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

IGEV+	0.19 38	0.13 74	0.38 25	0.30 308	0.19 257	0.15 4	0.15 25	0.32 57	0.18 1	0.13 1	0.16 16	0.12 3	0.11 10	0.24 47	0.15 38	0.07 13	0.32 379	0.07 13	0.05 8	0.07 30	0.42 371

AEACV	0.20 59	0.09 3	0.32 9	0.39 359	0.34 359	0.21 66	0.16 41	0.30 38	0.18 1	0.17 17	0.17 18	0.13 12	0.16 64	0.27 82	0.13 7	0.07 13	0.29 373	0.07 13	0.09 168	0.07 30	0.37 361

LoS_RVC	0.14 1	0.11 27	0.32 9	0.18 8	0.16 188	0.20 50	0.18 94	0.21 2	0.18 1	0.14 6	0.20 31	0.12 3	0.17 79	0.17 8	0.14 25	0.06 1	0.05 3	0.06 1	0.04 1	0.05 1	0.14 208

MIF-Stereo	0.15 4	0.12 57	0.45 58	0.21 55	0.14 109	0.17 10	0.13 2	0.20 1	0.19 4	0.16 13	0.20 31	0.10 1	0.11 10	0.18 12	0.17 61	0.08 89	0.06 34	0.07 13	0.06 23	0.08 65	0.07 11

XX-Stereo	0.25 174	0.11 27	1.09 346	0.35 344	0.38 371	0.23 104	0.13 2	0.43 158	0.19 4	0.20 29	0.40 194	0.31 177	0.10 3	0.33 149	0.13 7	0.08 89	0.11 215	0.08 61	0.09 168	0.07 30	0.10 101

DLNR_Zeroshot_test	10.53 422	12.28 430	20.32 430	105.84 442	23.88 439	0.14 3	0.13 2	3.20 417	0.20 6	0.16 13	0.23 51	0.16 33	0.10 3	0.32 140	0.16 48	2.54 417	0.32 379	0.07 13	0.07 46	40.17 440	0.28 333

CAS	0.16 12	0.07 1	0.29 4	0.42 369	0.17 213	0.20 50	0.18 94	0.23 4	0.20 6	0.15 11	0.19 26	0.11 2	0.10 3	0.15 1	0.14 25	0.31 374	0.04 1	0.06 1	0.04 1	0.06 2	0.16 229

CES	0.14 1	0.08 2	0.24 1	0.17 4	0.23 312	0.18 14	0.15 25	0.24 8	0.20 6	0.14 6	0.18 23	0.14 23	0.10 3	0.19 21	0.12 1	0.07 13	0.05 3	0.06 1	0.04 1	0.08 65	0.20 270

Selective-IGEV	0.15 4	0.10 11	0.34 13	0.32 324	0.19 257	0.16 6	0.14 12	0.29 29	0.20 6	0.13 1	0.14 14	0.13 12	0.08 1	0.23 41	0.14 25	0.06 1	0.13 245	0.07 13	0.06 23	0.06 2	0.11 130

MC-Stereo	0.18 22	0.10 11	0.36 19	0.28 288	0.14 109	0.18 14	0.15 25	0.24 8	0.20 6	0.21 33	0.24 56	0.16 33	0.13 33	0.25 56	0.14 25	0.07 13	0.17 302	0.07 13	0.07 46	0.06 2	0.30 339

R-Stereo Train	0.19 38	0.10 11	0.49 104	0.22 87	0.12 49	0.23 104	0.18 94	0.43 158	0.20 6	0.31 152	0.45 247	0.20 62	0.14 43	0.18 12	0.18 80	0.08 89	0.06 34	0.07 13	0.06 23	0.06 2	0.07 11

RAFT-Stereo	0.19 38	0.10 11	0.49 104	0.22 87	0.12 49	0.23 104	0.18 94	0.43 158	0.20 6	0.31 152	0.45 247	0.20 62	0.14 43	0.18 12	0.18 80	0.08 89	0.06 34	0.07 13	0.06 23	0.06 2	0.07 11
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
StereoIM	0.15 4	0.17 169	0.39 29	0.19 13	0.15 159	0.16 6	0.13 2	0.26 11	0.22 13	0.13 1	0.15 15	0.14 23	0.11 10	0.17 8	0.17 61	0.08 89	0.07 93	0.08 61	0.06 23	0.07 30	0.06 4

MSKI-zero shot	0.19 38	0.10 11	0.47 75	0.30 308	0.14 109	0.21 66	0.14 12	0.33 70	0.22 13	0.24 62	0.25 61	0.22 75	0.10 3	0.32 140	0.14 25	0.07 13	0.30 374	0.07 13	0.07 46	0.06 2	0.09 59

CroCo-Stereo Lap2	0.16 12	0.18 186	0.39 29	0.26 231	0.18 234	0.11 1	0.19 126	0.30 38	0.22 13	0.13 1	0.16 16	0.15 29	0.11 10	0.17 8	0.15 38	0.07 13	0.07 93	0.08 61	0.06 23	0.08 65	0.07 11

MGS-Stereo	0.15 4	0.12 57	0.38 25	0.19 13	0.11 25	0.18 14	0.17 55	0.21 2	0.23 16	0.14 6	0.24 56	0.16 33	0.10 3	0.19 21	0.13 7	0.07 13	0.06 34	0.07 13	0.06 23	0.10 180	0.07 11

ff7	0.18 22	0.13 74	0.41 35	0.21 55	0.15 159	0.21 66	0.17 55	0.28 18	0.23 16	0.21 33	0.13 5	0.12 3	0.12 17	0.27 82	0.13 7	0.07 13	0.25 349	0.08 61	0.07 46	0.08 65	0.36 353

IGEVStereo-DCA	0.20 59	0.17 169	0.41 35	0.22 87	0.15 159	0.20 50	0.17 55	0.28 18	0.23 16	0.19 25	0.12 2	0.14 23	0.12 17	0.38 184	0.31 227	0.07 13	0.16 284	0.08 61	0.07 46	0.08 65	0.36 353

ffff	0.18 22	0.13 74	0.41 35	0.21 55	0.15 159	0.21 66	0.17 55	0.28 18	0.23 16	0.21 33	0.13 5	0.12 3	0.12 17	0.27 82	0.13 7	0.07 13	0.25 349	0.08 61	0.07 46	0.08 65	0.36 353

11t	0.18 22	0.13 74	0.41 35	0.21 55	0.15 159	0.21 66	0.17 55	0.28 18	0.23 16	0.21 33	0.13 5	0.12 3	0.12 17	0.27 82	0.13 7	0.07 13	0.25 349	0.08 61	0.07 46	0.08 65	0.36 353

test croco	0.18 22	0.16 146	0.59 213	0.21 55	0.13 81	0.16 6	0.17 55	0.29 29	0.23 16	0.16 13	0.26 68	0.13 12	0.17 79	0.27 82	0.17 61	0.09 145	0.06 34	0.10 185	0.07 46	0.10 180	0.07 11

IGEV_Zeroshot_test	0.23 124	0.11 27	0.82 293	0.21 55	0.23 312	0.20 50	0.19 126	0.38 109	0.23 16	0.34 200	0.22 49	0.29 158	0.14 43	0.24 47	0.20 117	0.07 13	0.09 170	0.08 61	0.08 106	0.08 65	0.35 352

EGLCR-Stereo	0.19 38	0.09 3	0.34 13	0.29 301	0.17 213	0.28 166	0.16 41	0.30 38	0.23 16	0.22 49	0.11 1	0.16 33	0.09 2	0.28 100	0.15 38	0.07 13	0.25 349	0.07 13	0.07 46	0.06 2	0.37 361

ProNet	0.16 12	0.13 74	0.36 19	0.21 55	0.15 159	0.20 50	0.19 126	0.29 29	0.23 16	0.14 6	0.13 5	0.13 12	0.12 17	0.25 56	0.13 7	0.06 1	0.09 170	0.07 13	0.06 23	0.07 30	0.22 287

ccc-4	0.18 22	0.13 74	0.41 35	0.21 55	0.15 159	0.21 66	0.17 55	0.28 18	0.23 16	0.21 33	0.13 5	0.12 3	0.12 17	0.27 82	0.13 7	0.07 13	0.25 349	0.08 61	0.07 46	0.08 65	0.36 353

anonymousdsp	0.20 59	0.13 74	0.49 104	0.28 288	0.20 275	0.21 66	0.17 55	0.29 29	0.24 26	0.22 49	0.13 5	0.12 3	0.12 17	0.32 140	0.13 7	0.07 13	0.26 355	0.08 61	0.07 46	0.08 65	0.48 382

knoymous	0.18 22	0.10 11	0.35 17	0.17 4	0.11 25	0.21 66	0.17 55	0.33 70	0.24 26	0.24 62	0.28 81	0.27 134	0.16 64	0.24 47	0.17 61	0.09 145	0.06 34	0.09 121	0.06 23	0.09 132	0.10 101

test_4	0.19 38	0.16 146	0.39 29	0.24 167	0.13 81	0.19 24	0.21 176	0.27 14	0.24 26	0.24 62	0.47 266	0.22 75	0.13 33	0.27 82	0.18 80	0.06 1	0.06 34	0.09 121	0.09 168	0.07 30	0.06 4

IGEV-Stereo	0.20 59	0.13 74	0.49 104	0.28 288	0.20 275	0.21 66	0.17 55	0.29 29	0.24 26	0.22 49	0.13 5	0.12 3	0.12 17	0.32 140	0.13 7	0.07 13	0.26 355	0.08 61	0.07 46	0.08 65	0.48 382
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
Patchmatch Stereo++	0.19 38	0.13 74	0.51 134	0.22 87	0.11 25	0.19 24	0.14 12	0.30 38	0.24 26	0.28 93	0.29 87	0.25 114	0.18 105	0.27 82	0.18 80	0.09 145	0.06 34	0.10 185	0.08 106	0.10 180	0.09 59
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	0.19 38	0.13 74	0.51 134	0.22 87	0.11 25	0.19 24	0.15 25	0.30 38	0.24 26	0.28 93	0.29 87	0.25 114	0.18 105	0.25 56	0.17 61	0.09 145	0.06 34	0.10 185	0.08 106	0.10 180	0.09 59

ROB_FTStereo_v2	0.19 38	0.13 74	0.51 134	0.22 87	0.11 25	0.19 24	0.15 25	0.30 38	0.24 26	0.28 93	0.29 87	0.25 114	0.18 105	0.25 56	0.18 80	0.09 145	0.06 34	0.10 185	0.08 106	0.10 180	0.09 59

ROB_FTStereo	0.19 38	0.13 74	0.51 134	0.22 87	0.11 25	0.19 24	0.13 2	0.30 38	0.24 26	0.28 93	0.29 87	0.25 114	0.18 105	0.25 56	0.17 61	0.09 145	0.06 34	0.10 185	0.08 106	0.10 180	0.09 59

HUI-Stereo	0.19 38	0.13 74	0.52 150	0.22 87	0.11 25	0.19 24	0.14 12	0.30 38	0.24 26	0.28 93	0.29 87	0.25 114	0.18 105	0.23 41	0.17 61	0.09 145	0.06 34	0.10 185	0.08 106	0.10 180	0.09 59

DeepStereo_RVC	0.19 38	0.12 57	0.47 75	0.22 87	0.11 25	0.19 24	0.16 41	0.29 29	0.24 26	0.28 93	0.27 77	0.23 88	0.28 215	0.24 47	0.19 101	0.08 89	0.06 34	0.09 121	0.07 46	0.09 132	0.10 101

iGMRVC	0.19 38	0.13 74	0.51 134	0.22 87	0.11 25	0.19 24	0.15 25	0.30 38	0.24 26	0.28 93	0.29 87	0.25 114	0.18 105	0.27 82	0.18 80	0.09 145	0.06 34	0.10 185	0.08 106	0.10 180	0.09 59

iRAFT	0.19 38	0.13 74	0.51 134	0.22 87	0.11 25	0.19 24	0.14 12	0.30 38	0.24 26	0.28 93	0.29 87	0.25 114	0.18 105	0.27 82	0.18 80	0.09 145	0.06 34	0.10 185	0.08 106	0.10 180	0.09 59

CRE-IMP	0.19 38	0.13 74	0.51 134	0.23 130	0.11 25	0.24 122	0.17 55	0.31 52	0.24 26	0.27 87	0.26 68	0.24 103	0.17 79	0.24 47	0.19 101	0.09 145	0.05 3	0.10 185	0.07 46	0.10 180	0.10 101

CroCo-Stereo	0.15 4	0.16 146	0.34 13	0.25 199	0.12 49	0.11 1	0.18 94	0.35 83	0.24 26	0.13 1	0.13 5	0.18 49	0.12 17	0.15 1	0.13 7	0.08 89	0.06 34	0.07 13	0.05 8	0.07 30	0.06 4
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
cross-raft	0.18 22	0.12 57	0.40 33	0.27 264	0.16 188	0.20 50	0.24 243	0.34 74	0.24 26	0.23 56	0.28 81	0.29 158	0.15 52	0.19 21	0.16 48	0.06 1	0.05 3	0.08 61	0.07 46	0.07 30	0.07 11

RAFT-IKP	0.19 38	0.13 74	0.51 134	0.22 87	0.11 25	0.18 14	0.15 25	0.30 38	0.24 26	0.28 93	0.29 87	0.25 114	0.18 105	0.26 73	0.18 80	0.09 145	0.06 34	0.10 185	0.08 106	0.10 180	0.09 59

sCroCo_RVC	0.19 38	0.15 125	0.60 220	0.27 264	0.18 234	0.23 104	0.16 41	0.28 18	0.24 26	0.14 6	0.22 49	0.17 41	0.14 43	0.22 37	0.16 48	0.11 231	0.11 215	0.09 121	0.09 168	0.09 132	0.10 101

PMTNet	0.16 12	0.09 3	0.31 7	0.15 2	0.09 5	0.23 104	0.15 25	0.26 11	0.24 26	0.17 17	0.21 43	0.16 33	0.14 43	0.23 41	0.14 25	0.29 370	0.05 3	0.06 1	0.04 1	0.07 30	0.07 11

MyStereo06	0.23 124	0.15 125	0.74 268	0.22 87	0.14 109	0.25 132	0.22 198	0.43 158	0.25 44	0.36 226	0.24 56	0.34 200	0.18 105	0.24 47	0.20 117	0.07 13	0.12 231	0.09 121	0.09 168	0.09 132	0.11 130

HH	0.22 95	0.12 57	0.55 176	0.32 324	0.16 188	0.27 152	0.18 94	0.36 88	0.25 44	0.20 29	0.26 68	0.34 200	0.18 105	0.33 149	0.15 38	0.07 13	0.16 284	0.07 13	0.07 46	0.07 30	0.31 342

HanStereo	0.22 95	0.12 57	0.55 176	0.32 324	0.16 188	0.27 152	0.18 94	0.36 88	0.25 44	0.20 29	0.26 68	0.34 200	0.18 105	0.33 149	0.15 38	0.07 13	0.16 284	0.07 13	0.07 46	0.07 30	0.31 342

LL-Strereo2	0.21 82	0.25 263	0.53 160	0.32 324	0.20 275	0.25 132	0.14 12	0.32 57	0.25 44	0.25 73	0.20 31	0.24 103	0.12 17	0.28 100	0.18 80	0.07 13	0.07 93	0.12 261	0.09 168	0.09 132	0.16 229

iRaftStereo_RVC	0.17 19	0.16 146	0.35 17	0.21 55	0.11 25	0.20 50	0.17 55	0.34 74	0.25 44	0.20 29	0.25 61	0.19 55	0.12 17	0.21 26	0.16 48	0.07 13	0.12 231	0.10 185	0.09 168	0.09 132	0.14 208

test_xeample3	0.22 95	0.17 169	0.81 290	0.21 55	0.15 159	0.20 50	0.18 94	0.40 134	0.25 44	0.19 25	0.12 2	0.13 12	0.12 17	0.34 163	0.33 241	0.07 13	0.20 321	0.07 13	0.08 106	0.08 65	0.34 350

MyStereo07	0.18 22	0.15 125	0.44 55	0.22 87	0.16 188	0.25 132	0.22 198	0.31 52	0.26 50	0.22 49	0.13 5	0.12 3	0.13 33	0.33 149	0.14 25	0.07 13	0.13 245	0.09 121	0.09 168	0.09 132	0.11 130

MIF-Stereo (partial)	0.18 22	0.13 74	0.50 122	0.22 87	0.15 159	0.16 6	0.13 2	0.29 29	0.26 50	0.17 17	0.26 68	0.16 33	0.17 79	0.25 56	0.18 80	0.09 145	0.06 34	0.10 185	0.08 106	0.09 132	0.08 38

CASnet	0.15 4	0.13 74	0.30 5	0.22 87	0.08 2	0.15 4	0.14 12	0.28 18	0.26 50	0.23 56	0.20 31	0.15 29	0.11 10	0.18 12	0.13 7	0.07 13	0.05 3	0.11 231	0.09 168	0.08 65	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.19 38	0.11 27	0.41 35	0.26 231	0.21 288	0.26 146	0.17 55	0.37 100	0.26 50	0.24 62	0.29 87	0.32 187	0.14 43	0.22 37	0.15 38	0.07 13	0.08 140	0.07 13	0.07 46	0.06 2	0.07 11

iRaft-Stereo_20w	0.29 230	0.11 27	0.86 305	0.33 335	0.24 323	0.32 225	0.26 266	0.60 314	0.26 50	0.41 280	0.21 43	0.28 146	0.19 122	0.32 140	0.24 169	0.07 13	0.31 378	0.07 13	0.09 168	0.08 65	0.47 380

KYRaft	0.23 124	0.11 27	0.43 48	0.23 130	0.12 49	0.23 104	0.23 221	0.37 100	0.26 50	0.35 215	0.53 295	0.34 200	0.26 190	0.29 117	0.16 48	0.07 13	0.05 3	0.09 121	0.10 212	0.08 65	0.30 339

SST-Stereo	0.22 95	0.11 27	0.52 150	0.25 199	0.14 109	0.19 24	0.17 55	0.32 57	0.26 50	0.34 200	0.33 132	0.29 158	0.25 178	0.56 242	0.18 80	0.08 89	0.05 3	0.10 185	0.08 106	0.09 132	0.07 11

CREStereo	0.14 1	0.09 3	0.27 2	0.14 1	0.08 2	0.22 88	0.15 25	0.26 11	0.26 50	0.16 13	0.21 43	0.14 23	0.13 33	0.19 21	0.14 25	0.09 145	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4
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
DIP-Stereo	0.20 59	0.13 74	0.48 87	0.20 35	0.13 81	0.28 166	0.12 1	0.43 158	0.26 50	0.27 87	0.32 117	0.21 72	0.17 79	0.26 73	0.20 117	0.08 89	0.06 34	0.08 61	0.06 23	0.07 30	0.10 101
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rrr	0.22 95	0.17 169	0.79 286	0.22 87	0.15 159	0.20 50	0.18 94	0.40 134	0.27 59	0.19 25	0.12 2	0.14 23	0.12 17	0.38 184	0.31 227	0.07 13	0.16 284	0.08 61	0.07 46	0.08 65	0.28 333

MIM_Stereo	0.20 59	0.17 169	0.55 176	0.20 35	0.21 288	0.17 10	0.14 12	0.37 100	0.27 59	0.28 93	0.35 146	0.23 88	0.13 33	0.28 100	0.16 48	0.06 1	0.08 140	0.09 121	0.08 106	0.08 65	0.15 219

LoS	0.15 4	0.09 3	0.34 13	0.17 4	0.09 5	0.22 88	0.14 12	0.27 14	0.27 59	0.15 11	0.18 23	0.19 55	0.14 43	0.23 41	0.14 25	0.08 89	0.06 34	0.06 1	0.04 1	0.06 2	0.06 4

AnonymousM	0.19 38	0.20 206	0.30 5	0.18 8	0.10 17	0.19 24	0.17 55	0.32 57	0.27 59	0.27 87	0.21 43	0.18 49	0.14 43	0.21 26	0.16 48	0.09 145	0.08 140	0.38 377	0.15 320	0.06 2	0.08 38

Prome-Stereo	0.22 95	0.10 11	0.43 48	0.24 167	0.13 81	0.23 104	0.23 221	0.37 100	0.27 59	0.33 186	0.58 313	0.24 103	0.28 215	0.30 126	0.16 48	0.07 13	0.05 3	0.08 61	0.07 46	0.08 65	0.20 270

RALCasStereoNet	0.22 95	0.22 227	0.48 87	0.23 130	0.23 312	0.22 88	0.18 94	0.32 57	0.27 59	0.22 49	0.30 98	0.22 75	0.15 52	0.29 117	0.20 117	0.08 89	0.22 332	0.07 13	0.06 23	0.10 180	0.25 315

Anonymous	0.21 82	0.15 125	0.63 234	0.27 264	0.20 275	0.26 146	0.27 271	0.34 74	0.27 59	0.18 24	0.19 26	0.15 29	0.19 122	0.25 56	0.19 101	0.10 200	0.09 170	0.09 121	0.09 168	0.15 286	0.13 185

EAI-Stereo	0.29 230	0.11 27	0.38 25	0.22 87	0.18 234	0.33 231	1.66 412	0.53 248	0.27 59	0.27 87	0.50 279	0.17 41	0.16 64	0.25 56	0.25 181	0.07 13	0.07 93	0.07 13	0.11 236	0.07 30	0.10 101

11t1	0.21 82	0.12 57	0.45 58	0.20 35	0.15 159	0.27 152	0.17 55	0.37 100	0.28 67	0.27 87	0.25 61	0.24 103	0.23 149	0.28 100	0.25 181	0.09 145	0.19 313	0.07 13	0.07 46	0.09 132	0.23 294

4D-IteraStereo	0.20 59	0.21 213	0.62 229	0.21 55	0.14 109	0.19 24	0.17 55	0.29 29	0.28 67	0.24 62	0.20 31	0.20 62	0.10 3	0.22 37	0.18 80	0.07 13	0.07 93	0.10 185	0.08 106	0.08 65	0.33 347

GLC_STEREO	0.15 4	0.11 27	0.31 7	0.22 87	0.09 5	0.17 10	0.15 25	0.24 8	0.28 67	0.17 17	0.20 31	0.17 41	0.11 10	0.24 47	0.17 61	0.07 13	0.09 170	0.09 121	0.08 106	0.07 30	0.07 11

GMOStereo	0.20 59	0.17 169	0.45 58	0.23 130	0.18 234	0.21 66	0.27 271	0.28 18	0.28 67	0.31 152	0.32 117	0.28 146	0.17 79	0.16 3	0.13 7	0.07 13	0.23 340	0.10 185	0.08 106	0.08 65	0.07 11

error version	0.20 59	0.17 169	0.45 58	0.23 130	0.18 234	0.21 66	0.27 271	0.28 18	0.28 67	0.31 152	0.32 117	0.28 146	0.17 79	0.16 3	0.13 7	0.07 13	0.23 340	0.10 185	0.08 106	0.08 65	0.07 11

test-v	0.20 59	0.17 169	0.45 58	0.23 130	0.18 234	0.21 66	0.27 271	0.28 18	0.28 67	0.31 152	0.32 117	0.28 146	0.17 79	0.16 3	0.13 7	0.07 13	0.23 340	0.10 185	0.08 106	0.08 65	0.07 11

LCNet	0.22 95	0.12 57	0.42 43	0.26 231	0.12 49	0.23 104	0.19 126	0.36 88	0.28 67	0.28 93	0.35 146	0.26 130	0.30 238	0.35 170	0.17 61	0.07 13	0.05 3	0.09 121	0.10 212	0.13 259	0.22 287

NRIStereo	0.20 59	0.12 57	0.50 122	0.23 130	0.11 25	0.24 122	0.19 126	0.30 38	0.28 67	0.26 78	0.26 68	0.25 114	0.18 105	0.34 163	0.19 101	0.08 89	0.06 34	0.09 121	0.07 46	0.09 132	0.09 59

FTStereo	0.28 216	0.11 27	0.56 186	0.24 167	0.13 81	0.21 66	0.52 369	0.36 88	0.28 67	0.38 250	0.94 372	0.30 168	0.56 348	0.33 149	0.18 80	0.08 89	0.06 34	0.09 121	0.08 106	0.08 65	0.19 258

RAFT-345	0.22 95	0.11 27	0.55 176	0.22 87	0.12 49	0.20 50	0.16 41	0.27 14	0.28 67	0.27 87	0.65 336	0.20 62	0.17 79	0.55 237	0.22 149	0.07 13	0.06 34	0.08 61	0.07 46	0.06 2	0.07 11

test-2	0.20 59	0.17 169	0.45 58	0.23 130	0.18 234	0.21 66	0.27 271	0.28 18	0.28 67	0.31 152	0.32 117	0.28 146	0.17 79	0.16 3	0.13 7	0.07 13	0.23 340	0.10 185	0.08 106	0.08 65	0.07 11

XX-TBD	0.16 12	0.21 213	0.43 48	0.22 87	0.10 17	0.23 104	0.15 25	0.23 4	0.28 67	0.22 49	0.26 68	0.14 23	0.12 17	0.16 3	0.14 25	0.08 89	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4

raftrobust	0.19 38	0.19 194	0.42 43	0.23 130	0.24 323	0.19 24	0.13 2	0.33 70	0.28 67	0.26 78	0.20 31	0.19 55	0.17 79	0.23 41	0.17 61	0.08 89	0.10 195	0.07 13	0.06 23	0.07 30	0.09 59

DCRE	0.24 150	0.15 125	0.45 58	0.26 231	0.26 336	0.23 104	0.21 176	0.37 100	0.29 80	0.23 56	0.81 360	0.23 88	0.16 64	0.24 47	0.18 80	0.07 13	0.14 254	0.07 13	0.08 106	0.07 30	0.25 315

test-3	0.18 22	0.10 11	0.48 87	0.23 130	0.14 109	0.18 14	0.16 41	0.32 57	0.29 80	0.26 78	0.17 18	0.22 75	0.13 33	0.26 73	0.19 101	0.06 1	0.14 254	0.08 61	0.08 106	0.06 2	0.10 101

test_1	0.18 22	0.10 11	0.48 87	0.23 130	0.14 109	0.18 14	0.16 41	0.32 57	0.29 80	0.26 78	0.17 18	0.22 75	0.13 33	0.26 73	0.19 101	0.06 1	0.14 254	0.08 61	0.08 106	0.06 2	0.10 101

AAGNet	0.34 273	0.12 57	0.53 160	0.26 231	0.16 188	0.20 50	0.19 126	0.31 52	0.29 80	0.35 215	0.35 146	0.27 134	0.30 238	0.44 199	2.56 410	0.08 89	0.05 3	0.10 185	0.07 46	0.09 132	0.07 11

PSM-softLoss	0.22 95	0.11 27	0.53 160	0.25 199	0.12 49	0.20 50	0.17 55	0.39 125	0.29 80	0.29 116	0.32 117	0.24 103	0.16 64	0.53 229	0.21 134	0.09 145	0.06 34	0.10 185	0.09 168	0.08 65	0.12 165

KMStereo	0.22 95	0.11 27	0.53 160	0.25 199	0.12 49	0.20 50	0.17 55	0.39 125	0.29 80	0.29 116	0.32 117	0.24 103	0.16 64	0.53 229	0.21 134	0.09 145	0.06 34	0.10 185	0.09 168	0.08 65	0.12 165

RAFT-RH_RVC	0.26 193	0.13 74	0.57 193	0.22 87	0.12 49	0.25 132	0.14 12	0.27 14	0.29 80	0.38 250	1.14 380	0.23 88	0.18 105	0.58 246	0.24 169	0.07 13	0.06 34	0.10 185	0.07 46	0.06 2	0.08 38

test-1	0.20 59	0.12 57	0.49 104	0.23 130	0.23 312	0.22 88	0.23 221	0.36 88	0.29 80	0.21 33	0.25 61	0.24 103	0.14 43	0.18 12	0.22 149	0.07 13	0.14 254	0.08 61	0.07 46	0.06 2	0.14 208

GMM-Stereo	0.22 95	0.10 11	0.56 186	0.23 130	0.13 81	0.24 122	0.24 243	0.38 109	0.29 80	0.31 152	0.44 233	0.27 134	0.21 135	0.31 135	0.17 61	0.07 13	0.05 3	0.10 185	0.09 168	0.08 65	0.19 258

TANstereo	0.16 12	0.11 27	0.43 48	0.16 3	0.08 2	0.25 132	0.14 12	0.23 4	0.29 80	0.25 73	0.30 98	0.16 33	0.12 17	0.18 12	0.13 7	0.08 89	0.07 93	0.06 1	0.05 8	0.07 30	0.08 38

sAnonymous2	0.21 82	0.24 250	0.79 286	0.24 167	0.17 213	0.22 88	0.20 157	0.36 88	0.29 80	0.17 17	0.19 26	0.17 41	0.16 64	0.18 12	0.15 38	0.10 200	0.07 93	0.09 121	0.08 106	0.23 348	0.18 243

CroCo_RVC	0.21 82	0.24 250	0.79 286	0.24 167	0.17 213	0.22 88	0.20 157	0.36 88	0.29 80	0.17 17	0.19 26	0.17 41	0.16 64	0.18 12	0.15 38	0.10 200	0.07 93	0.09 121	0.08 106	0.23 348	0.18 243

AFF-stereo	0.20 59	0.24 250	0.49 104	0.22 87	0.11 25	0.18 14	0.18 94	0.35 83	0.29 80	0.25 73	0.36 159	0.25 114	0.17 79	0.25 56	0.17 61	0.06 1	0.09 170	0.08 61	0.08 106	0.08 65	0.11 130

Gwc-CoAtRS	0.17 19	0.10 11	0.41 35	0.20 35	0.12 49	0.20 50	0.15 25	0.34 74	0.29 80	0.23 56	0.23 51	0.27 134	0.15 52	0.21 26	0.14 25	0.07 13	0.06 34	0.07 13	0.07 46	0.06 2	0.07 11

EKT-Stereo	0.39 298	0.13 74	0.53 160	0.42 369	3.94 418	0.22 88	0.17 55	0.38 109	0.30 94	0.21 33	0.20 31	0.23 88	0.15 52	0.30 126	0.18 80	0.10 200	0.08 140	0.09 121	0.08 106	0.09 132	0.12 165

riskmin	0.24 150	0.10 11	0.43 48	0.32 324	0.26 336	0.33 231	0.19 126	0.44 176	0.30 94	0.24 62	0.27 77	0.37 224	0.25 178	0.30 126	0.22 149	0.09 145	0.18 309	0.09 121	0.13 297	0.10 180	0.27 327

RAFT_CTSACE	0.23 124	0.21 213	0.57 193	0.26 231	0.15 159	0.22 88	0.23 221	0.34 74	0.30 94	0.34 200	0.51 282	0.31 177	0.17 79	0.33 149	0.15 38	0.06 1	0.09 170	0.09 121	0.08 106	0.08 65	0.07 11

TRStereo	0.22 95	0.21 213	0.62 229	0.40 363	0.19 257	0.22 88	0.16 41	0.58 297	0.30 94	0.21 33	0.21 43	0.22 75	0.13 33	0.27 82	0.14 25	0.09 145	0.09 170	0.09 121	0.11 236	0.06 2	0.19 258

PSM-AAD	0.26 193	0.11 27	0.43 48	0.24 167	0.12 49	0.27 152	0.37 329	0.36 88	0.30 94	0.36 226	0.39 187	0.28 146	0.77 370	0.30 126	0.16 48	0.07 13	0.06 34	0.12 261	0.11 236	0.09 132	0.21 279

ASMatch	0.23 124	0.11 27	0.55 176	0.25 199	0.14 109	0.19 24	0.16 41	0.32 57	0.30 94	0.28 93	0.68 342	0.28 146	0.26 190	0.50 216	0.22 149	0.07 13	0.06 34	0.08 61	0.07 46	0.06 2	0.11 130

RALAANet	0.21 82	0.24 250	0.53 160	0.23 130	0.14 109	0.22 88	0.13 2	0.38 109	0.30 94	0.29 116	0.26 68	0.25 114	0.15 52	0.28 100	0.20 117	0.08 89	0.08 140	0.09 121	0.08 106	0.10 180	0.07 11

DisPM	0.20 59	0.11 27	0.52 150	0.24 167	0.13 81	0.18 14	0.19 126	0.30 38	0.31 101	0.33 186	0.34 140	0.23 88	0.16 64	0.34 163	0.17 61	0.09 145	0.06 34	0.09 121	0.08 106	0.08 65	0.12 165

STrans-v2	0.25 174	0.14 109	0.56 186	0.21 55	0.12 49	0.23 104	0.20 157	0.50 223	0.31 101	0.31 152	0.42 212	0.35 214	0.35 275	0.62 271	0.24 169	0.07 13	0.05 3	0.08 61	0.07 46	0.06 2	0.08 38

RAFT_R40	0.22 95	0.11 27	0.52 150	0.25 199	0.13 81	0.18 14	0.18 94	0.32 57	0.31 101	0.33 186	0.33 132	0.30 168	0.23 149	0.55 237	0.19 101	0.08 89	0.05 3	0.10 185	0.08 106	0.09 132	0.07 11

Pruner-Stereo	0.20 59	0.12 57	0.49 104	0.29 301	0.12 49	0.19 24	0.17 55	0.32 57	0.31 101	0.33 186	0.32 117	0.25 114	0.15 52	0.25 56	0.22 149	0.09 145	0.06 34	0.09 121	0.08 106	0.08 65	0.10 101

RAFT	0.24 150	0.24 250	0.46 70	0.27 264	0.15 159	0.26 146	0.26 266	0.37 100	0.31 101	0.34 200	0.34 140	0.41 250	0.22 140	0.30 126	0.18 80	0.08 89	0.15 275	0.11 231	0.10 212	0.11 222	0.13 185

CREStereo++_RVC	0.16 12	0.09 3	0.42 43	0.17 4	0.11 25	0.18 14	0.13 2	0.23 4	0.31 101	0.21 33	0.31 108	0.13 12	0.11 10	0.17 8	0.16 48	0.07 13	0.04 1	0.06 1	0.15 320	0.06 2	0.05 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
TestStereo	0.22 95	0.24 250	0.48 87	0.25 199	0.11 25	0.22 88	0.22 198	0.32 57	0.31 101	0.24 62	0.34 140	0.23 88	0.19 122	0.62 271	0.19 101	0.08 89	0.07 93	0.10 185	0.07 46	0.11 222	0.07 11

CFNet-RSSM	0.18 22	0.10 11	0.45 58	0.20 35	0.12 49	0.20 50	0.16 41	0.40 134	0.31 101	0.23 56	0.21 43	0.26 130	0.15 52	0.21 26	0.14 25	0.07 13	0.05 3	0.07 13	0.07 46	0.06 2	0.06 4

MyStereo8	0.25 174	0.20 206	0.69 253	0.24 167	0.17 213	0.31 212	0.16 41	0.50 223	0.32 109	0.29 116	0.38 173	0.25 114	0.19 122	0.33 149	0.29 216	0.08 89	0.20 321	0.08 61	0.08 106	0.10 180	0.16 229

ACVNet-DCA	0.21 82	0.16 146	0.50 122	0.27 264	0.13 81	0.31 212	0.19 126	0.43 158	0.32 109	0.21 33	0.20 31	0.13 12	0.17 79	0.28 100	0.12 1	0.08 89	0.28 362	0.08 61	0.06 23	0.09 132	0.23 294

1test111	0.22 95	0.16 146	0.50 122	0.27 264	0.13 81	0.31 212	0.19 126	0.43 158	0.32 109	0.21 33	0.20 31	0.13 12	0.17 79	0.36 174	0.28 203	0.08 89	0.28 362	0.08 61	0.06 23	0.09 132	0.23 294

mmm	0.25 174	0.15 125	0.44 55	0.23 130	0.20 275	0.28 166	0.21 176	0.43 158	0.32 109	0.31 152	0.40 194	0.30 168	0.24 167	0.31 135	0.28 203	0.09 145	0.21 326	0.11 231	0.12 273	0.10 180	0.26 324

StereoVision	0.23 124	0.23 240	0.55 176	0.27 264	0.17 213	0.23 104	0.22 198	0.40 134	0.32 109	0.21 33	0.51 282	0.22 75	0.16 64	0.29 117	0.19 101	0.11 231	0.12 231	0.13 284	0.13 297	0.10 180	0.08 38

Any-RAFT	0.18 22	0.09 3	0.33 11	0.19 13	0.10 17	0.29 183	0.16 41	0.44 176	0.32 109	0.25 73	0.27 77	0.29 158	0.16 64	0.23 41	0.13 7	0.08 89	0.07 93	0.06 1	0.05 8	0.07 30	0.07 11

CASS	0.22 95	0.16 146	0.40 33	0.26 231	0.12 49	0.29 183	0.19 126	0.40 134	0.32 109	0.34 200	0.35 146	0.25 114	0.25 178	0.26 73	0.21 134	0.13 277	0.08 140	0.11 231	0.09 168	0.11 222	0.12 165
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
qqq	0.24 150	0.16 146	0.46 70	0.20 35	0.15 159	0.23 104	0.20 157	0.43 158	0.32 109	0.26 78	0.31 108	0.28 146	0.25 178	0.36 174	0.28 203	0.08 89	0.22 332	0.10 185	0.11 236	0.09 132	0.23 294

CRFU-Net	0.29 230	0.14 109	0.48 87	0.26 231	0.15 159	0.46 314	0.22 198	0.52 238	0.32 109	0.44 300	0.42 212	0.48 294	0.47 326	0.44 199	0.31 227	0.12 260	0.10 195	0.09 121	0.08 106	0.10 180	0.11 130

IPLG	0.23 124	0.19 194	0.65 241	0.21 55	0.12 49	0.28 166	0.17 55	0.45 183	0.32 109	0.33 186	0.32 117	0.16 33	0.17 79	0.50 216	0.23 164	0.07 13	0.06 34	0.08 61	0.07 46	0.07 30	0.08 38

ACRE	0.23 124	0.27 279	0.83 295	0.24 167	0.15 159	0.24 122	0.20 157	0.38 109	0.32 109	0.32 177	0.33 132	0.23 88	0.15 52	0.26 73	0.22 149	0.09 145	0.07 93	0.08 61	0.07 46	0.08 65	0.09 59

HHNet	0.23 124	0.12 57	0.66 244	0.19 13	0.18 234	0.20 50	0.20 157	0.36 88	0.32 109	0.33 186	0.59 317	0.19 55	0.21 135	0.24 47	0.31 227	0.08 89	0.06 34	0.09 121	0.07 46	0.08 65	0.12 165

rafts_anoy	0.21 82	0.22 227	0.49 104	0.25 199	0.24 323	0.19 24	0.17 55	0.34 74	0.32 109	0.24 62	0.25 61	0.20 62	0.16 64	0.25 56	0.21 134	0.08 89	0.19 313	0.11 231	0.12 273	0.09 132	0.09 59

RAFT-Stereo + iAFF	0.20 59	0.23 240	0.49 104	0.21 55	0.16 188	0.19 24	0.17 55	0.35 83	0.32 109	0.26 78	0.33 132	0.20 62	0.17 79	0.21 26	0.17 61	0.06 1	0.10 195	0.07 13	0.07 46	0.07 30	0.11 130

CIPLG	0.23 124	0.28 286	0.75 271	0.24 167	0.16 188	0.25 132	0.20 157	0.38 109	0.33 123	0.32 177	0.34 140	0.23 88	0.15 52	0.27 82	0.22 149	0.09 145	0.07 93	0.08 61	0.07 46	0.08 65	0.09 59

IPLGR_C	0.23 124	0.29 289	0.81 290	0.24 167	0.16 188	0.24 122	0.20 157	0.38 109	0.33 123	0.32 177	0.33 132	0.23 88	0.15 52	0.26 73	0.22 149	0.09 145	0.07 93	0.08 61	0.07 46	0.08 65	0.09 59

AACVNet	0.28 216	0.22 227	0.55 176	0.23 130	0.14 109	0.30 194	0.19 126	0.43 158	0.33 123	0.39 261	0.42 212	0.44 272	0.29 231	0.73 306	0.28 203	0.11 231	0.09 170	0.11 231	0.09 168	0.13 259	0.12 165

test_3	0.20 59	0.12 57	0.49 104	0.26 231	0.14 109	0.22 88	0.25 256	0.34 74	0.33 123	0.25 73	0.18 23	0.23 88	0.13 33	0.25 56	0.20 117	0.06 1	0.14 254	0.09 121	0.10 212	0.07 30	0.10 101

IIG-Stereo	0.24 150	0.16 146	0.47 75	0.29 301	0.12 49	0.23 104	0.14 12	0.40 134	0.33 123	0.35 215	0.37 167	0.33 193	0.22 140	0.70 299	0.26 190	0.08 89	0.06 34	0.09 121	0.07 46	0.08 65	0.07 11

GrayStereo	0.26 193	0.10 11	0.45 58	0.27 264	0.14 109	0.23 104	0.46 356	0.36 88	0.33 123	0.40 270	0.47 266	0.30 168	0.78 371	0.29 117	0.17 61	0.07 13	0.06 34	0.08 61	0.09 168	0.07 30	0.15 219

HITNet	0.22 95	0.23 240	0.60 220	0.20 35	0.09 5	0.27 152	0.15 25	0.45 183	0.33 123	0.29 116	0.33 132	0.27 134	0.22 140	0.29 117	0.27 197	0.07 13	0.05 3	0.07 13	0.06 23	0.09 132	0.11 130
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
DeepPruner_ROB	0.28 216	0.25 263	0.64 238	0.22 87	0.16 188	0.30 194	0.21 176	0.54 255	0.33 123	0.36 226	0.38 173	0.38 230	0.26 190	0.45 205	0.28 203	0.15 310	0.11 215	0.11 231	0.11 236	0.14 279	0.14 208

AE-Stereo	0.21 82	0.12 57	0.50 122	0.25 199	0.15 159	0.24 122	0.18 94	0.40 134	0.34 131	0.19 25	0.26 68	0.21 72	0.13 33	0.22 37	0.16 48	0.07 13	0.26 355	0.09 121	0.10 212	0.07 30	0.31 342

Selective-RAFT	0.19 38	0.14 109	0.37 24	0.24 167	0.11 25	0.30 194	0.15 25	0.35 83	0.34 131	0.17 17	0.17 18	0.22 75	0.18 105	0.29 117	0.18 80	0.07 13	0.16 284	0.07 13	0.07 46	0.08 65	0.08 38

TransformOpticalFlow	0.24 150	0.14 109	0.57 193	0.24 167	0.11 25	0.21 66	0.19 126	0.43 158	0.34 131	0.30 137	0.43 224	0.36 219	0.31 251	0.61 263	0.20 117	0.07 13	0.05 3	0.08 61	0.07 46	0.06 2	0.08 38

s12784h	0.18 22	0.09 3	0.38 25	0.18 8	0.07 1	0.33 231	0.19 126	0.39 125	0.34 131	0.24 62	0.25 61	0.18 49	0.18 105	0.25 56	0.17 61	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.05 1

ARAFT	0.26 193	0.30 296	0.87 307	0.22 87	0.12 49	0.30 194	0.24 243	0.46 189	0.34 131	0.33 186	0.28 81	0.29 158	0.20 128	0.49 212	0.19 101	0.08 89	0.06 34	0.12 261	0.11 236	0.09 132	0.09 59

GANet-RSSM	0.26 193	0.19 194	0.54 170	0.21 55	0.14 109	0.27 152	0.22 198	0.47 198	0.34 131	0.30 137	0.40 194	0.41 250	0.30 238	0.59 252	0.25 181	0.11 231	0.08 140	0.09 121	0.09 168	0.10 180	0.10 101

BEATNet_4x	0.25 174	0.25 263	0.66 244	0.23 130	0.10 17	0.29 183	0.14 12	0.49 215	0.34 131	0.31 152	0.35 146	0.32 187	0.26 190	0.34 163	0.33 241	0.08 89	0.06 34	0.08 61	0.07 46	0.11 222	0.13 185

x	0.23 124	0.15 125	0.45 58	0.20 35	0.15 159	0.27 152	0.17 55	0.43 158	0.35 138	0.26 78	0.31 108	0.29 158	0.25 178	0.29 117	0.30 218	0.09 145	0.22 332	0.08 61	0.09 168	0.09 132	0.24 306

iRaft-Stereo_5w	0.25 174	0.24 250	0.50 122	0.23 130	0.18 234	0.19 24	0.19 126	0.39 125	0.35 138	0.28 93	0.36 159	0.34 200	0.23 149	0.66 289	0.28 203	0.07 13	0.07 93	0.08 61	0.07 46	0.09 132	0.14 208

OMP-Stereo	0.24 150	0.16 146	0.48 87	0.30 308	0.13 81	0.21 66	0.16 41	0.38 109	0.35 138	0.34 200	0.30 98	0.33 193	0.20 128	0.70 299	0.24 169	0.08 89	0.06 34	0.09 121	0.07 46	0.08 65	0.07 11

NF-Stereo	0.22 95	0.11 27	0.52 150	0.25 199	0.12 49	0.21 66	0.18 94	0.40 134	0.35 138	0.28 93	0.30 98	0.22 75	0.17 79	0.52 227	0.21 134	0.09 145	0.06 34	0.09 121	0.08 106	0.08 65	0.13 185

OCTAStereo	0.22 95	0.11 27	0.52 150	0.25 199	0.12 49	0.21 66	0.18 94	0.40 134	0.35 138	0.28 93	0.30 98	0.22 75	0.17 79	0.51 221	0.21 134	0.09 145	0.06 34	0.09 121	0.08 106	0.08 65	0.13 185

PFNet	0.24 150	0.11 27	0.63 234	0.25 199	0.14 109	0.22 88	0.19 126	0.40 134	0.35 138	0.36 226	0.32 117	0.27 134	0.20 128	0.63 274	0.23 164	0.09 145	0.05 3	0.09 121	0.08 106	0.08 65	0.08 38

RE-Stereo	0.22 95	0.11 27	0.52 150	0.25 199	0.12 49	0.21 66	0.18 94	0.40 134	0.35 138	0.28 93	0.30 98	0.22 75	0.17 79	0.51 221	0.21 134	0.09 145	0.06 34	0.09 121	0.08 106	0.08 65	0.13 185

TVStereo	0.22 95	0.11 27	0.52 150	0.25 199	0.12 49	0.21 66	0.18 94	0.40 134	0.35 138	0.28 93	0.30 98	0.22 75	0.17 79	0.51 221	0.21 134	0.09 145	0.06 34	0.09 121	0.08 106	0.08 65	0.13 185

ICVP	0.24 150	0.13 74	0.45 58	0.26 231	0.14 109	0.30 194	0.25 256	0.47 198	0.35 138	0.29 116	0.43 224	0.35 214	0.25 178	0.28 100	0.25 181	0.12 260	0.09 170	0.09 121	0.09 168	0.09 132	0.11 130
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
raft+_RVC	0.21 82	0.21 213	0.46 70	0.22 87	0.35 362	0.21 66	0.16 41	0.39 125	0.35 138	0.22 49	0.28 81	0.20 62	0.15 52	0.25 56	0.20 117	0.08 89	0.16 284	0.08 61	0.07 46	0.07 30	0.12 165

GES	0.23 124	0.14 109	0.54 170	0.21 55	0.14 109	0.28 166	0.19 126	0.51 233	0.35 138	0.31 152	0.36 159	0.25 114	0.24 167	0.30 126	0.23 164	0.11 231	0.09 170	0.08 61	0.08 106	0.10 180	0.12 165

ac_64	0.28 216	0.16 146	0.62 229	0.25 199	0.17 213	0.36 266	0.22 198	0.48 208	0.35 138	0.36 226	0.37 167	0.51 307	0.30 238	0.62 271	0.34 245	0.11 231	0.09 170	0.10 185	0.10 212	0.09 132	0.09 59

DN-CSS_ROB	0.24 150	0.33 310	0.69 253	0.25 199	0.14 109	0.26 146	0.13 2	0.42 153	0.35 138	0.30 137	0.42 212	0.22 75	0.20 128	0.34 163	0.22 149	0.07 13	0.06 34	0.11 231	0.11 236	0.11 222	0.09 59

GMStereo_Zeroshot	0.25 174	0.22 227	0.51 134	0.27 264	0.14 109	0.28 166	0.15 25	0.40 134	0.36 151	0.37 242	0.43 224	0.40 243	0.17 79	0.35 170	0.21 134	0.12 260	0.07 93	0.13 284	0.07 46	0.17 307	0.10 101

anonymousa	0.26 193	0.13 74	0.56 186	0.29 301	0.30 353	0.31 212	0.20 157	0.38 109	0.36 151	0.33 186	0.51 282	0.41 250	0.27 196	0.25 56	0.24 169	0.08 89	0.18 309	0.09 121	0.18 344	0.08 65	0.17 241

RCA-Stereo	0.17 19	0.10 11	0.33 11	0.20 35	0.11 25	0.19 24	0.17 55	0.39 125	0.36 151	0.21 33	0.25 61	0.17 41	0.17 79	0.18 12	0.15 38	0.07 13	0.14 254	0.07 13	0.06 23	0.06 2	0.08 38

BUS	0.24 150	0.13 74	0.36 19	0.25 199	0.14 109	0.44 304	0.17 55	0.59 305	0.36 151	0.34 200	0.35 146	0.31 177	0.22 140	0.27 82	0.22 149	0.10 200	0.07 93	0.11 231	0.10 212	0.09 132	0.10 101

BSDual-CNN	0.24 150	0.13 74	0.36 19	0.25 199	0.14 109	0.35 258	0.22 198	0.59 305	0.36 151	0.34 200	0.35 146	0.38 230	0.25 178	0.27 82	0.28 203	0.10 200	0.07 93	0.11 231	0.10 212	0.09 132	0.10 101

psmg	0.24 150	0.13 74	0.36 19	0.21 55	0.14 109	0.35 258	0.23 221	0.54 255	0.36 151	0.36 226	0.38 173	0.38 230	0.25 178	0.27 82	0.28 203	0.10 200	0.08 140	0.10 185	0.10 212	0.09 132	0.09 59

GANet-ADL	0.22 95	0.14 109	0.51 134	0.23 130	0.14 109	0.29 183	0.19 126	0.48 208	0.36 151	0.26 78	0.33 132	0.32 187	0.20 128	0.26 73	0.22 149	0.11 231	0.07 93	0.07 13	0.06 23	0.09 132	0.11 130

PFNet+	0.21 82	0.11 27	0.54 170	0.22 87	0.12 49	0.17 10	0.18 94	0.31 52	0.36 151	0.33 186	0.32 117	0.24 103	0.16 64	0.33 149	0.18 80	0.10 200	0.07 93	0.11 231	0.10 212	0.08 65	0.12 165

THIR-Stereo	0.30 242	0.15 125	0.46 70	0.19 13	0.11 25	0.28 166	0.70 383	0.33 70	0.36 151	0.37 242	0.64 334	0.33 193	0.49 334	0.58 246	0.44 287	0.08 89	0.06 34	0.08 61	0.09 168	0.07 30	0.08 38

LMCR-Stereo	0.28 216	0.22 227	0.56 186	0.29 301	0.14 109	0.37 271	0.23 221	0.57 285	0.36 151	0.40 270	0.40 194	0.29 158	0.30 238	0.41 191	0.38 262	0.11 231	0.07 93	0.09 121	0.07 46	0.13 259	0.10 101

Anonymous3	0.24 150	0.19 194	0.76 275	0.27 264	0.18 234	0.41 290	0.24 243	0.45 183	0.36 151	0.23 56	0.27 77	0.20 62	0.18 105	0.28 100	0.19 101	0.12 260	0.11 215	0.10 185	0.10 212	0.11 222	0.13 185

DMCA-RVC	0.30 242	0.27 279	0.93 324	0.28 288	0.17 213	0.30 194	0.21 176	0.43 158	0.36 151	0.40 270	0.38 173	0.39 240	0.36 280	0.44 199	0.34 245	0.13 277	0.10 195	0.16 322	0.12 273	0.13 259	0.11 130

UCFNet_RVC	0.25 174	0.21 213	0.49 104	0.19 13	0.15 159	0.34 245	0.18 94	0.47 198	0.36 151	0.30 137	0.35 146	0.40 243	0.26 190	0.35 170	0.24 169	0.13 277	0.08 140	0.13 284	0.14 311	0.13 259	0.13 185

Former-RAFT_DAM_RVC	0.18 22	0.15 125	0.27 2	0.20 35	0.13 81	0.24 122	0.17 55	0.31 52	0.37 164	0.43 293	0.17 18	0.13 12	0.12 17	0.20 25	0.16 48	0.08 89	0.07 93	0.09 121	0.07 46	0.09 132	0.08 38

anonymousdsp2	0.23 124	0.11 27	0.42 43	0.26 231	0.24 323	0.25 132	0.17 55	0.43 158	0.37 164	0.30 137	0.23 51	0.24 103	0.15 52	0.32 140	0.17 61	0.07 13	0.28 362	0.07 13	0.05 8	0.08 65	0.44 375

CBFPSM	0.28 216	0.23 240	0.76 275	0.21 55	0.14 109	0.38 277	0.26 266	0.42 153	0.37 164	0.34 200	0.36 159	0.55 319	0.38 290	0.33 149	0.40 268	0.08 89	0.08 140	0.07 13	0.08 106	0.09 132	0.12 165

PSMNet-ADL	0.26 193	0.16 146	0.39 29	0.27 264	0.14 109	0.32 225	0.22 198	0.45 183	0.37 164	0.28 93	0.34 140	0.41 250	0.28 215	0.61 263	0.32 233	0.11 231	0.10 195	0.09 121	0.11 236	0.10 180	0.13 185

HCRNet	0.25 174	0.27 279	0.42 43	0.34 339	0.17 213	0.27 152	0.18 94	0.45 183	0.37 164	0.31 152	0.35 146	0.32 187	0.23 149	0.44 199	0.21 134	0.13 277	0.08 140	0.13 284	0.11 236	0.11 222	0.09 59

FENet	0.22 95	0.13 74	0.48 87	0.22 87	0.12 49	0.27 152	0.18 94	0.43 158	0.37 164	0.31 152	0.32 117	0.29 158	0.23 149	0.27 82	0.24 169	0.10 200	0.07 93	0.09 121	0.09 168	0.09 132	0.11 130

CFNet-ft	0.26 193	0.21 213	0.51 134	0.19 13	0.16 188	0.31 212	0.21 176	0.40 134	0.37 164	0.29 116	0.40 194	0.46 283	0.27 196	0.49 212	0.28 203	0.12 260	0.07 93	0.12 261	0.11 236	0.12 247	0.11 130

CFNet_RVC	0.26 193	0.21 213	0.51 134	0.19 13	0.16 188	0.31 212	0.21 176	0.40 134	0.37 164	0.29 116	0.40 194	0.46 283	0.27 196	0.49 212	0.28 203	0.12 260	0.07 93	0.12 261	0.11 236	0.12 247	0.11 130

iinet-f	0.31 252	0.23 240	1.16 354	0.20 35	0.16 188	0.44 304	0.23 221	0.47 198	0.38 172	0.36 226	0.44 233	0.41 250	0.35 275	0.36 174	0.43 279	0.10 200	0.09 170	0.08 61	0.08 106	0.13 259	0.12 165

TestStereo1	0.23 124	0.22 227	0.50 122	0.27 264	0.14 109	0.26 146	0.27 271	0.43 158	0.38 172	0.29 116	0.39 187	0.23 88	0.21 135	0.33 149	0.18 80	0.08 89	0.08 140	0.09 121	0.08 106	0.08 65	0.10 101

IER	0.24 150	0.15 125	0.50 122	0.21 55	0.15 159	0.31 212	0.20 157	0.44 176	0.38 172	0.34 200	0.41 205	0.32 187	0.34 268	0.31 135	0.23 164	0.09 145	0.07 93	0.08 61	0.08 106	0.09 132	0.09 59

RAFT+CT+SA	0.23 124	0.24 250	0.48 87	0.25 199	0.18 234	0.23 104	0.29 289	0.42 153	0.38 172	0.24 62	0.39 187	0.20 62	0.17 79	0.34 163	0.17 61	0.07 13	0.07 93	0.09 121	0.12 273	0.09 132	0.13 185

SA-5K	0.23 124	0.22 227	0.50 122	0.27 264	0.14 109	0.26 146	0.27 271	0.43 158	0.38 172	0.29 116	0.39 187	0.23 88	0.21 135	0.33 149	0.18 80	0.08 89	0.08 140	0.09 121	0.08 106	0.08 65	0.10 101

IPLGR	0.22 95	0.14 109	0.75 271	0.21 55	0.11 25	0.25 132	0.18 94	0.44 176	0.38 172	0.29 116	0.28 81	0.21 72	0.19 122	0.37 182	0.19 101	0.07 13	0.06 34	0.08 61	0.07 46	0.07 30	0.07 11

CrosDoStereo	0.32 257	0.11 27	0.53 160	0.19 13	0.12 49	0.22 88	1.07 402	0.36 88	0.38 172	0.38 250	0.60 321	0.28 146	0.45 317	0.61 263	0.56 321	0.08 89	0.06 34	0.08 61	0.09 168	0.08 65	0.09 59

DeepStereo_LL	0.32 257	0.11 27	0.53 160	0.19 13	0.12 49	0.22 88	1.07 402	0.36 88	0.38 172	0.38 250	0.60 321	0.28 146	0.45 317	0.61 263	0.56 321	0.08 89	0.06 34	0.08 61	0.09 168	0.08 65	0.09 59

DEmStereo	0.26 193	0.10 11	0.52 150	0.19 13	0.13 81	0.31 212	0.25 256	0.29 29	0.38 172	0.36 226	0.57 310	0.24 103	0.48 330	0.53 229	0.44 287	0.07 13	0.06 34	0.08 61	0.08 106	0.07 30	0.08 38

PSMNet-RSSM	0.26 193	0.21 213	0.50 122	0.21 55	0.14 109	0.25 132	0.21 176	0.50 223	0.38 172	0.31 152	0.45 247	0.40 243	0.27 196	0.53 229	0.24 169	0.12 260	0.08 140	0.11 231	0.13 297	0.10 180	0.10 101

MLCV	0.25 174	0.23 240	0.59 213	0.22 87	0.09 5	0.30 194	0.18 94	0.40 134	0.38 172	0.38 250	0.44 233	0.31 177	0.22 140	0.44 199	0.32 233	0.07 13	0.05 3	0.07 13	0.06 23	0.07 30	0.08 38

Anonymous_2	0.44 325	0.23 240	0.57 193	0.34 339	0.34 359	0.53 341	0.28 285	0.49 215	0.39 183	0.36 226	0.34 140	0.48 294	0.38 290	0.43 196	0.33 241	0.26 362	0.41 388	0.44 381	1.45 415	0.33 373	0.37 361

test_5	0.25 174	0.25 263	0.57 193	0.27 264	0.18 234	0.25 132	0.29 289	0.42 153	0.39 183	0.29 116	0.40 194	0.27 134	0.23 149	0.35 170	0.19 101	0.07 13	0.07 93	0.09 121	0.09 168	0.10 180	0.14 208

MIPNet	0.22 95	0.19 194	0.64 238	0.22 87	0.12 49	0.28 166	0.20 157	0.48 208	0.39 183	0.31 152	0.24 56	0.19 55	0.24 167	0.28 100	0.20 117	0.07 13	0.05 3	0.08 61	0.07 46	0.07 30	0.08 38

IRAFT_RVC	0.23 124	0.15 125	0.54 170	0.26 231	0.12 49	0.19 24	0.23 221	0.41 152	0.39 183	0.31 152	0.30 98	0.29 158	0.24 167	0.55 237	0.23 164	0.08 89	0.06 34	0.10 185	0.08 106	0.08 65	0.08 38

FADNet_RVC	0.31 252	0.35 322	0.98 332	0.24 167	0.16 188	0.30 194	0.17 55	0.52 238	0.39 183	0.30 137	0.38 173	0.30 168	0.29 231	0.54 234	0.33 241	0.14 298	0.14 254	0.14 302	0.16 329	0.21 339	0.24 306

MaskLacGwcNet_RVC	0.38 293	0.43 350	0.72 266	0.35 344	0.19 257	0.51 333	0.25 256	0.56 276	0.39 183	0.42 284	0.47 266	0.47 290	0.27 196	0.74 310	0.32 233	0.38 381	0.19 313	0.27 363	0.17 340	0.29 367	0.27 327

STTStereo	0.30 242	0.24 250	0.83 295	0.25 199	0.17 213	0.30 194	0.24 243	0.49 215	0.39 183	0.39 261	0.41 205	0.44 272	0.28 215	0.41 191	0.30 218	0.13 277	0.13 245	0.13 284	0.16 329	0.12 247	0.12 165

HSM	0.29 230	0.18 186	0.48 87	0.21 55	0.15 159	0.33 231	0.20 157	0.55 266	0.39 183	0.36 226	0.39 187	0.67 358	0.32 263	0.88 347	0.24 169	0.09 145	0.07 93	0.08 61	0.07 46	0.09 132	0.10 101

hknet	0.26 193	0.15 125	0.49 104	0.25 199	0.16 188	0.35 258	0.22 198	0.59 305	0.40 191	0.34 200	0.35 146	0.43 266	0.28 215	0.38 184	0.26 190	0.09 145	0.07 93	0.11 231	0.10 212	0.09 132	0.10 101

DRaft	0.25 174	0.11 27	0.47 75	0.18 8	0.12 49	0.28 166	0.23 221	0.34 74	0.40 191	0.38 250	0.60 321	0.20 62	0.41 305	0.48 210	0.41 273	0.07 13	0.06 34	0.08 61	0.08 106	0.07 30	0.08 38

UPFNet	0.27 209	0.15 125	0.47 75	0.25 199	0.20 275	0.37 271	0.27 271	0.50 223	0.40 191	0.36 226	0.38 173	0.37 224	0.29 231	0.40 188	0.34 245	0.10 200	0.10 195	0.10 185	0.10 212	0.10 180	0.08 38

DMCA	0.24 150	0.18 186	0.51 134	0.23 130	0.14 109	0.27 152	0.20 157	0.45 183	0.40 191	0.32 177	0.33 132	0.33 193	0.25 178	0.27 82	0.30 218	0.11 231	0.08 140	0.10 185	0.08 106	0.11 222	0.12 165

FADNet-RVC-Resample	0.31 252	0.32 306	1.16 354	0.27 264	0.17 213	0.33 231	0.21 176	0.49 215	0.40 191	0.36 226	0.38 173	0.34 200	0.27 196	0.54 234	0.27 197	0.10 200	0.10 195	0.14 302	0.13 297	0.13 259	0.18 243

gwcnet-sp	0.25 174	0.16 146	0.70 256	0.23 130	0.14 109	0.34 245	0.22 198	0.46 189	0.41 196	0.37 242	0.35 146	0.27 134	0.27 196	0.36 174	0.26 190	0.09 145	0.08 140	0.09 121	0.09 168	0.10 180	0.10 101

scenet	0.25 174	0.16 146	0.70 256	0.23 130	0.14 109	0.34 245	0.22 198	0.46 189	0.41 196	0.37 242	0.35 146	0.27 134	0.27 196	0.36 174	0.26 190	0.09 145	0.08 140	0.09 121	0.09 168	0.10 180	0.10 101

ssnet	0.25 174	0.16 146	0.70 256	0.23 130	0.14 109	0.34 245	0.22 198	0.46 189	0.41 196	0.37 242	0.35 146	0.27 134	0.27 196	0.36 174	0.26 190	0.09 145	0.08 140	0.09 121	0.09 168	0.10 180	0.10 101

ADStereo(finetuned)	0.21 82	0.15 125	0.59 213	0.19 13	0.09 5	0.19 24	0.18 94	0.37 100	0.41 196	0.30 137	0.31 108	0.19 55	0.31 251	0.21 26	0.20 117	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 101

Sa-1000	0.24 150	0.20 206	0.53 160	0.23 130	0.14 109	0.30 194	0.23 221	0.50 223	0.41 196	0.30 137	0.50 279	0.26 130	0.19 122	0.33 149	0.16 48	0.08 89	0.10 195	0.10 185	0.11 236	0.08 65	0.08 38

SACVNet	0.32 257	0.25 263	0.59 213	0.26 231	0.19 257	0.35 258	0.25 256	0.54 255	0.41 196	0.43 293	0.45 247	0.46 283	0.34 268	0.71 302	0.30 218	0.14 298	0.10 195	0.12 261	0.12 273	0.16 295	0.20 270

GwcNet-ADL	0.23 124	0.15 125	0.58 206	0.24 167	0.13 81	0.23 104	0.24 243	0.51 233	0.41 196	0.28 93	0.29 87	0.30 168	0.20 128	0.27 82	0.28 203	0.09 145	0.07 93	0.07 13	0.07 46	0.09 132	0.11 130

DCANet	0.20 59	0.15 125	0.57 193	0.19 13	0.09 5	0.19 24	0.18 94	0.37 100	0.41 196	0.30 137	0.31 108	0.19 55	0.23 149	0.21 26	0.20 117	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 101

GMStereo	0.21 82	0.30 296	0.57 193	0.21 55	0.12 49	0.24 122	0.18 94	0.30 38	0.41 196	0.26 78	0.24 56	0.17 41	0.16 64	0.25 56	0.19 101	0.10 200	0.07 93	0.08 61	0.08 106	0.11 222	0.09 59
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.23 124	0.12 57	0.51 134	0.21 55	0.14 109	0.34 245	0.22 198	0.57 285	0.41 196	0.29 116	0.32 117	0.23 88	0.22 140	0.28 100	0.20 117	0.10 200	0.07 93	0.09 121	0.10 212	0.09 132	0.09 59

RASNet	0.30 242	0.19 194	0.59 213	0.23 130	0.19 257	0.33 231	0.20 157	0.50 223	0.41 196	0.31 152	0.44 233	0.47 290	0.38 290	0.79 329	0.40 268	0.09 145	0.07 93	0.07 13	0.09 168	0.08 65	0.10 101

NLCA_NET_v2_RVC	0.29 230	0.24 250	0.81 290	0.26 231	0.18 234	0.30 194	0.22 198	0.52 238	0.41 196	0.38 250	0.42 212	0.42 260	0.28 215	0.46 206	0.31 227	0.11 231	0.08 140	0.10 185	0.11 236	0.10 180	0.12 165
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CoDeX	0.24 150	0.13 74	0.48 87	0.22 87	0.14 109	0.29 183	0.21 176	0.55 266	0.42 208	0.29 116	0.36 159	0.28 146	0.23 149	0.48 210	0.20 117	0.09 145	0.06 34	0.08 61	0.07 46	0.08 65	0.08 38

DCANet-4	0.20 59	0.11 27	0.58 206	0.19 13	0.09 5	0.19 24	0.18 94	0.39 125	0.42 208	0.29 116	0.31 108	0.17 41	0.22 140	0.21 26	0.20 117	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 59

SA	0.24 150	0.22 227	0.55 176	0.23 130	0.14 109	0.25 132	0.23 221	0.48 208	0.42 208	0.28 93	0.44 233	0.23 88	0.23 149	0.34 163	0.17 61	0.07 13	0.09 170	0.11 231	0.11 236	0.08 65	0.09 59

CSP-Net	0.28 216	0.17 169	0.41 35	0.22 87	0.14 109	0.44 304	0.24 243	0.52 238	0.42 208	0.42 284	0.44 233	0.42 260	0.27 196	0.66 289	0.30 218	0.12 260	0.09 170	0.08 61	0.08 106	0.10 180	0.10 101

RAFT + AFF	0.30 242	0.33 310	0.76 275	0.25 199	0.17 213	0.30 194	0.33 316	0.55 266	0.42 208	0.28 93	0.30 98	0.31 177	0.31 251	0.64 279	0.32 233	0.09 145	0.11 215	0.11 231	0.10 212	0.12 247	0.16 229

UNet	0.28 216	0.16 146	0.70 256	0.24 167	0.20 275	0.44 304	0.21 176	0.52 238	0.42 208	0.36 226	0.40 194	0.43 266	0.33 267	0.41 191	0.32 233	0.09 145	0.07 93	0.10 185	0.09 168	0.10 180	0.09 59

cf-r	0.26 193	0.22 227	0.66 244	0.22 87	0.14 109	0.28 166	0.22 198	0.44 176	0.42 208	0.32 177	0.42 212	0.43 266	0.27 196	0.44 199	0.27 197	0.11 231	0.07 93	0.08 61	0.10 212	0.08 65	0.09 59

hitnet-ft	0.31 252	0.21 213	0.56 186	0.19 13	0.14 109	0.40 286	0.23 221	0.46 189	0.42 208	0.37 242	0.46 259	0.53 316	0.35 275	0.76 321	0.35 251	0.14 298	0.10 195	0.14 302	0.10 212	0.15 286	0.14 208

FADNet-RVC	0.34 273	0.43 350	0.97 330	0.25 199	0.20 275	0.33 231	0.20 157	0.51 233	0.42 208	0.34 200	0.40 194	0.41 250	0.29 231	0.65 283	0.36 254	0.14 298	0.14 254	0.14 302	0.15 320	0.19 326	0.20 270

PS-NSSS	0.33 265	0.36 328	0.61 226	0.24 167	0.18 234	0.33 231	0.24 243	0.59 305	0.42 208	0.38 250	0.52 288	0.36 219	0.31 251	0.80 332	0.32 233	0.18 340	0.14 254	0.21 351	0.15 320	0.17 307	0.14 208

whm_eth	0.24 150	0.21 213	0.72 266	0.24 167	0.19 257	0.21 66	0.19 126	0.40 134	0.43 218	0.31 152	0.60 321	0.15 29	0.18 105	0.26 73	0.19 101	0.09 145	0.08 140	0.10 185	0.09 168	0.09 132	0.13 185

ToySt	0.28 216	0.19 194	0.68 252	0.22 87	0.19 257	0.31 212	0.31 305	0.43 158	0.43 218	0.28 93	0.38 173	0.42 260	0.32 263	0.33 149	0.32 233	0.08 89	0.14 254	0.10 185	0.12 273	0.11 222	0.24 306

222	0.45 328	0.14 109	0.43 48	0.19 13	0.15 159	0.36 266	0.20 157	0.60 314	0.43 218	0.37 242	0.45 247	0.30 168	0.28 215	0.59 252	3.72 414	0.11 231	0.19 313	0.08 61	0.09 168	0.09 132	0.27 327

xxxx	0.39 298	0.14 109	0.47 75	0.20 35	0.16 188	0.38 277	0.20 157	0.61 321	0.43 218	0.30 137	0.44 233	0.38 230	0.25 178	0.50 216	2.41 408	0.11 231	0.21 326	0.09 121	0.10 212	0.10 180	0.26 324

test_xeample	0.39 298	0.14 109	0.46 70	0.19 13	0.16 188	0.34 245	0.22 198	0.59 305	0.43 218	0.33 186	0.47 266	0.30 168	0.27 196	0.60 257	2.44 409	0.10 200	0.21 326	0.09 121	0.09 168	0.09 132	0.25 315

AdaStereo	0.25 174	0.17 169	0.47 75	0.25 199	0.13 81	0.33 231	0.17 55	0.57 285	0.43 218	0.34 200	0.38 173	0.35 214	0.21 135	0.32 140	0.24 169	0.14 298	0.06 34	0.13 284	0.09 168	0.11 222	0.09 59
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.
StereoDRNet-Refined	0.28 216	0.19 194	0.47 75	0.25 199	0.14 109	0.36 266	0.21 176	0.49 215	0.43 218	0.46 312	0.52 288	0.42 260	0.30 238	0.46 206	0.38 262	0.10 200	0.07 93	0.11 231	0.11 236	0.10 180	0.11 130
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
SQANet	0.44 325	0.57 373	0.89 315	0.49 377	0.39 372	0.47 320	0.23 221	0.53 248	0.44 225	0.41 280	0.48 275	0.47 290	0.34 268	0.58 246	0.43 279	0.38 381	0.15 275	0.40 379	0.21 353	0.50 380	0.34 350

LL-Strereo	0.32 257	0.33 310	0.77 281	0.26 231	0.24 323	0.22 88	0.23 221	0.58 297	0.44 225	0.35 215	0.32 117	0.41 250	0.40 300	0.93 360	0.25 181	0.08 89	0.13 245	0.11 231	0.09 168	0.09 132	0.22 287

UDGNet	0.24 150	0.37 331	0.53 160	0.25 199	0.14 109	0.24 122	0.18 94	0.32 57	0.44 225	0.29 116	0.28 81	0.24 103	0.20 128	0.30 126	0.21 134	0.16 318	0.07 93	0.21 351	0.11 236	0.16 295	0.11 130

DDUNet	0.45 328	0.60 378	0.71 262	0.45 373	0.39 372	0.46 314	0.32 311	0.53 248	0.44 225	0.46 312	0.53 295	0.57 324	0.38 290	0.51 221	0.43 279	0.34 376	0.21 326	0.56 387	0.25 366	0.41 377	0.36 353

ADLNet	0.30 242	0.19 194	0.59 213	0.23 130	0.19 257	0.34 245	0.23 221	0.56 276	0.44 225	0.43 293	0.41 205	0.43 266	0.28 215	0.56 242	0.36 254	0.11 231	0.08 140	0.11 231	0.11 236	0.11 222	0.15 219

HGLStereo	0.29 230	0.19 194	0.60 220	0.24 167	0.21 288	0.33 231	0.23 221	0.52 238	0.44 225	0.36 226	0.49 277	0.41 250	0.35 275	0.46 206	0.34 245	0.11 231	0.11 215	0.09 121	0.09 168	0.11 222	0.12 165

GwcNet-RSSM	0.28 216	0.25 263	0.61 226	0.22 87	0.14 109	0.28 166	0.24 243	0.46 189	0.44 225	0.33 186	0.46 259	0.41 250	0.28 215	0.55 237	0.31 227	0.11 231	0.07 93	0.09 121	0.10 212	0.10 180	0.09 59

DSFCA	0.29 230	0.18 186	0.48 87	0.21 55	0.17 213	0.39 280	0.32 311	0.49 215	0.44 225	0.44 300	0.38 173	0.40 243	0.30 238	0.53 229	0.38 262	0.12 260	0.10 195	0.10 185	0.11 236	0.11 222	0.11 130

HSM-Net_RVC	0.28 216	0.12 57	0.48 87	0.19 13	0.11 25	0.35 258	0.21 176	0.64 339	0.44 225	0.40 270	0.43 224	0.50 304	0.27 196	0.75 315	0.25 181	0.08 89	0.07 93	0.08 61	0.07 46	0.08 65	0.09 59
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DANet	0.37 288	0.25 263	0.67 247	0.37 349	0.22 303	0.42 295	0.25 256	0.50 223	0.44 225	0.52 334	0.50 279	0.59 330	0.42 309	0.78 326	0.53 313	0.13 277	0.12 231	0.14 302	0.12 273	0.17 307	0.21 279
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.37 288	0.33 310	0.59 213	0.37 349	0.23 312	0.42 295	0.41 347	0.56 276	0.44 225	0.47 318	0.47 266	0.61 337	0.39 297	0.58 246	0.41 273	0.16 318	0.13 245	0.21 351	0.22 360	0.16 295	0.18 243

dd	0.23 124	0.32 306	0.55 176	0.23 130	0.12 49	0.27 152	0.21 176	0.32 57	0.45 236	0.30 137	0.29 87	0.25 114	0.17 79	0.31 135	0.26 190	0.13 277	0.07 93	0.10 185	0.08 106	0.12 247	0.09 59

CFNet_pseudo	0.23 124	0.14 109	0.48 87	0.20 35	0.13 81	0.27 152	0.17 55	0.46 189	0.45 236	0.30 137	0.37 167	0.38 230	0.23 149	0.30 126	0.22 149	0.09 145	0.06 34	0.11 231	0.08 106	0.11 222	0.11 130

psm_up	0.30 242	0.21 213	0.58 206	0.26 231	0.18 234	0.32 225	0.27 271	0.57 285	0.45 236	0.38 250	0.41 205	0.45 277	0.40 300	0.59 252	0.32 233	0.11 231	0.12 231	0.13 284	0.12 273	0.11 222	0.11 130

psmorigin	0.52 347	0.29 289	3.10 409	0.24 167	0.19 257	0.39 280	0.24 243	0.52 238	0.45 236	0.66 359	0.68 342	0.70 365	0.52 339	0.86 344	0.49 304	0.15 310	0.17 302	0.13 284	0.14 311	0.16 295	0.23 294

ACVNet	0.24 150	0.18 186	0.51 134	0.18 8	0.15 159	0.27 152	0.23 221	0.40 134	0.45 236	0.29 116	0.41 205	0.38 230	0.28 215	0.28 100	0.35 251	0.09 145	0.07 93	0.08 61	0.07 46	0.10 180	0.09 59

acv_ft	0.26 193	0.18 186	0.56 186	0.24 167	0.19 257	0.34 245	0.21 176	0.47 198	0.45 236	0.39 261	0.41 205	0.38 230	0.28 215	0.28 100	0.36 254	0.09 145	0.07 93	0.08 61	0.07 46	0.11 222	0.09 59

ccs_rob	0.23 124	0.14 109	0.48 87	0.20 35	0.13 81	0.27 152	0.17 55	0.46 189	0.45 236	0.30 137	0.37 167	0.38 230	0.23 149	0.30 126	0.22 149	0.09 145	0.06 34	0.11 231	0.08 106	0.12 247	0.11 130

iResNet	0.25 174	0.22 227	0.62 229	0.26 231	0.11 25	0.31 212	0.23 221	0.46 189	0.45 236	0.34 200	0.43 224	0.27 134	0.23 149	0.36 174	0.37 260	0.08 89	0.05 3	0.07 13	0.06 23	0.08 65	0.10 101

DLCB_ROB	0.30 242	0.20 206	0.45 58	0.28 288	0.17 213	0.37 271	0.25 256	0.50 223	0.45 236	0.46 312	0.47 266	0.51 307	0.34 268	0.56 242	0.38 262	0.10 200	0.10 195	0.11 231	0.11 236	0.10 180	0.11 130

DualNet	0.33 265	0.17 169	0.84 298	0.21 55	0.13 81	0.29 183	0.21 176	0.38 109	0.46 245	0.31 152	0.44 233	0.34 200	0.24 167	0.28 100	1.30 379	0.08 89	0.28 362	0.12 261	0.11 236	0.08 65	0.37 361

ffm	0.27 209	0.17 169	0.84 298	0.21 55	0.13 81	0.29 183	0.21 176	0.38 109	0.46 245	0.31 152	0.44 233	0.34 200	0.24 167	0.28 100	0.12 1	0.08 89	0.28 362	0.12 261	0.11 236	0.08 65	0.37 361

ff1	0.36 281	0.17 169	0.84 298	0.21 55	0.13 81	0.29 183	0.21 176	0.38 109	0.46 245	0.31 152	0.44 233	0.34 200	0.24 167	0.91 354	1.30 379	0.08 89	0.28 362	0.12 261	0.11 236	0.08 65	0.37 361

tt1	0.22 95	0.16 146	0.49 104	0.26 231	0.15 159	0.31 212	0.19 126	0.38 109	0.46 245	0.21 33	0.19 26	0.13 12	0.16 64	0.28 100	0.12 1	0.08 89	0.28 362	0.08 61	0.06 23	0.08 65	0.37 361

CFNet_ucs	0.25 174	0.14 109	0.51 134	0.20 35	0.15 159	0.29 183	0.18 94	0.51 233	0.46 245	0.32 177	0.42 212	0.38 230	0.23 149	0.31 135	0.22 149	0.11 231	0.08 140	0.12 261	0.09 168	0.13 259	0.13 185

fff	0.20 59	0.15 125	0.57 193	0.19 13	0.09 5	0.19 24	0.18 94	0.38 109	0.46 245	0.29 116	0.31 108	0.18 49	0.28 215	0.21 26	0.20 117	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 59

csc	0.20 59	0.15 125	0.57 193	0.19 13	0.09 5	0.19 24	0.18 94	0.38 109	0.46 245	0.29 116	0.31 108	0.18 49	0.28 215	0.21 26	0.20 117	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 59

cscssc	0.20 59	0.15 125	0.57 193	0.19 13	0.09 5	0.19 24	0.18 94	0.38 109	0.46 245	0.29 116	0.31 108	0.18 49	0.28 215	0.21 26	0.20 117	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 59

111	0.22 95	0.22 227	0.57 193	0.19 13	0.09 5	0.24 122	0.17 55	0.44 176	0.46 245	0.24 62	0.30 98	0.29 158	0.22 140	0.25 56	0.19 101	0.08 89	0.05 3	0.07 13	0.06 23	0.07 30	0.15 219

APVNet	0.38 293	0.26 273	0.87 307	0.26 231	0.22 303	0.52 338	0.35 322	0.64 339	0.46 245	0.40 270	0.52 288	0.48 294	0.39 297	0.84 341	0.48 298	0.13 277	0.14 254	0.15 316	0.16 329	0.16 295	0.16 229

G-Net	0.47 337	0.26 273	1.02 336	0.34 339	0.28 342	0.89 379	0.35 322	0.47 198	0.46 245	0.68 361	1.20 382	0.64 349	0.59 353	0.61 263	0.60 328	0.16 318	0.14 254	0.17 331	0.13 297	0.22 343	0.21 279

GANet	0.40 308	0.28 286	0.67 247	0.31 319	0.18 234	0.43 299	0.39 340	0.60 314	0.46 245	0.48 324	0.78 356	0.55 319	0.45 317	0.96 364	0.55 320	0.13 277	0.14 254	0.13 284	0.12 273	0.15 286	0.16 229

CFNet	0.29 230	0.29 289	0.57 193	0.23 130	0.14 109	0.34 245	0.15 25	0.53 248	0.46 245	0.31 152	0.40 194	0.38 230	0.27 196	0.76 321	0.28 203	0.10 200	0.07 93	0.11 231	0.11 236	0.11 222	0.09 59

PCWNet_CMD	0.23 124	0.14 109	0.48 87	0.21 55	0.13 81	0.28 166	0.17 55	0.47 198	0.47 258	0.30 137	0.36 159	0.37 224	0.24 167	0.29 117	0.21 134	0.09 145	0.06 34	0.10 185	0.08 106	0.11 222	0.11 130

HBP-ISP	0.34 273	0.35 322	0.76 275	0.23 130	0.17 213	0.33 231	0.22 198	0.56 276	0.47 258	0.42 284	0.49 277	0.33 193	0.41 305	0.73 306	0.27 197	0.18 340	0.19 313	0.24 360	0.20 351	0.16 295	0.16 229

ccnet	0.43 323	0.34 318	0.62 229	0.28 288	0.33 358	0.60 352	0.34 320	0.68 356	0.47 258	0.54 343	0.66 338	0.56 323	0.46 324	0.73 306	0.66 338	0.26 362	0.19 313	0.24 360	0.22 360	0.27 362	0.25 315

aanetorigin	0.40 308	0.33 310	1.14 351	0.25 199	0.19 257	0.30 194	0.37 329	0.34 74	0.47 258	0.95 380	0.82 361	0.52 312	0.56 348	0.50 216	0.52 309	0.11 231	0.09 170	0.10 185	0.10 212	0.16 295	0.19 258

MSMDNet	0.23 124	0.14 109	0.49 104	0.20 35	0.13 81	0.28 166	0.17 55	0.47 198	0.47 258	0.30 137	0.36 159	0.37 224	0.24 167	0.29 117	0.21 134	0.09 145	0.07 93	0.09 121	0.08 106	0.11 222	0.11 130

CBMV_ROB	0.36 281	0.21 213	0.57 193	0.22 87	0.14 109	0.35 258	0.20 157	0.55 266	0.47 258	0.52 334	0.58 313	0.45 277	0.53 344	0.75 315	0.50 305	0.18 340	0.19 313	0.23 358	0.21 353	0.15 286	0.20 270

SMFormer	0.27 209	0.13 74	0.47 75	0.20 35	0.10 17	0.28 166	0.19 126	0.54 255	0.48 264	0.35 215	0.42 212	0.31 177	0.27 196	0.60 257	0.34 245	0.10 200	0.16 284	0.08 61	0.09 168	0.10 180	0.16 229

tta	0.27 209	0.13 74	0.47 75	0.20 35	0.10 17	0.28 166	0.19 126	0.54 255	0.48 264	0.35 215	0.42 212	0.31 177	0.27 196	0.60 257	0.34 245	0.10 200	0.16 284	0.08 61	0.09 168	0.08 65	0.13 185

qqq1	0.26 193	0.13 74	0.47 75	0.20 35	0.10 17	0.28 166	0.19 126	0.54 255	0.48 264	0.35 215	0.42 212	0.31 177	0.27 196	0.60 257	0.21 134	0.10 200	0.16 284	0.07 13	0.07 46	0.08 65	0.13 185

fff1	0.26 193	0.13 74	0.47 75	0.20 35	0.10 17	0.28 166	0.19 126	0.54 255	0.48 264	0.35 215	0.42 212	0.31 177	0.27 196	0.60 257	0.21 134	0.10 200	0.16 284	0.07 13	0.07 46	0.08 65	0.13 185

xx1	0.23 124	0.16 146	0.50 122	0.27 264	0.13 81	0.31 212	0.19 126	0.39 125	0.48 264	0.21 33	0.20 31	0.28 146	0.25 178	0.28 100	0.12 1	0.08 89	0.28 362	0.10 185	0.11 236	0.09 132	0.23 294

cc1	0.22 95	0.16 146	0.50 122	0.27 264	0.13 81	0.31 212	0.19 126	0.39 125	0.48 264	0.21 33	0.20 31	0.13 12	0.17 79	0.28 100	0.12 1	0.08 89	0.28 362	0.08 61	0.06 23	0.08 65	0.37 361

mmx	0.37 288	0.17 169	0.84 298	0.21 55	0.13 81	0.29 183	0.21 176	0.57 285	0.48 264	0.31 152	0.44 233	0.34 200	0.24 167	0.91 354	1.30 379	0.10 200	0.20 321	0.12 261	0.11 236	0.11 222	0.23 294

1111x	0.39 298	0.17 169	0.80 289	0.23 130	0.15 159	0.33 231	0.27 271	0.62 329	0.48 264	0.32 177	0.43 224	0.40 243	0.29 231	0.86 344	1.60 395	0.09 145	0.23 340	0.09 121	0.12 273	0.10 180	0.23 294

xxx	0.37 288	0.17 169	0.84 298	0.21 55	0.13 81	0.29 183	0.21 176	0.57 285	0.48 264	0.31 152	0.44 233	0.34 200	0.24 167	0.91 354	1.30 379	0.10 200	0.20 321	0.12 261	0.11 236	0.11 222	0.23 294

ssnet_v2	0.30 242	0.21 213	0.63 234	0.23 130	0.15 159	0.40 286	0.30 295	0.59 305	0.48 264	0.40 270	0.37 167	0.46 283	0.30 238	0.41 191	0.44 287	0.13 277	0.11 215	0.11 231	0.11 236	0.12 247	0.11 130

UDG	0.42 317	0.54 366	0.67 247	0.41 367	0.35 362	0.47 320	0.27 271	0.57 285	0.48 264	0.40 270	0.46 259	0.59 330	0.45 317	0.47 209	0.46 293	0.26 362	0.19 313	0.49 383	0.22 360	0.37 375	0.30 339

DAS	0.28 216	0.13 74	0.49 104	0.24 167	0.18 234	0.30 194	0.24 243	0.48 208	0.48 264	0.42 284	0.45 247	0.34 200	0.31 251	0.76 321	0.24 169	0.09 145	0.07 93	0.09 121	0.07 46	0.10 180	0.11 130

SepStereo	0.27 209	0.13 74	0.49 104	0.24 167	0.18 234	0.30 194	0.24 243	0.48 208	0.48 264	0.42 284	0.45 247	0.34 200	0.31 251	0.64 279	0.24 169	0.09 145	0.07 93	0.09 121	0.07 46	0.10 180	0.11 130

NINENet	0.27 209	0.16 146	0.49 104	0.23 130	0.16 188	0.44 304	0.17 55	0.63 333	0.49 277	0.33 186	0.38 173	0.31 177	0.22 140	0.43 196	0.22 149	0.11 231	0.10 195	0.12 261	0.08 106	0.12 247	0.11 130

AASNet	0.29 230	0.27 279	0.67 247	0.26 231	0.18 234	0.34 245	0.21 176	0.64 339	0.49 277	0.36 226	0.41 205	0.32 187	0.26 190	0.33 149	0.39 266	0.12 260	0.09 170	0.10 185	0.08 106	0.14 279	0.12 165

FADNet	0.34 273	0.43 350	0.88 313	0.24 167	0.22 303	0.37 271	0.19 126	0.56 276	0.49 277	0.32 177	0.36 159	0.43 266	0.32 263	0.65 283	0.30 218	0.17 330	0.16 284	0.14 302	0.16 329	0.25 353	0.21 279

ETE_ROB	0.36 281	0.32 306	0.64 238	0.30 308	0.18 234	0.40 286	0.38 337	0.59 305	0.49 277	0.50 328	0.52 288	0.62 340	0.37 285	0.58 246	0.43 279	0.13 277	0.10 195	0.14 302	0.12 273	0.17 307	0.18 243

PSMNet_ROB	0.36 281	0.31 299	0.71 262	0.31 319	0.21 288	0.44 304	0.44 352	0.61 321	0.49 277	0.39 261	0.45 247	0.49 300	0.32 263	0.66 289	0.53 313	0.14 298	0.10 195	0.15 316	0.14 311	0.13 259	0.13 185

fast-acv-ft	0.33 265	0.26 273	0.88 313	0.25 199	0.18 234	0.49 329	0.27 271	0.44 176	0.50 282	0.40 270	0.55 303	0.49 300	0.36 280	0.39 187	0.41 273	0.11 231	0.11 215	0.11 231	0.12 273	0.13 259	0.11 130

raft_robust	0.25 174	0.23 240	0.44 55	0.22 87	0.13 81	0.23 104	0.22 198	0.52 238	0.50 282	0.33 186	0.32 117	0.33 193	0.23 149	0.55 237	0.18 80	0.07 13	0.11 215	0.08 61	0.10 212	0.08 65	0.07 11

TDLM	0.32 257	0.27 279	0.52 150	0.30 308	0.15 159	0.33 231	0.32 311	0.54 255	0.50 282	0.44 300	0.43 224	0.39 240	0.30 238	0.92 359	0.30 218	0.14 298	0.09 170	0.13 284	0.12 273	0.13 259	0.14 208

CVANet_RVC	0.34 273	0.25 263	0.77 281	0.27 264	0.17 213	0.34 245	0.28 285	0.55 266	0.50 282	0.43 293	0.46 259	0.44 272	0.31 251	0.90 352	0.27 197	0.15 310	0.10 195	0.14 302	0.14 311	0.15 286	0.15 219

NOSS_ROB	0.33 265	0.24 250	0.49 104	0.27 264	0.16 188	0.34 245	0.19 126	0.55 266	0.50 282	0.34 200	0.37 167	0.42 260	0.30 238	0.93 360	0.25 181	0.19 349	0.20 321	0.24 360	0.22 360	0.17 307	0.25 315

SGM-Forest	0.42 317	0.44 354	0.92 320	0.24 167	0.16 188	0.45 312	0.40 344	0.58 297	0.50 282	0.54 343	0.63 333	0.52 312	0.51 337	0.91 354	0.66 338	0.17 330	0.17 302	0.17 331	0.15 320	0.15 286	0.21 279
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ttt	0.33 265	0.14 109	0.54 170	0.22 87	0.14 109	0.30 194	0.22 198	0.59 305	0.51 288	0.31 152	0.46 259	0.30 168	0.23 149	0.71 302	1.07 368	0.13 277	0.22 332	0.10 185	0.11 236	0.12 247	0.24 306

anonymity	0.57 357	0.55 367	0.74 268	0.48 376	0.63 387	0.56 345	0.43 350	0.71 364	0.51 288	0.64 356	0.55 303	0.57 324	0.61 358	0.65 283	0.57 324	0.55 387	0.55 398	0.50 384	0.54 393	0.51 381	0.61 390

dad	0.30 242	0.38 337	0.60 220	0.22 87	0.14 109	0.32 225	0.21 176	0.35 83	0.51 288	0.45 307	0.45 247	0.46 283	0.23 149	0.41 191	0.27 197	0.21 352	0.11 215	0.20 348	0.11 236	0.15 286	0.11 130

Syn2CoEx	0.39 298	0.39 341	1.08 345	0.35 344	0.21 288	0.41 290	0.29 289	0.63 333	0.51 288	0.43 293	0.56 307	0.45 277	0.45 317	0.69 296	0.39 266	0.17 330	0.14 254	0.16 322	0.12 273	0.13 259	0.16 229

delet	0.29 230	0.18 186	0.58 206	0.24 167	0.19 257	0.41 290	0.30 295	0.52 238	0.51 288	0.35 215	0.42 212	0.37 224	0.31 251	0.49 212	0.36 254	0.10 200	0.09 170	0.11 231	0.12 273	0.09 132	0.09 59

Nwc_Net	0.39 298	0.29 289	0.84 298	0.32 324	0.24 323	0.45 312	0.30 295	0.67 351	0.51 288	0.39 261	0.70 346	0.59 330	0.48 330	0.61 263	0.45 292	0.16 318	0.12 231	0.19 344	0.21 353	0.14 279	0.15 219

ADCRef	0.41 313	0.33 310	1.05 338	0.26 231	0.21 288	0.49 329	0.27 271	0.54 255	0.51 288	0.51 331	0.59 317	0.35 214	0.47 326	0.54 234	1.35 386	0.09 145	0.08 140	0.12 261	0.12 273	0.12 247	0.13 185

CC-Net-ROB	0.46 334	0.55 367	0.86 305	0.38 357	0.23 312	0.51 333	0.30 295	0.69 362	0.51 288	0.46 312	0.51 282	0.48 294	0.38 290	0.96 364	0.40 268	0.36 378	0.23 340	0.56 387	0.25 366	0.34 374	0.22 287

iResNetv2_ROB	0.29 230	0.37 331	0.92 320	0.24 167	0.13 81	0.30 194	0.19 126	0.55 266	0.51 288	0.39 261	0.46 259	0.39 240	0.27 196	0.36 174	0.30 218	0.09 145	0.06 34	0.07 13	0.05 8	0.13 259	0.11 130

StereoDRNet	0.34 273	0.28 286	0.70 256	0.28 288	0.21 288	0.43 299	0.30 295	0.63 333	0.51 288	0.47 318	0.40 194	0.48 294	0.31 251	0.58 246	0.44 287	0.12 260	0.10 195	0.12 261	0.11 236	0.13 259	0.13 185

XPNet_ROB	0.35 279	0.26 273	0.58 206	0.28 288	0.19 257	0.37 271	0.31 305	0.57 285	0.51 288	0.52 334	0.54 298	0.57 324	0.38 290	0.65 283	0.48 298	0.17 330	0.12 231	0.13 284	0.12 273	0.16 295	0.17 241

CBMV	0.36 281	0.25 263	0.61 226	0.24 167	0.14 109	0.42 295	0.33 316	0.56 276	0.52 299	0.54 343	0.52 288	0.51 307	0.58 351	0.63 274	0.43 279	0.15 310	0.16 284	0.18 338	0.16 329	0.13 259	0.19 258
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DispNO	0.32 257	0.29 289	0.95 328	0.26 231	0.17 213	0.25 132	0.30 295	0.47 198	0.53 300	0.36 226	0.44 233	0.36 219	0.31 251	0.77 325	0.43 279	0.11 231	0.08 140	0.09 121	0.08 106	0.09 132	0.09 59

Wz-Net-LNSev-Ref	0.33 265	0.25 263	0.82 293	0.22 87	0.17 213	0.46 314	0.28 285	0.53 248	0.53 300	0.43 293	0.57 310	0.44 272	0.31 251	0.50 216	0.48 298	0.10 200	0.06 34	0.08 61	0.06 23	0.11 222	0.12 165

MMNet	0.28 216	0.19 194	0.54 170	0.24 167	0.17 213	0.47 320	0.22 198	0.47 198	0.53 300	0.40 270	0.43 224	0.36 219	0.34 268	0.40 188	0.35 251	0.08 89	0.08 140	0.09 121	0.09 168	0.10 180	0.09 59

NCC-stereo	0.42 317	0.31 299	0.87 307	0.32 324	0.29 351	0.47 320	0.37 329	0.68 356	0.53 300	0.42 284	0.58 313	0.57 324	0.52 339	0.75 315	0.54 317	0.18 340	0.14 254	0.18 338	0.25 366	0.17 307	0.18 243

Abc-Net	0.42 317	0.31 299	0.87 307	0.32 324	0.29 351	0.47 320	0.37 329	0.68 356	0.53 300	0.42 284	0.58 313	0.57 324	0.52 339	0.75 315	0.54 317	0.18 340	0.14 254	0.18 338	0.25 366	0.17 307	0.18 243
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MyStereo05	0.24 150	0.15 125	0.58 206	0.22 87	0.14 109	0.25 132	0.22 198	0.50 223	0.54 305	0.32 177	0.23 51	0.26 130	0.23 149	0.32 140	0.25 181	0.07 13	0.12 231	0.09 121	0.09 168	0.09 132	0.11 130

MyStereo04	0.24 150	0.15 125	0.58 206	0.22 87	0.16 188	0.25 132	0.22 198	0.51 233	0.54 305	0.29 116	0.23 51	0.27 134	0.23 149	0.32 140	0.25 181	0.07 13	0.13 245	0.09 121	0.09 168	0.09 132	0.11 130

ADLNet2	0.31 252	0.23 240	0.77 281	0.23 130	0.18 234	0.36 266	0.24 243	0.55 266	0.54 305	0.33 186	0.38 173	0.45 277	0.31 251	0.70 299	0.36 254	0.10 200	0.08 140	0.09 121	0.09 168	0.12 247	0.11 130

ADCP+	0.48 340	0.36 328	1.47 379	0.26 231	0.22 303	0.57 347	0.40 344	0.56 276	0.54 305	0.46 312	0.52 288	0.46 283	0.53 344	0.59 252	1.93 401	0.10 200	0.08 140	0.11 231	0.11 236	0.14 279	0.15 219

ADCPNet	0.51 344	0.36 328	1.82 393	0.27 264	0.23 312	0.71 363	0.39 340	0.56 276	0.54 305	0.52 334	0.60 321	0.66 355	0.57 350	0.64 279	1.23 375	0.15 310	0.18 309	0.14 302	0.23 364	0.19 326	0.22 287

STTRV1_RVC	0.42 317	0.33 310	0.89 315	0.29 301	0.36 367	0.49 329	0.31 305	0.63 333	0.54 305	0.47 318	0.56 307	0.47 290	0.43 312	1.00 367	0.40 268	0.28 368	0.21 326	0.20 348	0.18 344	0.25 353	0.18 243

DRN-Test	0.35 279	0.20 206	0.75 271	0.28 288	0.19 257	0.46 314	0.29 289	0.68 356	0.54 305	0.49 325	0.47 266	0.44 272	0.35 275	0.63 274	0.44 287	0.13 277	0.09 170	0.13 284	0.12 273	0.13 259	0.13 185

LALA_ROB	0.38 293	0.31 299	0.65 241	0.30 308	0.21 288	0.46 314	0.39 340	0.63 333	0.54 305	0.53 340	0.52 288	0.69 362	0.36 280	0.52 227	0.48 298	0.18 340	0.11 215	0.16 322	0.14 311	0.17 307	0.16 229

RGC	0.41 313	0.35 322	0.76 275	0.35 344	0.28 342	0.41 290	0.29 289	0.60 314	0.55 313	0.47 318	0.64 334	0.63 344	0.47 326	0.74 310	0.46 293	0.16 318	0.15 275	0.21 351	0.21 353	0.19 326	0.21 279

AANet_RVC	0.33 265	0.31 299	0.69 253	0.23 130	0.14 109	0.30 194	0.23 221	0.49 215	0.55 313	0.39 261	0.60 321	0.43 266	0.30 238	0.88 347	0.54 317	0.11 231	0.08 140	0.07 13	0.07 46	0.10 180	0.12 165

iResNet_ROB	0.27 209	0.27 279	0.48 87	0.21 55	0.12 49	0.32 225	0.17 55	0.57 285	0.55 313	0.39 261	0.44 233	0.37 224	0.28 215	0.43 196	0.28 203	0.08 89	0.06 34	0.06 1	0.05 8	0.09 132	0.11 130

pmcnn	0.54 350	0.24 250	1.06 340	0.25 199	0.26 336	0.40 286	0.31 305	0.55 266	0.55 313	0.56 347	1.22 384	2.53 408	0.39 297	0.84 341	1.08 370	0.09 145	0.06 34	0.06 1	0.05 8	0.10 180	0.14 208

GASNet	0.39 298	0.58 375	1.27 367	0.35 344	0.23 312	0.35 258	0.23 221	0.63 333	0.56 317	0.41 280	0.38 173	0.45 277	0.30 238	0.81 335	0.42 276	0.16 318	0.11 215	0.14 302	0.14 311	0.23 348	0.12 165

GEStereo_RVC	0.29 230	0.24 250	0.60 220	0.27 264	0.16 188	0.33 231	0.25 256	0.58 297	0.56 317	0.35 215	0.38 173	0.34 200	0.25 178	0.51 221	0.29 216	0.12 260	0.08 140	0.09 121	0.08 106	0.11 222	0.13 185

edge stereo	0.40 308	0.22 227	0.87 307	0.27 264	0.22 303	0.38 277	0.26 266	0.59 305	0.56 317	0.53 340	0.60 321	0.71 366	0.50 335	0.78 326	0.43 279	0.16 318	0.15 275	0.19 344	0.14 311	0.17 307	0.19 258

PA-Net	0.40 308	0.35 322	1.05 338	0.32 324	0.28 342	0.39 280	0.43 350	0.53 248	0.56 317	0.35 215	0.43 224	0.41 250	0.36 280	0.83 340	0.61 331	0.12 260	0.23 340	0.16 322	0.23 364	0.13 259	0.20 270
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SDNR	0.47 337	0.29 289	0.92 320	0.24 167	0.37 368	1.27 396	0.17 55	0.54 255	0.58 321	0.44 300	0.85 364	0.55 319	0.28 215	1.19 381	0.52 309	0.23 356	0.24 348	0.17 331	0.13 297	0.19 326	0.26 324

Wz-Net-LNSev	0.36 281	0.35 322	1.06 340	0.26 231	0.21 288	0.47 320	0.33 316	0.56 276	0.58 321	0.45 307	0.54 298	0.50 304	0.37 285	0.40 188	0.42 276	0.12 260	0.11 215	0.10 185	0.09 168	0.14 279	0.15 219

DGSMNet	0.63 368	0.32 306	1.01 335	0.54 380	0.73 393	0.62 354	1.36 410	0.62 329	0.58 321	0.38 250	0.62 332	0.52 312	0.34 268	0.65 283	0.47 296	0.54 386	0.61 403	0.67 392	0.61 400	0.65 388	0.69 399

ADCMid	0.53 348	0.45 355	1.46 378	0.27 264	0.22 303	0.51 333	0.38 337	0.61 321	0.58 321	0.75 366	0.67 340	0.62 340	0.66 367	0.66 289	1.75 397	0.13 277	0.12 231	0.17 331	0.17 340	0.20 333	0.21 279

Anonymous Stereo	0.42 317	0.43 350	1.38 373	0.32 324	0.26 336	0.35 258	0.48 360	0.55 266	0.58 321	0.43 293	0.48 275	0.40 243	0.29 231	0.93 360	0.56 321	0.16 318	0.16 284	0.15 316	0.16 329	0.16 295	0.20 270

NVstereo2D	0.32 257	0.18 186	0.63 234	0.24 167	0.23 312	0.43 299	0.28 285	0.60 314	0.58 321	0.28 93	0.39 187	0.42 260	0.30 238	0.71 302	0.30 218	0.13 277	0.09 170	0.13 284	0.10 212	0.20 333	0.18 243

DISCO	0.33 265	0.16 146	0.55 176	0.26 231	0.16 188	0.48 326	0.25 256	0.52 238	0.58 321	0.38 250	0.45 247	0.63 344	0.37 285	0.65 283	0.50 305	0.10 200	0.07 93	0.09 121	0.08 106	0.13 259	0.13 185

WCMA_ROB	0.55 351	0.27 279	0.76 275	0.26 231	0.22 303	0.62 354	0.36 327	0.57 285	0.58 321	0.97 382	1.40 390	1.28 388	0.94 384	0.80 332	0.80 350	0.20 351	0.17 302	0.16 322	0.16 329	0.19 326	0.29 337

MDST_ROB	0.51 344	0.16 146	0.97 330	0.31 319	0.21 288	1.35 400	0.34 320	0.80 376	0.59 329	1.09 389	0.74 352	0.49 300	0.37 285	1.31 389	0.60 328	0.14 298	0.12 231	0.16 322	0.13 297	0.13 259	0.18 243

GwcNet	0.37 288	0.29 289	1.12 348	0.25 199	0.24 323	0.48 326	0.27 271	0.58 297	0.60 330	0.39 261	0.54 298	0.51 307	0.34 268	0.60 257	0.46 293	0.13 277	0.12 231	0.12 261	0.11 236	0.13 259	0.15 219

NaN_ROB	0.44 325	0.38 337	0.94 327	0.30 308	0.20 275	0.52 338	0.49 364	0.61 321	0.60 330	0.56 347	0.47 266	0.49 300	0.42 309	1.24 383	0.76 346	0.12 260	0.18 309	0.12 261	0.13 297	0.12 247	0.18 243

Wz-Net-MNSev	0.39 298	0.35 322	0.99 334	0.26 231	0.21 288	0.59 351	0.39 340	0.58 297	0.61 332	0.49 325	0.56 307	0.53 316	0.37 285	0.61 263	0.47 296	0.11 231	0.09 170	0.11 231	0.11 236	0.15 286	0.15 219

pcwnet_v2	0.32 257	0.16 146	1.22 365	0.23 130	0.19 257	0.32 225	0.19 126	0.61 321	0.61 332	0.37 242	0.45 247	0.35 214	0.29 231	0.37 182	0.26 190	0.14 298	0.11 215	0.12 261	0.11 236	0.14 279	0.18 243

FAT-Stereo	0.36 281	0.19 194	0.75 271	0.26 231	0.18 234	0.34 245	0.30 295	0.62 329	0.61 332	0.47 318	0.61 330	0.59 330	0.50 335	0.61 263	0.36 254	0.13 277	0.14 254	0.13 284	0.12 273	0.14 279	0.20 270

RP	0.38 293	0.26 273	0.67 247	0.31 319	0.24 323	0.37 271	0.29 289	0.53 248	0.61 332	0.42 284	0.65 336	0.62 340	0.51 337	0.63 274	0.43 279	0.17 330	0.15 275	0.17 331	0.15 320	0.17 307	0.19 258

AnyNet_C32	0.55 351	0.51 362	1.34 371	0.29 301	0.28 342	0.61 353	0.62 378	0.57 285	0.62 336	0.63 355	0.68 342	0.54 318	0.55 346	0.82 336	1.81 398	0.15 310	0.15 275	0.15 316	0.18 344	0.21 339	0.25 315

RYNet	0.38 293	0.23 240	0.65 241	0.26 231	0.28 342	0.62 354	0.33 316	0.61 321	0.62 336	0.42 284	0.39 187	0.58 329	0.40 300	0.89 349	0.57 324	0.11 231	0.09 170	0.12 261	0.11 236	0.19 326	0.22 287

FBW_ROB	0.46 334	0.34 318	0.71 262	0.32 324	0.20 275	0.51 333	0.32 311	0.73 368	0.63 338	0.60 352	0.57 310	0.65 351	0.44 315	1.42 394	0.62 332	0.14 298	0.17 302	0.22 356	0.16 329	0.17 307	0.23 294

MeshStereo	0.60 362	0.31 299	0.71 262	0.22 87	0.17 213	0.66 360	0.36 327	0.81 378	0.63 338	1.48 407	1.32 387	1.65 395	0.83 376	1.18 380	0.74 344	0.17 330	0.17 302	0.17 331	0.14 311	0.17 307	0.19 258
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
MFN_U_SF_DS_RVC	0.53 348	0.60 378	0.98 332	0.40 363	0.25 333	0.87 377	0.57 375	0.60 314	0.64 340	0.60 352	0.67 340	0.63 344	0.42 309	1.13 377	0.50 305	0.23 356	0.28 362	0.27 363	0.35 379	0.25 353	0.33 347

stereogan	0.39 298	0.20 206	0.78 285	0.28 288	0.22 303	0.65 359	0.26 266	0.62 329	0.65 341	0.45 307	0.60 321	0.67 358	0.45 317	0.69 296	0.37 260	0.14 298	0.14 254	0.14 302	0.12 273	0.20 333	0.19 258

AnyNet_C01	0.68 373	0.69 381	2.64 403	0.33 335	0.27 341	0.93 380	0.64 379	0.66 349	0.65 341	0.70 363	0.97 373	0.75 368	0.63 364	1.01 369	1.52 391	0.17 330	0.16 284	0.17 331	0.17 340	0.24 352	0.28 333

PASM	0.49 341	0.41 346	1.15 352	0.37 349	0.35 362	0.42 295	0.42 348	0.54 255	0.65 341	0.54 343	0.54 298	0.63 344	0.48 330	0.94 363	0.51 308	0.27 366	0.30 374	0.30 368	0.33 377	0.29 367	0.29 337

SPS-STEREO	0.74 376	0.72 382	1.18 361	0.52 379	0.57 385	0.76 367	0.50 366	0.80 376	0.66 344	0.97 382	0.88 368	0.94 376	0.74 369	1.08 375	1.04 366	0.58 390	0.51 392	0.50 384	0.50 391	0.56 384	0.72 401
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
otaku	0.60 362	0.73 384	1.13 350	0.64 384	0.45 377	0.73 366	0.37 329	0.67 351	0.67 345	0.52 334	0.75 354	0.66 355	0.46 324	0.74 310	0.59 327	0.55 387	0.34 383	0.56 387	0.36 381	0.65 388	0.49 384

AF-Net	0.40 308	0.31 299	0.74 268	0.33 335	0.24 323	0.43 299	0.30 295	0.64 339	0.67 345	0.44 300	0.69 345	0.65 351	0.52 339	0.59 252	0.48 298	0.16 318	0.12 231	0.19 344	0.14 311	0.16 295	0.14 208

GANetREF_RVC	0.45 328	0.52 363	0.87 307	0.39 359	0.20 275	0.51 333	0.50 366	0.68 356	0.67 345	0.47 318	0.46 259	0.50 304	0.43 312	0.91 354	0.40 268	0.28 368	0.21 326	0.32 372	0.19 347	0.28 365	0.23 294
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
MSMD_ROB	0.63 368	0.34 318	0.70 256	0.30 308	0.25 333	0.88 378	0.35 322	0.58 297	0.67 345	1.13 390	1.52 394	1.75 398	1.05 389	0.90 352	0.60 328	0.24 358	0.22 332	0.27 363	0.27 372	0.25 353	0.27 327

Wz-Net-SNSev	0.45 328	0.53 365	1.42 377	0.31 319	0.21 288	0.44 304	0.45 353	0.64 339	0.68 349	0.46 312	0.66 338	0.62 340	0.40 300	0.78 326	0.65 336	0.12 260	0.11 215	0.12 261	0.13 297	0.17 307	0.19 258

MFN_U_SF_RVC	0.58 359	0.58 375	1.31 370	0.39 359	0.23 312	0.72 364	0.30 295	0.83 381	0.68 349	0.74 365	0.74 352	0.86 372	0.60 354	0.84 341	0.83 352	0.29 370	0.27 358	0.32 372	0.37 383	0.31 369	0.33 347

S-Stereo	0.39 298	0.20 206	1.04 337	0.28 288	0.22 303	0.39 280	0.31 305	0.58 297	0.69 351	0.40 270	0.59 317	0.48 294	0.41 305	0.75 315	0.42 276	0.12 260	0.15 275	0.13 284	0.13 297	0.16 295	0.25 315

PWC_ROB	0.41 313	0.38 337	0.92 320	0.26 231	0.20 275	0.39 280	0.19 126	0.61 321	0.69 351	0.58 351	0.84 363	0.52 312	0.44 315	0.74 310	0.62 332	0.13 277	0.09 170	0.14 302	0.10 212	0.17 307	0.18 243

FCDSN-DC	0.67 371	0.38 337	0.83 295	0.37 349	0.30 353	0.66 360	0.37 329	0.69 362	0.70 353	1.15 392	1.53 395	1.70 397	1.38 398	1.00 367	0.83 352	0.24 358	0.22 332	0.27 363	0.26 370	0.27 362	0.32 345
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	0.62 365	0.47 357	0.93 324	0.70 389	0.50 379	1.15 391	1.29 409	0.79 375	0.70 353	0.77 371	0.55 303	0.92 375	0.58 351	0.87 346	0.77 347	0.19 349	0.27 358	0.18 338	0.19 347	0.27 362	0.28 333

Ntro	0.61 364	0.75 386	1.16 354	0.67 386	0.50 379	0.76 367	0.37 329	0.68 356	0.71 355	0.50 328	0.59 317	0.65 351	0.52 339	0.79 329	0.58 326	0.58 390	0.32 379	0.57 390	0.34 378	0.69 393	0.50 385

Wz-Net-TNSev	0.55 351	0.72 382	1.90 394	0.26 231	0.21 288	0.64 358	0.45 353	0.66 349	0.71 355	0.52 334	0.55 303	0.71 366	0.63 364	1.04 372	0.94 359	0.16 318	0.15 275	0.13 284	0.15 320	0.21 339	0.24 306

LRCNet_RVC	10.94 423	14.45 432	9.66 419	15.38 428	8.02 422	1.08 387	0.35 322	8.72 423	0.72 357	12.63 430	15.84 429	9.73 423	6.52 418	8.58 424	6.38 420	20.33 437	5.39 423	23.79 436	21.95 435	15.35 430	13.96 432

CSAN	0.55 351	0.47 357	1.19 362	0.37 349	0.23 312	0.57 347	0.61 377	0.65 345	0.72 357	0.65 357	0.78 356	0.66 355	0.65 366	1.41 393	0.77 347	0.21 352	0.17 302	0.20 348	0.21 353	0.18 322	0.21 279

DispFullNet	0.67 371	0.94 393	1.63 386	0.77 394	1.19 411	0.53 341	0.25 256	0.61 321	0.72 357	0.70 363	0.60 321	0.69 362	0.90 381	0.80 332	0.52 309	0.27 366	0.13 245	0.74 395	0.31 376	0.68 391	0.44 375

ADCL	0.50 342	0.30 296	1.15 352	0.28 288	0.19 257	0.77 370	0.64 379	0.57 285	0.73 360	0.57 350	0.73 351	0.55 319	0.60 354	0.66 289	1.53 392	0.11 231	0.10 195	0.13 284	0.13 297	0.15 286	0.16 229

Consistency-Raft	0.56 355	0.52 363	1.12 348	0.45 373	0.49 378	0.48 326	0.45 353	0.73 368	0.74 361	0.45 307	0.82 361	0.46 283	0.60 354	0.51 221	0.63 335	0.39 383	0.40 386	0.44 381	0.51 392	0.53 383	0.38 369

XQC	0.47 337	0.45 355	1.07 342	0.40 363	0.28 342	0.58 349	0.38 337	0.67 351	0.76 362	0.53 340	0.47 266	0.59 330	0.47 326	0.74 310	0.80 350	0.18 340	0.14 254	0.18 338	0.16 329	0.26 358	0.24 306

LSM	1.68 406	0.48 359	2.91 406	2.28 419	17.60 429	0.52 338	0.55 373	0.65 345	0.78 363	0.84 374	1.11 378	0.63 344	0.55 346	0.79 329	0.53 313	0.16 318	0.25 349	0.18 338	0.21 353	0.25 353	2.37 420

PDISCO_ROB	0.45 328	0.37 331	0.89 315	0.44 371	0.37 368	0.70 362	0.35 322	0.75 371	0.78 363	0.45 307	0.53 295	0.65 351	0.40 300	0.68 295	0.52 309	0.22 355	0.12 231	0.21 351	0.19 347	0.26 358	0.22 287

WZ-Net	0.56 355	0.49 361	2.14 398	0.30 308	0.24 323	0.58 349	0.48 360	0.65 345	0.80 365	0.51 331	0.72 348	0.68 360	0.60 354	1.06 374	1.01 363	0.13 277	0.10 195	0.11 231	0.12 273	0.19 326	0.23 294

ACVNet-4b	0.76 379	0.90 391	1.67 388	0.73 391	0.51 382	0.80 375	0.31 305	0.74 370	0.81 366	0.51 331	0.72 348	0.94 376	0.43 312	1.01 369	1.32 384	1.18 412	0.22 332	0.77 396	0.45 386	0.70 394	0.50 385

DPSNet	0.51 344	0.26 273	1.16 354	0.28 288	0.21 288	0.76 367	0.56 374	0.89 387	0.82 367	0.49 325	0.51 282	0.64 349	0.81 375	0.89 349	0.85 354	0.17 330	0.16 284	0.13 284	0.13 297	0.26 358	0.27 327

SuperB	0.50 342	0.37 331	2.16 399	0.23 130	0.15 159	0.41 290	0.32 311	0.50 223	0.83 368	0.44 300	0.51 282	0.33 193	0.45 317	0.69 296	1.07 368	0.10 200	0.08 140	0.09 121	0.08 106	0.95 405	0.18 243

FC-DCNN	0.73 375	0.33 310	0.84 298	0.33 335	0.28 342	0.82 376	0.40 344	0.82 379	0.83 368	1.43 400	1.60 398	1.97 400	1.38 398	1.10 376	0.93 357	0.24 358	0.22 332	0.27 363	0.26 370	0.26 358	0.32 345

MFMNet_re	0.74 376	0.84 388	1.16 354	0.64 384	0.70 392	0.79 372	0.71 384	0.77 374	0.85 370	0.79 373	0.86 365	0.69 362	0.80 373	0.73 306	0.65 336	0.66 394	0.59 402	0.61 391	0.58 398	0.68 391	0.71 400

RTSC	0.43 323	0.37 331	0.95 328	0.30 308	0.20 275	0.50 332	0.23 221	0.65 345	0.86 371	0.56 347	0.54 298	0.51 307	0.36 280	0.71 302	0.92 356	0.13 277	0.14 254	0.11 231	0.13 297	0.18 322	0.19 258

ADCS	0.62 365	0.56 369	1.54 384	0.30 308	0.25 333	0.56 345	0.46 356	0.71 364	0.86 371	0.77 371	0.72 348	0.68 360	0.62 362	0.82 336	2.33 407	0.17 330	0.16 284	0.16 322	0.17 340	0.23 348	0.27 327

NVStereoNet_ROB	0.74 376	0.64 380	1.20 364	0.55 381	0.43 376	0.54 344	0.48 360	0.75 371	0.87 373	0.88 376	1.72 400	1.06 380	1.03 388	1.29 387	0.98 362	0.35 377	0.42 389	0.41 380	0.48 387	0.38 376	0.43 373
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet_1	0.77 381	0.92 392	1.79 392	0.73 391	0.53 383	0.78 371	0.42 348	0.88 386	0.90 374	0.75 366	0.76 355	1.32 389	0.80 373	1.04 372	0.70 342	0.57 389	0.32 379	0.72 394	0.35 379	0.70 394	0.50 385

PWCDC_ROB	0.41 313	0.41 346	0.77 281	0.34 339	0.21 288	0.43 299	0.20 157	0.60 314	0.90 374	0.44 300	1.24 385	0.36 219	0.38 290	0.56 242	0.48 298	0.18 340	0.11 215	0.11 231	0.10 212	0.20 333	0.16 229

SGM_RVC	0.57 357	0.22 227	0.60 220	0.26 231	0.16 188	0.97 385	0.46 356	0.76 373	0.90 374	1.03 386	0.92 371	1.16 383	0.93 383	1.21 382	0.72 343	0.17 330	0.16 284	0.16 322	0.16 329	0.16 295	0.24 306
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
JetBlue	1.20 396	0.89 390	2.53 402	0.59 382	0.76 394	3.16 415	2.09 415	1.16 393	0.93 377	0.95 380	1.12 379	1.65 395	1.27 395	2.15 408	1.87 400	0.43 385	0.37 385	0.38 377	0.39 385	0.62 386	0.63 393

RainbowNet	0.76 379	1.00 397	1.29 368	0.82 395	0.63 387	0.79 372	0.52 369	0.83 381	0.93 377	0.61 354	0.79 359	0.79 369	0.62 362	0.82 336	0.67 340	0.80 400	0.55 398	0.79 398	0.49 388	0.81 397	0.62 391

MADNet+	1.05 389	1.26 408	4.77 414	0.73 391	0.50 379	1.25 395	0.97 397	1.05 390	0.93 377	0.67 360	0.78 356	0.87 373	0.85 377	2.14 407	1.83 399	0.40 384	0.42 389	0.32 372	0.28 373	0.45 379	0.43 373

MSC_U_SF_DS_RVC	0.70 374	0.73 384	1.26 366	0.47 375	0.28 342	1.42 402	0.60 376	0.82 379	0.94 380	0.85 375	0.86 365	0.88 374	0.70 368	1.32 390	0.75 345	0.37 379	0.30 374	0.34 375	0.36 381	0.44 378	0.42 371

SHD	0.45 328	0.34 318	0.89 315	0.37 349	0.28 342	0.46 314	0.23 221	0.72 367	0.96 381	0.65 357	0.61 330	0.61 337	0.48 330	0.64 279	0.69 341	0.16 318	0.16 284	0.16 322	0.16 329	0.21 339	0.25 315

ELAS	0.80 382	0.40 344	0.91 319	0.39 359	0.35 362	1.52 404	0.81 392	0.97 389	0.98 382	1.47 406	1.58 397	1.19 385	1.33 397	1.01 369	1.21 374	0.29 370	0.27 358	0.30 368	0.29 375	0.32 372	0.36 353
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	7.48 418	0.57 373	139.59 441	0.25 199	0.17 213	0.44 304	0.30 295	0.48 208	1.04 383	1.29 394	1.02 375	0.82 371	0.87 380	0.76 321	1.02 364	0.10 200	0.09 170	0.12 261	0.11 236	0.22 343	0.25 315

FINET	0.58 359	0.48 359	1.35 372	0.38 357	0.37 368	0.96 384	1.13 406	0.84 383	1.05 384	0.50 328	0.70 346	0.45 277	0.61 358	0.63 274	0.62 332	0.26 362	0.28 362	0.14 302	0.13 297	0.20 333	0.44 375

EDNetEfficient	0.64 370	0.39 341	2.52 401	0.26 231	0.26 336	0.39 280	0.49 364	0.42 153	1.06 385	1.38 397	0.86 365	0.61 337	0.97 385	0.66 289	1.62 396	0.11 231	0.10 195	0.10 185	0.12 273	0.20 333	0.19 258

RTS	0.81 384	0.56 369	4.76 412	0.37 349	0.30 353	1.11 388	0.52 369	0.67 351	1.07 386	0.76 369	0.91 369	0.60 335	0.61 358	1.64 397	1.24 376	0.15 310	0.13 245	0.15 316	0.15 320	0.22 343	0.24 306

RTSA	0.81 384	0.56 369	4.76 412	0.37 349	0.30 353	1.11 388	0.52 369	0.67 351	1.07 386	0.76 369	0.91 369	0.60 335	0.61 358	1.64 397	1.24 376	0.15 310	0.13 245	0.15 316	0.15 320	0.22 343	0.24 306

SGM+DAISY	1.12 394	0.86 389	1.64 387	0.68 387	0.80 401	1.68 406	1.68 414	1.08 391	1.10 388	1.53 408	1.76 402	1.47 392	1.53 404	1.24 383	1.42 390	0.66 394	0.65 408	0.52 386	0.54 393	0.57 385	0.91 408

IMH-64-1	0.94 386	0.95 394	1.07 342	0.98 400	0.76 394	0.93 380	0.72 385	1.30 395	1.11 389	0.91 377	1.45 391	1.14 381	1.00 386	1.25 385	0.97 360	0.77 396	0.51 392	0.97 401	0.55 396	0.90 399	0.66 396

IMH-64	0.94 386	0.95 394	1.07 342	0.98 400	0.76 394	0.93 380	0.72 385	1.30 395	1.11 389	0.91 377	1.45 391	1.14 381	1.00 386	1.25 385	0.97 360	0.77 396	0.51 392	0.97 401	0.55 396	0.90 399	0.66 396

ELAS_RVC	0.80 382	0.40 344	1.10 347	0.40 363	0.35 362	0.93 380	1.10 405	0.87 385	1.12 391	1.40 398	1.39 388	1.27 387	1.55 405	1.13 377	1.13 371	0.29 370	0.27 358	0.30 368	0.28 373	0.31 369	0.36 353
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCK	1.05 389	1.29 409	2.12 397	0.92 398	0.42 375	1.27 396	1.01 399	1.14 392	1.14 392	1.16 393	1.14 380	1.25 386	0.90 381	1.77 402	1.15 372	0.89 403	0.51 392	0.87 399	0.54 393	1.02 407	0.57 388

DeepPrunerF	0.46 334	0.37 331	1.50 381	0.34 339	0.30 353	0.36 266	0.37 329	0.64 339	1.15 393	0.41 280	0.45 247	0.40 243	0.41 305	0.82 336	0.53 313	0.18 340	0.14 254	0.23 358	0.21 353	0.17 307	0.18 243

PVD	0.62 365	0.41 346	0.93 324	0.44 371	0.39 372	0.63 357	0.51 368	0.86 384	1.27 394	0.93 379	1.09 377	0.81 370	0.85 377	0.89 349	0.89 355	0.21 352	0.23 340	0.22 356	0.19 347	0.28 365	0.41 370

SANet	0.58 359	0.41 346	1.38 373	0.27 264	0.16 188	0.72 364	0.48 360	0.71 364	1.34 395	0.69 362	0.97 373	0.94 376	0.78 371	0.97 366	0.93 357	0.14 298	0.12 231	0.12 261	0.12 273	0.18 322	0.20 270

notaker	1.49 399	1.44 412	1.77 391	1.42 412	1.08 409	1.19 392	0.87 396	1.51 402	1.40 396	1.53 408	3.41 413	2.40 406	1.94 407	1.83 405	1.57 394	1.14 410	0.69 412	1.38 413	0.88 409	1.39 414	1.03 411

IMH	1.09 392	1.04 400	1.29 368	1.03 402	0.79 398	1.11 388	0.69 382	1.40 398	1.42 397	1.02 384	1.71 399	1.42 390	1.19 393	1.78 403	1.03 365	1.14 410	0.56 401	1.00 403	0.58 398	0.93 402	0.68 398

ACVNet_2	0.94 386	0.98 396	1.71 390	0.83 396	0.63 387	1.02 386	0.64 379	1.16 393	1.43 398	1.02 384	1.39 388	1.47 392	0.86 379	1.16 379	0.79 349	0.63 393	0.43 391	0.78 397	0.49 388	0.80 396	0.57 388

FADE		1.19 404		0.71 390	0.76 394			1.87 411	1.53 399	0.75 366		1.17 384		2.88 412		24.66 439	4.77 421	17.17 434	17.41 433	0.51 381	0.45 378

WAO-7	1.05 389	1.00 397	1.19 362	0.83 396	0.67 391	1.22 394	0.84 394	1.43 399	1.56 400	1.13 390	1.75 401	1.46 391	1.25 394	1.56 396	1.28 378	0.61 392	0.62 406	0.70 393	0.68 402	0.66 390	0.62 391

JetRed	2.35 412	2.70 418	6.11 415	1.14 408	1.38 414	6.03 417	3.61 417	2.12 413	1.72 401	1.99 410	1.97 404	2.15 403	1.59 406	2.49 411	4.19 416	1.05 407	1.60 416	1.10 406	1.02 413	1.72 416	1.41 416

SGM-ForestM	1.59 402	0.56 369	1.52 383	0.41 367	0.34 359	2.77 413	1.67 413	1.69 406	1.73 402	2.48 412	2.27 410	6.02 420	2.90 413	3.08 413	2.83 411	0.25 361	0.30 374	0.19 344	0.20 351	0.18 322	0.45 378

LVE	1.18 395	1.16 402	1.67 388	1.04 403	0.81 402	1.32 399	0.82 393	1.49 401	1.94 403	1.08 388	1.90 403	1.89 399	1.07 390	1.51 395	1.04 366	0.96 406	0.61 403	0.94 400	0.69 403	0.92 401	0.79 406

Dean	1.22 397	1.17 403	1.97 395	1.04 403	0.79 398	1.21 393	0.76 387	1.51 402	1.96 404	1.30 396	1.98 405	2.14 402	1.18 392	1.30 388	1.15 372	0.83 401	0.61 403	1.01 404	0.69 403	0.97 406	0.77 405

WAO-6	1.11 393	1.01 399	1.17 360	0.96 399	0.79 398	1.30 398	0.78 389	1.36 397	1.99 405	1.04 387	1.54 396	1.59 394	1.27 395	1.37 392	1.30 379	0.78 398	0.55 398	1.03 405	0.75 406	0.87 398	0.72 401

MADNet++	2.34 411	1.81 415	2.24 400	2.15 418	1.97 417	2.79 414	2.19 416	2.42 415	2.26 406	2.79 415	2.70 411	2.43 407	2.60 412	3.18 414	3.32 412	2.19 416	1.97 417	1.93 416	1.62 416	2.02 417	2.10 418

coex-ft	3.48 414	0.81 387	48.53 439	0.24 167	0.19 257	0.53 341	0.47 359	0.49 215	2.36 407	7.18 420	1.20 382	0.96 379	2.53 411	0.75 315	2.14 405	0.13 277	0.15 275	0.14 302	0.12 273	0.22 343	0.47 380

HanzoNet	3.08 413	1.87 417	2.70 404	1.81 415	1.34 413	1.60 405	1.05 400	2.06 412	2.62 408	5.63 418	5.12 415	5.96 419	7.09 419	4.39 419	3.43 413	3.29 418	2.06 419	1.98 417	2.94 420	2.47 418	2.15 419

UNDER WATER-64	1.61 403	1.30 410	2.93 407	1.33 410	0.96 407	2.20 410	1.25 408	1.47 400	3.15 409	1.46 402	1.31 386	2.61 409	2.22 409	1.69 399	1.93 401	1.13 409	0.67 411	1.29 411	0.94 410	1.26 408	1.09 412

UNDER WATER	1.64 405	1.34 411	2.72 405	1.40 411	1.04 408	1.70 407	1.14 407	1.57 405	3.58 410	1.46 402	1.46 393	2.82 411	2.43 410	1.74 400	2.04 404	1.08 408	0.63 407	1.31 412	0.94 410	1.29 409	1.10 413

MANE	1.63 404	0.58 375	1.16 354	0.59 382	0.60 386	2.71 412	1.53 411	2.63 416	3.62 411	2.33 411	3.26 412	3.66 414	2.98 414	2.26 410	2.26 406	0.37 379	0.40 386	0.31 371	0.49 388	0.31 369	0.63 393

WAO-8	1.50 400	1.22 406	1.39 375	1.10 405	0.85 403	2.15 408	0.78 389	1.84 408	3.76 412	1.46 402	2.18 407	2.15 403	1.50 402	3.20 415	1.35 386	0.92 404	0.66 409	1.10 406	0.79 407	0.94 403	0.74 403

TorneroNet-64	1.47 398	1.15 401	1.51 382	1.11 407	0.86 405	2.27 411	0.76 387	1.84 408	3.76 412	1.29 394	2.22 409	2.68 410	1.46 400	1.81 404	1.55 393	0.79 399	0.51 392	1.10 406	0.67 401	1.31 410	0.81 407

Venus	1.50 400	1.22 406	1.39 375	1.10 405	0.85 403	2.15 408	0.78 389	1.84 408	3.76 412	1.46 402	2.18 407	2.15 403	1.50 402	3.20 415	1.35 386	0.92 404	0.66 409	1.10 406	0.79 407	0.94 403	0.74 403

ktn	1.80 407	1.46 413	1.49 380	1.44 413	1.14 410	1.50 403	1.07 402	1.53 404	3.90 415	2.77 414	4.62 414	3.42 413	1.49 401	1.74 400	1.40 389	1.45 414	0.77 413	1.46 414	0.99 412	1.41 415	1.00 410

tt	4.71 415	0.11 27	3.94 411	2.06 417	1.54 415	10.14 422	16.85 423	9.28 425	4.99 416	1.41 399	1.05 376	4.68 416	4.89 415	3.36 417	5.86 419	5.73 422	9.15 429	2.23 418	2.51 419	3.02 419	1.34 415

BEATNet-Init1	4.91 416	3.27 419	14.39 428	0.69 388	0.65 390	10.19 423	3.83 418	5.04 419	5.11 417	8.73 423	8.52 420	13.95 430	7.66 420	7.79 422	5.79 418	0.32 375	0.34 383	0.34 375	0.38 384	0.64 387	0.64 395

KSHMR	1.92 409	1.47 414	1.97 395	1.48 414	1.22 412	1.39 401	1.06 401	1.81 407	5.83 418	1.43 400	5.56 417	2.95 412	1.17 391	2.24 409	1.33 385	1.29 413	1.13 414	1.47 415	1.11 414	1.37 413	1.21 414

LE_ROB	1.82 408	0.39 341	3.15 410	0.50 378	0.55 384	0.79 372	1.00 398	0.89 387	6.48 419	7.40 421	2.07 406	2.07 401	5.08 416	1.33 391	3.96 415	0.11 231	0.09 170	0.12 261	0.11 236	0.11 222	0.13 185

DPSimNet_ROB	6.21 417	5.16 420	9.50 418	5.59 422	5.56 419	7.64 418	10.02 420	4.07 418	7.33 420	6.84 419	6.26 418	7.17 421	10.55 421	4.07 418	5.68 417	5.50 421	4.29 420	5.24 422	3.66 421	4.05 420	5.96 423

ASD4	8.08 419	7.42 423	8.23 417	6.03 424	6.01 420	14.62 425	20.55 424	9.03 424	8.06 421	7.51 422	6.52 419	7.36 422	6.42 417	8.13 423	9.88 422	5.93 423	5.10 422	6.60 426	5.79 422	6.82 423	5.52 422

TorneroNet	2.26 410	1.20 405	1.55 385	1.15 409	0.91 406	5.84 416	0.84 394	2.12 413	8.45 422	2.59 413	5.32 416	3.84 415	2.15 408	1.84 406	1.98 403	0.88 402	0.54 397	1.16 410	0.74 405	1.31 410	0.91 408

PML	15.86 430	13.12 431	7.07 416	5.22 420	7.66 421	32.93 434	64.30 440	5.37 420	10.12 423	25.87 440	67.29 440	20.25 432	13.20 430	10.09 425	6.81 421	5.94 424	2.00 418	6.03 425	2.18 417	9.13 426	2.62 421

xxxxx1	15.30 427	9.78 425	10.23 423	20.34 431	19.47 430	17.10 426	23.00 425	10.36 426	11.04 424	9.25 424	9.66 421	10.74 425	10.66 424	10.60 426	13.72 428	8.14 427	9.35 430	31.88 439	44.61 439	12.63 427	13.46 429

tt_ll	15.30 427	9.78 425	10.23 423	20.34 431	19.47 430	17.10 426	23.00 425	10.36 426	11.04 424	9.25 424	9.66 421	10.74 425	10.66 424	10.60 426	13.72 428	8.14 427	9.35 430	31.88 439	44.61 439	12.63 427	13.46 429

ff	15.30 427	9.78 425	10.23 423	20.34 431	19.47 430	17.10 426	23.00 425	10.36 426	11.04 424	9.25 424	9.66 421	10.74 425	10.66 424	10.60 426	13.72 428	8.14 427	9.35 430	31.88 439	44.61 439	12.63 427	13.46 429

HaxPig	17.72 432	20.23 439	19.76 429	16.55 429	16.52 428	9.46 421	9.42 419	14.48 432	13.31 427	18.59 431	18.67 430	17.39 431	16.68 431	17.07 432	16.43 431	21.99 438	20.86 439	22.28 435	21.55 434	21.30 437	21.88 439

DGTPSM_ROB	8.38 420	5.24 421	10.71 426	5.32 421	10.19 423	8.34 419	23.49 428	6.11 421	13.43 428	4.93 416	10.93 425	5.64 417	10.55 421	6.17 420	12.73 424	3.74 419	7.56 424	3.68 420	7.24 425	4.09 421	7.49 424

DPSMNet_ROB	8.44 421	5.25 422	10.87 427	5.59 422	10.27 424	8.34 419	23.51 429	6.12 422	13.47 429	4.96 417	10.94 426	5.65 418	10.55 421	6.25 421	12.77 425	4.01 420	7.62 425	3.75 421	7.27 426	4.16 422	7.54 425

Anonymous_1	16.44 431	9.26 424	9.67 420	10.63 425	14.54 427	18.62 430	26.98 430	12.68 429	13.53 430	10.78 429	10.37 424	10.15 424	10.66 424	10.99 429	12.64 423	15.61 436	7.73 426	16.87 433	43.01 438	56.14 441	7.86 428

DPSM_ROB	11.46 424	9.79 428	10.18 421	11.11 426	11.31 425	19.08 431	27.38 431	13.42 430	14.23 431	10.34 427	11.13 427	10.97 428	11.33 428	11.89 430	13.49 426	6.74 425	8.19 427	6.00 423	7.05 423	7.74 424	7.76 426

DPSM	11.46 424	9.79 428	10.18 421	11.11 426	11.31 425	19.08 431	27.38 431	13.42 430	14.23 431	10.34 427	11.13 427	10.97 428	11.33 428	11.89 430	13.49 426	6.74 425	8.19 427	6.00 423	7.05 423	7.74 424	7.76 426

MEDIAN_ROB	21.20 433	24.56 440	23.42 437	19.57 430	19.62 433	13.29 424	11.21 421	18.04 433	17.02 433	22.07 439	21.92 432	20.84 433	20.24 432	21.02 433	19.68 433	25.59 440	24.08 440	26.20 437	25.19 436	25.31 438	25.19 440

AVERAGE_ROB	25.43 440	29.01 441	27.22 438	24.60 440	24.16 440	17.78 429	12.87 422	22.39 434	21.40 434	26.72 441	26.08 439	25.18 440	24.52 440	25.07 440	23.57 434	29.94 441	28.36 441	30.60 438	29.57 437	29.83 439	29.66 441

LSM0	24.21 439	19.88 438	22.33 436	24.42 439	40.13 441	38.41 439	54.99 434	27.05 439	28.61 435	20.59 432	22.00 433	22.29 439	22.86 437	24.12 439	27.16 435	13.59 435	16.33 433	12.13 432	14.08 427	15.72 436	17.53 438

CasAABBNet	23.04 434	19.69 433	20.32 430	22.42 434	22.73 434	38.35 435	55.23 436	26.99 438	28.74 436	20.67 433	22.28 434	22.11 437	22.86 437	23.84 437	27.17 436	13.52 430	16.47 434	12.08 427	14.21 428	15.57 431	15.60 433

MyStereo03	23.12 436	19.74 434	20.70 433	22.51 436	22.82 436	38.36 436	55.25 437	26.92 435	28.81 437	20.90 435	22.38 435	22.06 434	22.80 434	23.83 434	27.20 438	13.55 432	16.70 436	12.09 428	14.22 430	15.58 432	16.03 435

MyStereo02	23.12 436	19.74 434	20.70 433	22.51 436	22.82 436	38.36 436	55.25 437	26.92 435	28.81 437	20.90 435	22.38 435	22.06 434	22.80 434	23.83 434	27.20 438	13.55 432	16.70 436	12.09 428	14.22 430	15.58 432	16.03 435

MyStereo	23.12 436	19.74 434	20.70 433	22.51 436	22.82 436	38.36 436	55.25 437	26.92 435	28.81 437	20.90 435	22.38 435	22.06 434	22.80 434	23.83 434	27.20 438	13.55 432	16.70 436	12.09 428	14.22 430	15.58 432	16.03 435

Selective-RAFT-Error	23.11 435	19.77 437	20.60 432	22.49 435	22.80 435	38.46 440	55.19 435	27.13 440	28.90 440	20.73 434	22.38 435	22.11 437	22.91 439	23.94 438	27.18 437	13.54 431	16.57 435	12.09 428	14.21 428	15.61 435	15.65 434

SPstereo	14.29 426	1.85 416	2.95 408	1.89 416	1.68 416	23.50 433	43.36 433	35.81 441	29.54 441	20.90 435	20.49 431	26.26 441	21.86 433	25.13 441	19.49 432	1.60 415	1.44 415	2.99 419	2.21 418	1.34 412	1.43 417

test_example2	100.95 441	107.33 442	67.16 440	98.17 441	106.88 442	89.44 441	101.34 441	37.23 442	97.88 442	129.56 442	131.26 441	65.41 442	67.34 441	91.22 442	79.29 441	143.32 442	199.32 442	81.12 442	102.17 442	121.89 442	101.70 442

Low-res two-view benchmark