Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ADCMid	0.08 38	0.02 12	0.02 13	1.01 255	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 77	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 39	0.02 12	0.04 32	0.90 236	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 201	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 60	0.02 12	0.02 13	1.62 337	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 59	0.04 50	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

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

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

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

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

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

BEATNet_4x	0.11 60	0.03 27	0.03 29	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 60	0.03 27	0.03 29	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCRef	0.12 68	0.03 27	0.04 32	1.71 338	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCPNet	0.10 45	0.03 27	0.04 32	1.27 324	0.03 39	0.04 52	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 76	0.04 50	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

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

FADNet-RVC-Resample	0.12 68	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	1.57 371	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 68	0.04 31	0.04 32	0.05 32	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.65 375	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC	0.13 73	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.05 64	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.05 65	0.04 46	1.71 378	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

AnyNet_C32	0.14 80	0.04 31	0.03 29	2.22 351	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 73	0.04 50	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

ADCP+	0.15 90	0.04 31	0.04 32	2.20 350	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.04 59	0.08 76	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-TNSev	0.02 14	0.05 38	0.04 32	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 39	0.05 38	0.04 32	0.05 32	0.04 54	0.05 62	0.90 285	0.06 66	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

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

FADNet	0.12 68	0.05 38	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.66 376	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

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

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

GwcNet	0.12 68	0.07 44	0.05 45	0.08 37	0.05 69	0.08 75	1.20 310	0.07 75	0.05 69	0.05 65	0.05 72	0.08 76	0.05 65	0.08 76	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

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

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

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

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

BEATNet-Init1	0.19 101	0.08 45	0.08 48	2.23 352	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 101	0.08 45	0.08 48	2.23 352	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

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

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

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

SuperB	0.21 110	0.10 53	2.51 384	0.12 60	0.09 82	0.10 80	0.09 81	0.08 78	0.07 80	0.10 79	0.09 83	0.09 80	0.07 81	0.07 73	0.07 72	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

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

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

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

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

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

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

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

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

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

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

aanetorigin	0.13 73	0.11 64	0.11 74	0.11 57	0.11 103	0.11 91	0.11 98	0.11 91	0.11 100	0.11 91	0.12 106	0.11 92	0.11 99	0.11 91	0.11 93	0.11 68	0.11 75	0.14 95	0.11 97	0.49 215	0.11 95

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

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

GMStereo	0.14 80	0.13 67	0.14 98	0.14 74	0.14 119	0.14 95	0.14 114	0.14 95	0.14 119	0.14 95	0.14 121	0.14 96	0.14 118	0.14 97	0.14 113	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 111	0.13 67	0.19 124	0.23 110	0.10 88	0.26 144	1.02 297	0.14 95	0.10 86	0.28 144	0.14 121	0.17 109	0.19 138	0.28 153	0.09 77	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

DRN-Test	0.14 80	0.13 67	0.09 53	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.10 86	0.14 95	0.09 83	0.14 96	0.09 84	0.13 96	0.09 77	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 271

StereoDRNet	0.15 90	0.14 71	0.10 57	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.09 85	0.14 95	0.10 87	0.14 96	0.09 84	0.14 97	0.09 77	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 281

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

HSM	0.14 80	0.16 72	0.12 79	0.17 95	0.12 115	0.17 109	0.11 98	0.17 109	0.11 100	0.17 108	0.12 106	0.17 109	0.12 112	0.17 109	0.12 104	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

ELAS_RVC	0.14 80	0.16 72	0.10 57	0.15 83	0.10 88	0.18 111	0.11 98	0.19 112	0.11 100	0.19 112	0.12 106	0.18 112	0.11 99	0.19 113	0.12 104	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 73	0.16 72	0.11 74	0.15 83	0.09 82	0.18 111	0.11 98	0.18 111	0.11 100	0.17 108	0.11 99	0.18 112	0.11 99	0.18 111	0.11 93	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 90	0.17 76	0.11 74	0.18 96	0.11 103	0.19 114	0.11 98	0.19 112	0.12 115	0.19 112	0.12 106	0.20 116	0.12 112	0.19 113	0.12 104	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 96	0.18 77	0.13 94	0.19 99	0.13 118	0.19 114	0.13 113	0.19 112	0.13 118	0.19 112	0.13 118	0.19 115	0.13 116	0.19 113	0.13 110	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

IGEV_Zeroshot_test	0.20 103	0.19 78	0.40 188	0.30 128	0.17 134	0.22 126	0.17 121	0.21 121	0.17 131	0.20 115	0.17 131	0.21 124	0.18 134	0.21 126	0.17 127	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

ACVNet	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 292	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 292	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

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

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

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

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

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

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

MSKI-zero shot	0.24 117	0.21 87	0.49 220	0.65 212	0.18 139	0.22 126	0.17 121	0.23 128	0.18 132	0.21 124	0.17 131	0.23 132	0.28 174	0.23 134	0.18 133	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

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

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

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

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

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

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

MIM_Stereo	0.25 118	0.23 91	0.66 244	0.80 228	0.17 134	0.22 126	0.17 121	0.23 128	0.18 132	0.26 142	0.17 131	0.21 124	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

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

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

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

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

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

TorneroNet-64	0.45 189	0.27 100	0.30 155	0.58 205	0.27 167	0.70 261	0.30 173	0.28 140	0.73 279	0.73 262	0.28 174	0.71 260	0.66 260	0.75 266	0.27 160	0.27 147	0.29 162	0.37 189	0.75 282	0.28 138	0.30 178

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

DLNR_Zeroshot_test	0.31 135	0.28 102	0.47 211	0.79 226	0.24 159	0.30 152	0.26 155	0.30 145	0.24 148	0.32 153	0.23 151	0.31 157	0.24 151	0.30 157	0.23 147	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

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

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

DANet	0.30 132	0.30 105	0.30 155	0.30 128	0.30 185	0.30 152	0.30 173	0.30 145	0.30 182	0.30 147	0.30 185	0.30 155	0.30 183	0.30 157	0.30 177	0.30 156	0.30 170	0.30 155	0.30 191	0.30 143	0.30 178
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 337	0.31 106	4.99 395	5.93 387	0.20 143	0.25 137	0.20 130	0.25 134	0.20 138	0.23 129	0.19 140	0.25 139	0.20 141	0.25 140	0.20 137	5.66 396	4.76 388	0.26 143	0.30 191	0.24 131	0.27 154

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

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

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

ETE_ROB	0.35 151	0.35 109	0.35 179	0.35 138	0.35 210	0.35 166	0.35 197	0.35 154	0.35 200	0.35 160	0.35 203	0.35 164	0.35 198	0.35 166	0.35 199	0.35 170	0.35 178	0.35 182	0.35 209	0.35 164	0.35 196

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

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

RAFT-Test	0.36 154	0.37 113	0.33 168	0.41 171	0.32 192	0.41 199	0.32 178	0.41 188	0.32 188	0.41 189	0.32 189	0.41 196	0.32 188	0.41 199	0.33 185	0.37 177	0.29 162	0.37 189	0.29 183	0.38 179	0.31 183

XPNet_ROB	0.37 156	0.37 113	0.37 181	0.37 145	0.37 212	0.37 174	0.37 204	0.37 164	0.37 206	0.37 167	0.37 207	0.37 174	0.37 201	0.37 175	0.37 207	0.37 177	0.37 182	0.37 189	0.37 216	0.37 172	0.37 200

WAO-8	0.38 162	0.38 115	0.38 183	0.38 146	0.38 217	0.38 177	0.38 209	0.38 167	0.38 208	0.38 168	0.38 212	0.38 176	0.38 203	0.38 176	0.38 208	0.38 184	0.38 186	0.38 196	0.37 216	0.38 179	0.38 204

WAO-7	0.38 162	0.38 115	0.38 183	0.38 146	0.38 217	0.38 177	0.38 209	0.38 167	0.38 208	0.38 168	0.38 212	0.38 176	0.38 203	0.38 176	0.38 208	0.38 184	0.38 186	0.38 196	0.38 222	0.38 179	0.38 204

HanzoNet	0.39 167	0.38 115	0.40 188	0.39 150	0.41 228	0.38 177	0.38 209	0.38 167	0.38 208	0.39 173	0.39 216	0.38 176	0.38 203	0.39 183	0.40 214	0.38 184	0.38 186	0.40 204	0.38 222	0.38 179	0.40 208

Venus	0.38 162	0.38 115	0.38 183	0.38 146	0.38 217	0.37 174	0.38 209	0.37 164	0.37 206	0.41 189	0.37 207	0.39 180	0.37 201	0.38 176	0.38 208	0.37 177	0.38 186	0.38 196	0.37 216	0.37 172	0.38 204

IMH	0.38 162	0.38 115	0.38 183	0.38 146	0.38 217	0.38 177	0.38 209	0.38 167	0.38 208	0.42 200	0.38 212	0.40 186	0.38 203	0.38 176	0.38 208	0.38 184	0.38 186	0.39 200	0.38 222	0.38 179	0.38 204

SPstereo	0.47 195	0.38 115	0.51 224	0.56 203	0.31 189	0.67 259	0.44 228	0.55 233	0.31 184	0.61 248	0.44 233	0.46 216	0.52 247	0.67 257	0.42 227	0.48 223	0.40 193	0.47 233	0.36 213	0.53 223	0.33 190

DMCA	0.36 154	0.38 115	0.37 181	0.35 138	0.35 210	0.36 169	0.36 200	0.36 158	0.35 200	0.35 160	0.37 207	0.36 169	0.36 199	0.35 166	0.36 201	0.36 173	0.36 180	0.35 182	0.36 213	0.36 170	0.36 197

StereoDRNet-Refined	0.33 144	0.39 122	0.26 145	0.39 150	0.26 166	0.40 184	0.26 155	0.40 175	0.26 164	0.39 173	0.26 166	0.39 180	0.26 162	0.39 183	0.26 159	0.37 177	0.25 140	0.37 189	0.25 158	0.37 172	0.37 200
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 287	0.39 122	5.28 396	0.39 150	0.20 143	0.39 183	0.27 158	0.39 171	0.22 142	0.38 168	0.20 142	0.38 176	0.20 141	6.95 409	0.22 142	0.30 156	0.21 131	0.27 147	0.21 143	5.25 390	0.21 129

EKT-Stereo	0.37 156	0.40 124	0.44 202	1.07 258	0.29 176	0.34 163	0.31 177	0.36 158	0.29 172	0.38 168	0.31 188	0.37 174	0.30 183	0.36 171	0.29 170	0.34 163	0.28 153	0.39 200	0.30 191	0.37 172	0.30 178

knoymous	0.40 170	0.40 124	0.40 188	0.40 162	0.40 222	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

anonymousa	0.40 170	0.40 124	0.40 188	0.40 162	0.40 222	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

riskmin	0.40 170	0.40 124	0.40 188	0.40 162	0.40 222	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

Anonymous_2	0.40 170	0.40 124	0.40 188	0.40 162	0.40 222	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

Anonymous_1	0.40 170	0.40 124	0.40 188	0.40 162	0.40 222	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208

AdaStereo	0.40 170	0.40 124	0.40 188	0.40 162	0.40 222	0.40 184	0.40 215	0.40 175	0.40 214	0.40 177	0.40 217	0.40 186	0.40 208	0.40 186	0.40 214	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 208
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.
iRaft-Stereo_20w	0.34 145	0.41 131	0.31 161	0.39 150	0.29 176	0.40 184	0.32 178	0.41 188	0.32 188	0.38 168	0.30 185	0.39 180	0.30 183	0.38 176	0.32 182	0.35 170	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

GwcNet-ADL	0.41 176	0.41 131	0.41 196	0.41 171	0.41 228	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

PSMNet-ADL	0.41 176	0.41 131	0.41 196	0.41 171	0.41 228	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

GANet-ADL	0.41 176	0.41 131	0.41 196	0.41 171	0.41 228	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

ADLNet2	0.41 176	0.41 131	0.41 196	0.41 171	0.41 228	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

ADLNet	0.41 176	0.41 131	0.41 196	0.41 171	0.41 228	0.41 199	0.41 221	0.41 188	0.41 223	0.41 189	0.41 223	0.41 196	0.41 218	0.41 199	0.41 221	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 215

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

iRaft-Stereo_5w	0.34 145	0.42 138	0.31 161	0.39 150	0.30 185	0.38 177	0.30 173	0.40 175	0.29 172	0.40 177	0.37 207	0.41 196	0.34 195	0.38 176	0.30 177	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

IGEV+	0.34 145	0.43 139	0.30 155	0.40 162	0.29 176	0.40 184	0.29 168	0.40 175	0.29 172	0.40 177	0.29 176	0.40 186	0.29 178	0.40 186	0.30 177	0.38 184	0.29 162	0.37 189	0.29 183	0.37 172	0.29 170

Wz-Net-LNSev-Ref	0.11 60	0.44 140	0.33 168	0.39 150	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 190	0.36 180	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 151	0.44 140	0.45 204	0.49 192	0.30 185	0.37 174	0.30 173	0.36 158	0.30 182	0.36 163	0.29 176	0.36 169	0.29 178	0.36 171	0.30 177	0.46 214	0.39 191	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 156	0.45 142	0.23 132	0.30 128	0.37 212	0.41 199	0.36 200	0.41 188	0.35 200	0.43 204	0.36 204	0.41 196	0.40 208	0.41 199	0.36 201	0.34 163	0.22 134	0.47 233	0.37 216	0.39 185	0.33 190

RAFT + AFF	0.31 135	0.45 142	0.34 175	0.39 150	0.28 170	0.38 177	0.33 185	0.29 143	0.31 184	0.30 147	0.30 185	0.29 154	0.27 169	0.29 156	0.30 177	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 187

otaku	0.46 190	0.46 144	0.46 206	0.46 182	0.46 239	0.46 223	0.46 230	0.46 208	0.46 231	0.46 209	0.46 236	0.46 216	0.46 226	0.46 216	0.46 232	0.46 214	0.46 210	0.46 229	0.46 239	0.46 204	0.46 225

Dean	0.46 190	0.46 144	0.46 206	0.46 182	0.46 239	0.46 223	0.46 230	0.46 208	0.46 231	0.47 214	0.46 236	0.46 216	0.46 226	0.46 216	0.46 232	0.46 214	0.46 210	0.46 229	0.46 239	0.46 204	0.46 225

ACVNet-4b	0.46 190	0.46 144	0.46 206	0.46 182	0.46 239	0.46 223	0.46 230	0.46 208	0.46 231	0.46 209	0.46 236	0.46 216	0.46 226	0.47 220	0.46 232	0.46 214	0.46 210	0.46 229	0.46 239	0.46 204	0.46 225

psmorigin	0.41 176	0.46 144	0.33 168	0.49 192	0.33 201	0.49 233	0.33 185	0.49 219	0.33 191	0.49 223	0.33 192	0.49 229	0.33 192	0.51 236	0.33 185	0.41 200	0.30 170	0.41 215	0.30 191	0.79 247	0.29 170

Ntro	0.47 195	0.47 148	0.46 206	0.46 182	0.46 239	0.47 227	0.47 236	0.46 208	0.47 234	0.46 209	0.46 236	0.47 222	0.46 226	0.47 220	0.47 236	0.47 219	0.46 210	0.46 229	0.46 239	0.46 204	0.46 225

HaxPig	0.47 195	0.47 148	0.47 211	0.49 192	0.47 245	0.47 227	0.47 236	0.47 213	0.47 234	0.47 214	0.47 243	0.47 222	0.47 235	0.47 220	0.47 236	0.47 219	0.47 216	0.47 233	0.47 245	0.47 210	0.48 233

UNDER WATER	0.47 195	0.47 148	0.47 211	0.47 187	0.47 245	0.47 227	0.47 236	0.47 213	0.47 234	0.47 214	0.47 243	0.47 222	0.46 226	0.47 220	0.47 236	0.47 219	0.47 216	0.47 233	0.46 239	0.47 210	0.47 230

LVE	0.47 195	0.47 148	0.47 211	0.47 187	0.49 250	0.47 227	0.47 236	0.47 213	0.49 242	0.47 214	0.47 243	0.47 222	0.46 226	0.47 220	0.47 236	0.47 219	0.47 216	0.48 241	0.47 245	0.47 210	0.47 230

ACVNet_1	0.46 190	0.47 148	0.46 206	0.46 182	0.46 239	0.46 223	0.46 230	0.46 208	0.47 234	0.46 209	0.46 236	0.46 216	0.46 226	0.46 216	0.46 232	0.46 214	0.46 210	0.47 233	0.46 239	0.46 204	0.46 225

CES	0.39 167	0.47 148	0.36 180	0.36 142	0.37 212	0.45 221	0.35 197	0.35 154	0.40 214	0.36 163	0.44 233	0.47 222	0.36 199	0.44 213	0.36 201	0.37 177	0.39 191	0.44 226	0.35 209	0.37 172	0.36 197

RainbowNet	0.48 200	0.48 154	0.48 216	0.48 190	0.48 247	0.48 231	0.48 241	0.48 217	0.48 240	0.48 218	0.48 246	0.48 227	0.48 236	0.48 225	0.48 241	0.48 223	0.48 220	0.48 241	0.48 248	0.48 213	0.48 233

notaker	0.48 200	0.49 155	0.48 216	0.48 190	0.48 247	0.48 231	0.48 241	0.48 217	0.49 242	0.48 218	0.48 246	0.48 227	0.48 236	0.48 225	0.48 241	0.48 223	0.48 220	0.48 241	0.48 248	0.48 213	0.49 236

ACVNet_2	0.49 203	0.49 155	0.49 220	0.49 192	0.49 250	0.49 233	0.49 244	0.49 219	0.49 242	0.49 223	0.49 250	0.49 229	0.49 241	0.49 231	0.49 244	0.49 226	0.49 222	0.49 244	0.49 250	0.49 215	0.49 236

KSHMR	0.66 218	0.50 157	0.48 216	1.15 267	0.52 255	0.49 233	0.51 248	0.49 219	0.71 277	0.67 255	0.50 252	1.16 305	1.11 293	0.66 255	0.52 248	0.49 226	0.49 222	0.51 248	0.66 270	0.50 219	1.14 307

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

SANet	0.50 205	0.50 157	0.50 222	0.50 198	0.50 253	0.50 239	0.50 246	0.50 226	0.50 245	0.50 232	0.50 252	0.50 240	0.50 244	0.50 235	0.50 245	0.50 230	0.50 227	0.50 247	0.50 252	0.50 219	0.50 239

CASnet	0.35 151	0.51 160	0.44 202	0.32 134	0.31 189	0.24 133	0.34 194	0.36 158	0.25 151	0.31 149	0.37 207	0.30 155	0.33 192	0.25 140	0.45 230	0.37 177	0.37 182	0.33 164	0.35 209	0.34 152	0.37 200
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	1.12 288	0.52 161	3.12 387	3.24 370	0.86 294	0.53 243	0.49 244	0.60 242	0.47 234	0.53 237	0.49 250	0.55 245	0.45 225	0.55 241	0.47 236	3.01 380	3.88 383	0.71 266	0.60 262	0.80 250	0.48 233

ktn	0.72 231	0.53 162	1.08 283	1.14 265	0.51 254	1.22 352	1.36 364	0.51 230	0.59 257	0.51 233	0.51 255	0.69 259	1.20 304	0.67 257	0.51 247	0.51 231	0.49 222	0.58 253	0.66 270	0.52 221	0.53 242

TorneroNet	0.66 218	0.53 162	0.50 222	0.50 198	0.64 271	1.06 292	0.70 271	0.50 226	0.51 248	0.49 223	0.69 279	0.49 229	0.50 244	0.48 225	1.15 305	0.71 252	0.49 222	1.14 302	1.08 300	0.49 215	0.49 236

ICVP	0.15 90	0.53 162	0.11 74	0.16 89	0.11 103	0.16 106	0.11 98	0.16 107	0.11 100	0.16 105	0.11 99	0.16 106	0.11 99	0.16 106	0.11 93	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 165	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 208	0.54 165	0.54 227	0.54 201	0.53 258	0.54 244	0.54 250	0.53 231	0.54 254	0.54 238	0.54 259	0.54 242	0.53 249	0.54 239	0.54 250	0.54 234	0.53 231	0.54 251	0.54 253	0.54 225	0.54 243

Selective-IGEV	0.51 206	0.55 167	0.45 204	0.69 215	0.45 238	0.61 253	0.45 229	0.50 226	0.40 214	0.56 242	0.44 233	0.55 245	0.40 208	0.72 262	0.67 266	0.59 237	0.46 210	0.45 228	0.34 206	0.46 204	0.37 200

FCDSN-DC	0.41 176	0.59 168	0.64 238	0.54 201	0.33 201	0.50 239	0.37 204	0.42 204	0.40 214	0.61 248	0.43 231	0.50 240	0.49 241	0.38 176	0.32 182	0.28 149	0.23 138	0.26 143	0.22 145	0.35 164	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispNO	1.00 278	0.63 169	0.43 201	3.45 373	0.44 237	0.65 257	0.43 227	0.64 247	0.43 228	0.64 252	0.43 231	0.64 253	3.03 384	0.64 253	0.43 229	4.55 390	0.43 207	0.63 255	0.43 237	0.63 228	0.43 221

LMCR-Stereo	0.65 216	0.63 169	0.65 243	0.65 212	0.65 272	0.66 258	0.63 259	0.58 239	0.65 265	0.63 251	0.64 270	0.65 256	0.65 258	0.66 255	0.66 265	0.66 243	0.64 244	0.65 258	0.67 273	0.68 231	0.73 271

anonymity	0.63 214	0.69 171	0.56 228	0.71 219	0.56 260	0.71 263	0.56 251	0.71 253	0.56 255	0.72 260	0.56 261	0.71 260	0.56 251	0.71 261	0.58 257	0.68 245	0.55 232	0.68 260	0.55 254	0.68 231	0.54 243

CoDeX	0.15 90	0.70 172	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 266	0.02 14	0.69 253	0.75 270	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 226	0.72 173	0.71 253	0.80 228	0.62 270	0.82 274	0.61 255	0.81 263	0.62 262	0.81 273	0.63 268	0.80 273	0.70 268	0.73 264	0.61 261	0.76 255	0.61 241	0.74 269	0.61 264	0.77 244	0.61 254

DSFCA	0.66 218	0.73 174	0.78 261	0.65 212	0.65 272	0.64 256	0.64 260	0.65 248	0.63 264	0.64 252	0.64 270	0.64 253	0.64 256	0.65 254	0.65 263	0.65 242	0.65 245	0.65 258	0.65 268	0.66 229	0.64 258

SFCPSM	0.17 99	0.78 175	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 281	0.02 14	0.75 259	0.76 273	0.02 20	0.02 19	0.02 19

G-Net	0.79 240	0.79 176	0.79 263	0.79 226	0.79 290	0.79 271	0.79 278	0.79 259	0.79 285	0.79 268	0.79 289	0.79 272	0.79 276	0.79 268	0.79 281	0.79 257	0.79 261	0.79 275	0.79 285	0.79 247	0.79 277

DMCA-RVC	0.70 226	0.80 177	0.70 250	0.70 217	0.70 281	0.70 261	0.70 271	0.71 253	0.70 274	0.70 258	0.71 282	0.71 260	0.70 268	0.70 260	0.69 274	0.69 246	0.70 254	0.69 263	0.70 278	0.69 235	0.70 266

NaN_ROB	0.80 242	0.80 177	0.80 264	0.80 228	0.80 292	0.80 272	0.80 280	0.80 260	0.80 286	0.80 269	0.80 290	0.80 273	0.80 277	0.80 269	0.80 283	0.80 258	0.80 264	0.80 277	0.80 286	0.80 250	0.80 278

CSAN	0.80 242	0.80 177	0.80 264	0.80 228	0.80 292	0.80 272	0.80 280	0.80 260	0.80 286	0.80 269	0.80 290	0.80 273	0.80 277	0.80 269	0.80 283	0.80 258	0.80 264	0.80 277	0.80 286	0.80 250	0.80 278

ARAFT	0.68 223	0.81 180	0.63 236	0.74 222	0.60 262	0.78 270	0.62 258	0.77 258	0.66 267	0.74 266	0.63 268	0.75 266	0.62 255	0.83 272	0.60 259	0.70 249	0.55 232	0.70 265	0.60 262	0.78 245	0.55 247

Selective-RAFT-Error	0.88 263	0.84 181	0.98 277	0.86 234	0.97 304	0.88 277	0.95 291	0.84 264	0.99 301	0.92 279	0.82 292	0.84 277	0.98 285	0.87 276	0.97 293	0.81 261	0.83 267	0.79 275	0.82 289	0.79 247	0.85 283

AFF-stereo	0.73 232	0.88 182	0.67 246	0.75 223	0.68 280	0.75 265	0.64 260	0.80 260	0.72 278	0.83 274	0.70 280	0.82 276	0.64 256	0.84 273	0.67 266	0.77 256	0.63 242	0.81 279	0.63 267	0.78 245	0.62 256

CASS	0.57 212	0.89 183	0.56 228	0.57 204	0.56 260	0.56 246	0.56 251	0.56 235	0.53 250	0.57 243	0.57 263	0.59 251	0.48 236	0.56 244	0.57 254	0.55 236	0.56 234	0.47 233	0.56 257	0.62 227	0.56 250
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 265	0.89 183	0.72 254	1.16 272	0.78 289	1.06 292	0.82 282	0.87 265	0.97 299	1.00 286	0.91 296	0.90 281	1.00 286	0.89 279	0.93 292	0.83 263	0.83 267	0.82 281	0.82 289	0.81 253	0.82 281

UNet	0.29 131	0.90 185	0.10 57	0.14 74	0.10 88	0.14 95	0.10 86	0.91 269	0.69 272	0.14 95	0.11 99	0.14 96	0.11 99	0.14 97	0.10 82	0.12 73	0.09 55	0.12 91	0.09 80	0.88 257	0.76 276

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

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

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

DPSM_ROB	0.92 267	0.91 186	0.91 270	0.91 239	0.92 300	0.92 282	0.92 287	0.92 272	0.91 291	0.93 281	0.91 296	0.92 283	0.90 280	0.91 281	0.92 288	0.92 270	0.91 269	0.91 286	0.92 292	0.93 264	0.93 289

DPSM	0.92 267	0.91 186	0.91 270	0.91 239	0.92 300	0.92 282	0.92 287	0.92 272	0.91 291	0.93 281	0.91 296	0.92 283	0.90 280	0.91 281	0.92 288	0.92 270	0.91 269	0.91 286	0.92 292	0.93 264	0.93 289

pmcnn	0.92 267	0.92 191	0.92 272	0.92 242	0.92 300	0.92 282	0.92 287	0.92 272	0.92 295	0.92 279	0.92 299	0.92 283	0.92 282	0.92 283	0.92 288	0.92 270	0.92 271	0.92 288	0.92 292	0.92 263	0.92 288

tt1	0.31 135	0.93 192	0.24 138	0.33 136	0.23 154	0.31 155	0.24 147	0.32 147	0.24 148	0.32 153	0.23 151	0.32 159	0.25 153	0.32 159	0.24 149	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

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

R-Stereo Train	0.81 247	0.96 194	0.67 246	0.95 246	0.67 278	0.95 285	0.68 267	0.95 277	0.68 269	0.95 284	0.68 277	0.96 288	0.68 265	0.96 288	0.68 270	0.94 274	0.68 249	0.94 290	0.68 274	0.94 266	0.68 264

RAFT-Stereo	0.81 247	0.96 194	0.67 246	0.95 246	0.67 278	0.95 285	0.68 267	0.95 277	0.68 269	0.95 284	0.68 277	0.96 288	0.68 265	0.96 288	0.68 270	0.94 274	0.68 249	0.94 290	0.68 274	0.94 266	0.68 264
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Former-RAFT_DAM_RVC	0.49 203	0.98 196	0.64 238	0.84 232	0.46 239	0.45 221	0.35 197	0.47 213	0.47 234	0.45 208	0.34 198	0.46 216	0.48 236	0.46 216	0.35 199	0.39 190	0.71 256	0.39 200	0.35 209	0.41 196	0.41 215

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

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

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

GANet	1.00 278	1.00 199	1.00 279	1.00 252	1.00 305	1.00 288	1.00 294	1.00 279	1.00 302	1.00 286	1.00 301	1.00 290	1.00 286	1.00 290	1.00 296	1.00 276	1.00 274	1.00 296	1.00 296	1.00 269	1.00 295

TDLM	1.00 278	1.00 199	1.00 279	1.00 252	1.00 305	1.00 288	1.00 294	1.00 279	1.00 302	1.00 286	1.00 301	1.00 290	1.00 286	1.00 290	1.00 296	1.00 276	1.00 274	1.00 296	1.00 296	1.00 269	1.00 295

CVANet_RVC	1.00 278	1.00 199	1.00 279	1.00 252	1.00 305	1.00 288	1.00 294	1.00 279	1.00 302	1.00 286	1.00 301	1.00 290	1.00 286	1.00 290	1.00 296	1.00 276	1.00 274	1.00 296	1.00 296	1.00 269	1.00 295

DGTPSM_ROB	0.93 271	1.00 199	0.92 272	0.94 244	0.96 303	0.91 281	0.92 287	0.91 269	0.96 298	0.91 278	0.96 300	0.93 286	0.92 282	0.94 284	0.92 288	0.92 270	0.92 271	0.90 285	0.92 292	0.94 266	0.91 287

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

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

GLC_STEREO	1.07 283	1.01 204	1.06 282	1.07 258	1.05 309	1.06 292	1.08 299	1.08 284	1.05 306	1.07 291	1.06 304	1.08 295	1.05 292	1.06 295	1.10 300	1.07 280	1.09 284	1.05 300	1.05 299	1.06 272	1.12 303

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

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

xx1	0.38 162	1.03 209	0.31 161	0.40 162	0.31 189	0.41 199	0.28 163	0.40 175	0.29 172	0.40 177	0.29 176	0.40 186	0.29 178	0.40 186	0.29 170	0.34 163	0.33 176	0.34 171	0.32 200	0.34 152	0.32 187

dad	0.23 115	1.03 209	0.16 113	0.23 110	0.15 128	0.24 133	0.15 117	0.24 131	0.16 129	0.23 129	0.16 129	0.24 136	0.16 127	0.23 134	0.15 121	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

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

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

FC-DCNN	1.07 283	1.09 211	0.98 277	0.89 235	0.52 255	1.41 361	0.91 286	1.21 341	1.24 364	1.96 365	2.05 389	1.91 365	1.30 357	1.27 355	1.08 299	0.80 258	0.60 237	0.58 253	0.41 231	0.68 231	0.54 243

MSMD_ROB	1.19 289	1.10 214	0.70 250	1.10 260	0.60 262	1.10 298	0.70 271	1.10 286	0.70 274	1.10 293	0.70 280	1.10 299	0.70 268	7.00 410	0.70 277	1.10 283	0.70 254	1.10 301	0.70 278	1.10 274	0.70 266

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

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

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

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

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

HSM-Net_RVC	0.95 274	1.17 219	0.78 261	1.18 274	0.71 282	1.16 305	0.75 276	1.09 285	0.80 286	1.10 293	0.75 287	1.17 306	0.74 272	1.17 305	0.80 283	1.13 289	0.73 257	1.17 308	0.77 283	1.16 279	0.72 269
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 275	1.18 221	0.81 266	1.10 260	0.91 299	1.02 291	0.82 282	1.04 283	0.91 291	1.03 290	0.86 293	1.28 356	0.82 279	1.03 293	0.89 287	1.17 291	0.81 266	1.02 299	0.82 289	1.08 273	0.81 280

psm_up	0.43 185	1.19 222	0.17 117	0.25 118	0.18 139	0.25 137	0.19 128	1.26 345	0.91 291	0.26 142	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.23 134	0.16 124	1.18 285	0.99 293

DisPM	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

CrosDoStereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PFNet+	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

LCNet	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

HHNet	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Patchmatch Stereo++	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

STrans-v2	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

TransformOpticalFlow	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

OMP-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

IIG-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

NF-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

OCTAStereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PSM-softLoss	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

KMStereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

NRIStereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PSM-adaLoss	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PSM-AAD	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

FTStereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

ROB_FTStereo_v2	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

ROB_FTStereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Consistency-Raft	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

KYRaft	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

HUI-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

ASMatch	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DeepStereo_LL	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DEmStereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

SST-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

THIR-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT_R40	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DRaft	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

PFNet	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

GrayStereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RE-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Pruner-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

TVStereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

DeepStereo_RVC	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT-RH_RVC	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

IRAFT_RVC	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT-345	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

iRAFT	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

CRE-IMP	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

GMM-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

RAFT-IKP	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

Prome-Stereo	1.20 290	1.20 223	1.20 295	1.20 276	1.20 320	1.20 306	1.20 310	1.20 296	1.20 316	1.20 303	1.20 313	1.20 308	1.20 304	1.20 307	1.20 312	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 312

UPFNet	0.42 184	1.20 223	0.17 117	0.24 115	0.17 134	0.25 137	0.17 121	1.19 293	0.90 290	0.25 135	0.17 131	0.24 136	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.22 130	0.16 124	1.15 277	0.93 289

delet	0.43 185	1.21 269	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 345	0.95 297	0.25 135	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.22 130	0.16 124	1.18 285	0.98 292

CroCo-Stereo	0.73 232	1.22 270	0.25 140	1.22 321	0.25 160	1.22 352	0.25 149	1.22 342	0.25 151	1.22 349	0.25 161	1.22 354	0.25 153	1.22 353	0.25 154	1.22 339	0.26 143	1.21 357	0.25 158	1.22 335	0.25 143
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
MMNet	0.44 188	1.24 271	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 345	0.93 296	0.25 135	0.17 131	0.25 139	0.18 134	0.25 140	0.17 127	0.23 134	0.16 113	0.23 134	0.16 124	1.20 288	0.99 293

CroCo-Stereo Lap2	0.77 236	1.29 272	0.29 151	1.27 324	0.29 176	1.27 355	0.26 155	1.26 345	0.26 164	1.26 350	0.26 166	1.27 355	0.26 162	1.26 354	0.27 160	1.27 341	0.27 148	1.27 360	0.27 170	1.27 337	0.27 154

CSP-Net	0.34 145	1.29 272	1.19 292	1.36 329	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 340	1.21 343	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 118	1.31 274	0.74 257	0.92 242	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 267	0.75 259	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 340	1.33 275	1.33 347	1.36 329	1.38 372	1.36 358	1.33 361	1.37 351	1.34 367	1.35 352	1.36 366	1.38 358	1.34 358	1.38 357	1.38 366	1.35 346	1.38 354	1.33 361	1.35 361	1.43 341	1.34 365

MaskLacGwcNet_RVC	1.35 339	1.35 276	1.35 350	1.35 328	1.35 369	1.35 357	1.35 363	1.36 350	1.35 369	1.36 353	1.35 365	1.36 357	1.36 359	1.36 356	1.35 364	1.35 346	1.35 351	1.35 362	1.35 361	1.35 339	1.35 366

PML	0.46 190	1.36 277	0.29 151	0.58 205	0.30 185	0.57 250	0.29 168	0.57 237	0.29 172	0.57 243	0.29 176	0.57 249	0.29 178	0.56 244	0.29 170	0.52 232	0.30 170	0.53 250	0.31 196	0.53 223	0.30 178

PS-NSSS	1.38 342	1.39 278	1.34 348	1.34 327	1.35 369	1.38 359	1.37 369	1.35 349	1.38 372	1.34 351	1.34 364	1.39 359	1.38 361	1.70 360	1.40 367	1.36 348	1.36 352	1.36 364	1.37 364	1.37 340	1.36 367

whm_eth	0.63 214	1.48 279	0.47 211	0.71 219	0.48 247	0.71 263	0.48 241	0.71 253	0.48 240	0.71 259	0.48 246	0.71 260	0.48 236	0.72 262	0.48 241	0.71 252	0.47 216	0.71 266	0.47 245	0.71 237	0.47 230

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

FENet	0.54 208	1.52 281	1.19 292	1.41 332	0.23 154	0.35 166	0.23 143	0.35 154	0.23 147	0.34 157	0.23 151	0.35 164	0.23 150	0.35 166	0.23 147	1.40 349	1.07 278	0.32 157	0.23 150	0.33 148	0.23 133

CFNet-ft	0.55 210	1.57 282	0.14 98	0.20 100	0.14 119	0.20 116	2.53 387	1.61 354	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	1.56 345	1.24 360

DPSMNet_ROB	1.60 346	1.59 283	1.70 366	1.59 334	1.59 377	1.61 363	1.61 374	1.60 353	1.60 376	1.62 361	1.59 375	1.60 362	1.60 366	1.60 359	1.59 372	1.59 354	1.60 361	1.59 369	1.59 374	1.59 346	1.59 374

STTRV1_RVC	0.82 251	1.60 284	0.70 250	1.01 255	0.60 262	1.07 295	0.69 270	1.01 282	0.60 258	0.72 260	0.55 260	1.02 293	0.68 265	1.03 293	0.67 266	0.89 268	0.63 242	0.92 288	0.57 258	0.90 259	0.65 259

RASNet	1.49 343	1.65 285	1.45 359	1.38 331	1.43 375	1.47 362	1.36 364	1.38 352	1.36 370	1.39 354	1.60 376	1.45 360	1.45 363	1.51 358	2.21 384	1.53 353	1.36 352	1.36 364	1.36 363	1.66 347	1.36 367

CRFU-Net	0.65 216	1.67 286	1.22 342	1.96 345	0.27 167	0.41 199	0.27 158	0.41 188	0.27 167	0.40 177	0.26 166	0.41 196	0.27 169	0.40 186	0.27 160	1.80 359	1.62 362	0.34 171	0.23 150	0.33 148	0.23 133

gwcnet-sp	0.82 251	1.72 287	1.48 360	0.39 150	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 358	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 348	0.32 157	0.16 124	6.75 397	0.23 133

scenet	0.82 251	1.72 287	1.48 360	0.39 150	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 358	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 348	0.32 157	0.16 124	6.75 397	0.23 133

ssnet	0.82 251	1.72 287	1.48 360	0.39 150	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 358	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 348	0.32 157	0.16 124	6.75 397	0.23 133

HBP-ISP	1.24 336	1.72 287	1.65 364	1.15 267	0.76 288	1.40 360	0.88 284	1.67 358	1.02 305	1.69 362	1.38 368	1.69 363	1.21 350	1.87 362	1.21 357	1.05 279	0.79 261	0.97 294	0.80 286	1.19 287	0.75 275

LL-Strereo2	0.48 200	1.73 291	0.51 224	0.59 207	0.34 207	0.42 215	0.33 185	0.40 175	0.31 184	0.42 200	0.33 192	0.42 212	0.31 187	0.44 213	0.39 213	0.60 239	0.51 228	0.44 226	0.33 205	0.44 203	0.33 190

test_xeample3	1.10 285	1.81 292	0.61 234	0.84 232	0.49 250	0.77 268	0.66 263	0.92 272	1.40 373	0.68 257	0.46 236	0.78 269	0.54 250	1.72 361	1.48 370	1.34 345	1.52 359	1.35 362	1.67 377	1.33 338	1.55 373

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

hknet	1.10 285	1.85 294	3.49 389	4.48 378	0.02 20	0.42 215	0.06 76	0.41 188	0.02 20	0.48 218	0.03 40	0.41 196	0.03 42	0.42 210	0.03 37	4.39 388	4.19 385	0.33 164	0.23 150	0.34 152	0.27 154

DCRE	0.84 257	1.89 295	0.77 260	0.94 244	0.72 284	0.88 277	0.73 274	0.87 265	0.78 282	0.90 276	0.71 282	0.88 278	0.67 264	0.88 277	0.73 278	0.81 261	0.68 249	0.81 279	0.70 278	0.82 254	0.70 266

BUS	0.83 255	1.91 296	0.92 272	4.48 378	0.02 20	0.40 184	0.04 55	0.41 188	0.02 20	0.48 218	0.03 40	0.41 196	0.05 65	0.03 33	0.05 60	1.97 365	4.19 385	0.33 164	0.23 150	0.34 152	0.27 154

BSDual-CNN	0.81 247	1.91 296	0.92 272	4.48 378	0.02 20	0.42 215	0.06 76	0.41 188	0.02 20	0.48 218	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 365	4.19 385	0.33 164	0.23 150	0.34 152	0.27 154

psmg	0.43 185	1.91 296	0.92 272	1.91 342	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 365	1.44 357	0.04 48	0.03 42	0.02 19	0.03 39

GANet-RSSM	0.75 234	1.91 296	0.14 98	0.47 187	0.14 119	0.21 124	3.21 395	2.30 373	0.14 119	0.46 209	0.14 121	0.23 132	0.18 134	0.21 126	0.14 113	0.18 116	0.27 148	0.37 189	0.13 118	2.13 357	2.12 383

MFMNet_re	1.81 353	1.91 296	1.71 367	1.95 344	1.70 380	1.95 369	1.70 377	1.96 361	1.74 379	1.97 366	1.72 379	1.95 366	1.71 369	1.97 365	1.71 378	1.86 360	1.62 362	1.85 370	1.66 376	1.86 350	1.64 375

SPS-STEREO	1.59 345	1.91 296	1.21 341	1.94 343	1.20 320	2.00 370	1.23 357	1.99 362	1.24 364	2.00 367	1.25 362	2.03 368	1.26 353	2.00 366	1.29 362	1.90 364	1.18 296	1.89 372	1.21 356	1.89 352	1.20 312
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 344	1.94 302	1.22 342	1.88 340	1.21 366	1.88 368	1.22 356	1.88 359	1.22 362	1.88 363	1.22 359	1.88 364	1.22 351	1.89 363	1.22 358	1.87 361	1.22 344	1.88 371	1.22 357	1.88 351	1.22 358
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
ssnet_v2	0.68 223	1.96 303	1.25 346	0.29 127	0.20 143	0.30 152	0.20 130	0.29 143	0.22 142	1.50 356	0.20 142	0.31 157	0.20 141	0.27 151	0.22 142	0.24 139	1.49 358	0.26 143	0.18 139	3.90 375	0.19 126

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

ToySt	0.92 267	2.11 305	0.90 269	0.95 246	0.79 290	0.99 287	0.78 277	0.94 276	0.81 289	0.94 283	0.78 288	0.95 287	0.77 275	0.94 284	0.86 286	0.91 269	0.79 261	0.85 283	0.77 283	0.89 258	0.73 271

TRStereo	2.00 356	2.13 306	1.85 373	2.27 354	1.84 383	2.28 374	1.84 379	2.29 369	1.86 384	2.30 374	1.87 380	2.30 371	1.87 371	2.08 367	1.72 380	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 378

XX-Stereo	2.00 356	2.13 306	1.85 373	2.27 354	1.84 383	2.28 374	1.84 379	2.29 369	1.86 384	2.30 374	1.87 380	2.30 371	1.87 371	2.08 367	1.72 380	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 378

EAI-Stereo	2.00 356	2.13 306	1.85 373	2.27 354	1.84 383	2.28 374	1.84 379	2.29 369	1.86 384	2.30 374	1.87 380	2.30 371	1.87 371	2.08 367	1.72 380	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 378

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

cf-r	0.66 218	2.17 310	0.12 79	0.18 96	0.12 115	0.18 111	2.70 390	2.60 376	0.12 115	0.18 111	0.12 106	0.18 112	0.12 112	0.18 111	0.12 104	0.15 97	0.11 75	0.15 105	0.11 97	1.81 349	1.74 381

UDG	0.80 242	2.21 311	0.60 232	0.91 239	0.60 262	0.90 280	0.58 253	0.88 267	0.60 258	0.90 276	0.60 264	0.88 278	0.60 254	0.90 280	0.58 257	0.86 266	0.60 237	0.84 282	0.59 261	0.84 255	0.61 254

NCCL2	2.28 364	2.27 312	2.28 379	2.28 357	2.28 390	2.27 373	2.29 385	2.28 368	2.28 388	2.27 373	2.28 390	2.28 370	2.27 378	2.27 374	2.28 389	2.28 372	2.28 376	2.27 378	2.29 388	2.27 358	2.29 384

ccnet	0.80 242	2.28 313	0.33 168	0.50 198	0.33 201	0.50 239	0.33 185	0.50 226	0.33 191	0.49 223	0.33 192	0.49 229	1.56 365	2.38 376	0.33 185	0.41 200	0.29 162	0.42 224	1.57 373	2.28 359	0.29 170

GES	0.66 218	2.34 314	0.29 151	0.41 171	0.29 176	0.41 199	0.29 168	0.42 204	0.29 172	0.40 177	0.41 223	0.41 196	0.30 183	0.51 236	0.29 170	0.32 159	0.29 162	0.32 157	2.46 390	2.49 363	0.30 178

DDUNet	0.81 247	2.45 315	0.57 230	0.90 236	0.60 262	0.88 277	0.59 254	0.90 268	0.60 258	0.88 275	0.60 264	0.90 281	0.58 252	0.88 277	0.60 259	0.84 265	0.60 237	0.86 284	0.57 258	0.86 256	0.60 253

FBW_ROB	2.12 362	2.46 316	1.77 370	2.49 361	1.79 382	2.38 378	1.83 378	2.46 374	1.78 380	2.48 378	1.97 385	2.40 378	1.78 370	2.42 377	1.83 383	2.31 373	1.85 372	2.38 380	1.82 384	2.35 361	1.84 382

HH	0.71 228	2.54 317	0.74 257	1.10 260	0.32 192	0.41 199	0.37 204	0.69 251	0.78 282	0.73 262	0.90 294	0.75 266	1.00 286	0.84 273	0.69 274	0.69 246	0.40 193	0.35 182	0.26 164	0.35 164	0.26 149

HanStereo	0.71 228	2.54 317	0.74 257	1.10 260	0.32 192	0.41 199	0.37 204	0.69 251	0.78 282	0.73 262	0.90 294	0.75 266	1.00 286	0.84 273	0.69 274	0.69 246	0.40 193	0.35 182	0.26 164	0.35 164	0.26 149

sAnonymous2	3.31 388	2.63 319	1.38 356	3.71 376	1.86 386	4.70 400	1.11 300	4.82 401	2.72 391	5.45 403	1.98 387	4.59 399	2.64 380	2.65 379	6.21 406	4.37 386	1.08 282	5.16 401	2.24 386	4.52 384	2.39 389

CroCo_RVC	3.31 388	2.63 319	1.38 356	3.71 376	1.86 386	4.70 400	1.11 300	4.82 401	2.72 391	5.45 403	1.98 387	4.59 399	2.64 380	2.65 379	6.21 406	4.37 386	1.08 282	5.16 401	2.24 386	4.52 384	2.39 389

ff7	1.68 347	2.68 321	1.35 350	0.97 249	0.89 295	1.84 365	2.15 382	2.12 363	1.80 381	2.05 369	1.56 372	2.33 374	2.12 375	2.23 371	2.25 385	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 298

ffff	1.68 347	2.68 321	1.35 350	0.97 249	0.89 295	1.84 365	2.15 382	2.12 363	1.80 381	2.05 369	1.56 372	2.33 374	2.12 375	2.23 371	2.25 385	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 298

ccc-4	1.68 347	2.68 321	1.35 350	0.97 249	0.89 295	1.84 365	2.15 382	2.12 363	1.80 381	2.05 369	1.56 372	2.33 374	2.12 375	2.23 371	2.25 385	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 298

11t	1.27 338	2.70 324	1.34 348	1.32 326	0.89 295	1.30 356	1.34 362	1.64 355	0.57 256	1.45 355	0.72 284	1.05 294	1.29 356	1.07 296	1.29 362	1.49 350	1.02 277	0.97 294	1.15 304	1.48 342	1.31 363

Anonymous	2.11 361	2.74 325	1.41 358	2.77 365	1.40 374	2.74 383	1.46 373	2.75 378	1.50 375	2.87 384	1.39 369	2.74 382	1.46 364	2.72 381	1.41 369	2.72 377	1.41 355	2.81 383	1.41 366	3.16 371	1.39 370

sCroCo_RVC	2.10 360	2.76 326	1.92 377	2.78 366	1.39 373	2.73 382	1.41 371	2.73 377	1.40 373	2.77 383	1.41 371	2.74 382	1.40 362	2.74 382	1.40 367	2.72 377	1.42 356	2.72 382	1.44 370	2.79 368	1.42 371

PSMNet-RSSM	0.77 236	2.76 326	0.14 98	0.20 100	0.14 119	0.20 116	2.66 388	2.79 380	0.14 119	0.21 124	0.14 121	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 364	2.31 385

GwcNet-RSSM	0.77 236	2.77 328	0.14 98	0.20 100	0.14 119	0.20 116	2.67 389	2.78 379	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.21 126	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 364	2.31 385

hitnet-ft	0.79 240	2.78 329	0.14 98	0.20 100	0.14 119	0.21 124	2.89 391	2.80 381	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.54 366	2.33 387

PDISCO_ROB	0.83 255	2.80 330	3.49 389	0.14 74	0.11 103	0.17 109	0.09 81	0.15 106	0.10 86	0.15 101	0.12 106	0.16 106	0.14 118	3.30 387	0.13 110	0.14 90	2.34 377	0.16 106	0.12 110	2.62 367	0.10 83

iGMRVC	0.84 257	2.85 331	0.72 254	0.72 221	0.73 285	0.77 268	0.79 278	0.73 256	0.74 281	0.73 262	0.72 284	0.73 264	0.76 274	0.73 264	0.73 278	0.72 254	0.73 257	0.73 268	0.72 281	0.73 243	0.72 269

MC-Stereo	1.76 350	2.96 332	1.37 355	2.14 349	1.37 371	2.14 372	1.36 364	2.14 366	1.37 371	2.14 372	1.37 367	2.14 369	1.37 360	2.14 370	1.37 365	1.97 365	1.32 345	1.97 373	1.32 360	1.98 353	1.33 364

PASM	0.39 167	3.06 333	1.36 354	1.58 333	0.09 82	0.11 91	0.11 98	0.11 91	0.11 100	0.09 78	0.09 83	0.11 92	0.09 84	0.09 79	0.09 77	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

4D-IteraStereo	0.78 239	3.13 334	0.89 267	0.69 215	0.32 192	0.40 184	0.32 178	0.76 257	0.97 299	0.52 236	0.65 274	0.89 280	0.32 188	0.76 267	0.98 294	0.83 263	0.94 273	0.35 182	0.27 170	0.70 236	0.89 286

test croco	1.88 354	3.16 335	0.64 238	3.10 368	0.65 272	3.10 386	0.64 260	3.12 384	0.65 265	3.10 385	0.65 274	3.11 385	0.65 258	3.12 384	0.65 263	3.12 381	0.65 245	3.13 385	0.65 268	3.13 370	0.65 259

iRaftStereo_RVC	0.97 275	3.17 336	2.30 380	2.42 359	0.38 217	0.54 244	0.38 209	0.54 232	0.38 208	0.54 238	0.38 212	0.54 242	0.38 203	0.54 239	0.38 208	2.38 375	2.34 377	0.49 244	0.36 213	0.49 215	0.36 197

RCA-Stereo	0.51 206	3.22 337	0.34 175	0.44 180	0.34 207	0.44 220	0.34 194	0.43 206	0.34 198	0.43 204	0.34 198	0.44 215	0.33 192	0.43 211	0.33 185	0.38 184	0.29 162	0.38 196	0.29 183	0.38 179	0.29 170

Anonymous3	2.55 377	3.26 338	1.65 364	3.28 371	1.63 378	3.24 388	1.68 375	3.27 386	1.66 377	3.28 387	1.67 377	3.25 387	1.66 367	3.27 386	1.64 374	3.26 382	1.65 364	3.30 386	1.65 375	4.95 388	1.65 377

MIF-Stereo (partial)	2.58 378	3.31 339	0.66 244	3.18 369	0.66 277	3.18 387	0.66 263	3.21 385	0.67 268	3.19 386	0.66 276	3.19 386	0.66 260	3.31 388	0.68 270	5.09 392	1.79 370	8.23 410	1.67 377	6.18 395	1.38 369

MIF-Stereo	2.03 359	3.43 340	0.72 254	3.42 372	0.73 285	3.27 389	0.68 267	3.38 388	0.69 272	3.29 388	0.72 284	3.28 388	0.70 268	3.35 389	0.68 270	3.39 383	0.68 249	3.31 387	0.69 277	3.37 372	0.73 271

DPSNet	3.66 390	3.60 341	3.62 391	3.63 375	3.64 398	3.65 392	3.65 398	3.66 391	3.67 396	3.67 389	3.65 397	3.67 390	3.66 387	3.66 390	3.68 394	3.68 385	3.66 381	3.67 391	3.68 397	3.67 373	3.67 396

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

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

RAFT_CTSACE	1.92 355	3.71 344	1.72 368	1.88 340	1.72 381	2.04 371	1.42 372	2.18 367	1.89 387	2.02 368	1.97 385	1.95 366	2.06 374	1.93 364	1.62 373	1.76 357	1.66 365	2.02 374	1.73 383	1.73 348	1.43 372

MyStereo07	0.60 213	3.72 345	0.48 216	0.49 192	0.41 228	0.36 169	0.32 178	0.49 219	0.43 228	0.51 233	0.42 229	0.49 229	0.43 223	0.51 236	0.64 262	0.49 226	0.45 208	0.34 171	0.32 200	0.35 164	0.43 221

MyStereo04	0.56 211	3.72 345	0.59 231	0.49 192	0.41 228	0.36 169	0.32 178	0.37 164	0.31 184	0.34 157	0.46 236	0.35 164	0.32 188	0.35 166	0.33 185	0.49 226	0.45 208	0.34 171	0.32 200	0.35 164	0.43 221

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

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

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

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

NINENet	0.69 225	3.87 351	1.20 295	1.98 346	0.05 69	0.40 184	0.04 55	0.40 175	0.05 69	0.41 189	0.04 64	0.41 196	0.05 65	0.40 186	0.05 60	1.79 358	1.56 360	0.34 171	0.22 145	0.34 152	0.23 133

MyStereo8	0.71 228	3.92 352	0.52 226	0.59 207	0.52 255	0.57 250	0.53 249	0.59 241	0.50 245	0.59 246	0.51 255	0.57 249	0.50 244	0.56 244	0.52 248	0.54 234	0.49 222	0.54 251	0.49 250	0.55 226	0.50 239

MyStereo06	0.75 234	4.12 353	0.60 232	0.63 210	0.61 267	0.62 254	0.66 263	0.56 235	0.45 230	0.55 240	0.48 246	0.54 242	0.46 226	0.57 247	0.45 230	0.60 239	0.57 235	0.64 256	0.55 254	0.72 238	0.55 247

MyStereo05	0.80 242	4.12 353	0.63 236	0.63 210	0.61 267	0.62 254	0.66 263	0.65 248	0.62 262	0.67 255	0.61 266	0.65 256	0.58 252	0.67 257	0.55 253	0.60 239	0.57 235	0.64 256	0.55 254	0.72 238	0.55 247

test-3	0.98 277	4.13 355	1.85 373	1.85 339	0.61 267	0.69 260	0.37 204	0.63 246	0.61 261	0.66 254	0.51 255	0.73 264	0.44 224	0.57 247	0.54 250	1.68 356	1.81 371	0.40 204	0.43 237	0.66 229	0.50 239

IGEVStereo-DCA	1.77 351	4.21 356	1.84 371	2.49 361	2.11 388	2.54 380	1.36 364	1.65 356	1.17 313	2.75 381	1.90 383	2.54 380	1.15 297	0.94 284	1.11 301	1.50 351	1.32 345	0.96 292	1.46 371	1.49 343	0.88 284

rrr	1.77 351	4.21 356	1.84 371	2.49 361	2.11 388	2.54 380	1.36 364	1.65 356	1.17 313	2.75 381	1.90 383	2.54 380	1.15 297	0.94 284	1.11 301	1.50 351	1.32 345	0.96 292	1.46 371	1.49 343	0.88 284

GEStereo_RVC	0.86 262	4.45 358	0.20 126	0.27 125	0.20 143	0.27 147	0.20 130	0.26 138	0.18 132	5.03 401	0.20 142	0.27 148	0.19 138	0.27 151	0.21 140	0.20 119	0.19 128	0.19 121	4.02 402	0.20 117	0.18 125

error version	0.93 271	4.47 359	2.35 381	1.99 347	0.37 212	0.41 199	0.36 200	0.41 188	0.35 200	0.43 204	0.36 204	0.41 196	0.40 208	0.41 199	0.36 201	1.87 361	2.16 373	0.47 233	0.37 216	0.39 185	0.33 190

test_1	0.93 271	4.47 359	2.35 381	1.99 347	0.37 212	0.41 199	0.36 200	0.41 188	0.35 200	0.43 204	0.36 204	0.41 196	0.40 208	0.41 199	0.36 201	1.87 361	2.16 373	0.47 233	0.37 216	0.39 185	0.33 190

MyStereo02	0.85 260	4.58 361	0.64 238	0.76 224	0.65 272	0.75 265	0.61 255	0.60 242	0.53 250	0.80 269	0.64 270	0.78 269	0.66 260	0.55 241	0.57 254	0.70 249	0.66 247	0.68 260	0.62 265	0.72 238	0.59 251

MyStereo	0.85 260	4.58 361	0.64 238	0.76 224	0.65 272	0.75 265	0.61 255	0.60 242	0.53 250	0.80 269	0.64 270	0.78 269	0.66 260	0.55 241	0.57 254	0.70 249	0.66 247	0.68 260	0.62 265	0.72 238	0.59 251

TestStereo	4.88 401	4.75 363	4.79 393	4.87 382	4.92 406	4.81 403	4.90 406	4.78 400	4.77 406	4.87 399	4.89 406	4.90 402	4.91 398	4.99 401	4.79 404	4.98 391	4.87 389	4.87 400	4.92 406	5.00 389	5.00 405

DispFullNet	4.61 397	4.84 364	3.12 387	5.00 383	3.57 397	4.75 402	3.03 393	7.75 410	4.17 403	4.91 400	3.09 393	6.20 407	3.95 392	6.71 406	3.51 393	5.30 394	3.67 382	5.86 407	3.63 394	5.61 392	3.46 394

CFNet-RSSM	0.91 266	4.89 365	0.34 175	0.44 180	1.07 310	1.62 364	1.40 370	0.91 269	0.35 200	1.60 357	1.39 369	0.64 253	0.34 195	0.44 213	0.33 185	0.41 200	0.35 178	0.75 270	0.30 191	0.41 196	0.29 170

MyStereo03	0.84 257	4.93 366	0.68 249	0.90 236	0.74 287	0.56 246	0.46 230	0.55 233	0.52 249	0.74 266	0.56 261	0.56 247	0.46 226	0.81 271	0.54 250	0.59 237	0.52 229	0.75 270	0.68 274	0.68 231	0.65 259

StereoVision	3.15 386	5.00 367	0.89 267	4.83 381	1.00 305	3.93 393	1.27 360	6.37 404	1.34 367	5.67 405	1.26 363	5.84 406	1.27 354	5.03 402	1.24 359	5.10 393	1.09 284	4.61 398	0.57 258	5.62 393	1.12 303

LL-Strereo	1.01 282	5.06 368	1.63 363	0.70 217	1.43 375	0.56 246	0.46 230	0.57 237	0.50 245	0.57 243	0.50 252	1.58 361	0.49 241	0.59 249	0.50 245	1.64 355	0.52 229	0.51 248	1.37 364	0.52 221	0.45 224

CFNet	1.37 341	5.27 369	0.19 124	5.49 384	0.19 142	0.28 148	0.19 128	0.28 140	0.19 137	0.28 144	0.19 140	0.28 149	4.35 395	0.28 153	0.19 136	0.23 134	0.17 125	0.23 134	4.21 404	4.81 386	0.17 122

UDGNet	2.23 363	5.40 370	1.72 368	2.48 360	1.69 379	2.51 379	1.69 376	2.51 375	1.72 378	2.50 379	1.69 378	2.52 379	1.69 368	2.50 378	1.68 377	2.41 376	1.70 366	2.42 381	1.69 379	2.42 362	1.64 375

SGM-Forest	5.21 405	5.92 371	4.08 392	6.18 389	4.16 403	6.31 407	4.34 405	6.50 405	4.33 404	6.14 407	4.21 403	6.61 410	4.55 397	6.67 405	4.48 403	5.94 398	3.94 384	5.85 406	4.03 403	5.79 394	4.17 403
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
StereoIM	3.19 387	6.02 372	1.12 284	5.61 386	1.16 316	5.43 405	1.02 297	5.15 403	0.70 274	5.43 402	1.21 358	5.03 404	0.97 284	4.85 400	0.99 295	4.53 389	1.16 293	5.53 403	1.25 358	5.37 391	1.30 362

IER	0.88 263	7.04 373	2.23 378	2.75 364	0.28 170	0.43 219	0.25 149	0.39 171	0.25 151	0.41 189	0.27 169	0.39 180	0.25 153	0.40 186	0.28 164	0.37 177	0.28 153	0.37 189	0.25 158	0.37 172	0.25 143

HCRNet	1.22 335	7.11 374	3.00 386	3.55 374	0.33 201	0.29 151	0.14 114	0.19 112	0.15 127	0.33 155	0.29 176	0.25 139	0.14 118	0.22 130	0.33 185	3.64 384	3.00 380	0.76 273	0.32 200	0.18 114	0.13 113

SA	4.33 393	7.35 375	6.85 404	5.96 388	4.09 402	3.59 391	3.15 394	3.82 392	2.64 390	3.91 390	3.85 398	3.57 389	2.72 382	3.13 385	4.03 399	7.09 406	6.86 399	3.57 389	3.12 392	3.85 374	3.51 395

cross-raft	4.83 400	7.52 376	6.43 400	6.63 391	3.96 401	4.51 399	3.99 402	4.49 398	3.96 401	4.52 397	3.96 400	4.50 398	3.97 393	4.50 399	3.97 398	6.65 401	6.44 396	4.33 395	3.92 401	4.35 382	3.91 401

test_5	4.62 398	7.55 377	6.23 399	6.32 390	3.40 396	5.29 404	3.50 396	3.53 390	4.11 402	4.28 394	4.47 405	4.26 397	4.38 396	3.68 391	3.24 392	5.89 397	5.60 391	4.84 399	3.50 393	4.33 381	3.93 402

RAFT+CT+SA	4.28 392	7.62 378	4.91 394	5.55 385	2.28 390	3.09 385	3.64 397	4.49 398	3.07 394	4.80 398	3.35 394	4.77 401	3.70 388	4.29 397	3.05 391	5.58 395	5.98 394	3.58 390	3.78 399	4.26 380	3.72 397

raft_robust	4.71 399	7.75 379	5.40 398	6.81 392	3.31 395	4.28 398	4.20 404	4.32 397	4.37 405	4.35 396	4.35 404	4.14 395	3.75 389	4.30 398	4.20 402	6.67 402	6.37 395	3.36 388	4.24 405	4.86 387	3.25 393

test_4	4.88 401	8.13 380	6.98 405	7.46 396	4.44 404	4.25 397	3.85 401	4.04 396	3.92 400	4.13 393	3.91 399	4.18 396	3.84 390	4.14 395	4.06 400	7.01 405	7.13 400	4.53 396	3.72 398	4.09 378	3.72 397

Sa-1000	4.34 394	8.37 381	6.84 403	6.98 395	4.45 405	3.58 390	3.00 392	3.42 389	3.39 395	2.61 380	4.00 401	3.83 392	4.01 394	3.90 392	3.90 397	5.98 399	5.62 392	3.76 392	2.34 389	4.35 382	2.47 391

TestStereo1	4.60 395	8.41 382	6.44 401	6.86 393	3.79 399	3.97 394	3.78 399	3.99 394	3.74 397	3.97 391	3.52 395	3.94 393	3.58 385	3.98 393	3.72 395	6.82 403	6.50 397	3.76 392	3.66 395	3.90 375	3.74 399

SA-5K	4.60 395	8.41 382	6.44 401	6.86 393	3.79 399	3.97 394	3.78 399	3.99 394	3.74 397	3.97 391	3.52 395	3.94 393	3.58 385	3.98 393	3.72 395	6.82 403	6.50 397	3.76 392	3.66 395	3.90 375	3.74 399

CFNet_RVC	2.38 373	8.71 384	0.38 183	9.33 401	0.42 236	0.56 246	0.42 226	0.60 242	0.38 208	0.62 250	0.42 229	0.56 247	7.29 406	0.62 250	0.42 227	0.53 233	0.37 182	0.49 244	0.34 206	8.30 403	6.87 409

test_3	5.01 403	8.86 385	7.77 407	8.09 397	2.76 394	4.13 396	4.05 403	3.88 393	3.76 399	4.33 395	4.13 402	3.71 391	3.91 391	4.21 396	4.06 400	7.93 407	7.69 402	4.53 396	3.91 400	4.17 379	4.29 404

SGM+DAISY	7.06 408	9.15 386	5.38 397	8.84 400	5.18 407	8.80 411	5.31 407	8.79 411	5.28 408	8.89 411	5.20 407	8.93 411	5.33 399	8.95 411	5.36 405	8.70 409	5.21 390	8.74 411	5.20 407	8.89 405	5.15 406

test-1	6.46 406	9.16 387	8.03 410	8.09 397	5.62 408	6.11 406	6.35 408	6.85 407	4.94 407	6.08 406	6.29 410	4.98 403	6.43 402	6.22 403	6.36 408	6.16 400	7.47 401	5.82 405	5.44 408	7.11 400	5.68 407

RAFT	6.73 407	9.36 388	7.40 406	8.51 399	6.55 409	6.88 408	6.60 409	6.79 406	6.60 409	6.80 408	6.72 411	5.31 405	5.50 400	6.61 404	6.61 409	8.42 408	5.89 393	5.73 404	5.45 409	6.61 396	6.24 408

CFNet_pseudo	2.67 381	9.36 388	0.32 164	10.99 411	0.33 201	0.85 275	0.33 185	0.49 219	0.33 191	0.49 223	0.32 189	0.49 229	7.26 405	0.49 231	0.33 185	0.41 200	9.62 408	0.41 215	0.29 183	10.03 410	0.29 170

CFNet_ucs	2.73 382	9.64 390	0.33 168	9.92 407	0.32 192	0.49 233	0.33 185	0.49 219	0.33 191	0.49 223	0.33 192	0.49 229	8.98 409	0.48 225	0.33 185	0.41 200	9.96 411	0.40 204	0.29 183	10.12 411	0.54 243

PCWNet_CMD	2.80 385	9.82 391	0.32 164	10.09 409	0.32 192	0.49 233	0.33 185	3.34 387	0.33 191	0.49 223	0.33 192	0.49 229	8.73 407	0.48 225	0.33 185	0.41 200	9.22 405	0.42 224	0.29 183	9.55 408	0.31 183

pcwnet_v2	2.66 380	9.89 392	0.33 168	9.89 406	0.32 192	0.50 239	0.32 178	0.49 219	0.33 191	0.49 223	0.34 198	0.49 229	8.76 408	0.48 225	0.33 185	0.41 200	9.58 407	0.40 204	0.29 183	9.01 406	0.63 257

UCFNet_RVC	2.75 383	10.06 393	0.29 151	10.31 410	0.29 176	0.42 215	0.29 168	0.43 206	0.29 172	0.42 200	0.29 176	0.42 212	9.87 411	0.43 211	0.29 170	0.36 173	9.84 410	0.36 187	0.26 164	9.77 409	0.26 149

MSMDNet	2.65 379	10.14 394	0.33 168	9.74 404	0.32 192	0.87 276	0.33 185	2.95 383	0.68 269	0.49 223	0.34 198	0.49 229	5.70 401	0.49 231	0.33 185	0.42 213	9.57 406	0.41 215	0.31 196	8.36 404	0.65 259

ccs_rob	2.79 384	10.17 395	0.32 164	10.00 408	0.33 201	0.49 233	0.33 185	1.90 360	0.32 188	0.51 233	0.33 192	0.49 229	9.24 410	0.49 231	0.33 185	0.41 200	9.82 409	0.41 215	0.28 174	9.34 407	0.29 170

test-v	7.53 409	11.89 396	7.98 408	9.36 402	7.14 410	7.06 409	7.09 410	7.37 408	6.91 410	7.29 409	5.71 408	6.45 408	6.93 403	6.73 407	7.27 410	8.93 410	7.85 403	6.98 408	6.80 410	7.56 401	7.34 410

test-2	7.53 409	11.89 396	7.98 408	9.36 402	7.14 410	7.06 409	7.09 410	7.37 408	6.91 410	7.29 409	5.71 408	6.45 408	6.93 403	6.73 407	7.27 410	8.93 410	7.85 403	6.98 408	6.80 410	7.56 401	7.34 410

Anonymous Stereo	2.36 368	18.47 398	11.50 411	9.80 405	0.53 258	0.28 148	0.50 246	0.58 239	0.53 250	0.59 246	0.53 258	0.66 258	0.52 247	0.62 250	0.41 221	0.36 173	0.37 182	0.31 156	0.19 140	0.20 117	0.22 131

rafts_anoy	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

raft+_RVC	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

raftrobust	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

CasAABBNet	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

RALCasStereoNet	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

RALAANet	20.00 413	20.00 399	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 413

MANE	19.05 412	23.00 405	15.00 412	23.00 418	15.00 412	24.00 418	16.00 412	24.00 418	16.00 412	22.00 418	15.00 412	23.00 418	16.00 412	23.00 418	15.00 412	22.00 418	15.00 412	22.00 418	15.00 412	22.00 418	15.00 412

stereogan	2.33 366	24.38 406	1.18 291	1.18 274	1.18 319	1.14 303	1.18 308	1.19 293	1.19 315	1.14 300	1.18 312	1.14 304	1.18 302	1.14 303	1.18 310	1.14 290	1.14 291	1.19 311	1.19 308	1.15 277	1.19 311

Abc-Net	2.32 365	24.75 407	1.14 286	1.17 273	1.17 317	1.11 301	1.15 304	1.17 290	1.21 361	1.08 292	1.16 308	1.12 303	1.14 296	1.09 297	1.17 309	1.09 281	1.16 293	1.17 308	1.17 307	1.16 279	1.11 301
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 366	25.00 408	1.13 285	1.15 267	1.15 312	1.10 298	1.15 304	1.15 287	1.15 308	1.12 298	1.15 305	1.09 297	1.13 294	1.10 299	1.15 305	1.11 288	1.09 284	1.16 304	1.12 302	1.16 279	1.17 309

RGC	2.36 368	25.48 409	1.19 292	1.15 267	1.15 312	1.10 298	1.16 306	1.17 290	1.16 309	1.12 298	1.16 308	1.11 302	1.13 294	1.09 297	1.18 310	1.10 283	1.15 292	1.16 304	1.12 302	1.14 276	1.12 303

NCC-stereo	2.36 368	25.52 410	1.17 289	1.15 267	1.17 317	1.11 301	1.11 300	1.15 287	1.16 309	1.10 293	1.16 308	1.10 299	1.15 297	1.14 303	1.13 303	1.09 281	1.11 288	1.15 303	1.16 306	1.17 284	1.17 309

AF-Net	2.37 371	25.71 411	1.17 289	1.13 264	1.15 312	1.15 304	1.18 308	1.19 293	1.16 309	1.10 293	1.15 305	1.10 299	1.18 302	1.12 302	1.15 305	1.10 283	1.10 287	1.17 308	1.15 304	1.16 279	1.12 303

Nwc_Net	2.37 371	25.95 412	1.15 288	1.14 265	1.15 312	1.08 296	1.14 303	1.17 290	1.16 309	1.14 300	1.15 305	1.08 295	1.15 297	1.11 301	1.14 304	1.10 283	1.11 288	1.16 304	1.09 301	1.16 279	1.15 308

FAT-Stereo	2.46 375	26.05 413	1.23 344	1.23 323	1.22 367	1.20 306	1.24 358	1.23 344	1.23 363	1.19 302	1.22 359	1.21 353	1.24 352	1.20 307	1.24 359	1.21 338	1.17 295	1.22 358	1.25 358	1.20 288	1.24 360

S-Stereo	2.51 376	26.86 414	1.23 344	1.22 321	1.22 367	1.24 354	1.25 359	1.22 342	1.24 364	1.21 348	1.24 361	1.19 307	1.27 354	1.19 306	1.24 359	1.19 292	1.20 297	1.25 359	1.19 308	1.24 336	1.23 359

edge stereo	2.43 374	27.07 415	1.14 286	1.06 257	1.14 311	1.08 296	1.17 307	1.16 289	1.14 307	1.10 293	1.16 308	1.09 297	1.16 301	1.10 299	1.16 308	1.10 283	1.11 288	1.16 304	1.19 308	1.13 275	1.11 301

fff	1000028.16 436	29.62 416	29.72 420	32.61 419	30.02 420	35.13 421	31.83 421	32.07 420	10000000.00 436	35.27 422	29.82 421	32.45 420	30.15 420	32.35 420	30.09 420	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 421

csc	1000028.16 436	29.62 416	29.72 420	32.61 419	30.02 420	35.13 421	31.83 421	32.07 420	10000000.00 436	35.27 422	29.82 421	32.45 420	30.15 420	32.35 420	30.09 420	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 421

cscssc	1000028.16 436	29.62 416	29.72 420	32.61 419	30.02 420	35.13 421	31.83 421	32.07 420	10000000.00 436	35.27 422	29.82 421	32.45 420	30.15 420	32.35 420	30.09 420	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 421

STTStereo	3.73 391	30.40 419	2.37 383	2.39 358	2.31 392	2.35 377	2.33 386	2.29 369	2.42 389	2.32 377	2.34 391	2.33 374	2.36 379	2.30 375	2.27 388	2.35 374	2.22 375	2.31 379	2.22 385	2.29 360	2.34 388

111	30.40 419	30.94 420	29.72 420	32.61 419	30.02 420	33.57 419	30.47 420	31.50 419	29.39 420	30.98 419	29.11 420	29.78 419	30.39 423	29.45 419	30.76 423	30.08 419	29.02 420	29.92 419	30.32 423	29.86 419	30.17 420

DCANet-4	35.22 421	34.54 421	35.08 426	33.58 423	35.47 427	34.55 420	35.53 427	36.08 425	35.85 424	35.92 425	35.77 426	35.18 425	35.48 425	35.39 425	37.15 426	34.55 425	33.92 424	35.02 426	34.90 425	35.79 423	34.74 427

tt	500032.53 434	34.60 422	29.72 420	37.47 425	34.41 425	36.85 425	35.22 425	34.71 423	33.55 422	34.50 420	35.43 424	33.81 423	10000000.00 437	33.57 423	33.13 424	33.68 423	35.00 425	34.03 424	35.26 426	30.96 420	34.63 425

DCANet	500032.53 434	34.60 422	29.72 420	37.47 425	34.41 425	36.85 425	35.22 425	34.71 423	33.55 422	34.50 420	35.43 424	33.81 423	10000000.00 437	33.57 423	33.13 424	33.68 423	35.00 425	34.03 424	35.26 426	30.96 420	34.63 425

WCMA_ROB	31.10 420	35.43 424	27.12 419	39.51 427	23.10 419	38.78 427	25.30 419	37.49 427	25.39 419	37.29 426	27.02 419	38.52 427	26.48 419	37.80 426	26.44 419	36.28 426	22.65 419	33.90 423	22.30 419	37.10 424	24.18 419

ADStereo(finetuned)	36.13 422	36.63 425	38.07 427	36.97 424	33.25 424	35.91 424	34.45 424	36.36 426	32.99 421	38.14 427	36.71 427	36.69 426	34.13 424	38.57 427	40.79 427	37.60 427	36.58 427	35.90 427	33.36 424	35.42 422	34.04 424

NLCA_NET_v2_RVC	5.04 404	50.87 426	2.78 385	2.87 367	2.71 393	2.78 384	0.47 236	2.88 382	2.86 393	1.89 364	2.67 392	2.79 384	2.79 383	2.78 383	2.83 390	2.82 379	2.82 379	2.83 384	2.77 391	2.83 369	2.76 392
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 423	87.70 427	41.95 428	113.75 430	65.62 430	75.05 428	55.25 429	75.64 429	45.04 425	71.61 428	41.75 428	72.81 428	44.06 426	68.38 428	44.63 428	101.89 430	59.57 430	107.10 430	61.05 430	104.38 427	59.38 430

MGS-Stereo	239.45 428	123.00 428	135.00 432	266.00 433	286.00 434	277.00 433	305.00 434	271.00 433	242.00 431	274.00 433	279.00 434	255.00 433	270.00 432	268.00 433	297.00 434	221.00 433	247.00 434	216.00 433	123.00 431	217.00 430	217.00 434

AE-Stereo	201.80 427	123.00 428	115.00 430	219.00 432	218.00 433	223.00 432	244.00 433	217.00 432	236.00 430	202.00 432	203.00 432	205.00 432	208.00 430	225.00 432	204.00 432	210.00 432	198.00 432	197.00 432	184.00 433	204.00 429	201.00 432

EGLCR-Stereo	246.90 429	129.00 430	139.00 433	266.00 433	286.00 434	277.00 433	305.00 434	271.00 433	242.00 431	274.00 433	279.00 434	255.00 433	270.00 432	268.00 433	297.00 434	230.00 434	247.00 434	216.00 433	223.00 435	237.00 431	227.00 435

NOSS_ROB	102.95 424	153.00 431	121.00 431	51.00 428	44.00 428	165.00 431	127.00 430	153.00 430	119.00 427	164.00 431	125.00 430	168.00 431	120.00 428	153.00 430	117.00 430	49.00 428	44.00 428	49.00 428	44.00 428	49.00 425	44.00 428

MeshStereo	159.24 426	171.00 432	160.68 434	162.58 431	160.59 431	164.01 430	160.35 431	158.51 431	158.56 428	158.34 430	160.12 431	158.56 430	159.92 429	157.26 431	158.94 431	154.38 431	158.36 431	155.75 431	159.13 432	153.67 428	154.07 431
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
PA-Net	11.80 411	223.51 433	0.62 235	0.59 207	0.71 282	0.59 252	0.73 274	0.67 250	0.73 279	0.55 240	0.61 266	0.60 252	0.74 272	0.63 252	0.73 278	0.66 243	0.60 237	0.69 263	0.66 270	0.72 238	0.65 259
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 430	354.61 434	207.27 435	363.24 435	206.46 432	364.72 435	210.41 432	364.72 435	210.41 429	364.81 435	208.64 433	364.81 435	208.64 431	364.72 435	210.41 433	354.70 435	205.53 433	354.70 435	205.53 434	354.70 432	205.53 433

LE_ROB	396.57 431	471.28 435	329.84 436	471.48 436	308.15 436	526.83 436	322.10 436	488.15 436	323.76 433	495.46 436	317.97 436	497.17 436	320.10 434	481.62 436	326.76 436	462.71 436	298.97 436	466.16 436	285.98 436	447.62 433	289.21 436

SGM-ForestM	596.69 432	677.77 436	444.52 437	699.85 437	517.25 437	732.94 437	488.29 437	770.79 437	460.11 434	750.81 437	487.98 437	792.79 437	499.41 435	730.90 437	475.81 437	720.03 437	491.16 437	663.96 437	418.60 437	674.76 434	436.05 437

CBMV_ROB	818.48 433	913.88 437	709.52 438	862.84 438	597.78 438	1073.99 438	700.52 438	1015.66 438	702.59 435	1115.65 438	760.02 438	1130.24 438	721.57 436	1037.41 438	692.65 438	814.05 438	564.29 438	843.28 438	595.31 438	915.51 435	602.92 438

CBMV	128.50 425	1422.70 438	53.10 429	79.50 429	51.30 429	77.30 429	49.70 428	74.00 428	48.20 426	77.20 429	48.80 429	73.90 429	48.00 427	73.80 429	48.80 429	70.40 429	45.10 429	68.90 429	46.10 429	68.20 426	45.00 429
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SDNR	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

anonymousdsp2	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

anonymousdsp	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

test_example2	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439

DIP-Stereo	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 437	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 439
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark