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

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

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

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

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

CoDeX	0.15 89	0.70 171	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 264	0.02 14	0.69 252	0.75 269	0.01 9	0.02 19	0.02 19

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

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

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

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

Wz-Net-LNSev-Ref	0.11 59	0.44 139	0.33 168	0.39 149	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 189	0.36 180	0.02 18	0.02 20	0.02 19	0.02 19

BSDual-CNN	0.81 245	1.91 295	0.92 270	4.48 377	0.02 20	0.42 213	0.06 75	0.41 187	0.02 20	0.48 218	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 364	4.19 384	0.33 164	0.23 150	0.34 152	0.27 154

psmg	0.43 183	1.91 295	0.92 270	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	1.97 364	1.44 356	0.04 48	0.03 42	0.02 19	0.03 39

CSP-Net	0.34 144	1.29 271	1.19 290	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	1.26 339	1.21 342	0.03 34	0.09 80	0.02 19	0.09 79

SFCPSM	0.17 98	0.78 174	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 279	0.02 14	0.75 258	0.76 272	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

SMFormer	0.09 38	1.01 203	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 192	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

mmm	0.14 79	1.83 292	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 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

ttt	0.10 44	1.09 210	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 214	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 203	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

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

222	0.10 44	0.99 197	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 59	1.16 217	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 44	1.09 210	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

Syn2CoEx	0.25 117	1.31 273	0.74 255	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	0.87 266	0.75 258	0.02 18	0.02 20	0.02 19	0.02 19

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

qqq1	0.25 117	3.70 341	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	3.70 341	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

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

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 369	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 373	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 56	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 376	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

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	1.66 374	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

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

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

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

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
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

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

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

11t1	0.17 98	2.16 308	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

DualNet	0.25 117	3.83 346	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	3.83 346	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	3.83 346	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	3.83 346	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

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	2.01 303	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

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

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

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

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

SuperB	0.21 109	0.10 53	2.51 382	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

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

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

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

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	0.39 165	3.06 332	1.36 352	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

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

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
UNet	0.29 130	0.90 184	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 268	0.69 271	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	0.88 256	0.76 275

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	0.73 270

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	0.82 280

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

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

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)
PDISCO_ROB	0.83 253	2.80 329	3.49 387	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	3.30 386	0.13 109	0.14 90	2.34 376	0.16 106	0.12 110	2.62 366	0.10 83

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

ac_64	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 295	0.14 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

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

cf-r	0.66 216	2.17 309	0.12 78	0.18 96	0.12 115	0.18 110	2.70 388	2.60 375	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	1.81 348	1.74 380

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
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

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

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

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

hitnet-ft	0.79 238	2.78 328	0.14 97	0.20 100	0.14 119	0.21 123	2.89 389	2.80 380	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	2.54 365	2.33 386

GwcNet-RSSM	0.77 234	2.77 327	0.14 97	0.20 100	0.14 119	0.20 115	2.67 387	2.78 378	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	2.52 363	2.31 384

CFNet-ft	0.55 208	1.57 281	0.14 97	0.20 100	0.14 119	0.20 115	2.53 385	1.61 353	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	1.56 344	1.24 359

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
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

MIM_Stereo	0.25 117	0.23 91	0.66 242	0.80 228	0.17 134	0.22 125	0.17 120	0.23 128	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

ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 290	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	0.96 290	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

PSMNet-RSSM	0.77 234	2.76 325	0.14 97	0.20 100	0.14 119	0.20 115	2.66 386	2.79 379	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	2.52 363	2.31 384

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

MSKI-zero shot	0.24 116	0.21 87	0.49 218	0.65 212	0.18 139	0.22 125	0.17 120	0.23 128	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

GANet-RSSM	0.75 232	1.91 295	0.14 97	0.47 187	0.14 119	0.21 123	3.21 393	2.30 372	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	0.37 188	0.13 118	2.13 356	2.12 382

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

dd	0.23 114	0.98 195	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

dad	0.23 114	1.03 208	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

UPFNet	0.42 182	1.20 222	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 292	0.90 289	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	1.15 276	0.93 288

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

CAS	0.30 131	1.17 218	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

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

HCRNet	1.22 333	7.11 373	3.00 384	3.55 373	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	0.33 185	3.64 383	3.00 379	0.76 272	0.32 201	0.18 114	0.13 113

MMNet	0.44 186	1.24 270	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 344	0.93 295	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	1.20 287	0.99 292

delet	0.43 183	1.21 268	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 344	0.95 296	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	1.18 284	0.98 291

psm_up	0.43 183	1.19 221	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 344	0.91 290	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	1.18 284	0.99 292

AANet_RVC	1.26 335	0.31 106	4.99 393	5.93 386	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	5.66 395	4.76 387	0.26 143	0.30 192	0.24 131	0.27 154

LoS_RVC	0.30 131	1.14 214	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	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

GEStereo_RVC	0.86 260	4.45 357	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 138	0.18 132	5.03 400	0.20 141	0.27 148	0.19 137	0.27 151	0.21 139	0.20 119	0.19 128	0.19 121	4.02 401	0.20 117	0.18 125

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

gwcnet-sp	0.82 249	1.72 286	1.48 358	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 357	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 347	0.32 157	0.16 124	6.75 396	0.23 133

scenet	0.82 249	1.72 286	1.48 358	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 357	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 347	0.32 157	0.16 124	6.75 396	0.23 133

ssnet	0.82 249	1.72 286	1.48 358	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 357	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 347	0.32 157	0.16 124	6.75 396	0.23 133

CFNet	1.37 339	5.27 368	0.19 123	5.49 383	0.19 142	0.28 147	0.19 127	0.28 140	0.19 137	0.28 144	0.19 139	0.28 149	4.35 393	0.28 153	0.19 135	0.23 134	0.17 125	0.23 134	4.21 403	4.81 385	0.17 122

RAFT + AFF	0.31 134	0.45 141	0.34 175	0.39 149	0.28 170	0.38 175	0.33 184	0.29 143	0.31 185	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

CASnet	0.35 149	0.51 160	0.44 200	0.32 134	0.31 189	0.24 132	0.34 193	0.36 157	0.25 151	0.31 149	0.37 206	0.30 155	0.33 191	0.25 140	0.45 228	0.37 176	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)
DANet	0.30 131	0.30 105	0.30 155	0.30 128	0.30 185	0.30 151	0.30 172	0.30 145	0.30 182	0.30 147	0.30 184	0.30 155	0.30 182	0.30 157	0.30 176	0.30 156	0.30 171	0.30 155	0.30 192	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
DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 209	0.79 226	0.24 159	0.30 151	0.26 154	0.30 145	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

ssnet_v2	0.68 221	1.96 302	1.25 344	0.29 127	0.20 143	0.30 151	0.20 129	0.29 143	0.22 142	1.50 355	0.20 141	0.31 157	0.20 140	0.27 151	0.22 141	0.24 139	1.49 357	0.26 143	0.18 139	3.90 374	0.19 126

tt1	0.31 134	0.93 191	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

xxxxx1	0.31 134	0.91 185	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

tt_ll	0.31 134	0.91 185	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	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

ff	0.31 134	0.91 185	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

MyStereo04	0.56 209	3.72 344	0.59 229	0.49 192	0.41 227	0.36 167	0.32 177	0.37 163	0.31 185	0.34 157	0.46 234	0.35 163	0.32 187	0.35 165	0.33 185	0.49 225	0.45 207	0.34 171	0.32 201	0.35 163	0.43 221

FENet	0.54 206	1.52 280	1.19 290	1.41 332	0.23 154	0.35 164	0.23 142	0.35 153	0.23 147	0.34 157	0.23 150	0.35 163	0.23 149	0.35 165	0.23 146	1.40 348	1.07 277	0.32 157	0.23 150	0.33 148	0.23 133

MLCV	0.31 134	0.35 108	0.27 145	0.35 137	0.28 170	0.35 164	0.27 157	0.35 153	0.28 170	0.36 162	0.27 168	0.35 163	0.27 168	0.35 165	0.27 159	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

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	0.35 163	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

ETE_ROB	0.35 149	0.35 108	0.35 178	0.35 137	0.35 209	0.35 164	0.35 195	0.35 153	0.35 200	0.35 159	0.35 202	0.35 163	0.35 196	0.35 165	0.35 198	0.35 169	0.35 178	0.35 181	0.35 209	0.35 163	0.35 196

Any-RAFT	0.32 142	0.36 111	0.27 145	0.36 141	0.27 167	0.36 167	0.27 157	0.36 157	0.27 167	0.36 162	0.27 168	0.36 168	0.27 168	0.36 170	0.28 163	0.36 172	0.28 153	0.36 186	0.28 174	0.36 169	0.28 166

IGEV-Stereo	0.35 149	0.44 139	0.45 202	0.49 192	0.30 185	0.37 172	0.30 172	0.36 157	0.30 182	0.36 162	0.29 175	0.36 168	0.29 177	0.36 170	0.30 176	0.46 213	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
HGLStereo	0.28 127	0.29 104	0.22 129	0.36 141	0.22 150	0.36 167	0.21 135	0.36 157	0.21 141	0.42 199	0.21 146	0.36 168	0.22 145	0.36 170	0.21 139	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

DMCA	0.36 152	0.38 114	0.37 180	0.35 137	0.35 209	0.36 167	0.36 199	0.36 157	0.35 200	0.35 159	0.37 206	0.36 168	0.36 197	0.35 165	0.36 200	0.36 172	0.36 180	0.35 181	0.36 213	0.36 169	0.36 197

DN-CSS_ROB	0.31 134	0.35 108	0.28 148	0.35 137	0.28 170	0.34 162	0.27 157	0.34 152	0.25 151	0.35 159	0.27 168	0.36 168	0.26 161	0.34 164	0.28 163	0.35 169	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

EKT-Stereo	0.37 154	0.40 123	0.44 200	1.07 258	0.29 176	0.34 162	0.31 176	0.36 157	0.29 172	0.38 167	0.31 188	0.37 173	0.30 182	0.36 170	0.29 169	0.34 163	0.28 153	0.39 199	0.30 192	0.37 171	0.30 178

XPNet_ROB	0.37 154	0.37 112	0.37 180	0.37 144	0.37 211	0.37 172	0.37 203	0.37 163	0.37 206	0.37 166	0.37 206	0.37 173	0.37 199	0.37 174	0.37 206	0.37 176	0.37 182	0.37 188	0.37 216	0.37 171	0.37 200

WAO-8	0.38 160	0.38 114	0.38 182	0.38 145	0.38 216	0.38 175	0.38 208	0.38 166	0.38 208	0.38 167	0.38 211	0.38 175	0.38 201	0.38 175	0.38 207	0.38 183	0.38 186	0.38 195	0.37 216	0.38 178	0.38 204

WAO-7	0.38 160	0.38 114	0.38 182	0.38 145	0.38 216	0.38 175	0.38 208	0.38 166	0.38 208	0.38 167	0.38 211	0.38 175	0.38 201	0.38 175	0.38 207	0.38 183	0.38 186	0.38 195	0.38 222	0.38 178	0.38 204

HanzoNet	0.39 165	0.38 114	0.40 187	0.39 149	0.41 227	0.38 175	0.38 208	0.38 166	0.38 208	0.39 172	0.39 215	0.38 175	0.38 201	0.39 182	0.40 213	0.38 183	0.38 186	0.40 203	0.38 222	0.38 178	0.40 208

DISCO	1.11 285	0.39 121	5.28 394	0.39 149	0.20 143	0.39 181	0.27 157	0.39 170	0.22 142	0.38 167	0.20 141	0.38 175	0.20 140	6.95 408	0.22 141	0.30 156	0.21 131	0.27 147	0.21 143	5.25 389	0.21 129

1test111	0.37 154	1.02 206	0.30 155	0.39 149	0.29 176	0.40 182	0.28 162	0.39 170	0.29 172	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 160	0.32 174	0.33 164	0.31 197	0.32 144	0.31 183

cc1	0.37 154	1.02 206	0.30 155	0.39 149	0.29 176	0.40 182	0.28 162	0.39 170	0.29 172	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 160	0.32 174	0.33 164	0.31 197	0.32 144	0.31 183

Venus	0.38 160	0.38 114	0.38 182	0.38 145	0.38 216	0.37 172	0.38 208	0.37 163	0.37 206	0.41 188	0.37 206	0.39 179	0.37 199	0.38 175	0.38 207	0.37 176	0.38 186	0.38 195	0.37 216	0.37 171	0.38 204

IER	0.88 261	7.04 372	2.23 376	2.75 364	0.28 170	0.43 217	0.25 148	0.39 170	0.25 151	0.41 188	0.27 168	0.39 179	0.25 152	0.40 185	0.28 163	0.37 176	0.28 153	0.37 188	0.25 158	0.37 171	0.25 143

iRaft-Stereo_20w	0.34 144	0.41 130	0.31 161	0.39 149	0.29 176	0.40 182	0.32 177	0.41 187	0.32 189	0.38 167	0.30 184	0.39 179	0.30 182	0.38 175	0.32 182	0.35 169	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

StereoDRNet-Refined	0.33 143	0.39 121	0.26 144	0.39 149	0.26 166	0.40 182	0.26 154	0.40 174	0.26 164	0.39 172	0.26 165	0.39 179	0.26 161	0.39 182	0.26 158	0.37 176	0.25 140	0.37 188	0.25 158	0.37 171	0.37 200
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
IGEV+	0.34 144	0.43 138	0.30 155	0.40 161	0.29 176	0.40 182	0.29 167	0.40 174	0.29 172	0.40 176	0.29 175	0.40 185	0.29 177	0.40 185	0.30 176	0.38 183	0.29 162	0.37 188	0.29 183	0.37 171	0.29 170

ACVNet-DCA	0.37 154	1.00 198	0.30 155	0.40 161	0.29 176	0.40 182	0.29 167	0.40 174	0.29 172	0.40 176	0.29 175	0.40 185	0.29 177	0.39 182	0.28 163	0.33 160	0.32 174	0.33 164	0.32 201	0.33 148	0.32 187

xx1	0.38 160	1.03 208	0.31 161	0.40 161	0.31 189	0.41 197	0.28 162	0.40 174	0.29 172	0.40 176	0.29 175	0.40 185	0.29 177	0.40 185	0.29 169	0.34 163	0.33 177	0.34 171	0.32 201	0.34 152	0.32 187

IMH	0.38 160	0.38 114	0.38 182	0.38 145	0.38 216	0.38 175	0.38 208	0.38 166	0.38 208	0.42 199	0.38 211	0.40 185	0.38 201	0.38 175	0.38 207	0.38 183	0.38 186	0.39 199	0.38 222	0.38 178	0.38 204

knoymous	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 174	0.40 214	0.40 176	0.40 216	0.40 185	0.40 206	0.40 185	0.40 213	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

anonymousa	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 174	0.40 214	0.40 176	0.40 216	0.40 185	0.40 206	0.40 185	0.40 213	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

riskmin	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 174	0.40 214	0.40 176	0.40 216	0.40 185	0.40 206	0.40 185	0.40 213	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

Anonymous_2	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 174	0.40 214	0.40 176	0.40 216	0.40 185	0.40 206	0.40 185	0.40 213	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

Anonymous_1	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 174	0.40 214	0.40 176	0.40 216	0.40 185	0.40 206	0.40 185	0.40 213	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

AdaStereo	0.40 168	0.40 123	0.40 187	0.40 161	0.40 221	0.40 182	0.40 214	0.40 174	0.40 214	0.40 176	0.40 216	0.40 185	0.40 206	0.40 185	0.40 213	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	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.
RAFT-Test	0.36 152	0.37 112	0.33 168	0.41 170	0.32 192	0.41 197	0.32 177	0.41 187	0.32 189	0.41 188	0.32 189	0.41 195	0.32 187	0.41 198	0.33 185	0.37 176	0.29 162	0.37 188	0.29 183	0.38 178	0.31 183

BUS	0.83 253	1.91 295	0.92 270	4.48 377	0.02 20	0.40 182	0.04 54	0.41 187	0.02 20	0.48 218	0.03 40	0.41 195	0.05 64	0.03 33	0.05 59	1.97 364	4.19 384	0.33 164	0.23 150	0.34 152	0.27 154

CRFU-Net	0.65 214	1.67 285	1.22 340	1.96 345	0.27 167	0.41 197	0.27 157	0.41 187	0.27 167	0.40 176	0.26 165	0.41 195	0.27 168	0.40 185	0.27 159	1.80 358	1.62 361	0.34 171	0.23 150	0.33 148	0.23 133

NINENet	0.69 223	3.87 350	1.20 293	1.98 346	0.05 69	0.40 182	0.04 54	0.40 174	0.05 69	0.41 188	0.04 63	0.41 195	0.05 64	0.40 185	0.05 59	1.79 357	1.56 359	0.34 171	0.22 145	0.34 152	0.23 133

hknet	1.10 283	1.85 293	3.49 387	4.48 377	0.02 20	0.42 213	0.06 75	0.41 187	0.02 20	0.48 218	0.03 40	0.41 195	0.03 42	0.42 209	0.03 37	4.39 388	4.19 384	0.33 164	0.23 150	0.34 152	0.27 154

iRaft-Stereo_5w	0.34 144	0.42 137	0.31 161	0.39 149	0.30 185	0.38 175	0.30 172	0.40 174	0.29 172	0.40 176	0.37 206	0.41 195	0.34 194	0.38 175	0.30 176	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

GMOStereo	0.37 154	0.45 141	0.23 131	0.30 128	0.37 211	0.41 197	0.36 199	0.41 187	0.35 200	0.43 204	0.36 203	0.41 195	0.40 206	0.41 198	0.36 200	0.34 163	0.22 134	0.47 233	0.37 216	0.39 184	0.33 191

error version	0.93 269	4.47 358	2.35 379	1.99 347	0.37 211	0.41 197	0.36 199	0.41 187	0.35 200	0.43 204	0.36 203	0.41 195	0.40 206	0.41 198	0.36 200	1.87 360	2.16 372	0.47 233	0.37 216	0.39 184	0.33 191

test_1	0.93 269	4.47 358	2.35 379	1.99 347	0.37 211	0.41 197	0.36 199	0.41 187	0.35 200	0.43 204	0.36 203	0.41 195	0.40 206	0.41 198	0.36 200	1.87 360	2.16 372	0.47 233	0.37 216	0.39 184	0.33 191

GwcNet-ADL	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 187	0.41 223	0.41 188	0.41 222	0.41 195	0.41 216	0.41 198	0.41 220	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

PSMNet-ADL	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 187	0.41 223	0.41 188	0.41 222	0.41 195	0.41 216	0.41 198	0.41 220	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

GANet-ADL	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 187	0.41 223	0.41 188	0.41 222	0.41 195	0.41 216	0.41 198	0.41 220	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

ADLNet2	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 187	0.41 223	0.41 188	0.41 222	0.41 195	0.41 216	0.41 198	0.41 220	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

ADLNet	0.41 174	0.41 130	0.41 195	0.41 170	0.41 227	0.41 197	0.41 220	0.41 187	0.41 223	0.41 188	0.41 222	0.41 195	0.41 216	0.41 198	0.41 220	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

GES	0.66 216	2.34 313	0.29 150	0.41 170	0.29 176	0.41 197	0.29 167	0.42 203	0.29 172	0.40 176	0.41 222	0.41 195	0.30 182	0.51 236	0.29 169	0.32 159	0.29 162	0.32 157	2.46 389	2.49 362	0.30 178

Gwc-CoAtRS	0.41 174	1.49 279	0.32 164	0.42 178	0.32 192	0.41 197	0.32 177	0.41 187	0.33 192	0.41 188	0.32 189	0.41 195	0.32 187	0.41 198	0.32 182	0.39 189	0.28 153	0.39 199	0.28 174	0.40 187	0.28 166

LL-Strereo2	0.48 198	1.73 290	0.51 222	0.59 207	0.34 207	0.42 213	0.33 184	0.40 174	0.31 185	0.42 199	0.33 192	0.42 211	0.31 186	0.44 212	0.39 212	0.60 238	0.51 227	0.44 226	0.33 206	0.44 203	0.33 191

DGSMNet	0.34 144	0.41 130	0.27 145	0.41 170	0.28 170	0.41 197	0.28 162	0.41 187	0.27 167	0.41 188	0.27 168	0.42 211	0.27 168	0.41 198	0.28 163	0.40 192	0.29 162	0.40 203	0.28 174	0.40 187	0.27 154

UCFNet_RVC	2.75 381	10.06 392	0.29 150	10.31 409	0.29 176	0.42 213	0.29 167	0.43 205	0.29 172	0.42 199	0.29 175	0.42 211	9.87 409	0.43 210	0.29 169	0.36 172	9.84 409	0.36 186	0.26 164	9.77 408	0.26 149

RCA-Stereo	0.51 204	3.22 336	0.34 175	0.44 179	0.34 207	0.44 218	0.34 193	0.43 205	0.34 199	0.43 204	0.34 198	0.44 214	0.33 191	0.43 210	0.33 185	0.38 183	0.29 162	0.38 195	0.29 183	0.38 178	0.29 170

Former-RAFT_DAM_RVC	0.49 201	0.98 195	0.64 236	0.84 232	0.46 237	0.45 219	0.35 195	0.47 213	0.47 233	0.45 208	0.34 198	0.46 215	0.48 234	0.46 215	0.35 198	0.39 189	0.71 255	0.39 199	0.35 209	0.41 195	0.41 215

otaku	0.46 188	0.46 143	0.46 204	0.46 182	0.46 237	0.46 221	0.46 228	0.46 208	0.46 230	0.46 209	0.46 234	0.46 215	0.46 224	0.46 215	0.46 230	0.46 213	0.46 209	0.46 229	0.46 238	0.46 204	0.46 224

Dean	0.46 188	0.46 143	0.46 204	0.46 182	0.46 237	0.46 221	0.46 228	0.46 208	0.46 230	0.47 214	0.46 234	0.46 215	0.46 224	0.46 215	0.46 230	0.46 213	0.46 209	0.46 229	0.46 238	0.46 204	0.46 224

ACVNet_1	0.46 188	0.47 148	0.46 204	0.46 182	0.46 237	0.46 221	0.46 228	0.46 208	0.47 233	0.46 209	0.46 234	0.46 215	0.46 224	0.46 215	0.46 230	0.46 213	0.46 209	0.47 233	0.46 238	0.46 204	0.46 224

ACVNet-4b	0.46 188	0.46 143	0.46 204	0.46 182	0.46 237	0.46 221	0.46 228	0.46 208	0.46 230	0.46 209	0.46 234	0.46 215	0.46 224	0.47 219	0.46 230	0.46 213	0.46 209	0.46 229	0.46 238	0.46 204	0.46 224

SPstereo	0.47 193	0.38 114	0.51 222	0.56 203	0.31 189	0.67 256	0.44 226	0.55 233	0.31 185	0.61 248	0.44 231	0.46 215	0.52 245	0.67 256	0.42 226	0.48 222	0.40 193	0.47 233	0.36 213	0.53 223	0.33 191

DispNO	0.96 273	0.46 143	0.29 150	0.44 179	2.80 393	3.23 385	0.35 195	0.43 205	0.30 182	0.42 199	0.30 184	0.47 221	2.86 382	0.47 219	0.30 176	4.36 385	0.29 162	0.43 225	0.29 183	0.43 202	0.32 187

Ntro	0.47 193	0.47 148	0.46 204	0.46 182	0.46 237	0.47 225	0.47 234	0.46 208	0.47 233	0.46 209	0.46 234	0.47 221	0.46 224	0.47 219	0.47 234	0.47 218	0.46 209	0.46 229	0.46 238	0.46 204	0.46 224

HaxPig	0.47 193	0.47 148	0.47 209	0.49 192	0.47 243	0.47 225	0.47 234	0.47 213	0.47 233	0.47 214	0.47 241	0.47 221	0.47 233	0.47 219	0.47 234	0.47 218	0.47 215	0.47 233	0.47 244	0.47 210	0.48 232

UNDER WATER	0.47 193	0.47 148	0.47 209	0.47 187	0.47 243	0.47 225	0.47 234	0.47 213	0.47 233	0.47 214	0.47 241	0.47 221	0.46 224	0.47 219	0.47 234	0.47 218	0.47 215	0.47 233	0.46 238	0.47 210	0.47 229

LVE	0.47 193	0.47 148	0.47 209	0.47 187	0.49 248	0.47 225	0.47 234	0.47 213	0.49 241	0.47 214	0.47 241	0.47 221	0.46 224	0.47 219	0.47 234	0.47 218	0.47 215	0.48 241	0.47 244	0.47 210	0.47 229

CES	0.39 165	0.47 148	0.36 179	0.36 141	0.37 211	0.45 219	0.35 195	0.35 153	0.40 214	0.36 162	0.44 231	0.47 221	0.36 197	0.44 212	0.36 200	0.37 176	0.39 191	0.44 226	0.35 209	0.37 171	0.36 197

RainbowNet	0.48 198	0.48 154	0.48 214	0.48 190	0.48 245	0.48 229	0.48 239	0.48 217	0.48 239	0.48 218	0.48 244	0.48 227	0.48 234	0.48 225	0.48 239	0.48 222	0.48 219	0.48 241	0.48 247	0.48 213	0.48 232

notaker	0.48 198	0.49 155	0.48 214	0.48 190	0.48 245	0.48 229	0.48 239	0.48 217	0.49 241	0.48 218	0.48 244	0.48 227	0.48 234	0.48 225	0.48 239	0.48 222	0.48 219	0.48 241	0.48 247	0.48 213	0.49 235

MyStereo07	0.60 211	3.72 344	0.48 214	0.49 192	0.41 227	0.36 167	0.32 177	0.49 219	0.43 228	0.51 233	0.42 228	0.49 229	0.43 221	0.51 236	0.64 260	0.49 225	0.45 207	0.34 171	0.32 201	0.35 163	0.43 221

TorneroNet	0.66 216	0.53 162	0.50 220	0.50 198	0.64 269	1.06 289	0.70 269	0.50 226	0.51 247	0.49 223	0.69 277	0.49 229	0.50 242	0.48 225	1.15 303	0.71 251	0.49 221	1.14 301	1.08 299	0.49 215	0.49 235

ACVNet_2	0.49 201	0.49 155	0.49 218	0.49 192	0.49 248	0.49 231	0.49 242	0.49 219	0.49 241	0.49 223	0.49 248	0.49 229	0.49 239	0.49 231	0.49 242	0.49 225	0.49 221	0.49 244	0.49 249	0.49 215	0.49 235

PCWNet_CMD	2.80 383	9.82 390	0.32 164	10.09 408	0.32 192	0.49 231	0.33 184	3.34 386	0.33 192	0.49 223	0.33 192	0.49 229	8.73 405	0.48 225	0.33 185	0.41 199	9.22 404	0.42 223	0.29 183	9.55 407	0.31 183

CFNet_ucs	2.73 380	9.64 389	0.33 168	9.92 406	0.32 192	0.49 231	0.33 184	0.49 219	0.33 192	0.49 223	0.33 192	0.49 229	8.98 407	0.48 225	0.33 185	0.41 199	9.96 410	0.40 203	0.29 183	10.12 410	0.54 242

CFNet_pseudo	2.67 379	9.36 387	0.32 164	10.99 410	0.33 201	0.85 272	0.33 184	0.49 219	0.33 192	0.49 223	0.32 189	0.49 229	7.26 403	0.49 231	0.33 185	0.41 199	9.62 407	0.41 214	0.29 183	10.03 409	0.29 170

pcwnet_v2	2.66 378	9.89 391	0.33 168	9.89 405	0.32 192	0.50 237	0.32 177	0.49 219	0.33 192	0.49 223	0.34 198	0.49 229	8.76 406	0.48 225	0.33 185	0.41 199	9.58 406	0.40 203	0.29 183	9.01 405	0.63 256

ccnet	0.80 240	2.28 312	0.33 168	0.50 198	0.33 201	0.50 237	0.33 184	0.50 226	0.33 192	0.49 223	0.33 192	0.49 229	1.56 363	2.38 375	0.33 185	0.41 199	0.29 162	0.42 223	1.57 372	2.28 358	0.29 170

psmorigin	0.41 174	0.46 143	0.33 168	0.49 192	0.33 201	0.49 231	0.33 184	0.49 219	0.33 192	0.49 223	0.33 192	0.49 229	0.33 191	0.51 236	0.33 185	0.41 199	0.30 171	0.41 214	0.30 192	0.79 246	0.29 170

MSMDNet	2.65 377	10.14 393	0.33 168	9.74 403	0.32 192	0.87 273	0.33 184	2.95 382	0.68 268	0.49 223	0.34 198	0.49 229	5.70 399	0.49 231	0.33 185	0.42 212	9.57 405	0.41 214	0.31 197	8.36 403	0.65 258

ccs_rob	2.79 382	10.17 394	0.32 164	10.00 407	0.33 201	0.49 231	0.33 184	1.90 359	0.32 189	0.51 233	0.33 192	0.49 229	9.24 408	0.49 231	0.33 185	0.41 199	9.82 408	0.41 214	0.28 174	9.34 406	0.29 170

FCDSN-DC	0.41 174	0.59 168	0.64 236	0.54 201	0.33 201	0.50 237	0.37 203	0.42 203	0.40 214	0.61 248	0.43 230	0.50 240	0.49 239	0.38 175	0.32 182	0.28 149	0.23 138	0.26 143	0.22 145	0.35 163	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.
SANet	0.50 203	0.50 157	0.50 220	0.50 198	0.50 251	0.50 237	0.50 244	0.50 226	0.50 244	0.50 232	0.50 250	0.50 240	0.50 242	0.50 235	0.50 243	0.50 229	0.50 226	0.50 247	0.50 251	0.50 219	0.50 238

MyStereo06	0.75 232	4.12 352	0.60 230	0.63 210	0.61 265	0.62 252	0.66 261	0.56 235	0.45 229	0.55 240	0.48 244	0.54 242	0.46 224	0.57 247	0.45 228	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

iRaftStereo_RVC	0.97 274	3.17 335	2.30 378	2.42 359	0.38 216	0.54 242	0.38 208	0.54 232	0.38 208	0.54 238	0.38 211	0.54 242	0.38 201	0.54 239	0.38 207	2.38 374	2.34 376	0.49 244	0.36 213	0.49 215	0.36 197

PSMNet_ROB	0.54 206	0.54 165	0.54 225	0.54 201	0.53 256	0.54 242	0.54 248	0.53 231	0.54 253	0.54 238	0.54 257	0.54 242	0.53 247	0.54 239	0.54 248	0.54 233	0.53 230	0.54 251	0.54 252	0.54 225	0.54 242

AEACV	1.12 286	0.52 161	3.12 385	3.24 370	0.86 292	0.53 241	0.49 242	0.60 242	0.47 233	0.53 237	0.49 248	0.55 245	0.45 223	0.55 241	0.47 234	3.01 379	3.88 382	0.71 265	0.60 261	0.80 249	0.48 232

Selective-IGEV	0.51 204	0.55 167	0.45 202	0.69 215	0.45 236	0.61 251	0.45 227	0.50 226	0.40 214	0.56 242	0.44 231	0.55 245	0.40 206	0.72 261	0.67 264	0.59 236	0.46 209	0.45 228	0.34 207	0.46 204	0.37 200

MyStereo03	0.84 255	4.93 365	0.68 247	0.90 236	0.74 285	0.56 244	0.46 228	0.55 233	0.52 248	0.74 265	0.56 259	0.56 247	0.46 224	0.81 270	0.54 248	0.59 236	0.52 228	0.75 269	0.68 273	0.68 230	0.65 258

CFNet_RVC	2.38 371	8.71 383	0.38 182	9.33 400	0.42 235	0.56 244	0.42 225	0.60 242	0.38 208	0.62 250	0.42 228	0.56 247	7.29 404	0.62 250	0.42 226	0.53 232	0.37 182	0.49 244	0.34 207	8.30 402	6.87 408

MyStereo8	0.71 226	3.92 351	0.52 224	0.59 207	0.52 253	0.57 248	0.53 247	0.59 241	0.50 244	0.59 246	0.51 253	0.57 249	0.50 242	0.56 244	0.52 246	0.54 233	0.49 221	0.54 251	0.49 249	0.55 226	0.50 238

PML	0.46 188	1.36 276	0.29 150	0.58 205	0.30 185	0.57 248	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	0.52 231	0.30 171	0.53 250	0.31 197	0.53 223	0.30 178

CASS	0.57 210	0.89 182	0.56 226	0.57 204	0.56 258	0.56 244	0.56 249	0.56 235	0.53 249	0.57 243	0.57 261	0.59 251	0.48 234	0.56 244	0.57 252	0.55 235	0.56 233	0.47 233	0.56 256	0.62 227	0.56 249
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PA-Net	11.80 409	223.51 432	0.62 233	0.59 207	0.71 280	0.59 250	0.73 272	0.67 249	0.73 278	0.55 240	0.61 264	0.60 252	0.74 270	0.63 252	0.73 276	0.66 242	0.60 236	0.69 262	0.66 269	0.72 237	0.65 258
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CFNet-RSSM	0.91 264	4.89 364	0.34 175	0.44 179	1.07 308	1.62 361	1.40 368	0.91 268	0.35 200	1.60 356	1.39 367	0.64 253	0.34 194	0.44 212	0.33 185	0.41 199	0.35 178	0.75 269	0.30 192	0.41 195	0.29 170

DSFCA	0.66 216	0.73 173	0.78 259	0.65 212	0.65 270	0.64 254	0.64 258	0.65 247	0.63 263	0.64 252	0.64 268	0.64 253	0.64 254	0.65 253	0.65 261	0.65 241	0.65 244	0.65 257	0.65 267	0.66 228	0.64 257

MyStereo05	0.80 240	4.12 352	0.63 234	0.63 210	0.61 265	0.62 252	0.66 261	0.65 247	0.62 261	0.67 254	0.61 264	0.65 255	0.58 250	0.67 256	0.55 251	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

LMCR-Stereo	0.65 214	0.63 169	0.65 241	0.65 212	0.65 270	0.66 255	0.63 257	0.58 239	0.65 264	0.63 251	0.64 268	0.65 255	0.65 256	0.66 254	0.66 263	0.66 242	0.64 243	0.65 257	0.67 272	0.68 230	0.73 270

Anonymous Stereo	2.36 366	18.47 397	11.50 409	9.80 404	0.53 256	0.28 147	0.50 244	0.58 239	0.53 249	0.59 246	0.53 256	0.66 257	0.52 245	0.62 250	0.41 220	0.36 172	0.37 182	0.31 156	0.19 140	0.20 117	0.22 131

ktn	0.72 229	0.53 162	1.08 281	1.14 265	0.51 252	1.22 349	1.36 362	0.51 230	0.59 256	0.51 233	0.51 253	0.69 258	1.20 302	0.67 256	0.51 245	0.51 230	0.49 221	0.58 253	0.66 269	0.52 221	0.53 241

TorneroNet-64	0.45 187	0.27 100	0.30 155	0.58 205	0.27 167	0.70 258	0.30 172	0.28 140	0.73 278	0.73 261	0.28 173	0.71 259	0.66 258	0.75 265	0.27 159	0.27 147	0.29 162	0.37 188	0.75 281	0.28 138	0.30 178

whm_eth	0.63 212	1.48 278	0.47 209	0.71 219	0.48 245	0.71 260	0.48 239	0.71 252	0.48 239	0.71 258	0.48 244	0.71 259	0.48 234	0.72 261	0.48 239	0.71 251	0.47 215	0.71 265	0.47 244	0.71 236	0.47 229

anonymity	0.63 212	0.69 170	0.56 226	0.71 219	0.56 258	0.71 260	0.56 249	0.71 252	0.56 254	0.72 259	0.56 259	0.71 259	0.56 249	0.71 260	0.58 255	0.68 244	0.55 231	0.68 259	0.55 253	0.68 230	0.54 242

DMCA-RVC	0.70 224	0.80 176	0.70 248	0.70 217	0.70 279	0.70 258	0.70 269	0.71 252	0.70 273	0.70 257	0.71 280	0.71 259	0.70 266	0.70 259	0.69 272	0.69 245	0.70 253	0.69 262	0.70 277	0.69 234	0.70 265

test-3	0.98 276	4.13 354	1.85 371	1.85 339	0.61 265	0.69 257	0.37 203	0.63 246	0.61 260	0.66 253	0.51 253	0.73 263	0.44 222	0.57 247	0.54 248	1.68 355	1.81 370	0.40 203	0.43 237	0.66 228	0.50 238

iGMRVC	0.84 255	2.85 330	0.72 252	0.72 221	0.73 283	0.77 265	0.79 276	0.73 255	0.74 280	0.73 261	0.72 282	0.73 263	0.76 272	0.73 263	0.73 276	0.72 253	0.73 256	0.73 267	0.72 280	0.73 242	0.72 268

HH	0.71 226	2.54 316	0.74 255	1.10 260	0.32 192	0.41 197	0.37 203	0.69 250	0.78 281	0.73 261	0.90 292	0.75 265	1.00 284	0.84 272	0.69 272	0.69 245	0.40 193	0.35 181	0.26 164	0.35 163	0.26 149

HanStereo	0.71 226	2.54 316	0.74 255	1.10 260	0.32 192	0.41 197	0.37 203	0.69 250	0.78 281	0.73 261	0.90 292	0.75 265	1.00 284	0.84 272	0.69 272	0.69 245	0.40 193	0.35 181	0.26 164	0.35 163	0.26 149

ARAFT	0.68 221	0.81 179	0.63 234	0.74 222	0.60 260	0.78 267	0.62 256	0.77 257	0.66 266	0.74 265	0.63 266	0.75 265	0.62 253	0.83 271	0.60 257	0.70 248	0.55 231	0.70 264	0.60 261	0.78 244	0.55 246

MyStereo02	0.85 258	4.58 360	0.64 236	0.76 224	0.65 270	0.75 262	0.61 253	0.60 242	0.53 249	0.80 268	0.64 268	0.78 268	0.66 258	0.55 241	0.57 252	0.70 248	0.66 246	0.68 259	0.62 264	0.72 237	0.59 250

MyStereo	0.85 258	4.58 360	0.64 236	0.76 224	0.65 270	0.75 262	0.61 253	0.60 242	0.53 249	0.80 268	0.64 268	0.78 268	0.66 258	0.55 241	0.57 252	0.70 248	0.66 246	0.68 259	0.62 264	0.72 237	0.59 250

test_xeample3	1.10 283	1.81 291	0.61 232	0.84 232	0.49 248	0.77 265	0.66 261	0.92 271	1.40 372	0.68 256	0.46 234	0.78 268	0.54 248	1.72 360	1.48 368	1.34 344	1.52 358	1.35 361	1.67 376	1.33 337	1.55 372

G-Net	0.79 238	0.79 175	0.79 261	0.79 226	0.79 288	0.79 268	0.79 276	0.79 258	0.79 284	0.79 267	0.79 287	0.79 271	0.79 274	0.79 267	0.79 279	0.79 256	0.79 260	0.79 274	0.79 284	0.79 246	0.79 276

RAFT-Stereo + iAFF	0.70 224	0.72 172	0.71 251	0.80 228	0.62 268	0.82 271	0.61 253	0.81 262	0.62 261	0.81 272	0.63 266	0.80 272	0.70 266	0.73 263	0.61 259	0.76 254	0.61 240	0.74 268	0.61 263	0.77 243	0.61 253

NaN_ROB	0.80 240	0.80 176	0.80 262	0.80 228	0.80 290	0.80 269	0.80 278	0.80 259	0.80 285	0.80 268	0.80 288	0.80 272	0.80 275	0.80 268	0.80 281	0.80 257	0.80 263	0.80 276	0.80 285	0.80 249	0.80 277

CSAN	0.80 240	0.80 176	0.80 262	0.80 228	0.80 290	0.80 269	0.80 278	0.80 259	0.80 285	0.80 268	0.80 288	0.80 272	0.80 275	0.80 268	0.80 281	0.80 257	0.80 263	0.80 276	0.80 285	0.80 249	0.80 277

AFF-stereo	0.73 230	0.88 181	0.67 244	0.75 223	0.68 278	0.75 262	0.64 258	0.80 259	0.72 277	0.83 273	0.70 278	0.82 275	0.64 254	0.84 272	0.67 264	0.77 255	0.63 241	0.81 278	0.63 266	0.78 244	0.62 255

Selective-RAFT-Error	0.88 261	0.84 180	0.98 275	0.86 234	0.97 302	0.88 274	0.95 289	0.84 263	0.99 300	0.92 278	0.82 290	0.84 276	0.98 283	0.87 275	0.97 291	0.81 260	0.83 266	0.79 274	0.82 288	0.79 246	0.85 282

DCRE	0.84 255	1.89 294	0.77 258	0.94 244	0.72 282	0.88 274	0.73 272	0.87 264	0.78 281	0.90 275	0.71 280	0.88 277	0.67 262	0.88 276	0.73 276	0.81 260	0.68 248	0.81 278	0.70 277	0.82 253	0.70 265

UDG	0.80 240	2.21 310	0.60 230	0.91 239	0.60 260	0.90 277	0.58 251	0.88 266	0.60 257	0.90 275	0.60 262	0.88 277	0.60 252	0.90 279	0.58 255	0.86 265	0.60 236	0.84 281	0.59 260	0.84 254	0.61 253

4D-IteraStereo	0.78 237	3.13 333	0.89 265	0.69 215	0.32 192	0.40 182	0.32 177	0.76 256	0.97 298	0.52 236	0.65 272	0.89 279	0.32 187	0.76 266	0.98 292	0.83 262	0.94 272	0.35 181	0.27 170	0.70 235	0.89 285

Selective-RAFT	0.89 263	0.89 182	0.72 252	1.16 272	0.78 287	1.06 289	0.82 280	0.87 264	0.97 298	1.00 285	0.91 294	0.90 280	1.00 284	0.89 278	0.93 290	0.83 262	0.83 266	0.82 280	0.82 288	0.81 252	0.82 280

DDUNet	0.81 245	2.45 314	0.57 228	0.90 236	0.60 260	0.88 274	0.59 252	0.90 267	0.60 257	0.88 274	0.60 262	0.90 280	0.58 250	0.88 276	0.60 257	0.84 264	0.60 236	0.86 283	0.57 257	0.86 255	0.60 252

DPSM_ROB	0.92 265	0.91 185	0.91 268	0.91 239	0.92 298	0.92 279	0.92 285	0.92 271	0.91 290	0.93 280	0.91 294	0.92 282	0.90 278	0.91 280	0.92 286	0.92 269	0.91 268	0.91 285	0.92 291	0.93 263	0.93 288

DPSM	0.92 265	0.91 185	0.91 268	0.91 239	0.92 298	0.92 279	0.92 285	0.92 271	0.91 290	0.93 280	0.91 294	0.92 282	0.90 278	0.91 280	0.92 286	0.92 269	0.91 268	0.91 285	0.92 291	0.93 263	0.93 288

pmcnn	0.92 265	0.92 190	0.92 270	0.92 242	0.92 298	0.92 279	0.92 285	0.92 271	0.92 294	0.92 278	0.92 297	0.92 282	0.92 280	0.92 282	0.92 286	0.92 269	0.92 270	0.92 287	0.92 291	0.92 262	0.92 287

DGTPSM_ROB	0.93 269	1.00 198	0.92 270	0.94 244	0.96 301	0.91 278	0.92 285	0.91 268	0.96 297	0.91 277	0.96 298	0.93 285	0.92 280	0.94 283	0.92 286	0.92 269	0.92 270	0.90 284	0.92 291	0.94 265	0.91 286

ToySt	0.92 265	2.11 304	0.90 267	0.95 246	0.79 288	0.99 284	0.78 275	0.94 275	0.81 288	0.94 282	0.78 286	0.95 286	0.77 273	0.94 283	0.86 284	0.91 268	0.79 260	0.85 282	0.77 282	0.89 257	0.73 270

R-Stereo Train	0.81 245	0.96 193	0.67 244	0.95 246	0.67 276	0.95 282	0.68 265	0.95 276	0.68 268	0.95 283	0.68 275	0.96 287	0.68 263	0.96 287	0.68 268	0.94 273	0.68 248	0.94 289	0.68 273	0.94 265	0.68 263

RAFT-Stereo	0.81 245	0.96 193	0.67 244	0.95 246	0.67 276	0.95 282	0.68 265	0.95 276	0.68 268	0.95 283	0.68 275	0.96 287	0.68 263	0.96 287	0.68 268	0.94 273	0.68 248	0.94 289	0.68 273	0.94 265	0.68 263
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GANet	1.00 277	1.00 198	1.00 277	1.00 252	1.00 303	1.00 285	1.00 292	1.00 278	1.00 301	1.00 285	1.00 299	1.00 289	1.00 284	1.00 289	1.00 294	1.00 275	1.00 273	1.00 295	1.00 295	1.00 268	1.00 294

TDLM	1.00 277	1.00 198	1.00 277	1.00 252	1.00 303	1.00 285	1.00 292	1.00 278	1.00 301	1.00 285	1.00 299	1.00 289	1.00 284	1.00 289	1.00 294	1.00 275	1.00 273	1.00 295	1.00 295	1.00 268	1.00 294

CVANet_RVC	1.00 277	1.00 198	1.00 277	1.00 252	1.00 303	1.00 285	1.00 292	1.00 278	1.00 301	1.00 285	1.00 299	1.00 289	1.00 284	1.00 289	1.00 294	1.00 275	1.00 273	1.00 295	1.00 295	1.00 268	1.00 294

STTRV1_RVC	0.82 249	1.60 283	0.70 248	1.01 255	0.60 260	1.07 292	0.69 268	1.01 281	0.60 257	0.72 259	0.55 258	1.02 292	0.68 263	1.03 292	0.67 264	0.89 267	0.63 241	0.92 287	0.57 257	0.90 258	0.65 258

11t	1.27 336	2.70 323	1.34 346	1.32 326	0.89 293	1.30 353	1.34 360	1.64 354	0.57 255	1.45 354	0.72 282	1.05 293	1.29 354	1.07 295	1.29 360	1.49 349	1.02 276	0.97 293	1.15 303	1.48 341	1.31 362

GLC_STEREO	1.07 281	1.01 203	1.06 280	1.07 258	1.05 307	1.06 289	1.08 297	1.08 283	1.05 305	1.07 290	1.06 302	1.08 294	1.05 290	1.06 294	1.10 298	1.07 279	1.09 283	1.05 299	1.05 298	1.06 271	1.12 302

Nwc_Net	2.37 369	25.95 411	1.15 286	1.14 265	1.15 310	1.08 293	1.14 301	1.17 289	1.16 308	1.14 299	1.15 303	1.08 294	1.15 295	1.11 300	1.14 302	1.10 282	1.11 287	1.16 303	1.09 300	1.16 278	1.15 307

RP	2.33 364	25.00 407	1.13 283	1.15 267	1.15 310	1.10 295	1.15 302	1.15 286	1.15 307	1.12 297	1.15 303	1.09 296	1.13 292	1.10 298	1.15 303	1.11 287	1.09 283	1.16 303	1.12 301	1.16 278	1.17 308

edge stereo	2.43 372	27.07 414	1.14 284	1.06 257	1.14 309	1.08 293	1.17 305	1.16 288	1.14 306	1.10 292	1.16 306	1.09 296	1.16 299	1.10 298	1.16 306	1.10 282	1.11 287	1.16 303	1.19 307	1.13 274	1.11 300

AF-Net	2.37 369	25.71 410	1.17 287	1.13 264	1.15 310	1.15 301	1.18 306	1.19 292	1.16 308	1.10 292	1.15 303	1.10 298	1.18 300	1.12 301	1.15 303	1.10 282	1.10 286	1.17 307	1.15 303	1.16 278	1.12 302

NCC-stereo	2.36 366	25.52 409	1.17 287	1.15 267	1.17 315	1.11 298	1.11 298	1.15 286	1.16 308	1.10 292	1.16 306	1.10 298	1.15 295	1.14 302	1.13 301	1.09 280	1.11 287	1.15 302	1.16 305	1.17 283	1.17 308

MSMD_ROB	1.19 287	1.10 213	0.70 248	1.10 260	0.60 260	1.10 295	0.70 269	1.10 285	0.70 273	1.10 292	0.70 278	1.10 298	0.70 266	7.00 409	0.70 275	1.10 282	0.70 253	1.10 300	0.70 277	1.10 273	0.70 265

RGC	2.36 366	25.48 408	1.19 290	1.15 267	1.15 310	1.10 295	1.16 304	1.17 289	1.16 308	1.12 297	1.16 306	1.11 301	1.13 292	1.09 296	1.18 308	1.10 282	1.15 291	1.16 303	1.12 301	1.14 275	1.12 302

Abc-Net	2.32 363	24.75 406	1.14 284	1.17 273	1.17 315	1.11 298	1.15 302	1.17 289	1.21 360	1.08 291	1.16 306	1.12 302	1.14 294	1.09 296	1.17 307	1.09 280	1.16 292	1.17 307	1.17 306	1.16 278	1.11 300
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 364	24.38 405	1.18 289	1.18 274	1.18 317	1.14 300	1.18 306	1.19 292	1.19 314	1.14 299	1.18 310	1.14 303	1.18 300	1.14 302	1.18 308	1.14 289	1.14 290	1.19 310	1.19 307	1.15 276	1.19 310

KSHMR	0.66 216	0.50 157	0.48 214	1.15 267	0.52 253	0.49 231	0.51 246	0.49 219	0.71 276	0.67 254	0.50 250	1.16 304	1.11 291	0.66 254	0.52 246	0.49 225	0.49 221	0.51 248	0.66 269	0.50 219	1.14 306

HSM-Net_RVC	0.95 272	1.17 218	0.78 259	1.18 274	0.71 280	1.16 302	0.75 274	1.09 284	0.80 285	1.10 292	0.75 285	1.17 305	0.74 270	1.17 304	0.80 281	1.13 288	0.73 256	1.17 307	0.77 282	1.16 278	0.72 268
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
S-Stereo	2.51 374	26.86 413	1.23 342	1.22 321	1.22 365	1.24 351	1.25 357	1.22 341	1.24 363	1.21 347	1.24 359	1.19 306	1.27 352	1.19 305	1.24 357	1.19 291	1.20 296	1.25 358	1.19 307	1.24 335	1.23 358

DisPM	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

CrosDoStereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PFNet+	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

LCNet	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

HHNet	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Patchmatch Stereo++	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311
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	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

STrans-v2	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

TransformOpticalFlow	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

OMP-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

IIG-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

NF-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

OCTAStereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PSM-softLoss	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

KMStereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

NRIStereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PSM-adaLoss	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PSM-AAD	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

FTStereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

ROB_FTStereo_v2	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

ROB_FTStereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Consistency-Raft	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

KYRaft	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

HUI-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

ASMatch	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DeepStereo_LL	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DEmStereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

SST-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

THIR-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT_R40	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DRaft	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PFNet	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

GrayStereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RE-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Pruner-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

TVStereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DeepStereo_RVC	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT-RH_RVC	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

IRAFT_RVC	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT-345	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

iRAFT	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

CRE-IMP	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

GMM-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT-IKP	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Prome-Stereo	1.20 288	1.20 222	1.20 293	1.20 276	1.20 318	1.20 303	1.20 308	1.20 295	1.20 315	1.20 302	1.20 311	1.20 307	1.20 302	1.20 306	1.20 310	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

FAT-Stereo	2.46 373	26.05 412	1.23 342	1.23 323	1.22 365	1.20 303	1.24 356	1.23 343	1.23 362	1.19 301	1.22 357	1.21 352	1.24 350	1.20 306	1.24 357	1.21 337	1.17 294	1.22 357	1.25 357	1.20 287	1.24 359

CroCo-Stereo	0.73 230	1.22 269	0.25 139	1.22 321	0.25 160	1.22 349	0.25 148	1.22 341	0.25 151	1.22 348	0.25 160	1.22 353	0.25 152	1.22 352	0.25 153	1.22 338	0.26 143	1.21 356	0.25 158	1.22 334	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
CroCo-Stereo Lap2	0.77 234	1.29 271	0.29 150	1.27 324	0.29 176	1.27 352	0.26 154	1.26 344	0.26 164	1.26 349	0.26 165	1.27 354	0.26 161	1.26 353	0.27 159	1.27 340	0.27 148	1.27 359	0.27 170	1.27 336	0.27 154

DPSimNet_ROB	0.97 274	1.18 220	0.81 264	1.10 260	0.91 297	1.02 288	0.82 280	1.04 282	0.91 290	1.03 289	0.86 291	1.28 355	0.82 277	1.03 292	0.89 285	1.17 290	0.81 265	1.02 298	0.82 288	1.08 272	0.81 279

MaskLacGwcNet_RVC	1.35 337	1.35 275	1.35 348	1.35 328	1.35 367	1.35 354	1.35 361	1.36 349	1.35 368	1.36 352	1.35 363	1.36 356	1.36 357	1.36 355	1.35 362	1.35 345	1.35 350	1.35 361	1.35 360	1.35 338	1.35 365

CC-Net-ROB	1.36 338	1.33 274	1.33 345	1.36 329	1.38 370	1.36 355	1.33 359	1.37 350	1.34 366	1.35 351	1.36 364	1.38 357	1.34 356	1.38 356	1.38 364	1.35 345	1.38 353	1.33 360	1.35 360	1.43 340	1.34 364

PS-NSSS	1.38 340	1.39 277	1.34 346	1.34 327	1.35 367	1.38 356	1.37 367	1.35 348	1.38 371	1.34 350	1.34 362	1.39 358	1.38 359	1.70 359	1.40 365	1.36 347	1.36 351	1.36 363	1.37 363	1.37 339	1.36 366

RASNet	1.49 341	1.65 284	1.45 357	1.38 331	1.43 373	1.47 359	1.36 362	1.38 351	1.36 369	1.39 353	1.60 374	1.45 359	1.45 361	1.51 357	2.21 382	1.53 352	1.36 351	1.36 363	1.36 362	1.66 346	1.36 366

LL-Strereo	1.01 280	5.06 367	1.63 361	0.70 217	1.43 373	0.56 244	0.46 228	0.57 237	0.50 244	0.57 243	0.50 250	1.58 360	0.49 239	0.59 249	0.50 243	1.64 354	0.52 228	0.51 248	1.37 363	0.52 221	0.45 223

DPSMNet_ROB	1.60 344	1.59 282	1.70 364	1.59 334	1.59 375	1.61 360	1.61 372	1.60 352	1.60 375	1.62 360	1.59 373	1.60 361	1.60 364	1.60 358	1.59 370	1.59 353	1.60 360	1.59 368	1.59 373	1.59 345	1.59 373

HBP-ISP	1.24 334	1.72 286	1.65 362	1.15 267	0.76 286	1.40 357	0.88 282	1.67 357	1.02 304	1.69 361	1.38 366	1.69 362	1.21 348	1.87 361	1.21 355	1.05 278	0.79 260	0.97 293	0.80 285	1.19 286	0.75 274

GANetREF_RVC	1.55 342	1.94 301	1.22 340	1.88 340	1.21 364	1.88 365	1.22 354	1.88 358	1.22 361	1.88 362	1.22 357	1.88 363	1.22 349	1.89 362	1.22 356	1.87 360	1.22 343	1.88 370	1.22 356	1.88 350	1.22 357
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
FC-DCNN	1.07 281	1.09 210	0.98 275	0.89 235	0.52 253	1.41 358	0.91 284	1.21 340	1.24 363	1.96 364	2.05 387	1.91 364	1.30 355	1.27 354	1.08 297	0.80 257	0.60 236	0.58 253	0.41 231	0.68 230	0.54 242

RAFT_CTSACE	1.92 353	3.71 343	1.72 366	1.88 340	1.72 379	2.04 368	1.42 370	2.18 366	1.89 386	2.02 367	1.97 383	1.95 365	2.06 372	1.93 363	1.62 371	1.76 356	1.66 364	2.02 373	1.73 382	1.73 347	1.43 371

MFMNet_re	1.81 351	1.91 295	1.71 365	1.95 344	1.70 378	1.95 366	1.70 375	1.96 360	1.74 378	1.97 365	1.72 377	1.95 365	1.71 367	1.97 364	1.71 376	1.86 359	1.62 361	1.85 369	1.66 375	1.86 349	1.64 374

SPS-STEREO	1.59 343	1.91 295	1.21 339	1.94 343	1.20 318	2.00 367	1.23 355	1.99 361	1.24 363	2.00 366	1.25 360	2.03 367	1.26 351	2.00 365	1.29 360	1.90 363	1.18 295	1.89 371	1.21 355	1.89 351	1.20 311
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 348	2.96 331	1.37 353	2.14 349	1.37 369	2.14 369	1.36 362	2.14 365	1.37 370	2.14 371	1.37 365	2.14 368	1.37 358	2.14 369	1.37 363	1.97 364	1.32 344	1.97 372	1.32 359	1.98 352	1.33 363

NCCL2	2.28 362	2.27 311	2.28 377	2.28 357	2.28 388	2.27 370	2.29 383	2.28 367	2.28 387	2.27 372	2.28 388	2.28 369	2.27 376	2.27 373	2.28 387	2.28 371	2.28 375	2.27 377	2.29 387	2.27 357	2.29 383

TRStereo	2.00 354	2.13 305	1.85 371	2.27 354	1.84 381	2.28 371	1.84 377	2.29 368	1.86 383	2.30 373	1.87 378	2.30 370	1.87 369	2.08 366	1.72 378	2.08 368	1.72 366	2.08 374	1.72 379	2.08 353	1.72 377

XX-Stereo	2.00 354	2.13 305	1.85 371	2.27 354	1.84 381	2.28 371	1.84 377	2.29 368	1.86 383	2.30 373	1.87 378	2.30 370	1.87 369	2.08 366	1.72 378	2.08 368	1.72 366	2.08 374	1.72 379	2.08 353	1.72 377

EAI-Stereo	2.00 354	2.13 305	1.85 371	2.27 354	1.84 381	2.28 371	1.84 377	2.29 368	1.86 383	2.30 373	1.87 378	2.30 370	1.87 369	2.08 366	1.72 378	2.08 368	1.72 366	2.08 374	1.72 379	2.08 353	1.72 377

ff7	1.68 345	2.68 320	1.35 348	0.97 249	0.89 293	1.84 362	2.15 380	2.12 362	1.80 380	2.05 368	1.56 370	2.33 373	2.12 373	2.23 370	2.25 383	1.31 341	1.07 277	1.48 365	1.41 365	0.90 258	1.04 297

ffff	1.68 345	2.68 320	1.35 348	0.97 249	0.89 293	1.84 362	2.15 380	2.12 362	1.80 380	2.05 368	1.56 370	2.33 373	2.12 373	2.23 370	2.25 383	1.31 341	1.07 277	1.48 365	1.41 365	0.90 258	1.04 297

ccc-4	1.68 345	2.68 320	1.35 348	0.97 249	0.89 293	1.84 362	2.15 380	2.12 362	1.80 380	2.05 368	1.56 370	2.33 373	2.12 373	2.23 370	2.25 383	1.31 341	1.07 277	1.48 365	1.41 365	0.90 258	1.04 297

STTStereo	3.73 389	30.40 418	2.37 381	2.39 358	2.31 390	2.35 374	2.33 384	2.29 368	2.42 388	2.32 376	2.34 389	2.33 373	2.36 377	2.30 374	2.27 386	2.35 373	2.22 374	2.31 378	2.22 384	2.29 359	2.34 387

FBW_ROB	2.12 360	2.46 315	1.77 368	2.49 361	1.79 380	2.38 375	1.83 376	2.46 373	1.78 379	2.48 377	1.97 383	2.40 377	1.78 368	2.42 376	1.83 381	2.31 372	1.85 371	2.38 379	1.82 383	2.35 360	1.84 381

UDGNet	2.23 361	5.40 369	1.72 366	2.48 360	1.69 377	2.51 376	1.69 374	2.51 374	1.72 377	2.50 378	1.69 376	2.52 378	1.69 366	2.50 377	1.68 375	2.41 375	1.70 365	2.42 380	1.69 378	2.42 361	1.64 374

IGEVStereo-DCA	1.77 349	4.21 355	1.84 369	2.49 361	2.11 386	2.54 377	1.36 362	1.65 355	1.17 312	2.75 380	1.90 381	2.54 379	1.15 295	0.94 283	1.11 299	1.50 350	1.32 344	0.96 291	1.46 370	1.49 342	0.88 283

rrr	1.77 349	4.21 355	1.84 369	2.49 361	2.11 386	2.54 377	1.36 362	1.65 355	1.17 312	2.75 380	1.90 381	2.54 379	1.15 295	0.94 283	1.11 299	1.50 350	1.32 344	0.96 291	1.46 370	1.49 342	0.88 283

sCroCo_RVC	2.10 358	2.76 325	1.92 375	2.78 366	1.39 371	2.73 379	1.41 369	2.73 376	1.40 372	2.77 382	1.41 369	2.74 381	1.40 360	2.74 381	1.40 365	2.72 376	1.42 355	2.72 381	1.44 369	2.79 367	1.42 370

Anonymous	2.11 359	2.74 324	1.41 356	2.77 365	1.40 372	2.74 380	1.46 371	2.75 377	1.50 374	2.87 383	1.39 367	2.74 381	1.46 362	2.72 380	1.41 367	2.72 376	1.41 354	2.81 382	1.41 365	3.16 370	1.39 369

NLCA_NET_v2_RVC	5.04 402	50.87 425	2.78 383	2.87 367	2.71 391	2.78 381	0.47 234	2.88 381	2.86 392	1.89 363	2.67 390	2.79 383	2.79 381	2.78 382	2.83 388	2.82 378	2.82 378	2.83 383	2.77 390	2.83 368	2.76 391
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
test croco	1.88 352	3.16 334	0.64 236	3.10 368	0.65 270	3.10 383	0.64 258	3.12 383	0.65 264	3.10 384	0.65 272	3.11 384	0.65 256	3.12 383	0.65 261	3.12 380	0.65 244	3.13 384	0.65 267	3.13 369	0.65 258

MIF-Stereo (partial)	2.58 376	3.31 338	0.66 242	3.18 369	0.66 275	3.18 384	0.66 261	3.21 384	0.67 267	3.19 385	0.66 274	3.19 385	0.66 258	3.31 387	0.68 268	5.09 391	1.79 369	8.23 409	1.67 376	6.18 394	1.38 368

Anonymous3	2.55 375	3.26 337	1.65 362	3.28 371	1.63 376	3.24 386	1.68 373	3.27 385	1.66 376	3.28 386	1.67 375	3.25 386	1.66 365	3.27 385	1.64 372	3.26 381	1.65 363	3.30 385	1.65 374	4.95 387	1.65 376

MIF-Stereo	2.03 357	3.43 339	0.72 252	3.42 372	0.73 283	3.27 387	0.68 265	3.38 387	0.69 271	3.29 387	0.72 282	3.28 387	0.70 266	3.35 388	0.68 268	3.39 382	0.68 248	3.31 386	0.69 276	3.37 371	0.73 270

SA	4.33 391	7.35 374	6.85 402	5.96 387	4.09 401	3.59 389	3.15 392	3.82 391	2.64 389	3.91 389	3.85 396	3.57 388	2.72 380	3.13 384	4.03 397	7.09 405	6.86 398	3.57 388	3.12 391	3.85 373	3.51 394

DPSNet	3.66 388	3.60 340	3.62 389	3.63 374	3.64 397	3.65 390	3.65 396	3.66 390	3.67 395	3.67 388	3.65 395	3.67 389	3.66 385	3.66 389	3.68 392	3.68 384	3.66 380	3.67 390	3.68 396	3.67 372	3.67 395

test_3	5.01 401	8.86 384	7.77 405	8.09 396	2.76 392	4.13 394	4.05 401	3.88 392	3.76 398	4.33 394	4.13 400	3.71 390	3.91 389	4.21 395	4.06 398	7.93 406	7.69 401	4.53 395	3.91 399	4.17 378	4.29 403

Sa-1000	4.34 392	8.37 380	6.84 401	6.98 394	4.45 404	3.58 388	3.00 390	3.42 388	3.39 394	2.61 379	4.00 399	3.83 391	4.01 392	3.90 391	3.90 395	5.98 398	5.62 391	3.76 391	2.34 388	4.35 381	2.47 390

TestStereo1	4.60 393	8.41 381	6.44 399	6.86 392	3.79 398	3.97 392	3.78 397	3.99 393	3.74 396	3.97 390	3.52 393	3.94 392	3.58 383	3.98 392	3.72 393	6.82 402	6.50 396	3.76 391	3.66 394	3.90 374	3.74 398

SA-5K	4.60 393	8.41 381	6.44 399	6.86 392	3.79 398	3.97 392	3.78 397	3.99 393	3.74 396	3.97 390	3.52 393	3.94 392	3.58 383	3.98 392	3.72 393	6.82 402	6.50 396	3.76 391	3.66 394	3.90 374	3.74 398

raft_robust	4.71 397	7.75 378	5.40 396	6.81 391	3.31 394	4.28 396	4.20 402	4.32 396	4.37 404	4.35 395	4.35 402	4.14 394	3.75 387	4.30 397	4.20 400	6.67 401	6.37 394	3.36 387	4.24 404	4.86 386	3.25 392

test_4	4.88 399	8.13 379	6.98 403	7.46 395	4.44 403	4.25 395	3.85 399	4.04 395	3.92 399	4.13 392	3.91 397	4.18 395	3.84 388	4.14 394	4.06 398	7.01 404	7.13 399	4.53 395	3.72 397	4.09 377	3.72 396

test_5	4.62 396	7.55 376	6.23 397	6.32 389	3.40 395	5.29 402	3.50 394	3.53 389	4.11 401	4.28 393	4.47 403	4.26 396	4.38 394	3.68 390	3.24 390	5.89 396	5.60 390	4.84 398	3.50 392	4.33 380	3.93 401

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

sAnonymous2	3.31 386	2.63 318	1.38 354	3.71 375	1.86 384	4.70 398	1.11 298	4.82 400	2.72 390	5.45 402	1.98 385	4.59 398	2.64 378	2.65 378	6.21 404	4.37 386	1.08 281	5.16 400	2.24 385	4.52 383	2.39 388

CroCo_RVC	3.31 386	2.63 318	1.38 354	3.71 375	1.86 384	4.70 398	1.11 298	4.82 400	2.72 390	5.45 402	1.98 385	4.59 398	2.64 378	2.65 378	6.21 404	4.37 386	1.08 281	5.16 400	2.24 385	4.52 383	2.39 388

RAFT+CT+SA	4.28 390	7.62 377	4.91 392	5.55 384	2.28 388	3.09 382	3.64 395	4.49 397	3.07 393	4.80 397	3.35 392	4.77 400	3.70 386	4.29 396	3.05 389	5.58 394	5.98 393	3.58 389	3.78 398	4.26 379	3.72 396

TestStereo	4.88 399	4.75 362	4.79 391	4.87 381	4.92 405	4.81 401	4.90 404	4.78 399	4.77 405	4.87 398	4.89 404	4.90 401	4.91 396	4.99 400	4.79 402	4.98 390	4.87 388	4.87 399	4.92 405	5.00 388	5.00 404

test-1	6.46 404	9.16 386	8.03 408	8.09 396	5.62 407	6.11 404	6.35 406	6.85 406	4.94 406	6.08 405	6.29 408	4.98 402	6.43 400	6.22 402	6.36 406	6.16 399	7.47 400	5.82 404	5.44 407	7.11 399	5.68 406

StereoIM	3.19 385	6.02 371	1.12 282	5.61 385	1.16 314	5.43 403	1.02 295	5.15 402	0.70 273	5.43 401	1.21 356	5.03 403	0.97 282	4.85 399	0.99 293	4.53 389	1.16 292	5.53 402	1.25 357	5.37 390	1.30 361

RAFT	6.73 405	9.36 387	7.40 404	8.51 398	6.55 408	6.88 406	6.60 407	6.79 405	6.60 408	6.80 407	6.72 409	5.31 404	5.50 398	6.61 403	6.61 407	8.42 407	5.89 392	5.73 403	5.45 408	6.61 395	6.24 407

StereoVision	3.15 384	5.00 366	0.89 265	4.83 380	1.00 303	3.93 391	1.27 358	6.37 403	1.34 366	5.67 404	1.26 361	5.84 405	1.27 352	5.03 401	1.24 357	5.10 392	1.09 283	4.61 397	0.57 257	5.62 392	1.12 302

DispFullNet	4.61 395	4.84 363	3.12 385	5.00 382	3.57 396	4.75 400	3.03 391	7.75 409	4.17 402	4.91 399	3.09 391	6.20 406	3.95 390	6.71 405	3.51 391	5.30 393	3.67 381	5.86 406	3.63 393	5.61 391	3.46 393

test-v	7.53 407	11.89 395	7.98 406	9.36 401	7.14 409	7.06 407	7.09 408	7.37 407	6.91 409	7.29 408	5.71 406	6.45 407	6.93 401	6.73 406	7.27 408	8.93 409	7.85 402	6.98 407	6.80 409	7.56 400	7.34 409

test-2	7.53 407	11.89 395	7.98 406	9.36 401	7.14 409	7.06 407	7.09 408	7.37 407	6.91 409	7.29 408	5.71 406	6.45 407	6.93 401	6.73 406	7.27 408	8.93 409	7.85 402	6.98 407	6.80 409	7.56 400	7.34 409

SGM-Forest	5.21 403	5.92 370	4.08 390	6.18 388	4.16 402	6.31 405	4.34 403	6.50 404	4.33 403	6.14 406	4.21 401	6.61 409	4.55 395	6.67 404	4.48 401	5.94 397	3.94 383	5.85 405	4.03 402	5.79 393	4.17 402
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
SGM+DAISY	7.06 406	9.15 385	5.38 395	8.84 399	5.18 406	8.80 409	5.31 405	8.79 410	5.28 407	8.89 410	5.20 405	8.93 410	5.33 397	8.95 410	5.36 403	8.70 408	5.21 389	8.74 410	5.20 406	8.89 404	5.15 405

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

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

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

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

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

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

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

111	30.40 417	30.94 419	29.72 418	32.61 418	30.02 419	33.57 417	30.47 418	31.50 418	29.39 419	30.98 418	29.11 418	29.78 418	30.39 421	29.45 418	30.76 421	30.08 418	29.02 419	29.92 418	30.32 422	29.86 418	30.17 419

fff	1000028.16 434	29.62 415	29.72 418	32.61 418	30.02 419	35.13 419	31.83 419	32.07 419	10000000.00 435	35.27 421	29.82 419	32.45 419	30.15 418	32.35 419	30.09 418	31.04 419	29.55 420	30.64 419	30.14 419	10000000.00 435	30.77 420

csc	1000028.16 434	29.62 415	29.72 418	32.61 418	30.02 419	35.13 419	31.83 419	32.07 419	10000000.00 435	35.27 421	29.82 419	32.45 419	30.15 418	32.35 419	30.09 418	31.04 419	29.55 420	30.64 419	30.14 419	10000000.00 435	30.77 420

cscssc	1000028.16 434	29.62 415	29.72 418	32.61 418	30.02 419	35.13 419	31.83 419	32.07 419	10000000.00 435	35.27 421	29.82 419	32.45 419	30.15 418	32.35 419	30.09 418	31.04 419	29.55 420	30.64 419	30.14 419	10000000.00 435	30.77 420

tt	500032.53 432	34.60 421	29.72 418	37.47 424	34.41 424	36.85 423	35.22 423	34.71 422	33.55 421	34.50 419	35.43 422	33.81 422	10000000.00 435	33.57 422	33.13 422	33.68 422	35.00 424	34.03 423	35.26 425	30.96 419	34.63 424

DCANet	500032.53 432	34.60 421	29.72 418	37.47 424	34.41 424	36.85 423	35.22 423	34.71 422	33.55 421	34.50 419	35.43 422	33.81 422	10000000.00 435	33.57 422	33.13 422	33.68 422	35.00 424	34.03 423	35.26 425	30.96 419	34.63 424

DCANet-4	35.22 419	34.54 420	35.08 424	33.58 422	35.47 426	34.55 418	35.53 425	36.08 424	35.85 423	35.92 424	35.77 424	35.18 424	35.48 423	35.39 424	37.15 424	34.55 424	33.92 423	35.02 425	34.90 424	35.79 422	34.74 426

ADStereo(finetuned)	36.13 420	36.63 424	38.07 425	36.97 423	33.25 423	35.91 422	34.45 422	36.36 425	32.99 420	38.14 426	36.71 425	36.69 425	34.13 422	38.57 426	40.79 425	37.60 426	36.58 426	35.90 426	33.36 423	35.42 421	34.04 423

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

MDST_ROB	69.83 421	87.70 426	41.95 426	113.75 429	65.62 429	75.05 426	55.25 427	75.64 428	45.04 424	71.61 427	41.75 426	72.81 427	44.06 424	68.38 427	44.63 426	101.89 429	59.57 429	107.10 429	61.05 429	104.38 426	59.38 429

CBMV	128.50 423	1422.70 437	53.10 427	79.50 428	51.30 428	77.30 427	49.70 426	74.00 427	48.20 425	77.20 428	48.80 427	73.90 428	48.00 425	73.80 428	48.80 427	70.40 428	45.10 428	68.90 428	46.10 428	68.20 425	45.00 428
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 424	171.00 431	160.68 432	162.58 430	160.59 430	164.01 428	160.35 429	158.51 430	158.56 427	158.34 429	160.12 429	158.56 429	159.92 427	157.26 430	158.94 429	154.38 430	158.36 430	155.75 430	159.13 431	153.67 427	154.07 430
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
NOSS_ROB	102.95 422	153.00 430	121.00 429	51.00 427	44.00 427	165.00 429	127.00 428	153.00 429	119.00 426	164.00 430	125.00 428	168.00 430	120.00 426	153.00 429	117.00 428	49.00 427	44.00 427	49.00 427	44.00 427	49.00 424	44.00 427

AE-Stereo	201.80 425	123.00 427	115.00 428	219.00 431	218.00 432	223.00 430	244.00 431	217.00 431	236.00 429	202.00 431	203.00 430	205.00 431	208.00 428	225.00 431	204.00 430	210.00 431	198.00 431	197.00 431	184.00 432	204.00 428	201.00 431

MGS-Stereo	239.45 426	123.00 427	135.00 430	266.00 432	286.00 433	277.00 431	305.00 432	271.00 432	242.00 430	274.00 432	279.00 432	255.00 432	270.00 430	268.00 432	297.00 432	221.00 432	247.00 433	216.00 432	123.00 430	217.00 429	217.00 433

EGLCR-Stereo	246.90 427	129.00 429	139.00 431	266.00 432	286.00 433	277.00 431	305.00 432	271.00 432	242.00 430	274.00 432	279.00 432	255.00 432	270.00 430	268.00 432	297.00 432	230.00 433	247.00 433	216.00 432	223.00 434	237.00 430	227.00 434

DLCB_ROB	284.23 428	354.61 433	207.27 433	363.24 434	206.46 431	364.72 433	210.41 430	364.72 434	210.41 428	364.81 434	208.64 431	364.81 434	208.64 429	364.72 434	210.41 431	354.70 434	205.53 432	354.70 434	205.53 433	354.70 431	205.53 432

LE_ROB	396.57 429	471.28 434	329.84 434	471.48 435	308.15 435	526.83 434	322.10 434	488.15 435	323.76 432	495.46 435	317.97 434	497.17 435	320.10 432	481.62 435	326.76 434	462.71 435	298.97 435	466.16 435	285.98 435	447.62 432	289.21 435

SGM-ForestM	596.69 430	677.77 435	444.52 435	699.85 436	517.25 436	732.94 435	488.29 435	770.79 436	460.11 433	750.81 436	487.98 435	792.79 436	499.41 433	730.90 436	475.81 435	720.03 436	491.16 436	663.96 436	418.60 436	674.76 433	436.05 436

CBMV_ROB	818.48 431	913.88 436	709.52 436	862.84 437	597.78 437	1073.99 436	700.52 436	1015.66 437	702.59 434	1115.65 437	760.02 436	1130.24 437	721.57 434	1037.41 437	692.65 436	814.05 437	564.29 437	843.28 437	595.31 437	915.51 434	602.92 437

SDNR	10000000.00 437	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 437	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438

anonymousdsp2	10000000.00 437	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 437	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438

anonymousdsp	10000000.00 437	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 437	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438

test_example2	10000000.00 437	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 437	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438

DIP-Stereo	10000000.00 437	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 437	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 437	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438
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