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

MIF-Stereo	0.36 10	0.66 143	2.43 127	0.28 34	0.24 118	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 43	0.18 1	0.18 6	0.33 14	0.30 56	0.11 111	0.08 38	0.09 14	0.08 27	0.25 209	0.09 2

MyStereo07	0.56 111	0.68 151	2.42 122	0.30 60	0.41 249	0.61 162	0.31 181	0.58 55	0.72 197	1.17 350	0.26 14	0.20 2	0.27 62	1.28 222	0.28 42	0.09 11	0.59 307	0.12 136	0.21 271	0.16 69	0.48 225

ff7	0.65 191	0.58 119	2.09 58	0.39 199	0.60 303	0.56 88	0.23 59	0.49 14	0.62 93	1.00 333	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 392	0.10 47	0.18 235	0.24 194	2.22 398

ffff	0.65 191	0.58 119	2.09 58	0.39 199	0.60 303	0.56 88	0.23 59	0.49 14	0.62 93	1.00 333	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 392	0.10 47	0.18 235	0.24 194	2.22 398

11t	0.65 191	0.58 119	2.09 58	0.39 199	0.60 303	0.56 88	0.23 59	0.49 14	0.62 93	1.00 333	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 392	0.10 47	0.18 235	0.24 194	2.22 398

CAS	0.39 15	0.31 7	1.79 10	0.81 344	0.34 210	0.51 47	0.23 59	0.49 14	0.42 9	0.23 6	0.31 26	0.20 2	0.17 1	0.30 2	0.25 23	0.77 377	0.06 1	0.07 1	0.05 1	0.10 10	0.41 190

ccc-4	0.65 191	0.58 119	2.09 58	0.39 199	0.60 303	0.56 88	0.23 59	0.49 14	0.62 93	1.00 333	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 392	0.10 47	0.18 235	0.24 194	2.22 398

IGEV+	0.74 244	0.70 156	2.05 53	1.11 366	1.09 371	0.32 6	0.21 30	0.75 110	0.43 13	0.30 22	0.30 20	0.22 8	0.27 62	0.98 182	0.31 70	0.10 47	2.50 410	0.08 3	0.15 196	0.27 235	2.70 408

Former-RAFT_DAM_RVC	0.52 82	0.51 100	1.12 1	0.26 15	0.22 86	0.46 21	0.20 20	1.10 340	1.33 371	3.13 409	0.33 33	0.22 8	0.20 14	0.34 15	0.26 32	0.11 111	0.09 81	0.11 93	0.09 37	0.17 90	0.21 72

AEACV	0.89 308	0.29 2	1.84 18	2.50 408	1.68 398	0.53 67	0.21 30	1.01 291	0.42 9	0.68 264	0.31 26	0.22 8	0.39 147	1.63 268	0.25 23	0.09 11	2.60 411	0.09 14	0.54 374	0.23 188	2.27 403

anonymousdsp	0.86 294	0.59 125	2.65 224	1.33 373	1.25 381	0.56 88	0.23 59	0.54 39	0.71 190	1.13 346	0.25 11	0.22 8	0.24 27	1.24 215	0.24 15	0.09 11	2.34 407	0.10 47	0.18 235	0.25 209	3.12 413

Selective-IGEV	0.57 118	0.42 70	1.87 23	1.67 391	1.33 384	0.36 11	0.20 20	0.61 67	0.71 190	0.22 3	0.31 26	0.22 8	0.19 7	0.52 79	0.36 105	0.09 11	0.97 338	0.09 14	0.15 196	0.20 150	0.85 314

ProNet	0.46 45	0.60 127	1.85 20	0.35 144	0.67 321	0.49 39	0.25 100	0.53 30	0.57 67	0.21 1	0.24 6	0.22 8	0.20 14	0.52 79	0.22 4	0.09 11	0.47 288	0.10 47	0.09 37	0.23 188	1.33 359

IGEV-Stereo	0.86 294	0.60 127	2.65 224	1.35 375	1.25 381	0.56 88	0.23 59	0.54 39	0.71 190	1.14 347	0.25 11	0.22 8	0.24 27	1.24 215	0.24 15	0.09 11	2.34 407	0.10 47	0.18 235	0.25 209	3.13 414
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CASnet	0.32 3	0.40 63	1.80 11	0.28 34	0.11 1	0.47 31	0.19 12	0.45 7	0.47 25	0.39 31	0.31 26	0.23 15	0.17 1	0.31 3	0.21 1	0.11 111	0.06 1	0.15 246	0.12 140	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.34 5	0.38 55	1.96 38	0.27 22	0.35 218	0.43 16	0.22 40	0.43 5	0.34 1	0.24 9	0.34 35	0.23 15	0.28 73	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 156

XX-TBD	0.40 17	1.04 237	2.49 171	0.35 144	0.13 5	0.51 47	0.17 5	0.44 6	0.52 46	0.38 29	0.51 117	0.23 15	0.19 7	0.31 3	0.25 23	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 56

sAnonymous2	0.45 40	0.88 202	2.97 299	0.31 74	0.25 124	0.34 9	0.28 134	0.56 48	0.49 30	0.25 11	0.30 20	0.23 15	0.29 89	0.31 3	0.22 4	0.12 144	0.09 81	0.12 136	0.13 160	0.38 312	0.43 199

CroCo_RVC	0.45 40	0.88 202	2.97 299	0.31 74	0.25 124	0.34 9	0.28 134	0.56 48	0.49 30	0.25 11	0.30 20	0.23 15	0.29 89	0.31 3	0.22 4	0.12 144	0.09 81	0.12 136	0.13 160	0.38 312	0.43 199

Anonymous	0.41 18	0.44 80	2.55 190	0.35 144	0.32 195	0.38 12	0.34 209	0.57 53	0.41 5	0.25 11	0.30 20	0.23 15	0.29 89	0.38 27	0.28 42	0.15 235	0.13 154	0.11 93	0.12 140	0.24 194	0.30 130

test croco	0.43 25	0.73 167	2.80 271	0.28 34	0.19 63	0.33 8	0.21 30	0.63 76	0.50 36	0.24 9	0.38 49	0.24 21	0.25 41	0.48 59	0.32 79	0.12 144	0.08 38	0.13 192	0.09 37	0.43 335	0.13 12

CREStereo++_RVC	0.38 13	0.37 50	2.47 163	0.25 5	0.16 20	0.54 74	0.15 1	0.42 4	0.57 67	0.37 26	0.52 124	0.24 21	0.19 7	0.31 3	0.27 37	0.09 11	0.06 1	0.08 3	0.30 312	0.09 5	0.22 77
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
CREStereo	0.31 1	0.35 37	1.66 7	0.19 1	0.13 5	0.55 84	0.17 5	0.50 23	0.50 36	0.28 18	0.34 35	0.24 21	0.21 16	0.34 15	0.23 14	0.11 111	0.07 6	0.08 3	0.05 1	0.10 10	0.12 10
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
ACVNet-DCA	0.67 211	0.73 167	2.43 127	0.67 323	0.52 280	0.76 279	0.24 81	0.81 145	0.83 275	0.77 296	0.39 52	0.25 24	0.38 136	0.70 135	0.22 4	0.10 47	2.13 397	0.11 93	0.09 37	0.16 69	1.18 343

1test111	0.72 239	0.73 167	2.43 127	0.67 323	0.52 280	0.76 279	0.24 81	0.81 145	0.83 275	0.77 296	0.39 52	0.25 24	0.38 136	1.03 187	0.75 225	0.10 47	2.13 397	0.11 93	0.09 37	0.16 69	1.18 343

cc1	0.74 244	0.73 167	2.43 127	0.67 323	0.52 280	0.76 279	0.24 81	0.85 179	1.05 347	0.77 296	0.39 52	0.25 24	0.38 136	0.70 135	0.22 4	0.10 47	2.13 397	0.11 93	0.09 37	0.25 209	2.20 397

MIF-Stereo (partial)	0.41 18	0.71 159	2.67 235	0.27 22	0.24 118	0.32 6	0.17 5	0.56 48	0.46 19	0.26 14	0.37 43	0.25 24	0.26 49	0.46 49	0.35 103	0.11 111	0.08 38	0.12 136	0.10 71	0.21 159	0.15 30

GLC_STEREO	0.31 1	0.30 5	1.80 11	0.29 46	0.12 3	0.41 14	0.20 20	0.39 2	0.42 9	0.26 14	0.31 26	0.25 24	0.19 7	0.36 24	0.26 32	0.09 11	0.11 126	0.12 136	0.10 71	0.13 35	0.15 30

sCroCo_RVC	0.37 11	0.39 59	2.38 106	0.35 144	0.27 149	0.31 5	0.22 40	0.49 14	0.48 28	0.23 6	0.34 35	0.25 24	0.24 27	0.35 22	0.25 23	0.15 235	0.17 200	0.12 136	0.11 109	0.15 60	0.15 30

tt1	0.74 244	0.73 167	2.34 100	0.67 323	0.63 313	0.75 275	0.24 81	0.85 179	0.96 329	0.81 308	0.38 49	0.26 30	0.35 122	0.64 118	0.22 4	0.10 47	2.16 402	0.11 93	0.09 37	0.25 209	2.19 393

whm_eth	0.51 80	0.86 197	2.79 269	0.31 74	0.31 184	0.49 39	0.24 81	0.78 126	0.75 222	0.48 66	0.86 310	0.26 30	0.26 49	0.38 27	0.29 51	0.13 186	0.11 126	0.13 192	0.12 140	0.14 51	0.44 211

DLNR_Zeroshot_test	13.74 421	20.06 426	23.92 428	121.50 441	35.20 436	0.46 21	0.15 1	7.96 419	0.47 25	0.29 21	0.37 43	0.26 30	0.17 1	0.79 159	0.36 105	7.16 421	2.95 415	0.09 14	0.38 349	50.40 439	1.95 383

CES	0.33 4	0.32 14	1.46 3	0.25 5	0.50 276	0.40 13	0.20 20	0.48 11	0.48 28	0.22 3	0.29 17	0.26 30	0.19 7	0.35 22	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 248

TANstereo	0.39 15	0.70 156	2.48 168	0.23 3	0.12 3	0.54 74	0.16 3	0.41 3	0.47 25	0.45 52	0.51 117	0.26 30	0.22 19	0.34 15	0.21 1	0.10 47	0.10 104	0.08 3	0.07 12	0.09 5	0.18 56

GMStereo	0.44 37	1.32 300	2.65 224	0.28 34	0.16 20	0.42 15	0.22 40	0.48 11	0.63 104	0.41 34	0.36 39	0.26 30	0.25 41	0.41 41	0.30 56	0.14 216	0.08 38	0.10 47	0.12 140	0.17 90	0.13 12
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PMTNet	0.35 7	0.38 55	1.75 9	0.21 2	0.14 8	0.57 107	0.24 81	0.48 11	0.44 17	0.28 18	0.32 32	0.26 30	0.24 27	0.41 41	0.24 15	0.42 358	0.07 6	0.08 3	0.05 1	0.18 110	0.15 30

EGLCR-Stereo	0.90 311	0.31 7	1.90 27	1.60 387	0.95 354	1.14 355	0.42 254	0.85 179	0.43 13	1.74 385	0.21 1	0.27 37	0.17 1	1.56 254	0.30 56	0.10 47	2.60 411	0.10 47	0.09 37	0.10 10	3.10 412

MC-Stereo	0.58 126	0.37 50	2.00 41	0.88 347	0.64 317	0.54 74	0.19 12	0.46 9	0.39 3	0.58 170	0.39 52	0.27 37	0.27 62	0.71 141	0.32 79	0.09 11	1.20 356	0.09 14	0.16 214	0.22 173	1.92 382

StereoIM	0.35 7	0.89 207	2.15 70	0.25 5	0.29 165	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 39	0.21 16	0.32 13	0.31 70	0.10 47	0.09 81	0.10 47	0.08 27	0.11 17	0.12 10

RCA-Stereo	0.45 40	0.38 55	1.80 11	0.27 22	0.25 124	0.58 114	0.23 59	0.84 169	0.66 124	0.42 38	0.44 76	0.28 39	0.35 122	0.31 3	0.21 1	0.09 11	1.01 341	0.09 14	0.07 12	0.21 159	0.53 245

DCANet-4	0.43 25	0.32 14	2.31 95	0.26 15	0.14 8	0.51 47	0.22 40	0.84 169	0.78 241	0.55 142	0.48 90	0.28 39	0.37 129	0.40 35	0.37 108	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 199

s12784h	0.41 18	0.34 30	2.17 73	0.24 4	0.11 1	0.64 209	0.24 81	0.85 179	0.70 178	0.45 52	0.54 141	0.28 39	0.27 62	0.51 75	0.27 37	0.11 111	0.06 1	0.09 14	0.06 6	0.16 69	0.14 24

CroCo-Stereo Lap2	0.38 13	0.91 215	2.02 46	0.33 111	0.38 236	0.23 2	0.21 30	0.63 76	0.51 41	0.23 6	0.28 15	0.29 43	0.23 25	0.34 15	0.28 42	0.10 47	0.09 81	0.10 47	0.08 27	0.22 173	0.15 30

IGEVStereo-DCA	0.74 244	0.74 176	2.09 58	0.76 335	0.77 336	0.45 18	0.23 59	0.49 14	0.62 93	0.71 281	0.22 2	0.30 44	0.28 73	1.29 223	1.53 319	0.10 47	1.50 379	0.10 47	0.18 235	0.24 194	2.22 398

rrr	0.84 283	0.74 176	3.40 342	0.76 335	0.77 336	0.45 18	0.28 134	1.23 362	0.84 287	0.71 281	0.22 2	0.30 44	0.28 73	1.29 223	1.53 319	0.10 47	1.50 379	0.10 47	0.29 306	0.24 194	1.75 379

AnonymousM	0.45 40	0.49 89	1.83 15	0.29 46	0.15 13	0.53 67	0.22 40	0.64 78	0.66 124	0.47 64	0.33 33	0.30 44	0.25 41	0.49 69	0.29 51	0.12 144	0.27 256	0.71 381	0.37 346	0.12 25	0.41 190

test_xeample3	0.86 294	0.75 180	3.36 331	0.65 317	0.76 334	0.49 39	0.33 204	1.21 361	0.80 257	0.61 206	0.23 5	0.30 44	0.29 89	1.17 207	1.57 321	0.10 47	1.79 385	0.10 47	0.40 353	0.25 209	2.09 387

DIP-Stereo	0.43 25	0.50 95	2.21 81	0.27 22	0.18 47	0.63 197	0.17 5	0.94 243	0.58 73	0.49 82	0.48 90	0.30 44	0.30 99	0.40 35	0.31 70	0.10 47	0.08 38	0.10 47	0.08 27	0.15 60	0.33 143
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
fff	0.50 70	0.90 212	2.63 214	0.25 5	0.15 13	0.51 47	0.22 40	0.85 179	0.82 269	0.55 142	0.48 90	0.31 49	0.65 283	0.39 31	0.37 108	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 199

raftrobust	0.52 82	1.14 256	2.15 70	0.33 111	0.99 359	0.53 67	0.21 30	0.59 62	0.50 36	0.53 127	0.36 39	0.31 49	0.33 113	0.47 51	0.42 123	0.10 47	0.55 300	0.09 14	0.08 27	0.22 173	0.46 219

csc	0.50 70	0.90 212	2.63 214	0.25 5	0.15 13	0.51 47	0.22 40	0.85 179	0.82 269	0.55 142	0.48 90	0.31 49	0.65 283	0.39 31	0.37 108	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 199

cscssc	0.50 70	0.90 212	2.63 214	0.25 5	0.15 13	0.51 47	0.22 40	0.85 179	0.82 269	0.55 142	0.48 90	0.31 49	0.65 283	0.39 31	0.37 108	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 199

ADStereo(finetuned)	0.50 70	0.91 215	2.43 127	0.26 15	0.14 8	0.51 47	0.22 40	0.84 169	0.78 241	0.56 152	0.49 103	0.32 53	0.75 312	0.40 35	0.40 117	0.10 47	0.07 6	0.09 14	0.07 12	0.13 35	0.45 216

HHNet	0.63 179	0.67 144	3.10 313	0.37 168	0.25 124	0.64 209	0.60 319	0.70 98	0.67 136	0.55 142	1.12 347	0.32 53	0.60 273	0.43 45	1.75 329	0.16 249	0.08 38	0.12 136	0.10 71	0.18 110	0.22 77

raft+_RVC	0.62 167	1.18 270	2.43 127	0.36 158	2.08 404	0.52 62	0.25 100	0.66 83	0.54 55	0.36 24	0.46 79	0.32 53	0.28 73	0.49 69	0.43 129	0.10 47	0.91 336	0.10 47	0.09 37	0.22 173	0.70 292

DCANet	0.49 66	0.91 215	2.63 214	0.26 15	0.14 8	0.51 47	0.22 40	0.84 169	0.78 241	0.56 152	0.49 103	0.32 53	0.41 164	0.39 31	0.41 119	0.10 47	0.07 6	0.09 14	0.07 12	0.14 51	0.45 216

rafts_anoy	0.60 147	1.33 304	2.59 200	0.53 280	1.09 371	0.49 39	0.25 100	0.67 86	0.53 52	0.41 34	0.38 49	0.33 57	0.30 99	0.68 132	0.41 119	0.10 47	1.13 353	0.13 192	0.15 196	0.20 150	0.29 121

Anonymous3	0.47 48	0.49 89	2.61 209	0.33 111	0.25 124	0.72 265	0.32 191	0.80 138	0.60 81	0.36 24	0.41 61	0.33 57	0.29 89	0.46 49	0.30 56	0.19 290	0.18 206	0.13 192	0.13 160	0.18 110	0.22 77

R-Stereo Train	0.42 22	0.31 7	2.51 175	0.30 60	0.18 47	0.56 88	0.25 100	0.82 152	0.41 5	0.57 164	0.67 236	0.33 57	0.24 27	0.34 15	0.33 88	0.10 47	0.08 38	0.09 14	0.07 12	0.09 5	0.18 56

RAFT-Stereo	0.42 22	0.31 7	2.51 175	0.30 60	0.18 47	0.56 88	0.25 100	0.82 152	0.41 5	0.57 164	0.67 236	0.33 57	0.24 27	0.34 15	0.33 88	0.10 47	0.08 38	0.09 14	0.07 12	0.09 5	0.18 56
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
UDGNet	0.50 70	1.36 313	2.44 135	0.37 168	0.19 63	0.58 114	0.23 59	0.49 14	0.69 168	0.42 38	0.39 52	0.34 61	0.29 89	0.55 92	0.32 79	0.25 332	0.10 104	0.37 359	0.19 251	0.30 260	0.17 49

dd	0.48 55	1.32 300	2.41 118	0.31 74	0.17 37	0.58 114	0.26 112	0.50 23	0.71 190	0.42 38	0.41 61	0.34 61	0.28 73	0.47 51	0.41 119	0.18 279	0.10 104	0.13 192	0.12 140	0.22 173	0.16 43

TestStereo	0.49 66	0.88 202	2.38 106	0.30 60	0.16 20	0.43 16	0.25 100	0.55 47	0.46 19	0.38 29	0.46 79	0.34 61	0.28 73	1.96 321	0.28 42	0.11 111	0.08 38	0.12 136	0.09 37	0.15 60	0.13 12

11t1	0.60 147	0.49 89	2.19 76	0.35 144	0.58 297	0.48 34	0.21 30	0.72 105	0.73 200	0.49 82	0.47 84	0.35 64	0.34 120	0.61 110	0.71 217	0.12 144	1.26 364	0.10 47	0.29 306	0.16 69	1.22 351

TestStereo1	0.59 141	1.21 277	2.63 214	0.40 212	0.60 303	0.56 88	0.34 209	0.82 152	0.73 200	0.45 52	0.63 213	0.36 65	0.42 175	0.66 125	0.42 123	0.10 47	0.32 261	0.12 136	0.10 71	0.34 283	0.52 242

SA-5K	0.59 141	1.21 277	2.63 214	0.40 212	0.60 303	0.56 88	0.34 209	0.82 152	0.73 200	0.45 52	0.63 213	0.36 65	0.42 175	0.66 125	0.42 123	0.10 47	0.32 261	0.12 136	0.10 71	0.34 283	0.52 242

RALCasStereoNet	0.65 191	1.34 306	2.56 194	0.43 234	0.96 355	0.50 45	0.26 112	0.62 70	0.56 64	0.43 44	0.49 103	0.36 65	0.28 73	0.72 146	0.53 166	0.10 47	1.18 354	0.09 14	0.08 27	0.27 235	1.27 354

LoS	0.34 5	0.35 37	1.88 24	0.25 5	0.13 5	0.53 67	0.20 20	0.50 23	0.53 52	0.26 14	0.28 15	0.37 68	0.24 27	0.40 35	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

NF-Stereo	0.53 92	0.33 23	2.55 190	0.55 287	0.16 20	0.61 162	0.43 261	0.70 98	0.70 178	0.50 100	0.47 84	0.37 68	0.26 49	1.44 241	0.78 234	0.12 144	0.07 6	0.12 136	0.10 71	0.13 35	0.17 49

OCTAStereo	0.53 92	0.33 23	2.54 183	0.56 296	0.16 20	0.61 162	0.42 254	0.70 98	0.70 178	0.50 100	0.47 84	0.37 68	0.26 49	1.43 237	0.79 237	0.12 144	0.07 6	0.12 136	0.10 71	0.13 35	0.17 49

RE-Stereo	0.53 92	0.33 23	2.54 183	0.56 296	0.16 20	0.61 162	0.43 261	0.70 98	0.70 178	0.50 100	0.47 84	0.37 68	0.26 49	1.43 237	0.77 230	0.12 144	0.07 6	0.12 136	0.10 71	0.13 35	0.17 49

TVStereo	0.53 92	0.33 23	2.54 183	0.56 296	0.16 20	0.61 162	0.43 261	0.70 98	0.70 178	0.50 100	0.47 84	0.37 68	0.26 49	1.43 237	0.77 230	0.12 144	0.07 6	0.12 136	0.10 71	0.13 35	0.17 49

DisPM	0.48 55	0.41 68	2.54 183	0.61 308	0.18 47	0.59 132	0.62 326	0.54 39	0.67 136	0.61 206	0.53 127	0.38 73	0.26 49	0.76 153	0.31 70	0.13 186	0.07 6	0.12 136	0.11 109	0.12 25	0.15 30

DRaft	0.65 191	0.47 85	2.38 106	0.25 5	0.17 37	0.64 209	0.65 331	0.56 48	0.57 67	0.67 258	0.98 330	0.38 73	0.99 343	1.42 236	2.06 343	0.11 111	0.14 167	0.10 47	0.14 178	0.18 110	0.21 72

4D-IteraStereo	0.62 167	1.29 297	3.04 308	0.27 22	0.30 176	0.46 21	0.26 112	0.54 39	0.51 41	0.41 34	0.31 26	0.39 75	0.19 7	0.53 86	0.65 202	0.09 11	0.47 288	0.12 136	0.11 109	0.21 159	2.14 390

SA	0.61 154	1.14 256	2.79 269	0.32 91	0.63 313	0.57 107	0.30 171	0.97 266	0.78 241	0.43 44	0.63 213	0.39 75	0.46 211	0.70 135	0.31 70	0.10 47	0.44 285	0.13 192	0.32 322	0.31 268	0.51 237

test_4	0.47 48	0.80 190	2.15 70	0.36 158	0.29 165	0.59 132	0.28 134	0.50 23	0.42 9	0.43 44	0.76 288	0.39 75	0.22 19	0.73 147	0.49 155	0.08 1	0.18 206	0.11 93	0.15 196	0.29 254	0.27 109

PFNet+	0.50 70	0.43 76	2.54 183	0.49 267	0.18 47	0.58 114	0.76 348	0.54 39	0.72 197	0.56 152	0.48 90	0.39 75	0.26 49	0.94 179	0.33 88	0.14 216	0.09 81	0.14 221	0.13 160	0.12 25	0.16 43

PSM-softLoss	0.52 82	0.34 30	2.47 163	0.55 287	0.17 37	0.61 162	0.39 242	0.64 78	0.67 136	0.52 119	0.48 90	0.39 75	0.25 41	1.46 242	0.77 230	0.13 186	0.08 38	0.13 192	0.12 140	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 163	0.55 287	0.17 37	0.61 162	0.39 242	0.64 78	0.67 136	0.52 119	0.48 90	0.39 75	0.25 41	1.46 242	0.77 230	0.13 186	0.08 38	0.13 192	0.12 140	0.12 25	0.15 30

DeepStereo_RVC	0.47 48	0.37 50	2.19 76	0.55 287	0.18 47	0.60 144	0.58 313	0.52 27	0.62 93	0.49 82	0.45 77	0.39 75	0.85 325	0.47 51	0.34 96	0.12 144	0.08 38	0.11 93	0.09 37	0.15 60	0.19 60

RALAANet	0.52 82	1.37 316	2.63 214	0.33 111	0.23 109	0.48 34	0.19 12	0.69 91	0.55 60	0.49 82	0.46 79	0.39 75	0.31 103	0.53 86	0.53 166	0.10 47	0.33 265	0.11 93	0.17 227	0.29 254	0.13 12

CASS	0.43 25	0.34 30	2.01 43	0.33 111	0.17 37	0.54 74	0.24 81	0.71 104	0.52 46	0.62 218	0.55 150	0.40 83	0.41 164	0.43 45	0.33 88	0.17 268	0.10 104	0.14 221	0.11 109	0.18 110	0.23 85
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
IPLG	0.74 244	1.09 244	2.87 286	0.36 158	0.21 77	1.63 378	0.60 319	1.39 372	0.63 104	1.39 371	0.51 117	0.40 83	0.86 327	1.40 233	0.37 108	0.09 11	0.07 6	0.14 221	0.12 140	0.34 283	0.23 85

LMCR-Stereo	0.61 154	1.00 227	2.60 205	0.42 224	0.22 86	0.74 273	0.31 181	1.06 329	0.70 178	0.62 218	0.64 220	0.40 83	0.52 241	0.84 168	1.27 300	0.20 298	0.09 81	0.12 136	0.09 37	0.26 224	0.16 43

GES	0.49 66	0.54 107	2.37 104	0.31 74	0.19 63	0.61 162	0.30 171	0.93 238	0.52 46	0.49 82	0.53 127	0.40 83	0.43 188	0.59 102	0.67 207	0.16 249	0.11 126	0.12 136	0.10 71	0.20 150	0.30 130

RAFT-Stereo + iAFF	0.58 126	1.48 335	2.53 179	0.29 46	0.78 339	0.52 62	0.20 20	0.68 89	0.66 124	0.51 111	0.61 198	0.40 83	0.32 108	0.40 35	0.43 129	0.08 1	0.63 313	0.09 14	0.09 37	0.37 306	0.58 257

Selective-RAFT	0.46 45	0.48 88	1.88 24	0.32 91	0.16 20	0.61 162	0.19 12	0.66 83	0.62 93	0.28 18	0.30 20	0.41 88	0.33 113	0.51 75	0.32 79	0.11 111	1.09 350	0.09 14	0.35 340	0.19 133	0.37 163

LCNet	0.58 126	0.43 76	2.42 122	0.91 352	0.22 86	0.95 336	0.29 159	0.62 70	0.64 110	0.52 119	0.55 150	0.41 88	0.75 312	0.84 168	0.27 37	0.10 47	0.07 6	0.12 136	0.18 235	0.97 382	0.40 183

Pruner-Stereo	0.55 103	0.38 55	2.49 171	1.78 396	0.19 63	0.63 197	0.45 272	0.59 62	0.67 136	0.61 206	0.48 90	0.41 88	0.25 41	0.49 69	0.99 268	0.13 186	0.07 6	0.12 136	0.10 71	0.13 35	0.14 24

DN-CSS_ROB	0.56 111	1.64 355	2.75 262	0.42 224	0.22 86	0.57 107	0.19 12	0.79 133	0.66 124	0.46 62	0.62 205	0.41 88	0.32 108	0.73 147	0.49 155	0.12 144	0.08 38	0.14 221	0.13 160	0.38 312	0.17 49

iRaftStereo_RVC	0.47 48	0.84 193	1.91 29	0.29 46	0.15 13	0.53 67	0.20 20	0.58 55	0.50 36	0.37 26	0.43 65	0.42 92	0.23 25	0.38 27	0.28 42	0.09 11	0.70 325	0.12 136	0.11 109	0.43 335	0.77 299

EKT-Stereo	1.56 379	0.55 114	2.60 205	2.54 409	19.66 425	0.55 84	0.22 40	0.76 113	0.51 41	0.40 33	0.36 39	0.43 93	0.27 62	0.74 150	0.42 123	0.13 186	0.17 200	0.11 93	0.16 214	0.20 150	0.50 233

MIM_Stereo	0.55 103	0.92 220	2.65 224	0.32 91	1.09 371	0.51 47	0.19 12	0.67 86	0.52 46	0.48 66	0.54 141	0.43 93	0.27 62	0.57 98	0.30 56	0.08 1	0.17 200	0.11 93	0.10 71	0.28 246	0.80 306

Sa-1000	0.61 154	1.07 240	2.71 251	0.32 91	0.61 310	0.61 162	0.31 181	1.00 283	0.76 230	0.53 127	0.83 300	0.43 93	0.33 113	0.69 134	0.30 56	0.10 47	0.52 297	0.13 192	0.28 302	0.29 254	0.29 121

CIPLG	0.63 179	1.59 347	3.16 317	0.79 341	0.31 184	0.62 184	0.57 311	0.82 152	0.68 160	0.58 170	0.63 213	0.43 93	0.31 103	0.48 59	0.42 123	0.12 144	0.20 222	0.13 192	0.13 160	0.36 300	0.21 72

ACRE	0.63 179	1.55 341	3.41 343	0.76 335	0.28 159	0.60 144	0.56 308	0.82 152	0.68 160	0.57 164	0.62 205	0.43 93	0.30 99	0.47 51	0.42 123	0.12 144	0.19 210	0.13 192	0.14 178	0.36 300	0.20 68

Patchmatch Stereo++	0.43 25	0.36 40	2.44 135	0.48 256	0.17 37	0.61 162	0.26 112	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.56 95	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12
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	0.43 25	0.36 40	2.44 135	0.48 256	0.18 47	0.61 162	0.28 134	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.49 69	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

ROB_FTStereo	0.43 25	0.36 40	2.44 135	0.48 256	0.18 47	0.61 162	0.26 112	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.51 75	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

iGMRVC	0.43 25	0.36 40	2.44 135	0.48 256	0.18 47	0.61 162	0.27 126	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.57 98	0.31 70	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

RAFT-345	0.56 111	0.37 50	2.68 240	0.40 212	0.34 210	0.58 114	0.41 247	0.49 14	0.70 178	0.51 111	0.99 333	0.43 93	0.28 73	1.56 254	0.81 243	0.10 47	0.07 6	0.11 93	0.09 37	0.11 17	0.09 2

iRAFT	0.43 25	0.36 40	2.44 135	0.48 256	0.17 37	0.61 162	0.26 112	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.56 95	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

RAFT-IKP	0.43 25	0.36 40	2.44 135	0.48 256	0.16 20	0.60 144	0.28 134	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.51 75	0.31 70	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

Prome-Stereo	0.53 92	0.36 40	2.39 112	0.60 302	0.23 109	0.63 197	0.41 247	0.66 83	0.67 136	0.59 190	1.02 337	0.43 93	0.71 300	0.61 110	0.34 96	0.10 47	0.07 6	0.10 47	0.09 37	0.13 35	0.44 211

SFCPSM	0.48 55	0.39 59	2.30 93	0.28 34	0.27 149	0.70 255	0.32 191	1.00 283	0.69 168	0.50 100	0.52 124	0.43 93	0.36 124	0.53 86	0.44 132	0.12 144	0.09 81	0.12 136	0.16 214	0.18 110	0.23 85

iResNet	0.59 141	1.09 244	2.54 183	0.44 239	0.18 47	0.65 223	0.29 159	0.89 213	0.75 222	0.59 190	0.64 220	0.43 93	0.39 147	0.73 147	1.24 297	0.11 111	0.08 38	0.09 14	0.08 27	0.21 159	0.40 183

MSKI-zero shot	0.70 227	0.44 80	2.62 213	1.47 381	0.75 331	0.56 88	0.20 20	0.80 138	0.45 18	0.60 199	0.52 124	0.44 108	0.17 1	0.70 135	0.26 32	0.09 11	2.87 414	0.09 14	0.32 322	0.14 51	0.50 233

LL-Strereo2	0.62 167	1.36 313	2.47 163	1.37 376	0.96 355	0.54 74	0.28 134	0.61 67	0.49 30	0.42 38	0.34 35	0.44 108	0.21 16	0.57 98	0.53 166	0.11 111	0.26 250	0.16 263	0.14 178	0.18 110	0.98 334

DCRE	0.76 257	0.80 190	2.31 95	1.05 361	1.18 377	0.63 197	0.26 112	1.03 303	0.59 77	0.52 119	2.12 380	0.44 108	0.27 62	0.41 41	0.53 166	0.09 11	1.02 346	0.10 47	0.32 322	0.16 69	1.47 371

x	0.65 191	0.62 136	2.12 65	0.36 158	0.61 310	0.48 34	0.24 81	0.80 138	0.89 308	0.50 100	0.56 162	0.44 108	0.36 124	0.62 113	0.80 239	0.11 111	1.44 378	0.11 93	0.39 352	0.16 69	1.34 361

RAFT+CT+SA	0.60 147	1.25 290	2.49 171	0.38 186	0.75 331	0.55 84	0.34 209	0.83 162	0.68 160	0.39 31	0.55 150	0.44 108	0.29 89	0.75 151	0.28 42	0.09 11	0.24 240	0.11 93	0.51 370	0.30 260	0.74 298

IPLGR_C	0.64 186	1.66 358	3.36 331	0.80 342	0.31 184	0.60 144	0.60 319	0.82 152	0.69 168	0.58 170	0.62 205	0.44 108	0.31 103	0.47 51	0.43 129	0.12 144	0.22 232	0.13 192	0.15 196	0.35 294	0.21 72

test-3	0.58 126	0.43 76	2.44 135	0.52 276	0.59 298	0.46 21	0.23 59	0.77 119	0.49 30	0.52 119	0.29 17	0.44 108	0.22 19	0.59 102	0.97 260	0.08 1	1.27 365	0.10 47	0.35 340	0.29 254	0.62 267

test_1	0.58 126	0.43 76	2.44 135	0.52 276	0.59 298	0.46 21	0.23 59	0.77 119	0.49 30	0.51 111	0.29 17	0.44 108	0.22 19	0.59 102	0.97 260	0.08 1	1.27 365	0.10 47	0.35 340	0.29 254	0.63 271

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 135	0.49 267	0.17 37	0.61 162	0.28 134	0.53 30	0.61 84	0.48 66	0.43 65	0.44 108	0.28 73	0.48 59	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

HUI-Stereo	0.43 25	0.36 40	2.45 151	0.48 256	0.18 47	0.61 162	0.27 126	0.53 30	0.61 84	0.48 66	0.43 65	0.44 108	0.28 73	0.47 51	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

CRE-IMP	0.46 45	0.31 7	2.40 114	0.53 280	0.17 37	0.79 298	0.68 339	0.54 39	0.66 124	0.47 64	0.43 65	0.44 108	0.26 49	0.43 45	0.33 88	0.12 144	0.07 6	0.12 136	0.09 37	0.17 90	0.23 85

test_xeample	0.98 327	0.65 142	2.12 65	0.29 46	0.67 321	0.60 144	0.28 134	1.08 335	0.85 291	0.62 218	0.70 256	0.44 108	0.41 164	1.95 320	5.45 406	0.12 144	1.33 372	0.11 93	0.31 317	0.18 110	1.42 368

StereoVision	0.52 82	1.12 253	2.70 250	0.34 128	0.32 195	0.47 31	0.26 112	0.73 106	0.61 84	0.33 23	0.89 316	0.45 120	0.26 49	0.52 79	0.39 116	0.14 216	0.15 181	0.16 263	0.15 196	0.22 173	0.14 24

test_3	0.59 141	0.44 80	2.44 135	0.53 280	0.59 298	0.48 34	0.30 171	0.79 133	0.52 46	0.51 111	0.30 20	0.45 120	0.22 19	0.59 102	0.97 260	0.08 1	1.25 361	0.11 93	0.35 340	0.30 260	0.62 267

DEmStereo	0.69 222	0.40 63	2.42 122	0.42 224	0.18 47	0.66 236	0.88 359	0.54 39	0.64 110	0.60 199	1.00 334	0.45 120	1.24 357	1.53 250	2.21 354	0.10 47	0.08 38	0.10 47	0.10 71	0.11 17	0.14 24

PFNet	0.62 167	0.42 70	2.69 246	0.43 234	0.55 288	0.62 184	0.27 126	0.64 78	0.72 197	0.61 206	0.56 162	0.45 120	0.33 113	1.86 307	1.12 282	0.28 342	0.09 81	0.12 136	0.16 214	0.26 224	0.27 109

xx1	0.71 231	0.73 167	2.43 127	0.67 323	0.52 280	0.76 279	0.24 81	0.85 179	1.05 347	0.77 296	0.39 52	0.46 124	0.37 129	0.70 135	0.22 4	0.10 47	2.13 397	0.12 136	0.41 357	0.16 69	1.18 343

gwcnet-sp	0.52 82	0.71 159	2.66 228	0.32 91	0.22 86	0.66 236	0.31 181	0.84 169	0.69 168	0.61 206	0.49 103	0.46 124	0.43 188	0.77 154	0.48 146	0.12 144	0.11 126	0.11 93	0.11 109	0.19 133	0.19 60

scenet	0.52 82	0.71 159	2.66 228	0.32 91	0.22 86	0.66 236	0.31 181	0.84 169	0.69 168	0.61 206	0.49 103	0.46 124	0.43 188	0.77 154	0.48 146	0.12 144	0.11 126	0.11 93	0.11 109	0.19 133	0.19 60

ssnet	0.52 82	0.71 159	2.66 228	0.32 91	0.22 86	0.66 236	0.31 181	0.84 169	0.69 168	0.61 206	0.49 103	0.46 124	0.43 188	0.77 154	0.48 146	0.12 144	0.11 126	0.11 93	0.11 109	0.19 133	0.19 60

qqq	0.65 191	0.63 138	2.10 64	0.30 60	0.64 317	0.46 21	0.27 126	0.81 145	0.83 275	0.48 66	0.56 162	0.46 124	0.37 129	1.03 187	0.75 225	0.11 111	1.41 377	0.12 136	0.41 357	0.16 69	1.18 343

AE-Stereo	0.71 231	0.32 14	2.44 135	0.44 239	0.50 276	0.58 114	0.23 59	1.08 335	0.67 136	0.67 258	0.51 117	0.47 129	0.24 27	0.63 114	0.32 79	0.09 11	2.15 401	0.11 93	0.45 361	0.22 173	2.01 384

mmm	0.66 208	0.53 105	1.83 15	0.38 186	0.86 345	0.49 39	0.27 126	0.82 152	0.83 275	0.59 190	0.69 243	0.47 129	0.38 136	0.81 166	0.73 222	0.12 144	1.37 373	0.14 221	0.45 361	0.18 110	1.35 363

ASMatch	0.61 154	0.47 85	2.72 253	0.91 352	0.36 224	0.56 88	0.24 81	0.54 39	0.67 136	0.48 66	1.20 351	0.47 129	0.65 283	1.33 227	0.93 257	0.10 47	0.08 38	0.11 93	0.11 109	0.10 10	0.17 49

RAFT-RH_RVC	0.65 191	0.73 167	2.78 268	0.39 199	0.29 165	0.60 144	0.18 10	0.45 7	0.63 104	0.75 292	1.89 375	0.47 129	0.29 89	1.59 265	1.21 292	0.15 235	0.07 6	0.13 192	0.13 160	0.11 17	0.10 4

GMM-Stereo	0.53 92	0.33 23	2.89 289	0.53 280	0.24 118	0.77 289	0.46 277	0.62 70	0.65 117	0.58 170	0.73 274	0.47 129	0.43 188	0.68 132	0.29 51	0.10 47	0.06 1	0.13 192	0.13 160	0.14 51	0.44 211

222	1.02 332	0.60 127	1.95 35	0.29 46	0.51 278	0.62 184	0.24 81	1.09 337	0.86 297	0.64 238	0.67 236	0.47 129	0.42 175	1.86 307	6.73 411	0.13 186	1.21 359	0.11 93	0.32 322	0.17 90	1.44 369

TRStereo	0.89 308	1.02 231	2.91 292	4.59 416	0.31 184	0.93 332	0.23 59	1.93 393	0.66 124	0.37 26	0.54 141	0.48 135	0.40 153	0.67 128	0.29 51	0.13 186	0.37 269	0.11 93	0.48 365	0.13 35	1.21 349

HCRNet	0.50 70	0.75 180	2.08 57	0.39 199	0.29 165	0.58 114	0.22 40	0.79 133	0.67 136	0.49 82	0.49 103	0.48 135	0.37 129	1.13 201	0.40 117	0.15 235	0.10 104	0.15 246	0.13 160	0.21 159	0.19 60

IRAFT_RVC	0.59 141	0.74 176	2.42 122	0.47 255	0.21 77	0.59 132	0.42 254	0.68 89	0.73 200	0.54 131	0.50 115	0.49 137	0.51 233	1.57 258	1.00 270	0.11 111	0.25 247	0.13 192	0.10 71	0.15 60	0.14 24

ICVP	0.48 55	0.33 23	2.37 104	0.34 128	0.22 86	0.60 144	0.55 304	0.79 133	0.53 52	0.45 52	0.60 190	0.49 137	0.36 124	0.55 92	0.46 140	0.16 249	0.16 193	0.14 221	0.11 109	0.16 69	0.32 140
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
AFF-stereo	0.57 118	1.51 337	2.59 200	0.33 111	0.23 109	0.51 47	0.21 30	0.69 91	0.68 160	0.49 82	0.63 213	0.49 137	0.34 120	0.50 74	0.37 108	0.08 1	0.54 298	0.10 47	0.10 71	0.40 325	0.60 264

HITNet	0.55 103	1.28 295	2.73 258	0.35 144	0.14 8	0.56 88	0.23 59	0.89 213	0.62 93	0.52 119	0.51 117	0.49 137	0.38 136	0.52 79	0.60 183	0.09 11	0.07 6	0.10 47	0.08 27	0.25 209	0.61 265
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
MyStereo8	0.73 241	1.16 264	2.89 289	0.53 280	0.34 210	0.71 259	0.20 20	1.87 390	0.59 77	0.53 127	0.66 233	0.50 141	0.33 113	1.27 221	0.62 191	0.10 47	1.19 355	0.10 47	0.21 271	0.21 159	0.61 265

IPLGR	0.58 126	0.64 140	3.12 315	0.37 168	0.18 47	0.62 184	0.54 300	1.06 329	0.69 168	0.73 284	0.46 79	0.50 141	0.44 196	1.12 200	0.31 70	0.10 47	0.08 38	0.11 93	0.09 37	0.21 159	0.20 68

AAGNet	0.92 314	0.40 63	2.53 179	0.60 302	1.01 364	0.62 184	0.45 272	0.52 27	0.68 160	0.58 170	0.53 127	0.50 141	0.72 301	1.22 211	7.32 413	0.12 144	0.07 6	0.12 136	0.10 71	0.16 69	0.10 4

SMFormer	0.64 186	0.54 107	1.92 30	0.32 91	0.16 20	0.46 21	0.24 81	0.94 243	0.85 291	0.58 170	0.70 256	0.51 144	0.41 164	1.89 312	0.86 252	0.13 186	1.01 341	0.11 93	0.26 292	0.17 90	0.84 310

tta	0.63 179	0.54 107	1.92 30	0.32 91	0.16 20	0.46 21	0.24 81	0.94 243	0.85 291	0.58 170	0.70 256	0.51 144	0.41 164	1.89 312	0.86 252	0.13 186	1.01 341	0.11 93	0.26 292	0.19 133	0.59 260

qqq1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 21	0.24 81	0.94 243	0.85 291	0.58 170	0.70 256	0.51 144	0.41 164	1.89 312	0.64 197	0.13 186	1.01 341	0.09 14	0.24 280	0.19 133	0.59 260

fff1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 21	0.24 81	0.94 243	0.85 291	0.58 170	0.70 256	0.51 144	0.41 164	1.89 312	0.64 197	0.13 186	1.01 341	0.09 14	0.24 280	0.19 133	0.59 260

SST-Stereo	0.56 111	0.30 5	2.44 135	0.71 332	0.55 288	0.62 184	0.65 331	0.57 53	0.67 136	0.59 190	0.53 127	0.51 144	0.59 268	1.57 258	0.31 70	0.12 144	0.07 6	0.12 136	0.10 71	0.17 90	0.11 9

EAI-Stereo	1.16 350	0.29 2	1.94 34	0.55 287	0.97 358	1.96 389	7.94 417	1.34 369	1.03 343	1.01 337	1.48 365	0.51 144	0.66 289	0.65 122	1.42 312	0.09 11	0.23 237	0.09 14	0.53 373	0.13 35	0.49 231

PS-NSSS	0.69 222	1.37 316	2.44 135	0.31 74	0.32 195	0.64 209	0.34 209	1.04 309	0.74 217	0.56 152	0.75 285	0.51 144	0.42 175	2.41 355	0.54 171	0.24 326	0.17 200	0.27 336	0.18 235	0.30 260	0.23 85

CoDeX	0.54 99	0.52 102	2.25 85	0.30 60	0.26 138	0.61 162	0.32 191	1.03 303	0.73 200	0.49 82	0.56 162	0.52 151	0.40 153	1.59 265	0.38 114	0.12 144	0.09 81	0.11 93	0.10 71	0.15 60	0.22 77

MyStereo05	0.57 118	0.72 164	2.72 253	0.31 74	0.25 124	0.60 144	0.30 171	0.87 199	0.82 269	0.54 131	0.37 43	0.53 152	0.42 175	0.63 114	0.73 222	0.09 11	0.55 300	0.12 136	0.20 260	0.16 69	0.56 255

CrosDoStereo	0.96 322	0.49 89	2.66 228	0.27 22	0.33 201	0.54 74	3.69 408	0.77 119	0.66 124	0.70 272	1.39 362	0.53 152	1.47 368	1.77 289	3.02 378	0.10 47	0.08 38	0.11 93	0.11 109	0.22 173	0.30 130

KYRaft	0.52 82	0.35 37	2.40 114	0.34 128	0.21 77	0.75 275	0.43 261	0.62 70	0.63 104	0.64 238	0.92 320	0.53 152	0.72 301	0.60 107	0.26 32	0.10 47	0.07 6	0.12 136	0.14 178	0.13 35	0.54 248

DeepStereo_LL	0.96 322	0.49 89	2.66 228	0.27 22	0.33 201	0.54 74	3.69 408	0.77 119	0.66 124	0.70 272	1.39 362	0.53 152	1.47 368	1.77 289	3.02 378	0.10 47	0.08 38	0.11 93	0.11 109	0.22 173	0.30 130

CFNet-RSSM	0.44 37	0.36 40	2.38 106	0.28 34	0.43 260	0.53 67	0.20 20	0.86 191	0.52 46	0.44 50	0.36 39	0.53 152	0.26 49	0.40 35	0.27 37	0.09 11	0.08 38	0.09 14	0.38 349	0.10 10	0.22 77

MyStereo04	0.57 118	0.68 151	2.66 228	0.30 60	0.41 249	0.61 162	0.31 181	0.88 207	0.80 257	0.48 66	0.37 43	0.54 157	0.42 175	0.61 110	0.71 217	0.09 11	0.59 307	0.12 136	0.21 271	0.16 69	0.48 225

knoymous	0.37 11	0.34 30	1.83 15	0.25 5	0.18 47	0.45 18	0.24 81	0.60 65	0.40 4	0.42 38	0.39 52	0.54 157	0.25 41	0.41 41	0.29 51	0.12 144	0.08 38	0.12 136	0.07 12	0.13 35	0.20 68

GMOStereo	0.58 126	0.89 207	2.46 158	0.29 46	0.99 359	0.51 47	0.32 191	0.58 55	0.46 19	0.58 170	0.48 90	0.54 157	0.27 62	0.31 3	0.25 23	0.09 11	1.64 381	0.13 192	0.11 109	0.34 283	0.42 194

error version	0.58 126	0.89 207	2.46 158	0.29 46	0.99 359	0.51 47	0.32 191	0.58 55	0.46 19	0.58 170	0.48 90	0.54 157	0.27 62	0.31 3	0.25 23	0.09 11	1.64 381	0.13 192	0.11 109	0.34 283	0.42 194

test-v	0.58 126	0.89 207	2.46 158	0.29 46	0.99 359	0.51 47	0.32 191	0.58 55	0.46 19	0.58 170	0.48 90	0.54 157	0.27 62	0.31 3	0.25 23	0.09 11	1.64 381	0.13 192	0.11 109	0.34 283	0.42 194

RAFT_R40	0.55 103	0.31 7	2.44 135	0.57 300	0.42 259	0.62 184	0.52 295	0.58 55	0.66 124	0.56 152	0.54 141	0.54 157	0.50 229	1.56 254	0.53 166	0.11 111	0.07 6	0.12 136	0.10 71	0.16 69	0.10 4

test-2	0.58 126	0.89 207	2.46 158	0.29 46	0.99 359	0.51 47	0.32 191	0.58 55	0.46 19	0.58 170	0.48 90	0.54 157	0.27 62	0.31 3	0.25 23	0.09 11	1.64 381	0.13 192	0.11 109	0.34 283	0.42 194

test-1	0.61 154	0.54 107	2.09 58	0.31 74	1.37 386	0.51 47	0.28 134	0.83 162	0.50 36	0.42 38	0.55 150	0.54 157	0.24 27	0.38 27	1.25 298	0.10 47	1.08 349	0.10 47	0.17 227	0.11 17	0.77 299

ttt	0.89 308	0.51 100	2.51 175	0.36 158	0.31 184	0.61 162	0.28 134	1.07 332	0.92 315	0.56 152	0.77 292	0.55 165	0.37 129	2.27 340	3.51 386	0.16 249	1.21 359	0.13 192	0.31 317	0.18 110	1.26 353

test_5	0.61 154	1.25 290	2.76 265	0.39 199	0.64 317	0.58 114	0.35 218	0.85 179	0.66 124	0.49 82	0.56 162	0.55 165	0.40 153	0.79 159	0.32 79	0.10 47	0.19 210	0.12 136	0.12 140	0.33 277	0.85 314

AASNet	0.66 208	1.49 336	2.97 299	0.37 168	0.33 201	0.65 223	0.30 171	1.00 283	0.78 241	0.56 152	0.60 190	0.55 165	0.39 147	0.88 175	0.96 259	0.15 235	0.12 141	0.13 192	0.11 109	0.45 340	0.35 156

GrayStereo	0.71 231	0.27 1	2.40 114	0.89 348	0.23 109	0.62 184	1.40 394	0.67 86	0.70 178	0.72 283	0.77 292	0.55 165	3.03 399	0.60 107	0.28 42	0.10 47	0.08 38	0.10 47	0.21 271	0.12 25	0.37 163

CroCo-Stereo	0.35 7	0.71 159	1.67 8	0.32 91	0.17 37	0.19 1	0.21 30	0.79 133	0.54 55	0.22 3	0.25 11	0.55 165	0.22 19	0.28 1	0.28 42	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 4
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
FENet	0.48 55	0.58 119	2.46 158	0.33 111	0.18 47	0.58 114	0.22 40	0.83 162	0.64 110	0.49 82	0.42 63	0.55 165	0.38 136	0.52 79	0.51 161	0.12 144	0.09 81	0.12 136	0.11 109	0.17 90	0.31 138

MLCV	0.59 141	1.41 321	2.41 118	0.31 74	0.15 13	0.60 144	0.23 59	0.77 119	0.63 104	0.67 258	0.66 233	0.55 165	0.37 129	1.16 205	1.09 279	0.10 47	0.07 6	0.09 14	0.07 12	0.21 159	0.29 121

GwcNet-ADL	0.54 99	0.78 186	2.85 283	0.31 74	0.20 68	0.58 114	0.29 159	0.93 238	0.67 136	0.48 66	0.47 84	0.56 172	0.33 113	0.48 59	0.80 239	0.13 186	0.12 141	0.09 14	0.09 37	0.14 51	0.40 183

GANet-ADL	0.48 55	0.56 116	2.51 175	0.34 128	0.20 68	0.58 114	0.25 100	0.80 138	0.57 67	0.43 44	0.61 198	0.56 172	0.31 103	0.44 48	0.44 132	0.14 216	0.11 126	0.10 47	0.09 37	0.22 173	0.38 171

ARAFT	0.65 191	1.69 360	3.34 330	0.29 46	0.16 20	0.65 223	0.36 225	0.96 259	0.73 200	0.63 227	0.49 103	0.56 172	0.31 103	1.23 213	0.35 103	0.11 111	0.08 38	0.14 221	0.13 160	0.38 312	0.50 233

DMCA	0.50 70	0.83 192	1.95 35	0.32 91	0.24 118	0.59 132	0.26 112	0.81 145	0.68 160	0.59 190	0.49 103	0.56 172	0.36 124	0.65 122	0.65 202	0.14 216	0.10 104	0.14 221	0.10 71	0.19 133	0.29 121

DAS	0.61 154	0.42 70	1.85 20	0.34 128	0.34 210	0.52 62	0.42 254	0.89 213	0.80 257	0.85 317	0.69 243	0.57 176	0.51 233	2.38 350	0.57 177	0.13 186	0.09 81	0.12 136	0.09 37	0.18 110	0.37 163

SepStereo	0.57 118	0.42 70	1.85 20	0.34 128	0.34 210	0.52 62	0.42 254	0.89 213	0.80 257	0.85 317	0.69 243	0.57 176	0.51 233	1.55 252	0.57 177	0.13 186	0.09 81	0.12 136	0.09 37	0.18 110	0.37 163

111	0.57 118	1.41 321	2.63 214	0.25 5	0.15 13	0.59 132	0.26 112	0.90 221	0.83 275	0.50 100	0.54 141	0.57 176	0.38 136	0.54 91	0.41 119	0.10 47	0.07 6	0.09 14	0.07 12	0.24 194	0.81 308

Gwc-CoAtRS	0.41 18	0.37 50	2.06 54	0.28 34	0.41 249	0.48 34	0.19 12	0.64 78	0.49 30	0.45 52	0.39 52	0.57 176	0.26 49	0.37 25	0.28 42	0.09 11	0.19 210	0.09 14	0.31 317	0.11 17	0.25 99

xxxx	0.97 325	0.64 140	2.14 69	0.30 60	0.67 321	0.64 209	0.24 81	1.09 337	0.91 313	0.57 164	0.65 227	0.58 180	0.39 147	1.57 258	5.49 407	0.13 186	1.38 374	0.11 93	0.32 322	0.17 90	1.41 367

CFNet	0.65 191	1.45 330	2.27 87	0.34 128	0.25 124	0.64 209	0.23 59	0.93 238	0.79 250	0.48 66	0.59 183	0.58 180	0.40 153	2.28 341	0.63 196	0.13 186	0.09 81	0.15 246	0.14 178	0.34 283	0.26 104

iResNet_ROB	0.60 147	1.59 347	2.04 50	0.32 91	0.21 77	0.60 144	0.22 40	0.99 277	0.85 291	0.61 206	0.63 213	0.58 180	0.42 175	1.08 192	0.98 266	0.11 111	0.08 38	0.09 14	0.06 6	0.23 188	0.33 143

1111x	1.06 339	0.79 188	3.29 327	0.33 111	0.60 303	0.64 209	0.33 204	1.10 340	0.92 315	0.59 190	0.69 243	0.59 183	0.47 219	2.64 369	4.61 402	0.12 144	1.38 374	0.11 93	0.49 367	0.18 110	1.30 358

NRIStereo	0.50 70	0.34 30	2.44 135	0.52 276	0.16 20	0.94 334	0.73 346	0.52 27	0.65 117	0.48 66	0.40 60	0.59 183	0.29 89	0.78 158	0.33 88	0.11 111	0.13 154	0.11 93	0.09 37	0.22 173	0.25 99

GEStereo_RVC	0.61 154	1.19 273	2.61 209	0.48 256	0.25 124	0.63 197	0.37 228	1.05 317	0.79 250	0.55 142	0.55 150	0.59 183	0.44 196	1.10 194	0.48 146	0.16 249	0.11 126	0.12 136	0.11 109	0.27 235	0.43 199

RAFT + AFF	0.79 267	1.73 361	2.99 304	0.34 128	0.35 218	0.67 243	0.51 291	1.05 317	0.79 250	0.54 131	0.58 178	0.59 183	0.81 318	1.80 295	1.21 292	0.13 186	0.27 256	0.15 246	0.14 178	0.45 340	0.69 289

MMNet	0.55 103	0.92 220	2.03 47	0.34 128	0.27 149	0.79 298	0.28 134	0.86 191	0.79 250	0.62 218	0.58 178	0.59 183	0.56 253	0.80 163	0.61 188	0.11 111	0.11 126	0.12 136	0.11 109	0.21 159	0.22 77

DMCA-RVC	0.70 227	1.30 298	3.59 359	0.37 168	0.89 348	0.57 107	0.31 181	0.73 106	0.59 77	0.69 269	0.54 141	0.59 183	0.57 258	1.25 218	0.66 205	0.16 249	0.38 273	0.20 308	0.15 196	0.22 173	0.23 85

BEATNet_4x	0.57 118	1.16 264	2.56 194	0.35 144	0.16 20	0.56 88	0.25 100	0.91 228	0.64 110	0.55 142	0.53 127	0.59 183	0.43 188	0.67 128	0.76 228	0.12 144	0.09 81	0.12 136	0.09 37	0.23 188	0.58 257

IER	0.49 66	0.73 167	2.12 65	0.27 22	0.25 124	0.65 223	0.27 126	0.76 113	0.59 77	0.56 152	0.59 183	0.60 190	0.53 244	0.64 118	0.44 132	0.12 144	0.09 81	0.11 93	0.11 109	0.18 110	0.15 30

iResNetv2_ROB	0.71 231	1.90 372	3.48 349	0.43 234	0.22 86	0.60 144	0.29 159	0.96 259	0.78 241	0.60 199	0.65 227	0.60 190	0.46 211	0.80 163	1.21 292	0.12 144	0.08 38	0.10 47	0.07 12	0.44 338	0.33 143

UPFNet	0.51 80	0.67 144	2.04 50	0.34 128	0.33 201	0.65 223	0.37 228	0.88 207	0.65 117	0.60 199	0.53 127	0.61 192	0.41 164	0.77 154	0.55 173	0.13 186	0.13 154	0.13 192	0.13 160	0.20 150	0.16 43

FADNet_RVC	0.87 300	1.51 337	2.90 291	0.31 74	0.24 118	0.71 259	0.25 100	1.00 283	0.65 117	0.45 52	0.57 172	0.61 192	0.44 196	1.53 250	0.75 225	0.94 382	0.97 338	0.28 339	1.00 401	0.89 379	1.36 365

ADCRef	0.88 301	1.45 330	2.68 240	0.38 186	0.35 218	0.95 336	0.51 291	0.92 235	0.81 264	0.89 321	0.84 302	0.61 192	1.35 359	1.26 220	3.38 383	0.14 216	0.12 141	0.17 277	0.19 251	0.28 246	0.34 150

TDLM	0.83 280	1.28 295	2.38 106	0.46 249	0.26 138	0.66 236	0.55 304	0.87 199	0.80 257	2.54 402	0.62 205	0.61 192	0.51 233	2.68 374	0.67 207	0.20 298	0.11 126	0.35 356	0.15 196	0.33 277	0.48 225

AdaStereo	0.48 55	0.44 80	2.18 75	0.36 158	0.20 68	0.59 132	0.29 159	0.97 266	0.74 217	0.52 119	0.55 150	0.61 192	0.33 113	0.52 79	0.44 132	0.18 279	0.08 38	0.17 277	0.11 109	0.18 110	0.24 95
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.
Any-RAFT	0.42 22	0.33 23	1.89 26	0.28 34	0.21 77	0.69 252	0.21 30	0.83 162	0.60 81	0.45 52	0.43 65	0.62 197	0.30 99	0.48 59	0.24 15	0.11 111	0.40 279	0.08 3	0.06 6	0.10 10	0.16 43

iRaft-Stereo_5w	0.65 191	1.35 309	2.21 81	0.30 60	0.63 313	0.49 39	0.28 134	0.78 126	0.64 110	0.41 34	0.61 198	0.62 197	0.46 211	1.79 294	0.48 146	0.10 47	0.25 247	0.11 93	0.12 140	0.40 325	0.94 324

pcwnet_v2	0.65 191	0.54 107	4.29 388	0.33 111	0.27 149	0.60 144	0.25 100	1.02 297	0.92 315	0.61 206	0.69 243	0.62 197	0.54 246	0.67 128	0.38 114	0.18 279	0.15 181	0.15 246	0.14 178	0.21 159	0.49 231

FADNet-RVC	0.69 222	1.65 356	2.74 260	0.35 144	0.26 138	0.60 144	0.29 159	0.91 228	0.67 136	0.46 62	0.51 117	0.62 197	0.46 211	1.75 284	0.81 243	0.17 268	0.20 222	0.17 277	0.18 235	0.60 361	0.39 178

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 18	0.44 239	0.20 68	0.52 62	0.19 12	0.60 65	0.54 55	0.58 170	0.59 183	0.63 201	0.29 89	0.59 102	0.34 96	0.16 249	0.09 81	0.16 263	0.09 37	0.26 224	0.26 104

BSDual-CNN	0.48 55	0.32 14	1.58 4	0.31 74	0.22 86	0.76 279	0.32 191	1.05 317	0.67 136	0.64 238	0.53 127	0.63 201	0.38 136	0.48 59	0.97 260	0.13 186	0.10 104	0.14 221	0.12 140	0.13 35	0.15 30

psmg	0.48 55	0.32 14	1.58 4	0.28 34	0.22 86	0.75 275	0.35 218	0.94 243	0.67 136	0.61 206	0.59 183	0.63 201	0.38 136	0.48 59	0.97 260	0.13 186	0.11 126	0.13 192	0.13 160	0.14 51	0.15 30

cross-raft	0.47 48	0.34 30	2.17 73	0.70 330	0.84 344	0.50 45	0.35 218	0.74 108	0.43 13	0.44 50	0.45 77	0.63 201	0.25 41	0.37 25	0.27 37	0.08 1	0.14 167	0.10 47	0.23 278	0.11 17	0.27 109

FADNet-RVC-Resample	0.74 244	1.54 340	3.81 369	0.38 186	0.29 165	0.62 184	0.38 236	0.91 228	0.67 136	0.52 119	0.51 117	0.63 201	0.44 196	1.56 254	0.59 181	0.24 326	0.32 261	0.22 316	0.19 251	0.30 260	0.71 294

SuperB	1.19 351	1.62 352	5.29 402	0.37 168	0.26 138	0.81 306	0.87 357	0.94 243	1.19 363	0.68 264	0.68 239	0.63 201	1.37 362	1.73 281	3.30 380	0.16 249	0.12 141	0.17 277	0.16 214	2.74 412	0.63 271

dad	0.58 126	1.35 309	2.39 112	0.31 74	0.20 68	0.62 184	0.26 112	0.56 48	0.79 250	0.66 256	0.64 220	0.64 207	0.36 124	0.87 171	0.48 146	0.28 342	0.15 181	0.40 362	0.18 235	0.24 194	0.22 77

CC-Net-ROB	0.95 321	1.57 342	2.93 294	0.90 350	0.39 238	0.87 320	0.44 267	1.12 346	0.83 275	0.59 190	0.69 243	0.64 207	0.50 229	2.73 378	0.93 257	0.97 385	0.40 279	0.87 384	0.29 306	0.61 364	0.66 278

Anonymous Stereo	0.83 280	1.57 342	3.56 356	0.46 249	0.39 238	0.63 197	0.84 355	0.92 235	0.83 275	0.68 264	0.68 239	0.64 207	0.42 175	2.42 356	1.02 272	0.23 319	0.23 237	0.19 298	0.20 260	0.31 268	0.40 183

PWCDC_ROB	0.83 280	1.57 342	2.63 214	0.48 256	0.37 230	0.78 294	0.29 159	1.04 309	1.36 373	0.63 227	2.05 379	0.64 207	0.70 299	1.10 194	1.20 291	0.33 351	0.14 167	0.15 246	0.12 140	0.63 365	0.46 219

anonymousdsp2	0.88 301	0.31 7	1.96 38	1.06 362	1.56 394	0.57 107	0.22 40	0.84 169	0.98 336	1.20 356	0.37 43	0.65 211	0.26 49	1.19 209	0.46 140	0.10 47	2.40 409	0.10 47	0.13 160	0.19 133	2.96 410

BUS	0.45 40	0.32 14	1.58 4	0.31 74	0.22 86	0.91 328	0.23 59	1.05 317	0.67 136	0.64 238	0.53 127	0.65 211	0.32 108	0.48 59	0.34 96	0.13 186	0.10 104	0.14 221	0.12 140	0.13 35	0.15 30

NINENet	0.54 99	0.40 63	2.19 76	0.55 287	0.26 138	0.91 328	0.23 59	1.05 317	0.77 238	0.54 131	0.57 172	0.65 211	0.32 108	1.22 211	0.34 96	0.16 249	0.13 154	0.16 263	0.11 109	0.16 69	0.14 24

CSP-Net	0.55 103	0.61 132	1.81 14	0.30 60	0.23 109	0.77 289	0.35 218	0.90 221	0.62 93	0.62 218	0.60 190	0.65 211	0.42 175	1.76 286	0.47 143	0.17 268	0.12 141	0.10 47	0.10 71	0.21 159	0.16 43

Consistency-Raft	0.92 314	1.21 277	3.50 350	0.98 358	0.63 313	0.77 289	0.54 300	1.02 297	1.01 341	0.62 218	1.03 339	0.65 211	1.04 347	0.81 166	1.36 307	0.45 363	0.47 288	0.51 372	0.59 380	0.65 367	0.47 221

DeepPrunerF	0.92 314	1.33 304	3.41 343	0.46 249	0.51 278	0.64 209	0.49 288	1.16 352	2.62 398	0.65 250	0.61 198	0.65 211	0.62 277	2.23 339	1.31 301	0.23 319	0.19 210	0.30 348	0.28 302	0.39 319	0.34 150

DeepPruner_ROB	0.58 126	1.06 239	2.68 240	0.30 60	0.26 138	0.63 197	0.31 181	0.83 162	0.51 41	0.62 218	0.56 162	0.65 211	0.39 147	1.06 189	0.56 175	0.19 290	0.14 167	0.14 221	0.14 178	0.24 194	0.33 143

AACVNet	0.61 154	1.13 255	2.47 163	0.37 168	0.21 77	0.57 107	0.25 100	0.75 110	0.55 60	0.56 152	0.60 190	0.66 218	0.44 196	2.11 333	0.49 155	0.14 216	0.11 126	0.14 221	0.11 109	0.35 294	0.23 85

FADNet	0.71 231	1.60 351	2.53 179	0.33 111	0.30 176	0.67 243	0.29 159	0.92 235	0.75 222	0.45 52	0.49 103	0.66 218	0.57 258	1.85 305	0.85 250	0.46 365	0.20 222	0.17 277	0.20 260	0.60 361	0.37 163

DispNO	0.78 263	1.51 337	3.38 336	0.34 128	0.28 159	0.54 74	0.41 247	0.86 191	0.84 287	0.58 170	0.74 277	0.67 220	0.51 233	2.40 352	1.62 322	0.14 216	0.10 104	0.15 246	0.11 109	0.22 173	0.23 85

DualNet	0.97 325	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	0.85 179	0.96 329	0.54 131	0.74 277	0.67 220	0.40 153	0.64 118	3.86 392	0.10 47	2.16 402	0.15 246	0.33 332	0.25 209	2.19 393

ffm	0.78 263	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	0.85 179	0.96 329	0.54 131	0.74 277	0.67 220	0.40 153	0.64 118	0.22 4	0.10 47	2.16 402	0.15 246	0.33 332	0.25 209	2.19 393

ff1	1.07 341	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	0.85 179	0.96 329	0.54 131	0.74 277	0.67 220	0.40 153	2.75 380	3.86 392	0.10 47	2.16 402	0.15 246	0.33 332	0.25 209	2.19 393

mmx	0.99 329	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	1.05 317	0.92 315	0.54 131	0.74 277	0.67 220	0.40 153	2.75 380	3.86 392	0.13 186	1.25 361	0.15 246	0.33 332	0.19 133	1.28 356

xxx	0.99 329	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	1.05 317	0.92 315	0.54 131	0.74 277	0.67 220	0.40 153	2.75 380	3.86 392	0.13 186	1.25 361	0.15 246	0.33 332	0.19 133	1.28 356

RAFT_CTSACE	0.58 126	1.16 264	2.76 265	0.36 158	0.29 165	0.54 74	0.29 159	0.69 91	0.51 41	0.51 111	0.75 285	0.67 220	0.37 129	0.63 114	0.47 143	0.08 1	0.49 292	0.11 93	0.10 71	0.41 331	0.32 140

PSM-AAD	0.67 211	0.29 2	2.41 118	0.37 168	0.23 109	0.86 316	1.15 380	0.62 70	0.66 124	0.64 238	0.71 269	0.67 220	2.90 398	0.65 122	0.32 79	0.10 47	0.08 38	0.17 277	0.15 196	0.14 51	0.34 150

delet	0.60 147	0.84 193	2.45 151	0.33 111	0.35 218	0.73 268	0.46 277	0.89 213	0.80 257	0.58 170	0.62 205	0.67 220	0.51 233	1.14 203	0.64 197	0.12 144	0.12 141	0.13 192	0.14 178	0.22 173	0.29 121

GANet-RSSM	0.63 179	1.14 256	2.67 235	0.38 186	0.26 138	0.59 132	0.29 159	0.81 145	0.56 64	0.50 100	0.57 172	0.67 220	0.50 229	1.91 318	0.50 158	0.14 216	0.10 104	0.24 328	0.12 140	0.36 300	0.28 115

DSFCA	0.62 167	0.77 183	1.95 35	0.29 46	0.29 165	0.79 298	0.86 356	0.81 145	0.73 200	0.73 284	0.66 233	0.67 220	0.57 258	1.17 207	1.03 273	0.16 249	0.15 181	0.13 192	0.14 178	0.19 133	0.28 115

STTStereo	0.58 126	0.95 224	2.95 297	0.37 168	0.31 184	0.62 184	0.32 191	0.81 145	0.63 104	0.61 206	0.55 150	0.67 220	0.43 188	0.87 171	0.48 146	0.16 249	0.16 193	0.17 277	0.20 260	0.17 90	0.25 99

UCFNet_RVC	0.55 103	1.16 264	2.48 168	0.31 74	0.27 149	0.65 223	0.28 134	0.76 113	0.58 73	0.51 111	0.53 127	0.67 220	0.42 175	0.91 176	0.45 136	0.16 249	0.11 126	0.17 277	0.17 227	0.20 150	0.23 85

PCWNet_CMD	0.48 55	0.50 95	2.23 83	0.27 22	0.20 68	0.56 88	0.22 40	0.78 126	0.67 136	0.49 82	0.55 150	0.68 233	0.56 253	0.48 59	0.32 79	0.11 111	0.10 104	0.14 221	0.10 71	0.19 133	0.43 199

CFNet_ucs	0.50 70	0.55 114	2.28 89	0.27 22	0.22 86	0.58 114	0.23 59	0.90 221	0.69 168	0.54 131	0.64 220	0.68 233	0.44 196	0.55 92	0.34 96	0.14 216	0.12 141	0.16 263	0.11 109	0.19 133	0.38 171

HBP-ISP	0.82 276	1.57 342	3.28 325	0.50 272	0.27 149	0.86 316	0.54 300	1.09 337	0.78 241	0.81 308	0.70 256	0.68 233	1.00 344	2.02 324	0.47 143	0.24 326	0.24 240	0.29 347	0.25 286	0.28 246	0.52 242

Wz-Net-LNSev-Ref	0.65 191	1.15 262	2.40 114	0.33 111	0.30 176	0.83 309	0.40 245	0.94 243	0.82 269	0.67 258	0.76 288	0.68 233	0.58 265	1.13 201	1.25 298	0.14 216	0.08 38	0.10 47	0.08 27	0.18 110	0.28 115

OMP-Stereo	0.64 186	0.87 198	2.38 106	0.56 296	0.37 230	0.60 144	0.26 112	0.75 110	0.71 190	0.65 250	0.60 190	0.68 233	0.32 108	2.07 327	1.18 288	0.11 111	0.08 38	0.12 136	0.09 37	0.17 90	0.28 115

CFNet_pseudo	0.47 48	0.50 95	2.19 76	0.26 15	0.20 68	0.56 88	0.22 40	0.80 138	0.62 93	0.50 100	0.56 162	0.68 233	0.47 219	0.53 86	0.33 88	0.11 111	0.10 104	0.15 246	0.10 71	0.18 110	0.33 143

psm_up	0.65 191	1.02 231	2.53 179	0.36 158	0.31 184	0.64 209	0.38 236	0.96 259	0.73 200	0.63 227	0.57 172	0.68 233	0.57 258	1.90 317	0.52 163	0.17 268	0.15 181	0.16 263	0.15 196	0.27 235	0.22 77

MSMDNet	0.48 55	0.50 95	2.23 83	0.27 22	0.20 68	0.56 88	0.22 40	0.78 126	0.67 136	0.49 82	0.55 150	0.68 233	0.56 253	0.48 59	0.32 79	0.11 111	0.10 104	0.13 192	0.10 71	0.18 110	0.43 199

CVANet_RVC	0.82 276	1.18 270	3.98 374	0.40 212	0.28 159	0.63 197	0.43 261	0.90 221	0.78 241	1.14 347	0.69 243	0.68 233	0.52 241	2.62 367	0.48 146	0.20 298	0.13 154	0.22 316	0.37 346	0.37 306	0.48 225

ccs_rob	0.47 48	0.50 95	2.19 76	0.26 15	0.20 68	0.56 88	0.22 40	0.80 138	0.62 93	0.50 100	0.56 162	0.68 233	0.47 219	0.53 86	0.33 88	0.11 111	0.10 104	0.16 263	0.10 71	0.18 110	0.33 143

DRN-Test	0.71 231	0.79 188	2.83 279	0.40 212	0.44 261	0.80 301	0.41 247	1.07 332	0.83 275	0.82 312	0.64 220	0.68 233	0.57 258	1.78 292	0.79 237	0.16 249	0.13 154	0.17 277	0.16 214	0.24 194	0.51 237

SACVNet	0.68 216	1.08 243	2.58 198	0.38 186	0.28 159	0.65 223	0.37 228	0.91 228	0.65 117	0.67 258	0.62 205	0.69 244	0.47 219	2.07 327	0.65 202	0.18 279	0.14 167	0.16 263	0.15 196	0.39 319	0.41 190

IIG-Stereo	0.65 191	0.87 198	2.32 97	0.55 287	0.23 109	0.62 184	0.21 30	0.78 126	0.71 190	0.64 238	0.69 243	0.69 244	0.38 136	2.07 327	1.37 309	0.11 111	0.08 38	0.11 93	0.09 37	0.15 60	0.27 109

ACVNet	0.54 99	0.87 198	2.45 151	0.28 34	0.22 86	0.59 132	0.36 225	0.69 91	0.73 200	0.49 82	0.59 183	0.69 244	0.42 175	0.47 51	0.70 213	0.11 111	0.10 104	0.10 47	0.09 37	0.36 300	0.39 178

acv_ft	0.57 118	0.87 198	2.45 151	0.33 111	0.41 249	0.63 197	0.29 159	0.86 191	0.73 200	0.64 238	0.59 183	0.69 244	0.45 204	0.47 51	0.68 210	0.11 111	0.10 104	0.10 47	0.09 37	0.43 335	0.39 178

HGLStereo	0.61 154	1.20 275	2.59 200	0.36 158	0.40 244	0.65 223	0.30 171	0.87 199	0.67 136	0.60 199	0.70 256	0.69 244	0.56 253	1.07 191	0.59 181	0.14 216	0.13 154	0.13 192	0.12 140	0.23 188	0.23 85

PSMNet-RSSM	0.61 154	1.19 273	2.43 127	0.33 111	0.25 124	0.59 132	0.28 134	0.88 207	0.65 117	0.54 131	0.62 205	0.69 244	0.46 211	1.67 275	0.50 158	0.15 235	0.10 104	0.14 221	0.16 214	0.20 150	0.28 115

PSMNet-ADL	0.56 111	0.47 85	2.03 47	0.35 144	0.22 86	0.67 243	0.27 126	0.77 119	0.58 73	0.43 44	0.53 127	0.70 250	0.45 204	1.89 312	0.64 197	0.16 249	0.13 154	0.11 93	0.13 160	0.15 60	0.51 237

PA-Net	0.93 319	1.36 313	4.14 379	0.64 315	0.41 249	0.70 255	0.53 297	0.91 228	0.88 303	0.53 127	0.60 190	0.70 250	0.54 246	2.40 352	2.57 368	0.17 268	0.28 258	0.19 298	0.28 302	0.25 209	0.48 225
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NLCA_NET_v2_RVC	0.62 167	1.15 262	3.11 314	0.39 199	0.37 230	0.60 144	0.28 134	0.87 199	0.64 110	0.63 227	0.56 162	0.71 252	0.45 204	1.08 192	0.52 163	0.15 235	0.12 141	0.14 221	0.15 196	0.18 110	0.25 99
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ToySt	0.67 211	0.88 202	2.61 209	0.39 199	0.73 329	0.61 162	0.38 236	0.78 126	0.73 200	0.43 44	0.70 256	0.72 253	0.45 204	0.66 125	0.62 191	0.14 216	0.63 313	0.13 192	0.33 332	0.24 194	1.18 343

UNet	0.56 111	0.58 119	2.81 275	0.32 91	0.33 201	0.74 273	0.27 126	0.86 191	0.67 136	0.55 142	0.55 150	0.72 253	0.55 251	0.79 159	0.58 179	0.12 144	0.09 81	0.13 192	0.11 109	0.20 150	0.19 60

GwcNet-RSSM	0.64 186	1.38 319	2.69 246	0.33 111	0.26 138	0.60 144	0.32 191	0.84 169	0.73 200	0.56 152	0.65 227	0.72 253	0.42 175	1.78 292	0.60 183	0.14 216	0.10 104	0.12 136	0.13 160	0.26 224	0.26 104

STTRV1_RVC	0.81 272	0.59 125	2.88 288	0.43 234	0.49 275	0.80 301	0.44 267	1.18 357	0.84 287	0.63 227	0.89 316	0.72 253	0.63 281	2.67 371	0.67 207	0.51 367	0.65 315	0.27 336	0.24 280	0.35 294	0.29 121

GANetREF_RVC	0.81 272	1.44 329	3.04 308	0.49 267	0.27 149	0.83 309	0.63 327	1.03 303	0.92 315	0.63 227	0.61 198	0.72 253	0.59 268	2.40 352	0.58 179	0.33 351	0.25 247	0.37 359	0.25 286	0.41 331	0.36 162
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
NVstereo2D	0.63 179	0.57 117	2.29 91	0.37 168	0.35 218	0.69 252	0.49 288	0.96 259	0.88 303	0.49 82	0.54 141	0.72 253	0.46 211	1.98 322	0.50 158	0.19 290	0.20 222	0.18 293	0.16 214	0.28 246	0.34 150

SQANet	0.92 314	1.96 373	3.23 319	0.77 338	0.83 342	0.76 279	0.38 236	0.87 199	0.68 160	0.64 238	0.69 243	0.73 259	0.52 241	1.35 229	1.36 307	0.80 378	0.30 259	0.60 376	0.29 306	0.93 380	0.70 292

iinet-f	0.62 167	1.18 270	2.55 190	0.33 111	0.25 124	0.82 308	0.34 209	0.87 199	0.69 168	0.56 152	0.64 220	0.73 259	0.67 291	0.80 163	0.81 243	0.14 216	0.13 154	0.11 93	0.10 71	0.44 338	0.26 104

GASNet	0.84 283	1.98 375	4.07 377	0.48 256	0.33 201	0.58 114	0.34 209	0.97 266	0.81 264	0.60 199	0.59 183	0.74 261	0.55 251	2.08 330	1.18 288	0.22 311	0.15 181	0.19 298	0.17 227	0.55 357	0.29 121

Syn2CoEx	0.78 263	1.43 328	3.54 355	0.44 239	0.31 184	0.64 209	0.43 261	1.04 309	0.83 275	0.64 238	0.77 292	0.74 261	0.74 308	1.91 318	0.64 197	0.20 298	0.17 200	0.19 298	0.15 196	0.30 260	0.59 260

StereoDRNet-Refined	0.55 103	0.61 132	2.07 55	0.34 128	0.21 77	0.68 249	0.26 112	0.87 199	0.73 200	0.70 272	0.69 243	0.74 261	0.45 204	1.10 194	0.62 191	0.12 144	0.09 81	0.14 221	0.14 178	0.27 235	0.24 95
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.71 231	1.24 287	2.56 194	0.42 224	0.45 264	0.73 268	0.46 277	0.98 272	0.81 264	0.77 296	0.56 162	0.74 261	0.48 225	1.69 279	0.91 256	0.15 235	0.14 167	0.15 246	0.15 196	0.26 224	0.51 237

Wz-Net-MNSev	0.74 244	1.42 325	2.75 262	0.38 186	0.33 201	0.90 327	0.61 324	0.98 272	0.94 322	0.77 296	0.75 285	0.75 265	0.66 289	1.39 231	0.76 228	0.17 268	0.13 154	0.14 221	0.14 178	0.28 246	0.48 225

MIPNet	0.88 301	1.07 240	2.85 283	0.61 308	0.18 47	1.46 368	1.37 390	1.65 383	0.78 241	1.93 387	0.85 305	0.75 265	1.66 375	0.87 171	0.34 96	0.10 47	0.08 38	0.11 93	0.32 322	0.27 235	0.26 104

MaskLacGwcNet_RVC	0.84 283	1.41 321	2.80 271	0.94 354	0.35 218	0.89 324	0.41 247	0.89 213	0.66 124	0.57 164	0.63 213	0.75 265	0.38 136	2.37 347	0.55 173	1.16 392	0.31 260	0.36 357	0.21 271	0.59 360	0.63 271

PSMNet_ROB	0.75 254	1.42 325	2.93 294	0.39 199	0.32 195	0.73 268	0.56 308	0.90 221	0.74 217	0.56 152	0.60 190	0.75 265	0.47 219	2.00 323	1.31 301	0.18 279	0.13 154	0.19 298	0.20 260	0.26 224	0.40 183

fast-acv-ft	0.67 211	1.24 287	3.26 323	0.39 199	0.30 176	0.80 301	0.48 283	0.74 108	0.76 230	0.60 199	0.78 296	0.76 269	0.60 273	0.70 135	0.78 234	0.16 249	0.15 181	0.18 293	0.17 227	0.38 312	0.24 95

APVNet	0.76 257	1.11 251	3.23 319	0.39 199	0.36 224	0.85 315	0.44 267	0.96 259	0.73 200	0.58 170	0.69 243	0.76 269	0.56 253	2.29 342	0.82 246	0.17 268	0.18 206	0.24 328	0.19 251	0.35 294	0.27 109

cf-r	0.62 167	1.27 293	2.99 304	0.34 128	0.28 159	0.60 144	0.28 134	0.82 152	0.70 178	0.55 142	0.61 198	0.77 271	0.41 164	1.32 226	0.52 163	0.13 186	0.09 81	0.11 93	0.12 140	0.22 173	0.27 109

HSM-Net_RVC	0.70 227	0.40 63	2.45 151	0.27 22	0.19 63	0.68 249	0.30 171	1.29 365	0.73 200	0.73 284	0.70 256	0.77 271	0.45 204	3.73 402	0.46 140	0.13 186	0.09 81	0.10 47	0.09 37	0.13 35	0.32 140
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	1.25 354	1.46 332	3.84 371	0.54 286	0.56 290	1.12 353	0.99 366	1.05 317	1.03 343	1.10 343	0.87 312	0.77 271	1.07 349	5.85 410	2.98 376	0.16 249	0.23 237	0.16 263	0.24 280	0.28 246	0.66 278

NOSS_ROB	0.75 254	1.03 234	2.27 87	0.68 328	0.26 138	0.68 249	0.30 171	0.99 277	0.82 269	0.59 190	0.58 178	0.77 271	0.39 147	2.75 380	0.48 146	0.25 332	0.24 240	0.28 339	0.26 292	0.29 254	1.07 338

CRFU-Net	0.58 126	0.42 70	1.90 27	0.49 267	0.27 149	0.83 309	0.35 218	0.94 243	0.54 55	0.65 250	0.60 190	0.78 275	1.34 358	1.00 183	0.51 161	0.17 268	0.14 167	0.17 277	0.10 71	0.19 133	0.20 68

PWC_ROB	0.81 272	1.41 321	2.60 205	0.41 221	0.40 244	0.63 197	0.31 181	1.04 309	0.99 339	0.92 326	1.29 356	0.78 275	0.68 293	1.65 274	1.50 316	0.19 290	0.12 141	0.18 293	0.13 160	0.51 351	0.54 248

IGEV_Zeroshot_test	0.91 313	0.39 59	3.80 368	0.42 224	1.95 402	0.56 88	0.64 328	0.84 169	0.55 60	1.45 376	0.53 127	0.79 277	0.42 175	0.57 98	1.13 283	0.10 47	0.49 292	0.10 47	0.34 338	0.19 133	2.97 411

hknet	0.53 92	0.39 59	2.04 50	0.31 74	0.24 118	0.76 279	0.32 191	1.05 317	0.71 190	0.64 238	0.53 127	0.79 277	0.40 153	0.84 168	0.78 234	0.12 144	0.10 104	0.14 221	0.12 140	0.13 35	0.15 30

RAFT	0.62 167	1.35 309	2.26 86	0.62 310	0.53 285	0.47 31	0.35 218	0.70 98	0.58 73	0.50 100	0.50 115	0.79 277	0.40 153	0.49 69	0.36 105	0.11 111	0.79 330	0.14 221	0.13 160	0.52 354	0.72 295

DGSMNet	2.93 402	0.77 183	3.44 347	3.58 415	4.25 413	2.53 402	6.86 416	1.03 303	0.88 303	0.58 170	1.85 374	0.79 277	0.62 277	1.63 268	1.46 314	4.62 414	4.98 417	5.15 419	4.71 418	4.52 418	4.37 416

CFNet-ft	0.60 147	1.16 264	2.45 151	0.29 46	0.30 176	0.64 209	0.28 134	0.69 91	0.57 67	0.49 82	0.57 172	0.79 277	0.44 196	1.48 245	0.62 191	0.15 235	0.10 104	0.28 339	0.14 178	0.21 159	0.29 121

CFNet_RVC	0.60 147	1.16 264	2.45 151	0.29 46	0.30 176	0.64 209	0.28 134	0.69 91	0.57 67	0.49 82	0.57 172	0.79 277	0.44 196	1.48 245	0.62 191	0.15 235	0.10 104	0.28 339	0.14 178	0.21 159	0.29 121

Wz-Net-LNSev	0.66 208	1.30 298	2.81 275	0.35 144	0.37 230	0.80 301	0.48 283	0.91 228	0.87 299	0.63 227	0.70 256	0.80 283	0.59 268	0.67 128	0.68 210	0.15 235	0.14 167	0.12 136	0.12 140	0.24 194	0.38 171

ADLNet	0.68 216	1.02 231	2.68 240	0.35 144	0.34 210	0.67 243	0.34 209	0.95 256	0.79 250	0.70 272	0.62 205	0.80 283	0.46 211	1.77 289	0.69 212	0.15 235	0.12 141	0.14 221	0.14 178	0.31 268	0.54 248

AANet_RVC	0.79 267	1.46 332	2.72 253	0.34 128	0.25 124	0.59 132	0.32 191	0.88 207	0.83 275	0.62 218	0.95 325	0.80 283	0.43 188	2.46 358	1.72 326	0.38 355	0.26 250	0.10 47	0.09 37	0.25 209	0.43 199

ssnet_v2	0.64 186	0.99 226	2.67 235	0.33 111	0.22 86	0.72 265	0.45 272	1.00 283	0.80 257	0.66 256	0.54 141	0.81 286	0.48 225	0.91 176	1.08 278	0.16 249	0.14 167	0.14 221	0.14 178	0.33 277	0.31 138

anonymity	0.86 294	0.68 151	1.44 2	0.64 315	0.83 342	0.67 243	0.52 295	0.98 272	0.73 200	0.96 330	0.70 256	0.81 286	0.86 327	1.10 194	1.34 303	0.64 372	0.72 328	0.58 374	1.44 409	0.60 361	0.91 321

XPNet_ROB	0.68 216	1.11 251	2.28 89	0.38 186	0.27 149	0.67 243	0.47 281	0.94 243	0.75 222	0.80 307	0.71 269	0.81 286	0.54 246	1.72 280	0.84 249	0.22 311	0.16 193	0.16 263	0.15 196	0.25 209	0.45 216

anonymousa	0.74 244	0.60 127	2.58 198	0.96 356	1.33 384	0.61 162	0.26 112	0.69 91	0.56 64	0.55 142	0.84 302	0.82 289	0.46 211	0.56 95	0.61 188	0.10 47	1.11 352	0.12 136	0.98 400	0.14 51	0.97 332

ccnet	0.77 261	0.61 132	2.01 43	0.40 212	0.46 271	1.05 345	0.59 316	1.02 297	0.74 217	0.90 323	0.97 327	0.82 289	0.89 332	1.68 278	1.16 287	0.32 349	0.26 250	0.32 351	0.28 302	0.35 294	0.47 221

aanetorigin	0.81 272	1.03 234	2.64 223	0.44 239	0.44 261	0.59 132	1.00 370	0.59 62	0.70 178	1.54 381	1.22 353	0.82 289	1.08 350	1.06 189	1.07 277	0.18 279	0.15 181	0.17 277	0.21 271	0.53 355	0.65 277

GwcNet	0.76 257	1.09 244	3.68 362	0.38 186	0.45 264	0.81 306	0.45 272	0.91 228	0.89 308	0.63 227	0.77 292	0.82 289	0.51 233	1.64 271	0.85 250	0.17 268	0.16 193	0.15 246	0.15 196	0.33 277	0.34 150

S-Stereo	0.82 276	0.73 167	3.79 367	0.40 212	0.37 230	0.70 255	0.69 341	1.00 283	1.03 343	0.63 227	0.92 320	0.82 289	0.59 268	2.35 346	0.71 217	0.18 279	0.22 232	0.17 277	0.18 235	0.30 260	0.67 280

MyStereo06	0.70 227	0.72 164	3.51 351	0.31 74	0.25 124	0.60 144	0.30 171	0.90 221	0.67 136	1.48 379	0.53 127	0.84 294	0.57 258	0.60 107	1.11 281	0.09 11	0.55 300	0.12 136	0.20 260	0.16 69	0.56 255

RTSC	0.84 283	1.40 320	2.67 235	0.50 272	0.40 244	0.83 309	0.33 204	1.11 344	1.14 358	0.93 329	0.82 298	0.84 294	0.58 265	1.34 228	1.82 334	0.18 279	0.49 292	0.14 221	0.30 312	0.46 344	0.42 194

GANet	0.92 314	1.20 275	2.68 240	0.45 246	0.27 149	0.76 279	0.66 333	0.94 243	0.77 238	0.79 305	1.17 348	0.84 294	0.91 334	2.72 376	1.76 330	0.18 279	0.42 281	0.44 369	0.20 260	0.33 277	0.94 324

MFMNet_re	1.01 331	1.73 361	3.04 308	0.85 346	0.76 334	0.93 332	0.81 353	1.02 297	1.10 353	1.05 339	1.06 344	0.84 294	0.96 341	0.93 178	0.97 260	0.68 375	0.61 309	0.63 377	0.60 382	0.77 375	0.80 306

DLCB_ROB	0.61 154	0.96 225	2.00 41	0.37 168	0.25 124	0.65 223	0.37 228	0.86 191	0.76 230	0.73 284	0.70 256	0.84 294	0.47 219	1.57 258	0.72 221	0.13 186	0.13 154	0.14 221	0.14 178	0.18 110	0.33 143

LL-Strereo	0.85 291	1.73 361	3.06 312	0.37 168	0.61 310	0.54 74	0.33 204	1.01 291	0.76 230	0.69 269	0.58 178	0.85 299	0.78 315	2.65 370	0.54 171	0.14 216	0.58 306	0.14 221	0.12 140	0.42 333	1.05 336

iRaft-Stereo_20w	1.50 373	0.42 70	4.81 395	2.24 406	2.09 405	1.36 363	1.27 387	1.38 371	0.94 322	2.07 388	0.42 63	0.85 299	0.69 297	0.87 171	1.37 309	0.10 47	4.04 416	0.09 14	0.40 353	0.17 90	4.53 417

XX-Stereo	0.98 327	0.57 117	4.45 392	1.64 389	5.33 415	0.55 84	0.16 3	0.96 259	0.43 13	0.45 52	0.65 227	0.85 299	0.19 7	0.79 159	0.26 32	0.11 111	0.80 331	0.10 47	0.32 322	0.17 90	0.78 302

ADCP+	1.03 336	1.68 359	3.83 370	0.35 144	0.39 238	1.05 345	0.79 352	0.94 243	0.86 297	0.69 269	0.68 239	0.85 299	1.53 374	1.02 185	4.56 401	0.13 186	0.12 141	0.16 263	0.15 196	0.28 246	0.44 211

NCCL2	0.71 231	1.32 300	2.30 93	0.44 239	0.31 184	0.71 259	0.67 337	0.89 213	0.69 168	0.70 272	0.61 198	0.85 299	0.54 246	1.58 264	0.70 213	0.20 298	0.17 200	0.66 378	0.25 286	0.26 224	0.38 171

ETE_ROB	0.68 216	1.09 244	2.32 97	0.38 186	0.26 138	0.69 252	0.51 291	1.49 377	0.75 222	0.81 308	0.71 269	0.85 299	0.51 233	1.39 231	0.70 213	0.17 268	0.14 167	0.19 298	0.16 214	0.24 194	0.35 156

HH	0.79 267	0.52 102	2.72 253	1.45 379	0.80 340	0.91 328	0.23 59	0.76 113	0.76 230	0.64 238	0.55 150	0.87 305	0.41 164	0.94 179	0.45 136	0.09 11	1.20 356	0.10 47	0.09 37	0.16 69	2.16 391

HanStereo	0.79 267	0.52 102	2.72 253	1.45 379	0.80 340	0.91 328	0.23 59	0.76 113	0.76 230	0.64 238	0.55 150	0.87 305	0.41 164	0.94 179	0.45 136	0.09 11	1.20 356	0.10 47	0.09 37	0.16 69	2.16 391

AnyNet_C32	1.08 344	1.76 365	3.01 306	0.50 272	0.54 286	1.17 358	1.16 382	0.97 266	0.95 327	1.11 344	0.98 330	0.87 305	0.93 339	1.57 258	4.11 398	0.22 311	0.20 222	0.25 333	0.25 286	0.40 325	0.68 285

CBMV	0.86 294	1.00 227	2.82 277	0.35 144	0.21 77	0.78 294	0.78 350	1.05 317	0.87 299	0.90 323	0.74 277	0.87 305	1.89 385	1.67 275	1.38 311	0.19 290	0.20 222	0.21 312	0.19 251	0.28 246	0.84 310
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
STrans-v2	0.69 222	0.62 136	2.66 228	0.28 34	0.23 109	0.57 107	0.32 191	1.01 291	0.77 238	0.92 326	0.84 302	0.88 309	0.92 337	1.81 297	1.19 290	0.10 47	0.07 6	0.10 47	0.09 37	0.12 25	0.30 130

ac_64	0.63 179	0.77 183	2.71 251	0.37 168	0.34 210	0.64 209	0.30 171	0.86 191	0.67 136	0.58 170	0.53 127	0.88 309	0.48 225	1.84 303	0.71 217	0.15 235	0.12 141	0.12 136	0.12 140	0.21 159	0.25 99

CBMV_ROB	0.88 301	0.75 180	2.73 258	0.36 158	0.22 86	0.76 279	0.47 281	1.05 317	0.81 264	1.06 341	1.04 341	0.88 309	1.36 361	2.17 337	2.03 340	0.23 319	0.24 240	0.27 336	0.25 286	0.27 235	0.73 296

PASM	0.82 276	1.00 227	2.68 240	0.52 276	0.48 273	0.65 223	0.59 316	0.83 162	0.89 308	0.82 312	0.73 274	0.89 312	0.68 293	2.39 351	0.73 222	0.35 354	0.37 269	0.36 357	0.41 357	0.45 340	0.51 237

TransformOpticalFlow	0.65 191	0.61 132	2.67 235	0.45 246	0.26 138	0.62 184	0.28 134	0.88 207	0.76 230	0.76 294	0.74 277	0.90 313	0.84 322	1.82 300	0.80 239	0.10 47	0.07 6	0.11 93	0.09 37	0.12 25	0.19 60

riskmin	0.96 322	0.32 14	2.07 55	1.72 394	1.61 397	1.62 377	0.57 311	1.45 375	0.55 60	0.73 284	0.89 316	0.92 314	0.45 204	1.16 205	0.60 183	0.11 111	1.30 370	0.12 136	1.38 408	0.14 51	1.51 372

DDUNet	0.90 311	1.63 354	2.77 267	0.77 338	0.69 325	0.83 309	0.44 267	0.90 221	0.70 178	0.68 264	0.76 288	0.92 314	0.54 246	1.14 203	1.35 305	0.61 371	0.37 269	0.96 387	0.52 372	0.77 375	0.67 280

ADLNet2	0.73 241	1.22 282	3.28 325	0.34 128	0.36 224	0.65 223	0.37 228	0.94 243	0.87 299	0.57 164	0.65 227	0.92 314	0.48 225	2.05 325	0.60 183	0.13 186	0.11 126	0.11 93	0.11 109	0.37 306	0.38 171

XQC	0.84 283	1.32 300	2.61 209	0.78 340	0.44 261	0.89 324	0.53 297	1.16 352	1.07 350	0.85 317	0.69 243	0.92 314	0.73 304	1.40 233	1.44 313	0.24 326	0.35 267	0.23 323	0.26 292	0.45 340	0.39 178

RYNet	0.77 261	0.91 215	2.36 102	0.37 168	0.41 249	0.88 322	0.44 267	0.99 277	0.88 303	0.65 250	0.54 141	0.92 314	0.61 275	2.70 375	1.23 296	0.15 235	0.14 167	0.17 277	0.14 178	0.27 235	0.55 254

Ntro	1.11 346	2.10 385	3.52 353	0.97 357	0.87 347	1.06 348	0.54 300	1.02 297	0.93 321	0.63 227	0.76 288	0.93 319	0.67 291	1.76 286	1.71 324	1.03 387	0.46 286	0.76 383	0.41 357	1.29 390	0.86 317

RAFT-Test	0.56 111	0.41 68	2.01 43	0.90 350	1.07 369	0.65 223	0.37 228	0.83 162	0.65 117	0.49 82	0.49 103	0.93 319	0.24 27	0.52 79	0.30 56	0.10 47	0.38 273	0.09 14	0.38 349	0.11 17	0.19 60

FAT-Stereo	0.72 239	0.60 127	2.86 285	0.37 168	0.29 165	0.64 209	0.55 304	1.01 291	0.91 313	0.76 294	0.94 322	0.93 319	0.79 317	1.82 300	0.60 183	0.19 290	0.19 210	0.17 277	0.16 214	0.23 188	0.47 221

NCC-stereo	0.88 301	1.22 282	2.97 299	0.60 302	0.45 264	1.88 387	0.48 283	1.04 309	0.75 222	0.70 272	0.85 305	0.93 319	0.84 322	1.81 297	1.51 317	0.28 342	0.19 210	0.23 323	0.31 317	0.27 235	0.35 156

Abc-Net	0.88 301	1.22 282	2.97 299	0.60 302	0.45 264	1.88 387	0.48 283	1.04 309	0.75 222	0.70 272	0.85 305	0.93 319	0.84 322	1.81 297	1.51 317	0.28 342	0.19 210	0.23 323	0.31 317	0.27 235	0.35 156
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RASNet	0.69 222	1.05 238	2.59 200	0.37 168	0.47 272	0.66 236	0.33 204	0.82 152	0.76 230	0.51 111	0.65 227	0.93 319	0.62 277	2.20 338	0.80 239	0.14 216	0.09 81	0.09 14	0.11 109	0.18 110	0.37 163

LSM	3.40 405	1.42 325	5.81 406	9.98 421	30.74 435	0.86 316	1.14 378	0.99 277	1.26 365	1.40 373	2.18 383	0.93 319	0.85 325	1.76 286	1.03 273	0.22 311	0.35 267	0.24 328	0.29 306	0.40 325	6.21 419

LALA_ROB	0.68 216	1.14 256	2.50 174	0.37 168	0.29 165	0.78 294	0.55 304	0.99 277	0.84 287	0.82 312	0.68 239	0.93 319	0.50 229	1.01 184	0.89 254	0.21 306	0.15 181	0.21 312	0.18 235	0.26 224	0.30 130

Wz-Net-SNSev	0.85 291	1.83 368	3.36 331	0.42 224	0.31 184	0.71 259	0.66 333	1.04 309	0.94 322	0.68 264	0.85 305	0.96 327	0.62 277	1.75 284	1.14 284	0.16 249	0.15 181	0.16 263	0.17 227	0.39 319	0.63 271

THIR-Stereo	0.88 301	0.85 195	2.33 99	0.26 15	0.16 20	0.59 132	2.69 404	0.62 70	0.54 55	0.62 218	1.61 369	0.96 327	1.77 381	1.67 275	2.20 353	0.10 47	0.08 38	0.14 221	0.11 109	0.16 69	0.21 72

DANet	0.85 291	0.68 151	2.41 118	1.18 371	0.48 273	0.77 289	1.23 386	0.93 238	1.53 380	0.90 323	0.72 272	0.97 329	0.57 258	1.86 307	1.05 275	0.18 279	0.16 193	0.19 298	0.16 214	0.26 224	0.67 280
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
otaku	1.15 349	2.10 385	3.51 351	0.98 358	0.74 330	1.02 342	0.59 316	1.03 303	0.89 308	0.70 272	1.60 368	0.98 330	0.65 283	1.63 268	1.80 333	0.99 386	0.46 286	0.73 382	0.40 353	1.30 392	0.88 318

SHD	0.84 283	1.14 256	2.54 183	0.80 342	0.52 280	0.76 279	0.34 209	1.16 352	1.29 368	1.11 344	0.85 305	0.98 330	0.74 308	1.25 218	1.48 315	0.22 311	0.37 269	0.20 308	0.27 300	0.36 300	0.41 190

MDST_ROB	1.28 356	0.53 105	3.84 371	0.55 287	0.45 264	4.06 409	0.60 319	1.36 370	0.89 308	2.18 393	1.17 348	0.98 330	0.72 301	4.28 405	2.12 347	0.20 298	0.16 193	0.19 298	0.17 227	0.20 150	0.84 310

RP	0.74 244	1.01 230	2.48 168	0.44 239	0.45 264	0.66 236	0.45 272	0.95 256	0.87 299	0.70 272	0.95 325	0.99 333	0.82 319	1.55 252	0.82 246	0.26 336	0.19 210	0.23 323	0.20 260	0.34 283	0.38 171

Nwc_Net	0.75 254	1.10 249	2.96 298	0.42 224	0.39 238	0.77 289	0.39 242	1.06 329	0.73 200	0.65 250	1.00 334	0.99 333	0.74 308	1.43 237	0.99 268	0.24 326	0.15 181	0.23 323	0.26 292	0.27 235	0.30 130

ADCL	1.07 341	1.22 282	2.80 271	0.40 212	0.33 201	1.50 370	1.87 401	0.97 266	1.04 346	1.26 364	1.28 355	0.99 333	1.41 365	1.36 230	3.51 386	0.17 268	0.14 167	0.22 316	0.21 271	0.32 273	0.43 199

PDISCO_ROB	0.84 283	1.46 332	2.84 281	0.65 317	0.59 298	1.17 358	0.48 283	1.19 358	1.08 352	0.67 258	0.72 272	1.00 336	0.61 275	1.24 215	1.05 275	0.38 355	0.18 206	0.28 339	0.24 280	0.58 359	0.44 211

UDG	0.86 294	1.57 342	2.80 271	0.68 328	0.59 298	0.78 294	0.38 236	0.97 266	0.74 217	0.63 227	0.70 256	1.01 337	0.68 293	1.02 185	1.22 295	0.45 363	0.34 266	0.89 385	0.51 370	0.73 370	0.58 257

ADCMid	1.06 339	1.82 367	3.53 354	0.39 199	0.36 224	0.99 339	0.58 313	1.01 291	0.94 322	1.23 362	1.02 337	1.01 337	1.01 345	1.11 198	4.04 396	0.22 311	0.19 210	0.42 366	0.32 322	0.42 333	0.53 245

FBW_ROB	0.94 320	1.23 286	2.35 101	0.46 249	0.32 195	0.87 320	0.46 277	1.15 349	0.97 335	0.83 315	0.78 296	1.01 337	0.64 282	3.65 401	1.65 323	0.27 339	0.24 240	0.40 362	0.26 292	0.32 273	0.88 318

RGC	0.78 263	1.10 249	2.55 190	0.45 246	0.45 264	0.73 268	0.40 245	1.00 283	0.75 222	0.75 292	1.04 341	1.02 340	0.73 304	1.74 283	1.15 285	0.24 326	0.19 210	0.28 339	0.26 292	0.31 268	0.38 171

CBFPSM	0.62 167	1.34 306	2.12 65	0.30 60	0.23 109	0.71 259	0.38 236	0.77 119	0.68 160	0.51 111	0.49 103	1.03 341	0.82 319	0.63 114	1.35 305	0.11 111	0.12 141	0.10 47	0.10 71	0.19 133	0.37 163

Anonymous_2	1.36 363	0.49 89	2.03 47	1.71 393	1.58 395	2.49 401	0.58 313	1.59 382	2.31 393	0.77 296	0.88 314	1.03 341	0.58 265	1.20 210	0.66 205	0.32 349	1.38 374	1.42 403	3.87 417	0.78 377	1.56 373

hitnet-ft	0.73 241	1.09 244	2.59 200	0.28 34	0.22 86	0.71 259	0.36 225	0.89 213	0.67 136	0.58 170	0.83 300	1.03 341	0.94 340	2.31 343	0.70 213	0.23 319	0.14 167	0.41 364	0.13 160	0.24 194	0.28 115

SGM-Forest	1.84 386	7.91 419	10.36 415	0.42 224	0.33 201	1.04 343	1.29 388	1.01 291	0.88 303	1.19 351	2.30 387	1.03 341	1.79 382	2.60 366	2.81 373	0.22 311	0.21 230	0.21 312	0.19 251	0.25 209	0.79 304
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
EDNetEfficient	1.29 357	0.78 186	4.27 385	0.65 317	1.03 366	0.94 334	1.38 392	0.87 199	1.75 387	2.33 399	1.32 359	1.04 345	2.21 392	1.59 265	4.07 397	0.16 249	0.19 210	0.15 246	0.27 300	0.38 312	0.40 183

AF-Net	0.76 257	1.14 256	2.74 260	0.42 224	0.41 249	0.70 255	0.41 247	1.07 332	0.94 322	0.73 284	1.05 343	1.04 345	0.86 327	1.23 213	1.00 270	0.23 319	0.15 181	0.25 333	0.18 235	0.32 273	0.35 156

CSAN	1.38 364	1.74 364	4.12 378	0.53 280	0.38 236	1.06 348	1.15 380	1.29 365	1.12 356	1.19 351	1.90 376	1.04 345	1.44 366	5.92 411	2.82 374	0.26 336	0.22 232	0.24 328	0.25 286	0.35 294	0.54 248

DPSNet	1.02 332	0.72 164	2.84 281	0.60 302	0.39 238	1.08 350	0.75 347	1.41 373	1.14 358	0.74 290	0.69 243	1.05 348	1.67 376	2.09 332	2.22 355	0.27 339	0.61 309	0.20 308	0.50 369	0.48 347	1.03 335

WZ-Net	1.04 337	1.83 368	4.20 382	0.42 224	0.36 224	0.88 322	0.71 343	1.05 317	1.11 355	0.84 316	0.94 322	1.06 349	1.17 355	2.37 347	2.24 356	0.20 298	0.14 167	0.15 246	0.16 214	0.36 300	0.53 245

MFN_U_SF_DS_RVC	1.08 344	2.01 379	2.56 194	0.49 267	0.40 244	1.49 369	0.96 365	1.02 297	0.95 327	0.85 317	0.94 322	1.06 349	0.59 268	2.92 386	1.15 285	0.43 361	0.74 329	0.32 351	0.55 375	0.74 371	1.35 363

DISCO	0.61 154	0.63 138	1.98 40	0.46 249	0.34 210	0.84 314	0.35 218	0.88 207	0.81 264	0.61 206	0.64 220	1.06 349	0.53 244	1.11 198	0.83 248	0.13 186	0.10 104	0.11 93	0.10 71	0.26 224	0.37 163

RainbowNet	1.27 355	2.22 392	3.58 358	1.14 369	0.92 351	1.08 350	0.76 348	1.19 358	1.15 360	0.77 296	0.97 327	1.08 352	0.83 321	1.64 271	1.72 326	1.20 394	1.30 370	1.01 390	0.58 379	1.23 387	0.97 332

ADCS	1.14 348	2.02 380	3.36 331	0.43 234	0.37 230	0.96 338	0.81 353	1.12 346	1.17 362	1.25 363	0.98 330	1.08 352	0.92 337	1.41 235	4.97 404	0.23 319	0.21 230	0.22 316	0.23 278	0.40 325	0.67 280

ADCPNet	1.07 341	1.37 316	4.54 394	0.38 186	0.68 324	1.36 363	0.64 328	0.93 238	0.83 275	0.79 305	0.82 298	1.08 352	1.18 356	1.30 225	2.68 370	0.21 306	0.69 322	0.21 312	0.95 398	0.30 260	0.54 248

Wz-Net-TNSev	1.02 332	2.26 396	3.69 363	0.38 186	0.31 184	1.00 340	0.71 343	1.12 346	1.02 342	0.74 290	0.73 274	1.09 355	0.91 334	2.46 358	2.15 350	0.21 306	0.20 222	0.16 263	0.20 260	0.48 347	0.62 267

RTS	1.29 357	1.59 347	6.48 409	0.63 312	0.57 293	1.59 375	0.90 361	1.15 349	1.44 375	1.20 356	1.31 357	1.10 356	0.87 330	2.67 371	2.27 358	0.21 306	0.38 273	0.19 298	0.20 260	0.46 344	0.68 285

RTSA	1.29 357	1.59 347	6.48 409	0.63 312	0.57 293	1.59 375	0.90 361	1.15 349	1.44 375	1.20 356	1.31 357	1.10 356	0.87 330	2.67 371	2.27 358	0.21 306	0.38 273	0.19 298	0.20 260	0.46 344	0.68 285

raft_robust	0.68 216	1.24 287	2.42 122	0.30 60	0.57 293	0.53 67	0.25 100	0.95 256	0.79 250	0.49 82	0.46 79	1.12 358	0.74 308	1.50 248	0.61 188	0.09 11	0.62 312	0.10 47	0.30 312	0.26 224	0.30 130

DispFullNet	1.69 384	2.25 394	5.23 400	1.53 385	8.78 416	0.89 324	0.37 228	1.03 303	0.98 336	1.37 369	1.00 334	1.13 359	1.97 387	1.51 249	0.98 266	0.55 370	0.32 261	1.19 394	0.64 383	1.16 385	0.88 318

edge stereo	0.84 283	0.74 176	3.42 346	0.38 186	1.21 379	0.63 197	0.41 247	0.98 272	0.83 275	0.81 308	0.88 314	1.14 360	0.73 304	2.16 336	0.89 254	0.22 311	0.20 222	0.26 335	0.18 235	0.38 312	0.43 199

PVD	1.05 338	1.21 277	2.36 102	0.84 345	0.91 350	1.04 343	0.64 328	1.32 368	1.68 384	1.43 375	1.41 364	1.14 360	1.15 354	1.49 247	1.77 331	0.27 339	0.65 315	0.28 339	0.35 340	0.40 325	0.73 296

stereogan	0.74 244	0.68 151	2.82 277	0.40 212	0.40 244	1.05 345	0.42 254	0.99 277	0.96 329	0.78 304	0.86 310	1.15 362	0.73 304	1.57 258	0.56 175	0.20 298	0.19 210	0.20 308	0.16 214	0.37 306	0.34 150

AnyNet_C01	1.20 352	1.89 371	4.25 384	0.55 287	0.54 286	1.57 373	1.39 393	1.10 340	1.13 357	1.19 351	1.34 361	1.15 362	1.11 352	1.73 281	2.89 375	0.26 336	0.24 240	0.28 339	0.24 280	0.50 349	0.68 285

psmorigin	1.41 366	0.91 215	13.83 421	0.37 168	0.30 176	0.63 197	0.37 228	0.80 138	0.64 110	0.98 331	0.87 312	1.16 364	0.78 315	3.95 403	1.09 279	0.19 290	0.22 232	0.17 277	0.19 251	0.25 209	0.47 221

MADNet+	1.44 368	2.19 389	6.00 407	0.89 348	0.70 327	1.58 374	1.11 375	1.56 381	1.30 370	0.89 321	1.03 339	1.25 365	1.12 353	3.29 393	2.80 372	0.48 366	0.57 304	0.39 361	0.36 345	0.63 365	0.69 289

FTStereo	0.79 267	0.32 14	2.83 279	0.70 330	0.21 77	0.73 268	1.75 399	0.61 67	0.60 81	1.07 342	1.62 370	1.28 366	2.11 390	0.75 151	0.30 56	0.19 290	0.08 38	0.12 136	0.11 109	0.12 25	0.39 178

EDNetEfficientorigin	8.19 415	1.27 293	145.54 441	0.51 275	0.96 355	0.75 275	0.49 288	0.86 191	1.57 382	2.12 391	1.49 366	1.28 366	1.35 359	1.84 303	2.15 350	0.14 216	0.13 154	0.17 277	0.18 235	0.39 319	0.64 276

MSC_U_SF_DS_RVC	1.40 365	2.04 382	3.02 307	0.58 301	0.41 249	2.15 396	1.00 370	1.31 367	1.29 368	1.05 339	1.10 346	1.29 368	0.91 334	3.07 389	1.34 303	1.65 404	0.84 333	0.68 380	0.88 395	1.55 399	1.91 381

G-Net	1.02 332	0.70 156	3.23 319	0.60 302	0.66 320	2.00 393	0.71 343	0.78 126	0.70 178	1.14 347	2.53 391	1.29 368	1.01 345	1.47 244	1.74 328	0.25 332	0.24 240	0.24 328	0.26 292	0.37 306	0.40 183

FINET	1.92 388	1.96 373	4.49 393	1.62 388	1.39 387	3.51 407	4.39 411	2.89 403	2.58 397	1.39 371	1.98 377	1.35 370	2.12 391	1.64 271	2.12 347	0.84 380	1.03 347	0.18 293	0.29 306	0.54 356	2.12 389

HSM	0.67 211	0.92 220	2.29 91	0.30 60	0.29 165	0.65 223	0.29 159	0.98 272	0.67 136	0.59 190	0.58 178	1.39 371	0.65 283	2.56 362	0.45 136	0.11 111	0.09 81	0.10 47	0.08 27	0.18 110	0.24 95

MFN_U_SF_RVC	1.57 380	2.56 409	3.30 328	0.66 321	0.41 249	1.15 356	0.51 291	1.27 363	1.35 372	1.61 383	1.20 351	1.43 372	0.97 342	1.80 295	2.10 345	1.88 407	1.79 385	1.97 412	2.14 411	1.61 400	1.76 380

SAMSARA	1.11 346	1.35 309	2.60 205	1.34 374	0.77 336	1.67 380	1.41 396	1.47 376	0.99 339	1.54 381	0.89 316	1.44 373	0.90 333	1.88 311	1.71 324	0.25 332	0.55 300	0.22 316	0.34 338	0.39 319	0.50 233

SPS-STEREO	1.22 353	1.65 356	3.41 343	0.66 321	0.69 325	1.01 341	0.68 339	1.10 340	0.96 329	1.40 373	1.25 354	1.46 374	1.08 350	2.05 325	2.24 356	0.66 373	0.61 309	0.58 374	0.57 378	0.66 368	1.65 377
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH-64-1	1.50 373	1.98 375	2.69 246	1.39 377	1.12 374	1.39 366	1.19 384	1.80 387	1.47 377	1.19 351	2.20 384	1.53 375	1.51 372	2.12 334	1.98 337	1.34 397	0.68 319	1.28 397	0.70 384	1.37 394	1.12 340

IMH-64	1.50 373	1.98 375	2.69 246	1.39 377	1.12 374	1.39 366	1.19 384	1.80 387	1.47 377	1.19 351	2.20 384	1.53 375	1.51 372	2.12 334	1.98 337	1.34 397	0.68 319	1.28 397	0.70 384	1.37 394	1.12 340

coex-ft	6.14 413	1.98 375	60.80 439	0.34 128	0.30 176	0.80 301	1.17 383	0.76 113	4.34 406	19.82 426	2.15 382	1.61 377	8.77 416	1.82 300	10.36 418	0.44 362	2.05 391	0.18 293	0.19 251	0.39 319	4.61 418

NVStereoNet_ROB	1.45 370	1.62 352	3.59 359	1.09 363	0.70 327	0.86 316	0.67 337	1.19 358	1.51 379	1.20 356	4.05 407	1.61 377	1.94 386	2.97 388	2.07 344	0.67 374	0.69 322	0.55 373	0.70 384	0.57 358	0.67 280
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SANet	1.35 362	1.80 366	4.39 390	0.41 221	0.29 165	1.72 382	0.89 360	1.17 355	2.47 395	1.22 360	1.82 373	1.72 379	1.70 378	2.57 363	3.30 380	0.18 279	0.16 193	0.16 263	0.15 196	0.34 283	0.62 267

PWCK	1.62 383	2.32 401	4.27 385	1.11 366	0.56 290	1.81 385	1.84 400	1.55 380	1.54 381	1.45 376	1.81 372	1.82 380	1.38 363	3.34 394	2.14 349	1.09 390	0.57 304	0.98 388	0.59 380	1.50 398	0.79 304

ELAS	1.52 377	0.92 220	2.91 292	0.62 310	0.57 293	3.13 404	2.21 403	1.67 384	1.58 383	2.42 400	2.43 389	1.87 381	2.49 395	1.85 305	2.70 371	0.42 358	0.43 284	0.41 364	0.40 353	0.51 351	0.85 314
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet-4b	2.00 390	2.19 389	4.85 396	1.09 363	0.86 345	1.15 356	0.53 297	1.11 344	1.15 360	0.65 250	1.09 345	1.97 382	0.69 297	2.31 343	9.78 417	5.73 416	0.42 281	1.03 391	0.55 375	1.89 403	0.92 323

WAO-7	1.58 381	2.04 382	3.25 322	0.94 354	0.75 331	1.75 383	1.13 377	1.87 390	1.97 391	1.46 378	2.53 391	1.98 383	1.75 379	3.13 390	2.48 363	0.69 376	0.67 318	0.94 386	0.74 389	0.80 378	0.77 299

ELAS_RVC	1.51 376	0.88 202	3.36 331	0.63 312	0.56 290	1.53 371	2.73 405	1.53 378	1.76 388	2.26 397	2.21 386	2.10 384	3.07 400	2.08 330	2.52 364	0.42 358	0.42 281	0.42 366	0.37 346	0.51 351	0.84 310
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet_2	1.54 378	2.20 391	4.42 391	1.10 365	0.93 353	1.37 365	0.87 357	1.53 378	1.71 386	1.22 360	1.72 371	2.12 385	1.06 348	2.58 364	1.93 336	0.94 382	0.54 298	1.00 389	0.56 377	2.11 407	0.96 329

WAO-6	1.69 384	1.87 370	3.21 318	1.15 370	1.01 364	2.29 397	1.06 374	1.85 389	2.84 402	1.30 368	2.59 393	2.19 386	1.67 376	2.62 367	2.52 364	0.96 384	0.68 319	1.19 394	0.84 392	1.13 383	0.95 327

IMH	2.14 394	2.46 405	3.60 361	1.70 392	1.13 376	1.65 379	0.93 364	2.13 396	1.93 390	1.37 369	2.64 396	2.19 386	1.82 383	5.77 409	2.18 352	5.70 415	1.05 348	1.31 399	0.72 388	1.39 396	1.13 342

JetBlue	1.89 387	2.09 384	4.16 380	0.74 333	1.23 380	4.52 413	3.86 410	1.68 385	1.26 365	1.28 366	1.54 367	2.36 388	1.86 384	3.35 395	3.37 382	0.54 368	0.49 292	0.48 370	0.49 367	1.39 396	1.21 349

SGM_RVC	2.11 393	1.07 240	2.87 286	0.98 358	0.92 351	2.72 403	1.88 402	1.91 392	12.27 415	2.09 389	1.99 378	2.47 389	2.24 393	2.87 385	2.03 340	0.54 368	0.47 288	0.42 366	0.47 364	0.74 371	1.22 351
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MADNet++	2.94 403	2.17 388	3.27 324	2.55 410	2.28 407	3.29 406	3.37 406	2.76 401	2.67 400	3.10 408	3.20 403	2.78 390	3.25 402	4.11 404	4.68 403	2.72 411	2.27 406	3.03 415	2.43 413	2.34 410	2.59 407

MeshStereo	1.29 357	1.34 306	3.04 308	0.35 144	0.28 159	1.10 352	0.69 341	1.42 374	1.07 350	2.71 405	2.43 389	2.95 391	1.50 371	2.92 386	2.03 340	0.23 319	0.22 232	0.22 316	0.19 251	0.50 349	0.69 289
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
JetRed	3.37 404	4.96 416	10.08 414	1.48 382	1.73 400	7.63 416	5.47 415	3.47 409	2.20 392	2.42 400	2.40 388	2.98 392	2.35 394	3.52 399	6.60 410	1.33 396	1.90 387	1.38 401	1.23 406	2.30 409	2.02 385

SGM+DAISY	2.67 396	2.14 387	4.28 387	1.92 402	2.11 406	4.36 412	5.22 414	3.17 404	3.00 403	3.24 410	3.81 406	3.03 393	3.61 404	2.53 360	3.79 390	1.15 391	1.29 368	0.66 378	0.71 387	0.95 381	2.44 406

FADE	15.98 423	3.24 414	8.93 412	2.10 405	2.93 409	1.19 360	0.91 363	4.99 414	2.50 396	1.28 366	1.19 350	3.05 394	7.02 413	8.01 415	5.49 407	96.22 440	36.26 440	65.47 437	65.78 437	1.78 402	1.34 361

ACVNet_1	1.47 372	2.27 397	4.92 397	1.11 366	0.89 348	1.19 360	0.66 333	1.28 364	1.19 363	0.98 331	0.97 327	3.06 395	1.48 370	2.37 347	1.82 334	1.08 389	0.49 292	1.03 391	0.48 365	1.20 386	0.95 327

WCMA_ROB	1.29 357	1.21 277	3.13 316	0.65 317	0.36 224	1.20 362	0.78 350	1.00 283	0.98 336	1.78 386	2.62 394	3.08 396	2.01 388	1.86 307	2.35 360	0.38 355	0.38 273	0.32 351	0.32 322	0.31 268	1.06 337

WAO-8	2.91 400	2.55 407	3.77 365	1.93 403	1.04 367	4.08 410	0.99 366	3.25 407	6.09 409	2.20 394	3.34 404	3.33 397	2.64 396	11.73 418	2.52 364	2.12 408	1.92 388	1.55 405	0.93 396	1.27 388	0.96 329

Venus	2.91 400	2.55 407	3.77 365	1.93 403	1.04 367	4.08 410	0.99 366	3.25 407	6.09 409	2.20 394	3.34 404	3.33 397	2.64 396	11.73 418	2.52 364	2.12 408	1.92 388	1.55 405	0.93 396	1.27 388	0.96 329

FCDSN-DC	1.45 370	1.12 253	3.30 328	0.48 256	0.41 249	1.13 354	0.60 319	1.17 355	1.28 367	2.25 396	2.85 399	3.65 399	3.34 403	2.58 364	2.44 362	0.31 348	0.26 250	0.31 349	0.30 312	0.37 306	0.78 302
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
notaker	2.77 398	2.35 402	4.02 376	2.61 411	1.44 389	1.77 384	1.14 378	2.77 402	1.81 389	2.30 398	11.41 417	3.95 400	4.70 408	3.24 392	3.01 377	1.58 403	0.88 335	1.71 410	1.08 403	2.10 406	1.44 369

UNDER WATER-64	2.59 395	2.28 398	5.63 404	1.85 400	1.45 390	3.28 405	1.60 398	2.62 399	5.57 408	2.09 389	2.12 380	4.10 401	4.21 407	2.74 379	3.64 389	1.49 401	0.86 334	1.58 407	1.09 404	1.91 404	1.62 376

TorneroNet-64	2.74 397	2.23 393	4.18 381	1.48 382	1.20 378	3.88 408	1.01 372	3.48 411	6.61 412	2.62 404	4.55 410	4.20 402	3.84 406	3.39 397	3.40 384	1.23 395	0.66 317	1.39 402	0.80 391	3.42 414	1.27 354

FC-DCNN	1.60 382	0.85 195	3.44 347	0.46 249	0.39 238	1.96 389	0.66 333	1.72 386	1.70 385	2.75 406	2.91 402	4.20 402	3.15 401	2.72 376	2.66 369	0.30 346	0.26 250	0.31 349	0.30 312	0.33 277	0.91 321

LVE	2.10 392	2.61 410	4.30 389	1.79 397	1.81 401	1.68 381	1.04 373	2.35 398	2.78 401	1.27 365	2.87 400	4.21 404	1.46 367	2.83 384	2.02 339	2.87 412	0.92 337	1.19 394	1.47 410	1.29 390	1.18 343

Dean	1.92 388	2.31 400	5.03 399	1.31 372	1.08 370	1.55 372	0.99 366	1.98 395	2.33 394	1.51 380	4.15 408	4.23 405	1.39 364	2.31 343	2.10 345	1.18 393	0.69 322	1.18 393	0.75 390	1.30 392	1.07 338

tt	4.94 411	0.32 14	4.22 383	2.29 407	1.58 395	10.19 419	16.94 422	9.44 420	5.03 407	1.69 384	1.33 360	4.68 406	5.02 409	3.38 396	5.91 409	6.15 417	9.47 424	2.80 414	3.16 416	3.54 415	1.58 374

MSMD_ROB	1.41 366	1.03 234	2.75 262	0.41 221	0.32 195	2.00 393	0.61 324	0.96 259	1.43 374	2.97 407	2.63 395	4.76 407	2.04 389	2.44 357	1.78 332	0.30 346	0.26 250	0.32 351	0.32 322	0.32 273	0.63 271

LE_ROB	4.55 410	2.43 404	9.94 413	2.79 413	4.03 412	2.40 400	3.54 407	2.72 400	11.04 414	11.64 419	4.69 411	5.25 408	10.74 417	4.52 408	9.73 416	0.82 379	0.70 325	1.34 400	0.97 399	0.74 371	0.94 324

UNDER WATER	2.84 399	2.25 394	5.25 401	1.84 399	1.45 390	2.36 399	1.44 397	3.23 406	6.51 411	2.61 403	2.73 398	5.69 409	5.64 411	3.14 391	4.18 399	1.48 400	0.81 332	1.60 408	1.07 402	1.91 404	1.67 378

SDNR	2.06 391	2.93 412	2.94 296	1.55 386	5.13 414	1.98 392	0.24 81	1.95 394	2.62 398	0.92 326	2.71 397	5.76 410	0.68 293	3.61 400	3.84 391	0.33 351	0.38 273	0.22 316	0.17 227	1.13 383	2.04 386

pmcnn	1.44 368	1.25 290	3.57 357	0.74 333	1.42 388	0.72 265	0.56 308	1.04 309	1.06 349	1.03 338	2.89 401	6.01 411	0.75 312	2.54 361	3.60 388	0.14 216	0.11 126	0.08 3	0.06 6	0.34 283	0.81 308

MANE	3.51 406	2.03 381	3.88 373	1.89 401	2.01 403	5.98 414	4.72 412	5.87 416	7.13 413	3.80 411	5.10 412	6.11 412	5.34 410	4.39 406	5.05 405	1.07 388	1.28 367	0.50 371	0.85 393	0.76 374	2.36 405

DGTPSM_ROB	8.97 416	5.94 417	13.01 419	5.95 418	11.34 418	8.54 417	24.06 423	6.47 417	13.52 417	5.19 413	11.52 418	6.18 413	11.04 418	7.02 413	13.92 420	4.47 413	7.66 418	3.90 416	7.43 421	4.34 417	7.98 421

DPSMNet_ROB	9.58 417	5.96 418	13.98 422	8.88 420	11.87 419	8.54 417	24.08 424	6.48 418	13.67 420	5.35 414	11.53 419	6.31 414	11.04 418	7.69 414	14.09 421	7.61 422	8.23 420	5.03 418	7.75 422	5.24 419	8.36 422

KSHMR	4.19 408	2.37 403	6.24 408	1.73 395	1.48 392	1.97 391	1.29 388	3.18 405	17.06 425	2.15 392	15.74 420	9.09 415	1.75 379	8.33 416	2.37 361	1.55 402	1.29 368	1.70 409	1.23 406	1.75 401	1.60 375

SGM-ForestM	3.67 407	2.70 411	5.34 403	1.65 390	1.72 399	6.02 415	5.08 413	4.10 412	3.47 404	4.59 412	4.21 409	9.81 416	5.79 412	6.44 412	6.97 412	0.88 381	1.09 350	0.33 355	0.45 361	0.68 369	2.10 388

HanzoNet	7.85 414	3.30 415	5.75 405	7.47 419	3.97 411	2.34 398	1.37 390	3.47 409	4.02 405	13.30 420	10.49 413	10.86 417	16.67 423	8.50 417	10.51 419	10.80 423	9.84 425	5.83 420	13.69 423	7.24 420	7.51 420

Anonymous_1	22.76 426	11.11 420	11.93 416	12.73 422	26.05 434	19.39 426	27.77 428	14.18 422	13.64 419	14.92 421	10.66 414	11.26 418	11.24 420	12.48 422	14.45 422	37.82 439	7.87 419	34.92 436	63.61 436	87.51 440	11.75 425

ktn	4.44 409	2.47 406	3.70 364	1.82 398	1.49 393	2.11 395	1.40 394	2.30 397	12.56 416	11.36 418	16.25 421	11.30 419	3.77 405	4.41 407	3.47 385	1.86 406	0.99 340	1.74 411	1.21 405	3.28 413	1.39 366

TorneroNet	5.60 412	2.30 399	3.98 374	1.49 384	1.26 383	14.47 421	1.11 375	4.85 413	20.66 430	10.12 415	16.30 422	11.78 420	7.35 414	3.41 398	4.38 400	1.36 399	0.70 325	1.46 404	0.87 394	2.73 411	1.33 359

DPSM_ROB	12.32 418	11.13 421	12.31 417	12.90 423	12.80 421	19.81 428	28.13 429	14.50 423	14.31 422	10.62 416	11.34 415	12.03 421	11.89 421	13.08 423	15.22 423	7.09 419	8.31 421	6.47 422	7.32 419	8.69 421	8.43 423

DPSM	12.32 418	11.13 421	12.31 417	12.90 423	12.80 421	19.81 428	28.13 429	14.50 423	14.31 422	10.62 416	11.34 415	12.03 421	11.89 421	13.08 423	15.22 423	7.09 419	8.31 421	6.47 422	7.32 419	8.69 421	8.43 423

LRCNet_RVC	13.78 422	19.34 425	13.01 419	19.47 426	12.67 420	1.85 386	0.42 254	12.28 421	1.10 353	15.76 422	18.69 426	12.52 423	8.65 415	12.22 421	9.64 415	22.29 430	8.38 423	25.92 432	24.06 433	19.72 431	17.59 428

xxxxx1	29.05 438	20.74 427	14.05 423	50.10 437	40.25 437	19.01 423	26.60 425	21.83 429	20.22 427	16.52 423	17.56 423	18.33 424	21.41 427	16.11 426	20.77 428	23.48 431	26.77 435	66.36 438	78.56 438	30.19 435	32.23 438

tt_ll	29.05 438	20.74 427	14.05 423	50.10 437	40.25 437	19.01 423	26.60 425	21.83 429	20.22 427	16.52 423	17.56 423	18.33 424	21.41 427	16.11 426	20.77 428	23.48 431	26.77 435	66.36 438	78.56 438	30.19 435	32.23 438

ff	29.05 438	20.74 427	14.05 423	50.10 437	40.25 437	19.01 423	26.60 425	21.83 429	20.22 427	16.52 423	17.56 423	18.33 424	21.41 427	16.11 426	20.77 428	23.48 431	26.77 435	66.36 438	78.56 438	30.19 435	32.23 438

HaxPig	19.88 425	22.39 431	22.30 426	17.98 425	17.98 424	12.06 420	12.06 419	16.25 426	15.97 424	21.05 428	21.41 429	18.85 427	18.35 424	20.07 430	19.64 427	23.57 434	23.19 434	24.07 431	23.71 432	22.95 432	23.72 435

MEDIAN_ROB	23.95 428	26.96 439	26.29 435	22.14 427	22.09 426	16.18 422	14.23 420	20.47 427	20.09 426	25.43 436	25.22 438	22.96 428	22.54 430	24.33 431	23.18 432	28.15 436	27.16 438	28.60 434	27.73 434	27.59 433	27.58 436

MyStereo03	24.90 432	22.40 432	24.90 431	26.19 432	25.93 431	39.80 434	56.77 437	29.00 433	28.95 436	21.51 432	22.81 434	24.16 429	23.92 433	26.26 433	30.65 437	14.24 425	17.13 429	13.03 424	14.76 428	17.48 424	18.00 429

MyStereo02	24.90 432	22.40 432	24.90 431	26.19 432	25.93 431	39.80 434	56.77 437	29.00 433	28.95 436	21.51 432	22.81 434	24.16 429	23.92 433	26.26 433	30.65 437	14.24 425	17.13 429	13.03 424	14.76 428	17.48 424	18.00 429

MyStereo	24.90 432	22.40 432	24.90 431	26.19 432	25.93 431	39.80 434	56.77 437	29.00 433	28.95 436	21.51 432	22.81 434	24.16 429	23.92 433	26.26 433	30.65 437	14.24 425	17.13 429	13.03 424	14.76 428	17.48 424	18.00 429

CasAABBNet	24.76 430	22.38 430	24.44 429	26.05 430	25.75 429	39.79 433	56.76 436	29.10 436	28.88 434	21.22 429	22.69 432	24.21 432	23.99 437	26.23 432	30.62 436	14.22 424	16.71 427	13.03 424	14.75 426	17.49 427	16.97 426

Selective-RAFT-Error	24.83 431	22.44 435	24.80 430	26.10 431	25.82 430	39.85 437	56.72 435	29.21 438	29.03 439	21.29 431	22.80 433	24.25 433	24.07 438	26.28 436	30.60 435	14.24 425	16.85 428	13.04 428	14.75 426	17.53 428	17.02 427

LSM0	26.57 435	22.53 436	25.76 434	30.62 436	52.30 440	39.86 438	56.49 434	29.18 437	28.76 433	21.26 430	22.46 431	24.42 434	23.97 436	26.42 437	30.66 440	14.29 429	16.56 426	13.06 429	14.65 425	17.62 429	20.52 432

BEATNet-Init1	12.32 418	12.82 423	28.66 436	3.22 414	3.71 410	21.59 430	11.42 418	14.54 425	13.73 421	20.24 427	20.16 427	26.14 435	19.85 426	19.08 429	15.33 425	1.81 405	1.93 390	2.05 413	2.48 414	4.25 416	3.41 415

AVERAGE_ROB	26.91 436	30.28 440	29.18 437	25.78 428	25.30 428	19.49 427	15.38 421	23.70 432	23.02 432	28.38 438	27.78 439	26.23 436	25.76 439	26.95 438	25.55 433	31.27 438	30.02 439	31.76 435	30.80 435	30.88 438	30.77 437

SPstereo	16.55 424	3.18 413	4.92 397	2.73 412	2.77 408	29.67 431	52.00 433	39.41 439	29.70 440	21.94 435	21.64 430	27.45 437	23.83 432	27.92 440	26.10 434	2.44 410	2.60 411	4.96 417	3.11 415	2.27 408	2.32 404

DPSimNet_ROB	24.35 429	23.81 437	31.38 438	25.93 429	22.83 427	31.30 432	34.38 432	20.78 428	28.92 435	27.39 437	22.99 437	28.29 438	35.76 440	15.47 425	17.82 426	24.28 435	17.90 432	22.23 430	14.12 424	19.38 430	22.12 434

PML	22.99 427	17.34 424	8.24 411	5.48 417	9.84 417	50.35 440	102.65 440	5.84 415	13.52 417	37.08 440	104.84 440	30.61 439	23.20 431	12.09 420	7.96 414	6.27 418	2.12 396	6.31 421	2.42 412	10.67 423	2.95 409

ASD4	27.03 437	24.46 438	23.91 427	27.24 435	17.87 423	47.08 439	31.36 431	41.80 440	21.82 431	31.12 439	20.82 428	33.80 440	18.50 425	27.25 439	21.57 431	29.52 437	20.55 433	27.54 433	23.38 431	30.03 434	20.96 433

test_example2	115.17 441	122.38 441	93.45 440	115.38 440	123.53 441	101.24 441	113.11 441	54.67 441	99.94 441	135.50 441	136.43 441	85.67 441	85.40 441	110.44 441	104.91 441	152.17 441	205.21 441	99.17 441	114.27 441	138.55 441	112.04 441

Low-res two-view benchmark