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	0.49 28	0.22 3	0.46 8	0.48 30	0.38 157	0.45 17	0.25 4	0.77 5	1.30 238	0.82 64	1.23 171	0.47 22	0.37 14	0.55 5	0.44 64	0.16 7	0.11 2	0.16 8	0.80 381	0.18 35	0.12 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	0.55 39	0.22 3	0.49 11	0.43 5	0.19 1	1.00 232	0.34 42	1.40 140	1.30 238	0.84 68	0.93 68	0.63 59	0.52 62	1.48 162	0.47 87	0.15 4	0.12 5	0.17 14	0.11 6	0.19 61	0.13 2

StereoIM	0.38 1	0.27 36	0.72 59	0.45 8	0.35 139	0.30 3	0.31 26	0.81 7	0.54 3	0.38 2	0.38 1	0.58 46	0.49 56	0.53 4	0.39 31	0.20 99	0.16 140	0.19 49	0.15 31	0.19 61	0.15 3

CASnet	0.42 8	0.26 20	0.52 15	0.52 71	0.21 2	0.49 29	0.35 51	0.85 16	0.85 62	0.84 68	0.69 29	0.48 26	0.31 6	0.57 9	0.34 4	0.19 65	0.12 5	0.27 237	0.22 190	0.23 160	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 24	0.40 82	1.12 74	0.94 90	0.50 21	0.66 23	0.49 30	0.42 21	0.63 24	0.39 31	0.19 65	0.14 59	0.16 8	0.11 6	0.14 1	0.15 3

Selective-IGEV	0.42 8	0.26 20	0.56 16	0.48 30	0.27 19	0.45 17	0.33 34	1.56 169	0.61 15	0.36 1	0.47 4	0.52 38	0.30 4	1.08 102	0.33 3	0.15 4	0.13 17	0.17 14	0.13 11	0.16 11	0.15 3

IIG-Stereo	0.97 249	0.34 164	0.80 100	0.90 348	0.33 112	0.61 89	0.26 11	1.27 123	1.08 139	1.69 323	1.37 220	1.44 274	0.74 137	6.94 379	0.53 120	0.21 123	0.14 59	0.23 149	0.18 86	0.20 88	0.15 3

AnonymousM	0.63 104	1.14 368	0.43 5	0.46 14	0.32 98	0.43 14	0.46 141	1.27 123	0.78 43	1.00 93	0.66 23	0.68 68	0.45 31	0.61 15	0.46 79	0.21 123	0.16 140	1.84 391	0.98 388	0.15 4	0.15 3

XX-TBD	0.47 24	0.71 331	0.39 1	0.81 319	0.25 8	0.57 71	0.26 11	0.73 4	1.30 238	0.78 55	1.01 90	0.45 15	0.33 11	0.49 3	0.39 31	0.20 99	0.15 113	0.15 3	0.11 6	0.17 20	0.15 3

AFF-stereo	0.60 90	0.28 44	0.72 59	0.48 30	0.29 52	0.34 4	0.37 64	1.22 111	1.20 192	1.21 178	1.59 283	1.10 202	0.70 133	1.01 87	0.44 64	0.14 1	0.12 5	0.19 49	0.20 131	0.18 35	0.15 3

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 49	0.29 22	0.81 7	1.15 174	0.59 33	0.72 35	0.51 34	0.42 21	0.57 9	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
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	0.47 24	0.22 3	0.43 5	0.39 2	0.24 6	0.71 139	0.26 11	0.78 6	1.03 125	0.65 41	0.69 29	0.55 41	0.48 46	0.90 71	0.36 16	0.99 379	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

4D-IteraStereo	0.50 32	0.26 20	0.84 127	0.51 59	0.49 224	0.64 107	0.31 26	0.91 21	1.02 122	1.05 108	0.72 35	0.76 85	0.32 9	0.69 31	0.40 46	0.18 40	0.11 2	0.23 149	0.20 131	0.19 61	0.16 13

MC-Stereo	0.46 21	0.24 9	0.58 18	0.63 203	0.30 64	0.38 7	0.32 30	0.98 32	0.74 37	0.66 42	0.85 56	0.56 43	0.60 102	1.07 100	0.32 2	0.17 18	0.12 5	0.17 14	0.15 31	0.16 11	0.16 13

RCA-Stereo	0.52 36	0.26 20	0.66 46	0.49 36	0.33 112	0.54 62	0.44 127	1.20 105	1.41 282	0.69 45	1.06 108	0.63 59	0.79 157	0.62 19	0.35 6	0.17 18	0.12 5	0.17 14	0.14 23	0.16 11	0.16 13

test-3	0.56 50	0.24 9	0.82 110	0.50 48	0.29 52	0.57 71	0.34 42	1.09 64	1.03 125	1.33 232	0.69 29	0.87 123	0.45 31	1.68 194	0.39 31	0.17 18	0.12 5	0.20 72	0.17 72	0.17 20	0.16 13

test_1	0.56 50	0.24 9	0.82 110	0.50 48	0.29 52	0.57 71	0.34 42	1.09 64	1.03 125	1.28 212	0.69 29	0.87 123	0.45 31	1.67 192	0.39 31	0.17 18	0.12 5	0.20 72	0.17 72	0.17 20	0.16 13

AAGNet	1.84 351	0.30 81	0.79 95	0.66 234	0.32 98	0.65 111	0.50 167	1.02 39	1.01 119	1.47 284	1.21 165	0.99 168	1.16 281	2.76 291	22.69 422	0.24 190	0.13 17	0.22 122	0.20 131	0.24 189	0.16 13

OMP-Stereo	0.95 244	0.35 186	0.79 95	0.92 350	0.32 98	0.49 29	0.35 51	1.22 111	1.11 153	1.58 308	1.12 131	1.44 274	0.69 131	6.92 378	0.51 105	0.20 99	0.15 113	0.24 170	0.19 105	0.21 123	0.16 13

XX-Stereo	0.97 249	0.28 44	8.28 388	0.85 333	0.70 312	0.44 16	0.22 2	1.07 52	0.69 26	0.66 42	1.56 274	1.38 266	0.38 15	1.36 137	0.38 28	0.21 123	0.14 59	0.20 72	0.19 105	0.19 61	0.16 13

RAFT-Stereo + iAFF	0.56 50	0.28 44	0.81 101	0.45 8	0.25 8	0.40 9	0.34 42	1.12 74	1.13 163	1.35 243	1.58 279	0.80 94	0.67 125	0.71 32	0.43 60	0.14 1	0.11 2	0.18 34	0.17 72	0.18 35	0.16 13

CFNet-RSSM	0.57 62	0.25 17	0.76 82	0.49 36	0.28 40	0.59 81	0.27 15	1.89 247	1.17 183	1.09 115	0.95 71	1.06 187	0.53 64	0.74 36	0.41 52	0.17 18	0.13 17	0.17 14	0.15 31	0.16 11	0.16 13

MIF-Stereo	0.38 1	0.24 9	0.67 49	0.49 36	0.36 141	0.40 9	0.32 30	0.55 1	0.55 4	0.55 32	0.55 17	0.36 2	0.31 6	0.59 12	0.52 111	0.21 123	0.15 113	0.17 14	0.15 31	0.19 61	0.17 23

AEACV	0.41 4	0.25 17	0.60 24	0.55 112	0.52 240	0.43 14	0.38 71	0.98 32	0.63 17	0.44 6	0.56 18	0.46 16	0.59 98	0.56 6	0.31 1	0.17 18	0.13 17	0.18 34	0.16 55	0.17 20	0.17 23

RAFT_CTSACE	0.66 113	0.29 63	1.14 213	0.57 142	0.51 237	0.68 126	0.44 127	0.88 20	0.98 105	1.03 104	1.83 318	1.23 229	0.67 125	1.48 162	0.38 28	0.16 7	0.16 140	0.21 95	0.20 131	0.20 88	0.17 23

test_3	0.57 62	0.24 9	0.87 140	0.55 112	0.30 64	0.60 85	0.40 82	1.07 52	1.08 139	1.20 172	0.68 26	0.92 145	0.43 24	1.68 194	0.40 46	0.16 7	0.13 17	0.22 122	0.19 105	0.21 123	0.17 23

RAFT-345	0.86 216	0.26 20	0.73 69	0.53 91	0.28 40	0.53 53	0.41 90	0.85 16	1.31 245	1.33 232	2.32 354	0.85 121	0.53 64	5.69 352	0.48 91	0.19 65	0.14 59	0.22 122	0.17 72	0.17 20	0.17 23

CroCo-Stereo	0.42 8	0.33 137	0.83 118	0.59 165	0.28 40	0.26 1	0.33 34	1.22 111	0.85 62	0.43 5	0.49 7	0.65 62	0.46 38	0.40 1	0.36 16	0.19 65	0.15 113	0.16 8	0.14 23	0.20 88	0.17 23
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
cross-raft	0.56 50	0.26 20	0.65 44	0.55 112	0.31 78	0.66 117	0.37 64	1.68 192	0.82 54	1.06 112	1.07 110	1.25 234	0.45 31	0.74 36	0.39 31	0.15 4	0.13 17	0.19 49	0.16 55	0.19 61	0.17 23

raft+_RVC	0.56 50	0.29 63	0.61 28	0.65 221	0.56 260	0.53 53	0.53 182	1.40 140	1.02 122	0.78 55	1.04 103	0.70 75	0.55 73	1.00 85	0.49 100	0.18 40	0.16 140	0.19 49	0.19 105	0.18 35	0.17 23

Gwc-CoAtRS	0.55 39	0.27 36	0.73 69	0.49 36	0.30 64	0.63 99	0.25 4	1.38 138	1.12 158	1.05 108	1.02 92	1.10 202	0.55 73	0.72 34	0.44 64	0.17 18	0.14 59	0.17 14	0.15 31	0.16 11	0.17 23

MGS-Stereo	0.43 11	0.28 44	0.61 28	0.46 14	0.28 40	0.49 29	0.33 34	0.60 2	0.89 67	0.47 12	1.32 202	0.51 34	0.32 9	0.66 28	0.39 31	0.20 99	0.16 140	0.18 34	0.16 55	0.18 35	0.18 32

IGEV+	0.45 12	0.24 9	0.63 33	0.58 152	0.32 98	0.42 13	0.25 4	2.16 304	0.65 22	0.38 2	0.58 19	0.46 16	0.44 28	0.56 6	0.40 46	0.20 99	0.13 17	0.16 8	0.13 11	0.17 20	0.18 32

AE-Stereo	0.58 73	0.29 63	0.81 101	0.62 193	0.41 183	0.69 134	0.46 141	2.49 356	1.25 214	0.49 18	0.77 41	0.69 72	0.46 38	0.61 15	0.42 57	0.17 18	0.16 140	0.21 95	0.20 131	0.19 61	0.18 32

rrr	0.57 62	0.33 137	2.43 335	0.46 14	0.34 124	0.50 40	0.38 71	0.84 15	0.55 4	0.48 15	0.48 5	0.48 26	0.45 31	2.28 266	0.44 64	0.19 65	0.14 59	0.19 49	0.15 31	0.17 20	0.18 32

test croco	0.49 28	0.29 63	1.23 241	0.51 59	0.40 173	0.35 5	0.37 64	1.04 47	0.62 16	0.44 6	0.76 38	0.42 5	0.41 18	1.17 120	0.46 79	0.23 172	0.15 113	0.24 170	0.19 105	0.25 199	0.18 32

MIM_Stereo	0.60 90	0.26 20	1.02 185	0.49 36	0.32 98	0.52 49	0.28 18	1.41 144	0.82 54	1.02 100	1.16 152	0.93 147	0.53 64	1.48 162	0.63 161	0.17 18	0.17 163	0.20 72	0.19 105	0.17 20	0.18 32

RAFT-Test	0.58 73	0.27 36	0.81 101	0.50 48	0.33 112	0.95 223	0.27 15	1.40 140	0.89 67	1.00 93	1.12 131	1.39 267	0.48 46	0.74 36	0.41 52	0.17 18	0.14 59	0.17 14	0.14 23	0.16 11	0.18 32

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 62	0.22 2	1.23 115	0.56 6	0.44 6	0.43 2	0.68 68	0.29 3	0.89 68	0.34 4	0.17 18	0.12 5	0.20 72	0.17 72	0.17 20	0.18 32

ProNet	0.46 21	0.30 81	0.69 55	0.46 14	0.32 98	0.57 71	0.52 176	1.15 91	0.67 23	0.44 6	0.50 8	0.44 8	0.43 24	1.31 130	0.38 28	0.16 7	0.15 113	0.19 49	0.16 55	0.18 35	0.18 32

test_4	0.55 39	0.23 6	0.67 49	0.56 124	0.32 98	0.71 139	0.39 80	0.83 12	0.72 29	0.93 83	1.87 325	0.70 75	0.41 18	1.21 124	0.39 31	0.16 7	0.13 17	0.21 95	0.23 217	0.20 88	0.18 32

GMOStereo	0.55 39	0.28 44	0.72 59	0.52 71	0.30 64	0.53 53	0.43 110	1.02 39	0.98 105	1.44 275	1.14 146	0.88 129	0.57 80	0.62 19	0.39 31	0.16 7	0.14 59	0.24 170	0.22 190	0.20 88	0.18 32

error version	0.55 39	0.28 44	0.72 59	0.52 71	0.30 64	0.53 53	0.43 110	1.02 39	0.98 105	1.44 275	1.14 146	0.88 129	0.57 80	0.62 19	0.39 31	0.16 7	0.14 59	0.24 170	0.22 190	0.20 88	0.18 32

test-v	0.55 39	0.28 44	0.72 59	0.52 71	0.30 64	0.53 53	0.43 110	1.02 39	0.98 105	1.44 275	1.14 146	0.88 129	0.57 80	0.62 19	0.39 31	0.16 7	0.14 59	0.24 170	0.22 190	0.20 88	0.18 32

NRIStereo	0.62 95	0.31 106	0.78 91	0.56 124	0.28 40	0.63 99	0.33 34	1.16 94	0.92 78	1.15 144	0.87 59	0.90 137	0.58 95	2.24 262	0.56 137	0.22 152	0.14 59	0.21 95	0.19 105	0.22 142	0.18 32

test-2	0.55 39	0.28 44	0.72 59	0.52 71	0.30 64	0.53 53	0.43 110	1.02 39	0.98 105	1.44 275	1.14 146	0.88 129	0.57 80	0.62 19	0.39 31	0.16 7	0.14 59	0.24 170	0.22 190	0.20 88	0.18 32

iRaftStereo_RVC	0.49 28	0.28 44	0.72 59	0.53 91	0.29 52	0.52 49	0.33 34	1.14 80	0.84 59	0.85 70	0.99 84	0.55 41	0.36 13	0.83 56	0.40 46	0.18 40	0.13 17	0.22 122	0.20 131	0.20 88	0.18 32

TestStereo	0.65 111	0.42 245	0.83 118	0.52 71	0.27 19	0.57 71	0.44 127	1.07 52	0.92 78	0.85 70	1.01 90	0.68 68	0.56 78	3.22 304	0.47 87	0.23 172	0.15 113	0.24 170	0.18 86	0.28 227	0.18 32

raftrobust	0.55 39	0.27 36	0.63 33	0.68 256	0.69 306	0.50 40	0.34 42	1.08 57	0.97 102	1.32 227	0.88 62	0.62 55	0.80 163	0.82 53	0.44 64	0.20 99	0.16 140	0.16 8	0.14 23	0.15 4	0.18 32

test_xeample3	0.57 62	0.33 137	3.11 352	0.46 14	0.34 124	0.55 66	0.38 71	0.86 19	0.49 2	0.54 31	0.46 3	0.44 8	0.44 28	1.49 168	0.45 75	0.18 40	0.14 59	0.19 49	0.15 31	0.17 20	0.18 32

ARAFT	0.82 196	0.40 233	1.77 295	0.53 91	0.31 78	0.89 200	0.81 280	2.32 331	1.08 139	1.66 320	1.25 177	1.04 182	0.64 115	1.91 227	0.52 111	0.20 99	0.15 113	0.28 249	0.27 262	0.17 20	0.18 32

HITNet	0.71 147	0.42 245	1.07 198	0.52 71	0.25 8	1.05 240	0.48 154	2.12 293	1.08 139	1.21 178	1.23 171	0.91 140	0.84 173	0.90 71	0.91 224	0.17 18	0.12 5	0.21 95	0.17 72	0.29 237	0.18 32
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
MSKI-zero shot	0.56 50	0.30 81	0.61 28	0.55 112	0.28 40	0.68 126	0.28 18	1.25 118	0.68 24	0.92 80	1.33 207	0.81 100	0.33 11	1.94 230	0.36 16	0.18 40	0.13 17	0.17 14	0.13 11	0.16 11	0.19 53

Any-RAFT	0.55 39	0.27 36	0.49 11	0.50 48	0.27 19	0.98 230	0.25 4	1.71 205	1.08 139	0.90 78	0.99 84	1.13 211	0.46 38	0.74 36	0.35 6	0.19 65	0.13 17	0.17 14	0.13 11	0.16 11	0.19 53

HH	0.68 130	0.33 137	0.83 118	0.53 91	0.34 124	0.92 212	0.45 135	1.79 219	0.74 37	0.71 46	1.13 141	1.60 300	0.83 171	1.95 233	0.39 31	0.18 40	0.14 59	0.19 49	0.17 72	0.19 61	0.19 53

HanStereo	0.68 130	0.33 137	0.83 118	0.53 91	0.34 124	0.92 212	0.45 135	1.79 219	0.74 37	0.71 46	1.13 141	1.60 300	0.83 171	1.95 233	0.39 31	0.18 40	0.14 59	0.19 49	0.17 72	0.19 61	0.19 53

LL-Strereo2	0.56 50	0.36 190	0.77 85	0.56 124	0.40 173	0.68 126	0.37 64	1.21 109	0.83 57	0.96 87	0.79 45	0.91 140	0.41 18	1.08 102	0.48 91	0.18 40	0.17 163	0.29 257	0.25 237	0.22 142	0.19 53

Selective-RAFT	0.55 39	0.29 63	0.85 133	0.58 152	0.28 40	0.91 205	0.34 42	1.00 38	0.96 98	0.59 33	0.64 21	0.80 94	0.76 143	1.34 135	0.51 105	0.21 123	0.15 113	0.17 14	0.15 31	0.19 61	0.19 53

raft_robust	0.71 147	0.32 120	0.75 79	0.54 102	0.28 40	0.54 62	0.35 51	1.54 165	1.24 208	1.18 161	1.07 110	0.73 82	0.53 64	3.65 313	0.40 46	0.19 65	0.16 140	0.20 72	0.22 190	0.21 123	0.19 53

RAFT+CT+SA	0.63 104	0.30 81	0.73 69	0.69 266	0.37 146	0.40 9	0.55 198	1.93 256	1.04 131	0.72 49	1.23 171	0.62 55	0.69 131	1.69 198	0.42 57	0.19 65	0.13 17	0.22 122	0.22 190	0.21 123	0.19 53

Sa-1000	0.76 166	0.30 81	0.92 155	0.62 193	0.31 78	0.78 165	0.37 64	2.00 270	1.38 268	1.30 219	2.04 339	0.86 122	0.74 137	1.87 220	0.40 46	0.19 65	0.14 59	0.25 206	0.24 229	0.21 123	0.19 53

SA	0.69 139	0.31 106	0.97 173	0.64 214	0.30 64	0.56 69	0.38 71	1.84 232	1.35 254	0.99 89	1.37 220	0.69 72	0.94 216	1.88 226	0.43 60	0.20 99	0.16 140	0.25 206	0.23 217	0.22 142	0.19 53

SST-Stereo	0.85 214	0.30 81	0.81 101	0.63 203	0.31 78	0.70 137	0.25 4	1.16 94	0.95 94	1.47 284	1.11 128	0.99 168	0.86 185	5.69 352	0.53 120	0.23 172	0.13 17	0.23 149	0.19 105	0.23 160	0.19 53

RAFT_R40	0.84 209	0.30 81	0.83 118	0.63 203	0.31 78	0.66 117	0.43 110	1.15 91	0.99 112	1.47 284	1.10 121	1.00 172	0.84 173	5.44 348	0.53 120	0.23 172	0.13 17	0.23 149	0.20 131	0.23 160	0.19 53

RAFT-RH_RVC	1.04 264	0.26 20	0.76 82	0.53 91	0.29 52	0.80 170	0.32 30	0.85 16	1.12 158	2.04 352	4.63 390	1.03 181	0.57 80	5.93 358	0.52 111	0.20 99	0.13 17	0.26 228	0.20 131	0.16 11	0.19 53

RALAANet	0.62 95	0.37 206	0.97 173	0.66 234	0.50 228	0.67 122	0.31 26	1.27 123	1.09 146	1.11 118	1.17 154	0.88 129	0.46 38	1.27 129	0.45 75	0.20 99	0.15 113	0.21 95	0.18 86	0.27 212	0.19 53

ACVNet	0.66 113	0.33 137	0.74 74	0.55 112	0.37 146	0.80 170	0.47 150	1.46 151	1.11 153	1.01 96	1.31 197	1.07 190	0.91 205	0.82 53	1.09 256	0.22 152	0.19 201	0.21 95	0.18 86	0.23 160	0.19 53

acv_ft	0.78 173	0.33 137	1.10 204	0.73 290	0.86 346	1.23 276	0.57 207	1.65 190	1.11 153	1.31 225	1.31 197	1.07 190	0.91 205	0.82 53	1.35 288	0.22 152	0.19 201	0.21 95	0.18 86	0.22 142	0.19 53

R-Stereo Train	0.60 90	0.30 81	0.72 59	0.57 142	0.37 146	0.68 126	0.52 176	1.45 149	0.78 43	1.61 313	1.50 256	0.76 85	0.53 64	0.67 29	0.51 105	0.19 65	0.16 140	0.18 34	0.15 31	0.18 35	0.19 53

RAFT-Stereo	0.60 90	0.30 81	0.72 59	0.57 142	0.37 146	0.68 126	0.52 176	1.45 149	0.78 43	1.61 313	1.50 256	0.76 85	0.53 64	0.67 29	0.51 105	0.19 65	0.16 140	0.18 34	0.15 31	0.18 35	0.19 53
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	1.16 284	0.34 164	1.11 206	0.73 290	0.86 346	1.00 232	0.60 226	1.56 169	1.43 291	1.07 113	1.37 220	2.08 351	1.44 324	7.00 380	1.56 310	0.20 99	0.17 163	0.17 14	0.19 105	0.19 61	0.19 53

Former-RAFT_DAM_RVC	0.47 24	0.38 223	0.75 79	0.48 30	0.37 146	0.67 122	0.35 51	0.82 11	1.14 169	0.61 40	0.64 21	0.39 4	0.39 16	0.74 36	0.39 31	0.20 99	0.17 163	0.22 122	0.18 86	0.24 189	0.20 72

MIF-Stereo (partial)	0.48 27	0.28 44	0.83 118	0.51 59	0.53 245	0.39 8	0.27 15	1.03 45	0.64 19	0.47 12	0.71 34	0.51 34	0.51 58	1.13 113	0.47 87	0.20 99	0.16 140	0.23 149	0.20 131	0.24 189	0.20 72

TestStereo1	0.66 113	0.29 63	0.95 165	0.82 323	0.32 98	0.47 19	0.43 110	1.52 159	1.22 204	0.99 89	1.32 202	0.65 62	0.76 143	1.78 207	0.44 64	0.20 99	0.16 140	0.22 122	0.19 105	0.21 123	0.20 72

test_5	0.70 141	0.32 120	0.99 177	0.69 266	0.50 228	0.89 200	0.51 168	1.88 245	1.14 169	0.78 55	1.13 141	1.04 182	0.89 200	1.59 180	0.46 79	0.19 65	0.14 59	0.23 149	0.22 190	0.22 142	0.20 72

SA-5K	0.66 113	0.29 63	0.95 165	0.82 323	0.32 98	0.47 19	0.43 110	1.52 159	1.22 204	0.99 89	1.32 202	0.65 62	0.76 143	1.78 207	0.44 64	0.20 99	0.16 140	0.22 122	0.19 105	0.21 123	0.20 72

IPLGR	0.62 95	0.28 44	1.32 256	0.50 48	0.29 52	0.65 111	0.34 42	1.47 154	1.19 188	1.21 178	1.07 110	0.70 75	0.65 119	1.05 94	0.55 130	0.18 40	0.15 113	0.20 72	0.17 72	0.21 123	0.20 72

TRStereo	0.67 121	0.71 331	1.06 194	0.77 311	0.68 303	0.53 53	0.38 71	2.52 360	0.96 98	0.81 62	0.84 54	0.87 123	0.39 16	1.16 117	0.46 79	0.24 190	0.17 163	0.23 149	0.24 229	0.18 35	0.20 72

Patchmatch Stereo++	0.57 62	0.33 137	0.82 110	0.52 71	0.27 19	0.63 99	0.28 18	1.14 80	0.73 30	1.13 129	0.96 73	0.82 106	0.60 102	1.40 144	0.52 111	0.23 172	0.14 59	0.24 170	0.20 131	0.27 212	0.20 72
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.56 50	0.33 137	0.81 101	0.52 71	0.27 19	0.63 99	0.41 90	1.14 80	0.73 30	1.13 129	0.96 73	0.82 106	0.60 102	1.09 106	0.52 111	0.23 172	0.14 59	0.24 170	0.20 131	0.27 212	0.20 72

ROB_FTStereo_v2	0.57 62	0.33 137	0.81 101	0.52 71	0.27 19	0.62 91	0.42 94	1.14 80	0.73 30	1.13 129	0.97 80	0.82 106	0.60 102	1.15 115	0.53 120	0.23 172	0.14 59	0.24 170	0.20 131	0.27 212	0.20 72

ROB_FTStereo	0.56 50	0.33 137	0.82 110	0.52 71	0.27 19	0.62 91	0.25 4	1.14 80	0.74 37	1.13 129	0.96 73	0.82 106	0.60 102	1.18 121	0.52 111	0.23 172	0.14 59	0.24 170	0.20 131	0.27 212	0.20 72

HUI-Stereo	0.54 38	0.33 137	0.81 101	0.52 71	0.27 19	0.62 91	0.29 22	1.14 80	0.74 37	1.13 129	0.96 73	0.82 106	0.60 102	0.83 56	0.52 111	0.23 172	0.14 59	0.24 170	0.20 131	0.27 212	0.20 72

PFNet	0.92 238	0.28 44	1.20 235	0.68 256	0.32 98	0.62 91	0.55 198	1.27 123	1.01 119	1.47 284	1.09 119	0.97 162	0.68 128	6.58 372	0.59 151	0.21 123	0.13 17	0.24 170	0.19 105	0.20 88	0.20 72

iGMRVC	0.58 73	0.33 137	0.81 101	0.52 71	0.27 19	0.62 91	0.38 71	1.14 80	0.73 30	1.13 129	0.97 80	0.82 106	0.59 98	1.54 171	0.53 120	0.23 172	0.14 59	0.24 170	0.20 131	0.27 212	0.20 72

iRAFT	0.57 62	0.33 137	0.82 110	0.52 71	0.27 19	0.63 99	0.28 18	1.14 80	0.73 30	1.13 129	0.96 73	0.82 106	0.60 102	1.40 144	0.52 111	0.23 172	0.14 59	0.24 170	0.20 131	0.27 212	0.20 72

RAFT-IKP	0.57 62	0.33 137	0.82 110	0.52 71	0.27 19	0.57 71	0.35 51	1.14 80	0.73 30	1.13 129	0.96 73	0.83 114	0.61 112	1.26 127	0.53 120	0.23 172	0.14 59	0.24 170	0.20 131	0.27 212	0.20 72

UPFNet	0.84 209	0.34 164	1.09 201	0.62 193	0.74 317	1.25 278	0.78 268	1.69 201	1.20 192	1.39 256	1.13 141	1.30 250	0.87 191	1.73 201	1.22 271	0.24 190	0.26 283	0.24 170	0.23 217	0.26 210	0.20 72

pmcnn	2.84 385	0.46 258	5.19 377	0.68 256	0.42 190	1.55 311	1.16 336	2.32 331	1.60 327	2.72 373	7.49 404	17.96 419	1.48 328	6.04 361	6.64 386	0.18 40	0.15 113	0.15 3	0.12 9	0.20 88	0.20 72

CoDeX	0.78 173	0.31 106	1.04 189	0.56 124	0.37 146	1.13 252	0.60 226	2.77 374	1.29 236	1.17 150	1.26 179	0.91 140	0.87 191	1.42 151	0.74 187	0.21 123	0.16 140	0.21 95	0.18 86	0.21 123	0.21 90

ff7	0.45 12	0.30 81	0.64 39	0.47 25	0.33 112	0.49 29	0.42 94	0.93 22	0.59 7	0.50 21	0.53 9	0.44 8	0.48 46	1.41 146	0.36 16	0.18 40	0.13 17	0.21 95	0.15 31	0.18 35	0.21 90

IGEVStereo-DCA	0.49 28	0.33 137	0.64 39	0.46 14	0.34 124	0.50 40	0.42 94	0.93 22	0.59 7	0.48 15	0.48 5	0.48 26	0.45 31	2.28 266	0.44 64	0.19 65	0.14 59	0.19 49	0.15 31	0.17 20	0.21 90

ffff	0.45 12	0.30 81	0.64 39	0.47 25	0.33 112	0.49 29	0.42 94	0.93 22	0.59 7	0.50 21	0.53 9	0.44 8	0.48 46	1.41 146	0.36 16	0.18 40	0.13 17	0.21 95	0.15 31	0.18 35	0.21 90

11t	0.45 12	0.30 81	0.64 39	0.47 25	0.33 112	0.49 29	0.42 94	0.93 22	0.59 7	0.50 21	0.53 9	0.44 8	0.48 46	1.41 146	0.36 16	0.18 40	0.13 17	0.21 95	0.15 31	0.18 35	0.21 90

anonymousdsp	0.45 12	0.30 81	0.60 24	0.48 30	0.34 124	0.49 29	0.42 94	0.97 28	0.60 12	0.51 28	0.53 9	0.46 16	0.47 44	1.36 137	0.35 6	0.18 40	0.13 17	0.21 95	0.15 31	0.18 35	0.21 90

CroCo-Stereo Lap2	0.46 21	0.37 206	0.87 140	0.62 193	0.79 332	0.28 2	0.35 51	0.81 7	0.73 30	0.39 4	0.54 15	0.71 81	0.54 71	0.60 14	0.48 91	0.18 40	0.18 187	0.19 49	0.16 55	0.21 123	0.21 90

ccc-4	0.45 12	0.30 81	0.64 39	0.47 25	0.33 112	0.49 29	0.42 94	0.93 22	0.59 7	0.50 21	0.53 9	0.44 8	0.48 46	1.41 146	0.36 16	0.18 40	0.13 17	0.21 95	0.15 31	0.18 35	0.21 90

IER	0.74 158	0.33 137	1.25 246	0.50 48	0.53 245	1.32 283	0.55 198	1.31 130	1.08 139	1.30 219	1.34 210	1.11 207	1.10 273	1.05 94	0.81 207	0.20 99	0.17 163	0.21 95	0.21 168	0.20 88	0.21 90

IGEV-Stereo	0.45 12	0.30 81	0.60 24	0.48 30	0.34 124	0.49 29	0.42 94	0.98 32	0.60 12	0.51 28	0.53 9	0.46 16	0.47 44	1.36 137	0.35 6	0.18 40	0.13 17	0.21 95	0.15 31	0.18 35	0.21 90
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.41 4	0.27 36	0.43 5	0.55 112	0.24 6	0.47 19	0.30 24	0.81 7	0.64 19	0.53 30	0.74 37	0.50 33	0.31 6	0.65 26	0.45 75	0.18 40	0.20 211	0.23 149	0.19 105	0.21 123	0.21 90

IPLG	0.72 152	0.29 63	1.12 209	0.53 91	0.44 200	0.79 169	0.33 34	1.35 133	1.10 149	1.32 227	1.11 128	0.52 38	0.54 71	3.13 300	0.71 184	0.17 18	0.14 59	0.20 72	0.17 72	0.18 35	0.21 90

MIPNet	0.60 90	0.31 106	1.07 198	0.51 59	0.34 124	0.68 126	0.40 82	1.67 191	1.14 169	1.11 118	0.93 68	0.60 51	0.78 152	0.77 43	0.58 145	0.18 40	0.14 59	0.19 49	0.16 55	0.18 35	0.21 90

STrans-v2	1.06 268	0.31 106	1.02 185	0.52 71	0.33 112	0.67 122	0.78 268	2.66 370	1.26 220	1.15 144	1.46 244	1.37 265	1.40 319	6.68 375	0.46 79	0.19 65	0.13 17	0.21 95	0.18 86	0.18 35	0.21 90

IRAFT_RVC	0.90 230	0.30 81	0.89 145	0.67 247	0.31 78	0.64 107	1.00 318	1.40 140	0.97 102	1.23 184	1.04 103	1.00 172	0.96 223	5.77 355	0.57 140	0.24 190	0.13 17	0.25 206	0.21 168	0.20 88	0.21 90

rafts_anoy	0.55 39	0.32 120	0.66 46	0.72 283	0.61 282	0.53 53	0.40 82	1.24 116	1.06 135	0.85 70	0.83 53	0.67 66	0.53 64	0.77 43	0.55 130	0.20 99	0.15 113	0.25 206	0.26 248	0.22 142	0.21 90

EAI-Stereo	0.76 166	0.31 106	0.74 74	0.55 112	0.28 40	0.70 137	1.72 370	2.57 363	0.90 72	0.75 53	3.03 372	0.57 45	0.43 24	1.10 108	0.49 100	0.19 65	0.14 59	0.17 14	0.18 86	0.17 20	0.21 90

SFCPSM	0.74 158	0.30 81	1.06 194	0.52 71	0.39 164	1.36 291	0.64 237	2.42 343	1.11 153	1.18 161	1.21 165	0.81 100	0.78 152	1.08 102	0.57 140	0.22 152	0.17 163	0.22 122	0.24 229	0.23 160	0.21 90

cf-r	0.79 181	0.32 120	1.06 194	0.57 142	0.64 289	0.78 165	0.51 168	2.04 278	1.22 204	1.20 172	1.27 186	1.53 291	0.91 205	1.47 160	0.94 236	0.25 210	0.19 201	0.22 122	0.23 217	0.19 61	0.21 90

GwcNet-RSSM	0.83 205	0.34 164	1.29 253	0.65 221	0.55 256	0.78 165	0.62 230	1.89 247	1.27 224	1.18 161	1.39 226	1.56 296	0.91 205	1.60 185	1.22 271	0.26 228	0.20 211	0.23 149	0.24 229	0.21 123	0.21 90

iResNetv2_ROB	0.88 221	0.43 249	2.62 343	0.60 172	0.38 157	0.94 217	0.67 243	1.88 245	1.38 268	1.27 207	1.45 242	1.26 240	1.05 263	1.92 228	0.64 164	0.24 190	0.15 113	0.19 49	0.14 23	0.24 189	0.21 90

tta	0.79 181	0.32 120	0.95 165	0.49 36	0.27 19	0.83 184	0.43 110	2.16 304	1.45 298	1.27 207	1.50 256	0.98 163	0.96 223	1.87 220	0.99 243	0.24 190	0.22 234	0.22 122	0.21 168	0.19 61	0.22 111

qqq1	0.76 166	0.32 120	0.95 165	0.49 36	0.27 19	0.83 184	0.43 110	2.16 304	1.45 298	1.27 207	1.50 256	0.98 163	0.96 223	1.87 220	0.48 91	0.24 190	0.22 234	0.18 34	0.15 31	0.19 61	0.22 111

fff1	0.76 166	0.32 120	0.95 165	0.49 36	0.27 19	0.83 184	0.43 110	2.16 304	1.45 298	1.27 207	1.50 256	0.98 163	0.96 223	1.87 220	0.48 91	0.24 190	0.22 234	0.18 34	0.15 31	0.19 61	0.22 111

StereoVision	0.67 121	0.37 206	1.02 185	0.60 172	0.41 183	0.50 40	0.41 90	1.32 131	0.96 98	0.73 50	2.48 363	0.82 106	0.57 80	1.06 98	0.50 103	0.26 228	0.28 295	0.29 257	0.28 271	0.37 280	0.22 111

anonymousdsp2	0.58 73	0.29 63	0.93 156	0.51 59	0.30 64	0.75 149	0.46 141	1.95 260	0.87 65	0.81 62	0.78 43	0.76 85	0.48 46	1.10 108	0.45 75	0.19 65	0.14 59	0.18 34	0.13 11	0.20 88	0.22 111

DCRE	0.85 214	0.28 44	0.76 82	0.60 172	0.49 224	0.59 81	0.53 182	1.04 47	0.92 78	0.80 58	7.34 403	0.87 123	0.57 80	0.78 50	0.43 60	0.16 7	0.17 163	0.19 49	0.17 72	0.18 35	0.22 111

anonymousa	0.78 173	0.30 81	0.85 133	0.51 59	0.96 359	1.41 299	0.47 150	1.61 183	0.94 90	1.33 232	1.77 309	1.66 308	1.11 275	0.72 34	0.63 161	0.19 65	0.18 187	0.23 149	0.25 237	0.20 88	0.22 111

LMCR-Stereo	0.87 219	0.50 274	0.99 177	0.80 316	0.43 193	1.32 283	0.55 198	2.79 377	1.03 125	1.55 303	1.49 249	0.74 83	1.01 245	1.76 204	0.99 243	0.30 273	0.17 163	0.22 122	0.18 86	0.31 252	0.22 111

RALCasStereoNet	0.58 73	0.34 164	0.77 85	0.65 221	0.64 289	0.64 107	0.51 168	1.06 51	0.99 112	0.71 46	1.06 108	0.77 89	0.44 28	1.38 141	0.52 111	0.20 99	0.18 187	0.18 34	0.16 55	0.20 88	0.22 111

ac_64	0.86 216	0.32 120	1.02 185	0.74 296	0.60 277	1.04 237	0.53 182	2.20 318	0.99 112	1.23 184	1.11 128	1.96 338	1.06 265	2.01 241	1.01 248	0.30 273	0.22 234	0.24 170	0.23 217	0.22 142	0.22 111

DIP-Stereo	0.64 107	0.32 120	0.91 153	0.49 36	0.36 141	0.91 205	0.33 34	2.51 359	0.77 42	1.25 192	1.00 88	0.68 68	0.51 58	0.92 73	0.65 168	0.19 65	0.15 113	0.21 95	0.17 72	0.19 61	0.22 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.91 235	0.31 106	0.60 24	0.54 102	0.31 78	1.15 258	0.60 226	3.76 390	1.30 238	1.57 307	1.75 306	1.67 310	1.01 245	1.61 187	0.90 222	0.23 172	0.17 163	0.19 49	0.18 86	0.20 88	0.22 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.99 254	0.40 233	1.23 241	0.65 221	0.43 193	1.03 236	0.49 162	2.01 271	1.35 254	1.02 100	1.39 226	1.10 202	0.86 185	5.47 349	0.89 219	0.24 190	0.18 187	0.28 249	0.27 262	0.27 212	0.22 111

MLCV	0.77 171	0.39 228	1.31 254	0.55 112	0.25 8	0.91 205	0.39 80	1.48 156	1.28 228	1.49 291	1.54 266	1.02 178	0.68 128	2.12 254	0.93 231	0.19 65	0.13 17	0.19 49	0.14 23	0.19 61	0.22 111

MyStereo07	0.50 32	0.30 81	0.58 18	0.58 152	0.48 218	0.59 81	0.78 268	1.19 101	0.60 12	0.49 18	0.54 15	0.43 7	0.55 73	1.32 133	0.36 16	0.18 40	0.18 187	0.24 170	0.21 168	0.23 160	0.23 125

MyStereo06	0.67 121	0.29 63	1.06 194	0.58 152	0.48 218	0.62 91	0.72 257	2.26 323	0.89 67	1.07 113	1.12 131	1.22 225	0.56 78	0.83 56	0.47 87	0.17 18	0.17 163	0.24 170	0.21 168	0.23 160	0.23 125

MyStereo05	0.70 141	0.29 63	1.22 239	0.58 152	0.48 218	0.62 91	0.72 257	1.52 159	1.54 317	1.17 150	0.91 66	0.77 89	0.79 157	1.45 156	0.68 177	0.17 18	0.17 163	0.24 170	0.21 168	0.23 160	0.23 125

MyStereo04	0.71 147	0.30 81	1.28 250	0.58 152	0.48 218	0.59 81	0.78 268	1.74 210	1.49 310	0.94 84	0.91 66	0.74 83	0.86 185	1.59 180	0.69 178	0.18 40	0.18 187	0.24 170	0.21 168	0.23 160	0.23 125

cc1	0.68 130	0.34 164	0.63 33	0.60 172	0.27 19	1.16 261	0.51 168	1.07 52	3.23 386	0.60 36	0.80 48	0.47 22	0.87 191	1.48 162	0.35 6	0.21 123	0.13 17	0.25 206	0.15 31	0.19 61	0.23 125

DualNet	1.46 321	0.36 190	1.51 274	0.56 124	0.40 173	0.76 155	0.59 218	1.08 57	2.62 374	1.19 166	1.49 249	1.07 190	0.85 178	1.57 174	13.82 406	0.21 123	0.13 17	0.31 270	0.28 271	0.20 88	0.23 125

ffm	0.79 181	0.36 190	1.51 274	0.56 124	0.40 173	0.76 155	0.59 218	1.08 57	2.62 374	1.19 166	1.49 249	1.07 190	0.85 178	1.57 174	0.35 6	0.21 123	0.13 17	0.31 270	0.28 271	0.20 88	0.23 125

ff1	1.88 352	0.36 190	1.51 274	0.56 124	0.40 173	0.76 155	0.59 218	1.08 57	2.62 374	1.19 166	1.49 249	1.07 190	0.85 178	9.88 409	13.82 406	0.21 123	0.13 17	0.31 270	0.28 271	0.20 88	0.23 125

tt1	0.65 111	0.34 164	0.65 44	0.60 172	0.27 19	1.14 255	0.48 154	1.08 57	2.62 374	0.59 33	0.79 45	0.49 30	0.80 163	1.57 174	0.35 6	0.21 123	0.13 17	0.25 206	0.16 55	0.20 88	0.23 125

GMStereo_Zeroshot	0.70 141	0.64 314	1.11 206	0.65 221	0.38 157	0.84 191	0.37 64	1.09 64	1.16 179	1.14 142	1.07 110	1.26 240	0.55 73	1.23 125	0.65 168	0.34 294	0.17 163	0.31 270	0.18 86	0.57 344	0.23 125

IGEV_Zeroshot_test	0.59 84	0.33 137	1.11 206	0.63 203	0.37 146	0.41 12	0.33 34	1.80 223	0.79 49	1.04 106	1.10 121	1.06 187	0.43 24	0.87 64	0.48 91	0.18 40	0.13 17	0.19 49	0.18 86	0.20 88	0.23 125

DLNR_Zeroshot_test	23.23 423	48.25 441	43.77 430	177.04 441	78.39 437	0.35 5	0.21 1	23.33 424	0.82 54	0.67 44	0.86 57	0.58 46	0.30 4	1.64 189	0.48 91	10.69 425	0.13 17	0.18 34	0.14 23	76.63 440	0.23 125

iRaft-Stereo_20w	0.71 147	0.33 137	1.25 246	0.50 48	0.36 141	0.82 178	0.31 26	3.16 383	0.89 67	1.24 189	1.14 146	0.79 92	0.65 119	1.15 115	0.43 60	0.18 40	0.13 17	0.18 34	0.17 72	0.20 88	0.23 125

TransformOpticalFlow	0.97 249	0.30 81	0.96 172	0.54 102	0.31 78	0.65 111	0.54 191	1.87 240	1.19 188	1.12 126	1.44 239	1.34 259	0.98 233	6.68 375	0.44 64	0.19 65	0.12 5	0.21 95	0.19 105	0.18 35	0.23 125

RAFT	0.67 121	0.32 120	0.83 118	0.63 203	0.34 124	0.69 134	0.57 207	1.14 80	0.84 59	1.12 126	1.20 160	1.75 323	0.92 213	1.09 106	0.60 153	0.22 152	0.19 201	0.27 237	0.24 229	0.22 142	0.23 125

GANet-RSSM	0.78 173	0.31 106	0.90 150	0.67 247	0.58 267	0.80 170	0.62 230	2.04 278	1.15 174	1.11 118	1.27 186	1.26 240	1.18 291	1.68 194	0.74 187	0.26 228	0.21 224	0.22 122	0.22 190	0.23 160	0.23 125

BEATNet_4x	0.82 196	0.54 287	2.02 314	0.56 124	0.28 40	1.04 237	0.55 198	2.14 298	1.13 163	1.24 189	1.26 179	1.00 172	0.94 216	1.13 113	1.23 274	0.21 123	0.14 59	0.24 170	0.20 131	0.37 280	0.23 125

AdaStereo	0.74 158	0.48 266	0.86 138	0.75 303	0.38 157	0.94 217	0.56 204	2.05 282	1.24 208	1.15 144	1.22 167	1.07 190	0.67 125	1.05 94	0.73 185	0.33 287	0.16 140	0.32 282	0.22 190	0.29 237	0.23 125
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.
DN-CSS_ROB	0.67 121	0.36 190	1.36 261	0.59 165	0.41 183	0.54 62	0.45 135	1.30 129	0.95 94	1.05 108	1.47 246	0.69 72	0.64 115	1.80 214	0.60 153	0.19 65	0.15 113	0.25 206	0.23 217	0.22 142	0.23 125

DispNO	1.16 284	0.41 242	3.75 364	0.64 214	0.57 264	0.75 149	0.62 230	2.07 285	1.48 308	1.23 184	1.64 290	1.05 186	1.05 263	5.50 350	1.06 253	0.25 210	0.22 234	0.25 206	0.20 131	0.25 199	0.24 144

DCANet-4	0.59 84	0.28 44	1.65 290	0.44 7	0.25 8	0.48 24	0.36 58	1.15 91	1.36 261	1.13 129	1.03 99	0.56 43	0.74 137	0.77 43	0.58 145	0.17 18	0.14 59	0.17 14	0.13 11	0.15 4	0.24 144

fff	0.58 73	0.26 20	1.15 215	0.46 14	0.25 8	0.48 24	0.36 58	1.20 105	1.28 228	1.13 129	1.03 99	0.59 48	1.04 258	0.77 43	0.58 145	0.17 18	0.14 59	0.17 14	0.13 11	0.15 4	0.24 144

ADStereo(finetuned)	0.62 95	0.26 20	1.59 287	0.45 8	0.25 8	0.49 29	0.36 58	1.18 97	1.35 254	1.16 148	1.04 103	0.60 51	1.18 291	0.85 62	0.57 140	0.17 18	0.14 59	0.17 14	0.13 11	0.19 61	0.24 144

x	0.59 84	0.34 164	0.79 95	0.51 59	0.32 98	0.69 134	0.46 141	1.64 187	0.97 102	0.86 74	0.86 57	0.83 114	0.74 137	0.75 41	0.70 181	0.21 123	0.22 234	0.22 122	0.20 131	0.21 123	0.24 144

BUS	0.78 173	0.34 164	0.77 85	0.55 112	0.45 203	2.30 363	0.42 94	2.65 367	1.04 131	1.25 192	1.12 131	1.02 178	0.70 133	0.94 74	0.75 190	0.25 210	0.18 187	0.25 206	0.22 190	0.23 160	0.24 144

BSDual-CNN	0.75 161	0.34 164	0.77 85	0.55 112	0.45 203	1.25 278	0.66 241	2.65 367	1.04 131	1.25 192	1.12 131	1.11 207	0.77 147	0.94 74	0.76 193	0.25 210	0.18 187	0.25 206	0.22 190	0.23 160	0.24 144

hknet	0.82 196	0.34 164	1.15 215	0.55 112	0.39 164	1.25 278	0.66 241	2.65 367	1.10 149	1.25 192	1.12 131	1.58 299	0.85 178	1.41 146	0.79 200	0.23 172	0.18 187	0.25 206	0.22 190	0.23 160	0.24 144

iRaft-Stereo_5w	0.89 223	0.31 106	1.04 189	0.56 124	0.47 216	0.47 19	0.68 245	1.19 101	1.08 139	0.80 58	1.35 215	1.46 279	0.90 203	5.11 339	1.16 263	0.18 40	0.15 113	0.22 122	0.19 105	0.21 123	0.24 144

psmg	0.75 161	0.34 164	0.77 85	0.52 71	0.45 203	1.46 304	0.73 260	2.15 302	1.04 131	1.25 192	1.33 207	1.11 207	0.77 147	0.94 74	0.76 193	0.25 210	0.20 211	0.25 206	0.26 248	0.23 160	0.24 144

DAS	0.89 223	0.37 206	1.20 235	0.66 234	0.69 306	0.82 178	0.62 230	1.79 219	1.26 220	1.93 344	1.55 269	0.96 159	1.17 284	2.72 289	0.69 178	0.22 152	0.16 140	0.25 206	0.18 86	0.29 237	0.24 144

SepStereo	0.87 219	0.37 206	1.20 235	0.66 234	0.69 306	0.82 178	0.62 230	1.79 219	1.26 220	1.93 344	1.55 269	0.96 159	1.17 284	2.34 269	0.69 178	0.22 152	0.16 140	0.25 206	0.18 86	0.29 237	0.24 144

DRaft	0.81 194	0.26 20	0.77 85	0.47 25	0.31 78	0.95 223	0.52 176	1.13 78	0.99 112	1.78 332	2.01 337	0.80 94	1.71 346	2.64 284	0.74 187	0.19 65	0.14 59	0.20 72	0.20 131	0.18 35	0.24 144

CRE-IMP	0.57 62	0.32 120	0.82 110	0.54 102	0.29 52	0.77 164	0.25 4	1.19 101	0.79 49	1.09 115	0.95 71	0.81 100	0.57 80	1.11 111	0.57 140	0.22 152	0.14 59	0.23 149	0.19 105	0.28 227	0.24 144

csc	0.58 73	0.26 20	1.15 215	0.46 14	0.25 8	0.48 24	0.36 58	1.20 105	1.28 228	1.13 129	1.03 99	0.59 48	1.04 258	0.77 43	0.58 145	0.17 18	0.14 59	0.17 14	0.13 11	0.15 4	0.24 144

cscssc	0.58 73	0.26 20	1.15 215	0.46 14	0.25 8	0.48 24	0.36 58	1.20 105	1.28 228	1.13 129	1.03 99	0.59 48	1.04 258	0.77 43	0.58 145	0.17 18	0.14 59	0.17 14	0.13 11	0.15 4	0.24 144

MMNet	0.89 223	0.35 186	1.44 267	0.64 214	0.59 273	1.83 340	0.48 154	1.70 204	1.38 268	1.45 281	1.19 159	1.25 234	1.16 281	1.77 205	1.27 279	0.20 99	0.19 201	0.23 149	0.22 190	0.25 199	0.24 144

delet	0.90 230	0.34 164	1.15 215	0.69 266	0.66 298	1.63 321	0.81 280	1.95 260	1.49 310	1.42 268	1.38 224	1.29 248	0.91 205	1.78 207	1.18 264	0.22 152	0.22 234	0.24 170	0.25 237	0.22 142	0.24 144

FENet	0.62 95	0.30 81	0.68 51	0.57 142	0.33 112	0.82 178	0.40 82	1.41 144	1.12 158	1.03 104	0.87 59	0.98 163	0.84 173	1.00 85	0.70 181	0.23 172	0.16 140	0.23 149	0.20 131	0.22 142	0.24 144

HSM	1.22 296	0.34 164	0.81 101	0.61 185	0.39 164	1.22 274	0.63 236	2.45 347	1.25 214	1.32 227	1.26 179	1.91 328	1.08 268	9.21 400	0.75 190	0.23 172	0.17 163	0.20 72	0.16 55	0.22 142	0.24 144

ACVNet-DCA	0.59 84	0.34 164	0.63 33	0.60 172	0.27 19	1.16 261	0.51 168	1.58 174	0.91 73	0.60 36	0.80 48	0.47 22	0.87 191	1.48 162	0.35 6	0.21 123	0.13 17	0.25 206	0.15 31	0.23 160	0.25 164

xx1	0.70 141	0.34 164	0.63 33	0.60 172	0.27 19	1.16 261	0.51 168	1.07 52	3.23 386	0.60 36	0.80 48	0.95 155	0.79 157	1.48 162	0.35 6	0.21 123	0.13 17	0.24 170	0.23 217	0.23 160	0.25 164

1test111	0.58 73	0.34 164	0.63 33	0.60 172	0.27 19	1.16 261	0.51 168	1.58 174	0.91 73	0.60 36	0.80 48	0.47 22	0.87 191	0.99 83	0.67 173	0.21 123	0.13 17	0.25 206	0.15 31	0.23 160	0.25 164

gwcnet-sp	0.80 186	0.37 206	1.94 307	0.62 193	0.45 203	1.38 292	0.53 182	1.68 192	1.20 192	1.37 249	1.08 116	0.93 147	0.82 168	1.45 156	0.79 200	0.22 152	0.22 234	0.22 122	0.21 168	0.23 160	0.25 164

scenet	0.80 186	0.37 206	1.94 307	0.62 193	0.45 203	1.38 292	0.53 182	1.68 192	1.20 192	1.37 249	1.08 116	0.93 147	0.82 168	1.45 156	0.79 200	0.22 152	0.22 234	0.22 122	0.21 168	0.23 160	0.25 164

knoymous	0.53 37	0.32 120	0.51 14	0.46 14	0.30 64	0.57 71	0.54 191	1.10 70	0.78 43	0.99 89	0.84 54	0.95 155	0.57 80	0.89 68	0.51 105	0.21 123	0.14 59	0.26 228	0.14 23	0.23 160	0.25 164

ssnet	0.80 186	0.37 206	1.94 307	0.62 193	0.45 203	1.38 292	0.53 182	1.68 192	1.20 192	1.37 249	1.08 116	0.93 147	0.82 168	1.45 156	0.79 200	0.22 152	0.22 234	0.22 122	0.21 168	0.23 160	0.25 164

qqq	0.62 95	0.36 190	0.88 142	0.50 48	0.28 40	0.64 107	0.62 230	1.58 174	0.91 73	0.83 65	0.96 73	0.95 155	0.79 157	0.99 83	0.67 173	0.21 123	0.23 257	0.24 170	0.23 217	0.23 160	0.25 164

CrosDoStereo	1.56 330	0.26 20	0.78 91	0.51 59	0.29 52	0.66 117	11.86 413	1.18 97	1.00 116	1.35 243	1.76 307	0.99 168	1.83 354	6.64 373	0.83 209	0.19 65	0.15 113	0.20 72	0.22 190	0.18 35	0.25 164

DeepStereo_LL	1.56 330	0.26 20	0.78 91	0.51 59	0.29 52	0.66 117	11.86 413	1.18 97	1.00 116	1.35 243	1.76 307	0.99 168	1.83 354	6.64 373	0.83 209	0.19 65	0.15 113	0.20 72	0.22 190	0.18 35	0.25 164

DEmStereo	0.98 252	0.25 17	0.85 133	0.49 36	0.33 112	1.02 235	0.55 198	0.97 28	0.93 85	1.41 264	2.13 344	1.01 176	2.01 361	5.62 351	0.78 196	0.19 65	0.15 113	0.20 72	0.20 131	0.18 35	0.25 164

THIR-Stereo	1.02 261	0.29 63	0.73 69	0.51 59	0.29 52	0.94 217	1.31 349	1.08 57	0.98 105	1.35 243	1.91 330	1.16 216	1.54 331	6.37 370	0.79 200	0.20 99	0.14 59	0.21 95	0.22 190	0.19 61	0.25 164

Pruner-Stereo	0.64 107	0.31 106	0.79 95	0.66 234	0.31 78	0.61 89	0.42 94	1.22 111	1.09 146	1.53 297	1.09 119	0.94 152	0.55 73	1.37 140	0.56 137	0.25 210	0.14 59	0.24 170	0.21 168	0.21 123	0.25 164

DCANet	0.58 73	0.26 20	1.15 215	0.45 8	0.25 8	0.49 29	0.36 58	1.18 97	1.35 254	1.15 144	1.04 103	0.60 51	0.91 205	0.84 59	0.58 145	0.17 18	0.14 59	0.17 14	0.13 11	0.19 61	0.25 164

test_xeample	1.55 329	0.31 106	0.94 162	0.54 102	0.31 78	0.94 217	0.58 214	2.40 341	1.40 279	1.29 216	1.55 269	0.89 135	0.88 198	1.72 200	15.94 413	0.22 152	0.22 234	0.22 122	0.21 168	0.23 160	0.25 164

UNet	0.86 216	0.36 190	1.52 279	0.62 193	0.74 317	1.56 313	0.49 162	1.55 167	1.12 158	1.28 212	1.10 121	1.52 290	1.10 273	1.69 198	1.14 261	0.24 190	0.18 187	0.25 206	0.21 168	0.25 199	0.25 164

LE_ROB	8.35 411	0.47 263	27.42 427	0.83 327	0.34 124	2.84 378	3.36 408	4.03 394	27.04 427	25.20 427	8.72 410	8.55 409	27.35 427	7.37 384	22.13 419	0.22 152	0.20 211	0.20 72	0.21 168	0.25 199	0.25 164

11t1	0.57 62	0.30 81	0.84 127	0.54 102	0.30 64	0.83 184	0.41 90	1.34 132	0.79 49	0.88 76	0.82 52	0.70 75	0.70 133	0.96 81	0.67 173	0.21 123	0.21 224	0.20 72	0.16 55	0.21 123	0.26 181

1111x	1.96 358	0.32 120	1.54 283	0.54 102	0.30 64	1.00 232	0.69 249	2.47 352	1.33 249	1.21 178	1.44 239	1.21 221	1.11 275	8.49 395	16.14 414	0.22 152	0.23 257	0.22 122	0.23 217	0.25 199	0.26 181

EKT-Stereo	0.56 50	0.33 137	0.84 127	0.61 185	0.64 289	0.51 45	0.48 154	1.14 80	0.95 94	0.74 51	0.89 64	0.77 89	0.42 21	1.18 121	0.42 57	0.23 172	0.17 163	0.21 95	0.18 86	0.20 88	0.26 181

iinet-f	1.04 264	0.50 274	4.24 370	0.58 152	0.43 193	1.78 337	0.70 255	1.29 128	1.16 179	1.25 192	1.42 235	1.57 298	1.42 321	1.47 160	1.70 326	0.26 228	0.23 257	0.20 72	0.20 131	0.26 210	0.26 181

DisPM	0.68 130	0.30 81	0.85 133	0.66 234	0.35 139	0.60 85	0.44 127	1.10 70	1.10 149	1.56 304	1.10 121	0.80 94	0.58 95	2.37 274	0.46 79	0.25 210	0.14 59	0.23 149	0.21 168	0.20 88	0.26 181

NINENet	0.81 194	0.40 233	0.89 145	0.65 221	0.53 245	2.30 363	0.42 94	2.12 293	1.13 163	1.20 172	1.27 186	1.02 178	0.70 133	1.26 127	0.75 190	0.29 268	0.24 265	0.31 270	0.21 168	0.27 212	0.26 181

PSM-softLoss	0.80 186	0.33 137	0.89 145	0.63 203	0.32 98	0.55 66	0.40 82	1.26 119	0.78 43	1.25 192	1.07 110	0.83 114	0.51 58	5.33 343	0.61 156	0.25 210	0.15 113	0.25 206	0.22 190	0.20 88	0.26 181

KMStereo	0.80 186	0.33 137	0.89 145	0.63 203	0.32 98	0.55 66	0.40 82	1.26 119	0.78 43	1.25 192	1.07 110	0.83 114	0.51 58	5.33 343	0.61 156	0.25 210	0.15 113	0.25 206	0.22 190	0.20 88	0.26 181

DeepStereo_RVC	0.57 62	0.31 106	0.78 91	0.53 91	0.30 64	0.57 71	0.32 30	1.11 72	0.80 53	1.17 150	0.94 70	0.83 114	0.93 214	1.01 87	0.61 156	0.23 172	0.14 59	0.21 95	0.19 105	0.24 189	0.26 181

test-1	0.56 50	0.28 44	1.13 210	0.58 152	0.34 124	0.60 85	0.38 71	1.56 169	0.98 105	0.80 58	1.02 92	0.83 114	0.52 62	0.64 25	0.46 79	0.17 18	0.16 140	0.20 72	0.17 72	0.20 88	0.26 181

HCRNet	0.72 152	0.40 233	0.86 138	0.61 185	0.57 264	0.75 149	0.35 51	1.39 139	1.21 198	1.11 118	0.99 84	1.01 176	0.76 143	2.18 258	0.73 185	0.28 256	0.19 201	0.28 249	0.23 217	0.25 199	0.26 181

222	1.67 338	0.31 106	0.93 156	0.59 165	0.31 78	1.05 240	0.43 110	2.39 339	1.47 304	1.37 249	1.55 269	0.94 152	0.94 216	1.98 236	17.76 416	0.24 190	0.22 234	0.21 95	0.20 131	0.22 142	0.26 181

PSMNet-RSSM	0.78 173	0.32 120	0.89 145	0.65 221	0.43 193	0.73 145	0.58 214	2.14 298	1.19 188	1.18 161	1.38 224	1.31 252	1.07 267	1.43 153	0.82 208	0.28 256	0.21 224	0.27 237	0.29 286	0.25 199	0.26 181

CFNet-ft	0.78 173	0.36 190	0.74 74	0.67 247	0.56 260	0.86 195	0.54 191	1.46 151	1.17 183	1.01 96	1.28 191	1.68 312	1.03 252	1.57 174	0.95 238	0.27 245	0.21 224	0.33 290	0.26 248	0.31 252	0.26 181

DSFCA	0.95 244	0.38 223	1.23 241	0.55 112	0.66 298	1.50 306	0.93 306	1.58 174	1.24 208	1.59 311	1.16 152	1.48 282	0.95 221	2.96 296	1.20 266	0.31 277	0.28 295	0.25 206	0.26 248	0.29 237	0.26 181

CFNet_RVC	0.78 173	0.36 190	0.74 74	0.67 247	0.56 260	0.86 195	0.54 191	1.46 151	1.17 183	1.01 96	1.28 191	1.68 312	1.03 252	1.57 174	0.95 238	0.27 245	0.21 224	0.33 290	0.26 248	0.31 252	0.26 181

SMFormer	0.79 181	0.32 120	0.95 165	0.49 36	0.27 19	0.83 184	0.43 110	2.16 304	1.45 298	1.27 207	1.50 256	0.98 163	0.96 223	1.87 220	0.99 243	0.24 190	0.22 234	0.22 122	0.21 168	0.23 160	0.27 197

mmm	0.68 130	0.37 206	0.91 153	0.54 102	0.34 124	0.86 195	0.58 214	1.72 208	1.02 122	1.13 129	1.41 234	0.83 114	0.78 152	0.95 80	0.67 173	0.22 152	0.20 211	0.29 257	0.26 248	0.27 212	0.27 197

CRFU-Net	0.90 230	0.42 245	1.10 204	0.69 266	0.59 273	1.76 332	0.84 287	2.33 336	0.92 78	1.45 281	1.20 160	1.62 302	1.25 299	1.38 141	0.94 236	0.28 256	0.23 257	0.22 122	0.19 105	0.24 189	0.27 197

dd	0.62 95	0.51 278	1.17 229	0.56 124	0.33 112	0.74 147	0.46 141	1.03 45	1.40 279	0.80 58	0.87 59	0.60 51	0.57 80	1.02 89	0.86 213	0.28 256	0.18 187	0.26 228	0.19 105	0.35 271	0.27 197

AASNet	0.80 186	0.39 228	1.16 228	0.84 331	0.80 334	1.14 255	0.59 218	2.12 293	1.21 198	1.26 202	1.26 179	0.93 147	0.77 147	0.84 59	1.23 274	0.28 256	0.24 265	0.24 170	0.20 131	0.28 227	0.27 197

GANet-ADL	0.63 104	0.38 223	0.82 110	0.67 247	0.41 183	0.68 126	0.51 168	1.64 187	1.16 179	0.98 88	1.10 121	0.90 137	0.58 95	0.81 51	0.63 161	0.27 245	0.18 187	0.18 34	0.16 55	0.23 160	0.27 197

PFNet+	0.62 95	0.31 106	0.99 177	0.57 142	0.31 78	0.57 71	0.30 24	0.99 37	1.25 214	1.33 232	1.10 121	0.79 92	0.57 80	1.35 136	0.53 120	0.26 228	0.17 163	0.28 249	0.26 248	0.21 123	0.27 197

TANstereo	0.45 12	0.23 6	0.50 13	0.43 5	0.21 2	0.65 111	0.26 11	0.83 12	0.88 66	0.95 86	0.99 84	0.51 34	0.45 31	0.56 6	0.36 16	0.19 65	0.24 265	0.16 8	0.13 11	0.17 20	0.27 197

xxxx	1.61 334	0.32 120	0.98 175	0.58 152	0.31 78	1.15 258	0.43 110	2.43 345	1.41 282	1.17 150	1.40 231	1.21 221	0.86 185	1.94 230	16.68 415	0.24 190	0.24 265	0.21 95	0.20 131	0.23 160	0.27 197

GMStereo	0.58 73	0.50 274	1.09 201	0.52 71	0.32 98	0.80 170	0.43 110	1.02 39	1.41 282	0.89 77	0.77 41	0.52 38	0.46 38	0.89 68	0.56 137	0.25 210	0.16 140	0.20 72	0.22 190	0.31 252	0.27 197
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
iResNet	0.80 186	0.45 255	1.47 270	0.72 283	0.31 78	0.96 228	0.64 237	1.80 223	1.28 228	1.31 225	1.48 248	0.94 152	0.78 152	1.77 205	0.99 243	0.19 65	0.14 59	0.18 34	0.15 31	0.22 142	0.27 197

PCWNet_CMD	0.68 130	0.34 164	0.93 156	0.51 59	0.38 157	0.80 170	0.42 94	1.51 157	1.34 251	1.17 150	1.31 197	1.23 229	0.65 119	0.94 74	0.62 159	0.21 123	0.17 163	0.27 237	0.19 105	0.43 304	0.28 208

ToySt	0.73 155	0.35 186	1.64 289	0.54 102	0.37 146	0.92 212	0.81 280	1.21 109	1.03 125	0.86 74	1.12 131	1.31 252	1.01 245	1.04 91	0.88 217	0.19 65	0.20 211	0.24 170	0.24 229	0.27 212	0.28 208

Wz-Net-LNSev-Ref	1.09 275	0.46 258	2.61 342	0.71 278	0.65 295	2.00 351	0.78 268	2.07 285	1.47 304	1.62 315	1.47 246	1.53 291	1.29 304	2.10 252	1.65 322	0.24 190	0.14 59	0.20 72	0.16 55	0.28 227	0.28 208

AACVNet	0.90 230	0.40 233	0.98 175	0.86 336	0.40 173	0.80 170	0.49 162	1.81 226	0.86 64	1.11 118	1.34 210	1.32 256	0.99 236	4.23 322	0.86 213	0.26 228	0.22 234	0.28 249	0.22 190	0.30 247	0.28 208

ICVP	0.66 113	0.35 186	0.71 58	0.63 203	0.41 183	0.85 194	0.56 204	1.78 216	0.96 98	0.92 80	1.24 175	0.88 129	0.75 142	0.76 42	0.93 231	0.31 277	0.22 234	0.22 122	0.21 168	0.24 189	0.28 208
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.68 130	0.34 164	0.93 156	0.50 48	0.39 164	0.72 142	0.42 94	1.44 147	1.25 214	1.17 150	1.35 215	1.22 225	0.66 123	1.04 91	0.64 164	0.21 123	0.17 163	0.33 290	0.19 105	0.39 290	0.28 208

sCroCo_RVC	0.51 34	0.43 249	1.15 215	0.66 234	0.60 277	0.52 49	0.40 82	0.93 22	0.64 19	0.45 10	0.76 38	0.49 30	0.49 56	0.65 26	0.49 100	0.27 245	0.28 295	0.23 149	0.22 190	0.29 237	0.28 208

111	0.66 113	0.27 36	1.15 215	0.46 14	0.25 8	0.72 142	0.42 94	1.57 172	1.44 293	0.83 65	1.39 226	1.10 202	0.80 163	0.97 82	0.65 168	0.20 99	0.14 59	0.18 34	0.15 31	0.18 35	0.28 208

psm_up	0.83 205	0.37 206	0.88 142	0.68 256	0.59 273	1.05 240	0.92 303	1.68 192	1.17 183	1.41 264	1.22 167	1.30 250	1.31 308	1.39 143	0.89 219	0.27 245	0.30 307	0.31 270	0.27 262	0.28 227	0.28 208

DMCA-RVC	0.83 205	0.46 258	2.19 327	0.68 256	0.49 224	0.84 191	0.48 154	1.44 147	1.07 136	1.56 304	1.04 103	1.29 248	0.86 185	1.49 168	0.92 228	0.27 245	0.22 234	0.35 304	0.28 271	0.32 260	0.28 208

MSMDNet	0.68 130	0.34 164	0.93 156	0.52 71	0.38 157	0.80 170	0.42 94	1.52 159	1.35 254	1.17 150	1.31 197	1.23 229	0.65 119	0.94 74	0.62 159	0.21 123	0.17 163	0.26 228	0.19 105	0.41 298	0.28 208

DLCB_ROB	0.92 238	0.43 249	0.95 165	0.71 278	0.55 256	1.11 249	0.83 285	1.61 183	1.32 247	1.67 321	1.66 293	1.70 315	0.93 214	1.96 235	1.34 286	0.26 228	0.25 278	0.27 237	0.28 271	0.28 227	0.28 208

mmx	1.89 355	0.36 190	1.51 274	0.56 124	0.40 173	0.76 155	0.59 218	2.32 331	1.41 282	1.19 166	1.49 249	1.07 190	0.85 178	9.88 409	13.82 406	0.25 210	0.21 224	0.31 270	0.28 271	0.32 260	0.29 220

xxx	1.89 355	0.36 190	1.51 274	0.56 124	0.40 173	0.76 155	0.59 218	2.32 331	1.41 282	1.19 166	1.49 249	1.07 190	0.85 178	9.88 409	13.82 406	0.25 210	0.21 224	0.31 270	0.28 271	0.32 260	0.29 220

riskmin	0.62 95	0.29 63	0.73 69	0.50 48	0.34 124	0.86 195	0.44 127	1.74 210	1.07 136	0.76 54	0.76 38	1.19 218	1.01 245	0.84 59	0.60 153	0.20 99	0.16 140	0.24 170	0.16 55	0.24 189	0.29 220

ssnet_v2	0.92 238	0.39 228	1.22 239	0.66 234	0.39 164	1.31 282	0.96 312	2.32 331	1.45 298	1.48 289	1.17 154	1.53 291	0.91 205	1.16 117	1.71 328	0.31 277	0.27 291	0.30 266	0.29 286	0.28 227	0.29 220

CIPLG	0.67 121	0.37 206	1.17 229	0.60 172	0.51 237	0.75 149	0.48 154	1.26 119	1.11 153	1.43 272	1.58 279	0.64 61	0.48 46	0.94 74	0.78 196	0.24 190	0.15 113	0.19 49	0.16 55	0.19 61	0.29 220

IPLGR_C	0.67 121	0.38 223	1.20 235	0.60 172	0.50 228	0.75 149	0.48 154	1.28 127	1.13 163	1.42 268	1.57 278	0.62 55	0.48 46	0.85 62	0.80 205	0.24 190	0.15 113	0.19 49	0.16 55	0.19 61	0.29 220

ACRE	0.66 113	0.37 206	1.27 249	0.60 172	0.50 228	0.74 147	0.47 150	1.26 119	1.10 149	1.40 262	1.56 274	0.62 55	0.46 38	0.88 66	0.78 196	0.24 190	0.15 113	0.19 49	0.16 55	0.19 61	0.29 220

HGLStereo	0.89 223	0.42 245	1.15 215	0.82 323	1.03 363	1.16 261	0.57 207	1.68 192	1.28 228	1.26 202	1.62 285	1.13 211	1.31 308	1.85 216	1.11 260	0.25 210	0.24 265	0.24 170	0.22 190	0.24 189	0.29 220

DMCA	0.71 147	0.36 190	1.17 229	0.53 91	0.45 203	0.84 191	0.46 141	1.52 159	1.09 146	1.20 172	1.12 131	1.21 221	0.74 137	0.87 64	1.09 256	0.25 210	0.20 211	0.27 237	0.19 105	0.24 189	0.29 220

TDLM	1.08 274	0.50 274	1.01 183	0.69 266	0.54 252	0.91 205	1.40 354	1.60 181	1.36 261	1.17 150	1.40 231	1.07 190	1.00 242	6.19 362	0.85 212	0.34 294	0.22 234	0.35 304	0.26 248	0.38 286	0.29 220

ccs_rob	0.68 130	0.34 164	0.93 156	0.50 48	0.39 164	0.72 142	0.42 94	1.43 146	1.25 214	1.17 150	1.34 210	1.22 225	0.66 123	1.04 91	0.64 164	0.21 123	0.17 163	0.35 304	0.20 131	0.40 294	0.29 220

UCFNet_RVC	0.72 152	0.37 206	0.59 22	0.66 234	0.41 183	0.89 200	0.68 245	1.78 216	1.15 174	1.01 96	1.20 160	1.22 225	0.95 221	1.07 100	0.66 172	0.28 256	0.21 224	0.34 298	0.31 301	0.33 265	0.29 220

DISCO	1.06 268	0.37 206	1.19 234	0.73 290	0.46 210	2.04 354	0.84 287	2.26 323	1.54 317	1.25 192	1.36 219	2.38 362	1.08 268	2.60 283	1.62 316	0.24 190	0.19 201	0.22 122	0.20 131	0.32 260	0.29 220

MyStereo8	0.70 141	0.32 120	1.24 244	0.63 203	0.53 245	0.90 203	0.34 42	1.60 181	1.35 254	1.20 172	1.31 197	0.89 135	0.64 115	0.77 43	1.02 250	0.18 40	0.15 113	0.20 72	0.18 86	0.22 142	0.30 233

CFNet_ucs	0.73 155	0.34 164	0.94 162	0.53 91	0.44 200	0.76 155	0.46 141	1.73 209	1.34 251	1.24 189	1.54 266	1.08 200	0.64 115	1.05 94	0.64 164	0.26 228	0.20 211	0.37 316	0.22 190	0.42 302	0.30 233

CSP-Net	1.00 257	0.41 242	0.99 177	0.56 124	0.43 193	1.62 320	0.76 264	2.16 304	1.16 179	1.33 232	1.22 167	1.32 256	0.89 200	4.67 333	0.93 231	0.35 302	0.24 265	0.20 72	0.20 131	0.23 160	0.30 233

NF-Stereo	0.82 196	0.33 137	0.83 118	0.65 221	0.31 78	0.63 99	0.43 110	1.35 133	0.93 85	1.30 219	1.02 92	0.81 100	0.57 80	5.37 347	0.55 130	0.26 228	0.14 59	0.24 170	0.20 131	0.20 88	0.30 233

OCTAStereo	0.82 196	0.33 137	0.83 118	0.65 221	0.31 78	0.62 91	0.44 127	1.35 133	0.93 85	1.30 219	1.02 92	0.81 100	0.57 80	5.32 342	0.55 130	0.26 228	0.14 59	0.24 170	0.20 131	0.20 88	0.30 233

ASMatch	0.89 223	0.29 63	0.72 59	0.56 124	0.36 141	0.47 19	0.37 64	1.16 94	0.95 94	1.11 118	3.26 375	0.95 155	0.96 223	4.88 336	0.53 120	0.20 99	0.16 140	0.22 122	0.19 105	0.20 88	0.30 233

Anonymous3	0.64 107	0.47 263	1.31 254	0.59 165	0.50 228	0.93 215	0.69 249	1.11 72	0.83 57	0.74 51	0.89 64	0.65 62	0.68 128	1.08 102	0.54 129	0.40 321	0.31 312	0.26 228	0.26 248	0.31 252	0.30 233

Anonymous	0.56 50	0.41 242	1.05 191	0.67 247	0.73 313	0.65 111	0.68 245	1.12 74	0.79 49	0.48 15	0.60 20	0.42 5	0.60 102	0.81 51	0.55 130	0.26 228	0.24 265	0.21 95	0.21 168	0.41 298	0.30 233

iResNet_ROB	0.82 196	0.36 190	1.13 210	0.60 172	0.37 146	0.91 205	0.38 71	2.41 342	1.61 328	1.35 243	1.35 215	1.25 234	0.97 230	1.75 203	0.88 217	0.21 123	0.14 59	0.17 14	0.12 9	0.19 61	0.30 233

fast-acv-ft	1.00 257	0.48 266	1.85 303	0.61 185	0.52 240	1.77 334	0.69 249	1.52 159	1.47 304	1.34 239	1.85 322	1.73 318	1.24 298	1.62 188	1.56 310	0.27 245	0.28 295	0.28 249	0.28 271	0.28 227	0.31 242

ADLNet2	0.92 238	0.37 206	1.25 246	0.80 316	0.65 295	1.12 251	0.75 262	1.95 260	1.42 290	1.26 202	1.67 295	1.68 312	1.04 258	1.80 214	1.23 274	0.25 210	0.22 234	0.21 95	0.22 190	0.27 212	0.31 242

HHNet	0.64 107	0.28 44	0.69 55	0.45 8	0.46 210	0.50 40	0.57 207	1.13 78	1.03 125	1.26 202	2.21 349	0.70 75	0.59 98	1.10 108	0.51 105	0.21 123	0.13 17	0.23 149	0.19 105	0.20 88	0.31 242

RE-Stereo	0.82 196	0.33 137	0.84 127	0.65 221	0.31 78	0.63 99	0.44 127	1.35 133	0.93 85	1.30 219	1.02 92	0.80 94	0.57 80	5.34 345	0.55 130	0.26 228	0.14 59	0.24 170	0.20 131	0.20 88	0.31 242

TVStereo	0.82 196	0.33 137	0.84 127	0.65 221	0.31 78	0.63 99	0.44 127	1.35 133	0.93 85	1.30 219	1.02 92	0.80 94	0.57 80	5.34 345	0.55 130	0.26 228	0.14 59	0.24 170	0.20 131	0.20 88	0.31 242

GEStereo_RVC	0.93 243	0.40 233	1.15 215	0.67 247	0.50 228	0.95 223	0.78 268	2.73 372	1.21 198	1.20 172	1.12 131	1.25 234	0.91 205	3.21 303	0.95 238	0.31 277	0.20 211	0.23 149	0.20 131	0.28 227	0.31 242

GES	0.70 141	0.37 206	1.05 191	0.62 193	0.38 157	0.94 217	0.57 207	2.37 338	0.92 78	1.05 108	1.12 131	0.67 66	0.77 147	1.02 89	0.65 168	0.28 256	0.20 211	0.20 72	0.20 131	0.22 142	0.31 242

SGM_RVC	1.88 352	0.40 233	0.90 150	0.63 203	0.30 64	2.81 376	1.26 347	2.73 372	1.81 346	4.09 393	2.85 369	3.88 386	3.19 387	8.42 394	2.44 351	0.33 287	0.31 312	0.30 266	0.28 271	0.31 252	0.31 242
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ttt	1.26 305	0.36 190	0.79 95	0.65 221	0.42 190	0.94 217	0.57 207	2.33 336	1.38 268	1.25 192	1.65 292	0.92 145	0.78 152	2.64 284	8.73 393	0.30 273	0.28 295	0.26 228	0.25 237	0.29 237	0.32 250

Wz-Net-MNSev	1.21 295	0.66 321	3.44 359	0.69 266	0.73 313	1.93 347	1.44 356	2.16 304	1.59 325	1.85 338	1.49 249	1.50 286	1.34 312	2.05 248	1.54 309	0.27 245	0.24 265	0.28 249	0.28 271	0.35 271	0.32 250

RAFT + AFF	1.07 272	0.47 263	1.36 261	0.68 256	0.50 228	1.20 272	1.22 342	2.58 364	1.26 220	1.33 232	1.56 274	1.19 218	1.49 329	3.89 320	1.01 248	0.22 152	0.26 283	0.30 266	0.27 262	0.29 237	0.32 250

ADCRef	1.50 325	0.61 305	3.83 365	0.76 309	0.77 326	1.91 345	0.77 265	2.16 304	1.34 251	1.63 317	1.59 283	1.35 260	1.40 319	1.79 212	8.32 392	0.25 210	0.21 224	0.32 282	0.31 301	0.31 252	0.32 250

CVANet_RVC	1.10 276	0.49 271	1.15 215	0.65 221	0.54 252	0.93 215	1.00 318	1.69 201	1.36 261	1.42 268	1.39 226	1.24 233	1.17 284	6.22 364	0.80 205	0.35 302	0.24 265	0.35 304	0.30 297	0.44 314	0.32 250

PSMNet_ROB	0.95 244	0.57 298	1.45 268	0.75 303	0.64 289	1.28 281	1.12 328	1.84 232	1.15 174	1.16 148	1.29 195	1.44 274	0.89 200	1.74 202	1.70 326	0.33 287	0.25 278	0.37 316	0.39 333	0.36 275	0.32 250

LL-Strereo	1.42 317	0.44 254	2.02 314	0.62 193	1.07 365	0.73 145	0.65 239	2.02 272	1.21 198	1.60 312	1.62 285	2.02 344	2.10 367	9.67 404	1.07 255	0.22 152	0.20 211	0.27 237	0.24 229	0.23 160	0.33 256

GASNet	1.13 280	1.10 366	3.29 357	1.00 364	0.68 303	0.82 178	0.67 243	1.85 238	1.38 268	1.39 256	1.25 177	1.25 234	1.20 293	2.72 289	1.62 316	0.46 341	0.26 283	0.36 314	0.34 320	0.55 341	0.33 256

GwcNet-ADL	0.67 121	0.33 137	0.90 150	0.58 152	0.41 183	0.60 85	0.59 218	1.55 167	1.28 228	1.11 118	1.13 141	0.90 137	0.59 98	1.11 111	0.91 224	0.28 256	0.18 187	0.18 34	0.18 86	0.25 199	0.33 256

hitnet-ft	0.84 209	0.38 223	0.75 79	0.59 165	0.44 200	0.99 231	0.47 150	1.61 183	1.38 268	1.21 178	1.22 167	1.82 326	0.99 236	1.87 220	1.09 256	0.33 287	0.29 303	0.34 298	0.27 262	0.36 275	0.33 256

GANet	1.41 315	0.52 282	1.18 233	0.74 296	0.48 218	1.40 297	1.69 366	1.87 240	1.28 228	1.56 304	2.39 357	1.56 296	1.25 299	9.13 398	1.20 266	0.31 277	0.32 322	0.34 298	0.29 286	0.40 294	0.33 256

DRN-Test	1.07 272	0.49 271	1.95 311	0.75 303	0.81 338	1.61 318	0.78 268	2.26 323	1.53 315	1.84 336	1.35 215	1.42 270	1.04 258	2.26 264	1.61 314	0.28 256	0.23 257	0.31 270	0.30 297	0.33 265	0.33 256

StereoDRNet	1.05 267	0.53 284	2.21 328	0.80 316	0.93 353	1.50 306	0.90 298	2.06 283	1.44 293	1.68 322	1.20 160	1.48 282	0.99 236	1.86 219	1.60 313	0.29 268	0.24 265	0.29 257	0.28 271	0.35 271	0.33 256

dad	0.90 230	0.73 337	1.28 250	0.59 165	0.39 164	0.83 184	0.45 135	1.24 116	1.54 317	1.52 294	1.28 191	1.36 261	0.86 185	2.54 280	0.91 224	0.43 329	0.27 291	0.82 376	0.26 248	0.44 314	0.34 263

AF-Net	1.23 300	0.56 293	2.31 332	0.88 339	0.93 353	1.41 299	0.73 260	2.27 327	1.71 335	1.76 331	2.42 359	2.00 341	1.70 344	1.98 236	1.62 316	0.50 353	0.29 303	0.49 349	0.33 315	0.40 294	0.34 263

ADCP+	2.12 365	0.56 293	10.01 395	0.68 256	0.91 349	2.25 361	1.04 321	1.92 255	1.50 312	1.58 308	1.34 210	1.73 318	1.62 335	2.27 265	13.20 403	0.25 210	0.22 234	0.32 282	0.29 286	0.38 286	0.34 263

DeepPruner_ROB	0.79 181	0.55 290	1.14 213	0.61 185	0.46 210	0.78 165	0.54 191	1.83 231	1.00 116	1.42 268	1.27 186	1.23 229	0.77 147	1.56 172	0.89 219	0.35 302	0.28 295	0.27 237	0.26 248	0.32 260	0.34 263

StereoDRNet-Refined	0.84 209	0.43 249	1.01 183	0.66 234	0.43 193	1.32 283	0.49 162	1.64 187	1.24 208	1.53 297	1.45 242	1.49 284	0.97 230	1.32 133	1.31 281	0.21 123	0.17 163	0.27 237	0.25 237	0.25 199	0.34 263
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
MDST_ROB	1.88 352	0.40 233	1.71 292	0.93 355	0.60 277	4.27 401	1.23 344	3.99 393	1.44 293	4.61 401	2.63 365	1.44 274	1.03 252	9.78 406	1.62 316	0.33 287	0.26 283	0.37 316	0.33 315	0.31 252	0.34 263

SGM-Forest	1.29 309	0.40 233	0.74 74	0.54 102	0.37 146	1.55 311	1.26 347	1.82 229	1.39 277	2.22 358	1.81 317	1.64 306	1.02 250	7.65 387	1.20 266	0.39 319	0.37 340	0.39 324	0.34 320	0.37 280	0.34 263
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	1.04 264	0.48 266	0.88 142	0.56 124	0.36 141	1.52 308	1.55 361	1.87 240	1.59 325	2.11 355	1.67 295	1.46 279	1.35 313	1.92 228	1.31 281	0.35 302	0.35 332	0.39 324	0.33 315	0.34 270	0.34 263
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
whm_eth	0.69 139	0.51 278	1.32 256	0.56 124	0.64 289	0.67 122	0.45 135	1.59 179	1.33 249	1.02 100	1.92 331	0.48 26	0.48 46	0.71 32	0.53 120	0.24 190	0.20 211	0.25 206	0.24 229	0.25 199	0.35 271

Wz-Net-LNSev	1.17 287	0.72 334	4.71 374	0.66 234	0.84 344	1.72 325	1.13 330	1.97 264	1.43 291	1.34 239	1.32 202	1.66 308	1.30 307	1.44 155	1.51 306	0.29 268	0.26 283	0.24 170	0.23 217	0.33 265	0.35 271

UDGNet	0.75 161	1.23 374	0.99 177	0.82 323	0.42 190	0.76 155	0.38 71	0.98 32	1.37 266	0.83 65	0.88 62	0.70 75	0.60 102	1.25 126	0.57 140	0.57 362	0.19 201	1.03 383	0.26 248	0.79 369	0.35 271

CBFPSM	0.95 244	0.37 206	2.10 320	0.51 59	0.39 164	1.73 328	0.87 295	1.59 179	1.13 163	1.11 118	1.00 88	2.34 360	1.64 340	1.42 151	1.44 297	0.19 65	0.18 187	0.20 72	0.20 131	0.22 142	0.36 274

PSMNet-ADL	0.75 161	0.36 190	0.69 55	0.71 278	0.47 216	1.13 252	0.46 141	1.47 154	1.07 136	0.85 70	1.18 156	1.31 252	0.94 216	1.56 172	1.06 253	0.34 294	0.22 234	0.22 122	0.23 217	0.27 212	0.36 274

ADLNet	0.89 223	0.39 228	1.09 201	0.88 339	0.73 313	1.24 277	0.75 262	2.02 272	1.41 282	1.58 308	1.37 220	1.26 240	1.00 242	1.31 130	1.18 264	0.28 256	0.21 224	0.26 228	0.26 248	0.29 237	0.36 274

pcwnet_v2	0.91 235	0.39 228	2.74 344	0.64 214	0.55 256	0.81 177	0.49 162	2.19 315	1.63 329	1.44 275	1.64 290	1.09 201	0.79 157	1.31 130	0.70 181	0.32 284	0.25 278	0.29 257	0.27 262	0.37 280	0.37 277

FADNet-RVC	0.96 248	0.72 334	2.96 348	0.64 214	0.49 224	0.90 203	0.59 218	1.85 238	1.27 224	0.92 80	0.97 80	1.36 261	0.90 203	2.36 271	1.31 281	0.30 273	0.29 303	0.32 282	0.32 306	0.42 302	0.37 277

STTStereo	0.82 196	0.53 284	1.53 282	0.68 256	0.56 260	0.88 199	0.56 204	1.57 172	1.14 169	1.39 256	1.10 121	1.26 240	0.84 173	1.49 168	0.90 222	0.29 268	0.28 295	0.33 290	0.40 335	0.33 265	0.37 277

AANet_RVC	1.22 296	0.60 300	1.94 307	0.69 266	0.46 210	0.75 149	0.69 249	1.51 157	1.57 323	1.36 248	1.90 328	1.51 288	0.87 191	7.23 382	1.89 335	0.26 228	0.19 201	0.19 49	0.16 55	0.23 160	0.37 277

NaN_ROB	1.23 300	0.63 311	1.76 294	0.67 247	0.50 228	1.59 317	2.00 381	1.87 240	1.52 313	2.14 357	1.26 179	1.40 268	1.09 270	4.60 331	1.75 329	0.28 256	0.34 327	0.28 249	0.29 286	0.30 247	0.37 277

XPNet_ROB	1.02 261	0.56 293	1.33 258	0.75 303	0.58 267	1.11 249	1.13 330	1.77 214	1.29 236	1.88 339	1.43 237	1.63 305	1.13 280	2.04 244	1.69 324	0.40 321	0.31 312	0.33 290	0.29 286	0.37 280	0.37 277

SuperB	2.50 377	0.72 334	18.07 413	0.72 283	0.53 245	1.85 341	0.86 293	1.80 223	2.40 368	1.54 300	1.42 235	1.13 211	1.17 284	4.18 321	4.80 377	0.25 210	0.20 211	0.23 149	0.19 105	7.64 421	0.38 283

SGM-ForestM	7.81 410	0.48 266	11.02 399	0.74 296	0.40 173	16.83 419	12.72 417	7.91 414	8.13 408	11.53 417	10.25 412	22.44 427	14.01 415	17.02 420	20.52 418	0.38 312	0.39 348	0.37 316	0.36 326	0.37 280	0.38 283

LALA_ROB	1.06 268	0.66 321	1.37 264	0.70 275	0.53 245	1.61 318	1.25 346	1.81 226	1.48 308	1.82 335	1.40 231	1.93 332	1.03 252	1.68 194	1.69 324	0.38 312	0.28 295	0.43 336	0.37 330	0.43 304	0.38 283

Wz-Net-SNSev	1.68 340	1.45 381	8.71 392	0.71 278	0.67 302	1.35 290	1.51 357	2.15 302	1.47 304	1.51 292	1.68 297	2.27 355	1.38 316	4.23 322	2.36 350	0.32 284	0.29 303	0.31 270	0.33 315	0.43 304	0.39 286

ADCL	1.82 349	0.70 329	4.57 373	0.70 275	0.63 288	2.56 369	1.77 373	2.08 287	1.77 339	1.95 348	1.89 326	2.04 349	1.88 357	2.36 271	9.55 397	0.27 245	0.25 278	0.35 304	0.32 306	0.39 290	0.39 286

NLCA_NET_v2_RVC	0.84 209	0.46 258	1.40 266	0.69 266	0.61 282	0.95 223	0.52 176	1.68 192	1.21 198	1.39 256	1.15 151	1.42 270	0.88 198	1.78 207	0.93 231	0.26 228	0.23 257	0.27 237	0.27 262	0.30 247	0.39 286
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CBMV_ROB	0.99 254	0.46 258	0.68 51	0.53 91	0.39 164	1.40 297	0.48 154	2.09 289	1.30 238	1.53 297	2.29 353	1.36 261	1.23 295	2.46 275	1.04 252	0.44 337	0.42 356	0.47 346	0.44 345	0.41 298	0.39 286

FADNet-RVC-Resample	0.91 235	0.51 278	2.92 347	0.64 214	0.46 210	1.07 245	0.60 226	1.76 213	1.24 208	1.10 117	0.98 83	1.06 187	0.98 233	2.17 257	0.95 238	0.24 190	0.22 234	0.30 266	0.32 306	0.36 275	0.40 290

Nwc_Net	1.19 291	0.53 284	2.34 333	0.92 350	0.81 338	1.49 305	0.70 255	2.28 329	1.32 247	1.41 264	2.27 351	2.03 347	1.76 350	2.05 248	1.46 300	0.43 329	0.30 307	0.43 336	0.46 350	0.39 290	0.40 290

RTSC	1.43 320	0.89 349	3.62 362	0.94 358	0.64 289	1.85 341	0.69 249	2.20 318	2.04 359	2.22 358	1.70 300	1.67 310	1.27 302	2.53 279	4.48 374	0.33 287	0.25 278	0.27 237	0.29 286	0.38 286	0.40 290

GrayStereo	0.83 205	0.28 44	0.62 32	0.66 234	0.37 146	0.76 155	1.79 374	1.19 101	0.91 73	1.98 349	1.89 326	1.07 190	1.76 350	1.43 153	0.50 103	0.20 99	0.15 113	0.19 49	0.21 168	0.18 35	0.41 293

FINET	1.54 328	0.67 324	7.28 384	0.76 309	0.97 360	1.42 302	1.38 353	2.80 379	3.12 385	1.23 184	1.68 297	1.04 182	1.11 275	3.35 309	1.78 333	0.43 329	0.37 340	0.32 282	0.29 286	0.43 304	0.41 293

APVNet	1.11 278	0.59 299	1.95 311	0.87 337	0.77 326	1.90 344	0.82 284	2.03 276	1.15 174	1.14 142	1.43 237	1.55 294	1.12 279	3.03 297	1.62 316	0.32 284	0.34 327	0.42 335	0.36 326	0.36 275	0.41 293

Syn2CoEx	1.23 300	0.80 341	3.07 351	0.83 327	0.68 303	1.39 295	0.87 295	2.23 320	1.57 323	1.28 212	1.58 279	1.42 270	1.57 333	3.79 318	1.48 303	0.36 309	0.32 322	0.34 298	0.30 297	0.30 247	0.41 293

GwcNet	1.26 305	0.63 311	5.13 376	0.81 319	1.15 374	1.73 328	0.69 249	1.84 232	1.53 315	1.51 292	1.71 302	1.72 316	1.09 270	2.20 259	1.61 314	0.31 277	0.30 307	0.29 257	0.27 262	0.30 247	0.41 293

PWCDC_ROB	1.39 313	0.91 354	2.10 320	1.08 368	0.92 350	1.72 325	0.58 214	2.03 276	3.30 388	1.32 227	4.87 393	1.21 221	1.71 346	1.98 236	1.75 329	0.65 368	0.26 283	0.29 257	0.25 237	0.56 342	0.41 293

HBP-ISP	1.00 257	0.60 300	0.85 133	0.64 214	0.48 218	1.63 321	0.77 265	2.24 322	1.30 238	1.33 232	1.53 265	0.87 123	0.99 236	3.26 306	0.76 193	0.46 341	0.44 358	0.54 357	0.48 354	0.48 325	0.42 299

FADNet_RVC	0.88 221	0.56 293	2.15 324	0.57 142	0.43 193	1.17 268	0.46 141	1.68 192	1.12 158	0.91 79	1.24 175	0.91 140	0.94 216	2.22 260	1.20 266	0.28 256	0.22 234	0.32 282	0.28 271	0.46 320	0.42 299

FADNet	0.98 252	0.64 314	2.57 339	0.66 234	0.55 256	0.95 223	0.57 207	1.91 251	1.38 268	0.94 84	1.02 92	1.36 261	1.00 242	2.69 287	0.97 242	0.34 294	0.34 327	0.31 270	0.34 320	0.61 353	0.42 299

DeepPrunerF	1.68 340	0.82 345	6.82 382	0.94 358	1.20 378	0.91 205	0.97 313	2.50 357	5.19 404	1.22 183	1.30 196	1.18 217	1.29 304	4.96 338	1.75 329	0.43 329	0.35 332	0.52 352	0.48 354	0.43 304	0.42 299

CASS	0.67 121	0.36 190	0.84 127	0.57 142	0.28 40	0.82 178	0.43 110	1.62 186	0.92 78	1.39 256	1.28 191	0.87 123	0.84 173	0.88 66	0.59 151	0.36 309	0.19 201	0.26 228	0.22 190	0.29 237	0.43 303
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SANet	2.26 370	0.70 329	6.94 383	0.69 266	0.46 210	2.76 375	1.76 372	2.61 365	5.84 406	2.45 366	3.52 379	3.71 383	3.38 392	5.90 356	2.14 342	0.34 294	0.31 312	0.32 282	0.29 286	0.54 339	0.43 303

NOSS_ROB	1.29 309	0.49 271	0.68 51	0.60 172	0.40 173	1.09 248	0.77 265	1.94 257	1.44 293	1.04 106	1.46 244	1.10 202	0.81 167	10.57 415	0.78 196	0.46 341	0.43 357	0.48 347	0.45 348	0.45 316	0.43 303

CSAN	1.61 334	0.67 324	3.24 356	0.74 296	0.52 240	1.77 334	1.74 371	1.98 265	1.94 353	2.47 369	2.33 355	1.93 332	2.04 364	6.45 371	1.95 338	0.43 329	0.36 336	0.41 334	0.42 340	0.43 304	0.44 306

ETE_ROB	1.01 260	0.69 327	1.49 272	0.72 283	0.50 228	1.15 258	1.12 328	1.91 251	1.24 208	1.94 346	1.50 256	1.73 318	1.06 265	1.78 207	1.33 285	0.33 287	0.26 283	0.38 320	0.34 320	0.40 294	0.44 306

NCC-stereo	1.20 293	0.60 300	1.84 301	0.88 339	0.95 357	1.32 283	0.94 308	2.14 298	1.36 261	1.43 272	1.79 311	1.93 332	2.13 371	2.54 280	1.41 294	0.49 349	0.38 343	0.45 340	0.59 371	0.43 304	0.45 308

Abc-Net	1.20 293	0.60 300	1.84 301	0.88 339	0.95 357	1.32 283	0.94 308	2.14 298	1.36 261	1.43 272	1.79 311	1.93 332	2.13 371	2.54 280	1.41 294	0.49 349	0.38 343	0.45 340	0.59 371	0.43 304	0.45 308
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PS-NSSS	1.02 261	0.62 310	1.17 229	0.61 185	0.58 267	0.91 205	0.79 276	2.02 272	1.19 188	1.17 150	1.68 297	1.00 172	0.85 178	4.43 327	0.86 213	0.38 312	0.31 312	0.52 352	0.32 306	0.52 332	0.45 308

NCCL2	1.06 268	0.64 314	1.35 259	0.78 314	0.58 267	1.32 283	1.69 366	1.89 247	1.38 268	1.52 294	1.20 160	1.91 328	1.17 284	1.79 212	1.50 304	0.35 302	0.31 312	0.45 340	0.44 345	0.41 298	0.45 308

MeshStereo	2.36 372	0.60 300	1.05 191	0.63 203	0.51 237	2.58 370	0.99 316	3.46 387	2.21 365	7.38 413	5.06 395	7.50 403	3.10 386	7.02 381	2.54 353	0.44 337	0.44 358	0.45 340	0.40 335	0.43 304	0.45 308
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
RP	1.17 287	0.54 287	1.48 271	0.93 355	1.05 364	1.14 255	0.85 292	1.99 269	1.70 333	1.72 325	2.07 341	1.91 328	1.93 359	2.00 240	1.37 291	0.55 360	0.37 340	0.48 347	0.37 330	0.46 320	0.46 313

SACVNet	0.89 223	0.51 278	1.08 200	0.83 327	0.58 267	0.83 184	0.78 268	1.84 232	1.17 183	1.39 256	1.33 207	1.25 234	1.01 245	2.31 268	0.92 228	0.35 302	0.26 283	0.31 270	0.29 286	0.35 271	0.48 314

RGC	1.22 296	0.82 345	1.71 292	0.95 360	0.98 362	1.53 310	0.80 279	2.18 313	1.35 254	1.69 323	1.94 332	2.03 347	1.66 341	2.36 271	1.50 304	0.46 341	0.36 336	0.59 369	0.48 354	0.49 328	0.49 315

stereogan	1.22 296	0.45 255	2.03 316	0.87 337	0.85 345	2.52 368	0.72 257	1.98 265	1.78 342	1.92 342	1.94 332	2.31 359	1.42 321	2.10 252	1.14 261	0.38 312	0.36 336	0.39 324	0.32 306	0.52 332	0.49 315

PWC_ROB	1.39 313	0.93 356	4.07 368	0.77 311	0.83 341	1.16 261	0.53 182	1.87 240	2.01 357	2.36 362	3.06 373	1.65 307	1.60 334	2.65 286	2.29 348	0.34 294	0.23 257	0.36 314	0.25 237	0.39 290	0.49 315

WZ-Net	2.14 366	1.08 363	11.68 402	0.89 347	0.78 330	1.76 332	1.59 364	2.39 339	2.03 358	2.11 355	1.95 334	2.30 358	2.28 374	5.94 359	3.86 370	0.35 302	0.27 291	0.29 257	0.32 306	0.52 332	0.50 318

edge stereo	1.15 283	0.54 287	1.50 273	0.73 290	0.66 298	1.18 270	0.84 287	2.13 297	1.41 282	1.73 326	1.84 319	2.53 367	1.46 325	2.46 275	1.35 288	0.43 329	0.41 351	0.54 357	0.36 326	0.43 304	0.50 318

ADCPNet	1.97 359	0.78 340	9.38 394	0.74 296	0.61 282	2.73 374	1.36 352	2.11 292	1.66 331	1.92 342	1.70 300	2.45 365	2.07 365	2.50 277	6.84 387	0.38 312	0.38 343	0.38 320	0.43 343	0.47 324	0.50 318

Anonymous Stereo	1.42 317	0.90 350	3.93 366	0.81 319	0.83 341	1.06 243	1.90 380	1.81 226	1.52 313	1.75 327	1.44 239	1.28 246	0.87 191	5.94 359	1.94 337	0.38 312	0.39 348	0.38 320	0.41 339	0.45 316	0.50 318

WCMA_ROB	2.05 360	0.55 290	1.77 295	0.74 296	0.61 282	2.24 360	1.56 362	2.17 312	1.79 344	4.16 397	6.36 399	5.66 398	4.66 401	3.19 302	2.77 356	0.55 360	0.45 360	0.40 330	0.43 343	0.48 325	0.50 318

aanetorigin	1.26 305	0.85 348	3.00 349	0.72 283	0.80 334	1.08 246	1.05 322	1.12 74	1.39 277	3.53 391	2.60 364	1.72 316	1.73 348	1.98 236	1.77 332	0.26 228	0.24 265	0.26 228	0.25 237	0.38 286	0.51 323

FBW_ROB	1.78 345	0.66 321	1.90 306	0.72 283	0.66 298	1.79 338	1.07 324	2.79 377	1.77 339	1.84 336	1.79 311	1.98 339	1.37 315	12.42 418	2.22 344	0.36 309	0.38 343	0.57 366	0.39 333	0.46 320	0.51 323

FC-DCNN	2.88 388	0.61 305	1.15 215	0.75 303	0.57 264	2.85 379	1.05 322	3.44 386	2.64 378	6.93 410	7.63 405	9.86 412	7.02 409	5.76 354	4.31 372	0.54 357	0.48 367	0.51 351	0.50 359	0.53 337	0.52 325

MSMD_ROB	2.08 362	0.61 305	1.15 215	0.71 278	0.62 286	4.00 397	0.93 306	1.94 257	1.79 344	4.71 403	4.60 389	8.14 407	3.87 397	3.75 317	1.65 322	0.54 357	0.48 367	0.55 362	0.58 369	0.53 337	0.52 325

ADCMid	2.11 364	0.90 350	8.39 390	0.75 303	0.69 306	1.98 349	1.14 333	2.18 313	1.67 332	2.85 377	1.85 322	2.35 361	2.02 363	2.35 270	10.58 401	0.34 294	0.32 322	0.39 324	0.44 345	0.51 331	0.53 327

SHD	1.42 317	0.81 344	2.79 346	0.98 362	0.92 350	1.97 348	0.68 245	2.43 345	2.55 371	2.54 370	1.72 303	2.01 343	1.62 335	2.14 255	2.70 355	0.40 321	0.33 325	0.39 324	0.40 335	0.48 325	0.54 328

RTS	2.76 379	1.55 387	15.40 405	1.13 371	1.42 383	3.75 393	2.21 391	2.45 347	2.72 380	2.91 380	2.85 369	2.58 369	1.62 335	6.28 366	5.80 382	0.41 324	0.30 307	0.35 304	0.35 324	0.52 332	0.54 328

RTSA	2.76 379	1.55 387	15.40 405	1.13 371	1.42 383	3.75 393	2.21 391	2.45 347	2.72 380	2.91 380	2.85 369	2.58 369	1.62 335	6.28 366	5.80 382	0.41 324	0.30 307	0.35 304	0.35 324	0.52 332	0.54 328

STTRV1_RVC	1.60 333	0.69 327	2.04 317	0.88 339	1.12 367	1.58 315	0.90 298	2.42 343	1.78 342	1.29 216	2.02 338	1.40 268	1.22 294	9.72 405	1.35 288	0.86 375	0.34 327	0.54 357	0.49 357	0.75 366	0.54 328

DANet	1.16 284	0.64 314	1.52 279	0.88 339	0.74 317	1.52 308	0.52 176	1.68 192	1.21 198	1.81 333	1.55 269	2.02 344	1.11 275	3.30 308	2.28 346	0.34 294	0.31 312	0.40 330	0.30 297	0.46 320	0.54 328
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	1.91 357	0.64 314	5.95 378	0.73 290	0.59 273	2.04 354	1.61 365	3.84 391	1.96 355	1.54 300	1.39 226	2.27 355	3.32 390	4.95 337	4.79 375	0.50 353	0.31 312	0.29 257	0.26 248	0.67 359	0.54 328

Anonymous_2	1.37 311	0.56 293	0.94 162	0.57 142	0.62 286	1.04 237	0.65 239	1.82 229	1.01 119	1.00 93	0.79 45	1.42 270	1.27 302	1.06 98	0.83 209	0.62 365	0.67 385	1.05 384	9.88 421	1.09 380	0.55 334

MFN_U_SF_DS_RVC	1.80 347	1.11 367	4.33 371	0.84 331	0.77 326	3.70 390	2.41 401	2.04 278	1.85 348	1.75 327	1.90 328	1.92 331	1.25 299	7.33 383	1.45 298	0.47 345	0.47 365	0.53 356	0.77 379	0.50 329	0.55 334

sAnonymous2	0.59 84	0.61 305	1.82 299	0.61 185	0.52 240	0.51 45	0.54 191	0.97 28	0.70 27	0.50 21	0.68 26	0.46 16	0.63 113	0.61 15	0.41 52	0.22 152	0.17 163	0.23 149	0.21 168	0.85 370	0.56 336

CroCo_RVC	0.59 84	0.61 305	1.82 299	0.61 185	0.52 240	0.51 45	0.54 191	0.97 28	0.70 27	0.50 21	0.68 26	0.46 16	0.63 113	0.61 15	0.41 52	0.22 152	0.17 163	0.23 149	0.21 168	0.85 370	0.56 336

CC-Net-ROB	1.53 327	1.31 379	1.68 291	0.92 350	0.80 334	1.75 331	0.99 316	2.04 278	1.27 224	1.12 126	1.62 285	1.20 220	0.98 233	7.82 388	0.92 228	1.15 388	0.41 351	2.20 392	0.46 350	1.37 385	0.56 336

coex-ft	8.35 411	2.39 403	100.24 440	0.68 256	0.54 252	1.77 334	1.57 363	1.71 205	11.00 410	18.91 425	3.76 381	3.85 385	8.23 411	3.29 307	6.58 385	0.31 277	0.31 312	0.32 282	0.31 301	0.69 361	0.57 339

FAT-Stereo	1.10 276	0.43 249	1.46 269	0.74 296	0.60 277	1.13 252	0.92 303	2.06 283	1.71 335	1.75 327	2.00 336	2.02 344	1.47 327	2.02 243	1.26 278	0.44 337	0.36 336	0.34 298	0.29 286	0.36 275	0.57 339

PA-Net	1.14 281	0.63 311	2.12 322	0.67 247	0.75 320	1.19 271	0.91 301	1.91 251	1.46 303	1.18 161	1.23 171	1.33 258	1.17 284	4.31 325	1.41 294	0.29 268	0.46 364	0.33 290	0.50 359	0.33 265	0.57 339
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FTStereo	0.92 238	0.28 44	0.61 28	0.57 142	0.34 124	0.65 111	1.80 377	1.09 64	0.84 59	1.75 327	4.13 385	1.04 182	1.62 335	1.59 180	0.48 91	0.21 123	0.17 163	0.23 149	0.22 190	0.19 61	0.58 342

MANE	7.50 409	0.64 314	7.97 386	1.40 380	2.10 392	16.86 420	12.56 416	12.91 420	17.51 423	8.50 415	11.60 413	14.66 418	13.33 413	12.02 417	13.28 404	0.62 365	0.52 373	0.52 352	1.90 407	0.56 342	0.58 342

FCDSN-DC	2.47 376	0.65 320	1.00 182	0.85 333	0.75 320	2.26 362	0.97 313	2.31 330	1.83 347	5.52 409	7.65 406	7.72 406	7.70 410	4.43 327	2.64 354	0.52 355	0.48 367	0.52 352	0.52 362	0.57 344	0.59 344
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
G-Net	1.71 343	0.67 324	2.09 319	1.14 374	0.75 320	2.96 382	0.89 297	1.58 174	1.30 238	2.76 375	8.12 409	2.29 357	2.51 380	1.94 230	2.23 345	0.49 349	0.45 360	0.45 340	0.31 301	0.62 354	0.59 344

RYNet	1.24 303	0.52 282	1.57 286	0.73 290	0.97 360	1.74 330	0.95 311	2.09 289	1.54 317	1.44 275	1.18 156	1.94 336	1.29 304	4.57 330	1.93 336	0.27 245	0.23 257	0.35 304	0.27 262	0.57 344	0.59 344

ccnet	1.19 291	0.71 331	1.36 261	0.81 319	0.75 320	1.72 325	1.13 330	1.98 265	1.31 245	1.52 294	1.84 319	1.75 323	1.36 314	2.01 241	2.04 339	0.57 362	0.54 375	0.57 366	0.56 367	0.60 350	0.60 347

AnyNet_C32	2.14 366	1.45 381	7.38 385	0.95 360	1.12 367	2.23 359	2.34 397	2.10 291	1.54 317	2.44 365	1.79 311	2.04 349	1.66 341	2.69 287	10.48 400	0.38 312	0.35 332	0.35 304	0.42 340	0.50 329	0.60 347

XQC	1.51 326	0.98 359	3.20 353	0.92 350	0.76 325	2.01 352	1.17 337	2.53 361	1.99 356	2.01 351	1.54 266	2.00 341	1.54 331	3.16 301	3.46 365	0.49 349	0.31 312	0.45 340	0.40 335	0.71 364	0.62 349

GANetREF_RVC	1.11 278	0.90 350	1.56 284	0.88 339	0.53 245	1.41 299	1.35 351	1.91 251	1.54 317	1.28 212	1.32 202	1.46 279	1.23 295	2.04 244	1.00 247	0.57 362	0.45 360	0.67 371	0.52 362	0.91 373	0.62 349
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
psmorigin	1.69 342	0.74 339	13.13 403	0.70 275	0.60 277	1.16 261	0.79 276	1.69 201	1.25 214	2.07 354	1.77 309	2.23 352	1.51 330	2.14 255	1.45 298	0.39 319	0.41 351	0.34 298	0.33 315	0.45 316	0.63 351

Wz-Net-TNSev	2.10 363	2.71 411	9.30 393	0.72 283	0.65 295	2.41 367	1.81 378	2.45 347	1.77 339	1.62 315	1.56 274	2.56 368	2.01 361	5.30 341	4.46 373	0.41 324	0.38 343	0.33 290	0.37 330	0.54 339	0.64 352

SAMSARA	1.80 347	0.90 350	3.37 358	1.28 379	1.13 370	3.71 391	2.33 396	2.53 361	1.93 352	3.17 389	1.73 304	2.99 376	1.68 343	3.53 312	2.46 352	0.47 345	0.54 375	0.43 336	0.47 352	0.59 347	0.64 352

EDNetEfficient	2.40 375	1.14 368	8.59 391	0.77 311	0.73 313	1.06 243	1.53 360	1.54 165	4.06 396	4.87 404	2.81 367	2.23 352	3.53 393	3.04 298	9.65 398	0.27 245	0.24 265	0.27 237	0.31 301	0.70 362	0.67 354

MFN_U_SF_RVC	1.62 336	0.96 358	4.36 372	0.92 350	0.69 306	2.62 372	1.10 326	2.50 357	1.74 338	1.99 350	1.86 324	2.45 365	1.78 352	3.08 299	2.84 357	0.54 357	0.50 372	0.56 364	0.60 373	0.60 350	0.67 354

ADCS	2.35 371	1.26 375	6.54 381	0.85 333	0.77 326	2.18 358	1.79 374	2.47 352	2.20 364	2.80 376	2.14 346	2.38 362	2.09 366	2.81 292	13.83 410	0.43 329	0.41 351	0.40 330	0.45 348	0.59 347	0.67 354

PSM-AAD	0.80 186	0.29 63	0.58 18	0.58 152	0.29 52	0.76 155	1.19 339	1.08 57	0.94 90	1.65 319	1.58 279	0.81 100	2.12 370	1.67 192	0.44 64	0.19 65	0.14 59	0.38 320	0.32 306	0.22 142	0.68 357

NVstereo2D	0.99 254	0.45 255	2.21 328	0.79 315	0.75 320	1.20 272	0.86 293	1.98 265	1.41 282	1.02 100	1.18 156	1.31 252	0.97 230	2.25 263	0.93 231	0.45 340	0.22 234	0.39 324	0.25 237	0.59 347	0.68 357

LCNet	0.73 155	0.30 81	0.58 18	0.58 152	0.31 78	0.68 126	0.53 182	1.09 64	0.94 90	1.19 166	1.34 210	0.96 159	1.32 310	2.50 277	0.46 79	0.19 65	0.13 17	0.21 95	0.25 237	0.28 227	0.69 359

BEATNet-Init1	27.39 427	21.01 426	73.65 439	1.07 367	0.80 334	56.07 434	22.82 420	33.14 432	31.71 429	51.78 440	52.93 439	65.63 440	48.54 439	48.75 441	36.36 431	0.52 355	0.47 365	0.54 357	0.54 365	0.64 355	0.72 360

S-Stereo	1.17 287	0.48 266	2.25 331	0.83 327	0.81 338	1.22 274	1.17 337	2.12 293	2.08 360	1.47 284	2.13 344	1.55 294	1.16 281	2.09 251	1.46 300	0.42 328	0.40 350	0.35 304	0.32 306	0.45 316	0.73 361

PASM	1.48 324	1.08 363	3.96 367	0.93 355	0.93 353	1.17 268	1.19 339	1.77 214	1.65 330	1.90 340	1.52 264	1.75 323	1.42 321	4.54 329	1.52 308	0.64 367	0.68 387	0.69 373	0.79 380	0.70 362	0.74 362

ELAS_RVC	2.87 387	0.80 341	3.22 355	1.16 376	1.12 367	2.92 380	5.33 410	2.98 381	4.18 397	5.04 405	4.82 392	4.71 392	8.23 411	4.25 324	4.79 375	0.67 370	0.57 379	0.57 366	0.53 364	0.66 358	0.74 362
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.67 378	0.80 341	2.13 323	1.13 371	1.15 374	6.25 408	2.56 402	3.50 388	3.68 393	5.36 407	4.92 394	3.79 384	5.56 403	3.65 313	5.22 379	0.66 369	0.57 379	0.56 364	0.54 365	0.65 357	0.75 364
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SDNR	1.66 337	0.55 290	2.36 334	0.56 124	0.58 267	3.79 395	0.45 135	1.78 216	1.40 279	1.38 254	2.45 361	1.13 211	0.96 223	11.03 416	1.31 281	0.67 370	0.64 383	0.43 336	0.32 306	0.71 364	0.76 365

GMM-Stereo	0.75 161	0.27 36	0.66 46	0.56 124	0.34 124	0.71 139	0.97 313	1.09 64	0.91 73	1.37 249	1.79 311	1.11 207	0.79 157	2.08 250	0.48 91	0.19 65	0.12 5	0.25 206	0.25 237	0.21 123	0.78 366

DGSMNet	1.24 303	0.84 347	3.20 353	0.91 349	0.92 350	1.39 295	1.34 350	2.46 351	1.44 293	1.34 239	1.66 293	1.50 286	1.03 252	1.85 216	1.30 280	0.48 347	0.48 367	0.55 362	0.51 361	0.78 368	0.79 367

AnyNet_C01	2.38 373	2.21 401	10.17 396	0.99 363	0.79 332	3.12 383	2.37 398	2.69 371	1.89 350	2.58 372	2.44 360	2.70 373	1.86 356	3.65 313	7.12 388	0.41 324	0.41 351	0.40 330	0.42 340	0.68 360	0.79 367

MSC_U_SF_DS_RVC	2.22 369	1.29 378	4.14 369	1.10 370	0.78 330	5.00 404	2.38 400	2.47 352	2.67 379	1.94 346	2.28 352	2.66 372	1.70 344	9.10 397	2.29 348	0.68 372	0.52 373	0.68 372	0.71 377	1.17 382	0.81 369

PVD	1.82 349	0.91 354	3.02 350	1.03 365	0.94 356	2.61 371	1.14 333	2.78 376	3.40 390	3.08 387	2.75 366	2.39 364	2.49 379	2.81 292	3.66 367	0.48 347	0.49 371	0.59 369	0.49 357	0.60 350	0.81 369

PDISCO_ROB	1.41 315	0.73 337	2.04 317	1.40 380	1.46 385	2.83 377	1.07 324	2.64 366	2.11 362	1.41 264	1.50 256	1.73 318	0.99 236	2.83 294	1.46 300	1.03 381	0.27 291	0.54 357	0.47 352	0.77 367	0.84 371

Prome-Stereo	0.76 166	0.29 63	0.57 17	0.58 152	0.33 112	0.58 80	0.94 308	0.98 32	0.92 78	1.46 283	2.45 361	0.91 140	1.38 316	1.60 185	0.44 64	0.19 65	0.13 17	0.19 49	0.18 86	0.20 88	0.87 372

EDNetEfficientorigin	10.59 414	1.52 385	177.33 441	0.68 256	0.54 252	1.66 323	1.20 341	1.94 257	3.39 389	4.69 402	3.37 376	3.08 379	2.79 384	3.25 305	3.63 366	0.26 228	0.24 265	0.33 290	0.28 271	0.85 370	0.87 372

Consistency-Raft	1.27 308	1.01 361	2.17 325	1.04 366	1.20 378	0.96 228	1.00 318	1.84 232	1.95 354	1.38 254	2.11 343	1.44 274	1.03 252	1.18 121	1.40 293	0.73 373	0.83 389	0.89 378	0.99 390	1.33 384	0.95 374

anonymity	1.14 281	0.98 359	1.24 244	1.09 369	1.13 370	1.08 246	0.90 298	2.02 272	1.23 207	1.32 227	1.27 186	1.27 245	1.09 270	1.16 117	1.03 251	1.02 380	1.01 403	0.97 380	0.97 387	0.98 375	1.01 375

KYRaft	0.77 171	0.29 63	0.68 51	0.59 165	0.29 52	0.66 117	0.83 285	1.05 50	0.89 67	1.63 317	2.22 350	1.15 215	0.99 236	1.59 180	0.41 52	0.21 123	0.14 59	0.22 122	0.28 271	0.21 123	1.01 375

SPS-STEREO	1.78 345	1.09 365	1.52 279	1.22 377	1.14 372	1.87 343	1.11 327	2.27 327	1.70 333	3.17 389	2.39 357	2.84 375	1.93 359	4.41 326	2.93 358	1.04 383	0.99 402	0.97 380	0.94 385	1.03 378	1.05 377
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	1.47 322	1.20 372	2.50 337	1.46 385	1.08 366	1.58 315	1.51 357	1.96 263	1.87 349	2.31 361	2.20 348	1.51 288	1.88 357	1.57 174	1.34 286	0.94 378	0.83 389	0.84 377	0.80 381	1.00 376	1.06 378

LoS_RVC	0.45 12	0.29 63	0.48 10	0.49 36	0.83 341	0.51 45	0.43 110	0.65 3	0.44 1	0.47 12	0.78 43	0.44 8	0.60 102	0.59 12	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 379

MADNet+	2.80 382	3.38 414	11.57 401	1.50 386	1.21 380	3.18 385	2.00 381	3.52 389	2.61 373	1.81 333	2.09 342	2.83 374	2.18 373	7.55 386	5.44 381	0.84 374	0.83 389	0.71 374	0.66 376	1.05 379	1.08 379

FADE	26.94 426	6.16 416	20.86 416	1.90 390	1.95 391	2.92 380	2.01 384	5.55 406	5.12 403	2.92 382	2.17 347	4.13 387	14.15 416	10.56 414	10.39 399	193.84 441	2.80 415	122.45 438	126.70 438	1.14 381	1.11 381

SGM+DAISY	5.38 401	1.28 377	8.24 387	1.27 378	1.16 376	10.62 413	16.01 418	2.93 380	2.53 370	8.64 416	13.03 415	8.26 408	13.38 414	6.34 369	7.59 390	1.07 384	1.05 405	1.00 382	0.98 388	1.02 377	1.12 382

WAO-7	2.78 381	1.54 386	2.18 326	1.41 383	1.19 377	3.92 396	2.01 384	4.19 395	3.89 395	2.98 383	5.47 396	4.18 388	3.28 389	8.24 393	4.27 371	1.13 387	1.01 403	1.18 386	1.13 396	1.19 383	1.13 383

UDG	1.47 322	2.69 409	1.13 210	1.45 384	1.65 388	1.34 289	0.79 276	1.75 212	1.27 224	1.29 216	1.74 305	1.99 340	1.39 318	1.66 191	1.51 306	0.91 377	0.55 377	2.30 394	0.76 378	1.99 387	1.20 384

CAS	0.66 113	0.19 1	0.41 4	2.31 393	0.86 346	0.56 69	0.53 182	0.83 12	0.63 17	0.49 18	0.70 33	0.36 2	0.26 1	0.47 2	0.37 25	2.33 394	0.10 1	0.14 1	0.10 1	0.17 20	1.31 385

NVStereoNet_ROB	2.17 368	1.18 370	3.51 360	1.14 374	1.26 381	1.57 314	1.51 357	2.19 315	2.11 362	2.04 352	4.80 391	3.17 381	2.11 369	7.97 390	2.10 340	1.12 386	0.94 399	1.10 385	1.34 397	0.95 374	1.31 385
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MaskLacGwcNet_RVC	1.17 287	1.06 362	1.28 250	0.88 339	0.69 306	1.92 346	0.92 303	1.71 205	1.14 169	1.17 150	1.26 179	1.49 284	0.80 163	2.04 244	0.86 213	2.02 390	0.34 327	0.79 375	0.36 326	1.38 386	1.33 387

PWCK	3.24 392	2.37 402	10.86 398	2.14 391	1.14 372	3.71 391	4.19 409	3.02 382	3.55 392	3.05 386	3.63 380	3.09 380	2.35 378	8.16 392	3.41 364	2.17 393	0.96 400	1.77 389	1.01 392	2.84 395	1.40 388

DDUNet	1.56 330	2.70 410	1.35 259	1.79 387	1.88 390	1.82 339	0.91 301	1.84 232	1.20 192	1.40 262	1.79 311	1.62 302	1.17 284	1.59 180	1.22 271	1.11 385	0.76 388	2.38 397	0.94 385	2.12 388	1.53 389

CES	0.51 34	0.21 2	0.40 2	0.42 4	1.40 382	0.53 53	0.34 42	1.04 47	0.68 24	0.45 10	0.67 25	0.35 1	0.28 2	0.58 11	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 61	1.69 390

SQANet	1.38 312	0.95 357	1.37 264	1.89 389	1.47 386	1.44 303	0.81 280	1.89 247	1.13 163	1.34 239	1.26 179	1.28 246	1.02 250	1.64 189	0.91 224	2.55 395	0.35 332	1.47 387	0.56 367	2.48 391	1.74 391

WAO-8	4.57 399	2.01 396	2.58 340	2.37 394	2.21 394	9.75 410	1.71 368	6.04 410	16.34 415	4.11 394	7.69 407	7.41 401	3.85 395	10.02 412	3.85 368	2.05 391	1.09 406	2.44 401	1.39 398	2.56 392	1.86 392

Venus	4.57 399	2.01 396	2.58 340	2.37 394	2.21 394	9.75 410	1.71 368	6.04 410	16.34 415	4.11 394	7.69 407	7.41 401	3.85 395	10.02 412	3.85 368	2.05 391	1.09 406	2.44 401	1.39 398	2.56 392	1.86 392

WAO-6	2.98 389	1.67 390	1.88 305	2.38 396	2.30 399	3.53 389	2.37 398	4.38 398	4.64 401	2.42 363	4.50 386	4.85 393	2.99 385	5.22 340	5.37 380	1.77 389	1.16 409	2.31 395	1.47 403	2.42 390	1.99 394

otaku	1.67 338	1.18 370	1.56 284	2.27 392	1.59 387	1.98 349	1.23 344	2.23 320	1.37 266	1.48 289	1.63 289	1.73 318	1.23 295	1.85 216	1.09 256	2.96 398	0.58 381	1.74 388	0.61 374	2.94 397	2.15 395

JetBlue	4.18 396	2.45 406	10.42 397	1.40 380	2.89 408	10.68 414	10.68 412	3.91 392	2.52 369	2.74 374	3.39 377	4.50 389	4.27 399	7.97 390	7.67 391	0.89 376	0.97 401	0.89 378	0.92 384	2.26 389	2.21 396

Ntro	1.72 344	1.21 373	1.62 288	2.54 397	1.86 389	2.09 357	1.14 333	2.08 287	1.38 268	1.23 184	1.62 285	1.62 302	1.33 311	2.04 244	1.21 270	3.09 399	0.56 378	1.82 390	0.65 375	2.97 400	2.25 397

DispFullNet	2.39 374	2.89 412	3.74 363	3.09 405	2.27 398	2.04 354	0.84 287	2.19 315	1.73 337	2.54 370	1.98 335	2.23 352	5.83 404	3.44 311	1.84 334	1.03 381	0.33 325	2.65 405	1.97 409	2.87 396	2.34 398

RainbowNet	2.06 361	1.86 392	1.97 313	2.86 400	2.25 396	2.03 353	1.79 374	2.77 374	1.92 351	1.54 300	1.84 319	1.95 337	1.73 348	2.23 261	1.38 292	3.40 405	0.86 394	2.39 399	1.00 391	2.94 397	2.42 399

ACVNet_2	2.86 386	1.47 383	8.28 388	2.68 398	2.26 397	2.70 373	1.84 379	3.41 385	3.04 384	2.27 360	3.42 378	4.58 390	2.10 367	5.91 357	1.62 316	2.58 396	0.67 385	2.22 393	0.85 383	2.79 394	2.47 400

ACVNet_1	3.08 391	1.48 384	17.70 410	2.90 402	2.35 401	2.30 363	1.43 355	3.16 383	2.26 367	1.91 341	2.05 340	3.51 382	2.32 375	3.71 316	1.58 312	3.25 401	0.66 384	2.40 400	1.06 394	3.07 402	2.59 401

ACVNet-4b	3.05 390	1.42 380	18.09 414	2.85 399	2.33 400	2.32 366	1.22 342	2.47 352	2.21 365	1.26 202	2.36 356	2.64 371	1.46 325	6.32 368	1.23 274	3.29 402	0.45 360	2.37 396	1.02 393	3.03 401	2.61 402

LVE	3.40 394	1.80 391	2.21 328	2.90 402	2.44 402	3.27 388	2.25 393	4.80 401	5.06 402	2.43 364	6.79 400	5.99 399	2.64 383	9.20 399	2.28 346	3.30 403	1.11 408	2.38 397	1.48 404	2.95 399	2.62 403

tt	6.61 407	0.28 44	6.10 379	3.77 413	2.17 393	11.53 415	19.61 419	13.53 421	5.81 405	3.00 384	2.82 368	4.97 396	6.33 406	3.83 319	7.23 389	9.13 421	11.32 426	5.87 420	6.22 419	6.01 418	2.63 404

Dean	3.77 395	1.65 389	17.87 411	3.01 404	2.54 403	3.15 384	2.10 389	4.80 401	4.42 398	2.89 379	6.03 397	5.45 397	2.55 382	3.40 310	2.13 341	3.22 400	0.89 396	2.51 403	1.07 395	3.07 402	2.65 405

ktn	4.56 398	2.41 404	2.54 338	3.79 414	3.25 411	4.81 403	2.91 406	5.52 405	7.36 407	4.12 396	14.55 417	7.54 404	3.70 394	7.84 389	3.35 363	4.06 413	1.86 414	3.26 414	2.22 413	3.27 404	2.86 406

IMH-64-1	2.82 383	1.87 393	1.77 295	3.31 407	2.69 404	3.22 386	2.07 386	4.25 396	2.77 382	2.46 367	3.78 382	3.05 377	2.34 376	4.67 333	3.00 360	3.84 409	0.84 392	2.75 406	1.39 398	3.34 405	2.93 407

IMH-64	2.82 383	1.87 393	1.77 295	3.31 407	2.69 404	3.22 386	2.07 386	4.25 396	2.77 382	2.46 367	3.78 382	3.05 377	2.34 376	4.67 333	3.00 360	3.84 409	0.84 392	2.75 406	1.39 398	3.34 405	2.93 407

IMH	3.35 393	1.95 395	1.86 304	3.30 406	2.72 406	4.03 399	2.00 381	4.58 400	3.83 394	2.87 378	6.99 402	4.69 391	3.21 388	6.77 377	2.97 359	3.91 412	0.89 396	2.78 408	1.40 402	3.36 407	2.93 407

TorneroNet-64	5.41 402	2.10 399	2.43 335	3.49 410	2.83 407	9.90 412	2.13 390	8.87 416	16.79 420	5.39 408	9.18 411	10.68 416	3.92 398	9.55 403	5.11 378	3.36 404	0.86 394	2.88 409	1.62 405	3.76 408	3.37 410

KSHMR	8.76 413	2.14 400	3.59 361	3.60 412	3.13 410	4.15 400	2.67 403	5.61 408	58.90 440	3.04 385	55.71 440	4.94 394	2.54 381	4.61 332	3.05 362	3.49 406	1.57 413	3.14 411	1.98 410	3.84 409	3.49 411

notaker	4.29 397	2.42 405	5.06 375	3.89 415	3.29 413	4.00 397	2.25 393	4.93 403	3.47 391	4.21 399	6.79 400	7.67 405	3.37 391	9.25 401	6.47 384	4.09 414	1.42 411	3.35 415	2.13 412	4.11 412	3.54 412

TorneroNet	10.72 415	2.09 398	2.76 345	3.48 409	3.03 409	44.72 432	2.31 395	8.62 415	67.06 441	7.45 414	23.21 425	10.59 415	4.28 400	9.03 396	9.00 394	3.67 407	0.91 398	3.04 410	1.63 406	3.92 410	3.55 413

JetRed	7.02 408	8.94 420	25.72 423	2.89 401	3.27 412	14.25 418	12.27 415	6.69 412	4.45 399	4.46 400	4.56 387	6.65 400	5.43 402	7.46 385	14.41 412	2.60 397	3.31 416	2.61 404	2.30 414	4.34 413	3.79 414

UNDER WATER-64	5.84 405	2.48 408	17.93 412	3.97 416	3.58 415	7.70 409	3.03 407	5.72 409	14.13 412	4.18 398	4.00 384	9.27 411	6.80 408	6.20 363	9.22 396	3.67 407	1.52 412	3.14 411	1.95 408	4.43 414	3.83 415

UNDER WATER	5.68 404	2.46 407	15.52 407	3.98 417	3.53 414	5.15 405	2.74 404	5.58 407	16.41 418	4.00 392	4.56 387	9.12 410	6.43 407	6.22 364	9.11 395	3.85 411	1.35 410	3.18 413	1.98 410	4.51 415	3.84 416

MADNet++	5.41 402	3.18 413	6.43 380	4.66 419	3.95 417	6.15 407	6.75 411	4.51 399	4.51 400	5.06 406	6.27 398	4.96 395	6.14 405	9.39 402	11.70 402	4.71 415	4.19 419	3.97 417	3.33 415	4.08 411	4.25 417

HanzoNet	11.92 416	5.12 415	17.18 409	4.19 418	3.59 416	5.16 406	2.82 405	7.41 413	9.96 409	33.31 436	27.60 427	22.25 426	37.31 431	18.18 421	13.57 405	8.13 420	3.44 418	3.50 416	3.44 416	7.77 422	4.52 418

PML	51.64 438	37.49 431	14.31 404	7.45 421	20.27 423	107.80 441	231.34 442	8.94 417	27.70 428	86.74 441	268.93 442	69.03 441	61.09 440	24.71 430	14.36 411	9.71 422	3.40 417	9.60 422	4.67 417	20.46 426	4.76 419

SPstereo	26.71 425	6.90 417	11.42 400	5.86 420	6.44 418	48.17 433	80.34 440	67.41 441	34.42 436	28.80 434	27.49 426	43.68 438	37.53 435	44.96 440	54.23 441	5.06 418	4.92 420	10.92 425	6.03 418	4.54 416	5.00 420

DGTPSM_ROB	13.06 417	8.27 418	22.29 418	9.53 422	18.14 420	11.53 415	31.97 425	10.82 418	16.25 413	7.14 411	19.39 423	10.12 413	16.69 419	9.85 407	22.49 420	4.77 416	8.72 421	5.37 418	10.24 422	6.15 419	11.56 421

DPSMNet_ROB	13.08 418	8.28 419	22.32 419	9.54 423	18.15 421	11.53 415	31.98 426	10.83 419	16.27 414	7.17 412	19.40 424	10.12 413	16.69 419	9.87 408	22.50 421	4.78 417	8.72 421	5.38 419	10.25 423	6.16 420	11.59 422

Anonymous_1	42.79 436	18.71 423	24.75 420	21.81 425	45.16 435	27.68 423	37.52 427	28.64 427	16.34 415	14.72 421	14.53 416	20.60 420	17.82 421	21.52 423	25.88 425	113.45 440	8.91 423	100.63 437	126.37 437	158.50 441	12.31 423

DPSM_ROB	19.12 420	19.13 424	25.13 421	22.15 426	20.86 424	28.06 424	37.75 428	27.18 425	16.95 421	14.25 419	15.07 418	21.66 421	18.69 422	21.83 424	26.51 426	10.15 423	9.30 424	10.45 423	10.41 424	14.00 423	12.85 424

DPSM	19.12 420	19.13 424	25.13 421	22.15 426	20.86 424	28.06 424	37.75 428	27.18 425	16.95 421	14.25 419	15.07 418	21.66 421	18.69 422	21.83 424	26.51 426	10.15 423	9.30 424	10.45 423	10.41 424	14.00 423	12.85 424

ASD4	17.95 419	11.38 422	20.07 415	11.32 424	12.21 419	21.39 421	31.23 424	22.73 423	12.78 411	12.19 418	12.67 414	13.79 417	14.32 417	20.13 422	25.17 424	18.93 426	15.37 427	28.00 432	22.52 432	17.63 425	15.21 426

LSM	6.55 406	1.26 375	15.64 408	1.79 387	68.74 436	1.67 324	2.08 388	2.26 323	2.59 372	3.13 388	3.08 374	1.90 327	1.81 353	2.89 295	2.16 343	0.43 329	0.59 382	0.50 350	0.58 369	0.64 355	17.24 427

CasAABBNet	38.42 428	38.42 432	50.26 432	44.76 433	41.87 430	56.47 438	76.22 434	54.44 438	33.92 431	28.53 429	30.36 431	43.53 437	37.59 436	43.77 437	53.32 436	20.27 427	18.70 430	21.03 429	21.04 427	28.19 427	25.79 428

Selective-RAFT-Error	38.47 432	38.44 433	50.38 436	44.74 432	42.01 431	56.47 438	76.24 435	54.44 438	34.02 432	28.59 430	30.30 430	43.51 436	38.10 437	43.69 433	53.24 435	20.36 431	18.72 431	21.05 430	21.02 426	28.25 431	25.87 429

MyStereo03	38.45 429	38.46 434	50.33 433	44.93 434	42.03 432	56.44 435	76.24 435	54.16 435	34.06 433	28.68 431	30.42 432	43.46 433	37.33 432	43.76 434	53.43 437	20.29 428	18.73 432	21.02 426	21.05 428	28.19 427	25.91 430

MyStereo02	38.45 429	38.46 434	50.33 433	44.93 434	42.03 432	56.44 435	76.24 435	54.16 435	34.06 433	28.68 431	30.42 432	43.46 433	37.33 432	43.76 434	53.43 437	20.29 428	18.73 432	21.02 426	21.05 428	28.19 427	25.91 430

MyStereo	38.45 429	38.46 434	50.33 433	44.93 434	42.03 432	56.44 435	76.24 435	54.16 435	34.06 433	28.68 431	30.42 432	43.46 433	37.33 432	43.76 434	53.43 437	20.29 428	18.73 432	21.02 426	21.05 428	28.19 427	25.91 430

LRCNet_RVC	22.79 422	32.09 430	22.06 417	29.83 428	26.15 426	4.40 402	0.84 287	22.64 422	2.10 361	26.93 428	29.25 428	23.03 428	15.56 418	23.91 426	18.92 417	32.00 433	20.04 435	34.68 433	32.13 433	30.66 433	28.52 433

DPSimNet_ROB	24.77 424	9.69 421	61.46 438	3.56 411	19.46 422	25.95 422	77.56 439	5.09 404	16.60 419	21.50 426	29.82 429	25.12 429	85.69 441	13.37 419	23.07 423	7.23 419	17.79 428	8.55 421	7.57 420	4.57 417	31.84 434

LSM0	42.92 437	38.72 437	50.66 437	47.49 437	110.18 441	56.77 440	75.87 433	54.87 440	33.74 430	29.48 435	31.12 435	43.77 439	37.12 430	43.85 438	53.44 440	20.50 432	18.67 429	21.05 430	21.07 431	28.37 432	41.73 435

AVERAGE_ROB	40.42 434	42.30 439	42.61 429	36.91 431	35.54 429	30.42 427	27.59 421	37.45 434	38.45 438	44.87 438	44.27 437	37.55 432	36.69 429	41.82 432	40.25 432	45.36 438	46.73 439	47.09 435	46.32 434	42.47 435	43.74 436

HaxPig	39.02 433	41.39 438	41.59 428	30.10 429	32.36 427	29.49 426	27.65 422	30.56 428	37.94 437	43.75 437	43.81 436	33.42 430	35.69 428	41.51 431	40.33 433	43.91 437	47.48 440	45.87 434	47.14 435	42.29 434	44.06 437

MEDIAN_ROB	42.01 435	44.30 440	44.14 431	35.08 430	34.90 428	31.33 431	29.90 423	36.77 433	40.11 439	47.14 439	46.55 438	37.49 431	38.50 438	44.30 439	42.32 434	47.93 439	49.31 441	49.68 436	49.00 436	44.98 436	46.46 438

xxxxx1	54.34 439	26.72 427	27.03 424	114.14 438	99.00 438	30.68 428	47.19 430	32.52 429	26.09 424	17.85 422	17.48 420	21.86 423	20.92 424	24.38 427	33.78 428	34.73 434	41.33 436	157.67 439	175.68 439	65.82 437	71.99 439

tt_ll	54.34 439	26.72 427	27.03 424	114.14 438	99.00 438	30.68 428	47.19 430	32.52 429	26.09 424	17.85 422	17.48 420	21.86 423	20.92 424	24.38 427	33.78 428	34.73 434	41.33 436	157.67 439	175.68 439	65.82 437	71.99 439

ff	54.34 439	26.72 427	27.03 424	114.14 438	99.00 438	30.68 428	47.19 430	32.52 429	26.09 424	17.85 422	17.48 420	21.86 423	20.92 424	24.38 427	33.78 428	34.73 434	41.33 436	157.67 439	175.68 439	65.82 437	71.99 439

test_example2	192.91 442	210.59 442	206.44 442	199.86 442	204.90 442	172.02 442	182.95 441	138.34 442	134.89 442	193.14 442	200.54 441	186.77 442	177.82 442	204.95 442	207.57 442	221.83 442	238.70 442	186.02 442	190.07 442	226.94 442	173.78 442

Low-res two-view benchmark