Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-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

Wz-Net-MNSev	0.06 31	0.54 163	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 155	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

SFCPSM	0.17 99	0.78 172	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	0.79 278	0.02 14	0.75 256	0.76 270	0.02 20	0.02 19	0.02 19

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

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

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

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

tta	0.09 39	0.95 190	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

CoDeX	0.15 90	0.70 169	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	0.67 263	0.02 14	0.69 250	0.75 267	0.01 9	0.02 19	0.02 19

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

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

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

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

Wz-Net-LNSev-Ref	0.11 60	0.44 138	0.33 167	0.39 149	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	0.39 188	0.36 178	0.02 18	0.02 20	0.02 19	0.02 19

BUS	0.83 253	1.91 293	0.92 269	4.48 375	0.02 20	0.40 183	0.04 55	0.41 186	0.02 20	0.48 216	0.03 40	0.41 194	0.05 65	0.03 33	0.05 60	1.97 363	4.19 382	0.33 164	0.23 150	0.34 152	0.27 154

BSDual-CNN	0.81 245	1.91 293	0.92 269	4.48 375	0.02 20	0.42 213	0.06 76	0.41 186	0.02 20	0.48 216	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 363	4.19 382	0.33 164	0.23 150	0.34 152	0.27 154

hknet	1.10 282	1.85 291	3.49 386	4.48 375	0.02 20	0.42 213	0.06 76	0.41 186	0.02 20	0.48 216	0.03 40	0.41 194	0.03 42	0.42 208	0.03 37	4.39 386	4.19 382	0.33 164	0.23 150	0.34 152	0.27 154

psmg	0.43 183	1.91 293	0.92 269	1.91 340	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	1.97 363	1.44 354	0.04 48	0.03 42	0.02 19	0.03 39

CSP-Net	0.34 145	1.29 269	1.19 289	1.36 327	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	1.26 338	1.21 340	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 118	1.31 271	0.74 254	0.92 240	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	0.87 265	0.75 256	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

AnyNet_C01	0.11 60	0.02 12	0.02 13	1.62 335	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 59	0.04 50	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

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

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

SMFormer	0.09 39	1.01 201	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

mmm	0.14 80	1.83 290	0.12 79	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 50	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

ttt	0.10 45	1.09 208	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

1111x	0.10 45	1.14 212	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

xxx	0.09 39	1.01 201	0.10 57	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

x	0.11 60	1.15 214	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

222	0.10 45	0.99 195	0.12 79	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 60	1.16 215	0.16 113	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 45	1.09 208	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

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

BEATNet_4x	0.11 60	0.03 27	0.03 29	1.60 333	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	1.60 333	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

ADCMid	0.08 38	0.02 12	0.02 13	1.01 253	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

ADCPNet	0.10 45	0.03 27	0.04 32	1.27 322	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

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

qqq1	0.25 118	3.70 339	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	3.70 339	0.14 98	0.14 74	0.04 54	0.06 64	0.05 64	0.06 66	0.05 69	0.06 68	0.05 72	0.04 51	0.05 65	0.06 59	0.05 60	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

11t1	0.17 99	2.16 306	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

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

qqq	0.16 96	2.01 301	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

APVNet	0.09 39	0.05 38	0.04 32	0.05 32	0.04 54	0.05 62	0.90 282	0.06 66	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

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

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	1.57 368	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	1.65 372	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	1.71 375	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

FADNet	0.12 68	0.05 38	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.66 373	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCRef	0.12 68	0.03 27	0.04 32	1.71 336	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

AnyNet_C32	0.14 80	0.04 31	0.03 29	2.22 349	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	2.20 348	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
DualNet	0.25 118	3.83 344	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	3.83 344	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	3.83 344	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	3.83 344	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	0.69 223	3.87 348	1.20 292	1.98 344	0.05 69	0.40 183	0.04 55	0.40 174	0.05 69	0.41 187	0.04 64	0.41 194	0.05 65	0.40 185	0.05 60	1.79 356	1.56 357	0.34 171	0.22 145	0.34 152	0.23 133

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

GwcNet	0.12 68	0.07 44	0.05 45	0.08 37	0.05 69	0.08 75	1.20 307	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

ADCS	0.09 39	0.02 12	0.04 32	0.90 234	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	0.36 199	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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	2.23 350	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	2.23 350	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

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

SuperB	0.21 110	0.10 53	2.51 381	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

PASM	0.39 165	3.06 330	1.36 351	1.58 331	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

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	0.73 268

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	0.82 278

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
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

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

UNet	0.29 131	0.90 182	0.10 57	0.14 74	0.10 88	0.14 95	0.10 86	0.91 266	0.69 269	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	0.88 254	0.76 273

ac_64	0.22 111	0.13 67	0.19 124	0.23 110	0.10 88	0.26 144	1.02 294	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

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

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

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
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

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

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

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

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

ICVP	0.15 90	0.53 160	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)
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	0.49 213	0.11 95

PDISCO_ROB	0.83 253	2.80 327	3.49 386	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	3.30 384	0.13 110	0.14 90	2.34 374	0.16 106	0.12 110	2.62 364	0.10 83

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

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
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

cf-r	0.66 216	2.17 307	0.12 79	0.18 96	0.12 115	0.18 111	2.70 387	2.60 373	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	1.81 346	1.74 378

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

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

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

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
ACVNet	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 289	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	0.96 289	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

hitnet-ft	0.79 238	2.78 326	0.14 98	0.20 100	0.14 119	0.21 124	2.89 388	2.80 378	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	2.54 363	2.33 384

GANet-RSSM	0.75 232	1.91 293	0.14 98	0.47 185	0.14 119	0.21 124	3.21 392	2.30 370	0.14 119	0.46 207	0.14 121	0.23 132	0.18 134	0.21 126	0.14 113	0.18 116	0.27 148	0.37 188	0.13 118	2.13 354	2.12 380

PSMNet-RSSM	0.77 234	2.76 323	0.14 98	0.20 100	0.14 119	0.20 116	2.66 385	2.79 377	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	2.52 361	2.31 382

GwcNet-RSSM	0.77 234	2.77 325	0.14 98	0.20 100	0.14 119	0.20 116	2.67 386	2.78 376	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	2.52 361	2.31 382

CFNet-ft	0.55 208	1.57 279	0.14 98	0.20 100	0.14 119	0.20 116	2.53 384	1.61 351	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	1.56 342	1.24 357

gwcnet-sp	0.82 249	1.72 284	1.48 357	0.39 149	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 355	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 345	0.32 157	0.16 124	6.75 394	0.23 133

scenet	0.82 249	1.72 284	1.48 357	0.39 149	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 355	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 345	0.32 157	0.16 124	6.75 394	0.23 133

ssnet	0.82 249	1.72 284	1.48 357	0.39 149	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 355	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 345	0.32 157	0.16 124	6.75 394	0.23 133

dd	0.23 115	0.98 193	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

dad	0.23 115	1.03 206	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

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

IGEV_Zeroshot_test	0.20 103	0.19 78	0.40 186	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

MIM_Stereo	0.25 118	0.23 91	0.66 241	0.80 226	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

MMNet	0.44 186	1.24 268	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 342	0.93 293	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	1.20 285	0.99 290

delet	0.43 183	1.21 266	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 342	0.95 294	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	1.18 282	0.98 289

UPFNet	0.42 182	1.20 220	0.17 117	0.24 115	0.17 134	0.25 137	0.17 121	1.19 290	0.90 287	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	1.15 274	0.93 286

MSKI-zero shot	0.24 117	0.21 87	0.49 217	0.65 210	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

psm_up	0.43 183	1.19 219	0.17 117	0.25 118	0.18 139	0.25 137	0.19 128	1.26 342	0.91 288	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	1.18 282	0.99 290

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

CFNet	1.37 338	5.27 366	0.19 124	5.49 381	0.19 142	0.28 148	0.19 128	0.28 140	0.19 137	0.28 144	0.19 140	0.28 149	4.35 392	0.28 153	0.19 136	0.23 134	0.17 125	0.23 134	4.21 401	4.81 383	0.17 122

ssnet_v2	0.68 221	1.96 300	1.25 343	0.29 127	0.20 143	0.30 152	0.20 130	0.29 143	0.22 142	1.50 353	0.20 142	0.31 157	0.20 141	0.27 151	0.22 142	0.24 139	1.49 355	0.26 143	0.18 139	3.90 372	0.19 126

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

GEStereo_RVC	0.86 260	4.45 355	0.20 126	0.27 125	0.20 143	0.27 147	0.20 130	0.26 138	0.18 132	5.03 398	0.20 142	0.27 148	0.19 138	0.27 151	0.21 140	0.20 119	0.19 128	0.19 121	4.02 399	0.20 117	0.18 125

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

AANet_RVC	1.26 334	0.31 106	4.99 392	5.93 384	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	5.66 393	4.76 385	0.26 143	0.30 190	0.24 131	0.27 154

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

DISCO	1.11 284	0.39 121	5.28 393	0.39 149	0.20 143	0.39 182	0.27 158	0.39 170	0.22 142	0.38 167	0.20 142	0.38 175	0.20 141	6.95 406	0.22 142	0.30 156	0.21 131	0.27 147	0.21 143	5.25 387	0.21 129

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

HGLStereo	0.28 128	0.29 104	0.22 130	0.36 141	0.22 150	0.36 168	0.21 136	0.36 157	0.21 141	0.42 198	0.21 147	0.36 168	0.22 146	0.36 170	0.21 140	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

tt1	0.31 135	0.93 189	0.24 138	0.33 136	0.23 154	0.31 155	0.24 147	0.32 147	0.24 148	0.32 153	0.23 151	0.32 159	0.25 153	0.32 159	0.24 149	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

xxxxx1	0.31 135	0.91 183	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	0.91 183	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	0.91 183	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

FENet	0.54 206	1.52 278	1.19 289	1.41 330	0.23 154	0.35 165	0.23 143	0.35 153	0.23 147	0.34 157	0.23 151	0.35 163	0.23 150	0.35 165	0.23 147	1.40 347	1.07 275	0.32 157	0.23 150	0.33 148	0.23 133

DLNR_Zeroshot_test	0.31 135	0.28 102	0.47 208	0.79 224	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

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

LoS_RVC	0.30 132	1.14 212	0.25 140	0.25 118	0.25 160	0.26 144	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.26 147	0.26 162	0.26 149	0.25 154	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

CAS	0.30 132	1.17 216	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

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

CroCo-Stereo	0.73 230	1.22 267	0.25 140	1.22 319	0.25 160	1.22 349	0.25 149	1.22 339	0.25 151	1.22 346	0.25 161	1.22 351	0.25 153	1.22 350	0.25 154	1.22 337	0.26 143	1.21 354	0.25 158	1.22 332	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
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	0.35 163	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

StereoDRNet-Refined	0.33 144	0.39 121	0.26 145	0.39 149	0.26 166	0.40 183	0.26 155	0.40 174	0.26 164	0.39 172	0.26 166	0.39 179	0.26 162	0.39 182	0.26 159	0.37 176	0.25 140	0.37 188	0.25 158	0.37 171	0.37 198
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
TorneroNet-64	0.45 187	0.27 100	0.30 155	0.58 203	0.27 167	0.70 258	0.30 172	0.28 140	0.73 276	0.73 259	0.28 174	0.71 257	0.66 258	0.75 263	0.27 160	0.27 147	0.29 162	0.37 188	0.75 279	0.28 138	0.30 177

Any-RAFT	0.32 143	0.36 111	0.27 146	0.36 141	0.27 167	0.36 168	0.27 158	0.36 157	0.27 167	0.36 162	0.27 169	0.36 168	0.27 169	0.36 170	0.28 164	0.36 172	0.28 153	0.36 186	0.28 174	0.36 169	0.28 166

CRFU-Net	0.65 214	1.67 283	1.22 339	1.96 343	0.27 167	0.41 197	0.27 158	0.41 186	0.27 167	0.40 176	0.26 166	0.41 194	0.27 169	0.40 185	0.27 160	1.80 357	1.62 359	0.34 171	0.23 150	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

IER	0.88 261	7.04 370	2.23 375	2.75 362	0.28 170	0.43 217	0.25 149	0.39 170	0.25 151	0.41 187	0.27 169	0.39 179	0.25 153	0.40 185	0.28 164	0.37 176	0.28 153	0.37 188	0.25 158	0.37 171	0.25 143

DGSMNet	0.34 145	0.41 130	0.27 146	0.41 169	0.28 170	0.41 197	0.28 163	0.41 186	0.27 167	0.41 187	0.27 169	0.42 210	0.27 169	0.41 197	0.28 164	0.40 191	0.29 162	0.40 202	0.28 174	0.40 186	0.27 154

RAFT + AFF	0.31 135	0.45 140	0.34 174	0.39 149	0.28 170	0.38 176	0.33 184	0.29 143	0.31 183	0.30 147	0.30 184	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	0.32 186

MLCV	0.31 135	0.35 108	0.27 146	0.35 137	0.28 170	0.35 165	0.27 158	0.35 153	0.28 170	0.36 162	0.27 169	0.35 163	0.27 169	0.35 165	0.27 160	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

DN-CSS_ROB	0.31 135	0.35 108	0.28 149	0.35 137	0.28 170	0.34 163	0.27 158	0.34 152	0.25 151	0.35 159	0.27 169	0.36 168	0.26 162	0.34 164	0.28 164	0.35 169	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

ACVNet-DCA	0.37 154	1.00 196	0.30 155	0.40 161	0.29 176	0.40 183	0.29 168	0.40 174	0.29 172	0.40 176	0.29 176	0.40 185	0.29 178	0.39 182	0.28 164	0.33 160	0.32 172	0.33 164	0.32 199	0.33 148	0.32 186

1test111	0.37 154	1.02 204	0.30 155	0.39 149	0.29 176	0.40 183	0.28 163	0.39 170	0.29 172	0.39 172	0.29 176	0.39 179	0.28 174	0.40 185	0.29 170	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

cc1	0.37 154	1.02 204	0.30 155	0.39 149	0.29 176	0.40 183	0.28 163	0.39 170	0.29 172	0.39 172	0.29 176	0.39 179	0.28 174	0.40 185	0.29 170	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

EKT-Stereo	0.37 154	0.40 123	0.44 199	1.07 256	0.29 176	0.34 163	0.31 176	0.36 157	0.29 172	0.38 167	0.31 187	0.37 173	0.30 182	0.36 170	0.29 170	0.34 163	0.28 153	0.39 198	0.30 190	0.37 171	0.30 177

CroCo-Stereo Lap2	0.77 234	1.29 269	0.29 151	1.27 322	0.29 176	1.27 352	0.26 155	1.26 342	0.26 164	1.26 347	0.26 166	1.27 352	0.26 162	1.26 351	0.27 160	1.27 339	0.27 148	1.27 357	0.27 170	1.27 334	0.27 154

iRaft-Stereo_20w	0.34 145	0.41 130	0.31 160	0.39 149	0.29 176	0.40 183	0.32 177	0.41 186	0.32 187	0.38 167	0.30 184	0.39 179	0.30 182	0.38 175	0.32 181	0.35 169	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

GES	0.66 216	2.34 311	0.29 151	0.41 169	0.29 176	0.41 197	0.29 168	0.42 202	0.29 172	0.40 176	0.41 221	0.41 194	0.30 182	0.51 234	0.29 170	0.32 159	0.29 162	0.32 157	2.46 387	2.49 360	0.30 177

UCFNet_RVC	2.75 380	10.06 390	0.29 151	10.31 407	0.29 176	0.42 213	0.29 168	0.43 204	0.29 172	0.42 198	0.29 176	0.42 210	9.87 408	0.43 209	0.29 170	0.36 172	9.84 407	0.36 186	0.26 164	9.77 406	0.26 149

IGEV-Stereo	0.35 149	0.44 138	0.45 201	0.49 190	0.30 184	0.37 173	0.30 172	0.36 157	0.30 181	0.36 162	0.29 176	0.36 168	0.29 178	0.36 170	0.30 177	0.46 212	0.39 189	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
iRaft-Stereo_5w	0.34 145	0.42 137	0.31 160	0.39 149	0.30 184	0.38 176	0.30 172	0.40 174	0.29 172	0.40 176	0.37 205	0.41 194	0.34 194	0.38 175	0.30 177	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

PML	0.46 188	1.36 274	0.29 151	0.58 203	0.30 184	0.57 248	0.29 168	0.57 235	0.29 172	0.57 241	0.29 176	0.57 247	0.29 178	0.56 242	0.29 170	0.52 230	0.30 169	0.53 248	0.31 195	0.53 221	0.30 177

DANet	0.30 132	0.30 105	0.30 155	0.30 128	0.30 184	0.30 152	0.30 172	0.30 145	0.30 181	0.30 147	0.30 184	0.30 155	0.30 182	0.30 157	0.30 177	0.30 156	0.30 169	0.30 155	0.30 190	0.30 143	0.30 177
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xx1	0.38 160	1.03 206	0.31 160	0.40 161	0.31 188	0.41 197	0.28 163	0.40 174	0.29 172	0.40 176	0.29 176	0.40 185	0.29 178	0.40 185	0.29 170	0.34 163	0.33 175	0.34 171	0.32 199	0.34 152	0.32 186

CASnet	0.35 149	0.51 158	0.44 199	0.32 134	0.31 188	0.24 133	0.34 193	0.36 157	0.25 151	0.31 149	0.37 205	0.30 155	0.33 191	0.25 140	0.45 227	0.37 176	0.37 180	0.33 164	0.35 207	0.34 152	0.37 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
SPstereo	0.47 193	0.38 114	0.51 221	0.56 201	0.31 188	0.67 256	0.44 225	0.55 231	0.31 183	0.61 246	0.44 230	0.46 214	0.52 245	0.67 254	0.42 225	0.48 221	0.40 191	0.47 231	0.36 211	0.53 221	0.33 189

PCWNet_CMD	2.80 382	9.82 388	0.32 163	10.09 406	0.32 191	0.49 231	0.33 184	3.34 384	0.33 190	0.49 221	0.33 191	0.49 227	8.73 404	0.48 223	0.33 184	0.41 198	9.22 402	0.42 222	0.29 183	9.55 405	0.31 182

CFNet_ucs	2.73 379	9.64 387	0.33 167	9.92 404	0.32 191	0.49 231	0.33 184	0.49 217	0.33 190	0.49 221	0.33 191	0.49 227	8.98 406	0.48 223	0.33 184	0.41 198	9.96 408	0.40 202	0.29 183	10.12 408	0.54 240

RAFT-Test	0.36 152	0.37 112	0.33 167	0.41 169	0.32 191	0.41 197	0.32 177	0.41 186	0.32 187	0.41 187	0.32 188	0.41 194	0.32 187	0.41 197	0.33 184	0.37 176	0.29 162	0.37 188	0.29 183	0.38 177	0.31 182

HH	0.71 226	2.54 314	0.74 254	1.10 258	0.32 191	0.41 197	0.37 202	0.69 248	0.78 279	0.73 259	0.90 291	0.75 263	1.00 284	0.84 270	0.69 271	0.69 244	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

HanStereo	0.71 226	2.54 314	0.74 254	1.10 258	0.32 191	0.41 197	0.37 202	0.69 248	0.78 279	0.73 259	0.90 291	0.75 263	1.00 284	0.84 270	0.69 271	0.69 244	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

4D-IteraStereo	0.78 237	3.13 331	0.89 264	0.69 213	0.32 191	0.40 183	0.32 177	0.76 254	0.97 296	0.52 234	0.65 271	0.89 277	0.32 187	0.76 264	0.98 291	0.83 261	0.94 270	0.35 181	0.27 170	0.70 233	0.89 283

pcwnet_v2	2.66 377	9.89 389	0.33 167	9.89 403	0.32 191	0.50 237	0.32 177	0.49 217	0.33 190	0.49 221	0.34 197	0.49 227	8.76 405	0.48 223	0.33 184	0.41 198	9.58 404	0.40 202	0.29 183	9.01 403	0.63 254

Gwc-CoAtRS	0.41 174	1.49 277	0.32 163	0.42 177	0.32 191	0.41 197	0.32 177	0.41 186	0.33 190	0.41 187	0.32 188	0.41 194	0.32 187	0.41 197	0.32 181	0.39 188	0.28 153	0.39 198	0.28 174	0.40 186	0.28 166

MSMDNet	2.65 376	10.14 391	0.33 167	9.74 401	0.32 191	0.87 273	0.33 184	2.95 380	0.68 266	0.49 221	0.34 197	0.49 227	5.70 398	0.49 229	0.33 184	0.42 211	9.57 403	0.41 213	0.31 195	8.36 401	0.65 256

CFNet_pseudo	2.67 378	9.36 385	0.32 163	10.99 408	0.33 200	0.85 272	0.33 184	0.49 217	0.33 190	0.49 221	0.32 188	0.49 227	7.26 402	0.49 229	0.33 184	0.41 198	9.62 405	0.41 213	0.29 183	10.03 407	0.29 170

HCRNet	1.22 332	7.11 371	3.00 383	3.55 371	0.33 200	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	0.33 184	3.64 382	3.00 377	0.76 270	0.32 199	0.18 114	0.13 113

ccnet	0.80 240	2.28 310	0.33 167	0.50 196	0.33 200	0.50 237	0.33 184	0.50 224	0.33 190	0.49 221	0.33 191	0.49 227	1.56 363	2.38 373	0.33 184	0.41 198	0.29 162	0.42 222	1.57 370	2.28 356	0.29 170

FCDSN-DC	0.41 174	0.59 166	0.64 235	0.54 199	0.33 200	0.50 237	0.37 202	0.42 202	0.40 212	0.61 246	0.43 229	0.50 238	0.49 239	0.38 175	0.32 181	0.28 149	0.23 138	0.26 143	0.22 145	0.35 163	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.
psmorigin	0.41 174	0.46 142	0.33 167	0.49 190	0.33 200	0.49 231	0.33 184	0.49 217	0.33 190	0.49 221	0.33 191	0.49 227	0.33 191	0.51 234	0.33 184	0.41 198	0.30 169	0.41 213	0.30 190	0.79 244	0.29 170

ccs_rob	2.79 381	10.17 392	0.32 163	10.00 405	0.33 200	0.49 231	0.33 184	1.90 357	0.32 187	0.51 231	0.33 191	0.49 227	9.24 407	0.49 229	0.33 184	0.41 198	9.82 406	0.41 213	0.28 174	9.34 404	0.29 170

LL-Strereo2	0.48 198	1.73 288	0.51 221	0.59 205	0.34 206	0.42 213	0.33 184	0.40 174	0.31 183	0.42 198	0.33 191	0.42 210	0.31 186	0.44 211	0.39 211	0.60 237	0.51 225	0.44 224	0.33 204	0.44 201	0.33 189

RCA-Stereo	0.51 204	3.22 334	0.34 174	0.44 178	0.34 206	0.44 218	0.34 193	0.43 204	0.34 197	0.43 202	0.34 197	0.44 213	0.33 191	0.43 209	0.33 184	0.38 183	0.29 162	0.38 194	0.29 183	0.38 177	0.29 170

DMCA	0.36 152	0.38 114	0.37 179	0.35 137	0.35 208	0.36 168	0.36 198	0.36 157	0.35 198	0.35 159	0.37 205	0.36 168	0.36 197	0.35 165	0.36 199	0.36 172	0.36 178	0.35 181	0.36 211	0.36 169	0.36 195

ETE_ROB	0.35 149	0.35 108	0.35 177	0.35 137	0.35 208	0.35 165	0.35 195	0.35 153	0.35 198	0.35 159	0.35 201	0.35 163	0.35 196	0.35 165	0.35 197	0.35 169	0.35 176	0.35 181	0.35 207	0.35 163	0.35 194

CES	0.39 165	0.47 146	0.36 178	0.36 141	0.37 210	0.45 219	0.35 195	0.35 153	0.40 212	0.36 162	0.44 230	0.47 220	0.36 197	0.44 211	0.36 199	0.37 176	0.39 189	0.44 224	0.35 207	0.37 171	0.36 195

GMOStereo	0.37 154	0.45 140	0.23 132	0.30 128	0.37 210	0.41 197	0.36 198	0.41 186	0.35 198	0.43 202	0.36 202	0.41 194	0.40 206	0.41 197	0.36 199	0.34 163	0.22 134	0.47 231	0.37 214	0.39 183	0.33 189

error version	0.93 269	4.47 356	2.35 378	1.99 345	0.37 210	0.41 197	0.36 198	0.41 186	0.35 198	0.43 202	0.36 202	0.41 194	0.40 206	0.41 197	0.36 199	1.87 359	2.16 370	0.47 231	0.37 214	0.39 183	0.33 189

test_1	0.93 269	4.47 356	2.35 378	1.99 345	0.37 210	0.41 197	0.36 198	0.41 186	0.35 198	0.43 202	0.36 202	0.41 194	0.40 206	0.41 197	0.36 199	1.87 359	2.16 370	0.47 231	0.37 214	0.39 183	0.33 189

XPNet_ROB	0.37 154	0.37 112	0.37 179	0.37 144	0.37 210	0.37 173	0.37 202	0.37 163	0.37 204	0.37 166	0.37 205	0.37 173	0.37 199	0.37 174	0.37 205	0.37 176	0.37 180	0.37 188	0.37 214	0.37 171	0.37 198

WAO-8	0.38 160	0.38 114	0.38 181	0.38 145	0.38 215	0.38 176	0.38 207	0.38 166	0.38 206	0.38 167	0.38 210	0.38 175	0.38 201	0.38 175	0.38 206	0.38 183	0.38 184	0.38 194	0.37 214	0.38 177	0.38 202

WAO-7	0.38 160	0.38 114	0.38 181	0.38 145	0.38 215	0.38 176	0.38 207	0.38 166	0.38 206	0.38 167	0.38 210	0.38 175	0.38 201	0.38 175	0.38 206	0.38 183	0.38 184	0.38 194	0.38 220	0.38 177	0.38 202

Venus	0.38 160	0.38 114	0.38 181	0.38 145	0.38 215	0.37 173	0.38 207	0.37 163	0.37 204	0.41 187	0.37 205	0.39 179	0.37 199	0.38 175	0.38 206	0.37 176	0.38 184	0.38 194	0.37 214	0.37 171	0.38 202

IMH	0.38 160	0.38 114	0.38 181	0.38 145	0.38 215	0.38 176	0.38 207	0.38 166	0.38 206	0.42 198	0.38 210	0.40 185	0.38 201	0.38 175	0.38 206	0.38 183	0.38 184	0.39 198	0.38 220	0.38 177	0.38 202

iRaftStereo_RVC	0.97 273	3.17 333	2.30 377	2.42 357	0.38 215	0.54 242	0.38 207	0.54 230	0.38 206	0.54 236	0.38 210	0.54 240	0.38 201	0.54 237	0.38 206	2.38 373	2.34 374	0.49 242	0.36 211	0.49 213	0.36 195

knoymous	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 213	0.40 174	0.40 212	0.40 176	0.40 215	0.40 185	0.40 206	0.40 185	0.40 212	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

anonymousa	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 213	0.40 174	0.40 212	0.40 176	0.40 215	0.40 185	0.40 206	0.40 185	0.40 212	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

riskmin	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 213	0.40 174	0.40 212	0.40 176	0.40 215	0.40 185	0.40 206	0.40 185	0.40 212	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

Anonymous_2	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 213	0.40 174	0.40 212	0.40 176	0.40 215	0.40 185	0.40 206	0.40 185	0.40 212	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

Anonymous_1	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 213	0.40 174	0.40 212	0.40 176	0.40 215	0.40 185	0.40 206	0.40 185	0.40 212	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

AdaStereo	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 213	0.40 174	0.40 212	0.40 176	0.40 215	0.40 185	0.40 206	0.40 185	0.40 212	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206
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.
MyStereo07	0.60 211	3.72 342	0.48 213	0.49 190	0.41 226	0.36 168	0.32 177	0.49 217	0.43 226	0.51 231	0.42 227	0.49 227	0.43 221	0.51 234	0.64 259	0.49 224	0.45 205	0.34 171	0.32 199	0.35 163	0.43 219

MyStereo04	0.56 209	3.72 342	0.59 228	0.49 190	0.41 226	0.36 168	0.32 177	0.37 163	0.31 183	0.34 157	0.46 233	0.35 163	0.32 187	0.35 165	0.33 184	0.49 224	0.45 205	0.34 171	0.32 199	0.35 163	0.43 219

HanzoNet	0.39 165	0.38 114	0.40 186	0.39 149	0.41 226	0.38 176	0.38 207	0.38 166	0.38 206	0.39 172	0.39 214	0.38 175	0.38 201	0.39 182	0.40 212	0.38 183	0.38 184	0.40 202	0.38 220	0.38 177	0.40 206

GwcNet-ADL	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 219	0.41 186	0.41 221	0.41 187	0.41 221	0.41 194	0.41 216	0.41 197	0.41 219	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

PSMNet-ADL	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 219	0.41 186	0.41 221	0.41 187	0.41 221	0.41 194	0.41 216	0.41 197	0.41 219	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

GANet-ADL	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 219	0.41 186	0.41 221	0.41 187	0.41 221	0.41 194	0.41 216	0.41 197	0.41 219	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

ADLNet2	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 219	0.41 186	0.41 221	0.41 187	0.41 221	0.41 194	0.41 216	0.41 197	0.41 219	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

ADLNet	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 219	0.41 186	0.41 221	0.41 187	0.41 221	0.41 194	0.41 216	0.41 197	0.41 219	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

CFNet_RVC	2.38 370	8.71 381	0.38 181	9.33 398	0.42 234	0.56 244	0.42 224	0.60 240	0.38 206	0.62 248	0.42 227	0.56 245	7.29 403	0.62 248	0.42 225	0.53 231	0.37 180	0.49 242	0.34 205	8.30 400	6.87 406

Selective-IGEV	0.51 204	0.55 165	0.45 201	0.69 213	0.45 235	0.61 251	0.45 226	0.50 224	0.40 212	0.56 240	0.44 230	0.55 243	0.40 206	0.72 259	0.67 263	0.59 235	0.46 207	0.45 226	0.34 205	0.46 202	0.37 198

Former-RAFT_DAM_RVC	0.49 201	0.98 193	0.64 235	0.84 230	0.46 236	0.45 219	0.35 195	0.47 211	0.47 231	0.45 206	0.34 197	0.46 214	0.48 234	0.46 214	0.35 197	0.39 188	0.71 253	0.39 198	0.35 207	0.41 194	0.41 213

otaku	0.46 188	0.46 142	0.46 203	0.46 180	0.46 236	0.46 221	0.46 227	0.46 206	0.46 228	0.46 207	0.46 233	0.46 214	0.46 224	0.46 214	0.46 229	0.46 212	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

Ntro	0.47 193	0.47 146	0.46 203	0.46 180	0.46 236	0.47 225	0.47 233	0.46 206	0.47 231	0.46 207	0.46 233	0.47 220	0.46 224	0.47 218	0.47 233	0.47 217	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

Dean	0.46 188	0.46 142	0.46 203	0.46 180	0.46 236	0.46 221	0.46 227	0.46 206	0.46 228	0.47 212	0.46 233	0.46 214	0.46 224	0.46 214	0.46 229	0.46 212	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

ACVNet_1	0.46 188	0.47 146	0.46 203	0.46 180	0.46 236	0.46 221	0.46 227	0.46 206	0.47 231	0.46 207	0.46 233	0.46 214	0.46 224	0.46 214	0.46 229	0.46 212	0.46 207	0.47 231	0.46 236	0.46 202	0.46 222

ACVNet-4b	0.46 188	0.46 142	0.46 203	0.46 180	0.46 236	0.46 221	0.46 227	0.46 206	0.46 228	0.46 207	0.46 233	0.46 214	0.46 224	0.47 218	0.46 229	0.46 212	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

HaxPig	0.47 193	0.47 146	0.47 208	0.49 190	0.47 242	0.47 225	0.47 233	0.47 211	0.47 231	0.47 212	0.47 240	0.47 220	0.47 233	0.47 218	0.47 233	0.47 217	0.47 213	0.47 231	0.47 242	0.47 208	0.48 230

UNDER WATER	0.47 193	0.47 146	0.47 208	0.47 185	0.47 242	0.47 225	0.47 233	0.47 211	0.47 231	0.47 212	0.47 240	0.47 220	0.46 224	0.47 218	0.47 233	0.47 217	0.47 213	0.47 231	0.46 236	0.47 208	0.47 227

whm_eth	0.63 212	1.48 276	0.47 208	0.71 217	0.48 244	0.71 260	0.48 238	0.71 250	0.48 237	0.71 256	0.48 243	0.71 257	0.48 234	0.72 259	0.48 238	0.71 250	0.47 213	0.71 263	0.47 242	0.71 234	0.47 227

RainbowNet	0.48 198	0.48 152	0.48 213	0.48 188	0.48 244	0.48 229	0.48 238	0.48 215	0.48 237	0.48 216	0.48 243	0.48 225	0.48 234	0.48 223	0.48 238	0.48 221	0.48 217	0.48 239	0.48 245	0.48 211	0.48 230

notaker	0.48 198	0.49 153	0.48 213	0.48 188	0.48 244	0.48 229	0.48 238	0.48 215	0.49 239	0.48 216	0.48 243	0.48 225	0.48 234	0.48 223	0.48 238	0.48 221	0.48 217	0.48 239	0.48 245	0.48 211	0.49 233

LVE	0.47 193	0.47 146	0.47 208	0.47 185	0.49 247	0.47 225	0.47 233	0.47 211	0.49 239	0.47 212	0.47 240	0.47 220	0.46 224	0.47 218	0.47 233	0.47 217	0.47 213	0.48 239	0.47 242	0.47 208	0.47 227

ACVNet_2	0.49 201	0.49 153	0.49 217	0.49 190	0.49 247	0.49 231	0.49 241	0.49 217	0.49 239	0.49 221	0.49 247	0.49 227	0.49 239	0.49 229	0.49 241	0.49 224	0.49 219	0.49 242	0.49 247	0.49 213	0.49 233

test_xeample3	1.10 282	1.81 289	0.61 231	0.84 230	0.49 247	0.77 265	0.66 260	0.92 269	1.40 370	0.68 254	0.46 233	0.78 266	0.54 248	1.72 358	1.48 367	1.34 343	1.52 356	1.35 359	1.67 374	1.33 335	1.55 370

SANet	0.50 203	0.50 155	0.50 219	0.50 196	0.50 250	0.50 237	0.50 243	0.50 224	0.50 242	0.50 230	0.50 249	0.50 238	0.50 242	0.50 233	0.50 242	0.50 228	0.50 224	0.50 245	0.50 249	0.50 217	0.50 236

ktn	0.72 229	0.53 160	1.08 280	1.14 263	0.51 251	1.22 349	1.36 361	0.51 228	0.59 254	0.51 231	0.51 252	0.69 256	1.20 302	0.67 254	0.51 244	0.51 229	0.49 219	0.58 251	0.66 267	0.52 219	0.53 239

MyStereo8	0.71 226	3.92 349	0.52 223	0.59 205	0.52 252	0.57 248	0.53 246	0.59 239	0.50 242	0.59 244	0.51 252	0.57 247	0.50 242	0.56 242	0.52 245	0.54 232	0.49 219	0.54 249	0.49 247	0.55 224	0.50 236

KSHMR	0.66 216	0.50 155	0.48 213	1.15 265	0.52 252	0.49 231	0.51 245	0.49 217	0.71 274	0.67 252	0.50 249	1.16 302	1.11 291	0.66 252	0.52 245	0.49 224	0.49 219	0.51 246	0.66 267	0.50 217	1.14 304

FC-DCNN	1.07 280	1.09 208	0.98 274	0.89 233	0.52 252	1.41 358	0.91 283	1.21 338	1.24 361	1.96 362	2.05 386	1.91 362	1.30 355	1.27 352	1.08 296	0.80 256	0.60 234	0.58 251	0.41 229	0.68 228	0.54 240

Anonymous Stereo	2.36 365	18.47 395	11.50 408	9.80 402	0.53 255	0.28 148	0.50 243	0.58 237	0.53 247	0.59 244	0.53 255	0.66 255	0.52 245	0.62 248	0.41 219	0.36 172	0.37 180	0.31 156	0.19 140	0.20 117	0.22 131

PSMNet_ROB	0.54 206	0.54 163	0.54 224	0.54 199	0.53 255	0.54 242	0.54 247	0.53 229	0.54 251	0.54 236	0.54 256	0.54 240	0.53 247	0.54 237	0.54 247	0.54 232	0.53 228	0.54 249	0.54 250	0.54 223	0.54 240

CASS	0.57 210	0.89 180	0.56 225	0.57 202	0.56 257	0.56 244	0.56 248	0.56 233	0.53 247	0.57 241	0.57 260	0.59 249	0.48 234	0.56 242	0.57 251	0.55 234	0.56 231	0.47 231	0.56 254	0.62 225	0.56 247
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 212	0.69 168	0.56 225	0.71 217	0.56 257	0.71 260	0.56 248	0.71 250	0.56 252	0.72 257	0.56 258	0.71 257	0.56 249	0.71 258	0.58 254	0.68 243	0.55 229	0.68 257	0.55 251	0.68 228	0.54 240

DDUNet	0.81 245	2.45 312	0.57 227	0.90 234	0.60 259	0.88 274	0.59 251	0.90 265	0.60 255	0.88 272	0.60 261	0.90 278	0.58 250	0.88 274	0.60 256	0.84 263	0.60 234	0.86 281	0.57 255	0.86 253	0.60 250

UDG	0.80 240	2.21 308	0.60 229	0.91 237	0.60 259	0.90 277	0.58 250	0.88 264	0.60 255	0.90 273	0.60 261	0.88 275	0.60 252	0.90 277	0.58 254	0.86 264	0.60 234	0.84 279	0.59 258	0.84 252	0.61 251

ARAFT	0.68 221	0.81 177	0.63 233	0.74 220	0.60 259	0.78 267	0.62 255	0.77 255	0.66 264	0.74 263	0.63 265	0.75 263	0.62 253	0.83 269	0.60 256	0.70 247	0.55 229	0.70 262	0.60 259	0.78 242	0.55 244

STTRV1_RVC	0.82 249	1.60 281	0.70 247	1.01 253	0.60 259	1.07 292	0.69 267	1.01 279	0.60 255	0.72 257	0.55 257	1.02 290	0.68 263	1.03 290	0.67 263	0.89 266	0.63 239	0.92 285	0.57 255	0.90 256	0.65 256

MSMD_ROB	1.19 286	1.10 211	0.70 247	1.10 258	0.60 259	1.10 295	0.70 268	1.10 283	0.70 271	1.10 290	0.70 277	1.10 296	0.70 266	7.00 407	0.70 274	1.10 281	0.70 251	1.10 298	0.70 275	1.10 271	0.70 263

MyStereo06	0.75 232	4.12 350	0.60 229	0.63 208	0.61 264	0.62 252	0.66 260	0.56 233	0.45 227	0.55 238	0.48 243	0.54 240	0.46 224	0.57 245	0.45 227	0.60 237	0.57 232	0.64 253	0.55 251	0.72 235	0.55 244

MyStereo05	0.80 240	4.12 350	0.63 233	0.63 208	0.61 264	0.62 252	0.66 260	0.65 245	0.62 259	0.67 252	0.61 263	0.65 253	0.58 250	0.67 254	0.55 250	0.60 237	0.57 232	0.64 253	0.55 251	0.72 235	0.55 244

test-3	0.98 275	4.13 352	1.85 370	1.85 337	0.61 264	0.69 257	0.37 202	0.63 244	0.61 258	0.66 251	0.51 252	0.73 261	0.44 222	0.57 245	0.54 247	1.68 354	1.81 368	0.40 202	0.43 235	0.66 226	0.50 236

RAFT-Stereo + iAFF	0.70 224	0.72 170	0.71 250	0.80 226	0.62 267	0.82 271	0.61 252	0.81 260	0.62 259	0.81 270	0.63 265	0.80 270	0.70 266	0.73 261	0.61 258	0.76 253	0.61 238	0.74 266	0.61 261	0.77 241	0.61 251

TorneroNet	0.66 216	0.53 160	0.50 219	0.50 196	0.64 268	1.06 289	0.70 268	0.50 224	0.51 245	0.49 221	0.69 276	0.49 227	0.50 242	0.48 223	1.15 302	0.71 250	0.49 219	1.14 299	1.08 297	0.49 213	0.49 233

MyStereo02	0.85 258	4.58 358	0.64 235	0.76 222	0.65 269	0.75 262	0.61 252	0.60 240	0.53 247	0.80 266	0.64 267	0.78 266	0.66 258	0.55 239	0.57 251	0.70 247	0.66 244	0.68 257	0.62 262	0.72 235	0.59 248

MyStereo	0.85 258	4.58 358	0.64 235	0.76 222	0.65 269	0.75 262	0.61 252	0.60 240	0.53 247	0.80 266	0.64 267	0.78 266	0.66 258	0.55 239	0.57 251	0.70 247	0.66 244	0.68 257	0.62 262	0.72 235	0.59 248

test croco	1.88 351	3.16 332	0.64 235	3.10 366	0.65 269	3.10 383	0.64 257	3.12 381	0.65 262	3.10 382	0.65 271	3.11 382	0.65 256	3.12 381	0.65 260	3.12 379	0.65 242	3.13 382	0.65 265	3.13 367	0.65 256

LMCR-Stereo	0.65 214	0.63 167	0.65 240	0.65 210	0.65 269	0.66 255	0.63 256	0.58 237	0.65 262	0.63 249	0.64 267	0.65 253	0.65 256	0.66 252	0.66 262	0.66 241	0.64 241	0.65 255	0.67 270	0.68 228	0.73 268

DSFCA	0.66 216	0.73 171	0.78 258	0.65 210	0.65 269	0.64 254	0.64 257	0.65 245	0.63 261	0.64 250	0.64 267	0.64 251	0.64 254	0.65 251	0.65 260	0.65 240	0.65 242	0.65 255	0.65 265	0.66 226	0.64 255

MIF-Stereo (partial)	2.58 375	3.31 336	0.66 241	3.18 367	0.66 274	3.18 384	0.66 260	3.21 382	0.67 265	3.19 383	0.66 273	3.19 383	0.66 258	3.31 385	0.68 267	5.09 389	1.79 367	8.23 407	1.67 374	6.18 392	1.38 366

R-Stereo Train	0.81 245	0.96 191	0.67 243	0.95 244	0.67 275	0.95 282	0.68 264	0.95 274	0.68 266	0.95 281	0.68 274	0.96 285	0.68 263	0.96 285	0.68 267	0.94 272	0.68 246	0.94 287	0.68 271	0.94 263	0.68 261

RAFT-Stereo	0.81 245	0.96 191	0.67 243	0.95 244	0.67 275	0.95 282	0.68 264	0.95 274	0.68 266	0.95 281	0.68 274	0.96 285	0.68 263	0.96 285	0.68 267	0.94 272	0.68 246	0.94 287	0.68 271	0.94 263	0.68 261
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AFF-stereo	0.73 230	0.88 179	0.67 243	0.75 221	0.68 277	0.75 262	0.64 257	0.80 257	0.72 275	0.83 271	0.70 277	0.82 273	0.64 254	0.84 270	0.67 263	0.77 254	0.63 239	0.81 276	0.63 264	0.78 242	0.62 253

DMCA-RVC	0.70 224	0.80 174	0.70 247	0.70 215	0.70 278	0.70 258	0.70 268	0.71 250	0.70 271	0.70 255	0.71 279	0.71 257	0.70 266	0.70 257	0.69 271	0.69 244	0.70 251	0.69 260	0.70 275	0.69 232	0.70 263

HSM-Net_RVC	0.95 272	1.17 216	0.78 258	1.18 272	0.71 279	1.16 302	0.75 273	1.09 282	0.80 283	1.10 290	0.75 284	1.17 303	0.74 270	1.17 302	0.80 280	1.13 287	0.73 254	1.17 305	0.77 280	1.16 276	0.72 266
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PA-Net	11.80 408	223.51 429	0.62 232	0.59 205	0.71 279	0.59 250	0.73 271	0.67 247	0.73 276	0.55 238	0.61 263	0.60 250	0.74 270	0.63 250	0.73 275	0.66 241	0.60 234	0.69 260	0.66 267	0.72 235	0.65 256
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DCRE	0.84 255	1.89 292	0.77 257	0.94 242	0.72 281	0.88 274	0.73 271	0.87 262	0.78 279	0.90 273	0.71 279	0.88 275	0.67 262	0.88 274	0.73 275	0.81 259	0.68 246	0.81 276	0.70 275	0.82 251	0.70 263

MIF-Stereo	2.03 356	3.43 337	0.72 251	3.42 370	0.73 282	3.27 386	0.68 264	3.38 385	0.69 269	3.29 385	0.72 281	3.28 385	0.70 266	3.35 386	0.68 267	3.39 381	0.68 246	3.31 384	0.69 274	3.37 369	0.73 268

iGMRVC	0.84 255	2.85 328	0.72 251	0.72 219	0.73 282	0.77 265	0.79 275	0.73 253	0.74 278	0.73 259	0.72 281	0.73 261	0.76 272	0.73 261	0.73 275	0.72 252	0.73 254	0.73 265	0.72 278	0.73 240	0.72 266

MyStereo03	0.84 255	4.93 363	0.68 246	0.90 234	0.74 284	0.56 244	0.46 227	0.55 231	0.52 246	0.74 263	0.56 258	0.56 245	0.46 224	0.81 268	0.54 247	0.59 235	0.52 226	0.75 267	0.68 271	0.68 228	0.65 256

HBP-ISP	1.24 333	1.72 284	1.65 361	1.15 265	0.76 285	1.40 357	0.88 281	1.67 355	1.02 302	1.69 359	1.38 365	1.69 360	1.21 348	1.87 359	1.21 354	1.05 277	0.79 258	0.97 291	0.80 283	1.19 284	0.75 272

Selective-RAFT	0.89 263	0.89 180	0.72 251	1.16 270	0.78 286	1.06 289	0.82 279	0.87 262	0.97 296	1.00 283	0.91 293	0.90 278	1.00 284	0.89 276	0.93 289	0.83 261	0.83 264	0.82 278	0.82 286	0.81 250	0.82 278

ToySt	0.92 265	2.11 302	0.90 266	0.95 244	0.79 287	0.99 284	0.78 274	0.94 273	0.81 286	0.94 280	0.78 285	0.95 284	0.77 273	0.94 281	0.86 283	0.91 267	0.79 258	0.85 280	0.77 280	0.89 255	0.73 268

G-Net	0.79 238	0.79 173	0.79 260	0.79 224	0.79 287	0.79 268	0.79 275	0.79 256	0.79 282	0.79 265	0.79 286	0.79 269	0.79 274	0.79 265	0.79 278	0.79 255	0.79 258	0.79 272	0.79 282	0.79 244	0.79 274

NaN_ROB	0.80 240	0.80 174	0.80 261	0.80 226	0.80 289	0.80 269	0.80 277	0.80 257	0.80 283	0.80 266	0.80 287	0.80 270	0.80 275	0.80 266	0.80 280	0.80 256	0.80 261	0.80 274	0.80 283	0.80 247	0.80 275

CSAN	0.80 240	0.80 174	0.80 261	0.80 226	0.80 289	0.80 269	0.80 277	0.80 257	0.80 283	0.80 266	0.80 287	0.80 270	0.80 275	0.80 266	0.80 280	0.80 256	0.80 261	0.80 274	0.80 283	0.80 247	0.80 275

AEACV	1.12 285	0.52 159	3.12 384	3.24 368	0.86 291	0.53 241	0.49 241	0.60 240	0.47 231	0.53 235	0.49 247	0.55 243	0.45 223	0.55 239	0.47 233	3.01 378	3.88 380	0.71 263	0.60 259	0.80 247	0.48 230

ff7	1.68 344	2.68 318	1.35 347	0.97 247	0.89 292	1.84 362	2.15 379	2.12 360	1.80 378	2.05 366	1.56 369	2.33 371	2.12 373	2.23 368	2.25 382	1.31 340	1.07 275	1.48 363	1.41 363	0.90 256	1.04 295

ffff	1.68 344	2.68 318	1.35 347	0.97 247	0.89 292	1.84 362	2.15 379	2.12 360	1.80 378	2.05 366	1.56 369	2.33 371	2.12 373	2.23 368	2.25 382	1.31 340	1.07 275	1.48 363	1.41 363	0.90 256	1.04 295

11t	1.27 335	2.70 321	1.34 345	1.32 324	0.89 292	1.30 353	1.34 359	1.64 352	0.57 253	1.45 352	0.72 281	1.05 291	1.29 354	1.07 293	1.29 359	1.49 348	1.02 274	0.97 291	1.15 301	1.48 339	1.31 360

ccc-4	1.68 344	2.68 318	1.35 347	0.97 247	0.89 292	1.84 362	2.15 379	2.12 360	1.80 378	2.05 366	1.56 369	2.33 371	2.12 373	2.23 368	2.25 382	1.31 340	1.07 275	1.48 363	1.41 363	0.90 256	1.04 295

DPSimNet_ROB	0.97 273	1.18 218	0.81 263	1.10 258	0.91 296	1.02 288	0.82 279	1.04 280	0.91 288	1.03 287	0.86 290	1.28 353	0.82 277	1.03 290	0.89 284	1.17 289	0.81 263	1.02 296	0.82 286	1.08 270	0.81 277

DPSM_ROB	0.92 265	0.91 183	0.91 267	0.91 237	0.92 297	0.92 279	0.92 284	0.92 269	0.91 288	0.93 278	0.91 293	0.92 280	0.90 278	0.91 278	0.92 285	0.92 268	0.91 266	0.91 283	0.92 289	0.93 261	0.93 286

DPSM	0.92 265	0.91 183	0.91 267	0.91 237	0.92 297	0.92 279	0.92 284	0.92 269	0.91 288	0.93 278	0.91 293	0.92 280	0.90 278	0.91 278	0.92 285	0.92 268	0.91 266	0.91 283	0.92 289	0.93 261	0.93 286

pmcnn	0.92 265	0.92 188	0.92 269	0.92 240	0.92 297	0.92 279	0.92 284	0.92 269	0.92 292	0.92 276	0.92 296	0.92 280	0.92 280	0.92 280	0.92 285	0.92 268	0.92 268	0.92 285	0.92 289	0.92 260	0.92 285

DGTPSM_ROB	0.93 269	1.00 196	0.92 269	0.94 242	0.96 300	0.91 278	0.92 284	0.91 266	0.96 295	0.91 275	0.96 297	0.93 283	0.92 280	0.94 281	0.92 285	0.92 268	0.92 268	0.90 282	0.92 289	0.94 263	0.91 284

Selective-RAFT-Error	0.88 261	0.84 178	0.98 274	0.86 232	0.97 301	0.88 274	0.95 288	0.84 261	0.99 298	0.92 276	0.82 289	0.84 274	0.98 283	0.87 273	0.97 290	0.81 259	0.83 264	0.79 272	0.82 286	0.79 244	0.85 280

StereoVision	3.15 383	5.00 364	0.89 264	4.83 378	1.00 302	3.93 390	1.27 357	6.37 401	1.34 364	5.67 402	1.26 360	5.84 403	1.27 352	5.03 399	1.24 356	5.10 390	1.09 281	4.61 395	0.57 255	5.62 390	1.12 300

GANet	1.00 276	1.00 196	1.00 276	1.00 250	1.00 302	1.00 285	1.00 291	1.00 276	1.00 299	1.00 283	1.00 298	1.00 287	1.00 284	1.00 287	1.00 293	1.00 274	1.00 271	1.00 293	1.00 293	1.00 266	1.00 292

TDLM	1.00 276	1.00 196	1.00 276	1.00 250	1.00 302	1.00 285	1.00 291	1.00 276	1.00 299	1.00 283	1.00 298	1.00 287	1.00 284	1.00 287	1.00 293	1.00 274	1.00 271	1.00 293	1.00 293	1.00 266	1.00 292

CVANet_RVC	1.00 276	1.00 196	1.00 276	1.00 250	1.00 302	1.00 285	1.00 291	1.00 276	1.00 299	1.00 283	1.00 298	1.00 287	1.00 284	1.00 287	1.00 293	1.00 274	1.00 271	1.00 293	1.00 293	1.00 266	1.00 292

GLC_STEREO	1.07 280	1.01 201	1.06 279	1.07 256	1.05 306	1.06 289	1.08 296	1.08 281	1.05 303	1.07 288	1.06 301	1.08 292	1.05 290	1.06 292	1.10 297	1.07 278	1.09 281	1.05 297	1.05 296	1.06 269	1.12 300

CFNet-RSSM	0.91 264	4.89 362	0.34 174	0.44 178	1.07 307	1.62 361	1.40 367	0.91 266	0.35 198	1.60 354	1.39 366	0.64 251	0.34 194	0.44 211	0.33 184	0.41 198	0.35 176	0.75 267	0.30 190	0.41 194	0.29 170

edge stereo	2.43 371	27.07 412	1.14 283	1.06 255	1.14 308	1.08 293	1.17 304	1.16 286	1.14 304	1.10 290	1.16 305	1.09 294	1.16 299	1.10 296	1.16 305	1.10 281	1.11 285	1.16 301	1.19 305	1.13 272	1.11 298

AF-Net	2.37 368	25.71 408	1.17 286	1.13 262	1.15 309	1.15 301	1.18 305	1.19 290	1.16 306	1.10 290	1.15 302	1.10 296	1.18 300	1.12 299	1.15 302	1.10 281	1.10 284	1.17 305	1.15 301	1.16 276	1.12 300

RP	2.33 363	25.00 405	1.13 282	1.15 265	1.15 309	1.10 295	1.15 301	1.15 284	1.15 305	1.12 295	1.15 302	1.09 294	1.13 292	1.10 296	1.15 302	1.11 286	1.09 281	1.16 301	1.12 299	1.16 276	1.17 306

RGC	2.36 365	25.48 406	1.19 289	1.15 265	1.15 309	1.10 295	1.16 303	1.17 287	1.16 306	1.12 295	1.16 305	1.11 299	1.13 292	1.09 294	1.18 307	1.10 281	1.15 289	1.16 301	1.12 299	1.14 273	1.12 300

Nwc_Net	2.37 368	25.95 409	1.15 285	1.14 263	1.15 309	1.08 293	1.14 300	1.17 287	1.16 306	1.14 297	1.15 302	1.08 292	1.15 295	1.11 298	1.14 301	1.10 281	1.11 285	1.16 301	1.09 298	1.16 276	1.15 305

StereoIM	3.19 384	6.02 369	1.12 281	5.61 383	1.16 313	5.43 402	1.02 294	5.15 400	0.70 271	5.43 399	1.21 355	5.03 401	0.97 282	4.85 397	0.99 292	4.53 387	1.16 290	5.53 400	1.25 355	5.37 388	1.30 359

NCC-stereo	2.36 365	25.52 407	1.17 286	1.15 265	1.17 314	1.11 298	1.11 297	1.15 284	1.16 306	1.10 290	1.16 305	1.10 296	1.15 295	1.14 300	1.13 300	1.09 279	1.11 285	1.15 300	1.16 303	1.17 281	1.17 306

Abc-Net	2.32 362	24.75 404	1.14 283	1.17 271	1.17 314	1.11 298	1.15 301	1.17 287	1.21 358	1.08 289	1.16 305	1.12 300	1.14 294	1.09 294	1.17 306	1.09 279	1.16 290	1.17 305	1.17 304	1.16 276	1.11 298
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 363	24.38 403	1.18 288	1.18 272	1.18 316	1.14 300	1.18 305	1.19 290	1.19 312	1.14 297	1.18 309	1.14 301	1.18 300	1.14 300	1.18 307	1.14 288	1.14 288	1.19 308	1.19 305	1.15 274	1.19 308

DisPM	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

CrosDoStereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PFNet+	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

LCNet	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

HHNet	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Patchmatch Stereo++	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309
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	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

STrans-v2	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

TransformOpticalFlow	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

OMP-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

IIG-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

NF-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

OCTAStereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PSM-softLoss	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

KMStereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

NRIStereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PSM-adaLoss	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PSM-AAD	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

FTStereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

ROB_FTStereo_v2	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

ROB_FTStereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Consistency-Raft	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

KYRaft	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

HUI-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

ASMatch	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DeepStereo_LL	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DEmStereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

SST-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

THIR-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT_R40	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DRaft	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PFNet	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

GrayStereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RE-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Pruner-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

TVStereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DeepStereo_RVC	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT-RH_RVC	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

IRAFT_RVC	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT-345	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

iRAFT	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

CRE-IMP	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

GMM-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT-IKP	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Prome-Stereo	1.20 287	1.20 220	1.20 292	1.20 274	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 302	1.20 304	1.20 309	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

SPS-STEREO	1.59 342	1.91 293	1.21 338	1.94 341	1.20 317	2.00 367	1.23 354	1.99 359	1.24 361	2.00 364	1.25 359	2.03 365	1.26 351	2.00 363	1.29 359	1.90 362	1.18 293	1.89 369	1.21 353	1.89 349	1.20 309
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 341	1.94 299	1.22 339	1.88 338	1.21 363	1.88 365	1.22 353	1.88 356	1.22 359	1.88 360	1.22 356	1.88 361	1.22 349	1.89 360	1.22 355	1.87 359	1.22 341	1.88 368	1.22 354	1.88 348	1.22 355
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
FAT-Stereo	2.46 372	26.05 410	1.23 341	1.23 321	1.22 364	1.20 303	1.24 355	1.23 341	1.23 360	1.19 299	1.22 356	1.21 350	1.24 350	1.20 304	1.24 356	1.21 336	1.17 292	1.22 355	1.25 355	1.20 285	1.24 357

S-Stereo	2.51 373	26.86 411	1.23 341	1.22 319	1.22 364	1.24 351	1.25 356	1.22 339	1.24 361	1.21 345	1.24 358	1.19 304	1.27 352	1.19 303	1.24 356	1.19 290	1.20 294	1.25 356	1.19 305	1.24 333	1.23 356

MaskLacGwcNet_RVC	1.35 336	1.35 273	1.35 347	1.35 326	1.35 366	1.35 354	1.35 360	1.36 347	1.35 366	1.36 350	1.35 362	1.36 354	1.36 357	1.36 353	1.35 361	1.35 344	1.35 348	1.35 359	1.35 358	1.35 336	1.35 363

PS-NSSS	1.38 339	1.39 275	1.34 345	1.34 325	1.35 366	1.38 356	1.37 366	1.35 346	1.38 369	1.34 348	1.34 361	1.39 356	1.38 359	1.70 357	1.40 364	1.36 346	1.36 349	1.36 361	1.37 361	1.37 337	1.36 364

MC-Stereo	1.76 347	2.96 329	1.37 352	2.14 347	1.37 368	2.14 369	1.36 361	2.14 363	1.37 368	2.14 369	1.37 364	2.14 366	1.37 358	2.14 367	1.37 362	1.97 363	1.32 342	1.97 370	1.32 357	1.98 350	1.33 361

CC-Net-ROB	1.36 337	1.33 272	1.33 344	1.36 327	1.38 369	1.36 355	1.33 358	1.37 348	1.34 364	1.35 349	1.36 363	1.38 355	1.34 356	1.38 354	1.38 363	1.35 344	1.38 351	1.33 358	1.35 358	1.43 338	1.34 362

sCroCo_RVC	2.10 357	2.76 323	1.92 374	2.78 364	1.39 370	2.73 379	1.41 368	2.73 374	1.40 370	2.77 380	1.41 368	2.74 379	1.40 360	2.74 379	1.40 364	2.72 375	1.42 353	2.72 379	1.44 367	2.79 365	1.42 368

Anonymous	2.11 358	2.74 322	1.41 355	2.77 363	1.40 371	2.74 380	1.46 370	2.75 375	1.50 372	2.87 381	1.39 366	2.74 379	1.46 362	2.72 378	1.41 366	2.72 375	1.41 352	2.81 380	1.41 363	3.16 368	1.39 367

LL-Strereo	1.01 279	5.06 365	1.63 360	0.70 215	1.43 372	0.56 244	0.46 227	0.57 235	0.50 242	0.57 241	0.50 249	1.58 358	0.49 239	0.59 247	0.50 242	1.64 353	0.52 226	0.51 246	1.37 361	0.52 219	0.45 221

RASNet	1.49 340	1.65 282	1.45 356	1.38 329	1.43 372	1.47 359	1.36 361	1.38 349	1.36 367	1.39 351	1.60 373	1.45 357	1.45 361	1.51 355	2.21 381	1.53 351	1.36 349	1.36 361	1.36 360	1.66 344	1.36 364

DPSMNet_ROB	1.60 343	1.59 280	1.70 363	1.59 332	1.59 374	1.61 360	1.61 371	1.60 350	1.60 373	1.62 358	1.59 372	1.60 359	1.60 364	1.60 356	1.59 369	1.59 352	1.60 358	1.59 366	1.59 371	1.59 343	1.59 371

Anonymous3	2.55 374	3.26 335	1.65 361	3.28 369	1.63 375	3.24 385	1.68 372	3.27 383	1.66 374	3.28 384	1.67 374	3.25 384	1.66 365	3.27 383	1.64 371	3.26 380	1.65 361	3.30 383	1.65 372	4.95 385	1.65 374

UDGNet	2.23 360	5.40 367	1.72 365	2.48 358	1.69 376	2.51 376	1.69 373	2.51 372	1.72 375	2.50 376	1.69 375	2.52 376	1.69 366	2.50 375	1.68 374	2.41 374	1.70 363	2.42 378	1.69 376	2.42 359	1.64 372

MFMNet_re	1.81 350	1.91 293	1.71 364	1.95 342	1.70 377	1.95 366	1.70 374	1.96 358	1.74 376	1.97 363	1.72 376	1.95 363	1.71 367	1.97 362	1.71 375	1.86 358	1.62 359	1.85 367	1.66 373	1.86 347	1.64 372

RAFT_CTSACE	1.92 352	3.71 341	1.72 365	1.88 338	1.72 378	2.04 368	1.42 369	2.18 364	1.89 384	2.02 365	1.97 382	1.95 363	2.06 372	1.93 361	1.62 370	1.76 355	1.66 362	2.02 371	1.73 380	1.73 345	1.43 369

FBW_ROB	2.12 359	2.46 313	1.77 367	2.49 359	1.79 379	2.38 375	1.83 375	2.46 371	1.78 377	2.48 375	1.97 382	2.40 375	1.78 368	2.42 374	1.83 380	2.31 371	1.85 369	2.38 377	1.82 381	2.35 358	1.84 379

TRStereo	2.00 353	2.13 303	1.85 370	2.27 352	1.84 380	2.28 371	1.84 376	2.29 366	1.86 381	2.30 371	1.87 377	2.30 368	1.87 369	2.08 364	1.72 377	2.08 367	1.72 364	2.08 372	1.72 377	2.08 351	1.72 375

XX-Stereo	2.00 353	2.13 303	1.85 370	2.27 352	1.84 380	2.28 371	1.84 376	2.29 366	1.86 381	2.30 371	1.87 377	2.30 368	1.87 369	2.08 364	1.72 377	2.08 367	1.72 364	2.08 372	1.72 377	2.08 351	1.72 375

EAI-Stereo	2.00 353	2.13 303	1.85 370	2.27 352	1.84 380	2.28 371	1.84 376	2.29 366	1.86 381	2.30 371	1.87 377	2.30 368	1.87 369	2.08 364	1.72 377	2.08 367	1.72 364	2.08 372	1.72 377	2.08 351	1.72 375

sAnonymous2	3.31 385	2.63 316	1.38 353	3.71 373	1.86 383	4.70 397	1.11 297	4.82 398	2.72 388	5.45 400	1.98 384	4.59 396	2.64 378	2.65 376	6.21 403	4.37 384	1.08 279	5.16 398	2.24 383	4.52 381	2.39 386

CroCo_RVC	3.31 385	2.63 316	1.38 353	3.71 373	1.86 383	4.70 397	1.11 297	4.82 398	2.72 388	5.45 400	1.98 384	4.59 396	2.64 378	2.65 376	6.21 403	4.37 384	1.08 279	5.16 398	2.24 383	4.52 381	2.39 386

IGEVStereo-DCA	1.77 348	4.21 353	1.84 368	2.49 359	2.11 385	2.54 377	1.36 361	1.65 353	1.17 310	2.75 378	1.90 380	2.54 377	1.15 295	0.94 281	1.11 298	1.50 349	1.32 342	0.96 289	1.46 368	1.49 340	0.88 281

rrr	1.77 348	4.21 353	1.84 368	2.49 359	2.11 385	2.54 377	1.36 361	1.65 353	1.17 310	2.75 378	1.90 380	2.54 377	1.15 295	0.94 281	1.11 298	1.50 349	1.32 342	0.96 289	1.46 368	1.49 340	0.88 281

RAFT+CT+SA	4.28 389	7.62 375	4.91 391	5.55 382	2.28 387	3.09 382	3.64 394	4.49 395	3.07 391	4.80 395	3.35 391	4.77 398	3.70 385	4.29 394	3.05 388	5.58 392	5.98 391	3.58 387	3.78 396	4.26 377	3.72 394

NCCL2	2.28 361	2.27 309	2.28 376	2.28 355	2.28 387	2.27 370	2.29 382	2.28 365	2.28 385	2.27 370	2.28 387	2.28 367	2.27 376	2.27 371	2.28 386	2.28 370	2.28 373	2.27 375	2.29 385	2.27 355	2.29 381

STTStereo	3.73 388	30.40 416	2.37 380	2.39 356	2.31 389	2.35 374	2.33 383	2.29 366	2.42 386	2.32 374	2.34 388	2.33 371	2.36 377	2.30 372	2.27 385	2.35 372	2.22 372	2.31 376	2.22 382	2.29 357	2.34 385

NLCA_NET_v2_RVC	5.04 401	50.87 423	2.78 382	2.87 365	2.71 390	2.78 381	0.47 233	2.88 379	2.86 390	1.89 361	2.67 389	2.79 381	2.79 381	2.78 380	2.83 387	2.82 377	2.82 376	2.83 381	2.77 388	2.83 366	2.76 389
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
test_3	5.01 400	8.86 382	7.77 404	8.09 394	2.76 391	4.13 393	4.05 400	3.88 390	3.76 396	4.33 392	4.13 399	3.71 388	3.91 388	4.21 393	4.06 397	7.93 404	7.69 399	4.53 393	3.91 397	4.17 376	4.29 401

raft_robust	4.71 396	7.75 376	5.40 395	6.81 389	3.31 392	4.28 395	4.20 401	4.32 394	4.37 402	4.35 393	4.35 401	4.14 392	3.75 386	4.30 395	4.20 399	6.67 399	6.37 392	3.36 385	4.24 402	4.86 384	3.25 390

test_5	4.62 395	7.55 374	6.23 396	6.32 387	3.40 393	5.29 401	3.50 393	3.53 387	4.11 399	4.28 391	4.47 402	4.26 394	4.38 393	3.68 388	3.24 389	5.89 394	5.60 388	4.84 396	3.50 390	4.33 378	3.93 399

DispFullNet	4.61 394	4.84 361	3.12 384	5.00 380	3.57 394	4.75 399	3.03 390	7.75 407	4.17 400	4.91 397	3.09 390	6.20 404	3.95 389	6.71 403	3.51 390	5.30 391	3.67 379	5.86 404	3.63 391	5.61 389	3.46 391

DPSNet	3.66 387	3.60 338	3.62 388	3.63 372	3.64 395	3.65 389	3.65 395	3.66 388	3.67 393	3.67 386	3.65 394	3.67 387	3.66 384	3.66 387	3.68 391	3.68 383	3.66 378	3.67 388	3.68 394	3.67 370	3.67 393

TestStereo1	4.60 392	8.41 379	6.44 398	6.86 390	3.79 396	3.97 391	3.78 396	3.99 391	3.74 394	3.97 388	3.52 392	3.94 390	3.58 382	3.98 390	3.72 392	6.82 400	6.50 394	3.76 389	3.66 392	3.90 372	3.74 396

SA-5K	4.60 392	8.41 379	6.44 398	6.86 390	3.79 396	3.97 391	3.78 396	3.99 391	3.74 394	3.97 388	3.52 392	3.94 390	3.58 382	3.98 390	3.72 392	6.82 400	6.50 394	3.76 389	3.66 392	3.90 372	3.74 396

cross-raft	4.83 397	7.52 373	6.43 397	6.63 388	3.96 398	4.51 396	3.99 399	4.49 395	3.96 398	4.52 394	3.96 397	4.50 395	3.97 390	4.50 396	3.97 395	6.65 398	6.44 393	4.33 392	3.92 398	4.35 379	3.91 398

SA	4.33 390	7.35 372	6.85 401	5.96 385	4.09 399	3.59 388	3.15 391	3.82 389	2.64 387	3.91 387	3.85 395	3.57 386	2.72 380	3.13 382	4.03 396	7.09 403	6.86 396	3.57 386	3.12 389	3.85 371	3.51 392

SGM-Forest	5.21 402	5.92 368	4.08 389	6.18 386	4.16 400	6.31 404	4.34 402	6.50 402	4.33 401	6.14 404	4.21 400	6.61 407	4.55 394	6.67 402	4.48 400	5.94 395	3.94 381	5.85 403	4.03 400	5.79 391	4.17 400
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_4	4.88 398	8.13 377	6.98 402	7.46 393	4.44 401	4.25 394	3.85 398	4.04 393	3.92 397	4.13 390	3.91 396	4.18 393	3.84 387	4.14 392	4.06 397	7.01 402	7.13 397	4.53 393	3.72 395	4.09 375	3.72 394

Sa-1000	4.34 391	8.37 378	6.84 400	6.98 392	4.45 402	3.58 387	3.00 389	3.42 386	3.39 392	2.61 377	4.00 398	3.83 389	4.01 391	3.90 389	3.90 394	5.98 396	5.62 389	3.76 389	2.34 386	4.35 379	2.47 388

TestStereo	4.88 398	4.75 360	4.79 390	4.87 379	4.92 403	4.81 400	4.90 403	4.78 397	4.77 403	4.87 396	4.89 403	4.90 399	4.91 395	4.99 398	4.79 401	4.98 388	4.87 386	4.87 397	4.92 403	5.00 386	5.00 402

SGM+DAISY	7.06 405	9.15 383	5.38 394	8.84 397	5.18 404	8.80 408	5.31 404	8.79 408	5.28 405	8.89 408	5.20 404	8.93 408	5.33 396	8.95 408	5.36 402	8.70 406	5.21 387	8.74 408	5.20 404	8.89 402	5.15 403

test-1	6.46 403	9.16 384	8.03 407	8.09 394	5.62 405	6.11 403	6.35 405	6.85 404	4.94 404	6.08 403	6.29 407	4.98 400	6.43 399	6.22 400	6.36 405	6.16 397	7.47 398	5.82 402	5.44 405	7.11 397	5.68 404

RAFT	6.73 404	9.36 385	7.40 403	8.51 396	6.55 406	6.88 405	6.60 406	6.79 403	6.60 406	6.80 405	6.72 408	5.31 402	5.50 397	6.61 401	6.61 406	8.42 405	5.89 390	5.73 401	5.45 406	6.61 393	6.24 405

test-v	7.53 406	11.89 393	7.98 405	9.36 399	7.14 407	7.06 406	7.09 407	7.37 405	6.91 407	7.29 406	5.71 405	6.45 405	6.93 400	6.73 404	7.27 407	8.93 407	7.85 400	6.98 405	6.80 407	7.56 398	7.34 407

test-2	7.53 406	11.89 393	7.98 405	9.36 399	7.14 407	7.06 406	7.09 407	7.37 405	6.91 407	7.29 406	5.71 405	6.45 405	6.93 400	6.73 404	7.27 407	8.93 407	7.85 400	6.98 405	6.80 407	7.56 398	7.34 407

MANE	19.05 409	23.00 402	15.00 409	23.00 415	15.00 409	24.00 415	16.00 409	24.00 415	16.00 409	22.00 415	15.00 409	23.00 415	16.00 409	23.00 415	15.00 409	22.00 415	15.00 409	22.00 415	15.00 409	22.00 415	15.00 409

rafts_anoy	20.00 410	20.00 396	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410

raft+_RVC	20.00 410	20.00 396	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410

raftrobust	20.00 410	20.00 396	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410

CasAABBNet	20.00 410	20.00 396	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410

RALCasStereoNet	20.00 410	20.00 396	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410

RALAANet	20.00 410	20.00 396	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 410

WCMA_ROB	31.10 417	35.43 421	27.12 416	39.51 424	23.10 416	38.78 424	25.30 416	37.49 424	25.39 416	37.29 423	27.02 416	38.52 424	26.48 416	37.80 423	26.44 416	36.28 423	22.65 416	33.90 420	22.30 416	37.10 421	24.18 416

fff	1000028.16 432	29.62 413	29.72 417	32.61 416	30.02 417	35.13 418	31.83 418	32.07 417	10000000.00 432	35.27 419	29.82 418	32.45 417	30.15 417	32.35 417	30.09 417	31.04 417	29.55 418	30.64 417	30.14 417	10000000.00 432	30.77 418

csc	1000028.16 432	29.62 413	29.72 417	32.61 416	30.02 417	35.13 418	31.83 418	32.07 417	10000000.00 432	35.27 419	29.82 418	32.45 417	30.15 417	32.35 417	30.09 417	31.04 417	29.55 418	30.64 417	30.14 417	10000000.00 432	30.77 418

cscssc	1000028.16 432	29.62 413	29.72 417	32.61 416	30.02 417	35.13 418	31.83 418	32.07 417	10000000.00 432	35.27 419	29.82 418	32.45 417	30.15 417	32.35 417	30.09 417	31.04 417	29.55 418	30.64 417	30.14 417	10000000.00 432	30.77 418

111	30.40 416	30.94 417	29.72 417	32.61 416	30.02 417	33.57 416	30.47 417	31.50 416	29.39 417	30.98 416	29.11 417	29.78 416	30.39 420	29.45 416	30.76 420	30.08 416	29.02 417	29.92 416	30.32 420	29.86 416	30.17 417

ADStereo(finetuned)	36.13 419	36.63 422	38.07 424	36.97 421	33.25 421	35.91 421	34.45 421	36.36 423	32.99 418	38.14 424	36.71 424	36.69 423	34.13 421	38.57 424	40.79 424	37.60 424	36.58 424	35.90 424	33.36 421	35.42 419	34.04 421

tt	500032.53 430	34.60 419	29.72 417	37.47 422	34.41 422	36.85 422	35.22 422	34.71 420	33.55 419	34.50 417	35.43 421	33.81 420	10000000.00 433	33.57 420	33.13 421	33.68 420	35.00 422	34.03 421	35.26 423	30.96 417	34.63 422

DCANet	500032.53 430	34.60 419	29.72 417	37.47 422	34.41 422	36.85 422	35.22 422	34.71 420	33.55 419	34.50 417	35.43 421	33.81 420	10000000.00 433	33.57 420	33.13 421	33.68 420	35.00 422	34.03 421	35.26 423	30.96 417	34.63 422

DCANet-4	35.22 418	34.54 418	35.08 423	33.58 420	35.47 424	34.55 417	35.53 424	36.08 422	35.85 421	35.92 422	35.77 423	35.18 422	35.48 422	35.39 422	37.15 423	34.55 422	33.92 421	35.02 423	34.90 422	35.79 420	34.74 424

NOSS_ROB	102.95 421	153.00 427	121.00 428	51.00 425	44.00 425	165.00 428	127.00 427	153.00 427	119.00 424	164.00 428	125.00 427	168.00 428	120.00 425	153.00 427	117.00 427	49.00 425	44.00 425	49.00 425	44.00 425	49.00 422	44.00 425

CBMV	128.50 422	1422.70 434	53.10 426	79.50 426	51.30 426	77.30 426	49.70 425	74.00 425	48.20 423	77.20 426	48.80 426	73.90 426	48.00 424	73.80 426	48.80 426	70.40 426	45.10 426	68.90 426	46.10 426	68.20 423	45.00 426
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 420	87.70 424	41.95 425	113.75 427	65.62 427	75.05 425	55.25 426	75.64 426	45.04 422	71.61 425	41.75 425	72.81 425	44.06 423	68.38 425	44.63 425	101.89 427	59.57 427	107.10 427	61.05 427	104.38 424	59.38 427

MeshStereo	159.24 423	171.00 428	160.68 430	162.58 428	160.59 428	164.01 427	160.35 428	158.51 428	158.56 425	158.34 427	160.12 428	158.56 427	159.92 426	157.26 428	158.94 428	154.38 428	158.36 428	155.75 428	159.13 428	153.67 425	154.07 428
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
DLCB_ROB	284.23 426	354.61 430	207.27 431	363.24 431	206.46 429	364.72 431	210.41 429	364.72 431	210.41 426	364.81 431	208.64 430	364.81 431	208.64 428	364.72 431	210.41 430	354.70 431	205.53 430	354.70 431	205.53 430	354.70 428	205.53 430

AE-Stereo	201.80 424	123.00 425	115.00 427	219.00 429	218.00 430	223.00 429	244.00 430	217.00 429	236.00 427	202.00 429	203.00 429	205.00 429	208.00 427	225.00 429	204.00 429	210.00 429	198.00 429	197.00 429	184.00 429	204.00 426	201.00 429

EGLCR-Stereo	246.90 425	129.00 426	139.00 429	266.00 430	286.00 431	277.00 430	305.00 431	271.00 430	242.00 428	274.00 430	279.00 431	255.00 430	270.00 429	268.00 430	297.00 431	230.00 430	247.00 431	216.00 430	223.00 431	237.00 427	227.00 431

LE_ROB	396.57 427	471.28 431	329.84 432	471.48 432	308.15 432	526.83 432	322.10 432	488.15 432	323.76 429	495.46 432	317.97 432	497.17 432	320.10 430	481.62 432	326.76 432	462.71 432	298.97 432	466.16 432	285.98 432	447.62 429	289.21 432

SGM-ForestM	596.69 428	677.77 432	444.52 433	699.85 433	517.25 433	732.94 433	488.29 433	770.79 433	460.11 430	750.81 433	487.98 433	792.79 433	499.41 431	730.90 433	475.81 433	720.03 433	491.16 433	663.96 433	418.60 433	674.76 430	436.05 433

CBMV_ROB	818.48 429	913.88 433	709.52 434	862.84 434	597.78 434	1073.99 434	700.52 434	1015.66 434	702.59 431	1115.65 434	760.02 434	1130.24 434	721.57 432	1037.41 434	692.65 434	814.05 434	564.29 434	843.28 434	595.31 434	915.51 431	602.92 434

SDNR	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435

anonymousdsp2	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435

anonymousdsp	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435

test_example2	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435

DIP-Stereo	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435
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