Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-TNSev	0.02 14	0.05 38	0.04 32	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 25	0.09 51	0.07 46	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 165	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 157	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

CoDeX	0.15 90	0.70 172	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 267	0.02 14	0.69 254	0.75 271	0.01 9	0.02 19	0.02 19

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

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

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

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

Wz-Net-LNSev	0.06 31	0.24 97	0.20 126	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

psmg	0.43 185	1.91 296	0.92 273	1.91 343	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 366	1.44 358	0.04 48	0.03 42	0.02 19	0.03 39

CSP-Net	0.34 145	1.29 272	1.19 293	1.36 330	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 341	1.21 344	0.03 34	0.09 80	0.02 19	0.09 79

SFCPSM	0.17 99	0.78 175	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 282	0.02 14	0.75 260	0.76 274	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 118	1.31 274	0.74 258	0.92 243	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 268	0.75 260	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 38	0.02 12	0.02 13	1.01 256	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 77	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 39	0.02 12	0.04 32	0.90 237	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 201	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 60	0.02 12	0.02 13	1.62 338	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 59	0.04 50	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

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

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

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

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

mmm	0.14 80	1.83 293	0.12 79	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 50	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

ttt	0.10 45	1.09 211	0.12 79	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

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

x	0.11 60	1.15 217	0.15 112	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

Wz-Net-LNSev-Ref	0.11 60	0.44 139	0.33 168	0.39 150	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 190	0.36 181	0.02 18	0.02 20	0.02 19	0.02 19

222	0.10 45	0.99 198	0.12 79	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

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

test_xeample	0.10 45	1.09 211	0.13 94	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

BEATNet_4x	0.11 60	0.03 27	0.03 29	1.60 336	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 60	0.03 27	0.03 29	1.60 336	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCRef	0.12 68	0.03 27	0.04 32	1.71 339	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

AnyNet_C32	0.14 80	0.04 31	0.03 29	2.22 352	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 73	0.04 50	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

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

FADE	0.07 36	0.06 42	0.02 13	0.09 41	0.10 88	0.03 36	0.03 39	0.05 61	0.03 44	0.04 54	0.03 40	0.05 63	0.03 42	0.04 46	0.03 37	0.15 97	0.10 59	0.17 111	0.13 118	0.11 90	0.11 95

1111x	0.10 45	1.14 215	0.13 94	0.14 74	0.03 39	0.04 52	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

GASNet	0.05 29	0.04 31	0.12 79	0.04 26	0.04 54	0.04 52	0.05 64	0.04 51	0.04 56	0.12 93	0.04 64	0.06 69	0.04 59	0.04 46	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

EDNetEfficient	0.04 26	0.05 38	0.04 32	0.04 26	0.03 39	0.04 52	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

FADNet-RVC-Resample	0.12 68	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	1.57 372	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 68	0.04 31	0.04 32	0.05 32	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.65 376	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC	0.13 73	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.05 64	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.05 65	0.04 46	1.71 379	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

FADNet	0.12 68	0.05 38	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.66 377	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCP+	0.15 90	0.04 31	0.04 32	2.20 351	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.04 59	0.08 76	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCPNet	0.10 45	0.03 27	0.04 32	1.27 325	0.03 39	0.04 52	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 76	0.04 50	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

NVStereoNet_ROB	0.04 26	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
APVNet	0.09 39	0.05 38	0.04 32	0.05 32	0.04 54	0.05 62	0.90 286	0.06 66	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficientorigin	0.04 26	0.06 42	0.04 32	0.05 32	0.04 54	0.05 62	0.04 55	0.05 61	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

qqq1	0.25 118	3.70 342	0.14 98	0.14 74	0.04 54	0.06 64	0.05 64	0.06 66	0.05 69	0.06 68	0.05 72	0.04 51	0.05 65	0.06 59	0.05 60	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 118	3.70 342	0.14 98	0.14 74	0.04 54	0.06 64	0.05 64	0.06 66	0.05 69	0.06 68	0.05 72	0.04 51	0.05 65	0.06 59	0.05 60	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

11t1	0.17 99	2.16 309	0.13 94	0.13 70	0.04 54	0.06 64	0.04 55	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.05 60	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

DualNet	0.25 118	3.83 347	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 118	3.83 347	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 118	3.83 347	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 118	3.83 347	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

qqq	0.16 96	2.01 304	0.12 79	0.15 83	0.04 54	0.06 64	0.05 64	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

AASNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 45	0.07 46	0.07 35	0.07 79	0.08 75	0.06 76	0.08 78	0.07 80	0.08 75	0.07 80	0.08 76	0.06 77	0.07 73	0.07 72	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

GwcNet	0.12 68	0.07 44	0.05 45	0.08 37	0.05 69	0.08 75	1.20 311	0.07 75	0.05 69	0.05 65	0.05 72	0.08 76	0.05 65	0.08 76	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

BEATNet-Init1	0.19 101	0.08 45	0.08 48	2.23 353	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 101	0.08 45	0.08 48	2.23 353	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SepStereo	0.09 39	0.09 51	0.10 57	0.09 41	0.09 82	0.09 79	0.09 81	0.10 80	0.08 82	0.10 79	0.09 83	0.09 80	0.09 84	0.09 79	0.08 74	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

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

SuperB	0.21 110	0.10 53	2.51 385	0.12 60	0.09 82	0.10 80	0.09 81	0.08 78	0.07 80	0.10 79	0.09 83	0.09 80	0.07 81	0.07 73	0.07 72	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

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

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

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

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

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

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

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

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

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

JetRed	0.11 60	0.12 66	0.11 74	0.11 57	0.11 103	0.11 91	0.14 114	0.11 91	0.11 100	0.12 93	0.11 99	0.11 92	0.11 99	0.11 91	0.11 93	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

JetBlue	0.11 60	0.11 64	0.12 79	0.13 70	0.14 119	0.11 91	0.11 98	0.11 91	0.11 100	0.11 91	0.11 99	0.11 92	0.11 99	0.12 95	0.12 104	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

aanetorigin	0.13 73	0.11 64	0.11 74	0.11 57	0.11 103	0.11 91	0.11 98	0.11 91	0.11 100	0.11 91	0.12 106	0.11 92	0.11 99	0.11 91	0.11 93	0.11 68	0.11 75	0.14 95	0.11 97	0.49 216	0.11 95

PASM	0.39 167	3.06 333	1.36 355	1.58 334	0.09 82	0.11 91	0.11 98	0.11 91	0.11 100	0.09 78	0.09 83	0.11 92	0.09 84	0.09 79	0.09 77	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

IPLG	0.13 73	0.20 82	0.14 98	0.15 83	0.11 103	0.14 95	0.11 98	0.14 95	0.11 100	0.14 95	0.11 99	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR_C	0.14 80	0.20 82	0.12 79	0.15 83	0.11 103	0.14 95	0.15 117	0.14 95	0.11 100	0.15 101	0.12 106	0.14 96	0.11 99	0.16 106	0.11 93	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 107

ACRE	0.13 73	0.21 87	0.14 98	0.15 83	0.11 103	0.14 95	0.11 98	0.14 95	0.11 100	0.14 95	0.12 106	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

LRCNet_RVC	0.13 73	0.13 67	0.09 53	0.13 70	0.10 88	0.14 95	0.10 86	0.14 95	0.10 86	0.23 129	0.10 87	0.20 116	0.10 88	0.24 138	0.11 93	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

GMStereo	0.14 80	0.13 67	0.14 98	0.14 74	0.14 119	0.14 95	0.14 114	0.14 95	0.14 119	0.14 95	0.14 121	0.14 96	0.14 118	0.14 97	0.14 113	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 131	0.90 185	0.10 57	0.14 74	0.10 88	0.14 95	0.10 86	0.91 270	0.69 273	0.14 95	0.11 99	0.14 96	0.11 99	0.14 97	0.10 82	0.12 73	0.09 55	0.12 91	0.09 80	0.88 258	0.76 277

CIPLG	0.13 73	0.21 87	0.12 79	0.16 89	0.11 103	0.15 101	0.11 98	0.14 95	0.11 100	0.15 101	0.12 106	0.15 105	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

MIPNet	0.14 80	0.21 87	0.17 117	0.16 89	0.11 103	0.15 101	0.12 110	0.14 95	0.11 100	0.16 105	0.11 99	0.14 96	0.11 99	0.14 97	0.11 93	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 80	0.24 97	0.14 98	0.16 89	0.12 115	0.15 101	0.12 110	0.14 95	0.11 100	0.15 101	0.12 106	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

DRN-Test	0.14 80	0.13 67	0.09 53	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.10 86	0.14 95	0.09 83	0.14 96	0.09 84	0.13 96	0.09 77	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 272

StereoDRNet	0.15 90	0.14 71	0.10 57	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.09 85	0.14 95	0.10 87	0.14 96	0.09 84	0.14 97	0.09 77	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 282

GMStereo_Zeroshot	0.16 96	0.16 72	0.16 113	0.16 89	0.16 133	0.16 106	0.16 120	0.16 107	0.16 129	0.16 105	0.16 129	0.16 106	0.16 127	0.16 106	0.16 126	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 116

ProNet	0.14 80	0.20 82	0.14 98	0.16 89	0.11 103	0.16 106	0.11 98	0.17 109	0.11 100	0.17 108	0.12 106	0.17 109	0.13 116	0.17 109	0.12 104	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 107

ICVP	0.15 90	0.53 162	0.11 74	0.16 89	0.11 103	0.16 106	0.11 98	0.16 107	0.11 100	0.16 105	0.11 99	0.16 106	0.11 99	0.16 106	0.11 93	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 80	0.16 72	0.12 79	0.17 95	0.12 115	0.17 109	0.11 98	0.17 109	0.11 100	0.17 108	0.12 106	0.17 109	0.12 112	0.17 109	0.12 104	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

PDISCO_ROB	0.83 255	2.80 330	3.49 390	0.14 74	0.11 103	0.17 109	0.09 81	0.15 106	0.10 86	0.15 101	0.12 106	0.16 106	0.14 118	3.30 388	0.13 110	0.14 90	2.34 378	0.16 106	0.12 110	2.62 368	0.10 83

cf-r	0.66 218	2.17 310	0.12 79	0.18 96	0.12 115	0.18 111	2.70 391	2.60 377	0.12 115	0.18 111	0.12 106	0.18 112	0.12 112	0.18 111	0.12 104	0.15 97	0.11 75	0.15 105	0.11 97	1.81 350	1.74 382

ELAS_RVC	0.14 80	0.16 72	0.10 57	0.15 83	0.10 88	0.18 111	0.11 98	0.19 112	0.11 100	0.19 112	0.12 106	0.18 112	0.11 99	0.19 113	0.12 104	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 73	0.16 72	0.11 74	0.15 83	0.09 82	0.18 111	0.11 98	0.18 111	0.11 100	0.17 108	0.11 99	0.18 112	0.11 99	0.18 111	0.11 93	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DeepPruner_ROB	0.16 96	0.18 77	0.13 94	0.19 99	0.13 118	0.19 114	0.13 113	0.19 112	0.13 118	0.19 112	0.13 118	0.19 115	0.13 116	0.19 113	0.13 110	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

SGM_RVC	0.15 90	0.17 76	0.11 74	0.18 96	0.11 103	0.19 114	0.11 98	0.19 112	0.12 115	0.19 112	0.12 106	0.20 116	0.12 112	0.19 113	0.12 104	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DAS	0.20 103	0.20 82	0.20 126	0.20 100	0.20 143	0.20 116	0.20 130	0.20 116	0.20 138	0.20 115	0.20 142	0.20 116	0.20 141	0.20 116	0.20 137	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ASD4	0.20 103	0.20 82	0.20 126	0.20 100	0.20 143	0.20 116	0.20 130	0.20 116	0.20 138	0.20 115	0.20 142	0.20 116	0.20 141	0.20 116	0.20 137	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ACVNet	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 293	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 293	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

PSMNet-RSSM	0.77 236	2.76 326	0.14 98	0.20 100	0.14 119	0.20 116	2.66 389	2.79 381	0.14 119	0.21 124	0.14 121	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 365	2.31 386

GwcNet-RSSM	0.77 236	2.77 328	0.14 98	0.20 100	0.14 119	0.20 116	2.67 390	2.78 380	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.21 126	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 365	2.31 386

CFNet-ft	0.55 210	1.57 282	0.14 98	0.20 100	0.14 119	0.20 116	2.53 388	1.61 355	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	1.56 346	1.24 361

LALA_ROB	0.15 90	0.19 78	0.12 79	0.18 96	0.11 103	0.20 116	0.12 110	0.21 121	0.12 115	0.20 115	0.12 106	0.20 116	0.12 112	0.21 126	0.13 110	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

hitnet-ft	0.79 240	2.78 329	0.14 98	0.20 100	0.14 119	0.21 124	2.89 392	2.80 382	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.54 367	2.33 388

GANet-RSSM	0.75 234	1.91 296	0.14 98	0.47 187	0.14 119	0.21 124	3.21 396	2.30 374	0.14 119	0.46 209	0.14 121	0.23 132	0.18 134	0.21 126	0.14 113	0.18 116	0.27 148	0.37 189	0.13 118	2.13 358	2.12 384

WAO-6	0.22 111	0.23 91	0.22 130	0.23 110	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 131

IMH-64-1	0.22 111	0.23 91	0.23 132	0.22 108	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IMH-64	0.22 111	0.23 91	0.23 132	0.22 108	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IGEV_Zeroshot_test	0.20 103	0.19 78	0.40 189	0.30 128	0.17 134	0.22 126	0.17 121	0.21 121	0.17 131	0.20 115	0.17 131	0.21 124	0.18 134	0.21 126	0.17 127	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

MSKI-zero shot	0.24 117	0.21 87	0.49 221	0.65 212	0.18 139	0.22 126	0.17 121	0.23 128	0.18 132	0.21 124	0.17 131	0.23 132	0.28 174	0.23 134	0.18 133	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

MIM_Stereo	0.25 118	0.23 91	0.66 245	0.80 229	0.17 134	0.22 126	0.17 121	0.23 128	0.18 132	0.26 142	0.17 131	0.21 124	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

dd	0.23 115	0.98 196	0.16 113	0.23 110	0.15 128	0.23 132	0.15 117	0.23 128	0.15 127	0.23 129	0.15 128	0.24 136	0.17 129	0.23 134	0.15 121	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 116

CASnet	0.35 150	0.51 160	0.44 203	0.32 134	0.31 189	0.24 133	0.34 194	0.36 158	0.25 151	0.31 149	0.37 208	0.30 155	0.33 192	0.25 140	0.45 231	0.37 177	0.37 183	0.33 164	0.35 209	0.34 152	0.37 200
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
dad	0.23 115	1.03 209	0.16 113	0.23 110	0.15 128	0.24 133	0.15 117	0.24 131	0.16 129	0.23 129	0.16 129	0.24 136	0.16 127	0.23 134	0.15 121	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

iResNetv2_ROB	0.20 103	0.23 91	0.18 122	0.24 115	0.20 143	0.24 133	0.18 125	0.24 131	0.18 132	0.24 134	0.18 139	0.23 132	0.19 138	0.24 138	0.18 133	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 116

iResNet	0.20 103	0.23 91	0.18 122	0.24 115	0.18 139	0.24 133	0.20 130	0.24 131	0.18 132	0.23 129	0.17 131	0.23 132	0.18 134	0.23 134	0.18 133	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

UNDER WATER-64	0.25 118	0.26 99	0.25 140	0.26 124	0.25 160	0.25 137	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.25 139	0.25 153	0.26 149	0.25 154	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 143

LoS	0.25 118	0.27 100	0.25 140	0.25 118	0.25 160	0.25 137	0.25 149	0.26 138	0.25 151	0.25 135	0.25 161	0.25 139	0.25 153	0.25 140	0.25 154	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 143

MMNet	0.44 188	1.24 271	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 346	0.93 297	0.25 135	0.17 131	0.25 139	0.18 134	0.25 140	0.17 127	0.23 134	0.16 113	0.23 134	0.16 124	1.20 289	0.99 294

delet	0.43 185	1.21 269	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 346	0.95 298	0.25 135	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.22 130	0.16 124	1.18 286	0.98 293

psm_up	0.43 185	1.19 222	0.17 117	0.25 118	0.18 139	0.25 137	0.19 128	1.26 346	0.91 292	0.26 142	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.23 134	0.16 124	1.18 286	0.99 294

UPFNet	0.42 184	1.20 223	0.17 117	0.24 115	0.17 134	0.25 137	0.17 121	1.19 294	0.90 291	0.25 135	0.17 131	0.24 136	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.22 130	0.16 124	1.15 278	0.93 290

AANet_RVC	1.26 337	0.31 106	4.99 396	5.93 388	0.20 143	0.25 137	0.20 130	0.25 134	0.20 138	0.23 129	0.19 140	0.25 139	0.20 141	0.25 140	0.20 137	5.66 397	4.76 389	0.26 143	0.30 191	0.24 131	0.27 154

LoS_RVC	0.30 132	1.14 215	0.25 140	0.25 118	0.25 160	0.26 144	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.26 147	0.26 162	0.26 149	0.25 154	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

CAS	0.30 132	1.17 219	0.25 140	0.25 118	0.25 160	0.26 144	0.25 149	0.25 134	0.26 164	0.25 135	0.25 161	0.25 139	0.25 153	0.25 140	0.25 154	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 143

ac_64	0.22 111	0.13 67	0.19 124	0.23 110	0.10 88	0.26 144	1.02 298	0.14 95	0.10 86	0.28 144	0.14 121	0.17 109	0.19 138	0.28 153	0.09 77	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

GEStereo_RVC	0.86 262	4.45 358	0.20 126	0.27 125	0.20 143	0.27 147	0.20 130	0.26 138	0.18 132	5.03 402	0.20 142	0.27 148	0.19 138	0.27 151	0.21 140	0.20 119	0.19 128	0.19 121	4.02 403	0.20 117	0.18 125

SQANet	0.28 128	0.28 102	0.28 149	0.28 126	0.28 170	0.28 148	0.28 163	0.28 140	0.28 170	0.28 144	0.28 174	0.28 149	0.28 174	0.28 153	0.28 164	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 166

CFNet	1.37 341	5.27 369	0.19 124	5.49 385	0.19 142	0.28 148	0.19 128	0.28 140	0.19 137	0.28 144	0.19 140	0.28 149	4.35 396	0.28 153	0.19 136	0.23 134	0.17 125	0.23 134	4.21 405	4.81 387	0.17 122

Anonymous Stereo	2.36 369	18.47 398	11.50 412	9.80 406	0.53 259	0.28 148	0.50 247	0.58 240	0.53 251	0.59 247	0.53 259	0.66 259	0.52 248	0.62 251	0.41 222	0.36 173	0.37 183	0.31 156	0.19 140	0.20 117	0.22 131

HCRNet	1.22 335	7.11 374	3.00 387	3.55 375	0.33 201	0.29 151	0.14 114	0.19 112	0.15 127	0.33 155	0.29 176	0.25 139	0.14 118	0.22 130	0.33 185	3.64 385	3.00 381	0.76 274	0.32 200	0.18 114	0.13 113

DLNR_Zeroshot_test	0.31 135	0.28 102	0.47 212	0.79 227	0.24 159	0.30 152	0.26 155	0.30 145	0.24 148	0.32 153	0.23 151	0.31 157	0.24 151	0.30 157	0.23 147	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

ssnet_v2	0.68 223	1.96 303	1.25 347	0.29 127	0.20 143	0.30 152	0.20 130	0.29 143	0.22 142	1.50 357	0.20 142	0.31 157	0.20 141	0.27 151	0.22 142	0.24 139	1.49 359	0.26 143	0.18 139	3.90 376	0.19 126

DANet	0.30 132	0.30 105	0.30 155	0.30 128	0.30 184	0.30 152	0.30 172	0.30 145	0.30 181	0.30 147	0.30 185	0.30 155	0.30 182	0.30 157	0.30 177	0.30 156	0.30 170	0.30 155	0.30 191	0.30 143	0.30 178
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 135	0.93 192	0.24 138	0.33 136	0.23 154	0.31 155	0.24 147	0.32 147	0.24 148	0.32 153	0.23 151	0.32 159	0.25 153	0.32 159	0.24 149	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

xxxxx1	0.31 135	0.91 186	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

tt_ll	0.31 135	0.91 186	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

gwcnet-sp	0.82 251	1.72 287	1.48 361	0.39 150	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 359	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 349	0.32 157	0.16 124	6.75 398	0.23 133

scenet	0.82 251	1.72 287	1.48 361	0.39 150	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 359	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 349	0.32 157	0.16 124	6.75 398	0.23 133

ssnet	0.82 251	1.72 287	1.48 361	0.39 150	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 359	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 349	0.32 157	0.16 124	6.75 398	0.23 133

ff	0.31 135	0.91 186	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

iResNet_ROB	0.28 128	0.32 107	0.24 138	0.32 134	0.25 160	0.32 162	0.24 147	0.32 147	0.24 148	0.33 155	0.24 157	0.35 164	0.24 151	0.33 163	0.24 149	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 142

H2IRNET	0.34 145	0.34 108	0.34 175	0.34 137	0.34 207	0.34 163	0.34 194	0.34 152	0.34 198	0.34 157	0.34 198	0.34 163	0.34 195	0.34 164	0.34 198	0.34 163	0.34 177	0.34 171	0.34 206	0.34 152	0.34 195

EKT-Stereo	0.37 156	0.40 124	0.44 203	1.07 259	0.29 176	0.34 163	0.31 177	0.36 158	0.29 172	0.38 168	0.31 188	0.37 174	0.30 182	0.36 171	0.29 170	0.34 163	0.28 153	0.39 200	0.30 191	0.37 172	0.30 178

DN-CSS_ROB	0.31 135	0.35 109	0.28 149	0.35 138	0.28 170	0.34 163	0.27 158	0.34 152	0.25 151	0.35 160	0.27 169	0.36 169	0.26 162	0.34 164	0.28 164	0.35 170	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

FENet	0.54 208	1.52 281	1.19 293	1.41 333	0.23 154	0.35 166	0.23 143	0.35 154	0.23 147	0.34 157	0.23 151	0.35 164	0.23 150	0.35 166	0.23 147	1.40 350	1.07 279	0.32 157	0.23 150	0.33 148	0.23 133

MLCV	0.31 135	0.35 109	0.27 146	0.35 138	0.28 170	0.35 166	0.27 158	0.35 154	0.28 170	0.36 163	0.27 169	0.35 164	0.27 169	0.35 166	0.27 160	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

ETE_ROB	0.35 150	0.35 109	0.35 179	0.35 138	0.35 210	0.35 166	0.35 197	0.35 154	0.35 201	0.35 160	0.35 203	0.35 164	0.35 198	0.35 166	0.35 199	0.35 170	0.35 179	0.35 182	0.35 209	0.35 164	0.35 196

MyStereo07	0.60 213	3.72 345	0.48 217	0.49 192	0.41 229	0.36 169	0.32 178	0.49 220	0.43 229	0.51 234	0.42 230	0.49 229	0.43 224	0.51 237	0.64 263	0.49 227	0.45 209	0.34 171	0.32 200	0.35 164	0.43 222

MyStereo04	0.56 211	3.72 345	0.59 232	0.49 192	0.41 229	0.36 169	0.32 178	0.37 164	0.31 184	0.34 157	0.46 237	0.35 164	0.32 188	0.35 166	0.33 185	0.49 227	0.45 209	0.34 171	0.32 200	0.35 164	0.43 222

Any-RAFT	0.32 143	0.36 112	0.27 146	0.36 142	0.27 167	0.36 169	0.27 158	0.36 158	0.27 167	0.36 163	0.27 169	0.36 169	0.27 169	0.36 171	0.28 164	0.36 173	0.28 153	0.36 187	0.28 174	0.36 170	0.28 166

HGLStereo	0.28 128	0.29 104	0.22 130	0.36 142	0.22 150	0.36 169	0.21 136	0.36 158	0.21 141	0.42 200	0.21 147	0.36 169	0.22 146	0.36 171	0.21 140	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

DMCA	0.36 154	0.38 115	0.37 182	0.35 138	0.35 210	0.36 169	0.36 201	0.36 158	0.35 201	0.35 160	0.37 208	0.36 169	0.36 199	0.35 166	0.36 201	0.36 173	0.36 181	0.35 182	0.36 213	0.36 170	0.36 197

Venus	0.38 162	0.38 115	0.38 184	0.38 146	0.38 218	0.37 174	0.38 210	0.37 164	0.37 207	0.41 189	0.37 208	0.39 180	0.37 201	0.38 176	0.38 209	0.37 177	0.38 187	0.38 195	0.37 216	0.37 172	0.38 204

IGEV-Stereo	0.35 150	0.44 139	0.45 205	0.49 192	0.30 184	0.37 174	0.30 172	0.36 158	0.30 181	0.36 163	0.29 176	0.36 169	0.29 178	0.36 171	0.30 177	0.46 215	0.39 192	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
XPNet_ROB	0.37 156	0.37 113	0.37 182	0.37 145	0.37 213	0.37 174	0.37 205	0.37 164	0.37 207	0.37 167	0.37 208	0.37 174	0.37 201	0.37 175	0.37 208	0.37 177	0.37 183	0.37 189	0.37 216	0.37 172	0.37 200

WAO-8	0.38 162	0.38 115	0.38 184	0.38 146	0.38 218	0.38 177	0.38 210	0.38 167	0.38 209	0.38 168	0.38 213	0.38 176	0.38 203	0.38 176	0.38 209	0.38 184	0.38 187	0.38 195	0.37 216	0.38 178	0.38 204

WAO-7	0.38 162	0.38 115	0.38 184	0.38 146	0.38 218	0.38 177	0.38 210	0.38 167	0.38 209	0.38 168	0.38 213	0.38 176	0.38 203	0.38 176	0.38 209	0.38 184	0.38 187	0.38 195	0.38 223	0.38 178	0.38 204

HanzoNet	0.39 167	0.38 115	0.40 189	0.39 150	0.41 229	0.38 177	0.38 210	0.38 167	0.38 209	0.39 173	0.39 217	0.38 176	0.38 203	0.39 183	0.40 215	0.38 184	0.38 187	0.40 204	0.38 223	0.38 178	0.40 209

IMH	0.38 162	0.38 115	0.38 184	0.38 146	0.38 218	0.38 177	0.38 210	0.38 167	0.38 209	0.42 200	0.38 213	0.40 186	0.38 203	0.38 176	0.38 209	0.38 184	0.38 187	0.39 200	0.38 223	0.38 178	0.38 204

iRaft-Stereo_5w	0.34 145	0.42 138	0.31 161	0.39 150	0.30 184	0.38 177	0.30 172	0.40 175	0.29 172	0.40 177	0.37 208	0.41 196	0.34 195	0.38 176	0.30 177	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

RAFT + AFF	0.31 135	0.45 141	0.34 175	0.39 150	0.28 170	0.38 177	0.33 185	0.29 143	0.31 184	0.30 147	0.30 185	0.29 154	0.27 169	0.29 156	0.30 177	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 187

DISCO	1.11 287	0.39 122	5.28 397	0.39 150	0.20 143	0.39 183	0.27 158	0.39 171	0.22 142	0.38 168	0.20 142	0.38 176	0.20 141	6.95 410	0.22 142	0.30 156	0.21 131	0.27 147	0.21 143	5.25 391	0.21 129

IGEV+	0.35 150	0.49 154	0.30 155	0.40 162	0.30 184	0.40 184	0.30 172	0.40 175	0.30 181	0.40 177	0.29 176	0.40 186	0.30 182	0.40 186	0.30 177	0.38 184	0.29 162	0.38 195	0.29 183	0.38 178	0.29 170

ACVNet-DCA	0.37 156	1.00 199	0.30 155	0.40 162	0.29 176	0.40 184	0.29 168	0.40 175	0.29 172	0.40 177	0.29 176	0.40 186	0.29 178	0.39 183	0.28 164	0.33 160	0.32 173	0.33 164	0.32 200	0.33 148	0.32 187

1test111	0.37 156	1.02 207	0.30 155	0.39 150	0.29 176	0.40 184	0.28 163	0.39 171	0.29 172	0.39 173	0.29 176	0.39 180	0.28 174	0.40 186	0.29 170	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 183

cc1	0.37 156	1.02 207	0.30 155	0.39 150	0.29 176	0.40 184	0.28 163	0.39 171	0.29 172	0.39 173	0.29 176	0.39 180	0.28 174	0.40 186	0.29 170	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 183

4D-IteraStereo	0.78 239	3.13 334	0.89 268	0.69 215	0.32 192	0.40 184	0.32 178	0.76 258	0.97 300	0.52 237	0.65 275	0.89 281	0.32 188	0.76 268	0.98 295	0.83 264	0.94 274	0.35 182	0.27 170	0.70 237	0.89 287

knoymous	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

anonymousa	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

riskmin	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

Anonymous_2	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

Anonymous_1	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209

BUS	0.83 255	1.91 296	0.92 273	4.48 379	0.02 20	0.40 184	0.04 55	0.41 188	0.02 20	0.48 219	0.03 40	0.41 196	0.05 65	0.03 33	0.05 60	1.97 366	4.19 386	0.33 164	0.23 150	0.34 152	0.27 154

NINENet	0.69 225	3.87 351	1.20 296	1.98 347	0.05 69	0.40 184	0.04 55	0.40 175	0.05 69	0.41 189	0.04 64	0.41 196	0.05 65	0.40 186	0.05 60	1.79 359	1.56 361	0.34 171	0.22 145	0.34 152	0.23 133

iRaft-Stereo_20w	0.34 145	0.41 131	0.31 161	0.39 150	0.29 176	0.40 184	0.32 178	0.41 188	0.32 188	0.38 168	0.30 185	0.39 180	0.30 182	0.38 176	0.32 182	0.35 170	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

AdaStereo	0.40 170	0.40 124	0.40 189	0.40 162	0.40 223	0.40 184	0.40 216	0.40 175	0.40 215	0.40 177	0.40 218	0.40 186	0.40 209	0.40 186	0.40 215	0.40 193	0.40 194	0.40 204	0.40 226	0.40 188	0.40 209
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
StereoDRNet-Refined	0.33 144	0.39 122	0.26 145	0.39 150	0.26 166	0.40 184	0.26 155	0.40 175	0.26 164	0.39 173	0.26 166	0.39 180	0.26 162	0.39 183	0.26 159	0.37 177	0.25 140	0.37 189	0.25 158	0.37 172	0.37 200
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
xx1	0.38 162	1.03 209	0.31 161	0.40 162	0.31 189	0.41 199	0.28 163	0.40 175	0.29 172	0.40 177	0.29 176	0.40 186	0.29 178	0.40 186	0.29 170	0.34 163	0.33 176	0.34 171	0.32 200	0.34 152	0.32 187

RAFT-Test	0.36 154	0.37 113	0.33 168	0.41 171	0.32 192	0.41 199	0.32 178	0.41 188	0.32 188	0.41 189	0.32 189	0.41 196	0.32 188	0.41 199	0.33 185	0.37 177	0.29 162	0.37 189	0.29 183	0.38 178	0.31 183

HH	0.71 228	2.54 317	0.74 258	1.10 261	0.32 192	0.41 199	0.37 205	0.69 252	0.78 283	0.73 263	0.90 295	0.75 267	1.00 287	0.84 274	0.69 275	0.69 247	0.40 194	0.35 182	0.26 164	0.35 164	0.26 149

HanStereo	0.71 228	2.54 317	0.74 258	1.10 261	0.32 192	0.41 199	0.37 205	0.69 252	0.78 283	0.73 263	0.90 295	0.75 267	1.00 287	0.84 274	0.69 275	0.69 247	0.40 194	0.35 182	0.26 164	0.35 164	0.26 149

CRFU-Net	0.65 216	1.67 286	1.22 343	1.96 346	0.27 167	0.41 199	0.27 158	0.41 188	0.27 167	0.40 177	0.26 166	0.41 196	0.27 169	0.40 186	0.27 160	1.80 360	1.62 363	0.34 171	0.23 150	0.33 148	0.23 133

GMOStereo	0.37 156	0.45 141	0.23 132	0.30 128	0.37 213	0.41 199	0.36 201	0.41 188	0.35 201	0.43 204	0.36 204	0.41 196	0.40 209	0.41 199	0.36 201	0.34 163	0.22 134	0.47 234	0.37 216	0.39 185	0.33 190

error version	0.93 271	4.47 359	2.35 382	1.99 348	0.37 213	0.41 199	0.36 201	0.41 188	0.35 201	0.43 204	0.36 204	0.41 196	0.40 209	0.41 199	0.36 201	1.87 362	2.16 374	0.47 234	0.37 216	0.39 185	0.33 190

test_1	0.93 271	4.47 359	2.35 382	1.99 348	0.37 213	0.41 199	0.36 201	0.41 188	0.35 201	0.43 204	0.36 204	0.41 196	0.40 209	0.41 199	0.36 201	1.87 362	2.16 374	0.47 234	0.37 216	0.39 185	0.33 190

GwcNet-ADL	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

PSMNet-ADL	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

GANet-ADL	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

ADLNet2	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

ADLNet	0.41 176	0.41 131	0.41 197	0.41 171	0.41 229	0.41 199	0.41 222	0.41 188	0.41 224	0.41 189	0.41 224	0.41 196	0.41 219	0.41 199	0.41 222	0.41 200	0.41 203	0.41 215	0.41 232	0.41 196	0.41 216

GES	0.66 218	2.34 314	0.29 151	0.41 171	0.29 176	0.41 199	0.29 168	0.42 204	0.29 172	0.40 177	0.41 224	0.41 196	0.30 182	0.51 237	0.29 170	0.32 159	0.29 162	0.32 157	2.46 391	2.49 364	0.30 178

DGSMNet	0.34 145	0.41 131	0.27 146	0.41 171	0.28 170	0.41 199	0.28 163	0.41 188	0.27 167	0.41 189	0.27 169	0.42 212	0.27 169	0.41 199	0.28 164	0.40 193	0.29 162	0.40 204	0.28 174	0.40 188	0.27 154

Gwc-CoAtRS	0.41 176	1.49 280	0.32 164	0.42 179	0.32 192	0.41 199	0.32 178	0.41 188	0.33 191	0.41 189	0.32 189	0.41 196	0.32 188	0.41 199	0.32 182	0.39 190	0.28 153	0.39 200	0.28 174	0.40 188	0.28 166

LL-Strereo2	0.48 200	1.73 291	0.51 225	0.59 207	0.34 207	0.42 215	0.33 185	0.40 175	0.31 184	0.42 200	0.33 192	0.42 212	0.31 187	0.44 213	0.39 214	0.60 240	0.51 229	0.44 226	0.33 205	0.44 203	0.33 190

BSDual-CNN	0.81 247	1.91 296	0.92 273	4.48 379	0.02 20	0.42 215	0.06 76	0.41 188	0.02 20	0.48 219	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 366	4.19 386	0.33 164	0.23 150	0.34 152	0.27 154

hknet	1.10 285	1.85 294	3.49 390	4.48 379	0.02 20	0.42 215	0.06 76	0.41 188	0.02 20	0.48 219	0.03 40	0.41 196	0.03 42	0.42 210	0.03 37	4.39 389	4.19 386	0.33 164	0.23 150	0.34 152	0.27 154

UCFNet_RVC	2.75 384	10.06 393	0.29 151	10.31 411	0.29 176	0.42 215	0.29 168	0.43 206	0.29 172	0.42 200	0.29 176	0.42 212	9.87 412	0.43 211	0.29 170	0.36 173	9.84 411	0.36 187	0.26 164	9.77 410	0.26 149

IER	0.88 263	7.04 373	2.23 379	2.75 365	0.28 170	0.43 219	0.25 149	0.39 171	0.25 151	0.41 189	0.27 169	0.39 180	0.25 153	0.40 186	0.28 164	0.37 177	0.28 153	0.37 189	0.25 158	0.37 172	0.25 143

RCA-Stereo	0.51 206	3.22 337	0.34 175	0.44 180	0.34 207	0.44 220	0.34 194	0.43 206	0.34 198	0.43 204	0.34 198	0.44 215	0.33 192	0.43 211	0.33 185	0.38 184	0.29 162	0.38 195	0.29 183	0.38 178	0.29 170

Former-RAFT_DAM_RVC	0.49 203	0.98 196	0.64 239	0.84 233	0.46 240	0.45 221	0.35 197	0.47 214	0.47 235	0.45 208	0.34 198	0.46 216	0.48 237	0.46 216	0.35 199	0.39 190	0.71 257	0.39 200	0.35 209	0.41 196	0.41 216

CES	0.39 167	0.47 147	0.36 180	0.36 142	0.37 213	0.45 221	0.35 197	0.35 154	0.40 215	0.36 163	0.44 234	0.47 222	0.36 199	0.44 213	0.36 201	0.37 177	0.39 192	0.44 226	0.35 209	0.37 172	0.36 197

otaku	0.46 190	0.46 143	0.46 207	0.46 182	0.46 240	0.46 223	0.46 231	0.46 209	0.46 232	0.46 209	0.46 237	0.46 216	0.46 227	0.46 216	0.46 233	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

Dean	0.46 190	0.46 143	0.46 207	0.46 182	0.46 240	0.46 223	0.46 231	0.46 209	0.46 232	0.47 215	0.46 237	0.46 216	0.46 227	0.46 216	0.46 233	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

ACVNet_1	0.46 190	0.47 147	0.46 207	0.46 182	0.46 240	0.46 223	0.46 231	0.46 209	0.47 235	0.46 209	0.46 237	0.46 216	0.46 227	0.46 216	0.46 233	0.46 215	0.46 211	0.47 234	0.46 240	0.46 205	0.46 226

ACVNet-4b	0.46 190	0.46 143	0.46 207	0.46 182	0.46 240	0.46 223	0.46 231	0.46 209	0.46 232	0.46 209	0.46 237	0.46 216	0.46 227	0.47 221	0.46 233	0.46 215	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

MoCha-V2	1.98 356	31.61 421	0.36 180	0.70 217	0.35 210	0.47 227	0.35 197	0.44 208	0.34 198	0.46 209	0.36 204	0.49 229	0.38 203	0.46 216	0.36 201	0.43 214	0.34 177	0.44 226	0.37 216	0.44 203	0.39 208

Ntro	0.47 195	0.47 147	0.46 207	0.46 182	0.46 240	0.47 227	0.47 237	0.46 209	0.47 235	0.46 209	0.46 237	0.47 222	0.46 227	0.47 221	0.47 237	0.47 220	0.46 211	0.46 230	0.46 240	0.46 205	0.46 226

HaxPig	0.47 195	0.47 147	0.47 212	0.49 192	0.47 246	0.47 227	0.47 237	0.47 214	0.47 235	0.47 215	0.47 244	0.47 222	0.47 236	0.47 221	0.47 237	0.47 220	0.47 217	0.47 234	0.47 246	0.47 211	0.48 234

UNDER WATER	0.47 195	0.47 147	0.47 212	0.47 187	0.47 246	0.47 227	0.47 237	0.47 214	0.47 235	0.47 215	0.47 244	0.47 222	0.46 227	0.47 221	0.47 237	0.47 220	0.47 217	0.47 234	0.46 240	0.47 211	0.47 231

LVE	0.47 195	0.47 147	0.47 212	0.47 187	0.49 251	0.47 227	0.47 237	0.47 214	0.49 243	0.47 215	0.47 244	0.47 222	0.46 227	0.47 221	0.47 237	0.47 220	0.47 217	0.48 242	0.47 246	0.47 211	0.47 231

RainbowNet	0.48 200	0.48 153	0.48 217	0.48 190	0.48 248	0.48 232	0.48 242	0.48 218	0.48 241	0.48 219	0.48 247	0.48 227	0.48 237	0.48 226	0.48 242	0.48 224	0.48 221	0.48 242	0.48 249	0.48 214	0.48 234

notaker	0.48 200	0.49 154	0.48 217	0.48 190	0.48 248	0.48 232	0.48 242	0.48 218	0.49 243	0.48 219	0.48 247	0.48 227	0.48 237	0.48 226	0.48 242	0.48 224	0.48 221	0.48 242	0.48 249	0.48 214	0.49 237

KSHMR	0.66 218	0.50 157	0.48 217	1.15 268	0.52 256	0.49 234	0.51 249	0.49 220	0.71 278	0.67 256	0.50 253	1.16 306	1.11 294	0.66 256	0.52 249	0.49 227	0.49 223	0.51 249	0.66 271	0.50 220	1.14 308

ACVNet_2	0.49 203	0.49 154	0.49 221	0.49 192	0.49 251	0.49 234	0.49 245	0.49 220	0.49 243	0.49 224	0.49 251	0.49 229	0.49 242	0.49 232	0.49 245	0.49 227	0.49 223	0.49 245	0.49 251	0.49 216	0.49 237

PCWNet_CMD	2.80 386	9.82 391	0.32 164	10.09 410	0.32 192	0.49 234	0.33 185	3.34 388	0.33 191	0.49 224	0.33 192	0.49 229	8.73 408	0.48 226	0.33 185	0.41 200	9.22 406	0.42 224	0.29 183	9.55 409	0.31 183

CFNet_ucs	2.73 383	9.64 390	0.33 168	9.92 408	0.32 192	0.49 234	0.33 185	0.49 220	0.33 191	0.49 224	0.33 192	0.49 229	8.98 410	0.48 226	0.33 185	0.41 200	9.96 412	0.40 204	0.29 183	10.12 412	0.54 244

psmorigin	0.41 176	0.46 143	0.33 168	0.49 192	0.33 201	0.49 234	0.33 185	0.49 220	0.33 191	0.49 224	0.33 192	0.49 229	0.33 192	0.51 237	0.33 185	0.41 200	0.30 170	0.41 215	0.30 191	0.79 248	0.29 170

ccs_rob	2.79 385	10.17 395	0.32 164	10.00 409	0.33 201	0.49 234	0.33 185	1.90 361	0.32 188	0.51 234	0.33 192	0.49 229	9.24 411	0.49 232	0.33 185	0.41 200	9.82 410	0.41 215	0.28 174	9.34 408	0.29 170

pcwnet_v2	2.66 381	9.89 392	0.33 168	9.89 407	0.32 192	0.50 240	0.32 178	0.49 220	0.33 191	0.49 224	0.34 198	0.49 229	8.76 409	0.48 226	0.33 185	0.41 200	9.58 408	0.40 204	0.29 183	9.01 407	0.63 258

ccnet	0.80 242	2.28 313	0.33 168	0.50 198	0.33 201	0.50 240	0.33 185	0.50 227	0.33 191	0.49 224	0.33 192	0.49 229	1.56 366	2.38 377	0.33 185	0.41 200	0.29 162	0.42 224	1.57 374	2.28 360	0.29 170

FCDSN-DC	0.41 176	0.59 168	0.64 239	0.54 201	0.33 201	0.50 240	0.37 205	0.42 204	0.40 215	0.61 249	0.43 232	0.50 241	0.49 242	0.38 176	0.32 182	0.28 149	0.23 138	0.26 143	0.22 145	0.35 164	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SANet	0.50 205	0.50 157	0.50 223	0.50 198	0.50 254	0.50 240	0.50 247	0.50 227	0.50 246	0.50 233	0.50 253	0.50 241	0.50 245	0.50 236	0.50 246	0.50 231	0.50 228	0.50 248	0.50 253	0.50 220	0.50 240

AEACV	1.12 288	0.52 161	3.12 388	3.24 371	0.86 295	0.53 244	0.49 245	0.60 243	0.47 235	0.53 238	0.49 251	0.55 246	0.45 226	0.55 242	0.47 237	3.01 381	3.88 384	0.71 267	0.60 263	0.80 251	0.48 234

iRaftStereo_RVC	0.97 275	3.17 336	2.30 381	2.42 360	0.38 218	0.54 245	0.38 210	0.54 233	0.38 209	0.54 239	0.38 213	0.54 243	0.38 203	0.54 240	0.38 209	2.38 376	2.34 378	0.49 245	0.36 213	0.49 216	0.36 197

PSMNet_ROB	0.54 208	0.54 165	0.54 228	0.54 201	0.53 259	0.54 245	0.54 251	0.53 232	0.54 255	0.54 239	0.54 260	0.54 243	0.53 250	0.54 240	0.54 251	0.54 235	0.53 232	0.54 252	0.54 254	0.54 226	0.54 244

MyStereo03	0.84 257	4.93 366	0.68 250	0.90 237	0.74 288	0.56 247	0.46 231	0.55 234	0.52 250	0.74 267	0.56 262	0.56 248	0.46 227	0.81 272	0.54 251	0.59 238	0.52 230	0.75 271	0.68 275	0.68 232	0.65 260

LL-Strereo	1.01 282	5.06 368	1.63 364	0.70 217	1.43 376	0.56 247	0.46 231	0.57 238	0.50 246	0.57 244	0.50 253	1.58 362	0.49 242	0.59 250	0.50 246	1.64 356	0.52 230	0.51 249	1.37 365	0.52 222	0.45 225

CASS	0.57 212	0.89 183	0.56 229	0.57 204	0.56 261	0.56 247	0.56 252	0.56 236	0.53 251	0.57 244	0.57 264	0.59 252	0.48 237	0.56 245	0.57 255	0.55 237	0.56 235	0.47 234	0.56 258	0.62 228	0.56 251
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CFNet_RVC	2.38 374	8.71 384	0.38 184	9.33 402	0.42 237	0.56 247	0.42 227	0.60 243	0.38 209	0.62 251	0.42 230	0.56 248	7.29 407	0.62 251	0.42 228	0.53 234	0.37 183	0.49 245	0.34 206	8.30 404	6.87 410

MyStereo8	0.71 228	3.92 352	0.52 227	0.59 207	0.52 256	0.57 251	0.53 250	0.59 242	0.50 246	0.59 247	0.51 256	0.57 250	0.50 245	0.56 245	0.52 249	0.54 235	0.49 223	0.54 252	0.49 251	0.55 227	0.50 240

PML	0.46 190	1.36 277	0.29 151	0.58 205	0.30 184	0.57 251	0.29 168	0.57 238	0.29 172	0.57 244	0.29 176	0.57 250	0.29 178	0.56 245	0.29 170	0.52 233	0.30 170	0.53 251	0.31 196	0.53 224	0.30 178

PA-Net	11.80 412	223.51 434	0.62 236	0.59 207	0.71 283	0.59 253	0.73 275	0.67 251	0.73 280	0.55 241	0.61 267	0.60 253	0.74 273	0.63 253	0.73 279	0.66 244	0.60 238	0.69 264	0.66 271	0.72 239	0.65 260
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Selective-IGEV	0.51 206	0.55 167	0.45 205	0.69 215	0.45 239	0.61 254	0.45 230	0.50 227	0.40 215	0.56 243	0.44 234	0.55 246	0.40 209	0.72 263	0.67 267	0.59 238	0.46 211	0.45 229	0.34 206	0.46 205	0.37 200

MyStereo06	0.75 234	4.12 353	0.60 233	0.63 210	0.61 268	0.62 255	0.66 264	0.56 236	0.45 231	0.55 241	0.48 247	0.54 243	0.46 227	0.57 248	0.45 231	0.60 240	0.57 236	0.64 257	0.55 255	0.72 239	0.55 248

MyStereo05	0.80 242	4.12 353	0.63 237	0.63 210	0.61 268	0.62 255	0.66 264	0.65 249	0.62 263	0.67 256	0.61 267	0.65 257	0.58 253	0.67 258	0.55 254	0.60 240	0.57 236	0.64 257	0.55 255	0.72 239	0.55 248

DSFCA	0.66 218	0.73 174	0.78 262	0.65 212	0.65 273	0.64 257	0.64 261	0.65 249	0.63 265	0.64 253	0.64 271	0.64 254	0.64 257	0.65 255	0.65 264	0.65 243	0.65 246	0.65 259	0.65 269	0.66 230	0.64 259

DispNO	1.00 278	0.63 169	0.43 202	3.45 374	0.44 238	0.65 258	0.43 228	0.64 248	0.43 229	0.64 253	0.43 232	0.64 254	3.03 385	0.64 254	0.43 230	4.55 391	0.43 208	0.63 256	0.43 238	0.63 229	0.43 222

LMCR-Stereo	0.65 216	0.63 169	0.65 244	0.65 212	0.65 273	0.66 259	0.63 260	0.58 240	0.65 266	0.63 252	0.64 271	0.65 257	0.65 259	0.66 256	0.66 266	0.66 244	0.64 245	0.65 259	0.67 274	0.68 232	0.73 272

SPstereo	0.47 195	0.38 115	0.51 225	0.56 203	0.31 189	0.67 260	0.44 229	0.55 234	0.31 184	0.61 249	0.44 234	0.46 216	0.52 248	0.67 258	0.42 228	0.48 224	0.40 194	0.47 234	0.36 213	0.53 224	0.33 190

test-3	0.98 277	4.13 355	1.85 374	1.85 340	0.61 268	0.69 261	0.37 205	0.63 247	0.61 262	0.66 255	0.51 256	0.73 265	0.44 225	0.57 248	0.54 251	1.68 357	1.81 372	0.40 204	0.43 238	0.66 230	0.50 240

TorneroNet-64	0.45 189	0.27 100	0.30 155	0.58 205	0.27 167	0.70 262	0.30 172	0.28 140	0.73 280	0.73 263	0.28 174	0.71 261	0.66 261	0.75 267	0.27 160	0.27 147	0.29 162	0.37 189	0.75 283	0.28 138	0.30 178

DMCA-RVC	0.70 226	0.80 177	0.70 251	0.70 217	0.70 282	0.70 262	0.70 272	0.71 254	0.70 275	0.70 259	0.71 283	0.71 261	0.70 269	0.70 261	0.69 275	0.69 247	0.70 255	0.69 264	0.70 279	0.69 236	0.70 267

whm_eth	0.63 214	1.48 279	0.47 212	0.71 220	0.48 248	0.71 264	0.48 242	0.71 254	0.48 241	0.71 260	0.48 247	0.71 261	0.48 237	0.72 263	0.48 242	0.71 253	0.47 217	0.71 267	0.47 246	0.71 238	0.47 231

anonymity	0.63 214	0.69 171	0.56 229	0.71 220	0.56 261	0.71 264	0.56 252	0.71 254	0.56 256	0.72 261	0.56 262	0.71 261	0.56 252	0.71 262	0.58 258	0.68 246	0.55 233	0.68 261	0.55 255	0.68 232	0.54 244

MyStereo02	0.85 260	4.58 361	0.64 239	0.76 225	0.65 273	0.75 266	0.61 256	0.60 243	0.53 251	0.80 270	0.64 271	0.78 270	0.66 261	0.55 242	0.57 255	0.70 250	0.66 248	0.68 261	0.62 266	0.72 239	0.59 252

MyStereo	0.85 260	4.58 361	0.64 239	0.76 225	0.65 273	0.75 266	0.61 256	0.60 243	0.53 251	0.80 270	0.64 271	0.78 270	0.66 261	0.55 242	0.57 255	0.70 250	0.66 248	0.68 261	0.62 266	0.72 239	0.59 252

AFF-stereo	0.73 232	0.88 182	0.67 247	0.75 224	0.68 281	0.75 266	0.64 261	0.80 261	0.72 279	0.83 275	0.70 281	0.82 277	0.64 257	0.84 274	0.67 267	0.77 257	0.63 243	0.81 280	0.63 268	0.78 246	0.62 257

iGMRVC	0.84 257	2.85 331	0.72 255	0.72 222	0.73 286	0.77 269	0.79 279	0.73 257	0.74 282	0.73 263	0.72 285	0.73 265	0.76 275	0.73 265	0.73 279	0.72 255	0.73 258	0.73 269	0.72 282	0.73 244	0.72 270

test_xeample3	1.10 285	1.81 292	0.61 235	0.84 233	0.49 251	0.77 269	0.66 264	0.92 273	1.40 374	0.68 258	0.46 237	0.78 270	0.54 251	1.72 362	1.48 371	1.34 346	1.52 360	1.35 363	1.67 378	1.33 339	1.55 374

ARAFT	0.68 223	0.81 180	0.63 237	0.74 223	0.60 263	0.78 271	0.62 259	0.77 259	0.66 268	0.74 267	0.63 269	0.75 267	0.62 256	0.83 273	0.60 260	0.70 250	0.55 233	0.70 266	0.60 263	0.78 246	0.55 248

G-Net	0.79 240	0.79 176	0.79 264	0.79 227	0.79 291	0.79 272	0.79 279	0.79 260	0.79 286	0.79 269	0.79 290	0.79 273	0.79 277	0.79 269	0.79 282	0.79 258	0.79 262	0.79 276	0.79 286	0.79 248	0.79 278

NaN_ROB	0.80 242	0.80 177	0.80 265	0.80 229	0.80 293	0.80 273	0.80 281	0.80 261	0.80 287	0.80 270	0.80 291	0.80 274	0.80 278	0.80 270	0.80 284	0.80 259	0.80 265	0.80 278	0.80 287	0.80 251	0.80 279

CSAN	0.80 242	0.80 177	0.80 265	0.80 229	0.80 293	0.80 273	0.80 281	0.80 261	0.80 287	0.80 270	0.80 291	0.80 274	0.80 278	0.80 270	0.80 284	0.80 259	0.80 265	0.80 278	0.80 287	0.80 251	0.80 279

RAFT-Stereo + iAFF	0.70 226	0.72 173	0.71 254	0.80 229	0.62 271	0.82 275	0.61 256	0.81 264	0.62 263	0.81 274	0.63 269	0.80 274	0.70 269	0.73 265	0.61 262	0.76 256	0.61 242	0.74 270	0.61 265	0.77 245	0.61 255

CFNet_pseudo	2.67 382	9.36 388	0.32 164	10.99 412	0.33 201	0.85 276	0.33 185	0.49 220	0.33 191	0.49 224	0.32 189	0.49 229	7.26 406	0.49 232	0.33 185	0.41 200	9.62 409	0.41 215	0.29 183	10.03 411	0.29 170

MSMDNet	2.65 380	10.14 394	0.33 168	9.74 405	0.32 192	0.87 277	0.33 185	2.95 384	0.68 270	0.49 224	0.34 198	0.49 229	5.70 402	0.49 232	0.33 185	0.42 213	9.57 407	0.41 215	0.31 196	8.36 405	0.65 260

Selective-RAFT-Error	0.88 263	0.84 181	0.98 278	0.86 235	0.97 305	0.88 278	0.95 292	0.84 265	0.99 302	0.92 280	0.82 293	0.84 278	0.98 286	0.87 277	0.97 294	0.81 262	0.83 268	0.79 276	0.82 290	0.79 248	0.85 284

DCRE	0.84 257	1.89 295	0.77 261	0.94 245	0.72 285	0.88 278	0.73 275	0.87 266	0.78 283	0.90 277	0.71 283	0.88 279	0.67 265	0.88 278	0.73 279	0.81 262	0.68 250	0.81 280	0.70 279	0.82 255	0.70 267

DDUNet	0.81 247	2.45 315	0.57 231	0.90 237	0.60 263	0.88 278	0.59 255	0.90 269	0.60 259	0.88 276	0.60 265	0.90 282	0.58 253	0.88 278	0.60 260	0.84 266	0.60 238	0.86 285	0.57 259	0.86 257	0.60 254

UDG	0.80 242	2.21 311	0.60 233	0.91 240	0.60 263	0.90 281	0.58 254	0.88 268	0.60 259	0.90 277	0.60 265	0.88 279	0.60 255	0.90 281	0.58 258	0.86 267	0.60 238	0.84 283	0.59 262	0.84 256	0.61 255

DGTPSM_ROB	0.93 271	1.00 199	0.92 273	0.94 245	0.96 304	0.91 282	0.92 288	0.91 270	0.96 299	0.91 279	0.96 301	0.93 287	0.92 283	0.94 285	0.92 289	0.92 271	0.92 272	0.90 286	0.92 293	0.94 267	0.91 288

DPSM_ROB	0.92 267	0.91 186	0.91 271	0.91 240	0.92 301	0.92 283	0.92 288	0.92 273	0.91 292	0.93 282	0.91 297	0.92 284	0.90 281	0.91 282	0.92 289	0.92 271	0.91 270	0.91 287	0.92 293	0.93 265	0.93 290

DPSM	0.92 267	0.91 186	0.91 271	0.91 240	0.92 301	0.92 283	0.92 288	0.92 273	0.91 292	0.93 282	0.91 297	0.92 284	0.90 281	0.91 282	0.92 289	0.92 271	0.91 270	0.91 287	0.92 293	0.93 265	0.93 290

pmcnn	0.92 267	0.92 191	0.92 273	0.92 243	0.92 301	0.92 283	0.92 288	0.92 273	0.92 296	0.92 280	0.92 300	0.92 284	0.92 283	0.92 284	0.92 289	0.92 271	0.92 272	0.92 289	0.92 293	0.92 264	0.92 289

R-Stereo Train	0.81 247	0.96 194	0.67 247	0.95 247	0.67 279	0.95 286	0.68 268	0.95 278	0.68 270	0.95 285	0.68 278	0.96 289	0.68 266	0.96 289	0.68 271	0.94 275	0.68 250	0.94 291	0.68 275	0.94 267	0.68 265

RAFT-Stereo	0.81 247	0.96 194	0.67 247	0.95 247	0.67 279	0.95 286	0.68 268	0.95 278	0.68 270	0.95 285	0.68 278	0.96 289	0.68 266	0.96 289	0.68 271	0.94 275	0.68 250	0.94 291	0.68 275	0.94 267	0.68 265
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
ToySt	0.92 267	2.11 305	0.90 270	0.95 247	0.79 291	0.99 288	0.78 278	0.94 277	0.81 290	0.94 284	0.78 289	0.95 288	0.77 276	0.94 285	0.86 287	0.91 270	0.79 262	0.85 284	0.77 284	0.89 259	0.73 272

GANet	1.00 278	1.00 199	1.00 280	1.00 253	1.00 306	1.00 289	1.00 295	1.00 280	1.00 303	1.00 287	1.00 302	1.00 291	1.00 287	1.00 291	1.00 297	1.00 277	1.00 275	1.00 297	1.00 297	1.00 270	1.00 296

TDLM	1.00 278	1.00 199	1.00 280	1.00 253	1.00 306	1.00 289	1.00 295	1.00 280	1.00 303	1.00 287	1.00 302	1.00 291	1.00 287	1.00 291	1.00 297	1.00 277	1.00 275	1.00 297	1.00 297	1.00 270	1.00 296

CVANet_RVC	1.00 278	1.00 199	1.00 280	1.00 253	1.00 306	1.00 289	1.00 295	1.00 280	1.00 303	1.00 287	1.00 302	1.00 291	1.00 287	1.00 291	1.00 297	1.00 277	1.00 275	1.00 297	1.00 297	1.00 270	1.00 296

DPSimNet_ROB	0.97 275	1.18 221	0.81 267	1.10 261	0.91 300	1.02 292	0.82 283	1.04 284	0.91 292	1.03 291	0.86 294	1.28 357	0.82 280	1.03 294	0.89 288	1.17 292	0.81 267	1.02 300	0.82 290	1.08 274	0.81 281

TorneroNet	0.66 218	0.53 162	0.50 223	0.50 198	0.64 272	1.06 293	0.70 272	0.50 227	0.51 249	0.49 224	0.69 280	0.49 229	0.50 245	0.48 226	1.15 306	0.71 253	0.49 223	1.14 303	1.08 301	0.49 216	0.49 237

Selective-RAFT	0.89 265	0.89 183	0.72 255	1.16 273	0.78 290	1.06 293	0.82 283	0.87 266	0.97 300	1.00 287	0.91 297	0.90 282	1.00 287	0.89 280	0.93 293	0.83 264	0.83 268	0.82 282	0.82 290	0.81 254	0.82 282

GLC_STEREO	1.07 283	1.01 204	1.06 283	1.07 259	1.05 310	1.06 293	1.08 300	1.08 285	1.05 307	1.07 292	1.06 305	1.08 296	1.05 293	1.06 296	1.10 301	1.07 281	1.09 285	1.05 301	1.05 300	1.06 273	1.12 304

STTRV1_RVC	0.82 251	1.60 284	0.70 251	1.01 256	0.60 263	1.07 296	0.69 271	1.01 283	0.60 259	0.72 261	0.55 261	1.02 294	0.68 266	1.03 294	0.67 267	0.89 269	0.63 243	0.92 289	0.57 259	0.90 260	0.65 260

edge stereo	2.43 375	27.07 415	1.14 287	1.06 258	1.14 312	1.08 297	1.17 308	1.16 290	1.14 308	1.10 294	1.16 309	1.09 298	1.16 302	1.10 300	1.16 309	1.10 284	1.11 289	1.16 305	1.19 309	1.13 276	1.11 302

Nwc_Net	2.37 372	25.95 412	1.15 289	1.14 266	1.15 313	1.08 297	1.14 304	1.17 291	1.16 310	1.14 301	1.15 306	1.08 296	1.15 298	1.11 302	1.14 305	1.10 284	1.11 289	1.16 305	1.09 302	1.16 280	1.15 309

RP	2.33 367	25.00 408	1.13 286	1.15 268	1.15 313	1.10 299	1.15 305	1.15 288	1.15 309	1.12 299	1.15 306	1.09 298	1.13 295	1.10 300	1.15 306	1.11 289	1.09 285	1.16 305	1.12 303	1.16 280	1.17 310

RGC	2.36 369	25.48 409	1.19 293	1.15 268	1.15 313	1.10 299	1.16 307	1.17 291	1.16 310	1.12 299	1.16 309	1.11 303	1.13 295	1.09 298	1.18 311	1.10 284	1.15 293	1.16 305	1.12 303	1.14 277	1.12 304

MSMD_ROB	1.19 289	1.10 214	0.70 251	1.10 261	0.60 263	1.10 299	0.70 272	1.10 287	0.70 275	1.10 294	0.70 281	1.10 300	0.70 269	7.00 411	0.70 278	1.10 284	0.70 255	1.10 302	0.70 279	1.10 275	0.70 267

NCC-stereo	2.36 369	25.52 410	1.17 290	1.15 268	1.17 318	1.11 302	1.11 301	1.15 288	1.16 310	1.10 294	1.16 309	1.10 300	1.15 298	1.14 304	1.13 304	1.09 282	1.11 289	1.15 304	1.16 307	1.17 285	1.17 310

Abc-Net	2.32 366	24.75 407	1.14 287	1.17 274	1.17 318	1.11 302	1.15 305	1.17 291	1.21 362	1.08 293	1.16 309	1.12 304	1.14 297	1.09 298	1.17 310	1.09 282	1.16 294	1.17 309	1.17 308	1.16 280	1.11 302
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 367	24.38 406	1.18 292	1.18 275	1.18 320	1.14 304	1.18 309	1.19 294	1.19 316	1.14 301	1.18 313	1.14 305	1.18 303	1.14 304	1.18 311	1.14 291	1.14 292	1.19 312	1.19 309	1.15 278	1.19 312

AF-Net	2.37 372	25.71 411	1.17 290	1.13 265	1.15 313	1.15 305	1.18 309	1.19 294	1.16 310	1.10 294	1.15 306	1.10 300	1.18 303	1.12 303	1.15 306	1.10 284	1.10 288	1.17 309	1.15 305	1.16 280	1.12 304

HSM-Net_RVC	0.95 274	1.17 219	0.78 262	1.18 275	0.71 283	1.16 306	0.75 277	1.09 286	0.80 287	1.10 294	0.75 288	1.17 307	0.74 273	1.17 306	0.80 284	1.13 290	0.73 258	1.17 309	0.77 284	1.16 280	0.72 270
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

CrosDoStereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

PFNet+	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

LCNet	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

HHNet	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

Patchmatch Stereo++	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

STrans-v2	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

TransformOpticalFlow	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

OMP-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

IIG-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

NF-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

OCTAStereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

PSM-softLoss	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

KMStereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

NRIStereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

PSM-adaLoss	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

PSM-AAD	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

FTStereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

ROB_FTStereo_v2	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

ROB_FTStereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

Consistency-Raft	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

KYRaft	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

HUI-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

ASMatch	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

DeepStereo_LL	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

DEmStereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

SST-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

THIR-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

RAFT_R40	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

DRaft	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

PFNet	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

GrayStereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

RE-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

Pruner-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

TVStereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

DeepStereo_RVC	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

RAFT-RH_RVC	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

IRAFT_RVC	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

RAFT-345	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

iRAFT	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

CRE-IMP	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

GMM-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

RAFT-IKP	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

Prome-Stereo	1.20 290	1.20 223	1.20 296	1.20 277	1.20 321	1.20 307	1.20 311	1.20 297	1.20 317	1.20 304	1.20 314	1.20 309	1.20 305	1.20 308	1.20 313	1.20 294	1.20 298	1.20 313	1.20 312	1.20 289	1.20 313

FAT-Stereo	2.46 376	26.05 413	1.23 345	1.23 324	1.22 368	1.20 307	1.24 359	1.23 345	1.23 364	1.19 303	1.22 360	1.21 354	1.24 353	1.20 308	1.24 360	1.21 339	1.17 296	1.22 359	1.25 359	1.20 289	1.24 361

ktn	0.72 231	0.53 162	1.08 284	1.14 266	0.51 255	1.22 353	1.36 365	0.51 231	0.59 258	0.51 234	0.51 256	0.69 260	1.20 305	0.67 258	0.51 248	0.51 232	0.49 223	0.58 254	0.66 271	0.52 222	0.53 243

CroCo-Stereo	0.73 232	1.22 270	0.25 140	1.22 322	0.25 160	1.22 353	0.25 149	1.22 343	0.25 151	1.22 350	0.25 161	1.22 355	0.25 153	1.22 354	0.25 154	1.22 340	0.26 143	1.21 358	0.25 158	1.22 336	0.25 143
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
S-Stereo	2.51 377	26.86 414	1.23 345	1.22 322	1.22 368	1.24 355	1.25 360	1.22 343	1.24 365	1.21 349	1.24 362	1.19 308	1.27 355	1.19 307	1.24 360	1.19 293	1.20 298	1.25 360	1.19 309	1.24 337	1.23 360

CroCo-Stereo Lap2	0.77 236	1.29 272	0.29 151	1.27 325	0.29 176	1.27 356	0.26 155	1.26 346	0.26 164	1.26 351	0.26 166	1.27 356	0.26 162	1.26 355	0.27 160	1.27 342	0.27 148	1.27 361	0.27 170	1.27 338	0.27 154

11t	1.27 338	2.70 324	1.34 349	1.32 327	0.89 296	1.30 357	1.34 363	1.64 356	0.57 257	1.45 356	0.72 285	1.05 295	1.29 357	1.07 297	1.29 363	1.49 351	1.02 278	0.97 295	1.15 305	1.48 343	1.31 364

MaskLacGwcNet_RVC	1.35 339	1.35 276	1.35 351	1.35 329	1.35 370	1.35 358	1.35 364	1.36 351	1.35 370	1.36 354	1.35 366	1.36 358	1.36 360	1.36 357	1.35 365	1.35 347	1.35 352	1.35 363	1.35 362	1.35 340	1.35 367

CC-Net-ROB	1.36 340	1.33 275	1.33 348	1.36 330	1.38 373	1.36 359	1.33 362	1.37 352	1.34 368	1.35 353	1.36 367	1.38 359	1.34 359	1.38 358	1.38 367	1.35 347	1.38 355	1.33 362	1.35 362	1.43 342	1.34 366

PS-NSSS	1.38 342	1.39 278	1.34 349	1.34 328	1.35 370	1.38 360	1.37 370	1.35 350	1.38 373	1.34 352	1.34 365	1.39 360	1.38 362	1.70 361	1.40 368	1.36 349	1.36 353	1.36 365	1.37 365	1.37 341	1.36 368

HBP-ISP	1.24 336	1.72 287	1.65 365	1.15 268	0.76 289	1.40 361	0.88 285	1.67 359	1.02 306	1.69 363	1.38 369	1.69 364	1.21 351	1.87 363	1.21 358	1.05 280	0.79 262	0.97 295	0.80 287	1.19 288	0.75 276

FC-DCNN	1.07 283	1.09 211	0.98 278	0.89 236	0.52 256	1.41 362	0.91 287	1.21 342	1.24 365	1.96 366	2.05 390	1.91 366	1.30 358	1.27 356	1.08 300	0.80 259	0.60 238	0.58 254	0.41 232	0.68 232	0.54 244

RASNet	1.49 343	1.65 285	1.45 360	1.38 332	1.43 376	1.47 363	1.36 365	1.38 353	1.36 371	1.39 355	1.60 377	1.45 361	1.45 364	1.51 359	2.21 385	1.53 354	1.36 353	1.36 365	1.36 364	1.66 348	1.36 368

DPSMNet_ROB	1.60 346	1.59 283	1.70 367	1.59 335	1.59 378	1.61 364	1.61 375	1.60 354	1.60 377	1.62 362	1.59 376	1.60 363	1.60 367	1.60 360	1.59 373	1.59 355	1.60 362	1.59 370	1.59 375	1.59 347	1.59 375

CFNet-RSSM	0.91 266	4.89 365	0.34 175	0.44 180	1.07 311	1.62 365	1.40 371	0.91 270	0.35 201	1.60 358	1.39 370	0.64 254	0.34 195	0.44 213	0.33 185	0.41 200	0.35 179	0.75 271	0.30 191	0.41 196	0.29 170

ff7	1.68 347	2.68 321	1.35 351	0.97 250	0.89 296	1.84 366	2.15 383	2.12 364	1.80 382	2.05 370	1.56 373	2.33 375	2.12 376	2.23 372	2.25 386	1.31 343	1.07 279	1.48 367	1.41 367	0.90 260	1.04 299

ffff	1.68 347	2.68 321	1.35 351	0.97 250	0.89 296	1.84 366	2.15 383	2.12 364	1.80 382	2.05 370	1.56 373	2.33 375	2.12 376	2.23 372	2.25 386	1.31 343	1.07 279	1.48 367	1.41 367	0.90 260	1.04 299

ccc-4	1.68 347	2.68 321	1.35 351	0.97 250	0.89 296	1.84 366	2.15 383	2.12 364	1.80 382	2.05 370	1.56 373	2.33 375	2.12 376	2.23 372	2.25 386	1.31 343	1.07 279	1.48 367	1.41 367	0.90 260	1.04 299

GANetREF_RVC	1.55 344	1.94 302	1.22 343	1.88 341	1.21 367	1.88 369	1.22 357	1.88 360	1.22 363	1.88 364	1.22 360	1.88 365	1.22 352	1.89 364	1.22 359	1.87 362	1.22 345	1.88 372	1.22 358	1.88 352	1.22 359
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
MFMNet_re	1.81 353	1.91 296	1.71 368	1.95 345	1.70 381	1.95 370	1.70 378	1.96 362	1.74 380	1.97 367	1.72 380	1.95 367	1.71 370	1.97 366	1.71 379	1.86 361	1.62 363	1.85 371	1.66 377	1.86 351	1.64 376

SPS-STEREO	1.59 345	1.91 296	1.21 342	1.94 344	1.20 321	2.00 371	1.23 358	1.99 363	1.24 365	2.00 368	1.25 363	2.03 369	1.26 354	2.00 367	1.29 363	1.90 365	1.18 297	1.89 373	1.21 357	1.89 353	1.20 313
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RAFT_CTSACE	1.92 355	3.71 344	1.72 369	1.88 341	1.72 382	2.04 372	1.42 373	2.18 368	1.89 388	2.02 369	1.97 386	1.95 367	2.06 375	1.93 365	1.62 374	1.76 358	1.66 366	2.02 375	1.73 384	1.73 349	1.43 373

MC-Stereo	1.76 350	2.96 332	1.37 356	2.14 350	1.37 372	2.14 373	1.36 365	2.14 367	1.37 372	2.14 373	1.37 368	2.14 370	1.37 361	2.14 371	1.37 366	1.97 366	1.32 346	1.97 374	1.32 361	1.98 354	1.33 365

NCCL2	2.28 365	2.27 312	2.28 380	2.28 358	2.28 391	2.27 374	2.29 386	2.28 369	2.28 389	2.27 374	2.28 391	2.28 371	2.27 379	2.27 375	2.28 390	2.28 373	2.28 377	2.27 379	2.29 389	2.27 359	2.29 385

TRStereo	2.00 357	2.13 306	1.85 374	2.27 355	1.84 384	2.28 375	1.84 380	2.29 370	1.86 385	2.30 375	1.87 381	2.30 372	1.87 372	2.08 368	1.72 381	2.08 370	1.72 368	2.08 376	1.72 381	2.08 355	1.72 379

XX-Stereo	2.00 357	2.13 306	1.85 374	2.27 355	1.84 384	2.28 375	1.84 380	2.29 370	1.86 385	2.30 375	1.87 381	2.30 372	1.87 372	2.08 368	1.72 381	2.08 370	1.72 368	2.08 376	1.72 381	2.08 355	1.72 379

EAI-Stereo	2.00 357	2.13 306	1.85 374	2.27 355	1.84 384	2.28 375	1.84 380	2.29 370	1.86 385	2.30 375	1.87 381	2.30 372	1.87 372	2.08 368	1.72 381	2.08 370	1.72 368	2.08 376	1.72 381	2.08 355	1.72 379

STTStereo	3.73 392	30.40 419	2.37 384	2.39 359	2.31 393	2.35 378	2.33 387	2.29 370	2.42 390	2.32 378	2.34 392	2.33 375	2.36 380	2.30 376	2.27 389	2.35 375	2.22 376	2.31 380	2.22 386	2.29 361	2.34 389

FBW_ROB	2.12 363	2.46 316	1.77 371	2.49 362	1.79 383	2.38 379	1.83 379	2.46 375	1.78 381	2.48 379	1.97 386	2.40 379	1.78 371	2.42 378	1.83 384	2.31 374	1.85 373	2.38 381	1.82 385	2.35 362	1.84 383

UDGNet	2.23 364	5.40 370	1.72 369	2.48 361	1.69 380	2.51 380	1.69 377	2.51 376	1.72 379	2.50 380	1.69 379	2.52 380	1.69 369	2.50 379	1.68 378	2.41 377	1.70 367	2.42 382	1.69 380	2.42 363	1.64 376

IGEVStereo-DCA	1.77 351	4.21 356	1.84 372	2.49 362	2.11 389	2.54 381	1.36 365	1.65 357	1.17 314	2.75 382	1.90 384	2.54 381	1.15 298	0.94 285	1.11 302	1.50 352	1.32 346	0.96 293	1.46 372	1.49 344	0.88 285

rrr	1.77 351	4.21 356	1.84 372	2.49 362	2.11 389	2.54 381	1.36 365	1.65 357	1.17 314	2.75 382	1.90 384	2.54 381	1.15 298	0.94 285	1.11 302	1.50 352	1.32 346	0.96 293	1.46 372	1.49 344	0.88 285

sCroCo_RVC	2.10 361	2.76 326	1.92 378	2.78 367	1.39 374	2.73 383	1.41 372	2.73 378	1.40 374	2.77 384	1.41 372	2.74 383	1.40 363	2.74 383	1.40 368	2.72 378	1.42 357	2.72 383	1.44 371	2.79 369	1.42 372

Anonymous	2.11 362	2.74 325	1.41 359	2.77 366	1.40 375	2.74 384	1.46 374	2.75 379	1.50 376	2.87 385	1.39 370	2.74 383	1.46 365	2.72 382	1.41 370	2.72 378	1.41 356	2.81 384	1.41 367	3.16 372	1.39 371

NLCA_NET_v2_RVC	5.04 405	50.87 427	2.78 386	2.87 368	2.71 394	2.78 385	0.47 237	2.88 383	2.86 394	1.89 365	2.67 393	2.79 385	2.79 384	2.78 384	2.83 391	2.82 380	2.82 380	2.83 385	2.77 392	2.83 370	2.76 393
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT+CT+SA	4.28 393	7.62 378	4.91 395	5.55 386	2.28 391	3.09 386	3.64 398	4.49 399	3.07 395	4.80 399	3.35 395	4.77 402	3.70 389	4.29 398	3.05 392	5.58 396	5.98 395	3.58 391	3.78 400	4.26 381	3.72 398

test croco	1.88 354	3.16 335	0.64 239	3.10 369	0.65 273	3.10 387	0.64 261	3.12 385	0.65 266	3.10 386	0.65 275	3.11 386	0.65 259	3.12 385	0.65 264	3.12 382	0.65 246	3.13 386	0.65 269	3.13 371	0.65 260

MIF-Stereo (partial)	2.58 379	3.31 339	0.66 245	3.18 370	0.66 278	3.18 388	0.66 264	3.21 386	0.67 269	3.19 387	0.66 277	3.19 387	0.66 261	3.31 389	0.68 271	5.09 393	1.79 371	8.23 411	1.67 378	6.18 396	1.38 370

Anonymous3	2.55 378	3.26 338	1.65 365	3.28 372	1.63 379	3.24 389	1.68 376	3.27 387	1.66 378	3.28 388	1.67 378	3.25 388	1.66 368	3.27 387	1.64 375	3.26 383	1.65 365	3.30 387	1.65 376	4.95 389	1.65 378

MIF-Stereo	2.03 360	3.43 340	0.72 255	3.42 373	0.73 286	3.27 390	0.68 268	3.38 389	0.69 273	3.29 389	0.72 285	3.28 389	0.70 269	3.35 390	0.68 271	3.39 384	0.68 250	3.31 388	0.69 278	3.37 373	0.73 272

Sa-1000	4.34 395	8.37 381	6.84 404	6.98 396	4.45 406	3.58 391	3.00 393	3.42 390	3.39 396	2.61 381	4.00 402	3.83 393	4.01 395	3.90 393	3.90 398	5.98 400	5.62 393	3.76 393	2.34 390	4.35 383	2.47 392

SA	4.33 394	7.35 375	6.85 405	5.96 389	4.09 403	3.59 392	3.15 395	3.82 393	2.64 391	3.91 391	3.85 399	3.57 390	2.72 383	3.13 386	4.03 400	7.09 407	6.86 400	3.57 390	3.12 393	3.85 375	3.51 396

DPSNet	3.66 391	3.60 341	3.62 392	3.63 376	3.64 399	3.65 393	3.65 399	3.66 392	3.67 397	3.67 390	3.65 398	3.67 391	3.66 388	3.66 391	3.68 395	3.68 386	3.66 382	3.67 392	3.68 398	3.67 374	3.67 397

StereoVision	3.15 387	5.00 367	0.89 268	4.83 382	1.00 306	3.93 394	1.27 361	6.37 405	1.34 368	5.67 406	1.26 364	5.84 407	1.27 355	5.03 403	1.24 360	5.10 394	1.09 285	4.61 399	0.57 259	5.62 394	1.12 304

TestStereo1	4.60 396	8.41 382	6.44 402	6.86 394	3.79 400	3.97 395	3.78 400	3.99 395	3.74 398	3.97 392	3.52 396	3.94 394	3.58 386	3.98 394	3.72 396	6.82 404	6.50 398	3.76 393	3.66 396	3.90 376	3.74 400

SA-5K	4.60 396	8.41 382	6.44 402	6.86 394	3.79 400	3.97 395	3.78 400	3.99 395	3.74 398	3.97 392	3.52 396	3.94 394	3.58 386	3.98 394	3.72 396	6.82 404	6.50 398	3.76 393	3.66 396	3.90 376	3.74 400

test_3	5.01 404	8.86 385	7.77 408	8.09 398	2.76 395	4.13 397	4.05 404	3.88 394	3.76 400	4.33 396	4.13 403	3.71 392	3.91 392	4.21 397	4.06 401	7.93 408	7.69 403	4.53 397	3.91 401	4.17 380	4.29 405

test_4	4.88 402	8.13 380	6.98 406	7.46 397	4.44 405	4.25 398	3.85 402	4.04 397	3.92 401	4.13 394	3.91 400	4.18 397	3.84 391	4.14 396	4.06 401	7.01 406	7.13 401	4.53 397	3.72 399	4.09 379	3.72 398

raft_robust	4.71 400	7.75 379	5.40 399	6.81 393	3.31 396	4.28 399	4.20 405	4.32 398	4.37 406	4.35 397	4.35 405	4.14 396	3.75 390	4.30 399	4.20 403	6.67 403	6.37 396	3.36 389	4.24 406	4.86 388	3.25 394

cross-raft	4.83 401	7.52 376	6.43 401	6.63 392	3.96 402	4.51 400	3.99 403	4.49 399	3.96 402	4.52 398	3.96 401	4.50 399	3.97 394	4.50 400	3.97 399	6.65 402	6.44 397	4.33 396	3.92 402	4.35 383	3.91 402

sAnonymous2	3.31 389	2.63 319	1.38 357	3.71 377	1.86 387	4.70 401	1.11 301	4.82 402	2.72 392	5.45 404	1.98 388	4.59 400	2.64 381	2.65 380	6.21 407	4.37 387	1.08 283	5.16 402	2.24 387	4.52 385	2.39 390

CroCo_RVC	3.31 389	2.63 319	1.38 357	3.71 377	1.86 387	4.70 401	1.11 301	4.82 402	2.72 392	5.45 404	1.98 388	4.59 400	2.64 381	2.65 380	6.21 407	4.37 387	1.08 283	5.16 402	2.24 387	4.52 385	2.39 390

DispFullNet	4.61 398	4.84 364	3.12 388	5.00 384	3.57 398	4.75 403	3.03 394	7.75 411	4.17 404	4.91 401	3.09 394	6.20 408	3.95 393	6.71 407	3.51 394	5.30 395	3.67 383	5.86 408	3.63 395	5.61 393	3.46 395

TestStereo	4.88 402	4.75 363	4.79 394	4.87 383	4.92 407	4.81 404	4.90 407	4.78 401	4.77 407	4.87 400	4.89 407	4.90 403	4.91 399	4.99 402	4.79 405	4.98 392	4.87 390	4.87 401	4.92 407	5.00 390	5.00 406

test_5	4.62 399	7.55 377	6.23 400	6.32 391	3.40 397	5.29 405	3.50 397	3.53 391	4.11 403	4.28 395	4.47 406	4.26 398	4.38 397	3.68 392	3.24 393	5.89 398	5.60 392	4.84 400	3.50 394	4.33 382	3.93 403

StereoIM	3.19 388	6.02 372	1.12 285	5.61 387	1.16 317	5.43 406	1.02 298	5.15 404	0.70 275	5.43 403	1.21 359	5.03 405	0.97 285	4.85 401	0.99 296	4.53 390	1.16 294	5.53 404	1.25 359	5.37 392	1.30 363

test-1	6.46 407	9.16 387	8.03 411	8.09 398	5.62 409	6.11 407	6.35 409	6.85 408	4.94 408	6.08 407	6.29 411	4.98 404	6.43 403	6.22 404	6.36 409	6.16 401	7.47 402	5.82 406	5.44 409	7.11 401	5.68 408

SGM-Forest	5.21 406	5.92 371	4.08 393	6.18 390	4.16 404	6.31 408	4.34 406	6.50 406	4.33 405	6.14 408	4.21 404	6.61 411	4.55 398	6.67 406	4.48 404	5.94 399	3.94 385	5.85 407	4.03 404	5.79 395	4.17 404
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
RAFT	6.73 408	9.36 388	7.40 407	8.51 400	6.55 410	6.88 409	6.60 410	6.79 407	6.60 410	6.80 409	6.72 412	5.31 406	5.50 401	6.61 405	6.61 410	8.42 409	5.89 394	5.73 405	5.45 410	6.61 397	6.24 409

test-v	7.53 410	11.89 396	7.98 409	9.36 403	7.14 411	7.06 410	7.09 411	7.37 409	6.91 411	7.29 410	5.71 409	6.45 409	6.93 404	6.73 408	7.27 411	8.93 411	7.85 404	6.98 409	6.80 411	7.56 402	7.34 411

test-2	7.53 410	11.89 396	7.98 409	9.36 403	7.14 411	7.06 410	7.09 411	7.37 409	6.91 411	7.29 410	5.71 409	6.45 409	6.93 404	6.73 408	7.27 411	8.93 411	7.85 404	6.98 409	6.80 411	7.56 402	7.34 411

SGM+DAISY	7.06 409	9.15 386	5.38 398	8.84 401	5.18 408	8.80 412	5.31 408	8.79 412	5.28 409	8.89 412	5.20 408	8.93 412	5.33 400	8.95 412	5.36 406	8.70 410	5.21 391	8.74 412	5.20 408	8.89 406	5.15 407

rafts_anoy	20.00 414	20.00 399	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414

raft+_RVC	20.00 414	20.00 399	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414

raftrobust	20.00 414	20.00 399	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414

CasAABBNet	20.00 414	20.00 399	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414

RALCasStereoNet	20.00 414	20.00 399	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414

RALAANet	20.00 414	20.00 399	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414	20.00 413	20.00 414

MANE	19.05 413	23.00 405	15.00 413	23.00 419	15.00 413	24.00 419	16.00 413	24.00 419	16.00 413	22.00 419	15.00 413	23.00 419	16.00 413	23.00 419	15.00 413	22.00 419	15.00 413	22.00 419	15.00 413	22.00 419	15.00 413

111	30.40 420	30.94 420	29.72 421	32.61 420	30.02 421	33.57 420	30.47 421	31.50 420	29.39 421	30.98 420	29.11 421	29.78 420	30.39 424	29.45 420	30.76 424	30.08 420	29.02 421	29.92 420	30.32 424	29.86 420	30.17 421

DCANet-4	35.22 422	34.54 422	35.08 427	33.58 424	35.47 428	34.55 421	35.53 428	36.08 426	35.85 425	35.92 426	35.77 427	35.18 426	35.48 426	35.39 426	37.15 427	34.55 426	33.92 425	35.02 427	34.90 426	35.79 424	34.74 428

fff	1000028.16 437	29.62 416	29.72 421	32.61 420	30.02 421	35.13 422	31.83 422	32.07 421	10000000.00 437	35.27 423	29.82 422	32.45 421	30.15 421	32.35 421	30.09 421	31.04 421	29.55 422	30.64 421	30.14 421	10000000.00 437	30.77 422

csc	1000028.16 437	29.62 416	29.72 421	32.61 420	30.02 421	35.13 422	31.83 422	32.07 421	10000000.00 437	35.27 423	29.82 422	32.45 421	30.15 421	32.35 421	30.09 421	31.04 421	29.55 422	30.64 421	30.14 421	10000000.00 437	30.77 422

cscssc	1000028.16 437	29.62 416	29.72 421	32.61 420	30.02 421	35.13 422	31.83 422	32.07 421	10000000.00 437	35.27 423	29.82 422	32.45 421	30.15 421	32.35 421	30.09 421	31.04 421	29.55 422	30.64 421	30.14 421	10000000.00 437	30.77 422

ADStereo(finetuned)	36.13 423	36.63 426	38.07 428	36.97 425	33.25 425	35.91 425	34.45 425	36.36 427	32.99 422	38.14 428	36.71 428	36.69 427	34.13 425	38.57 428	40.79 428	37.60 428	36.58 428	35.90 428	33.36 425	35.42 423	34.04 425

tt	500032.53 435	34.60 423	29.72 421	37.47 426	34.41 426	36.85 426	35.22 426	34.71 424	33.55 423	34.50 421	35.43 425	33.81 424	10000000.00 438	33.57 424	33.13 425	33.68 424	35.00 426	34.03 425	35.26 427	30.96 421	34.63 426

DCANet	500032.53 435	34.60 423	29.72 421	37.47 426	34.41 426	36.85 426	35.22 426	34.71 424	33.55 423	34.50 421	35.43 425	33.81 424	10000000.00 438	33.57 424	33.13 425	33.68 424	35.00 426	34.03 425	35.26 427	30.96 421	34.63 426

WCMA_ROB	31.10 421	35.43 425	27.12 420	39.51 428	23.10 420	38.78 428	25.30 420	37.49 428	25.39 420	37.29 427	27.02 420	38.52 428	26.48 420	37.80 427	26.44 420	36.28 427	22.65 420	33.90 424	22.30 420	37.10 425	24.18 420

MDST_ROB	69.83 424	87.70 428	41.95 429	113.75 431	65.62 431	75.05 429	55.25 430	75.64 430	45.04 426	71.61 429	41.75 429	72.81 429	44.06 427	68.38 429	44.63 429	101.89 431	59.57 431	107.10 431	61.05 431	104.38 428	59.38 431

CBMV	128.50 426	1422.70 439	53.10 430	79.50 430	51.30 430	77.30 430	49.70 429	74.00 429	48.20 427	77.20 430	48.80 430	73.90 430	48.00 428	73.80 430	48.80 430	70.40 430	45.10 430	68.90 430	46.10 430	68.20 427	45.00 430
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 427	171.00 433	160.68 435	162.58 432	160.59 432	164.01 431	160.35 432	158.51 432	158.56 429	158.34 431	160.12 432	158.56 431	159.92 430	157.26 432	158.94 432	154.38 432	158.36 432	155.75 432	159.13 433	153.67 429	154.07 432
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
NOSS_ROB	102.95 425	153.00 432	121.00 432	51.00 429	44.00 429	165.00 432	127.00 431	153.00 431	119.00 428	164.00 432	125.00 431	168.00 432	120.00 429	153.00 431	117.00 431	49.00 429	44.00 429	49.00 429	44.00 429	49.00 426	44.00 429

AE-Stereo	201.80 428	123.00 429	115.00 431	219.00 433	218.00 434	223.00 433	244.00 434	217.00 433	236.00 431	202.00 433	203.00 433	205.00 433	208.00 431	225.00 433	204.00 433	210.00 433	198.00 433	197.00 433	184.00 434	204.00 430	201.00 433

MGS-Stereo	239.45 429	123.00 429	135.00 433	266.00 434	286.00 435	277.00 434	305.00 435	271.00 434	242.00 432	274.00 434	279.00 435	255.00 434	270.00 433	268.00 434	297.00 435	221.00 434	247.00 435	216.00 434	123.00 432	217.00 431	217.00 435

EGLCR-Stereo	246.90 430	129.00 431	139.00 434	266.00 434	286.00 435	277.00 434	305.00 435	271.00 434	242.00 432	274.00 434	279.00 435	255.00 434	270.00 433	268.00 434	297.00 435	230.00 435	247.00 435	216.00 434	223.00 436	237.00 432	227.00 436

DLCB_ROB	284.23 431	354.61 435	207.27 436	363.24 436	206.46 433	364.72 436	210.41 433	364.72 436	210.41 430	364.81 436	208.64 434	364.81 436	208.64 432	364.72 436	210.41 434	354.70 436	205.53 434	354.70 436	205.53 435	354.70 433	205.53 434

LE_ROB	396.57 432	471.28 436	329.84 437	471.48 437	308.15 437	526.83 437	322.10 437	488.15 437	323.76 434	495.46 437	317.97 437	497.17 437	320.10 435	481.62 437	326.76 437	462.71 437	298.97 437	466.16 437	285.98 437	447.62 434	289.21 437

SGM-ForestM	596.69 433	677.77 437	444.52 438	699.85 438	517.25 438	732.94 438	488.29 438	770.79 438	460.11 435	750.81 438	487.98 438	792.79 438	499.41 436	730.90 438	475.81 438	720.03 438	491.16 438	663.96 438	418.60 438	674.76 435	436.05 438

CBMV_ROB	818.48 434	913.88 438	709.52 439	862.84 439	597.78 439	1073.99 439	700.52 439	1015.66 439	702.59 436	1115.65 439	760.02 439	1130.24 439	721.57 437	1037.41 439	692.65 439	814.05 439	564.29 439	843.28 439	595.31 439	915.51 436	602.92 439

SDNR	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 438	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440

anonymousdsp2	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 438	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440

anonymousdsp	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 438	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440

test_example2	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 438	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440

DIP-Stereo	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 438	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 440	10000000.00 437	10000000.00 440
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark