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

CAS	0.63 117	0.18 1	0.37 2	2.27 392	0.84 349	0.57 74	0.54 190	0.79 13	0.62 24	0.48 18	0.70 32	0.36 2	0.26 1	0.45 2	0.35 27	2.24 393	0.10 1	0.14 1	0.09 1	0.15 5	1.06 383

CES	0.48 33	0.20 2	0.37 2	0.39 4	1.39 384	0.55 66	0.35 47	0.98 62	0.66 41	0.44 9	0.66 24	0.35 1	0.27 2	0.56 11	0.33 16	0.15 6	0.13 43	0.15 3	0.10 2	0.19 72	1.46 389

s12784h	0.52 40	0.20 2	0.38 4	0.41 5	0.19 1	0.96 226	0.34 44	1.17 124	1.25 235	0.81 67	0.90 66	0.63 58	0.50 57	1.45 169	0.42 74	0.14 4	0.12 9	0.17 15	0.11 6	0.18 42	0.11 1

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 40	0.40 84	1.00 68	0.94 107	0.48 18	0.66 24	0.48 23	0.40 17	0.60 24	0.37 38	0.18 60	0.14 76	0.16 9	0.11 6	0.14 2	0.14 11

CREStereo++_RVC	0.47 31	0.21 4	0.38 4	0.45 32	0.38 171	0.45 17	0.25 4	0.75 8	1.29 256	0.80 63	1.21 170	0.47 20	0.37 12	0.53 6	0.44 85	0.16 11	0.11 3	0.15 3	0.80 380	0.18 42	0.11 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
TANstereo	0.44 22	0.21 4	0.44 11	0.41 5	0.21 3	0.65 109	0.26 10	0.79 13	0.83 76	0.93 84	0.98 83	0.51 33	0.46 34	0.54 8	0.35 27	0.18 60	0.24 274	0.16 9	0.13 11	0.16 13	0.26 226

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 57	0.29 20	0.77 11	1.11 175	0.58 33	0.71 34	0.51 33	0.41 19	0.54 8	0.34 24	0.18 60	0.13 43	0.15 3	0.10 2	0.14 2	0.14 11
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	0.46 25	0.21 4	0.38 4	0.37 2	0.23 6	0.71 143	0.27 15	0.74 7	1.04 147	0.64 41	0.70 32	0.55 40	0.47 40	0.86 70	0.35 27	1.00 378	0.13 43	0.15 3	0.10 2	0.15 5	0.13 3

IGEV+	0.40 8	0.22 9	0.51 24	0.52 111	0.29 63	0.45 17	0.25 4	1.65 233	0.46 4	0.37 2	0.57 19	0.46 16	0.45 30	0.50 4	0.38 48	0.19 92	0.12 9	0.16 9	0.13 11	0.16 13	0.15 27

EGLCR-Stereo	0.37 3	0.22 9	0.51 24	0.43 8	0.26 20	0.44 16	0.22 2	0.99 64	0.48 5	0.42 5	0.42 2	0.67 68	0.29 3	0.86 70	0.33 16	0.17 32	0.12 9	0.19 50	0.17 75	0.17 25	0.15 27

test_4	0.53 49	0.22 9	0.56 38	0.54 135	0.32 107	0.64 97	0.39 81	0.80 18	0.62 24	0.92 83	1.87 325	0.68 70	0.42 21	1.16 123	0.37 38	0.15 6	0.13 43	0.20 74	0.22 199	0.20 98	0.15 27

test-3	0.54 63	0.22 9	0.68 89	0.47 41	0.27 33	0.58 75	0.35 47	0.92 41	1.00 135	1.32 247	0.69 31	0.87 128	0.45 30	1.68 212	0.37 38	0.16 11	0.11 3	0.20 74	0.16 59	0.17 25	0.13 3

test_1	0.54 63	0.22 9	0.68 89	0.47 41	0.27 33	0.58 75	0.35 47	0.92 41	1.00 135	1.28 222	0.68 28	0.87 128	0.45 30	1.67 207	0.37 38	0.16 11	0.11 3	0.20 74	0.16 59	0.17 25	0.13 3

MIF-Stereo	0.36 1	0.23 14	0.59 53	0.48 52	0.36 146	0.40 10	0.32 31	0.53 1	0.49 6	0.54 31	0.55 17	0.36 2	0.31 6	0.58 14	0.51 132	0.20 118	0.15 126	0.17 15	0.15 31	0.19 72	0.15 27

MC-Stereo	0.43 14	0.23 14	0.48 15	0.51 95	0.28 52	0.39 9	0.32 31	0.88 32	0.68 45	0.60 39	0.84 56	0.56 42	0.61 107	1.03 99	0.31 5	0.17 32	0.11 3	0.17 15	0.15 31	0.16 13	0.13 3

RCA-Stereo	0.50 38	0.23 14	0.58 49	0.48 52	0.33 123	0.55 66	0.45 136	0.97 60	1.38 296	0.68 44	1.05 112	0.63 58	0.80 165	0.59 15	0.32 7	0.17 32	0.12 9	0.17 15	0.14 23	0.16 13	0.14 11

test_3	0.55 78	0.23 14	0.71 115	0.53 120	0.28 52	0.61 88	0.40 84	0.92 41	1.05 151	1.19 186	0.68 28	0.93 146	0.44 27	1.67 207	0.39 55	0.15 6	0.12 9	0.22 123	0.19 109	0.21 132	0.14 11

DEmStereo	0.97 260	0.23 14	0.79 170	0.47 41	0.32 107	1.04 241	0.56 209	0.93 45	0.89 89	1.39 275	2.14 346	1.02 179	2.07 371	5.64 358	0.77 215	0.17 32	0.15 126	0.20 74	0.20 138	0.18 42	0.20 135

111	0.60 102	0.23 14	0.70 104	0.43 8	0.24 9	0.72 145	0.42 97	1.18 129	1.41 308	0.80 63	1.38 229	1.10 203	0.79 160	0.96 84	0.58 163	0.18 60	0.13 43	0.17 15	0.15 31	0.17 25	0.19 112

MIM_Stereo	0.57 91	0.24 20	0.92 216	0.46 35	0.30 80	0.54 60	0.28 18	1.27 153	0.75 57	1.00 102	1.16 157	0.93 146	0.53 66	1.45 169	0.61 174	0.16 11	0.16 157	0.20 74	0.19 109	0.17 25	0.14 11

AEACV	0.37 3	0.24 20	0.52 27	0.47 41	0.51 245	0.37 8	0.38 70	0.65 3	0.53 17	0.42 5	0.56 18	0.46 16	0.60 98	0.53 6	0.30 1	0.16 11	0.13 43	0.18 37	0.15 31	0.17 25	0.14 11

Any-RAFT	0.53 49	0.24 20	0.47 13	0.47 41	0.27 33	1.00 236	0.25 4	1.58 219	1.05 151	0.85 77	0.99 85	1.06 188	0.47 40	0.70 34	0.32 7	0.18 60	0.13 43	0.16 9	0.13 11	0.16 13	0.16 42

4D-IteraStereo	0.48 33	0.24 20	0.76 156	0.50 72	0.44 204	0.66 118	0.31 28	0.87 25	1.02 140	1.03 112	0.72 36	0.78 91	0.32 9	0.64 27	0.37 38	0.17 32	0.11 3	0.23 151	0.19 109	0.19 72	0.13 3

Selective-IGEV	0.39 5	0.24 20	0.50 18	0.44 23	0.25 18	0.46 19	0.33 34	1.25 151	0.40 1	0.35 1	0.45 3	0.52 38	0.30 4	1.07 110	0.30 1	0.14 4	0.12 9	0.17 15	0.13 11	0.16 13	0.13 3

fff	0.53 49	0.24 20	0.70 104	0.43 8	0.24 9	0.48 21	0.36 57	1.07 102	1.25 235	1.10 132	1.02 100	0.57 44	1.06 268	0.73 44	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 112

ADStereo(finetuned)	0.57 91	0.24 20	1.06 258	0.43 8	0.24 9	0.49 31	0.35 47	1.05 87	1.30 262	1.12 138	1.03 108	0.58 48	1.20 295	0.84 65	0.51 132	0.16 11	0.13 43	0.17 15	0.13 11	0.18 42	0.19 112

CrosDoStereo	1.58 339	0.24 20	0.72 119	0.48 52	0.29 63	0.67 122	12.49 416	1.10 109	0.98 123	1.34 258	1.75 310	1.00 170	1.89 360	6.65 374	0.81 227	0.19 92	0.15 126	0.20 74	0.22 199	0.18 42	0.19 112

DeepStereo_LL	1.58 339	0.24 20	0.72 119	0.48 52	0.29 63	0.67 122	12.49 416	1.10 109	0.98 123	1.34 258	1.75 310	1.00 170	1.89 360	6.65 374	0.81 227	0.19 92	0.15 126	0.20 74	0.22 199	0.18 42	0.19 112

DRaft	0.80 205	0.24 20	0.70 104	0.45 32	0.30 80	0.97 230	0.53 186	1.05 87	0.97 118	1.78 334	2.02 338	0.80 96	1.74 350	2.73 293	0.72 200	0.17 32	0.14 76	0.20 74	0.20 138	0.18 42	0.21 151

RAFT-RH_RVC	1.03 276	0.24 20	0.67 86	0.49 65	0.28 52	0.81 186	0.33 34	0.83 22	1.08 163	2.05 354	4.65 390	1.04 185	0.57 87	5.98 366	0.50 129	0.18 60	0.13 43	0.26 227	0.20 138	0.16 13	0.17 61

DCANet	0.54 63	0.24 20	0.70 104	0.43 8	0.24 9	0.49 31	0.36 57	1.05 87	1.30 262	1.12 138	1.03 108	0.58 48	0.92 213	0.81 60	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.18 42	0.19 112

csc	0.53 49	0.24 20	0.70 104	0.43 8	0.24 9	0.48 21	0.36 57	1.07 102	1.25 235	1.10 132	1.02 100	0.57 44	1.06 268	0.73 44	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 112

cscssc	0.53 49	0.24 20	0.70 104	0.43 8	0.24 9	0.48 21	0.36 57	1.07 102	1.25 235	1.10 132	1.02 100	0.57 44	1.06 268	0.73 44	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 112

CFNet-RSSM	0.54 63	0.24 20	0.70 104	0.48 52	0.28 52	0.60 85	0.27 15	1.49 192	1.14 191	1.06 116	0.93 71	1.08 195	0.54 69	0.70 34	0.35 27	0.16 11	0.12 9	0.17 15	0.15 31	0.16 13	0.14 11

Gwc-CoAtRS	0.52 40	0.24 20	0.68 89	0.48 52	0.29 63	0.64 97	0.25 4	1.16 122	1.08 163	1.01 105	1.00 88	1.12 208	0.56 79	0.69 32	0.37 38	0.16 11	0.13 43	0.17 15	0.15 31	0.15 5	0.15 27

StereoIM	0.36 1	0.25 36	0.58 49	0.44 23	0.34 138	0.30 3	0.30 23	0.72 5	0.50 7	0.37 2	0.36 1	0.58 48	0.49 56	0.52 5	0.36 33	0.19 92	0.16 157	0.19 50	0.15 31	0.18 42	0.14 11

MIF-Stereo (partial)	0.45 24	0.25 36	0.70 104	0.50 72	0.52 253	0.35 5	0.26 10	0.91 40	0.59 22	0.45 13	0.71 34	0.51 33	0.51 59	1.11 116	0.45 93	0.20 118	0.16 157	0.23 151	0.20 138	0.24 192	0.18 79

CASnet	0.41 11	0.25 36	0.48 15	0.50 72	0.20 2	0.50 40	0.36 57	0.81 21	0.80 69	0.83 71	0.68 28	0.48 23	0.31 6	0.54 8	0.32 7	0.18 60	0.12 9	0.27 238	0.22 199	0.23 178	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.54 63	0.25 36	0.64 73	0.47 41	0.30 80	0.97 230	0.27 15	1.24 149	0.81 70	0.96 91	1.12 140	1.28 248	0.48 48	0.71 38	0.36 33	0.17 32	0.13 43	0.17 15	0.14 23	0.16 13	0.16 42

GLC_STEREO	0.39 5	0.25 36	0.41 9	0.54 135	0.23 6	0.48 21	0.30 23	0.73 6	0.58 19	0.52 29	0.73 37	0.51 33	0.31 6	0.64 27	0.42 74	0.17 32	0.20 226	0.23 151	0.19 109	0.21 132	0.17 61

RAFT-345	0.84 222	0.25 36	0.66 83	0.50 72	0.27 33	0.54 60	0.42 97	0.83 22	1.11 175	1.32 247	2.34 355	0.86 124	0.54 69	5.72 359	0.47 111	0.18 60	0.13 43	0.22 123	0.17 75	0.17 25	0.16 42

cross-raft	0.54 63	0.25 36	0.61 60	0.52 111	0.29 63	0.68 129	0.37 66	1.46 188	0.76 60	1.01 105	1.06 114	1.28 248	0.46 34	0.71 38	0.35 27	0.15 6	0.12 9	0.18 37	0.16 59	0.19 72	0.14 11

GMM-Stereo	0.74 179	0.25 36	0.59 53	0.54 135	0.34 138	0.72 145	0.99 320	1.01 73	0.87 82	1.36 263	1.78 313	1.12 208	0.81 168	2.09 257	0.46 106	0.18 60	0.12 9	0.25 207	0.25 241	0.20 98	0.85 373

raftrobust	0.52 40	0.25 36	0.56 38	0.65 260	0.52 253	0.49 31	0.34 44	0.98 62	0.91 98	1.30 235	0.87 61	0.63 58	0.81 168	0.78 52	0.41 66	0.19 92	0.15 126	0.16 9	0.14 23	0.15 5	0.16 42

RAFT-Stereo + iAFF	0.54 63	0.25 36	0.68 89	0.43 8	0.24 9	0.40 10	0.34 44	1.04 81	1.09 169	1.32 247	1.60 283	0.80 96	0.68 128	0.67 31	0.39 55	0.13 1	0.10 1	0.18 37	0.17 75	0.17 25	0.13 3

AFF-stereo	0.58 96	0.25 36	0.64 73	0.46 35	0.29 63	0.34 4	0.38 70	1.15 121	1.14 191	1.17 177	1.60 283	1.10 203	0.71 136	0.97 89	0.43 83	0.13 1	0.11 3	0.19 50	0.19 109	0.17 25	0.14 11

MSKI-zero shot	0.55 78	0.26 47	0.57 46	0.51 95	0.26 20	0.69 133	0.28 18	1.18 129	0.64 28	0.91 81	1.32 209	0.82 104	0.33 10	1.92 241	0.32 7	0.17 32	0.12 9	0.17 15	0.13 11	0.16 13	0.16 42

LoS_RVC	0.42 12	0.26 47	0.40 8	0.44 23	0.82 347	0.51 50	0.44 125	0.64 2	0.41 2	0.44 9	0.78 46	0.44 9	0.47 40	0.56 11	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 372

DCRE	0.82 213	0.26 47	0.70 104	0.58 183	0.44 204	0.54 60	0.48 157	0.95 52	0.78 64	0.78 58	7.33 403	0.86 124	0.52 61	0.76 49	0.41 66	0.16 11	0.16 157	0.19 50	0.17 75	0.18 42	0.17 61

DCANet-4	0.54 63	0.26 47	1.07 262	0.42 7	0.24 9	0.48 21	0.36 57	0.99 64	1.30 262	1.10 132	1.02 100	0.56 42	0.75 141	0.73 44	0.52 138	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 112

tt	6.58 408	0.26 47	6.10 395	3.77 413	2.16 392	11.55 415	19.63 419	13.33 420	5.74 404	2.96 384	2.65 365	4.97 395	6.33 409	3.81 321	7.24 391	9.15 420	11.32 427	5.89 420	6.24 419	6.03 417	2.55 404

RAFT_CTSACE	0.63 117	0.26 47	0.88 201	0.55 154	0.51 245	0.71 143	0.44 125	0.80 18	0.97 118	0.97 94	1.84 320	1.18 221	0.68 128	1.47 175	0.36 33	0.16 11	0.15 126	0.21 97	0.20 138	0.20 98	0.14 11

GMOStereo	0.53 49	0.26 47	0.65 77	0.50 72	0.29 63	0.52 52	0.43 113	0.89 33	0.96 111	1.41 278	1.14 148	0.85 120	0.56 79	0.59 15	0.38 48	0.16 11	0.14 76	0.24 171	0.21 174	0.20 98	0.15 27

error version	0.53 49	0.26 47	0.65 77	0.50 72	0.29 63	0.52 52	0.43 113	0.89 33	0.96 111	1.41 278	1.14 148	0.85 120	0.56 79	0.59 15	0.38 48	0.16 11	0.14 76	0.24 171	0.21 174	0.20 98	0.15 27

test-v	0.53 49	0.26 47	0.65 77	0.50 72	0.29 63	0.52 52	0.43 113	0.89 33	0.96 111	1.41 278	1.14 148	0.85 120	0.56 79	0.59 15	0.38 48	0.16 11	0.14 76	0.24 171	0.21 174	0.20 98	0.15 27

HHNet	0.62 111	0.26 47	0.63 67	0.43 8	0.45 211	0.50 40	0.58 222	1.07 102	1.01 137	1.25 213	2.23 350	0.70 78	0.61 107	1.07 110	0.47 111	0.20 118	0.13 43	0.23 151	0.19 109	0.19 72	0.30 258

FTStereo	0.91 244	0.26 47	0.56 38	0.54 135	0.33 123	0.66 118	1.87 380	1.00 68	0.75 57	1.75 331	4.15 384	1.04 185	1.65 343	1.57 192	0.46 106	0.19 92	0.16 157	0.23 151	0.21 174	0.18 42	0.63 356

ASMatch	0.88 236	0.26 47	0.69 98	0.51 95	0.35 141	0.48 21	0.37 66	1.12 117	0.92 102	1.10 132	3.28 374	0.96 161	0.98 241	4.90 340	0.49 123	0.19 92	0.16 157	0.22 123	0.19 109	0.19 72	0.27 232

PFNet	0.91 244	0.26 47	1.10 269	0.63 239	0.32 107	0.64 97	0.56 209	1.17 124	0.99 130	1.47 290	1.08 120	0.98 164	0.69 131	6.62 373	0.54 152	0.20 118	0.12 9	0.24 171	0.19 109	0.20 98	0.17 61

GrayStereo	0.82 213	0.26 47	0.58 49	0.63 239	0.37 154	0.76 162	1.86 379	1.11 115	0.87 82	1.99 351	1.89 327	1.08 195	1.82 358	1.39 159	0.48 116	0.19 92	0.14 76	0.19 50	0.21 174	0.18 42	0.39 300

test-2	0.53 49	0.26 47	0.65 77	0.50 72	0.29 63	0.52 52	0.43 113	0.89 33	0.96 111	1.41 278	1.14 148	0.85 120	0.56 79	0.59 15	0.38 48	0.16 11	0.14 76	0.24 171	0.21 174	0.20 98	0.15 27

test-1	0.52 40	0.26 47	1.04 254	0.56 166	0.32 107	0.61 88	0.38 70	1.10 109	0.91 98	0.78 58	1.01 93	0.77 88	0.52 61	0.60 24	0.42 74	0.17 32	0.14 76	0.20 74	0.17 75	0.20 98	0.23 184

iRaftStereo_RVC	0.47 31	0.26 47	0.64 73	0.50 72	0.29 63	0.53 57	0.33 34	1.05 87	0.77 62	0.84 73	1.00 88	0.55 40	0.37 12	0.81 60	0.40 59	0.17 32	0.12 9	0.22 123	0.20 138	0.19 72	0.15 27

raft+_RVC	0.53 49	0.26 47	0.54 33	0.60 207	0.47 225	0.54 60	0.54 190	1.27 153	0.99 130	0.76 54	1.03 108	0.70 78	0.56 79	0.93 83	0.47 111	0.18 60	0.14 76	0.19 50	0.18 89	0.18 42	0.15 27

XX-Stereo	0.63 117	0.26 47	1.90 350	0.81 330	0.67 305	0.43 14	0.23 3	1.03 77	0.58 19	0.65 42	1.56 275	1.41 269	0.39 14	1.28 133	0.35 27	0.20 118	0.14 76	0.20 74	0.19 109	0.18 42	0.14 11

R-Stereo Train	0.57 91	0.26 47	0.63 67	0.54 135	0.36 146	0.69 133	0.54 190	1.22 143	0.72 53	1.61 318	1.50 263	0.75 84	0.53 66	0.64 27	0.44 85	0.18 60	0.15 126	0.17 15	0.15 31	0.17 25	0.17 61

RAFT-Stereo	0.57 91	0.26 47	0.63 67	0.54 135	0.36 146	0.69 133	0.54 190	1.22 143	0.72 53	1.61 318	1.50 263	0.75 84	0.53 66	0.64 27	0.44 85	0.18 60	0.15 126	0.17 15	0.15 31	0.17 25	0.17 61
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.49 36	0.27 68	0.67 86	0.60 207	0.39 179	0.67 122	0.46 143	1.18 129	1.09 169	0.47 14	0.75 41	0.69 75	0.47 40	0.59 15	0.40 59	0.16 11	0.15 126	0.21 97	0.20 138	0.19 72	0.15 27

ff7	0.43 14	0.27 68	0.56 38	0.44 23	0.33 123	0.50 40	0.42 97	0.87 25	0.50 7	0.49 21	0.53 10	0.44 9	0.48 48	1.38 154	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

ffff	0.43 14	0.27 68	0.56 38	0.44 23	0.33 123	0.50 40	0.42 97	0.87 25	0.50 7	0.49 21	0.53 10	0.44 9	0.48 48	1.38 154	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

11t	0.43 14	0.27 68	0.56 38	0.44 23	0.33 123	0.50 40	0.42 97	0.87 25	0.50 7	0.49 21	0.53 10	0.44 9	0.48 48	1.38 154	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

test croco	0.46 25	0.27 68	1.01 241	0.50 72	0.40 184	0.35 5	0.37 66	0.87 25	0.56 18	0.43 8	0.76 43	0.42 5	0.40 17	1.13 119	0.45 93	0.21 145	0.15 126	0.24 171	0.19 109	0.24 192	0.16 42

anonymousdsp2	0.53 49	0.27 68	0.74 145	0.48 52	0.29 63	0.76 162	0.47 149	1.61 226	0.82 75	0.77 57	0.77 44	0.75 84	0.47 40	1.03 99	0.40 59	0.18 60	0.13 43	0.18 37	0.13 11	0.19 72	0.18 79

anonymousdsp	0.43 14	0.27 68	0.53 29	0.44 23	0.32 107	0.50 40	0.42 97	0.89 33	0.51 14	0.49 21	0.53 10	0.47 20	0.47 40	1.33 142	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

anonymousa	0.72 162	0.27 68	0.75 147	0.47 41	0.63 296	1.43 302	0.45 136	1.24 149	0.89 89	1.28 222	1.75 310	1.62 304	1.13 283	0.69 32	0.59 165	0.19 92	0.16 157	0.23 151	0.25 241	0.20 98	0.18 79

riskmin	0.56 87	0.27 68	0.60 57	0.43 8	0.31 92	0.83 191	0.42 97	1.14 119	1.04 147	0.73 53	0.75 41	1.11 207	1.01 253	0.81 60	0.51 132	0.20 118	0.14 76	0.24 171	0.15 31	0.24 192	0.25 208

ccc-4	0.43 14	0.27 68	0.56 38	0.44 23	0.33 123	0.50 40	0.42 97	0.87 25	0.50 7	0.49 21	0.53 10	0.44 9	0.48 48	1.38 154	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79

IGEV-Stereo	0.43 14	0.27 68	0.54 33	0.45 32	0.32 107	0.50 40	0.42 97	0.90 39	0.51 14	0.49 21	0.53 10	0.47 20	0.47 40	1.32 140	0.33 16	0.17 32	0.12 9	0.21 97	0.15 31	0.18 42	0.18 79
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.69 154	0.27 68	0.97 229	0.51 95	0.43 198	0.79 177	0.33 34	1.21 136	1.06 154	1.30 235	1.10 129	0.52 38	0.55 75	3.16 308	0.63 181	0.16 11	0.14 76	0.19 50	0.16 59	0.18 42	0.17 61

IPLGR	0.58 96	0.27 68	1.14 276	0.48 52	0.28 52	0.65 109	0.33 34	1.22 143	1.13 189	1.18 182	1.05 112	0.69 75	0.66 127	0.96 84	0.52 138	0.17 32	0.15 126	0.20 74	0.17 75	0.20 98	0.18 79

PSM-AAD	0.79 202	0.27 68	0.53 29	0.55 154	0.28 52	0.77 168	1.24 346	0.99 64	0.91 98	1.66 324	1.57 279	0.81 99	2.19 374	1.65 202	0.44 85	0.19 92	0.14 76	0.38 319	0.32 308	0.21 132	0.70 364

THIR-Stereo	1.02 275	0.27 68	0.69 98	0.49 65	0.28 52	0.95 222	1.34 353	1.03 77	0.97 118	1.34 258	1.90 328	1.17 218	1.58 336	6.44 371	0.78 217	0.19 92	0.14 76	0.21 97	0.22 199	0.19 72	0.20 135

Prome-Stereo	0.75 186	0.27 68	0.53 29	0.55 154	0.32 107	0.59 79	0.97 316	0.89 33	0.88 86	1.45 287	2.46 361	0.91 137	1.41 320	1.58 194	0.44 85	0.18 60	0.13 43	0.19 50	0.17 75	0.20 98	0.92 374

MyStereo06	0.61 108	0.28 84	0.95 223	0.56 166	0.46 221	0.61 88	0.73 262	1.78 267	0.67 42	1.03 112	1.12 140	1.13 213	0.56 79	0.78 52	0.41 66	0.17 32	0.16 157	0.23 151	0.20 138	0.22 153	0.20 135

MyStereo05	0.66 140	0.28 84	1.07 262	0.56 166	0.46 221	0.61 88	0.73 262	1.34 163	1.41 308	1.15 157	0.91 67	0.77 88	0.80 165	1.41 165	0.63 181	0.17 32	0.16 157	0.23 151	0.20 138	0.22 153	0.20 135

11t1	0.52 40	0.28 84	0.68 89	0.51 95	0.28 52	0.83 191	0.39 81	1.22 143	0.63 26	0.84 73	0.74 39	0.68 70	0.68 128	0.91 77	0.57 160	0.21 145	0.18 196	0.19 50	0.16 59	0.20 98	0.21 151

IGEVStereo-DCA	0.46 25	0.28 84	0.56 38	0.43 8	0.33 123	0.49 31	0.42 97	0.87 25	0.50 7	0.47 14	0.48 6	0.48 23	0.46 34	2.03 252	0.30 1	0.19 92	0.14 76	0.19 50	0.15 31	0.16 13	0.18 79

rrr	0.46 25	0.28 84	0.73 131	0.43 8	0.33 123	0.49 31	0.38 70	0.76 10	0.50 7	0.47 14	0.48 6	0.48 23	0.46 34	2.03 252	0.30 1	0.19 92	0.14 76	0.19 50	0.15 31	0.16 13	0.16 42

Selective-RAFT	0.52 40	0.28 84	0.79 170	0.55 154	0.27 33	0.91 207	0.33 34	0.80 18	0.88 86	0.58 33	0.63 22	0.81 99	0.77 153	1.29 136	0.48 116	0.19 92	0.14 76	0.17 15	0.15 31	0.19 72	0.17 61

ProNet	0.43 14	0.28 84	0.58 49	0.43 8	0.30 80	0.56 69	0.52 180	1.00 68	0.58 19	0.44 9	0.49 8	0.43 7	0.43 23	1.28 133	0.36 33	0.15 6	0.13 43	0.19 50	0.16 59	0.17 25	0.16 42

TestStereo1	0.63 117	0.28 84	0.75 147	0.76 318	0.31 92	0.48 21	0.43 113	1.30 157	1.21 223	0.97 94	1.31 204	0.64 61	0.77 153	1.75 220	0.42 74	0.20 118	0.15 126	0.22 123	0.18 89	0.21 132	0.17 61

DisPM	0.66 140	0.28 84	0.72 119	0.61 219	0.35 141	0.62 94	0.45 136	1.02 74	0.99 130	1.56 311	1.10 129	0.80 96	0.59 96	2.37 278	0.41 66	0.23 191	0.14 76	0.23 151	0.21 174	0.20 98	0.25 208

SA-5K	0.63 117	0.28 84	0.75 147	0.76 318	0.31 92	0.48 21	0.43 113	1.30 157	1.21 223	0.97 94	1.31 204	0.64 61	0.77 153	1.75 220	0.42 74	0.20 118	0.15 126	0.22 123	0.18 89	0.21 132	0.17 61

MIPNet	0.56 87	0.28 84	0.94 220	0.49 65	0.33 123	0.66 118	0.38 70	1.35 165	1.08 163	1.06 116	0.92 69	0.60 53	0.79 160	0.73 44	0.52 138	0.17 32	0.14 76	0.19 50	0.16 59	0.18 42	0.17 61

PFNet+	0.59 99	0.28 84	0.77 160	0.53 120	0.30 80	0.59 79	0.31 28	0.92 41	1.14 191	1.33 255	1.10 129	0.79 94	0.57 87	1.31 138	0.49 123	0.25 231	0.17 181	0.28 248	0.26 254	0.21 132	0.25 208

LCNet	0.72 162	0.28 84	0.52 27	0.55 154	0.31 92	0.69 133	0.54 190	1.00 68	0.88 86	1.19 186	1.34 216	0.97 163	1.34 317	2.56 286	0.45 93	0.18 60	0.13 43	0.21 97	0.25 241	0.27 223	0.73 367

AAGNet	1.83 357	0.28 84	0.72 119	0.61 219	0.32 107	0.67 122	0.51 171	0.96 59	0.98 123	1.47 290	1.20 168	1.00 170	1.18 289	2.83 295	22.77 422	0.22 168	0.13 43	0.22 123	0.19 109	0.23 178	0.15 27

STrans-v2	1.04 279	0.28 84	0.96 227	0.49 65	0.32 107	0.68 129	0.79 275	2.47 376	1.12 179	1.12 138	1.46 253	1.40 266	1.46 326	6.70 378	0.43 83	0.18 60	0.13 43	0.20 74	0.18 89	0.18 42	0.18 79

TransformOpticalFlow	0.96 254	0.28 84	0.89 206	0.52 111	0.31 92	0.66 118	0.54 190	1.75 254	1.12 179	1.09 124	1.44 245	1.37 265	1.01 253	6.70 378	0.42 74	0.19 92	0.12 9	0.20 74	0.19 109	0.18 42	0.19 112

KYRaft	0.75 186	0.28 84	0.62 64	0.56 166	0.29 63	0.67 122	0.86 293	0.94 49	0.84 77	1.62 321	2.21 349	1.16 217	1.02 258	1.57 192	0.40 59	0.20 118	0.13 43	0.22 123	0.28 279	0.20 98	1.02 378

SST-Stereo	0.83 218	0.28 84	0.72 119	0.59 196	0.31 92	0.72 145	0.26 10	1.09 107	0.86 78	1.47 290	1.10 129	1.00 170	0.87 197	5.73 360	0.45 93	0.22 168	0.13 43	0.23 151	0.19 109	0.23 178	0.18 79

RAFT_R40	0.83 218	0.28 84	0.73 131	0.59 196	0.31 92	0.69 133	0.44 125	1.10 109	0.95 109	1.47 290	1.10 129	1.00 170	0.85 186	5.53 354	0.46 106	0.22 168	0.13 43	0.23 151	0.20 138	0.23 178	0.18 79

IRAFT_RVC	0.88 236	0.28 84	0.76 156	0.63 239	0.31 92	0.65 109	1.02 325	1.22 143	0.94 107	1.22 198	1.04 111	1.01 177	0.98 241	5.82 361	0.53 146	0.22 168	0.12 9	0.25 207	0.20 138	0.20 98	0.19 112

test_xeample3	0.42 12	0.28 84	0.69 98	0.43 8	0.33 123	0.56 69	0.38 70	0.79 13	0.45 3	0.53 30	0.46 4	0.44 9	0.44 27	1.38 154	0.31 5	0.18 60	0.14 76	0.19 50	0.15 31	0.17 25	0.16 42

xxxx	1.51 335	0.28 84	0.68 89	0.54 135	0.28 52	1.16 263	0.44 125	2.19 353	1.29 256	1.09 124	1.36 223	1.22 226	0.85 186	1.79 228	15.70 415	0.24 206	0.21 242	0.21 97	0.20 138	0.22 153	0.23 184

test_xeample	1.45 331	0.28 84	0.65 77	0.51 95	0.28 52	0.94 218	0.59 229	2.14 340	1.29 256	1.24 209	1.51 265	0.88 131	0.86 194	1.46 171	15.10 412	0.22 168	0.20 226	0.22 123	0.20 138	0.22 153	0.22 166

EAI-Stereo	0.65 132	0.28 84	0.69 98	0.53 120	0.27 33	0.60 85	0.40 84	2.28 363	0.64 28	0.71 49	3.18 373	0.57 44	0.43 23	1.06 106	0.41 66	0.18 60	0.13 43	0.17 15	0.17 75	0.17 25	0.17 61

SFCPSM	0.70 156	0.28 84	1.02 247	0.51 95	0.38 171	1.37 292	0.66 247	2.00 316	1.03 143	1.17 177	1.21 170	0.82 104	0.78 158	1.03 99	0.53 146	0.21 145	0.17 181	0.22 123	0.24 230	0.21 132	0.19 112

FENet	0.60 102	0.28 84	0.63 67	0.54 135	0.33 123	0.83 191	0.38 70	1.27 153	1.07 159	1.00 102	0.86 58	0.99 169	0.85 186	0.96 84	0.68 190	0.22 168	0.15 126	0.23 151	0.20 138	0.22 153	0.23 184

GANet-RSSM	0.72 162	0.28 84	0.63 67	0.64 248	0.58 277	0.80 182	0.58 222	1.89 290	1.08 163	1.04 115	1.25 182	1.15 216	1.04 261	1.49 177	0.62 177	0.25 231	0.19 209	0.22 123	0.22 199	0.22 153	0.21 151

MyStereo8	0.65 132	0.29 111	1.00 237	0.58 183	0.49 229	0.91 207	0.35 47	1.18 129	1.31 266	1.16 168	1.27 191	0.90 136	0.64 120	0.72 41	0.95 252	0.18 60	0.14 76	0.20 74	0.18 89	0.22 153	0.26 226

MyStereo07	0.48 33	0.29 111	0.50 18	0.55 154	0.45 211	0.59 79	0.79 275	1.05 87	0.51 14	0.48 18	0.53 10	0.43 7	0.55 75	1.30 137	0.34 24	0.17 32	0.16 157	0.24 171	0.20 138	0.23 178	0.20 135

MyStereo04	0.67 149	0.29 111	1.07 262	0.55 154	0.45 211	0.59 79	0.79 275	1.50 196	1.40 305	0.91 81	0.91 67	0.74 82	0.86 194	1.52 180	0.62 177	0.17 32	0.16 157	0.24 171	0.20 138	0.23 178	0.20 135

CoDeX	0.73 176	0.29 111	0.93 218	0.54 135	0.36 146	1.14 256	0.61 234	2.34 368	1.17 206	1.16 168	1.25 182	0.91 137	0.87 197	1.33 142	0.64 184	0.20 118	0.16 157	0.21 97	0.18 89	0.20 98	0.18 79

1111x	1.70 352	0.29 111	0.86 188	0.51 95	0.27 33	1.01 237	0.68 252	2.22 357	1.28 252	1.13 152	1.40 235	1.21 224	1.10 277	5.53 354	15.20 413	0.22 168	0.21 242	0.22 123	0.22 199	0.24 192	0.22 166

knoymous	0.51 39	0.29 111	0.47 13	0.43 8	0.30 80	0.55 66	0.55 203	1.02 74	0.77 62	0.98 98	0.85 57	0.94 149	0.56 79	0.85 67	0.45 93	0.20 118	0.14 76	0.26 227	0.14 23	0.23 178	0.23 184

RAFT+CT+SA	0.58 96	0.29 111	0.60 57	0.66 265	0.37 154	0.42 13	0.55 203	1.27 153	1.03 143	0.70 47	1.22 172	0.60 53	0.70 134	1.64 201	0.41 66	0.18 60	0.13 43	0.22 123	0.22 199	0.21 132	0.18 79

Sa-1000	0.72 162	0.29 111	0.76 156	0.59 196	0.30 80	0.73 148	0.37 66	1.62 229	1.33 274	1.28 222	2.04 340	0.86 124	0.75 141	1.84 232	0.38 48	0.19 92	0.14 76	0.25 207	0.23 219	0.20 98	0.16 42

iRaft-Stereo_5w	0.85 226	0.29 111	0.91 212	0.53 120	0.43 198	0.49 31	0.68 252	0.99 64	0.87 82	0.79 61	1.34 216	1.46 279	0.91 210	5.11 344	1.11 275	0.17 32	0.14 76	0.22 123	0.18 89	0.20 98	0.20 135

NRIStereo	0.60 102	0.29 111	0.69 98	0.53 120	0.28 52	0.63 95	0.33 34	1.08 106	0.87 82	1.14 154	0.87 61	0.91 137	0.59 96	2.24 269	0.49 123	0.20 118	0.14 76	0.21 97	0.19 109	0.21 132	0.17 61

Pruner-Stereo	0.62 111	0.29 111	0.70 104	0.61 219	0.31 92	0.63 95	0.43 113	1.17 124	0.99 130	1.53 303	1.08 120	0.95 155	0.55 75	1.35 146	0.51 132	0.23 191	0.14 76	0.24 171	0.21 174	0.21 132	0.23 184

DeepStereo_RVC	0.55 78	0.29 111	0.72 119	0.51 95	0.30 80	0.59 79	0.33 34	1.03 77	0.70 48	1.16 168	0.93 71	0.83 111	0.94 224	0.96 84	0.54 152	0.21 145	0.14 76	0.21 97	0.19 109	0.24 192	0.24 196

rafts_anoy	0.52 40	0.29 111	0.59 53	0.59 196	0.50 235	0.53 57	0.40 84	1.11 115	1.03 143	0.84 73	0.83 54	0.68 70	0.54 69	0.72 41	0.51 132	0.19 92	0.14 76	0.24 171	0.26 254	0.21 132	0.18 79

222	1.61 344	0.29 111	0.67 86	0.56 166	0.29 63	1.06 245	0.42 97	2.17 351	1.31 266	1.31 245	1.52 266	0.92 145	0.94 224	1.76 225	17.65 416	0.24 206	0.20 226	0.21 97	0.19 109	0.22 153	0.23 184

ac_64	0.82 213	0.29 111	0.81 176	0.71 300	0.60 287	1.05 242	0.54 190	1.99 315	0.92 102	1.18 182	1.06 114	1.99 341	1.08 273	1.94 245	0.97 257	0.27 254	0.22 256	0.24 171	0.23 219	0.22 153	0.19 112

HSM-Net_RVC	0.87 235	0.29 111	0.53 29	0.53 120	0.30 80	1.15 261	0.55 203	3.57 391	1.28 252	1.53 303	1.74 307	1.68 314	0.93 219	1.49 177	0.77 215	0.22 168	0.17 181	0.19 50	0.18 89	0.20 98	0.19 112
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
SMFormer	0.75 186	0.30 127	0.86 188	0.46 35	0.26 20	0.82 187	0.43 113	2.05 325	1.39 300	1.23 201	1.47 254	0.98 164	0.95 229	1.71 215	0.82 232	0.24 206	0.20 226	0.22 123	0.21 174	0.23 178	0.24 196

tta	0.75 186	0.30 127	0.86 188	0.46 35	0.26 20	0.82 187	0.43 113	2.05 325	1.39 300	1.23 201	1.47 254	0.98 164	0.95 229	1.71 215	0.82 232	0.24 206	0.20 226	0.22 123	0.21 174	0.18 42	0.18 79

qqq1	0.72 162	0.30 127	0.86 188	0.46 35	0.26 20	0.82 187	0.43 113	2.05 325	1.39 300	1.23 201	1.47 254	0.98 164	0.95 229	1.71 215	0.44 85	0.24 206	0.20 226	0.18 37	0.15 31	0.18 42	0.18 79

fff1	0.72 162	0.30 127	0.86 188	0.46 35	0.26 20	0.82 187	0.43 113	2.05 325	1.39 300	1.23 201	1.47 254	0.98 164	0.95 229	1.71 215	0.44 85	0.24 206	0.20 226	0.18 37	0.15 31	0.18 42	0.18 79

IGEV_Zeroshot_test	0.53 49	0.30 127	0.99 232	0.56 166	0.35 141	0.41 12	0.32 31	1.37 168	0.63 26	1.00 102	1.09 125	0.95 155	0.41 19	0.83 63	0.39 55	0.18 60	0.12 9	0.19 50	0.18 89	0.19 72	0.17 61

EKT-Stereo	0.53 49	0.30 127	0.73 131	0.58 183	0.60 287	0.51 50	0.48 157	0.94 49	0.90 93	0.71 49	0.88 63	0.77 88	0.43 23	1.07 110	0.40 59	0.22 168	0.16 157	0.21 97	0.18 89	0.20 98	0.22 166

HH	0.63 117	0.30 127	0.77 160	0.50 72	0.32 107	0.49 31	0.46 143	1.65 233	0.64 28	0.69 45	1.09 125	1.63 306	0.85 186	1.90 239	0.37 38	0.18 60	0.13 43	0.19 50	0.17 75	0.19 72	0.16 42

HanStereo	0.63 117	0.30 127	0.77 160	0.50 72	0.32 107	0.49 31	0.46 143	1.65 233	0.64 28	0.69 45	1.09 125	1.63 306	0.85 186	1.90 239	0.37 38	0.18 60	0.13 43	0.19 50	0.17 75	0.19 72	0.16 42

raft_robust	0.68 153	0.30 127	0.64 73	0.52 111	0.26 20	0.54 60	0.35 47	1.33 159	1.24 232	1.16 168	1.07 117	0.60 53	0.54 69	3.58 320	0.37 38	0.18 60	0.14 76	0.20 74	0.22 199	0.20 98	0.16 42

test_5	0.65 132	0.30 127	0.75 147	0.67 275	0.50 235	0.92 213	0.52 180	1.39 174	1.12 179	0.76 54	1.11 134	1.00 170	0.90 208	1.53 184	0.45 93	0.18 60	0.13 43	0.23 151	0.22 199	0.21 132	0.19 112

SA	0.66 140	0.30 127	0.82 178	0.61 219	0.30 80	0.58 75	0.38 70	1.44 185	1.30 262	0.96 91	1.36 223	0.66 66	0.95 229	1.85 235	0.42 74	0.19 92	0.15 126	0.25 207	0.23 219	0.21 132	0.17 61

Patchmatch Stereo++	0.55 78	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.29 20	1.05 87	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	1.37 150	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79
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
NF-Stereo	0.80 205	0.30 127	0.75 147	0.60 207	0.31 92	0.64 97	0.44 125	1.21 136	0.90 93	1.29 227	1.02 100	0.82 104	0.57 87	5.40 352	0.48 116	0.23 191	0.14 76	0.24 171	0.20 138	0.20 98	0.30 258

OCTAStereo	0.80 205	0.30 127	0.75 147	0.60 207	0.31 92	0.64 97	0.44 125	1.21 136	0.90 93	1.29 227	1.01 93	0.82 104	0.57 87	5.35 347	0.48 116	0.24 206	0.14 76	0.24 171	0.20 138	0.20 98	0.30 258

PSM-adaLoss	0.54 63	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.41 95	1.04 81	0.64 28	1.12 138	0.96 75	0.82 104	0.61 107	1.06 106	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

ROB_FTStereo_v2	0.54 63	0.30 127	0.73 131	0.50 72	0.27 33	0.64 97	0.42 97	1.05 87	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	1.12 118	0.46 106	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

ROB_FTStereo	0.54 63	0.30 127	0.73 131	0.50 72	0.27 33	0.64 97	0.25 4	1.05 87	0.64 28	1.12 138	0.95 73	0.82 104	0.61 107	1.15 121	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

HUI-Stereo	0.52 40	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.30 23	1.04 81	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	0.79 55	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

RE-Stereo	0.80 205	0.30 127	0.75 147	0.60 207	0.31 92	0.64 97	0.44 125	1.21 136	0.90 93	1.29 227	1.01 93	0.81 99	0.57 87	5.37 350	0.48 116	0.24 206	0.14 76	0.24 171	0.20 138	0.20 98	0.30 258

TVStereo	0.80 205	0.30 127	0.75 147	0.60 207	0.31 92	0.64 97	0.44 125	1.21 136	0.90 93	1.29 227	1.01 93	0.81 99	0.57 87	5.37 350	0.48 116	0.24 206	0.14 76	0.24 171	0.20 138	0.20 98	0.30 258

iGMRVC	0.56 87	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.38 70	1.05 87	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	1.52 180	0.46 106	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

iRAFT	0.55 78	0.30 127	0.73 131	0.50 72	0.27 33	0.65 109	0.29 20	1.05 87	0.64 28	1.12 138	0.96 75	0.83 111	0.60 98	1.37 150	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

CRE-IMP	0.55 78	0.30 127	0.74 145	0.52 111	0.29 63	0.79 177	0.25 4	1.04 81	0.72 53	1.09 124	0.95 73	0.81 99	0.57 87	1.10 113	0.50 129	0.21 145	0.14 76	0.23 151	0.19 109	0.28 237	0.22 166

RAFT	0.64 127	0.30 127	0.73 131	0.59 196	0.33 123	0.68 129	0.58 222	1.04 81	0.76 60	1.08 119	1.19 165	1.65 311	0.93 219	1.06 106	0.56 158	0.21 145	0.18 196	0.27 238	0.24 230	0.22 153	0.17 61

RAFT-IKP	0.54 63	0.30 127	0.73 131	0.50 72	0.27 33	0.59 79	0.36 57	1.04 81	0.64 28	1.12 138	0.96 75	0.83 111	0.61 107	1.22 127	0.45 93	0.22 168	0.14 76	0.24 171	0.20 138	0.26 211	0.18 79

RALCasStereoNet	0.54 63	0.30 127	0.66 83	0.59 196	0.51 245	0.61 88	0.52 180	0.94 49	0.93 104	0.70 47	1.01 93	0.78 91	0.44 27	1.33 142	0.47 111	0.20 118	0.16 157	0.18 37	0.16 59	0.20 98	0.19 112

cf-r	0.73 176	0.30 127	0.77 160	0.55 154	0.63 296	0.78 173	0.48 157	1.79 269	1.15 200	1.13 152	1.26 188	1.43 271	0.87 197	1.40 164	0.85 240	0.25 231	0.18 196	0.22 123	0.23 219	0.19 72	0.19 112

PSMNet-RSSM	0.72 162	0.30 127	0.61 60	0.63 239	0.42 193	0.73 148	0.56 209	1.92 300	1.10 173	1.09 124	1.37 225	1.22 226	0.98 241	1.28 133	0.72 200	0.27 254	0.19 209	0.27 238	0.29 290	0.24 192	0.24 196

DIP-Stereo	0.62 111	0.30 127	0.83 180	0.48 52	0.36 146	0.95 222	0.33 34	2.37 370	0.67 42	1.25 213	1.00 88	0.68 70	0.51 59	0.91 77	0.61 174	0.18 60	0.15 126	0.21 97	0.17 75	0.19 72	0.19 112
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	1.12 295	0.30 127	0.91 212	0.66 265	0.77 333	0.97 230	0.57 219	1.37 168	1.35 285	1.02 108	1.34 216	2.11 350	1.43 322	7.09 383	1.39 310	0.19 92	0.17 181	0.17 15	0.19 109	0.18 42	0.16 42

iResNet_ROB	0.77 193	0.30 127	0.99 232	0.57 177	0.36 146	0.83 191	0.36 57	2.33 366	1.58 331	1.27 220	1.30 199	1.25 237	0.84 183	1.65 202	0.79 223	0.20 118	0.14 76	0.17 15	0.12 9	0.18 42	0.27 232

ACVNet-DCA	0.56 87	0.31 158	0.50 18	0.54 135	0.26 20	1.18 266	0.51 171	1.42 178	0.78 64	0.58 33	0.79 49	0.48 23	0.88 201	1.46 171	0.32 7	0.20 118	0.12 9	0.25 207	0.15 31	0.22 153	0.21 151

xx1	0.67 149	0.31 158	0.50 18	0.54 135	0.26 20	1.18 266	0.51 171	0.93 45	3.05 385	0.58 33	0.79 49	0.95 155	0.77 153	1.46 171	0.32 7	0.20 118	0.12 9	0.24 171	0.23 219	0.22 153	0.21 151

1test111	0.54 63	0.31 158	0.50 18	0.54 135	0.26 20	1.18 266	0.51 171	1.42 178	0.78 64	0.58 33	0.79 49	0.48 23	0.88 201	0.88 72	0.59 165	0.20 118	0.12 9	0.25 207	0.15 31	0.22 153	0.21 151

cc1	0.64 127	0.31 158	0.50 18	0.54 135	0.26 20	1.18 266	0.51 171	0.93 45	3.05 385	0.58 33	0.79 49	0.48 23	0.88 201	1.46 171	0.32 7	0.20 118	0.12 9	0.25 207	0.15 31	0.19 72	0.19 112

x	0.54 63	0.31 158	0.61 60	0.47 41	0.30 80	0.67 122	0.47 149	1.53 210	0.79 68	0.81 67	0.83 54	0.78 91	0.70 134	0.70 34	0.62 177	0.21 145	0.19 209	0.22 123	0.19 109	0.21 132	0.20 135

IER	0.70 156	0.31 158	1.02 247	0.48 52	0.52 253	1.34 289	0.51 171	1.17 124	0.99 130	1.23 201	1.34 216	1.12 208	1.11 278	0.99 92	0.71 197	0.20 118	0.16 157	0.21 97	0.21 174	0.20 98	0.19 112

iRaft-Stereo_20w	0.65 132	0.31 158	1.00 237	0.47 41	0.34 138	0.73 148	0.30 23	2.96 384	0.70 48	1.15 157	1.14 148	0.76 87	0.65 125	1.11 116	0.38 48	0.17 32	0.13 43	0.18 37	0.16 59	0.19 72	0.18 79

GwcNet-ADL	0.64 127	0.31 158	0.79 170	0.56 166	0.41 190	0.60 85	0.58 222	1.41 176	1.26 240	1.08 119	1.13 145	0.91 137	0.60 98	1.04 104	0.78 217	0.27 254	0.18 196	0.18 37	0.18 89	0.25 203	0.29 246

IIG-Stereo	0.96 254	0.31 158	0.72 119	0.88 352	0.33 123	0.61 88	0.26 10	1.19 135	1.03 143	1.69 327	1.37 225	1.46 279	0.75 141	6.96 382	0.51 132	0.19 92	0.14 76	0.23 151	0.18 89	0.20 98	0.14 11

PSM-softLoss	0.78 199	0.31 158	0.77 160	0.58 183	0.32 107	0.56 69	0.40 84	1.18 129	0.70 48	1.24 209	1.07 117	0.83 111	0.52 61	5.36 348	0.53 146	0.24 206	0.15 126	0.25 207	0.22 199	0.20 98	0.25 208

KMStereo	0.78 199	0.31 158	0.77 160	0.58 183	0.32 107	0.56 69	0.40 84	1.18 129	0.70 48	1.24 209	1.07 117	0.83 111	0.52 61	5.36 348	0.53 146	0.24 206	0.15 126	0.25 207	0.22 199	0.20 98	0.25 208

CroCo-Stereo	0.40 8	0.31 158	0.73 131	0.58 183	0.27 33	0.26 1	0.33 34	0.95 52	0.81 70	0.42 5	0.47 5	0.65 64	0.47 40	0.39 1	0.34 24	0.18 60	0.15 126	0.16 9	0.14 23	0.19 72	0.16 42
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
ACVNet	0.63 117	0.31 158	0.54 33	0.54 135	0.36 146	0.80 182	0.46 143	1.37 168	1.07 159	0.93 84	1.30 199	1.08 195	0.85 186	0.80 56	0.94 250	0.21 145	0.19 209	0.21 97	0.18 89	0.22 153	0.18 79

acv_ft	0.75 186	0.31 158	0.95 223	0.70 293	0.86 352	1.24 276	0.53 186	1.44 185	1.07 159	1.24 209	1.30 199	1.08 195	0.92 213	0.80 56	1.34 302	0.21 145	0.19 209	0.21 97	0.18 89	0.21 132	0.18 79

tt1	0.62 111	0.32 172	0.51 24	0.54 135	0.26 20	1.16 263	0.48 157	0.95 52	2.47 373	0.57 32	0.77 44	0.49 30	0.81 168	1.55 188	0.32 7	0.20 118	0.12 9	0.24 171	0.15 31	0.19 72	0.20 135

PCWNet_CMD	0.66 140	0.32 172	0.88 201	0.49 65	0.37 154	0.78 173	0.40 84	1.42 178	1.31 266	1.16 168	1.31 204	1.25 237	0.62 112	0.89 75	0.57 160	0.20 118	0.16 157	0.27 238	0.19 109	0.40 298	0.25 208

BUS	0.74 179	0.32 172	0.68 89	0.54 135	0.44 204	2.34 366	0.42 97	2.16 345	0.98 123	1.20 190	1.11 134	1.03 182	0.62 112	0.91 77	0.70 192	0.24 206	0.17 181	0.25 207	0.22 199	0.22 153	0.22 166

BSDual-CNN	0.71 161	0.32 172	0.68 89	0.54 135	0.44 204	1.27 280	0.65 242	2.16 345	0.98 123	1.20 190	1.11 134	1.12 208	0.74 139	0.91 77	0.66 186	0.24 206	0.17 181	0.25 207	0.22 199	0.22 153	0.22 166

hknet	0.77 193	0.32 172	0.95 223	0.54 135	0.38 171	1.27 280	0.65 242	2.16 345	1.07 159	1.20 190	1.11 134	1.59 300	0.81 168	1.37 150	0.66 186	0.22 168	0.17 181	0.25 207	0.22 199	0.22 153	0.22 166

psmg	0.72 162	0.32 172	0.68 89	0.50 72	0.44 204	1.48 305	0.75 264	1.94 306	0.98 123	1.21 193	1.33 211	1.12 208	0.74 139	0.91 77	0.66 186	0.24 206	0.19 209	0.25 207	0.25 241	0.23 178	0.22 166

CFNet_pseudo	0.66 140	0.32 172	0.86 188	0.48 52	0.39 179	0.70 140	0.40 84	1.33 159	1.22 225	1.16 168	1.34 216	1.24 233	0.64 120	0.98 90	0.59 165	0.21 145	0.16 157	0.33 289	0.19 109	0.36 278	0.25 208

MMNet	0.84 222	0.32 172	1.09 266	0.60 207	0.59 284	1.85 342	0.49 164	1.51 201	1.27 247	1.37 265	1.15 154	1.26 241	1.18 289	1.67 207	1.22 286	0.19 92	0.18 196	0.23 151	0.22 199	0.25 203	0.21 151

delet	0.85 226	0.32 172	0.95 223	0.65 260	0.66 303	1.64 321	0.84 287	1.75 254	1.35 285	1.32 247	1.30 199	1.30 252	0.88 201	1.68 212	1.10 273	0.21 145	0.21 242	0.24 171	0.24 230	0.21 132	0.21 151

UPFNet	0.80 205	0.32 172	0.90 209	0.59 196	0.74 323	1.26 279	0.80 281	1.52 204	1.10 173	1.30 235	1.12 140	1.30 252	0.84 183	1.67 207	1.09 270	0.24 206	0.24 274	0.24 171	0.23 219	0.25 203	0.18 79

GwcNet-RSSM	0.77 193	0.32 172	1.01 241	0.62 231	0.54 259	0.78 173	0.51 171	1.73 248	1.20 218	1.09 124	1.37 225	1.46 279	0.85 186	1.53 184	1.09 270	0.25 231	0.18 196	0.23 151	0.24 230	0.20 98	0.19 112

CFNet-ft	0.72 162	0.32 172	0.54 33	0.66 265	0.54 259	0.83 191	0.55 203	1.37 168	1.15 200	0.93 84	1.28 195	1.57 296	0.97 237	1.35 146	0.81 227	0.26 245	0.20 226	0.33 289	0.25 241	0.30 251	0.23 184

MSMDNet	0.66 140	0.32 172	0.87 198	0.49 65	0.37 154	0.79 177	0.40 84	1.43 184	1.31 266	1.15 157	1.31 204	1.24 233	0.63 117	0.88 72	0.57 160	0.21 145	0.16 157	0.26 227	0.19 109	0.39 294	0.24 196

CFNet_RVC	0.72 162	0.32 172	0.54 33	0.66 265	0.54 259	0.83 191	0.55 203	1.37 168	1.15 200	0.93 84	1.28 195	1.57 296	0.97 237	1.35 146	0.81 227	0.26 245	0.20 226	0.33 289	0.25 241	0.30 251	0.23 184

HSM	1.19 307	0.32 172	0.65 77	0.57 177	0.38 171	1.23 275	0.59 229	2.25 360	1.19 213	1.30 235	1.25 182	1.94 336	1.03 260	9.32 404	0.71 197	0.22 168	0.16 157	0.20 74	0.16 59	0.21 132	0.21 151

DN-CSS_ROB	0.64 127	0.32 172	1.05 255	0.55 154	0.40 184	0.54 60	0.45 136	1.21 136	0.93 104	1.03 112	1.47 254	0.69 75	0.63 117	1.76 225	0.49 123	0.18 60	0.14 76	0.25 207	0.22 199	0.22 153	0.20 135

DualNet	1.09 287	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	0.95 52	2.47 373	1.15 157	1.45 247	1.06 188	0.82 172	1.55 188	7.61 393	0.20 118	0.12 9	0.31 269	0.27 262	0.19 72	0.20 135

ffm	0.72 162	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	0.95 52	2.47 373	1.15 157	1.45 247	1.06 188	0.82 172	1.55 188	0.32 7	0.20 118	0.12 9	0.31 269	0.27 262	0.19 72	0.20 135

ff1	1.37 324	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	0.95 52	2.47 373	1.15 157	1.45 247	1.06 188	0.82 172	7.22 384	7.61 393	0.20 118	0.12 9	0.31 269	0.27 262	0.19 72	0.20 135

mmx	1.39 326	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	2.13 336	1.37 292	1.15 157	1.45 247	1.06 188	0.82 172	7.22 384	7.61 393	0.24 206	0.19 209	0.31 269	0.27 262	0.30 251	0.25 208

xxx	1.39 326	0.33 188	0.85 182	0.53 120	0.37 154	0.74 151	0.56 209	2.13 336	1.37 292	1.15 157	1.45 247	1.06 188	0.82 172	7.22 384	7.61 393	0.24 206	0.19 209	0.31 269	0.27 262	0.30 251	0.25 208

CFNet_ucs	0.70 156	0.33 188	0.88 201	0.50 72	0.43 198	0.74 151	0.44 125	1.60 223	1.29 256	1.22 198	1.54 269	1.09 201	0.63 117	0.99 92	0.59 165	0.25 231	0.20 226	0.37 316	0.21 174	0.40 298	0.28 243

LL-Strereo2	0.52 40	0.33 188	0.69 98	0.52 111	0.37 154	0.70 140	0.30 23	1.13 118	0.67 42	0.94 89	0.78 46	0.91 137	0.42 21	1.05 105	0.42 74	0.17 32	0.16 157	0.29 256	0.25 241	0.21 132	0.16 42

CBFPSM	0.92 246	0.33 188	1.86 349	0.49 65	0.38 171	1.75 329	0.84 287	1.39 174	1.12 179	1.09 124	0.99 85	2.37 360	1.66 347	1.32 140	1.42 319	0.19 92	0.18 196	0.20 74	0.20 138	0.21 132	0.33 278

gwcnet-sp	0.74 179	0.33 188	1.44 312	0.57 177	0.45 211	1.40 297	0.54 190	1.50 196	1.14 191	1.30 235	1.02 100	0.94 149	0.82 172	1.39 159	0.76 209	0.21 145	0.21 242	0.22 123	0.21 174	0.22 153	0.22 166

scenet	0.74 179	0.33 188	1.44 312	0.57 177	0.45 211	1.40 297	0.54 190	1.50 196	1.14 191	1.30 235	1.02 100	0.94 149	0.82 172	1.39 159	0.76 209	0.21 145	0.21 242	0.22 123	0.21 174	0.22 153	0.22 166

ToySt	0.66 140	0.33 188	1.23 286	0.51 95	0.33 123	0.86 200	0.68 252	1.10 109	0.97 118	0.84 73	1.08 120	1.25 237	0.94 224	1.01 96	0.74 204	0.19 92	0.19 209	0.24 171	0.24 230	0.27 223	0.23 184

ssnet	0.74 179	0.33 188	1.44 312	0.57 177	0.45 211	1.40 297	0.54 190	1.50 196	1.14 191	1.30 235	1.02 100	0.94 149	0.82 172	1.39 159	0.76 209	0.21 145	0.21 242	0.22 123	0.21 174	0.22 153	0.22 166

CIPLG	0.62 111	0.33 188	0.96 227	0.58 183	0.50 235	0.75 157	0.48 157	1.05 87	0.96 111	1.40 276	1.57 279	0.64 61	0.48 48	0.89 75	0.70 192	0.23 191	0.15 126	0.19 50	0.16 59	0.19 72	0.21 151

IPLGR_C	0.62 111	0.33 188	0.99 232	0.58 183	0.49 229	0.76 162	0.48 157	1.10 109	0.96 111	1.40 276	1.56 275	0.62 56	0.48 48	0.80 56	0.71 197	0.23 191	0.15 126	0.19 50	0.16 59	0.19 72	0.21 151

ACRE	0.61 108	0.33 188	1.01 241	0.58 183	0.49 229	0.75 157	0.47 149	1.06 100	0.95 109	1.37 265	1.55 271	0.62 56	0.46 34	0.83 63	0.70 192	0.23 191	0.15 126	0.19 50	0.16 59	0.18 42	0.21 151

OMP-Stereo	0.94 250	0.33 188	0.72 119	0.90 357	0.31 92	0.49 31	0.36 57	1.16 122	1.06 154	1.58 317	1.12 140	1.46 279	0.69 131	6.94 381	0.49 123	0.19 92	0.14 76	0.24 171	0.18 89	0.20 98	0.14 11

ICVP	0.63 117	0.33 188	0.57 46	0.61 219	0.40 184	0.80 182	0.58 222	1.61 226	0.89 89	0.90 79	1.24 178	0.88 131	0.73 137	0.72 41	0.88 244	0.29 272	0.21 242	0.22 123	0.21 174	0.24 192	0.27 232
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RALAANet	0.60 102	0.33 188	0.87 198	0.62 231	0.50 235	0.69 133	0.31 28	1.21 136	1.06 154	1.09 124	1.16 157	0.88 131	0.46 34	1.22 127	0.42 74	0.19 92	0.15 126	0.21 97	0.17 75	0.27 223	0.17 61

ccs_rob	0.66 140	0.33 188	0.86 188	0.48 52	0.39 179	0.70 140	0.40 84	1.33 159	1.22 225	1.16 168	1.34 216	1.23 231	0.64 120	0.98 90	0.59 165	0.21 145	0.16 157	0.35 306	0.20 138	0.37 282	0.25 208

ttt	0.94 250	0.34 207	0.59 53	0.61 219	0.37 154	0.94 218	0.50 170	2.17 351	1.34 277	1.23 201	1.61 287	0.91 137	0.76 149	1.85 235	3.97 378	0.30 276	0.26 285	0.26 227	0.24 230	0.29 242	0.29 246

StereoVision	0.65 132	0.34 207	0.86 188	0.59 196	0.40 184	0.50 40	0.41 95	1.09 107	0.93 104	0.71 49	2.50 362	0.82 104	0.57 87	1.03 99	0.49 123	0.25 231	0.28 299	0.29 256	0.28 279	0.36 278	0.20 135

CASS	0.65 132	0.34 207	0.72 119	0.56 166	0.27 33	0.78 173	0.42 97	1.59 220	0.86 78	1.30 235	1.25 182	0.87 128	0.84 183	0.84 65	0.54 152	0.35 308	0.19 209	0.26 227	0.21 174	0.28 237	0.42 309
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.44 22	0.34 207	0.77 160	0.61 219	0.79 338	0.28 2	0.35 47	0.75 8	0.71 52	0.38 4	0.50 9	0.72 81	0.55 75	0.57 13	0.47 111	0.17 32	0.18 196	0.19 50	0.16 59	0.21 132	0.20 135

qqq	0.57 91	0.34 207	0.71 115	0.47 41	0.27 33	0.64 97	0.62 236	1.42 178	0.78 64	0.80 63	0.92 69	0.95 155	0.77 153	0.88 72	0.59 165	0.21 145	0.20 226	0.24 171	0.23 219	0.22 153	0.21 151

DAS	0.84 222	0.34 207	1.03 251	0.64 248	0.69 313	0.77 168	0.63 237	1.54 212	1.20 218	1.79 337	1.55 271	0.95 155	1.04 261	2.83 295	0.60 172	0.21 145	0.16 157	0.25 207	0.18 89	0.27 223	0.22 166

SepStereo	0.82 213	0.34 207	1.03 251	0.64 248	0.69 313	0.77 168	0.63 237	1.54 212	1.20 218	1.79 337	1.55 271	0.95 155	1.04 261	2.30 273	0.60 172	0.21 145	0.16 157	0.25 207	0.18 89	0.27 223	0.22 166

ADLNet2	0.88 236	0.34 207	1.17 280	0.77 321	0.64 298	1.12 254	0.76 267	1.74 252	1.24 232	1.21 193	1.65 296	1.71 317	1.05 265	1.67 207	1.17 282	0.24 206	0.21 242	0.21 97	0.22 199	0.26 211	0.29 246

GES	0.66 140	0.34 207	0.90 209	0.59 196	0.38 171	0.94 218	0.57 219	2.11 335	0.86 78	1.02 108	1.11 134	0.66 66	0.79 160	0.99 92	0.61 174	0.27 254	0.19 209	0.20 74	0.20 138	0.21 132	0.30 258

psm_up	0.77 193	0.34 207	0.70 104	0.66 265	0.58 277	1.05 242	0.92 306	1.52 204	1.12 179	1.26 217	1.16 157	1.31 255	1.23 301	1.20 125	0.81 227	0.25 231	0.29 307	0.31 269	0.27 262	0.27 223	0.25 208

UNet	0.83 218	0.34 207	1.31 299	0.58 183	0.74 323	1.58 315	0.49 164	1.41 176	1.04 147	1.21 193	1.08 120	1.54 292	1.12 281	1.65 202	1.09 270	0.23 191	0.17 181	0.25 207	0.20 138	0.25 203	0.22 166

DSFCA	0.93 249	0.34 207	1.06 258	0.52 111	0.65 301	1.55 312	0.93 310	1.49 192	1.19 213	1.56 311	1.15 154	1.50 287	0.96 234	3.07 303	1.02 262	0.30 276	0.26 285	0.25 207	0.25 241	0.28 237	0.24 196

DMCA	0.67 149	0.34 207	0.90 209	0.51 95	0.44 204	0.86 200	0.47 149	1.42 178	1.02 140	1.17 177	1.12 140	1.23 231	0.75 141	0.78 52	0.95 252	0.25 231	0.19 209	0.27 238	0.19 109	0.24 192	0.27 232

MLCV	0.72 162	0.34 207	1.10 269	0.51 95	0.23 6	0.91 207	0.39 81	1.33 159	1.23 228	1.46 289	1.55 271	1.01 177	0.64 120	1.95 246	0.80 226	0.18 60	0.12 9	0.18 37	0.14 23	0.19 72	0.17 61

DISCO	1.03 276	0.34 207	1.11 271	0.69 288	0.45 211	2.07 355	0.84 287	2.13 336	1.50 322	1.15 157	1.33 211	2.40 362	1.07 272	2.60 288	1.51 328	0.23 191	0.18 196	0.22 123	0.20 138	0.31 258	0.27 232

MDST_ROB	1.67 348	0.34 207	1.58 330	0.92 362	0.58 277	4.26 401	1.11 333	2.83 381	1.41 308	4.49 401	2.55 363	1.45 277	0.97 237	7.79 394	1.17 282	0.31 283	0.25 281	0.37 316	0.33 314	0.31 258	0.30 258

mmm	0.63 117	0.35 223	0.72 119	0.51 95	0.30 80	0.86 200	0.54 190	1.59 220	0.86 78	1.07 118	1.38 229	0.79 94	0.75 141	0.91 77	0.58 163	0.22 168	0.18 196	0.29 256	0.25 241	0.25 203	0.23 184

AASNet	0.76 192	0.35 223	0.91 212	0.79 324	0.81 345	1.14 256	0.56 209	2.02 323	1.08 163	1.22 198	1.24 178	0.93 146	0.76 149	0.77 51	1.16 280	0.27 254	0.23 265	0.24 171	0.20 138	0.28 237	0.24 196

AACVNet	0.86 231	0.35 223	0.79 170	0.82 335	0.39 179	0.76 162	0.49 164	1.61 226	0.81 70	1.08 119	1.33 211	1.30 252	0.93 219	4.34 331	0.74 204	0.25 231	0.21 242	0.28 248	0.22 199	0.29 242	0.25 208

PSMNet-ADL	0.72 162	0.35 223	0.62 64	0.69 288	0.46 221	1.14 256	0.44 125	1.37 168	1.01 137	0.83 71	1.17 160	1.33 257	0.96 234	1.43 166	0.95 252	0.33 293	0.22 256	0.21 97	0.23 219	0.27 223	0.29 246

GANet-ADL	0.60 102	0.35 223	0.72 119	0.64 248	0.40 184	0.68 129	0.51 171	1.49 192	1.12 179	0.95 90	1.08 120	0.91 137	0.57 87	0.76 49	0.55 156	0.26 245	0.18 196	0.18 37	0.16 59	0.23 178	0.25 208

hitnet-ft	0.79 202	0.35 223	0.57 46	0.58 183	0.42 193	0.96 226	0.46 143	1.47 190	1.33 274	1.19 186	1.22 172	1.81 325	0.98 241	1.66 206	0.94 250	0.33 293	0.28 299	0.34 299	0.27 262	0.35 272	0.31 268

UCFNet_RVC	0.69 154	0.35 223	0.49 17	0.64 248	0.39 179	0.85 199	0.58 222	1.75 254	1.14 191	0.97 94	1.19 165	1.17 218	0.93 219	0.99 92	0.62 177	0.28 264	0.20 226	0.34 299	0.31 302	0.32 263	0.27 232

Former-RAFT_DAM_RVC	0.46 25	0.36 230	0.71 115	0.47 41	0.36 146	0.67 122	0.35 47	0.78 12	1.12 179	0.61 40	0.62 21	0.39 4	0.39 14	0.71 38	0.39 55	0.20 118	0.17 181	0.22 123	0.18 89	0.23 178	0.19 112

ssnet_v2	0.88 236	0.36 230	1.02 247	0.62 231	0.38 171	1.32 286	0.97 316	2.07 331	1.34 277	1.37 265	1.18 162	1.54 292	0.92 213	1.10 113	1.65 333	0.30 276	0.27 293	0.30 265	0.28 279	0.27 223	0.26 226

ADLNet	0.85 226	0.36 230	0.89 206	0.85 344	0.72 318	1.24 276	0.76 267	1.82 276	1.36 288	1.52 302	1.35 222	1.27 245	0.99 249	1.23 129	1.15 279	0.27 254	0.20 226	0.26 227	0.25 241	0.28 237	0.30 258

ARAFT	0.77 193	0.36 230	1.49 325	0.51 95	0.31 92	0.90 205	0.82 285	1.90 293	1.06 154	1.62 321	1.24 178	1.02 179	0.64 120	1.84 232	0.50 129	0.18 60	0.14 76	0.28 248	0.27 262	0.17 25	0.16 42

CFNet	0.96 254	0.36 230	1.01 241	0.62 231	0.42 193	0.99 234	0.47 149	1.90 293	1.32 271	0.99 100	1.39 233	1.10 203	0.86 194	5.58 357	0.79 223	0.23 191	0.17 181	0.28 248	0.27 262	0.26 211	0.21 151

SGM_RVC	1.68 350	0.36 230	0.61 60	0.59 196	0.29 63	2.25 362	1.18 342	2.38 371	1.68 338	3.60 391	2.67 366	3.69 383	2.42 380	8.13 397	1.90 344	0.31 283	0.31 317	0.30 265	0.28 279	0.30 251	0.29 246
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DispNO	1.00 269	0.37 236	1.69 336	0.61 219	0.56 266	0.75 157	0.63 237	1.80 271	1.44 314	1.17 177	1.66 298	1.05 187	1.06 268	5.00 343	0.86 242	0.24 206	0.22 256	0.25 207	0.19 109	0.24 192	0.22 166

NINENet	0.77 193	0.37 236	0.78 168	0.62 231	0.51 245	2.34 366	0.42 97	1.83 280	1.04 147	1.14 154	1.23 176	1.03 182	0.62 112	1.24 130	0.70 192	0.28 264	0.23 265	0.31 269	0.21 174	0.26 211	0.25 208

GEStereo_RVC	0.90 241	0.37 236	0.99 232	0.64 248	0.50 235	0.95 222	0.79 275	2.42 373	1.17 206	1.16 168	1.11 134	1.26 241	0.92 213	3.24 309	0.90 247	0.29 272	0.19 209	0.23 151	0.20 138	0.27 223	0.29 246

pcwnet_v2	0.97 260	0.37 236	4.33 386	0.62 231	0.54 259	0.79 177	0.45 136	2.02 323	1.58 331	1.42 284	1.64 294	1.09 201	0.79 160	1.24 130	0.67 189	0.32 288	0.25 281	0.29 256	0.27 262	0.37 282	0.35 285

iResNetv2_ROB	0.80 205	0.37 236	1.71 338	0.56 166	0.37 154	0.94 218	0.64 240	1.73 248	1.34 277	1.23 201	1.42 238	1.26 241	0.92 213	1.85 235	0.56 158	0.23 191	0.15 126	0.19 50	0.14 23	0.24 192	0.19 112

LE_ROB	8.05 410	0.37 236	23.53 419	0.74 312	0.33 123	2.77 378	2.87 407	3.71 393	27.24 426	25.39 426	8.87 410	8.46 408	26.71 426	6.65 374	21.99 419	0.21 145	0.19 209	0.20 74	0.21 174	0.25 203	0.22 166

CSP-Net	0.97 260	0.38 242	0.83 180	0.53 120	0.41 190	1.63 319	0.77 270	2.00 316	1.05 151	1.25 213	1.20 168	1.33 257	0.83 181	4.93 342	0.85 240	0.32 288	0.22 256	0.20 74	0.20 138	0.23 178	0.25 208

Anonymous	0.53 49	0.38 242	0.91 212	0.66 265	0.73 321	0.65 109	0.59 229	0.95 52	0.73 56	0.47 14	0.58 20	0.42 5	0.60 98	0.80 56	0.53 146	0.24 206	0.23 265	0.21 97	0.21 174	0.41 301	0.29 246

HGLStereo	0.85 226	0.38 242	0.94 220	0.80 327	1.03 365	1.17 265	0.58 222	1.52 204	1.20 218	1.19 186	1.62 290	1.13 213	1.20 295	1.80 229	1.06 265	0.24 206	0.24 274	0.24 171	0.21 174	0.23 178	0.27 232

SGM-ForestM	6.52 407	0.38 242	1.26 292	0.63 239	0.35 141	13.59 419	5.32 413	6.32 412	6.70 407	11.14 416	9.18 411	22.51 427	13.93 415	16.89 420	20.07 418	0.36 311	0.37 342	0.36 314	0.35 323	0.36 278	0.34 280

SGM-Forest	1.24 309	0.38 242	0.60 57	0.52 111	0.37 154	1.56 313	1.30 351	1.65 233	1.36 288	2.11 357	1.79 314	1.63 306	0.93 219	7.48 391	0.95 252	0.36 311	0.37 342	0.39 325	0.34 319	0.37 282	0.32 274
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
LL-Strereo	1.33 320	0.39 247	1.38 308	0.61 219	0.61 290	0.75 157	0.66 247	1.63 231	1.17 206	1.56 311	1.60 283	2.03 346	2.12 372	9.72 409	0.97 257	0.21 145	0.18 196	0.27 238	0.23 219	0.22 153	0.25 208

CRFU-Net	0.86 231	0.39 247	1.00 237	0.65 260	0.57 269	1.78 336	0.86 293	2.15 342	0.81 70	1.38 270	1.18 162	1.64 309	1.19 292	1.35 146	0.90 247	0.26 245	0.22 256	0.21 97	0.19 109	0.23 178	0.24 196

TestStereo	0.64 127	0.39 247	0.71 115	0.51 95	0.27 33	0.56 69	0.42 97	1.03 77	0.91 98	0.80 63	1.00 88	0.68 70	0.52 61	3.25 310	0.45 93	0.22 168	0.15 126	0.24 171	0.18 89	0.27 223	0.16 42

HCRNet	0.70 156	0.39 247	0.73 131	0.60 207	0.59 284	0.76 162	0.35 47	1.22 143	1.13 189	1.02 108	0.99 85	1.02 179	0.76 149	2.19 266	0.70 192	0.28 264	0.19 209	0.28 248	0.23 219	0.25 203	0.23 184

Wz-Net-LNSev-Ref	0.99 265	0.40 251	1.82 346	0.66 265	0.62 295	2.05 354	0.78 272	1.91 297	1.29 256	1.54 307	1.42 238	1.51 289	1.23 301	1.99 249	1.33 300	0.23 191	0.14 76	0.20 74	0.15 31	0.27 223	0.26 226

sCroCo_RVC	0.49 36	0.40 251	1.02 247	0.65 260	0.60 287	0.52 52	0.40 84	0.83 22	0.61 23	0.44 9	0.74 39	0.49 30	0.50 57	0.63 26	0.48 116	0.26 245	0.27 293	0.23 151	0.22 199	0.29 242	0.25 208

DMCA-RVC	0.74 179	0.40 251	1.27 295	0.66 265	0.49 229	0.77 168	0.47 149	1.35 165	1.01 137	1.53 303	1.01 93	1.29 251	0.82 172	1.31 138	0.78 217	0.27 254	0.21 242	0.35 306	0.27 262	0.32 263	0.24 196

HITNet	0.65 132	0.40 251	0.77 160	0.48 52	0.24 9	1.05 242	0.49 164	1.76 260	1.02 140	1.18 182	1.18 162	0.89 135	0.80 165	0.85 67	0.79 223	0.17 32	0.12 9	0.21 97	0.17 75	0.29 242	0.15 27
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
iResNet	0.75 186	0.40 251	1.36 307	0.67 275	0.29 63	0.92 213	0.59 229	1.52 204	1.25 235	1.28 222	1.48 259	0.94 149	0.76 149	1.62 199	0.78 217	0.18 60	0.14 76	0.18 37	0.15 31	0.22 153	0.23 184

DLCB_ROB	0.86 231	0.40 251	0.78 168	0.68 285	0.54 259	1.11 251	0.84 287	1.49 192	1.23 228	1.64 323	1.65 296	1.70 316	0.91 210	1.70 214	1.05 263	0.25 231	0.24 274	0.26 227	0.27 262	0.27 223	0.24 196

FAT-Stereo	1.07 282	0.41 257	1.32 302	0.72 303	0.58 277	1.08 248	0.89 298	1.96 309	1.65 335	1.75 331	1.98 334	2.03 346	1.48 329	2.02 251	1.18 285	0.42 331	0.35 335	0.34 299	0.29 290	0.35 272	0.53 338

NVstereo2D	0.92 246	0.41 257	1.48 323	0.72 303	0.72 318	1.20 272	0.87 295	1.75 254	1.38 296	0.99 100	1.13 145	1.26 241	0.98 241	2.21 268	0.89 245	0.43 336	0.20 226	0.38 319	0.24 230	0.57 345	0.63 356

StereoDRNet-Refined	0.80 205	0.41 257	0.88 201	0.62 231	0.42 193	1.33 287	0.48 157	1.52 204	1.17 206	1.45 287	1.44 245	1.44 275	0.90 208	1.26 132	1.24 288	0.20 118	0.16 157	0.27 238	0.24 230	0.25 203	0.28 243
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
RAFT + AFF	1.00 269	0.42 260	1.09 266	0.67 275	0.50 235	1.22 274	1.24 346	2.24 359	1.19 213	1.30 235	1.56 275	1.17 218	1.49 331	3.44 317	0.83 234	0.21 145	0.25 281	0.30 265	0.26 254	0.27 223	0.27 232

stereogan	1.15 303	0.42 260	1.40 309	0.86 346	0.84 349	2.38 368	0.71 260	1.88 288	1.73 342	1.72 329	1.94 333	2.31 357	1.29 309	2.07 256	1.08 268	0.36 311	0.35 335	0.39 325	0.31 302	0.51 335	0.46 321

pmcnn	2.37 377	0.42 260	2.71 377	0.63 239	0.43 198	1.54 311	1.19 343	2.01 320	1.53 327	2.64 374	7.60 404	18.07 419	1.45 325	3.44 317	2.78 363	0.18 60	0.15 126	0.15 3	0.12 9	0.20 98	0.18 79

CVANet_RVC	1.07 282	0.43 263	0.76 156	0.60 207	0.50 235	0.90 205	0.97 316	1.52 204	1.26 240	1.33 255	1.38 229	1.24 233	1.18 289	6.75 380	0.75 207	0.34 301	0.23 265	0.34 299	0.29 290	0.42 306	0.27 232

NLCA_NET_v2_RVC	0.79 202	0.43 263	1.05 255	0.64 248	0.58 277	0.95 222	0.53 186	1.53 210	1.18 210	1.37 265	1.15 154	1.43 271	0.88 201	1.61 198	0.84 237	0.25 231	0.22 256	0.27 238	0.27 262	0.29 242	0.29 246
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AdaStereo	0.70 156	0.43 263	0.75 147	0.73 310	0.37 154	0.92 213	0.53 186	1.85 282	1.18 210	1.12 138	1.23 176	1.07 194	0.65 125	0.96 84	0.63 181	0.31 283	0.15 126	0.32 282	0.21 174	0.29 242	0.22 166
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.
fast-acv-ft	0.94 250	0.44 266	1.40 309	0.58 183	0.51 245	1.77 334	0.69 256	1.36 167	1.42 311	1.29 227	1.86 323	1.74 321	1.25 304	1.52 180	1.38 307	0.26 245	0.28 299	0.28 248	0.28 279	0.27 223	0.26 226

Anonymous3	0.61 108	0.44 266	1.11 271	0.59 196	0.49 229	0.93 216	0.65 242	0.93 45	0.81 70	0.72 52	0.88 63	0.65 64	0.69 131	1.06 106	0.53 146	0.35 308	0.30 311	0.26 227	0.26 254	0.31 258	0.27 232

TDLM	1.06 280	0.44 266	0.79 170	0.63 239	0.50 235	0.89 203	1.44 358	1.48 191	1.26 240	1.12 138	1.40 235	1.08 195	0.98 241	6.65 374	0.78 217	0.33 293	0.21 242	0.33 289	0.26 254	0.37 282	0.24 196

DRN-Test	1.00 269	0.44 266	1.13 275	0.70 293	0.81 345	1.62 318	0.79 275	2.14 340	1.44 314	1.78 334	1.33 211	1.43 271	1.05 265	2.18 265	1.53 329	0.27 254	0.21 242	0.31 269	0.30 298	0.32 263	0.28 243

CBMV_ROB	0.90 241	0.44 266	0.63 67	0.51 95	0.37 154	1.25 278	0.49 164	1.77 263	1.27 247	1.41 278	2.00 335	1.33 257	1.08 273	2.17 262	0.76 209	0.43 336	0.42 355	0.47 345	0.44 345	0.41 301	0.36 289

CBMV	0.95 253	0.44 266	0.66 83	0.53 120	0.35 141	1.53 310	1.63 369	1.69 242	1.42 311	2.00 353	1.60 283	1.43 271	1.17 286	1.59 196	0.99 260	0.34 301	0.34 327	0.39 325	0.33 314	0.33 269	0.32 274
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
iinet-f	0.99 265	0.45 272	3.71 385	0.55 154	0.43 198	1.81 337	0.68 252	1.14 119	1.14 191	1.18 182	1.42 238	1.58 299	1.44 323	1.34 145	1.59 332	0.24 206	0.23 265	0.20 74	0.19 109	0.26 211	0.25 208

GMStereo	0.55 78	0.45 272	0.94 220	0.50 72	0.32 107	0.64 97	0.43 113	1.00 68	1.40 305	0.82 70	0.73 37	0.51 33	0.45 30	0.85 67	0.55 156	0.24 206	0.15 126	0.20 74	0.21 174	0.31 258	0.24 196
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SACVNet	0.85 226	0.46 274	0.85 182	0.81 330	0.56 266	0.80 182	0.79 275	1.68 240	1.12 179	1.34 258	1.33 211	1.25 237	0.94 224	2.39 280	0.76 209	0.34 301	0.26 285	0.31 269	0.29 290	0.35 272	0.44 315

LMCR-Stereo	0.82 213	0.46 274	0.88 201	0.75 316	0.43 198	1.33 287	0.56 209	2.43 374	0.98 123	1.53 303	1.49 260	0.74 82	1.00 251	1.63 200	0.89 245	0.28 264	0.17 181	0.22 123	0.17 75	0.29 242	0.20 135

S-Stereo	1.15 303	0.46 274	2.17 361	0.81 330	0.80 343	1.21 273	1.19 343	1.93 304	2.02 361	1.47 290	2.11 343	1.57 296	1.17 286	2.05 255	1.41 315	0.40 324	0.40 351	0.35 306	0.31 302	0.44 318	0.70 364

NOSS_ROB	1.26 312	0.46 274	0.62 64	0.56 166	0.38 171	1.06 245	0.78 272	1.73 248	1.40 305	1.01 105	1.43 242	1.10 203	0.75 141	10.62 414	0.65 185	0.45 342	0.43 356	0.48 346	0.45 347	0.44 318	0.41 305

whm_eth	0.65 132	0.47 278	1.05 255	0.55 154	0.64 298	0.69 133	0.45 136	1.34 163	1.26 240	1.02 108	1.92 330	0.49 30	0.48 48	0.70 34	0.52 138	0.23 191	0.20 226	0.25 207	0.24 230	0.24 192	0.31 268

FADNet-RVC-Resample	0.84 222	0.47 278	2.10 357	0.61 219	0.45 211	1.07 247	0.61 234	1.59 220	1.20 218	1.08 119	0.98 83	1.03 182	0.98 241	2.17 262	0.72 200	0.23 191	0.22 256	0.30 265	0.32 308	0.35 272	0.34 280

GANet	1.36 323	0.47 278	0.86 188	0.67 275	0.45 211	1.34 289	1.73 371	1.64 232	1.24 232	1.49 298	2.38 356	1.55 294	1.20 295	9.30 403	0.93 249	0.30 276	0.31 317	0.33 289	0.28 279	0.39 294	0.30 258

StereoDRNet	0.98 264	0.47 278	1.70 337	0.76 318	0.94 360	1.51 308	0.91 304	1.92 300	1.32 271	1.61 318	1.13 145	1.47 284	0.97 237	1.75 220	1.46 324	0.28 264	0.23 265	0.29 256	0.27 262	0.35 272	0.27 232

WCMA_ROB	1.84 358	0.47 278	1.31 299	0.69 288	0.57 269	2.11 357	1.14 337	1.87 286	1.73 342	4.04 395	6.43 398	5.62 398	3.61 394	2.59 287	1.94 346	0.52 355	0.44 359	0.39 325	0.42 341	0.48 327	0.47 324

dd	0.59 99	0.48 283	0.97 229	0.55 154	0.32 107	0.64 97	0.47 149	1.02 74	1.34 277	0.78 58	0.86 58	0.58 48	0.54 69	1.01 96	0.86 242	0.28 264	0.18 196	0.26 227	0.19 109	0.32 263	0.24 196

ADCP+	1.99 367	0.48 283	7.73 398	0.66 265	0.91 356	2.30 364	1.05 328	1.82 276	1.34 277	1.54 307	1.32 209	1.74 321	1.61 340	2.17 262	13.37 408	0.24 206	0.21 242	0.32 282	0.28 279	0.37 282	0.29 246

DeepPruner_ROB	0.74 179	0.48 283	0.87 198	0.57 177	0.44 204	0.79 177	0.54 190	1.73 248	0.96 111	1.38 270	1.27 191	1.24 233	0.73 137	1.43 166	0.73 203	0.34 301	0.28 299	0.27 238	0.26 254	0.31 258	0.31 268

BEATNet_4x	0.73 176	0.49 286	1.17 280	0.53 120	0.26 20	1.03 239	0.55 203	1.82 276	1.06 154	1.21 193	1.22 172	0.96 161	0.91 210	1.01 96	1.06 265	0.21 145	0.14 76	0.24 171	0.19 109	0.37 282	0.21 151

Nwc_Net	1.09 287	0.49 286	1.33 304	0.89 356	0.80 343	1.49 307	0.66 247	2.19 353	1.27 247	1.32 247	2.26 351	1.96 338	1.54 333	1.92 241	1.34 302	0.40 324	0.30 311	0.43 336	0.45 347	0.38 290	0.37 291

RYNet	1.17 306	0.49 286	1.24 289	0.70 293	0.97 364	1.71 325	0.92 306	1.91 297	1.46 317	1.38 270	1.14 148	1.88 326	1.30 313	4.24 327	1.87 341	0.26 245	0.21 242	0.35 306	0.27 262	0.55 342	0.54 339

XPNet_ROB	0.96 254	0.49 286	1.09 266	0.72 303	0.57 269	1.11 251	1.14 337	1.66 238	1.23 228	1.85 343	1.39 233	1.64 309	1.11 278	1.80 229	1.42 319	0.38 319	0.30 311	0.33 289	0.29 290	0.37 282	0.34 280

STTStereo	0.78 199	0.50 290	1.22 285	0.64 248	0.54 259	0.89 203	0.54 190	1.44 185	1.11 175	1.38 270	1.09 125	1.27 245	0.85 186	1.43 166	0.83 234	0.29 272	0.27 293	0.33 289	0.39 333	0.32 263	0.30 258

RP	1.09 287	0.50 290	1.12 273	0.90 357	1.04 366	1.11 251	0.84 287	1.80 271	1.62 333	1.55 310	2.00 335	1.90 330	1.78 353	1.84 232	1.25 289	0.52 355	0.36 340	0.48 346	0.36 327	0.45 321	0.43 313

edge stereo	1.11 293	0.50 290	1.30 298	0.71 300	0.65 301	1.14 256	0.75 264	1.93 304	1.37 292	1.71 328	1.83 318	2.54 366	1.44 323	2.43 282	1.23 287	0.42 331	0.41 353	0.54 357	0.35 323	0.42 306	0.46 321

SDNR	1.62 345	0.51 293	2.17 361	0.53 120	0.56 266	3.80 395	0.45 136	1.54 212	1.29 256	1.33 255	2.41 359	1.08 195	0.96 234	11.18 415	1.16 280	0.66 371	0.63 383	0.43 336	0.32 308	0.64 356	0.67 361

GwcNet	1.08 285	0.51 293	2.33 366	0.79 324	1.18 378	1.76 331	0.70 258	1.68 240	1.47 318	1.41 278	1.64 294	1.74 321	1.04 261	2.20 267	1.41 315	0.30 276	0.29 307	0.29 256	0.27 262	0.30 251	0.35 285

FADNet_RVC	0.83 218	0.51 293	1.83 348	0.54 135	0.42 193	1.19 270	0.46 143	1.51 201	1.09 169	0.89 78	1.24 178	0.91 137	0.87 197	2.11 259	1.11 275	0.27 254	0.22 256	0.31 269	0.28 279	0.43 311	0.38 297

AF-Net	1.13 298	0.52 296	1.33 304	0.86 346	0.91 356	1.38 295	0.71 260	2.16 345	1.62 333	1.56 311	2.40 358	1.99 341	1.65 343	1.81 231	1.48 326	0.48 350	0.28 299	0.49 348	0.33 314	0.39 294	0.32 274

AANet_RVC	1.16 305	0.52 296	1.49 325	0.65 260	0.45 211	0.75 157	0.69 256	1.42 178	1.55 330	1.34 258	1.87 325	1.53 291	0.78 158	7.43 389	1.38 307	0.25 231	0.17 181	0.19 50	0.16 59	0.22 153	0.26 226

PSMNet_ROB	0.90 241	0.52 296	1.17 280	0.72 303	0.61 290	1.27 280	1.12 335	1.76 260	1.12 179	1.09 124	1.28 195	1.45 277	0.89 207	1.65 202	1.42 319	0.33 293	0.25 281	0.37 316	0.39 333	0.35 272	0.29 246

APVNet	1.06 280	0.53 299	1.42 311	0.84 339	0.79 338	1.92 345	0.82 285	1.90 293	1.08 163	1.08 119	1.43 242	1.56 295	1.13 283	3.07 303	1.58 330	0.31 283	0.34 327	0.42 334	0.36 327	0.36 278	0.37 291

FINET	0.97 260	0.54 300	1.60 331	0.63 239	0.79 338	1.08 248	1.07 330	1.56 217	2.20 367	1.15 157	1.49 260	0.94 149	0.88 201	2.32 274	1.05 263	0.42 331	0.35 335	0.32 282	0.28 279	0.43 311	0.38 297

NCC-stereo	1.10 290	0.54 300	1.24 289	0.84 339	0.94 360	1.29 283	0.89 298	2.01 320	1.34 277	1.32 247	1.74 307	1.88 326	1.74 350	2.35 276	1.25 289	0.45 342	0.37 342	0.45 340	0.58 369	0.42 306	0.42 309

Abc-Net	1.10 290	0.54 300	1.24 289	0.84 339	0.94 360	1.29 283	0.89 298	2.01 320	1.34 277	1.32 247	1.74 307	1.88 326	1.74 350	2.35 276	1.25 289	0.45 342	0.37 342	0.45 340	0.58 369	0.42 306	0.42 309
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Anonymous_2	1.30 316	0.55 303	0.82 178	0.52 111	0.58 277	1.01 237	0.64 240	1.25 151	0.97 118	0.96 91	0.78 46	1.33 257	1.29 309	1.03 99	0.74 204	0.62 367	0.64 384	1.06 383	9.63 420	1.16 381	0.49 331

ADCRef	1.35 322	0.55 303	2.37 368	0.72 303	0.77 333	1.94 347	0.78 272	1.91 297	1.27 247	1.57 315	1.59 282	1.36 262	1.41 320	1.54 186	7.53 392	0.23 191	0.20 226	0.32 282	0.30 298	0.29 242	0.29 246

NaN_ROB	1.13 298	0.55 303	1.15 277	0.64 248	0.48 226	1.61 317	2.03 389	1.72 247	1.48 319	2.09 356	1.27 191	1.40 266	1.08 273	3.94 323	1.30 297	0.28 264	0.34 327	0.28 248	0.28 279	0.30 251	0.33 278

sAnonymous2	0.55 78	0.56 306	1.46 318	0.60 207	0.51 245	0.48 21	0.52 180	0.79 13	0.68 45	0.50 27	0.67 26	0.46 16	0.62 112	0.59 15	0.40 59	0.22 168	0.17 181	0.22 123	0.21 174	0.86 370	0.56 343

CroCo_RVC	0.55 78	0.56 306	1.46 318	0.60 207	0.51 245	0.48 21	0.52 180	0.79 13	0.68 45	0.50 27	0.67 26	0.46 16	0.62 112	0.59 15	0.40 59	0.22 168	0.17 181	0.22 123	0.21 174	0.86 370	0.56 343

NCCL2	1.00 269	0.56 306	1.06 258	0.75 316	0.57 269	1.31 285	1.72 370	1.77 263	1.36 288	1.50 299	1.17 160	1.91 331	1.17 286	1.54 186	1.29 296	0.35 308	0.31 317	0.45 340	0.44 345	0.40 298	0.40 301

MeshStereo	2.26 373	0.56 306	0.92 216	0.61 219	0.49 229	2.60 374	1.02 325	3.18 387	2.05 363	7.40 414	4.98 394	7.58 404	2.98 389	6.37 370	1.96 347	0.43 336	0.43 356	0.45 340	0.39 333	0.43 311	0.42 309
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
ADCL	1.72 355	0.57 310	3.66 383	0.67 275	0.61 290	2.61 375	1.85 378	1.96 309	1.67 337	1.90 347	1.83 318	2.06 349	1.90 362	2.13 260	9.15 401	0.26 245	0.24 274	0.34 299	0.32 308	0.38 290	0.35 285

PA-Net	1.01 273	0.57 310	1.29 297	0.64 248	0.74 323	1.19 270	0.84 287	1.69 242	1.43 313	1.16 168	1.19 165	1.32 256	1.19 292	3.42 315	1.25 289	0.29 272	0.45 363	0.33 289	0.49 357	0.32 263	0.47 324
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SANet	1.88 360	0.57 310	2.18 363	0.63 239	0.40 184	2.80 380	1.57 366	2.39 372	5.88 405	2.36 366	3.57 378	3.72 384	2.97 388	4.74 336	1.76 337	0.34 301	0.30 311	0.32 282	0.29 290	0.48 327	0.37 291

HBP-ISP	0.96 254	0.58 313	0.72 119	0.61 219	0.46 221	1.64 321	0.76 267	1.86 285	1.28 252	1.30 235	1.53 267	0.86 124	0.94 224	3.27 311	0.69 191	0.45 342	0.44 359	0.54 357	0.48 354	0.47 324	0.40 301

Wz-Net-MNSev	1.11 293	0.58 313	2.23 364	0.66 265	0.71 316	1.95 348	1.46 359	1.98 314	1.45 316	1.79 337	1.43 242	1.49 286	1.33 316	1.97 248	1.42 319	0.27 254	0.23 265	0.28 248	0.28 279	0.34 271	0.31 268

PS-NSSS	0.99 265	0.58 313	0.93 218	0.58 183	0.57 269	0.91 207	0.80 281	1.81 275	1.14 191	1.14 154	1.67 301	1.00 170	0.83 181	4.62 335	0.78 217	0.37 315	0.31 317	0.52 351	0.32 308	0.45 321	0.38 297

SuperB	2.53 383	0.59 316	18.45 413	0.69 288	0.50 235	1.87 344	0.88 296	1.67 239	2.39 370	1.50 299	1.42 238	1.14 215	1.15 285	4.28 330	5.07 382	0.24 206	0.19 209	0.22 123	0.19 109	7.86 421	0.34 280

MANE	6.19 405	0.59 316	1.03 251	0.93 363	1.22 381	13.38 418	2.69 403	12.81 419	17.94 422	8.21 415	10.82 414	14.72 417	11.68 413	11.39 416	11.90 407	0.59 364	0.50 372	0.52 351	1.76 406	0.55 342	0.54 339

FC-DCNN	2.72 390	0.59 316	0.86 188	0.73 310	0.57 269	2.91 381	1.04 327	3.01 385	2.60 378	6.83 410	7.64 405	9.92 411	6.33 409	5.21 345	3.14 368	0.53 361	0.48 368	0.51 350	0.50 360	0.53 339	0.51 336

DPSNet	1.69 351	0.59 316	4.33 386	0.70 293	0.57 269	2.02 353	1.62 368	3.35 390	1.78 346	1.48 296	1.38 229	2.17 351	2.84 386	4.77 337	3.66 374	0.48 350	0.31 317	0.29 256	0.25 241	0.64 356	0.48 327

CSAN	1.41 329	0.59 316	1.26 292	0.70 293	0.50 235	1.76 331	1.78 373	1.77 263	1.90 355	2.35 364	2.32 353	1.92 334	1.94 364	5.56 356	1.49 327	0.43 336	0.35 335	0.40 330	0.41 339	0.43 311	0.41 305

LALA_ROB	1.01 273	0.59 316	1.16 278	0.67 275	0.51 245	1.63 319	1.26 350	1.69 242	1.38 296	1.81 340	1.37 225	1.94 336	1.02 258	1.58 194	1.38 307	0.37 315	0.27 293	0.43 336	0.37 330	0.43 311	0.37 291

MSMD_ROB	1.99 367	0.59 316	0.89 206	0.70 293	0.61 290	3.95 397	0.94 312	1.80 271	1.79 347	4.41 399	4.43 385	8.17 407	3.66 395	3.40 313	1.33 300	0.52 355	0.48 368	0.54 357	0.58 369	0.53 339	0.50 332

TRStereo	0.60 102	0.60 323	0.97 229	0.74 312	0.67 305	0.46 19	0.38 70	1.85 282	0.89 89	0.79 61	0.80 53	0.88 131	0.39 14	1.10 113	0.41 66	0.23 191	0.15 126	0.23 151	0.24 230	0.17 25	0.15 27

GMStereo_Zeroshot	0.67 149	0.61 324	1.01 241	0.64 248	0.37 154	0.84 198	0.35 47	1.05 87	1.12 179	1.12 138	1.06 114	1.27 245	0.54 69	1.19 124	0.59 165	0.32 288	0.17 181	0.31 269	0.18 89	0.52 337	0.22 166

FADNet	0.92 246	0.61 324	1.81 345	0.62 231	0.55 265	0.96 226	0.57 219	1.78 267	1.33 274	0.93 84	1.01 93	1.36 262	1.01 253	2.71 292	0.75 207	0.33 293	0.34 327	0.31 269	0.34 319	0.59 349	0.40 301

DANet	1.08 285	0.61 324	1.32 302	0.85 344	0.72 318	1.37 292	0.51 171	1.54 212	1.15 200	1.78 334	1.54 269	2.01 343	1.11 278	2.90 298	2.00 349	0.33 293	0.30 311	0.40 330	0.30 298	0.44 318	0.45 317
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	1.71 354	0.62 327	1.45 316	0.67 275	0.61 290	1.81 337	1.08 331	2.52 377	1.70 339	1.77 333	1.73 306	1.98 340	1.25 304	12.57 417	1.84 340	0.34 301	0.37 342	0.56 365	0.38 332	0.45 321	0.43 313

FCDSN-DC	2.32 375	0.63 328	0.81 176	0.84 339	0.75 329	2.23 361	0.94 312	2.09 334	1.80 348	5.45 408	7.72 406	7.77 406	6.93 411	3.39 312	1.80 339	0.52 355	0.48 368	0.52 351	0.51 362	0.57 345	0.58 348
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
G-Net	1.66 347	0.63 328	1.56 328	1.11 376	0.74 323	2.98 384	0.91 304	1.55 216	1.22 225	2.76 378	8.18 409	2.32 358	2.53 383	1.92 241	1.87 341	0.48 350	0.44 359	0.45 340	0.31 302	0.60 353	0.57 347

ETE_ROB	0.96 254	0.64 330	1.16 278	0.69 288	0.48 226	1.14 256	1.13 336	1.77 263	1.19 213	1.91 348	1.45 247	1.73 319	1.05 265	1.60 197	1.14 278	0.32 288	0.26 285	0.38 319	0.34 319	0.39 294	0.41 305

PDISCO_ROB	1.32 319	0.65 331	1.44 312	1.36 380	1.46 386	2.55 372	0.92 306	2.45 375	2.07 364	1.37 265	1.49 260	1.65 311	1.00 251	2.82 294	1.35 305	1.01 379	0.27 293	0.54 357	0.47 352	0.71 365	0.73 367

dad	0.86 231	0.66 332	1.06 258	0.56 166	0.37 154	0.76 162	0.44 125	1.17 124	1.50 322	1.44 285	1.27 191	1.34 261	0.75 141	2.52 285	0.84 237	0.42 331	0.27 293	0.83 375	0.26 254	0.41 301	0.29 246

Wz-Net-LNSev	1.03 276	0.67 333	2.71 377	0.64 248	0.84 349	1.75 329	1.00 322	1.80 271	1.32 271	1.28 222	1.25 182	1.65 311	1.22 299	1.39 159	1.40 311	0.28 264	0.26 285	0.24 171	0.23 219	0.33 269	0.32 274

ccnet	1.12 295	0.67 333	1.01 241	0.78 323	0.73 321	1.72 327	0.99 320	1.84 281	1.26 240	1.47 290	1.85 322	1.75 324	1.29 309	1.75 220	1.88 343	0.57 363	0.53 375	0.57 367	0.55 366	0.59 349	0.54 339

FADNet-RVC	0.88 236	0.67 333	1.93 352	0.60 207	0.48 226	0.91 207	0.60 233	1.71 246	1.18 210	0.90 79	0.96 75	1.36 262	0.92 213	2.25 271	1.17 282	0.30 276	0.29 307	0.32 282	0.32 308	0.41 301	0.35 285

STTRV1_RVC	1.58 339	0.68 336	1.96 354	0.88 352	1.12 372	1.57 314	0.90 303	2.25 360	1.75 345	1.29 227	2.02 338	1.40 266	1.22 299	9.77 410	1.31 298	0.81 374	0.33 326	0.54 357	0.49 357	0.73 367	0.52 337

Syn2CoEx	1.14 300	0.69 337	1.66 334	0.80 327	0.67 305	1.40 297	0.88 296	2.06 330	1.54 328	1.25 213	1.58 281	1.42 270	1.50 332	4.09 325	1.40 311	0.36 311	0.32 324	0.34 299	0.29 290	0.29 242	0.34 280

psmorigin	1.52 336	0.69 337	10.52 406	0.68 285	0.59 284	1.13 255	0.70 258	1.57 218	1.19 213	1.99 351	1.79 314	2.26 354	1.47 328	2.09 257	1.36 306	0.39 322	0.40 351	0.34 299	0.33 314	0.43 311	0.56 343

ADCPNet	1.85 359	0.69 337	8.07 399	0.71 300	0.58 277	2.79 379	1.22 345	1.94 306	1.54 328	1.88 344	1.69 302	2.46 365	2.04 368	2.37 278	6.48 387	0.38 319	0.37 342	0.38 319	0.43 343	0.47 324	0.45 317

XX-TBD	0.46 25	0.70 340	0.35 1	0.79 324	0.25 18	0.58 75	0.26 10	0.69 4	1.27 247	0.76 54	1.00 88	0.45 15	0.33 10	0.47 3	0.37 38	0.19 92	0.15 126	0.15 3	0.11 6	0.17 25	0.14 11

SHD	1.31 317	0.71 341	2.34 367	0.86 346	0.75 329	1.77 334	0.65 242	2.22 357	2.50 377	2.40 368	1.71 304	1.91 331	1.60 339	1.93 244	2.37 357	0.38 319	0.31 317	0.38 319	0.40 337	0.48 327	0.50 332

RTSC	1.29 314	0.73 342	2.44 369	0.83 338	0.57 269	1.85 342	0.65 242	1.88 288	2.00 360	2.20 359	1.66 298	1.60 302	1.26 306	2.33 275	3.92 376	0.32 288	0.23 265	0.27 238	0.29 290	0.37 282	0.37 291

ADCMid	1.89 363	0.73 342	5.06 389	0.72 303	0.67 305	2.00 352	1.14 337	1.97 313	1.48 319	2.86 381	1.81 317	2.37 360	2.05 370	2.24 269	10.39 405	0.33 293	0.31 317	0.39 325	0.43 343	0.50 331	0.44 315

DeepPrunerF	1.60 342	0.73 342	5.81 394	0.88 352	1.19 379	0.91 207	0.95 314	2.19 353	5.24 403	1.17 177	1.30 199	1.19 222	1.30 313	4.90 340	1.66 335	0.42 331	0.34 327	0.52 351	0.47 352	0.41 301	0.40 301

ELAS_RVC	2.48 382	0.74 345	1.90 350	1.05 371	0.92 358	2.76 377	4.01 411	2.76 380	4.11 396	4.69 402	4.63 389	4.62 389	5.96 407	3.97 324	3.96 377	0.63 369	0.53 375	0.56 365	0.52 363	0.64 356	0.63 356
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.37 377	0.74 345	1.54 327	0.99 367	0.92 358	4.78 403	2.33 399	3.33 389	3.37 389	5.05 407	4.77 392	3.67 382	4.53 402	3.42 315	4.50 380	0.62 367	0.53 375	0.55 362	0.53 364	0.63 354	0.64 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Anonymous Stereo	1.28 313	0.75 347	2.45 370	0.74 312	0.77 333	0.93 216	1.77 372	1.51 201	1.31 266	1.67 325	1.29 198	1.20 223	0.75 141	6.29 369	1.68 336	0.37 315	0.36 340	0.38 319	0.40 337	0.43 311	0.45 317

PWCDC_ROB	1.29 314	0.75 347	1.33 304	1.05 371	0.88 355	1.73 328	0.52 180	1.89 290	3.28 387	1.29 227	4.88 393	1.22 226	1.46 326	1.77 227	1.45 323	0.60 365	0.26 285	0.29 256	0.25 241	0.52 337	0.37 291

DGSMNet	1.14 300	0.76 349	2.49 372	0.81 330	0.86 352	1.39 296	1.39 355	2.13 336	1.35 285	1.26 217	1.63 293	1.48 285	0.98 241	1.75 220	1.10 273	0.45 342	0.43 356	0.55 362	0.49 357	0.75 368	0.70 364

PWC_ROB	1.24 309	0.76 349	2.46 371	0.72 303	0.78 336	1.15 261	0.49 164	1.75 254	1.92 356	2.31 361	3.07 371	1.59 300	1.40 319	2.46 283	2.10 353	0.33 293	0.22 256	0.35 306	0.24 230	0.38 290	0.41 305

aanetorigin	1.23 308	0.79 351	2.78 379	0.70 293	0.79 338	0.99 234	1.06 329	1.06 100	1.37 292	3.52 390	2.61 364	1.72 318	1.63 341	1.99 249	1.78 338	0.25 231	0.24 274	0.26 227	0.25 241	0.38 290	0.45 317

RGC	1.14 300	0.79 351	1.26 292	0.91 360	0.96 363	1.52 309	0.77 270	1.92 300	1.26 240	1.54 307	1.93 331	2.02 345	1.54 333	2.25 271	1.31 298	0.44 341	0.35 335	0.58 368	0.48 354	0.47 324	0.46 321

MFN_U_SF_RVC	1.52 336	0.84 353	3.42 381	0.87 351	0.66 303	2.56 373	0.95 314	2.36 369	1.70 339	1.98 350	1.86 323	2.45 364	1.79 354	2.95 299	2.58 359	0.52 355	0.48 368	0.55 362	0.59 372	0.59 349	0.61 354

PVD	1.70 352	0.84 353	2.26 365	0.94 365	0.83 348	2.48 370	0.97 316	2.59 379	3.35 388	3.01 387	2.77 367	2.34 359	2.47 382	2.67 291	3.14 368	0.47 349	0.45 363	0.59 369	0.48 354	0.59 349	0.75 369

SAMSARA	1.55 338	0.84 353	2.61 374	1.22 379	1.07 367	2.50 371	1.93 383	2.05 325	1.89 353	2.75 377	1.66 298	2.81 373	1.69 348	3.08 305	1.97 348	0.46 348	0.51 373	0.42 334	0.46 350	0.58 347	0.59 350

GANetREF_RVC	1.07 282	0.86 356	1.31 299	0.82 335	0.53 256	1.41 301	1.31 352	1.76 260	1.52 325	1.27 220	1.31 204	1.46 279	1.24 303	2.03 252	0.96 256	0.56 362	0.45 363	0.67 370	0.50 360	0.88 372	0.59 350
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
MFN_U_SF_DS_RVC	1.74 356	0.87 357	3.56 382	0.80 327	0.75 329	3.72 392	2.44 402	1.82 276	1.82 350	1.74 330	1.91 329	1.92 334	1.26 306	7.69 393	1.28 295	0.45 342	0.47 367	0.52 351	0.77 378	0.50 331	0.50 332

XQC	1.37 324	0.87 357	2.56 373	0.84 339	0.69 313	1.83 340	0.89 298	2.07 331	1.88 352	1.88 344	1.53 267	1.91 331	1.55 335	2.85 297	3.05 365	0.48 350	0.29 307	0.44 339	0.39 333	0.69 363	0.60 353

SQANet	1.31 317	0.88 359	1.08 265	1.83 388	1.44 385	1.44 303	0.75 264	1.74 252	1.09 169	1.32 247	1.26 188	1.28 248	1.01 253	1.50 179	0.83 234	2.50 394	0.34 327	1.47 386	0.55 366	2.32 390	1.57 390

PASM	1.34 321	0.92 360	2.62 375	0.86 346	0.87 354	1.03 239	1.08 331	1.50 196	1.51 324	1.82 341	1.41 237	1.68 314	1.26 306	4.87 339	1.34 302	0.61 366	0.65 386	0.68 371	0.78 379	0.69 363	0.68 363

WZ-Net	1.95 364	0.95 361	10.10 403	0.86 346	0.78 336	1.69 324	1.60 367	2.20 356	1.98 359	2.08 355	1.93 331	2.30 356	1.97 365	5.30 346	3.17 370	0.34 301	0.26 285	0.29 256	0.31 302	0.51 335	0.47 324

GASNet	0.99 265	0.97 362	1.72 339	0.98 366	0.68 311	0.83 191	0.67 250	1.60 223	1.28 252	1.31 245	1.22 172	1.22 226	1.21 298	2.41 281	1.41 315	0.43 336	0.26 285	0.36 314	0.34 319	0.55 342	0.31 268

anonymity	1.12 295	0.97 362	1.21 283	1.07 374	1.12 372	1.08 248	0.89 298	1.95 308	1.16 204	1.29 227	1.26 188	1.22 226	1.09 276	1.15 121	1.01 261	1.02 381	1.00 402	0.97 379	0.97 389	0.98 374	0.99 377

Consistency-Raft	1.25 311	0.99 364	1.93 352	1.02 370	1.21 380	0.96 226	1.01 324	1.75 254	1.92 356	1.36 263	2.12 344	1.44 275	1.01 253	1.14 120	1.40 311	0.72 372	0.82 389	0.89 377	0.98 391	1.31 385	0.95 375

ADCS	2.25 372	0.99 364	5.55 391	0.81 330	0.74 323	2.19 360	1.80 374	2.27 362	2.14 365	2.80 380	2.13 345	2.40 362	2.03 367	2.64 290	13.69 409	0.41 328	0.39 349	0.40 330	0.45 347	0.58 347	0.56 343

MaskLacGwcNet_RVC	1.10 290	1.02 366	1.00 237	0.82 335	0.67 305	1.93 346	0.93 310	1.62 229	1.11 175	1.15 157	1.25 182	1.50 287	0.79 160	1.96 247	0.76 209	1.89 389	0.34 327	0.79 374	0.36 327	1.25 384	0.83 371

SPS-STEREO	1.67 348	1.04 367	1.23 286	1.21 378	1.13 375	1.82 339	1.11 333	2.16 345	1.52 325	3.07 389	2.32 353	2.82 374	1.80 355	4.11 326	2.04 350	1.03 382	0.99 401	0.97 379	0.94 387	1.03 378	1.02 378
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	1.88 360	1.07 368	1.45 316	1.07 374	1.17 376	1.47 304	1.48 361	1.89 290	1.93 358	1.94 349	4.67 391	3.08 378	1.80 355	6.51 372	1.65 333	1.06 384	0.86 396	1.08 384	1.32 396	0.93 373	1.26 387
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	2.41 380	1.07 368	2.14 360	1.18 377	1.10 369	2.14 359	1.36 354	1.96 309	1.66 336	5.46 409	7.07 401	4.95 394	4.32 401	5.50 353	2.26 356	1.04 383	1.02 404	0.99 381	0.97 389	1.02 377	1.04 380

EDNetEfficient	2.37 377	1.10 370	8.08 400	0.74 312	0.71 316	0.98 233	1.56 364	1.46 188	4.06 395	4.90 404	2.82 368	2.25 353	3.48 393	2.95 299	9.97 402	0.26 245	0.24 274	0.26 227	0.30 298	0.68 362	0.61 354

AnyNet_C32	1.96 365	1.10 370	5.17 390	0.90 357	1.11 370	2.12 358	2.37 400	1.85 282	1.48 319	2.45 369	1.70 303	2.05 348	1.64 342	2.50 284	10.28 404	0.37 315	0.34 327	0.35 306	0.41 339	0.49 330	0.54 339

LSM	6.33 406	1.10 370	13.19 409	1.41 384	68.17 435	1.64 321	1.90 382	1.92 300	2.46 372	2.99 385	3.11 372	1.88 326	1.80 355	2.61 289	2.06 352	0.41 328	0.58 381	0.50 349	0.57 368	0.64 356	17.66 427

otaku	1.60 342	1.11 373	1.21 283	2.20 391	1.56 387	1.97 349	1.24 346	2.07 331	1.36 288	1.44 285	1.62 290	1.73 319	1.19 292	1.73 219	0.98 259	2.89 398	0.57 380	1.74 387	0.60 373	2.78 395	1.94 395

AnonymousM	0.59 99	1.11 373	0.41 9	0.44 23	0.32 107	0.43 14	0.47 149	1.05 87	0.64 28	0.98 98	0.63 22	0.67 68	0.43 23	0.59 15	0.41 66	0.20 118	0.15 126	1.84 390	0.84 382	0.14 2	0.13 3

MFMNet_re	1.40 328	1.14 375	1.68 335	1.39 382	1.07 367	1.48 305	1.43 357	1.87 286	1.82 350	2.26 360	2.19 348	1.51 289	1.86 359	1.52 180	1.25 289	0.93 377	0.83 390	0.84 376	0.80 380	0.99 376	1.05 382

Ntro	1.64 346	1.15 376	1.23 286	2.48 396	1.83 389	2.09 356	1.16 340	1.96 309	1.38 296	1.21 193	1.62 290	1.62 304	1.29 309	1.87 238	1.11 275	3.04 399	0.56 379	1.82 389	0.64 374	2.80 396	2.05 396

MSC_U_SF_DS_RVC	2.12 369	1.15 376	3.10 380	1.05 371	0.76 332	5.03 406	2.40 401	2.16 345	2.62 379	1.89 346	2.28 352	2.69 371	1.65 343	9.35 405	2.04 350	0.64 370	0.51 373	0.68 371	0.71 376	1.09 380	0.67 361

UDGNet	0.72 162	1.17 378	0.80 175	0.77 321	0.41 190	0.77 168	0.38 70	0.97 60	1.34 277	0.81 67	0.88 63	0.71 80	0.60 98	1.21 126	0.54 152	0.52 355	0.19 209	1.02 382	0.26 254	0.71 365	0.31 268

Wz-Net-SNSev	1.49 332	1.23 379	6.27 396	0.68 285	0.67 305	1.37 292	1.41 356	2.00 316	1.39 300	1.48 296	1.61 287	2.29 355	1.32 315	3.93 322	2.14 354	0.31 283	0.28 299	0.31 269	0.33 314	0.42 306	0.36 289

CC-Net-ROB	1.49 332	1.26 380	1.27 295	0.88 352	0.79 338	1.76 331	1.00 322	1.79 269	1.26 240	1.10 132	1.61 287	1.21 224	0.99 249	8.13 397	0.84 237	1.09 385	0.41 353	2.20 391	0.46 350	1.20 383	0.48 327

RTS	2.67 385	1.38 381	15.28 411	0.99 367	1.26 382	3.78 393	1.96 385	2.15 342	2.62 379	2.61 372	2.85 369	2.60 368	1.59 337	6.27 367	5.71 385	0.40 324	0.28 299	0.35 306	0.35 323	0.50 331	0.48 327

RTSA	2.67 385	1.38 381	15.28 411	0.99 367	1.26 382	3.78 393	1.96 385	2.15 342	2.62 379	2.61 372	2.85 369	2.60 368	1.59 337	6.27 367	5.71 385	0.40 324	0.28 299	0.35 306	0.35 323	0.50 331	0.48 327

WAO-7	2.66 384	1.40 383	1.73 341	1.39 382	1.17 376	3.93 396	1.94 384	4.11 396	3.88 394	2.92 382	5.50 395	4.18 387	3.00 390	7.63 392	3.71 375	1.13 387	1.00 402	1.17 385	1.13 395	1.18 382	1.09 384

ACVNet_2	2.43 381	1.41 384	2.04 355	2.62 397	2.24 396	2.63 376	1.88 381	3.31 388	3.01 384	2.19 358	3.45 377	4.62 389	2.04 368	4.50 333	1.47 325	2.55 395	0.64 384	2.22 392	0.84 382	2.69 394	2.29 399

ACVNet-4b	2.15 370	1.41 384	1.64 332	2.80 398	2.31 399	2.31 365	1.24 346	2.32 365	2.14 365	1.26 217	2.39 357	2.66 370	1.48 329	5.95 365	1.06 265	3.20 403	0.45 363	2.37 395	0.89 384	2.83 399	2.37 400

ACVNet_1	2.18 371	1.45 386	1.72 339	2.85 400	2.33 400	2.28 363	1.46 359	3.08 386	2.22 368	1.82 341	2.05 341	3.56 381	1.98 366	3.09 306	1.40 311	3.17 400	0.60 382	2.40 399	0.92 386	2.91 402	2.37 400

EDNetEfficientorigin	10.57 413	1.47 387	177.42 440	0.67 275	0.53 256	1.58 315	1.16 340	1.90 293	3.37 389	4.71 403	3.38 375	3.10 379	2.69 385	3.13 307	3.58 373	0.25 231	0.23 265	0.33 289	0.27 262	0.83 369	0.81 370

Dean	2.91 393	1.53 388	2.07 356	2.96 404	2.51 402	3.15 385	2.14 393	4.75 401	4.41 399	2.76 378	6.10 397	5.53 397	2.37 378	2.97 301	1.92 345	3.18 401	0.85 394	2.51 402	1.04 394	2.88 401	2.47 403

WAO-6	2.81 391	1.60 389	1.46 318	2.36 395	2.28 398	3.55 390	2.29 398	4.21 397	4.56 400	2.36 366	4.51 386	4.88 393	2.66 384	4.60 334	4.07 379	1.72 388	1.15 408	2.31 394	1.46 402	2.31 389	1.85 393

LVE	3.31 395	1.67 390	1.64 332	2.85 400	2.42 401	3.20 387	2.26 397	4.78 402	5.05 402	2.35 364	6.91 399	6.02 399	2.37 378	9.15 401	2.17 355	3.19 402	1.08 407	2.38 397	1.47 403	2.81 397	2.40 402

RainbowNet	1.97 366	1.76 391	1.57 329	2.81 399	2.21 395	1.98 351	1.81 375	2.54 378	1.89 353	1.50 299	1.84 320	1.96 338	1.65 343	2.14 261	1.25 289	3.33 405	0.85 394	2.39 398	0.98 391	2.82 398	2.22 397

AnyNet_C01	2.26 373	1.78 392	10.22 405	0.93 363	0.74 323	2.92 383	2.20 395	2.29 364	1.80 348	2.53 371	2.41 359	2.71 372	1.73 349	3.41 314	6.72 389	0.41 328	0.39 349	0.40 330	0.42 341	0.67 361	0.63 356

IMH-64-1	2.70 388	1.79 393	1.46 318	3.26 407	2.66 403	3.23 388	2.10 390	4.08 394	2.75 382	2.34 362	3.81 381	3.06 376	2.22 375	4.25 328	2.59 360	3.75 409	0.84 391	2.75 405	1.35 397	3.15 404	2.60 406

IMH-64	2.70 388	1.79 393	1.46 318	3.26 407	2.66 403	3.23 388	2.10 390	4.08 394	2.75 382	2.34 362	3.81 381	3.06 376	2.22 375	4.25 328	2.59 360	3.75 409	0.84 391	2.75 405	1.35 397	3.15 404	2.60 406

WAO-8	4.40 398	1.82 395	1.79 343	2.34 393	2.20 393	9.19 411	1.53 362	6.09 409	16.46 416	3.94 393	7.84 407	7.32 401	3.72 397	9.41 407	3.31 371	2.00 390	1.07 405	2.44 400	1.37 400	2.50 391	1.68 391

Venus	4.40 398	1.82 395	1.79 343	2.34 393	2.20 393	9.19 411	1.53 362	6.09 409	16.46 416	3.94 393	7.84 407	7.32 401	3.72 397	9.41 407	3.31 371	2.00 390	1.07 405	2.44 400	1.37 400	2.50 391	1.68 391

IMH	3.21 394	1.85 397	1.48 323	3.25 406	2.69 405	4.07 399	2.02 388	4.41 399	3.80 393	2.72 375	7.11 402	4.75 392	2.92 387	5.92 363	2.55 358	3.85 412	0.88 397	2.78 407	1.36 399	3.19 406	2.59 405

JetBlue	3.97 396	2.01 398	10.19 404	1.38 381	2.84 407	10.53 414	9.54 414	3.60 392	2.41 371	2.73 376	3.39 376	4.54 388	4.31 400	7.85 396	6.84 390	0.88 375	0.93 400	0.89 377	0.91 385	1.74 386	1.91 394

TorneroNet-64	5.30 404	2.03 399	1.74 342	3.43 409	2.81 406	10.09 413	2.12 392	9.10 416	17.12 421	4.96 406	9.27 412	10.72 415	3.70 396	9.20 402	4.55 381	3.31 404	0.84 391	2.88 408	1.55 404	3.49 407	3.04 409

TorneroNet	10.70 414	2.03 399	1.82 346	3.43 409	3.01 408	43.83 431	2.22 396	8.87 415	67.47 440	7.17 413	27.36 425	10.68 414	3.85 399	8.67 400	7.65 397	3.59 407	0.88 397	3.04 409	1.57 405	3.71 408	3.17 410

PWCK	2.88 392	2.05 401	5.72 393	2.08 390	1.11 370	3.55 390	3.90 410	2.86 383	3.54 392	3.03 388	3.63 379	3.10 379	2.31 377	8.15 399	3.09 366	2.12 392	0.91 399	1.75 388	0.98 391	2.57 393	1.18 386

KSHMR	8.75 412	2.06 402	2.11 358	3.53 411	3.11 409	4.13 400	2.69 403	5.60 406	61.37 439	3.00 386	55.83 439	4.98 396	2.45 381	4.49 332	2.61 362	3.46 406	1.55 412	3.14 411	1.94 409	3.72 409	3.18 411

Wz-Net-TNSev	1.88 360	2.08 403	7.66 397	0.67 275	0.64 298	2.42 369	1.83 377	2.33 366	1.74 344	1.57 315	1.56 275	2.58 367	1.90 362	4.86 338	3.12 367	0.39 322	0.37 342	0.33 289	0.37 330	0.53 339	0.58 348

coex-ft	8.13 411	2.13 404	98.04 439	0.67 275	0.53 256	1.71 325	1.56 364	1.65 233	11.11 411	18.17 425	3.75 380	3.88 385	7.61 412	2.98 302	6.49 388	0.30 276	0.30 311	0.32 282	0.31 302	0.66 360	0.50 332

UNDER WATER-64	5.27 403	2.32 405	8.78 402	3.93 415	3.54 414	7.61 409	3.03 409	5.84 408	14.19 412	4.04 395	4.04 383	9.39 410	6.26 408	5.93 364	8.48 399	3.60 408	1.51 411	3.13 410	1.88 407	4.29 414	3.61 414

UNDER WATER	5.08 402	2.33 406	5.55 391	3.94 416	3.51 413	5.20 407	2.72 405	5.61 407	16.52 418	3.84 392	4.60 388	9.21 409	5.89 406	5.90 362	8.66 400	3.75 409	1.34 409	3.18 412	1.88 407	4.33 415	3.61 414

ktn	4.70 400	2.38 407	2.12 359	3.76 412	3.24 410	4.85 404	2.95 408	5.52 404	7.37 408	4.07 397	19.32 422	7.46 403	3.47 392	7.39 387	2.95 364	4.04 413	1.85 413	3.26 413	2.22 412	3.08 403	2.65 408

notaker	3.98 397	2.40 408	2.68 376	3.82 414	3.27 412	3.97 398	2.14 393	4.78 402	3.45 391	4.12 398	6.94 400	7.65 405	3.26 391	7.82 395	5.30 384	4.04 413	1.41 410	3.36 414	2.10 411	3.88 410	3.31 412

UDG	1.41 329	2.65 409	0.99 232	1.44 385	1.64 388	1.34 289	0.80 281	1.60 223	1.23 228	1.23 201	1.71 304	2.01 343	1.34 317	1.47 175	1.41 315	0.90 376	0.54 378	2.29 393	0.75 377	1.84 387	1.04 380

DDUNet	1.50 334	2.69 410	1.12 273	1.77 387	1.88 390	1.84 341	0.92 306	1.70 245	1.16 204	1.38 270	1.79 314	1.60 302	1.12 281	1.37 150	1.08 268	1.10 386	0.76 387	2.37 395	0.94 387	2.00 388	1.37 388

DispFullNet	2.34 376	2.85 411	3.66 383	3.08 405	2.27 397	1.97 349	0.67 250	2.00 316	1.70 339	2.52 370	2.00 335	2.23 352	5.86 405	3.44 317	1.58 330	1.01 379	0.32 324	2.64 404	1.94 409	2.85 400	2.24 398

MADNet++	5.01 401	3.14 412	4.91 388	4.55 418	3.94 416	5.20 407	4.41 412	4.40 398	4.13 397	4.95 405	6.08 396	4.74 391	5.37 403	9.40 406	10.67 406	4.65 415	4.15 418	3.97 416	3.34 415	4.09 412	4.08 417

MADNet+	2.69 387	3.22 413	11.53 408	1.44 385	1.12 372	3.19 386	1.81 375	2.85 382	2.37 369	1.68 326	2.07 342	2.85 375	2.18 373	7.41 388	5.23 383	0.79 373	0.76 387	0.69 373	0.65 375	0.98 374	0.95 375

HanzoNet	11.04 415	3.62 414	8.10 401	4.08 417	3.55 415	4.90 405	2.73 406	7.19 413	10.10 409	31.86 435	28.92 427	21.96 426	36.36 428	18.08 421	10.17 403	7.94 419	3.32 416	3.47 415	3.31 414	7.06 420	4.04 416

FADE	26.59 425	4.78 415	20.96 415	1.89 389	1.92 391	2.91 381	2.00 387	5.58 405	5.04 401	2.92 382	2.16 347	4.13 386	14.18 416	10.23 413	8.46 398	188.09 440	2.77 414	123.78 437	127.92 437	1.06 379	1.10 385

DPSimNet_ROB	11.20 416	4.98 416	35.43 427	2.90 403	4.52 417	7.89 410	17.09 418	4.66 400	6.06 406	14.89 421	10.93 415	17.29 418	36.81 430	13.18 418	15.68 414	2.86 397	6.29 420	5.75 419	5.09 417	3.91 411	7.70 420

SPstereo	26.54 424	6.08 417	10.71 407	5.55 419	5.68 418	48.14 432	80.43 439	67.31 440	34.39 435	28.70 433	27.52 426	43.76 437	37.60 435	45.04 439	54.41 440	4.92 418	4.89 419	10.74 424	5.88 418	4.46 416	4.57 418

DPSMNet_ROB	13.02 418	8.23 418	21.91 417	9.53 422	18.11 421	11.56 416	32.02 426	10.64 418	16.23 415	7.05 412	19.49 424	10.16 413	16.66 418	9.85 412	22.43 421	4.77 417	8.68 421	5.38 418	10.26 422	6.17 419	11.36 421

DGTPSM_ROB	13.01 417	8.23 418	21.87 416	9.51 421	18.10 420	11.56 416	32.01 425	10.63 417	16.20 414	7.03 411	19.48 423	10.15 412	16.66 418	9.83 411	22.42 420	4.75 416	8.68 421	5.37 417	10.25 421	6.16 418	11.36 421

JetRed	6.91 409	8.80 420	25.96 423	2.85 400	3.25 411	13.98 420	11.87 415	6.25 411	4.28 398	4.45 400	4.56 387	6.69 400	5.46 404	7.46 390	14.05 410	2.59 396	3.31 415	2.59 403	2.29 413	4.20 413	3.36 413

ASD4	15.85 419	10.99 421	19.63 414	10.21 423	11.70 419	19.24 421	31.10 424	19.35 421	10.68 410	11.14 416	10.18 413	12.59 416	12.64 414	14.74 419	24.83 423	12.93 425	9.94 426	26.83 431	19.40 425	16.23 424	12.70 426

BEATNet-Init1	26.87 426	13.43 422	70.68 438	0.91 360	0.68 311	57.02 439	21.06 420	32.82 431	32.67 428	52.12 439	53.61 438	66.05 439	49.56 439	48.79 440	34.71 430	0.49 354	0.44 359	0.53 356	0.53 364	0.63 354	0.59 350

Anonymous_1	43.04 436	18.73 423	24.79 420	21.81 424	46.26 434	27.80 422	37.60 427	28.08 426	16.14 413	14.66 420	14.30 416	20.65 420	17.88 420	21.56 422	25.94 424	117.93 439	8.92 423	100.65 436	126.50 436	158.64 440	12.08 423

DPSM_ROB	19.08 420	19.14 424	25.17 421	22.15 425	20.85 423	28.17 423	37.82 428	26.56 424	16.85 419	14.14 418	14.84 417	21.70 421	18.75 421	21.87 423	26.55 425	10.16 423	9.30 424	10.47 422	10.42 423	14.03 422	12.61 424

DPSM	19.08 420	19.14 424	25.17 421	22.15 425	20.85 423	28.17 423	37.82 428	26.56 424	16.85 419	14.14 418	14.84 417	21.70 421	18.75 421	21.87 423	26.55 425	10.16 423	9.30 424	10.47 422	10.42 423	14.03 422	12.61 424

xxxxx1	54.10 438	25.67 426	27.13 424	113.43 437	96.96 437	30.69 427	47.44 430	32.38 428	25.60 423	17.75 422	17.27 419	21.81 423	21.02 423	24.43 426	33.82 427	33.37 433	40.54 435	157.71 438	175.86 438	66.16 436	72.93 438

tt_ll	54.10 438	25.67 426	27.13 424	113.43 437	96.96 437	30.69 427	47.44 430	32.38 428	25.60 423	17.75 422	17.27 419	21.81 423	21.02 423	24.43 426	33.82 427	33.37 433	40.54 435	157.71 438	175.86 438	66.16 436	72.93 438

ff	54.10 438	25.67 426	27.13 424	113.43 437	96.96 437	30.69 427	47.44 430	32.38 428	25.60 423	17.75 422	17.27 419	21.81 423	21.02 423	24.43 426	33.82 427	33.37 433	40.54 435	157.71 438	175.86 438	66.16 436	72.93 438

LRCNet_RVC	22.74 422	32.10 429	21.97 418	29.84 427	26.23 425	4.42 402	0.81 284	22.66 422	2.02 361	26.93 427	29.26 428	23.06 428	15.59 417	23.84 425	18.88 417	31.75 432	19.90 434	34.65 432	32.13 432	30.54 432	28.32 433

PML	51.67 437	36.25 430	13.28 410	7.46 420	20.81 422	108.69 440	232.22 441	8.72 414	27.82 427	87.01 440	269.67 441	69.67 440	61.95 440	24.76 429	14.20 411	9.74 422	3.40 417	9.62 421	4.70 416	18.74 425	4.72 419

CasAABBNet	38.33 427	38.46 431	50.35 432	44.75 435	41.84 429	56.68 436	76.37 434	53.22 437	33.83 430	28.31 428	29.54 429	43.62 436	37.71 436	43.84 436	53.41 435	20.30 426	18.70 429	21.07 428	21.07 427	28.24 429	25.34 428

Selective-RAFT-Error	38.39 431	38.47 432	50.44 436	44.73 431	41.97 433	56.68 436	76.38 435	53.24 438	33.92 431	28.34 429	29.85 430	43.60 435	38.20 437	43.75 432	53.34 434	20.38 430	18.70 429	21.09 429	21.05 426	28.30 430	25.43 432

MyStereo03	38.34 428	38.50 433	50.41 433	44.74 432	41.86 430	56.65 433	76.38 435	52.99 434	33.93 432	28.39 430	29.99 431	43.54 432	37.42 432	43.82 433	53.53 436	20.31 427	18.71 431	21.06 425	21.08 428	28.23 426	25.35 429

MyStereo02	38.34 428	38.50 433	50.41 433	44.74 432	41.86 430	56.65 433	76.38 435	52.99 434	33.93 432	28.39 430	29.99 431	43.54 432	37.42 432	43.82 433	53.53 436	20.31 427	18.71 431	21.06 425	21.08 428	28.23 426	25.35 429

MyStereo	38.34 428	38.50 433	50.41 433	44.74 432	41.86 430	56.65 433	76.38 435	52.99 434	33.93 432	28.39 430	29.99 431	43.54 432	37.42 432	43.82 433	53.53 436	20.31 427	18.71 431	21.06 425	21.08 428	28.23 426	25.35 429

LSM0	42.82 435	38.75 436	50.81 437	47.07 436	109.38 440	57.00 438	76.02 433	53.74 439	33.71 429	29.02 434	30.41 434	43.87 438	37.22 431	43.91 437	53.54 439	20.52 431	18.62 428	21.10 430	21.11 431	28.41 431	42.22 434

HaxPig	38.92 432	41.40 437	41.64 428	29.95 428	32.27 426	28.90 425	27.60 421	29.73 427	37.71 436	43.82 436	43.87 435	33.17 429	35.56 427	41.53 430	40.37 432	43.94 436	47.51 439	45.82 433	47.08 434	42.38 433	44.15 436

AVERAGE_ROB	40.43 433	42.37 438	42.73 429	36.96 430	35.58 428	30.50 426	27.61 422	36.71 433	38.39 437	44.91 437	44.36 436	37.45 431	36.70 429	41.88 431	40.35 431	45.43 437	46.81 438	47.11 434	46.35 433	42.51 434	43.87 435

MEDIAN_ROB	42.00 434	44.40 439	44.29 431	35.15 429	34.95 427	31.28 430	29.60 423	35.88 432	40.02 438	47.20 438	46.64 437	37.37 430	38.48 438	44.35 438	42.45 433	48.03 438	49.39 440	49.71 435	49.03 435	45.14 435	46.65 437

DLNR_Zeroshot_test	23.17 423	48.52 440	43.29 430	176.68 440	78.69 436	0.35 5	0.21 1	23.41 423	0.75 57	0.66 43	0.86 58	0.59 52	0.30 4	1.56 191	0.44 85	9.57 421	0.12 9	0.18 37	0.14 23	76.92 439	0.16 42

test_example2	192.40 441	210.76 441	206.48 441	199.83 441	204.73 441	172.94 441	183.52 440	133.93 441	133.41 441	191.38 441	196.19 440	187.13 441	178.77 441	205.33 441	208.00 441	222.09 441	238.72 441	186.54 441	190.54 441	227.34 441	170.31 441

Low-res two-view benchmark