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	0.63 118	0.18 1	0.37 2	2.27 393	0.84 350	0.57 75	0.54 191	0.79 14	0.62 24	0.48 19	0.70 32	0.36 2	0.26 1	0.45 2	0.35 27	2.24 394	0.10 1	0.14 1	0.09 1	0.15 5	1.06 384

CES	0.48 34	0.20 2	0.37 2	0.39 4	1.39 385	0.55 67	0.35 48	0.98 63	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 73	1.46 390

s12784h	0.52 41	0.20 2	0.38 4	0.41 5	0.19 1	0.96 227	0.34 44	1.17 125	1.25 236	0.81 68	0.90 66	0.63 59	0.50 58	1.45 170	0.42 75	0.14 4	0.12 9	0.17 15	0.11 6	0.18 43	0.11 1

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 40	0.40 85	1.00 69	0.94 108	0.48 19	0.66 24	0.48 23	0.40 18	0.60 24	0.37 39	0.18 60	0.14 76	0.16 9	0.11 6	0.14 2	0.14 11

CREStereo++_RVC	0.47 32	0.21 4	0.38 4	0.45 33	0.38 172	0.45 17	0.25 4	0.75 9	1.29 257	0.80 64	1.21 170	0.47 20	0.37 13	0.53 6	0.44 86	0.16 11	0.11 3	0.15 3	0.80 381	0.18 43	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 23	0.21 4	0.44 11	0.41 5	0.21 3	0.65 110	0.26 10	0.79 14	0.83 76	0.93 85	0.98 83	0.51 33	0.46 35	0.54 8	0.35 27	0.18 60	0.24 275	0.16 9	0.13 11	0.16 13	0.26 227

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 58	0.29 20	0.77 12	1.11 176	0.58 34	0.71 34	0.51 33	0.41 20	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 26	0.21 4	0.38 4	0.37 2	0.23 6	0.71 144	0.27 15	0.74 8	1.04 148	0.64 42	0.70 32	0.55 41	0.47 41	0.86 71	0.35 27	1.00 379	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	0.52 112	0.29 64	0.45 17	0.25 4	1.65 234	0.46 4	0.37 2	0.57 19	0.46 16	0.45 31	0.50 4	0.38 49	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 65	0.48 5	0.42 5	0.42 2	0.67 69	0.29 3	0.86 71	0.33 16	0.17 32	0.12 9	0.19 51	0.17 76	0.17 25	0.15 27

test_4	0.53 50	0.22 9	0.56 38	0.54 136	0.32 108	0.64 98	0.39 82	0.80 19	0.62 24	0.92 84	1.87 326	0.68 71	0.42 22	1.16 124	0.37 39	0.15 6	0.13 43	0.20 75	0.22 200	0.20 99	0.15 27

test-3	0.54 64	0.22 9	0.68 90	0.47 42	0.27 33	0.58 76	0.35 48	0.92 42	1.00 136	1.32 248	0.69 31	0.87 129	0.45 31	1.68 213	0.37 39	0.16 11	0.11 3	0.20 75	0.16 60	0.17 25	0.13 3

test_1	0.54 64	0.22 9	0.68 90	0.47 42	0.27 33	0.58 76	0.35 48	0.92 42	1.00 136	1.28 223	0.68 28	0.87 129	0.45 31	1.67 208	0.37 39	0.16 11	0.11 3	0.20 75	0.16 60	0.17 25	0.13 3

MIF-Stereo	0.36 1	0.23 14	0.59 54	0.48 53	0.36 147	0.40 10	0.32 31	0.53 1	0.49 6	0.54 32	0.55 17	0.36 2	0.31 6	0.58 14	0.51 133	0.20 119	0.15 126	0.17 15	0.15 31	0.19 73	0.15 27

MC-Stereo	0.43 15	0.23 14	0.48 15	0.51 96	0.28 52	0.39 9	0.32 31	0.88 33	0.68 45	0.60 40	0.84 56	0.56 43	0.61 108	1.03 100	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 39	0.23 14	0.58 49	0.48 53	0.33 124	0.55 67	0.45 137	0.97 61	1.38 297	0.68 45	1.05 112	0.63 59	0.80 166	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 79	0.23 14	0.71 116	0.53 121	0.28 52	0.61 89	0.40 85	0.92 42	1.05 152	1.19 187	0.68 28	0.93 147	0.44 28	1.67 208	0.39 56	0.15 6	0.12 9	0.22 124	0.19 110	0.21 133	0.14 11

DEmStereo	0.97 261	0.23 14	0.79 171	0.47 42	0.32 108	1.04 242	0.56 210	0.93 46	0.89 90	1.39 276	2.14 347	1.02 180	2.07 372	5.64 359	0.77 216	0.17 32	0.15 126	0.20 75	0.20 139	0.18 43	0.20 136

111	0.60 103	0.23 14	0.70 105	0.43 8	0.24 9	0.72 146	0.42 98	1.18 130	1.41 309	0.80 64	1.38 230	1.10 204	0.79 161	0.96 85	0.58 164	0.18 60	0.13 43	0.17 15	0.15 31	0.17 25	0.19 113

MIM_Stereo	0.57 92	0.24 20	0.92 217	0.46 36	0.30 81	0.54 61	0.28 18	1.27 154	0.75 57	1.00 103	1.16 157	0.93 147	0.53 67	1.45 170	0.61 175	0.16 11	0.16 157	0.20 75	0.19 110	0.17 25	0.14 11

AEACV	0.37 3	0.24 20	0.52 27	0.47 42	0.51 246	0.37 8	0.38 71	0.65 4	0.53 17	0.42 5	0.56 18	0.46 16	0.60 99	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 50	0.24 20	0.47 13	0.47 42	0.27 33	1.00 237	0.25 4	1.58 220	1.05 152	0.85 78	0.99 85	1.06 189	0.47 41	0.70 35	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 34	0.24 20	0.76 157	0.50 73	0.44 205	0.66 119	0.31 28	0.87 26	1.02 141	1.03 113	0.72 36	0.78 92	0.32 9	0.64 27	0.37 39	0.17 32	0.11 3	0.23 152	0.19 110	0.19 73	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	1.25 152	0.40 1	0.35 1	0.45 3	0.52 38	0.30 4	1.07 111	0.30 1	0.14 4	0.12 9	0.17 15	0.13 11	0.16 13	0.13 3

fff	0.53 50	0.24 20	0.70 105	0.43 8	0.24 9	0.48 21	0.36 58	1.07 103	1.25 236	1.10 133	1.02 100	0.57 45	1.06 269	0.73 45	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 113

ADStereo(finetuned)	0.57 92	0.24 20	1.06 259	0.43 8	0.24 9	0.49 31	0.35 48	1.05 88	1.30 263	1.12 139	1.03 108	0.58 49	1.20 296	0.84 66	0.51 133	0.16 11	0.13 43	0.17 15	0.13 11	0.18 43	0.19 113

CrosDoStereo	1.58 340	0.24 20	0.72 120	0.48 53	0.29 64	0.67 123	12.49 417	1.10 110	0.98 124	1.34 259	1.75 311	1.00 171	1.89 361	6.65 375	0.81 228	0.19 92	0.15 126	0.20 75	0.22 200	0.18 43	0.19 113

DeepStereo_LL	1.58 340	0.24 20	0.72 120	0.48 53	0.29 64	0.67 123	12.49 417	1.10 110	0.98 124	1.34 259	1.75 311	1.00 171	1.89 361	6.65 375	0.81 228	0.19 92	0.15 126	0.20 75	0.22 200	0.18 43	0.19 113

DRaft	0.80 206	0.24 20	0.70 105	0.45 33	0.30 81	0.97 231	0.53 187	1.05 88	0.97 119	1.78 335	2.02 339	0.80 97	1.74 351	2.73 294	0.72 201	0.17 32	0.14 76	0.20 75	0.20 139	0.18 43	0.21 152

RAFT-RH_RVC	1.03 277	0.24 20	0.67 87	0.49 66	0.28 52	0.81 187	0.33 34	0.83 23	1.08 164	2.05 355	4.65 391	1.04 186	0.57 88	5.98 367	0.50 130	0.18 60	0.13 43	0.26 228	0.20 139	0.16 13	0.17 62

DCANet	0.54 64	0.24 20	0.70 105	0.43 8	0.24 9	0.49 31	0.36 58	1.05 88	1.30 263	1.12 139	1.03 108	0.58 49	0.92 214	0.81 61	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.18 43	0.19 113

csc	0.53 50	0.24 20	0.70 105	0.43 8	0.24 9	0.48 21	0.36 58	1.07 103	1.25 236	1.10 133	1.02 100	0.57 45	1.06 269	0.73 45	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 113

cscssc	0.53 50	0.24 20	0.70 105	0.43 8	0.24 9	0.48 21	0.36 58	1.07 103	1.25 236	1.10 133	1.02 100	0.57 45	1.06 269	0.73 45	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 113

CFNet-RSSM	0.54 64	0.24 20	0.70 105	0.48 53	0.28 52	0.60 86	0.27 15	1.49 193	1.14 192	1.06 117	0.93 71	1.08 196	0.54 70	0.70 35	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 41	0.24 20	0.68 90	0.48 53	0.29 64	0.64 98	0.25 4	1.16 123	1.08 164	1.01 106	1.00 88	1.12 209	0.56 80	0.69 33	0.37 39	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	0.34 139	0.30 3	0.30 23	0.72 6	0.50 7	0.37 2	0.36 1	0.58 49	0.49 57	0.52 5	0.36 33	0.19 92	0.16 157	0.19 51	0.15 31	0.18 43	0.14 11

MIF-Stereo (partial)	0.45 25	0.25 36	0.70 105	0.50 73	0.52 254	0.35 5	0.26 10	0.91 41	0.59 22	0.45 13	0.71 34	0.51 33	0.51 60	1.11 117	0.45 94	0.20 119	0.16 157	0.23 152	0.20 139	0.24 193	0.18 80

CASnet	0.41 11	0.25 36	0.48 15	0.50 73	0.20 2	0.50 40	0.36 58	0.81 22	0.80 69	0.83 72	0.68 28	0.48 23	0.31 6	0.54 8	0.32 7	0.18 60	0.12 9	0.27 239	0.22 200	0.23 179	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.54 64	0.25 36	0.64 74	0.47 42	0.30 81	0.97 231	0.27 15	1.24 150	0.81 70	0.96 92	1.12 140	1.28 249	0.48 49	0.71 39	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	0.54 136	0.23 6	0.48 21	0.30 23	0.73 7	0.58 19	0.52 30	0.73 37	0.51 33	0.31 6	0.64 27	0.42 75	0.17 32	0.20 227	0.23 152	0.19 110	0.21 133	0.17 62

RAFT-345	0.84 223	0.25 36	0.66 84	0.50 73	0.27 33	0.54 61	0.42 98	0.83 23	1.11 176	1.32 248	2.34 356	0.86 125	0.54 70	5.72 360	0.47 112	0.18 60	0.13 43	0.22 124	0.17 76	0.17 25	0.16 42

cross-raft	0.54 64	0.25 36	0.61 61	0.52 112	0.29 64	0.68 130	0.37 67	1.46 189	0.76 60	1.01 106	1.06 114	1.28 249	0.46 35	0.71 39	0.35 27	0.15 6	0.12 9	0.18 37	0.16 60	0.19 73	0.14 11

GMM-Stereo	0.74 180	0.25 36	0.59 54	0.54 136	0.34 139	0.72 146	0.99 321	1.01 74	0.87 83	1.36 264	1.78 314	1.12 209	0.81 169	2.09 258	0.46 107	0.18 60	0.12 9	0.25 208	0.25 242	0.20 99	0.85 374

raftrobust	0.52 41	0.25 36	0.56 38	0.65 261	0.52 254	0.49 31	0.34 44	0.98 63	0.91 99	1.30 236	0.87 61	0.63 59	0.81 169	0.78 53	0.41 67	0.19 92	0.15 126	0.16 9	0.14 23	0.15 5	0.16 42

RAFT-Stereo + iAFF	0.54 64	0.25 36	0.68 90	0.43 8	0.24 9	0.40 10	0.34 44	1.04 82	1.09 170	1.32 248	1.60 284	0.80 97	0.68 129	0.67 32	0.39 56	0.13 1	0.10 1	0.18 37	0.17 76	0.17 25	0.13 3

AFF-stereo	0.58 97	0.25 36	0.64 74	0.46 36	0.29 64	0.34 4	0.38 71	1.15 122	1.14 192	1.17 178	1.60 284	1.10 204	0.71 137	0.97 90	0.43 84	0.13 1	0.11 3	0.19 51	0.19 110	0.17 25	0.14 11

MGS-Stereo	0.42 12	0.26 47	0.58 49	0.44 23	0.28 52	0.50 40	0.34 44	0.57 2	0.83 76	0.46 14	1.31 204	0.52 38	0.33 10	0.65 31	0.36 33	0.19 92	0.16 157	0.18 37	0.15 31	0.17 25	0.16 42

MSKI-zero shot	0.55 79	0.26 47	0.57 46	0.51 96	0.26 20	0.69 134	0.28 18	1.18 130	0.64 28	0.91 82	1.32 210	0.82 105	0.33 10	1.92 242	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	0.82 348	0.51 51	0.44 126	0.64 3	0.41 2	0.44 9	0.78 46	0.44 9	0.47 41	0.56 11	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 373

DCRE	0.82 214	0.26 47	0.70 105	0.58 184	0.44 205	0.54 61	0.48 158	0.95 53	0.78 64	0.78 59	7.33 404	0.86 125	0.52 62	0.76 50	0.41 67	0.16 11	0.16 157	0.19 51	0.17 76	0.18 43	0.17 62

DCANet-4	0.54 64	0.26 47	1.07 263	0.42 7	0.24 9	0.48 21	0.36 58	0.99 65	1.30 263	1.10 133	1.02 100	0.56 43	0.75 142	0.73 45	0.52 139	0.16 11	0.13 43	0.17 15	0.13 11	0.15 5	0.19 113

tt	6.58 409	0.26 47	6.10 396	3.77 414	2.16 393	11.55 416	19.63 420	13.33 421	5.74 405	2.96 385	2.65 366	4.97 396	6.33 410	3.81 322	7.24 392	9.15 421	11.32 428	5.89 421	6.24 420	6.03 418	2.55 405

RAFT_CTSACE	0.63 118	0.26 47	0.88 202	0.55 155	0.51 246	0.71 144	0.44 126	0.80 19	0.97 119	0.97 95	1.84 321	1.18 222	0.68 129	1.47 176	0.36 33	0.16 11	0.15 126	0.21 98	0.20 139	0.20 99	0.14 11

GMOStereo	0.53 50	0.26 47	0.65 78	0.50 73	0.29 64	0.52 53	0.43 114	0.89 34	0.96 112	1.41 279	1.14 148	0.85 121	0.56 80	0.59 15	0.38 49	0.16 11	0.14 76	0.24 172	0.21 175	0.20 99	0.15 27

error version	0.53 50	0.26 47	0.65 78	0.50 73	0.29 64	0.52 53	0.43 114	0.89 34	0.96 112	1.41 279	1.14 148	0.85 121	0.56 80	0.59 15	0.38 49	0.16 11	0.14 76	0.24 172	0.21 175	0.20 99	0.15 27

test-v	0.53 50	0.26 47	0.65 78	0.50 73	0.29 64	0.52 53	0.43 114	0.89 34	0.96 112	1.41 279	1.14 148	0.85 121	0.56 80	0.59 15	0.38 49	0.16 11	0.14 76	0.24 172	0.21 175	0.20 99	0.15 27

HHNet	0.62 112	0.26 47	0.63 68	0.43 8	0.45 212	0.50 40	0.58 223	1.07 103	1.01 138	1.25 214	2.23 351	0.70 79	0.61 108	1.07 111	0.47 112	0.20 119	0.13 43	0.23 152	0.19 110	0.19 73	0.30 259

FTStereo	0.91 245	0.26 47	0.56 38	0.54 136	0.33 124	0.66 119	1.87 381	1.00 69	0.75 57	1.75 332	4.15 385	1.04 186	1.65 344	1.57 193	0.46 107	0.19 92	0.16 157	0.23 152	0.21 175	0.18 43	0.63 357

ASMatch	0.88 237	0.26 47	0.69 99	0.51 96	0.35 142	0.48 21	0.37 67	1.12 118	0.92 103	1.10 133	3.28 375	0.96 162	0.98 242	4.90 341	0.49 124	0.19 92	0.16 157	0.22 124	0.19 110	0.19 73	0.27 233

PFNet	0.91 245	0.26 47	1.10 270	0.63 240	0.32 108	0.64 98	0.56 210	1.17 125	0.99 131	1.47 291	1.08 120	0.98 165	0.69 132	6.62 374	0.54 153	0.20 119	0.12 9	0.24 172	0.19 110	0.20 99	0.17 62

GrayStereo	0.82 214	0.26 47	0.58 49	0.63 240	0.37 155	0.76 163	1.86 380	1.11 116	0.87 83	1.99 352	1.89 328	1.08 196	1.82 359	1.39 160	0.48 117	0.19 92	0.14 76	0.19 51	0.21 175	0.18 43	0.39 301

test-2	0.53 50	0.26 47	0.65 78	0.50 73	0.29 64	0.52 53	0.43 114	0.89 34	0.96 112	1.41 279	1.14 148	0.85 121	0.56 80	0.59 15	0.38 49	0.16 11	0.14 76	0.24 172	0.21 175	0.20 99	0.15 27

test-1	0.52 41	0.26 47	1.04 255	0.56 167	0.32 108	0.61 89	0.38 71	1.10 110	0.91 99	0.78 59	1.01 93	0.77 89	0.52 62	0.60 24	0.42 75	0.17 32	0.14 76	0.20 75	0.17 76	0.20 99	0.23 185

iRaftStereo_RVC	0.47 32	0.26 47	0.64 74	0.50 73	0.29 64	0.53 58	0.33 34	1.05 88	0.77 62	0.84 74	1.00 88	0.55 41	0.37 13	0.81 61	0.40 60	0.17 32	0.12 9	0.22 124	0.20 139	0.19 73	0.15 27

raft+_RVC	0.53 50	0.26 47	0.54 33	0.60 208	0.47 226	0.54 61	0.54 191	1.27 154	0.99 131	0.76 55	1.03 108	0.70 79	0.56 80	0.93 84	0.47 112	0.18 60	0.14 76	0.19 51	0.18 90	0.18 43	0.15 27

XX-Stereo	0.63 118	0.26 47	1.90 351	0.81 331	0.67 306	0.43 14	0.23 3	1.03 78	0.58 19	0.65 43	1.56 276	1.41 270	0.39 15	1.28 134	0.35 27	0.20 119	0.14 76	0.20 75	0.19 110	0.18 43	0.14 11

R-Stereo Train	0.57 92	0.26 47	0.63 68	0.54 136	0.36 147	0.69 134	0.54 191	1.22 144	0.72 53	1.61 319	1.50 264	0.75 85	0.53 67	0.64 27	0.44 86	0.18 60	0.15 126	0.17 15	0.15 31	0.17 25	0.17 62

RAFT-Stereo	0.57 92	0.26 47	0.63 68	0.54 136	0.36 147	0.69 134	0.54 191	1.22 144	0.72 53	1.61 319	1.50 264	0.75 85	0.53 67	0.64 27	0.44 86	0.18 60	0.15 126	0.17 15	0.15 31	0.17 25	0.17 62
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.49 37	0.27 69	0.67 87	0.60 208	0.39 180	0.67 123	0.46 144	1.18 130	1.09 170	0.47 15	0.75 41	0.69 76	0.47 41	0.59 15	0.40 60	0.16 11	0.15 126	0.21 98	0.20 139	0.19 73	0.15 27

ff7	0.43 15	0.27 69	0.56 38	0.44 23	0.33 124	0.50 40	0.42 98	0.87 26	0.50 7	0.49 22	0.53 10	0.44 9	0.48 49	1.38 155	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

ffff	0.43 15	0.27 69	0.56 38	0.44 23	0.33 124	0.50 40	0.42 98	0.87 26	0.50 7	0.49 22	0.53 10	0.44 9	0.48 49	1.38 155	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

11t	0.43 15	0.27 69	0.56 38	0.44 23	0.33 124	0.50 40	0.42 98	0.87 26	0.50 7	0.49 22	0.53 10	0.44 9	0.48 49	1.38 155	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

test croco	0.46 26	0.27 69	1.01 242	0.50 73	0.40 185	0.35 5	0.37 67	0.87 26	0.56 18	0.43 8	0.76 43	0.42 5	0.40 18	1.13 120	0.45 94	0.21 146	0.15 126	0.24 172	0.19 110	0.24 193	0.16 42

anonymousdsp2	0.53 50	0.27 69	0.74 146	0.48 53	0.29 64	0.76 163	0.47 150	1.61 227	0.82 75	0.77 58	0.77 44	0.75 85	0.47 41	1.03 100	0.40 60	0.18 60	0.13 43	0.18 37	0.13 11	0.19 73	0.18 80

anonymousdsp	0.43 15	0.27 69	0.53 29	0.44 23	0.32 108	0.50 40	0.42 98	0.89 34	0.51 14	0.49 22	0.53 10	0.47 20	0.47 41	1.33 143	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

anonymousa	0.72 163	0.27 69	0.75 148	0.47 42	0.63 297	1.43 303	0.45 137	1.24 150	0.89 90	1.28 223	1.75 311	1.62 305	1.13 284	0.69 33	0.59 166	0.19 92	0.16 157	0.23 152	0.25 242	0.20 99	0.18 80

riskmin	0.56 88	0.27 69	0.60 58	0.43 8	0.31 93	0.83 192	0.42 98	1.14 120	1.04 148	0.73 54	0.75 41	1.11 208	1.01 254	0.81 61	0.51 133	0.20 119	0.14 76	0.24 172	0.15 31	0.24 193	0.25 209

ccc-4	0.43 15	0.27 69	0.56 38	0.44 23	0.33 124	0.50 40	0.42 98	0.87 26	0.50 7	0.49 22	0.53 10	0.44 9	0.48 49	1.38 155	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80

IGEV-Stereo	0.43 15	0.27 69	0.54 33	0.45 33	0.32 108	0.50 40	0.42 98	0.90 40	0.51 14	0.49 22	0.53 10	0.47 20	0.47 41	1.32 141	0.33 16	0.17 32	0.12 9	0.21 98	0.15 31	0.18 43	0.18 80
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.69 155	0.27 69	0.97 230	0.51 96	0.43 199	0.79 178	0.33 34	1.21 137	1.06 155	1.30 236	1.10 129	0.52 38	0.55 76	3.16 309	0.63 182	0.16 11	0.14 76	0.19 51	0.16 60	0.18 43	0.17 62

IPLGR	0.58 97	0.27 69	1.14 277	0.48 53	0.28 52	0.65 110	0.33 34	1.22 144	1.13 190	1.18 183	1.05 112	0.69 76	0.66 128	0.96 85	0.52 139	0.17 32	0.15 126	0.20 75	0.17 76	0.20 99	0.18 80

PSM-AAD	0.79 203	0.27 69	0.53 29	0.55 155	0.28 52	0.77 169	1.24 347	0.99 65	0.91 99	1.66 325	1.57 280	0.81 100	2.19 375	1.65 203	0.44 86	0.19 92	0.14 76	0.38 320	0.32 309	0.21 133	0.70 365

THIR-Stereo	1.02 276	0.27 69	0.69 99	0.49 66	0.28 52	0.95 223	1.34 354	1.03 78	0.97 119	1.34 259	1.90 329	1.17 219	1.58 337	6.44 372	0.78 218	0.19 92	0.14 76	0.21 98	0.22 200	0.19 73	0.20 136

Prome-Stereo	0.75 187	0.27 69	0.53 29	0.55 155	0.32 108	0.59 80	0.97 317	0.89 34	0.88 87	1.45 288	2.46 362	0.91 138	1.41 321	1.58 195	0.44 86	0.18 60	0.13 43	0.19 51	0.17 76	0.20 99	0.92 375

MyStereo06	0.61 109	0.28 85	0.95 224	0.56 167	0.46 222	0.61 89	0.73 263	1.78 268	0.67 42	1.03 113	1.12 140	1.13 214	0.56 80	0.78 53	0.41 67	0.17 32	0.16 157	0.23 152	0.20 139	0.22 154	0.20 136

MyStereo05	0.66 141	0.28 85	1.07 263	0.56 167	0.46 222	0.61 89	0.73 263	1.34 164	1.41 309	1.15 158	0.91 67	0.77 89	0.80 166	1.41 166	0.63 182	0.17 32	0.16 157	0.23 152	0.20 139	0.22 154	0.20 136

11t1	0.52 41	0.28 85	0.68 90	0.51 96	0.28 52	0.83 192	0.39 82	1.22 144	0.63 26	0.84 74	0.74 39	0.68 71	0.68 129	0.91 78	0.57 161	0.21 146	0.18 197	0.19 51	0.16 60	0.20 99	0.21 152

IGEVStereo-DCA	0.46 26	0.28 85	0.56 38	0.43 8	0.33 124	0.49 31	0.42 98	0.87 26	0.50 7	0.47 15	0.48 6	0.48 23	0.46 35	2.03 253	0.30 1	0.19 92	0.14 76	0.19 51	0.15 31	0.16 13	0.18 80

rrr	0.46 26	0.28 85	0.73 132	0.43 8	0.33 124	0.49 31	0.38 71	0.76 11	0.50 7	0.47 15	0.48 6	0.48 23	0.46 35	2.03 253	0.30 1	0.19 92	0.14 76	0.19 51	0.15 31	0.16 13	0.16 42

Selective-RAFT	0.52 41	0.28 85	0.79 171	0.55 155	0.27 33	0.91 208	0.33 34	0.80 19	0.88 87	0.58 34	0.63 22	0.81 100	0.77 154	1.29 137	0.48 117	0.19 92	0.14 76	0.17 15	0.15 31	0.19 73	0.17 62

ProNet	0.43 15	0.28 85	0.58 49	0.43 8	0.30 81	0.56 70	0.52 181	1.00 69	0.58 19	0.44 9	0.49 8	0.43 7	0.43 24	1.28 134	0.36 33	0.15 6	0.13 43	0.19 51	0.16 60	0.17 25	0.16 42

TestStereo1	0.63 118	0.28 85	0.75 148	0.76 319	0.31 93	0.48 21	0.43 114	1.30 158	1.21 224	0.97 95	1.31 204	0.64 62	0.77 154	1.75 221	0.42 75	0.20 119	0.15 126	0.22 124	0.18 90	0.21 133	0.17 62

DisPM	0.66 141	0.28 85	0.72 120	0.61 220	0.35 142	0.62 95	0.45 137	1.02 75	0.99 131	1.56 312	1.10 129	0.80 97	0.59 97	2.37 279	0.41 67	0.23 192	0.14 76	0.23 152	0.21 175	0.20 99	0.25 209

SA-5K	0.63 118	0.28 85	0.75 148	0.76 319	0.31 93	0.48 21	0.43 114	1.30 158	1.21 224	0.97 95	1.31 204	0.64 62	0.77 154	1.75 221	0.42 75	0.20 119	0.15 126	0.22 124	0.18 90	0.21 133	0.17 62

MIPNet	0.56 88	0.28 85	0.94 221	0.49 66	0.33 124	0.66 119	0.38 71	1.35 166	1.08 164	1.06 117	0.92 69	0.60 54	0.79 161	0.73 45	0.52 139	0.17 32	0.14 76	0.19 51	0.16 60	0.18 43	0.17 62

PFNet+	0.59 100	0.28 85	0.77 161	0.53 121	0.30 81	0.59 80	0.31 28	0.92 42	1.14 192	1.33 256	1.10 129	0.79 95	0.57 88	1.31 139	0.49 124	0.25 232	0.17 182	0.28 249	0.26 255	0.21 133	0.25 209

LCNet	0.72 163	0.28 85	0.52 27	0.55 155	0.31 93	0.69 134	0.54 191	1.00 69	0.88 87	1.19 187	1.34 217	0.97 164	1.34 318	2.56 287	0.45 94	0.18 60	0.13 43	0.21 98	0.25 242	0.27 224	0.73 368

AAGNet	1.83 358	0.28 85	0.72 120	0.61 220	0.32 108	0.67 123	0.51 172	0.96 60	0.98 124	1.47 291	1.20 168	1.00 171	1.18 290	2.83 296	22.77 423	0.22 169	0.13 43	0.22 124	0.19 110	0.23 179	0.15 27

STrans-v2	1.04 280	0.28 85	0.96 228	0.49 66	0.32 108	0.68 130	0.79 276	2.47 377	1.12 180	1.12 139	1.46 254	1.40 267	1.46 327	6.70 379	0.43 84	0.18 60	0.13 43	0.20 75	0.18 90	0.18 43	0.18 80

TransformOpticalFlow	0.96 255	0.28 85	0.89 207	0.52 112	0.31 93	0.66 119	0.54 191	1.75 255	1.12 180	1.09 125	1.44 246	1.37 266	1.01 254	6.70 379	0.42 75	0.19 92	0.12 9	0.20 75	0.19 110	0.18 43	0.19 113

KYRaft	0.75 187	0.28 85	0.62 65	0.56 167	0.29 64	0.67 123	0.86 294	0.94 50	0.84 78	1.62 322	2.21 350	1.16 218	1.02 259	1.57 193	0.40 60	0.20 119	0.13 43	0.22 124	0.28 280	0.20 99	1.02 379

SST-Stereo	0.83 219	0.28 85	0.72 120	0.59 197	0.31 93	0.72 146	0.26 10	1.09 108	0.86 79	1.47 291	1.10 129	1.00 171	0.87 198	5.73 361	0.45 94	0.22 169	0.13 43	0.23 152	0.19 110	0.23 179	0.18 80

RAFT_R40	0.83 219	0.28 85	0.73 132	0.59 197	0.31 93	0.69 134	0.44 126	1.10 110	0.95 110	1.47 291	1.10 129	1.00 171	0.85 187	5.53 355	0.46 107	0.22 169	0.13 43	0.23 152	0.20 139	0.23 179	0.18 80

IRAFT_RVC	0.88 237	0.28 85	0.76 157	0.63 240	0.31 93	0.65 110	1.02 326	1.22 144	0.94 108	1.22 199	1.04 111	1.01 178	0.98 242	5.82 362	0.53 147	0.22 169	0.12 9	0.25 208	0.20 139	0.20 99	0.19 113

test_xeample3	0.42 12	0.28 85	0.69 99	0.43 8	0.33 124	0.56 70	0.38 71	0.79 14	0.45 3	0.53 31	0.46 4	0.44 9	0.44 28	1.38 155	0.31 5	0.18 60	0.14 76	0.19 51	0.15 31	0.17 25	0.16 42

xxxx	1.51 336	0.28 85	0.68 90	0.54 136	0.28 52	1.16 264	0.44 126	2.19 354	1.29 257	1.09 125	1.36 224	1.22 227	0.85 187	1.79 229	15.70 416	0.24 207	0.21 243	0.21 98	0.20 139	0.22 154	0.23 185

test_xeample	1.45 332	0.28 85	0.65 78	0.51 96	0.28 52	0.94 219	0.59 230	2.14 341	1.29 257	1.24 210	1.51 266	0.88 132	0.86 195	1.46 172	15.10 413	0.22 169	0.20 227	0.22 124	0.20 139	0.22 154	0.22 167

EAI-Stereo	0.65 133	0.28 85	0.69 99	0.53 121	0.27 33	0.60 86	0.40 85	2.28 364	0.64 28	0.71 50	3.18 374	0.57 45	0.43 24	1.06 107	0.41 67	0.18 60	0.13 43	0.17 15	0.17 76	0.17 25	0.17 62

SFCPSM	0.70 157	0.28 85	1.02 248	0.51 96	0.38 172	1.37 293	0.66 248	2.00 317	1.03 144	1.17 178	1.21 170	0.82 105	0.78 159	1.03 100	0.53 147	0.21 146	0.17 182	0.22 124	0.24 231	0.21 133	0.19 113

FENet	0.60 103	0.28 85	0.63 68	0.54 136	0.33 124	0.83 192	0.38 71	1.27 154	1.07 160	1.00 103	0.86 58	0.99 170	0.85 187	0.96 85	0.68 191	0.22 169	0.15 126	0.23 152	0.20 139	0.22 154	0.23 185

GANet-RSSM	0.72 163	0.28 85	0.63 68	0.64 249	0.58 278	0.80 183	0.58 223	1.89 291	1.08 164	1.04 116	1.25 182	1.15 217	1.04 262	1.49 178	0.62 178	0.25 232	0.19 210	0.22 124	0.22 200	0.22 154	0.21 152

MyStereo8	0.65 133	0.29 112	1.00 238	0.58 184	0.49 230	0.91 208	0.35 48	1.18 130	1.31 267	1.16 169	1.27 191	0.90 137	0.64 121	0.72 42	0.95 253	0.18 60	0.14 76	0.20 75	0.18 90	0.22 154	0.26 227

MyStereo07	0.48 34	0.29 112	0.50 18	0.55 155	0.45 212	0.59 80	0.79 276	1.05 88	0.51 14	0.48 19	0.53 10	0.43 7	0.55 76	1.30 138	0.34 24	0.17 32	0.16 157	0.24 172	0.20 139	0.23 179	0.20 136

MyStereo04	0.67 150	0.29 112	1.07 263	0.55 155	0.45 212	0.59 80	0.79 276	1.50 197	1.40 306	0.91 82	0.91 67	0.74 83	0.86 195	1.52 181	0.62 178	0.17 32	0.16 157	0.24 172	0.20 139	0.23 179	0.20 136

CoDeX	0.73 177	0.29 112	0.93 219	0.54 136	0.36 147	1.14 257	0.61 235	2.34 369	1.17 207	1.16 169	1.25 182	0.91 138	0.87 198	1.33 143	0.64 185	0.20 119	0.16 157	0.21 98	0.18 90	0.20 99	0.18 80

1111x	1.70 353	0.29 112	0.86 189	0.51 96	0.27 33	1.01 238	0.68 253	2.22 358	1.28 253	1.13 153	1.40 236	1.21 225	1.10 278	5.53 355	15.20 414	0.22 169	0.21 243	0.22 124	0.22 200	0.24 193	0.22 167

knoymous	0.51 40	0.29 112	0.47 13	0.43 8	0.30 81	0.55 67	0.55 204	1.02 75	0.77 62	0.98 99	0.85 57	0.94 150	0.56 80	0.85 68	0.45 94	0.20 119	0.14 76	0.26 228	0.14 23	0.23 179	0.23 185

RAFT+CT+SA	0.58 97	0.29 112	0.60 58	0.66 266	0.37 155	0.42 13	0.55 204	1.27 154	1.03 144	0.70 48	1.22 172	0.60 54	0.70 135	1.64 202	0.41 67	0.18 60	0.13 43	0.22 124	0.22 200	0.21 133	0.18 80

Sa-1000	0.72 163	0.29 112	0.76 157	0.59 197	0.30 81	0.73 149	0.37 67	1.62 230	1.33 275	1.28 223	2.04 341	0.86 125	0.75 142	1.84 233	0.38 49	0.19 92	0.14 76	0.25 208	0.23 220	0.20 99	0.16 42

iRaft-Stereo_5w	0.85 227	0.29 112	0.91 213	0.53 121	0.43 199	0.49 31	0.68 253	0.99 65	0.87 83	0.79 62	1.34 217	1.46 280	0.91 211	5.11 345	1.11 276	0.17 32	0.14 76	0.22 124	0.18 90	0.20 99	0.20 136

NRIStereo	0.60 103	0.29 112	0.69 99	0.53 121	0.28 52	0.63 96	0.33 34	1.08 107	0.87 83	1.14 155	0.87 61	0.91 138	0.59 97	2.24 270	0.49 124	0.20 119	0.14 76	0.21 98	0.19 110	0.21 133	0.17 62

Pruner-Stereo	0.62 112	0.29 112	0.70 105	0.61 220	0.31 93	0.63 96	0.43 114	1.17 125	0.99 131	1.53 304	1.08 120	0.95 156	0.55 76	1.35 147	0.51 133	0.23 192	0.14 76	0.24 172	0.21 175	0.21 133	0.23 185

DeepStereo_RVC	0.55 79	0.29 112	0.72 120	0.51 96	0.30 81	0.59 80	0.33 34	1.03 78	0.70 48	1.16 169	0.93 71	0.83 112	0.94 225	0.96 85	0.54 153	0.21 146	0.14 76	0.21 98	0.19 110	0.24 193	0.24 197

rafts_anoy	0.52 41	0.29 112	0.59 54	0.59 197	0.50 236	0.53 58	0.40 85	1.11 116	1.03 144	0.84 74	0.83 54	0.68 71	0.54 70	0.72 42	0.51 133	0.19 92	0.14 76	0.24 172	0.26 255	0.21 133	0.18 80

222	1.61 345	0.29 112	0.67 87	0.56 167	0.29 64	1.06 246	0.42 98	2.17 352	1.31 267	1.31 246	1.52 267	0.92 146	0.94 225	1.76 226	17.65 417	0.24 207	0.20 227	0.21 98	0.19 110	0.22 154	0.23 185

ac_64	0.82 214	0.29 112	0.81 177	0.71 301	0.60 288	1.05 243	0.54 191	1.99 316	0.92 103	1.18 183	1.06 114	1.99 342	1.08 274	1.94 246	0.97 258	0.27 255	0.22 257	0.24 172	0.23 220	0.22 154	0.19 113

HSM-Net_RVC	0.87 236	0.29 112	0.53 29	0.53 121	0.30 81	1.15 262	0.55 204	3.57 392	1.28 253	1.53 304	1.74 308	1.68 315	0.93 220	1.49 178	0.77 216	0.22 169	0.17 182	0.19 51	0.18 90	0.20 99	0.19 113
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
SMFormer	0.75 187	0.30 128	0.86 189	0.46 36	0.26 20	0.82 188	0.43 114	2.05 326	1.39 301	1.23 202	1.47 255	0.98 165	0.95 230	1.71 216	0.82 233	0.24 207	0.20 227	0.22 124	0.21 175	0.23 179	0.24 197

tta	0.75 187	0.30 128	0.86 189	0.46 36	0.26 20	0.82 188	0.43 114	2.05 326	1.39 301	1.23 202	1.47 255	0.98 165	0.95 230	1.71 216	0.82 233	0.24 207	0.20 227	0.22 124	0.21 175	0.18 43	0.18 80

qqq1	0.72 163	0.30 128	0.86 189	0.46 36	0.26 20	0.82 188	0.43 114	2.05 326	1.39 301	1.23 202	1.47 255	0.98 165	0.95 230	1.71 216	0.44 86	0.24 207	0.20 227	0.18 37	0.15 31	0.18 43	0.18 80

fff1	0.72 163	0.30 128	0.86 189	0.46 36	0.26 20	0.82 188	0.43 114	2.05 326	1.39 301	1.23 202	1.47 255	0.98 165	0.95 230	1.71 216	0.44 86	0.24 207	0.20 227	0.18 37	0.15 31	0.18 43	0.18 80

IGEV_Zeroshot_test	0.53 50	0.30 128	0.99 233	0.56 167	0.35 142	0.41 12	0.32 31	1.37 169	0.63 26	1.00 103	1.09 125	0.95 156	0.41 20	0.83 64	0.39 56	0.18 60	0.12 9	0.19 51	0.18 90	0.19 73	0.17 62

EKT-Stereo	0.53 50	0.30 128	0.73 132	0.58 184	0.60 288	0.51 51	0.48 158	0.94 50	0.90 94	0.71 50	0.88 63	0.77 89	0.43 24	1.07 111	0.40 60	0.22 169	0.16 157	0.21 98	0.18 90	0.20 99	0.22 167

HH	0.63 118	0.30 128	0.77 161	0.50 73	0.32 108	0.49 31	0.46 144	1.65 234	0.64 28	0.69 46	1.09 125	1.63 307	0.85 187	1.90 240	0.37 39	0.18 60	0.13 43	0.19 51	0.17 76	0.19 73	0.16 42

HanStereo	0.63 118	0.30 128	0.77 161	0.50 73	0.32 108	0.49 31	0.46 144	1.65 234	0.64 28	0.69 46	1.09 125	1.63 307	0.85 187	1.90 240	0.37 39	0.18 60	0.13 43	0.19 51	0.17 76	0.19 73	0.16 42

raft_robust	0.68 154	0.30 128	0.64 74	0.52 112	0.26 20	0.54 61	0.35 48	1.33 160	1.24 233	1.16 169	1.07 117	0.60 54	0.54 70	3.58 321	0.37 39	0.18 60	0.14 76	0.20 75	0.22 200	0.20 99	0.16 42

test_5	0.65 133	0.30 128	0.75 148	0.67 276	0.50 236	0.92 214	0.52 181	1.39 175	1.12 180	0.76 55	1.11 134	1.00 171	0.90 209	1.53 185	0.45 94	0.18 60	0.13 43	0.23 152	0.22 200	0.21 133	0.19 113

SA	0.66 141	0.30 128	0.82 179	0.61 220	0.30 81	0.58 76	0.38 71	1.44 186	1.30 263	0.96 92	1.36 224	0.66 67	0.95 230	1.85 236	0.42 75	0.19 92	0.15 126	0.25 208	0.23 220	0.21 133	0.17 62

Patchmatch Stereo++	0.55 79	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.29 20	1.05 88	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	1.37 151	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80
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	0.80 206	0.30 128	0.75 148	0.60 208	0.31 93	0.64 98	0.44 126	1.21 137	0.90 94	1.29 228	1.02 100	0.82 105	0.57 88	5.40 353	0.48 117	0.23 192	0.14 76	0.24 172	0.20 139	0.20 99	0.30 259

OCTAStereo	0.80 206	0.30 128	0.75 148	0.60 208	0.31 93	0.64 98	0.44 126	1.21 137	0.90 94	1.29 228	1.01 93	0.82 105	0.57 88	5.35 348	0.48 117	0.24 207	0.14 76	0.24 172	0.20 139	0.20 99	0.30 259

PSM-adaLoss	0.54 64	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.41 96	1.04 82	0.64 28	1.12 139	0.96 75	0.82 105	0.61 108	1.06 107	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

ROB_FTStereo_v2	0.54 64	0.30 128	0.73 132	0.50 73	0.27 33	0.64 98	0.42 98	1.05 88	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	1.12 119	0.46 107	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

ROB_FTStereo	0.54 64	0.30 128	0.73 132	0.50 73	0.27 33	0.64 98	0.25 4	1.05 88	0.64 28	1.12 139	0.95 73	0.82 105	0.61 108	1.15 122	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

HUI-Stereo	0.52 41	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.30 23	1.04 82	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	0.79 56	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

RE-Stereo	0.80 206	0.30 128	0.75 148	0.60 208	0.31 93	0.64 98	0.44 126	1.21 137	0.90 94	1.29 228	1.01 93	0.81 100	0.57 88	5.37 351	0.48 117	0.24 207	0.14 76	0.24 172	0.20 139	0.20 99	0.30 259

TVStereo	0.80 206	0.30 128	0.75 148	0.60 208	0.31 93	0.64 98	0.44 126	1.21 137	0.90 94	1.29 228	1.01 93	0.81 100	0.57 88	5.37 351	0.48 117	0.24 207	0.14 76	0.24 172	0.20 139	0.20 99	0.30 259

iGMRVC	0.56 88	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.38 71	1.05 88	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	1.52 181	0.46 107	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

iRAFT	0.55 79	0.30 128	0.73 132	0.50 73	0.27 33	0.65 110	0.29 20	1.05 88	0.64 28	1.12 139	0.96 75	0.83 112	0.60 99	1.37 151	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

CRE-IMP	0.55 79	0.30 128	0.74 146	0.52 112	0.29 64	0.79 178	0.25 4	1.04 82	0.72 53	1.09 125	0.95 73	0.81 100	0.57 88	1.10 114	0.50 130	0.21 146	0.14 76	0.23 152	0.19 110	0.28 238	0.22 167

RAFT	0.64 128	0.30 128	0.73 132	0.59 197	0.33 124	0.68 130	0.58 223	1.04 82	0.76 60	1.08 120	1.19 165	1.65 312	0.93 220	1.06 107	0.56 159	0.21 146	0.18 197	0.27 239	0.24 231	0.22 154	0.17 62

RAFT-IKP	0.54 64	0.30 128	0.73 132	0.50 73	0.27 33	0.59 80	0.36 58	1.04 82	0.64 28	1.12 139	0.96 75	0.83 112	0.61 108	1.22 128	0.45 94	0.22 169	0.14 76	0.24 172	0.20 139	0.26 212	0.18 80

RALCasStereoNet	0.54 64	0.30 128	0.66 84	0.59 197	0.51 246	0.61 89	0.52 181	0.94 50	0.93 105	0.70 48	1.01 93	0.78 92	0.44 28	1.33 143	0.47 112	0.20 119	0.16 157	0.18 37	0.16 60	0.20 99	0.19 113

cf-r	0.73 177	0.30 128	0.77 161	0.55 155	0.63 297	0.78 174	0.48 158	1.79 270	1.15 201	1.13 153	1.26 188	1.43 272	0.87 198	1.40 165	0.85 241	0.25 232	0.18 197	0.22 124	0.23 220	0.19 73	0.19 113

PSMNet-RSSM	0.72 163	0.30 128	0.61 61	0.63 240	0.42 194	0.73 149	0.56 210	1.92 301	1.10 174	1.09 125	1.37 226	1.22 227	0.98 242	1.28 134	0.72 201	0.27 255	0.19 210	0.27 239	0.29 291	0.24 193	0.24 197

DIP-Stereo	0.62 112	0.30 128	0.83 181	0.48 53	0.36 147	0.95 223	0.33 34	2.37 371	0.67 42	1.25 214	1.00 88	0.68 71	0.51 60	0.91 78	0.61 175	0.18 60	0.15 126	0.21 98	0.17 76	0.19 73	0.19 113
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	1.12 296	0.30 128	0.91 213	0.66 266	0.77 334	0.97 231	0.57 220	1.37 169	1.35 286	1.02 109	1.34 217	2.11 351	1.43 323	7.09 384	1.39 311	0.19 92	0.17 182	0.17 15	0.19 110	0.18 43	0.16 42

iResNet_ROB	0.77 194	0.30 128	0.99 233	0.57 178	0.36 147	0.83 192	0.36 58	2.33 367	1.58 332	1.27 221	1.30 199	1.25 238	0.84 184	1.65 203	0.79 224	0.20 119	0.14 76	0.17 15	0.12 9	0.18 43	0.27 233

ACVNet-DCA	0.56 88	0.31 159	0.50 18	0.54 136	0.26 20	1.18 267	0.51 172	1.42 179	0.78 64	0.58 34	0.79 49	0.48 23	0.88 202	1.46 172	0.32 7	0.20 119	0.12 9	0.25 208	0.15 31	0.22 154	0.21 152

xx1	0.67 150	0.31 159	0.50 18	0.54 136	0.26 20	1.18 267	0.51 172	0.93 46	3.05 386	0.58 34	0.79 49	0.95 156	0.77 154	1.46 172	0.32 7	0.20 119	0.12 9	0.24 172	0.23 220	0.22 154	0.21 152

1test111	0.54 64	0.31 159	0.50 18	0.54 136	0.26 20	1.18 267	0.51 172	1.42 179	0.78 64	0.58 34	0.79 49	0.48 23	0.88 202	0.88 73	0.59 166	0.20 119	0.12 9	0.25 208	0.15 31	0.22 154	0.21 152

cc1	0.64 128	0.31 159	0.50 18	0.54 136	0.26 20	1.18 267	0.51 172	0.93 46	3.05 386	0.58 34	0.79 49	0.48 23	0.88 202	1.46 172	0.32 7	0.20 119	0.12 9	0.25 208	0.15 31	0.19 73	0.19 113

x	0.54 64	0.31 159	0.61 61	0.47 42	0.30 81	0.67 123	0.47 150	1.53 211	0.79 68	0.81 68	0.83 54	0.78 92	0.70 135	0.70 35	0.62 178	0.21 146	0.19 210	0.22 124	0.19 110	0.21 133	0.20 136

IER	0.70 157	0.31 159	1.02 248	0.48 53	0.52 254	1.34 290	0.51 172	1.17 125	0.99 131	1.23 202	1.34 217	1.12 209	1.11 279	0.99 93	0.71 198	0.20 119	0.16 157	0.21 98	0.21 175	0.20 99	0.19 113

iRaft-Stereo_20w	0.65 133	0.31 159	1.00 238	0.47 42	0.34 139	0.73 149	0.30 23	2.96 385	0.70 48	1.15 158	1.14 148	0.76 88	0.65 126	1.11 117	0.38 49	0.17 32	0.13 43	0.18 37	0.16 60	0.19 73	0.18 80

GwcNet-ADL	0.64 128	0.31 159	0.79 171	0.56 167	0.41 191	0.60 86	0.58 223	1.41 177	1.26 241	1.08 120	1.13 145	0.91 138	0.60 99	1.04 105	0.78 218	0.27 255	0.18 197	0.18 37	0.18 90	0.25 204	0.29 247

IIG-Stereo	0.96 255	0.31 159	0.72 120	0.88 353	0.33 124	0.61 89	0.26 10	1.19 136	1.03 144	1.69 328	1.37 226	1.46 280	0.75 142	6.96 383	0.51 133	0.19 92	0.14 76	0.23 152	0.18 90	0.20 99	0.14 11

PSM-softLoss	0.78 200	0.31 159	0.77 161	0.58 184	0.32 108	0.56 70	0.40 85	1.18 130	0.70 48	1.24 210	1.07 117	0.83 112	0.52 62	5.36 349	0.53 147	0.24 207	0.15 126	0.25 208	0.22 200	0.20 99	0.25 209

KMStereo	0.78 200	0.31 159	0.77 161	0.58 184	0.32 108	0.56 70	0.40 85	1.18 130	0.70 48	1.24 210	1.07 117	0.83 112	0.52 62	5.36 349	0.53 147	0.24 207	0.15 126	0.25 208	0.22 200	0.20 99	0.25 209

CroCo-Stereo	0.40 8	0.31 159	0.73 132	0.58 184	0.27 33	0.26 1	0.33 34	0.95 53	0.81 70	0.42 5	0.47 5	0.65 65	0.47 41	0.39 1	0.34 24	0.18 60	0.15 126	0.16 9	0.14 23	0.19 73	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	0.63 118	0.31 159	0.54 33	0.54 136	0.36 147	0.80 183	0.46 144	1.37 169	1.07 160	0.93 85	1.30 199	1.08 196	0.85 187	0.80 57	0.94 251	0.21 146	0.19 210	0.21 98	0.18 90	0.22 154	0.18 80

acv_ft	0.75 187	0.31 159	0.95 224	0.70 294	0.86 353	1.24 277	0.53 187	1.44 186	1.07 160	1.24 210	1.30 199	1.08 196	0.92 214	0.80 57	1.34 303	0.21 146	0.19 210	0.21 98	0.18 90	0.21 133	0.18 80

tt1	0.62 112	0.32 173	0.51 24	0.54 136	0.26 20	1.16 264	0.48 158	0.95 53	2.47 374	0.57 33	0.77 44	0.49 30	0.81 169	1.55 189	0.32 7	0.20 119	0.12 9	0.24 172	0.15 31	0.19 73	0.20 136

PCWNet_CMD	0.66 141	0.32 173	0.88 202	0.49 66	0.37 155	0.78 174	0.40 85	1.42 179	1.31 267	1.16 169	1.31 204	1.25 238	0.62 113	0.89 76	0.57 161	0.20 119	0.16 157	0.27 239	0.19 110	0.40 299	0.25 209

BUS	0.74 180	0.32 173	0.68 90	0.54 136	0.44 205	2.34 367	0.42 98	2.16 346	0.98 124	1.20 191	1.11 134	1.03 183	0.62 113	0.91 78	0.70 193	0.24 207	0.17 182	0.25 208	0.22 200	0.22 154	0.22 167

BSDual-CNN	0.71 162	0.32 173	0.68 90	0.54 136	0.44 205	1.27 281	0.65 243	2.16 346	0.98 124	1.20 191	1.11 134	1.12 209	0.74 140	0.91 78	0.66 187	0.24 207	0.17 182	0.25 208	0.22 200	0.22 154	0.22 167

hknet	0.77 194	0.32 173	0.95 224	0.54 136	0.38 172	1.27 281	0.65 243	2.16 346	1.07 160	1.20 191	1.11 134	1.59 301	0.81 169	1.37 151	0.66 187	0.22 169	0.17 182	0.25 208	0.22 200	0.22 154	0.22 167

psmg	0.72 163	0.32 173	0.68 90	0.50 73	0.44 205	1.48 306	0.75 265	1.94 307	0.98 124	1.21 194	1.33 212	1.12 209	0.74 140	0.91 78	0.66 187	0.24 207	0.19 210	0.25 208	0.25 242	0.23 179	0.22 167

CFNet_pseudo	0.66 141	0.32 173	0.86 189	0.48 53	0.39 180	0.70 141	0.40 85	1.33 160	1.22 226	1.16 169	1.34 217	1.24 234	0.64 121	0.98 91	0.59 166	0.21 146	0.16 157	0.33 290	0.19 110	0.36 279	0.25 209

MMNet	0.84 223	0.32 173	1.09 267	0.60 208	0.59 285	1.85 343	0.49 165	1.51 202	1.27 248	1.37 266	1.15 154	1.26 242	1.18 290	1.67 208	1.22 287	0.19 92	0.18 197	0.23 152	0.22 200	0.25 204	0.21 152

delet	0.85 227	0.32 173	0.95 224	0.65 261	0.66 304	1.64 322	0.84 288	1.75 255	1.35 286	1.32 248	1.30 199	1.30 253	0.88 202	1.68 213	1.10 274	0.21 146	0.21 243	0.24 172	0.24 231	0.21 133	0.21 152

UPFNet	0.80 206	0.32 173	0.90 210	0.59 197	0.74 324	1.26 280	0.80 282	1.52 205	1.10 174	1.30 236	1.12 140	1.30 253	0.84 184	1.67 208	1.09 271	0.24 207	0.24 275	0.24 172	0.23 220	0.25 204	0.18 80

GwcNet-RSSM	0.77 194	0.32 173	1.01 242	0.62 232	0.54 260	0.78 174	0.51 172	1.73 249	1.20 219	1.09 125	1.37 226	1.46 280	0.85 187	1.53 185	1.09 271	0.25 232	0.18 197	0.23 152	0.24 231	0.20 99	0.19 113

CFNet-ft	0.72 163	0.32 173	0.54 33	0.66 266	0.54 260	0.83 192	0.55 204	1.37 169	1.15 201	0.93 85	1.28 195	1.57 297	0.97 238	1.35 147	0.81 228	0.26 246	0.20 227	0.33 290	0.25 242	0.30 252	0.23 185

MSMDNet	0.66 141	0.32 173	0.87 199	0.49 66	0.37 155	0.79 178	0.40 85	1.43 185	1.31 267	1.15 158	1.31 204	1.24 234	0.63 118	0.88 73	0.57 161	0.21 146	0.16 157	0.26 228	0.19 110	0.39 295	0.24 197

CFNet_RVC	0.72 163	0.32 173	0.54 33	0.66 266	0.54 260	0.83 192	0.55 204	1.37 169	1.15 201	0.93 85	1.28 195	1.57 297	0.97 238	1.35 147	0.81 228	0.26 246	0.20 227	0.33 290	0.25 242	0.30 252	0.23 185

HSM	1.19 308	0.32 173	0.65 78	0.57 178	0.38 172	1.23 276	0.59 230	2.25 361	1.19 214	1.30 236	1.25 182	1.94 337	1.03 261	9.32 405	0.71 198	0.22 169	0.16 157	0.20 75	0.16 60	0.21 133	0.21 152

DN-CSS_ROB	0.64 128	0.32 173	1.05 256	0.55 155	0.40 185	0.54 61	0.45 137	1.21 137	0.93 105	1.03 113	1.47 255	0.69 76	0.63 118	1.76 226	0.49 124	0.18 60	0.14 76	0.25 208	0.22 200	0.22 154	0.20 136

DualNet	1.09 288	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	0.95 53	2.47 374	1.15 158	1.45 248	1.06 189	0.82 173	1.55 189	7.61 394	0.20 119	0.12 9	0.31 270	0.27 263	0.19 73	0.20 136

ffm	0.72 163	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	0.95 53	2.47 374	1.15 158	1.45 248	1.06 189	0.82 173	1.55 189	0.32 7	0.20 119	0.12 9	0.31 270	0.27 263	0.19 73	0.20 136

ff1	1.37 325	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	0.95 53	2.47 374	1.15 158	1.45 248	1.06 189	0.82 173	7.22 385	7.61 394	0.20 119	0.12 9	0.31 270	0.27 263	0.19 73	0.20 136

mmx	1.39 327	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	2.13 337	1.37 293	1.15 158	1.45 248	1.06 189	0.82 173	7.22 385	7.61 394	0.24 207	0.19 210	0.31 270	0.27 263	0.30 252	0.25 209

xxx	1.39 327	0.33 189	0.85 183	0.53 121	0.37 155	0.74 152	0.56 210	2.13 337	1.37 293	1.15 158	1.45 248	1.06 189	0.82 173	7.22 385	7.61 394	0.24 207	0.19 210	0.31 270	0.27 263	0.30 252	0.25 209

CFNet_ucs	0.70 157	0.33 189	0.88 202	0.50 73	0.43 199	0.74 152	0.44 126	1.60 224	1.29 257	1.22 199	1.54 270	1.09 202	0.63 118	0.99 93	0.59 166	0.25 232	0.20 227	0.37 317	0.21 175	0.40 299	0.28 244

LL-Strereo2	0.52 41	0.33 189	0.69 99	0.52 112	0.37 155	0.70 141	0.30 23	1.13 119	0.67 42	0.94 90	0.78 46	0.91 138	0.42 22	1.05 106	0.42 75	0.17 32	0.16 157	0.29 257	0.25 242	0.21 133	0.16 42

CBFPSM	0.92 247	0.33 189	1.86 350	0.49 66	0.38 172	1.75 330	0.84 288	1.39 175	1.12 180	1.09 125	0.99 85	2.37 361	1.66 348	1.32 141	1.42 320	0.19 92	0.18 197	0.20 75	0.20 139	0.21 133	0.33 279

gwcnet-sp	0.74 180	0.33 189	1.44 313	0.57 178	0.45 212	1.40 298	0.54 191	1.50 197	1.14 192	1.30 236	1.02 100	0.94 150	0.82 173	1.39 160	0.76 210	0.21 146	0.21 243	0.22 124	0.21 175	0.22 154	0.22 167

scenet	0.74 180	0.33 189	1.44 313	0.57 178	0.45 212	1.40 298	0.54 191	1.50 197	1.14 192	1.30 236	1.02 100	0.94 150	0.82 173	1.39 160	0.76 210	0.21 146	0.21 243	0.22 124	0.21 175	0.22 154	0.22 167

ToySt	0.66 141	0.33 189	1.23 287	0.51 96	0.33 124	0.86 201	0.68 253	1.10 110	0.97 119	0.84 74	1.08 120	1.25 238	0.94 225	1.01 97	0.74 205	0.19 92	0.19 210	0.24 172	0.24 231	0.27 224	0.23 185

ssnet	0.74 180	0.33 189	1.44 313	0.57 178	0.45 212	1.40 298	0.54 191	1.50 197	1.14 192	1.30 236	1.02 100	0.94 150	0.82 173	1.39 160	0.76 210	0.21 146	0.21 243	0.22 124	0.21 175	0.22 154	0.22 167

CIPLG	0.62 112	0.33 189	0.96 228	0.58 184	0.50 236	0.75 158	0.48 158	1.05 88	0.96 112	1.40 277	1.57 280	0.64 62	0.48 49	0.89 76	0.70 193	0.23 192	0.15 126	0.19 51	0.16 60	0.19 73	0.21 152

IPLGR_C	0.62 112	0.33 189	0.99 233	0.58 184	0.49 230	0.76 163	0.48 158	1.10 110	0.96 112	1.40 277	1.56 276	0.62 57	0.48 49	0.80 57	0.71 198	0.23 192	0.15 126	0.19 51	0.16 60	0.19 73	0.21 152

ACRE	0.61 109	0.33 189	1.01 242	0.58 184	0.49 230	0.75 158	0.47 150	1.06 101	0.95 110	1.37 266	1.55 272	0.62 57	0.46 35	0.83 64	0.70 193	0.23 192	0.15 126	0.19 51	0.16 60	0.18 43	0.21 152

OMP-Stereo	0.94 251	0.33 189	0.72 120	0.90 358	0.31 93	0.49 31	0.36 58	1.16 123	1.06 155	1.58 318	1.12 140	1.46 280	0.69 132	6.94 382	0.49 124	0.19 92	0.14 76	0.24 172	0.18 90	0.20 99	0.14 11

ICVP	0.63 118	0.33 189	0.57 46	0.61 220	0.40 185	0.80 183	0.58 223	1.61 227	0.89 90	0.90 80	1.24 178	0.88 132	0.73 138	0.72 42	0.88 245	0.29 273	0.21 243	0.22 124	0.21 175	0.24 193	0.27 233
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RALAANet	0.60 103	0.33 189	0.87 199	0.62 232	0.50 236	0.69 134	0.31 28	1.21 137	1.06 155	1.09 125	1.16 157	0.88 132	0.46 35	1.22 128	0.42 75	0.19 92	0.15 126	0.21 98	0.17 76	0.27 224	0.17 62

ccs_rob	0.66 141	0.33 189	0.86 189	0.48 53	0.39 180	0.70 141	0.40 85	1.33 160	1.22 226	1.16 169	1.34 217	1.23 232	0.64 121	0.98 91	0.59 166	0.21 146	0.16 157	0.35 307	0.20 139	0.37 283	0.25 209

ttt	0.94 251	0.34 208	0.59 54	0.61 220	0.37 155	0.94 219	0.50 171	2.17 352	1.34 278	1.23 202	1.61 288	0.91 138	0.76 150	1.85 236	3.97 379	0.30 277	0.26 286	0.26 228	0.24 231	0.29 243	0.29 247

StereoVision	0.65 133	0.34 208	0.86 189	0.59 197	0.40 185	0.50 40	0.41 96	1.09 108	0.93 105	0.71 50	2.50 363	0.82 105	0.57 88	1.03 100	0.49 124	0.25 232	0.28 300	0.29 257	0.28 280	0.36 279	0.20 136

CASS	0.65 133	0.34 208	0.72 120	0.56 167	0.27 33	0.78 174	0.42 98	1.59 221	0.86 79	1.30 236	1.25 182	0.87 129	0.84 184	0.84 66	0.54 153	0.35 309	0.19 210	0.26 228	0.21 175	0.28 238	0.42 310
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.44 23	0.34 208	0.77 161	0.61 220	0.79 339	0.28 2	0.35 48	0.75 9	0.71 52	0.38 4	0.50 9	0.72 82	0.55 76	0.57 13	0.47 112	0.17 32	0.18 197	0.19 51	0.16 60	0.21 133	0.20 136

qqq	0.57 92	0.34 208	0.71 116	0.47 42	0.27 33	0.64 98	0.62 237	1.42 179	0.78 64	0.80 64	0.92 69	0.95 156	0.77 154	0.88 73	0.59 166	0.21 146	0.20 227	0.24 172	0.23 220	0.22 154	0.21 152

DAS	0.84 223	0.34 208	1.03 252	0.64 249	0.69 314	0.77 169	0.63 238	1.54 213	1.20 219	1.79 338	1.55 272	0.95 156	1.04 262	2.83 296	0.60 173	0.21 146	0.16 157	0.25 208	0.18 90	0.27 224	0.22 167

SepStereo	0.82 214	0.34 208	1.03 252	0.64 249	0.69 314	0.77 169	0.63 238	1.54 213	1.20 219	1.79 338	1.55 272	0.95 156	1.04 262	2.30 274	0.60 173	0.21 146	0.16 157	0.25 208	0.18 90	0.27 224	0.22 167

ADLNet2	0.88 237	0.34 208	1.17 281	0.77 322	0.64 299	1.12 255	0.76 268	1.74 253	1.24 233	1.21 194	1.65 297	1.71 318	1.05 266	1.67 208	1.17 283	0.24 207	0.21 243	0.21 98	0.22 200	0.26 212	0.29 247

GES	0.66 141	0.34 208	0.90 210	0.59 197	0.38 172	0.94 219	0.57 220	2.11 336	0.86 79	1.02 109	1.11 134	0.66 67	0.79 161	0.99 93	0.61 175	0.27 255	0.19 210	0.20 75	0.20 139	0.21 133	0.30 259

psm_up	0.77 194	0.34 208	0.70 105	0.66 266	0.58 278	1.05 243	0.92 307	1.52 205	1.12 180	1.26 218	1.16 157	1.31 256	1.23 302	1.20 126	0.81 228	0.25 232	0.29 308	0.31 270	0.27 263	0.27 224	0.25 209

UNet	0.83 219	0.34 208	1.31 300	0.58 184	0.74 324	1.58 316	0.49 165	1.41 177	1.04 148	1.21 194	1.08 120	1.54 293	1.12 282	1.65 203	1.09 271	0.23 192	0.17 182	0.25 208	0.20 139	0.25 204	0.22 167

DSFCA	0.93 250	0.34 208	1.06 259	0.52 112	0.65 302	1.55 313	0.93 311	1.49 193	1.19 214	1.56 312	1.15 154	1.50 288	0.96 235	3.07 304	1.02 263	0.30 277	0.26 286	0.25 208	0.25 242	0.28 238	0.24 197

DMCA	0.67 150	0.34 208	0.90 210	0.51 96	0.44 205	0.86 201	0.47 150	1.42 179	1.02 141	1.17 178	1.12 140	1.23 232	0.75 142	0.78 53	0.95 253	0.25 232	0.19 210	0.27 239	0.19 110	0.24 193	0.27 233

MLCV	0.72 163	0.34 208	1.10 270	0.51 96	0.23 6	0.91 208	0.39 82	1.33 160	1.23 229	1.46 290	1.55 272	1.01 178	0.64 121	1.95 247	0.80 227	0.18 60	0.12 9	0.18 37	0.14 23	0.19 73	0.17 62

DISCO	1.03 277	0.34 208	1.11 272	0.69 289	0.45 212	2.07 356	0.84 288	2.13 337	1.50 323	1.15 158	1.33 212	2.40 363	1.07 273	2.60 289	1.51 329	0.23 192	0.18 197	0.22 124	0.20 139	0.31 259	0.27 233

MDST_ROB	1.67 349	0.34 208	1.58 331	0.92 363	0.58 278	4.26 402	1.11 334	2.83 382	1.41 309	4.49 402	2.55 364	1.45 278	0.97 238	7.79 395	1.17 283	0.31 284	0.25 282	0.37 317	0.33 315	0.31 259	0.30 259

mmm	0.63 118	0.35 224	0.72 120	0.51 96	0.30 81	0.86 201	0.54 191	1.59 221	0.86 79	1.07 119	1.38 230	0.79 95	0.75 142	0.91 78	0.58 164	0.22 169	0.18 197	0.29 257	0.25 242	0.25 204	0.23 185

AASNet	0.76 193	0.35 224	0.91 213	0.79 325	0.81 346	1.14 257	0.56 210	2.02 324	1.08 164	1.22 199	1.24 178	0.93 147	0.76 150	0.77 52	1.16 281	0.27 255	0.23 266	0.24 172	0.20 139	0.28 238	0.24 197

AACVNet	0.86 232	0.35 224	0.79 171	0.82 336	0.39 180	0.76 163	0.49 165	1.61 227	0.81 70	1.08 120	1.33 212	1.30 253	0.93 220	4.34 332	0.74 205	0.25 232	0.21 243	0.28 249	0.22 200	0.29 243	0.25 209

PSMNet-ADL	0.72 163	0.35 224	0.62 65	0.69 289	0.46 222	1.14 257	0.44 126	1.37 169	1.01 138	0.83 72	1.17 160	1.33 258	0.96 235	1.43 167	0.95 253	0.33 294	0.22 257	0.21 98	0.23 220	0.27 224	0.29 247

GANet-ADL	0.60 103	0.35 224	0.72 120	0.64 249	0.40 185	0.68 130	0.51 172	1.49 193	1.12 180	0.95 91	1.08 120	0.91 138	0.57 88	0.76 50	0.55 157	0.26 246	0.18 197	0.18 37	0.16 60	0.23 179	0.25 209

hitnet-ft	0.79 203	0.35 224	0.57 46	0.58 184	0.42 194	0.96 227	0.46 144	1.47 191	1.33 275	1.19 187	1.22 172	1.81 326	0.98 242	1.66 207	0.94 251	0.33 294	0.28 300	0.34 300	0.27 263	0.35 273	0.31 269

UCFNet_RVC	0.69 155	0.35 224	0.49 17	0.64 249	0.39 180	0.85 200	0.58 223	1.75 255	1.14 192	0.97 95	1.19 165	1.17 219	0.93 220	0.99 93	0.62 178	0.28 265	0.20 227	0.34 300	0.31 303	0.32 264	0.27 233

Former-RAFT_DAM_RVC	0.46 26	0.36 231	0.71 116	0.47 42	0.36 147	0.67 123	0.35 48	0.78 13	1.12 180	0.61 41	0.62 21	0.39 4	0.39 15	0.71 39	0.39 56	0.20 119	0.17 182	0.22 124	0.18 90	0.23 179	0.19 113

ssnet_v2	0.88 237	0.36 231	1.02 248	0.62 232	0.38 172	1.32 287	0.97 317	2.07 332	1.34 278	1.37 266	1.18 162	1.54 293	0.92 214	1.10 114	1.65 334	0.30 277	0.27 294	0.30 266	0.28 280	0.27 224	0.26 227

ADLNet	0.85 227	0.36 231	0.89 207	0.85 345	0.72 319	1.24 277	0.76 268	1.82 277	1.36 289	1.52 303	1.35 223	1.27 246	0.99 250	1.23 130	1.15 280	0.27 255	0.20 227	0.26 228	0.25 242	0.28 238	0.30 259

ARAFT	0.77 194	0.36 231	1.49 326	0.51 96	0.31 93	0.90 206	0.82 286	1.90 294	1.06 155	1.62 322	1.24 178	1.02 180	0.64 121	1.84 233	0.50 130	0.18 60	0.14 76	0.28 249	0.27 263	0.17 25	0.16 42

CFNet	0.96 255	0.36 231	1.01 242	0.62 232	0.42 194	0.99 235	0.47 150	1.90 294	1.32 272	0.99 101	1.39 234	1.10 204	0.86 195	5.58 358	0.79 224	0.23 192	0.17 182	0.28 249	0.27 263	0.26 212	0.21 152

SGM_RVC	1.68 351	0.36 231	0.61 61	0.59 197	0.29 64	2.25 363	1.18 343	2.38 372	1.68 339	3.60 392	2.67 367	3.69 384	2.42 381	8.13 398	1.90 345	0.31 284	0.31 318	0.30 266	0.28 280	0.30 252	0.29 247
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DispNO	1.00 270	0.37 237	1.69 337	0.61 220	0.56 267	0.75 158	0.63 238	1.80 272	1.44 315	1.17 178	1.66 299	1.05 188	1.06 269	5.00 344	0.86 243	0.24 207	0.22 257	0.25 208	0.19 110	0.24 193	0.22 167

NINENet	0.77 194	0.37 237	0.78 169	0.62 232	0.51 246	2.34 367	0.42 98	1.83 281	1.04 148	1.14 155	1.23 176	1.03 183	0.62 113	1.24 131	0.70 193	0.28 265	0.23 266	0.31 270	0.21 175	0.26 212	0.25 209

GEStereo_RVC	0.90 242	0.37 237	0.99 233	0.64 249	0.50 236	0.95 223	0.79 276	2.42 374	1.17 207	1.16 169	1.11 134	1.26 242	0.92 214	3.24 310	0.90 248	0.29 273	0.19 210	0.23 152	0.20 139	0.27 224	0.29 247

pcwnet_v2	0.97 261	0.37 237	4.33 387	0.62 232	0.54 260	0.79 178	0.45 137	2.02 324	1.58 332	1.42 285	1.64 295	1.09 202	0.79 161	1.24 131	0.67 190	0.32 289	0.25 282	0.29 257	0.27 263	0.37 283	0.35 286

iResNetv2_ROB	0.80 206	0.37 237	1.71 339	0.56 167	0.37 155	0.94 219	0.64 241	1.73 249	1.34 278	1.23 202	1.42 239	1.26 242	0.92 214	1.85 236	0.56 159	0.23 192	0.15 126	0.19 51	0.14 23	0.24 193	0.19 113

LE_ROB	8.05 411	0.37 237	23.53 420	0.74 313	0.33 124	2.77 379	2.87 408	3.71 394	27.24 427	25.39 427	8.87 411	8.46 409	26.71 427	6.65 375	21.99 420	0.21 146	0.19 210	0.20 75	0.21 175	0.25 204	0.22 167

CSP-Net	0.97 261	0.38 243	0.83 181	0.53 121	0.41 191	1.63 320	0.77 271	2.00 317	1.05 152	1.25 214	1.20 168	1.33 258	0.83 182	4.93 343	0.85 241	0.32 289	0.22 257	0.20 75	0.20 139	0.23 179	0.25 209

Anonymous	0.53 50	0.38 243	0.91 213	0.66 266	0.73 322	0.65 110	0.59 230	0.95 53	0.73 56	0.47 15	0.58 20	0.42 5	0.60 99	0.80 57	0.53 147	0.24 207	0.23 266	0.21 98	0.21 175	0.41 302	0.29 247

HGLStereo	0.85 227	0.38 243	0.94 221	0.80 328	1.03 366	1.17 266	0.58 223	1.52 205	1.20 219	1.19 187	1.62 291	1.13 214	1.20 296	1.80 230	1.06 266	0.24 207	0.24 275	0.24 172	0.21 175	0.23 179	0.27 233

SGM-ForestM	6.52 408	0.38 243	1.26 293	0.63 240	0.35 142	13.59 420	5.32 414	6.32 413	6.70 408	11.14 417	9.18 412	22.51 428	13.93 416	16.89 421	20.07 419	0.36 312	0.37 343	0.36 315	0.35 324	0.36 279	0.34 281

SGM-Forest	1.24 310	0.38 243	0.60 58	0.52 112	0.37 155	1.56 314	1.30 352	1.65 234	1.36 289	2.11 358	1.79 315	1.63 307	0.93 220	7.48 392	0.95 253	0.36 312	0.37 343	0.39 326	0.34 320	0.37 283	0.32 275
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
LL-Strereo	1.33 321	0.39 248	1.38 309	0.61 220	0.61 291	0.75 158	0.66 248	1.63 232	1.17 207	1.56 312	1.60 284	2.03 347	2.12 373	9.72 410	0.97 258	0.21 146	0.18 197	0.27 239	0.23 220	0.22 154	0.25 209

CRFU-Net	0.86 232	0.39 248	1.00 238	0.65 261	0.57 270	1.78 337	0.86 294	2.15 343	0.81 70	1.38 271	1.18 162	1.64 310	1.19 293	1.35 147	0.90 248	0.26 246	0.22 257	0.21 98	0.19 110	0.23 179	0.24 197

TestStereo	0.64 128	0.39 248	0.71 116	0.51 96	0.27 33	0.56 70	0.42 98	1.03 78	0.91 99	0.80 64	1.00 88	0.68 71	0.52 62	3.25 311	0.45 94	0.22 169	0.15 126	0.24 172	0.18 90	0.27 224	0.16 42

HCRNet	0.70 157	0.39 248	0.73 132	0.60 208	0.59 285	0.76 163	0.35 48	1.22 144	1.13 190	1.02 109	0.99 85	1.02 180	0.76 150	2.19 267	0.70 193	0.28 265	0.19 210	0.28 249	0.23 220	0.25 204	0.23 185

Wz-Net-LNSev-Ref	0.99 266	0.40 252	1.82 347	0.66 266	0.62 296	2.05 355	0.78 273	1.91 298	1.29 257	1.54 308	1.42 239	1.51 290	1.23 302	1.99 250	1.33 301	0.23 192	0.14 76	0.20 75	0.15 31	0.27 224	0.26 227

sCroCo_RVC	0.49 37	0.40 252	1.02 248	0.65 261	0.60 288	0.52 53	0.40 85	0.83 23	0.61 23	0.44 9	0.74 39	0.49 30	0.50 58	0.63 26	0.48 117	0.26 246	0.27 294	0.23 152	0.22 200	0.29 243	0.25 209

DMCA-RVC	0.74 180	0.40 252	1.27 296	0.66 266	0.49 230	0.77 169	0.47 150	1.35 166	1.01 138	1.53 304	1.01 93	1.29 252	0.82 173	1.31 139	0.78 218	0.27 255	0.21 243	0.35 307	0.27 263	0.32 264	0.24 197

HITNet	0.65 133	0.40 252	0.77 161	0.48 53	0.24 9	1.05 243	0.49 165	1.76 261	1.02 141	1.18 183	1.18 162	0.89 136	0.80 166	0.85 68	0.79 224	0.17 32	0.12 9	0.21 98	0.17 76	0.29 243	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	0.75 187	0.40 252	1.36 308	0.67 276	0.29 64	0.92 214	0.59 230	1.52 205	1.25 236	1.28 223	1.48 260	0.94 150	0.76 150	1.62 200	0.78 218	0.18 60	0.14 76	0.18 37	0.15 31	0.22 154	0.23 185

DLCB_ROB	0.86 232	0.40 252	0.78 169	0.68 286	0.54 260	1.11 252	0.84 288	1.49 193	1.23 229	1.64 324	1.65 297	1.70 317	0.91 211	1.70 215	1.05 264	0.25 232	0.24 275	0.26 228	0.27 263	0.27 224	0.24 197

FAT-Stereo	1.07 283	0.41 258	1.32 303	0.72 304	0.58 278	1.08 249	0.89 299	1.96 310	1.65 336	1.75 332	1.98 335	2.03 347	1.48 330	2.02 252	1.18 286	0.42 332	0.35 336	0.34 300	0.29 291	0.35 273	0.53 339

NVstereo2D	0.92 247	0.41 258	1.48 324	0.72 304	0.72 319	1.20 273	0.87 296	1.75 255	1.38 297	0.99 101	1.13 145	1.26 242	0.98 242	2.21 269	0.89 246	0.43 337	0.20 227	0.38 320	0.24 231	0.57 346	0.63 357

StereoDRNet-Refined	0.80 206	0.41 258	0.88 202	0.62 232	0.42 194	1.33 288	0.48 158	1.52 205	1.17 207	1.45 288	1.44 246	1.44 276	0.90 209	1.26 133	1.24 289	0.20 119	0.16 157	0.27 239	0.24 231	0.25 204	0.28 244
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
RAFT + AFF	1.00 270	0.42 261	1.09 267	0.67 276	0.50 236	1.22 275	1.24 347	2.24 360	1.19 214	1.30 236	1.56 276	1.17 219	1.49 332	3.44 318	0.83 235	0.21 146	0.25 282	0.30 266	0.26 255	0.27 224	0.27 233

stereogan	1.15 304	0.42 261	1.40 310	0.86 347	0.84 350	2.38 369	0.71 261	1.88 289	1.73 343	1.72 330	1.94 334	2.31 358	1.29 310	2.07 257	1.08 269	0.36 312	0.35 336	0.39 326	0.31 303	0.51 336	0.46 322

pmcnn	2.37 378	0.42 261	2.71 378	0.63 240	0.43 199	1.54 312	1.19 344	2.01 321	1.53 328	2.64 375	7.60 405	18.07 420	1.45 326	3.44 318	2.78 364	0.18 60	0.15 126	0.15 3	0.12 9	0.20 99	0.18 80

CVANet_RVC	1.07 283	0.43 264	0.76 157	0.60 208	0.50 236	0.90 206	0.97 317	1.52 205	1.26 241	1.33 256	1.38 230	1.24 234	1.18 290	6.75 381	0.75 208	0.34 302	0.23 266	0.34 300	0.29 291	0.42 307	0.27 233

NLCA_NET_v2_RVC	0.79 203	0.43 264	1.05 256	0.64 249	0.58 278	0.95 223	0.53 187	1.53 211	1.18 211	1.37 266	1.15 154	1.43 272	0.88 202	1.61 199	0.84 238	0.25 232	0.22 257	0.27 239	0.27 263	0.29 243	0.29 247
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	0.70 157	0.43 264	0.75 148	0.73 311	0.37 155	0.92 214	0.53 187	1.85 283	1.18 211	1.12 139	1.23 176	1.07 195	0.65 126	0.96 85	0.63 182	0.31 284	0.15 126	0.32 283	0.21 175	0.29 243	0.22 167
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	0.94 251	0.44 267	1.40 310	0.58 184	0.51 246	1.77 335	0.69 257	1.36 168	1.42 312	1.29 228	1.86 324	1.74 322	1.25 305	1.52 181	1.38 308	0.26 246	0.28 300	0.28 249	0.28 280	0.27 224	0.26 227

Anonymous3	0.61 109	0.44 267	1.11 272	0.59 197	0.49 230	0.93 217	0.65 243	0.93 46	0.81 70	0.72 53	0.88 63	0.65 65	0.69 132	1.06 107	0.53 147	0.35 309	0.30 312	0.26 228	0.26 255	0.31 259	0.27 233

TDLM	1.06 281	0.44 267	0.79 171	0.63 240	0.50 236	0.89 204	1.44 359	1.48 192	1.26 241	1.12 139	1.40 236	1.08 196	0.98 242	6.65 375	0.78 218	0.33 294	0.21 243	0.33 290	0.26 255	0.37 283	0.24 197

DRN-Test	1.00 270	0.44 267	1.13 276	0.70 294	0.81 346	1.62 319	0.79 276	2.14 341	1.44 315	1.78 335	1.33 212	1.43 272	1.05 266	2.18 266	1.53 330	0.27 255	0.21 243	0.31 270	0.30 299	0.32 264	0.28 244

CBMV_ROB	0.90 242	0.44 267	0.63 68	0.51 96	0.37 155	1.25 279	0.49 165	1.77 264	1.27 248	1.41 279	2.00 336	1.33 258	1.08 274	2.17 263	0.76 210	0.43 337	0.42 356	0.47 346	0.44 346	0.41 302	0.36 290

CBMV	0.95 254	0.44 267	0.66 84	0.53 121	0.35 142	1.53 311	1.63 370	1.69 243	1.42 312	2.00 354	1.60 284	1.43 272	1.17 287	1.59 197	0.99 261	0.34 302	0.34 328	0.39 326	0.33 315	0.33 270	0.32 275
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
iinet-f	0.99 266	0.45 273	3.71 386	0.55 155	0.43 199	1.81 338	0.68 253	1.14 120	1.14 192	1.18 183	1.42 239	1.58 300	1.44 324	1.34 146	1.59 333	0.24 207	0.23 266	0.20 75	0.19 110	0.26 212	0.25 209

GMStereo	0.55 79	0.45 273	0.94 221	0.50 73	0.32 108	0.64 98	0.43 114	1.00 69	1.40 306	0.82 71	0.73 37	0.51 33	0.45 31	0.85 68	0.55 157	0.24 207	0.15 126	0.20 75	0.21 175	0.31 259	0.24 197
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SACVNet	0.85 227	0.46 275	0.85 183	0.81 331	0.56 267	0.80 183	0.79 276	1.68 241	1.12 180	1.34 259	1.33 212	1.25 238	0.94 225	2.39 281	0.76 210	0.34 302	0.26 286	0.31 270	0.29 291	0.35 273	0.44 316

LMCR-Stereo	0.82 214	0.46 275	0.88 202	0.75 317	0.43 199	1.33 288	0.56 210	2.43 375	0.98 124	1.53 304	1.49 261	0.74 83	1.00 252	1.63 201	0.89 246	0.28 265	0.17 182	0.22 124	0.17 76	0.29 243	0.20 136

S-Stereo	1.15 304	0.46 275	2.17 362	0.81 331	0.80 344	1.21 274	1.19 344	1.93 305	2.02 362	1.47 291	2.11 344	1.57 297	1.17 287	2.05 256	1.41 316	0.40 325	0.40 352	0.35 307	0.31 303	0.44 319	0.70 365

NOSS_ROB	1.26 313	0.46 275	0.62 65	0.56 167	0.38 172	1.06 246	0.78 273	1.73 249	1.40 306	1.01 106	1.43 243	1.10 204	0.75 142	10.62 415	0.65 186	0.45 343	0.43 357	0.48 347	0.45 348	0.44 319	0.41 306

whm_eth	0.65 133	0.47 279	1.05 256	0.55 155	0.64 299	0.69 134	0.45 137	1.34 164	1.26 241	1.02 109	1.92 331	0.49 30	0.48 49	0.70 35	0.52 139	0.23 192	0.20 227	0.25 208	0.24 231	0.24 193	0.31 269

FADNet-RVC-Resample	0.84 223	0.47 279	2.10 358	0.61 220	0.45 212	1.07 248	0.61 235	1.59 221	1.20 219	1.08 120	0.98 83	1.03 183	0.98 242	2.17 263	0.72 201	0.23 192	0.22 257	0.30 266	0.32 309	0.35 273	0.34 281

GANet	1.36 324	0.47 279	0.86 189	0.67 276	0.45 212	1.34 290	1.73 372	1.64 233	1.24 233	1.49 299	2.38 357	1.55 295	1.20 296	9.30 404	0.93 250	0.30 277	0.31 318	0.33 290	0.28 280	0.39 295	0.30 259

StereoDRNet	0.98 265	0.47 279	1.70 338	0.76 319	0.94 361	1.51 309	0.91 305	1.92 301	1.32 272	1.61 319	1.13 145	1.47 285	0.97 238	1.75 221	1.46 325	0.28 265	0.23 266	0.29 257	0.27 263	0.35 273	0.27 233

WCMA_ROB	1.84 359	0.47 279	1.31 300	0.69 289	0.57 270	2.11 358	1.14 338	1.87 287	1.73 343	4.04 396	6.43 399	5.62 399	3.61 395	2.59 288	1.94 347	0.52 356	0.44 360	0.39 326	0.42 342	0.48 328	0.47 325

dd	0.59 100	0.48 284	0.97 230	0.55 155	0.32 108	0.64 98	0.47 150	1.02 75	1.34 278	0.78 59	0.86 58	0.58 49	0.54 70	1.01 97	0.86 243	0.28 265	0.18 197	0.26 228	0.19 110	0.32 264	0.24 197

ADCP+	1.99 368	0.48 284	7.73 399	0.66 266	0.91 357	2.30 365	1.05 329	1.82 277	1.34 278	1.54 308	1.32 210	1.74 322	1.61 341	2.17 263	13.37 409	0.24 207	0.21 243	0.32 283	0.28 280	0.37 283	0.29 247

DeepPruner_ROB	0.74 180	0.48 284	0.87 199	0.57 178	0.44 205	0.79 178	0.54 191	1.73 249	0.96 112	1.38 271	1.27 191	1.24 234	0.73 138	1.43 167	0.73 204	0.34 302	0.28 300	0.27 239	0.26 255	0.31 259	0.31 269

BEATNet_4x	0.73 177	0.49 287	1.17 281	0.53 121	0.26 20	1.03 240	0.55 204	1.82 277	1.06 155	1.21 194	1.22 172	0.96 162	0.91 211	1.01 97	1.06 266	0.21 146	0.14 76	0.24 172	0.19 110	0.37 283	0.21 152

Nwc_Net	1.09 288	0.49 287	1.33 305	0.89 357	0.80 344	1.49 308	0.66 248	2.19 354	1.27 248	1.32 248	2.26 352	1.96 339	1.54 334	1.92 242	1.34 303	0.40 325	0.30 312	0.43 337	0.45 348	0.38 291	0.37 292

RYNet	1.17 307	0.49 287	1.24 290	0.70 294	0.97 365	1.71 326	0.92 307	1.91 298	1.46 318	1.38 271	1.14 148	1.88 327	1.30 314	4.24 328	1.87 342	0.26 246	0.21 243	0.35 307	0.27 263	0.55 343	0.54 340

XPNet_ROB	0.96 255	0.49 287	1.09 267	0.72 304	0.57 270	1.11 252	1.14 338	1.66 239	1.23 229	1.85 344	1.39 234	1.64 310	1.11 279	1.80 230	1.42 320	0.38 320	0.30 312	0.33 290	0.29 291	0.37 283	0.34 281

STTStereo	0.78 200	0.50 291	1.22 286	0.64 249	0.54 260	0.89 204	0.54 191	1.44 186	1.11 176	1.38 271	1.09 125	1.27 246	0.85 187	1.43 167	0.83 235	0.29 273	0.27 294	0.33 290	0.39 334	0.32 264	0.30 259

RP	1.09 288	0.50 291	1.12 274	0.90 358	1.04 367	1.11 252	0.84 288	1.80 272	1.62 334	1.55 311	2.00 336	1.90 331	1.78 354	1.84 233	1.25 290	0.52 356	0.36 341	0.48 347	0.36 328	0.45 322	0.43 314

edge stereo	1.11 294	0.50 291	1.30 299	0.71 301	0.65 302	1.14 257	0.75 265	1.93 305	1.37 293	1.71 329	1.83 319	2.54 367	1.44 324	2.43 283	1.23 288	0.42 332	0.41 354	0.54 358	0.35 324	0.42 307	0.46 322

SDNR	1.62 346	0.51 294	2.17 362	0.53 121	0.56 267	3.80 396	0.45 137	1.54 213	1.29 257	1.33 256	2.41 360	1.08 196	0.96 235	11.18 416	1.16 281	0.66 372	0.63 384	0.43 337	0.32 309	0.64 357	0.67 362

GwcNet	1.08 286	0.51 294	2.33 367	0.79 325	1.18 379	1.76 332	0.70 259	1.68 241	1.47 319	1.41 279	1.64 295	1.74 322	1.04 262	2.20 268	1.41 316	0.30 277	0.29 308	0.29 257	0.27 263	0.30 252	0.35 286

FADNet_RVC	0.83 219	0.51 294	1.83 349	0.54 136	0.42 194	1.19 271	0.46 144	1.51 202	1.09 170	0.89 79	1.24 178	0.91 138	0.87 198	2.11 260	1.11 276	0.27 255	0.22 257	0.31 270	0.28 280	0.43 312	0.38 298

AF-Net	1.13 299	0.52 297	1.33 305	0.86 347	0.91 357	1.38 296	0.71 261	2.16 346	1.62 334	1.56 312	2.40 359	1.99 342	1.65 344	1.81 232	1.48 327	0.48 351	0.28 300	0.49 349	0.33 315	0.39 295	0.32 275

AANet_RVC	1.16 306	0.52 297	1.49 326	0.65 261	0.45 212	0.75 158	0.69 257	1.42 179	1.55 331	1.34 259	1.87 326	1.53 292	0.78 159	7.43 390	1.38 308	0.25 232	0.17 182	0.19 51	0.16 60	0.22 154	0.26 227

PSMNet_ROB	0.90 242	0.52 297	1.17 281	0.72 304	0.61 291	1.27 281	1.12 336	1.76 261	1.12 180	1.09 125	1.28 195	1.45 278	0.89 208	1.65 203	1.42 320	0.33 294	0.25 282	0.37 317	0.39 334	0.35 273	0.29 247

APVNet	1.06 281	0.53 300	1.42 312	0.84 340	0.79 339	1.92 346	0.82 286	1.90 294	1.08 164	1.08 120	1.43 243	1.56 296	1.13 284	3.07 304	1.58 331	0.31 284	0.34 328	0.42 335	0.36 328	0.36 279	0.37 292

FINET	0.97 261	0.54 301	1.60 332	0.63 240	0.79 339	1.08 249	1.07 331	1.56 218	2.20 368	1.15 158	1.49 261	0.94 150	0.88 202	2.32 275	1.05 264	0.42 332	0.35 336	0.32 283	0.28 280	0.43 312	0.38 298

NCC-stereo	1.10 291	0.54 301	1.24 290	0.84 340	0.94 361	1.29 284	0.89 299	2.01 321	1.34 278	1.32 248	1.74 308	1.88 327	1.74 351	2.35 277	1.25 290	0.45 343	0.37 343	0.45 341	0.58 370	0.42 307	0.42 310

Abc-Net	1.10 291	0.54 301	1.24 290	0.84 340	0.94 361	1.29 284	0.89 299	2.01 321	1.34 278	1.32 248	1.74 308	1.88 327	1.74 351	2.35 277	1.25 290	0.45 343	0.37 343	0.45 341	0.58 370	0.42 307	0.42 310
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	1.30 317	0.55 304	0.82 179	0.52 112	0.58 278	1.01 238	0.64 241	1.25 152	0.97 119	0.96 92	0.78 46	1.33 258	1.29 310	1.03 100	0.74 205	0.62 368	0.64 385	1.06 384	9.63 421	1.16 382	0.49 332

ADCRef	1.35 323	0.55 304	2.37 369	0.72 304	0.77 334	1.94 348	0.78 273	1.91 298	1.27 248	1.57 316	1.59 283	1.36 263	1.41 321	1.54 187	7.53 393	0.23 192	0.20 227	0.32 283	0.30 299	0.29 243	0.29 247

NaN_ROB	1.13 299	0.55 304	1.15 278	0.64 249	0.48 227	1.61 318	2.03 390	1.72 248	1.48 320	2.09 357	1.27 191	1.40 267	1.08 274	3.94 324	1.30 298	0.28 265	0.34 328	0.28 249	0.28 280	0.30 252	0.33 279

sAnonymous2	0.55 79	0.56 307	1.46 319	0.60 208	0.51 246	0.48 21	0.52 181	0.79 14	0.68 45	0.50 28	0.67 26	0.46 16	0.62 113	0.59 15	0.40 60	0.22 169	0.17 182	0.22 124	0.21 175	0.86 371	0.56 344

CroCo_RVC	0.55 79	0.56 307	1.46 319	0.60 208	0.51 246	0.48 21	0.52 181	0.79 14	0.68 45	0.50 28	0.67 26	0.46 16	0.62 113	0.59 15	0.40 60	0.22 169	0.17 182	0.22 124	0.21 175	0.86 371	0.56 344

NCCL2	1.00 270	0.56 307	1.06 259	0.75 317	0.57 270	1.31 286	1.72 371	1.77 264	1.36 289	1.50 300	1.17 160	1.91 332	1.17 287	1.54 187	1.29 297	0.35 309	0.31 318	0.45 341	0.44 346	0.40 299	0.40 302

MeshStereo	2.26 374	0.56 307	0.92 217	0.61 220	0.49 230	2.60 375	1.02 326	3.18 388	2.05 364	7.40 415	4.98 395	7.58 405	2.98 390	6.37 371	1.96 348	0.43 337	0.43 357	0.45 341	0.39 334	0.43 312	0.42 310
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	1.72 356	0.57 311	3.66 384	0.67 276	0.61 291	2.61 376	1.85 379	1.96 310	1.67 338	1.90 348	1.83 319	2.06 350	1.90 363	2.13 261	9.15 402	0.26 246	0.24 275	0.34 300	0.32 309	0.38 291	0.35 286

PA-Net	1.01 274	0.57 311	1.29 298	0.64 249	0.74 324	1.19 271	0.84 288	1.69 243	1.43 314	1.16 169	1.19 165	1.32 257	1.19 293	3.42 316	1.25 290	0.29 273	0.45 364	0.33 290	0.49 358	0.32 264	0.47 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SANet	1.88 361	0.57 311	2.18 364	0.63 240	0.40 185	2.80 381	1.57 367	2.39 373	5.88 406	2.36 367	3.57 379	3.72 385	2.97 389	4.74 337	1.76 338	0.34 302	0.30 312	0.32 283	0.29 291	0.48 328	0.37 292

HBP-ISP	0.96 255	0.58 314	0.72 120	0.61 220	0.46 222	1.64 322	0.76 268	1.86 286	1.28 253	1.30 236	1.53 268	0.86 125	0.94 225	3.27 312	0.69 192	0.45 343	0.44 360	0.54 358	0.48 355	0.47 325	0.40 302

Wz-Net-MNSev	1.11 294	0.58 314	2.23 365	0.66 266	0.71 317	1.95 349	1.46 360	1.98 315	1.45 317	1.79 338	1.43 243	1.49 287	1.33 317	1.97 249	1.42 320	0.27 255	0.23 266	0.28 249	0.28 280	0.34 272	0.31 269

PS-NSSS	0.99 266	0.58 314	0.93 219	0.58 184	0.57 270	0.91 208	0.80 282	1.81 276	1.14 192	1.14 155	1.67 302	1.00 171	0.83 182	4.62 336	0.78 218	0.37 316	0.31 318	0.52 352	0.32 309	0.45 322	0.38 298

SuperB	2.53 384	0.59 317	18.45 414	0.69 289	0.50 236	1.87 345	0.88 297	1.67 240	2.39 371	1.50 300	1.42 239	1.14 216	1.15 286	4.28 331	5.07 383	0.24 207	0.19 210	0.22 124	0.19 110	7.86 422	0.34 281

MANE	6.19 406	0.59 317	1.03 252	0.93 364	1.22 382	13.38 419	2.69 404	12.81 420	17.94 423	8.21 416	10.82 415	14.72 418	11.68 414	11.39 417	11.90 408	0.59 365	0.50 373	0.52 352	1.76 407	0.55 343	0.54 340

FC-DCNN	2.72 391	0.59 317	0.86 189	0.73 311	0.57 270	2.91 382	1.04 328	3.01 386	2.60 379	6.83 411	7.64 406	9.92 412	6.33 410	5.21 346	3.14 369	0.53 362	0.48 369	0.51 351	0.50 361	0.53 340	0.51 337

DPSNet	1.69 352	0.59 317	4.33 387	0.70 294	0.57 270	2.02 354	1.62 369	3.35 391	1.78 347	1.48 297	1.38 230	2.17 352	2.84 387	4.77 338	3.66 375	0.48 351	0.31 318	0.29 257	0.25 242	0.64 357	0.48 328

CSAN	1.41 330	0.59 317	1.26 293	0.70 294	0.50 236	1.76 332	1.78 374	1.77 264	1.90 356	2.35 365	2.32 354	1.92 335	1.94 365	5.56 357	1.49 328	0.43 337	0.35 336	0.40 331	0.41 340	0.43 312	0.41 306

LALA_ROB	1.01 274	0.59 317	1.16 279	0.67 276	0.51 246	1.63 320	1.26 351	1.69 243	1.38 297	1.81 341	1.37 226	1.94 337	1.02 259	1.58 195	1.38 308	0.37 316	0.27 294	0.43 337	0.37 331	0.43 312	0.37 292

MSMD_ROB	1.99 368	0.59 317	0.89 207	0.70 294	0.61 291	3.95 398	0.94 313	1.80 272	1.79 348	4.41 400	4.43 386	8.17 408	3.66 396	3.40 314	1.33 301	0.52 356	0.48 369	0.54 358	0.58 370	0.53 340	0.50 333

TRStereo	0.60 103	0.60 324	0.97 230	0.74 313	0.67 306	0.46 19	0.38 71	1.85 283	0.89 90	0.79 62	0.80 53	0.88 132	0.39 15	1.10 114	0.41 67	0.23 192	0.15 126	0.23 152	0.24 231	0.17 25	0.15 27

GMStereo_Zeroshot	0.67 150	0.61 325	1.01 242	0.64 249	0.37 155	0.84 199	0.35 48	1.05 88	1.12 180	1.12 139	1.06 114	1.27 246	0.54 70	1.19 125	0.59 166	0.32 289	0.17 182	0.31 270	0.18 90	0.52 338	0.22 167

FADNet	0.92 247	0.61 325	1.81 346	0.62 232	0.55 266	0.96 227	0.57 220	1.78 268	1.33 275	0.93 85	1.01 93	1.36 263	1.01 254	2.71 293	0.75 208	0.33 294	0.34 328	0.31 270	0.34 320	0.59 350	0.40 302

DANet	1.08 286	0.61 325	1.32 303	0.85 345	0.72 319	1.37 293	0.51 172	1.54 213	1.15 201	1.78 335	1.54 270	2.01 344	1.11 279	2.90 299	2.00 350	0.33 294	0.30 312	0.40 331	0.30 299	0.44 319	0.45 318
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	1.71 355	0.62 328	1.45 317	0.67 276	0.61 291	1.81 338	1.08 332	2.52 378	1.70 340	1.77 334	1.73 307	1.98 341	1.25 305	12.57 418	1.84 341	0.34 302	0.37 343	0.56 366	0.38 333	0.45 322	0.43 314

FCDSN-DC	2.32 376	0.63 329	0.81 177	0.84 340	0.75 330	2.23 362	0.94 313	2.09 335	1.80 349	5.45 409	7.72 407	7.77 407	6.93 412	3.39 313	1.80 340	0.52 356	0.48 369	0.52 352	0.51 363	0.57 346	0.58 349
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
G-Net	1.66 348	0.63 329	1.56 329	1.11 377	0.74 324	2.98 385	0.91 305	1.55 217	1.22 226	2.76 379	8.18 410	2.32 359	2.53 384	1.92 242	1.87 342	0.48 351	0.44 360	0.45 341	0.31 303	0.60 354	0.57 348

ETE_ROB	0.96 255	0.64 331	1.16 279	0.69 289	0.48 227	1.14 257	1.13 337	1.77 264	1.19 214	1.91 349	1.45 248	1.73 320	1.05 266	1.60 198	1.14 279	0.32 289	0.26 286	0.38 320	0.34 320	0.39 295	0.41 306

PDISCO_ROB	1.32 320	0.65 332	1.44 313	1.36 381	1.46 387	2.55 373	0.92 307	2.45 376	2.07 365	1.37 266	1.49 261	1.65 312	1.00 252	2.82 295	1.35 306	1.01 380	0.27 294	0.54 358	0.47 353	0.71 366	0.73 368

dad	0.86 232	0.66 333	1.06 259	0.56 167	0.37 155	0.76 163	0.44 126	1.17 125	1.50 323	1.44 286	1.27 191	1.34 262	0.75 142	2.52 286	0.84 238	0.42 332	0.27 294	0.83 376	0.26 255	0.41 302	0.29 247

Wz-Net-LNSev	1.03 277	0.67 334	2.71 378	0.64 249	0.84 350	1.75 330	1.00 323	1.80 272	1.32 272	1.28 223	1.25 182	1.65 312	1.22 300	1.39 160	1.40 312	0.28 265	0.26 286	0.24 172	0.23 220	0.33 270	0.32 275

ccnet	1.12 296	0.67 334	1.01 242	0.78 324	0.73 322	1.72 328	0.99 321	1.84 282	1.26 241	1.47 291	1.85 323	1.75 325	1.29 310	1.75 221	1.88 344	0.57 364	0.53 376	0.57 368	0.55 367	0.59 350	0.54 340

FADNet-RVC	0.88 237	0.67 334	1.93 353	0.60 208	0.48 227	0.91 208	0.60 234	1.71 247	1.18 211	0.90 80	0.96 75	1.36 263	0.92 214	2.25 272	1.17 283	0.30 277	0.29 308	0.32 283	0.32 309	0.41 302	0.35 286

STTRV1_RVC	1.58 340	0.68 337	1.96 355	0.88 353	1.12 373	1.57 315	0.90 304	2.25 361	1.75 346	1.29 228	2.02 339	1.40 267	1.22 300	9.77 411	1.31 299	0.81 375	0.33 327	0.54 358	0.49 358	0.73 368	0.52 338

Syn2CoEx	1.14 301	0.69 338	1.66 335	0.80 328	0.67 306	1.40 298	0.88 297	2.06 331	1.54 329	1.25 214	1.58 282	1.42 271	1.50 333	4.09 326	1.40 312	0.36 312	0.32 325	0.34 300	0.29 291	0.29 243	0.34 281

psmorigin	1.52 337	0.69 338	10.52 407	0.68 286	0.59 285	1.13 256	0.70 259	1.57 219	1.19 214	1.99 352	1.79 315	2.26 355	1.47 329	2.09 258	1.36 307	0.39 323	0.40 352	0.34 300	0.33 315	0.43 312	0.56 344

ADCPNet	1.85 360	0.69 338	8.07 400	0.71 301	0.58 278	2.79 380	1.22 346	1.94 307	1.54 329	1.88 345	1.69 303	2.46 366	2.04 369	2.37 279	6.48 388	0.38 320	0.37 343	0.38 320	0.43 344	0.47 325	0.45 318

XX-TBD	0.46 26	0.70 341	0.35 1	0.79 325	0.25 18	0.58 76	0.26 10	0.69 5	1.27 248	0.76 55	1.00 88	0.45 15	0.33 10	0.47 3	0.37 39	0.19 92	0.15 126	0.15 3	0.11 6	0.17 25	0.14 11

SHD	1.31 318	0.71 342	2.34 368	0.86 347	0.75 330	1.77 335	0.65 243	2.22 358	2.50 378	2.40 369	1.71 305	1.91 332	1.60 340	1.93 245	2.37 358	0.38 320	0.31 318	0.38 320	0.40 338	0.48 328	0.50 333

RTSC	1.29 315	0.73 343	2.44 370	0.83 339	0.57 270	1.85 343	0.65 243	1.88 289	2.00 361	2.20 360	1.66 299	1.60 303	1.26 307	2.33 276	3.92 377	0.32 289	0.23 266	0.27 239	0.29 291	0.37 283	0.37 292

ADCMid	1.89 364	0.73 343	5.06 390	0.72 304	0.67 306	2.00 353	1.14 338	1.97 314	1.48 320	2.86 382	1.81 318	2.37 361	2.05 371	2.24 270	10.39 406	0.33 294	0.31 318	0.39 326	0.43 344	0.50 332	0.44 316

DeepPrunerF	1.60 343	0.73 343	5.81 395	0.88 353	1.19 380	0.91 208	0.95 315	2.19 354	5.24 404	1.17 178	1.30 199	1.19 223	1.30 314	4.90 341	1.66 336	0.42 332	0.34 328	0.52 352	0.47 353	0.41 302	0.40 302

ELAS_RVC	2.48 383	0.74 346	1.90 351	1.05 372	0.92 359	2.76 378	4.01 412	2.76 381	4.11 397	4.69 403	4.63 390	4.62 390	5.96 408	3.97 325	3.96 378	0.63 370	0.53 376	0.56 366	0.52 364	0.64 357	0.63 357
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	2.37 378	0.74 346	1.54 328	0.99 368	0.92 359	4.78 404	2.33 400	3.33 390	3.37 390	5.05 408	4.77 393	3.67 383	4.53 403	3.42 316	4.50 381	0.62 368	0.53 376	0.55 363	0.53 365	0.63 355	0.64 361
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Anonymous Stereo	1.28 314	0.75 348	2.45 371	0.74 313	0.77 334	0.93 217	1.77 373	1.51 202	1.31 267	1.67 326	1.29 198	1.20 224	0.75 142	6.29 370	1.68 337	0.37 316	0.36 341	0.38 320	0.40 338	0.43 312	0.45 318

PWCDC_ROB	1.29 315	0.75 348	1.33 305	1.05 372	0.88 356	1.73 329	0.52 181	1.89 291	3.28 388	1.29 228	4.88 394	1.22 227	1.46 327	1.77 228	1.45 324	0.60 366	0.26 286	0.29 257	0.25 242	0.52 338	0.37 292

DGSMNet	1.14 301	0.76 350	2.49 373	0.81 331	0.86 353	1.39 297	1.39 356	2.13 337	1.35 286	1.26 218	1.63 294	1.48 286	0.98 242	1.75 221	1.10 274	0.45 343	0.43 357	0.55 363	0.49 358	0.75 369	0.70 365

PWC_ROB	1.24 310	0.76 350	2.46 372	0.72 304	0.78 337	1.15 262	0.49 165	1.75 255	1.92 357	2.31 362	3.07 372	1.59 301	1.40 320	2.46 284	2.10 354	0.33 294	0.22 257	0.35 307	0.24 231	0.38 291	0.41 306

aanetorigin	1.23 309	0.79 352	2.78 380	0.70 294	0.79 339	0.99 235	1.06 330	1.06 101	1.37 293	3.52 391	2.61 365	1.72 319	1.63 342	1.99 250	1.78 339	0.25 232	0.24 275	0.26 228	0.25 242	0.38 291	0.45 318

RGC	1.14 301	0.79 352	1.26 293	0.91 361	0.96 364	1.52 310	0.77 271	1.92 301	1.26 241	1.54 308	1.93 332	2.02 346	1.54 334	2.25 272	1.31 299	0.44 342	0.35 336	0.58 369	0.48 355	0.47 325	0.46 322

MFN_U_SF_RVC	1.52 337	0.84 354	3.42 382	0.87 352	0.66 304	2.56 374	0.95 315	2.36 370	1.70 340	1.98 351	1.86 324	2.45 365	1.79 355	2.95 300	2.58 360	0.52 356	0.48 369	0.55 363	0.59 373	0.59 350	0.61 355

PVD	1.70 353	0.84 354	2.26 366	0.94 366	0.83 349	2.48 371	0.97 317	2.59 380	3.35 389	3.01 388	2.77 368	2.34 360	2.47 383	2.67 292	3.14 369	0.47 350	0.45 364	0.59 370	0.48 355	0.59 350	0.75 370

SAMSARA	1.55 339	0.84 354	2.61 375	1.22 380	1.07 368	2.50 372	1.93 384	2.05 326	1.89 354	2.75 378	1.66 299	2.81 374	1.69 349	3.08 306	1.97 349	0.46 349	0.51 374	0.42 335	0.46 351	0.58 348	0.59 351

GANetREF_RVC	1.07 283	0.86 357	1.31 300	0.82 336	0.53 257	1.41 302	1.31 353	1.76 261	1.52 326	1.27 221	1.31 204	1.46 280	1.24 304	2.03 253	0.96 257	0.56 363	0.45 364	0.67 371	0.50 361	0.88 373	0.59 351
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	1.74 357	0.87 358	3.56 383	0.80 328	0.75 330	3.72 393	2.44 403	1.82 277	1.82 351	1.74 331	1.91 330	1.92 335	1.26 307	7.69 394	1.28 296	0.45 343	0.47 368	0.52 352	0.77 379	0.50 332	0.50 333

XQC	1.37 325	0.87 358	2.56 374	0.84 340	0.69 314	1.83 341	0.89 299	2.07 332	1.88 353	1.88 345	1.53 268	1.91 332	1.55 336	2.85 298	3.05 366	0.48 351	0.29 308	0.44 340	0.39 334	0.69 364	0.60 354

SQANet	1.31 318	0.88 360	1.08 266	1.83 389	1.44 386	1.44 304	0.75 265	1.74 253	1.09 170	1.32 248	1.26 188	1.28 249	1.01 254	1.50 180	0.83 235	2.50 395	0.34 328	1.47 387	0.55 367	2.32 391	1.57 391

PASM	1.34 322	0.92 361	2.62 376	0.86 347	0.87 355	1.03 240	1.08 332	1.50 197	1.51 325	1.82 342	1.41 238	1.68 315	1.26 307	4.87 340	1.34 303	0.61 367	0.65 387	0.68 372	0.78 380	0.69 364	0.68 364

WZ-Net	1.95 365	0.95 362	10.10 404	0.86 347	0.78 337	1.69 325	1.60 368	2.20 357	1.98 360	2.08 356	1.93 332	2.30 357	1.97 366	5.30 347	3.17 371	0.34 302	0.26 286	0.29 257	0.31 303	0.51 336	0.47 325

GASNet	0.99 266	0.97 363	1.72 340	0.98 367	0.68 312	0.83 192	0.67 251	1.60 224	1.28 253	1.31 246	1.22 172	1.22 227	1.21 299	2.41 282	1.41 316	0.43 337	0.26 286	0.36 315	0.34 320	0.55 343	0.31 269

anonymity	1.12 296	0.97 363	1.21 284	1.07 375	1.12 373	1.08 249	0.89 299	1.95 309	1.16 205	1.29 228	1.26 188	1.22 227	1.09 277	1.15 122	1.01 262	1.02 382	1.00 403	0.97 380	0.97 390	0.98 375	0.99 378

Consistency-Raft	1.25 312	0.99 365	1.93 353	1.02 371	1.21 381	0.96 227	1.01 325	1.75 255	1.92 357	1.36 264	2.12 345	1.44 276	1.01 254	1.14 121	1.40 312	0.72 373	0.82 390	0.89 378	0.98 392	1.31 386	0.95 376

ADCS	2.25 373	0.99 365	5.55 392	0.81 331	0.74 324	2.19 361	1.80 375	2.27 363	2.14 366	2.80 381	2.13 346	2.40 363	2.03 368	2.64 291	13.69 410	0.41 329	0.39 350	0.40 331	0.45 348	0.58 348	0.56 344

MaskLacGwcNet_RVC	1.10 291	1.02 367	1.00 238	0.82 336	0.67 306	1.93 347	0.93 311	1.62 230	1.11 176	1.15 158	1.25 182	1.50 288	0.79 161	1.96 248	0.76 210	1.89 390	0.34 328	0.79 375	0.36 328	1.25 385	0.83 372

SPS-STEREO	1.67 349	1.04 368	1.23 287	1.21 379	1.13 376	1.82 340	1.11 334	2.16 346	1.52 326	3.07 390	2.32 354	2.82 375	1.80 356	4.11 327	2.04 351	1.03 383	0.99 402	0.97 380	0.94 388	1.03 379	1.02 379
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	1.88 361	1.07 369	1.45 317	1.07 375	1.17 377	1.47 305	1.48 362	1.89 291	1.93 359	1.94 350	4.67 392	3.08 379	1.80 356	6.51 373	1.65 334	1.06 385	0.86 397	1.08 385	1.32 397	0.93 374	1.26 388
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	2.41 381	1.07 369	2.14 361	1.18 378	1.10 370	2.14 360	1.36 355	1.96 310	1.66 337	5.46 410	7.07 402	4.95 395	4.32 402	5.50 354	2.26 357	1.04 384	1.02 405	0.99 382	0.97 390	1.02 378	1.04 381

EDNetEfficient	2.37 378	1.10 371	8.08 401	0.74 313	0.71 317	0.98 234	1.56 365	1.46 189	4.06 396	4.90 405	2.82 369	2.25 354	3.48 394	2.95 300	9.97 403	0.26 246	0.24 275	0.26 228	0.30 299	0.68 363	0.61 355

AnyNet_C32	1.96 366	1.10 371	5.17 391	0.90 358	1.11 371	2.12 359	2.37 401	1.85 283	1.48 320	2.45 370	1.70 304	2.05 349	1.64 343	2.50 285	10.28 405	0.37 316	0.34 328	0.35 307	0.41 340	0.49 331	0.54 340

LSM	6.33 407	1.10 371	13.19 410	1.41 385	68.17 436	1.64 322	1.90 383	1.92 301	2.46 373	2.99 386	3.11 373	1.88 327	1.80 356	2.61 290	2.06 353	0.41 329	0.58 382	0.50 350	0.57 369	0.64 357	17.66 428

otaku	1.60 343	1.11 374	1.21 284	2.20 392	1.56 388	1.97 350	1.24 347	2.07 332	1.36 289	1.44 286	1.62 291	1.73 320	1.19 293	1.73 220	0.98 260	2.89 399	0.57 381	1.74 388	0.60 374	2.78 396	1.94 396

AnonymousM	0.59 100	1.11 374	0.41 9	0.44 23	0.32 108	0.43 14	0.47 150	1.05 88	0.64 28	0.98 99	0.63 22	0.67 69	0.43 24	0.59 15	0.41 67	0.20 119	0.15 126	1.84 391	0.84 383	0.14 2	0.13 3

MFMNet_re	1.40 329	1.14 376	1.68 336	1.39 383	1.07 368	1.48 306	1.43 358	1.87 287	1.82 351	2.26 361	2.19 349	1.51 290	1.86 360	1.52 181	1.25 290	0.93 378	0.83 391	0.84 377	0.80 381	0.99 377	1.05 383

Ntro	1.64 347	1.15 377	1.23 287	2.48 397	1.83 390	2.09 357	1.16 341	1.96 310	1.38 297	1.21 194	1.62 291	1.62 305	1.29 310	1.87 239	1.11 276	3.04 400	0.56 380	1.82 390	0.64 375	2.80 397	2.05 397

MSC_U_SF_DS_RVC	2.12 370	1.15 377	3.10 381	1.05 372	0.76 333	5.03 407	2.40 402	2.16 346	2.62 380	1.89 347	2.28 353	2.69 372	1.65 344	9.35 406	2.04 351	0.64 371	0.51 374	0.68 372	0.71 377	1.09 381	0.67 362

UDGNet	0.72 163	1.17 379	0.80 176	0.77 322	0.41 191	0.77 169	0.38 71	0.97 61	1.34 278	0.81 68	0.88 63	0.71 81	0.60 99	1.21 127	0.54 153	0.52 356	0.19 210	1.02 383	0.26 255	0.71 366	0.31 269

Wz-Net-SNSev	1.49 333	1.23 380	6.27 397	0.68 286	0.67 306	1.37 293	1.41 357	2.00 317	1.39 301	1.48 297	1.61 288	2.29 356	1.32 316	3.93 323	2.14 355	0.31 284	0.28 300	0.31 270	0.33 315	0.42 307	0.36 290

CC-Net-ROB	1.49 333	1.26 381	1.27 296	0.88 353	0.79 339	1.76 332	1.00 323	1.79 270	1.26 241	1.10 133	1.61 288	1.21 225	0.99 250	8.13 398	0.84 238	1.09 386	0.41 354	2.20 392	0.46 351	1.20 384	0.48 328

RTS	2.67 386	1.38 382	15.28 412	0.99 368	1.26 383	3.78 394	1.96 386	2.15 343	2.62 380	2.61 373	2.85 370	2.60 369	1.59 338	6.27 368	5.71 386	0.40 325	0.28 300	0.35 307	0.35 324	0.50 332	0.48 328

RTSA	2.67 386	1.38 382	15.28 412	0.99 368	1.26 383	3.78 394	1.96 386	2.15 343	2.62 380	2.61 373	2.85 370	2.60 369	1.59 338	6.27 368	5.71 386	0.40 325	0.28 300	0.35 307	0.35 324	0.50 332	0.48 328

WAO-7	2.66 385	1.40 384	1.73 342	1.39 383	1.17 377	3.93 397	1.94 385	4.11 397	3.88 395	2.92 383	5.50 396	4.18 388	3.00 391	7.63 393	3.71 376	1.13 388	1.00 403	1.17 386	1.13 396	1.18 383	1.09 385

ACVNet_2	2.43 382	1.41 385	2.04 356	2.62 398	2.24 397	2.63 377	1.88 382	3.31 389	3.01 385	2.19 359	3.45 378	4.62 390	2.04 369	4.50 334	1.47 326	2.55 396	0.64 385	2.22 393	0.84 383	2.69 395	2.29 400

ACVNet-4b	2.15 371	1.41 385	1.64 333	2.80 399	2.31 400	2.31 366	1.24 347	2.32 366	2.14 366	1.26 218	2.39 358	2.66 371	1.48 330	5.95 366	1.06 266	3.20 404	0.45 364	2.37 396	0.89 385	2.83 400	2.37 401

ACVNet_1	2.18 372	1.45 387	1.72 340	2.85 401	2.33 401	2.28 364	1.46 360	3.08 387	2.22 369	1.82 342	2.05 342	3.56 382	1.98 367	3.09 307	1.40 312	3.17 401	0.60 383	2.40 400	0.92 387	2.91 403	2.37 401

EDNetEfficientorigin	10.57 414	1.47 388	177.42 441	0.67 276	0.53 257	1.58 316	1.16 341	1.90 294	3.37 390	4.71 404	3.38 376	3.10 380	2.69 386	3.13 308	3.58 374	0.25 232	0.23 266	0.33 290	0.27 263	0.83 370	0.81 371

Dean	2.91 394	1.53 389	2.07 357	2.96 405	2.51 403	3.15 386	2.14 394	4.75 402	4.41 400	2.76 379	6.10 398	5.53 398	2.37 379	2.97 302	1.92 346	3.18 402	0.85 395	2.51 403	1.04 395	2.88 402	2.47 404

WAO-6	2.81 392	1.60 390	1.46 319	2.36 396	2.28 399	3.55 391	2.29 399	4.21 398	4.56 401	2.36 367	4.51 387	4.88 394	2.66 385	4.60 335	4.07 380	1.72 389	1.15 409	2.31 395	1.46 403	2.31 390	1.85 394

LVE	3.31 396	1.67 391	1.64 333	2.85 401	2.42 402	3.20 388	2.26 398	4.78 403	5.05 403	2.35 365	6.91 400	6.02 400	2.37 379	9.15 402	2.17 356	3.19 403	1.08 408	2.38 398	1.47 404	2.81 398	2.40 403

RainbowNet	1.97 367	1.76 392	1.57 330	2.81 400	2.21 396	1.98 352	1.81 376	2.54 379	1.89 354	1.50 300	1.84 321	1.96 339	1.65 344	2.14 262	1.25 290	3.33 406	0.85 395	2.39 399	0.98 392	2.82 399	2.22 398

AnyNet_C01	2.26 374	1.78 393	10.22 406	0.93 364	0.74 324	2.92 384	2.20 396	2.29 365	1.80 349	2.53 372	2.41 360	2.71 373	1.73 350	3.41 315	6.72 390	0.41 329	0.39 350	0.40 331	0.42 342	0.67 362	0.63 357

IMH-64-1	2.70 389	1.79 394	1.46 319	3.26 408	2.66 404	3.23 389	2.10 391	4.08 395	2.75 383	2.34 363	3.81 382	3.06 377	2.22 376	4.25 329	2.59 361	3.75 410	0.84 392	2.75 406	1.35 398	3.15 405	2.60 407

IMH-64	2.70 389	1.79 394	1.46 319	3.26 408	2.66 404	3.23 389	2.10 391	4.08 395	2.75 383	2.34 363	3.81 382	3.06 377	2.22 376	4.25 329	2.59 361	3.75 410	0.84 392	2.75 406	1.35 398	3.15 405	2.60 407

WAO-8	4.40 399	1.82 396	1.79 344	2.34 394	2.20 394	9.19 412	1.53 363	6.09 410	16.46 417	3.94 394	7.84 408	7.32 402	3.72 398	9.41 408	3.31 372	2.00 391	1.07 406	2.44 401	1.37 401	2.50 392	1.68 392

Venus	4.40 399	1.82 396	1.79 344	2.34 394	2.20 394	9.19 412	1.53 363	6.09 410	16.46 417	3.94 394	7.84 408	7.32 402	3.72 398	9.41 408	3.31 372	2.00 391	1.07 406	2.44 401	1.37 401	2.50 392	1.68 392

IMH	3.21 395	1.85 398	1.48 324	3.25 407	2.69 406	4.07 400	2.02 389	4.41 400	3.80 394	2.72 376	7.11 403	4.75 393	2.92 388	5.92 364	2.55 359	3.85 413	0.88 398	2.78 408	1.36 400	3.19 407	2.59 406

JetBlue	3.97 397	2.01 399	10.19 405	1.38 382	2.84 408	10.53 415	9.54 415	3.60 393	2.41 372	2.73 377	3.39 377	4.54 389	4.31 401	7.85 397	6.84 391	0.88 376	0.93 401	0.89 378	0.91 386	1.74 387	1.91 395

TorneroNet-64	5.30 405	2.03 400	1.74 343	3.43 410	2.81 407	10.09 414	2.12 393	9.10 417	17.12 422	4.96 407	9.27 413	10.72 416	3.70 397	9.20 403	4.55 382	3.31 405	0.84 392	2.88 409	1.55 405	3.49 408	3.04 410

TorneroNet	10.70 415	2.03 400	1.82 347	3.43 410	3.01 409	43.83 432	2.22 397	8.87 416	67.47 441	7.17 414	27.36 426	10.68 415	3.85 400	8.67 401	7.65 398	3.59 408	0.88 398	3.04 410	1.57 406	3.71 409	3.17 411

PWCK	2.88 393	2.05 402	5.72 394	2.08 391	1.11 371	3.55 391	3.90 411	2.86 384	3.54 393	3.03 389	3.63 380	3.10 380	2.31 378	8.15 400	3.09 367	2.12 393	0.91 400	1.75 389	0.98 392	2.57 394	1.18 387

KSHMR	8.75 413	2.06 403	2.11 359	3.53 412	3.11 410	4.13 401	2.69 404	5.60 407	61.37 440	3.00 387	55.83 440	4.98 397	2.45 382	4.49 333	2.61 363	3.46 407	1.55 413	3.14 412	1.94 410	3.72 410	3.18 412

Wz-Net-TNSev	1.88 361	2.08 404	7.66 398	0.67 276	0.64 299	2.42 370	1.83 378	2.33 367	1.74 345	1.57 316	1.56 276	2.58 368	1.90 363	4.86 339	3.12 368	0.39 323	0.37 343	0.33 290	0.37 331	0.53 340	0.58 349

coex-ft	8.13 412	2.13 405	98.04 440	0.67 276	0.53 257	1.71 326	1.56 365	1.65 234	11.11 412	18.17 426	3.75 381	3.88 386	7.61 413	2.98 303	6.49 389	0.30 277	0.30 312	0.32 283	0.31 303	0.66 361	0.50 333

UNDER WATER-64	5.27 404	2.32 406	8.78 403	3.93 416	3.54 415	7.61 410	3.03 410	5.84 409	14.19 413	4.04 396	4.04 384	9.39 411	6.26 409	5.93 365	8.48 400	3.60 409	1.51 412	3.13 411	1.88 408	4.29 415	3.61 415

UNDER WATER	5.08 403	2.33 407	5.55 392	3.94 417	3.51 414	5.20 408	2.72 406	5.61 408	16.52 419	3.84 393	4.60 389	9.21 410	5.89 407	5.90 363	8.66 401	3.75 410	1.34 410	3.18 413	1.88 408	4.33 416	3.61 415

ktn	4.70 401	2.38 408	2.12 360	3.76 413	3.24 411	4.85 405	2.95 409	5.52 405	7.37 409	4.07 398	19.32 423	7.46 404	3.47 393	7.39 388	2.95 365	4.04 414	1.85 414	3.26 414	2.22 413	3.08 404	2.65 409

notaker	3.98 398	2.40 409	2.68 377	3.82 415	3.27 413	3.97 399	2.14 394	4.78 403	3.45 392	4.12 399	6.94 401	7.65 406	3.26 392	7.82 396	5.30 385	4.04 414	1.41 411	3.36 415	2.10 412	3.88 411	3.31 413

UDG	1.41 330	2.65 410	0.99 233	1.44 386	1.64 389	1.34 290	0.80 282	1.60 224	1.23 229	1.23 202	1.71 305	2.01 344	1.34 318	1.47 176	1.41 316	0.90 377	0.54 379	2.29 394	0.75 378	1.84 388	1.04 381

DDUNet	1.50 335	2.69 411	1.12 274	1.77 388	1.88 391	1.84 342	0.92 307	1.70 246	1.16 205	1.38 271	1.79 315	1.60 303	1.12 282	1.37 151	1.08 269	1.10 387	0.76 388	2.37 396	0.94 388	2.00 389	1.37 389

DispFullNet	2.34 377	2.85 412	3.66 384	3.08 406	2.27 398	1.97 350	0.67 251	2.00 317	1.70 340	2.52 371	2.00 336	2.23 353	5.86 406	3.44 318	1.58 331	1.01 380	0.32 325	2.64 405	1.94 410	2.85 401	2.24 399

MADNet++	5.01 402	3.14 413	4.91 389	4.55 419	3.94 417	5.20 408	4.41 413	4.40 399	4.13 398	4.95 406	6.08 397	4.74 392	5.37 404	9.40 407	10.67 407	4.65 416	4.15 419	3.97 417	3.34 416	4.09 413	4.08 418

MADNet+	2.69 388	3.22 414	11.53 409	1.44 386	1.12 373	3.19 387	1.81 376	2.85 383	2.37 370	1.68 327	2.07 343	2.85 376	2.18 374	7.41 389	5.23 384	0.79 374	0.76 388	0.69 374	0.65 376	0.98 375	0.95 376

HanzoNet	11.04 416	3.62 415	8.10 402	4.08 418	3.55 416	4.90 406	2.73 407	7.19 414	10.10 410	31.86 436	28.92 428	21.96 427	36.36 429	18.08 422	10.17 404	7.94 420	3.32 417	3.47 416	3.31 415	7.06 421	4.04 417

FADE	26.59 426	4.78 416	20.96 416	1.89 390	1.92 392	2.91 382	2.00 388	5.58 406	5.04 402	2.92 383	2.16 348	4.13 387	14.18 417	10.23 414	8.46 399	188.09 441	2.77 415	123.78 438	127.92 438	1.06 380	1.10 386

DPSimNet_ROB	11.20 417	4.98 417	35.43 428	2.90 404	4.52 418	7.89 411	17.09 419	4.66 401	6.06 407	14.89 422	10.93 416	17.29 419	36.81 431	13.18 419	15.68 415	2.86 398	6.29 421	5.75 420	5.09 418	3.91 412	7.70 421

SPstereo	26.54 425	6.08 418	10.71 408	5.55 420	5.68 419	48.14 433	80.43 440	67.31 441	34.39 436	28.70 434	27.52 427	43.76 438	37.60 436	45.04 440	54.41 441	4.92 419	4.89 420	10.74 425	5.88 419	4.46 417	4.57 419

DPSMNet_ROB	13.02 419	8.23 419	21.91 418	9.53 423	18.11 422	11.56 417	32.02 427	10.64 419	16.23 416	7.05 413	19.49 425	10.16 414	16.66 419	9.85 413	22.43 422	4.77 418	8.68 422	5.38 419	10.26 423	6.17 420	11.36 422

DGTPSM_ROB	13.01 418	8.23 419	21.87 417	9.51 422	18.10 421	11.56 417	32.01 426	10.63 418	16.20 415	7.03 412	19.48 424	10.15 413	16.66 419	9.83 412	22.42 421	4.75 417	8.68 422	5.37 418	10.25 422	6.16 419	11.36 422

JetRed	6.91 410	8.80 421	25.96 424	2.85 401	3.25 412	13.98 421	11.87 416	6.25 412	4.28 399	4.45 401	4.56 388	6.69 401	5.46 405	7.46 391	14.05 411	2.59 397	3.31 416	2.59 404	2.29 414	4.20 414	3.36 414

ASD4	15.85 420	10.99 422	19.63 415	10.21 424	11.70 420	19.24 422	31.10 425	19.35 422	10.68 411	11.14 417	10.18 414	12.59 417	12.64 415	14.74 420	24.83 424	12.93 426	9.94 427	26.83 432	19.40 426	16.23 425	12.70 427

BEATNet-Init1	26.87 427	13.43 423	70.68 439	0.91 361	0.68 312	57.02 440	21.06 421	32.82 432	32.67 429	52.12 440	53.61 439	66.05 440	49.56 440	48.79 441	34.71 431	0.49 355	0.44 360	0.53 357	0.53 365	0.63 355	0.59 351

Anonymous_1	43.04 437	18.73 424	24.79 421	21.81 425	46.26 435	27.80 423	37.60 428	28.08 427	16.14 414	14.66 421	14.30 417	20.65 421	17.88 421	21.56 423	25.94 425	117.93 440	8.92 424	100.65 437	126.50 437	158.64 441	12.08 424

DPSM_ROB	19.08 421	19.14 425	25.17 422	22.15 426	20.85 424	28.17 424	37.82 429	26.56 425	16.85 420	14.14 419	14.84 418	21.70 422	18.75 422	21.87 424	26.55 426	10.16 424	9.30 425	10.47 423	10.42 424	14.03 423	12.61 425

DPSM	19.08 421	19.14 425	25.17 422	22.15 426	20.85 424	28.17 424	37.82 429	26.56 425	16.85 420	14.14 419	14.84 418	21.70 422	18.75 422	21.87 424	26.55 426	10.16 424	9.30 425	10.47 423	10.42 424	14.03 423	12.61 425

xxxxx1	54.10 439	25.67 427	27.13 425	113.43 438	96.96 438	30.69 428	47.44 431	32.38 429	25.60 424	17.75 423	17.27 420	21.81 424	21.02 424	24.43 427	33.82 428	33.37 434	40.54 436	157.71 439	175.86 439	66.16 437	72.93 439

tt_ll	54.10 439	25.67 427	27.13 425	113.43 438	96.96 438	30.69 428	47.44 431	32.38 429	25.60 424	17.75 423	17.27 420	21.81 424	21.02 424	24.43 427	33.82 428	33.37 434	40.54 436	157.71 439	175.86 439	66.16 437	72.93 439

ff	54.10 439	25.67 427	27.13 425	113.43 438	96.96 438	30.69 428	47.44 431	32.38 429	25.60 424	17.75 423	17.27 420	21.81 424	21.02 424	24.43 427	33.82 428	33.37 434	40.54 436	157.71 439	175.86 439	66.16 437	72.93 439

LRCNet_RVC	22.74 423	32.10 430	21.97 419	29.84 428	26.23 426	4.42 403	0.81 285	22.66 423	2.02 362	26.93 428	29.26 429	23.06 429	15.59 418	23.84 426	18.88 418	31.75 433	19.90 435	34.65 433	32.13 433	30.54 433	28.32 434

PML	51.67 438	36.25 431	13.28 411	7.46 421	20.81 423	108.69 441	232.22 442	8.72 415	27.82 428	87.01 441	269.67 442	69.67 441	61.95 441	24.76 430	14.20 412	9.74 423	3.40 418	9.62 422	4.70 417	18.74 426	4.72 420

CasAABBNet	38.33 428	38.46 432	50.35 433	44.75 436	41.84 430	56.68 437	76.37 435	53.22 438	33.83 431	28.31 429	29.54 430	43.62 437	37.71 437	43.84 437	53.41 436	20.30 427	18.70 430	21.07 429	21.07 428	28.24 430	25.34 429

Selective-RAFT-Error	38.39 432	38.47 433	50.44 437	44.73 432	41.97 434	56.68 437	76.38 436	53.24 439	33.92 432	28.34 430	29.85 431	43.60 436	38.20 438	43.75 433	53.34 435	20.38 431	18.70 430	21.09 430	21.05 427	28.30 431	25.43 433

MyStereo03	38.34 429	38.50 434	50.41 434	44.74 433	41.86 431	56.65 434	76.38 436	52.99 435	33.93 433	28.39 431	29.99 432	43.54 433	37.42 433	43.82 434	53.53 437	20.31 428	18.71 432	21.06 426	21.08 429	28.23 427	25.35 430

MyStereo02	38.34 429	38.50 434	50.41 434	44.74 433	41.86 431	56.65 434	76.38 436	52.99 435	33.93 433	28.39 431	29.99 432	43.54 433	37.42 433	43.82 434	53.53 437	20.31 428	18.71 432	21.06 426	21.08 429	28.23 427	25.35 430

MyStereo	38.34 429	38.50 434	50.41 434	44.74 433	41.86 431	56.65 434	76.38 436	52.99 435	33.93 433	28.39 431	29.99 432	43.54 433	37.42 433	43.82 434	53.53 437	20.31 428	18.71 432	21.06 426	21.08 429	28.23 427	25.35 430

LSM0	42.82 436	38.75 437	50.81 438	47.07 437	109.38 441	57.00 439	76.02 434	53.74 440	33.71 430	29.02 435	30.41 435	43.87 439	37.22 432	43.91 438	53.54 440	20.52 432	18.62 429	21.10 431	21.11 432	28.41 432	42.22 435

HaxPig	38.92 433	41.40 438	41.64 429	29.95 429	32.27 427	28.90 426	27.60 422	29.73 428	37.71 437	43.82 437	43.87 436	33.17 430	35.56 428	41.53 431	40.37 433	43.94 437	47.51 440	45.82 434	47.08 435	42.38 434	44.15 437

AVERAGE_ROB	40.43 434	42.37 439	42.73 430	36.96 431	35.58 429	30.50 427	27.61 423	36.71 434	38.39 438	44.91 438	44.36 437	37.45 432	36.70 430	41.88 432	40.35 432	45.43 438	46.81 439	47.11 435	46.35 434	42.51 435	43.87 436

MEDIAN_ROB	42.00 435	44.40 440	44.29 432	35.15 430	34.95 428	31.28 431	29.60 424	35.88 433	40.02 439	47.20 439	46.64 438	37.37 431	38.48 439	44.35 439	42.45 434	48.03 439	49.39 441	49.71 436	49.03 436	45.14 436	46.65 438

DLNR_Zeroshot_test	23.17 424	48.52 441	43.29 431	176.68 441	78.69 437	0.35 5	0.21 1	23.41 424	0.75 57	0.66 44	0.86 58	0.59 53	0.30 4	1.56 192	0.44 86	9.57 422	0.12 9	0.18 37	0.14 23	76.92 440	0.16 42

test_example2	192.40 442	210.76 442	206.48 442	199.83 442	204.73 442	172.94 442	183.52 441	133.93 442	133.41 442	191.38 442	196.19 441	187.13 442	178.77 442	205.33 442	208.00 442	222.09 442	238.72 442	186.54 442	190.54 442	227.34 442	170.31 442

Low-res two-view benchmark