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	1.01 255	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 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	0.90 236	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 96	0.36 200	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	1.62 337	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 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	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 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	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 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	1.71 338	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	1.27 324	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 69	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	1.57 370	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	1.65 374	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	1.71 377	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	2.22 351	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 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	2.20 350	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	0.90 284	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	1.66 375	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

FADE		0.06 42		0.09 41	0.10 88							0.05 63				0.15 97	0.10 59	0.17 111	0.13 118	0.11 90

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 309	0.07 74	0.05 68	0.05 64	0.05 71	0.08 76	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 45	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 45	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 45	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 45	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 76	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 45	0.08 47	2.23 352	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	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 45	0.08 47	2.23 352	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	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 51	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 51	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 80	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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	0.21 109	0.10 53	2.51 383	0.12 60	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 80	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	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 64	0.12 78	0.13 70	0.14 119	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 92	0.11 98	0.12 94	0.12 103	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 92	0.11 98	0.11 90	0.11 92	0.11 68	0.11 75	0.14 95	0.11 97	0.49 215	0.11 95

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 92	0.11 98	0.11 90	0.11 92	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 128	0.10 86	0.20 116	0.10 87	0.24 137	0.11 92	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 96	0.14 117	0.14 96	0.14 112	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	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	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 296	0.14 94	0.10 85	0.28 143	0.14 120	0.17 109	0.19 137	0.28 152	0.09 76	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 106

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 74	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 96	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 270

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 96	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 280

GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 106	0.16 126	0.16 105	0.16 125	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 115

HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 109	0.12 111	0.17 108	0.12 103	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 106

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 112	0.11 98	0.19 112	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 72	0.16 72	0.11 73	0.15 83	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 112	0.11 98	0.18 110	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 116	0.12 111	0.19 112	0.12 103	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 99	0.13 118	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 115	0.13 115	0.19 112	0.13 109	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 112

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 187	0.30 128	0.17 134	0.22 125	0.17 120	0.21 120	0.17 130	0.20 114	0.17 130	0.21 124	0.18 133	0.21 125	0.17 126	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 121

ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 291	0.21 120	0.14 118	0.20 114	0.13 117	0.21 124	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 106

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 291	0.21 120	0.14 118	0.20 114	0.13 117	0.21 124	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 106

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 120	0.12 114	0.20 114	0.12 105	0.20 116	0.12 111	0.21 125	0.13 109	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 109	0.13 115	0.17 108	0.12 103	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 106

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 116	0.20 140	0.20 115	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 126

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 96	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 83	0.11 103	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 96	0.11 98	0.16 105	0.11 92	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 106

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 116	0.20 140	0.20 115	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 126

MSKI-zero shot	0.24 116	0.21 87	0.49 219	0.65 212	0.18 139	0.22 125	0.17 120	0.23 127	0.18 131	0.21 123	0.17 130	0.23 132	0.28 173	0.23 133	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 115

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 105	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

MIPNet	0.14 79	0.21 87	0.17 116	0.16 89	0.11 103	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 96	0.11 98	0.14 96	0.11 92	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 96	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 129	0.22 145	0.22 129	0.22 141	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 130

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 129	0.22 145	0.22 129	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 132

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 129	0.22 145	0.22 129	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 132

MIM_Stereo	0.25 117	0.23 91	0.66 243	0.80 228	0.17 134	0.22 125	0.17 120	0.23 127	0.18 131	0.26 141	0.17 130	0.21 124	0.17 128	0.25 139	0.17 126	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 121

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 130	0.18 131	0.24 133	0.18 138	0.23 132	0.19 137	0.24 137	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 115

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 130	0.18 131	0.23 128	0.17 130	0.23 132	0.18 133	0.23 133	0.18 132	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 115

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 96	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.25 139	0.25 152	0.26 148	0.25 153	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 142

TorneroNet-64	0.45 188	0.27 100	0.30 154	0.58 205	0.27 167	0.70 260	0.30 171	0.28 139	0.73 278	0.73 261	0.28 173	0.71 260	0.66 259	0.75 265	0.27 159	0.27 147	0.29 162	0.37 189	0.75 282	0.28 138	0.30 177

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 137	0.25 150	0.25 134	0.25 160	0.25 139	0.25 152	0.25 139	0.25 153	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 142

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 210	0.79 226	0.24 159	0.30 151	0.26 154	0.30 144	0.24 147	0.32 152	0.23 150	0.31 157	0.24 150	0.30 156	0.23 146	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 132

SQANet	0.28 127	0.28 102	0.28 148	0.28 126	0.28 170	0.28 147	0.28 162	0.28 139	0.28 169	0.28 143	0.28 173	0.28 149	0.28 173	0.28 152	0.28 163	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 165

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 142	0.22 150	0.36 168	0.21 135	0.36 157	0.21 140	0.42 199	0.21 146	0.36 169	0.22 145	0.36 170	0.21 139	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 128

DANet	0.30 131	0.30 105	0.30 154	0.30 128	0.30 184	0.30 151	0.30 171	0.30 144	0.30 180	0.30 146	0.30 184	0.30 155	0.30 181	0.30 156	0.30 176	0.30 156	0.30 170	0.30 155	0.30 191	0.30 143	0.30 177
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 336	0.31 106	4.99 394	5.93 387	0.20 143	0.25 136	0.20 129	0.25 133	0.20 137	0.23 128	0.19 139	0.25 139	0.20 140	0.25 139	0.20 136	5.66 396	4.76 388	0.26 143	0.30 191	0.24 131	0.27 153

iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 146	0.24 147	0.33 154	0.24 156	0.35 164	0.24 150	0.33 162	0.24 148	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 141

H2IRNET	0.34 144	0.34 108	0.34 174	0.34 137	0.34 207	0.34 162	0.34 193	0.34 151	0.34 197	0.34 156	0.34 197	0.34 163	0.34 194	0.34 163	0.34 197	0.34 163	0.34 177	0.34 171	0.34 206	0.34 152	0.34 194

MLCV	0.31 134	0.35 109	0.27 145	0.35 138	0.28 170	0.35 165	0.27 157	0.35 153	0.28 169	0.36 162	0.27 168	0.35 164	0.27 168	0.35 165	0.27 159	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 153

ETE_ROB	0.35 149	0.35 109	0.35 178	0.35 138	0.35 210	0.35 165	0.35 196	0.35 153	0.35 199	0.35 159	0.35 202	0.35 164	0.35 197	0.35 165	0.35 198	0.35 170	0.35 178	0.35 182	0.35 209	0.35 164	0.35 195

DN-CSS_ROB	0.31 134	0.35 109	0.28 148	0.35 138	0.28 170	0.34 162	0.27 157	0.34 151	0.25 150	0.35 159	0.27 168	0.36 169	0.26 161	0.34 163	0.28 163	0.35 170	0.28 153	0.34 171	0.28 174	0.34 152	0.27 153

Any-RAFT	0.32 142	0.36 112	0.27 145	0.36 142	0.27 167	0.36 168	0.27 157	0.36 157	0.27 166	0.36 162	0.27 168	0.36 169	0.27 168	0.36 170	0.28 163	0.36 173	0.28 153	0.36 187	0.28 174	0.36 170	0.28 165

RAFT-Test	0.36 153	0.37 113	0.33 167	0.41 171	0.32 192	0.41 198	0.32 177	0.41 187	0.32 187	0.41 188	0.32 188	0.41 196	0.32 187	0.41 198	0.33 184	0.37 177	0.29 162	0.37 189	0.29 183	0.38 178	0.31 182

XPNet_ROB	0.37 155	0.37 113	0.37 180	0.37 145	0.37 212	0.37 173	0.37 203	0.37 163	0.37 205	0.37 166	0.37 206	0.37 174	0.37 200	0.37 174	0.37 206	0.37 177	0.37 182	0.37 189	0.37 216	0.37 172	0.37 199

WAO-8	0.38 161	0.38 115	0.38 182	0.38 146	0.38 217	0.38 176	0.38 208	0.38 166	0.38 207	0.38 167	0.38 211	0.38 176	0.38 202	0.38 175	0.38 207	0.38 184	0.38 186	0.38 195	0.37 216	0.38 178	0.38 203

WAO-7	0.38 161	0.38 115	0.38 182	0.38 146	0.38 217	0.38 176	0.38 208	0.38 166	0.38 207	0.38 167	0.38 211	0.38 176	0.38 202	0.38 175	0.38 207	0.38 184	0.38 186	0.38 195	0.38 222	0.38 178	0.38 203

HanzoNet	0.39 166	0.38 115	0.40 187	0.39 150	0.41 228	0.38 176	0.38 208	0.38 166	0.38 207	0.39 172	0.39 215	0.38 176	0.38 202	0.39 182	0.40 213	0.38 184	0.38 186	0.40 204	0.38 222	0.38 178	0.40 207

Venus	0.38 161	0.38 115	0.38 182	0.38 146	0.38 217	0.37 173	0.38 208	0.37 163	0.37 205	0.41 188	0.37 206	0.39 180	0.37 200	0.38 175	0.38 207	0.37 177	0.38 186	0.38 195	0.37 216	0.37 172	0.38 203

IMH	0.38 161	0.38 115	0.38 182	0.38 146	0.38 217	0.38 176	0.38 208	0.38 166	0.38 207	0.42 199	0.38 211	0.40 186	0.38 202	0.38 175	0.38 207	0.38 184	0.38 186	0.39 200	0.38 222	0.38 178	0.38 203

SPstereo	0.47 194	0.38 115	0.51 223	0.56 203	0.31 189	0.67 258	0.44 227	0.55 232	0.31 183	0.61 247	0.44 232	0.46 216	0.52 246	0.67 256	0.42 226	0.48 223	0.40 193	0.47 233	0.36 213	0.53 223	0.33 189

DMCA	0.36 153	0.38 115	0.37 180	0.35 138	0.35 210	0.36 168	0.36 199	0.36 157	0.35 199	0.35 159	0.37 206	0.36 169	0.36 198	0.35 165	0.36 200	0.36 173	0.36 180	0.35 182	0.36 213	0.36 170	0.36 196

StereoDRNet-Refined	0.33 143	0.39 122	0.26 144	0.39 150	0.26 166	0.40 183	0.26 154	0.40 174	0.26 163	0.39 172	0.26 165	0.39 180	0.26 161	0.39 182	0.26 158	0.37 177	0.25 140	0.37 189	0.25 158	0.37 172	0.37 199
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 286	0.39 122	5.28 395	0.39 150	0.20 143	0.39 182	0.27 157	0.39 170	0.22 141	0.38 167	0.20 141	0.38 176	0.20 140	6.95 408	0.22 141	0.30 156	0.21 131	0.27 147	0.21 143	5.25 390	0.21 128

EKT-Stereo	0.37 155	0.40 124	0.44 201	1.07 258	0.29 176	0.34 162	0.31 176	0.36 157	0.29 171	0.38 167	0.31 187	0.37 174	0.30 181	0.36 170	0.29 169	0.34 163	0.28 153	0.39 200	0.30 191	0.37 172	0.30 177

knoymous	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 186	0.40 207	0.40 185	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 207

anonymousa	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 186	0.40 207	0.40 185	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 207

riskmin	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 186	0.40 207	0.40 185	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 207

Anonymous_2	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 186	0.40 207	0.40 185	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 207

Anonymous_1	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 186	0.40 207	0.40 185	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 207

AdaStereo	0.40 169	0.40 124	0.40 187	0.40 162	0.40 222	0.40 183	0.40 214	0.40 174	0.40 213	0.40 176	0.40 216	0.40 186	0.40 207	0.40 185	0.40 213	0.40 193	0.40 193	0.40 204	0.40 225	0.40 188	0.40 207
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	0.34 144	0.41 131	0.31 160	0.39 150	0.29 176	0.40 183	0.32 177	0.41 187	0.32 187	0.38 167	0.30 184	0.39 180	0.30 181	0.38 175	0.32 181	0.35 170	0.27 148	0.34 171	0.27 170	0.34 152	0.29 169

GwcNet-ADL	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 196	0.41 217	0.41 198	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 214

PSMNet-ADL	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 196	0.41 217	0.41 198	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 214

GANet-ADL	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 196	0.41 217	0.41 198	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 214

ADLNet2	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 196	0.41 217	0.41 198	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 214

ADLNet	0.41 175	0.41 131	0.41 195	0.41 171	0.41 228	0.41 198	0.41 220	0.41 187	0.41 222	0.41 188	0.41 222	0.41 196	0.41 217	0.41 198	0.41 220	0.41 200	0.41 202	0.41 215	0.41 231	0.41 196	0.41 214

DGSMNet	0.34 144	0.41 131	0.27 145	0.41 171	0.28 170	0.41 198	0.28 162	0.41 187	0.27 166	0.41 188	0.27 168	0.42 212	0.27 168	0.41 198	0.28 163	0.40 193	0.29 162	0.40 204	0.28 174	0.40 188	0.27 153

iRaft-Stereo_5w	0.34 144	0.42 138	0.31 160	0.39 150	0.30 184	0.38 176	0.30 171	0.40 174	0.29 171	0.40 176	0.37 206	0.41 196	0.34 194	0.38 175	0.30 176	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 148

Wz-Net-LNSev-Ref	0.11 59	0.44 139	0.33 167	0.39 150	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 190	0.36 180	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 149	0.44 139	0.45 203	0.49 192	0.30 184	0.37 173	0.30 171	0.36 157	0.30 180	0.36 162	0.29 175	0.36 169	0.29 177	0.36 170	0.30 176	0.46 214	0.39 191	0.32 157	0.24 155	0.32 144	0.25 142
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 155	0.45 141	0.23 131	0.30 128	0.37 212	0.41 198	0.36 199	0.41 187	0.35 199	0.43 203	0.36 203	0.41 196	0.40 207	0.41 198	0.36 200	0.34 163	0.22 134	0.47 233	0.37 216	0.39 185	0.33 189

RAFT + AFF	0.31 134	0.45 141	0.34 174	0.39 150	0.28 170	0.38 176	0.33 184	0.29 142	0.31 183	0.30 146	0.30 184	0.29 154	0.27 168	0.29 155	0.30 176	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 186

otaku	0.46 189	0.46 143	0.46 205	0.46 182	0.46 239	0.46 222	0.46 229	0.46 207	0.46 230	0.46 208	0.46 235	0.46 216	0.46 225	0.46 215	0.46 231	0.46 214	0.46 210	0.46 229	0.46 239	0.46 204	0.46 224

Dean	0.46 189	0.46 143	0.46 205	0.46 182	0.46 239	0.46 222	0.46 229	0.46 207	0.46 230	0.47 213	0.46 235	0.46 216	0.46 225	0.46 215	0.46 231	0.46 214	0.46 210	0.46 229	0.46 239	0.46 204	0.46 224

ACVNet-4b	0.46 189	0.46 143	0.46 205	0.46 182	0.46 239	0.46 222	0.46 229	0.46 207	0.46 230	0.46 208	0.46 235	0.46 216	0.46 225	0.47 219	0.46 231	0.46 214	0.46 210	0.46 229	0.46 239	0.46 204	0.46 224

psmorigin	0.41 175	0.46 143	0.33 167	0.49 192	0.33 201	0.49 232	0.33 184	0.49 218	0.33 190	0.49 222	0.33 191	0.49 229	0.33 191	0.51 235	0.33 184	0.41 200	0.30 170	0.41 215	0.30 191	0.79 247	0.29 169

Ntro	0.47 194	0.47 147	0.46 205	0.46 182	0.46 239	0.47 226	0.47 235	0.46 207	0.47 233	0.46 208	0.46 235	0.47 222	0.46 225	0.47 219	0.47 235	0.47 219	0.46 210	0.46 229	0.46 239	0.46 204	0.46 224

HaxPig	0.47 194	0.47 147	0.47 210	0.49 192	0.47 245	0.47 226	0.47 235	0.47 212	0.47 233	0.47 213	0.47 242	0.47 222	0.47 234	0.47 219	0.47 235	0.47 219	0.47 216	0.47 233	0.47 245	0.47 210	0.48 232

UNDER WATER	0.47 194	0.47 147	0.47 210	0.47 187	0.47 245	0.47 226	0.47 235	0.47 212	0.47 233	0.47 213	0.47 242	0.47 222	0.46 225	0.47 219	0.47 235	0.47 219	0.47 216	0.47 233	0.46 239	0.47 210	0.47 229

LVE	0.47 194	0.47 147	0.47 210	0.47 187	0.49 250	0.47 226	0.47 235	0.47 212	0.49 241	0.47 213	0.47 242	0.47 222	0.46 225	0.47 219	0.47 235	0.47 219	0.47 216	0.48 241	0.47 245	0.47 210	0.47 229

ACVNet_1	0.46 189	0.47 147	0.46 205	0.46 182	0.46 239	0.46 222	0.46 229	0.46 207	0.47 233	0.46 208	0.46 235	0.46 216	0.46 225	0.46 215	0.46 231	0.46 214	0.46 210	0.47 233	0.46 239	0.46 204	0.46 224

CES	0.39 166	0.47 147	0.36 179	0.36 142	0.37 212	0.45 220	0.35 196	0.35 153	0.40 213	0.36 162	0.44 232	0.47 222	0.36 198	0.44 212	0.36 200	0.37 177	0.39 191	0.44 226	0.35 209	0.37 172	0.36 196

RainbowNet	0.48 199	0.48 153	0.48 215	0.48 190	0.48 247	0.48 230	0.48 240	0.48 216	0.48 239	0.48 217	0.48 245	0.48 227	0.48 235	0.48 224	0.48 240	0.48 223	0.48 220	0.48 241	0.48 248	0.48 213	0.48 232

IGEV+	0.35 149	0.49 154	0.30 154	0.40 162	0.30 184	0.40 183	0.30 171	0.40 174	0.30 180	0.40 176	0.29 175	0.40 186	0.30 181	0.40 185	0.30 176	0.38 184	0.29 162	0.38 195	0.29 183	0.38 178	0.29 169

notaker	0.48 199	0.49 154	0.48 215	0.48 190	0.48 247	0.48 230	0.48 240	0.48 216	0.49 241	0.48 217	0.48 245	0.48 227	0.48 235	0.48 224	0.48 240	0.48 223	0.48 220	0.48 241	0.48 248	0.48 213	0.49 235

ACVNet_2	0.49 202	0.49 154	0.49 219	0.49 192	0.49 250	0.49 232	0.49 243	0.49 218	0.49 241	0.49 222	0.49 249	0.49 229	0.49 240	0.49 230	0.49 243	0.49 226	0.49 222	0.49 244	0.49 250	0.49 215	0.49 235

KSHMR	0.66 217	0.50 157	0.48 215	1.15 267	0.52 255	0.49 232	0.51 247	0.49 218	0.71 276	0.67 254	0.50 251	1.16 305	1.11 292	0.66 254	0.52 247	0.49 226	0.49 222	0.51 248	0.66 270	0.50 219	1.14 306

WZ-Net	0.05 29	0.50 157	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

SANet	0.50 204	0.50 157	0.50 221	0.50 198	0.50 253	0.50 238	0.50 245	0.50 225	0.50 244	0.50 231	0.50 251	0.50 240	0.50 243	0.50 234	0.50 244	0.50 230	0.50 227	0.50 247	0.50 252	0.50 219	0.50 238

CASnet	0.35 149	0.51 160	0.44 201	0.32 134	0.31 189	0.24 132	0.34 193	0.36 157	0.25 150	0.31 148	0.37 206	0.30 155	0.33 191	0.25 139	0.45 229	0.37 177	0.37 182	0.33 164	0.35 209	0.34 152	0.37 199
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	1.12 287	0.52 161	3.12 386	3.24 370	0.86 294	0.53 242	0.49 243	0.60 241	0.47 233	0.53 236	0.49 249	0.55 245	0.45 224	0.55 240	0.47 235	3.01 380	3.88 383	0.71 266	0.60 262	0.80 250	0.48 232

ktn	0.72 230	0.53 162	1.08 282	1.14 265	0.51 254	1.22 351	1.36 363	0.51 229	0.59 256	0.51 232	0.51 254	0.69 259	1.20 303	0.67 256	0.51 246	0.51 231	0.49 222	0.58 253	0.66 270	0.52 221	0.53 241

TorneroNet	0.66 217	0.53 162	0.50 221	0.50 198	0.64 271	1.06 291	0.70 270	0.50 225	0.51 247	0.49 222	0.69 278	0.49 229	0.50 243	0.48 224	1.15 304	0.71 252	0.49 222	1.14 302	1.08 300	0.49 215	0.49 235

ICVP	0.15 89	0.53 162	0.11 73	0.16 89	0.11 103	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 106	0.11 98	0.16 105	0.11 92	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 165	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 207	0.54 165	0.54 226	0.54 201	0.53 258	0.54 243	0.54 249	0.53 230	0.54 253	0.54 237	0.54 258	0.54 242	0.53 248	0.54 238	0.54 249	0.54 234	0.53 231	0.54 251	0.54 253	0.54 225	0.54 242

Selective-IGEV	0.51 205	0.55 167	0.45 203	0.69 215	0.45 238	0.61 252	0.45 228	0.50 225	0.40 213	0.56 241	0.44 232	0.55 245	0.40 207	0.72 261	0.67 265	0.59 237	0.46 210	0.45 228	0.34 206	0.46 204	0.37 199

FCDSN-DC	0.41 175	0.59 168	0.64 237	0.54 201	0.33 201	0.50 238	0.37 203	0.42 203	0.40 213	0.61 247	0.43 230	0.50 240	0.49 240	0.38 175	0.32 181	0.28 149	0.23 138	0.26 143	0.22 145	0.35 164	0.28 165
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispNO	1.00 277	0.63 169	0.43 200	3.45 373	0.44 237	0.65 256	0.43 226	0.64 246	0.43 227	0.64 251	0.43 230	0.64 253	3.03 383	0.64 252	0.43 228	4.55 390	0.43 207	0.63 255	0.43 237	0.63 228	0.43 220

LMCR-Stereo	0.65 215	0.63 169	0.65 242	0.65 212	0.65 272	0.66 257	0.63 258	0.58 238	0.65 264	0.63 250	0.64 269	0.65 256	0.65 257	0.66 254	0.66 264	0.66 243	0.64 244	0.65 258	0.67 273	0.68 231	0.73 270

anonymity	0.63 213	0.69 171	0.56 227	0.71 219	0.56 260	0.71 262	0.56 250	0.71 252	0.56 254	0.72 259	0.56 260	0.71 260	0.56 250	0.71 260	0.58 256	0.68 245	0.55 232	0.68 260	0.55 254	0.68 231	0.54 242

CoDeX	0.15 89	0.70 172	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 265	0.02 14	0.69 253	0.75 270	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 225	0.72 173	0.71 252	0.80 228	0.62 270	0.82 273	0.61 254	0.81 262	0.62 261	0.81 272	0.63 267	0.80 273	0.70 267	0.73 263	0.61 260	0.76 255	0.61 241	0.74 269	0.61 264	0.77 244	0.61 253

DSFCA	0.66 217	0.73 174	0.78 260	0.65 212	0.65 272	0.64 255	0.64 259	0.65 247	0.63 263	0.64 251	0.64 269	0.64 253	0.64 255	0.65 253	0.65 262	0.65 242	0.65 245	0.65 258	0.65 268	0.66 229	0.64 257

SFCPSM	0.17 98	0.78 175	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 280	0.02 14	0.75 259	0.76 273	0.02 20	0.02 19	0.02 19

G-Net	0.79 239	0.79 176	0.79 262	0.79 226	0.79 290	0.79 270	0.79 277	0.79 258	0.79 284	0.79 267	0.79 288	0.79 272	0.79 275	0.79 267	0.79 280	0.79 257	0.79 261	0.79 275	0.79 285	0.79 247	0.79 276

DMCA-RVC	0.70 225	0.80 177	0.70 249	0.70 217	0.70 281	0.70 260	0.70 270	0.71 252	0.70 273	0.70 257	0.71 281	0.71 260	0.70 267	0.70 259	0.69 273	0.69 246	0.70 254	0.69 263	0.70 278	0.69 235	0.70 265

NaN_ROB	0.80 241	0.80 177	0.80 263	0.80 228	0.80 292	0.80 271	0.80 279	0.80 259	0.80 285	0.80 268	0.80 289	0.80 273	0.80 276	0.80 268	0.80 282	0.80 258	0.80 264	0.80 277	0.80 286	0.80 250	0.80 277

CSAN	0.80 241	0.80 177	0.80 263	0.80 228	0.80 292	0.80 271	0.80 279	0.80 259	0.80 285	0.80 268	0.80 289	0.80 273	0.80 276	0.80 268	0.80 282	0.80 258	0.80 264	0.80 277	0.80 286	0.80 250	0.80 277

ARAFT	0.68 222	0.81 180	0.63 235	0.74 222	0.60 262	0.78 269	0.62 257	0.77 257	0.66 266	0.74 265	0.63 267	0.75 266	0.62 254	0.83 271	0.60 258	0.70 249	0.55 232	0.70 265	0.60 262	0.78 245	0.55 246

Selective-RAFT-Error	0.88 262	0.84 181	0.98 276	0.86 234	0.97 304	0.88 276	0.95 290	0.84 263	0.99 300	0.92 278	0.82 291	0.84 277	0.98 284	0.87 275	0.97 292	0.81 261	0.83 267	0.79 275	0.82 289	0.79 247	0.85 282

AFF-stereo	0.73 231	0.88 182	0.67 245	0.75 223	0.68 280	0.75 264	0.64 259	0.80 259	0.72 277	0.83 273	0.70 279	0.82 276	0.64 255	0.84 272	0.67 265	0.77 256	0.63 242	0.81 279	0.63 267	0.78 245	0.62 255

CASS	0.57 211	0.89 183	0.56 227	0.57 204	0.56 260	0.56 245	0.56 250	0.56 234	0.53 249	0.57 242	0.57 262	0.59 251	0.48 235	0.56 243	0.57 253	0.55 236	0.56 234	0.47 233	0.56 257	0.62 227	0.56 249
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 264	0.89 183	0.72 253	1.16 272	0.78 289	1.06 291	0.82 281	0.87 264	0.97 298	1.00 285	0.91 295	0.90 281	1.00 285	0.89 278	0.93 291	0.83 263	0.83 267	0.82 281	0.82 289	0.81 253	0.82 280

UNet	0.29 130	0.90 185	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 268	0.69 271	0.14 94	0.11 98	0.14 96	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 257	0.76 275

xxxxx1	0.31 134	0.91 186	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 160	0.25 152	0.32 158	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 153

tt_ll	0.31 134	0.91 186	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 160	0.25 152	0.32 158	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 153

ff	0.31 134	0.91 186	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 160	0.25 152	0.32 158	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 153

DPSM_ROB	0.92 266	0.91 186	0.91 269	0.91 239	0.92 300	0.92 281	0.92 286	0.92 271	0.91 290	0.93 280	0.91 295	0.92 283	0.90 279	0.91 280	0.92 287	0.92 270	0.91 269	0.91 286	0.92 292	0.93 264	0.93 288

DPSM	0.92 266	0.91 186	0.91 269	0.91 239	0.92 300	0.92 281	0.92 286	0.92 271	0.91 290	0.93 280	0.91 295	0.92 283	0.90 279	0.91 280	0.92 287	0.92 270	0.91 269	0.91 286	0.92 292	0.93 264	0.93 288

pmcnn	0.92 266	0.92 191	0.92 271	0.92 242	0.92 300	0.92 281	0.92 286	0.92 271	0.92 294	0.92 278	0.92 298	0.92 283	0.92 281	0.92 282	0.92 287	0.92 270	0.92 271	0.92 288	0.92 292	0.92 263	0.92 287

tt1	0.31 134	0.93 192	0.24 137	0.33 136	0.23 154	0.31 154	0.24 146	0.32 146	0.24 147	0.32 152	0.23 150	0.32 159	0.25 152	0.32 158	0.24 148	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 153

tta	0.09 38	0.95 193	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

R-Stereo Train	0.81 246	0.96 194	0.67 245	0.95 246	0.67 278	0.95 284	0.68 266	0.95 276	0.68 268	0.95 283	0.68 276	0.96 288	0.68 264	0.96 287	0.68 269	0.94 274	0.68 249	0.94 290	0.68 274	0.94 266	0.68 263

RAFT-Stereo	0.81 246	0.96 194	0.67 245	0.95 246	0.67 278	0.95 284	0.68 266	0.95 276	0.68 268	0.95 283	0.68 276	0.96 288	0.68 264	0.96 287	0.68 269	0.94 274	0.68 249	0.94 290	0.68 274	0.94 266	0.68 263
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Former-RAFT_DAM_RVC	0.49 202	0.98 196	0.64 237	0.84 232	0.46 239	0.45 220	0.35 196	0.47 212	0.47 233	0.45 207	0.34 197	0.46 216	0.48 235	0.46 215	0.35 198	0.39 190	0.71 256	0.39 200	0.35 209	0.41 196	0.41 214

dd	0.23 114	0.98 196	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 127	0.15 126	0.23 128	0.15 127	0.24 136	0.17 128	0.23 133	0.15 120	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 115

222	0.10 44	0.99 198	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

ACVNet-DCA	0.37 155	1.00 199	0.30 154	0.40 162	0.29 176	0.40 183	0.29 167	0.40 174	0.29 171	0.40 176	0.29 175	0.40 186	0.29 177	0.39 182	0.28 163	0.33 160	0.32 173	0.33 164	0.32 200	0.33 148	0.32 186

GANet	1.00 277	1.00 199	1.00 278	1.00 252	1.00 305	1.00 287	1.00 293	1.00 278	1.00 301	1.00 285	1.00 300	1.00 290	1.00 285	1.00 289	1.00 295	1.00 276	1.00 274	1.00 296	1.00 296	1.00 269	1.00 294

TDLM	1.00 277	1.00 199	1.00 278	1.00 252	1.00 305	1.00 287	1.00 293	1.00 278	1.00 301	1.00 285	1.00 300	1.00 290	1.00 285	1.00 289	1.00 295	1.00 276	1.00 274	1.00 296	1.00 296	1.00 269	1.00 294

CVANet_RVC	1.00 277	1.00 199	1.00 278	1.00 252	1.00 305	1.00 287	1.00 293	1.00 278	1.00 301	1.00 285	1.00 300	1.00 290	1.00 285	1.00 289	1.00 295	1.00 276	1.00 274	1.00 296	1.00 296	1.00 269	1.00 294

DGTPSM_ROB	0.93 270	1.00 199	0.92 271	0.94 244	0.96 303	0.91 280	0.92 286	0.91 268	0.96 297	0.91 277	0.96 299	0.93 286	0.92 281	0.94 283	0.92 287	0.92 270	0.92 271	0.90 285	0.92 292	0.94 266	0.91 286

SMFormer	0.09 38	1.01 204	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	1.01 204	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

GLC_STEREO	1.07 282	1.01 204	1.06 281	1.07 258	1.05 309	1.06 291	1.08 298	1.08 283	1.05 305	1.07 290	1.06 303	1.08 295	1.05 291	1.06 294	1.10 299	1.07 280	1.09 284	1.05 300	1.05 299	1.06 272	1.12 302

1test111	0.37 155	1.02 207	0.30 154	0.39 150	0.29 176	0.40 183	0.28 162	0.39 170	0.29 171	0.39 172	0.29 175	0.39 180	0.28 173	0.40 185	0.29 169	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 182

cc1	0.37 155	1.02 207	0.30 154	0.39 150	0.29 176	0.40 183	0.28 162	0.39 170	0.29 171	0.39 172	0.29 175	0.39 180	0.28 173	0.40 185	0.29 169	0.33 160	0.32 173	0.33 164	0.31 196	0.32 144	0.31 182

xx1	0.38 161	1.03 209	0.31 160	0.40 162	0.31 189	0.41 198	0.28 162	0.40 174	0.29 171	0.40 176	0.29 175	0.40 186	0.29 177	0.40 185	0.29 169	0.34 163	0.33 176	0.34 171	0.32 200	0.34 152	0.32 186

dad	0.23 114	1.03 209	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 130	0.16 128	0.23 128	0.16 128	0.24 136	0.16 126	0.23 133	0.15 120	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 115

ttt	0.10 44	1.09 211	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

test_xeample	0.10 44	1.09 211	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

FC-DCNN	1.07 282	1.09 211	0.98 276	0.89 235	0.52 255	1.41 360	0.91 285	1.21 340	1.24 363	1.96 364	2.05 388	1.91 365	1.30 356	1.27 354	1.08 298	0.80 258	0.60 237	0.58 253	0.41 231	0.68 231	0.54 242

MSMD_ROB	1.19 288	1.10 214	0.70 249	1.10 260	0.60 262	1.10 297	0.70 270	1.10 285	0.70 273	1.10 292	0.70 279	1.10 299	0.70 267	7.00 409	0.70 276	1.10 283	0.70 254	1.10 301	0.70 278	1.10 274	0.70 265

1111x	0.10 44	1.14 215	0.13 93	0.14 74	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 75	0.03 34	0.02 20	0.03 39	0.02 19

LoS_RVC	0.30 131	1.14 215	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.26 147	0.26 161	0.26 148	0.25 153	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 148

x	0.11 59	1.15 217	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

xxxx	0.11 59	1.16 218	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

CAS	0.30 131	1.17 219	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.26 163	0.25 134	0.25 160	0.25 139	0.25 152	0.25 139	0.25 153	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 142

HSM-Net_RVC	0.95 273	1.17 219	0.78 260	1.18 274	0.71 282	1.16 304	0.75 275	1.09 284	0.80 285	1.10 292	0.75 286	1.17 306	0.74 271	1.17 304	0.80 282	1.13 289	0.73 257	1.17 308	0.77 283	1.16 279	0.72 268
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 274	1.18 221	0.81 265	1.10 260	0.91 299	1.02 290	0.82 281	1.04 282	0.91 290	1.03 289	0.86 292	1.28 356	0.82 278	1.03 292	0.89 286	1.17 291	0.81 266	1.02 299	0.82 289	1.08 273	0.81 279

psm_up	0.43 184	1.19 222	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 344	0.91 290	0.26 141	0.17 130	0.25 139	0.17 128	0.25 139	0.17 126	0.22 125	0.17 125	0.23 134	0.16 124	1.18 285	0.99 292

DisPM	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

CrosDoStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

PFNet+	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

LCNet	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

HHNet	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

Patchmatch Stereo++	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311
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	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

STrans-v2	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

TransformOpticalFlow	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

OMP-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

IIG-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

NF-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

OCTAStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

PSM-softLoss	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

KMStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

NRIStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

PSM-adaLoss	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

PSM-AAD	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

FTStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

ROB_FTStereo_v2	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

ROB_FTStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

Consistency-Raft	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

KYRaft	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

HUI-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

ASMatch	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

DeepStereo_LL	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

DEmStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

SST-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

THIR-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

RAFT_R40	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

DRaft	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

PFNet	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

GrayStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

RE-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

Pruner-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

TVStereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

DeepStereo_RVC	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

RAFT-RH_RVC	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

IRAFT_RVC	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

RAFT-345	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

iRAFT	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

CRE-IMP	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

GMM-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

RAFT-IKP	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

Prome-Stereo	1.20 289	1.20 223	1.20 294	1.20 276	1.20 320	1.20 305	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 308	1.20 303	1.20 306	1.20 311	1.20 293	1.20 297	1.20 312	1.20 311	1.20 288	1.20 311

UPFNet	0.42 183	1.20 223	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 292	0.90 289	0.25 134	0.17 130	0.24 136	0.17 128	0.25 139	0.17 126	0.22 125	0.17 125	0.22 130	0.16 124	1.15 277	0.93 288

delet	0.43 184	1.21 269	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 344	0.95 296	0.25 134	0.17 130	0.25 139	0.17 128	0.25 139	0.17 126	0.23 134	0.16 113	0.22 130	0.16 124	1.18 285	0.98 291

CroCo-Stereo	0.73 231	1.22 270	0.25 139	1.22 321	0.25 160	1.22 351	0.25 148	1.22 341	0.25 150	1.22 348	0.25 160	1.22 354	0.25 152	1.22 352	0.25 153	1.22 339	0.26 143	1.21 357	0.25 158	1.22 335	0.25 142
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	0.44 187	1.24 271	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 344	0.93 295	0.25 134	0.17 130	0.25 139	0.18 133	0.25 139	0.17 126	0.23 134	0.16 113	0.23 134	0.16 124	1.20 288	0.99 292

CroCo-Stereo Lap2	0.77 235	1.29 272	0.29 150	1.27 324	0.29 176	1.27 354	0.26 154	1.26 344	0.26 163	1.26 349	0.26 165	1.27 355	0.26 161	1.26 353	0.27 159	1.27 341	0.27 148	1.27 360	0.27 170	1.27 337	0.27 153

CSP-Net	0.34 144	1.29 272	1.19 291	1.36 329	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 340	1.21 343	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 117	1.31 274	0.74 256	0.92 242	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 267	0.75 259	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 339	1.33 275	1.33 346	1.36 329	1.38 372	1.36 357	1.33 360	1.37 350	1.34 366	1.35 351	1.36 365	1.38 358	1.34 357	1.38 356	1.38 365	1.35 346	1.38 354	1.33 361	1.35 361	1.43 341	1.34 364

MaskLacGwcNet_RVC	1.35 338	1.35 276	1.35 349	1.35 328	1.35 369	1.35 356	1.35 362	1.36 349	1.35 368	1.36 352	1.35 364	1.36 357	1.36 358	1.36 355	1.35 363	1.35 346	1.35 351	1.35 362	1.35 361	1.35 339	1.35 365

PML	0.46 189	1.36 277	0.29 150	0.58 205	0.30 184	0.57 249	0.29 167	0.57 236	0.29 171	0.57 242	0.29 175	0.57 249	0.29 177	0.56 243	0.29 169	0.52 232	0.30 170	0.53 250	0.31 196	0.53 223	0.30 177

PS-NSSS	1.38 341	1.39 278	1.34 347	1.34 327	1.35 369	1.38 358	1.37 368	1.35 348	1.38 371	1.34 350	1.34 363	1.39 359	1.38 360	1.70 359	1.40 366	1.36 348	1.36 352	1.36 364	1.37 364	1.37 340	1.36 366

whm_eth	0.63 213	1.48 279	0.47 210	0.71 219	0.48 247	0.71 262	0.48 240	0.71 252	0.48 239	0.71 258	0.48 245	0.71 260	0.48 235	0.72 261	0.48 240	0.71 252	0.47 216	0.71 266	0.47 245	0.71 237	0.47 229

Gwc-CoAtRS	0.41 175	1.49 280	0.32 163	0.42 179	0.32 192	0.41 198	0.32 177	0.41 187	0.33 190	0.41 188	0.32 188	0.41 196	0.32 187	0.41 198	0.32 181	0.39 190	0.28 153	0.39 200	0.28 174	0.40 188	0.28 165

FENet	0.54 207	1.52 281	1.19 291	1.41 332	0.23 154	0.35 165	0.23 142	0.35 153	0.23 146	0.34 156	0.23 150	0.35 164	0.23 149	0.35 165	0.23 146	1.40 349	1.07 278	0.32 157	0.23 150	0.33 148	0.23 132

CFNet-ft	0.55 209	1.57 282	0.14 97	0.20 100	0.14 119	0.20 115	2.53 386	1.61 353	0.14 118	0.20 114	0.14 120	0.20 116	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	1.56 345	1.24 359

DPSMNet_ROB	1.60 345	1.59 283	1.70 365	1.59 334	1.59 377	1.61 362	1.61 373	1.60 352	1.60 375	1.62 360	1.59 374	1.60 362	1.60 365	1.60 358	1.59 371	1.59 354	1.60 361	1.59 369	1.59 374	1.59 346	1.59 373

STTRV1_RVC	0.82 250	1.60 284	0.70 249	1.01 255	0.60 262	1.07 294	0.69 269	1.01 281	0.60 257	0.72 259	0.55 259	1.02 293	0.68 264	1.03 292	0.67 265	0.89 268	0.63 242	0.92 288	0.57 258	0.90 259	0.65 258

RASNet	1.49 342	1.65 285	1.45 358	1.38 331	1.43 375	1.47 361	1.36 363	1.38 351	1.36 369	1.39 353	1.60 375	1.45 360	1.45 362	1.51 357	2.21 383	1.53 353	1.36 352	1.36 364	1.36 363	1.66 347	1.36 366

CRFU-Net	0.65 215	1.67 286	1.22 341	1.96 345	0.27 167	0.41 198	0.27 157	0.41 187	0.27 166	0.40 176	0.26 165	0.41 196	0.27 168	0.40 185	0.27 159	1.80 359	1.62 362	0.34 171	0.23 150	0.33 148	0.23 132

gwcnet-sp	0.82 250	1.72 287	1.48 359	0.39 150	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 357	0.23 150	0.28 149	0.26 161	0.20 115	0.15 120	0.24 139	1.33 348	0.32 157	0.16 124	6.75 397	0.23 132

scenet	0.82 250	1.72 287	1.48 359	0.39 150	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 357	0.23 150	0.28 149	0.26 161	0.20 115	0.15 120	0.24 139	1.33 348	0.32 157	0.16 124	6.75 397	0.23 132

ssnet	0.82 250	1.72 287	1.48 359	0.39 150	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 357	0.23 150	0.28 149	0.26 161	0.20 115	0.15 120	0.24 139	1.33 348	0.32 157	0.16 124	6.75 397	0.23 132

HBP-ISP	1.24 335	1.72 287	1.65 363	1.15 267	0.76 288	1.40 359	0.88 283	1.67 357	1.02 304	1.69 361	1.38 367	1.69 363	1.21 349	1.87 361	1.21 356	1.05 279	0.79 261	0.97 294	0.80 286	1.19 287	0.75 274

LL-Strereo2	0.48 199	1.73 291	0.51 223	0.59 207	0.34 207	0.42 214	0.33 184	0.40 174	0.31 183	0.42 199	0.33 191	0.42 212	0.31 186	0.44 212	0.39 212	0.60 239	0.51 228	0.44 226	0.33 205	0.44 203	0.33 189

test_xeample3	1.10 284	1.81 292	0.61 233	0.84 232	0.49 250	0.77 267	0.66 262	0.92 271	1.40 372	0.68 256	0.46 235	0.78 269	0.54 249	1.72 360	1.48 369	1.34 345	1.52 359	1.35 362	1.67 377	1.33 338	1.55 372

mmm	0.14 79	1.83 293	0.12 78	0.11 57	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 75	0.05 58	0.04 52	0.05 63	0.04 53

hknet	1.10 284	1.85 294	3.49 388	4.48 378	0.02 20	0.42 214	0.06 75	0.41 187	0.02 20	0.48 217	0.03 40	0.41 196	0.03 42	0.42 209	0.03 37	4.39 388	4.19 385	0.33 164	0.23 150	0.34 152	0.27 153

DCRE	0.84 256	1.89 295	0.77 259	0.94 244	0.72 284	0.88 276	0.73 273	0.87 264	0.78 281	0.90 275	0.71 281	0.88 278	0.67 263	0.88 276	0.73 277	0.81 261	0.68 249	0.81 279	0.70 278	0.82 254	0.70 265

BUS	0.83 254	1.91 296	0.92 271	4.48 378	0.02 20	0.40 183	0.04 54	0.41 187	0.02 20	0.48 217	0.03 40	0.41 196	0.05 64	0.03 33	0.05 59	1.97 365	4.19 385	0.33 164	0.23 150	0.34 152	0.27 153

BSDual-CNN	0.81 246	1.91 296	0.92 271	4.48 378	0.02 20	0.42 214	0.06 75	0.41 187	0.02 20	0.48 217	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 365	4.19 385	0.33 164	0.23 150	0.34 152	0.27 153

psmg	0.43 184	1.91 296	0.92 271	1.91 342	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 365	1.44 357	0.04 48	0.03 42	0.02 19	0.03 39

GANet-RSSM	0.75 233	1.91 296	0.14 97	0.47 187	0.14 119	0.21 123	3.21 394	2.30 372	0.14 118	0.46 208	0.14 120	0.23 132	0.18 133	0.21 125	0.14 112	0.18 116	0.27 148	0.37 189	0.13 118	2.13 357	2.12 382

MFMNet_re	1.81 352	1.91 296	1.71 366	1.95 344	1.70 380	1.95 368	1.70 376	1.96 360	1.74 378	1.97 365	1.72 378	1.95 366	1.71 368	1.97 364	1.71 377	1.86 360	1.62 362	1.85 370	1.66 376	1.86 350	1.64 374

SPS-STEREO	1.59 344	1.91 296	1.21 340	1.94 343	1.20 320	2.00 369	1.23 356	1.99 361	1.24 363	2.00 366	1.25 361	2.03 368	1.26 352	2.00 365	1.29 361	1.90 364	1.18 296	1.89 372	1.21 356	1.89 352	1.20 311
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 343	1.94 302	1.22 341	1.88 340	1.21 366	1.88 367	1.22 355	1.88 358	1.22 361	1.88 362	1.22 358	1.88 364	1.22 350	1.89 362	1.22 357	1.87 361	1.22 344	1.88 371	1.22 357	1.88 351	1.22 357
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	0.68 222	1.96 303	1.25 345	0.29 127	0.20 143	0.30 151	0.20 129	0.29 142	0.22 141	1.50 355	0.20 141	0.31 157	0.20 140	0.27 150	0.22 141	0.24 139	1.49 358	0.26 143	0.18 139	3.90 375	0.19 125

qqq	0.16 95	2.01 304	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

ToySt	0.92 266	2.11 305	0.90 268	0.95 246	0.79 290	0.99 286	0.78 276	0.94 275	0.81 288	0.94 282	0.78 287	0.95 287	0.77 274	0.94 283	0.86 285	0.91 269	0.79 261	0.85 283	0.77 283	0.89 258	0.73 270

TRStereo	2.00 355	2.13 306	1.85 372	2.27 354	1.84 383	2.28 373	1.84 378	2.29 368	1.86 383	2.30 373	1.87 379	2.30 371	1.87 370	2.08 366	1.72 379	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 377

XX-Stereo	2.00 355	2.13 306	1.85 372	2.27 354	1.84 383	2.28 373	1.84 378	2.29 368	1.86 383	2.30 373	1.87 379	2.30 371	1.87 370	2.08 366	1.72 379	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 377

EAI-Stereo	2.00 355	2.13 306	1.85 372	2.27 354	1.84 383	2.28 373	1.84 378	2.29 368	1.86 383	2.30 373	1.87 379	2.30 371	1.87 370	2.08 366	1.72 379	2.08 369	1.72 367	2.08 375	1.72 380	2.08 354	1.72 377

11t1	0.17 98	2.16 309	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

cf-r	0.66 217	2.17 310	0.12 78	0.18 96	0.12 115	0.18 110	2.70 389	2.60 375	0.12 114	0.18 110	0.12 105	0.18 112	0.12 111	0.18 110	0.12 103	0.15 97	0.11 75	0.15 105	0.11 97	1.81 349	1.74 380

UDG	0.80 241	2.21 311	0.60 231	0.91 239	0.60 262	0.90 279	0.58 252	0.88 266	0.60 257	0.90 275	0.60 263	0.88 278	0.60 253	0.90 279	0.58 256	0.86 266	0.60 237	0.84 282	0.59 261	0.84 255	0.61 253

NCCL2	2.28 363	2.27 312	2.28 378	2.28 357	2.28 390	2.27 372	2.29 384	2.28 367	2.28 387	2.27 372	2.28 389	2.28 370	2.27 377	2.27 373	2.28 388	2.28 372	2.28 376	2.27 378	2.29 388	2.27 358	2.29 383

ccnet	0.80 241	2.28 313	0.33 167	0.50 198	0.33 201	0.50 238	0.33 184	0.50 225	0.33 190	0.49 222	0.33 191	0.49 229	1.56 364	2.38 375	0.33 184	0.41 200	0.29 162	0.42 224	1.57 373	2.28 359	0.29 169

GES	0.66 217	2.34 314	0.29 150	0.41 171	0.29 176	0.41 198	0.29 167	0.42 203	0.29 171	0.40 176	0.41 222	0.41 196	0.30 181	0.51 235	0.29 169	0.32 159	0.29 162	0.32 157	2.46 390	2.49 363	0.30 177

DDUNet	0.81 246	2.45 315	0.57 229	0.90 236	0.60 262	0.88 276	0.59 253	0.90 267	0.60 257	0.88 274	0.60 263	0.90 281	0.58 251	0.88 276	0.60 258	0.84 265	0.60 237	0.86 284	0.57 258	0.86 256	0.60 252

FBW_ROB	2.12 361	2.46 316	1.77 369	2.49 361	1.79 382	2.38 377	1.83 377	2.46 373	1.78 379	2.48 377	1.97 384	2.40 378	1.78 369	2.42 376	1.83 382	2.31 373	1.85 372	2.38 380	1.82 384	2.35 361	1.84 381

HH	0.71 227	2.54 317	0.74 256	1.10 260	0.32 192	0.41 198	0.37 203	0.69 250	0.78 281	0.73 261	0.90 293	0.75 266	1.00 285	0.84 272	0.69 273	0.69 246	0.40 193	0.35 182	0.26 164	0.35 164	0.26 148

HanStereo	0.71 227	2.54 317	0.74 256	1.10 260	0.32 192	0.41 198	0.37 203	0.69 250	0.78 281	0.73 261	0.90 293	0.75 266	1.00 285	0.84 272	0.69 273	0.69 246	0.40 193	0.35 182	0.26 164	0.35 164	0.26 148

sAnonymous2	3.31 387	2.63 319	1.38 355	3.71 376	1.86 386	4.70 399	1.11 299	4.82 400	2.72 390	5.45 402	1.98 386	4.59 399	2.64 379	2.65 378	6.21 405	4.37 386	1.08 282	5.16 401	2.24 386	4.52 384	2.39 388

CroCo_RVC	3.31 387	2.63 319	1.38 355	3.71 376	1.86 386	4.70 399	1.11 299	4.82 400	2.72 390	5.45 402	1.98 386	4.59 399	2.64 379	2.65 378	6.21 405	4.37 386	1.08 282	5.16 401	2.24 386	4.52 384	2.39 388

ff7	1.68 346	2.68 321	1.35 349	0.97 249	0.89 295	1.84 364	2.15 381	2.12 362	1.80 380	2.05 368	1.56 371	2.33 374	2.12 374	2.23 370	2.25 384	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 297

ffff	1.68 346	2.68 321	1.35 349	0.97 249	0.89 295	1.84 364	2.15 381	2.12 362	1.80 380	2.05 368	1.56 371	2.33 374	2.12 374	2.23 370	2.25 384	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 297

ccc-4	1.68 346	2.68 321	1.35 349	0.97 249	0.89 295	1.84 364	2.15 381	2.12 362	1.80 380	2.05 368	1.56 371	2.33 374	2.12 374	2.23 370	2.25 384	1.31 342	1.07 278	1.48 366	1.41 366	0.90 259	1.04 297

11t	1.27 337	2.70 324	1.34 347	1.32 326	0.89 295	1.30 355	1.34 361	1.64 354	0.57 255	1.45 354	0.72 283	1.05 294	1.29 355	1.07 295	1.29 361	1.49 350	1.02 277	0.97 294	1.15 304	1.48 342	1.31 362

Anonymous	2.11 360	2.74 325	1.41 357	2.77 365	1.40 374	2.74 382	1.46 372	2.75 377	1.50 374	2.87 383	1.39 368	2.74 382	1.46 363	2.72 380	1.41 368	2.72 377	1.41 355	2.81 383	1.41 366	3.16 371	1.39 369

sCroCo_RVC	2.10 359	2.76 326	1.92 376	2.78 366	1.39 373	2.73 381	1.41 370	2.73 376	1.40 372	2.77 382	1.41 370	2.74 382	1.40 361	2.74 381	1.40 366	2.72 377	1.42 356	2.72 382	1.44 370	2.79 368	1.42 370

PSMNet-RSSM	0.77 235	2.76 326	0.14 97	0.20 100	0.14 119	0.20 115	2.66 387	2.79 379	0.14 118	0.21 123	0.14 120	0.21 124	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 364	2.31 384

GwcNet-RSSM	0.77 235	2.77 328	0.14 97	0.20 100	0.14 119	0.20 115	2.67 388	2.78 378	0.14 118	0.20 114	0.14 120	0.20 116	0.14 117	0.21 125	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 364	2.31 384

hitnet-ft	0.79 239	2.78 329	0.14 97	0.20 100	0.14 119	0.21 123	2.89 390	2.80 380	0.14 118	0.20 114	0.14 120	0.20 116	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.54 366	2.33 386

PDISCO_ROB	0.83 254	2.80 330	3.49 388	0.14 74	0.11 103	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 106	0.14 117	3.30 386	0.13 109	0.14 90	2.34 377	0.16 106	0.12 110	2.62 367	0.10 83

iGMRVC	0.84 256	2.85 331	0.72 253	0.72 221	0.73 285	0.77 267	0.79 277	0.73 255	0.74 280	0.73 261	0.72 283	0.73 264	0.76 273	0.73 263	0.73 277	0.72 254	0.73 257	0.73 268	0.72 281	0.73 243	0.72 268

MC-Stereo	1.76 349	2.96 332	1.37 354	2.14 349	1.37 371	2.14 371	1.36 363	2.14 365	1.37 370	2.14 371	1.37 366	2.14 369	1.37 359	2.14 369	1.37 364	1.97 365	1.32 345	1.97 373	1.32 360	1.98 353	1.33 363

PASM	0.39 166	3.06 333	1.36 353	1.58 333	0.09 82	0.11 90	0.11 97	0.11 90	0.11 99	0.09 77	0.09 82	0.11 92	0.09 83	0.09 78	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

4D-IteraStereo	0.78 238	3.13 334	0.89 266	0.69 215	0.32 192	0.40 183	0.32 177	0.76 256	0.97 298	0.52 235	0.65 273	0.89 280	0.32 187	0.76 266	0.98 293	0.83 263	0.94 273	0.35 182	0.27 170	0.70 236	0.89 285

test croco	1.88 353	3.16 335	0.64 237	3.10 368	0.65 272	3.10 385	0.64 259	3.12 383	0.65 264	3.10 384	0.65 273	3.11 385	0.65 257	3.12 383	0.65 262	3.12 381	0.65 245	3.13 385	0.65 268	3.13 370	0.65 258

iRaftStereo_RVC	0.97 274	3.17 336	2.30 379	2.42 359	0.38 217	0.54 243	0.38 208	0.54 231	0.38 207	0.54 237	0.38 211	0.54 242	0.38 202	0.54 238	0.38 207	2.38 375	2.34 377	0.49 244	0.36 213	0.49 215	0.36 196

RCA-Stereo	0.51 205	3.22 337	0.34 174	0.44 180	0.34 207	0.44 219	0.34 193	0.43 205	0.34 197	0.43 203	0.34 197	0.44 215	0.33 191	0.43 210	0.33 184	0.38 184	0.29 162	0.38 195	0.29 183	0.38 178	0.29 169

Anonymous3	2.55 376	3.26 338	1.65 363	3.28 371	1.63 378	3.24 387	1.68 374	3.27 385	1.66 376	3.28 386	1.67 376	3.25 387	1.66 366	3.27 385	1.64 373	3.26 382	1.65 364	3.30 386	1.65 375	4.95 388	1.65 376

MIF-Stereo (partial)	2.58 377	3.31 339	0.66 243	3.18 369	0.66 277	3.18 386	0.66 262	3.21 384	0.67 267	3.19 385	0.66 275	3.19 386	0.66 259	3.31 387	0.68 269	5.09 392	1.79 370	8.23 410	1.67 377	6.18 395	1.38 368

MIF-Stereo	2.03 358	3.43 340	0.72 253	3.42 372	0.73 285	3.27 388	0.68 266	3.38 387	0.69 271	3.29 387	0.72 283	3.28 388	0.70 267	3.35 388	0.68 269	3.39 383	0.68 249	3.31 387	0.69 277	3.37 372	0.73 270

DPSNet	3.66 389	3.60 341	3.62 390	3.63 375	3.64 398	3.65 391	3.65 397	3.66 390	3.67 395	3.67 388	3.65 396	3.67 390	3.66 386	3.66 389	3.68 393	3.68 385	3.66 381	3.67 391	3.68 397	3.67 373	3.67 395

qqq1	0.25 117	3.70 342	0.14 97	0.14 74	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 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 342	0.14 97	0.14 74	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 86	0.06 65	0.05 67	0.03 39	0.04 53

RAFT_CTSACE	1.92 354	3.71 344	1.72 367	1.88 340	1.72 381	2.04 370	1.42 371	2.18 366	1.89 386	2.02 367	1.97 384	1.95 366	2.06 373	1.93 363	1.62 372	1.76 357	1.66 365	2.02 374	1.73 383	1.73 348	1.43 371

MyStereo07	0.60 212	3.72 345	0.48 215	0.49 192	0.41 228	0.36 168	0.32 177	0.49 218	0.43 227	0.51 232	0.42 228	0.49 229	0.43 222	0.51 235	0.64 261	0.49 226	0.45 208	0.34 171	0.32 200	0.35 164	0.43 220

MyStereo04	0.56 210	3.72 345	0.59 230	0.49 192	0.41 228	0.36 168	0.32 177	0.37 163	0.31 183	0.34 156	0.46 235	0.35 164	0.32 187	0.35 165	0.33 184	0.49 226	0.45 208	0.34 171	0.32 200	0.35 164	0.43 220

DualNet	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 347	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

NINENet	0.69 224	3.87 351	1.20 294	1.98 346	0.05 69	0.40 183	0.04 54	0.40 174	0.05 68	0.41 188	0.04 63	0.41 196	0.05 64	0.40 185	0.05 59	1.79 358	1.56 360	0.34 171	0.22 145	0.34 152	0.23 132

MyStereo8	0.71 227	3.92 352	0.52 225	0.59 207	0.52 255	0.57 249	0.53 248	0.59 240	0.50 244	0.59 245	0.51 254	0.57 249	0.50 243	0.56 243	0.52 247	0.54 234	0.49 222	0.54 251	0.49 250	0.55 226	0.50 238

MyStereo06	0.75 233	4.12 353	0.60 231	0.63 210	0.61 267	0.62 253	0.66 262	0.56 234	0.45 229	0.55 239	0.48 245	0.54 242	0.46 225	0.57 246	0.45 229	0.60 239	0.57 235	0.64 256	0.55 254	0.72 238	0.55 246

MyStereo05	0.80 241	4.12 353	0.63 235	0.63 210	0.61 267	0.62 253	0.66 262	0.65 247	0.62 261	0.67 254	0.61 265	0.65 256	0.58 251	0.67 256	0.55 252	0.60 239	0.57 235	0.64 256	0.55 254	0.72 238	0.55 246

test-3	0.98 276	4.13 355	1.85 372	1.85 339	0.61 267	0.69 259	0.37 203	0.63 245	0.61 260	0.66 253	0.51 254	0.73 264	0.44 223	0.57 246	0.54 249	1.68 356	1.81 371	0.40 204	0.43 237	0.66 229	0.50 238

IGEVStereo-DCA	1.77 350	4.21 356	1.84 370	2.49 361	2.11 388	2.54 379	1.36 363	1.65 355	1.17 312	2.75 380	1.90 382	2.54 380	1.15 296	0.94 283	1.11 300	1.50 351	1.32 345	0.96 292	1.46 371	1.49 343	0.88 283

rrr	1.77 350	4.21 356	1.84 370	2.49 361	2.11 388	2.54 379	1.36 363	1.65 355	1.17 312	2.75 380	1.90 382	2.54 380	1.15 296	0.94 283	1.11 300	1.50 351	1.32 345	0.96 292	1.46 371	1.49 343	0.88 283

GEStereo_RVC	0.86 261	4.45 358	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 137	0.18 131	5.03 400	0.20 141	0.27 148	0.19 137	0.27 150	0.21 139	0.20 119	0.19 128	0.19 121	4.02 402	0.20 117	0.18 124

error version	0.93 270	4.47 359	2.35 380	1.99 347	0.37 212	0.41 198	0.36 199	0.41 187	0.35 199	0.43 203	0.36 203	0.41 196	0.40 207	0.41 198	0.36 200	1.87 361	2.16 373	0.47 233	0.37 216	0.39 185	0.33 189

test_1	0.93 270	4.47 359	2.35 380	1.99 347	0.37 212	0.41 198	0.36 199	0.41 187	0.35 199	0.43 203	0.36 203	0.41 196	0.40 207	0.41 198	0.36 200	1.87 361	2.16 373	0.47 233	0.37 216	0.39 185	0.33 189

MyStereo02	0.85 259	4.58 361	0.64 237	0.76 224	0.65 272	0.75 264	0.61 254	0.60 241	0.53 249	0.80 268	0.64 269	0.78 269	0.66 259	0.55 240	0.57 253	0.70 249	0.66 247	0.68 260	0.62 265	0.72 238	0.59 250

MyStereo	0.85 259	4.58 361	0.64 237	0.76 224	0.65 272	0.75 264	0.61 254	0.60 241	0.53 249	0.80 268	0.64 269	0.78 269	0.66 259	0.55 240	0.57 253	0.70 249	0.66 247	0.68 260	0.62 265	0.72 238	0.59 250

TestStereo	4.88 400	4.75 363	4.79 392	4.87 382	4.92 406	4.81 402	4.90 405	4.78 399	4.77 405	4.87 398	4.89 405	4.90 402	4.91 397	4.99 400	4.79 403	4.98 391	4.87 389	4.87 400	4.92 406	5.00 389	5.00 404

DispFullNet	4.61 396	4.84 364	3.12 386	5.00 383	3.57 397	4.75 401	3.03 392	7.75 409	4.17 402	4.91 399	3.09 392	6.20 407	3.95 391	6.71 405	3.51 392	5.30 394	3.67 382	5.86 407	3.63 394	5.61 392	3.46 393

CFNet-RSSM	0.91 265	4.89 365	0.34 174	0.44 180	1.07 310	1.62 363	1.40 369	0.91 268	0.35 199	1.60 356	1.39 368	0.64 253	0.34 194	0.44 212	0.33 184	0.41 200	0.35 178	0.75 270	0.30 191	0.41 196	0.29 169

MyStereo03	0.84 256	4.93 366	0.68 248	0.90 236	0.74 287	0.56 245	0.46 229	0.55 232	0.52 248	0.74 265	0.56 260	0.56 247	0.46 225	0.81 270	0.54 249	0.59 237	0.52 229	0.75 270	0.68 274	0.68 231	0.65 258

StereoVision	3.15 385	5.00 367	0.89 266	4.83 381	1.00 305	3.93 392	1.27 359	6.37 403	1.34 366	5.67 404	1.26 362	5.84 406	1.27 353	5.03 401	1.24 358	5.10 393	1.09 284	4.61 398	0.57 258	5.62 393	1.12 302

LL-Strereo	1.01 281	5.06 368	1.63 362	0.70 217	1.43 375	0.56 245	0.46 229	0.57 236	0.50 244	0.57 242	0.50 251	1.58 361	0.49 240	0.59 248	0.50 244	1.64 355	0.52 229	0.51 248	1.37 364	0.52 221	0.45 223

CFNet	1.37 340	5.27 369	0.19 123	5.49 384	0.19 142	0.28 147	0.19 127	0.28 139	0.19 136	0.28 143	0.19 139	0.28 149	4.35 394	0.28 152	0.19 135	0.23 134	0.17 125	0.23 134	4.21 404	4.81 386	0.17 121

UDGNet	2.23 362	5.40 370	1.72 367	2.48 360	1.69 379	2.51 378	1.69 375	2.51 374	1.72 377	2.50 378	1.69 377	2.52 379	1.69 367	2.50 377	1.68 376	2.41 376	1.70 366	2.42 381	1.69 379	2.42 362	1.64 374

SGM-Forest	5.21 404	5.92 371	4.08 391	6.18 389	4.16 403	6.31 406	4.34 404	6.50 404	4.33 403	6.14 406	4.21 402	6.61 410	4.55 396	6.67 404	4.48 402	5.94 398	3.94 384	5.85 406	4.03 403	5.79 394	4.17 402
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
StereoIM	3.19 386	6.02 372	1.12 283	5.61 386	1.16 316	5.43 404	1.02 296	5.15 402	0.70 273	5.43 401	1.21 357	5.03 404	0.97 283	4.85 399	0.99 294	4.53 389	1.16 293	5.53 403	1.25 358	5.37 391	1.30 361

IER	0.88 262	7.04 373	2.23 377	2.75 364	0.28 170	0.43 218	0.25 148	0.39 170	0.25 150	0.41 188	0.27 168	0.39 180	0.25 152	0.40 185	0.28 163	0.37 177	0.28 153	0.37 189	0.25 158	0.37 172	0.25 142

HCRNet	1.22 334	7.11 374	3.00 385	3.55 374	0.33 201	0.29 150	0.14 113	0.19 111	0.15 126	0.33 154	0.29 175	0.25 139	0.14 117	0.22 129	0.33 184	3.64 384	3.00 380	0.76 273	0.32 200	0.18 114	0.13 112

SA	4.33 392	7.35 375	6.85 403	5.96 388	4.09 402	3.59 390	3.15 393	3.82 391	2.64 389	3.91 389	3.85 397	3.57 389	2.72 381	3.13 384	4.03 398	7.09 406	6.86 399	3.57 389	3.12 392	3.85 374	3.51 394

cross-raft	4.83 399	7.52 376	6.43 399	6.63 391	3.96 401	4.51 398	3.99 401	4.49 397	3.96 400	4.52 396	3.96 399	4.50 398	3.97 392	4.50 398	3.97 397	6.65 401	6.44 396	4.33 395	3.92 401	4.35 382	3.91 400

test_5	4.62 397	7.55 377	6.23 398	6.32 390	3.40 396	5.29 403	3.50 395	3.53 389	4.11 401	4.28 393	4.47 404	4.26 397	4.38 395	3.68 390	3.24 391	5.89 397	5.60 391	4.84 399	3.50 393	4.33 381	3.93 401

RAFT+CT+SA	4.28 391	7.62 378	4.91 393	5.55 385	2.28 390	3.09 384	3.64 396	4.49 397	3.07 393	4.80 397	3.35 393	4.77 401	3.70 387	4.29 396	3.05 390	5.58 395	5.98 394	3.58 390	3.78 399	4.26 380	3.72 396

raft_robust	4.71 398	7.75 379	5.40 397	6.81 392	3.31 395	4.28 397	4.20 403	4.32 396	4.37 404	4.35 395	4.35 403	4.14 395	3.75 388	4.30 397	4.20 401	6.67 402	6.37 395	3.36 388	4.24 405	4.86 387	3.25 392

test_4	4.88 400	8.13 380	6.98 404	7.46 396	4.44 404	4.25 396	3.85 400	4.04 395	3.92 399	4.13 392	3.91 398	4.18 396	3.84 389	4.14 394	4.06 399	7.01 405	7.13 400	4.53 396	3.72 398	4.09 378	3.72 396

Sa-1000	4.34 393	8.37 381	6.84 402	6.98 395	4.45 405	3.58 389	3.00 391	3.42 388	3.39 394	2.61 379	4.00 400	3.83 392	4.01 393	3.90 391	3.90 396	5.98 399	5.62 392	3.76 392	2.34 389	4.35 382	2.47 390

TestStereo1	4.60 394	8.41 382	6.44 400	6.86 393	3.79 399	3.97 393	3.78 398	3.99 393	3.74 396	3.97 390	3.52 394	3.94 393	3.58 384	3.98 392	3.72 394	6.82 403	6.50 397	3.76 392	3.66 395	3.90 375	3.74 398

SA-5K	4.60 394	8.41 382	6.44 400	6.86 393	3.79 399	3.97 393	3.78 398	3.99 393	3.74 396	3.97 390	3.52 394	3.94 393	3.58 384	3.98 392	3.72 394	6.82 403	6.50 397	3.76 392	3.66 395	3.90 375	3.74 398

CFNet_RVC	2.38 372	8.71 384	0.38 182	9.33 401	0.42 236	0.56 245	0.42 225	0.60 241	0.38 207	0.62 249	0.42 228	0.56 247	7.29 405	0.62 249	0.42 226	0.53 233	0.37 182	0.49 244	0.34 206	8.30 403	6.87 408

test_3	5.01 402	8.86 385	7.77 406	8.09 397	2.76 394	4.13 395	4.05 402	3.88 392	3.76 398	4.33 394	4.13 401	3.71 391	3.91 390	4.21 395	4.06 399	7.93 407	7.69 402	4.53 396	3.91 400	4.17 379	4.29 403

SGM+DAISY	7.06 407	9.15 386	5.38 396	8.84 400	5.18 407	8.80 410	5.31 406	8.79 410	5.28 407	8.89 410	5.20 406	8.93 411	5.33 398	8.95 410	5.36 404	8.70 409	5.21 390	8.74 411	5.20 407	8.89 405	5.15 405

test-1	6.46 405	9.16 387	8.03 409	8.09 397	5.62 408	6.11 405	6.35 407	6.85 406	4.94 406	6.08 405	6.29 409	4.98 403	6.43 401	6.22 402	6.36 407	6.16 400	7.47 401	5.82 405	5.44 408	7.11 400	5.68 406

RAFT	6.73 406	9.36 388	7.40 405	8.51 399	6.55 409	6.88 407	6.60 408	6.79 405	6.60 408	6.80 407	6.72 410	5.31 405	5.50 399	6.61 403	6.61 408	8.42 408	5.89 393	5.73 404	5.45 409	6.61 396	6.24 407

CFNet_pseudo	2.67 380	9.36 388	0.32 163	10.99 411	0.33 201	0.85 274	0.33 184	0.49 218	0.33 190	0.49 222	0.32 188	0.49 229	7.26 404	0.49 230	0.33 184	0.41 200	9.62 408	0.41 215	0.29 183	10.03 410	0.29 169

CFNet_ucs	2.73 381	9.64 390	0.33 167	9.92 407	0.32 192	0.49 232	0.33 184	0.49 218	0.33 190	0.49 222	0.33 191	0.49 229	8.98 408	0.48 224	0.33 184	0.41 200	9.96 411	0.40 204	0.29 183	10.12 411	0.54 242

PCWNet_CMD	2.80 384	9.82 391	0.32 163	10.09 409	0.32 192	0.49 232	0.33 184	3.34 386	0.33 190	0.49 222	0.33 191	0.49 229	8.73 406	0.48 224	0.33 184	0.41 200	9.22 405	0.42 224	0.29 183	9.55 408	0.31 182

pcwnet_v2	2.66 379	9.89 392	0.33 167	9.89 406	0.32 192	0.50 238	0.32 177	0.49 218	0.33 190	0.49 222	0.34 197	0.49 229	8.76 407	0.48 224	0.33 184	0.41 200	9.58 407	0.40 204	0.29 183	9.01 406	0.63 256

UCFNet_RVC	2.75 382	10.06 393	0.29 150	10.31 410	0.29 176	0.42 214	0.29 167	0.43 205	0.29 171	0.42 199	0.29 175	0.42 212	9.87 410	0.43 210	0.29 169	0.36 173	9.84 410	0.36 187	0.26 164	9.77 409	0.26 148

MSMDNet	2.65 378	10.14 394	0.33 167	9.74 404	0.32 192	0.87 275	0.33 184	2.95 382	0.68 268	0.49 222	0.34 197	0.49 229	5.70 400	0.49 230	0.33 184	0.42 213	9.57 406	0.41 215	0.31 196	8.36 404	0.65 258

ccs_rob	2.79 383	10.17 395	0.32 163	10.00 408	0.33 201	0.49 232	0.33 184	1.90 359	0.32 187	0.51 232	0.33 191	0.49 229	9.24 409	0.49 230	0.33 184	0.41 200	9.82 409	0.41 215	0.28 174	9.34 407	0.29 169

test-v	7.53 408	11.89 396	7.98 407	9.36 402	7.14 410	7.06 408	7.09 409	7.37 407	6.91 409	7.29 408	5.71 407	6.45 408	6.93 402	6.73 406	7.27 409	8.93 410	7.85 403	6.98 408	6.80 410	7.56 401	7.34 409

test-2	7.53 408	11.89 396	7.98 407	9.36 402	7.14 410	7.06 408	7.09 409	7.37 407	6.91 409	7.29 408	5.71 407	6.45 408	6.93 402	6.73 406	7.27 409	8.93 410	7.85 403	6.98 408	6.80 410	7.56 401	7.34 409

Anonymous Stereo	2.36 367	18.47 398	11.50 410	9.80 405	0.53 258	0.28 147	0.50 245	0.58 238	0.53 249	0.59 245	0.53 257	0.66 258	0.52 246	0.62 249	0.41 220	0.36 173	0.37 182	0.31 156	0.19 140	0.20 117	0.22 130

rafts_anoy	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 412	20.00 412	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 412

raft+_RVC	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 412	20.00 412	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 412

raftrobust	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 412	20.00 412	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 412

CasAABBNet	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 412	20.00 412	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 412

RALCasStereoNet	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 412	20.00 412	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 412

RALAANet	20.00 412	20.00 399	20.00 412	20.00 412	20.00 413	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 412	20.00 412	20.00 411	20.00 412	20.00 412	20.00 413	20.00 412	20.00 413	20.00 412	20.00 412

MANE	19.05 411	23.00 405	15.00 411	23.00 418	15.00 412	24.00 417	16.00 411	24.00 417	16.00 411	22.00 417	15.00 411	23.00 418	16.00 411	23.00 417	15.00 411	22.00 418	15.00 412	22.00 418	15.00 412	22.00 418	15.00 411

stereogan	2.33 365	24.38 406	1.18 290	1.18 274	1.18 319	1.14 302	1.18 307	1.19 292	1.19 314	1.14 299	1.18 311	1.14 304	1.18 301	1.14 302	1.18 309	1.14 290	1.14 291	1.19 311	1.19 308	1.15 277	1.19 310

Abc-Net	2.32 364	24.75 407	1.14 285	1.17 273	1.17 317	1.11 300	1.15 303	1.17 289	1.21 360	1.08 291	1.16 307	1.12 303	1.14 295	1.09 296	1.17 308	1.09 281	1.16 293	1.17 308	1.17 307	1.16 279	1.11 300
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 365	25.00 408	1.13 284	1.15 267	1.15 312	1.10 297	1.15 303	1.15 286	1.15 307	1.12 297	1.15 304	1.09 297	1.13 293	1.10 298	1.15 304	1.11 288	1.09 284	1.16 304	1.12 302	1.16 279	1.17 308

RGC	2.36 367	25.48 409	1.19 291	1.15 267	1.15 312	1.10 297	1.16 305	1.17 289	1.16 308	1.12 297	1.16 307	1.11 302	1.13 293	1.09 296	1.18 309	1.10 283	1.15 292	1.16 304	1.12 302	1.14 276	1.12 302

NCC-stereo	2.36 367	25.52 410	1.17 288	1.15 267	1.17 317	1.11 300	1.11 299	1.15 286	1.16 308	1.10 292	1.16 307	1.10 299	1.15 296	1.14 302	1.13 302	1.09 281	1.11 288	1.15 303	1.16 306	1.17 284	1.17 308

AF-Net	2.37 370	25.71 411	1.17 288	1.13 264	1.15 312	1.15 303	1.18 307	1.19 292	1.16 308	1.10 292	1.15 304	1.10 299	1.18 301	1.12 301	1.15 304	1.10 283	1.10 287	1.17 308	1.15 304	1.16 279	1.12 302

Nwc_Net	2.37 370	25.95 412	1.15 287	1.14 265	1.15 312	1.08 295	1.14 302	1.17 289	1.16 308	1.14 299	1.15 304	1.08 295	1.15 296	1.11 300	1.14 303	1.10 283	1.11 288	1.16 304	1.09 301	1.16 279	1.15 307

FAT-Stereo	2.46 374	26.05 413	1.23 343	1.23 323	1.22 367	1.20 305	1.24 357	1.23 343	1.23 362	1.19 301	1.22 358	1.21 353	1.24 351	1.20 306	1.24 358	1.21 338	1.17 295	1.22 358	1.25 358	1.20 288	1.24 359

S-Stereo	2.51 375	26.86 414	1.23 343	1.22 321	1.22 367	1.24 353	1.25 358	1.22 341	1.24 363	1.21 347	1.24 360	1.19 307	1.27 353	1.19 305	1.24 358	1.19 292	1.20 297	1.25 359	1.19 308	1.24 336	1.23 358

edge stereo	2.43 373	27.07 415	1.14 285	1.06 257	1.14 311	1.08 295	1.17 306	1.16 288	1.14 306	1.10 292	1.16 307	1.09 297	1.16 300	1.10 298	1.16 307	1.10 283	1.11 288	1.16 304	1.19 308	1.13 275	1.11 300

fff	1000028.16 435	29.62 416	29.72 419	32.61 419	30.02 420	35.13 420	31.83 420	32.07 419	10000000.00 435	35.27 421	29.82 420	32.45 420	30.15 419	32.35 419	30.09 419	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 420

csc	1000028.16 435	29.62 416	29.72 419	32.61 419	30.02 420	35.13 420	31.83 420	32.07 419	10000000.00 435	35.27 421	29.82 420	32.45 420	30.15 419	32.35 419	30.09 419	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 420

cscssc	1000028.16 435	29.62 416	29.72 419	32.61 419	30.02 420	35.13 420	31.83 420	32.07 419	10000000.00 435	35.27 421	29.82 420	32.45 420	30.15 419	32.35 419	30.09 419	31.04 420	29.55 421	30.64 420	30.14 420	10000000.00 436	30.77 420

STTStereo	3.73 390	30.40 419	2.37 382	2.39 358	2.31 392	2.35 376	2.33 385	2.29 368	2.42 388	2.32 376	2.34 390	2.33 374	2.36 378	2.30 374	2.27 387	2.35 374	2.22 375	2.31 379	2.22 385	2.29 360	2.34 387

111	30.40 418	30.94 420	29.72 419	32.61 419	30.02 420	33.57 418	30.47 419	31.50 418	29.39 419	30.98 418	29.11 419	29.78 419	30.39 422	29.45 418	30.76 422	30.08 419	29.02 420	29.92 419	30.32 423	29.86 419	30.17 419

DCANet-4	35.22 420	34.54 421	35.08 425	33.58 423	35.47 427	34.55 419	35.53 426	36.08 424	35.85 423	35.92 424	35.77 425	35.18 425	35.48 424	35.39 424	37.15 425	34.55 425	33.92 424	35.02 426	34.90 425	35.79 423	34.74 426

tt	500032.53 433	34.60 422	29.72 419	37.47 425	34.41 425	36.85 424	35.22 424	34.71 422	33.55 421	34.50 419	35.43 423	33.81 423	10000000.00 436	33.57 422	33.13 423	33.68 423	35.00 425	34.03 424	35.26 426	30.96 420	34.63 424

DCANet	500032.53 433	34.60 422	29.72 419	37.47 425	34.41 425	36.85 424	35.22 424	34.71 422	33.55 421	34.50 419	35.43 423	33.81 423	10000000.00 436	33.57 422	33.13 423	33.68 423	35.00 425	34.03 424	35.26 426	30.96 420	34.63 424

WCMA_ROB	31.10 419	35.43 424	27.12 418	39.51 427	23.10 419	38.78 426	25.30 418	37.49 426	25.39 418	37.29 425	27.02 418	38.52 427	26.48 418	37.80 425	26.44 418	36.28 426	22.65 419	33.90 423	22.30 419	37.10 424	24.18 418

ADStereo(finetuned)	36.13 421	36.63 425	38.07 426	36.97 424	33.25 424	35.91 423	34.45 423	36.36 425	32.99 420	38.14 426	36.71 426	36.69 426	34.13 423	38.57 426	40.79 426	37.60 427	36.58 427	35.90 427	33.36 424	35.42 422	34.04 423

NLCA_NET_v2_RVC	5.04 403	50.87 426	2.78 384	2.87 367	2.71 393	2.78 383	0.47 235	2.88 381	2.86 392	1.89 363	2.67 391	2.79 384	2.79 382	2.78 382	2.83 389	2.82 379	2.82 379	2.83 384	2.77 391	2.83 369	2.76 391
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	69.83 422	87.70 427	41.95 427	113.75 430	65.62 430	75.05 427	55.25 428	75.64 428	45.04 424	71.61 427	41.75 427	72.81 428	44.06 425	68.38 427	44.63 427	101.89 430	59.57 430	107.10 430	61.05 430	104.38 427	59.38 429

MGS-Stereo	239.45 427	123.00 428	135.00 431	266.00 433	286.00 434	277.00 432	305.00 433	271.00 432	242.00 430	274.00 432	279.00 433	255.00 433	270.00 431	268.00 432	297.00 433	221.00 433	247.00 434	216.00 433	123.00 431	217.00 430	217.00 433

AE-Stereo	201.80 426	123.00 428	115.00 429	219.00 432	218.00 433	223.00 431	244.00 432	217.00 431	236.00 429	202.00 431	203.00 431	205.00 432	208.00 429	225.00 431	204.00 431	210.00 432	198.00 432	197.00 432	184.00 433	204.00 429	201.00 431

EGLCR-Stereo	246.90 428	129.00 430	139.00 432	266.00 433	286.00 434	277.00 432	305.00 433	271.00 432	242.00 430	274.00 432	279.00 433	255.00 433	270.00 431	268.00 432	297.00 433	230.00 434	247.00 434	216.00 433	223.00 435	237.00 431	227.00 434

NOSS_ROB	102.95 423	153.00 431	121.00 430	51.00 428	44.00 428	165.00 430	127.00 429	153.00 429	119.00 426	164.00 430	125.00 429	168.00 431	120.00 427	153.00 429	117.00 429	49.00 428	44.00 428	49.00 428	44.00 428	49.00 425	44.00 427

MeshStereo	159.24 425	171.00 432	160.68 433	162.58 431	160.59 431	164.01 429	160.35 430	158.51 430	158.56 427	158.34 429	160.12 430	158.56 430	159.92 428	157.26 430	158.94 430	154.38 431	158.36 431	155.75 431	159.13 432	153.67 428	154.07 430
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	11.80 410	223.51 433	0.62 234	0.59 207	0.71 282	0.59 251	0.73 273	0.67 249	0.73 278	0.55 239	0.61 265	0.60 252	0.74 271	0.63 251	0.73 277	0.66 243	0.60 237	0.69 263	0.66 270	0.72 238	0.65 258
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 429	354.61 434	207.27 434	363.24 435	206.46 432	364.72 434	210.41 431	364.72 434	210.41 428	364.81 434	208.64 432	364.81 435	208.64 430	364.72 434	210.41 432	354.70 435	205.53 433	354.70 435	205.53 434	354.70 432	205.53 432

LE_ROB	396.57 430	471.28 435	329.84 435	471.48 436	308.15 436	526.83 435	322.10 435	488.15 435	323.76 432	495.46 435	317.97 435	497.17 436	320.10 433	481.62 435	326.76 435	462.71 436	298.97 436	466.16 436	285.98 436	447.62 433	289.21 435

SGM-ForestM	596.69 431	677.77 436	444.52 436	699.85 437	517.25 437	732.94 436	488.29 436	770.79 436	460.11 433	750.81 436	487.98 436	792.79 437	499.41 434	730.90 436	475.81 436	720.03 437	491.16 437	663.96 437	418.60 437	674.76 434	436.05 436

CBMV_ROB	818.48 432	913.88 437	709.52 437	862.84 438	597.78 438	1073.99 437	700.52 437	1015.66 437	702.59 434	1115.65 437	760.02 437	1130.24 438	721.57 435	1037.41 437	692.65 437	814.05 438	564.29 438	843.28 438	595.31 438	915.51 435	602.92 437

CBMV	128.50 424	1422.70 438	53.10 428	79.50 429	51.30 429	77.30 428	49.70 427	74.00 427	48.20 425	77.20 428	48.80 428	73.90 429	48.00 426	73.80 428	48.80 428	70.40 429	45.10 429	68.90 429	46.10 429	68.20 426	45.00 428
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SDNR	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 438

anonymousdsp2	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 438

anonymousdsp	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 438

test_example2	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 438

DIP-Stereo	10000000.00 438	10000000.00 439	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 438	10000000.00 438	10000000.00 438	10000000.00 435	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 436	10000000.00 438	10000000.00 438	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 439	10000000.00 436	10000000.00 438
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