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

GrayStereo	0.71 233	0.27 1	2.40 115	0.89 349	0.23 111	0.62 186	1.40 394	0.67 88	0.70 180	0.72 284	0.77 294	0.55 167	3.03 400	0.60 109	0.28 43	0.10 47	0.08 38	0.10 48	0.21 273	0.12 25	0.37 164

AEACV	0.89 309	0.29 2	1.84 18	2.50 408	1.68 399	0.53 68	0.21 31	1.01 293	0.42 9	0.68 265	0.31 26	0.22 8	0.39 149	1.63 270	0.25 24	0.09 11	2.60 412	0.09 14	0.54 375	0.23 188	2.27 403

PSM-AAD	0.67 213	0.29 2	2.41 119	0.37 170	0.23 111	0.86 317	1.15 380	0.62 72	0.66 126	0.64 239	0.71 271	0.67 222	2.90 399	0.65 124	0.32 80	0.10 47	0.08 38	0.17 279	0.15 198	0.14 51	0.34 151

EAI-Stereo	1.16 351	0.29 2	1.94 34	0.55 288	0.97 359	1.96 389	7.94 417	1.34 370	1.03 344	1.01 338	1.48 365	0.51 146	0.66 290	0.65 124	1.42 313	0.09 11	0.23 239	0.09 14	0.53 374	0.13 35	0.49 232

GLC_STEREO	0.31 1	0.30 5	1.80 11	0.29 47	0.12 3	0.41 14	0.20 21	0.39 2	0.42 9	0.26 15	0.31 26	0.25 24	0.19 8	0.36 25	0.26 33	0.09 11	0.11 128	0.12 137	0.10 72	0.13 35	0.15 31

SST-Stereo	0.56 113	0.30 5	2.44 136	0.71 333	0.55 289	0.62 186	0.65 332	0.57 55	0.67 138	0.59 192	0.53 128	0.51 146	0.59 270	1.57 260	0.31 71	0.12 146	0.07 6	0.12 137	0.10 72	0.17 90	0.11 10

CAS	0.39 16	0.31 7	1.79 10	0.81 345	0.34 212	0.51 48	0.23 61	0.49 15	0.42 9	0.23 6	0.31 26	0.20 2	0.17 1	0.30 2	0.25 24	0.77 378	0.06 1	0.07 1	0.05 1	0.10 10	0.41 191

anonymousdsp2	0.88 302	0.31 7	1.96 38	1.06 363	1.56 395	0.57 109	0.22 41	0.84 171	0.98 337	1.20 357	0.37 43	0.65 213	0.26 50	1.19 211	0.46 142	0.10 47	2.40 410	0.10 48	0.13 161	0.19 133	2.96 410

EGLCR-Stereo	0.90 312	0.31 7	1.90 27	1.60 388	0.95 355	1.14 356	0.42 256	0.85 181	0.43 13	1.74 385	0.21 1	0.27 38	0.17 1	1.56 256	0.30 57	0.10 47	2.60 412	0.10 48	0.09 38	0.10 10	3.10 412

RAFT_R40	0.55 105	0.31 7	2.44 136	0.57 301	0.42 261	0.62 186	0.52 296	0.58 57	0.66 126	0.56 154	0.54 142	0.54 159	0.50 231	1.56 256	0.53 168	0.11 112	0.07 6	0.12 137	0.10 72	0.16 69	0.10 4

CRE-IMP	0.46 46	0.31 7	2.40 115	0.53 281	0.17 38	0.79 300	0.68 340	0.54 40	0.66 126	0.47 66	0.43 65	0.44 109	0.26 50	0.43 46	0.33 89	0.12 146	0.07 6	0.12 137	0.09 38	0.17 90	0.23 86

R-Stereo Train	0.42 23	0.31 7	2.51 176	0.30 61	0.18 48	0.56 90	0.25 102	0.82 154	0.41 5	0.57 166	0.67 238	0.33 58	0.24 28	0.34 16	0.33 89	0.10 47	0.08 38	0.09 14	0.07 12	0.09 5	0.18 57

RAFT-Stereo	0.42 23	0.31 7	2.51 176	0.30 61	0.18 48	0.56 90	0.25 102	0.82 154	0.41 5	0.57 166	0.67 238	0.33 58	0.24 28	0.34 16	0.33 89	0.10 47	0.08 38	0.09 14	0.07 12	0.09 5	0.18 57
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.71 233	0.32 14	2.44 136	0.44 240	0.50 277	0.58 116	0.23 61	1.08 337	0.67 138	0.67 259	0.51 117	0.47 130	0.24 28	0.63 116	0.32 80	0.09 11	2.15 402	0.11 94	0.45 362	0.22 173	2.01 384

CES	0.33 4	0.32 14	1.46 3	0.25 5	0.50 277	0.40 13	0.20 21	0.48 12	0.48 28	0.22 3	0.29 17	0.26 31	0.19 8	0.35 23	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 249

riskmin	0.96 323	0.32 14	2.07 56	1.72 395	1.61 398	1.62 377	0.57 312	1.45 376	0.55 62	0.73 285	0.89 318	0.92 315	0.45 206	1.16 207	0.60 185	0.11 112	1.30 371	0.12 137	1.38 409	0.14 51	1.51 372

DCANet-4	0.43 26	0.32 14	2.31 96	0.26 15	0.14 8	0.51 48	0.22 41	0.84 171	0.78 243	0.55 144	0.48 90	0.28 40	0.37 131	0.40 36	0.37 109	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 200

tt	4.94 412	0.32 14	4.22 384	2.29 407	1.58 396	10.19 419	16.94 422	9.44 420	5.03 407	1.69 384	1.33 360	4.68 406	5.02 410	3.38 397	5.91 409	6.15 418	9.47 425	2.80 415	3.16 417	3.54 415	1.58 374

BUS	0.45 41	0.32 14	1.58 4	0.31 75	0.22 88	0.91 329	0.23 61	1.05 319	0.67 138	0.64 239	0.53 128	0.65 213	0.32 109	0.48 61	0.34 97	0.13 188	0.10 106	0.14 223	0.12 141	0.13 35	0.15 31

BSDual-CNN	0.48 56	0.32 14	1.58 4	0.31 75	0.22 88	0.76 281	0.32 193	1.05 319	0.67 138	0.64 239	0.53 128	0.63 203	0.38 138	0.48 61	0.97 261	0.13 188	0.10 106	0.14 223	0.12 141	0.13 35	0.15 31

psmg	0.48 56	0.32 14	1.58 4	0.28 35	0.22 88	0.75 277	0.35 220	0.94 245	0.67 138	0.61 208	0.59 185	0.63 203	0.38 138	0.48 61	0.97 261	0.13 188	0.11 128	0.13 194	0.13 161	0.14 51	0.15 31

FTStereo	0.79 269	0.32 14	2.83 281	0.70 331	0.21 79	0.73 270	1.75 399	0.61 69	0.60 83	1.07 343	1.62 370	1.28 367	2.11 391	0.75 153	0.30 57	0.19 292	0.08 38	0.12 137	0.11 110	0.12 25	0.39 179

Any-RAFT	0.42 23	0.33 23	1.89 26	0.28 35	0.21 79	0.69 254	0.21 31	0.83 164	0.60 83	0.45 54	0.43 65	0.62 199	0.30 100	0.48 61	0.24 16	0.11 112	0.40 281	0.08 3	0.06 6	0.10 10	0.16 44

NF-Stereo	0.53 94	0.33 23	2.55 191	0.55 288	0.16 21	0.61 164	0.43 263	0.70 100	0.70 180	0.50 102	0.47 84	0.37 69	0.26 50	1.44 243	0.78 235	0.12 146	0.07 6	0.12 137	0.10 72	0.13 35	0.17 50

OCTAStereo	0.53 94	0.33 23	2.54 184	0.56 297	0.16 21	0.61 164	0.42 256	0.70 100	0.70 180	0.50 102	0.47 84	0.37 69	0.26 50	1.43 239	0.79 238	0.12 146	0.07 6	0.12 137	0.10 72	0.13 35	0.17 50

RE-Stereo	0.53 94	0.33 23	2.54 184	0.56 297	0.16 21	0.61 164	0.43 263	0.70 100	0.70 180	0.50 102	0.47 84	0.37 69	0.26 50	1.43 239	0.77 231	0.12 146	0.07 6	0.12 137	0.10 72	0.13 35	0.17 50

TVStereo	0.53 94	0.33 23	2.54 184	0.56 297	0.16 21	0.61 164	0.43 263	0.70 100	0.70 180	0.50 102	0.47 84	0.37 69	0.26 50	1.43 239	0.77 231	0.12 146	0.07 6	0.12 137	0.10 72	0.13 35	0.17 50

GMM-Stereo	0.53 94	0.33 23	2.89 290	0.53 281	0.24 120	0.77 291	0.46 278	0.62 72	0.65 119	0.58 172	0.73 276	0.47 130	0.43 190	0.68 134	0.29 52	0.10 47	0.06 1	0.13 194	0.13 161	0.14 51	0.44 212

ICVP	0.48 56	0.33 23	2.37 105	0.34 130	0.22 88	0.60 146	0.55 305	0.79 135	0.53 53	0.45 54	0.60 192	0.49 139	0.36 126	0.55 94	0.46 142	0.16 251	0.16 195	0.14 223	0.11 110	0.16 69	0.32 141
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CASS	0.43 26	0.34 30	2.01 44	0.33 113	0.17 38	0.54 75	0.24 83	0.71 106	0.52 47	0.62 220	0.55 151	0.40 84	0.41 166	0.43 46	0.33 89	0.17 270	0.10 106	0.14 223	0.11 110	0.18 110	0.23 86
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.37 12	0.34 30	1.83 15	0.25 5	0.18 48	0.45 19	0.24 83	0.60 67	0.40 4	0.42 40	0.39 52	0.54 159	0.25 42	0.41 42	0.29 52	0.12 146	0.08 38	0.12 137	0.07 12	0.13 35	0.20 69

PSM-softLoss	0.52 84	0.34 30	2.47 164	0.55 288	0.17 38	0.61 164	0.39 244	0.64 80	0.67 138	0.52 121	0.48 90	0.39 76	0.25 42	1.46 244	0.77 231	0.13 188	0.08 38	0.13 194	0.12 141	0.12 25	0.15 31

KMStereo	0.52 84	0.34 30	2.47 164	0.55 288	0.17 38	0.61 164	0.39 244	0.64 80	0.67 138	0.52 121	0.48 90	0.39 76	0.25 42	1.46 244	0.77 231	0.13 188	0.08 38	0.13 194	0.12 141	0.12 25	0.15 31

NRIStereo	0.50 72	0.34 30	2.44 136	0.52 277	0.16 21	0.94 335	0.73 347	0.52 28	0.65 119	0.48 68	0.40 60	0.59 185	0.29 90	0.78 160	0.33 89	0.11 112	0.13 156	0.11 94	0.09 38	0.22 173	0.25 100

cross-raft	0.47 49	0.34 30	2.17 74	0.70 331	0.84 345	0.50 46	0.35 220	0.74 110	0.43 13	0.44 52	0.45 77	0.63 203	0.25 42	0.37 26	0.27 38	0.08 1	0.14 169	0.10 48	0.23 280	0.11 17	0.27 111

s12784h	0.41 19	0.34 30	2.17 74	0.24 4	0.11 1	0.64 211	0.24 83	0.85 181	0.70 180	0.45 54	0.54 142	0.28 40	0.27 63	0.51 77	0.27 38	0.11 112	0.06 1	0.09 14	0.06 6	0.16 69	0.14 25

LoS	0.34 5	0.35 37	1.88 24	0.25 5	0.13 5	0.53 68	0.20 21	0.50 24	0.53 53	0.26 15	0.28 15	0.37 69	0.24 28	0.40 36	0.25 24	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

KYRaft	0.52 84	0.35 37	2.40 115	0.34 130	0.21 79	0.75 277	0.43 263	0.62 72	0.63 106	0.64 239	0.92 321	0.53 154	0.72 302	0.60 109	0.26 33	0.10 47	0.07 6	0.12 137	0.14 179	0.13 35	0.54 249

CREStereo	0.31 1	0.35 37	1.66 7	0.19 1	0.13 5	0.55 86	0.17 5	0.50 24	0.50 37	0.28 19	0.34 35	0.24 21	0.21 17	0.34 16	0.23 15	0.11 112	0.07 6	0.08 3	0.05 1	0.10 10	0.12 11
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
Patchmatch Stereo++	0.43 26	0.36 40	2.44 136	0.48 257	0.17 38	0.61 164	0.26 114	0.53 31	0.61 86	0.48 68	0.43 65	0.43 94	0.28 74	0.56 97	0.30 57	0.12 146	0.08 38	0.12 137	0.10 72	0.17 90	0.13 13
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
PSM-adaLoss	0.43 26	0.36 40	2.44 136	0.48 257	0.18 48	0.61 164	0.28 136	0.53 31	0.61 86	0.48 68	0.43 65	0.43 94	0.28 74	0.49 71	0.30 57	0.12 146	0.08 38	0.12 137	0.10 72	0.17 90	0.13 13

ROB_FTStereo_v2	0.43 26	0.36 40	2.44 136	0.49 268	0.17 38	0.61 164	0.28 136	0.53 31	0.61 86	0.48 68	0.43 65	0.44 109	0.28 74	0.48 61	0.30 57	0.12 146	0.08 38	0.12 137	0.10 72	0.17 90	0.13 13

ROB_FTStereo	0.43 26	0.36 40	2.44 136	0.48 257	0.18 48	0.61 164	0.26 114	0.53 31	0.61 86	0.48 68	0.43 65	0.43 94	0.28 74	0.51 77	0.30 57	0.12 146	0.08 38	0.12 137	0.10 72	0.17 90	0.13 13

HUI-Stereo	0.43 26	0.36 40	2.45 152	0.48 257	0.18 48	0.61 164	0.27 128	0.53 31	0.61 86	0.48 68	0.43 65	0.44 109	0.28 74	0.47 52	0.30 57	0.12 146	0.08 38	0.12 137	0.10 72	0.17 90	0.13 13

iGMRVC	0.43 26	0.36 40	2.44 136	0.48 257	0.18 48	0.61 164	0.27 128	0.53 31	0.61 86	0.48 68	0.43 65	0.43 94	0.28 74	0.57 100	0.31 71	0.12 146	0.08 38	0.12 137	0.10 72	0.17 90	0.13 13

iRAFT	0.43 26	0.36 40	2.44 136	0.48 257	0.17 38	0.61 164	0.26 114	0.53 31	0.61 86	0.48 68	0.43 65	0.43 94	0.28 74	0.56 97	0.30 57	0.12 146	0.08 38	0.12 137	0.10 72	0.17 90	0.13 13

RAFT-IKP	0.43 26	0.36 40	2.44 136	0.48 257	0.16 21	0.60 146	0.28 136	0.53 31	0.61 86	0.48 68	0.43 65	0.43 94	0.28 74	0.51 77	0.31 71	0.12 146	0.08 38	0.12 137	0.10 72	0.17 90	0.13 13

Prome-Stereo	0.53 94	0.36 40	2.39 113	0.60 303	0.23 111	0.63 199	0.41 249	0.66 85	0.67 138	0.59 192	1.02 338	0.43 94	0.71 301	0.61 112	0.34 97	0.10 47	0.07 6	0.10 48	0.09 38	0.13 35	0.44 212

CFNet-RSSM	0.44 38	0.36 40	2.38 107	0.28 35	0.43 262	0.53 68	0.20 21	0.86 193	0.52 47	0.44 52	0.36 39	0.53 154	0.26 50	0.40 36	0.27 38	0.09 11	0.08 38	0.09 14	0.38 350	0.10 10	0.22 78

MC-Stereo	0.58 128	0.37 50	2.00 42	0.88 348	0.64 318	0.54 75	0.19 12	0.46 10	0.39 3	0.58 172	0.39 52	0.27 38	0.27 63	0.71 143	0.32 80	0.09 11	1.20 357	0.09 14	0.16 216	0.22 173	1.92 382

DeepStereo_RVC	0.47 49	0.37 50	2.19 77	0.55 288	0.18 48	0.60 146	0.58 314	0.52 28	0.62 95	0.49 84	0.45 77	0.39 76	0.85 326	0.47 52	0.34 97	0.12 146	0.08 38	0.11 94	0.09 38	0.15 60	0.19 61

RAFT-345	0.56 113	0.37 50	2.68 242	0.40 214	0.34 212	0.58 116	0.41 249	0.49 15	0.70 180	0.51 113	0.99 334	0.43 94	0.28 74	1.56 256	0.81 244	0.10 47	0.07 6	0.11 94	0.09 38	0.11 17	0.09 2

CREStereo++_RVC	0.38 14	0.37 50	2.47 164	0.25 5	0.16 21	0.54 75	0.15 1	0.42 5	0.57 69	0.37 28	0.52 125	0.24 21	0.19 8	0.31 3	0.27 38	0.09 11	0.06 1	0.08 3	0.30 313	0.09 5	0.22 78
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
Gwc-CoAtRS	0.41 19	0.37 50	2.06 55	0.28 35	0.41 251	0.48 35	0.19 12	0.64 80	0.49 31	0.45 54	0.39 52	0.57 178	0.26 50	0.37 26	0.28 43	0.09 11	0.19 212	0.09 14	0.31 318	0.11 17	0.25 100

LoS_RVC	0.34 5	0.38 55	1.96 38	0.27 23	0.35 220	0.43 17	0.22 41	0.43 6	0.34 1	0.24 9	0.34 35	0.23 15	0.28 74	0.34 16	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 157

RCA-Stereo	0.45 41	0.38 55	1.80 11	0.27 23	0.25 126	0.58 116	0.23 61	0.84 171	0.66 126	0.42 40	0.44 76	0.28 40	0.35 123	0.31 3	0.21 1	0.09 11	1.01 342	0.09 14	0.07 12	0.21 159	0.53 246

Pruner-Stereo	0.55 105	0.38 55	2.49 172	1.78 397	0.19 64	0.63 199	0.45 273	0.59 64	0.67 138	0.61 208	0.48 90	0.41 89	0.25 42	0.49 71	0.99 269	0.13 188	0.07 6	0.12 137	0.10 72	0.13 35	0.14 25

PMTNet	0.35 7	0.38 55	1.75 9	0.21 2	0.14 8	0.57 109	0.24 83	0.48 12	0.44 17	0.28 19	0.32 32	0.26 31	0.24 28	0.41 42	0.24 16	0.42 360	0.07 6	0.08 3	0.05 1	0.18 110	0.15 31

IGEV_Zeroshot_test	0.91 314	0.39 59	3.80 369	0.42 226	1.95 403	0.56 90	0.64 329	0.84 171	0.55 62	1.45 376	0.53 128	0.79 278	0.42 177	0.57 100	1.13 284	0.10 47	0.49 294	0.10 48	0.34 339	0.19 133	2.97 411

hknet	0.53 94	0.39 59	2.04 51	0.31 75	0.24 120	0.76 281	0.32 193	1.05 319	0.71 192	0.64 239	0.53 128	0.79 278	0.40 155	0.84 170	0.78 235	0.12 146	0.10 106	0.14 223	0.12 141	0.13 35	0.15 31

sCroCo_RVC	0.37 12	0.39 59	2.38 107	0.35 146	0.27 151	0.31 5	0.22 41	0.49 15	0.48 28	0.23 6	0.34 35	0.25 24	0.24 28	0.35 23	0.25 24	0.15 237	0.17 202	0.12 137	0.11 110	0.15 60	0.15 31

SFCPSM	0.48 56	0.39 59	2.30 94	0.28 35	0.27 151	0.70 257	0.32 193	1.00 285	0.69 170	0.50 102	0.52 125	0.43 94	0.36 126	0.53 88	0.44 134	0.12 146	0.09 83	0.12 137	0.16 216	0.18 110	0.23 86

CASnet	0.32 3	0.40 63	1.80 11	0.28 35	0.11 1	0.47 32	0.19 12	0.45 8	0.47 25	0.39 33	0.31 26	0.23 15	0.17 1	0.31 3	0.21 1	0.11 112	0.06 1	0.15 248	0.12 141	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
NINENet	0.54 101	0.40 63	2.19 77	0.55 288	0.26 140	0.91 329	0.23 61	1.05 319	0.77 240	0.54 133	0.57 174	0.65 213	0.32 109	1.22 213	0.34 97	0.16 251	0.13 156	0.16 265	0.11 110	0.16 69	0.14 25

AAGNet	0.92 315	0.40 63	2.53 180	0.60 303	1.01 365	0.62 186	0.45 273	0.52 28	0.68 162	0.58 172	0.53 128	0.50 143	0.72 302	1.22 213	7.32 413	0.12 146	0.07 6	0.12 137	0.10 72	0.16 69	0.10 4

DEmStereo	0.69 224	0.40 63	2.42 123	0.42 226	0.18 48	0.66 238	0.88 360	0.54 40	0.64 112	0.60 201	1.00 335	0.45 121	1.24 358	1.53 252	2.21 355	0.10 47	0.08 38	0.10 48	0.10 72	0.11 17	0.14 25

HSM-Net_RVC	0.70 229	0.40 63	2.45 152	0.27 23	0.19 64	0.68 251	0.30 173	1.29 366	0.73 202	0.73 285	0.70 258	0.77 272	0.45 206	3.73 403	0.46 142	0.13 188	0.09 83	0.10 48	0.09 38	0.13 35	0.32 141
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAFT-Test	0.56 113	0.41 68	2.01 44	0.90 351	1.07 370	0.65 225	0.37 230	0.83 164	0.65 119	0.49 84	0.49 103	0.93 320	0.24 28	0.52 81	0.30 57	0.10 47	0.38 275	0.09 14	0.38 350	0.11 17	0.19 61

DisPM	0.48 56	0.41 68	2.54 184	0.61 309	0.18 48	0.59 134	0.62 327	0.54 40	0.67 138	0.61 208	0.53 128	0.38 74	0.26 50	0.76 155	0.31 71	0.13 188	0.07 6	0.12 137	0.11 110	0.12 25	0.15 31

Selective-IGEV	0.57 120	0.42 70	1.87 23	1.67 392	1.33 385	0.36 11	0.20 21	0.61 69	0.71 192	0.22 3	0.31 26	0.22 8	0.19 8	0.52 81	0.36 106	0.09 11	0.97 339	0.09 14	0.15 198	0.20 150	0.85 315

CRFU-Net	0.58 128	0.42 70	1.90 27	0.49 268	0.27 151	0.83 310	0.35 220	0.94 245	0.54 57	0.65 251	0.60 192	0.78 276	1.34 359	1.00 185	0.51 163	0.17 270	0.14 169	0.17 279	0.10 72	0.19 133	0.20 69

iRaft-Stereo_20w	1.50 374	0.42 70	4.81 396	2.24 406	2.09 406	1.36 363	1.27 387	1.38 372	0.94 323	2.07 388	0.42 63	0.85 300	0.69 298	0.87 173	1.37 310	0.10 47	4.04 417	0.09 14	0.40 354	0.17 90	4.53 417

DAS	0.61 156	0.42 70	1.85 20	0.34 130	0.34 212	0.52 63	0.42 256	0.89 215	0.80 259	0.85 318	0.69 245	0.57 178	0.51 235	2.38 352	0.57 179	0.13 188	0.09 83	0.12 137	0.09 38	0.18 110	0.37 164

SepStereo	0.57 120	0.42 70	1.85 20	0.34 130	0.34 212	0.52 63	0.42 256	0.89 215	0.80 259	0.85 318	0.69 245	0.57 178	0.51 235	1.55 254	0.57 179	0.13 188	0.09 83	0.12 137	0.09 38	0.18 110	0.37 164

PFNet	0.62 169	0.42 70	2.69 248	0.43 236	0.55 289	0.62 186	0.27 128	0.64 80	0.72 199	0.61 208	0.56 163	0.45 121	0.33 114	1.86 309	1.12 283	0.28 344	0.09 83	0.12 137	0.16 216	0.26 224	0.27 111

test-3	0.58 128	0.43 76	2.44 136	0.52 277	0.59 299	0.46 22	0.23 61	0.77 121	0.49 31	0.52 121	0.29 17	0.44 109	0.22 20	0.59 104	0.97 261	0.08 1	1.27 366	0.10 48	0.35 341	0.29 254	0.62 268

test_1	0.58 128	0.43 76	2.44 136	0.52 277	0.59 299	0.46 22	0.23 61	0.77 121	0.49 31	0.51 113	0.29 17	0.44 109	0.22 20	0.59 104	0.97 261	0.08 1	1.27 366	0.10 48	0.35 341	0.29 254	0.63 272

PFNet+	0.50 72	0.43 76	2.54 184	0.49 268	0.18 48	0.58 116	0.76 349	0.54 40	0.72 199	0.56 154	0.48 90	0.39 76	0.26 50	0.94 181	0.33 89	0.14 218	0.09 83	0.14 223	0.13 161	0.12 25	0.16 44

LCNet	0.58 128	0.43 76	2.42 123	0.91 353	0.22 88	0.95 337	0.29 161	0.62 72	0.64 112	0.52 121	0.55 151	0.41 89	0.75 313	0.84 170	0.27 38	0.10 47	0.07 6	0.12 137	0.18 237	0.97 383	0.40 184

GMStereo_Zeroshot	0.44 38	0.44 80	1.84 18	0.44 240	0.20 70	0.52 63	0.19 12	0.60 67	0.54 57	0.58 172	0.59 185	0.63 203	0.29 90	0.59 104	0.34 97	0.16 251	0.09 83	0.16 265	0.09 38	0.26 224	0.26 105

MSKI-zero shot	0.70 229	0.44 80	2.62 215	1.47 382	0.75 332	0.56 90	0.20 21	0.80 140	0.45 18	0.60 201	0.52 125	0.44 109	0.17 1	0.70 137	0.26 33	0.09 11	2.87 415	0.09 14	0.32 323	0.14 51	0.50 234

test_3	0.59 143	0.44 80	2.44 136	0.53 281	0.59 299	0.48 35	0.30 173	0.79 135	0.52 47	0.51 113	0.30 20	0.45 121	0.22 20	0.59 104	0.97 261	0.08 1	1.25 362	0.11 94	0.35 341	0.30 260	0.62 268

Anonymous	0.41 19	0.44 80	2.55 191	0.35 146	0.32 197	0.38 12	0.34 211	0.57 55	0.41 5	0.25 12	0.30 20	0.23 15	0.29 90	0.38 28	0.28 43	0.15 237	0.13 156	0.11 94	0.12 141	0.24 194	0.30 131

AdaStereo	0.48 56	0.44 80	2.18 76	0.36 160	0.20 70	0.59 134	0.29 161	0.97 268	0.74 219	0.52 121	0.55 151	0.61 194	0.33 114	0.52 81	0.44 134	0.18 281	0.08 38	0.17 279	0.11 110	0.18 110	0.24 96
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.
PSMNet-ADL	0.56 113	0.47 85	2.03 48	0.35 146	0.22 88	0.67 245	0.27 128	0.77 121	0.58 75	0.43 46	0.53 128	0.70 252	0.45 206	1.89 314	0.64 199	0.16 251	0.13 156	0.11 94	0.13 161	0.15 60	0.51 238

ASMatch	0.61 156	0.47 85	2.72 255	0.91 353	0.36 226	0.56 90	0.24 83	0.54 40	0.67 138	0.48 68	1.20 351	0.47 130	0.65 284	1.33 229	0.93 258	0.10 47	0.08 38	0.11 94	0.11 110	0.10 10	0.17 50

DRaft	0.65 193	0.47 85	2.38 107	0.25 5	0.17 38	0.64 211	0.65 332	0.56 50	0.57 69	0.67 259	0.98 331	0.38 74	0.99 344	1.42 238	2.06 344	0.11 112	0.14 169	0.10 48	0.14 179	0.18 110	0.21 73

MGS-Stereo	0.35 7	0.48 88	1.99 41	0.26 15	0.14 8	0.41 14	0.22 41	0.41 3	0.48 28	0.24 9	0.51 117	0.25 24	0.18 6	0.33 14	0.22 4	0.10 47	0.08 38	0.09 14	0.08 27	0.47 347	0.10 4

Selective-RAFT	0.46 46	0.48 88	1.88 24	0.32 93	0.16 21	0.61 164	0.19 12	0.66 85	0.62 95	0.28 19	0.30 20	0.41 89	0.33 114	0.51 77	0.32 80	0.11 112	1.09 351	0.09 14	0.35 341	0.19 133	0.37 164

11t1	0.60 149	0.49 90	2.19 77	0.35 146	0.58 298	0.48 35	0.21 31	0.72 107	0.73 202	0.49 84	0.47 84	0.35 65	0.34 121	0.61 112	0.71 218	0.12 146	1.26 365	0.10 48	0.29 307	0.16 69	1.22 352

Anonymous_2	1.36 364	0.49 90	2.03 48	1.71 394	1.58 396	2.49 401	0.58 314	1.59 383	2.31 394	0.77 297	0.88 316	1.03 342	0.58 267	1.20 212	0.66 207	0.32 351	1.38 375	1.42 404	3.87 418	0.78 378	1.56 373

CrosDoStereo	0.96 323	0.49 90	2.66 230	0.27 23	0.33 203	0.54 75	3.69 408	0.77 121	0.66 126	0.70 273	1.39 362	0.53 154	1.47 369	1.77 291	3.02 379	0.10 47	0.08 38	0.11 94	0.11 110	0.22 173	0.30 131

DeepStereo_LL	0.96 323	0.49 90	2.66 230	0.27 23	0.33 203	0.54 75	3.69 408	0.77 121	0.66 126	0.70 273	1.39 362	0.53 154	1.47 369	1.77 291	3.02 379	0.10 47	0.08 38	0.11 94	0.11 110	0.22 173	0.30 131

AnonymousM	0.45 41	0.49 90	1.83 15	0.29 47	0.15 14	0.53 68	0.22 41	0.64 80	0.66 126	0.47 66	0.33 33	0.30 45	0.25 42	0.49 71	0.29 52	0.12 146	0.27 258	0.71 382	0.37 347	0.12 25	0.41 191

Anonymous3	0.47 49	0.49 90	2.61 211	0.33 113	0.25 126	0.72 267	0.32 193	0.80 140	0.60 83	0.36 26	0.41 61	0.33 58	0.29 90	0.46 50	0.30 57	0.19 292	0.18 208	0.13 194	0.13 161	0.18 110	0.22 78

PCWNet_CMD	0.48 56	0.50 96	2.23 84	0.27 23	0.20 70	0.56 90	0.22 41	0.78 128	0.67 138	0.49 84	0.55 151	0.68 235	0.56 255	0.48 61	0.32 80	0.11 112	0.10 106	0.14 223	0.10 72	0.19 133	0.43 200

CFNet_pseudo	0.47 49	0.50 96	2.19 77	0.26 15	0.20 70	0.56 90	0.22 41	0.80 140	0.62 95	0.50 102	0.56 163	0.68 235	0.47 221	0.53 88	0.33 89	0.11 112	0.10 106	0.15 248	0.10 72	0.18 110	0.33 144

DIP-Stereo	0.43 26	0.50 96	2.21 82	0.27 23	0.18 48	0.63 199	0.17 5	0.94 245	0.58 75	0.49 84	0.48 90	0.30 45	0.30 100	0.40 36	0.31 71	0.10 47	0.08 38	0.10 48	0.08 27	0.15 60	0.33 144
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.48 56	0.50 96	2.23 84	0.27 23	0.20 70	0.56 90	0.22 41	0.78 128	0.67 138	0.49 84	0.55 151	0.68 235	0.56 255	0.48 61	0.32 80	0.11 112	0.10 106	0.13 194	0.10 72	0.18 110	0.43 200

ccs_rob	0.47 49	0.50 96	2.19 77	0.26 15	0.20 70	0.56 90	0.22 41	0.80 140	0.62 95	0.50 102	0.56 163	0.68 235	0.47 221	0.53 88	0.33 89	0.11 112	0.10 106	0.16 265	0.10 72	0.18 110	0.33 144

Former-RAFT_DAM_RVC	0.52 84	0.51 101	1.12 1	0.26 15	0.22 88	0.46 22	0.20 21	1.10 342	1.33 372	3.13 409	0.33 33	0.22 8	0.20 15	0.34 16	0.26 33	0.11 112	0.09 83	0.11 94	0.09 38	0.17 90	0.21 73

ttt	0.89 309	0.51 101	2.51 176	0.36 160	0.31 186	0.61 164	0.28 136	1.07 334	0.92 316	0.56 154	0.77 294	0.55 167	0.37 131	2.27 342	3.51 387	0.16 251	1.21 360	0.13 194	0.31 318	0.18 110	1.26 354

CoDeX	0.54 101	0.52 103	2.25 86	0.30 61	0.26 140	0.61 164	0.32 193	1.03 305	0.73 202	0.49 84	0.56 163	0.52 153	0.40 155	1.59 267	0.38 115	0.12 146	0.09 83	0.11 94	0.10 72	0.15 60	0.22 78

HH	0.79 269	0.52 103	2.72 255	1.45 380	0.80 341	0.91 329	0.23 61	0.76 115	0.76 232	0.64 239	0.55 151	0.87 306	0.41 166	0.94 181	0.45 138	0.09 11	1.20 357	0.10 48	0.09 38	0.16 69	2.16 391

HanStereo	0.79 269	0.52 103	2.72 255	1.45 380	0.80 341	0.91 329	0.23 61	0.76 115	0.76 232	0.64 239	0.55 151	0.87 306	0.41 166	0.94 181	0.45 138	0.09 11	1.20 357	0.10 48	0.09 38	0.16 69	2.16 391

mmm	0.66 210	0.53 106	1.83 15	0.38 188	0.86 346	0.49 40	0.27 128	0.82 154	0.83 277	0.59 192	0.69 245	0.47 130	0.38 138	0.81 168	0.73 223	0.12 146	1.37 374	0.14 223	0.45 362	0.18 110	1.35 363

MDST_ROB	1.28 357	0.53 106	3.84 372	0.55 288	0.45 266	4.06 409	0.60 320	1.36 371	0.89 309	2.18 393	1.17 349	0.98 331	0.72 302	4.28 406	2.12 348	0.20 300	0.16 195	0.19 300	0.17 229	0.20 150	0.84 311

SMFormer	0.64 188	0.54 108	1.92 30	0.32 93	0.16 21	0.46 22	0.24 83	0.94 245	0.85 292	0.58 172	0.70 258	0.51 146	0.41 166	1.89 314	0.86 253	0.13 188	1.01 342	0.11 94	0.26 293	0.17 90	0.84 311

tta	0.63 181	0.54 108	1.92 30	0.32 93	0.16 21	0.46 22	0.24 83	0.94 245	0.85 292	0.58 172	0.70 258	0.51 146	0.41 166	1.89 314	0.86 253	0.13 188	1.01 342	0.11 94	0.26 293	0.19 133	0.59 261

qqq1	0.62 169	0.54 108	1.92 30	0.32 93	0.16 21	0.46 22	0.24 83	0.94 245	0.85 292	0.58 172	0.70 258	0.51 146	0.41 166	1.89 314	0.64 199	0.13 188	1.01 342	0.09 14	0.24 282	0.19 133	0.59 261

fff1	0.62 169	0.54 108	1.92 30	0.32 93	0.16 21	0.46 22	0.24 83	0.94 245	0.85 292	0.58 172	0.70 258	0.51 146	0.41 166	1.89 314	0.64 199	0.13 188	1.01 342	0.09 14	0.24 282	0.19 133	0.59 261

test-1	0.61 156	0.54 108	2.09 59	0.31 75	1.37 387	0.51 48	0.28 136	0.83 164	0.50 37	0.42 40	0.55 151	0.54 159	0.24 28	0.38 28	1.25 299	0.10 47	1.08 350	0.10 48	0.17 229	0.11 17	0.77 300

pcwnet_v2	0.65 193	0.54 108	4.29 389	0.33 113	0.27 151	0.60 146	0.25 102	1.02 299	0.92 316	0.61 208	0.69 245	0.62 199	0.54 248	0.67 130	0.38 115	0.18 281	0.15 183	0.15 248	0.14 179	0.21 159	0.49 232

GES	0.49 68	0.54 108	2.37 105	0.31 75	0.19 64	0.61 164	0.30 173	0.93 240	0.52 47	0.49 84	0.53 128	0.40 84	0.43 190	0.59 104	0.67 209	0.16 251	0.11 128	0.12 137	0.10 72	0.20 150	0.30 131

EKT-Stereo	1.56 380	0.55 115	2.60 207	2.54 409	19.66 424	0.55 86	0.22 41	0.76 115	0.51 42	0.40 35	0.36 39	0.43 94	0.27 63	0.74 152	0.42 125	0.13 188	0.17 202	0.11 94	0.16 216	0.20 150	0.50 234

CFNet_ucs	0.50 72	0.55 115	2.28 90	0.27 23	0.22 88	0.58 116	0.23 61	0.90 223	0.69 170	0.54 133	0.64 222	0.68 235	0.44 198	0.55 94	0.34 97	0.14 218	0.12 143	0.16 265	0.11 110	0.19 133	0.38 172

GANet-ADL	0.48 56	0.56 117	2.51 176	0.34 130	0.20 70	0.58 116	0.25 102	0.80 140	0.57 69	0.43 46	0.61 200	0.56 174	0.31 104	0.44 49	0.44 134	0.14 218	0.11 128	0.10 48	0.09 38	0.22 173	0.38 172

XX-Stereo	0.98 328	0.57 118	4.45 393	1.64 390	5.33 415	0.55 86	0.16 3	0.96 261	0.43 13	0.45 54	0.65 229	0.85 300	0.19 8	0.79 161	0.26 33	0.11 112	0.80 332	0.10 48	0.32 323	0.17 90	0.78 303

NVstereo2D	0.63 181	0.57 118	2.29 92	0.37 170	0.35 220	0.69 254	0.49 289	0.96 261	0.88 304	0.49 84	0.54 142	0.72 255	0.46 213	1.98 324	0.50 160	0.19 292	0.20 224	0.18 295	0.16 216	0.28 246	0.34 151

ff7	0.65 193	0.58 120	2.09 59	0.39 201	0.60 304	0.56 90	0.23 61	0.49 15	0.62 95	1.00 334	0.24 6	0.20 2	0.24 28	0.71 143	0.24 16	0.09 11	2.09 393	0.10 48	0.18 237	0.24 194	2.22 398

ffff	0.65 193	0.58 120	2.09 59	0.39 201	0.60 304	0.56 90	0.23 61	0.49 15	0.62 95	1.00 334	0.24 6	0.20 2	0.24 28	0.71 143	0.24 16	0.09 11	2.09 393	0.10 48	0.18 237	0.24 194	2.22 398

11t	0.65 193	0.58 120	2.09 59	0.39 201	0.60 304	0.56 90	0.23 61	0.49 15	0.62 95	1.00 334	0.24 6	0.20 2	0.24 28	0.71 143	0.24 16	0.09 11	2.09 393	0.10 48	0.18 237	0.24 194	2.22 398

ccc-4	0.65 193	0.58 120	2.09 59	0.39 201	0.60 304	0.56 90	0.23 61	0.49 15	0.62 95	1.00 334	0.24 6	0.20 2	0.24 28	0.71 143	0.24 16	0.09 11	2.09 393	0.10 48	0.18 237	0.24 194	2.22 398

UNet	0.56 113	0.58 120	2.81 277	0.32 93	0.33 203	0.74 275	0.27 128	0.86 193	0.67 138	0.55 144	0.55 151	0.72 255	0.55 253	0.79 161	0.58 181	0.12 146	0.09 83	0.13 194	0.11 110	0.20 150	0.19 61

FENet	0.48 56	0.58 120	2.46 159	0.33 113	0.18 48	0.58 116	0.22 41	0.83 164	0.64 112	0.49 84	0.42 63	0.55 167	0.38 138	0.52 81	0.51 163	0.12 146	0.09 83	0.12 137	0.11 110	0.17 90	0.31 139

anonymousdsp	0.86 295	0.59 126	2.65 226	1.33 374	1.25 382	0.56 90	0.23 61	0.54 40	0.71 192	1.13 347	0.25 11	0.22 8	0.24 28	1.24 217	0.24 16	0.09 11	2.34 408	0.10 48	0.18 237	0.25 209	3.12 413

anonymousa	0.74 246	0.60 127	2.58 200	0.96 357	1.33 385	0.61 164	0.26 114	0.69 93	0.56 66	0.55 144	0.84 304	0.82 290	0.46 213	0.56 97	0.61 190	0.10 47	1.11 353	0.12 137	0.98 401	0.14 51	0.97 333

ProNet	0.46 46	0.60 127	1.85 20	0.35 146	0.67 322	0.49 40	0.25 102	0.53 31	0.57 69	0.21 1	0.24 6	0.22 8	0.20 15	0.52 81	0.22 4	0.09 11	0.47 290	0.10 48	0.09 38	0.23 188	1.33 360

IGEV-Stereo	0.86 295	0.60 127	2.65 226	1.35 376	1.25 382	0.56 90	0.23 61	0.54 40	0.71 192	1.14 348	0.25 11	0.22 8	0.24 28	1.24 217	0.24 16	0.09 11	2.34 408	0.10 48	0.18 237	0.25 209	3.13 414
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
222	1.02 333	0.60 127	1.95 35	0.29 47	0.51 279	0.62 186	0.24 83	1.09 339	0.86 298	0.64 239	0.67 238	0.47 130	0.42 177	1.86 309	6.73 411	0.13 188	1.21 360	0.11 94	0.32 323	0.17 90	1.44 369

FAT-Stereo	0.72 241	0.60 127	2.86 287	0.37 170	0.29 167	0.64 211	0.55 305	1.01 293	0.91 314	0.76 295	0.94 323	0.93 320	0.79 318	1.82 302	0.60 185	0.19 292	0.19 212	0.17 279	0.16 216	0.23 188	0.47 222

CSP-Net	0.55 105	0.61 132	1.81 14	0.30 61	0.23 111	0.77 291	0.35 220	0.90 223	0.62 95	0.62 220	0.60 192	0.65 213	0.42 177	1.76 288	0.47 145	0.17 270	0.12 143	0.10 48	0.10 72	0.21 159	0.16 44

TransformOpticalFlow	0.65 193	0.61 132	2.67 237	0.45 247	0.26 140	0.62 186	0.28 136	0.88 209	0.76 232	0.76 295	0.74 279	0.90 314	0.84 323	1.82 302	0.80 240	0.10 47	0.07 6	0.11 94	0.09 38	0.12 25	0.19 61

ccnet	0.77 263	0.61 132	2.01 44	0.40 214	0.46 273	1.05 346	0.59 317	1.02 299	0.74 219	0.90 324	0.97 328	0.82 290	0.89 333	1.68 280	1.16 288	0.32 351	0.26 252	0.32 352	0.28 303	0.35 294	0.47 222

StereoDRNet-Refined	0.55 105	0.61 132	2.07 56	0.34 130	0.21 79	0.68 251	0.26 114	0.87 201	0.73 202	0.70 273	0.69 245	0.74 262	0.45 206	1.10 196	0.62 193	0.12 146	0.09 83	0.14 223	0.14 179	0.27 235	0.24 96
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
x	0.65 193	0.62 136	2.12 66	0.36 160	0.61 311	0.48 35	0.24 83	0.80 140	0.89 309	0.50 102	0.56 163	0.44 109	0.36 126	0.62 115	0.80 240	0.11 112	1.44 379	0.11 94	0.39 353	0.16 69	1.34 362

STrans-v2	0.69 224	0.62 136	2.66 230	0.28 35	0.23 111	0.57 109	0.32 193	1.01 293	0.77 240	0.92 327	0.84 304	0.88 310	0.92 338	1.81 299	1.19 291	0.10 47	0.07 6	0.10 48	0.09 38	0.12 25	0.30 131

qqq	0.65 193	0.63 138	2.10 65	0.30 61	0.64 318	0.46 22	0.27 128	0.81 147	0.83 277	0.48 68	0.56 163	0.46 125	0.37 131	1.03 189	0.75 226	0.11 112	1.41 378	0.12 137	0.41 358	0.16 69	1.18 344

DISCO	0.61 156	0.63 138	1.98 40	0.46 250	0.34 212	0.84 315	0.35 220	0.88 209	0.81 266	0.61 208	0.64 222	1.06 350	0.53 246	1.11 200	0.83 249	0.13 188	0.10 106	0.11 94	0.10 72	0.26 224	0.37 164

IPLGR	0.58 128	0.64 140	3.12 316	0.37 170	0.18 48	0.62 186	0.54 301	1.06 331	0.69 170	0.73 285	0.46 79	0.50 143	0.44 198	1.12 202	0.31 71	0.10 47	0.08 38	0.11 94	0.09 38	0.21 159	0.20 69

xxxx	0.97 326	0.64 140	2.14 70	0.30 61	0.67 322	0.64 211	0.24 83	1.09 339	0.91 314	0.57 166	0.65 229	0.58 182	0.39 149	1.57 260	5.49 408	0.13 188	1.38 375	0.11 94	0.32 323	0.17 90	1.41 367

test_xeample	0.98 328	0.65 142	2.12 66	0.29 47	0.67 322	0.60 146	0.28 136	1.08 337	0.85 292	0.62 220	0.70 258	0.44 109	0.41 166	1.95 322	5.45 407	0.12 146	1.33 373	0.11 94	0.31 318	0.18 110	1.42 368

MIF-Stereo	0.36 11	0.66 143	2.43 128	0.28 35	0.24 120	0.30 4	0.18 10	0.35 1	0.36 2	0.26 15	0.37 43	0.18 1	0.18 6	0.33 14	0.30 57	0.11 112	0.08 38	0.09 14	0.08 27	0.25 209	0.09 2

DualNet	0.97 326	0.67 144	3.39 338	0.32 93	0.22 88	0.58 116	0.28 136	0.85 181	0.96 330	0.54 133	0.74 279	0.67 222	0.40 155	0.64 120	3.86 393	0.10 47	2.16 403	0.15 248	0.33 333	0.25 209	2.19 393

ffm	0.78 265	0.67 144	3.39 338	0.32 93	0.22 88	0.58 116	0.28 136	0.85 181	0.96 330	0.54 133	0.74 279	0.67 222	0.40 155	0.64 120	0.22 4	0.10 47	2.16 403	0.15 248	0.33 333	0.25 209	2.19 393

ff1	1.07 342	0.67 144	3.39 338	0.32 93	0.22 88	0.58 116	0.28 136	0.85 181	0.96 330	0.54 133	0.74 279	0.67 222	0.40 155	2.75 381	3.86 393	0.10 47	2.16 403	0.15 248	0.33 333	0.25 209	2.19 393

mmx	0.99 330	0.67 144	3.39 338	0.32 93	0.22 88	0.58 116	0.28 136	1.05 319	0.92 316	0.54 133	0.74 279	0.67 222	0.40 155	2.75 381	3.86 393	0.13 188	1.25 362	0.15 248	0.33 333	0.19 133	1.28 357

xxx	0.99 330	0.67 144	3.39 338	0.32 93	0.22 88	0.58 116	0.28 136	1.05 319	0.92 316	0.54 133	0.74 279	0.67 222	0.40 155	2.75 381	3.86 393	0.13 188	1.25 362	0.15 248	0.33 333	0.19 133	1.28 357

HHNet	0.63 181	0.67 144	3.10 314	0.37 170	0.25 126	0.64 211	0.60 320	0.70 100	0.67 138	0.55 144	1.12 348	0.32 54	0.60 275	0.43 46	1.75 330	0.16 251	0.08 38	0.12 137	0.10 72	0.18 110	0.22 78

UPFNet	0.51 82	0.67 144	2.04 51	0.34 130	0.33 203	0.65 225	0.37 230	0.88 209	0.65 119	0.60 201	0.53 128	0.61 194	0.41 166	0.77 156	0.55 175	0.13 188	0.13 156	0.13 194	0.13 161	0.20 150	0.16 44

MyStereo07	0.56 113	0.68 151	2.42 123	0.30 61	0.41 251	0.61 164	0.31 183	0.58 57	0.72 199	1.17 351	0.26 14	0.20 2	0.27 63	1.28 224	0.28 43	0.09 11	0.59 309	0.12 137	0.21 273	0.16 69	0.48 226

MyStereo04	0.57 120	0.68 151	2.66 230	0.30 61	0.41 251	0.61 164	0.31 183	0.88 209	0.80 259	0.48 68	0.37 43	0.54 159	0.42 177	0.61 112	0.71 218	0.09 11	0.59 309	0.12 137	0.21 273	0.16 69	0.48 226

anonymity	0.86 295	0.68 151	1.44 2	0.64 316	0.83 343	0.67 245	0.52 296	0.98 274	0.73 202	0.96 331	0.70 258	0.81 287	0.86 328	1.10 196	1.34 304	0.64 373	0.72 329	0.58 375	1.44 410	0.60 362	0.91 322

stereogan	0.74 246	0.68 151	2.82 279	0.40 214	0.40 246	1.05 346	0.42 256	0.99 279	0.96 330	0.78 305	0.86 312	1.15 363	0.73 305	1.57 260	0.56 177	0.20 300	0.19 212	0.20 310	0.16 216	0.37 305	0.34 151

DANet	0.85 292	0.68 151	2.41 119	1.18 372	0.48 275	0.77 291	1.23 386	0.93 240	1.53 381	0.90 324	0.72 274	0.97 330	0.57 260	1.86 309	1.05 276	0.18 281	0.16 195	0.19 300	0.16 216	0.26 224	0.67 281
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
IGEV+	0.74 246	0.70 156	2.05 54	1.11 367	1.09 372	0.32 6	0.21 31	0.75 112	0.43 13	0.30 24	0.30 20	0.22 8	0.27 63	0.98 184	0.31 71	0.10 47	2.50 411	0.08 3	0.15 198	0.27 235	2.70 408

TANstereo	0.39 16	0.70 156	2.48 169	0.23 3	0.12 3	0.54 75	0.16 3	0.41 3	0.47 25	0.45 54	0.51 117	0.26 31	0.22 20	0.34 16	0.21 1	0.10 47	0.10 106	0.08 3	0.07 12	0.09 5	0.18 57

G-Net	1.02 333	0.70 156	3.23 320	0.60 303	0.66 321	2.00 393	0.71 344	0.78 128	0.70 180	1.14 348	2.53 391	1.29 369	1.01 346	1.47 246	1.74 329	0.25 334	0.24 242	0.24 330	0.26 293	0.37 305	0.40 184

MIF-Stereo (partial)	0.41 19	0.71 159	2.67 237	0.27 23	0.24 120	0.32 6	0.17 5	0.56 50	0.46 19	0.26 15	0.37 43	0.25 24	0.26 50	0.46 50	0.35 104	0.11 112	0.08 38	0.12 137	0.10 72	0.21 159	0.15 31

gwcnet-sp	0.52 84	0.71 159	2.66 230	0.32 93	0.22 88	0.66 238	0.31 183	0.84 171	0.69 170	0.61 208	0.49 103	0.46 125	0.43 190	0.77 156	0.48 148	0.12 146	0.11 128	0.11 94	0.11 110	0.19 133	0.19 61

scenet	0.52 84	0.71 159	2.66 230	0.32 93	0.22 88	0.66 238	0.31 183	0.84 171	0.69 170	0.61 208	0.49 103	0.46 125	0.43 190	0.77 156	0.48 148	0.12 146	0.11 128	0.11 94	0.11 110	0.19 133	0.19 61

ssnet	0.52 84	0.71 159	2.66 230	0.32 93	0.22 88	0.66 238	0.31 183	0.84 171	0.69 170	0.61 208	0.49 103	0.46 125	0.43 190	0.77 156	0.48 148	0.12 146	0.11 128	0.11 94	0.11 110	0.19 133	0.19 61

CroCo-Stereo	0.35 7	0.71 159	1.67 8	0.32 93	0.17 38	0.19 1	0.21 31	0.79 135	0.54 57	0.22 3	0.25 11	0.55 167	0.22 20	0.28 1	0.28 43	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 4
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
MyStereo06	0.70 229	0.72 164	3.51 352	0.31 75	0.25 126	0.60 146	0.30 173	0.90 223	0.67 138	1.48 379	0.53 128	0.84 295	0.57 260	0.60 109	1.11 282	0.09 11	0.55 302	0.12 137	0.20 262	0.16 69	0.56 256

MyStereo05	0.57 120	0.72 164	2.72 255	0.31 75	0.25 126	0.60 146	0.30 173	0.87 201	0.82 271	0.54 133	0.37 43	0.53 154	0.42 177	0.63 116	0.73 223	0.09 11	0.55 302	0.12 137	0.20 262	0.16 69	0.56 256

DPSNet	1.02 333	0.72 164	2.84 283	0.60 303	0.39 240	1.08 351	0.75 348	1.41 374	1.14 359	0.74 291	0.69 245	1.05 349	1.67 377	2.09 334	2.22 356	0.27 341	0.61 311	0.20 310	0.50 370	0.48 348	1.03 336

ACVNet-DCA	0.67 213	0.73 167	2.43 128	0.67 324	0.52 281	0.76 281	0.24 83	0.81 147	0.83 277	0.77 297	0.39 52	0.25 24	0.38 138	0.70 137	0.22 4	0.10 47	2.13 398	0.11 94	0.09 38	0.16 69	1.18 344

xx1	0.71 233	0.73 167	2.43 128	0.67 324	0.52 281	0.76 281	0.24 83	0.85 181	1.05 348	0.77 297	0.39 52	0.46 125	0.37 131	0.70 137	0.22 4	0.10 47	2.13 398	0.12 137	0.41 358	0.16 69	1.18 344

1test111	0.72 241	0.73 167	2.43 128	0.67 324	0.52 281	0.76 281	0.24 83	0.81 147	0.83 277	0.77 297	0.39 52	0.25 24	0.38 138	1.03 189	0.75 226	0.10 47	2.13 398	0.11 94	0.09 38	0.16 69	1.18 344

cc1	0.74 246	0.73 167	2.43 128	0.67 324	0.52 281	0.76 281	0.24 83	0.85 181	1.05 348	0.77 297	0.39 52	0.25 24	0.38 138	0.70 137	0.22 4	0.10 47	2.13 398	0.11 94	0.09 38	0.25 209	2.20 397

tt1	0.74 246	0.73 167	2.34 101	0.67 324	0.63 314	0.75 277	0.24 83	0.85 181	0.96 330	0.81 309	0.38 49	0.26 31	0.35 123	0.64 120	0.22 4	0.10 47	2.16 403	0.11 94	0.09 38	0.25 209	2.19 393

test croco	0.43 26	0.73 167	2.80 273	0.28 35	0.19 64	0.33 8	0.21 31	0.63 78	0.50 37	0.24 9	0.38 49	0.24 21	0.25 42	0.48 61	0.32 80	0.12 146	0.08 38	0.13 194	0.09 38	0.43 335	0.13 13

IER	0.49 68	0.73 167	2.12 66	0.27 23	0.25 126	0.65 225	0.27 128	0.76 115	0.59 79	0.56 154	0.59 185	0.60 192	0.53 246	0.64 120	0.44 134	0.12 146	0.09 83	0.11 94	0.11 110	0.18 110	0.15 31

RAFT-RH_RVC	0.65 193	0.73 167	2.78 270	0.39 201	0.29 167	0.60 146	0.18 10	0.45 8	0.63 106	0.75 293	1.89 375	0.47 130	0.29 90	1.59 267	1.21 293	0.15 237	0.07 6	0.13 194	0.13 161	0.11 17	0.10 4

S-Stereo	0.82 277	0.73 167	3.79 368	0.40 214	0.37 232	0.70 257	0.69 342	1.00 285	1.03 344	0.63 229	0.92 321	0.82 290	0.59 270	2.35 348	0.71 218	0.18 281	0.22 234	0.17 279	0.18 237	0.30 260	0.67 281

IGEVStereo-DCA	0.74 246	0.74 176	2.09 59	0.76 336	0.77 337	0.45 19	0.23 61	0.49 15	0.62 95	0.71 282	0.22 2	0.30 45	0.28 74	1.29 225	1.53 320	0.10 47	1.50 380	0.10 48	0.18 237	0.24 194	2.22 398

rrr	0.84 284	0.74 176	3.40 343	0.76 336	0.77 337	0.45 19	0.28 136	1.23 363	0.84 289	0.71 282	0.22 2	0.30 45	0.28 74	1.29 225	1.53 320	0.10 47	1.50 380	0.10 48	0.29 307	0.24 194	1.75 379

IRAFT_RVC	0.59 143	0.74 176	2.42 123	0.47 256	0.21 79	0.59 134	0.42 256	0.68 91	0.73 202	0.54 133	0.50 115	0.49 139	0.51 235	1.57 260	1.00 271	0.11 112	0.25 249	0.13 194	0.10 72	0.15 60	0.14 25

edge stereo	0.84 284	0.74 176	3.42 347	0.38 188	1.21 380	0.63 199	0.41 249	0.98 274	0.83 277	0.81 309	0.88 316	1.14 361	0.73 305	2.16 338	0.89 255	0.22 313	0.20 224	0.26 337	0.18 237	0.38 312	0.43 200

HCRNet	0.50 72	0.75 180	2.08 58	0.39 201	0.29 167	0.58 116	0.22 41	0.79 135	0.67 138	0.49 84	0.49 103	0.48 137	0.37 131	1.13 203	0.40 118	0.15 237	0.10 106	0.15 248	0.13 161	0.21 159	0.19 61

test_xeample3	0.86 295	0.75 180	3.36 332	0.65 318	0.76 335	0.49 40	0.33 206	1.21 362	0.80 259	0.61 208	0.23 5	0.30 45	0.29 90	1.17 209	1.57 322	0.10 47	1.79 386	0.10 48	0.40 354	0.25 209	2.09 387

CBMV_ROB	0.88 302	0.75 180	2.73 260	0.36 160	0.22 88	0.76 281	0.47 282	1.05 319	0.81 266	1.06 342	1.04 342	0.88 310	1.36 362	2.17 339	2.03 341	0.23 321	0.24 242	0.27 338	0.25 287	0.27 235	0.73 297

DGSMNet	2.93 403	0.77 183	3.44 348	3.58 415	4.25 413	2.53 402	6.86 416	1.03 305	0.88 304	0.58 172	1.85 374	0.79 278	0.62 279	1.63 270	1.46 315	4.62 415	4.98 418	5.15 420	4.71 419	4.52 418	4.37 416

ac_64	0.63 181	0.77 183	2.71 253	0.37 170	0.34 212	0.64 211	0.30 173	0.86 193	0.67 138	0.58 172	0.53 128	0.88 310	0.48 227	1.84 305	0.71 218	0.15 237	0.12 143	0.12 137	0.12 141	0.21 159	0.25 100

DSFCA	0.62 169	0.77 183	1.95 35	0.29 47	0.29 167	0.79 300	0.86 357	0.81 147	0.73 202	0.73 285	0.66 235	0.67 222	0.57 260	1.17 209	1.03 274	0.16 251	0.15 183	0.13 194	0.14 179	0.19 133	0.28 117

GwcNet-ADL	0.54 101	0.78 186	2.85 285	0.31 75	0.20 70	0.58 116	0.29 161	0.93 240	0.67 138	0.48 68	0.47 84	0.56 174	0.33 114	0.48 61	0.80 240	0.13 188	0.12 143	0.09 14	0.09 38	0.14 51	0.40 184

EDNetEfficient	1.29 358	0.78 186	4.27 386	0.65 318	1.03 367	0.94 335	1.38 392	0.87 201	1.75 388	2.33 399	1.32 359	1.04 346	2.21 393	1.59 267	4.07 398	0.16 251	0.19 212	0.15 248	0.27 301	0.38 312	0.40 184

1111x	1.06 340	0.79 188	3.29 328	0.33 113	0.60 304	0.64 211	0.33 206	1.10 342	0.92 316	0.59 192	0.69 245	0.59 185	0.47 221	2.64 371	4.61 403	0.12 146	1.38 375	0.11 94	0.49 368	0.18 110	1.30 359

DRN-Test	0.71 233	0.79 188	2.83 281	0.40 214	0.44 263	0.80 303	0.41 249	1.07 334	0.83 277	0.82 313	0.64 222	0.68 235	0.57 260	1.78 294	0.79 238	0.16 251	0.13 156	0.17 279	0.16 216	0.24 194	0.51 238

DCRE	0.76 259	0.80 190	2.31 96	1.05 362	1.18 378	0.63 199	0.26 114	1.03 305	0.59 79	0.52 121	2.12 380	0.44 109	0.27 63	0.41 42	0.53 168	0.09 11	1.02 347	0.10 48	0.32 323	0.16 69	1.47 371

test_4	0.47 49	0.80 190	2.15 71	0.36 160	0.29 167	0.59 134	0.28 136	0.50 24	0.42 9	0.43 46	0.76 290	0.39 76	0.22 20	0.73 149	0.49 157	0.08 1	0.18 208	0.11 94	0.15 198	0.29 254	0.27 111

DMCA	0.50 72	0.83 192	1.95 35	0.32 93	0.24 120	0.59 134	0.26 114	0.81 147	0.68 162	0.59 192	0.49 103	0.56 174	0.36 126	0.65 124	0.65 204	0.14 218	0.10 106	0.14 223	0.10 72	0.19 133	0.29 123

iRaftStereo_RVC	0.47 49	0.84 193	1.91 29	0.29 47	0.15 14	0.53 68	0.20 21	0.58 57	0.50 37	0.37 28	0.43 65	0.42 93	0.23 26	0.38 28	0.28 43	0.09 11	0.70 326	0.12 137	0.11 110	0.43 335	0.77 300

delet	0.60 149	0.84 193	2.45 152	0.33 113	0.35 220	0.73 270	0.46 278	0.89 215	0.80 259	0.58 172	0.62 207	0.67 222	0.51 235	1.14 205	0.64 199	0.12 146	0.12 143	0.13 194	0.14 179	0.22 173	0.29 123

THIR-Stereo	0.88 302	0.85 195	2.33 100	0.26 15	0.16 21	0.59 134	2.69 404	0.62 72	0.54 57	0.62 220	1.61 369	0.96 328	1.77 382	1.67 277	2.20 354	0.10 47	0.08 38	0.14 223	0.11 110	0.16 69	0.21 73

FC-DCNN	1.60 383	0.85 195	3.44 348	0.46 250	0.39 240	1.96 389	0.66 334	1.72 387	1.70 386	2.75 406	2.91 402	4.20 402	3.15 402	2.72 377	2.66 370	0.30 348	0.26 252	0.31 350	0.30 313	0.33 277	0.91 322

whm_eth	0.51 82	0.86 197	2.79 271	0.31 75	0.31 186	0.49 40	0.24 83	0.78 128	0.75 224	0.48 68	0.86 312	0.26 31	0.26 50	0.38 28	0.29 52	0.13 188	0.11 128	0.13 194	0.12 141	0.14 51	0.44 212

OMP-Stereo	0.64 188	0.87 198	2.38 107	0.56 297	0.37 232	0.60 146	0.26 114	0.75 112	0.71 192	0.65 251	0.60 192	0.68 235	0.32 109	2.07 329	1.18 289	0.11 112	0.08 38	0.12 137	0.09 38	0.17 90	0.28 117

IIG-Stereo	0.65 193	0.87 198	2.32 98	0.55 288	0.23 111	0.62 186	0.21 31	0.78 128	0.71 192	0.64 239	0.69 245	0.69 246	0.38 138	2.07 329	1.37 310	0.11 112	0.08 38	0.11 94	0.09 38	0.15 60	0.27 111

ACVNet	0.54 101	0.87 198	2.45 152	0.28 35	0.22 88	0.59 134	0.36 227	0.69 93	0.73 202	0.49 84	0.59 185	0.69 246	0.42 177	0.47 52	0.70 214	0.11 112	0.10 106	0.10 48	0.09 38	0.36 299	0.39 179

acv_ft	0.57 120	0.87 198	2.45 152	0.33 113	0.41 251	0.63 199	0.29 161	0.86 193	0.73 202	0.64 239	0.59 185	0.69 246	0.45 206	0.47 52	0.68 211	0.11 112	0.10 106	0.10 48	0.09 38	0.43 335	0.39 179

ToySt	0.67 213	0.88 202	2.61 211	0.39 201	0.73 330	0.61 164	0.38 238	0.78 128	0.73 202	0.43 46	0.70 258	0.72 255	0.45 206	0.66 127	0.62 193	0.14 218	0.63 315	0.13 194	0.33 333	0.24 194	1.18 344

TestStereo	0.49 68	0.88 202	2.38 107	0.30 61	0.16 21	0.43 17	0.25 102	0.55 48	0.46 19	0.38 31	0.46 79	0.34 62	0.28 74	1.96 323	0.28 43	0.11 112	0.08 38	0.12 137	0.09 38	0.15 60	0.13 13

sAnonymous2	0.45 41	0.88 202	2.97 300	0.31 75	0.25 126	0.34 9	0.28 136	0.56 50	0.49 31	0.25 12	0.30 20	0.23 15	0.29 90	0.31 3	0.22 4	0.12 146	0.09 83	0.12 137	0.13 161	0.38 312	0.43 200

CroCo_RVC	0.45 41	0.88 202	2.97 300	0.31 75	0.25 126	0.34 9	0.28 136	0.56 50	0.49 31	0.25 12	0.30 20	0.23 15	0.29 90	0.31 3	0.22 4	0.12 146	0.09 83	0.12 137	0.13 161	0.38 312	0.43 200

ELAS_RVC	1.51 377	0.88 202	3.36 332	0.63 313	0.56 291	1.53 371	2.73 405	1.53 379	1.76 389	2.26 397	2.21 386	2.10 385	3.07 401	2.08 332	2.52 365	0.42 360	0.42 283	0.42 367	0.37 347	0.51 352	0.84 311
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
StereoIM	0.35 7	0.89 207	2.15 71	0.25 5	0.29 167	0.29 3	0.17 5	0.47 11	0.41 5	0.21 1	0.22 2	0.28 40	0.21 17	0.32 13	0.31 71	0.10 47	0.09 83	0.10 48	0.08 27	0.11 17	0.12 11

GMOStereo	0.58 128	0.89 207	2.46 159	0.29 47	0.99 360	0.51 48	0.32 193	0.58 57	0.46 19	0.58 172	0.48 90	0.54 159	0.27 63	0.31 3	0.25 24	0.09 11	1.64 382	0.13 194	0.11 110	0.34 283	0.42 195

error version	0.58 128	0.89 207	2.46 159	0.29 47	0.99 360	0.51 48	0.32 193	0.58 57	0.46 19	0.58 172	0.48 90	0.54 159	0.27 63	0.31 3	0.25 24	0.09 11	1.64 382	0.13 194	0.11 110	0.34 283	0.42 195

test-v	0.58 128	0.89 207	2.46 159	0.29 47	0.99 360	0.51 48	0.32 193	0.58 57	0.46 19	0.58 172	0.48 90	0.54 159	0.27 63	0.31 3	0.25 24	0.09 11	1.64 382	0.13 194	0.11 110	0.34 283	0.42 195

test-2	0.58 128	0.89 207	2.46 159	0.29 47	0.99 360	0.51 48	0.32 193	0.58 57	0.46 19	0.58 172	0.48 90	0.54 159	0.27 63	0.31 3	0.25 24	0.09 11	1.64 382	0.13 194	0.11 110	0.34 283	0.42 195

fff	0.50 72	0.90 212	2.63 216	0.25 5	0.15 14	0.51 48	0.22 41	0.85 181	0.82 271	0.55 144	0.48 90	0.31 50	0.65 284	0.39 32	0.37 109	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 200

csc	0.50 72	0.90 212	2.63 216	0.25 5	0.15 14	0.51 48	0.22 41	0.85 181	0.82 271	0.55 144	0.48 90	0.31 50	0.65 284	0.39 32	0.37 109	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 200

cscssc	0.50 72	0.90 212	2.63 216	0.25 5	0.15 14	0.51 48	0.22 41	0.85 181	0.82 271	0.55 144	0.48 90	0.31 50	0.65 284	0.39 32	0.37 109	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 200

CroCo-Stereo Lap2	0.38 14	0.91 215	2.02 47	0.33 113	0.38 238	0.23 2	0.21 31	0.63 78	0.51 42	0.23 6	0.28 15	0.29 44	0.23 26	0.34 16	0.28 43	0.10 47	0.09 83	0.10 48	0.08 27	0.22 173	0.15 31

ADStereo(finetuned)	0.50 72	0.91 215	2.43 128	0.26 15	0.14 8	0.51 48	0.22 41	0.84 171	0.78 243	0.56 154	0.49 103	0.32 54	0.75 313	0.40 36	0.40 118	0.10 47	0.07 6	0.09 14	0.07 12	0.13 35	0.45 217

DCANet	0.49 68	0.91 215	2.63 216	0.26 15	0.14 8	0.51 48	0.22 41	0.84 171	0.78 243	0.56 154	0.49 103	0.32 54	0.41 166	0.39 32	0.41 121	0.10 47	0.07 6	0.09 14	0.07 12	0.14 51	0.45 217

psmorigin	1.41 367	0.91 215	13.83 421	0.37 170	0.30 178	0.63 199	0.37 230	0.80 140	0.64 112	0.98 332	0.87 314	1.16 365	0.78 316	3.95 404	1.09 280	0.19 292	0.22 234	0.17 279	0.19 253	0.25 209	0.47 222

RYNet	0.77 263	0.91 215	2.36 103	0.37 170	0.41 251	0.88 323	0.44 269	0.99 279	0.88 304	0.65 251	0.54 142	0.92 315	0.61 277	2.70 376	1.23 297	0.15 237	0.14 169	0.17 279	0.14 179	0.27 235	0.55 255

MIM_Stereo	0.55 105	0.92 220	2.65 226	0.32 93	1.09 372	0.51 48	0.19 12	0.67 88	0.52 47	0.48 68	0.54 142	0.43 94	0.27 63	0.57 100	0.30 57	0.08 1	0.17 202	0.11 94	0.10 72	0.28 246	0.80 307

MMNet	0.55 105	0.92 220	2.03 48	0.34 130	0.27 151	0.79 300	0.28 136	0.86 193	0.79 252	0.62 220	0.58 180	0.59 185	0.56 255	0.80 165	0.61 190	0.11 112	0.11 128	0.12 137	0.11 110	0.21 159	0.22 78

HSM	0.67 213	0.92 220	2.29 92	0.30 61	0.29 167	0.65 225	0.29 161	0.98 274	0.67 138	0.59 192	0.58 180	1.39 372	0.65 284	2.56 364	0.45 138	0.11 112	0.09 83	0.10 48	0.08 27	0.18 110	0.24 96

ELAS	1.52 378	0.92 220	2.91 293	0.62 311	0.57 294	3.13 404	2.21 403	1.67 385	1.58 384	2.42 400	2.43 389	1.87 382	2.49 396	1.85 307	2.70 372	0.42 360	0.43 286	0.41 365	0.40 354	0.51 352	0.85 315
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
STTStereo	0.58 128	0.95 224	2.95 298	0.37 170	0.31 186	0.62 186	0.32 193	0.81 147	0.63 106	0.61 208	0.55 151	0.67 222	0.43 190	0.87 173	0.48 148	0.16 251	0.16 195	0.17 279	0.20 262	0.17 90	0.25 100

DLCB_ROB	0.61 156	0.96 225	2.00 42	0.37 170	0.25 126	0.65 225	0.37 230	0.86 193	0.76 232	0.73 285	0.70 258	0.84 295	0.47 221	1.57 260	0.72 222	0.13 188	0.13 156	0.14 223	0.14 179	0.18 110	0.33 144

ssnet_v2	0.64 188	0.99 226	2.67 237	0.33 113	0.22 88	0.72 267	0.45 273	1.00 285	0.80 259	0.66 257	0.54 142	0.81 287	0.48 227	0.91 178	1.08 279	0.16 251	0.14 169	0.14 223	0.14 179	0.33 277	0.31 139

LMCR-Stereo	0.61 156	1.00 227	2.60 207	0.42 226	0.22 88	0.74 275	0.31 183	1.06 331	0.70 180	0.62 220	0.64 222	0.40 84	0.52 243	0.84 170	1.27 301	0.20 300	0.09 83	0.12 137	0.09 38	0.26 224	0.16 44

PASM	0.82 277	1.00 227	2.68 242	0.52 277	0.48 275	0.65 225	0.59 317	0.83 164	0.89 309	0.82 313	0.73 276	0.89 313	0.68 294	2.39 353	0.73 223	0.35 356	0.37 271	0.36 358	0.41 358	0.45 340	0.51 238

CBMV	0.86 295	1.00 227	2.82 279	0.35 146	0.21 79	0.78 296	0.78 351	1.05 319	0.87 300	0.90 324	0.74 279	0.87 306	1.89 386	1.67 277	1.38 312	0.19 292	0.20 224	0.21 314	0.19 253	0.28 246	0.84 311
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RP	0.74 246	1.01 230	2.48 169	0.44 240	0.45 266	0.66 238	0.45 273	0.95 258	0.87 300	0.70 273	0.95 326	0.99 334	0.82 320	1.55 254	0.82 247	0.26 338	0.19 212	0.23 325	0.20 262	0.34 283	0.38 172

TRStereo	0.89 309	1.02 231	2.91 293	4.59 416	0.31 186	0.93 333	0.23 61	1.93 394	0.66 126	0.37 28	0.54 142	0.48 137	0.40 155	0.67 130	0.29 52	0.13 188	0.37 271	0.11 94	0.48 366	0.13 35	1.21 350

ADLNet	0.68 218	1.02 231	2.68 242	0.35 146	0.34 212	0.67 245	0.34 211	0.95 258	0.79 252	0.70 273	0.62 207	0.80 284	0.46 213	1.77 291	0.69 213	0.15 237	0.12 143	0.14 223	0.14 179	0.31 268	0.54 249

psm_up	0.65 193	1.02 231	2.53 180	0.36 160	0.31 186	0.64 211	0.38 238	0.96 261	0.73 202	0.63 229	0.57 174	0.68 235	0.57 260	1.90 319	0.52 165	0.17 270	0.15 183	0.16 265	0.15 198	0.27 235	0.22 78

aanetorigin	0.81 274	1.03 234	2.64 225	0.44 240	0.44 263	0.59 134	1.00 370	0.59 64	0.70 180	1.54 381	1.22 353	0.82 290	1.08 351	1.06 191	1.07 278	0.18 281	0.15 183	0.17 279	0.21 273	0.53 356	0.65 278

NOSS_ROB	0.75 256	1.03 234	2.27 88	0.68 329	0.26 140	0.68 251	0.30 173	0.99 279	0.82 271	0.59 192	0.58 180	0.77 272	0.39 149	2.75 381	0.48 148	0.25 334	0.24 242	0.28 340	0.26 293	0.29 254	1.07 339

MSMD_ROB	1.41 367	1.03 234	2.75 264	0.41 223	0.32 197	2.00 393	0.61 325	0.96 261	1.43 375	2.97 407	2.63 395	4.76 407	2.04 390	2.44 359	1.78 333	0.30 348	0.26 252	0.32 352	0.32 323	0.32 273	0.63 272

H2IRNET	0.48 56	1.04 237	2.57 199	0.31 75	0.19 64	0.54 75	0.19 12	0.55 48	0.53 53	0.28 19	0.56 163	0.47 130	0.35 123	0.47 52	0.40 118	0.11 112	0.08 38	0.12 137	0.14 179	0.37 305	0.26 105

XX-TBD	0.40 18	1.04 237	2.49 172	0.35 146	0.13 5	0.51 48	0.17 5	0.44 7	0.52 47	0.38 31	0.51 117	0.23 15	0.19 8	0.31 3	0.25 24	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 57

RASNet	0.69 224	1.05 239	2.59 202	0.37 170	0.47 274	0.66 238	0.33 206	0.82 154	0.76 232	0.51 113	0.65 229	0.93 320	0.62 279	2.20 340	0.80 240	0.14 218	0.09 83	0.09 14	0.11 110	0.18 110	0.37 164

DeepPruner_ROB	0.58 128	1.06 240	2.68 242	0.30 61	0.26 140	0.63 199	0.31 183	0.83 164	0.51 42	0.62 220	0.56 163	0.65 213	0.39 149	1.06 191	0.56 177	0.19 292	0.14 169	0.14 223	0.14 179	0.24 194	0.33 144

Sa-1000	0.61 156	1.07 241	2.71 253	0.32 93	0.61 311	0.61 164	0.31 183	1.00 285	0.76 232	0.53 129	0.83 302	0.43 94	0.33 114	0.69 136	0.30 57	0.10 47	0.52 299	0.13 194	0.28 303	0.29 254	0.29 123

MIPNet	0.88 302	1.07 241	2.85 285	0.61 309	0.18 48	1.46 368	1.37 390	1.65 384	0.78 243	1.93 387	0.85 307	0.75 266	1.66 376	0.87 173	0.34 97	0.10 47	0.08 38	0.11 94	0.32 323	0.27 235	0.26 105

SGM_RVC	2.11 394	1.07 241	2.87 288	0.98 359	0.92 352	2.72 403	1.88 402	1.91 393	12.27 415	2.09 389	1.99 378	2.47 390	2.24 394	2.87 386	2.03 341	0.54 369	0.47 290	0.42 367	0.47 365	0.74 372	1.22 352
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SACVNet	0.68 218	1.08 244	2.58 200	0.38 188	0.28 161	0.65 225	0.37 230	0.91 230	0.65 119	0.67 259	0.62 207	0.69 246	0.47 221	2.07 329	0.65 204	0.18 281	0.14 169	0.16 265	0.15 198	0.39 319	0.41 191

IPLG	0.74 246	1.09 245	2.87 288	0.36 160	0.21 79	1.63 378	0.60 320	1.39 373	0.63 106	1.39 371	0.51 117	0.40 84	0.86 328	1.40 235	0.37 109	0.09 11	0.07 6	0.14 223	0.12 141	0.34 283	0.23 86

GwcNet	0.76 259	1.09 245	3.68 363	0.38 188	0.45 266	0.81 307	0.45 273	0.91 230	0.89 309	0.63 229	0.77 294	0.82 290	0.51 235	1.64 273	0.85 251	0.17 270	0.16 195	0.15 248	0.15 198	0.33 277	0.34 151

hitnet-ft	0.73 243	1.09 245	2.59 202	0.28 35	0.22 88	0.71 261	0.36 227	0.89 215	0.67 138	0.58 172	0.83 302	1.03 342	0.94 341	2.31 345	0.70 214	0.23 321	0.14 169	0.41 365	0.13 161	0.24 194	0.28 117

iResNet	0.59 143	1.09 245	2.54 184	0.44 240	0.18 48	0.65 225	0.29 161	0.89 215	0.75 224	0.59 192	0.64 222	0.43 94	0.39 149	0.73 149	1.24 298	0.11 112	0.08 38	0.09 14	0.08 27	0.21 159	0.40 184

ETE_ROB	0.68 218	1.09 245	2.32 98	0.38 188	0.26 140	0.69 254	0.51 292	1.49 378	0.75 224	0.81 309	0.71 271	0.85 300	0.51 235	1.39 233	0.70 214	0.17 270	0.14 169	0.19 300	0.16 216	0.24 194	0.35 157

RGC	0.78 265	1.10 250	2.55 191	0.45 247	0.45 266	0.73 270	0.40 247	1.00 285	0.75 224	0.75 293	1.04 342	1.02 341	0.73 305	1.74 285	1.15 286	0.24 328	0.19 212	0.28 340	0.26 293	0.31 268	0.38 172

Nwc_Net	0.75 256	1.10 250	2.96 299	0.42 226	0.39 240	0.77 291	0.39 244	1.06 331	0.73 202	0.65 251	1.00 335	0.99 334	0.74 309	1.43 239	0.99 269	0.24 328	0.15 183	0.23 325	0.26 293	0.27 235	0.30 131

APVNet	0.76 259	1.11 252	3.23 320	0.39 201	0.36 226	0.85 316	0.44 269	0.96 261	0.73 202	0.58 172	0.69 245	0.76 270	0.56 255	2.29 344	0.82 247	0.17 270	0.18 208	0.24 330	0.19 253	0.35 294	0.27 111

XPNet_ROB	0.68 218	1.11 252	2.28 90	0.38 188	0.27 151	0.67 245	0.47 282	0.94 245	0.75 224	0.80 308	0.71 271	0.81 287	0.54 248	1.72 282	0.84 250	0.22 313	0.16 195	0.16 265	0.15 198	0.25 209	0.45 217

StereoVision	0.52 84	1.12 254	2.70 252	0.34 130	0.32 197	0.47 32	0.26 114	0.73 108	0.61 86	0.33 25	0.89 318	0.45 121	0.26 50	0.52 81	0.39 117	0.14 218	0.15 183	0.16 265	0.15 198	0.22 173	0.14 25

FCDSN-DC	1.45 371	1.12 254	3.30 329	0.48 257	0.41 251	1.13 355	0.60 320	1.17 357	1.28 368	2.25 396	2.85 399	3.65 399	3.34 404	2.58 366	2.44 363	0.31 350	0.26 252	0.31 350	0.30 313	0.37 305	0.78 303
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AACVNet	0.61 156	1.13 256	2.47 164	0.37 170	0.21 79	0.57 109	0.25 102	0.75 112	0.55 62	0.56 154	0.60 192	0.66 220	0.44 198	2.11 335	0.49 157	0.14 218	0.11 128	0.14 223	0.11 110	0.35 294	0.23 86

SA	0.61 156	1.14 257	2.79 271	0.32 93	0.63 314	0.57 109	0.30 173	0.97 268	0.78 243	0.43 46	0.63 215	0.39 76	0.46 213	0.70 137	0.31 71	0.10 47	0.44 287	0.13 194	0.32 323	0.31 268	0.51 238

raftrobust	0.52 84	1.14 257	2.15 71	0.33 113	0.99 360	0.53 68	0.21 31	0.59 64	0.50 37	0.53 129	0.36 39	0.31 50	0.33 114	0.47 52	0.42 125	0.10 47	0.55 302	0.09 14	0.08 27	0.22 173	0.46 220

GANet-RSSM	0.63 181	1.14 257	2.67 237	0.38 188	0.26 140	0.59 134	0.29 161	0.81 147	0.56 66	0.50 102	0.57 174	0.67 222	0.50 231	1.91 320	0.50 160	0.14 218	0.10 106	0.24 330	0.12 141	0.36 299	0.28 117

AF-Net	0.76 259	1.14 257	2.74 262	0.42 226	0.41 251	0.70 257	0.41 249	1.07 334	0.94 323	0.73 285	1.05 344	1.04 346	0.86 328	1.23 215	1.00 271	0.23 321	0.15 183	0.25 335	0.18 237	0.32 273	0.35 157

SHD	0.84 284	1.14 257	2.54 184	0.80 343	0.52 281	0.76 281	0.34 211	1.16 354	1.29 369	1.11 345	0.85 307	0.98 331	0.74 309	1.25 220	1.48 316	0.22 313	0.37 271	0.20 310	0.27 301	0.36 299	0.41 191

LALA_ROB	0.68 218	1.14 257	2.50 175	0.37 170	0.29 167	0.78 296	0.55 305	0.99 279	0.84 289	0.82 313	0.68 241	0.93 320	0.50 231	1.01 186	0.89 255	0.21 308	0.15 183	0.21 314	0.18 237	0.26 224	0.30 131

Wz-Net-LNSev-Ref	0.65 193	1.15 263	2.40 115	0.33 113	0.30 178	0.83 310	0.40 247	0.94 245	0.82 271	0.67 259	0.76 290	0.68 235	0.58 267	1.13 203	1.25 299	0.14 218	0.08 38	0.10 48	0.08 27	0.18 110	0.28 117

NLCA_NET_v2_RVC	0.62 169	1.15 263	3.11 315	0.39 201	0.37 232	0.60 146	0.28 136	0.87 201	0.64 112	0.63 229	0.56 163	0.71 254	0.45 206	1.08 194	0.52 165	0.15 237	0.12 143	0.14 223	0.15 198	0.18 110	0.25 100
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MyStereo8	0.73 243	1.16 265	2.89 290	0.53 281	0.34 212	0.71 261	0.20 21	1.87 391	0.59 79	0.53 129	0.66 235	0.50 143	0.33 114	1.27 223	0.62 193	0.10 47	1.19 356	0.10 48	0.21 273	0.21 159	0.61 266

RAFT_CTSACE	0.58 128	1.16 265	2.76 267	0.36 160	0.29 167	0.54 75	0.29 161	0.69 93	0.51 42	0.51 113	0.75 287	0.67 222	0.37 131	0.63 116	0.47 145	0.08 1	0.49 294	0.11 94	0.10 72	0.41 331	0.32 141

CFNet-ft	0.60 149	1.16 265	2.45 152	0.29 47	0.30 178	0.64 211	0.28 136	0.69 93	0.57 69	0.49 84	0.57 174	0.79 278	0.44 198	1.48 247	0.62 193	0.15 237	0.10 106	0.28 340	0.14 179	0.21 159	0.29 123

BEATNet_4x	0.57 120	1.16 265	2.56 195	0.35 146	0.16 21	0.56 90	0.25 102	0.91 230	0.64 112	0.55 144	0.53 128	0.59 185	0.43 190	0.67 130	0.76 229	0.12 146	0.09 83	0.12 137	0.09 38	0.23 188	0.58 258

CFNet_RVC	0.60 149	1.16 265	2.45 152	0.29 47	0.30 178	0.64 211	0.28 136	0.69 93	0.57 69	0.49 84	0.57 174	0.79 278	0.44 198	1.48 247	0.62 193	0.15 237	0.10 106	0.28 340	0.14 179	0.21 159	0.29 123

UCFNet_RVC	0.55 105	1.16 265	2.48 169	0.31 75	0.27 151	0.65 225	0.28 136	0.76 115	0.58 75	0.51 113	0.53 128	0.67 222	0.42 177	0.91 178	0.45 138	0.16 251	0.11 128	0.17 279	0.17 229	0.20 150	0.23 86

iinet-f	0.62 169	1.18 271	2.55 191	0.33 113	0.25 126	0.82 309	0.34 211	0.87 201	0.69 170	0.56 154	0.64 222	0.73 260	0.67 292	0.80 165	0.81 244	0.14 218	0.13 156	0.11 94	0.10 72	0.44 338	0.26 105

raft+_RVC	0.62 169	1.18 271	2.43 128	0.36 160	2.08 405	0.52 63	0.25 102	0.66 85	0.54 57	0.36 26	0.46 79	0.32 54	0.28 74	0.49 71	0.43 131	0.10 47	0.91 337	0.10 48	0.09 38	0.22 173	0.70 293

CVANet_RVC	0.82 277	1.18 271	3.98 375	0.40 214	0.28 161	0.63 199	0.43 263	0.90 223	0.78 243	1.14 348	0.69 245	0.68 235	0.52 243	2.62 369	0.48 148	0.20 300	0.13 156	0.22 318	0.37 347	0.37 305	0.48 226

GEStereo_RVC	0.61 156	1.19 274	2.61 211	0.48 257	0.25 126	0.63 199	0.37 230	1.05 319	0.79 252	0.55 144	0.55 151	0.59 185	0.44 198	1.10 196	0.48 148	0.16 251	0.11 128	0.12 137	0.11 110	0.27 235	0.43 200

PSMNet-RSSM	0.61 156	1.19 274	2.43 128	0.33 113	0.25 126	0.59 134	0.28 136	0.88 209	0.65 119	0.54 133	0.62 207	0.69 246	0.46 213	1.67 277	0.50 160	0.15 237	0.10 106	0.14 223	0.16 216	0.20 150	0.28 117

HGLStereo	0.61 156	1.20 276	2.59 202	0.36 160	0.40 246	0.65 225	0.30 173	0.87 201	0.67 138	0.60 201	0.70 258	0.69 246	0.56 255	1.07 193	0.59 183	0.14 218	0.13 156	0.13 194	0.12 141	0.23 188	0.23 86

GANet	0.92 315	1.20 276	2.68 242	0.45 247	0.27 151	0.76 281	0.66 334	0.94 245	0.77 240	0.79 306	1.17 349	0.84 295	0.91 335	2.72 377	1.76 331	0.18 281	0.42 283	0.44 370	0.20 262	0.33 277	0.94 325

TestStereo1	0.59 143	1.21 278	2.63 216	0.40 214	0.60 304	0.56 90	0.34 211	0.82 154	0.73 202	0.45 54	0.63 215	0.36 66	0.42 177	0.66 127	0.42 125	0.10 47	0.32 263	0.12 137	0.10 72	0.34 283	0.52 243

SA-5K	0.59 143	1.21 278	2.63 216	0.40 214	0.60 304	0.56 90	0.34 211	0.82 154	0.73 202	0.45 54	0.63 215	0.36 66	0.42 177	0.66 127	0.42 125	0.10 47	0.32 263	0.12 137	0.10 72	0.34 283	0.52 243

Consistency-Raft	0.92 315	1.21 278	3.50 351	0.98 359	0.63 314	0.77 291	0.54 301	1.02 299	1.01 342	0.62 220	1.03 340	0.65 213	1.04 348	0.81 168	1.36 308	0.45 365	0.47 290	0.51 373	0.59 381	0.65 368	0.47 222

PVD	1.05 339	1.21 278	2.36 103	0.84 346	0.91 351	1.04 344	0.64 329	1.32 369	1.68 385	1.43 375	1.41 364	1.14 361	1.15 355	1.49 249	1.77 332	0.27 341	0.65 317	0.28 340	0.35 341	0.40 325	0.73 297

WCMA_ROB	1.29 358	1.21 278	3.13 317	0.65 318	0.36 226	1.20 362	0.78 351	1.00 285	0.98 337	1.78 386	2.62 394	3.08 396	2.01 389	1.86 309	2.35 361	0.38 357	0.38 275	0.32 352	0.32 323	0.31 268	1.06 338

ADLNet2	0.73 243	1.22 283	3.28 326	0.34 130	0.36 226	0.65 225	0.37 230	0.94 245	0.87 300	0.57 166	0.65 229	0.92 315	0.48 227	2.05 327	0.60 185	0.13 188	0.11 128	0.11 94	0.11 110	0.37 305	0.38 172

NCC-stereo	0.88 302	1.22 283	2.97 300	0.60 303	0.45 266	1.88 387	0.48 284	1.04 311	0.75 224	0.70 273	0.85 307	0.93 320	0.84 323	1.81 299	1.51 318	0.28 344	0.19 212	0.23 325	0.31 318	0.27 235	0.35 157

Abc-Net	0.88 302	1.22 283	2.97 300	0.60 303	0.45 266	1.88 387	0.48 284	1.04 311	0.75 224	0.70 273	0.85 307	0.93 320	0.84 323	1.81 299	1.51 318	0.28 344	0.19 212	0.23 325	0.31 318	0.27 235	0.35 157
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	1.07 342	1.22 283	2.80 273	0.40 214	0.33 203	1.50 370	1.87 401	0.97 268	1.04 347	1.26 365	1.28 355	0.99 334	1.41 366	1.36 232	3.51 387	0.17 270	0.14 169	0.22 318	0.21 273	0.32 273	0.43 200

FBW_ROB	0.94 321	1.23 287	2.35 102	0.46 250	0.32 197	0.87 321	0.46 278	1.15 351	0.97 336	0.83 316	0.78 298	1.01 338	0.64 283	3.65 402	1.65 324	0.27 341	0.24 242	0.40 363	0.26 293	0.32 273	0.88 319

fast-acv-ft	0.67 213	1.24 288	3.26 324	0.39 201	0.30 178	0.80 303	0.48 284	0.74 110	0.76 232	0.60 201	0.78 298	0.76 270	0.60 275	0.70 137	0.78 235	0.16 251	0.15 183	0.18 295	0.17 229	0.38 312	0.24 96

raft_robust	0.68 218	1.24 288	2.42 123	0.30 61	0.57 294	0.53 68	0.25 102	0.95 258	0.79 252	0.49 84	0.46 79	1.12 359	0.74 309	1.50 250	0.61 190	0.09 11	0.62 314	0.10 48	0.30 313	0.26 224	0.30 131

StereoDRNet	0.71 233	1.24 288	2.56 195	0.42 226	0.45 266	0.73 270	0.46 278	0.98 274	0.81 266	0.77 297	0.56 163	0.74 262	0.48 227	1.69 281	0.91 257	0.15 237	0.14 169	0.15 248	0.15 198	0.26 224	0.51 238

RAFT+CT+SA	0.60 149	1.25 291	2.49 172	0.38 188	0.75 332	0.55 86	0.34 211	0.83 164	0.68 162	0.39 33	0.55 151	0.44 109	0.29 90	0.75 153	0.28 43	0.09 11	0.24 242	0.11 94	0.51 371	0.30 260	0.74 299

test_5	0.61 156	1.25 291	2.76 267	0.39 201	0.64 318	0.58 116	0.35 220	0.85 181	0.66 126	0.49 84	0.56 163	0.55 167	0.40 155	0.79 161	0.32 80	0.10 47	0.19 212	0.12 137	0.12 141	0.33 277	0.85 315

pmcnn	1.44 369	1.25 291	3.57 358	0.74 334	1.42 389	0.72 267	0.56 309	1.04 311	1.06 350	1.03 339	2.89 401	6.01 411	0.75 313	2.54 363	3.60 389	0.14 218	0.11 128	0.08 3	0.06 6	0.34 283	0.81 309

EDNetEfficientorigin	8.19 416	1.27 294	145.54 440	0.51 276	0.96 356	0.75 277	0.49 289	0.86 193	1.57 383	2.12 391	1.49 366	1.28 367	1.35 360	1.84 305	2.15 351	0.14 218	0.13 156	0.17 279	0.18 237	0.39 319	0.64 277

cf-r	0.62 169	1.27 294	2.99 305	0.34 130	0.28 161	0.60 146	0.28 136	0.82 154	0.70 180	0.55 144	0.61 200	0.77 272	0.41 166	1.32 228	0.52 165	0.13 188	0.09 83	0.11 94	0.12 141	0.22 173	0.27 111

TDLM	0.83 281	1.28 296	2.38 107	0.46 250	0.26 140	0.66 238	0.55 305	0.87 201	0.80 259	2.54 402	0.62 207	0.61 194	0.51 235	2.68 375	0.67 209	0.20 300	0.11 128	0.35 357	0.15 198	0.33 277	0.48 226

HITNet	0.55 105	1.28 296	2.73 260	0.35 146	0.14 8	0.56 90	0.23 61	0.89 215	0.62 95	0.52 121	0.51 117	0.49 139	0.38 138	0.52 81	0.60 185	0.09 11	0.07 6	0.10 48	0.08 27	0.25 209	0.61 266
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
4D-IteraStereo	0.62 169	1.29 298	3.04 309	0.27 23	0.30 178	0.46 22	0.26 114	0.54 40	0.51 42	0.41 36	0.31 26	0.39 76	0.19 8	0.53 88	0.65 204	0.09 11	0.47 290	0.12 137	0.11 110	0.21 159	2.14 390

Wz-Net-LNSev	0.66 210	1.30 299	2.81 277	0.35 146	0.37 232	0.80 303	0.48 284	0.91 230	0.87 300	0.63 229	0.70 258	0.80 284	0.59 270	0.67 130	0.68 211	0.15 237	0.14 169	0.12 137	0.12 141	0.24 194	0.38 172

DMCA-RVC	0.70 229	1.30 299	3.59 360	0.37 170	0.89 349	0.57 109	0.31 183	0.73 108	0.59 79	0.69 270	0.54 142	0.59 185	0.57 260	1.25 220	0.66 207	0.16 251	0.38 275	0.20 310	0.15 198	0.22 173	0.23 86

dd	0.48 56	1.32 301	2.41 119	0.31 75	0.17 38	0.58 116	0.26 114	0.50 24	0.71 192	0.42 40	0.41 61	0.34 62	0.28 74	0.47 52	0.41 121	0.18 281	0.10 106	0.13 194	0.12 141	0.22 173	0.16 44

GMStereo	0.44 38	1.32 301	2.65 226	0.28 35	0.16 21	0.42 16	0.22 41	0.48 12	0.63 106	0.41 36	0.36 39	0.26 31	0.25 42	0.41 42	0.30 57	0.14 218	0.08 38	0.10 48	0.12 141	0.17 90	0.13 13
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
XQC	0.84 284	1.32 301	2.61 211	0.78 341	0.44 263	0.89 325	0.53 298	1.16 354	1.07 351	0.85 318	0.69 245	0.92 315	0.73 305	1.40 235	1.44 314	0.24 328	0.35 269	0.23 325	0.26 293	0.45 340	0.39 179

NCCL2	0.71 233	1.32 301	2.30 94	0.44 240	0.31 186	0.71 261	0.67 338	0.89 215	0.69 170	0.70 273	0.61 200	0.85 300	0.54 248	1.58 266	0.70 214	0.20 300	0.17 202	0.66 379	0.25 287	0.26 224	0.38 172

rafts_anoy	0.60 149	1.33 305	2.59 202	0.53 281	1.09 372	0.49 40	0.25 102	0.67 88	0.53 53	0.41 36	0.38 49	0.33 58	0.30 100	0.68 134	0.41 121	0.10 47	1.13 354	0.13 194	0.15 198	0.20 150	0.29 123

DeepPrunerF	0.92 315	1.33 305	3.41 344	0.46 250	0.51 279	0.64 211	0.49 289	1.16 354	2.62 398	0.65 251	0.61 200	0.65 213	0.62 279	2.23 341	1.31 302	0.23 321	0.19 212	0.30 349	0.28 303	0.39 319	0.34 151

CBFPSM	0.62 169	1.34 307	2.12 66	0.30 61	0.23 111	0.71 261	0.38 238	0.77 121	0.68 162	0.51 113	0.49 103	1.03 342	0.82 320	0.63 116	1.35 306	0.11 112	0.12 143	0.10 48	0.10 72	0.19 133	0.37 164

RALCasStereoNet	0.65 193	1.34 307	2.56 195	0.43 236	0.96 356	0.50 46	0.26 114	0.62 72	0.56 66	0.43 46	0.49 103	0.36 66	0.28 74	0.72 148	0.53 168	0.10 47	1.18 355	0.09 14	0.08 27	0.27 235	1.27 355

MeshStereo	1.29 358	1.34 307	3.04 309	0.35 146	0.28 161	1.10 353	0.69 342	1.42 375	1.07 351	2.71 405	2.43 389	2.95 392	1.50 372	2.92 387	2.03 341	0.23 321	0.22 234	0.22 318	0.19 253	0.50 350	0.69 290
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
iRaft-Stereo_5w	0.65 193	1.35 310	2.21 82	0.30 61	0.63 314	0.49 40	0.28 136	0.78 128	0.64 112	0.41 36	0.61 200	0.62 199	0.46 213	1.79 296	0.48 148	0.10 47	0.25 249	0.11 94	0.12 141	0.40 325	0.94 325

dad	0.58 128	1.35 310	2.39 113	0.31 75	0.20 70	0.62 186	0.26 114	0.56 50	0.79 252	0.66 257	0.64 222	0.64 209	0.36 126	0.87 173	0.48 148	0.28 344	0.15 183	0.40 363	0.18 237	0.24 194	0.22 78

RAFT	0.62 169	1.35 310	2.26 87	0.62 311	0.53 286	0.47 32	0.35 220	0.70 100	0.58 75	0.50 102	0.50 115	0.79 278	0.40 155	0.49 71	0.36 106	0.11 112	0.79 331	0.14 223	0.13 161	0.52 355	0.72 296

SAMSARA	1.11 347	1.35 310	2.60 207	1.34 375	0.77 337	1.67 380	1.41 396	1.47 377	0.99 340	1.54 381	0.89 318	1.44 374	0.90 334	1.88 313	1.71 325	0.25 334	0.55 302	0.22 318	0.34 339	0.39 319	0.50 234

LL-Strereo2	0.62 169	1.36 314	2.47 164	1.37 377	0.96 356	0.54 75	0.28 136	0.61 69	0.49 31	0.42 40	0.34 35	0.44 109	0.21 17	0.57 100	0.53 168	0.11 112	0.26 252	0.16 265	0.14 179	0.18 110	0.98 335

UDGNet	0.50 72	1.36 314	2.44 136	0.37 170	0.19 64	0.58 116	0.23 61	0.49 15	0.69 170	0.42 40	0.39 52	0.34 62	0.29 90	0.55 94	0.32 80	0.25 334	0.10 106	0.37 360	0.19 253	0.30 260	0.17 50

PA-Net	0.93 320	1.36 314	4.14 380	0.64 316	0.41 251	0.70 257	0.53 298	0.91 230	0.88 304	0.53 129	0.60 192	0.70 252	0.54 248	2.40 354	2.57 369	0.17 270	0.28 260	0.19 300	0.28 303	0.25 209	0.48 226
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RALAANet	0.52 84	1.37 317	2.63 216	0.33 113	0.23 111	0.48 35	0.19 12	0.69 93	0.55 62	0.49 84	0.46 79	0.39 76	0.31 104	0.53 88	0.53 168	0.10 47	0.33 267	0.11 94	0.17 229	0.29 254	0.13 13

ADCPNet	1.07 342	1.37 317	4.54 395	0.38 188	0.68 325	1.36 363	0.64 329	0.93 240	0.83 277	0.79 306	0.82 300	1.08 353	1.18 357	1.30 227	2.68 371	0.21 308	0.69 323	0.21 314	0.95 399	0.30 260	0.54 249

PS-NSSS	0.69 224	1.37 317	2.44 136	0.31 75	0.32 197	0.64 211	0.34 211	1.04 311	0.74 219	0.56 154	0.75 287	0.51 146	0.42 177	2.41 357	0.54 173	0.24 328	0.17 202	0.27 338	0.18 237	0.30 260	0.23 86

GwcNet-RSSM	0.64 188	1.38 320	2.69 248	0.33 113	0.26 140	0.60 146	0.32 193	0.84 171	0.73 202	0.56 154	0.65 229	0.72 255	0.42 177	1.78 294	0.60 185	0.14 218	0.10 106	0.12 137	0.13 161	0.26 224	0.26 105

RTSC	0.84 284	1.40 321	2.67 237	0.50 273	0.40 246	0.83 310	0.33 206	1.11 346	1.14 359	0.93 330	0.82 300	0.84 295	0.58 267	1.34 230	1.82 335	0.18 281	0.49 294	0.14 223	0.30 313	0.46 344	0.42 195

111	0.57 120	1.41 322	2.63 216	0.25 5	0.15 14	0.59 134	0.26 114	0.90 223	0.83 277	0.50 102	0.54 142	0.57 178	0.38 138	0.54 93	0.41 121	0.10 47	0.07 6	0.09 14	0.07 12	0.24 194	0.81 309

MaskLacGwcNet_RVC	0.84 284	1.41 322	2.80 273	0.94 355	0.35 220	0.89 325	0.41 249	0.89 215	0.66 126	0.57 166	0.63 215	0.75 266	0.38 138	2.37 349	0.55 175	1.16 393	0.31 262	0.36 358	0.21 273	0.59 361	0.63 272

MLCV	0.59 143	1.41 322	2.41 119	0.31 75	0.15 14	0.60 146	0.23 61	0.77 121	0.63 106	0.67 259	0.66 235	0.55 167	0.37 131	1.16 207	1.09 280	0.10 47	0.07 6	0.09 14	0.07 12	0.21 159	0.29 123

PWC_ROB	0.81 274	1.41 322	2.60 207	0.41 223	0.40 246	0.63 199	0.31 183	1.04 311	0.99 340	0.92 327	1.29 356	0.78 276	0.68 294	1.65 276	1.50 317	0.19 292	0.12 143	0.18 295	0.13 161	0.51 352	0.54 249

Wz-Net-MNSev	0.74 246	1.42 326	2.75 264	0.38 188	0.33 203	0.90 328	0.61 325	0.98 274	0.94 323	0.77 297	0.75 287	0.75 266	0.66 290	1.39 233	0.76 229	0.17 270	0.13 156	0.14 223	0.14 179	0.28 246	0.48 226

LSM	3.40 406	1.42 326	5.81 407	9.98 421	30.74 434	0.86 317	1.14 378	0.99 279	1.26 366	1.40 373	2.18 383	0.93 320	0.85 326	1.76 288	1.03 274	0.22 313	0.35 269	0.24 330	0.29 307	0.40 325	6.21 419

PSMNet_ROB	0.75 256	1.42 326	2.93 295	0.39 201	0.32 197	0.73 270	0.56 309	0.90 223	0.74 219	0.56 154	0.60 192	0.75 266	0.47 221	2.00 325	1.31 302	0.18 281	0.13 156	0.19 300	0.20 262	0.26 224	0.40 184

Syn2CoEx	0.78 265	1.43 329	3.54 356	0.44 240	0.31 186	0.64 211	0.43 263	1.04 311	0.83 277	0.64 239	0.77 294	0.74 262	0.74 309	1.91 320	0.64 199	0.20 300	0.17 202	0.19 300	0.15 198	0.30 260	0.59 261

GANetREF_RVC	0.81 274	1.44 330	3.04 309	0.49 268	0.27 151	0.83 310	0.63 328	1.03 305	0.92 316	0.63 229	0.61 200	0.72 255	0.59 270	2.40 354	0.58 181	0.33 353	0.25 249	0.37 360	0.25 287	0.41 331	0.36 163
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
ADCRef	0.88 302	1.45 331	2.68 242	0.38 188	0.35 220	0.95 337	0.51 292	0.92 237	0.81 266	0.89 322	0.84 304	0.61 194	1.35 360	1.26 222	3.38 384	0.14 218	0.12 143	0.17 279	0.19 253	0.28 246	0.34 151

CFNet	0.65 193	1.45 331	2.27 88	0.34 130	0.25 126	0.64 211	0.23 61	0.93 240	0.79 252	0.48 68	0.59 185	0.58 182	0.40 155	2.28 343	0.63 198	0.13 188	0.09 83	0.15 248	0.14 179	0.34 283	0.26 105

AANet_RVC	0.79 269	1.46 333	2.72 255	0.34 130	0.25 126	0.59 134	0.32 193	0.88 209	0.83 277	0.62 220	0.95 326	0.80 284	0.43 190	2.46 360	1.72 327	0.38 357	0.26 252	0.10 48	0.09 38	0.25 209	0.43 200

NaN_ROB	1.25 355	1.46 333	3.84 372	0.54 287	0.56 291	1.12 354	0.99 366	1.05 319	1.03 344	1.10 344	0.87 314	0.77 272	1.07 350	5.85 411	2.98 377	0.16 251	0.23 239	0.16 265	0.24 282	0.28 246	0.66 279

PDISCO_ROB	0.84 284	1.46 333	2.84 283	0.65 318	0.59 299	1.17 359	0.48 284	1.19 359	1.08 353	0.67 259	0.72 274	1.00 337	0.61 277	1.24 217	1.05 276	0.38 357	0.18 208	0.28 340	0.24 282	0.58 360	0.44 212

RAFT-Stereo + iAFF	0.58 128	1.48 336	2.53 180	0.29 47	0.78 340	0.52 63	0.20 21	0.68 91	0.66 126	0.51 113	0.61 200	0.40 84	0.32 109	0.40 36	0.43 131	0.08 1	0.63 315	0.09 14	0.09 38	0.37 305	0.58 258

AASNet	0.66 210	1.49 337	2.97 300	0.37 170	0.33 203	0.65 225	0.30 173	1.00 285	0.78 243	0.56 154	0.60 192	0.55 167	0.39 149	0.88 177	0.96 260	0.15 237	0.12 143	0.13 194	0.11 110	0.45 340	0.35 157

DispNO	0.78 265	1.51 338	3.38 337	0.34 130	0.28 161	0.54 75	0.41 249	0.86 193	0.84 289	0.58 172	0.74 279	0.67 222	0.51 235	2.40 354	1.62 323	0.14 218	0.10 106	0.15 248	0.11 110	0.22 173	0.23 86

AFF-stereo	0.57 120	1.51 338	2.59 202	0.33 113	0.23 111	0.51 48	0.21 31	0.69 93	0.68 162	0.49 84	0.63 215	0.49 139	0.34 121	0.50 76	0.37 109	0.08 1	0.54 300	0.10 48	0.10 72	0.40 325	0.60 265

FADNet_RVC	0.87 301	1.51 338	2.90 292	0.31 75	0.24 120	0.71 261	0.25 102	1.00 285	0.65 119	0.45 54	0.57 174	0.61 194	0.44 198	1.53 252	0.75 226	0.94 383	0.97 339	0.28 340	1.00 402	0.89 380	1.36 365

FADNet-RVC-Resample	0.74 246	1.54 341	3.81 370	0.38 188	0.29 167	0.62 186	0.38 238	0.91 230	0.67 138	0.52 121	0.51 117	0.63 203	0.44 198	1.56 256	0.59 183	0.24 328	0.32 263	0.22 318	0.19 253	0.30 260	0.71 295

ACRE	0.63 181	1.55 342	3.41 344	0.76 336	0.28 161	0.60 146	0.56 309	0.82 154	0.68 162	0.57 166	0.62 207	0.43 94	0.30 100	0.47 52	0.42 125	0.12 146	0.19 212	0.13 194	0.14 179	0.36 299	0.20 69

HBP-ISP	0.82 277	1.57 343	3.28 326	0.50 273	0.27 151	0.86 317	0.54 301	1.09 339	0.78 243	0.81 309	0.70 258	0.68 235	1.00 345	2.02 326	0.47 145	0.24 328	0.24 242	0.29 348	0.25 287	0.28 246	0.52 243

UDG	0.86 295	1.57 343	2.80 273	0.68 329	0.59 299	0.78 296	0.38 238	0.97 268	0.74 219	0.63 229	0.70 258	1.01 338	0.68 294	1.02 187	1.22 296	0.45 365	0.34 268	0.89 386	0.51 371	0.73 371	0.58 258

CC-Net-ROB	0.95 322	1.57 343	2.93 295	0.90 351	0.39 240	0.87 321	0.44 269	1.12 348	0.83 277	0.59 192	0.69 245	0.64 209	0.50 231	2.73 379	0.93 258	0.97 386	0.40 281	0.87 385	0.29 307	0.61 365	0.66 279

Anonymous Stereo	0.83 281	1.57 343	3.56 357	0.46 250	0.39 240	0.63 199	0.84 356	0.92 237	0.83 277	0.68 265	0.68 241	0.64 209	0.42 177	2.42 358	1.02 273	0.23 321	0.23 239	0.19 300	0.20 262	0.31 268	0.40 184

PWCDC_ROB	0.83 281	1.57 343	2.63 216	0.48 257	0.37 232	0.78 296	0.29 161	1.04 311	1.36 374	0.63 229	2.05 379	0.64 209	0.70 300	1.10 196	1.20 292	0.33 353	0.14 169	0.15 248	0.12 141	0.63 366	0.46 220

CIPLG	0.63 181	1.59 348	3.16 318	0.79 342	0.31 186	0.62 186	0.57 312	0.82 154	0.68 162	0.58 172	0.63 215	0.43 94	0.31 104	0.48 61	0.42 125	0.12 146	0.20 224	0.13 194	0.13 161	0.36 299	0.21 73

RTS	1.29 358	1.59 348	6.48 410	0.63 313	0.57 294	1.59 375	0.90 362	1.15 351	1.44 376	1.20 357	1.31 357	1.10 357	0.87 331	2.67 373	2.27 359	0.21 308	0.38 275	0.19 300	0.20 262	0.46 344	0.68 286

RTSA	1.29 358	1.59 348	6.48 410	0.63 313	0.57 294	1.59 375	0.90 362	1.15 351	1.44 376	1.20 357	1.31 357	1.10 357	0.87 331	2.67 373	2.27 359	0.21 308	0.38 275	0.19 300	0.20 262	0.46 344	0.68 286

iResNet_ROB	0.60 149	1.59 348	2.04 51	0.32 93	0.21 79	0.60 146	0.22 41	0.99 279	0.85 292	0.61 208	0.63 215	0.58 182	0.42 177	1.08 194	0.98 267	0.11 112	0.08 38	0.09 14	0.06 6	0.23 188	0.33 144

FADNet	0.71 233	1.60 352	2.53 180	0.33 113	0.30 178	0.67 245	0.29 161	0.92 237	0.75 224	0.45 54	0.49 103	0.66 220	0.57 260	1.85 307	0.85 251	0.46 367	0.20 224	0.17 279	0.20 262	0.60 362	0.37 164

SuperB	1.19 352	1.62 353	5.29 403	0.37 170	0.26 140	0.81 307	0.87 358	0.94 245	1.19 364	0.68 265	0.68 241	0.63 203	1.37 363	1.73 283	3.30 381	0.16 251	0.12 143	0.17 279	0.16 216	2.74 412	0.63 272

NVStereoNet_ROB	1.45 371	1.62 353	3.59 360	1.09 364	0.70 328	0.86 317	0.67 338	1.19 359	1.51 380	1.20 357	4.05 407	1.61 378	1.94 387	2.97 389	2.07 345	0.67 375	0.69 323	0.55 374	0.70 385	0.57 359	0.67 281
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.90 312	1.63 355	2.77 269	0.77 339	0.69 326	0.83 310	0.44 269	0.90 223	0.70 180	0.68 265	0.76 290	0.92 315	0.54 248	1.14 205	1.35 306	0.61 372	0.37 271	0.96 388	0.52 373	0.77 376	0.67 281

DN-CSS_ROB	0.56 113	1.64 356	2.75 264	0.42 226	0.22 88	0.57 109	0.19 12	0.79 135	0.66 126	0.46 64	0.62 207	0.41 89	0.32 109	0.73 149	0.49 157	0.12 146	0.08 38	0.14 223	0.13 161	0.38 312	0.17 50

FADNet-RVC	0.69 224	1.65 357	2.74 262	0.35 146	0.26 140	0.60 146	0.29 161	0.91 230	0.67 138	0.46 64	0.51 117	0.62 199	0.46 213	1.75 286	0.81 244	0.17 270	0.20 224	0.17 279	0.18 237	0.60 362	0.39 179

SPS-STEREO	1.22 354	1.65 357	3.41 344	0.66 322	0.69 326	1.01 342	0.68 340	1.10 342	0.96 330	1.40 373	1.25 354	1.46 375	1.08 351	2.05 327	2.24 357	0.66 374	0.61 311	0.58 375	0.57 379	0.66 369	1.65 377
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IPLGR_C	0.64 188	1.66 359	3.36 332	0.80 343	0.31 186	0.60 146	0.60 320	0.82 154	0.69 170	0.58 172	0.62 207	0.44 109	0.31 104	0.47 52	0.43 131	0.12 146	0.22 234	0.13 194	0.15 198	0.35 294	0.21 73

ADCP+	1.03 337	1.68 360	3.83 371	0.35 146	0.39 240	1.05 346	0.79 353	0.94 245	0.86 298	0.69 270	0.68 241	0.85 300	1.53 375	1.02 187	4.56 402	0.13 188	0.12 143	0.16 265	0.15 198	0.28 246	0.44 212

ARAFT	0.65 193	1.69 361	3.34 331	0.29 47	0.16 21	0.65 225	0.36 227	0.96 261	0.73 202	0.63 229	0.49 103	0.56 174	0.31 104	1.23 215	0.35 104	0.11 112	0.08 38	0.14 223	0.13 161	0.38 312	0.50 234

LL-Strereo	0.85 292	1.73 362	3.06 313	0.37 170	0.61 311	0.54 75	0.33 206	1.01 293	0.76 232	0.69 270	0.58 180	0.85 300	0.78 316	2.65 372	0.54 173	0.14 218	0.58 308	0.14 223	0.12 141	0.42 333	1.05 337

RAFT + AFF	0.79 269	1.73 362	2.99 305	0.34 130	0.35 220	0.67 245	0.51 292	1.05 319	0.79 252	0.54 133	0.58 180	0.59 185	0.81 319	1.80 297	1.21 293	0.13 188	0.27 258	0.15 248	0.14 179	0.45 340	0.69 290

MFMNet_re	1.01 332	1.73 362	3.04 309	0.85 347	0.76 335	0.93 333	0.81 354	1.02 299	1.10 354	1.05 340	1.06 345	0.84 295	0.96 342	0.93 180	0.97 261	0.68 376	0.61 311	0.63 378	0.60 383	0.77 376	0.80 307

CSAN	1.38 365	1.74 365	4.12 379	0.53 281	0.38 238	1.06 349	1.15 380	1.29 366	1.12 357	1.19 352	1.90 376	1.04 346	1.44 367	5.92 412	2.82 375	0.26 338	0.22 234	0.24 330	0.25 287	0.35 294	0.54 249

AnyNet_C32	1.08 345	1.76 366	3.01 307	0.50 273	0.54 287	1.17 359	1.16 382	0.97 268	0.95 328	1.11 345	0.98 331	0.87 306	0.93 340	1.57 260	4.11 399	0.22 313	0.20 224	0.25 335	0.25 287	0.40 325	0.68 286

SANet	1.35 363	1.80 367	4.39 391	0.41 223	0.29 167	1.72 382	0.89 361	1.17 357	2.47 396	1.22 361	1.82 373	1.72 380	1.70 379	2.57 365	3.30 381	0.18 281	0.16 195	0.16 265	0.15 198	0.34 283	0.62 268

ADCMid	1.06 340	1.82 368	3.53 355	0.39 201	0.36 226	0.99 340	0.58 314	1.01 293	0.94 323	1.23 363	1.02 338	1.01 338	1.01 346	1.11 200	4.04 397	0.22 313	0.19 212	0.42 367	0.32 323	0.42 333	0.53 246

Wz-Net-SNSev	0.85 292	1.83 369	3.36 332	0.42 226	0.31 186	0.71 261	0.66 334	1.04 311	0.94 323	0.68 265	0.85 307	0.96 328	0.62 279	1.75 286	1.14 285	0.16 251	0.15 183	0.16 265	0.17 229	0.39 319	0.63 272

WZ-Net	1.04 338	1.83 369	4.20 383	0.42 226	0.36 226	0.88 323	0.71 344	1.05 319	1.11 356	0.84 317	0.94 323	1.06 350	1.17 356	2.37 349	2.24 357	0.20 300	0.14 169	0.15 248	0.16 216	0.36 299	0.53 246

WAO-6	1.69 385	1.87 371	3.21 319	1.15 371	1.01 365	2.29 397	1.06 374	1.85 390	2.84 402	1.30 368	2.59 393	2.19 387	1.67 377	2.62 369	2.52 365	0.96 385	0.68 320	1.19 395	0.84 393	1.13 384	0.95 328

AnyNet_C01	1.20 353	1.89 372	4.25 385	0.55 288	0.54 287	1.57 373	1.39 393	1.10 342	1.13 358	1.19 352	1.34 361	1.15 363	1.11 353	1.73 283	2.89 376	0.26 338	0.24 242	0.28 340	0.24 282	0.50 350	0.68 286

iResNetv2_ROB	0.71 233	1.90 373	3.48 350	0.43 236	0.22 88	0.60 146	0.29 161	0.96 261	0.78 243	0.60 201	0.65 229	0.60 192	0.46 213	0.80 165	1.21 293	0.12 146	0.08 38	0.10 48	0.07 12	0.44 338	0.33 144

SQANet	0.92 315	1.96 374	3.23 320	0.77 339	0.83 343	0.76 281	0.38 238	0.87 201	0.68 162	0.64 239	0.69 245	0.73 260	0.52 243	1.35 231	1.36 308	0.80 379	0.30 261	0.60 377	0.29 307	0.93 381	0.70 293

FINET	1.92 389	1.96 374	4.49 394	1.62 389	1.39 388	3.51 407	4.39 411	2.89 404	2.58 397	1.39 371	1.98 377	1.35 371	2.12 392	1.64 273	2.12 348	0.84 381	1.03 348	0.18 295	0.29 307	0.54 357	2.12 389

IMH-64-1	1.50 374	1.98 376	2.69 248	1.39 378	1.12 375	1.39 366	1.19 384	1.80 388	1.47 378	1.19 352	2.20 384	1.53 376	1.51 373	2.12 336	1.98 338	1.34 398	0.68 320	1.28 398	0.70 385	1.37 395	1.12 341

IMH-64	1.50 374	1.98 376	2.69 248	1.39 378	1.12 375	1.39 366	1.19 384	1.80 388	1.47 378	1.19 352	2.20 384	1.53 376	1.51 373	2.12 336	1.98 338	1.34 398	0.68 320	1.28 398	0.70 385	1.37 395	1.12 341

coex-ft	6.14 414	1.98 376	60.80 438	0.34 130	0.30 178	0.80 303	1.17 383	0.76 115	4.34 406	19.82 426	2.15 382	1.61 378	8.77 416	1.82 302	10.36 418	0.44 364	2.05 392	0.18 295	0.19 253	0.39 319	4.61 418

GASNet	0.84 284	1.98 376	4.07 378	0.48 257	0.33 203	0.58 116	0.34 211	0.97 268	0.81 266	0.60 201	0.59 185	0.74 262	0.55 253	2.08 332	1.18 289	0.22 313	0.15 183	0.19 300	0.17 229	0.55 358	0.29 123

MFN_U_SF_DS_RVC	1.08 345	2.01 380	2.56 195	0.49 268	0.40 246	1.49 369	0.96 365	1.02 299	0.95 328	0.85 318	0.94 323	1.06 350	0.59 270	2.92 387	1.15 286	0.43 363	0.74 330	0.32 352	0.55 376	0.74 372	1.35 363

ADCS	1.14 349	2.02 381	3.36 332	0.43 236	0.37 232	0.96 339	0.81 354	1.12 348	1.17 363	1.25 364	0.98 331	1.08 353	0.92 338	1.41 237	4.97 405	0.23 321	0.21 232	0.22 318	0.23 280	0.40 325	0.67 281

MANE	3.51 407	2.03 382	3.88 374	1.89 402	2.01 404	5.98 414	4.72 412	5.87 416	7.13 413	3.80 411	5.10 412	6.11 412	5.34 411	4.39 407	5.05 406	1.07 389	1.28 368	0.50 372	0.85 394	0.76 375	2.36 405

WAO-7	1.58 382	2.04 383	3.25 323	0.94 355	0.75 332	1.75 383	1.13 377	1.87 391	1.97 392	1.46 378	2.53 391	1.98 384	1.75 380	3.13 391	2.48 364	0.69 377	0.67 319	0.94 387	0.74 390	0.80 379	0.77 300

MSC_U_SF_DS_RVC	1.40 366	2.04 383	3.02 308	0.58 302	0.41 251	2.15 396	1.00 370	1.31 368	1.29 369	1.05 340	1.10 347	1.29 369	0.91 335	3.07 390	1.34 304	1.65 405	0.84 334	0.68 381	0.88 396	1.55 400	1.91 381

JetBlue	1.89 388	2.09 385	4.16 381	0.74 334	1.23 381	4.52 413	3.86 410	1.68 386	1.26 366	1.28 367	1.54 367	2.36 389	1.86 385	3.35 396	3.37 383	0.54 369	0.49 294	0.48 371	0.49 368	1.39 397	1.21 350

otaku	1.15 350	2.10 386	3.51 352	0.98 359	0.74 331	1.02 343	0.59 317	1.03 305	0.89 309	0.70 273	1.60 368	0.98 331	0.65 284	1.63 270	1.80 334	0.99 387	0.46 288	0.73 383	0.40 354	1.30 393	0.88 319

Ntro	1.11 347	2.10 386	3.52 354	0.97 358	0.87 348	1.06 349	0.54 301	1.02 299	0.93 322	0.63 229	0.76 290	0.93 320	0.67 292	1.76 288	1.71 325	1.03 388	0.46 288	0.76 384	0.41 358	1.29 391	0.86 318

SGM+DAISY	2.67 397	2.14 388	4.28 388	1.92 403	2.11 407	4.36 412	5.22 414	3.17 405	3.00 403	3.24 410	3.81 406	3.03 394	3.61 405	2.53 362	3.79 391	1.15 392	1.29 369	0.66 379	0.71 388	0.95 382	2.44 406

MADNet++	2.94 404	2.17 389	3.27 325	2.55 410	2.28 408	3.29 406	3.37 406	2.76 402	2.67 400	3.10 408	3.20 403	2.78 391	3.25 403	4.11 405	4.68 404	2.72 412	2.27 407	3.03 416	2.43 414	2.34 410	2.59 407

ACVNet-4b	2.00 391	2.19 390	4.85 397	1.09 364	0.86 346	1.15 357	0.53 298	1.11 346	1.15 361	0.65 251	1.09 346	1.97 383	0.69 298	2.31 345	9.78 417	5.73 417	0.42 283	1.03 392	0.55 376	1.89 403	0.92 324

MADNet+	1.44 369	2.19 390	6.00 408	0.89 349	0.70 328	1.58 374	1.11 375	1.56 382	1.30 371	0.89 322	1.03 340	1.25 366	1.12 354	3.29 394	2.80 373	0.48 368	0.57 306	0.39 362	0.36 346	0.63 366	0.69 290

ACVNet_2	1.54 379	2.20 392	4.42 392	1.10 366	0.93 354	1.37 365	0.87 358	1.53 379	1.71 387	1.22 361	1.72 371	2.12 386	1.06 349	2.58 366	1.93 337	0.94 383	0.54 300	1.00 390	0.56 378	2.11 407	0.96 330

RainbowNet	1.27 356	2.22 393	3.58 359	1.14 370	0.92 352	1.08 351	0.76 349	1.19 359	1.15 361	0.77 297	0.97 328	1.08 353	0.83 322	1.64 273	1.72 327	1.20 395	1.30 371	1.01 391	0.58 380	1.23 388	0.97 333

TorneroNet-64	2.74 398	2.23 394	4.18 382	1.48 383	1.20 379	3.88 408	1.01 372	3.48 412	6.61 412	2.62 404	4.55 410	4.20 402	3.84 407	3.39 398	3.40 385	1.23 396	0.66 318	1.39 403	0.80 392	3.42 414	1.27 355

UNDER WATER	2.84 400	2.25 395	5.25 402	1.84 400	1.45 391	2.36 399	1.44 397	3.23 407	6.51 411	2.61 403	2.73 398	5.69 409	5.64 412	3.14 392	4.18 400	1.48 401	0.81 333	1.60 409	1.07 403	1.91 404	1.67 378

DispFullNet	1.69 385	2.25 395	5.23 401	1.53 386	8.78 416	0.89 325	0.37 230	1.03 305	0.98 337	1.37 369	1.00 335	1.13 360	1.97 388	1.51 251	0.98 267	0.55 371	0.32 263	1.19 395	0.64 384	1.16 386	0.88 319

Wz-Net-TNSev	1.02 333	2.26 397	3.69 364	0.38 188	0.31 186	1.00 341	0.71 344	1.12 348	1.02 343	0.74 291	0.73 276	1.09 356	0.91 335	2.46 360	2.15 351	0.21 308	0.20 224	0.16 265	0.20 262	0.48 348	0.62 268

ACVNet_1	1.47 373	2.27 398	4.92 398	1.11 367	0.89 349	1.19 361	0.66 334	1.28 365	1.19 364	0.98 332	0.97 328	3.06 395	1.48 371	2.37 349	1.82 335	1.08 390	0.49 294	1.03 392	0.48 366	1.20 387	0.95 328

UNDER WATER-64	2.59 396	2.28 399	5.63 405	1.85 401	1.45 391	3.28 405	1.60 398	2.62 400	5.57 408	2.09 389	2.12 380	4.10 401	4.21 408	2.74 380	3.64 390	1.49 402	0.86 335	1.58 408	1.09 405	1.91 404	1.62 376

TorneroNet	5.60 413	2.30 400	3.98 375	1.49 385	1.26 384	14.47 421	1.11 375	4.85 414	20.66 430	10.12 415	16.30 422	11.78 420	7.35 414	3.41 399	4.38 401	1.36 400	0.70 326	1.46 405	0.87 395	2.73 411	1.33 360

Dean	1.92 389	2.31 401	5.03 400	1.31 373	1.08 371	1.55 372	0.99 366	1.98 396	2.33 395	1.51 380	4.15 408	4.23 405	1.39 365	2.31 345	2.10 346	1.18 394	0.69 323	1.18 394	0.75 391	1.30 393	1.07 339

PWCK	1.62 384	2.32 402	4.27 386	1.11 367	0.56 291	1.81 385	1.84 400	1.55 381	1.54 382	1.45 376	1.81 372	1.82 381	1.38 364	3.34 395	2.14 350	1.09 391	0.57 306	0.98 389	0.59 381	1.50 399	0.79 305

notaker	2.77 399	2.35 403	4.02 377	2.61 411	1.44 390	1.77 384	1.14 378	2.77 403	1.81 390	2.30 398	11.41 417	3.95 400	4.70 409	3.24 393	3.01 378	1.58 404	0.88 336	1.71 411	1.08 404	2.10 406	1.44 369

KSHMR	4.19 409	2.37 404	6.24 409	1.73 396	1.48 393	1.97 391	1.29 388	3.18 406	17.06 425	2.15 392	15.74 420	9.09 415	1.75 380	8.33 416	2.37 362	1.55 403	1.29 369	1.70 410	1.23 407	1.75 402	1.60 375

LE_ROB	4.55 411	2.43 405	9.94 413	2.79 413	4.03 412	2.40 400	3.54 407	2.72 401	11.04 414	11.64 419	4.69 411	5.25 408	10.74 417	4.52 409	9.73 416	0.82 380	0.70 326	1.34 401	0.97 400	0.74 372	0.94 325

IMH	2.14 395	2.46 406	3.60 362	1.70 393	1.13 377	1.65 379	0.93 364	2.13 397	1.93 391	1.37 369	2.64 396	2.19 387	1.82 384	5.77 410	2.18 353	5.70 416	1.05 349	1.31 400	0.72 389	1.39 397	1.13 343

ktn	4.44 410	2.47 407	3.70 365	1.82 399	1.49 394	2.11 395	1.40 394	2.30 398	12.56 416	11.36 418	16.25 421	11.30 419	3.77 406	4.41 408	3.47 386	1.86 407	0.99 341	1.74 412	1.21 406	3.28 413	1.39 366

WAO-8	2.91 401	2.55 408	3.77 366	1.93 404	1.04 368	4.08 410	0.99 366	3.25 408	6.09 409	2.20 394	3.34 404	3.33 397	2.64 397	11.73 418	2.52 365	2.12 409	1.92 389	1.55 406	0.93 397	1.27 389	0.96 330

Venus	2.91 401	2.55 408	3.77 366	1.93 404	1.04 368	4.08 410	0.99 366	3.25 408	6.09 409	2.20 394	3.34 404	3.33 397	2.64 397	11.73 418	2.52 365	2.12 409	1.92 389	1.55 406	0.93 397	1.27 389	0.96 330

MFN_U_SF_RVC	1.57 381	2.56 410	3.30 329	0.66 322	0.41 251	1.15 357	0.51 292	1.27 364	1.35 373	1.61 383	1.20 351	1.43 373	0.97 343	1.80 297	2.10 346	1.88 408	1.79 386	1.97 413	2.14 412	1.61 401	1.76 380

LVE	2.10 393	2.61 411	4.30 390	1.79 398	1.81 402	1.68 381	1.04 373	2.35 399	2.78 401	1.27 366	2.87 400	4.21 404	1.46 368	2.83 385	2.02 340	2.87 413	0.92 338	1.19 395	1.47 411	1.29 391	1.18 344

SGM-ForestM	3.67 408	2.70 412	5.34 404	1.65 391	1.72 400	6.02 415	5.08 413	4.10 413	3.47 404	4.59 412	4.21 409	9.81 416	5.79 413	6.44 413	6.97 412	0.88 382	1.09 351	0.33 356	0.45 362	0.68 370	2.10 388

SDNR	2.06 392	2.93 413	2.94 297	1.55 387	5.13 414	1.98 392	0.24 83	1.95 395	2.62 398	0.92 327	2.71 397	5.76 410	0.68 294	3.61 401	3.84 392	0.33 353	0.38 275	0.22 318	0.17 229	1.13 384	2.04 386

SPstereo	16.55 424	3.18 414	4.92 398	2.73 412	2.77 409	29.67 431	52.00 432	39.41 439	29.70 439	21.94 435	21.64 429	27.45 437	23.83 431	27.92 439	26.10 433	2.44 411	2.60 412	4.96 418	3.11 416	2.27 408	2.32 404

HanzoNet	7.85 415	3.30 415	5.75 406	7.47 419	3.97 411	2.34 398	1.37 390	3.47 410	4.02 405	13.30 420	10.49 413	10.86 417	16.67 423	8.50 417	10.51 419	10.80 424	9.84 426	5.83 421	13.69 424	7.24 420	7.51 420

JetRed	3.37 405	4.96 416	10.08 414	1.48 383	1.73 401	7.63 416	5.47 415	3.47 410	2.20 393	2.42 400	2.40 388	2.98 393	2.35 395	3.52 400	6.60 410	1.33 397	1.90 388	1.38 402	1.23 407	2.30 409	2.02 385

DGTPSM_ROB	8.97 417	5.94 417	13.01 419	5.95 418	11.34 418	8.54 417	24.06 423	6.47 417	13.52 417	5.19 413	11.52 418	6.18 413	11.04 418	7.02 414	13.92 420	4.47 414	7.66 419	3.90 417	7.43 422	4.34 417	7.98 421

DPSMNet_ROB	9.58 418	5.96 418	13.98 422	8.88 420	11.87 419	8.54 417	24.08 424	6.48 418	13.67 420	5.35 414	11.53 419	6.31 414	11.04 418	7.69 415	14.09 421	7.61 423	8.23 421	5.03 419	7.75 423	5.24 419	8.36 422

SGM-Forest	1.84 387	7.91 419	10.36 415	0.42 226	0.33 203	1.04 344	1.29 388	1.01 293	0.88 304	1.19 352	2.30 387	1.03 342	1.79 383	2.60 368	2.81 374	0.22 313	0.21 232	0.21 314	0.19 253	0.25 209	0.79 305
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_1	22.76 426	11.11 420	11.93 416	12.73 422	26.05 433	19.39 426	27.77 428	14.18 422	13.64 419	14.92 421	10.66 414	11.26 418	11.24 420	12.48 422	14.45 422	37.82 439	7.87 420	34.92 436	63.61 436	87.51 439	11.75 425

DPSM_ROB	12.32 419	11.13 421	12.31 417	12.90 423	12.80 421	19.81 428	28.13 429	14.50 423	14.31 422	10.62 416	11.34 415	12.03 421	11.89 421	13.08 423	15.22 423	7.09 420	8.31 422	6.47 423	7.32 420	8.69 421	8.43 423

DPSM	12.32 419	11.13 421	12.31 417	12.90 423	12.80 421	19.81 428	28.13 429	14.50 423	14.31 422	10.62 416	11.34 415	12.03 421	11.89 421	13.08 423	15.22 423	7.09 420	8.31 422	6.47 423	7.32 420	8.69 421	8.43 423

BEATNet-Init1	12.32 419	12.82 423	28.66 435	3.22 414	3.71 410	21.59 430	11.42 418	14.54 425	13.73 421	20.24 427	20.16 427	26.14 435	19.85 425	19.08 429	15.33 425	1.81 406	1.93 391	2.05 414	2.48 415	4.25 416	3.41 415

PML	22.99 427	17.34 424	8.24 412	5.48 417	9.84 417	50.35 439	102.65 439	5.84 415	13.52 417	37.08 439	104.84 439	30.61 439	23.20 430	12.09 420	7.96 414	6.27 419	2.12 397	6.31 422	2.42 413	10.67 423	2.95 409

LRCNet_RVC	13.78 423	19.34 425	13.01 419	19.47 426	12.67 420	1.85 386	0.42 256	12.28 421	1.10 354	15.76 422	18.69 426	12.52 423	8.65 415	12.22 421	9.64 415	22.29 431	8.38 424	25.92 433	24.06 433	19.72 431	17.59 428

DLNR_Zeroshot_test	13.74 422	20.06 426	23.92 427	121.50 440	35.20 435	0.46 22	0.15 1	7.96 419	0.47 25	0.29 23	0.37 43	0.26 31	0.17 1	0.79 161	0.36 106	7.16 422	2.95 416	0.09 14	0.38 350	50.40 438	1.95 383

xxxxx1	29.05 437	20.74 427	14.05 423	50.10 436	40.25 436	19.01 423	26.60 425	21.83 429	20.22 427	16.52 423	17.56 423	18.33 424	21.41 426	16.11 426	20.77 428	23.48 432	26.77 435	66.36 437	78.56 437	30.19 434	32.23 437

tt_ll	29.05 437	20.74 427	14.05 423	50.10 436	40.25 436	19.01 423	26.60 425	21.83 429	20.22 427	16.52 423	17.56 423	18.33 424	21.41 426	16.11 426	20.77 428	23.48 432	26.77 435	66.36 437	78.56 437	30.19 434	32.23 437

ff	29.05 437	20.74 427	14.05 423	50.10 436	40.25 436	19.01 423	26.60 425	21.83 429	20.22 427	16.52 423	17.56 423	18.33 424	21.41 426	16.11 426	20.77 428	23.48 432	26.77 435	66.36 437	78.56 437	30.19 434	32.23 437

CasAABBNet	24.76 430	22.38 430	24.44 428	26.05 430	25.75 428	39.79 433	56.76 435	29.10 436	28.88 433	21.22 429	22.69 431	24.21 432	23.99 436	26.23 432	30.62 435	14.22 425	16.71 428	13.03 425	14.75 427	17.49 427	16.97 426

HaxPig	19.88 425	22.39 431	22.30 426	17.98 425	17.98 423	12.06 420	12.06 419	16.25 426	15.97 424	21.05 428	21.41 428	18.85 427	18.35 424	20.07 430	19.64 427	23.57 435	23.19 434	24.07 432	23.71 432	22.95 432	23.72 434

MyStereo03	24.90 432	22.40 432	24.90 430	26.19 432	25.93 430	39.80 434	56.77 436	29.00 433	28.95 435	21.51 432	22.81 433	24.16 429	23.92 432	26.26 433	30.65 436	14.24 426	17.13 430	13.03 425	14.76 429	17.48 424	18.00 429

MyStereo02	24.90 432	22.40 432	24.90 430	26.19 432	25.93 430	39.80 434	56.77 436	29.00 433	28.95 435	21.51 432	22.81 433	24.16 429	23.92 432	26.26 433	30.65 436	14.24 426	17.13 430	13.03 425	14.76 429	17.48 424	18.00 429

MyStereo	24.90 432	22.40 432	24.90 430	26.19 432	25.93 430	39.80 434	56.77 436	29.00 433	28.95 435	21.51 432	22.81 433	24.16 429	23.92 432	26.26 433	30.65 436	14.24 426	17.13 430	13.03 425	14.76 429	17.48 424	18.00 429

Selective-RAFT-Error	24.83 431	22.44 435	24.80 429	26.10 431	25.82 429	39.85 437	56.72 434	29.21 438	29.03 438	21.29 431	22.80 432	24.25 433	24.07 437	26.28 436	30.60 434	14.24 426	16.85 429	13.04 429	14.75 427	17.53 428	17.02 427

LSM0	26.57 435	22.53 436	25.76 433	30.62 435	52.30 439	39.86 438	56.49 433	29.18 437	28.76 432	21.26 430	22.46 430	24.42 434	23.97 435	26.42 437	30.66 439	14.29 430	16.56 427	13.06 430	14.65 426	17.62 429	20.52 432

DPSimNet_ROB	24.35 429	23.81 437	31.38 437	25.93 429	22.83 426	31.30 432	34.38 431	20.78 428	28.92 434	27.39 437	22.99 436	28.29 438	35.76 439	15.47 425	17.82 426	24.28 436	17.90 433	22.23 431	14.12 425	19.38 430	22.12 433

MEDIAN_ROB	23.95 428	26.96 438	26.29 434	22.14 427	22.09 425	16.18 422	14.23 420	20.47 427	20.09 426	25.43 436	25.22 437	22.96 428	22.54 429	24.33 431	23.18 431	28.15 437	27.16 438	28.60 434	27.73 434	27.59 433	27.58 435

AVERAGE_ROB	26.91 436	30.28 439	29.18 436	25.78 428	25.30 427	19.49 427	15.38 421	23.70 432	23.02 431	28.38 438	27.78 438	26.23 436	25.76 438	26.95 438	25.55 432	31.27 438	30.02 439	31.76 435	30.80 435	30.88 437	30.77 436

test_example2	115.17 440	122.38 440	93.45 439	115.38 439	123.53 440	101.24 440	113.11 440	54.67 440	99.94 440	135.50 440	136.43 440	85.67 440	85.40 440	110.44 440	104.91 440	152.17 440	205.21 440	99.17 440	114.27 440	138.55 440	112.04 440

Low-res two-view benchmark