Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ADCMid	0.08 37	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 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 38	0.02 12	0.04 31	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 96	0.36 199	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 334	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 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

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

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

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

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

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

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 332	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 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 332	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 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCRef	0.12 67	0.03 27	0.04 31	1.71 335	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 321	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 68	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	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 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	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 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 375	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 348	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 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

ADCP+	0.15 89	0.04 31	0.04 31	2.20 347	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	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 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 282	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 373	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

GwcNet	0.12 67	0.07 43	0.05 44	0.08 37	0.05 69	0.08 74	1.20 307	0.07 74	0.05 68	0.05 64	0.05 71	0.08 75	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

AASNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 44	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 77	0.07 79	0.08 74	0.07 79	0.08 75	0.06 76	0.07 72	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

BEATNet-Init1	0.19 100	0.08 44	0.08 47	2.23 349	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 44	0.08 47	2.23 349	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

Wz-Net-SNSev	0.03 25	0.09 50	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 38	0.09 50	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 79	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

AnonymousM	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SuperB	0.21 108	0.10 52	2.51 381	0.12 59	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 79	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

PVD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetBlue	0.11 59	0.11 63	0.12 78	0.13 69	0.14 118	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 91	0.11 98	0.12 94	0.12 103	0.11 68	0.11 74	0.11 88	0.11 97	0.11 90	0.11 95

aanetorigin	0.13 72	0.11 63	0.11 73	0.11 56	0.11 102	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.11 74	0.14 95	0.11 97	0.49 213	0.11 95

JetRed	0.11 59	0.12 65	0.11 73	0.11 56	0.11 102	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.16 112	0.11 88	0.11 97	0.11 90	0.11 95

LRCNet_RVC	0.13 72	0.13 66	0.09 52	0.13 69	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 127	0.10 86	0.20 115	0.10 87	0.24 136	0.11 92	0.11 68	0.09 55	0.12 91	0.14 120	0.12 94	0.09 79

GMStereo	0.14 79	0.13 66	0.14 97	0.14 73	0.14 118	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 95	0.14 117	0.14 96	0.14 112	0.14 90	0.14 107	0.14 95	0.14 120	0.14 97	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 109	0.13 66	0.19 123	0.23 108	0.10 88	0.26 142	1.02 294	0.14 94	0.10 85	0.28 142	0.14 120	0.17 108	0.19 137	0.28 151	0.09 76	0.22 123	0.16 112	0.23 132	0.17 136	0.11 90	0.12 106

DRN-Test	0.14 79	0.13 66	0.09 52	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 95	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 94	0.73 268

StereoDRNet	0.15 89	0.14 70	0.10 56	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 95	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 96	0.82 278

GMStereo_Zeroshot	0.16 95	0.16 71	0.16 112	0.16 88	0.16 132	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 105	0.16 126	0.16 105	0.16 125	0.16 104	0.16 112	0.16 106	0.16 123	0.16 107	0.16 115

HSM	0.14 79	0.16 71	0.12 78	0.17 94	0.12 114	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.12 111	0.17 108	0.12 103	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.12 106

ELAS_RVC	0.14 79	0.16 71	0.10 56	0.15 82	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 111	0.11 98	0.19 112	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 104	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 72	0.16 71	0.11 73	0.15 82	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 111	0.11 98	0.18 110	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 97	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 89	0.17 75	0.11 73	0.18 95	0.11 102	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 115	0.12 111	0.19 112	0.12 103	0.16 104	0.11 74	0.17 111	0.10 86	0.17 110	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 95	0.18 76	0.13 93	0.19 98	0.13 117	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 114	0.13 115	0.19 112	0.13 109	0.18 115	0.13 106	0.18 118	0.13 118	0.18 113	0.13 112

IGEV_Zeroshot_test	0.20 102	0.19 77	0.40 186	0.30 126	0.17 133	0.22 124	0.17 120	0.21 119	0.17 130	0.20 114	0.17 130	0.21 122	0.18 133	0.21 124	0.17 126	0.20 118	0.16 112	0.20 121	0.16 123	0.20 116	0.17 121

ACVNet	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 289	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

acv_ft	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 289	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

LALA_ROB	0.15 89	0.19 77	0.12 78	0.18 95	0.11 102	0.20 115	0.12 109	0.21 119	0.12 114	0.20 114	0.12 105	0.20 115	0.12 111	0.21 124	0.13 109	0.17 108	0.10 59	0.18 118	0.11 97	0.18 113	0.11 95

ProNet	0.14 79	0.20 81	0.14 97	0.16 88	0.11 102	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.13 115	0.17 108	0.12 103	0.15 97	0.11 74	0.16 106	0.11 97	0.15 104	0.12 106

DAS	0.20 102	0.20 81	0.20 125	0.20 99	0.20 142	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 115	0.20 140	0.20 115	0.20 136	0.20 118	0.20 128	0.20 121	0.20 140	0.20 116	0.20 126

IPLG	0.13 72	0.20 81	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLGR_C	0.14 79	0.20 81	0.12 78	0.15 82	0.11 102	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.16 105	0.11 92	0.15 97	0.12 85	0.14 95	0.12 110	0.15 104	0.12 106

ASD4		0.20 81

MSKI-zero shot	0.24 115	0.21 86	0.49 218	0.65 210	0.18 138	0.22 124	0.17 120	0.23 126	0.18 131	0.21 122	0.17 130	0.23 130	0.28 172	0.23 132	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

CIPLG	0.13 72	0.21 86	0.12 78	0.16 88	0.11 102	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 104	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

MIPNet	0.14 79	0.21 86	0.17 116	0.16 88	0.11 102	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.14 90	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

ACRE	0.13 72	0.21 86	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

WAO-6	0.22 109	0.23 90	0.22 128	0.23 108	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.22 128	0.22 143	0.22 122	0.22 129

IMH-64-1	0.22 109	0.23 90	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

IMH-64	0.22 109	0.23 90	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

MIM_Stereo	0.25 116	0.23 90	0.66 242	0.80 226	0.17 133	0.22 124	0.17 120	0.23 126	0.18 131	0.26 140	0.17 130	0.21 122	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.21 123	0.17 136	0.22 122	0.17 121

iResNetv2_ROB	0.20 102	0.23 90	0.18 121	0.24 113	0.20 142	0.24 131	0.18 124	0.24 129	0.18 131	0.24 132	0.18 138	0.23 130	0.19 137	0.24 136	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.22 122	0.16 115

iResNet	0.20 102	0.23 90	0.18 121	0.24 113	0.18 138	0.24 131	0.20 129	0.24 129	0.18 131	0.23 127	0.17 130	0.23 130	0.18 133	0.23 132	0.18 132	0.22 123	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

Wz-Net-LNSev	0.06 31	0.24 96	0.20 125	0.23 108	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	0.23 132	0.21 129	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 79	0.24 96	0.14 97	0.16 88	0.12 114	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

UNDER WATER-64	0.25 116	0.26 98	0.25 138	0.26 122	0.25 158	0.25 135	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.26 147	0.25 152	0.25 141	0.25 138	0.25 138	0.25 156	0.25 130	0.25 141

TorneroNet-64	0.45 187	0.27 99	0.30 153	0.58 203	0.27 165	0.70 259	0.30 170	0.28 138	0.73 276	0.73 259	0.28 172	0.71 258	0.66 258	0.75 264	0.27 158	0.27 145	0.29 160	0.37 187	0.75 279	0.28 136	0.30 176

LoS	0.25 116	0.27 99	0.25 138	0.25 116	0.25 158	0.25 135	0.25 147	0.26 136	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.25 138	0.25 138	0.26 162	0.26 131	0.25 141

DLNR_Zeroshot_test	0.31 133	0.28 101	0.47 209	0.79 224	0.24 157	0.30 150	0.26 153	0.30 143	0.24 146	0.32 151	0.23 149	0.31 155	0.24 149	0.30 155	0.23 145	0.29 153	0.26 141	0.29 151	0.24 153	0.33 146	0.23 131

SQANet	0.28 126	0.28 101	0.28 147	0.28 124	0.28 168	0.28 146	0.28 161	0.28 138	0.28 168	0.28 142	0.28 172	0.28 147	0.28 172	0.28 151	0.28 162	0.28 147	0.28 151	0.28 147	0.28 172	0.28 136	0.28 164

HGLStereo	0.28 126	0.29 103	0.22 128	0.36 140	0.22 148	0.36 167	0.21 134	0.36 156	0.21 139	0.42 198	0.21 145	0.36 167	0.22 144	0.36 169	0.21 138	0.34 161	0.21 129	0.34 169	0.21 141	0.34 150	0.21 127

DANet	0.30 130	0.30 104	0.30 153	0.30 126	0.30 182	0.30 150	0.30 170	0.30 143	0.30 179	0.30 145	0.30 183	0.30 153	0.30 180	0.30 155	0.30 175	0.30 154	0.30 168	0.30 153	0.30 189	0.30 141	0.30 176
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 334	0.31 105	4.99 392	5.93 384	0.20 142	0.25 135	0.20 129	0.25 132	0.20 137	0.23 127	0.19 139	0.25 137	0.20 140	0.25 138	0.20 136	5.66 393	4.76 385	0.26 141	0.30 189	0.24 129	0.27 152

iResNet_ROB	0.28 126	0.32 106	0.24 136	0.32 132	0.25 158	0.32 160	0.24 145	0.32 145	0.24 146	0.33 153	0.24 155	0.35 162	0.24 149	0.33 161	0.24 147	0.31 156	0.24 137	0.32 155	0.24 153	0.32 142	0.24 140

H2IRNET	0.34 143	0.34 107	0.34 173	0.34 135	0.34 205	0.34 161	0.34 192	0.34 150	0.34 196	0.34 155	0.34 196	0.34 161	0.34 193	0.34 162	0.34 196	0.34 161	0.34 175	0.34 169	0.34 204	0.34 150	0.34 193

MLCV	0.31 133	0.35 108	0.27 144	0.35 136	0.28 168	0.35 164	0.27 156	0.35 152	0.28 168	0.36 161	0.27 167	0.35 162	0.27 167	0.35 164	0.27 158	0.34 161	0.27 146	0.34 169	0.27 168	0.34 150	0.27 152

ETE_ROB	0.35 148	0.35 108	0.35 177	0.35 136	0.35 208	0.35 164	0.35 195	0.35 152	0.35 198	0.35 158	0.35 201	0.35 162	0.35 196	0.35 164	0.35 197	0.35 168	0.35 176	0.35 180	0.35 207	0.35 162	0.35 194

DN-CSS_ROB	0.31 133	0.35 108	0.28 147	0.35 136	0.28 168	0.34 161	0.27 156	0.34 150	0.25 149	0.35 158	0.27 167	0.36 167	0.26 160	0.34 162	0.28 162	0.35 168	0.28 151	0.34 169	0.28 172	0.34 150	0.27 152

Any-RAFT	0.32 141	0.36 111	0.27 144	0.36 140	0.27 165	0.36 167	0.27 156	0.36 156	0.27 165	0.36 161	0.27 167	0.36 167	0.27 167	0.36 169	0.28 162	0.36 171	0.28 151	0.36 185	0.28 172	0.36 168	0.28 164

RAFT-Test	0.36 152	0.37 112	0.33 166	0.41 169	0.32 190	0.41 197	0.32 176	0.41 186	0.32 186	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.33 183	0.37 175	0.29 160	0.37 187	0.29 181	0.38 176	0.31 181

XPNet_ROB	0.37 154	0.37 112	0.37 179	0.37 143	0.37 210	0.37 172	0.37 202	0.37 162	0.37 204	0.37 165	0.37 205	0.37 172	0.37 199	0.37 173	0.37 205	0.37 175	0.37 180	0.37 187	0.37 214	0.37 170	0.37 198

WAO-8	0.38 160	0.38 114	0.38 181	0.38 144	0.38 215	0.38 175	0.38 207	0.38 165	0.38 206	0.38 166	0.38 210	0.38 174	0.38 201	0.38 174	0.38 206	0.38 182	0.38 184	0.38 193	0.37 214	0.38 176	0.38 202

WAO-7	0.38 160	0.38 114	0.38 181	0.38 144	0.38 215	0.38 175	0.38 207	0.38 165	0.38 206	0.38 166	0.38 210	0.38 174	0.38 201	0.38 174	0.38 206	0.38 182	0.38 184	0.38 193	0.38 220	0.38 176	0.38 202

HanzoNet	0.39 165	0.38 114	0.40 186	0.39 148	0.41 226	0.38 175	0.38 207	0.38 165	0.38 206	0.39 171	0.39 214	0.38 174	0.38 201	0.39 181	0.40 212	0.38 182	0.38 184	0.40 202	0.38 220	0.38 176	0.40 206

Venus	0.38 160	0.38 114	0.38 181	0.38 144	0.38 215	0.37 172	0.38 207	0.37 162	0.37 204	0.41 187	0.37 205	0.39 178	0.37 199	0.38 174	0.38 206	0.37 175	0.38 184	0.38 193	0.37 214	0.37 170	0.38 202

IMH	0.38 160	0.38 114	0.38 181	0.38 144	0.38 215	0.38 175	0.38 207	0.38 165	0.38 206	0.42 198	0.38 210	0.40 184	0.38 201	0.38 174	0.38 206	0.38 182	0.38 184	0.39 198	0.38 220	0.38 176	0.38 202

SPstereo	0.47 193	0.38 114	0.51 222	0.56 201	0.31 187	0.67 257	0.44 226	0.55 231	0.31 182	0.61 246	0.44 231	0.46 214	0.52 245	0.67 255	0.42 225	0.48 221	0.40 191	0.47 231	0.36 211	0.53 221	0.33 188

DMCA	0.36 152	0.38 114	0.37 179	0.35 136	0.35 208	0.36 167	0.36 198	0.36 156	0.35 198	0.35 158	0.37 205	0.36 167	0.36 197	0.35 164	0.36 199	0.36 171	0.36 178	0.35 180	0.36 211	0.36 168	0.36 195

StereoDRNet-Refined	0.33 142	0.39 121	0.26 143	0.39 148	0.26 164	0.40 182	0.26 153	0.40 173	0.26 162	0.39 171	0.26 164	0.39 178	0.26 160	0.39 181	0.26 157	0.37 175	0.25 138	0.37 187	0.25 156	0.37 170	0.37 198
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 284	0.39 121	5.28 393	0.39 148	0.20 142	0.39 181	0.27 156	0.39 169	0.22 140	0.38 166	0.20 141	0.38 174	0.20 140	6.95 406	0.22 140	0.30 154	0.21 129	0.27 145	0.21 141	5.25 387	0.21 127

EKT-Stereo	0.37 154	0.40 123	0.44 200	1.07 255	0.29 174	0.34 161	0.31 175	0.36 156	0.29 170	0.38 166	0.31 186	0.37 172	0.30 180	0.36 169	0.29 168	0.34 161	0.28 151	0.39 198	0.30 189	0.37 170	0.30 176

knoymous	0.40 168	0.40 123	0.40 186	0.40 160	0.40 220	0.40 182	0.40 213	0.40 173	0.40 212	0.40 175	0.40 215	0.40 184	0.40 206	0.40 184	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	0.40 160	0.40 220	0.40 182	0.40 213	0.40 173	0.40 212	0.40 175	0.40 215	0.40 184	0.40 206	0.40 184	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	0.40 160	0.40 220	0.40 182	0.40 213	0.40 173	0.40 212	0.40 175	0.40 215	0.40 184	0.40 206	0.40 184	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	0.40 160	0.40 220	0.40 182	0.40 213	0.40 173	0.40 212	0.40 175	0.40 215	0.40 184	0.40 206	0.40 184	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	0.40 160	0.40 220	0.40 182	0.40 213	0.40 173	0.40 212	0.40 175	0.40 215	0.40 184	0.40 206	0.40 184	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	0.40 160	0.40 220	0.40 182	0.40 213	0.40 173	0.40 212	0.40 175	0.40 215	0.40 184	0.40 206	0.40 184	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.
iRaft-Stereo_20w	0.34 143	0.41 130	0.31 159	0.39 148	0.29 174	0.40 182	0.32 176	0.41 186	0.32 186	0.38 166	0.30 183	0.39 178	0.30 180	0.38 174	0.32 180	0.35 168	0.27 146	0.34 169	0.27 168	0.34 150	0.29 168

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

DGSMNet	0.34 143	0.41 130	0.27 144	0.41 169	0.28 168	0.41 197	0.28 161	0.41 186	0.27 165	0.41 187	0.27 167	0.42 210	0.27 167	0.41 197	0.28 162	0.40 191	0.29 160	0.40 202	0.28 172	0.40 186	0.27 152

iRaft-Stereo_5w	0.34 143	0.42 137	0.31 159	0.39 148	0.30 182	0.38 175	0.30 170	0.40 173	0.29 170	0.40 175	0.37 205	0.41 194	0.34 193	0.38 174	0.30 175	0.34 161	0.27 146	0.34 169	0.26 162	0.34 150	0.26 147

Wz-Net-LNSev-Ref	0.11 59	0.44 138	0.33 166	0.39 148	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

IGEV-Stereo	0.35 148	0.44 138	0.45 202	0.49 190	0.30 182	0.37 172	0.30 170	0.36 156	0.30 179	0.36 161	0.29 174	0.36 167	0.29 176	0.36 169	0.30 175	0.46 212	0.39 189	0.32 155	0.24 153	0.32 142	0.25 141
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 154	0.45 140	0.23 130	0.30 126	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	0.34 161	0.22 132	0.47 231	0.37 214	0.39 183	0.33 188

RAFT + AFF	0.31 133	0.45 140	0.34 173	0.39 148	0.28 168	0.38 175	0.33 183	0.29 141	0.31 182	0.30 145	0.30 183	0.29 152	0.27 167	0.29 154	0.30 175	0.28 147	0.29 160	0.29 151	0.29 181	0.27 134	0.32 185

otaku	0.46 188	0.46 142	0.46 204	0.46 180	0.46 237	0.46 221	0.46 228	0.46 206	0.46 229	0.46 207	0.46 234	0.46 214	0.46 224	0.46 214	0.46 230	0.46 212	0.46 208	0.46 227	0.46 237	0.46 202	0.46 223

Dean	0.46 188	0.46 142	0.46 204	0.46 180	0.46 237	0.46 221	0.46 228	0.46 206	0.46 229	0.47 212	0.46 234	0.46 214	0.46 224	0.46 214	0.46 230	0.46 212	0.46 208	0.46 227	0.46 237	0.46 202	0.46 223

ACVNet-4b	0.46 188	0.46 142	0.46 204	0.46 180	0.46 237	0.46 221	0.46 228	0.46 206	0.46 229	0.46 207	0.46 234	0.46 214	0.46 224	0.47 218	0.46 230	0.46 212	0.46 208	0.46 227	0.46 237	0.46 202	0.46 223

psmorigin	0.41 174	0.46 142	0.33 166	0.49 190	0.33 199	0.49 231	0.33 183	0.49 217	0.33 189	0.49 221	0.33 190	0.49 227	0.33 190	0.51 234	0.33 183	0.41 198	0.30 168	0.41 213	0.30 189	0.79 245	0.29 168

Ntro	0.47 193	0.47 146	0.46 204	0.46 180	0.46 237	0.47 225	0.47 234	0.46 206	0.47 232	0.46 207	0.46 234	0.47 220	0.46 224	0.47 218	0.47 234	0.47 217	0.46 208	0.46 227	0.46 237	0.46 202	0.46 223

HaxPig	0.47 193	0.47 146	0.47 209	0.49 190	0.47 243	0.47 225	0.47 234	0.47 211	0.47 232	0.47 212	0.47 241	0.47 220	0.47 233	0.47 218	0.47 234	0.47 217	0.47 214	0.47 231	0.47 243	0.47 208	0.48 231

UNDER WATER	0.47 193	0.47 146	0.47 209	0.47 185	0.47 243	0.47 225	0.47 234	0.47 211	0.47 232	0.47 212	0.47 241	0.47 220	0.46 224	0.47 218	0.47 234	0.47 217	0.47 214	0.47 231	0.46 237	0.47 208	0.47 228

LVE	0.47 193	0.47 146	0.47 209	0.47 185	0.49 248	0.47 225	0.47 234	0.47 211	0.49 240	0.47 212	0.47 241	0.47 220	0.46 224	0.47 218	0.47 234	0.47 217	0.47 214	0.48 239	0.47 243	0.47 208	0.47 228

ACVNet_1	0.46 188	0.47 146	0.46 204	0.46 180	0.46 237	0.46 221	0.46 228	0.46 206	0.47 232	0.46 207	0.46 234	0.46 214	0.46 224	0.46 214	0.46 230	0.46 212	0.46 208	0.47 231	0.46 237	0.46 202	0.46 223

CES	0.39 165	0.47 146	0.36 178	0.36 140	0.37 210	0.45 219	0.35 195	0.35 152	0.40 212	0.36 161	0.44 231	0.47 220	0.36 197	0.44 211	0.36 199	0.37 175	0.39 189	0.44 224	0.35 207	0.37 170	0.36 195

RainbowNet	0.48 198	0.48 152	0.48 214	0.48 188	0.48 245	0.48 229	0.48 239	0.48 215	0.48 238	0.48 216	0.48 244	0.48 225	0.48 234	0.48 223	0.48 239	0.48 221	0.48 218	0.48 239	0.48 246	0.48 211	0.48 231

IGEV+	0.35 148	0.49 153	0.30 153	0.40 160	0.30 182	0.40 182	0.30 170	0.40 173	0.30 179	0.40 175	0.29 174	0.40 184	0.30 180	0.40 184	0.30 175	0.38 182	0.29 160	0.38 193	0.29 181	0.38 176	0.29 168

notaker	0.48 198	0.49 153	0.48 214	0.48 188	0.48 245	0.48 229	0.48 239	0.48 215	0.49 240	0.48 216	0.48 244	0.48 225	0.48 234	0.48 223	0.48 239	0.48 221	0.48 218	0.48 239	0.48 246	0.48 211	0.49 234

ACVNet_2	0.49 201	0.49 153	0.49 218	0.49 190	0.49 248	0.49 231	0.49 242	0.49 217	0.49 240	0.49 221	0.49 248	0.49 227	0.49 239	0.49 229	0.49 242	0.49 224	0.49 220	0.49 242	0.49 248	0.49 213	0.49 234

KSHMR	0.66 216	0.50 156	0.48 214	1.15 264	0.52 253	0.49 231	0.51 246	0.49 217	0.71 274	0.67 253	0.50 250	1.16 302	1.11 290	0.66 253	0.52 246	0.49 224	0.49 220	0.51 246	0.66 267	0.50 217	1.14 304

WZ-Net	0.05 29	0.50 156	0.10 56	0.12 59	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

SANet	0.50 203	0.50 156	0.50 220	0.50 196	0.50 251	0.50 237	0.50 244	0.50 224	0.50 243	0.50 230	0.50 250	0.50 238	0.50 242	0.50 233	0.50 243	0.50 228	0.50 225	0.50 245	0.50 250	0.50 217	0.50 237

CASnet	0.35 148	0.51 159	0.44 200	0.32 132	0.31 187	0.24 131	0.34 192	0.36 156	0.25 149	0.31 147	0.37 205	0.30 153	0.33 190	0.25 138	0.45 228	0.37 175	0.37 180	0.33 162	0.35 207	0.34 150	0.37 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	1.12 285	0.52 160	3.12 384	3.24 367	0.86 291	0.53 241	0.49 242	0.60 240	0.47 232	0.53 235	0.49 248	0.55 243	0.45 223	0.55 239	0.47 234	3.01 377	3.88 380	0.71 264	0.60 259	0.80 248	0.48 231

ktn	0.72 229	0.53 161	1.08 280	1.14 262	0.51 252	1.22 349	1.36 361	0.51 228	0.59 255	0.51 231	0.51 253	0.69 257	1.20 301	0.67 255	0.51 245	0.51 229	0.49 220	0.58 251	0.66 267	0.52 219	0.53 240

TorneroNet	0.66 216	0.53 161	0.50 220	0.50 196	0.64 268	1.06 290	0.70 268	0.50 224	0.51 246	0.49 221	0.69 276	0.49 227	0.50 242	0.48 223	1.15 302	0.71 250	0.49 220	1.14 299	1.08 297	0.49 213	0.49 234

ICVP	0.15 89	0.53 161	0.11 73	0.16 88	0.11 102	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 105	0.11 98	0.16 105	0.11 92	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 164	0.10 56	0.12 59	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 74	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 206	0.54 164	0.54 225	0.54 199	0.53 256	0.54 242	0.54 248	0.53 229	0.54 252	0.54 236	0.54 257	0.54 240	0.53 247	0.54 237	0.54 248	0.54 232	0.53 229	0.54 249	0.54 251	0.54 223	0.54 241

Selective-IGEV	0.51 204	0.55 166	0.45 202	0.69 213	0.45 236	0.61 251	0.45 227	0.50 224	0.40 212	0.56 240	0.44 231	0.55 243	0.40 206	0.72 260	0.67 264	0.59 235	0.46 208	0.45 226	0.34 204	0.46 202	0.37 198

FCDSN-DC	0.41 174	0.59 167	0.64 236	0.54 199	0.33 199	0.50 237	0.37 202	0.42 202	0.40 212	0.61 246	0.43 229	0.50 238	0.49 239	0.38 174	0.32 180	0.28 147	0.23 136	0.26 141	0.22 143	0.35 162	0.28 164
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispNO	1.00 275	0.63 168	0.43 199	3.45 370	0.44 235	0.65 255	0.43 225	0.64 245	0.43 226	0.64 250	0.43 229	0.64 251	3.03 381	0.64 251	0.43 227	4.55 387	0.43 205	0.63 253	0.43 235	0.63 226	0.43 219

LMCR-Stereo	0.65 214	0.63 168	0.65 241	0.65 210	0.65 269	0.66 256	0.63 257	0.58 237	0.65 262	0.63 249	0.64 267	0.65 254	0.65 256	0.66 253	0.66 263	0.66 241	0.64 241	0.65 256	0.67 270	0.68 229	0.73 268

anonymity	0.63 212	0.69 170	0.56 226	0.71 217	0.56 258	0.71 261	0.56 249	0.71 251	0.56 253	0.72 258	0.56 258	0.71 258	0.56 249	0.71 259	0.58 255	0.68 243	0.55 230	0.68 258	0.55 252	0.68 229	0.54 241

CoDeX	0.15 89	0.70 171	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	0.67 264	0.02 14	0.69 250	0.75 268	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 224	0.72 172	0.71 250	0.80 226	0.62 267	0.82 272	0.61 253	0.81 261	0.62 259	0.81 270	0.63 265	0.80 271	0.70 265	0.73 262	0.61 259	0.76 253	0.61 239	0.74 267	0.61 261	0.77 242	0.61 252

DSFCA	0.66 216	0.73 173	0.78 258	0.65 210	0.65 269	0.64 254	0.64 258	0.65 246	0.63 261	0.64 250	0.64 267	0.64 251	0.64 254	0.65 252	0.65 261	0.65 240	0.65 242	0.65 256	0.65 265	0.66 227	0.64 256

SFCPSM	0.17 98	0.78 174	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	0.76 271	0.02 20	0.02 19	0.02 19

G-Net	0.79 238	0.79 175	0.79 260	0.79 224	0.79 287	0.79 269	0.79 275	0.79 257	0.79 282	0.79 265	0.79 286	0.79 270	0.79 273	0.79 266	0.79 278	0.79 255	0.79 258	0.79 273	0.79 282	0.79 245	0.79 274

DMCA-RVC	0.70 224	0.80 176	0.70 248	0.70 215	0.70 278	0.70 259	0.70 268	0.71 251	0.70 271	0.70 256	0.71 279	0.71 258	0.70 265	0.70 258	0.69 271	0.69 244	0.70 251	0.69 261	0.70 275	0.69 233	0.70 263

NaN_ROB	0.80 240	0.80 176	0.80 261	0.80 226	0.80 289	0.80 270	0.80 277	0.80 258	0.80 283	0.80 266	0.80 287	0.80 271	0.80 274	0.80 267	0.80 280	0.80 256	0.80 261	0.80 275	0.80 283	0.80 248	0.80 275

CSAN	0.80 240	0.80 176	0.80 261	0.80 226	0.80 289	0.80 270	0.80 277	0.80 258	0.80 283	0.80 266	0.80 287	0.80 271	0.80 274	0.80 267	0.80 280	0.80 256	0.80 261	0.80 275	0.80 283	0.80 248	0.80 275

ARAFT	0.68 221	0.81 179	0.63 234	0.74 220	0.60 260	0.78 268	0.62 256	0.77 256	0.66 264	0.74 263	0.63 265	0.75 264	0.62 253	0.83 270	0.60 257	0.70 247	0.55 230	0.70 263	0.60 259	0.78 243	0.55 245

Selective-RAFT-Error	0.88 260	0.84 180	0.98 274	0.86 232	0.97 301	0.88 275	0.95 288	0.84 262	0.99 298	0.92 276	0.82 289	0.84 275	0.98 282	0.87 274	0.97 290	0.81 259	0.83 264	0.79 273	0.82 286	0.79 245	0.85 280

AFF-stereo	0.73 230	0.88 181	0.67 244	0.75 221	0.68 277	0.75 263	0.64 258	0.80 258	0.72 275	0.83 271	0.70 277	0.82 274	0.64 254	0.84 271	0.67 264	0.77 254	0.63 240	0.81 277	0.63 264	0.78 243	0.62 254

CASS	0.57 210	0.89 182	0.56 226	0.57 202	0.56 258	0.56 244	0.56 249	0.56 233	0.53 248	0.57 241	0.57 260	0.59 249	0.48 234	0.56 242	0.57 252	0.55 234	0.56 232	0.47 231	0.56 255	0.62 225	0.56 248
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 262	0.89 182	0.72 251	1.16 269	0.78 286	1.06 290	0.82 279	0.87 263	0.97 296	1.00 283	0.91 293	0.90 279	1.00 283	0.89 277	0.93 289	0.83 261	0.83 264	0.82 279	0.82 286	0.81 251	0.82 278

UNet	0.29 129	0.90 184	0.10 56	0.14 73	0.10 88	0.14 94	0.10 85	0.91 267	0.69 269	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 255	0.76 273

xxxxx1	0.31 133	0.91 185	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

tt_ll	0.31 133	0.91 185	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

ff	0.31 133	0.91 185	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

DPSM_ROB	0.92 264	0.91 185	0.91 267	0.91 237	0.92 297	0.92 280	0.92 284	0.92 270	0.91 288	0.93 278	0.91 293	0.92 281	0.90 277	0.91 279	0.92 285	0.92 267	0.91 266	0.91 284	0.92 289	0.93 261	0.93 286

DPSM	0.92 264	0.91 185	0.91 267	0.91 237	0.92 297	0.92 280	0.92 284	0.92 270	0.91 288	0.93 278	0.91 293	0.92 281	0.90 277	0.91 279	0.92 285	0.92 267	0.91 266	0.91 284	0.92 289	0.93 261	0.93 286

pmcnn	0.92 264	0.92 190	0.92 269	0.92 240	0.92 297	0.92 280	0.92 284	0.92 270	0.92 292	0.92 276	0.92 296	0.92 281	0.92 279	0.92 281	0.92 285	0.92 267	0.92 268	0.92 286	0.92 289	0.92 260	0.92 285

tt1	0.31 133	0.93 191	0.24 136	0.33 134	0.23 152	0.31 153	0.24 145	0.32 145	0.24 146	0.32 151	0.23 149	0.32 157	0.25 151	0.32 157	0.24 147	0.27 145	0.26 141	0.27 145	0.26 162	0.27 134	0.27 152

tta	0.09 38	0.95 192	0.09 52	0.10 44	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

R-Stereo Train	0.81 245	0.96 193	0.67 244	0.95 244	0.67 275	0.95 283	0.68 265	0.95 275	0.68 266	0.95 281	0.68 274	0.96 286	0.68 263	0.96 286	0.68 267	0.94 271	0.68 246	0.94 287	0.68 271	0.94 263	0.68 261

RAFT-Stereo	0.81 245	0.96 193	0.67 244	0.95 244	0.67 275	0.95 283	0.68 265	0.95 275	0.68 266	0.95 281	0.68 274	0.96 286	0.68 263	0.96 286	0.68 267	0.94 271	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
Former-RAFT_DAM_RVC	0.49 201	0.98 195	0.64 236	0.84 230	0.46 237	0.45 219	0.35 195	0.47 211	0.47 232	0.45 206	0.34 196	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

dd	0.23 113	0.98 195	0.16 112	0.23 108	0.15 127	0.23 130	0.15 116	0.23 126	0.15 126	0.23 127	0.15 127	0.24 134	0.17 128	0.23 132	0.15 120	0.22 123	0.15 110	0.21 123	0.15 122	0.22 122	0.16 115

222	0.10 44	0.99 197	0.12 78	0.13 69	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 85	0.03 34	0.02 20	0.04 53	0.03 39

ACVNet-DCA	0.37 154	1.00 198	0.30 153	0.40 160	0.29 174	0.40 182	0.29 166	0.40 173	0.29 170	0.40 175	0.29 174	0.40 184	0.29 176	0.39 181	0.28 162	0.33 158	0.32 171	0.33 162	0.32 198	0.33 146	0.32 185

GANet	1.00 275	1.00 198	1.00 276	1.00 250	1.00 302	1.00 286	1.00 291	1.00 277	1.00 299	1.00 283	1.00 298	1.00 288	1.00 283	1.00 288	1.00 293	1.00 273	1.00 271	1.00 293	1.00 293	1.00 266	1.00 292

TDLM	1.00 275	1.00 198	1.00 276	1.00 250	1.00 302	1.00 286	1.00 291	1.00 277	1.00 299	1.00 283	1.00 298	1.00 288	1.00 283	1.00 288	1.00 293	1.00 273	1.00 271	1.00 293	1.00 293	1.00 266	1.00 292

CVANet_RVC	1.00 275	1.00 198	1.00 276	1.00 250	1.00 302	1.00 286	1.00 291	1.00 277	1.00 299	1.00 283	1.00 298	1.00 288	1.00 283	1.00 288	1.00 293	1.00 273	1.00 271	1.00 293	1.00 293	1.00 266	1.00 292

DGTPSM_ROB	0.93 268	1.00 198	0.92 269	0.94 242	0.96 300	0.91 279	0.92 284	0.91 267	0.96 295	0.91 275	0.96 297	0.93 284	0.92 279	0.94 282	0.92 285	0.92 267	0.92 268	0.90 283	0.92 289	0.94 263	0.91 284

SMFormer	0.09 38	1.01 203	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 203	0.10 56	0.10 44	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

GLC_STEREO	1.07 280	1.01 203	1.06 279	1.07 255	1.05 306	1.06 290	1.08 296	1.08 281	1.05 303	1.07 288	1.06 301	1.08 292	1.05 289	1.06 292	1.10 297	1.07 277	1.09 281	1.05 297	1.05 296	1.06 269	1.12 300

1test111	0.37 154	1.02 206	0.30 153	0.39 148	0.29 174	0.40 182	0.28 161	0.39 169	0.29 170	0.39 171	0.29 174	0.39 178	0.28 172	0.40 184	0.29 168	0.33 158	0.32 171	0.33 162	0.31 194	0.32 142	0.31 181

cc1	0.37 154	1.02 206	0.30 153	0.39 148	0.29 174	0.40 182	0.28 161	0.39 169	0.29 170	0.39 171	0.29 174	0.39 178	0.28 172	0.40 184	0.29 168	0.33 158	0.32 171	0.33 162	0.31 194	0.32 142	0.31 181

xx1	0.38 160	1.03 208	0.31 159	0.40 160	0.31 187	0.41 197	0.28 161	0.40 173	0.29 170	0.40 175	0.29 174	0.40 184	0.29 176	0.40 184	0.29 168	0.34 161	0.33 174	0.34 169	0.32 198	0.34 150	0.32 185

dad	0.23 113	1.03 208	0.16 112	0.23 108	0.15 127	0.24 131	0.15 116	0.24 129	0.16 128	0.23 127	0.16 128	0.24 134	0.16 126	0.23 132	0.15 120	0.22 123	0.16 112	0.22 128	0.16 123	0.22 122	0.16 115

ttt	0.10 44	1.09 210	0.12 78	0.12 59	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 85	0.03 34	0.02 20	0.03 39	0.02 19

test_xeample	0.10 44	1.09 210	0.13 93	0.12 59	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	0.14 107	0.03 34	0.03 42	0.03 39	0.03 39

FC-DCNN	1.07 280	1.09 210	0.98 274	0.89 233	0.52 253	1.41 358	0.91 283	1.21 338	1.24 361	1.96 362	2.05 386	1.91 362	1.30 354	1.27 352	1.08 296	0.80 256	0.60 235	0.58 251	0.41 229	0.68 229	0.54 241

MSMD_ROB	1.19 286	1.10 213	0.70 248	1.10 257	0.60 260	1.10 295	0.70 268	1.10 283	0.70 271	1.10 290	0.70 277	1.10 296	0.70 265	7.00 407	0.70 274	1.10 280	0.70 251	1.10 298	0.70 275	1.10 271	0.70 263

1111x	0.10 44	1.14 214	0.13 93	0.14 73	0.03 39	0.04 51	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 74	0.03 34	0.02 20	0.03 39	0.02 19

LoS_RVC	0.30 130	1.14 214	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.26 145	0.26 160	0.26 147	0.25 152	0.26 142	0.26 141	0.25 138	0.25 156	0.26 131	0.26 147

x	0.11 59	1.15 216	0.15 111	0.14 73	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	0.15 110	0.03 34	0.03 42	0.03 39	0.03 39

xxxx	0.11 59	1.16 217	0.16 112	0.12 59	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	0.16 112	0.03 34	0.04 52	0.04 53	0.04 53

CAS	0.30 130	1.17 218	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.26 162	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.26 141	0.26 141	0.25 156	0.26 131	0.25 141

HSM-Net_RVC	0.95 271	1.17 218	0.78 258	1.18 271	0.71 279	1.16 302	0.75 273	1.09 282	0.80 283	1.10 290	0.75 284	1.17 303	0.74 269	1.17 302	0.80 280	1.13 286	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
DPSimNet_ROB	0.97 272	1.18 220	0.81 263	1.10 257	0.91 296	1.02 289	0.82 279	1.04 280	0.91 288	1.03 287	0.86 290	1.28 353	0.82 276	1.03 291	0.89 284	1.17 288	0.81 263	1.02 296	0.82 286	1.08 270	0.81 277

psm_up	0.43 183	1.19 221	0.17 116	0.25 116	0.18 138	0.25 135	0.19 127	1.26 342	0.91 288	0.26 140	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.23 132	0.16 123	1.18 282	0.99 290

DisPM	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

CrosDoStereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PFNet+	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

LCNet	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

HHNet	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Patchmatch Stereo++	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	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	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

STrans-v2	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

TransformOpticalFlow	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

OMP-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

IIG-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

NF-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

OCTAStereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PSM-softLoss	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

KMStereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

NRIStereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PSM-adaLoss	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PSM-AAD	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

FTStereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

ROB_FTStereo_v2	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

ROB_FTStereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Consistency-Raft	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

KYRaft	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

HUI-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

ASMatch	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DeepStereo_LL	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DEmStereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

SST-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

THIR-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT_R40	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DRaft	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PFNet	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

GrayStereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RE-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Pruner-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

TVStereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DeepStereo_RVC	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT-RH_RVC	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

IRAFT_RVC	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT-345	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

iRAFT	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

CRE-IMP	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

GMM-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT-IKP	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Prome-Stereo	1.20 287	1.20 222	1.20 292	1.20 273	1.20 317	1.20 303	1.20 307	1.20 293	1.20 313	1.20 300	1.20 310	1.20 305	1.20 301	1.20 304	1.20 309	1.20 290	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

UPFNet	0.42 182	1.20 222	0.17 116	0.24 113	0.17 133	0.25 135	0.17 120	1.19 290	0.90 287	0.25 133	0.17 130	0.24 134	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.22 128	0.16 123	1.15 274	0.93 286

delet	0.43 183	1.21 268	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 342	0.95 294	0.25 133	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.22 128	0.16 123	1.18 282	0.98 289

CroCo-Stereo	0.73 230	1.22 269	0.25 138	1.22 318	0.25 158	1.22 349	0.25 147	1.22 339	0.25 149	1.22 346	0.25 159	1.22 351	0.25 151	1.22 350	0.25 152	1.22 336	0.26 141	1.21 354	0.25 156	1.22 332	0.25 141
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
MMNet	0.44 186	1.24 270	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 342	0.93 293	0.25 133	0.17 130	0.25 137	0.18 133	0.25 138	0.17 126	0.23 132	0.16 112	0.23 132	0.16 123	1.20 285	0.99 290

CroCo-Stereo Lap2	0.77 234	1.29 271	0.29 149	1.27 321	0.29 174	1.27 352	0.26 153	1.26 342	0.26 162	1.26 347	0.26 164	1.27 352	0.26 160	1.26 351	0.27 158	1.27 338	0.27 146	1.27 357	0.27 168	1.27 334	0.27 152

CSP-Net	0.34 143	1.29 271	1.19 289	1.36 326	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	1.26 337	1.21 340	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 116	1.31 273	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

CC-Net-ROB	1.36 337	1.33 274	1.33 344	1.36 326	1.38 369	1.36 355	1.33 358	1.37 348	1.34 364	1.35 349	1.36 363	1.38 355	1.34 355	1.38 354	1.38 363	1.35 343	1.38 351	1.33 358	1.35 358	1.43 338	1.34 362

MaskLacGwcNet_RVC	1.35 336	1.35 275	1.35 347	1.35 325	1.35 366	1.35 354	1.35 360	1.36 347	1.35 366	1.36 350	1.35 362	1.36 354	1.36 356	1.36 353	1.35 361	1.35 343	1.35 348	1.35 359	1.35 358	1.35 336	1.35 363

PML	0.46 188	1.36 276	0.29 149	0.58 203	0.30 182	0.57 248	0.29 166	0.57 235	0.29 170	0.57 241	0.29 174	0.57 247	0.29 176	0.56 242	0.29 168	0.52 230	0.30 168	0.53 248	0.31 194	0.53 221	0.30 176

PS-NSSS	1.38 339	1.39 277	1.34 345	1.34 324	1.35 366	1.38 356	1.37 366	1.35 346	1.38 369	1.34 348	1.34 361	1.39 356	1.38 358	1.70 357	1.40 364	1.36 345	1.36 349	1.36 361	1.37 361	1.37 337	1.36 364

whm_eth	0.63 212	1.48 278	0.47 209	0.71 217	0.48 245	0.71 261	0.48 239	0.71 251	0.48 238	0.71 257	0.48 244	0.71 258	0.48 234	0.72 260	0.48 239	0.71 250	0.47 214	0.71 264	0.47 243	0.71 235	0.47 228

Gwc-CoAtRS	0.41 174	1.49 279	0.32 162	0.42 177	0.32 190	0.41 197	0.32 176	0.41 186	0.33 189	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.32 180	0.39 188	0.28 151	0.39 198	0.28 172	0.40 186	0.28 164

FENet	0.54 206	1.52 280	1.19 289	1.41 329	0.23 152	0.35 164	0.23 141	0.35 152	0.23 145	0.34 155	0.23 149	0.35 162	0.23 148	0.35 164	0.23 145	1.40 346	1.07 275	0.32 155	0.23 148	0.33 146	0.23 131

CFNet-ft	0.55 208	1.57 281	0.14 97	0.20 99	0.14 118	0.20 115	2.53 384	1.61 351	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	1.56 342	1.24 357

DPSMNet_ROB	1.60 343	1.59 282	1.70 363	1.59 331	1.59 374	1.61 360	1.61 371	1.60 350	1.60 373	1.62 358	1.59 372	1.60 359	1.60 363	1.60 356	1.59 369	1.59 351	1.60 358	1.59 366	1.59 371	1.59 343	1.59 371

RASNet	1.49 340	1.65 283	1.45 356	1.38 328	1.43 372	1.47 359	1.36 361	1.38 349	1.36 367	1.39 351	1.60 373	1.45 357	1.45 360	1.51 355	2.21 381	1.53 350	1.36 349	1.36 361	1.36 360	1.66 344	1.36 364

CRFU-Net	0.65 214	1.67 284	1.22 339	1.96 342	0.27 165	0.41 197	0.27 156	0.41 186	0.27 165	0.40 175	0.26 164	0.41 194	0.27 167	0.40 184	0.27 158	1.80 356	1.62 359	0.34 169	0.23 148	0.33 146	0.23 131

gwcnet-sp	0.82 249	1.72 285	1.48 357	0.39 148	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 355	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 345	0.32 155	0.16 123	6.75 394	0.23 131

scenet	0.82 249	1.72 285	1.48 357	0.39 148	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 355	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 345	0.32 155	0.16 123	6.75 394	0.23 131

ssnet	0.82 249	1.72 285	1.48 357	0.39 148	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 355	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 345	0.32 155	0.16 123	6.75 394	0.23 131

HBP-ISP	1.24 333	1.72 285	1.65 361	1.15 264	0.76 285	1.40 357	0.88 281	1.67 355	1.02 302	1.69 359	1.38 365	1.69 360	1.21 347	1.87 359	1.21 354	1.05 276	0.79 258	0.97 291	0.80 283	1.19 284	0.75 272

LL-Strereo2	0.48 198	1.73 289	0.51 222	0.59 205	0.34 205	0.42 213	0.33 183	0.40 173	0.31 182	0.42 198	0.33 190	0.42 210	0.31 185	0.44 211	0.39 211	0.60 237	0.51 226	0.44 224	0.33 203	0.44 201	0.33 188

test_xeample3	1.10 282	1.81 290	0.61 232	0.84 230	0.49 248	0.77 266	0.66 261	0.92 270	1.40 370	0.68 255	0.46 234	0.78 267	0.54 248	1.72 358	1.48 367	1.34 342	1.52 356	1.35 359	1.67 374	1.33 335	1.55 370

mmm	0.14 79	1.83 291	0.12 78	0.11 56	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 74	0.05 58	0.04 52	0.05 63	0.04 53

hknet	1.10 282	1.85 292	3.49 386	4.48 375	0.02 20	0.42 213	0.06 75	0.41 186	0.02 20	0.48 216	0.03 40	0.41 194	0.03 42	0.42 208	0.03 37	4.39 385	4.19 382	0.33 162	0.23 148	0.34 150	0.27 152

DCRE	0.84 254	1.89 293	0.77 257	0.94 242	0.72 281	0.88 275	0.73 271	0.87 263	0.78 279	0.90 273	0.71 279	0.88 276	0.67 262	0.88 275	0.73 275	0.81 259	0.68 246	0.81 277	0.70 275	0.82 252	0.70 263

BUS	0.83 252	1.91 294	0.92 269	4.48 375	0.02 20	0.40 182	0.04 54	0.41 186	0.02 20	0.48 216	0.03 40	0.41 194	0.05 64	0.03 33	0.05 59	1.97 362	4.19 382	0.33 162	0.23 148	0.34 150	0.27 152

BSDual-CNN	0.81 245	1.91 294	0.92 269	4.48 375	0.02 20	0.42 213	0.06 75	0.41 186	0.02 20	0.48 216	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 362	4.19 382	0.33 162	0.23 148	0.34 150	0.27 152

psmg	0.43 183	1.91 294	0.92 269	1.91 339	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	1.97 362	1.44 354	0.04 48	0.03 42	0.02 19	0.03 39

GANet-RSSM	0.75 232	1.91 294	0.14 97	0.47 185	0.14 118	0.21 122	3.21 392	2.30 370	0.14 118	0.46 207	0.14 120	0.23 130	0.18 133	0.21 124	0.14 112	0.18 115	0.27 146	0.37 187	0.13 118	2.13 354	2.12 380

MFMNet_re	1.81 350	1.91 294	1.71 364	1.95 341	1.70 377	1.95 366	1.70 374	1.96 358	1.74 376	1.97 363	1.72 376	1.95 363	1.71 366	1.97 362	1.71 375	1.86 357	1.62 359	1.85 367	1.66 373	1.86 347	1.64 372

SPS-STEREO	1.59 342	1.91 294	1.21 338	1.94 340	1.20 317	2.00 367	1.23 354	1.99 359	1.24 361	2.00 364	1.25 359	2.03 365	1.26 350	2.00 363	1.29 359	1.90 361	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	1.94 300	1.22 339	1.88 337	1.21 363	1.88 365	1.22 353	1.88 356	1.22 359	1.88 360	1.22 356	1.88 361	1.22 348	1.89 360	1.22 355	1.87 358	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
ssnet_v2	0.68 221	1.96 301	1.25 343	0.29 125	0.20 142	0.30 150	0.20 129	0.29 141	0.22 140	1.50 353	0.20 141	0.31 155	0.20 140	0.27 149	0.22 140	0.24 137	1.49 355	0.26 141	0.18 138	3.90 372	0.19 125

qqq	0.16 95	2.01 302	0.12 78	0.15 82	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.03 37	0.12 73	0.14 107	0.04 48	0.04 52	0.03 39	0.03 39

ToySt	0.92 264	2.11 303	0.90 266	0.95 244	0.79 287	0.99 285	0.78 274	0.94 274	0.81 286	0.94 280	0.78 285	0.95 285	0.77 272	0.94 282	0.86 283	0.91 266	0.79 258	0.85 281	0.77 280	0.89 256	0.73 268

TRStereo	2.00 353	2.13 304	1.85 370	2.27 351	1.84 380	2.28 371	1.84 376	2.29 366	1.86 381	2.30 371	1.87 377	2.30 368	1.87 368	2.08 364	1.72 377	2.08 366	1.72 364	2.08 372	1.72 377	2.08 351	1.72 375

XX-Stereo	2.00 353	2.13 304	1.85 370	2.27 351	1.84 380	2.28 371	1.84 376	2.29 366	1.86 381	2.30 371	1.87 377	2.30 368	1.87 368	2.08 364	1.72 377	2.08 366	1.72 364	2.08 372	1.72 377	2.08 351	1.72 375

EAI-Stereo	2.00 353	2.13 304	1.85 370	2.27 351	1.84 380	2.28 371	1.84 376	2.29 366	1.86 381	2.30 371	1.87 377	2.30 368	1.87 368	2.08 364	1.72 377	2.08 366	1.72 364	2.08 372	1.72 377	2.08 351	1.72 375

11t1	0.17 98	2.16 307	0.13 93	0.13 69	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.05 59	0.18 115	0.12 85	0.06 65	0.03 42	0.05 63	0.03 39

cf-r	0.66 216	2.17 308	0.12 78	0.18 95	0.12 114	0.18 110	2.70 387	2.60 373	0.12 114	0.18 110	0.12 105	0.18 111	0.12 111	0.18 110	0.12 103	0.15 97	0.11 74	0.15 105	0.11 97	1.81 346	1.74 378

UDG	0.80 240	2.21 309	0.60 230	0.91 237	0.60 260	0.90 278	0.58 251	0.88 265	0.60 256	0.90 273	0.60 261	0.88 276	0.60 252	0.90 278	0.58 255	0.86 264	0.60 235	0.84 280	0.59 258	0.84 253	0.61 252

NCCL2	2.28 361	2.27 310	2.28 376	2.28 354	2.28 387	2.27 370	2.29 382	2.28 365	2.28 385	2.27 370	2.28 387	2.28 367	2.27 375	2.27 371	2.28 386	2.28 369	2.28 373	2.27 375	2.29 385	2.27 355	2.29 381

ccnet	0.80 240	2.28 311	0.33 166	0.50 196	0.33 199	0.50 237	0.33 183	0.50 224	0.33 189	0.49 221	0.33 190	0.49 227	1.56 362	2.38 373	0.33 183	0.41 198	0.29 160	0.42 222	1.57 370	2.28 356	0.29 168

GES	0.66 216	2.34 312	0.29 149	0.41 169	0.29 174	0.41 197	0.29 166	0.42 202	0.29 170	0.40 175	0.41 221	0.41 194	0.30 180	0.51 234	0.29 168	0.32 157	0.29 160	0.32 155	2.46 387	2.49 360	0.30 176

DDUNet	0.81 245	2.45 313	0.57 228	0.90 234	0.60 260	0.88 275	0.59 252	0.90 266	0.60 256	0.88 272	0.60 261	0.90 279	0.58 250	0.88 275	0.60 257	0.84 263	0.60 235	0.86 282	0.57 256	0.86 254	0.60 251

FBW_ROB	2.12 359	2.46 314	1.77 367	2.49 358	1.79 379	2.38 375	1.83 375	2.46 371	1.78 377	2.48 375	1.97 382	2.40 375	1.78 367	2.42 374	1.83 380	2.31 370	1.85 369	2.38 377	1.82 381	2.35 358	1.84 379

HH	0.71 226	2.54 315	0.74 254	1.10 257	0.32 190	0.41 197	0.37 202	0.69 249	0.78 279	0.73 259	0.90 291	0.75 264	1.00 283	0.84 271	0.69 271	0.69 244	0.40 191	0.35 180	0.26 162	0.35 162	0.26 147

HanStereo	0.71 226	2.54 315	0.74 254	1.10 257	0.32 190	0.41 197	0.37 202	0.69 249	0.78 279	0.73 259	0.90 291	0.75 264	1.00 283	0.84 271	0.69 271	0.69 244	0.40 191	0.35 180	0.26 162	0.35 162	0.26 147

sAnonymous2	3.31 385	2.63 317	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	2.64 377	2.65 376	6.21 403	4.37 383	1.08 279	5.16 398	2.24 383	4.52 381	2.39 386

CroCo_RVC	3.31 385	2.63 317	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	2.64 377	2.65 376	6.21 403	4.37 383	1.08 279	5.16 398	2.24 383	4.52 381	2.39 386

ff7	1.68 344	2.68 319	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	2.12 372	2.23 368	2.25 382	1.31 339	1.07 275	1.48 363	1.41 363	0.90 257	1.04 295

ffff	1.68 344	2.68 319	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	2.12 372	2.23 368	2.25 382	1.31 339	1.07 275	1.48 363	1.41 363	0.90 257	1.04 295

ccc-4	1.68 344	2.68 319	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	2.12 372	2.23 368	2.25 382	1.31 339	1.07 275	1.48 363	1.41 363	0.90 257	1.04 295

11t	1.27 335	2.70 322	1.34 345	1.32 323	0.89 292	1.30 353	1.34 359	1.64 352	0.57 254	1.45 352	0.72 281	1.05 291	1.29 353	1.07 293	1.29 359	1.49 347	1.02 274	0.97 291	1.15 301	1.48 339	1.31 360

Anonymous	2.11 358	2.74 323	1.41 355	2.77 362	1.40 371	2.74 380	1.46 370	2.75 375	1.50 372	2.87 381	1.39 366	2.74 379	1.46 361	2.72 378	1.41 366	2.72 374	1.41 352	2.81 380	1.41 363	3.16 368	1.39 367

sCroCo_RVC	2.10 357	2.76 324	1.92 374	2.78 363	1.39 370	2.73 379	1.41 368	2.73 374	1.40 370	2.77 380	1.41 368	2.74 379	1.40 359	2.74 379	1.40 364	2.72 374	1.42 353	2.72 379	1.44 367	2.79 365	1.42 368

PSMNet-RSSM	0.77 234	2.76 324	0.14 97	0.20 99	0.14 118	0.20 115	2.66 385	2.79 377	0.14 118	0.21 122	0.14 120	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 361	2.31 382

GwcNet-RSSM	0.77 234	2.77 326	0.14 97	0.20 99	0.14 118	0.20 115	2.67 386	2.78 376	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.21 124	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 361	2.31 382

hitnet-ft	0.79 238	2.78 327	0.14 97	0.20 99	0.14 118	0.21 122	2.89 388	2.80 378	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.54 363	2.33 384

PDISCO_ROB	0.83 252	2.80 328	3.49 386	0.14 73	0.11 102	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 105	0.14 117	3.30 384	0.13 109	0.14 90	2.34 374	0.16 106	0.12 110	2.62 364	0.10 83

iGMRVC	0.84 254	2.85 329	0.72 251	0.72 219	0.73 282	0.77 266	0.79 275	0.73 254	0.74 278	0.73 259	0.72 281	0.73 262	0.76 271	0.73 262	0.73 275	0.72 252	0.73 254	0.73 266	0.72 278	0.73 241	0.72 266

MC-Stereo	1.76 347	2.96 330	1.37 352	2.14 346	1.37 368	2.14 369	1.36 361	2.14 363	1.37 368	2.14 369	1.37 364	2.14 366	1.37 357	2.14 367	1.37 362	1.97 362	1.32 342	1.97 370	1.32 357	1.98 350	1.33 361

PASM	0.39 165	3.06 331	1.36 351	1.58 330	0.09 82	0.11 90	0.11 97	0.11 90	0.11 99	0.09 77	0.09 82	0.11 91	0.09 83	0.09 78	0.09 76	0.11 68	0.11 74	0.11 88	0.09 80	0.11 90	0.11 95

4D-IteraStereo	0.78 237	3.13 332	0.89 264	0.69 213	0.32 190	0.40 182	0.32 176	0.76 255	0.97 296	0.52 234	0.65 271	0.89 278	0.32 186	0.76 265	0.98 291	0.83 261	0.94 270	0.35 180	0.27 168	0.70 234	0.89 283

test croco	1.88 351	3.16 333	0.64 236	3.10 365	0.65 269	3.10 383	0.64 258	3.12 381	0.65 262	3.10 382	0.65 271	3.11 382	0.65 256	3.12 381	0.65 261	3.12 378	0.65 242	3.13 382	0.65 265	3.13 367	0.65 257

iRaftStereo_RVC	0.97 272	3.17 334	2.30 377	2.42 356	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	2.38 372	2.34 374	0.49 242	0.36 211	0.49 213	0.36 195

RCA-Stereo	0.51 204	3.22 335	0.34 173	0.44 178	0.34 205	0.44 218	0.34 192	0.43 204	0.34 196	0.43 202	0.34 196	0.44 213	0.33 190	0.43 209	0.33 183	0.38 182	0.29 160	0.38 193	0.29 181	0.38 176	0.29 168

Anonymous3	2.55 374	3.26 336	1.65 361	3.28 368	1.63 375	3.24 385	1.68 372	3.27 383	1.66 374	3.28 384	1.67 374	3.25 384	1.66 364	3.27 383	1.64 371	3.26 379	1.65 361	3.30 383	1.65 372	4.95 385	1.65 374

MIF-Stereo (partial)	2.58 375	3.31 337	0.66 242	3.18 366	0.66 274	3.18 384	0.66 261	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

MIF-Stereo	2.03 356	3.43 338	0.72 251	3.42 369	0.73 282	3.27 386	0.68 265	3.38 385	0.69 269	3.29 385	0.72 281	3.28 385	0.70 265	3.35 386	0.68 267	3.39 380	0.68 246	3.31 384	0.69 274	3.37 369	0.73 268

DPSNet	3.66 387	3.60 339	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	3.68 382	3.66 378	3.67 388	3.68 394	3.67 370	3.67 393

qqq1	0.25 116	3.70 340	0.14 97	0.14 73	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 116	3.70 340	0.14 97	0.14 73	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

RAFT_CTSACE	1.92 352	3.71 342	1.72 365	1.88 337	1.72 378	2.04 368	1.42 369	2.18 364	1.89 384	2.02 365	1.97 382	1.95 363	2.06 371	1.93 361	1.62 370	1.76 354	1.66 362	2.02 371	1.73 380	1.73 345	1.43 369

MyStereo07	0.60 211	3.72 343	0.48 214	0.49 190	0.41 226	0.36 167	0.32 176	0.49 217	0.43 226	0.51 231	0.42 227	0.49 227	0.43 221	0.51 234	0.64 260	0.49 224	0.45 206	0.34 169	0.32 198	0.35 162	0.43 219

MyStereo04	0.56 209	3.72 343	0.59 229	0.49 190	0.41 226	0.36 167	0.32 176	0.37 162	0.31 182	0.34 155	0.46 234	0.35 162	0.32 186	0.35 164	0.33 183	0.49 224	0.45 206	0.34 169	0.32 198	0.35 162	0.43 219

DualNet	0.25 116	3.83 345	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 116	3.83 345	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 116	3.83 345	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 116	3.83 345	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

NINENet	0.69 223	3.87 349	1.20 292	1.98 343	0.05 69	0.40 182	0.04 54	0.40 173	0.05 68	0.41 187	0.04 63	0.41 194	0.05 64	0.40 184	0.05 59	1.79 355	1.56 357	0.34 169	0.22 143	0.34 150	0.23 131

MyStereo8	0.71 226	3.92 350	0.52 224	0.59 205	0.52 253	0.57 248	0.53 247	0.59 239	0.50 243	0.59 244	0.51 253	0.57 247	0.50 242	0.56 242	0.52 246	0.54 232	0.49 220	0.54 249	0.49 248	0.55 224	0.50 237

MyStereo06	0.75 232	4.12 351	0.60 230	0.63 208	0.61 264	0.62 252	0.66 261	0.56 233	0.45 228	0.55 238	0.48 244	0.54 240	0.46 224	0.57 245	0.45 228	0.60 237	0.57 233	0.64 254	0.55 252	0.72 236	0.55 245

MyStereo05	0.80 240	4.12 351	0.63 234	0.63 208	0.61 264	0.62 252	0.66 261	0.65 246	0.62 259	0.67 253	0.61 263	0.65 254	0.58 250	0.67 255	0.55 251	0.60 237	0.57 233	0.64 254	0.55 252	0.72 236	0.55 245

test-3	0.98 274	4.13 353	1.85 370	1.85 336	0.61 264	0.69 258	0.37 202	0.63 244	0.61 258	0.66 252	0.51 253	0.73 262	0.44 222	0.57 245	0.54 248	1.68 353	1.81 368	0.40 202	0.43 235	0.66 227	0.50 237

IGEVStereo-DCA	1.77 348	4.21 354	1.84 368	2.49 358	2.11 385	2.54 377	1.36 361	1.65 353	1.17 310	2.75 378	1.90 380	2.54 377	1.15 294	0.94 282	1.11 298	1.50 348	1.32 342	0.96 289	1.46 368	1.49 340	0.88 281

rrr	1.77 348	4.21 354	1.84 368	2.49 358	2.11 385	2.54 377	1.36 361	1.65 353	1.17 310	2.75 378	1.90 380	2.54 377	1.15 294	0.94 282	1.11 298	1.50 348	1.32 342	0.96 289	1.46 368	1.49 340	0.88 281

GEStereo_RVC	0.86 259	4.45 356	0.20 125	0.27 123	0.20 142	0.27 145	0.20 129	0.26 136	0.18 131	5.03 398	0.20 141	0.27 146	0.19 137	0.27 149	0.21 138	0.20 118	0.19 127	0.19 120	4.02 399	0.20 116	0.18 124

error version	0.93 268	4.47 357	2.35 378	1.99 344	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	1.87 358	2.16 370	0.47 231	0.37 214	0.39 183	0.33 188

test_1	0.93 268	4.47 357	2.35 378	1.99 344	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	1.87 358	2.16 370	0.47 231	0.37 214	0.39 183	0.33 188

MyStereo02	0.85 257	4.58 359	0.64 236	0.76 222	0.65 269	0.75 263	0.61 253	0.60 240	0.53 248	0.80 266	0.64 267	0.78 267	0.66 258	0.55 239	0.57 252	0.70 247	0.66 244	0.68 258	0.62 262	0.72 236	0.59 249

MyStereo	0.85 257	4.58 359	0.64 236	0.76 222	0.65 269	0.75 263	0.61 253	0.60 240	0.53 248	0.80 266	0.64 267	0.78 267	0.66 258	0.55 239	0.57 252	0.70 247	0.66 244	0.68 258	0.62 262	0.72 236	0.59 249

TestStereo	4.88 398	4.75 361	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

DispFullNet	4.61 394	4.84 362	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

CFNet-RSSM	0.91 263	4.89 363	0.34 173	0.44 178	1.07 307	1.62 361	1.40 367	0.91 267	0.35 198	1.60 354	1.39 366	0.64 251	0.34 193	0.44 211	0.33 183	0.41 198	0.35 176	0.75 268	0.30 189	0.41 194	0.29 168

MyStereo03	0.84 254	4.93 364	0.68 247	0.90 234	0.74 284	0.56 244	0.46 228	0.55 231	0.52 247	0.74 263	0.56 258	0.56 245	0.46 224	0.81 269	0.54 248	0.59 235	0.52 227	0.75 268	0.68 271	0.68 229	0.65 257

StereoVision	3.15 383	5.00 365	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	1.27 351	5.03 399	1.24 356	5.10 390	1.09 281	4.61 395	0.57 256	5.62 390	1.12 300

LL-Strereo	1.01 279	5.06 366	1.63 360	0.70 215	1.43 372	0.56 244	0.46 228	0.57 235	0.50 243	0.57 241	0.50 250	1.58 358	0.49 239	0.59 247	0.50 243	1.64 352	0.52 227	0.51 246	1.37 361	0.52 219	0.45 222

CFNet	1.37 338	5.27 367	0.19 123	5.49 381	0.19 141	0.28 146	0.19 127	0.28 138	0.19 136	0.28 142	0.19 139	0.28 147	4.35 392	0.28 151	0.19 135	0.23 132	0.17 124	0.23 132	4.21 401	4.81 383	0.17 121

UDGNet	2.23 360	5.40 368	1.72 365	2.48 357	1.69 376	2.51 376	1.69 373	2.51 372	1.72 375	2.50 376	1.69 375	2.52 376	1.69 365	2.50 375	1.68 374	2.41 373	1.70 363	2.42 378	1.69 376	2.42 359	1.64 372

SGM-Forest	5.21 402	5.92 369	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
StereoIM	3.19 384	6.02 370	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	0.97 281	4.85 397	0.99 292	4.53 386	1.16 290	5.53 400	1.25 355	5.37 388	1.30 359

IER	0.88 260	7.04 371	2.23 375	2.75 361	0.28 168	0.43 217	0.25 147	0.39 169	0.25 149	0.41 187	0.27 167	0.39 178	0.25 151	0.40 184	0.28 162	0.37 175	0.28 151	0.37 187	0.25 156	0.37 170	0.25 141

HCRNet	1.22 332	7.11 372	3.00 383	3.55 371	0.33 199	0.29 149	0.14 113	0.19 111	0.15 126	0.33 153	0.29 174	0.25 137	0.14 117	0.22 128	0.33 183	3.64 381	3.00 377	0.76 271	0.32 198	0.18 113	0.13 112

SA	4.33 390	7.35 373	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	2.72 379	3.13 382	4.03 396	7.09 403	6.86 396	3.57 386	3.12 389	3.85 371	3.51 392

cross-raft	4.83 397	7.52 374	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

test_5	4.62 395	7.55 375	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

RAFT+CT+SA	4.28 389	7.62 376	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

raft_robust	4.71 396	7.75 377	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_4	4.88 398	8.13 378	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	8.37 379	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

TestStereo1	4.60 392	8.41 380	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	8.41 380	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

CFNet_RVC	2.38 370	8.71 382	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	0.34 204	8.30 400	6.87 406

test_3	5.01 400	8.86 383	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

SGM+DAISY	7.06 405	9.15 384	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	9.16 385	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	9.36 386	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

CFNet_pseudo	2.67 378	9.36 386	0.32 162	10.99 408	0.33 199	0.85 273	0.33 183	0.49 217	0.33 189	0.49 221	0.32 187	0.49 227	7.26 402	0.49 229	0.33 183	0.41 198	9.62 405	0.41 213	0.29 181	10.03 407	0.29 168

CFNet_ucs	2.73 379	9.64 388	0.33 166	9.92 404	0.32 190	0.49 231	0.33 183	0.49 217	0.33 189	0.49 221	0.33 190	0.49 227	8.98 406	0.48 223	0.33 183	0.41 198	9.96 408	0.40 202	0.29 181	10.12 408	0.54 241

PCWNet_CMD	2.80 382	9.82 389	0.32 162	10.09 406	0.32 190	0.49 231	0.33 183	3.34 384	0.33 189	0.49 221	0.33 190	0.49 227	8.73 404	0.48 223	0.33 183	0.41 198	9.22 402	0.42 222	0.29 181	9.55 405	0.31 181

pcwnet_v2	2.66 377	9.89 390	0.33 166	9.89 403	0.32 190	0.50 237	0.32 176	0.49 217	0.33 189	0.49 221	0.34 196	0.49 227	8.76 405	0.48 223	0.33 183	0.41 198	9.58 404	0.40 202	0.29 181	9.01 403	0.63 255

UCFNet_RVC	2.75 380	10.06 391	0.29 149	10.31 407	0.29 174	0.42 213	0.29 166	0.43 204	0.29 170	0.42 198	0.29 174	0.42 210	9.87 408	0.43 209	0.29 168	0.36 171	9.84 407	0.36 185	0.26 162	9.77 406	0.26 147

MSMDNet	2.65 376	10.14 392	0.33 166	9.74 401	0.32 190	0.87 274	0.33 183	2.95 380	0.68 266	0.49 221	0.34 196	0.49 227	5.70 398	0.49 229	0.33 183	0.42 211	9.57 403	0.41 213	0.31 194	8.36 401	0.65 257

ccs_rob	2.79 381	10.17 393	0.32 162	10.00 405	0.33 199	0.49 231	0.33 183	1.90 357	0.32 186	0.51 231	0.33 190	0.49 227	9.24 407	0.49 229	0.33 183	0.41 198	9.82 406	0.41 213	0.28 172	9.34 404	0.29 168

test-v	7.53 406	11.89 394	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	11.89 394	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

Anonymous Stereo	2.36 365	18.47 396	11.50 408	9.80 402	0.53 256	0.28 146	0.50 244	0.58 237	0.53 248	0.59 244	0.53 256	0.66 256	0.52 245	0.62 248	0.41 219	0.36 171	0.37 180	0.31 154	0.19 139	0.20 116	0.22 129

rafts_anoy	20.00 410	20.00 397	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	20.00 397	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	20.00 397	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	20.00 397	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	20.00 397	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	20.00 397	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

MANE	19.05 409	23.00 403	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

stereogan	2.33 363	24.38 404	1.18 288	1.18 271	1.18 316	1.14 300	1.18 305	1.19 290	1.19 312	1.14 297	1.18 309	1.14 301	1.18 299	1.14 300	1.18 307	1.14 287	1.14 288	1.19 308	1.19 305	1.15 274	1.19 308

Abc-Net	2.32 362	24.75 405	1.14 283	1.17 270	1.17 314	1.11 298	1.15 301	1.17 287	1.21 358	1.08 289	1.16 305	1.12 300	1.14 293	1.09 294	1.17 306	1.09 278	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
RP	2.33 363	25.00 406	1.13 282	1.15 264	1.15 309	1.10 295	1.15 301	1.15 284	1.15 305	1.12 295	1.15 302	1.09 294	1.13 291	1.10 296	1.15 302	1.11 285	1.09 281	1.16 301	1.12 299	1.16 276	1.17 306

RGC	2.36 365	25.48 407	1.19 289	1.15 264	1.15 309	1.10 295	1.16 303	1.17 287	1.16 306	1.12 295	1.16 305	1.11 299	1.13 291	1.09 294	1.18 307	1.10 280	1.15 289	1.16 301	1.12 299	1.14 273	1.12 300

NCC-stereo	2.36 365	25.52 408	1.17 286	1.15 264	1.17 314	1.11 298	1.11 297	1.15 284	1.16 306	1.10 290	1.16 305	1.10 296	1.15 294	1.14 300	1.13 300	1.09 278	1.11 285	1.15 300	1.16 303	1.17 281	1.17 306

AF-Net	2.37 368	25.71 409	1.17 286	1.13 261	1.15 309	1.15 301	1.18 305	1.19 290	1.16 306	1.10 290	1.15 302	1.10 296	1.18 299	1.12 299	1.15 302	1.10 280	1.10 284	1.17 305	1.15 301	1.16 276	1.12 300

Nwc_Net	2.37 368	25.95 410	1.15 285	1.14 262	1.15 309	1.08 293	1.14 300	1.17 287	1.16 306	1.14 297	1.15 302	1.08 292	1.15 294	1.11 298	1.14 301	1.10 280	1.11 285	1.16 301	1.09 298	1.16 276	1.15 305

FAT-Stereo	2.46 372	26.05 411	1.23 341	1.23 320	1.22 364	1.20 303	1.24 355	1.23 341	1.23 360	1.19 299	1.22 356	1.21 350	1.24 349	1.20 304	1.24 356	1.21 335	1.17 292	1.22 355	1.25 355	1.20 285	1.24 357

S-Stereo	2.51 373	26.86 412	1.23 341	1.22 318	1.22 364	1.24 351	1.25 356	1.22 339	1.24 361	1.21 345	1.24 358	1.19 304	1.27 351	1.19 303	1.24 356	1.19 289	1.20 294	1.25 356	1.19 305	1.24 333	1.23 356

edge stereo	2.43 371	27.07 413	1.14 283	1.06 254	1.14 308	1.08 293	1.17 304	1.16 286	1.14 304	1.10 290	1.16 305	1.09 294	1.16 298	1.10 296	1.16 305	1.10 280	1.11 285	1.16 301	1.19 305	1.13 272	1.11 298

fff	1000028.16 433	29.62 414	29.72 417	32.61 416	30.02 417	35.13 418	31.83 418	32.07 417	10000000.00 433	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	10000000.00 433	30.77 418

csc	1000028.16 433	29.62 414	29.72 417	32.61 416	30.02 417	35.13 418	31.83 418	32.07 417	10000000.00 433	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	10000000.00 433	30.77 418

cscssc	1000028.16 433	29.62 414	29.72 417	32.61 416	30.02 417	35.13 418	31.83 418	32.07 417	10000000.00 433	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	10000000.00 433	30.77 418

STTStereo	3.73 388	30.40 417	2.37 380	2.39 355	2.31 389	2.35 374	2.33 383	2.29 366	2.42 386	2.32 374	2.34 388	2.33 371	2.36 376	2.30 372	2.27 385	2.35 371	2.22 372	2.31 376	2.22 382	2.29 357	2.34 385

111	30.40 416	30.94 418	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

DCANet-4	35.22 418	34.54 419	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

tt	500032.53 431	34.60 420	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	10000000.00 434	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	500032.53 431	34.60 420	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	10000000.00 434	33.57 420	33.13 421	33.68 420	35.00 422	34.03 421	35.26 423	30.96 417	34.63 422

WCMA_ROB	31.10 417	35.43 422	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

ADStereo(finetuned)	36.13 419	36.63 423	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

NLCA_NET_v2_RVC	5.04 401	50.87 424	2.78 382	2.87 364	2.71 390	2.78 381	0.47 234	2.88 379	2.86 390	1.89 361	2.67 389	2.79 381	2.79 380	2.78 380	2.83 387	2.82 376	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.
MDST_ROB	69.83 420	87.70 425	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

MGS-Stereo	239.45 425	123.00 426	135.00 429	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	221.00 430	247.00 431	216.00 430	123.00 428	217.00 427	217.00 431

AE-Stereo	201.80 424	123.00 426	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	184.00 430	204.00 426	201.00 429

EGLCR-Stereo	246.90 426	129.00 428	139.00 430	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	230.00 431	247.00 431	216.00 430	223.00 432	237.00 428	227.00 432

NOSS_ROB	102.95 421	153.00 429	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

MeshStereo	159.24 423	171.00 430	160.68 431	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	159.13 429	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
PA-Net	11.80 408	223.51 431	0.62 233	0.59 205	0.71 279	0.59 250	0.73 271	0.67 248	0.73 276	0.55 238	0.61 263	0.60 250	0.74 269	0.63 250	0.73 275	0.66 241	0.60 235	0.69 261	0.66 267	0.72 236	0.65 257
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 427	354.61 432	207.27 432	363.24 432	206.46 429	364.72 432	210.41 429	364.72 432	210.41 426	364.81 432	208.64 430	364.81 432	208.64 428	364.72 432	210.41 430	354.70 432	205.53 430	354.70 432	205.53 431	354.70 429	205.53 430

LE_ROB	396.57 428	471.28 433	329.84 433	471.48 433	308.15 433	526.83 433	322.10 433	488.15 433	323.76 430	495.46 433	317.97 433	497.17 433	320.10 431	481.62 433	326.76 433	462.71 433	298.97 433	466.16 433	285.98 433	447.62 430	289.21 433

SGM-ForestM	596.69 429	677.77 434	444.52 434	699.85 434	517.25 434	732.94 434	488.29 434	770.79 434	460.11 431	750.81 434	487.98 434	792.79 434	499.41 432	730.90 434	475.81 434	720.03 434	491.16 434	663.96 434	418.60 434	674.76 431	436.05 434

CBMV_ROB	818.48 430	913.88 435	709.52 435	862.84 435	597.78 435	1073.99 435	700.52 435	1015.66 435	702.59 432	1115.65 435	760.02 435	1130.24 435	721.57 433	1037.41 435	692.65 435	814.05 435	564.29 435	843.28 435	595.31 435	915.51 432	602.92 435

CBMV	128.50 422	1422.70 436	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
SDNR	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436

anonymousdsp2	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436

anonymousdsp	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436

test_example2	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436

DIP-Stereo	10000000.00 436	10000000.00 437	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 434	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 436	10000000.00 433	10000000.00 436
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