0.22 235	0.16 227	0.14 149	0.15 209	0.10 268	0.05 107	0.07 99	0.09 252	0.07 157	0.07 159

FADNet-RVC-Resample	0.16 238	0.11 259	0.31 333	0.22 307	0.11 255	0.19 255	0.14 70	0.25 205	0.24 193	0.24 284	0.27 249	0.20 211	0.15 207	0.16 199	0.15 209	0.07 142	0.08 270	0.12 311	0.10 284	0.09 248	0.10 271

NVstereo2D	0.19 280	0.10 239	0.15 192	0.17 115	0.15 330	0.28 338	0.23 313	0.44 369	0.42 328	0.15 149	0.27 249	0.25 263	0.19 270	0.22 289	0.17 235	0.09 236	0.06 190	0.10 269	0.08 213	0.15 344	0.09 252

test_5	0.14 187	0.12 273	0.08 11	0.20 269	0.10 217	0.14 155	0.29 363	0.21 141	0.24 193	0.18 212	0.28 258	0.11 75	0.15 207	0.12 101	0.13 158	0.06 55	0.05 107	0.07 99	0.08 213	0.08 200	0.07 159

UDG	0.21 298	0.17 330	0.19 273	0.23 326	0.15 330	0.30 344	0.20 278	0.33 305	0.35 294	0.23 276	0.28 258	0.31 310	0.27 323	0.20 262	0.22 292	0.15 347	0.12 330	0.13 325	0.09 252	0.14 333	0.14 336

DRaft	0.12 136	0.06 19	0.11 71	0.14 13	0.09 132	0.14 155	0.17 192	0.21 141	0.30 257	0.17 186	0.28 258	0.10 59	0.15 207	0.10 18	0.12 128	0.05 2	0.04 2	0.07 99	0.06 87	0.05 40	0.05 52

222	0.16 238	0.07 70	0.14 155	0.14 13	0.08 48	0.24 307	0.18 232	0.30 273	0.20 150	0.17 186	0.28 258	0.17 182	0.16 227	0.15 167	0.40 378	0.10 268	0.05 107	0.07 99	0.06 87	0.07 157	0.08 219

xxxx	0.15 220	0.07 70	0.14 155	0.14 13	0.08 48	0.23 302	0.18 232	0.31 279	0.19 129	0.14 125	0.28 258	0.22 235	0.14 194	0.15 167	0.26 331	0.09 236	0.05 107	0.07 99	0.07 162	0.08 200	0.07 159

psm_up	0.18 270	0.10 239	0.18 264	0.20 269	0.11 255	0.17 220	0.19 263	0.37 339	0.34 286	0.21 250	0.28 258	0.29 292	0.24 304	0.20 262	0.22 292	0.09 236	0.10 311	0.11 296	0.11 307	0.08 200	0.08 219

PSMNet-RSSM	0.14 187	0.07 70	0.13 129	0.15 38	0.08 48	0.13 130	0.16 171	0.24 192	0.24 193	0.16 174	0.28 258	0.22 235	0.14 194	0.15 167	0.13 158	0.11 289	0.06 190	0.09 228	0.12 325	0.08 200	0.07 159

RYNet	0.22 307	0.12 273	0.22 292	0.19 228	0.17 353	0.46 372	0.26 342	0.38 346	0.48 347	0.24 284	0.28 258	0.34 328	0.23 298	0.20 262	0.30 353	0.10 268	0.06 190	0.09 228	0.09 252	0.13 321	0.15 344

TDLM	0.17 258	0.12 273	0.13 129	0.24 331	0.10 217	0.18 235	0.18 232	0.36 334	0.30 257	0.21 250	0.28 258	0.28 285	0.18 255	0.23 300	0.18 249	0.11 289	0.07 248	0.10 269	0.10 284	0.08 200	0.08 219

StereoDRNet	0.18 270	0.11 259	0.17 247	0.22 307	0.11 255	0.21 281	0.22 303	0.37 339	0.33 275	0.24 284	0.28 258	0.30 300	0.19 270	0.20 262	0.20 264	0.09 236	0.08 270	0.11 296	0.09 252	0.09 248	0.07 159

DLCB_ROB	0.18 270	0.10 239	0.15 192	0.23 326	0.11 255	0.24 307	0.18 232	0.29 259	0.28 243	0.27 308	0.28 258	0.28 285	0.24 304	0.19 243	0.20 264	0.08 191	0.08 270	0.09 228	0.09 252	0.07 157	0.07 159

test_xeample	0.15 220	0.06 19	0.13 129	0.14 13	0.08 48	0.21 281	0.20 278	0.28 249	0.20 150	0.16 174	0.29 269	0.19 201	0.16 227	0.15 167	0.26 331	0.09 236	0.05 107	0.07 99	0.07 162	0.07 157	0.07 159

DeepPrunerF	0.24 330	0.17 330	0.42 358	0.26 347	0.16 340	0.22 289	0.28 354	0.37 339	0.50 354	0.26 302	0.29 269	0.24 253	0.28 331	0.21 278	0.22 292	0.15 347	0.11 321	0.20 364	0.18 362	0.12 304	0.13 319

iResNetv2_ROB	0.14 187	0.08 141	0.15 192	0.16 68	0.08 48	0.16 201	0.12 21	0.25 205	0.35 294	0.21 250	0.29 269	0.24 253	0.13 171	0.14 149	0.14 186	0.06 55	0.05 107	0.06 32	0.04 8	0.09 248	0.08 219

SGM-Forest	0.20 289	0.14 306	0.18 264	0.19 228	0.13 302	0.20 267	0.22 303	0.33 305	0.30 257	0.24 284	0.29 269	0.28 285	0.19 270	0.23 300	0.17 235	0.15 347	0.16 359	0.15 343	0.14 338	0.12 304	0.12 305
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CSP-Net	0.16 238	0.09 191	0.14 155	0.16 68	0.09 132	0.19 255	0.17 192	0.25 205	0.32 269	0.25 297	0.30 273	0.24 253	0.15 207	0.21 278	0.18 249	0.09 236	0.06 190	0.07 99	0.07 162	0.08 200	0.07 159

ICVP	0.15 220	0.09 191	0.12 91	0.22 307	0.09 132	0.17 220	0.21 294	0.25 205	0.23 183	0.18 212	0.30 273	0.26 271	0.18 255	0.17 221	0.14 186	0.09 236	0.07 248	0.08 164	0.07 162	0.07 157	0.07 159
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.17 258	0.09 191	0.16 222	0.20 269	0.11 255	0.27 332	0.20 278	0.25 205	0.41 322	0.22 263	0.30 273	0.21 218	0.20 279	0.17 221	0.20 264	0.06 55	0.06 190	0.07 99	0.07 162	0.08 200	0.07 159

STTStereo	0.18 270	0.12 273	0.27 317	0.20 269	0.11 255	0.16 201	0.21 294	0.29 259	0.23 183	0.21 250	0.30 273	0.29 292	0.18 255	0.20 262	0.19 258	0.12 313	0.11 321	0.11 296	0.14 338	0.09 248	0.08 219

XQC	0.28 351	0.23 359	0.51 367	0.28 361	0.19 362	0.34 356	0.27 349	0.36 334	0.57 368	0.31 334	0.30 273	0.37 338	0.30 343	0.38 367	0.38 374	0.13 333	0.09 293	0.15 343	0.12 325	0.17 358	0.18 364

NLCA_NET_v2_RVC	0.17 258	0.10 239	0.22 292	0.20 269	0.10 217	0.15 177	0.18 232	0.31 279	0.25 212	0.21 250	0.30 273	0.25 263	0.17 246	0.21 278	0.20 264	0.09 236	0.06 190	0.08 164	0.08 213	0.07 157	0.08 219
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CBMV_ROB	0.19 280	0.13 294	0.17 247	0.16 68	0.11 255	0.15 177	0.13 43	0.26 217	0.28 243	0.27 308	0.30 273	0.27 278	0.24 304	0.23 300	0.16 223	0.15 347	0.17 364	0.22 369	0.20 364	0.10 275	0.11 294

CBMV	0.19 280	0.14 306	0.17 247	0.18 182	0.10 217	0.20 267	0.11 11	0.29 259	0.30 257	0.29 325	0.30 273	0.30 300	0.23 298	0.27 318	0.19 258	0.13 333	0.15 356	0.17 352	0.16 351	0.10 275	0.10 271
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SACVNet	0.18 270	0.12 273	0.14 155	0.17 115	0.13 302	0.22 289	0.18 232	0.31 279	0.30 257	0.23 276	0.31 281	0.30 300	0.22 292	0.22 289	0.17 235	0.11 289	0.08 270	0.10 269	0.10 284	0.12 304	0.14 336

CVANet_RVC	0.18 270	0.10 239	0.14 155	0.21 293	0.10 217	0.18 235	0.17 192	0.34 315	0.33 275	0.22 263	0.31 281	0.28 285	0.18 255	0.23 300	0.17 235	0.12 313	0.08 270	0.12 311	0.11 307	0.09 248	0.07 159

DISCO	0.19 280	0.09 191	0.22 292	0.17 115	0.10 217	0.25 317	0.18 232	0.27 235	0.44 337	0.22 263	0.31 281	0.33 322	0.26 315	0.28 329	0.28 346	0.08 191	0.06 190	0.07 99	0.07 162	0.09 248	0.09 252

NaN_ROB	0.22 307	0.19 343	0.24 304	0.25 342	0.13 302	0.29 341	0.26 342	0.33 305	0.41 322	0.31 334	0.31 281	0.32 319	0.23 298	0.30 339	0.21 283	0.11 289	0.17 364	0.10 269	0.10 284	0.08 200	0.09 252

whm_eth	0.14 187	0.09 191	0.20 282	0.20 269	0.12 285	0.12 105	0.15 116	0.18 97	0.28 243	0.17 186	0.32 285	0.09 38	0.12 139	0.18 232	0.14 186	0.07 142	0.07 248	0.08 164	0.07 162	0.07 157	0.07 159

GMStereo_Zeroshot	0.16 238	0.13 294	0.24 304	0.20 269	0.10 217	0.17 220	0.13 43	0.29 259	0.25 212	0.23 276	0.32 285	0.25 263	0.11 110	0.19 243	0.14 186	0.09 236	0.06 190	0.11 296	0.06 87	0.12 304	0.08 219

DGSMNet	0.24 330	0.19 343	0.33 338	0.21 293	0.24 372	0.24 307	0.20 278	0.35 328	0.41 322	0.24 284	0.32 285	0.38 342	0.21 283	0.29 336	0.23 302	0.12 313	0.11 321	0.14 335	0.16 351	0.23 370	0.23 375

FINET	0.21 298	0.18 340	0.26 311	0.18 182	0.16 340	0.23 302	0.23 313	0.32 288	0.48 347	0.25 297	0.32 285	0.22 235	0.22 292	0.22 289	0.17 235	0.18 364	0.16 359	0.11 296	0.10 284	0.15 344	0.13 319

GwcNet	0.20 289	0.13 294	0.19 273	0.18 182	0.12 285	0.24 307	0.19 263	0.35 328	0.43 333	0.20 242	0.32 285	0.33 322	0.20 279	0.22 289	0.24 312	0.11 289	0.09 293	0.09 228	0.09 252	0.09 248	0.10 271

HGLStereo	0.17 258	0.08 141	0.19 273	0.17 115	0.12 285	0.18 235	0.18 232	0.31 279	0.32 269	0.21 250	0.32 285	0.25 263	0.18 255	0.19 243	0.20 264	0.09 236	0.09 293	0.07 99	0.07 162	0.09 248	0.10 271

hitnet-ft	0.18 270	0.09 191	0.17 247	0.14 13	0.09 132	0.26 325	0.20 278	0.25 205	0.26 225	0.24 284	0.32 285	0.31 310	0.22 292	0.24 308	0.21 283	0.12 313	0.07 248	0.10 269	0.08 213	0.12 304	0.11 294

FADNet-RVC	0.20 289	0.20 348	0.38 351	0.21 293	0.16 340	0.20 267	0.15 116	0.26 217	0.26 225	0.26 302	0.32 285	0.26 271	0.21 283	0.22 289	0.19 258	0.12 313	0.13 343	0.12 311	0.14 338	0.13 321	0.18 364

ADCRef	0.19 280	0.12 273	0.41 357	0.20 269	0.12 285	0.22 289	0.18 232	0.32 288	0.36 299	0.26 302	0.32 285	0.17 182	0.23 298	0.24 308	0.24 312	0.07 142	0.06 190	0.09 228	0.09 252	0.08 200	0.08 219

PA-Net	0.23 322	0.18 340	0.33 338	0.28 361	0.22 369	0.21 281	0.38 385	0.29 259	0.39 313	0.22 263	0.32 285	0.25 263	0.26 315	0.20 262	0.25 321	0.09 236	0.23 382	0.15 343	0.22 369	0.09 248	0.13 319
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DANet	0.21 298	0.15 312	0.28 322	0.25 342	0.13 302	0.22 289	0.19 263	0.27 235	0.27 232	0.28 319	0.32 285	0.35 332	0.31 347	0.31 340	0.23 302	0.11 289	0.09 293	0.11 296	0.10 284	0.13 321	0.11 294
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DRN-Test	0.19 280	0.11 259	0.20 282	0.22 307	0.10 217	0.22 289	0.22 303	0.39 350	0.37 305	0.24 284	0.32 285	0.26 271	0.21 283	0.22 289	0.24 312	0.11 289	0.07 248	0.11 296	0.10 284	0.09 248	0.07 159

PSMNet_ROB	0.21 298	0.11 259	0.15 192	0.27 358	0.15 330	0.24 307	0.35 380	0.43 367	0.37 305	0.27 308	0.32 285	0.32 319	0.22 292	0.21 278	0.26 331	0.12 313	0.08 270	0.13 325	0.11 307	0.09 248	0.09 252

HBP-ISP	0.18 270	0.13 294	0.16 222	0.15 38	0.11 255	0.08 23	0.13 43	0.28 249	0.29 250	0.22 263	0.33 298	0.21 218	0.25 312	0.23 300	0.17 235	0.14 344	0.16 359	0.21 365	0.17 358	0.10 275	0.08 219

AF-Net	0.22 307	0.17 330	0.17 247	0.26 347	0.13 302	0.25 317	0.24 322	0.32 288	0.50 354	0.25 297	0.33 298	0.38 342	0.26 315	0.28 329	0.25 321	0.11 289	0.10 311	0.16 349	0.11 307	0.11 290	0.10 271

RTSC	0.23 322	0.12 273	0.28 322	0.21 293	0.13 302	0.28 338	0.16 171	0.35 328	0.66 382	0.27 308	0.33 298	0.30 300	0.21 283	0.31 340	0.29 349	0.10 268	0.08 270	0.09 228	0.10 284	0.13 321	0.13 319

PS-NSSS	0.20 289	0.21 354	0.23 301	0.20 269	0.10 217	0.19 255	0.17 192	0.36 334	0.25 212	0.27 308	0.33 298	0.27 278	0.24 304	0.20 262	0.20 264	0.15 347	0.12 330	0.17 352	0.14 338	0.10 275	0.08 219

fast-acv-ft	0.18 270	0.11 259	0.19 273	0.19 228	0.12 285	0.24 307	0.21 294	0.25 205	0.34 286	0.22 263	0.34 302	0.27 278	0.20 279	0.21 278	0.23 302	0.09 236	0.09 293	0.08 164	0.10 284	0.08 200	0.07 159

STTRV1_RVC	0.25 339	0.26 368	0.39 353	0.19 228	0.26 379	0.30 344	0.24 322	0.34 315	0.35 294	0.36 348	0.34 302	0.31 310	0.31 347	0.28 329	0.25 321	0.17 362	0.10 311	0.16 349	0.14 338	0.17 358	0.12 305

Anonymous Stereo	0.23 322	0.19 343	0.50 366	0.24 331	0.17 353	0.21 281	0.21 294	0.33 305	0.44 337	0.25 297	0.34 302	0.26 271	0.18 255	0.31 340	0.27 338	0.13 333	0.12 330	0.12 311	0.13 334	0.11 290	0.14 336

pmcnn	0.15 220	0.07 70	0.19 273	0.15 38	0.07 18	0.20 267	0.15 116	0.24 192	0.26 225	0.21 250	0.34 302	0.28 285	0.18 255	0.18 232	0.17 235	0.07 142	0.05 107	0.05 2	0.04 8	0.07 157	0.06 99

SAMSARA	0.40 373	0.28 373	0.33 338	0.55 393	0.39 387	0.82 402	1.23 416	0.47 375	0.51 361	0.36 348	0.35 306	0.55 379	0.39 365	0.38 367	0.39 376	0.15 347	0.20 372	0.15 343	0.14 338	0.23 370	0.20 370

GANetREF_RVC	0.31 361	0.34 381	0.27 317	0.35 378	0.16 340	0.32 347	0.41 386	0.48 376	0.51 361	0.35 346	0.35 306	0.34 328	0.33 352	0.39 370	0.32 361	0.27 384	0.20 372	0.29 381	0.15 349	0.18 362	0.17 362
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
AANet_RVC	0.16 238	0.10 239	0.10 45	0.18 182	0.09 132	0.18 235	0.19 263	0.26 217	0.31 263	0.22 263	0.35 306	0.21 218	0.21 283	0.22 289	0.16 223	0.06 55	0.05 107	0.06 32	0.06 87	0.07 157	0.06 99

DDUNet	0.22 307	0.17 330	0.21 287	0.22 307	0.15 330	0.25 317	0.24 322	0.29 259	0.30 257	0.31 334	0.36 309	0.33 322	0.25 312	0.24 308	0.20 264	0.18 364	0.13 343	0.17 352	0.11 307	0.16 351	0.16 355

RAFT-345	0.11 81	0.07 70	0.15 192	0.16 68	0.08 48	0.08 23	0.12 21	0.15 27	0.10 8	0.11 60	0.36 309	0.09 38	0.09 68	0.11 45	0.12 128	0.05 2	0.05 107	0.07 99	0.06 87	0.04 1	0.05 52

Syn2CoEx	0.21 298	0.16 319	0.27 317	0.29 368	0.14 319	0.26 325	0.20 278	0.33 305	0.31 263	0.28 319	0.36 309	0.27 278	0.25 312	0.19 243	0.24 312	0.16 358	0.12 330	0.14 335	0.11 307	0.09 248	0.08 219

S-Stereo	0.20 289	0.12 273	0.25 310	0.21 293	0.13 302	0.20 267	0.18 232	0.32 288	0.43 333	0.23 276	0.36 309	0.28 285	0.30 343	0.19 243	0.22 292	0.09 236	0.12 330	0.10 269	0.10 284	0.13 321	0.13 319

MaskLacGwcNet_RVC	0.22 307	0.21 354	0.24 304	0.26 347	0.11 255	0.23 302	0.14 70	0.39 350	0.24 193	0.32 340	0.36 309	0.30 300	0.21 283	0.19 243	0.21 283	0.17 362	0.14 350	0.21 365	0.16 351	0.12 304	0.12 305

ETE_ROB	0.23 322	0.17 330	0.22 292	0.25 342	0.13 302	0.26 325	0.29 363	0.31 279	0.36 299	0.28 319	0.36 309	0.45 364	0.26 315	0.27 318	0.26 331	0.11 289	0.08 270	0.12 311	0.09 252	0.14 333	0.13 319

SQANet	0.23 322	0.23 359	0.30 331	0.30 370	0.19 362	0.27 332	0.13 43	0.29 259	0.33 275	0.24 284	0.37 315	0.31 310	0.22 292	0.27 318	0.23 302	0.15 347	0.10 311	0.21 365	0.16 351	0.21 367	0.15 344

FAT-Stereo	0.20 289	0.12 273	0.22 292	0.21 293	0.12 285	0.17 220	0.18 232	0.34 315	0.39 313	0.27 308	0.37 315	0.34 328	0.32 351	0.21 278	0.20 264	0.09 236	0.11 321	0.10 269	0.09 252	0.11 290	0.14 336

ADCP+	0.20 289	0.10 239	0.33 338	0.20 269	0.12 285	0.22 289	0.26 342	0.31 279	0.34 286	0.26 302	0.37 315	0.22 235	0.22 292	0.27 318	0.27 338	0.09 236	0.06 190	0.08 164	0.08 213	0.09 248	0.10 271

CC-Net-ROB	0.28 351	0.31 378	0.36 347	0.29 368	0.15 330	0.25 317	0.19 263	0.45 372	0.33 275	0.39 356	0.37 315	0.39 350	0.31 347	0.27 318	0.26 331	0.24 382	0.19 369	0.30 383	0.23 373	0.18 362	0.15 344

SGM_RVC	0.23 322	0.12 273	0.15 192	0.15 38	0.09 132	0.33 353	0.18 232	0.34 315	0.31 263	0.44 370	0.37 315	0.53 377	0.35 358	0.35 357	0.24 312	0.13 333	0.13 343	0.13 325	0.13 334	0.10 275	0.11 294
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
RP	0.21 298	0.13 294	0.21 287	0.23 326	0.11 255	0.21 281	0.20 278	0.25 205	0.44 337	0.21 250	0.38 320	0.36 334	0.24 304	0.27 318	0.25 321	0.11 289	0.12 330	0.13 325	0.12 325	0.12 304	0.14 336

G-Net	0.24 330	0.16 319	0.36 347	0.22 307	0.16 340	0.51 378	0.23 313	0.29 259	0.34 286	0.36 348	0.38 320	0.31 310	0.29 339	0.27 318	0.26 331	0.11 289	0.09 293	0.12 311	0.09 252	0.16 351	0.13 319

NCC-stereo	0.24 330	0.15 312	0.31 333	0.26 347	0.16 340	0.20 267	0.30 370	0.40 354	0.40 319	0.24 284	0.38 320	0.33 322	0.28 331	0.36 362	0.27 338	0.12 313	0.11 321	0.15 343	0.22 369	0.13 321	0.13 319

Abc-Net	0.24 330	0.15 312	0.31 333	0.26 347	0.16 340	0.20 267	0.30 370	0.40 354	0.40 319	0.24 284	0.38 320	0.33 322	0.28 331	0.36 362	0.27 338	0.12 313	0.11 321	0.15 343	0.22 369	0.13 321	0.13 319
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DPSNet	0.28 351	0.16 319	0.31 333	0.18 182	0.13 302	0.54 380	0.42 389	0.51 381	0.67 383	0.29 325	0.38 320	0.38 342	0.29 339	0.31 340	0.23 302	0.11 289	0.10 311	0.11 296	0.08 213	0.20 366	0.16 355

NCCL2	0.23 322	0.15 312	0.17 247	0.34 376	0.18 360	0.24 307	0.23 313	0.34 315	0.28 243	0.31 334	0.38 320	0.38 342	0.28 331	0.23 300	0.24 312	0.15 347	0.12 330	0.18 360	0.21 366	0.13 321	0.13 319

DispFullNet	0.27 348	0.21 354	0.65 381	0.28 361	0.16 340	0.26 325	0.17 192	0.33 305	0.58 371	0.27 308	0.38 320	0.43 360	0.23 298	0.38 367	0.23 302	0.12 313	0.06 190	0.19 362	0.11 307	0.21 367	0.15 344

LALA_ROB	0.25 339	0.16 319	0.22 292	0.26 347	0.17 353	0.27 332	0.27 349	0.42 364	0.37 305	0.33 344	0.38 320	0.51 374	0.26 315	0.28 329	0.27 338	0.16 358	0.09 293	0.12 311	0.11 307	0.13 321	0.12 305

SuperB	0.20 289	0.10 239	0.56 374	0.16 68	0.09 132	0.18 235	0.18 232	0.24 192	0.50 354	0.26 302	0.39 328	0.17 182	0.21 283	0.22 289	0.21 283	0.08 191	0.06 190	0.06 32	0.06 87	0.12 304	0.10 271

stereogan	0.22 307	0.11 259	0.21 287	0.20 269	0.12 285	0.31 346	0.19 263	0.35 328	0.44 337	0.22 263	0.39 328	0.35 332	0.27 323	0.33 348	0.22 292	0.10 268	0.12 330	0.10 269	0.10 284	0.14 333	0.13 319

PASM	0.32 363	0.24 362	0.48 365	0.28 361	0.27 380	0.29 341	0.30 370	0.34 315	0.49 352	0.35 346	0.39 328	0.46 368	0.34 356	0.34 351	0.35 367	0.23 380	0.25 384	0.26 372	0.28 380	0.23 370	0.21 372

MDST_ROB	0.22 307	0.10 239	0.17 247	0.18 182	0.11 255	0.37 366	0.19 263	0.43 367	0.41 322	0.39 356	0.39 328	0.29 292	0.21 283	0.26 315	0.18 249	0.11 289	0.10 311	0.14 335	0.11 307	0.10 275	0.08 219

XPNet_ROB	0.22 307	0.11 259	0.19 273	0.22 307	0.13 302	0.22 289	0.19 263	0.34 315	0.40 319	0.30 328	0.39 328	0.39 350	0.26 315	0.26 315	0.28 346	0.15 347	0.10 311	0.10 269	0.10 284	0.13 321	0.12 305

Wz-Net-MNSev	0.22 307	0.13 294	0.31 333	0.20 269	0.14 319	0.36 365	0.24 322	0.33 305	0.44 337	0.28 319	0.40 333	0.38 342	0.19 270	0.24 308	0.25 321	0.09 236	0.07 248	0.09 228	0.09 252	0.12 304	0.10 271

APVNet	0.22 307	0.12 273	0.19 273	0.18 182	0.14 319	0.32 347	0.31 376	0.39 350	0.32 269	0.27 308	0.40 333	0.30 300	0.29 339	0.26 315	0.25 321	0.11 289	0.12 330	0.11 296	0.14 338	0.12 304	0.12 305

RGC	0.25 339	0.20 348	0.29 328	0.28 361	0.16 340	0.22 289	0.23 313	0.32 288	0.44 337	0.27 308	0.40 333	0.38 342	0.27 323	0.36 362	0.22 292	0.11 289	0.13 343	0.17 352	0.17 358	0.14 333	0.16 355

edge stereo	0.22 307	0.13 294	0.20 282	0.21 293	0.13 302	0.23 302	0.16 171	0.32 288	0.42 328	0.32 340	0.40 333	0.38 342	0.35 358	0.25 313	0.24 312	0.13 333	0.11 321	0.14 335	0.11 307	0.12 304	0.13 319

ADCPNet	0.25 339	0.16 319	0.61 378	0.21 293	0.15 330	0.35 364	0.25 336	0.32 288	0.35 294	0.30 328	0.40 333	0.36 334	0.28 331	0.28 329	0.32 361	0.12 313	0.10 311	0.11 296	0.12 325	0.14 333	0.13 319

StereoDRNet-Refined	0.17 258	0.12 273	0.15 192	0.20 269	0.09 132	0.18 235	0.18 232	0.26 217	0.23 183	0.26 302	0.40 333	0.22 235	0.17 246	0.21 278	0.20 264	0.08 191	0.05 107	0.09 228	0.10 284	0.07 157	0.07 159
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CSAN	0.29 355	0.24 362	0.27 317	0.34 376	0.19 362	0.33 353	0.42 389	0.37 339	0.50 354	0.38 354	0.40 333	0.44 362	0.33 352	0.28 329	0.30 353	0.20 370	0.16 359	0.19 362	0.19 363	0.14 333	0.15 344

SANet	0.24 330	0.14 306	0.28 322	0.21 293	0.11 255	0.27 332	0.24 322	0.38 346	0.64 379	0.36 348	0.40 333	0.43 360	0.26 315	0.27 318	0.24 312	0.12 313	0.09 293	0.10 269	0.09 252	0.13 321	0.11 294

PDISCO_ROB	0.27 348	0.16 319	0.26 311	0.28 361	0.20 365	0.32 347	0.26 342	0.44 369	0.57 368	0.28 319	0.40 333	0.45 364	0.29 339	0.33 348	0.34 366	0.12 313	0.09 293	0.17 352	0.16 351	0.17 358	0.13 319

PWC_ROB	0.21 298	0.16 319	0.26 311	0.18 182	0.11 255	0.22 289	0.13 43	0.32 288	0.49 352	0.30 328	0.40 333	0.32 319	0.24 304	0.31 340	0.22 292	0.10 268	0.07 248	0.11 296	0.08 213	0.11 290	0.10 271

Wz-Net-LNSev	0.22 307	0.16 319	0.38 351	0.21 293	0.13 302	0.25 317	0.23 313	0.32 288	0.43 333	0.30 328	0.41 343	0.31 310	0.18 255	0.22 289	0.25 321	0.10 268	0.09 293	0.08 164	0.08 213	0.12 304	0.11 294

RAFT-RH_RVC	0.11 81	0.06 19	0.14 155	0.16 68	0.09 132	0.12 105	0.12 21	0.17 73	0.12 26	0.13 105	0.41 343	0.11 75	0.10 89	0.13 133	0.12 128	0.05 2	0.04 2	0.08 164	0.05 32	0.04 1	0.06 99

Nwc_Net	0.23 322	0.16 319	0.21 287	0.25 342	0.14 319	0.24 307	0.26 342	0.37 339	0.38 310	0.22 263	0.41 343	0.30 300	0.28 331	0.28 329	0.25 321	0.11 289	0.10 311	0.17 352	0.20 364	0.10 275	0.10 271

SHD	0.26 346	0.15 312	0.30 331	0.24 331	0.18 360	0.22 289	0.15 116	0.38 346	0.71 386	0.32 340	0.41 343	0.36 334	0.28 331	0.32 346	0.29 349	0.12 313	0.11 321	0.14 335	0.13 334	0.16 351	0.20 370

FBW_ROB	0.24 330	0.17 330	0.22 292	0.26 347	0.14 319	0.25 317	0.22 303	0.41 359	0.41 322	0.41 363	0.41 343	0.42 356	0.27 323	0.31 340	0.23 302	0.09 236	0.14 350	0.14 335	0.12 325	0.11 290	0.09 252

Wz-Net-TNSev	0.29 355	0.20 348	0.65 381	0.19 228	0.15 330	0.38 368	0.27 349	0.35 328	0.55 364	0.34 345	0.42 348	0.45 364	0.38 363	0.32 346	0.30 353	0.12 313	0.13 343	0.10 269	0.12 325	0.15 344	0.14 336

Wz-Net-LNSev-Ref	0.18 270	0.09 191	0.29 328	0.15 38	0.10 217	0.22 289	0.20 278	0.26 217	0.39 313	0.25 297	0.42 348	0.24 253	0.15 207	0.20 262	0.19 258	0.07 142	0.05 107	0.06 32	0.05 32	0.10 275	0.09 252

GANet	0.21 298	0.12 273	0.21 287	0.24 331	0.13 302	0.22 289	0.22 303	0.41 359	0.26 225	0.31 334	0.42 348	0.37 338	0.28 331	0.23 300	0.22 292	0.10 268	0.12 330	0.10 269	0.09 252	0.10 275	0.08 219

RTS	0.45 380	0.19 343	3.26 414	0.24 331	0.15 330	0.74 395	0.20 278	0.36 334	0.76 392	0.42 366	0.43 351	0.31 310	0.41 372	0.53 386	0.35 367	0.10 268	0.08 270	0.13 325	0.12 325	0.15 344	0.15 344

RTSA	0.45 380	0.19 343	3.26 414	0.24 331	0.15 330	0.74 395	0.20 278	0.36 334	0.76 392	0.42 366	0.43 351	0.31 310	0.41 372	0.53 386	0.35 367	0.10 268	0.08 270	0.13 325	0.12 325	0.15 344	0.15 344

ADCMid	0.25 339	0.15 312	0.40 355	0.20 269	0.14 319	0.25 317	0.26 342	0.34 315	0.38 310	0.36 348	0.44 353	0.34 328	0.40 368	0.35 357	0.33 364	0.10 268	0.09 293	0.11 296	0.11 307	0.13 321	0.12 305

ACVNet-4b	0.39 370	0.53 390	0.55 372	0.45 387	0.24 372	0.47 374	0.18 232	0.49 378	0.64 379	0.42 366	0.45 354	0.60 381	0.27 323	0.34 351	0.24 312	0.33 388	0.14 350	0.48 391	0.42 391	0.30 384	0.26 382

ccnet	0.29 355	0.28 373	0.23 301	0.20 269	0.28 381	0.41 371	0.21 294	0.45 372	0.33 275	0.36 348	0.46 355	0.36 334	0.30 343	0.39 370	0.42 382	0.23 380	0.14 350	0.21 365	0.17 358	0.23 370	0.18 364

MFN_U_SF_DS_RVC	0.30 360	0.24 362	0.29 328	0.36 380	0.16 340	0.34 356	0.30 370	0.32 288	0.42 328	0.40 359	0.46 355	0.38 342	0.31 347	0.34 351	0.28 346	0.19 368	0.20 372	0.26 372	0.29 381	0.18 362	0.19 369

ADCL	0.24 330	0.11 259	0.47 364	0.22 307	0.12 285	0.34 356	0.29 363	0.29 259	0.56 366	0.24 284	0.46 355	0.30 300	0.30 343	0.29 336	0.29 349	0.08 191	0.07 248	0.09 228	0.09 252	0.10 275	0.10 271

aanetorigin	0.22 307	0.17 330	0.56 374	0.17 115	0.10 217	0.15 177	0.19 263	0.20 124	0.33 275	0.49 374	0.48 358	0.29 292	0.27 323	0.20 262	0.23 302	0.08 191	0.07 248	0.08 164	0.07 162	0.10 275	0.09 252

otaku	0.39 370	0.37 384	0.52 368	0.44 386	0.28 381	0.58 382	0.24 322	0.41 359	0.62 377	0.40 359	0.49 359	0.46 368	0.33 352	0.40 374	0.32 361	0.30 385	0.30 388	0.39 387	0.33 386	0.29 383	0.28 383

Ntro	0.40 373	0.40 386	0.53 369	0.46 390	0.30 385	0.65 388	0.24 322	0.46 374	0.68 384	0.41 363	0.49 359	0.48 372	0.42 375	0.39 370	0.31 360	0.32 387	0.28 386	0.37 386	0.30 383	0.32 388	0.29 384

ADCS	0.29 355	0.18 340	0.45 360	0.21 293	0.17 353	0.28 338	0.23 313	0.41 359	0.63 378	0.40 359	0.49 359	0.40 353	0.36 360	0.39 370	0.40 378	0.13 333	0.12 330	0.13 325	0.14 338	0.16 351	0.16 355

AnyNet_C32	0.26 346	0.16 319	0.36 347	0.20 269	0.16 340	0.25 317	0.30 370	0.32 288	0.44 337	0.31 334	0.49 359	0.30 300	0.33 352	0.40 374	0.33 364	0.12 313	0.12 330	0.12 311	0.14 338	0.14 333	0.15 344

anonymity	0.53 386	0.58 392	0.65 381	0.41 384	0.61 403	0.53 379	0.41 386	0.56 387	0.41 322	0.55 379	0.50 363	0.49 373	0.55 386	0.58 391	0.50 392	0.58 401	0.50 402	0.51 393	0.51 398	0.51 392	0.57 398

PWCDC_ROB	0.20 289	0.13 294	0.22 292	0.24 331	0.11 255	0.19 255	0.15 116	0.33 305	0.54 363	0.29 325	0.50 363	0.21 218	0.15 207	0.27 318	0.20 264	0.11 289	0.09 293	0.10 269	0.08 213	0.11 290	0.09 252

FCDSN-DC	0.33 366	0.28 373	0.28 322	0.30 370	0.24 372	0.39 369	0.28 354	0.42 364	0.42 328	0.43 369	0.53 365	0.51 374	0.41 372	0.36 362	0.30 353	0.21 373	0.20 372	0.27 375	0.26 376	0.25 378	0.24 376
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
WCMA_ROB	0.24 330	0.11 259	0.22 292	0.17 115	0.14 319	0.32 347	0.15 116	0.32 288	0.32 269	0.38 354	0.53 365	0.40 353	0.34 356	0.34 351	0.25 321	0.11 289	0.12 330	0.12 311	0.10 284	0.14 333	0.14 336

SGM-ForestM	0.32 363	0.12 273	0.16 222	0.16 68	0.11 255	0.39 369	0.19 263	0.41 359	0.50 354	0.52 376	0.54 367	1.32 407	0.42 375	0.40 374	0.27 338	0.14 344	0.16 359	0.16 349	0.16 351	0.12 304	0.12 305

Wz-Net-SNSev	0.25 339	0.17 330	0.44 359	0.25 342	0.14 319	0.26 325	0.23 313	0.38 346	0.56 366	0.30 328	0.55 368	0.39 350	0.26 315	0.23 300	0.30 353	0.10 268	0.09 293	0.09 228	0.10 284	0.11 290	0.11 294

WZ-Net	0.28 351	0.17 330	0.78 395	0.22 307	0.16 340	0.34 356	0.29 363	0.39 350	0.57 368	0.24 284	0.55 368	0.37 338	0.24 304	0.33 348	0.35 367	0.09 236	0.08 270	0.09 228	0.10 284	0.14 333	0.16 355

psmorigin	0.25 339	0.15 312	0.34 346	0.17 115	0.13 302	0.23 302	0.14 70	0.34 315	0.33 275	0.41 363	0.55 368	0.41 355	0.37 362	0.34 351	0.27 338	0.11 289	0.15 356	0.11 296	0.11 307	0.12 304	0.16 355

MFN_U_SF_RVC	0.32 363	0.21 354	0.55 372	0.30 370	0.15 330	0.34 356	0.17 192	0.52 382	0.46 345	0.46 373	0.55 368	0.59 380	0.39 365	0.35 357	0.37 372	0.15 347	0.14 350	0.18 360	0.21 366	0.16 351	0.15 344

FC-DCNN	0.33 366	0.27 370	0.28 322	0.26 347	0.23 371	0.37 366	0.28 354	0.40 354	0.43 333	0.45 371	0.55 368	0.51 374	0.40 368	0.37 366	0.30 353	0.21 373	0.20 372	0.27 375	0.26 376	0.25 378	0.24 376

EDNetEfficient	0.29 355	0.24 362	1.13 404	0.18 182	0.10 217	0.19 255	0.20 278	0.20 124	0.60 375	0.74 393	0.56 373	0.31 310	0.39 365	0.22 289	0.30 353	0.09 236	0.07 248	0.08 164	0.07 162	0.11 290	0.09 252

MADNet+	0.75 397	0.71 400	3.70 417	0.66 396	0.41 388	0.98 407	0.97 414	0.69 394	0.73 390	0.52 376	0.57 374	0.64 384	0.68 395	0.86 404	1.01 412	0.34 389	0.36 391	0.28 380	0.23 373	0.36 389	0.31 387

MeshStereo	0.27 348	0.13 294	0.18 264	0.15 38	0.11 255	0.32 347	0.24 322	0.40 354	0.36 299	0.52 376	0.57 374	0.67 388	0.40 368	0.35 357	0.26 331	0.14 344	0.13 343	0.13 325	0.11 307	0.11 290	0.10 271
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
ACVNet_1	0.44 378	0.49 389	0.60 377	0.45 387	0.28 381	0.49 377	0.27 349	0.57 389	0.72 387	0.62 382	0.58 376	0.74 392	0.49 381	0.50 381	0.35 367	0.26 383	0.24 383	0.39 387	0.29 381	0.31 387	0.24 376

LSM	0.33 366	0.20 348	0.58 376	0.26 347	0.60 402	0.34 356	0.25 336	0.42 364	0.48 347	0.45 371	0.58 376	0.42 356	0.36 360	0.35 357	0.25 321	0.12 313	0.20 372	0.14 335	0.16 351	0.19 365	0.33 389

SPS-STEREO	0.57 389	0.58 392	0.65 381	0.45 387	0.55 397	0.62 386	0.44 392	0.62 392	0.50 354	0.68 385	0.64 378	0.66 387	0.57 388	0.61 392	0.60 396	0.62 404	0.47 397	0.51 393	0.49 395	0.55 397	0.58 399
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 387	0.61 394	0.70 393	0.57 394	0.43 390	0.65 388	0.37 384	0.60 391	0.87 396	0.50 375	0.66 379	0.64 384	0.47 379	0.49 380	0.43 385	0.47 396	0.48 398	0.52 395	0.41 390	0.52 393	0.40 394

EDNetEfficientorigin	7.91 421	0.31 378	153.02 440	0.19 228	0.09 132	0.21 281	0.16 171	0.22 157	0.59 372	0.72 389	0.67 380	0.42 356	0.50 382	0.24 308	0.39 376	0.08 191	0.07 248	0.08 164	0.07 162	0.12 304	0.10 271

LE_ROB	0.50 384	0.07 70	0.14 155	0.15 38	0.08 48	0.24 307	0.16 171	0.22 157	1.81 415	4.63 419	0.67 380	0.47 371	0.44 377	0.20 262	0.29 349	0.07 142	0.06 190	0.06 32	0.06 87	0.08 200	0.06 99

MSMD_ROB	0.31 361	0.26 368	0.26 311	0.24 331	0.21 367	0.34 356	0.25 336	0.34 315	0.39 313	0.40 359	0.69 382	0.45 364	0.40 368	0.34 351	0.27 338	0.20 370	0.19 369	0.26 372	0.25 375	0.23 370	0.22 374

SGM+DAISY	0.56 388	0.57 391	0.65 381	0.40 382	0.54 395	0.66 390	0.49 393	0.56 387	0.45 344	0.66 383	0.69 382	0.67 388	0.56 387	0.63 393	0.56 394	0.59 402	0.48 398	0.50 392	0.50 397	0.52 393	0.58 399

coex-ft	3.30 415	0.34 381	59.09 439	0.18 182	0.13 302	0.26 325	0.22 303	0.27 235	0.72 387	1.90 416	0.70 384	0.44 362	0.45 378	0.29 336	0.41 381	0.09 236	0.09 293	0.12 311	0.09 252	0.14 333	0.13 319

MSC_U_SF_DS_RVC	0.43 377	0.39 385	0.54 370	0.40 382	0.20 365	0.64 387	0.32 378	0.53 384	0.72 387	0.71 387	0.72 385	0.61 382	0.54 383	0.51 382	0.46 386	0.20 370	0.19 369	0.29 381	0.30 383	0.23 370	0.18 364

Consistency-Raft	0.44 378	0.40 386	0.45 360	0.37 381	0.43 390	0.46 372	0.41 386	0.57 389	0.55 364	0.32 340	0.73 386	0.33 322	0.48 380	0.42 377	0.49 389	0.39 390	0.35 390	0.45 390	0.51 398	0.42 390	0.29 384

MFMNet_re	0.64 390	0.66 398	0.65 381	0.51 391	0.69 407	0.69 391	0.57 399	0.64 393	0.73 390	0.60 381	0.73 386	0.62 383	0.67 394	0.65 394	0.60 396	0.66 405	0.58 411	0.63 397	0.59 401	0.68 403	0.69 408

AnyNet_C01	0.36 369	0.25 367	1.37 407	0.22 307	0.17 353	0.48 376	0.27 349	0.35 328	0.39 313	0.39 356	0.74 388	0.46 368	0.38 363	0.45 378	0.47 387	0.13 333	0.13 343	0.13 325	0.14 338	0.14 333	0.15 344

ELAS_RVC	0.41 375	0.29 376	0.33 338	0.28 361	0.24 372	0.54 380	0.36 381	0.49 378	0.59 372	0.72 389	0.74 388	0.65 386	0.54 383	0.54 388	0.40 378	0.22 376	0.20 372	0.27 375	0.26 376	0.26 381	0.25 380
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCK	0.71 394	0.94 410	0.95 402	0.76 399	0.31 386	0.74 395	0.36 381	0.90 399	0.90 397	0.96 402	0.75 390	0.95 396	0.61 390	0.87 405	0.66 399	0.72 406	0.46 393	0.75 402	0.49 395	0.69 405	0.44 396

JetBlue	0.71 394	0.45 388	1.14 405	0.51 391	0.47 392	2.02 416	0.64 403	0.75 395	0.70 385	0.69 386	0.77 391	1.22 403	0.83 400	1.03 412	1.01 412	0.40 391	0.28 386	0.33 384	0.33 386	0.30 384	0.34 390

PVD	0.39 370	0.20 348	0.39 353	0.31 374	0.22 369	0.29 341	0.43 391	0.52 382	0.96 399	0.55 379	0.79 392	0.53 377	0.59 389	0.52 384	0.38 374	0.19 368	0.14 350	0.17 352	0.14 338	0.24 377	0.31 387

ELAS	0.41 375	0.29 376	0.33 338	0.27 358	0.24 372	0.60 385	0.36 381	0.50 380	0.50 354	0.71 387	0.79 392	0.67 388	0.54 383	0.51 382	0.42 382	0.22 376	0.20 372	0.27 375	0.26 376	0.26 381	0.25 380
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
UNDER WATER-64	0.95 406	0.94 410	1.43 409	0.87 407	0.56 398	1.18 415	0.87 411	0.77 396	0.94 398	1.04 405	0.85 394	1.58 414	1.21 414	0.94 409	0.96 410	0.87 412	0.57 410	1.03 412	0.88 413	0.78 410	0.73 409

TorneroNet-64	0.76 398	0.72 401	0.74 394	0.78 401	0.58 401	0.91 406	0.56 398	0.84 398	1.29 405	0.66 383	0.90 395	1.40 409	0.75 397	0.85 403	0.67 402	0.49 397	0.46 393	0.72 401	0.59 401	0.67 402	0.53 397

UNDER WATER	0.97 407	0.97 412	1.42 408	0.99 411	0.70 410	1.12 414	0.84 410	0.80 397	1.08 400	1.01 404	0.90 395	1.55 413	1.22 415	1.03 412	1.00 411	0.78 410	0.53 405	1.02 411	0.87 412	0.80 411	0.74 410

NVStereoNet_ROB	0.46 383	0.36 383	0.46 363	0.41 384	0.28 381	0.34 356	0.34 379	0.48 376	0.60 375	0.72 389	0.93 397	0.70 391	0.66 393	0.47 379	0.60 396	0.22 376	0.33 389	0.34 385	0.34 388	0.30 384	0.30 386
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
tt	4.67 417	0.06 19	3.55 416	2.02 420	1.55 418	10.25 423	16.71 422	8.91 426	5.03 419	1.31 412	0.94 398	4.71 420	4.76 419	3.33 419	5.87 421	6.06 427	10.30 431	1.88 421	2.11 422	2.75 420	1.21 418

BEATNet-Init1	0.52 385	0.27 370	0.62 379	0.30 370	0.21 367	0.76 399	0.29 363	0.54 385	0.65 381	0.86 398	0.95 399	2.07 417	0.62 392	0.56 390	0.42 382	0.18 364	0.18 366	0.23 370	0.22 369	0.22 369	0.21 372

WAO-6	0.81 400	0.80 404	0.62 379	0.86 406	0.63 404	0.76 399	0.58 400	0.98 406	1.54 413	0.90 400	0.96 400	1.07 399	1.03 408	0.70 396	0.66 399	0.72 406	0.49 400	0.90 409	0.71 407	0.68 403	0.58 399

IMH-64-1	0.65 391	0.61 394	0.68 389	0.71 397	0.51 393	0.59 383	0.49 393	0.91 400	0.85 394	0.74 393	1.02 401	0.81 393	0.78 398	0.79 397	0.49 389	0.42 392	0.46 393	0.71 399	0.47 393	0.52 393	0.39 392

IMH-64	0.65 391	0.61 394	0.68 389	0.71 397	0.51 393	0.59 383	0.49 393	0.91 400	0.85 394	0.74 393	1.02 401	0.81 393	0.78 398	0.79 397	0.49 389	0.42 392	0.46 393	0.71 399	0.47 393	0.52 393	0.39 392

DPSimNet_ROB	1.11 411	1.23 416	0.78 395	1.13 413	0.88 414	1.10 413	1.13 415	1.16 415	1.23 404	1.43 413	1.02 401	1.41 410	1.10 412	0.90 407	1.60 414	1.46 419	0.51 404	1.21 416	1.03 416	0.90 412	1.01 417

IMH	0.71 394	0.64 397	0.68 389	0.76 399	0.54 395	0.69 391	0.54 397	0.98 406	1.10 401	0.82 397	1.09 404	0.89 395	0.88 403	0.87 405	0.52 393	0.44 395	0.50 402	0.75 402	0.51 398	0.56 398	0.41 395

ACVNet_2	0.66 393	0.66 398	0.68 389	0.63 395	0.41 388	0.71 393	0.49 393	0.96 404	1.39 408	0.89 399	1.09 404	1.04 397	0.73 396	0.54 388	0.47 387	0.43 394	0.40 392	0.53 396	0.44 392	0.47 391	0.35 391

TorneroNet	0.82 401	0.74 402	0.81 399	0.84 404	0.63 404	0.99 408	0.63 401	0.96 404	1.16 402	0.80 396	1.11 406	1.36 408	0.86 402	0.93 408	0.80 407	0.56 399	0.49 400	0.78 406	0.66 405	0.73 408	0.63 407

ktn	1.01 409	1.21 415	0.80 398	1.23 416	0.86 413	1.01 410	0.87 411	0.94 403	1.39 408	1.04 405	1.12 407	1.15 401	1.07 409	0.94 409	0.59 395	1.28 418	0.71 415	1.38 418	0.83 411	1.02 415	0.75 411

MANE	0.45 380	0.27 370	0.27 317	0.27 358	0.24 372	0.47 374	0.31 376	0.55 386	0.59 372	0.72 389	1.13 408	1.15 401	0.61 390	0.52 384	0.37 372	0.21 373	0.20 372	0.27 375	0.31 385	0.25 378	0.24 376

Dean	0.87 403	0.86 408	0.79 397	0.81 403	0.56 398	0.90 403	0.63 401	1.15 414	1.73 414	1.15 409	1.15 409	1.31 406	0.99 407	0.81 399	0.81 408	0.57 400	0.56 409	0.77 405	0.64 404	0.66 401	0.58 399

notaker	0.97 407	1.11 413	0.98 403	1.13 413	0.81 411	0.73 394	0.68 407	0.93 402	1.16 402	1.18 411	1.18 410	1.41 410	1.16 413	1.08 414	0.69 403	0.81 411	0.64 413	1.17 414	0.79 410	0.98 413	0.80 413

WAO-7	0.79 399	0.78 403	0.54 370	0.85 405	0.67 406	0.74 395	0.68 407	1.05 409	1.32 406	0.90 400	1.20 411	1.04 397	0.92 404	0.69 395	0.66 399	0.60 403	0.62 412	0.67 398	0.68 406	0.64 399	0.58 399

LVE	0.83 402	0.85 407	0.85 400	0.80 402	0.56 398	1.04 412	0.65 404	1.05 409	1.47 411	0.96 402	1.22 412	1.10 400	0.85 401	0.83 400	0.71 404	0.49 397	0.55 408	0.76 404	0.60 403	0.65 400	0.59 404

KSHMR	1.09 410	1.17 414	0.88 401	1.25 417	1.00 416	0.99 408	0.96 413	1.13 413	1.37 407	1.16 410	1.29 413	1.41 410	0.96 406	1.01 411	0.92 409	1.03 415	1.08 417	1.20 415	1.03 416	1.01 414	0.97 415

WAO-8	0.91 404	0.81 405	0.65 381	0.94 409	0.69 407	0.90 403	0.67 405	1.07 411	1.83 416	1.06 407	1.45 414	1.30 404	1.07 409	0.84 401	0.78 405	0.74 408	0.53 405	0.86 407	0.75 408	0.69 405	0.62 405

Venus	0.91 404	0.81 405	0.65 381	0.94 409	0.69 407	0.90 403	0.67 405	1.07 411	1.83 416	1.06 407	1.45 414	1.30 404	1.07 409	0.84 401	0.78 405	0.74 408	0.53 405	0.86 407	0.75 408	0.69 405	0.62 405

HanzoNet	1.29 412	1.26 417	1.19 406	1.12 412	0.85 412	1.02 411	0.83 409	1.03 408	1.48 412	1.64 414	1.61 416	2.50 419	1.72 416	1.61 416	1.61 415	1.26 417	0.80 416	1.31 417	1.01 415	1.02 415	0.86 414

JetRed	1.62 413	1.46 418	2.98 413	0.92 408	1.21 417	4.99 418	1.53 418	1.27 416	1.39 408	1.83 415	1.74 417	1.60 415	0.95 405	1.41 415	2.45 418	0.90 414	1.60 419	0.93 410	0.90 414	1.35 417	0.99 416

MADNet++	1.95 414	1.75 419	1.59 411	1.82 419	1.69 419	2.33 417	1.40 417	2.35 418	2.09 418	2.57 418	2.36 418	2.24 418	2.17 417	2.28 417	2.34 417	1.87 420	1.66 420	1.54 419	1.34 419	1.92 419	1.77 420

ASD4	3.54 416	3.38 421	2.05 412	1.72 418	2.51 421	9.03 422	17.71 423	2.25 417	5.51 420	2.46 417	2.81 419	2.03 416	3.36 418	2.73 418	5.06 419	1.22 416	1.34 418	1.13 413	1.33 418	1.68 418	1.49 419

xxxxx1	7.79 418	5.02 424	7.31 420	3.12 421	3.85 422	16.35 426	22.88 424	5.86 423	8.69 422	7.97 422	8.54 420	9.12 425	8.27 422	10.18 424	10.92 422	2.42 421	2.45 422	3.56 424	12.37 428	3.77 421	3.06 422

tt_ll	7.79 418	5.02 424	7.31 420	3.12 421	3.85 422	16.35 426	22.88 424	5.86 423	8.69 422	7.97 422	8.54 420	9.12 425	8.27 422	10.18 424	10.92 422	2.42 421	2.45 422	3.56 424	12.37 428	3.77 421	3.06 422

ff	7.79 418	5.02 424	7.31 420	3.12 421	3.85 422	16.35 426	22.88 424	5.86 423	8.69 422	7.97 422	8.54 420	9.12 425	8.27 422	10.18 424	10.92 422	2.42 421	2.45 422	3.56 424	12.37 428	3.77 421	3.06 422

DPSMNet_ROB	8.06 422	4.48 422	8.63 426	5.37 426	10.74 428	8.32 420	22.98 428	5.46 420	13.36 427	5.12 420	9.92 423	5.08 421	10.40 425	5.53 422	12.58 425	3.80 425	8.00 426	3.50 422	7.02 425	3.83 424	7.14 426

DGTPSM_ROB	8.06 422	4.48 422	8.63 426	5.35 424	10.72 427	8.32 420	22.97 427	5.46 420	13.35 426	5.12 420	9.92 423	5.08 421	10.40 425	5.52 421	12.58 425	3.79 424	8.00 426	3.50 422	7.02 425	3.83 424	7.14 426

Anonymous_1	10.96 427	7.92 427	7.46 423	10.33 427	10.06 426	18.65 430	26.34 430	11.06 427	13.44 428	9.40 425	10.05 425	9.67 428	11.23 427	10.73 427	12.72 427	6.42 428	8.38 428	5.77 427	10.61 427	12.12 429	6.77 425

DPSM_ROB	11.15 428	8.58 428	8.00 424	10.88 428	11.58 429	19.10 431	26.71 431	12.05 428	14.07 429	10.36 426	10.84 426	10.33 429	11.86 428	11.70 428	13.54 428	6.99 429	8.79 429	5.89 428	6.95 423	7.29 426	7.42 428

DPSM	11.15 428	8.58 428	8.00 424	10.88 428	11.58 429	19.10 431	26.71 431	12.05 428	14.07 429	10.36 426	10.84 426	10.33 429	11.86 428	11.70 428	13.54 428	6.99 429	8.79 429	5.89 428	6.95 423	7.29 426	7.42 428

HaxPig	15.71 431	18.52 438	19.18 434	16.89 430	15.89 432	7.73 419	7.60 419	13.31 430	10.82 425	15.42 429	14.91 428	15.98 431	14.92 430	15.58 430	15.98 431	18.95 437	16.73 432	19.46 437	18.08 437	19.26 437	19.05 437

LRCNet_RVC	10.62 426	13.42 431	7.30 419	18.92 431	2.07 420	0.33 353	0.30 370	5.59 422	0.48 347	13.03 428	17.94 429	8.87 424	5.65 420	4.79 420	1.89 416	23.51 438	2.73 425	27.55 439	25.71 439	16.07 436	16.33 436

MEDIAN_ROB	20.38 432	24.04 439	23.31 436	21.23 432	21.71 433	10.40 424	7.92 420	17.64 431	15.50 431	20.12 431	19.70 430	20.34 432	20.32 431	21.19 431	21.13 432	23.81 439	21.81 439	24.98 438	23.76 438	24.71 438	23.93 438

LSM0	22.87 438	17.28 432	18.96 433	22.19 438	29.04 440	38.42 439	53.71 434	24.28 437	28.31 433	20.78 434	21.00 431	21.43 438	24.16 437	23.50 436	27.39 435	14.09 436	17.38 433	11.84 436	14.04 436	14.73 435	14.89 430

CasAABBNet	22.42 433	17.33 433	16.01 428	22.01 436	23.28 437	38.32 434	53.80 438	24.14 433	28.41 434	20.60 432	21.77 432	20.89 437	23.91 436	23.43 432	27.36 434	14.07 431	17.69 434	11.83 435	14.01 432	14.67 433	14.95 434

Selective-RAFT-Error	22.47 437	17.37 437	16.09 429	22.06 437	23.34 438	38.39 438	53.83 439	24.29 438	28.47 438	20.74 433	21.83 433	20.81 436	23.90 435	23.54 437	27.53 439	14.08 432	17.69 434	11.82 431	14.00 431	14.69 434	15.00 435

MyStereo03	22.45 434	17.33 433	16.21 430	21.95 433	23.27 434	38.32 434	53.79 435	24.21 434	28.46 435	20.87 435	21.85 434	20.80 433	23.87 432	23.46 433	27.40 436	14.08 432	17.71 436	11.82 431	14.03 433	14.65 430	14.89 430

MyStereo02	22.45 434	17.33 433	16.21 430	21.95 433	23.27 434	38.32 434	53.79 435	24.21 434	28.46 435	20.87 435	21.85 434	20.80 433	23.87 432	23.46 433	27.40 436	14.08 432	17.71 436	11.82 431	14.03 433	14.65 430	14.89 430

MyStereo	22.45 434	17.33 433	16.21 430	21.95 433	23.27 434	38.32 434	53.79 435	24.21 434	28.46 435	20.87 435	21.85 434	20.80 433	23.87 432	23.46 433	27.40 436	14.08 432	17.71 436	11.82 431	14.03 433	14.65 430	14.89 430

SPstereo	13.84 430	0.93 409	1.50 410	1.22 415	0.88 414	28.82 433	48.26 433	26.77 440	29.54 439	22.37 438	22.60 437	23.23 439	24.68 438	24.53 438	15.06 430	0.88 413	0.69 414	1.83 420	1.60 420	0.74 409	0.77 412

AVERAGE_ROB	24.90 439	29.20 440	28.14 437	24.89 439	24.64 439	17.75 429	11.12 421	21.45 432	19.93 432	25.12 439	24.46 438	25.12 440	25.46 439	24.69 439	22.83 433	29.76 440	27.13 440	28.97 440	27.95 440	29.91 439	29.47 439

PML	8.91 424	9.34 430	6.13 418	5.35 424	6.41 425	14.99 425	23.38 429	5.27 419	6.83 421	18.04 430	28.19 439	7.67 423	6.83 421	7.85 423	5.75 420	5.35 426	1.83 421	5.95 430	1.93 421	8.64 428	2.52 421

test_example2	98.32 440	94.13 441	45.89 438	96.35 440	109.85 441	88.61 440	95.45 440	25.75 439	94.37 440	130.00 440	126.06 440	58.17 441	74.63 440	88.51 440	79.96 440	150.23 441	221.02 441	77.62 441	99.10 441	113.75 441	96.94 440

FADE		0.33 380		0.33 375	0.25 378							0.42 356				0.30 385	0.21 381	0.41 389	0.38 389	0.23 370

Low-res two-view benchmark