Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

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

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

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

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

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 165	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

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

SFCPSM	0.17 98	0.78 175	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 280	0.02 14	0.75 259	0.76 273	0.02 20	0.02 19	0.02 19

HITNet	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

tta	0.09 38	0.95 193	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

CoDeX	0.15 89	0.70 172	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 265	0.02 14	0.69 253	0.75 270	0.01 9	0.02 19	0.02 19

xxx	0.09 38	1.01 204	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

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

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

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

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

Wz-Net-LNSev-Ref	0.11 59	0.44 139	0.33 167	0.39 150	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 190	0.36 180	0.02 18	0.02 20	0.02 19	0.02 19

BUS	0.83 254	1.91 296	0.92 271	4.48 378	0.02 20	0.40 183	0.04 54	0.41 188	0.02 20	0.48 218	0.03 40	0.41 196	0.05 64	0.03 33	0.05 59	1.97 365	4.19 385	0.33 164	0.23 150	0.34 152	0.27 154

BSDual-CNN	0.81 246	1.91 296	0.92 271	4.48 378	0.02 20	0.42 214	0.06 75	0.41 188	0.02 20	0.48 218	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 365	4.19 385	0.33 164	0.23 150	0.34 152	0.27 154

hknet	1.10 284	1.85 294	3.49 388	4.48 378	0.02 20	0.42 214	0.06 75	0.41 188	0.02 20	0.48 218	0.03 40	0.41 196	0.03 42	0.42 210	0.03 37	4.39 388	4.19 385	0.33 164	0.23 150	0.34 152	0.27 154

psmg	0.43 184	1.91 296	0.92 271	1.91 342	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 365	1.44 357	0.04 48	0.03 42	0.02 19	0.03 39

CSP-Net	0.34 144	1.29 272	1.19 291	1.36 329	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 340	1.21 343	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 117	1.31 274	0.74 256	0.92 242	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 267	0.75 259	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

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

ADCS	0.09 38	0.02 12	0.04 31	0.90 236	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 200	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

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

ttt	0.10 44	1.09 211	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 215	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

x	0.11 59	1.15 217	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

222	0.10 44	0.99 198	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 59	1.16 218	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 44	1.09 211	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

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

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 351	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 73	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 324	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 76	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

FADE		0.06 42		0.09 41	0.10 88			0.05 61	0.03 44	0.04 54		0.05 63		0.04 46		0.15 97	0.10 59	0.17 111	0.13 118	0.11 90	0.11 95

mmm	0.14 79	1.83 293	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 49	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

11t1	0.17 98	2.16 309	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 56	0.12 93	0.04 63	0.06 69	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

qqq	0.16 95	2.01 304	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 284	0.06 66	0.04 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 370	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 374	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 56	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 377	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 375	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCRef	0.12 67	0.03 27	0.04 31	1.71 338	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCP+	0.15 89	0.04 31	0.04 31	2.20 350	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.05 71	0.04 51	0.04 58	0.08 76	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
qqq1	0.25 117	3.70 342	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 342	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

DualNet	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

NINENet	0.69 224	3.87 351	1.20 294	1.98 346	0.05 69	0.40 183	0.04 54	0.40 175	0.05 69	0.41 189	0.04 63	0.41 196	0.05 64	0.40 186	0.05 59	1.79 358	1.56 360	0.34 171	0.22 145	0.34 152	0.23 133

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 309	0.07 75	0.05 69	0.05 65	0.05 71	0.08 76	0.05 64	0.08 76	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 78	0.07 80	0.08 75	0.07 79	0.08 76	0.06 76	0.07 73	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

SuperB	0.21 109	0.10 53	2.51 383	0.12 60	0.09 82	0.10 79	0.09 80	0.08 78	0.07 80	0.10 79	0.09 82	0.09 80	0.07 80	0.07 73	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 80	0.08 82	0.10 79	0.09 82	0.09 80	0.09 83	0.09 79	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

BEATNet-Init1	0.19 100	0.08 45	0.08 47	2.23 352	0.08 80	0.08 74	0.07 78	0.07 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 45	0.08 47	2.23 352	0.08 80	0.08 74	0.07 78	0.07 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.09 85	0.14 95	0.10 86	0.14 96	0.09 83	0.14 97	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 281

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 95	0.10 86	0.23 129	0.10 86	0.20 116	0.10 87	0.24 138	0.11 92	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

ac_64	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 296	0.14 95	0.10 86	0.28 144	0.14 120	0.17 109	0.19 137	0.28 153	0.09 76	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

PVD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.10 86	0.14 95	0.09 82	0.14 96	0.09 83	0.13 96	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 271

PDISCO_ROB	0.83 254	2.80 330	3.49 388	0.14 74	0.11 103	0.17 108	0.09 80	0.15 106	0.10 86	0.15 101	0.12 105	0.16 106	0.14 117	3.30 387	0.13 109	0.14 90	2.34 377	0.16 106	0.12 110	2.62 367	0.10 83

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	0.11 90	0.14 113	0.11 91	0.11 100	0.12 93	0.11 98	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

JetBlue	0.11 59	0.11 64	0.12 78	0.13 70	0.14 119	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.11 98	0.11 92	0.11 98	0.12 95	0.12 103	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	0.16 105	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.13 115	0.17 109	0.12 103	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 107

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	0.15 100	0.11 97	0.14 95	0.11 100	0.15 101	0.12 105	0.15 105	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 95	0.11 100	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 83	0.11 103	0.14 94	0.15 116	0.14 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.16 106	0.11 92	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 107

MIPNet	0.14 79	0.21 87	0.17 116	0.16 89	0.11 103	0.15 100	0.12 109	0.14 95	0.11 100	0.16 105	0.11 98	0.14 96	0.11 98	0.14 97	0.11 92	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	0.15 100	0.12 109	0.14 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 95	0.11 100	0.14 95	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ICVP	0.15 89	0.53 162	0.11 73	0.16 89	0.11 103	0.16 105	0.11 97	0.16 107	0.11 100	0.16 105	0.11 98	0.16 106	0.11 98	0.16 106	0.11 92	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.12 105	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.11 75	0.14 95	0.11 97	0.49 215	0.11 95

PASM	0.39 166	3.06 333	1.36 353	1.58 333	0.09 82	0.11 90	0.11 97	0.11 91	0.11 100	0.09 78	0.09 82	0.11 92	0.09 83	0.09 79	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	0.17 108	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.12 111	0.17 109	0.12 103	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	0.10 88	0.18 110	0.11 97	0.19 112	0.11 100	0.19 112	0.12 105	0.18 112	0.11 98	0.19 113	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 72	0.16 72	0.11 73	0.15 83	0.09 82	0.18 110	0.11 97	0.18 111	0.11 100	0.17 108	0.11 98	0.18 112	0.11 98	0.18 111	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
cf-r	0.66 217	2.17 310	0.12 78	0.18 96	0.12 115	0.18 110	2.70 389	2.60 376	0.12 115	0.18 111	0.12 105	0.18 112	0.12 111	0.18 111	0.12 103	0.15 97	0.11 75	0.15 105	0.11 97	1.81 349	1.74 381

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 121	0.12 115	0.20 115	0.12 105	0.20 116	0.12 111	0.21 126	0.13 109	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	0.19 113	0.11 97	0.19 112	0.12 115	0.19 112	0.12 105	0.20 116	0.12 111	0.19 113	0.12 103	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 99	0.13 118	0.19 113	0.13 112	0.19 112	0.13 118	0.19 112	0.13 117	0.19 115	0.13 115	0.19 113	0.13 109	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	0.14 94	0.14 113	0.14 95	0.14 119	0.14 95	0.14 120	0.14 96	0.14 117	0.14 97	0.14 112	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 291	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 291	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

hitnet-ft	0.79 239	2.78 329	0.14 97	0.20 100	0.14 119	0.21 123	2.89 390	2.80 381	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.54 366	2.33 387

GANet-RSSM	0.75 233	1.91 296	0.14 97	0.47 187	0.14 119	0.21 123	3.21 394	2.30 373	0.14 119	0.46 209	0.14 120	0.23 132	0.18 133	0.21 126	0.14 112	0.18 116	0.27 148	0.37 189	0.13 118	2.13 357	2.12 383

PSMNet-RSSM	0.77 235	2.76 326	0.14 97	0.20 100	0.14 119	0.20 115	2.66 387	2.79 380	0.14 119	0.21 124	0.14 120	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 364	2.31 385

GwcNet-RSSM	0.77 235	2.77 328	0.14 97	0.20 100	0.14 119	0.20 115	2.67 388	2.78 379	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.21 126	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 364	2.31 385

CFNet-ft	0.55 209	1.57 282	0.14 97	0.20 100	0.14 119	0.20 115	2.53 386	1.61 354	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	1.56 345	1.24 360

dd	0.23 114	0.98 196	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 128	0.15 127	0.23 129	0.15 127	0.24 136	0.17 128	0.23 134	0.15 120	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 116

HCRNet	1.22 334	7.11 374	3.00 385	3.55 374	0.33 201	0.29 150	0.14 113	0.19 112	0.15 127	0.33 155	0.29 175	0.25 139	0.14 117	0.22 130	0.33 184	3.64 384	3.00 380	0.76 273	0.32 200	0.18 114	0.13 113

GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	0.16 105	0.16 119	0.16 107	0.16 129	0.16 105	0.16 128	0.16 106	0.16 126	0.16 106	0.16 125	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 116

dad	0.23 114	1.03 209	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 131	0.16 129	0.23 129	0.16 128	0.24 136	0.16 126	0.23 134	0.15 120	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 187	0.30 128	0.17 134	0.22 125	0.17 120	0.21 121	0.17 131	0.20 115	0.17 130	0.21 124	0.18 133	0.21 126	0.17 126	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

MSKI-zero shot	0.24 116	0.21 87	0.49 219	0.65 212	0.18 139	0.22 125	0.17 120	0.23 128	0.18 132	0.21 124	0.17 130	0.23 132	0.28 173	0.23 134	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

MIM_Stereo	0.25 117	0.23 91	0.66 243	0.80 228	0.17 134	0.22 125	0.17 120	0.23 128	0.18 132	0.26 142	0.17 130	0.21 124	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

GEStereo_RVC	0.86 261	4.45 358	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 138	0.18 132	5.03 401	0.20 141	0.27 148	0.19 137	0.27 151	0.21 139	0.20 119	0.19 128	0.19 121	4.02 402	0.20 117	0.18 125

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 131	0.18 132	0.24 134	0.18 138	0.23 132	0.19 137	0.24 138	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 116

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 131	0.18 132	0.23 129	0.17 130	0.23 132	0.18 133	0.23 134	0.18 132	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

CFNet	1.37 340	5.27 369	0.19 123	5.49 384	0.19 142	0.28 147	0.19 127	0.28 140	0.19 137	0.28 144	0.19 139	0.28 149	4.35 394	0.28 153	0.19 135	0.23 134	0.17 125	0.23 134	4.21 404	4.81 386	0.17 122

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

AANet_RVC	1.26 336	0.31 106	4.99 394	5.93 387	0.20 143	0.25 136	0.20 129	0.25 134	0.20 138	0.23 129	0.19 139	0.25 139	0.20 140	0.25 140	0.20 136	5.66 396	4.76 388	0.26 143	0.30 191	0.24 131	0.27 154

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 142	0.22 150	0.36 168	0.21 135	0.36 158	0.21 141	0.42 200	0.21 146	0.36 169	0.22 145	0.36 171	0.21 139	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 131

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

ssnet_v2	0.68 222	1.96 303	1.25 345	0.29 127	0.20 143	0.30 151	0.20 129	0.29 143	0.22 142	1.50 356	0.20 141	0.31 157	0.20 140	0.27 151	0.22 141	0.24 139	1.49 358	0.26 143	0.18 139	3.90 375	0.19 126

DISCO	1.11 286	0.39 122	5.28 395	0.39 150	0.20 143	0.39 182	0.27 157	0.39 171	0.22 142	0.38 168	0.20 141	0.38 176	0.20 140	6.95 409	0.22 141	0.30 156	0.21 131	0.27 147	0.21 143	5.25 390	0.21 129

FENet	0.54 207	1.52 281	1.19 291	1.41 332	0.23 154	0.35 165	0.23 142	0.35 154	0.23 147	0.34 157	0.23 150	0.35 164	0.23 149	0.35 166	0.23 146	1.40 349	1.07 278	0.32 157	0.23 150	0.33 148	0.23 133

tt1	0.31 134	0.93 192	0.24 137	0.33 136	0.23 154	0.31 154	0.24 146	0.32 147	0.24 148	0.32 153	0.23 150	0.32 159	0.25 152	0.32 159	0.24 148	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 210	0.79 226	0.24 159	0.30 151	0.26 154	0.30 145	0.24 148	0.32 153	0.23 150	0.31 157	0.24 150	0.30 157	0.23 146	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 147	0.24 148	0.33 155	0.24 156	0.35 164	0.24 150	0.33 163	0.24 148	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 142

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.26 149	0.25 153	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 143

xxxxx1	0.31 134	0.91 186	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

CASnet	0.35 149	0.51 160	0.44 201	0.32 134	0.31 189	0.24 132	0.34 193	0.36 158	0.25 151	0.31 149	0.37 206	0.30 155	0.33 191	0.25 140	0.45 229	0.37 177	0.37 182	0.33 164	0.35 209	0.34 152	0.37 200
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.30 131	1.14 215	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.26 147	0.26 161	0.26 149	0.25 153	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

tt_ll	0.31 134	0.91 186	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 138	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 143

gwcnet-sp	0.82 250	1.72 287	1.48 359	0.39 150	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 358	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 348	0.32 157	0.16 124	6.75 397	0.23 133

scenet	0.82 250	1.72 287	1.48 359	0.39 150	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 358	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 348	0.32 157	0.16 124	6.75 397	0.23 133

ssnet	0.82 250	1.72 287	1.48 359	0.39 150	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 358	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 348	0.32 157	0.16 124	6.75 397	0.23 133

ff	0.31 134	0.91 186	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

IER	0.88 262	7.04 373	2.23 377	2.75 364	0.28 170	0.43 218	0.25 148	0.39 171	0.25 151	0.41 189	0.27 168	0.39 180	0.25 152	0.40 186	0.28 163	0.37 177	0.28 153	0.37 189	0.25 158	0.37 172	0.25 143

CroCo-Stereo	0.73 231	1.22 270	0.25 139	1.22 321	0.25 160	1.22 351	0.25 148	1.22 342	0.25 151	1.22 349	0.25 160	1.22 354	0.25 152	1.22 353	0.25 153	1.22 339	0.26 143	1.21 357	0.25 158	1.22 335	0.25 143
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
DN-CSS_ROB	0.31 134	0.35 109	0.28 148	0.35 138	0.28 170	0.34 162	0.27 157	0.34 152	0.25 151	0.35 160	0.27 168	0.36 169	0.26 161	0.34 164	0.28 163	0.35 170	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

CAS	0.30 131	1.17 219	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.26 164	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 143

CroCo-Stereo Lap2	0.77 235	1.29 272	0.29 150	1.27 324	0.29 176	1.27 354	0.26 154	1.26 345	0.26 164	1.26 350	0.26 165	1.27 355	0.26 161	1.26 354	0.27 159	1.27 341	0.27 148	1.27 360	0.27 170	1.27 337	0.27 154

StereoDRNet-Refined	0.33 143	0.39 122	0.26 144	0.39 150	0.26 166	0.40 183	0.26 154	0.40 175	0.26 164	0.39 173	0.26 165	0.39 180	0.26 161	0.39 183	0.26 158	0.37 177	0.25 140	0.37 189	0.25 158	0.37 172	0.37 200
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Any-RAFT	0.32 142	0.36 112	0.27 145	0.36 142	0.27 167	0.36 168	0.27 157	0.36 158	0.27 167	0.36 163	0.27 168	0.36 169	0.27 168	0.36 171	0.28 163	0.36 173	0.28 153	0.36 187	0.28 174	0.36 170	0.28 166

CRFU-Net	0.65 215	1.67 286	1.22 341	1.96 345	0.27 167	0.41 198	0.27 157	0.41 188	0.27 167	0.40 177	0.26 165	0.41 196	0.27 168	0.40 186	0.27 159	1.80 359	1.62 362	0.34 171	0.23 150	0.33 148	0.23 133

DGSMNet	0.34 144	0.41 131	0.27 145	0.41 171	0.28 170	0.41 198	0.28 162	0.41 188	0.27 167	0.41 189	0.27 168	0.42 212	0.27 168	0.41 199	0.28 163	0.40 193	0.29 162	0.40 204	0.28 174	0.40 188	0.27 154

SQANet	0.28 127	0.28 102	0.28 148	0.28 126	0.28 170	0.28 147	0.28 162	0.28 140	0.28 170	0.28 144	0.28 173	0.28 149	0.28 173	0.28 153	0.28 163	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 166

MLCV	0.31 134	0.35 109	0.27 145	0.35 138	0.28 170	0.35 165	0.27 157	0.35 154	0.28 170	0.36 163	0.27 168	0.35 164	0.27 168	0.35 166	0.27 159	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

ACVNet-DCA	0.37 155	1.00 199	0.30 154	0.40 162	0.29 176	0.40 183	0.29 167	0.40 175	0.29 172	0.40 177	0.29 175	0.40 186	0.29 177	0.39 183	0.28 163	0.33 160	0.32 173	0.33 164	0.32 200	0.33 148	0.32 187

xx1	0.38 161	1.03 209	0.31 160	0.40 162	0.31 189	0.41 198	0.28 162	0.40 175	0.29 172	0.40 177	0.29 175	0.40 186	0.29 177	0.40 186	0.29 169	0.34 163	0.33 176	0.34 171	0.32 200	0.34 152	0.32 187

1test111	0.37 155	1.02 207	0.30 154	0.39 150	0.29 176	0.40 183	0.28 162	0.39 171	0.29 172	0.39 173	0.29 175	0.39 180	0.28 173	0.40 186	0.29 169	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 183

cc1	0.37 155	1.02 207	0.30 154	0.39 150	0.29 176	0.40 183	0.28 162	0.39 171	0.29 172	0.39 173	0.29 175	0.39 180	0.28 173	0.40 186	0.29 169	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 183

EKT-Stereo	0.37 155	0.40 124	0.44 201	1.07 258	0.29 176	0.34 162	0.31 176	0.36 158	0.29 172	0.38 168	0.31 187	0.37 174	0.30 181	0.36 171	0.29 169	0.34 163	0.28 153	0.39 200	0.30 191	0.37 172	0.30 178

iRaft-Stereo_5w	0.34 144	0.42 138	0.31 160	0.39 150	0.30 184	0.38 176	0.30 171	0.40 175	0.29 172	0.40 177	0.37 206	0.41 196	0.34 194	0.38 176	0.30 176	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

PML	0.46 189	1.36 277	0.29 150	0.58 205	0.30 184	0.57 249	0.29 167	0.57 237	0.29 172	0.57 243	0.29 175	0.57 249	0.29 177	0.56 244	0.29 169	0.52 232	0.30 170	0.53 250	0.31 196	0.53 223	0.30 178

GES	0.66 217	2.34 314	0.29 150	0.41 171	0.29 176	0.41 198	0.29 167	0.42 204	0.29 172	0.40 177	0.41 222	0.41 196	0.30 181	0.51 236	0.29 169	0.32 159	0.29 162	0.32 157	2.46 390	2.49 363	0.30 178

UCFNet_RVC	2.75 382	10.06 393	0.29 150	10.31 410	0.29 176	0.42 214	0.29 167	0.43 206	0.29 172	0.42 200	0.29 175	0.42 212	9.87 410	0.43 211	0.29 169	0.36 173	9.84 410	0.36 187	0.26 164	9.77 409	0.26 149

IGEV+	0.35 149	0.49 154	0.30 154	0.40 162	0.30 184	0.40 183	0.30 171	0.40 175	0.30 181	0.40 177	0.29 175	0.40 186	0.30 181	0.40 186	0.30 176	0.38 184	0.29 162	0.38 195	0.29 183	0.38 178	0.29 170

IGEV-Stereo	0.35 149	0.44 139	0.45 203	0.49 192	0.30 184	0.37 173	0.30 171	0.36 158	0.30 181	0.36 163	0.29 175	0.36 169	0.29 177	0.36 171	0.30 176	0.46 214	0.39 191	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
DANet	0.30 131	0.30 105	0.30 154	0.30 128	0.30 184	0.30 151	0.30 171	0.30 145	0.30 181	0.30 147	0.30 184	0.30 155	0.30 181	0.30 157	0.30 176	0.30 156	0.30 170	0.30 155	0.30 191	0.30 143	0.30 178
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MyStereo04	0.56 210	3.72 345	0.59 230	0.49 192	0.41 228	0.36 168	0.32 177	0.37 164	0.31 184	0.34 157	0.46 235	0.35 164	0.32 187	0.35 166	0.33 184	0.49 226	0.45 208	0.34 171	0.32 200	0.35 164	0.43 221

SPstereo	0.47 194	0.38 115	0.51 223	0.56 203	0.31 189	0.67 258	0.44 227	0.55 233	0.31 184	0.61 248	0.44 232	0.46 216	0.52 246	0.67 257	0.42 226	0.48 223	0.40 193	0.47 233	0.36 213	0.53 223	0.33 190

LL-Strereo2	0.48 199	1.73 291	0.51 223	0.59 207	0.34 207	0.42 214	0.33 184	0.40 175	0.31 184	0.42 200	0.33 191	0.42 212	0.31 186	0.44 213	0.39 212	0.60 239	0.51 228	0.44 226	0.33 205	0.44 203	0.33 190

RAFT + AFF	0.31 134	0.45 141	0.34 174	0.39 150	0.28 170	0.38 176	0.33 184	0.29 143	0.31 184	0.30 147	0.30 184	0.29 154	0.27 168	0.29 156	0.30 176	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 187

RAFT-Test	0.36 153	0.37 113	0.33 167	0.41 171	0.32 192	0.41 198	0.32 177	0.41 188	0.32 188	0.41 189	0.32 188	0.41 196	0.32 187	0.41 199	0.33 184	0.37 177	0.29 162	0.37 189	0.29 183	0.38 178	0.31 183

iRaft-Stereo_20w	0.34 144	0.41 131	0.31 160	0.39 150	0.29 176	0.40 183	0.32 177	0.41 188	0.32 188	0.38 168	0.30 184	0.39 180	0.30 181	0.38 176	0.32 181	0.35 170	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

ccs_rob	2.79 383	10.17 395	0.32 163	10.00 408	0.33 201	0.49 232	0.33 184	1.90 360	0.32 188	0.51 233	0.33 191	0.49 229	9.24 409	0.49 231	0.33 184	0.41 200	9.82 409	0.41 215	0.28 174	9.34 407	0.29 170

PCWNet_CMD	2.80 384	9.82 391	0.32 163	10.09 409	0.32 192	0.49 232	0.33 184	3.34 387	0.33 191	0.49 223	0.33 191	0.49 229	8.73 406	0.48 225	0.33 184	0.41 200	9.22 405	0.42 224	0.29 183	9.55 408	0.31 183

CFNet_ucs	2.73 381	9.64 390	0.33 167	9.92 407	0.32 192	0.49 232	0.33 184	0.49 219	0.33 191	0.49 223	0.33 191	0.49 229	8.98 408	0.48 225	0.33 184	0.41 200	9.96 411	0.40 204	0.29 183	10.12 411	0.54 243

CFNet_pseudo	2.67 380	9.36 388	0.32 163	10.99 411	0.33 201	0.85 274	0.33 184	0.49 219	0.33 191	0.49 223	0.32 188	0.49 229	7.26 404	0.49 231	0.33 184	0.41 200	9.62 408	0.41 215	0.29 183	10.03 410	0.29 170

pcwnet_v2	2.66 379	9.89 392	0.33 167	9.89 406	0.32 192	0.50 238	0.32 177	0.49 219	0.33 191	0.49 223	0.34 197	0.49 229	8.76 407	0.48 225	0.33 184	0.41 200	9.58 407	0.40 204	0.29 183	9.01 406	0.63 257

ccnet	0.80 241	2.28 313	0.33 167	0.50 198	0.33 201	0.50 238	0.33 184	0.50 226	0.33 191	0.49 223	0.33 191	0.49 229	1.56 364	2.38 376	0.33 184	0.41 200	0.29 162	0.42 224	1.57 373	2.28 359	0.29 170

psmorigin	0.41 175	0.46 143	0.33 167	0.49 192	0.33 201	0.49 232	0.33 184	0.49 219	0.33 191	0.49 223	0.33 191	0.49 229	0.33 191	0.51 236	0.33 184	0.41 200	0.30 170	0.41 215	0.30 191	0.79 247	0.29 170

Gwc-CoAtRS	0.41 175	1.49 280	0.32 163	0.42 179	0.32 192	0.41 198	0.32 177	0.41 188	0.33 191	0.41 189	0.32 188	0.41 196	0.32 187	0.41 199	0.32 181	0.39 190	0.28 153	0.39 200	0.28 174	0.40 188	0.28 166

H2IRNET	0.34 144	0.34 108	0.34 174	0.34 137	0.34 207	0.34 162	0.34 193	0.34 152	0.34 198	0.34 157	0.34 197	0.34 163	0.34 194	0.34 164	0.34 197	0.34 163	0.34 177	0.34 171	0.34 206	0.34 152	0.34 195

RCA-Stereo	0.51 205	3.22 337	0.34 174	0.44 180	0.34 207	0.44 219	0.34 193	0.43 206	0.34 198	0.43 204	0.34 197	0.44 215	0.33 191	0.43 211	0.33 184	0.38 184	0.29 162	0.38 195	0.29 183	0.38 178	0.29 170

GMOStereo	0.37 155	0.45 141	0.23 131	0.30 128	0.37 212	0.41 198	0.36 199	0.41 188	0.35 200	0.43 204	0.36 203	0.41 196	0.40 207	0.41 199	0.36 200	0.34 163	0.22 134	0.47 233	0.37 216	0.39 185	0.33 190

error version	0.93 270	4.47 359	2.35 380	1.99 347	0.37 212	0.41 198	0.36 199	0.41 188	0.35 200	0.43 204	0.36 203	0.41 196	0.40 207	0.41 199	0.36 200	1.87 361	2.16 373	0.47 233	0.37 216	0.39 185	0.33 190

test_1	0.93 270	4.47 359	2.35 380	1.99 347	0.37 212	0.41 198	0.36 199	0.41 188	0.35 200	0.43 204	0.36 203	0.41 196	0.40 207	0.41 199	0.36 200	1.87 361	2.16 373	0.47 233	0.37 216	0.39 185	0.33 190

CFNet-RSSM	0.91 265	4.89 365	0.34 174	0.44 180	1.07 310	1.62 363	1.40 369	0.91 269	0.35 200	1.60 357	1.39 368	0.64 253	0.34 194	0.44 213	0.33 184	0.41 200	0.35 178	0.75 270	0.30 191	0.41 196	0.29 170

DMCA	0.36 153	0.38 115	0.37 180	0.35 138	0.35 210	0.36 168	0.36 199	0.36 158	0.35 200	0.35 160	0.37 206	0.36 169	0.36 198	0.35 166	0.36 200	0.36 173	0.36 180	0.35 182	0.36 213	0.36 170	0.36 197

ETE_ROB	0.35 149	0.35 109	0.35 178	0.35 138	0.35 210	0.35 165	0.35 196	0.35 154	0.35 200	0.35 160	0.35 202	0.35 164	0.35 197	0.35 166	0.35 198	0.35 170	0.35 178	0.35 182	0.35 209	0.35 164	0.35 196

Venus	0.38 161	0.38 115	0.38 182	0.38 146	0.38 217	0.37 173	0.38 208	0.37 164	0.37 206	0.41 189	0.37 206	0.39 180	0.37 200	0.38 176	0.38 207	0.37 177	0.38 186	0.38 195	0.37 216	0.37 172	0.38 204

XPNet_ROB	0.37 155	0.37 113	0.37 180	0.37 145	0.37 212	0.37 173	0.37 203	0.37 164	0.37 206	0.37 167	0.37 206	0.37 174	0.37 200	0.37 175	0.37 206	0.37 177	0.37 182	0.37 189	0.37 216	0.37 172	0.37 200

WAO-8	0.38 161	0.38 115	0.38 182	0.38 146	0.38 217	0.38 176	0.38 208	0.38 167	0.38 208	0.38 168	0.38 211	0.38 176	0.38 202	0.38 176	0.38 207	0.38 184	0.38 186	0.38 195	0.37 216	0.38 178	0.38 204

WAO-7	0.38 161	0.38 115	0.38 182	0.38 146	0.38 217	0.38 176	0.38 208	0.38 167	0.38 208	0.38 168	0.38 211	0.38 176	0.38 202	0.38 176	0.38 207	0.38 184	0.38 186	0.38 195	0.38 222	0.38 178	0.38 204

HanzoNet	0.39 166	0.38 115	0.40 187	0.39 150	0.41 228	0.38 176	0.38 208	0.38 167	0.38 208	0.39 173	0.39 215	0.38 176	0.38 202	0.39 183	0.40 213	0.38 184	0.38 186	0.40 204	0.38 222	0.38 178	0.40 208

IMH	0.38 161	0.38 115	0.38 182	0.38 146	0.38 217	0.38 176	0.38 208	0.38 167	0.38 208	0.42 200	0.38 211	0.40 186	0.38 202	0.38 176	0.38 207	0.38 184	0.38 186	0.39 200	0.38 222	0.38 178	0.38 204

iRaftStereo_RVC	0.97 274	3.17 336	2.30 379	2.42 359	0.38 217	0.54 243	0.38 208	0.54 232	0.38 208	0.54 238	0.38 211	0.54 242	0.38 202	0.54 239	0.38 207	2.38 375	2.34 377	0.49 244	0.36 213	0.49 215	0.36 197

CFNet_RVC	2.38 372	8.71 384	0.38 182	9.33 401	0.42 236	0.56 245	0.42 225	0.60 242	0.38 208	0.62 250	0.42 228	0.56 247	7.29 405	0.62 250	0.42 226	0.53 233	0.37 182	0.49 244	0.34 206	8.30 403	6.87 409

CES	0.39 166	0.47 147	0.36 179	0.36 142	0.37 212	0.45 220	0.35 196	0.35 154	0.40 214	0.36 163	0.44 232	0.47 222	0.36 198	0.44 213	0.36 200	0.37 177	0.39 191	0.44 226	0.35 209	0.37 172	0.36 197

Selective-IGEV	0.51 205	0.55 167	0.45 203	0.69 215	0.45 238	0.61 252	0.45 228	0.50 226	0.40 214	0.56 242	0.44 232	0.55 245	0.40 207	0.72 262	0.67 265	0.59 237	0.46 210	0.45 228	0.34 206	0.46 204	0.37 200

knoymous	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 175	0.40 214	0.40 177	0.40 216	0.40 186	0.40 207	0.40 186	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

anonymousa	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 175	0.40 214	0.40 177	0.40 216	0.40 186	0.40 207	0.40 186	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

riskmin	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 175	0.40 214	0.40 177	0.40 216	0.40 186	0.40 207	0.40 186	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

Anonymous_2	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 175	0.40 214	0.40 177	0.40 216	0.40 186	0.40 207	0.40 186	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

Anonymous_1	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 175	0.40 214	0.40 177	0.40 216	0.40 186	0.40 207	0.40 186	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

FCDSN-DC	0.41 175	0.59 168	0.64 237	0.54 201	0.33 201	0.50 238	0.37 203	0.42 204	0.40 214	0.61 248	0.43 230	0.50 240	0.49 240	0.38 176	0.32 181	0.28 149	0.23 138	0.26 143	0.22 145	0.35 164	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AdaStereo	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 175	0.40 214	0.40 177	0.40 216	0.40 186	0.40 207	0.40 186	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208
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.
GwcNet-ADL	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 188	0.41 223	0.41 189	0.41 222	0.41 196	0.41 217	0.41 199	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

PSMNet-ADL	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 188	0.41 223	0.41 189	0.41 222	0.41 196	0.41 217	0.41 199	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

GANet-ADL	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 188	0.41 223	0.41 189	0.41 222	0.41 196	0.41 217	0.41 199	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

ADLNet2	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 188	0.41 223	0.41 189	0.41 222	0.41 196	0.41 217	0.41 199	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

ADLNet	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 188	0.41 223	0.41 189	0.41 222	0.41 196	0.41 217	0.41 199	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

DispNO	1.00 277	0.63 169	0.43 200	3.45 373	0.44 237	0.65 256	0.43 226	0.64 247	0.43 228	0.64 252	0.43 230	0.64 253	3.03 383	0.64 253	0.43 228	4.55 390	0.43 207	0.63 255	0.43 237	0.63 228	0.43 221

MyStereo07	0.60 212	3.72 345	0.48 215	0.49 192	0.41 228	0.36 168	0.32 177	0.49 219	0.43 228	0.51 233	0.42 228	0.49 229	0.43 222	0.51 236	0.64 261	0.49 226	0.45 208	0.34 171	0.32 200	0.35 164	0.43 221

MyStereo06	0.75 233	4.12 353	0.60 231	0.63 210	0.61 267	0.62 253	0.66 262	0.56 235	0.45 230	0.55 240	0.48 245	0.54 242	0.46 225	0.57 247	0.45 229	0.60 239	0.57 235	0.64 256	0.55 254	0.72 238	0.55 247

otaku	0.46 189	0.46 143	0.46 205	0.46 182	0.46 239	0.46 222	0.46 229	0.46 208	0.46 231	0.46 209	0.46 235	0.46 216	0.46 225	0.46 216	0.46 231	0.46 214	0.46 210	0.46 229	0.46 239	0.46 204	0.46 225

Dean	0.46 189	0.46 143	0.46 205	0.46 182	0.46 239	0.46 222	0.46 229	0.46 208	0.46 231	0.47 214	0.46 235	0.46 216	0.46 225	0.46 216	0.46 231	0.46 214	0.46 210	0.46 229	0.46 239	0.46 204	0.46 225

ACVNet-4b	0.46 189	0.46 143	0.46 205	0.46 182	0.46 239	0.46 222	0.46 229	0.46 208	0.46 231	0.46 209	0.46 235	0.46 216	0.46 225	0.47 220	0.46 231	0.46 214	0.46 210	0.46 229	0.46 239	0.46 204	0.46 225

Former-RAFT_DAM_RVC	0.49 202	0.98 196	0.64 237	0.84 232	0.46 239	0.45 220	0.35 196	0.47 213	0.47 234	0.45 208	0.34 197	0.46 216	0.48 235	0.46 216	0.35 198	0.39 190	0.71 256	0.39 200	0.35 209	0.41 196	0.41 215

Ntro	0.47 194	0.47 147	0.46 205	0.46 182	0.46 239	0.47 226	0.47 235	0.46 208	0.47 234	0.46 209	0.46 235	0.47 222	0.46 225	0.47 220	0.47 235	0.47 219	0.46 210	0.46 229	0.46 239	0.46 204	0.46 225

HaxPig	0.47 194	0.47 147	0.47 210	0.49 192	0.47 245	0.47 226	0.47 235	0.47 213	0.47 234	0.47 214	0.47 242	0.47 222	0.47 234	0.47 220	0.47 235	0.47 219	0.47 216	0.47 233	0.47 245	0.47 210	0.48 233

UNDER WATER	0.47 194	0.47 147	0.47 210	0.47 187	0.47 245	0.47 226	0.47 235	0.47 213	0.47 234	0.47 214	0.47 242	0.47 222	0.46 225	0.47 220	0.47 235	0.47 219	0.47 216	0.47 233	0.46 239	0.47 210	0.47 230

ACVNet_1	0.46 189	0.47 147	0.46 205	0.46 182	0.46 239	0.46 222	0.46 229	0.46 208	0.47 234	0.46 209	0.46 235	0.46 216	0.46 225	0.46 216	0.46 231	0.46 214	0.46 210	0.47 233	0.46 239	0.46 204	0.46 225

AEACV	1.12 287	0.52 161	3.12 386	3.24 370	0.86 294	0.53 242	0.49 243	0.60 242	0.47 234	0.53 237	0.49 249	0.55 245	0.45 224	0.55 241	0.47 235	3.01 380	3.88 383	0.71 266	0.60 262	0.80 250	0.48 233

whm_eth	0.63 213	1.48 279	0.47 210	0.71 219	0.48 247	0.71 262	0.48 240	0.71 253	0.48 240	0.71 259	0.48 245	0.71 260	0.48 235	0.72 262	0.48 240	0.71 252	0.47 216	0.71 266	0.47 245	0.71 237	0.47 230

RainbowNet	0.48 199	0.48 153	0.48 215	0.48 190	0.48 247	0.48 230	0.48 240	0.48 217	0.48 240	0.48 218	0.48 245	0.48 227	0.48 235	0.48 225	0.48 240	0.48 223	0.48 220	0.48 241	0.48 248	0.48 213	0.48 233

notaker	0.48 199	0.49 154	0.48 215	0.48 190	0.48 247	0.48 230	0.48 240	0.48 217	0.49 242	0.48 218	0.48 245	0.48 227	0.48 235	0.48 225	0.48 240	0.48 223	0.48 220	0.48 241	0.48 248	0.48 213	0.49 236

LVE	0.47 194	0.47 147	0.47 210	0.47 187	0.49 250	0.47 226	0.47 235	0.47 213	0.49 242	0.47 214	0.47 242	0.47 222	0.46 225	0.47 220	0.47 235	0.47 219	0.47 216	0.48 241	0.47 245	0.47 210	0.47 230

ACVNet_2	0.49 202	0.49 154	0.49 219	0.49 192	0.49 250	0.49 232	0.49 243	0.49 219	0.49 242	0.49 223	0.49 249	0.49 229	0.49 240	0.49 231	0.49 243	0.49 226	0.49 222	0.49 244	0.49 250	0.49 215	0.49 236

MyStereo8	0.71 227	3.92 352	0.52 225	0.59 207	0.52 255	0.57 249	0.53 248	0.59 241	0.50 245	0.59 246	0.51 254	0.57 249	0.50 243	0.56 244	0.52 247	0.54 234	0.49 222	0.54 251	0.49 250	0.55 226	0.50 239

LL-Strereo	1.01 281	5.06 368	1.63 362	0.70 217	1.43 375	0.56 245	0.46 229	0.57 237	0.50 245	0.57 243	0.50 251	1.58 361	0.49 240	0.59 249	0.50 244	1.64 355	0.52 229	0.51 248	1.37 364	0.52 221	0.45 224

SANet	0.50 204	0.50 157	0.50 221	0.50 198	0.50 253	0.50 238	0.50 245	0.50 226	0.50 245	0.50 232	0.50 251	0.50 240	0.50 243	0.50 235	0.50 244	0.50 230	0.50 227	0.50 247	0.50 252	0.50 219	0.50 239

TorneroNet	0.66 217	0.53 162	0.50 221	0.50 198	0.64 271	1.06 291	0.70 270	0.50 226	0.51 248	0.49 223	0.69 278	0.49 229	0.50 243	0.48 225	1.15 304	0.71 252	0.49 222	1.14 302	1.08 300	0.49 215	0.49 236

MyStereo03	0.84 256	4.93 366	0.68 248	0.90 236	0.74 287	0.56 245	0.46 229	0.55 233	0.52 249	0.74 266	0.56 260	0.56 247	0.46 225	0.81 271	0.54 249	0.59 237	0.52 229	0.75 270	0.68 274	0.68 231	0.65 259

MyStereo02	0.85 259	4.58 361	0.64 237	0.76 224	0.65 272	0.75 264	0.61 254	0.60 242	0.53 250	0.80 269	0.64 269	0.78 269	0.66 259	0.55 241	0.57 253	0.70 249	0.66 247	0.68 260	0.62 265	0.72 238	0.59 251

MyStereo	0.85 259	4.58 361	0.64 237	0.76 224	0.65 272	0.75 264	0.61 254	0.60 242	0.53 250	0.80 269	0.64 269	0.78 269	0.66 259	0.55 241	0.57 253	0.70 249	0.66 247	0.68 260	0.62 265	0.72 238	0.59 251

CASS	0.57 211	0.89 183	0.56 227	0.57 204	0.56 260	0.56 245	0.56 250	0.56 235	0.53 250	0.57 243	0.57 262	0.59 251	0.48 235	0.56 244	0.57 253	0.55 236	0.56 234	0.47 233	0.56 257	0.62 227	0.56 250
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Anonymous Stereo	2.36 367	18.47 398	11.50 410	9.80 405	0.53 258	0.28 147	0.50 245	0.58 239	0.53 250	0.59 246	0.53 257	0.66 258	0.52 246	0.62 250	0.41 220	0.36 173	0.37 182	0.31 156	0.19 140	0.20 117	0.22 131

PSMNet_ROB	0.54 207	0.54 165	0.54 226	0.54 201	0.53 258	0.54 243	0.54 249	0.53 231	0.54 254	0.54 238	0.54 258	0.54 242	0.53 248	0.54 239	0.54 249	0.54 234	0.53 231	0.54 251	0.54 253	0.54 225	0.54 243

anonymity	0.63 213	0.69 171	0.56 227	0.71 219	0.56 260	0.71 262	0.56 250	0.71 253	0.56 255	0.72 260	0.56 260	0.71 260	0.56 250	0.71 261	0.58 256	0.68 245	0.55 232	0.68 260	0.55 254	0.68 231	0.54 243

11t	1.27 337	2.70 324	1.34 347	1.32 326	0.89 295	1.30 355	1.34 361	1.64 355	0.57 256	1.45 355	0.72 283	1.05 294	1.29 355	1.07 296	1.29 361	1.49 350	1.02 277	0.97 294	1.15 304	1.48 342	1.31 363

ktn	0.72 230	0.53 162	1.08 282	1.14 265	0.51 254	1.22 351	1.36 363	0.51 230	0.59 257	0.51 233	0.51 254	0.69 259	1.20 303	0.67 257	0.51 246	0.51 231	0.49 222	0.58 253	0.66 270	0.52 221	0.53 242

DDUNet	0.81 246	2.45 315	0.57 229	0.90 236	0.60 262	0.88 276	0.59 253	0.90 268	0.60 258	0.88 275	0.60 263	0.90 281	0.58 251	0.88 277	0.60 258	0.84 265	0.60 237	0.86 284	0.57 258	0.86 256	0.60 253

UDG	0.80 241	2.21 311	0.60 231	0.91 239	0.60 262	0.90 279	0.58 252	0.88 267	0.60 258	0.90 276	0.60 263	0.88 278	0.60 253	0.90 280	0.58 256	0.86 266	0.60 237	0.84 282	0.59 261	0.84 255	0.61 254

STTRV1_RVC	0.82 250	1.60 284	0.70 249	1.01 255	0.60 262	1.07 294	0.69 269	1.01 282	0.60 258	0.72 260	0.55 259	1.02 293	0.68 264	1.03 293	0.67 265	0.89 268	0.63 242	0.92 288	0.57 258	0.90 259	0.65 259

test-3	0.98 276	4.13 355	1.85 372	1.85 339	0.61 267	0.69 259	0.37 203	0.63 246	0.61 261	0.66 254	0.51 254	0.73 264	0.44 223	0.57 247	0.54 249	1.68 356	1.81 371	0.40 204	0.43 237	0.66 229	0.50 239

MyStereo05	0.80 241	4.12 353	0.63 235	0.63 210	0.61 267	0.62 253	0.66 262	0.65 248	0.62 262	0.67 255	0.61 265	0.65 256	0.58 251	0.67 257	0.55 252	0.60 239	0.57 235	0.64 256	0.55 254	0.72 238	0.55 247

RAFT-Stereo + iAFF	0.70 225	0.72 173	0.71 252	0.80 228	0.62 270	0.82 273	0.61 254	0.81 263	0.62 262	0.81 273	0.63 267	0.80 273	0.70 267	0.73 264	0.61 260	0.76 255	0.61 241	0.74 269	0.61 264	0.77 244	0.61 254

DSFCA	0.66 217	0.73 174	0.78 260	0.65 212	0.65 272	0.64 255	0.64 259	0.65 248	0.63 264	0.64 252	0.64 269	0.64 253	0.64 255	0.65 254	0.65 262	0.65 242	0.65 245	0.65 258	0.65 268	0.66 229	0.64 258

test croco	1.88 353	3.16 335	0.64 237	3.10 368	0.65 272	3.10 385	0.64 259	3.12 384	0.65 265	3.10 385	0.65 273	3.11 385	0.65 257	3.12 384	0.65 262	3.12 381	0.65 245	3.13 385	0.65 268	3.13 370	0.65 259

LMCR-Stereo	0.65 215	0.63 169	0.65 242	0.65 212	0.65 272	0.66 257	0.63 258	0.58 239	0.65 265	0.63 251	0.64 269	0.65 256	0.65 257	0.66 255	0.66 264	0.66 243	0.64 244	0.65 258	0.67 273	0.68 231	0.73 271

ARAFT	0.68 222	0.81 180	0.63 235	0.74 222	0.60 262	0.78 269	0.62 257	0.77 258	0.66 267	0.74 266	0.63 267	0.75 266	0.62 254	0.83 272	0.60 258	0.70 249	0.55 232	0.70 265	0.60 262	0.78 245	0.55 247

MIF-Stereo (partial)	2.58 377	3.31 339	0.66 243	3.18 369	0.66 277	3.18 386	0.66 262	3.21 385	0.67 268	3.19 386	0.66 275	3.19 386	0.66 259	3.31 388	0.68 269	5.09 392	1.79 370	8.23 410	1.67 377	6.18 395	1.38 369

R-Stereo Train	0.81 246	0.96 194	0.67 245	0.95 246	0.67 278	0.95 284	0.68 266	0.95 277	0.68 269	0.95 284	0.68 276	0.96 288	0.68 264	0.96 288	0.68 269	0.94 274	0.68 249	0.94 290	0.68 274	0.94 266	0.68 264

RAFT-Stereo	0.81 246	0.96 194	0.67 245	0.95 246	0.67 278	0.95 284	0.68 266	0.95 277	0.68 269	0.95 284	0.68 276	0.96 288	0.68 264	0.96 288	0.68 269	0.94 274	0.68 249	0.94 290	0.68 274	0.94 266	0.68 264
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	2.65 378	10.14 394	0.33 167	9.74 404	0.32 192	0.87 275	0.33 184	2.95 383	0.68 269	0.49 223	0.34 197	0.49 229	5.70 400	0.49 231	0.33 184	0.42 213	9.57 406	0.41 215	0.31 196	8.36 404	0.65 259

MIF-Stereo	2.03 358	3.43 340	0.72 253	3.42 372	0.73 285	3.27 388	0.68 266	3.38 388	0.69 272	3.29 388	0.72 283	3.28 388	0.70 267	3.35 389	0.68 269	3.39 383	0.68 249	3.31 387	0.69 277	3.37 372	0.73 271

UNet	0.29 130	0.90 185	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 269	0.69 272	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 257	0.76 276

StereoIM	3.19 386	6.02 372	1.12 283	5.61 386	1.16 316	5.43 404	1.02 296	5.15 403	0.70 274	5.43 402	1.21 357	5.03 404	0.97 283	4.85 400	0.99 294	4.53 389	1.16 293	5.53 403	1.25 358	5.37 391	1.30 362

DMCA-RVC	0.70 225	0.80 177	0.70 249	0.70 217	0.70 281	0.70 260	0.70 270	0.71 253	0.70 274	0.70 258	0.71 281	0.71 260	0.70 267	0.70 260	0.69 273	0.69 246	0.70 254	0.69 263	0.70 278	0.69 235	0.70 266

MSMD_ROB	1.19 288	1.10 214	0.70 249	1.10 260	0.60 262	1.10 297	0.70 270	1.10 286	0.70 274	1.10 293	0.70 279	1.10 299	0.70 267	7.00 410	0.70 276	1.10 283	0.70 254	1.10 301	0.70 278	1.10 274	0.70 266

KSHMR	0.66 217	0.50 157	0.48 215	1.15 267	0.52 255	0.49 232	0.51 247	0.49 219	0.71 277	0.67 255	0.50 251	1.16 305	1.11 292	0.66 255	0.52 247	0.49 226	0.49 222	0.51 248	0.66 270	0.50 219	1.14 307

AFF-stereo	0.73 231	0.88 182	0.67 245	0.75 223	0.68 280	0.75 264	0.64 259	0.80 260	0.72 278	0.83 274	0.70 279	0.82 276	0.64 255	0.84 273	0.67 265	0.77 256	0.63 242	0.81 279	0.63 267	0.78 245	0.62 256

TorneroNet-64	0.45 188	0.27 100	0.30 154	0.58 205	0.27 167	0.70 260	0.30 171	0.28 140	0.73 279	0.73 262	0.28 173	0.71 260	0.66 259	0.75 266	0.27 159	0.27 147	0.29 162	0.37 189	0.75 282	0.28 138	0.30 178

PA-Net	11.80 410	223.51 433	0.62 234	0.59 207	0.71 282	0.59 251	0.73 273	0.67 250	0.73 279	0.55 240	0.61 265	0.60 252	0.74 271	0.63 252	0.73 277	0.66 243	0.60 237	0.69 263	0.66 270	0.72 238	0.65 259
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 256	2.85 331	0.72 253	0.72 221	0.73 285	0.77 267	0.79 277	0.73 256	0.74 281	0.73 262	0.72 283	0.73 264	0.76 273	0.73 264	0.73 277	0.72 254	0.73 257	0.73 268	0.72 281	0.73 243	0.72 269

HH	0.71 227	2.54 317	0.74 256	1.10 260	0.32 192	0.41 198	0.37 203	0.69 251	0.78 282	0.73 262	0.90 293	0.75 266	1.00 285	0.84 273	0.69 273	0.69 246	0.40 193	0.35 182	0.26 164	0.35 164	0.26 149

HanStereo	0.71 227	2.54 317	0.74 256	1.10 260	0.32 192	0.41 198	0.37 203	0.69 251	0.78 282	0.73 262	0.90 293	0.75 266	1.00 285	0.84 273	0.69 273	0.69 246	0.40 193	0.35 182	0.26 164	0.35 164	0.26 149

DCRE	0.84 256	1.89 295	0.77 259	0.94 244	0.72 284	0.88 276	0.73 273	0.87 265	0.78 282	0.90 276	0.71 281	0.88 278	0.67 263	0.88 277	0.73 277	0.81 261	0.68 249	0.81 279	0.70 278	0.82 254	0.70 266

G-Net	0.79 239	0.79 176	0.79 262	0.79 226	0.79 290	0.79 270	0.79 277	0.79 259	0.79 285	0.79 268	0.79 288	0.79 272	0.79 275	0.79 268	0.79 280	0.79 257	0.79 261	0.79 275	0.79 285	0.79 247	0.79 277

HSM-Net_RVC	0.95 273	1.17 219	0.78 260	1.18 274	0.71 282	1.16 304	0.75 275	1.09 285	0.80 286	1.10 293	0.75 286	1.17 306	0.74 271	1.17 305	0.80 282	1.13 289	0.73 257	1.17 308	0.77 283	1.16 279	0.72 269
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 241	0.80 177	0.80 263	0.80 228	0.80 292	0.80 271	0.80 279	0.80 260	0.80 286	0.80 269	0.80 289	0.80 273	0.80 276	0.80 269	0.80 282	0.80 258	0.80 264	0.80 277	0.80 286	0.80 250	0.80 278

CSAN	0.80 241	0.80 177	0.80 263	0.80 228	0.80 292	0.80 271	0.80 279	0.80 260	0.80 286	0.80 269	0.80 289	0.80 273	0.80 276	0.80 269	0.80 282	0.80 258	0.80 264	0.80 277	0.80 286	0.80 250	0.80 278

ToySt	0.92 266	2.11 305	0.90 268	0.95 246	0.79 290	0.99 286	0.78 276	0.94 276	0.81 289	0.94 283	0.78 287	0.95 287	0.77 274	0.94 284	0.86 285	0.91 269	0.79 261	0.85 283	0.77 283	0.89 258	0.73 271

UPFNet	0.42 183	1.20 223	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 293	0.90 290	0.25 135	0.17 130	0.24 136	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.22 130	0.16 124	1.15 277	0.93 289

psm_up	0.43 184	1.19 222	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 345	0.91 291	0.26 142	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.23 134	0.16 124	1.18 285	0.99 293

DPSimNet_ROB	0.97 274	1.18 221	0.81 265	1.10 260	0.91 299	1.02 290	0.82 281	1.04 283	0.91 291	1.03 290	0.86 292	1.28 356	0.82 278	1.03 293	0.89 286	1.17 291	0.81 266	1.02 299	0.82 289	1.08 273	0.81 280

DPSM_ROB	0.92 266	0.91 186	0.91 269	0.91 239	0.92 300	0.92 281	0.92 286	0.92 272	0.91 291	0.93 281	0.91 295	0.92 283	0.90 279	0.91 281	0.92 287	0.92 270	0.91 269	0.91 286	0.92 292	0.93 264	0.93 289

DPSM	0.92 266	0.91 186	0.91 269	0.91 239	0.92 300	0.92 281	0.92 286	0.92 272	0.91 291	0.93 281	0.91 295	0.92 283	0.90 279	0.91 281	0.92 287	0.92 270	0.91 269	0.91 286	0.92 292	0.93 264	0.93 289

pmcnn	0.92 266	0.92 191	0.92 271	0.92 242	0.92 300	0.92 281	0.92 286	0.92 272	0.92 295	0.92 279	0.92 298	0.92 283	0.92 281	0.92 283	0.92 287	0.92 270	0.92 271	0.92 288	0.92 292	0.92 263	0.92 288

MMNet	0.44 187	1.24 271	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 345	0.93 296	0.25 135	0.17 130	0.25 139	0.18 133	0.25 140	0.17 126	0.23 134	0.16 113	0.23 134	0.16 124	1.20 288	0.99 293

delet	0.43 184	1.21 269	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 345	0.95 297	0.25 135	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.22 130	0.16 124	1.18 285	0.98 292

DGTPSM_ROB	0.93 270	1.00 199	0.92 271	0.94 244	0.96 303	0.91 280	0.92 286	0.91 269	0.96 298	0.91 278	0.96 299	0.93 286	0.92 281	0.94 284	0.92 287	0.92 270	0.92 271	0.90 285	0.92 292	0.94 266	0.91 287

4D-IteraStereo	0.78 238	3.13 334	0.89 266	0.69 215	0.32 192	0.40 183	0.32 177	0.76 257	0.97 299	0.52 236	0.65 273	0.89 280	0.32 187	0.76 267	0.98 293	0.83 263	0.94 273	0.35 182	0.27 170	0.70 236	0.89 286

Selective-RAFT	0.89 264	0.89 183	0.72 253	1.16 272	0.78 289	1.06 291	0.82 281	0.87 265	0.97 299	1.00 286	0.91 295	0.90 281	1.00 285	0.89 279	0.93 291	0.83 263	0.83 267	0.82 281	0.82 289	0.81 253	0.82 281

Selective-RAFT-Error	0.88 262	0.84 181	0.98 276	0.86 234	0.97 304	0.88 276	0.95 290	0.84 264	0.99 301	0.92 279	0.82 291	0.84 277	0.98 284	0.87 276	0.97 292	0.81 261	0.83 267	0.79 275	0.82 289	0.79 247	0.85 283

GANet	1.00 277	1.00 199	1.00 278	1.00 252	1.00 305	1.00 287	1.00 293	1.00 279	1.00 302	1.00 286	1.00 300	1.00 290	1.00 285	1.00 290	1.00 295	1.00 276	1.00 274	1.00 296	1.00 296	1.00 269	1.00 295

TDLM	1.00 277	1.00 199	1.00 278	1.00 252	1.00 305	1.00 287	1.00 293	1.00 279	1.00 302	1.00 286	1.00 300	1.00 290	1.00 285	1.00 290	1.00 295	1.00 276	1.00 274	1.00 296	1.00 296	1.00 269	1.00 295

CVANet_RVC	1.00 277	1.00 199	1.00 278	1.00 252	1.00 305	1.00 287	1.00 293	1.00 279	1.00 302	1.00 286	1.00 300	1.00 290	1.00 285	1.00 290	1.00 295	1.00 276	1.00 274	1.00 296	1.00 296	1.00 269	1.00 295

HBP-ISP	1.24 335	1.72 287	1.65 363	1.15 267	0.76 288	1.40 359	0.88 283	1.67 358	1.02 305	1.69 362	1.38 367	1.69 363	1.21 349	1.87 362	1.21 356	1.05 279	0.79 261	0.97 294	0.80 286	1.19 287	0.75 275

GLC_STEREO	1.07 282	1.01 204	1.06 281	1.07 258	1.05 309	1.06 291	1.08 298	1.08 284	1.05 306	1.07 291	1.06 303	1.08 295	1.05 291	1.06 295	1.10 299	1.07 280	1.09 284	1.05 300	1.05 299	1.06 272	1.12 303

edge stereo	2.43 373	27.07 415	1.14 285	1.06 257	1.14 311	1.08 295	1.17 306	1.16 289	1.14 307	1.10 293	1.16 307	1.09 297	1.16 300	1.10 299	1.16 307	1.10 283	1.11 288	1.16 304	1.19 308	1.13 275	1.11 301

RP	2.33 365	25.00 408	1.13 284	1.15 267	1.15 312	1.10 297	1.15 303	1.15 287	1.15 308	1.12 298	1.15 304	1.09 297	1.13 293	1.10 299	1.15 304	1.11 288	1.09 284	1.16 304	1.12 302	1.16 279	1.17 309

AF-Net	2.37 370	25.71 411	1.17 288	1.13 264	1.15 312	1.15 303	1.18 307	1.19 293	1.16 309	1.10 293	1.15 304	1.10 299	1.18 301	1.12 302	1.15 304	1.10 283	1.10 287	1.17 308	1.15 304	1.16 279	1.12 303

RGC	2.36 367	25.48 409	1.19 291	1.15 267	1.15 312	1.10 297	1.16 305	1.17 290	1.16 309	1.12 298	1.16 307	1.11 302	1.13 293	1.09 297	1.18 309	1.10 283	1.15 292	1.16 304	1.12 302	1.14 276	1.12 303

NCC-stereo	2.36 367	25.52 410	1.17 288	1.15 267	1.17 317	1.11 300	1.11 299	1.15 287	1.16 309	1.10 293	1.16 307	1.10 299	1.15 296	1.14 303	1.13 302	1.09 281	1.11 288	1.15 303	1.16 306	1.17 284	1.17 309

Nwc_Net	2.37 370	25.95 412	1.15 287	1.14 265	1.15 312	1.08 295	1.14 302	1.17 290	1.16 309	1.14 300	1.15 304	1.08 295	1.15 296	1.11 301	1.14 303	1.10 283	1.11 288	1.16 304	1.09 301	1.16 279	1.15 308

IGEVStereo-DCA	1.77 350	4.21 356	1.84 370	2.49 361	2.11 388	2.54 379	1.36 363	1.65 356	1.17 313	2.75 381	1.90 382	2.54 380	1.15 296	0.94 284	1.11 300	1.50 351	1.32 345	0.96 292	1.46 371	1.49 343	0.88 284

rrr	1.77 350	4.21 356	1.84 370	2.49 361	2.11 388	2.54 379	1.36 363	1.65 356	1.17 313	2.75 381	1.90 382	2.54 380	1.15 296	0.94 284	1.11 300	1.50 351	1.32 345	0.96 292	1.46 371	1.49 343	0.88 284

stereogan	2.33 365	24.38 406	1.18 290	1.18 274	1.18 319	1.14 302	1.18 307	1.19 293	1.19 315	1.14 300	1.18 311	1.14 304	1.18 301	1.14 303	1.18 309	1.14 290	1.14 291	1.19 311	1.19 308	1.15 277	1.19 311

DisPM	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

CrosDoStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PFNet+	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

LCNet	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

HHNet	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Patchmatch Stereo++	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

STrans-v2	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

TransformOpticalFlow	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

OMP-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

IIG-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

NF-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

OCTAStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PSM-softLoss	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

KMStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

NRIStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PSM-adaLoss	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PSM-AAD	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

FTStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

ROB_FTStereo_v2	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

ROB_FTStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Consistency-Raft	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

KYRaft	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

HUI-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

ASMatch	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DeepStereo_LL	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DEmStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

SST-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

THIR-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT_R40	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DRaft	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PFNet	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

GrayStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RE-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Pruner-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

TVStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DeepStereo_RVC	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT-RH_RVC	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

IRAFT_RVC	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT-345	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

iRAFT	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

CRE-IMP	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

GMM-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT-IKP	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Prome-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 296	1.20 316	1.20 303	1.20 312	1.20 308	1.20 303	1.20 307	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Abc-Net	2.32 364	24.75 407	1.14 285	1.17 273	1.17 317	1.11 300	1.15 303	1.17 290	1.21 361	1.08 292	1.16 307	1.12 303	1.14 295	1.09 297	1.17 308	1.09 281	1.16 293	1.17 308	1.17 307	1.16 279	1.11 301
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
GANetREF_RVC	1.55 343	1.94 302	1.22 341	1.88 340	1.21 366	1.88 367	1.22 355	1.88 359	1.22 362	1.88 363	1.22 358	1.88 364	1.22 350	1.89 363	1.22 357	1.87 361	1.22 344	1.88 371	1.22 357	1.88 351	1.22 358
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
FAT-Stereo	2.46 374	26.05 413	1.23 343	1.23 323	1.22 367	1.20 305	1.24 357	1.23 344	1.23 363	1.19 302	1.22 358	1.21 353	1.24 351	1.20 307	1.24 358	1.21 338	1.17 295	1.22 358	1.25 358	1.20 288	1.24 360

S-Stereo	2.51 375	26.86 414	1.23 343	1.22 321	1.22 367	1.24 353	1.25 358	1.22 342	1.24 364	1.21 348	1.24 360	1.19 307	1.27 353	1.19 306	1.24 358	1.19 292	1.20 297	1.25 359	1.19 308	1.24 336	1.23 359

FC-DCNN	1.07 282	1.09 211	0.98 276	0.89 235	0.52 255	1.41 360	0.91 285	1.21 341	1.24 364	1.96 365	2.05 388	1.91 365	1.30 356	1.27 355	1.08 298	0.80 258	0.60 237	0.58 253	0.41 231	0.68 231	0.54 243

SPS-STEREO	1.59 344	1.91 296	1.21 340	1.94 343	1.20 320	2.00 369	1.23 356	1.99 362	1.24 364	2.00 367	1.25 361	2.03 368	1.26 352	2.00 366	1.29 361	1.90 364	1.18 296	1.89 372	1.21 356	1.89 352	1.20 312
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 385	5.00 367	0.89 266	4.83 381	1.00 305	3.93 392	1.27 359	6.37 404	1.34 367	5.67 405	1.26 362	5.84 406	1.27 353	5.03 402	1.24 358	5.10 393	1.09 284	4.61 398	0.57 258	5.62 393	1.12 303

CC-Net-ROB	1.36 339	1.33 275	1.33 346	1.36 329	1.38 372	1.36 357	1.33 360	1.37 351	1.34 367	1.35 352	1.36 365	1.38 358	1.34 357	1.38 357	1.38 365	1.35 346	1.38 354	1.33 361	1.35 361	1.43 341	1.34 365

MaskLacGwcNet_RVC	1.35 338	1.35 276	1.35 349	1.35 328	1.35 369	1.35 356	1.35 362	1.36 350	1.35 369	1.36 353	1.35 364	1.36 357	1.36 358	1.36 356	1.35 363	1.35 346	1.35 351	1.35 362	1.35 361	1.35 339	1.35 366

RASNet	1.49 342	1.65 285	1.45 358	1.38 331	1.43 375	1.47 361	1.36 363	1.38 352	1.36 370	1.39 354	1.60 375	1.45 360	1.45 362	1.51 358	2.21 383	1.53 353	1.36 352	1.36 364	1.36 363	1.66 347	1.36 367

MC-Stereo	1.76 349	2.96 332	1.37 354	2.14 349	1.37 371	2.14 371	1.36 363	2.14 366	1.37 371	2.14 372	1.37 366	2.14 369	1.37 359	2.14 370	1.37 364	1.97 365	1.32 345	1.97 373	1.32 360	1.98 353	1.33 364

PS-NSSS	1.38 341	1.39 278	1.34 347	1.34 327	1.35 369	1.38 358	1.37 368	1.35 349	1.38 372	1.34 351	1.34 363	1.39 359	1.38 360	1.70 360	1.40 366	1.36 348	1.36 352	1.36 364	1.37 364	1.37 340	1.36 367

sCroCo_RVC	2.10 359	2.76 326	1.92 376	2.78 366	1.39 373	2.73 381	1.41 370	2.73 377	1.40 373	2.77 383	1.41 370	2.74 382	1.40 361	2.74 382	1.40 366	2.72 377	1.42 356	2.72 382	1.44 370	2.79 368	1.42 371

test_xeample3	1.10 284	1.81 292	0.61 233	0.84 232	0.49 250	0.77 267	0.66 262	0.92 272	1.40 373	0.68 257	0.46 235	0.78 269	0.54 249	1.72 361	1.48 369	1.34 345	1.52 359	1.35 362	1.67 377	1.33 338	1.55 373

Anonymous	2.11 360	2.74 325	1.41 357	2.77 365	1.40 374	2.74 382	1.46 372	2.75 378	1.50 375	2.87 384	1.39 368	2.74 382	1.46 363	2.72 381	1.41 368	2.72 377	1.41 355	2.81 383	1.41 366	3.16 371	1.39 370

DPSMNet_ROB	1.60 345	1.59 283	1.70 365	1.59 334	1.59 377	1.61 362	1.61 373	1.60 353	1.60 376	1.62 361	1.59 374	1.60 362	1.60 365	1.60 359	1.59 371	1.59 354	1.60 361	1.59 369	1.59 374	1.59 346	1.59 374

Anonymous3	2.55 376	3.26 338	1.65 363	3.28 371	1.63 378	3.24 387	1.68 374	3.27 386	1.66 377	3.28 387	1.67 376	3.25 387	1.66 366	3.27 386	1.64 373	3.26 382	1.65 364	3.30 386	1.65 375	4.95 388	1.65 377

UDGNet	2.23 362	5.40 370	1.72 367	2.48 360	1.69 379	2.51 378	1.69 375	2.51 375	1.72 378	2.50 379	1.69 377	2.52 379	1.69 367	2.50 378	1.68 376	2.41 376	1.70 366	2.42 381	1.69 379	2.42 362	1.64 375

MFMNet_re	1.81 352	1.91 296	1.71 366	1.95 344	1.70 380	1.95 368	1.70 376	1.96 361	1.74 379	1.97 366	1.72 378	1.95 366	1.71 368	1.97 365	1.71 377	1.86 360	1.62 362	1.85 370	1.66 376	1.86 350	1.64 375

FBW_ROB	2.12 361	2.46 316	1.77 369	2.49 361	1.79 382	2.38 377	1.83 377	2.46 374	1.78 380	2.48 378	1.97 384	2.40 378	1.78 369	2.42 377	1.83 382	2.31 373	1.85 372	2.38 380	1.82 384	2.35 361	1.84 382

ff7	1.68 346	2.68 321	1.35 349	0.97 249	0.89 295	1.84 364	2.15 381	2.12 363	1.80 381	2.05 369	1.56 371	2.33 374	2.12 374	2.23 371	2.25 384	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 298

ffff	1.68 346	2.68 321	1.35 349	0.97 249	0.89 295	1.84 364	2.15 381	2.12 363	1.80 381	2.05 369	1.56 371	2.33 374	2.12 374	2.23 371	2.25 384	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 298

ccc-4	1.68 346	2.68 321	1.35 349	0.97 249	0.89 295	1.84 364	2.15 381	2.12 363	1.80 381	2.05 369	1.56 371	2.33 374	2.12 374	2.23 371	2.25 384	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 298

TRStereo	2.00 355	2.13 306	1.85 372	2.27 354	1.84 383	2.28 373	1.84 378	2.29 369	1.86 384	2.30 374	1.87 379	2.30 371	1.87 370	2.08 367	1.72 379	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 378

XX-Stereo	2.00 355	2.13 306	1.85 372	2.27 354	1.84 383	2.28 373	1.84 378	2.29 369	1.86 384	2.30 374	1.87 379	2.30 371	1.87 370	2.08 367	1.72 379	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 378

EAI-Stereo	2.00 355	2.13 306	1.85 372	2.27 354	1.84 383	2.28 373	1.84 378	2.29 369	1.86 384	2.30 374	1.87 379	2.30 371	1.87 370	2.08 367	1.72 379	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 378

RAFT_CTSACE	1.92 354	3.71 344	1.72 367	1.88 340	1.72 381	2.04 370	1.42 371	2.18 367	1.89 387	2.02 368	1.97 384	1.95 366	2.06 373	1.93 364	1.62 372	1.76 357	1.66 365	2.02 374	1.73 383	1.73 348	1.43 372

NCCL2	2.28 363	2.27 312	2.28 378	2.28 357	2.28 390	2.27 372	2.29 384	2.28 368	2.28 388	2.27 373	2.28 389	2.28 370	2.27 377	2.27 374	2.28 388	2.28 372	2.28 376	2.27 378	2.29 388	2.27 358	2.29 384

STTStereo	3.73 390	30.40 419	2.37 382	2.39 358	2.31 392	2.35 376	2.33 385	2.29 369	2.42 389	2.32 377	2.34 390	2.33 374	2.36 378	2.30 375	2.27 387	2.35 374	2.22 375	2.31 379	2.22 385	2.29 360	2.34 388

SA	4.33 392	7.35 375	6.85 403	5.96 388	4.09 402	3.59 390	3.15 393	3.82 392	2.64 390	3.91 390	3.85 397	3.57 389	2.72 381	3.13 385	4.03 398	7.09 406	6.86 399	3.57 389	3.12 392	3.85 374	3.51 395

sAnonymous2	3.31 387	2.63 319	1.38 355	3.71 376	1.86 386	4.70 399	1.11 299	4.82 401	2.72 391	5.45 403	1.98 386	4.59 399	2.64 379	2.65 379	6.21 405	4.37 386	1.08 282	5.16 401	2.24 386	4.52 384	2.39 389

CroCo_RVC	3.31 387	2.63 319	1.38 355	3.71 376	1.86 386	4.70 399	1.11 299	4.82 401	2.72 391	5.45 403	1.98 386	4.59 399	2.64 379	2.65 379	6.21 405	4.37 386	1.08 282	5.16 401	2.24 386	4.52 384	2.39 389

NLCA_NET_v2_RVC	5.04 403	50.87 426	2.78 384	2.87 367	2.71 393	2.78 383	0.47 235	2.88 382	2.86 393	1.89 364	2.67 391	2.79 384	2.79 382	2.78 383	2.83 389	2.82 379	2.82 379	2.83 384	2.77 391	2.83 369	2.76 392
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT+CT+SA	4.28 391	7.62 378	4.91 393	5.55 385	2.28 390	3.09 384	3.64 396	4.49 398	3.07 394	4.80 398	3.35 393	4.77 401	3.70 387	4.29 397	3.05 390	5.58 395	5.98 394	3.58 390	3.78 399	4.26 380	3.72 397

Sa-1000	4.34 393	8.37 381	6.84 402	6.98 395	4.45 405	3.58 389	3.00 391	3.42 389	3.39 395	2.61 380	4.00 400	3.83 392	4.01 393	3.90 392	3.90 396	5.98 399	5.62 392	3.76 392	2.34 389	4.35 382	2.47 391

DPSNet	3.66 389	3.60 341	3.62 390	3.63 375	3.64 398	3.65 391	3.65 397	3.66 391	3.67 396	3.67 389	3.65 396	3.67 390	3.66 386	3.66 390	3.68 393	3.68 385	3.66 381	3.67 391	3.68 397	3.67 373	3.67 396

TestStereo1	4.60 394	8.41 382	6.44 400	6.86 393	3.79 399	3.97 393	3.78 398	3.99 394	3.74 397	3.97 391	3.52 394	3.94 393	3.58 384	3.98 393	3.72 394	6.82 403	6.50 397	3.76 392	3.66 395	3.90 375	3.74 399

SA-5K	4.60 394	8.41 382	6.44 400	6.86 393	3.79 399	3.97 393	3.78 398	3.99 394	3.74 397	3.97 391	3.52 394	3.94 393	3.58 384	3.98 393	3.72 394	6.82 403	6.50 397	3.76 392	3.66 395	3.90 375	3.74 399

test_3	5.01 402	8.86 385	7.77 406	8.09 397	2.76 394	4.13 395	4.05 402	3.88 393	3.76 399	4.33 395	4.13 401	3.71 391	3.91 390	4.21 396	4.06 399	7.93 407	7.69 402	4.53 396	3.91 400	4.17 379	4.29 404

test_4	4.88 400	8.13 380	6.98 404	7.46 396	4.44 404	4.25 396	3.85 400	4.04 396	3.92 400	4.13 393	3.91 398	4.18 396	3.84 389	4.14 395	4.06 399	7.01 405	7.13 400	4.53 396	3.72 398	4.09 378	3.72 397

cross-raft	4.83 399	7.52 376	6.43 399	6.63 391	3.96 401	4.51 398	3.99 401	4.49 398	3.96 401	4.52 397	3.96 399	4.50 398	3.97 392	4.50 399	3.97 397	6.65 401	6.44 396	4.33 395	3.92 401	4.35 382	3.91 401

test_5	4.62 397	7.55 377	6.23 398	6.32 390	3.40 396	5.29 403	3.50 395	3.53 390	4.11 402	4.28 394	4.47 404	4.26 397	4.38 395	3.68 391	3.24 391	5.89 397	5.60 391	4.84 399	3.50 393	4.33 381	3.93 402

DispFullNet	4.61 396	4.84 364	3.12 386	5.00 383	3.57 397	4.75 401	3.03 392	7.75 410	4.17 403	4.91 400	3.09 392	6.20 407	3.95 391	6.71 406	3.51 392	5.30 394	3.67 382	5.86 407	3.63 394	5.61 392	3.46 394

SGM-Forest	5.21 404	5.92 371	4.08 391	6.18 389	4.16 403	6.31 406	4.34 404	6.50 405	4.33 404	6.14 407	4.21 402	6.61 410	4.55 396	6.67 405	4.48 402	5.94 398	3.94 384	5.85 406	4.03 403	5.79 394	4.17 403
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
raft_robust	4.71 398	7.75 379	5.40 397	6.81 392	3.31 395	4.28 397	4.20 403	4.32 397	4.37 405	4.35 396	4.35 403	4.14 395	3.75 388	4.30 398	4.20 401	6.67 402	6.37 395	3.36 388	4.24 405	4.86 387	3.25 393

TestStereo	4.88 400	4.75 363	4.79 392	4.87 382	4.92 406	4.81 402	4.90 405	4.78 400	4.77 406	4.87 399	4.89 405	4.90 402	4.91 397	4.99 401	4.79 403	4.98 391	4.87 389	4.87 400	4.92 406	5.00 389	5.00 405

test-1	6.46 405	9.16 387	8.03 409	8.09 397	5.62 408	6.11 405	6.35 407	6.85 407	4.94 407	6.08 406	6.29 409	4.98 403	6.43 401	6.22 403	6.36 407	6.16 400	7.47 401	5.82 405	5.44 408	7.11 400	5.68 407

SGM+DAISY	7.06 407	9.15 386	5.38 396	8.84 400	5.18 407	8.80 410	5.31 406	8.79 411	5.28 408	8.89 411	5.20 406	8.93 411	5.33 398	8.95 411	5.36 404	8.70 409	5.21 390	8.74 411	5.20 407	8.89 405	5.15 406

RAFT	6.73 406	9.36 388	7.40 405	8.51 399	6.55 409	6.88 407	6.60 408	6.79 406	6.60 409	6.80 408	6.72 410	5.31 405	5.50 399	6.61 404	6.61 408	8.42 408	5.89 393	5.73 404	5.45 409	6.61 396	6.24 408

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

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

MANE	19.05 411	23.00 405	15.00 411	23.00 418	15.00 412	24.00 417	16.00 411	24.00 418	16.00 412	22.00 418	15.00 411	23.00 418	16.00 411	23.00 418	15.00 411	22.00 418	15.00 412	22.00 418	15.00 412	22.00 418	15.00 412

rafts_anoy	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

raft+_RVC	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

raftrobust	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

CasAABBNet	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

RALCasStereoNet	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

RALAANet	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

WCMA_ROB	31.10 419	35.43 424	27.12 418	39.51 427	23.10 419	38.78 426	25.30 418	37.49 427	25.39 419	37.29 426	27.02 418	38.52 427	26.48 418	37.80 426	26.44 418	36.28 426	22.65 419	33.90 423	22.30 419	37.10 424	24.18 419

111	30.40 418	30.94 420	29.72 419	32.61 419	30.02 420	33.57 418	30.47 419	31.50 419	29.39 420	30.98 419	29.11 419	29.78 419	30.39 422	29.45 419	30.76 422	30.08 419	29.02 420	29.92 419	30.32 423	29.86 419	30.17 420

ADStereo(finetuned)	36.13 421	36.63 425	38.07 426	36.97 424	33.25 424	35.91 423	34.45 423	36.36 426	32.99 421	38.14 427	36.71 426	36.69 426	34.13 423	38.57 427	40.79 426	37.60 427	36.58 427	35.90 427	33.36 424	35.42 422	34.04 424

tt	500032.53 433	34.60 422	29.72 419	37.47 425	34.41 425	36.85 424	35.22 424	34.71 423	33.55 422	34.50 420	35.43 423	33.81 423	10000000.00 436	33.57 423	33.13 423	33.68 423	35.00 425	34.03 424	35.26 426	30.96 420	34.63 425

DCANet	500032.53 433	34.60 422	29.72 419	37.47 425	34.41 425	36.85 424	35.22 424	34.71 423	33.55 422	34.50 420	35.43 423	33.81 423	10000000.00 436	33.57 423	33.13 423	33.68 423	35.00 425	34.03 424	35.26 426	30.96 420	34.63 425

DCANet-4	35.22 420	34.54 421	35.08 425	33.58 423	35.47 427	34.55 419	35.53 426	36.08 425	35.85 424	35.92 425	35.77 425	35.18 425	35.48 424	35.39 425	37.15 425	34.55 425	33.92 424	35.02 426	34.90 425	35.79 423	34.74 427

MDST_ROB	69.83 422	87.70 427	41.95 427	113.75 430	65.62 430	75.05 427	55.25 428	75.64 429	45.04 425	71.61 428	41.75 427	72.81 428	44.06 425	68.38 428	44.63 427	101.89 430	59.57 430	107.10 430	61.05 430	104.38 427	59.38 430

CBMV	128.50 424	1422.70 438	53.10 428	79.50 429	51.30 429	77.30 428	49.70 427	74.00 428	48.20 426	77.20 429	48.80 428	73.90 429	48.00 426	73.80 429	48.80 428	70.40 429	45.10 429	68.90 429	46.10 429	68.20 426	45.00 429
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 423	153.00 431	121.00 430	51.00 428	44.00 428	165.00 430	127.00 429	153.00 430	119.00 427	164.00 431	125.00 429	168.00 431	120.00 427	153.00 430	117.00 429	49.00 428	44.00 428	49.00 428	44.00 428	49.00 425	44.00 428

MeshStereo	159.24 425	171.00 432	160.68 433	162.58 431	160.59 431	164.01 429	160.35 430	158.51 431	158.56 428	158.34 430	160.12 430	158.56 430	159.92 428	157.26 431	158.94 430	154.38 431	158.36 431	155.75 431	159.13 432	153.67 428	154.07 431
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
DLCB_ROB	284.23 429	354.61 434	207.27 434	363.24 435	206.46 432	364.72 434	210.41 431	364.72 435	210.41 429	364.81 435	208.64 432	364.81 435	208.64 430	364.72 435	210.41 432	354.70 435	205.53 433	354.70 435	205.53 434	354.70 432	205.53 433

AE-Stereo	201.80 426	123.00 428	115.00 429	219.00 432	218.00 433	223.00 431	244.00 432	217.00 432	236.00 430	202.00 432	203.00 431	205.00 432	208.00 429	225.00 432	204.00 431	210.00 432	198.00 432	197.00 432	184.00 433	204.00 429	201.00 432

MGS-Stereo	239.45 427	123.00 428	135.00 431	266.00 433	286.00 434	277.00 432	305.00 433	271.00 433	242.00 431	274.00 433	279.00 433	255.00 433	270.00 431	268.00 433	297.00 433	221.00 433	247.00 434	216.00 433	123.00 431	217.00 430	217.00 434

EGLCR-Stereo	246.90 428	129.00 430	139.00 432	266.00 433	286.00 434	277.00 432	305.00 433	271.00 433	242.00 431	274.00 433	279.00 433	255.00 433	270.00 431	268.00 433	297.00 433	230.00 434	247.00 434	216.00 433	223.00 435	237.00 431	227.00 435

LE_ROB	396.57 430	471.28 435	329.84 435	471.48 436	308.15 436	526.83 435	322.10 435	488.15 436	323.76 433	495.46 436	317.97 435	497.17 436	320.10 433	481.62 436	326.76 435	462.71 436	298.97 436	466.16 436	285.98 436	447.62 433	289.21 436

SGM-ForestM	596.69 431	677.77 436	444.52 436	699.85 437	517.25 437	732.94 436	488.29 436	770.79 437	460.11 434	750.81 437	487.98 436	792.79 437	499.41 434	730.90 437	475.81 436	720.03 437	491.16 437	663.96 437	418.60 437	674.76 434	436.05 437

CBMV_ROB	818.48 432	913.88 437	709.52 437	862.84 438	597.78 438	1073.99 437	700.52 437	1015.66 438	702.59 435	1115.65 438	760.02 437	1130.24 438	721.57 435	1037.41 438	692.65 437	814.05 438	564.29 438	843.28 438	595.31 438	915.51 435	602.92 438

SDNR	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

anonymousdsp2	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

anonymousdsp	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

fff	1000028.16 435	29.62 416	29.72 419	32.61 419	30.02 420	35.13 420	31.83 420	32.07 420	10000000.00 436	35.27 422	29.82 420	32.45 420	30.15 419	32.35 420	30.09 419	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 421

csc	1000028.16 435	29.62 416	29.72 419	32.61 419	30.02 420	35.13 420	31.83 420	32.07 420	10000000.00 436	35.27 422	29.82 420	32.45 420	30.15 419	32.35 420	30.09 419	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 421

cscssc	1000028.16 435	29.62 416	29.72 419	32.61 419	30.02 420	35.13 420	31.83 420	32.07 420	10000000.00 436	35.27 422	29.82 420	32.45 420	30.15 419	32.35 420	30.09 419	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 421

test_example2	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

DIP-Stereo	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark