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

riskmin	2.49 102	0.22 1	3.34 63	2.33 249	1.78 252	2.89 129	0.46 104	7.35 148	6.95 185	2.75 49	1.67 24	6.75 221	5.08 245	3.24 53	1.93 136	0.00 1	0.99 314	0.00 1	0.27 314	0.02 9	1.73 308

EGLCR-Stereo	1.45 14	0.26 2	2.91 29	1.94 198	0.90 174	3.13 144	0.69 160	5.81 79	3.21 24	1.14 30	0.20 3	1.52 61	0.37 17	4.29 74	0.69 15	0.01 102	0.79 289	0.00 1	0.00 1	0.01 3	1.21 269

knoymous	1.50 21	0.28 3	1.99 4	0.33 31	0.48 111	1.58 22	0.11 27	5.71 73	2.81 9	4.85 88	1.75 27	4.58 156	0.46 32	3.66 60	1.30 79	0.01 102	0.02 133	0.00 1	0.00 1	0.02 9	0.09 41

PSM-AAD	3.43 186	0.31 4	2.16 7	0.80 84	0.57 131	2.53 74	5.97 324	5.53 59	3.98 67	11.00 311	11.90 253	2.93 91	9.36 327	8.03 195	1.00 51	0.01 102	0.01 103	0.00 1	0.00 1	0.06 68	2.39 352

GrayStereo	3.86 213	0.33 5	2.63 18	1.66 159	0.62 137	3.09 140	7.92 353	6.43 114	3.88 63	10.61 299	16.51 304	5.75 201	8.40 313	6.75 132	1.58 97	0.01 102	0.00 1	0.01 246	0.62 354	0.04 44	0.38 155

Selective-IGEV	1.56 30	0.34 6	2.13 6	0.77 81	0.76 160	2.36 62	0.52 120	6.80 126	3.08 22	0.53 10	3.34 51	0.26 14	0.31 8	7.24 149	0.73 21	0.01 102	0.80 290	0.00 1	0.14 256	0.08 88	1.01 248

Any-RAFT	2.33 84	0.36 7	2.35 10	1.58 148	0.84 168	4.93 231	0.55 126	9.10 188	5.93 148	4.30 81	4.90 86	5.79 203	2.22 128	2.75 48	0.51 2	0.02 185	0.32 253	0.00 1	0.00 1	0.02 9	0.18 89

CAS	2.42 97	0.37 8	2.30 9	11.49 383	3.97 338	1.65 25	0.02 5	4.08 14	2.84 10	0.51 8	1.65 23	0.25 13	0.28 6	1.73 15	0.92 39	10.05 390	0.01 103	0.00 1	0.00 1	0.01 3	6.26 380

AE-Stereo	1.89 40	0.38 9	3.86 106	1.94 198	0.38 93	2.51 73	0.58 135	7.19 142	7.28 194	1.60 39	3.51 59	1.07 49	0.77 47	2.12 30	1.24 76	0.03 215	1.02 318	0.00 1	0.28 315	0.11 133	1.84 323

AEACV	1.27 8	0.38 9	2.61 15	1.75 174	1.21 213	2.44 68	0.85 196	4.79 29	1.67 1	0.71 15	0.26 6	0.29 18	2.00 120	2.30 37	0.66 10	0.01 102	0.95 303	0.00 1	0.42 342	0.12 150	2.07 342

test-3	2.19 70	0.38 9	3.88 112	1.55 146	0.91 177	1.39 12	0.80 180	5.36 56	5.51 130	7.36 201	1.90 30	4.05 135	0.42 23	6.67 130	1.17 65	0.00 1	0.99 314	0.00 1	0.28 315	0.20 218	1.08 258

test_1	2.18 68	0.38 9	3.87 107	1.54 145	0.91 177	1.38 11	0.80 180	5.36 56	5.53 132	7.12 186	1.86 29	4.05 135	0.41 21	6.65 128	1.17 65	0.00 1	0.99 314	0.00 1	0.28 315	0.20 218	1.08 258

s12784h	2.10 60	0.38 9	3.31 61	0.17 4	0.09 11	4.89 230	0.13 38	7.34 147	8.06 217	3.87 76	4.47 82	0.60 43	1.19 78	6.78 136	0.63 8	0.01 102	0.01 103	0.00 1	0.00 1	0.02 9	0.04 17

GLC_STEREO	0.87 1	0.39 14	1.55 2	0.72 70	0.01 1	1.98 43	0.55 126	3.52 4	3.54 42	0.96 26	1.63 22	0.19 1	0.41 21	1.29 7	0.58 4	0.00 1	0.01 103	0.00 1	0.00 1	0.05 59	0.08 37

test_3	2.22 74	0.39 14	4.20 137	1.51 142	0.90 174	1.29 9	0.74 174	5.34 50	6.37 162	6.64 162	1.96 32	4.24 149	0.45 30	6.63 126	1.17 65	0.00 1	1.00 317	0.00 1	0.28 315	0.19 212	1.01 248

GMM-Stereo	3.42 184	0.39 14	3.24 54	0.87 88	0.50 114	2.26 56	4.73 313	5.64 69	3.81 58	7.08 183	16.57 305	6.13 208	3.62 183	7.74 181	1.40 89	0.05 249	0.00 1	0.00 1	0.04 220	0.12 150	4.24 372

Prome-Stereo	3.73 205	0.39 14	2.62 17	1.05 105	0.52 124	2.06 49	4.58 310	4.88 33	3.95 65	9.34 270	20.39 331	4.03 134	7.02 290	7.86 186	1.31 81	0.00 1	0.00 1	0.00 1	0.00 1	0.07 83	4.52 373

CES	1.72 37	0.40 18	1.82 3	0.65 64	7.83 376	2.62 83	0.13 38	5.35 54	2.68 7	0.36 1	1.30 18	0.33 25	0.32 11	1.92 22	0.72 20	0.01 102	0.02 133	0.00 1	0.00 1	0.56 320	7.35 383

Gwc-CoAtRS	2.16 65	0.42 19	3.13 47	1.28 122	0.31 77	3.52 168	0.39 92	6.56 117	6.31 159	5.38 105	5.11 91	5.47 185	1.70 110	2.00 25	1.08 60	0.01 102	0.19 232	0.00 1	0.25 302	0.02 9	0.16 81

LoS	1.03 4	0.43 20	2.53 12	0.64 62	0.14 22	2.42 66	0.26 71	5.64 69	2.93 12	1.08 27	0.24 4	0.49 37	0.45 30	2.31 38	0.83 29	0.02 185	0.02 133	0.00 1	0.00 1	0.06 68	0.03 9

DCANet-4	2.26 78	0.43 20	6.69 254	0.40 42	0.20 47	1.70 30	0.13 38	5.73 74	9.44 251	6.01 127	5.29 97	1.12 50	2.77 150	2.49 45	2.21 153	0.01 102	0.00 1	0.01 246	0.00 1	0.02 9	0.61 202

tt	83.10 421	0.43 20	99.97 429	79.27 423	93.14 424	100.00 429	100.00 429	100.00 431	99.89 426	60.55 412	48.44 399	99.98 430	99.96 428	99.98 431	100.00 432	91.80 424	99.82 428	73.67 424	73.25 421	86.43 425	55.39 419

BUS	2.72 128	0.43 20	3.76 98	0.70 67	0.50 114	7.31 277	0.48 115	9.93 212	5.65 136	6.50 150	6.23 122	5.21 178	1.18 73	4.27 71	1.89 133	0.01 102	0.03 158	0.03 295	0.00 1	0.06 68	0.14 65

BSDual-CNN	2.91 141	0.43 20	3.76 98	0.70 67	0.50 114	6.97 267	1.58 245	9.93 212	5.65 136	6.50 150	6.23 122	6.17 210	2.50 138	4.27 71	2.67 178	0.01 102	0.03 158	0.03 295	0.00 1	0.06 68	0.14 65

psmg	3.34 174	0.43 20	3.76 98	0.73 73	0.50 114	8.47 294	2.74 269	10.88 239	5.65 136	8.91 252	8.78 180	6.17 210	2.50 138	4.27 71	2.67 178	0.01 102	0.04 172	0.06 313	0.00 1	0.12 150	0.10 46

KYRaft	3.68 199	0.43 20	2.53 12	0.89 89	0.49 113	2.28 59	3.89 295	5.30 47	3.82 60	8.99 256	19.28 326	6.54 218	4.96 240	7.92 190	0.96 47	0.01 102	0.00 1	0.00 1	0.01 173	0.06 68	5.17 374

CFNet-RSSM	2.26 78	0.43 20	3.24 54	1.28 122	0.31 77	3.19 148	0.40 93	7.62 159	7.29 195	5.88 117	4.68 83	5.32 182	1.68 108	2.26 36	1.04 55	0.01 102	0.09 204	0.00 1	0.31 325	0.03 26	0.16 81

PMTNet	1.48 20	0.43 20	2.77 26	0.31 25	0.17 36	2.94 131	0.33 84	3.66 7	5.27 120	1.11 29	1.28 17	0.28 16	0.92 54	4.32 75	0.90 36	4.89 378	0.00 1	0.00 1	0.00 1	0.03 26	0.05 23

HSM-Net_RVC	4.40 248	0.44 29	3.22 52	0.72 70	0.68 140	7.06 271	1.82 253	12.57 274	8.48 226	9.04 257	12.20 259	14.98 323	5.14 248	7.32 154	4.19 223	0.02 185	0.02 133	0.00 1	0.00 1	0.02 9	0.14 65
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAFT-Test	2.49 102	0.45 30	4.35 145	1.89 192	1.28 221	4.83 228	0.68 157	7.19 142	4.51 92	5.00 94	7.09 150	6.81 222	1.12 64	2.22 32	1.16 64	0.01 102	0.63 277	0.00 1	0.33 330	0.05 59	0.20 101

SST-Stereo	2.86 136	0.45 30	3.64 96	1.46 138	0.36 89	3.94 198	0.80 180	6.07 99	4.46 89	10.96 310	6.21 121	4.94 170	4.14 209	8.85 244	0.93 40	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.03 9

RCA-Stereo	2.19 70	0.46 32	3.22 52	0.47 53	0.33 83	2.27 57	0.47 106	5.60 67	15.20 323	2.86 51	5.61 108	0.78 45	3.15 158	1.71 13	0.48 1	0.00 1	0.90 296	0.00 1	0.00 1	0.10 122	0.26 125

RAFT_R40	2.83 133	0.46 32	3.85 104	1.38 132	0.32 82	3.78 191	0.97 209	6.16 103	4.82 110	9.74 284	6.35 131	4.96 171	3.94 203	8.78 241	1.05 56	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.03 9

pcwnet_v2	4.36 245	0.46 32	9.07 307	1.43 136	1.10 202	3.41 156	0.40 93	13.44 301	14.60 320	10.29 292	14.22 281	5.82 204	2.97 155	6.75 132	2.29 166	0.01 102	0.05 179	0.04 303	0.02 191	0.17 198	0.61 202

R-Stereo Train	2.60 116	0.46 32	2.94 31	1.10 109	0.18 39	3.61 172	0.60 139	6.88 129	3.50 30	9.13 261	17.23 312	1.77 67	0.77 47	2.03 26	1.65 110	0.00 1	0.01 103	0.00 1	0.00 1	0.01 3	0.21 105

RAFT-Stereo	2.60 116	0.46 32	2.94 31	1.10 109	0.18 39	3.61 172	0.60 139	6.88 129	3.50 30	9.13 261	17.23 312	1.77 67	0.77 47	2.03 26	1.65 110	0.00 1	0.01 103	0.00 1	0.00 1	0.01 3	0.21 105
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CASnet	1.09 5	0.47 37	2.09 5	0.79 82	0.08 9	2.10 50	0.14 46	3.83 10	4.26 79	3.84 75	1.56 20	0.32 24	0.30 7	1.13 2	0.77 23	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.03 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DisPM	2.59 114	0.47 37	4.32 143	1.89 192	0.20 47	3.42 157	0.63 146	5.56 65	5.60 134	8.66 244	7.05 148	2.82 89	1.03 61	9.05 255	1.07 59	0.02 185	0.00 1	0.00 1	0.00 1	0.02 9	0.04 17

PFNet+	2.52 105	0.47 37	4.97 180	0.95 98	0.18 39	3.12 143	0.73 171	4.98 36	6.97 186	7.95 217	6.38 132	2.51 82	1.18 73	8.05 197	1.82 125	0.03 215	0.00 1	0.00 1	0.00 1	0.02 9	0.05 23

ICVP	2.53 106	0.47 37	3.64 96	1.20 115	0.69 142	2.71 96	0.84 191	10.63 231	4.66 98	4.31 82	8.99 186	2.75 88	1.93 118	2.91 50	4.07 222	0.06 260	0.24 244	0.01 246	0.01 173	0.13 166	0.26 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
NF-Stereo	2.38 88	0.48 41	3.88 112	2.17 222	0.11 12	3.43 159	0.42 96	7.08 141	3.75 53	6.91 174	5.29 97	2.65 87	1.33 86	8.40 223	1.67 115	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.02 4

OCTAStereo	2.38 88	0.48 41	3.90 114	2.16 218	0.11 12	3.42 157	0.42 96	7.06 136	3.74 51	6.91 174	5.26 94	2.63 86	1.32 84	8.41 225	1.70 118	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.01 1

PSM-softLoss	2.38 88	0.48 41	4.28 140	1.94 198	0.19 42	2.73 99	0.38 89	6.67 120	3.50 30	6.33 140	6.33 129	2.93 91	0.97 56	8.90 246	1.88 130	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.03 9

KMStereo	2.38 88	0.48 41	4.28 140	1.94 198	0.19 42	2.73 99	0.38 89	6.67 120	3.50 30	6.33 140	6.33 129	2.93 91	0.97 56	8.90 246	1.88 130	0.01 102	0.00 1	0.00 1	0.00 1	0.03 26	0.03 9

RE-Stereo	2.38 88	0.48 41	3.91 115	2.17 222	0.11 12	3.43 159	0.42 96	7.07 138	3.75 53	6.91 174	5.26 94	2.62 84	1.33 86	8.41 225	1.72 120	0.01 102	0.00 1	0.01 246	0.00 1	0.03 26	0.01 1

TVStereo	2.38 88	0.48 41	3.91 115	2.17 222	0.11 12	3.43 159	0.42 96	7.07 138	3.75 53	6.91 174	5.26 94	2.62 84	1.33 86	8.41 225	1.72 120	0.01 102	0.00 1	0.01 246	0.00 1	0.03 26	0.01 1

cross-raft	2.25 77	0.48 41	2.96 38	1.87 187	0.94 180	3.72 187	0.47 106	7.61 158	4.15 72	5.37 104	5.68 110	6.17 210	1.40 91	2.15 31	1.06 57	0.01 102	0.22 238	0.00 1	0.19 275	0.03 26	0.41 165

XX-Stereo	2.95 147	0.48 41	7.08 267	2.84 293	2.51 290	1.63 23	0.20 59	6.15 102	3.38 28	2.38 46	16.00 299	6.90 225	0.25 2	6.40 118	1.14 61	0.00 1	0.66 279	0.00 1	0.31 325	0.16 192	0.57 192

MSKI-zero shot	2.23 76	0.49 49	2.49 11	1.60 149	0.81 165	2.69 93	0.29 75	6.82 127	2.50 5	4.37 83	7.61 160	3.65 124	0.26 3	8.62 237	0.63 8	0.01 102	1.09 323	0.00 1	0.25 302	0.03 26	0.46 176

MC-Stereo	1.87 38	0.49 49	3.52 78	2.82 290	1.07 194	1.90 41	0.12 31	4.89 35	3.27 26	3.66 69	3.58 62	0.56 41	1.45 94	5.79 104	0.81 26	0.00 1	1.19 346	0.00 1	0.21 290	0.11 133	1.95 337

iRaft-Stereo_20w	3.11 157	0.49 49	6.09 228	1.01 101	1.25 218	3.99 202	1.00 211	14.00 311	4.73 102	6.70 171	6.27 127	2.34 79	2.28 131	7.29 153	1.58 97	0.01 102	0.75 287	0.00 1	0.73 358	0.10 122	1.63 291

AAGNet	3.50 187	0.49 49	3.38 66	1.91 194	0.41 105	3.66 178	1.02 212	5.14 43	5.16 119	9.65 282	7.75 162	4.91 167	6.23 275	7.45 165	12.73 343	0.01 102	0.00 1	0.00 1	0.00 1	0.05 59	0.06 30

CREStereo++_RVC	1.70 35	0.50 53	3.07 46	0.45 50	0.01 1	1.69 29	0.02 5	3.09 3	8.24 221	3.82 73	7.53 158	0.49 37	0.32 11	1.05 1	0.52 3	0.00 1	0.00 1	0.00 1	3.03 381	0.01 3	0.08 37
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
PCWNet_CMD	3.14 161	0.51 54	4.47 149	0.44 49	0.26 72	2.87 127	0.15 48	9.66 205	9.78 255	7.28 196	11.50 246	6.84 224	2.40 135	4.47 77	1.83 126	0.01 102	0.02 133	0.02 278	0.00 1	0.06 68	0.29 134

CRE-IMP	2.08 51	0.51 54	3.43 74	0.35 36	0.19 42	3.85 196	0.83 190	5.77 77	3.43 29	5.81 115	4.24 71	3.45 118	0.83 52	6.56 122	1.99 142	0.01 102	0.00 1	0.00 1	0.00 1	0.11 133	0.20 101

CREStereo	1.09 5	0.51 54	2.16 7	0.11 2	0.24 65	1.67 26	0.03 8	4.24 16	6.91 183	0.80 22	1.73 25	0.44 34	0.64 40	1.58 12	0.61 7	0.00 1	0.00 1	0.00 1	0.00 1	0.01 3	0.02 4
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
MSMDNet	3.15 162	0.51 54	4.48 150	0.46 52	0.25 69	2.88 128	0.16 51	9.79 208	9.82 256	7.24 193	11.36 245	6.82 223	2.41 136	4.47 77	1.86 128	0.01 102	0.02 133	0.02 278	0.00 1	0.06 68	0.30 137

NRIStereo	2.27 80	0.52 58	3.35 65	1.26 119	0.17 36	3.04 137	0.84 191	5.96 94	3.74 51	6.27 137	3.44 52	4.13 140	1.80 117	8.31 217	2.11 148	0.00 1	0.10 208	0.00 1	0.00 1	0.12 150	0.20 101

MIF-Stereo	0.94 2	0.53 59	2.82 27	0.94 97	1.29 225	0.56 3	0.12 31	1.49 1	3.16 23	1.77 40	2.22 35	0.20 3	0.32 11	1.76 20	1.33 84	0.00 1	0.00 1	0.00 1	0.00 1	0.16 192	0.02 4

DAS	4.18 236	0.53 59	6.20 233	2.20 226	3.69 327	2.78 107	3.12 282	8.69 176	10.29 261	9.39 272	12.80 266	4.58 156	7.20 293	9.08 256	2.70 181	0.02 185	0.00 1	0.00 1	0.00 1	0.04 44	0.34 145

SepStereo	4.22 239	0.53 59	6.20 233	2.20 226	3.69 327	2.78 107	3.12 282	8.69 176	10.29 261	9.39 272	12.80 266	4.58 156	7.20 293	9.74 280	2.70 181	0.02 185	0.00 1	0.00 1	0.00 1	0.04 44	0.34 145

Selective-RAFT	1.92 42	0.54 62	3.87 107	1.15 111	0.21 56	3.83 195	0.06 12	5.00 37	4.68 99	1.59 38	2.14 34	3.05 95	2.77 150	6.63 126	1.34 86	0.00 1	0.95 303	0.00 1	0.32 327	0.05 59	0.19 95

FTStereo	4.61 261	0.54 62	2.86 28	0.98 100	0.40 101	2.57 79	8.51 356	5.70 72	3.76 56	10.85 307	29.92 367	5.53 189	7.43 299	7.73 180	1.63 105	0.17 300	0.00 1	0.05 309	0.00 1	0.04 44	3.62 368

DEmStereo	3.86 213	0.54 62	4.04 127	0.26 23	0.17 36	5.17 234	2.45 266	4.70 27	4.34 84	8.37 237	19.94 329	5.06 175	10.13 330	7.86 186	3.93 217	0.01 102	0.01 103	0.01 246	0.00 1	0.03 26	0.10 46

test-1	2.14 63	0.54 62	6.32 242	1.07 106	1.22 214	2.13 52	0.54 123	6.40 113	4.80 109	3.55 64	5.23 93	4.02 133	0.71 43	1.95 23	2.15 151	0.08 270	0.98 311	0.00 1	0.08 233	0.02 9	1.07 256

EAI-Stereo	2.75 132	0.54 62	3.17 49	0.91 94	1.28 221	4.02 203	5.30 321	12.39 268	4.76 103	2.51 48	7.10 151	1.22 52	0.94 55	6.03 110	1.96 138	0.01 102	0.56 273	0.00 1	1.38 370	0.04 44	0.95 243

LCNet	2.94 145	0.55 67	2.57 14	1.03 104	0.59 134	2.05 47	1.55 244	5.51 58	4.19 75	6.08 132	10.58 231	4.54 154	6.63 281	7.59 175	0.90 36	0.01 102	0.00 1	0.01 246	0.76 359	0.31 280	3.43 364

Patchmatch Stereo++	2.09 56	0.55 67	3.57 87	0.20 5	0.20 47	3.68 183	0.64 148	5.90 87	3.52 36	5.91 119	4.41 75	3.42 110	1.51 100	7.07 143	0.95 45	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.10 46
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	2.02 46	0.55 67	3.57 87	0.20 5	0.21 56	3.69 186	0.69 160	5.89 82	3.52 36	5.91 119	4.43 77	3.42 110	1.50 96	5.63 101	0.94 44	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.10 46

DeepStereo_RVC	2.15 64	0.55 67	3.26 56	0.21 14	0.19 42	3.47 164	0.68 157	5.76 76	3.60 46	6.36 144	4.19 70	3.42 110	4.44 217	5.04 86	1.59 100	0.02 185	0.00 1	0.00 1	0.00 1	0.09 102	0.18 89

RAFT-345	3.36 177	0.55 67	3.43 74	1.23 117	0.21 56	2.62 83	0.46 104	3.91 11	6.34 160	7.46 204	24.49 350	4.19 144	1.74 115	8.27 210	2.25 159	0.01 102	0.00 1	0.00 1	0.00 1	0.02 9	0.02 4

iRAFT	2.09 56	0.55 67	3.57 87	0.20 5	0.20 47	3.68 183	0.64 148	5.90 87	3.52 36	5.91 119	4.41 75	3.42 110	1.51 100	7.07 143	0.95 45	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.10 46

CFNet_pseudo	2.96 149	0.55 67	4.51 152	0.43 46	0.24 65	2.83 111	0.12 31	8.59 175	8.13 218	7.20 191	10.41 224	6.47 216	2.04 121	5.27 91	2.00 144	0.00 1	0.02 133	0.01 246	0.00 1	0.06 68	0.23 114

ccs_rob	2.95 147	0.55 67	4.53 154	0.42 43	0.25 69	2.84 113	0.12 31	8.58 174	8.13 218	7.18 190	10.36 223	6.44 215	2.05 122	5.28 92	1.97 139	0.00 1	0.02 133	0.01 246	0.00 1	0.06 68	0.23 114

CFNet_ucs	3.23 168	0.56 75	4.59 162	0.59 58	0.37 92	3.29 154	0.19 57	10.47 227	9.02 240	7.78 213	12.57 264	5.59 191	1.74 115	5.39 95	1.86 128	0.00 1	0.04 172	0.01 246	0.00 1	0.10 122	0.33 144

PSMNet-ADL	3.17 165	0.56 75	3.00 44	1.55 146	0.40 101	5.97 252	0.28 73	9.06 185	5.75 143	3.56 65	6.80 141	8.33 252	4.51 219	7.65 178	5.51 254	0.03 215	0.09 204	0.00 1	0.00 1	0.03 26	0.28 131

ROB_FTStereo_v2	2.04 48	0.56 75	3.56 86	0.20 5	0.21 56	3.66 178	0.72 169	5.89 82	3.51 34	5.91 119	4.46 80	3.42 110	1.50 96	6.08 113	0.93 40	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.09 41

HUI-Stereo	1.94 43	0.56 75	3.55 84	0.20 5	0.20 47	3.67 182	0.63 146	5.89 82	3.53 40	5.92 124	4.44 78	3.41 109	1.51 100	4.21 70	0.89 35	0.02 185	0.00 1	0.00 1	0.00 1	0.09 102	0.11 53

iGMRVC	2.09 56	0.56 75	3.59 92	0.20 5	0.21 56	3.68 183	0.71 166	5.89 82	3.53 40	5.92 124	4.46 80	3.44 116	1.51 100	6.93 142	0.98 48	0.02 185	0.00 1	0.00 1	0.00 1	0.09 102	0.09 41

anonymousdsp2	2.20 72	0.57 80	4.59 162	1.69 164	0.82 166	3.58 171	0.48 115	8.57 173	3.63 47	3.37 60	3.03 49	3.32 101	1.00 58	5.57 100	0.80 24	0.01 102	0.94 302	0.02 278	0.15 259	0.06 68	1.89 333

CASS	2.62 118	0.57 80	4.28 140	0.90 91	0.38 93	3.45 162	0.22 61	9.91 210	4.46 89	7.33 200	7.92 168	3.53 122	3.59 180	4.16 69	1.49 92	0.03 215	0.01 103	0.00 1	0.00 1	0.05 59	0.06 30
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ROB_FTStereo	2.03 47	0.57 80	3.57 87	0.20 5	0.21 56	3.66 178	0.73 171	5.89 82	3.51 34	5.92 124	4.35 74	3.37 106	1.50 96	6.02 109	0.90 36	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.09 41

RAFT-IKP	2.04 48	0.57 80	3.54 82	0.20 5	0.20 47	3.45 162	0.62 144	5.90 87	3.52 36	5.91 119	4.44 78	3.46 119	1.50 96	6.20 115	1.00 51	0.01 102	0.00 1	0.00 1	0.00 1	0.09 102	0.08 37

MIF-Stereo (partial)	1.44 13	0.59 84	3.98 122	0.08 1	1.09 200	1.24 8	0.13 38	5.12 42	4.07 70	0.47 7	2.56 41	0.31 20	0.74 45	6.31 117	2.02 145	0.00 1	0.00 1	0.00 1	0.00 1	0.12 150	0.04 17

PFNet	3.06 154	0.59 84	6.13 230	2.26 237	0.84 168	3.08 139	0.73 171	7.38 150	5.35 122	10.20 288	6.06 117	4.72 161	2.10 126	8.47 230	2.25 159	0.19 304	0.06 185	0.00 1	0.11 245	0.20 218	0.42 169

FENet	2.35 85	0.59 84	3.28 58	2.32 247	0.27 73	2.78 107	0.13 38	7.68 163	6.09 150	5.38 105	2.12 33	4.84 166	3.33 172	4.98 84	2.66 177	0.02 185	0.03 158	0.00 1	0.00 1	0.04 44	0.40 158

EKT-Stereo	2.16 65	0.61 87	3.78 102	2.31 246	4.40 345	1.47 15	0.24 67	5.54 60	4.22 77	3.16 59	3.58 62	3.53 122	2.20 127	5.66 102	1.40 89	0.04 236	0.36 260	0.00 1	0.09 239	0.06 68	0.58 194

GwcNet-ADL	2.85 135	0.61 87	4.38 146	0.92 95	0.33 83	2.05 47	0.67 155	8.85 180	9.65 253	6.36 144	6.71 137	4.11 139	1.71 111	5.97 108	4.22 225	0.08 270	0.06 185	0.00 1	0.00 1	0.07 83	0.16 81

Pruner-Stereo	2.66 120	0.61 87	3.54 82	1.93 196	0.25 69	3.47 164	0.74 174	6.60 118	5.66 140	8.98 254	6.12 119	4.39 152	1.11 63	7.27 151	2.34 169	0.03 215	0.00 1	0.02 278	0.00 1	0.03 26	0.04 17

Anonymous3	1.96 44	0.61 87	7.58 279	0.42 43	0.51 121	4.28 213	0.52 120	5.56 65	2.76 8	2.35 45	3.47 53	1.50 59	1.13 65	5.92 107	1.54 95	0.23 312	0.23 241	0.00 1	0.00 1	0.14 175	0.47 177

SFCPSM	3.39 180	0.61 87	5.42 196	0.43 46	0.93 179	8.26 287	2.08 260	15.01 324	5.89 146	7.17 189	7.60 159	3.39 108	2.55 141	5.39 95	2.53 172	0.01 102	0.03 158	0.01 246	0.07 230	0.19 212	0.31 139

ASMatch	3.41 182	0.62 92	3.59 92	1.99 207	0.48 111	1.91 42	0.66 151	7.01 131	4.43 88	6.25 135	22.02 339	4.56 155	4.72 232	7.78 183	1.85 127	0.01 102	0.01 103	0.00 1	0.03 202	0.02 9	0.21 105

IGEV_Zeroshot_test	2.57 112	0.63 93	5.70 216	1.93 196	0.87 172	2.63 85	0.85 196	8.94 184	4.55 94	5.30 102	5.48 105	5.23 181	1.38 90	3.76 61	1.32 83	0.00 1	0.69 281	0.00 1	0.18 272	0.19 212	1.72 307

GANet-ADL	2.40 95	0.65 94	3.92 117	2.22 229	0.11 12	2.23 55	0.47 106	9.29 199	7.27 193	4.77 87	5.95 116	3.96 131	1.26 82	3.08 52	2.27 162	0.04 236	0.08 198	0.02 278	0.00 1	0.15 188	0.21 105

DRaft	3.83 212	0.65 94	3.39 67	0.22 15	0.16 33	4.67 223	1.30 233	5.82 80	4.86 112	10.26 291	21.65 335	3.24 100	8.62 318	7.53 172	3.76 208	0.05 249	0.10 208	0.00 1	0.14 256	0.12 150	0.16 81

hknet	3.56 190	0.66 96	5.82 217	0.70 67	1.19 210	6.97 267	1.58 245	9.93 212	7.76 203	6.50 150	6.23 122	9.53 268	2.81 152	7.84 184	3.39 199	0.01 102	0.03 158	0.03 295	0.00 1	0.06 68	0.14 65

IRAFT_RVC	2.98 151	0.66 96	4.23 139	2.20 226	0.40 101	2.91 130	5.04 318	7.03 134	4.21 76	6.59 159	5.52 106	5.02 174	4.77 233	8.41 225	2.30 168	0.01 102	0.17 229	0.01 246	0.00 1	0.03 26	0.05 23

11t1	2.13 62	0.67 98	3.98 122	2.69 281	0.85 171	2.59 82	0.07 15	7.40 151	3.89 64	3.75 71	3.57 61	1.24 53	1.96 119	4.68 81	1.97 139	0.10 283	1.13 329	0.00 1	0.22 295	0.09 102	1.66 296

IPLGR	2.46 100	0.68 99	7.02 261	0.22 15	0.16 33	2.01 45	0.22 61	7.01 131	6.62 171	7.10 185	5.92 115	2.91 90	2.27 130	5.12 88	1.52 94	0.00 1	0.00 1	0.00 1	0.00 1	0.12 150	0.41 165

SMFormer	3.94 218	0.69 100	4.55 156	1.97 203	0.15 28	2.84 113	0.29 75	13.06 289	11.10 280	7.69 207	10.45 225	4.77 162	4.52 220	9.68 274	4.89 242	0.08 270	0.97 306	0.00 1	0.16 261	0.11 133	0.92 241

tta	3.96 222	0.69 100	4.55 156	1.97 203	0.15 28	2.84 113	0.29 75	13.06 289	11.10 280	7.69 207	10.45 225	4.77 162	4.52 220	9.68 274	4.89 242	0.08 270	0.97 306	0.00 1	0.16 261	0.13 166	1.24 271

qqq1	3.78 208	0.69 100	4.55 156	1.97 203	0.15 28	2.84 113	0.29 75	13.06 289	11.10 280	7.69 207	10.45 225	4.77 162	4.52 220	9.68 274	1.24 76	0.08 270	0.97 306	0.00 1	0.12 249	0.13 166	1.24 271

fff1	3.78 208	0.69 100	4.55 156	1.97 203	0.15 28	2.84 113	0.29 75	13.06 289	11.10 280	7.69 207	10.45 225	4.77 162	4.52 220	9.68 274	1.24 76	0.08 270	0.97 306	0.00 1	0.12 249	0.13 166	1.24 271

HHNet	2.71 125	0.69 100	3.31 61	0.25 22	0.39 96	2.80 110	0.90 204	6.33 108	5.68 141	7.51 205	13.70 274	0.94 46	3.14 157	5.42 97	2.54 175	0.14 291	0.02 133	0.06 313	0.00 1	0.24 242	0.07 34

RAFT-RH_RVC	4.04 226	0.69 100	3.59 92	1.91 194	0.43 108	3.11 141	0.13 38	3.80 9	6.60 169	11.26 317	31.68 373	5.20 177	1.66 107	8.30 215	2.27 162	0.09 280	0.00 1	0.00 1	0.03 202	0.03 26	0.02 4

ttt	4.41 250	0.70 106	3.95 121	2.53 270	2.01 267	4.34 217	0.41 95	13.09 293	11.69 293	7.20 191	12.20 259	4.15 142	3.35 173	9.54 271	10.11 314	0.07 266	1.11 325	0.00 1	0.19 275	0.10 122	1.47 281

test_4	2.58 113	0.70 106	3.30 59	0.43 46	0.30 76	3.97 201	1.11 223	3.91 11	3.83 61	4.15 79	17.20 311	3.44 116	0.52 36	6.60 125	1.58 97	0.00 1	0.13 218	0.00 1	0.11 245	0.20 218	0.20 101

CrosDoStereo	4.05 228	0.71 108	3.52 78	0.51 55	0.20 47	3.25 151	11.21 368	6.34 109	4.96 114	9.04 257	16.44 301	4.92 168	7.28 295	8.29 212	3.84 212	0.00 1	0.02 133	0.01 246	0.00 1	0.18 206	0.19 95

DeepStereo_LL	4.05 228	0.71 108	3.52 78	0.51 55	0.20 47	3.25 151	11.21 368	6.34 109	4.96 114	9.04 257	16.44 301	4.92 168	7.28 295	8.29 212	3.84 212	0.00 1	0.02 133	0.01 246	0.00 1	0.18 206	0.19 95

GES	2.69 123	0.72 110	5.34 191	1.82 183	0.05 3	4.51 220	1.04 216	10.39 224	4.18 74	5.53 111	6.72 138	1.92 73	3.30 166	5.16 89	2.67 178	0.06 260	0.01 103	0.06 313	0.01 173	0.20 218	0.14 65

Former-RAFT_DAM_RVC	1.39 12	0.74 111	2.72 24	0.73 73	1.26 220	2.42 66	0.02 5	3.78 8	8.16 220	1.81 43	2.94 47	0.28 16	0.32 11	1.51 11	0.76 22	0.04 236	0.01 103	0.00 1	0.00 1	0.08 88	0.19 95

AdaStereo	3.34 174	0.74 111	4.00 125	3.10 312	0.51 121	4.22 210	1.25 228	12.84 279	8.39 225	6.33 140	9.55 202	5.77 202	1.54 105	5.53 99	2.74 187	0.02 185	0.00 1	0.00 1	0.00 1	0.03 26	0.15 75
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.
mmm	3.07 155	0.76 113	4.50 151	2.27 240	1.24 217	3.75 189	0.12 31	10.03 216	5.12 118	6.43 146	11.19 242	3.10 98	3.20 159	4.54 80	1.78 124	0.02 185	1.19 346	0.00 1	0.30 322	0.09 102	1.79 317

Anonymous	1.54 25	0.76 113	5.39 194	1.49 141	2.68 294	1.83 38	0.43 100	5.65 71	3.79 57	0.52 9	1.74 26	0.19 1	1.30 83	3.31 54	1.01 53	0.06 260	0.08 198	0.00 1	0.00 1	0.19 212	0.31 139

anonymousa	4.24 241	0.78 115	4.05 128	2.16 218	4.87 360	8.76 296	0.35 86	7.41 152	4.47 91	8.21 233	19.70 328	11.03 298	5.87 267	2.04 28	2.20 152	0.00 1	1.16 342	0.00 1	0.55 352	0.04 44	1.11 260

CRFU-Net	4.81 271	0.78 115	5.69 214	3.10 312	1.39 233	13.18 340	3.23 287	12.26 263	4.33 80	10.91 309	9.98 216	10.94 296	7.93 308	7.47 167	3.94 218	0.16 296	0.16 225	0.16 338	0.00 1	0.26 250	0.29 134

ff7	1.46 15	0.79 117	2.99 39	0.33 31	0.35 85	2.75 101	0.81 183	4.31 20	2.97 15	0.77 18	1.20 9	0.21 4	0.42 23	7.44 158	0.86 31	0.00 1	0.93 297	0.00 1	0.16 261	0.12 150	1.82 318

ffff	1.46 15	0.79 117	2.99 39	0.33 31	0.35 85	2.75 101	0.81 183	4.31 20	2.97 15	0.77 18	1.20 9	0.21 4	0.42 23	7.44 158	0.86 31	0.00 1	0.93 297	0.00 1	0.16 261	0.12 150	1.82 318

11t	1.46 15	0.79 117	2.99 39	0.33 31	0.35 85	2.75 101	0.81 183	4.31 20	2.97 15	0.77 18	1.20 9	0.21 4	0.42 23	7.44 158	0.87 34	0.00 1	0.93 297	0.00 1	0.16 261	0.12 150	1.82 318

ccc-4	1.46 15	0.79 117	2.99 39	0.33 31	0.35 85	2.75 101	0.81 183	4.31 20	2.97 15	0.77 18	1.20 9	0.21 4	0.42 23	7.44 158	0.86 31	0.00 1	0.93 297	0.00 1	0.16 261	0.12 150	1.82 318

TANstereo	1.32 9	0.79 117	2.93 30	0.37 38	0.11 12	1.81 37	0.01 1	3.56 5	4.36 85	4.53 85	4.96 87	0.41 32	0.68 41	1.22 3	0.59 5	0.01 102	0.00 1	0.00 1	0.00 1	0.00 1	0.03 9

FAT-Stereo	6.98 308	0.79 117	7.57 278	2.54 273	1.80 254	6.16 255	4.33 307	19.16 359	18.82 343	10.75 303	17.08 309	18.23 344	13.56 349	9.25 261	8.44 288	0.03 215	0.16 225	0.01 246	0.10 243	0.14 175	0.65 211

IGEV+	1.58 31	0.81 123	2.66 20	1.35 127	0.99 187	2.47 70	0.98 210	7.35 148	3.70 50	0.82 23	2.24 36	0.44 34	1.18 73	2.08 29	1.15 62	0.03 215	1.18 345	0.00 1	0.05 223	0.17 198	2.00 340

anonymousdsp	1.51 22	0.81 123	2.70 23	0.60 59	0.69 142	2.76 105	0.79 178	4.86 30	3.00 21	0.82 23	1.25 13	0.31 20	0.42 23	7.44 158	0.81 26	0.00 1	0.83 291	0.00 1	0.17 270	0.12 150	1.85 325

NINENet	3.38 179	0.81 123	4.16 133	1.88 191	1.40 234	7.31 277	0.48 115	12.95 286	6.64 172	7.29 197	9.24 192	5.21 178	1.18 73	6.72 131	1.89 133	0.17 300	0.08 198	0.07 318	0.00 1	0.09 102	0.03 9

IGEV-Stereo	1.51 22	0.81 123	2.69 22	0.60 59	0.69 142	2.77 106	0.79 178	4.88 33	2.99 20	0.82 23	1.25 13	0.31 20	0.42 23	7.43 157	0.85 30	0.00 1	0.83 291	0.00 1	0.17 270	0.12 150	1.85 325
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HH	2.88 139	0.82 127	4.07 130	1.71 168	0.54 128	4.71 224	0.69 160	8.72 178	3.57 44	1.80 41	6.49 135	7.81 242	3.92 201	8.93 249	0.99 49	0.00 1	1.06 320	0.00 1	0.03 202	0.05 59	1.69 301

HanStereo	2.88 139	0.82 127	4.07 130	1.71 168	0.54 128	4.71 224	0.69 160	8.72 178	3.57 44	1.80 41	6.49 135	7.81 242	3.92 201	8.93 249	0.99 49	0.00 1	1.06 320	0.00 1	0.03 202	0.05 59	1.69 301

x	2.30 82	0.82 127	3.85 104	2.23 231	0.72 151	2.12 51	0.81 183	9.48 203	4.82 110	3.83 74	2.76 45	3.49 120	2.30 132	3.48 56	2.25 159	0.00 1	1.13 329	0.00 1	0.22 295	0.09 102	1.66 296

TransformOpticalFlow	3.50 187	0.83 130	4.85 173	1.09 107	0.31 77	3.52 168	0.14 46	10.32 220	8.02 215	5.78 113	13.25 271	6.63 219	4.91 237	8.36 221	1.63 105	0.00 1	0.01 103	0.01 246	0.00 1	0.06 68	0.24 122

HCRNet	2.74 131	0.83 130	4.19 135	0.45 50	3.31 314	2.18 53	0.22 61	7.59 155	5.76 144	6.08 132	4.89 85	5.21 178	2.74 147	8.04 196	3.10 194	0.00 1	0.02 133	0.00 1	0.00 1	0.10 122	0.09 41

UPFNet	4.17 234	0.83 130	5.51 201	2.49 264	3.36 317	7.13 274	2.60 267	10.52 229	7.16 189	8.76 248	7.83 163	7.85 245	3.41 174	8.60 234	7.04 273	0.01 102	0.02 133	0.00 1	0.00 1	0.12 150	0.17 87

SGM-Forest	5.40 281	0.84 133	4.19 135	1.43 136	0.68 140	10.12 313	6.41 334	12.13 261	11.86 295	11.50 320	14.43 283	11.62 301	5.20 249	9.93 289	6.16 262	0.16 296	0.04 172	0.00 1	0.00 1	0.08 88	1.24 271
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
qqq	2.44 99	0.85 134	4.33 144	1.73 172	0.71 148	1.98 43	0.38 89	9.15 190	4.33 80	3.37 60	4.34 72	4.63 159	2.83 153	4.95 82	2.06 146	0.00 1	1.13 329	0.00 1	0.25 302	0.09 102	1.65 292

GMOStereo	2.08 51	0.85 134	2.95 34	0.23 17	0.73 153	1.50 16	0.86 199	5.08 38	4.78 104	8.42 238	6.99 144	3.36 102	1.14 67	1.73 15	1.21 70	0.00 1	1.32 355	0.00 1	0.00 1	0.28 262	0.23 114

error version	2.08 51	0.85 134	2.95 34	0.23 17	0.73 153	1.50 16	0.86 199	5.08 38	4.78 104	8.42 238	6.99 144	3.36 102	1.14 67	1.73 15	1.21 70	0.00 1	1.32 355	0.00 1	0.00 1	0.28 262	0.23 114

test-v	2.08 51	0.85 134	2.95 34	0.23 17	0.73 153	1.50 16	0.86 199	5.08 38	4.78 104	8.42 238	6.99 144	3.36 102	1.14 67	1.73 15	1.21 70	0.00 1	1.32 355	0.00 1	0.00 1	0.28 262	0.23 114

test-2	2.08 51	0.85 134	2.95 34	0.23 17	0.73 153	1.50 16	0.86 199	5.08 38	4.78 104	8.42 238	6.99 144	3.36 102	1.14 67	1.73 15	1.21 70	0.00 1	1.32 355	0.00 1	0.00 1	0.28 262	0.23 114

sCroCo_RVC	1.34 10	0.85 134	6.15 232	1.21 116	1.28 221	0.90 4	0.18 55	4.50 25	2.86 11	0.37 2	3.18 50	0.52 39	1.52 104	1.83 21	0.93 40	0.13 288	0.25 247	0.00 1	0.00 1	0.08 88	0.16 81

CBMV_ROB	4.66 263	0.85 134	3.94 119	1.64 152	0.75 158	8.38 293	1.90 254	11.19 244	10.36 263	9.20 265	15.21 290	7.28 231	6.99 289	9.48 268	5.24 250	0.04 236	0.05 179	0.00 1	0.00 1	0.07 83	0.64 210

CoDeX	3.61 195	0.86 141	5.27 188	1.16 113	1.62 240	6.24 256	2.07 259	13.78 310	6.86 180	7.42 202	9.00 188	4.06 137	3.72 189	6.58 123	3.02 192	0.03 215	0.06 185	0.00 1	0.00 1	0.15 188	0.35 149

test croco	1.53 24	0.86 141	6.50 246	0.42 43	0.05 3	1.56 21	0.09 20	5.18 45	4.02 69	0.54 11	1.76 28	0.59 42	0.75 46	6.48 121	1.23 75	0.00 1	0.00 1	0.00 1	0.00 1	0.43 302	0.07 34

ProNet	1.58 31	0.86 141	3.17 49	0.75 80	0.72 151	2.84 113	0.66 151	5.91 91	3.28 27	0.37 2	1.47 19	0.40 31	0.37 17	7.19 147	0.70 16	0.02 185	0.98 311	0.00 1	0.05 223	0.20 218	1.77 315

xxxx	5.16 280	0.86 141	4.86 174	1.96 202	1.22 214	7.56 282	0.07 15	14.67 320	9.15 244	6.55 156	9.87 211	9.30 266	3.47 176	8.07 198	22.20 369	0.05 249	1.16 342	0.00 1	0.26 311	0.10 122	1.76 314

ac_64	3.98 224	0.86 141	5.10 184	3.17 314	3.43 320	5.80 248	0.70 165	10.87 236	4.96 114	8.94 253	6.46 133	10.70 288	5.52 262	7.44 158	5.10 249	0.03 215	0.00 1	0.00 1	0.00 1	0.14 175	0.31 139

NOSS_ROB	3.67 197	0.86 141	3.81 103	2.53 270	1.11 203	6.10 254	0.72 169	11.08 242	12.36 298	5.45 108	8.91 183	5.65 192	2.09 123	8.30 215	3.16 196	0.20 307	0.07 196	0.00 1	0.00 1	0.11 133	0.80 234

UNet	4.19 237	0.87 147	7.18 269	2.00 210	3.22 311	9.55 304	0.31 81	10.11 217	6.22 157	7.98 219	6.82 142	10.42 280	5.77 265	7.28 152	5.83 257	0.00 1	0.00 1	0.00 1	0.00 1	0.10 122	0.12 56

222	5.93 286	0.88 148	4.58 161	1.76 176	0.98 186	6.02 253	0.08 19	14.45 317	8.89 235	9.53 274	11.77 251	3.88 128	4.23 213	8.26 206	39.96 403	0.03 215	1.12 326	0.00 1	0.24 299	0.11 133	1.73 308

ToySt	3.39 180	0.89 149	9.29 311	1.47 139	0.94 180	4.20 209	1.98 256	7.33 146	5.42 126	3.01 56	6.75 139	8.67 261	5.10 246	5.43 98	3.72 206	0.07 266	0.89 295	0.00 1	0.23 298	0.28 262	2.13 344

tt1	2.53 106	0.91 150	3.53 81	2.92 296	0.53 125	5.60 241	0.61 142	5.55 61	10.56 267	1.54 37	3.54 60	0.34 29	3.00 156	8.20 203	0.68 11	0.00 1	1.13 329	0.00 1	0.03 202	0.11 133	1.88 329

IER	3.42 184	0.91 150	6.38 244	0.73 73	1.60 239	7.07 272	0.55 126	7.07 138	5.45 129	8.17 232	8.89 182	6.13 208	6.13 271	5.36 94	3.77 210	0.00 1	0.00 1	0.00 1	0.00 1	0.08 88	0.05 23

ACVNet-DCA	2.41 96	0.93 152	3.39 67	3.05 306	0.39 96	5.69 244	0.55 126	9.15 190	4.33 80	1.42 33	3.48 54	0.33 25	3.65 184	8.26 206	0.70 16	0.00 1	1.14 337	0.00 1	0.03 202	0.09 102	1.65 292

xx1	2.73 130	0.93 152	3.39 67	3.05 306	0.39 96	5.69 244	0.55 126	5.34 50	10.76 274	1.42 33	3.48 54	4.63 159	2.83 153	8.26 206	0.70 16	0.00 1	1.14 337	0.00 1	0.25 302	0.09 102	1.65 292

1test111	2.31 83	0.93 152	3.39 67	3.05 306	0.39 96	5.69 244	0.55 126	9.15 190	4.33 80	1.42 33	3.48 54	0.33 25	3.65 184	4.95 82	2.06 146	0.00 1	1.14 337	0.00 1	0.03 202	0.09 102	1.65 292

cc1	2.56 111	0.93 152	3.39 67	3.05 306	0.39 96	5.69 244	0.55 126	5.34 50	10.76 274	1.42 33	3.48 54	0.33 25	3.65 184	8.26 206	0.70 16	0.00 1	1.14 337	0.00 1	0.03 202	0.12 150	1.89 333

fff	2.54 108	0.93 152	5.51 201	0.32 26	0.14 22	1.70 30	0.11 27	6.19 104	12.69 304	6.03 129	5.29 97	1.43 54	5.28 252	2.37 41	2.21 153	0.01 102	0.00 1	0.01 246	0.00 1	0.02 9	0.61 202

csc	2.54 108	0.93 152	5.51 201	0.32 26	0.14 22	1.70 30	0.11 27	6.19 104	12.69 304	6.03 129	5.29 97	1.43 54	5.28 252	2.37 41	2.21 153	0.01 102	0.00 1	0.01 246	0.00 1	0.02 9	0.61 202

cscssc	2.54 108	0.93 152	5.51 201	0.32 26	0.14 22	1.70 30	0.11 27	6.19 104	12.69 304	6.03 129	5.29 97	1.43 54	5.28 252	2.37 41	2.21 153	0.01 102	0.00 1	0.01 246	0.00 1	0.02 9	0.61 202

test_xeample	4.78 270	0.93 152	4.68 169	1.48 140	1.28 221	3.94 198	0.13 38	13.35 298	8.62 228	8.21 233	11.63 248	3.43 115	3.54 177	7.59 175	23.47 374	0.02 185	1.16 342	0.00 1	0.25 302	0.11 133	1.74 311

S-Stereo	6.85 303	0.93 152	10.76 325	3.34 325	3.51 322	6.55 261	6.01 327	13.75 308	23.86 361	9.65 282	15.54 292	11.81 305	8.24 311	8.59 233	11.23 328	0.13 288	0.16 225	0.00 1	0.42 342	0.14 175	2.39 352

STrans-v2	3.55 189	0.94 161	5.06 183	0.32 26	0.60 135	2.97 134	1.15 224	11.08 242	7.97 214	6.01 127	10.93 239	6.65 220	6.86 286	8.37 222	1.66 113	0.00 1	0.01 103	0.00 1	0.00 1	0.04 44	0.39 157

DCRE	2.21 73	0.95 162	3.17 49	2.10 215	1.30 227	1.86 39	0.05 10	5.33 49	4.69 100	3.59 66	9.37 199	3.81 125	1.18 73	2.34 40	1.22 74	0.01 102	0.97 306	0.00 1	0.30 322	0.04 44	1.97 338

ADStereo(finetuned)	2.50 104	0.95 162	6.60 249	0.39 40	0.20 47	1.72 34	0.24 67	6.06 97	9.31 247	6.30 138	5.42 102	1.44 57	6.22 274	2.25 35	2.14 150	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.65 211

DCANet	2.35 85	0.96 164	5.51 201	0.39 40	0.19 42	1.72 34	0.25 69	6.06 97	9.33 248	6.31 139	5.42 102	1.44 57	4.14 209	2.22 32	2.28 164	0.01 102	0.00 1	0.00 1	0.00 1	0.04 44	0.66 219

ACVNet	2.86 136	0.96 164	3.87 107	0.86 87	0.61 136	2.63 85	0.54 123	8.93 182	6.12 152	5.09 95	9.32 197	5.70 199	3.84 193	2.68 46	5.56 255	0.00 1	0.00 1	0.00 1	0.00 1	0.26 250	0.23 114

acv_ft	3.90 215	0.96 164	5.85 219	2.56 275	4.70 357	7.27 276	0.84 191	9.17 193	6.12 152	10.00 286	9.32 197	5.70 199	4.07 206	2.68 46	8.24 286	0.00 1	0.00 1	0.00 1	0.00 1	0.35 290	0.23 114

StereoDRNet-Refined	4.84 273	0.96 164	5.13 185	2.22 229	0.46 110	9.10 300	0.16 51	10.72 232	9.40 250	13.41 336	12.50 262	10.02 275	4.58 225	8.60 234	8.71 295	0.01 102	0.00 1	0.01 246	0.05 223	0.24 242	0.53 187
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DualNet	3.96 222	0.98 168	7.03 262	1.64 152	1.07 194	2.84 113	0.47 106	5.55 61	10.56 267	6.68 165	9.59 204	5.66 193	3.87 195	8.20 203	11.69 332	0.00 1	1.13 329	0.00 1	0.19 275	0.11 133	1.88 329

ffm	3.41 182	0.98 168	7.03 262	1.64 152	1.07 194	2.84 113	0.47 106	5.55 61	10.56 267	6.68 165	9.59 204	5.66 193	3.87 195	8.20 203	0.68 11	0.00 1	1.13 329	0.00 1	0.19 275	0.11 133	1.88 329

ff1	4.11 230	0.98 168	7.03 262	1.64 152	1.07 194	2.84 113	0.47 106	5.55 61	10.56 267	6.68 165	9.59 204	5.66 193	3.87 195	11.33 309	11.69 332	0.00 1	1.13 329	0.00 1	0.19 275	0.11 133	1.88 329

mmx	4.50 253	0.98 168	7.03 262	1.64 152	1.07 194	2.84 113	0.47 106	12.84 279	11.23 285	6.68 165	9.59 204	5.66 193	3.87 195	11.33 309	11.69 332	0.05 249	1.12 326	0.00 1	0.19 275	0.10 122	1.53 285

xxx	4.50 253	0.98 168	7.04 266	1.64 152	1.07 194	2.84 113	0.47 106	12.84 279	11.23 285	6.68 165	9.59 204	5.66 193	3.87 195	11.33 309	11.69 332	0.05 249	1.12 326	0.00 1	0.19 275	0.10 122	1.53 285

Anonymous_2	4.74 269	0.98 168	4.46 148	2.35 251	2.27 279	5.66 243	0.67 155	8.08 168	5.28 121	4.98 93	2.60 42	8.74 263	6.92 287	5.79 104	3.46 200	0.24 314	1.70 368	5.16 382	18.18 405	5.41 376	1.85 325

IIG-Stereo	3.28 170	0.98 168	3.57 87	4.14 347	0.22 62	2.56 78	0.71 166	7.04 135	6.10 151	8.49 242	9.38 200	7.82 244	2.73 146	9.69 279	1.99 142	0.02 185	0.02 133	0.00 1	0.00 1	0.03 26	0.14 65

DIP-Stereo	2.12 61	0.98 168	3.94 119	0.20 5	0.11 12	4.73 226	0.13 38	9.27 197	4.40 87	6.46 148	5.03 89	0.45 36	0.72 44	3.79 62	1.94 137	0.00 1	0.01 103	0.00 1	0.00 1	0.05 59	0.24 122
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DISCO	6.58 300	0.98 168	6.44 245	3.75 338	1.18 209	11.19 323	3.29 291	12.92 283	16.72 331	7.27 195	11.74 250	17.34 338	6.60 280	19.59 371	11.59 331	0.00 1	0.00 1	0.00 1	0.00 1	0.45 306	0.50 180

FC-DCNN	11.29 359	1.01 177	5.50 200	2.25 235	1.65 245	18.23 361	5.36 322	18.99 356	20.65 351	28.95 380	34.83 381	33.83 385	23.18 379	17.04 362	13.37 346	0.17 300	0.01 103	0.02 278	0.02 191	0.10 122	0.70 224

DSFCA	4.48 252	1.03 178	6.84 257	1.61 150	1.68 247	7.26 275	4.46 309	11.27 247	7.51 197	11.01 312	6.89 143	8.49 259	4.54 224	10.41 298	6.18 263	0.03 215	0.06 185	0.02 278	0.03 202	0.13 166	0.14 65

1111x	4.96 275	1.04 179	7.09 268	1.75 174	1.05 193	5.03 232	0.32 82	13.52 302	10.70 273	6.68 165	10.35 222	8.81 264	6.01 269	10.65 299	12.78 344	0.07 266	1.24 350	0.00 1	0.33 330	0.11 133	1.75 312

HGLStereo	4.58 258	1.04 179	6.02 225	3.30 323	5.14 363	6.36 258	0.71 166	11.04 241	7.60 200	8.04 225	12.85 269	6.90 225	8.51 316	7.85 185	5.93 258	0.02 185	0.02 133	0.00 1	0.00 1	0.14 175	0.15 75

MyStereo06	2.71 125	1.05 181	5.43 198	1.39 133	1.20 211	2.57 79	0.10 24	10.39 224	4.79 108	5.54 112	6.16 120	6.39 213	2.33 134	3.40 55	1.35 87	0.01 102	1.24 350	0.00 1	0.21 290	0.13 166	0.50 180

MyStereo05	3.24 169	1.05 181	5.93 221	1.39 133	1.20 211	2.57 79	0.10 24	9.11 189	13.17 310	6.45 147	3.86 65	3.20 99	3.26 164	8.35 220	3.02 192	0.01 102	1.24 350	0.00 1	0.21 290	0.13 166	0.50 180

IPLG	2.63 119	1.09 183	5.67 213	0.73 73	0.31 77	3.00 136	0.25 69	6.84 128	6.02 149	7.93 216	6.31 128	1.91 70	1.72 113	7.47 167	2.53 172	0.01 102	0.01 103	0.00 1	0.00 1	0.29 270	0.58 194

DMCA	3.08 156	1.10 184	6.20 233	1.82 183	0.90 174	3.80 194	0.55 126	9.76 206	5.42 126	6.56 158	6.47 134	7.06 230	2.09 123	4.05 65	5.46 253	0.00 1	0.01 103	0.00 1	0.00 1	0.11 133	0.16 81

HSM	4.25 243	1.10 184	4.14 132	1.78 177	2.14 273	6.67 264	1.08 219	12.92 283	6.90 182	7.06 181	8.17 174	14.17 318	6.03 270	9.16 258	3.11 195	0.00 1	0.00 1	0.00 1	0.00 1	0.09 102	0.41 165

StereoIM	0.96 3	1.11 186	4.01 126	0.36 37	1.86 260	1.20 5	0.06 12	3.99 13	1.73 2	0.45 6	0.56 7	0.43 33	0.51 35	1.28 6	1.46 91	0.00 1	0.00 1	0.00 1	0.00 1	0.06 68	0.08 37

XX-TBD	1.55 29	1.11 186	2.94 31	2.45 261	0.06 6	2.31 60	0.01 1	3.58 6	7.80 207	3.11 58	5.10 90	0.27 15	0.26 3	1.42 10	0.60 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.04 17

SGM_RVC	10.77 355	1.11 186	4.66 166	2.66 278	0.41 105	21.03 367	6.87 342	20.02 366	15.54 328	25.86 377	24.97 354	33.59 384	20.51 369	20.89 374	14.78 354	0.31 325	0.26 249	0.22 349	0.26 311	0.43 302	1.01 248
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
THIR-Stereo	3.94 218	1.12 189	3.06 45	0.23 17	0.13 21	4.17 208	6.40 333	5.83 81	4.54 93	10.46 296	16.98 307	6.49 217	7.44 300	8.00 192	3.58 201	0.01 102	0.07 196	0.07 318	0.00 1	0.14 175	0.06 30

delet	4.59 260	1.12 189	5.93 221	1.37 131	3.73 330	10.48 317	3.90 296	10.51 228	9.17 245	8.87 251	9.74 210	8.37 254	3.74 190	8.12 200	6.36 266	0.00 1	0.00 1	0.00 1	0.00 1	0.21 228	0.12 56

MIPNet	2.27 80	1.14 191	5.55 208	0.49 54	0.22 62	2.03 46	0.19 57	7.60 157	6.17 155	5.83 116	4.16 69	2.05 75	3.44 175	3.65 59	2.23 158	0.00 1	0.01 103	0.01 246	0.01 173	0.24 242	0.48 179

MyStereo07	1.64 33	1.15 192	2.61 15	1.28 122	1.49 237	2.63 85	0.45 102	6.45 115	2.94 13	1.10 28	1.61 21	0.29 18	0.60 38	7.45 165	0.80 24	0.01 102	1.27 353	0.00 1	0.25 302	0.11 133	0.42 169

MyStereo04	3.29 171	1.15 192	6.64 251	1.28 122	1.49 237	2.63 85	0.45 102	10.57 230	13.30 311	4.41 84	3.90 66	3.06 97	3.56 178	7.87 188	3.35 198	0.01 102	1.27 353	0.00 1	0.25 302	0.11 133	0.42 169

FCDSN-DC	10.72 354	1.16 194	5.01 181	2.16 218	1.31 229	17.46 357	4.80 314	17.79 348	19.87 346	25.02 374	32.85 374	33.57 383	23.52 380	16.80 358	12.13 336	0.11 287	0.00 1	0.00 1	0.00 1	0.09 102	0.76 231
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
hitnet-ft	3.95 220	1.16 194	3.92 117	0.89 89	0.73 153	4.88 229	0.54 123	9.78 207	7.91 210	7.42 202	10.24 219	12.50 309	4.84 235	8.15 202	5.56 255	0.03 215	0.00 1	0.06 313	0.00 1	0.24 242	0.12 56

GANet-RSSM	3.67 197	1.16 194	4.56 160	3.24 319	2.03 269	2.63 85	0.50 118	11.53 253	6.83 179	6.25 135	10.58 231	7.35 232	6.65 282	6.77 135	2.94 191	0.00 1	0.00 1	0.08 324	0.00 1	0.26 250	0.12 56

StereoVision	2.42 97	1.18 197	5.14 186	1.15 111	2.64 293	1.89 40	0.28 73	6.61 119	4.72 101	2.14 44	10.52 229	3.84 126	0.52 36	5.33 93	2.29 166	0.00 1	0.00 1	0.00 1	0.00 1	0.12 150	0.04 17

test_5	3.16 164	1.18 197	4.96 179	2.33 249	3.10 308	4.51 220	1.27 229	7.47 154	7.61 201	3.00 55	7.38 156	5.37 184	4.06 204	8.28 211	1.54 95	0.00 1	0.34 256	0.00 1	0.02 191	0.21 228	0.62 207

STTRV1_RVC	7.16 313	1.18 197	13.30 335	3.33 324	6.91 371	11.99 331	4.01 299	15.74 332	12.11 296	9.56 278	14.59 287	11.64 302	8.75 319	12.86 329	8.54 290	3.70 376	2.86 386	0.41 359	0.13 254	1.38 353	0.12 56

CroCo-Stereo Lap2	1.37 11	1.19 200	4.17 134	1.01 101	4.58 354	0.46 2	0.09 20	4.27 19	2.94 13	1.25 32	2.40 39	1.55 62	0.20 1	1.72 14	1.30 79	0.00 1	0.00 1	0.00 1	0.00 1	0.15 188	0.13 62

RAFT+CT+SA	2.59 114	1.19 200	3.55 84	1.09 107	2.21 275	3.14 146	0.90 204	7.59 155	5.65 136	2.76 50	8.21 175	2.04 74	1.57 106	8.84 243	1.31 81	0.02 185	0.34 256	0.00 1	0.38 337	0.22 233	0.73 227

OMP-Stereo	3.15 162	1.19 200	3.49 77	4.34 355	0.51 121	2.20 54	1.21 225	6.67 120	6.52 168	7.99 221	6.24 126	8.38 256	2.44 137	9.65 273	1.92 135	0.01 102	0.02 133	0.00 1	0.00 1	0.08 88	0.15 75

ADLNet	4.56 257	1.19 200	5.52 207	3.81 341	3.59 324	6.98 269	2.40 265	12.01 259	7.96 213	10.52 297	9.67 209	8.26 250	4.98 241	6.59 124	6.93 269	0.01 102	0.01 103	0.00 1	0.01 173	0.22 233	0.55 189

edge stereo	7.12 311	1.19 200	7.83 282	2.32 247	2.46 286	6.90 266	3.26 290	15.58 329	12.52 300	15.68 350	18.34 324	21.83 363	13.05 345	11.53 314	8.68 293	0.04 236	0.06 185	0.11 326	0.03 202	0.30 273	0.63 208

RASNet	5.00 276	1.19 200	5.69 214	3.68 336	4.80 358	5.04 233	1.29 232	10.26 219	8.99 239	5.89 118	11.65 249	10.55 285	9.76 328	9.96 290	10.32 319	0.20 307	0.00 1	0.00 1	0.00 1	0.09 102	0.73 227

MIM_Stereo	2.83 133	1.20 206	5.27 188	1.41 135	1.16 208	3.07 138	0.33 84	6.67 120	3.95 65	5.17 100	10.11 217	4.25 150	1.73 114	8.32 218	1.64 108	0.00 1	0.36 260	0.00 1	0.01 173	0.22 233	1.69 301

GEStereo_RVC	3.95 220	1.21 207	6.13 230	2.30 244	1.22 214	4.29 214	2.96 276	12.39 268	8.24 221	7.25 194	6.79 140	7.58 238	4.22 212	9.16 258	4.56 235	0.04 236	0.01 103	0.02 278	0.02 191	0.19 212	0.42 169

CroCo-Stereo	1.14 7	1.22 208	3.99 124	0.61 61	0.53 125	0.38 1	0.06 12	5.35 54	4.15 72	0.59 14	1.92 31	1.00 48	0.27 5	1.37 9	1.33 84	0.01 102	0.00 1	0.00 1	0.00 1	0.05 59	0.05 23
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
iRaftStereo_RVC	1.88 39	1.22 208	2.63 18	0.95 98	0.06 6	2.96 132	0.05 10	6.08 100	3.99 68	3.92 77	4.88 84	2.53 83	0.62 39	3.62 58	1.19 69	0.00 1	1.19 346	0.00 1	0.00 1	0.37 293	1.29 276

RAFT-Stereo + iAFF	2.48 101	1.23 210	3.48 76	1.61 150	1.09 200	1.63 23	0.15 48	5.80 78	6.43 165	7.32 199	9.91 213	3.05 95	1.71 111	2.33 39	1.75 122	0.01 102	0.71 286	0.00 1	0.00 1	0.28 262	1.19 267

UCFNet_RVC	3.37 178	1.25 211	3.30 59	2.55 274	1.80 254	3.92 197	1.28 231	12.49 272	7.16 189	5.12 98	7.88 165	8.14 247	4.59 226	5.67 103	2.11 148	0.00 1	0.00 1	0.00 1	0.00 1	0.14 175	0.07 34

Sa-1000	3.81 210	1.26 212	4.64 165	2.29 243	0.55 130	3.51 166	1.58 245	8.37 170	9.13 243	7.97 218	17.42 315	3.98 132	2.76 149	9.61 272	1.68 116	0.00 1	0.69 281	0.00 1	0.18 272	0.23 238	0.27 127

iRaft-Stereo_5w	3.20 167	1.27 213	5.27 188	0.27 24	0.99 187	2.71 96	0.58 135	5.75 75	5.85 145	3.03 57	7.88 165	10.08 276	4.08 207	8.40 223	6.09 260	0.00 1	0.25 247	0.00 1	0.12 249	0.31 280	0.95 243

SA	3.34 174	1.29 214	4.84 172	1.99 207	0.57 131	3.15 147	1.39 235	7.66 162	9.94 257	4.86 89	10.87 238	2.97 94	4.61 228	9.88 286	1.38 88	0.00 1	0.60 276	0.00 1	0.19 275	0.25 249	0.37 152

RAFT	2.94 145	1.29 214	4.06 129	1.36 128	0.50 114	2.39 64	0.91 207	6.11 101	3.25 25	6.64 162	7.30 155	9.96 274	4.20 211	6.03 110	2.21 153	0.00 1	1.02 318	0.00 1	0.02 191	0.54 319	1.01 248

NVstereo2D	4.82 272	1.29 214	7.98 285	3.68 336	3.48 321	8.02 286	3.10 281	11.25 245	15.50 327	5.14 99	7.71 161	8.21 249	4.68 229	10.19 295	4.30 227	0.02 185	0.19 232	0.13 332	0.36 335	0.07 83	1.12 263

raftrobust	2.16 65	1.31 217	2.76 25	2.38 255	3.33 315	2.72 98	0.51 119	5.34 50	4.64 96	6.13 134	3.98 67	1.63 63	2.51 140	3.02 51	1.64 108	0.00 1	0.76 288	0.00 1	0.02 191	0.14 175	0.27 127

AFF-stereo	2.87 138	1.31 217	3.26 56	1.87 187	0.38 93	1.68 28	0.09 20	6.38 112	7.07 187	6.52 154	11.90 253	6.08 207	2.32 133	5.05 87	1.65 110	0.02 185	0.66 279	0.00 1	0.00 1	0.29 270	0.94 242

MDST_ROB	9.13 341	1.31 217	10.16 322	4.36 356	2.48 288	28.66 382	7.64 350	19.96 364	14.97 322	27.53 378	24.02 347	9.47 267	5.27 251	16.31 355	8.61 292	0.63 343	0.19 232	0.00 1	0.00 1	0.08 88	0.90 238

4D-IteraStereo	1.99 45	1.32 220	3.77 101	0.13 3	2.84 299	3.51 166	1.03 213	4.26 18	5.38 124	5.50 109	1.03 8	3.86 127	0.38 20	2.44 44	1.88 130	0.00 1	0.43 265	0.00 1	0.01 173	0.11 133	1.84 323

stereogan	8.18 329	1.32 220	9.05 306	3.59 332	4.00 341	20.16 366	3.13 284	17.25 345	20.16 349	10.68 301	19.19 325	20.56 361	10.70 334	14.74 345	7.00 271	0.34 326	0.04 172	0.21 348	0.08 233	0.70 332	0.65 211

TestStereo1	3.12 159	1.34 222	4.67 167	3.47 329	0.71 148	2.50 71	1.45 237	7.27 144	8.71 230	4.91 90	9.28 195	2.34 79	3.61 181	9.44 266	1.62 103	0.00 1	0.33 254	0.00 1	0.00 1	0.30 273	0.40 158

SA-5K	3.12 159	1.34 222	4.67 167	3.47 329	0.71 148	2.50 71	1.45 237	7.27 144	8.71 230	4.91 90	9.28 195	2.34 79	3.61 181	9.44 266	1.62 103	0.00 1	0.33 254	0.00 1	0.00 1	0.30 273	0.40 158

psm_up	4.33 244	1.34 222	4.43 147	2.27 240	2.62 292	5.29 235	3.30 292	11.49 250	6.89 181	8.05 226	8.06 171	10.09 278	11.10 335	7.12 146	3.76 208	0.24 314	0.01 103	0.00 1	0.00 1	0.20 218	0.37 152

PSMNet-RSSM	3.69 200	1.36 225	4.54 155	2.44 260	1.90 262	2.35 61	0.69 160	11.77 256	6.38 163	6.60 160	11.85 252	7.70 240	5.61 264	6.66 129	3.67 202	0.00 1	0.00 1	0.02 278	0.01 173	0.17 198	0.10 46

MMNet	4.44 251	1.37 226	6.26 238	1.73 172	1.64 241	10.51 319	0.61 142	9.27 197	9.66 254	9.55 276	9.22 190	7.40 234	6.52 279	7.90 189	6.98 270	0.01 102	0.00 1	0.00 1	0.00 1	0.14 175	0.10 46

HITNet	3.11 157	1.38 227	5.35 193	2.23 231	0.12 19	5.59 240	0.58 135	9.95 215	5.72 142	6.62 161	7.91 167	3.90 129	3.24 162	4.39 76	4.58 237	0.01 102	0.00 1	0.00 1	0.00 1	0.08 88	0.57 192
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
LL-Strereo2	2.22 74	1.39 228	3.39 67	1.26 119	1.01 190	3.73 188	1.47 239	6.47 116	4.61 95	4.66 86	2.64 44	4.17 143	0.37 17	6.03 110	1.61 101	0.09 280	0.24 244	0.00 1	0.08 233	0.08 88	1.16 264

111	3.05 153	1.41 229	5.51 201	0.32 26	0.14 22	2.83 111	0.68 157	6.76 125	14.21 317	3.59 66	9.11 189	5.50 187	3.30 166	4.05 65	2.43 170	0.01 102	0.00 1	0.00 1	0.00 1	0.13 166	1.02 252

rafts_anoy	2.09 56	1.42 230	3.34 63	2.87 295	2.72 296	2.46 69	0.17 53	6.20 107	6.48 167	3.40 62	2.25 37	1.91 70	1.32 84	3.59 57	1.75 122	0.01 102	1.52 367	0.00 1	0.01 173	0.06 68	0.28 131

ssnet_v2	4.73 268	1.43 231	6.74 255	1.80 179	0.75 158	8.89 298	4.60 311	12.66 276	10.65 272	9.53 274	6.23 122	9.78 273	4.26 214	6.89 138	9.65 310	0.01 102	0.01 103	0.00 1	0.00 1	0.36 292	0.31 139

cf-r	3.76 206	1.43 231	5.34 191	2.66 278	2.79 298	2.85 125	0.62 144	9.08 187	6.91 183	7.06 181	11.90 253	9.64 269	3.83 192	6.23 116	4.53 234	0.00 1	0.00 1	0.00 1	0.00 1	0.19 212	0.17 87

STTStereo	3.90 215	1.43 231	8.20 288	3.03 303	2.28 280	3.64 177	0.64 148	10.11 217	7.09 188	10.20 288	7.08 149	8.73 262	3.57 179	7.44 158	4.00 220	0.00 1	0.02 133	0.01 246	0.01 173	0.04 44	0.40 158

MSMD_ROB	9.73 345	1.43 231	5.42 196	1.81 180	0.42 107	16.83 353	4.30 306	14.29 316	15.34 324	23.06 366	40.17 387	25.63 371	22.62 376	13.37 333	8.85 297	0.48 341	0.03 158	0.00 1	0.00 1	0.13 166	0.47 177

ADLNet2	4.72 266	1.44 235	6.68 253	3.03 303	3.90 335	6.80 265	2.91 274	11.67 255	9.63 252	7.99 221	9.89 212	9.75 272	5.32 256	7.70 179	7.13 274	0.01 102	0.03 158	0.00 1	0.00 1	0.26 250	0.22 111

DLCB_ROB	4.87 274	1.45 236	4.75 171	2.52 269	1.13 206	6.25 257	3.01 278	10.44 226	8.34 223	11.05 313	13.43 272	14.04 316	3.90 200	9.74 280	6.80 268	0.00 1	0.00 1	0.00 1	0.00 1	0.08 88	0.37 152

iResNet	4.04 226	1.46 237	8.72 296	3.25 320	0.36 89	4.54 222	0.47 106	9.06 185	10.40 265	7.98 219	12.82 268	4.06 137	3.22 161	8.82 242	4.95 245	0.03 215	0.01 103	0.00 1	0.00 1	0.14 175	0.55 189

CBFPSM	5.12 278	1.48 238	16.22 353	1.81 180	1.14 207	11.16 322	2.90 273	7.99 167	6.75 177	6.55 156	5.00 88	15.05 325	8.78 320	7.52 171	8.90 298	0.04 236	0.02 133	0.00 1	0.00 1	0.42 298	0.67 221

raft+_RVC	2.18 68	1.49 239	3.14 48	2.77 285	2.01 267	1.40 13	0.10 24	7.02 133	5.35 122	2.99 54	5.54 107	1.19 51	1.34 89	4.98 84	1.49 92	0.00 1	1.45 362	0.00 1	0.00 1	0.14 175	1.11 260

RYNet	6.82 302	1.51 240	7.35 273	1.79 178	4.52 351	16.68 352	4.41 308	14.19 314	17.43 336	11.64 322	7.86 164	15.03 324	8.81 321	10.10 292	14.16 351	0.04 236	0.13 218	0.15 335	0.05 223	0.08 88	0.53 187

DRN-Test	6.23 291	1.51 240	7.53 277	3.07 311	3.69 327	12.17 334	3.23 287	20.80 373	11.11 284	12.64 328	13.02 270	10.91 295	5.26 250	8.49 231	10.12 315	0.05 249	0.05 179	0.04 303	0.04 220	0.28 262	0.65 211

MLCV	3.76 206	1.52 242	6.93 259	1.66 159	0.31 77	4.31 215	0.32 82	7.92 164	7.68 202	9.55 276	12.12 256	5.17 176	2.74 147	10.00 291	4.49 233	0.01 102	0.00 1	0.00 1	0.00 1	0.16 192	0.27 127

CBMV	5.97 287	1.52 242	4.51 152	1.99 207	0.53 125	10.02 310	6.94 343	13.27 296	13.80 316	13.08 334	15.93 297	11.36 299	8.11 310	9.82 283	7.27 275	0.08 270	0.15 223	0.00 1	0.00 1	0.30 273	0.74 230
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NLCA_NET_v2_RVC	4.11 230	1.53 244	6.87 258	3.04 305	3.33 315	4.34 217	0.59 138	11.36 248	7.92 211	8.98 254	7.98 169	9.72 271	3.82 191	7.92 190	4.43 231	0.15 293	0.02 133	0.03 295	0.03 202	0.07 83	0.14 65
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HBP-ISP	4.37 247	1.56 245	4.59 162	2.23 231	1.29 225	7.87 283	3.96 298	11.80 257	10.91 279	8.06 228	14.45 284	3.38 107	4.87 236	9.27 262	2.53 172	0.14 291	0.06 185	0.00 1	0.01 173	0.08 88	0.30 137

GMStereo	2.07 50	1.56 245	5.64 211	0.74 79	0.05 3	3.63 176	0.01 1	5.17 44	11.27 288	4.22 80	2.44 40	0.53 40	0.49 34	4.06 67	1.01 53	0.22 311	0.00 1	0.00 1	0.14 256	0.18 206	0.05 23
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
DANet	6.46 296	1.58 247	9.58 318	4.10 346	3.99 340	9.13 301	1.34 234	10.37 223	7.76 203	13.76 340	15.66 293	16.14 330	7.03 291	13.07 331	13.62 349	0.19 304	0.12 215	0.02 278	0.02 191	0.15 188	1.61 290
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TestStereo	1.89 40	1.59 248	4.22 138	0.37 38	0.28 74	1.33 10	0.01 1	5.63 68	4.13 71	3.59 66	5.11 91	2.06 76	0.70 42	7.62 177	0.93 40	0.02 185	0.00 1	0.00 1	0.00 1	0.02 9	0.19 95

CFNet-ft	3.70 202	1.59 248	3.87 107	1.68 162	2.42 284	3.20 149	0.66 151	8.93 182	7.76 203	5.09 95	9.95 214	10.77 291	5.43 260	7.41 155	4.71 239	0.00 1	0.00 1	0.03 295	0.01 173	0.30 273	0.11 53

CFNet_RVC	3.70 202	1.59 248	3.87 107	1.68 162	2.42 284	3.20 149	0.66 151	8.92 181	7.76 203	5.09 95	9.95 214	10.77 291	5.43 260	7.41 155	4.71 239	0.00 1	0.00 1	0.03 295	0.01 173	0.30 273	0.11 53

AASNet	4.20 238	1.63 251	5.82 217	3.79 339	3.93 336	6.55 261	1.22 226	19.12 358	6.82 178	7.86 215	8.35 177	4.36 151	2.55 141	3.87 64	7.47 277	0.00 1	0.00 1	0.00 1	0.00 1	0.49 314	0.22 111

AACVNet	3.71 204	1.63 251	4.89 175	3.80 340	0.62 137	3.25 151	0.30 80	9.47 202	3.81 58	6.34 143	10.74 235	10.52 282	4.92 238	9.31 263	3.88 214	0.03 215	0.01 103	0.00 1	0.00 1	0.34 288	0.28 131

RAFT_CTSACE	3.62 196	1.65 253	5.41 195	1.36 128	3.08 305	3.95 200	1.03 213	4.62 26	4.65 97	5.33 103	17.73 319	7.63 239	2.71 145	10.98 302	1.15 62	0.00 1	0.48 270	0.00 1	0.00 1	0.31 280	0.25 124

DispNO	4.17 234	1.66 254	10.36 324	1.87 187	1.64 241	2.53 74	0.85 196	9.92 211	14.46 319	6.47 149	8.91 183	5.48 186	5.33 257	8.13 201	5.28 251	0.05 249	0.00 1	0.01 246	0.01 173	0.32 284	0.21 105

ACRE	2.67 121	1.66 254	6.50 246	0.72 70	2.03 269	2.65 91	0.84 191	5.97 95	5.52 131	7.85 214	9.23 191	1.72 65	1.09 62	4.09 68	2.73 185	0.02 185	0.19 232	0.02 278	0.08 233	0.26 250	0.21 105

MyStereo8	3.30 172	1.69 256	6.28 239	2.51 266	3.79 332	4.22 210	0.07 15	7.43 153	6.39 164	6.51 153	10.13 218	4.23 148	1.45 94	2.79 49	5.08 248	0.06 260	1.49 365	0.00 1	0.40 339	0.26 250	1.33 279

CIPLG	2.72 128	1.69 256	6.02 225	0.80 84	2.14 273	2.66 92	0.84 191	5.90 87	5.59 133	8.12 229	9.58 203	1.74 66	1.14 67	4.53 79	2.82 190	0.02 185	0.19 232	0.02 278	0.09 239	0.26 250	0.22 111

CSP-Net	4.40 248	1.70 258	4.90 176	1.82 183	1.04 192	12.96 338	2.25 262	13.75 308	6.34 160	9.64 279	8.99 186	8.31 251	3.24 162	8.45 229	4.32 228	0.01 102	0.00 1	0.00 1	0.00 1	0.23 238	0.06 30

pmcnn	8.17 328	1.70 258	11.49 327	3.18 315	3.07 304	9.66 306	6.06 329	13.60 304	17.71 339	15.23 347	24.02 347	27.61 375	8.81 321	10.36 297	9.51 308	0.08 270	0.08 198	0.00 1	0.00 1	0.31 280	0.87 237

IGEVStereo-DCA	1.54 25	1.71 260	2.99 39	0.73 73	0.24 65	2.69 93	0.81 183	4.31 20	2.97 15	0.73 16	0.16 1	0.23 8	0.32 11	7.57 173	2.72 183	0.00 1	0.49 271	0.00 1	0.16 261	0.17 198	1.82 318

rrr	1.64 33	1.71 260	6.31 241	0.73 73	0.24 65	2.69 93	0.92 208	4.25 17	1.75 3	0.73 16	0.16 1	0.23 8	0.32 11	7.57 173	2.72 183	0.00 1	0.49 271	0.00 1	0.20 285	0.17 198	1.68 299

raft_robust	2.91 141	1.71 260	3.42 73	1.36 128	0.57 131	1.53 20	0.12 31	7.06 136	9.09 241	6.96 180	7.21 154	4.43 153	2.09 123	9.40 265	1.61 101	0.03 215	0.93 297	0.00 1	0.21 290	0.17 198	0.38 155

RALAANet	2.68 122	1.71 260	4.73 170	2.79 287	0.80 163	3.30 155	0.15 48	7.92 164	5.92 147	5.79 114	6.06 117	3.51 121	1.13 65	6.76 134	2.28 164	0.00 1	0.28 250	0.00 1	0.10 243	0.27 260	0.13 62

GwcNet-RSSM	4.13 233	1.71 260	6.25 237	2.50 265	1.93 265	2.39 64	1.49 241	9.59 204	8.71 230	6.66 164	15.04 289	8.47 258	3.84 193	6.87 137	6.74 267	0.00 1	0.00 1	0.04 303	0.00 1	0.29 270	0.15 75

RALCasStereoNet	2.39 94	1.73 265	3.59 92	2.38 255	2.69 295	2.84 113	0.18 55	5.29 46	4.94 113	2.45 47	5.62 109	2.22 77	0.79 51	7.48 169	1.63 105	0.00 1	1.75 369	0.00 1	0.00 1	0.14 175	2.03 341

ARAFT	3.32 173	1.74 266	7.92 284	0.64 62	0.15 28	4.45 219	2.89 272	8.20 169	6.30 158	9.23 266	7.12 153	5.58 190	1.24 81	8.60 234	1.69 117	0.01 102	0.03 158	0.00 1	0.00 1	0.35 290	0.35 149

LoS_RVC	1.47 19	1.75 267	2.66 20	0.52 57	3.89 334	1.67 26	0.04 9	2.66 2	2.61 6	0.55 12	2.63 43	0.31 20	1.68 108	1.99 24	0.81 26	0.01 102	0.02 133	0.00 1	0.00 1	0.03 26	5.54 375

IPLGR_C	2.69 123	1.75 267	6.20 233	0.79 82	2.06 271	2.64 90	0.86 199	6.36 111	5.64 135	8.13 230	9.26 193	1.69 64	1.15 72	3.79 62	2.80 189	0.02 185	0.20 237	0.02 278	0.08 233	0.26 250	0.18 89

test_xeample3	1.71 36	1.75 267	6.64 251	0.90 91	0.29 75	2.55 77	0.90 204	4.08 14	2.36 4	0.56 13	0.24 4	0.23 8	0.31 8	7.51 170	2.73 185	0.00 1	0.70 283	0.00 1	0.36 335	0.18 206	1.92 335

iResNet_ROB	4.67 264	1.77 270	5.93 221	2.47 263	0.95 183	3.78 191	0.36 87	15.65 330	17.36 335	8.75 247	11.23 243	7.05 229	4.60 227	8.94 251	4.23 226	0.01 102	0.00 1	0.00 1	0.00 1	0.16 192	0.15 75

whm_eth	3.18 166	1.78 271	6.61 250	0.90 91	2.72 296	2.54 76	0.27 72	7.64 160	7.94 212	5.43 107	23.98 346	0.37 30	0.47 33	1.31 8	1.17 65	0.02 185	0.03 158	0.00 1	0.00 1	0.08 88	0.32 143

GANet	6.86 304	1.78 271	5.98 224	3.05 306	1.12 205	10.12 313	9.38 360	13.41 300	8.67 229	11.46 319	29.87 366	13.94 315	8.25 312	12.06 321	6.33 265	0.40 330	0.06 185	0.16 338	0.33 330	0.18 206	0.59 197

TDLM	4.58 258	1.79 273	5.03 182	2.45 261	1.32 230	4.04 205	7.15 346	11.60 254	11.46 289	6.91 174	12.69 265	5.94 205	5.03 242	9.74 280	3.80 211	0.67 346	0.00 1	0.01 246	0.05 223	0.23 238	1.78 316

DeepPruner_ROB	3.82 211	1.87 274	5.65 212	1.31 126	1.64 241	3.62 175	0.81 183	14.47 318	5.03 117	8.03 224	10.78 236	6.95 227	2.26 129	8.92 248	4.32 228	0.07 266	0.03 158	0.00 1	0.01 173	0.37 293	0.29 134

SACVNet	4.55 255	1.88 275	5.55 208	3.38 326	1.68 247	3.11 141	2.76 271	12.44 270	6.43 165	11.07 314	11.31 244	10.53 284	5.13 247	9.88 286	4.56 235	0.08 270	0.02 133	0.00 1	0.01 173	0.38 295	0.80 234

XPNet_ROB	6.46 296	1.88 275	7.41 275	2.81 288	0.95 183	6.45 260	6.82 341	13.58 303	8.80 233	15.50 348	15.86 295	19.59 353	7.12 292	11.41 313	9.86 311	0.02 185	0.04 172	0.00 1	0.03 202	0.20 218	0.79 233

MeshStereo	11.94 362	1.88 275	5.24 187	2.11 216	1.44 235	20.09 365	4.95 317	21.74 379	16.75 332	33.10 385	35.07 382	39.28 392	22.72 377	19.45 369	13.59 348	0.19 304	0.06 185	0.02 278	0.00 1	0.46 307	0.65 211
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
ccnet	7.45 320	1.89 278	7.71 280	3.18 315	2.35 281	12.19 335	6.14 330	18.95 355	9.36 249	13.33 335	20.38 330	16.00 329	9.10 326	10.10 292	15.40 358	0.44 332	0.34 256	0.25 352	0.25 302	0.48 312	1.18 266

RP	7.41 317	1.90 279	7.33 271	4.26 351	5.25 364	6.64 263	3.46 293	12.44 270	16.23 330	10.36 294	23.00 343	18.72 346	16.59 360	11.10 304	8.47 289	1.10 356	0.02 133	0.12 330	0.16 261	0.43 302	0.65 211

Nwc_Net	7.54 321	1.91 280	8.71 295	4.16 348	3.42 319	10.77 321	2.00 257	20.33 370	12.19 297	9.10 260	24.04 349	17.67 340	13.58 350	12.14 323	9.12 303	0.94 354	0.00 1	0.00 1	0.02 191	0.22 233	0.41 165

dd	2.36 87	1.93 281	6.03 227	0.83 86	0.12 19	1.80 36	0.17 53	5.30 47	11.82 294	2.98 53	3.64 64	1.50 59	1.21 79	5.25 90	3.92 215	0.13 288	0.01 103	0.04 303	0.22 295	0.10 122	0.14 65

G-Net	8.60 335	1.93 281	12.59 332	6.04 370	3.66 326	25.93 375	4.26 303	10.35 222	8.05 216	19.71 360	24.73 352	14.15 317	15.49 358	11.30 308	10.69 325	0.50 342	0.46 268	0.19 346	0.25 302	0.80 338	0.91 239

CVANet_RVC	4.68 265	1.93 281	5.57 210	2.61 276	1.86 260	4.12 207	4.94 316	12.11 260	9.29 246	8.05 226	11.08 240	10.28 279	6.48 278	9.52 270	3.19 197	0.45 334	0.01 103	0.00 1	0.12 249	0.23 238	1.75 312

fast-acv-ft	6.00 288	1.95 284	7.88 283	2.35 251	1.85 258	13.61 343	1.76 252	8.44 172	10.12 258	11.22 316	20.57 332	14.41 321	7.55 302	8.11 199	8.83 296	0.10 283	0.09 204	0.16 338	0.07 230	0.68 328	0.35 149

LMCR-Stereo	3.92 217	1.96 285	4.92 177	2.85 294	0.23 64	7.88 284	1.47 239	12.52 273	5.39 125	8.71 245	10.65 233	1.90 69	5.04 244	8.53 232	4.89 242	1.05 355	0.00 1	0.00 1	0.00 1	0.42 298	0.05 23

CFNet	4.03 225	1.97 286	6.30 240	2.70 282	1.64 241	5.41 238	0.22 61	12.14 262	10.28 260	5.24 101	11.15 241	6.43 214	3.70 188	8.97 254	4.01 221	0.00 1	0.00 1	0.00 1	0.00 1	0.30 273	0.13 62

DMCA-RVC	3.59 194	1.98 287	8.68 294	2.30 244	1.48 236	3.54 170	0.55 126	8.40 171	5.43 128	9.37 271	5.90 111	8.34 253	3.21 160	7.19 147	4.46 232	0.06 260	0.11 212	0.08 324	0.02 191	0.21 228	0.40 158

WCMA_ROB	10.20 350	1.99 288	9.33 312	3.01 301	2.46 286	15.78 349	7.67 352	12.75 278	15.41 325	25.08 376	33.42 378	27.06 374	19.86 366	13.87 338	12.47 340	1.28 360	0.38 262	0.18 344	0.20 285	0.28 262	1.54 287

gwcnet-sp	3.58 191	2.01 289	8.82 299	2.01 211	0.69 142	7.38 279	1.10 220	9.23 194	6.66 173	9.32 267	5.91 112	4.21 145	3.31 168	6.91 139	3.69 203	0.00 1	0.00 1	0.00 1	0.00 1	0.24 242	0.18 89

scenet	3.58 191	2.01 289	8.82 299	2.01 211	0.69 142	7.38 279	1.10 220	9.23 194	6.66 173	9.32 267	5.91 112	4.21 145	3.31 168	6.91 139	3.69 203	0.00 1	0.00 1	0.00 1	0.00 1	0.24 242	0.18 89

ssnet	3.58 191	2.01 289	8.82 299	2.01 211	0.69 142	7.38 279	1.10 220	9.23 194	6.66 173	9.32 267	5.91 112	4.21 145	3.31 168	6.91 139	3.69 203	0.00 1	0.00 1	0.00 1	0.00 1	0.24 242	0.18 89

FBW_ROB	9.17 342	2.08 292	10.31 323	2.51 266	1.66 246	13.22 341	6.04 328	23.09 380	20.11 348	19.55 358	15.80 294	18.97 350	11.96 343	19.34 368	11.38 329	0.66 345	0.30 252	2.15 376	0.90 360	1.15 347	2.16 346

iinet-f	6.21 290	2.11 293	28.74 388	2.13 217	1.38 232	11.62 326	1.49 241	7.64 160	7.19 191	7.77 212	14.38 282	10.49 281	7.79 305	7.76 182	12.90 345	0.03 215	0.03 158	0.05 309	0.00 1	0.67 326	0.12 56

BEATNet_4x	3.69 200	2.12 294	8.11 286	1.82 183	0.16 33	5.30 236	1.04 216	10.87 236	6.14 154	7.09 184	8.42 178	4.99 173	4.42 216	5.89 106	6.23 264	0.04 236	0.05 179	0.00 1	0.00 1	0.32 284	0.84 236

DN-CSS_ROB	3.00 152	2.14 295	7.33 271	2.67 280	0.78 161	3.13 144	0.07 15	6.68 124	4.22 77	5.51 110	12.12 256	2.33 78	1.21 79	8.69 239	2.51 171	0.03 215	0.00 1	0.00 1	0.00 1	0.42 298	0.15 75

AF-Net	8.37 332	2.16 296	9.01 304	3.65 334	4.58 354	9.40 302	2.63 268	17.71 347	21.32 354	10.38 295	24.51 351	20.43 358	16.67 361	12.54 326	10.76 326	0.70 348	0.00 1	0.12 330	0.00 1	0.47 309	0.42 169

psmorigin	7.74 322	2.19 297	18.99 363	2.51 266	0.89 173	7.08 273	2.74 269	11.25 245	7.90 209	20.49 364	22.36 341	20.16 355	11.95 342	13.84 337	10.61 322	0.04 236	0.18 230	0.06 313	0.24 299	0.27 260	1.07 256

Wz-Net-LNSev-Ref	6.52 299	2.21 298	12.10 330	2.75 283	3.28 312	10.03 311	3.05 279	12.31 265	11.52 290	10.10 287	21.36 334	11.51 300	7.30 297	11.56 315	10.61 322	0.09 280	0.00 1	0.00 1	0.00 1	0.08 88	0.51 184

FADNet-RVC-Resample	4.11 230	2.25 299	13.88 340	1.64 152	0.66 139	5.91 251	2.34 264	10.87 236	9.09 241	6.53 155	4.34 72	5.69 198	4.71 231	8.01 194	4.64 238	0.18 303	0.22 238	0.17 343	0.12 249	0.46 307	0.59 197

NaN_ROB	6.51 298	2.25 299	8.77 297	1.69 164	1.79 253	9.71 307	10.94 365	16.20 336	16.13 329	13.04 333	8.86 181	11.77 304	5.94 268	12.88 330	8.01 283	0.05 249	0.13 218	0.07 318	0.20 285	0.32 284	1.50 284

sAnonymous2	1.54 25	2.26 301	9.53 314	0.65 64	0.50 114	1.20 5	0.23 65	4.86 30	3.65 48	0.42 4	1.27 15	0.23 8	1.40 91	1.23 4	0.68 11	0.02 185	0.00 1	0.00 1	0.20 285	2.00 363	0.42 169

CroCo_RVC	1.54 25	2.26 301	9.53 314	0.65 64	0.50 114	1.20 5	0.23 65	4.86 30	3.65 48	0.42 4	1.27 15	0.23 8	1.40 91	1.23 4	0.68 11	0.02 185	0.00 1	0.00 1	0.20 285	2.00 363	0.42 169

iResNetv2_ROB	4.72 266	2.26 301	8.87 302	3.20 317	1.25 218	4.32 216	1.73 250	14.22 315	10.62 271	10.53 298	12.13 258	7.77 241	5.54 263	8.29 212	2.76 188	0.00 1	0.00 1	0.00 1	0.00 1	0.42 298	0.55 189

RAFT + AFF	4.63 262	2.28 304	7.43 276	1.51 142	2.38 282	5.81 249	6.49 335	10.74 233	8.53 227	7.75 211	8.95 185	7.47 236	6.68 285	9.17 260	5.06 247	0.08 270	0.47 269	0.00 1	0.01 173	0.66 325	1.03 255

NCC-stereo	7.43 318	2.28 304	8.58 292	3.28 321	4.48 348	8.34 288	4.27 304	20.45 371	13.66 314	9.17 263	17.52 316	16.49 332	14.31 355	13.71 335	8.95 299	1.73 366	0.12 215	0.01 246	0.50 349	0.21 228	0.60 199

Abc-Net	7.43 318	2.28 304	8.58 292	3.28 321	4.48 348	8.34 288	4.27 304	20.45 371	13.66 314	9.17 263	17.52 316	16.49 332	14.31 355	13.71 335	8.95 299	1.73 366	0.12 215	0.01 246	0.50 349	0.21 228	0.60 199
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
LL-Strereo	5.14 279	2.29 307	8.95 303	1.26 119	5.05 362	3.66 178	1.40 236	10.33 221	8.98 238	8.71 245	8.24 176	10.70 288	11.10 335	12.66 328	5.36 252	0.05 249	1.35 360	0.00 1	0.00 1	0.38 295	2.23 350

ADCRef	7.76 323	2.31 308	19.09 364	2.82 290	3.29 313	11.88 329	3.06 280	11.52 252	10.89 278	13.69 339	25.85 357	8.20 248	8.89 323	8.95 252	22.66 370	0.16 296	0.08 198	0.16 338	0.34 333	0.47 309	0.91 239

FADNet_RVC	4.24 241	2.32 309	14.23 343	1.18 114	0.79 162	5.64 242	0.60 139	11.50 251	7.19 191	3.68 70	8.08 173	4.14 141	4.06 204	10.29 296	7.47 277	0.36 328	0.44 267	0.18 344	0.47 346	0.93 341	1.23 270

GMStereo_Zeroshot	2.92 143	2.33 310	6.12 229	1.66 159	0.36 89	3.61 172	0.09 20	5.95 93	6.20 156	7.15 188	7.11 152	8.37 254	0.91 53	6.17 114	1.97 139	0.00 1	0.00 1	0.00 1	0.00 1	0.22 233	0.14 65

FADNet	4.55 255	2.35 311	13.60 338	1.87 187	0.80 163	4.74 227	0.75 176	14.47 318	12.41 299	4.07 78	5.45 104	9.64 269	5.03 242	8.86 245	4.82 241	0.20 307	0.04 172	0.07 318	0.05 223	1.27 350	0.40 158

PA-Net	5.40 281	2.35 311	9.55 316	2.75 283	2.21 275	8.74 295	3.92 297	13.05 288	13.35 312	7.30 198	7.98 169	8.08 246	6.39 277	11.17 307	9.30 305	0.02 185	0.03 158	0.00 1	0.03 202	0.16 192	1.55 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
StereoDRNet	6.02 289	2.40 313	8.22 289	3.43 327	4.43 347	10.57 320	4.21 302	19.44 360	11.24 287	12.86 329	8.06 171	11.64 302	4.79 234	8.65 238	9.32 306	0.01 102	0.10 208	0.00 1	0.03 202	0.34 288	0.69 222

PSMNet_ROB	5.41 283	2.45 314	7.39 274	2.36 253	1.90 262	10.11 312	6.54 336	16.32 338	7.59 199	6.84 173	10.83 237	12.06 307	4.13 208	8.73 240	10.24 317	0.02 185	0.01 103	0.01 246	0.11 245	0.26 250	0.40 158

APVNet	6.28 293	2.46 315	10.09 320	3.51 331	3.97 338	12.15 333	1.75 251	20.08 369	6.73 176	6.92 179	13.45 273	10.75 290	6.29 276	11.86 319	14.34 352	0.05 249	0.02 133	0.11 326	0.03 202	0.63 322	0.34 145

NCCL2	6.27 292	2.46 315	7.00 260	2.36 253	1.11 203	9.48 303	11.14 367	13.01 287	10.40 265	9.94 285	9.49 201	22.11 364	7.42 298	9.90 288	8.56 291	0.01 102	0.00 1	0.02 278	0.03 202	0.20 218	0.73 227

PS-NSSS	4.22 239	2.53 317	5.89 220	1.01 101	2.93 300	4.05 206	1.93 255	11.44 249	8.94 237	7.14 187	14.70 288	4.96 171	2.60 143	9.09 257	3.92 215	0.40 330	0.04 172	0.83 364	0.00 1	1.09 343	1.02 252

LALA_ROB	7.02 309	2.54 318	8.51 291	1.53 144	0.96 185	9.96 309	8.71 357	16.70 340	12.68 303	12.99 331	13.90 279	24.47 367	5.40 259	11.61 317	9.50 307	0.04 236	0.05 179	0.00 1	0.02 191	0.17 198	0.65 211

DPSNet	10.88 357	2.57 319	20.40 368	2.24 234	1.90 262	24.92 373	17.00 394	21.35 376	28.61 372	12.87 330	13.74 276	17.01 337	20.14 368	15.36 348	14.01 350	0.81 350	0.98 311	0.20 347	0.65 356	1.30 351	1.54 287

ETE_ROB	6.28 293	2.60 320	9.22 310	1.71 168	0.84 168	6.44 259	6.78 340	13.16 294	8.80 233	13.01 332	15.93 297	21.01 362	6.18 273	10.97 301	8.11 285	0.04 236	0.01 103	0.00 1	0.02 191	0.16 192	0.70 224

dad	5.10 277	2.61 321	6.76 256	1.23 117	0.14 22	2.85 125	0.36 87	7.98 166	14.88 321	10.84 306	17.06 308	15.59 326	3.29 165	7.24 149	4.39 230	1.20 358	0.10 208	4.02 380	0.49 348	0.20 218	0.69 222

AANet_RVC	5.41 283	2.61 321	8.17 287	2.25 235	1.30 227	2.27 57	1.64 248	10.82 234	18.54 342	8.01 223	18.09 321	8.39 257	3.31 168	11.37 312	8.98 301	1.15 357	0.38 262	0.02 278	0.00 1	0.17 198	0.70 224

FADNet-RVC	4.36 245	2.62 323	14.51 346	2.01 211	0.44 109	4.27 212	1.27 229	12.61 275	7.89 208	3.76 72	4.05 68	10.63 286	4.34 215	9.87 285	7.66 280	0.03 215	0.09 204	0.00 1	0.03 202	0.65 324	0.50 180

LE_ROB	17.31 380	2.62 323	14.26 344	4.20 349	1.80 254	17.40 356	9.70 362	15.38 328	55.92 405	63.97 415	40.81 389	35.50 388	39.26 398	15.64 352	28.51 389	0.06 260	0.11 212	0.13 332	0.21 290	0.14 175	0.51 184

SDNR	7.97 324	2.75 325	16.90 357	2.28 242	0.94 180	45.23 401	0.43 100	9.30 200	10.84 276	10.71 302	25.30 355	5.51 188	4.47 218	11.98 320	7.58 279	0.15 293	0.14 222	0.00 1	0.04 220	2.27 365	2.65 357

Wz-Net-LNSev	7.12 311	2.75 325	18.64 361	1.70 167	4.16 342	12.79 337	6.72 338	13.74 307	13.57 313	11.14 315	17.31 314	11.90 306	8.50 315	8.96 253	9.94 312	0.00 1	0.01 103	0.00 1	0.00 1	0.18 206	0.34 145

RGC	7.40 316	2.77 327	7.71 280	4.43 358	4.87 360	8.88 297	2.96 276	16.05 335	12.76 307	11.96 326	19.57 327	18.32 345	11.57 341	13.89 339	9.58 309	0.83 351	0.02 133	0.24 351	0.41 341	0.40 297	0.77 232

ADCP+	8.60 335	2.78 328	17.44 358	1.69 164	4.27 344	16.95 355	5.29 320	13.38 299	12.52 300	13.57 338	17.57 318	10.86 294	11.28 337	18.43 366	23.91 379	0.03 215	0.05 179	0.01 246	0.18 272	0.47 309	1.31 277

PDISCO_ROB	10.27 351	2.79 329	13.30 335	10.58 382	9.96 383	22.78 369	5.99 325	20.01 365	28.57 371	11.88 324	14.49 285	20.54 359	4.92 238	17.01 361	10.29 318	5.79 380	0.42 264	0.14 334	0.13 254	2.53 368	3.25 361

CSAN	8.41 333	2.86 330	9.35 313	2.43 259	0.82 166	13.59 342	11.68 373	15.80 333	21.98 358	14.71 344	16.46 303	18.00 342	14.42 357	13.68 334	10.10 313	0.10 283	0.13 218	0.15 335	0.19 275	0.43 302	1.28 275

GwcNet	6.95 305	2.89 331	13.32 337	2.82 290	5.53 365	11.76 327	2.14 261	14.95 323	17.69 338	10.83 305	18.14 322	10.83 293	6.66 283	9.83 284	10.19 316	0.03 215	0.06 185	0.03 295	0.08 233	0.64 323	0.66 219

FINET	6.96 306	2.98 332	13.77 339	3.20 317	4.81 359	9.65 305	9.90 363	13.68 306	23.91 362	8.28 235	13.70 274	5.36 183	5.83 266	10.79 300	8.05 284	0.90 352	1.43 361	0.11 326	0.38 337	0.48 312	1.98 339

Wz-Net-MNSev	8.12 327	3.18 333	18.07 360	2.63 277	3.36 317	17.82 359	9.40 361	12.89 282	15.44 326	13.95 342	18.21 323	14.38 320	7.75 304	12.50 325	11.45 330	0.46 336	0.03 158	0.00 1	0.01 173	0.26 250	0.58 194

ADCL	10.77 355	3.23 334	21.50 370	2.26 237	1.96 266	23.65 370	9.07 358	14.69 322	24.88 364	15.21 346	27.20 358	12.68 310	14.02 354	16.94 360	24.43 381	0.26 320	0.18 230	0.74 362	0.67 357	0.80 338	1.02 252

MANE	20.98 391	3.23 334	8.81 298	5.96 369	6.96 372	33.07 388	13.20 377	35.43 393	38.86 390	44.72 401	52.41 404	53.20 400	41.84 400	34.74 392	27.45 387	1.87 368	2.27 374	1.54 372	10.18 396	0.69 330	3.11 360

SANet	11.48 360	3.34 336	13.93 341	2.40 258	1.01 190	16.49 351	12.16 376	20.05 368	37.28 386	19.62 359	28.04 360	25.61 370	20.10 367	14.43 342	12.39 339	0.10 283	0.06 185	0.03 295	0.06 229	0.76 336	1.73 308

SGM-ForestM	18.61 385	3.38 337	10.14 321	3.44 328	2.24 278	34.17 390	15.39 383	29.44 391	33.93 378	38.55 393	41.08 390	53.64 401	36.76 395	34.82 393	27.16 386	1.25 359	1.81 372	0.74 362	1.01 362	0.61 321	2.61 356

ADCPNet	10.18 349	3.40 338	33.24 391	2.38 255	1.74 250	17.75 358	7.65 351	13.20 295	13.03 309	14.09 343	21.72 337	19.36 351	11.40 339	15.43 350	23.00 372	0.28 323	1.15 341	0.39 358	1.48 372	0.68 328	2.21 348

DGSMNet	7.10 310	3.49 339	15.11 349	4.36 356	4.41 346	8.94 299	6.25 331	15.10 325	14.28 318	8.15 231	14.51 286	10.08 276	5.38 258	11.04 303	7.95 282	1.49 364	2.00 373	1.79 373	1.68 377	2.43 366	3.48 365

ELAS	17.99 382	3.49 339	11.19 326	6.14 371	5.79 367	34.89 391	17.28 395	28.75 388	30.47 374	40.80 397	45.79 395	39.04 391	32.05 392	27.63 387	24.30 380	1.88 369	2.41 378	1.09 366	1.48 372	1.83 360	3.48 365
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DeepPrunerF	7.18 314	3.58 341	25.29 380	4.27 352	7.20 373	3.78 191	4.64 312	14.03 312	20.86 352	8.85 249	10.57 230	7.35 232	7.88 307	12.16 324	10.66 324	0.25 317	0.16 225	0.29 353	0.43 344	0.77 337	0.65 211

GANetREF_RVC	6.97 307	3.59 342	9.14 309	4.00 343	0.40 101	13.17 339	11.27 371	15.95 334	17.51 337	10.62 300	10.66 234	12.15 308	7.97 309	13.18 332	5.04 246	0.45 334	0.00 1	0.01 246	0.15 259	3.47 373	0.60 199
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
ELAS_RVC	17.82 381	3.60 343	11.92 328	6.63 373	5.73 366	30.34 384	19.64 397	26.92 385	35.06 383	40.79 396	41.32 391	37.31 390	31.61 389	30.54 388	22.93 371	1.97 370	2.40 376	1.28 370	1.27 368	1.71 358	3.51 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SHD	10.45 353	3.67 344	14.03 342	4.81 361	4.52 351	11.93 330	1.66 249	21.36 377	38.40 389	18.84 357	21.72 337	17.63 339	13.07 346	15.65 353	17.71 361	0.36 328	1.09 323	0.01 246	0.32 327	0.50 315	1.67 298

Syn2CoEx	6.70 301	3.69 345	12.14 331	2.78 286	1.68 247	8.36 291	3.21 286	18.59 353	12.66 302	8.86 250	20.79 333	10.52 282	10.54 332	9.68 274	8.70 294	0.01 102	0.00 1	0.00 1	0.00 1	0.69 330	1.00 247

aanetorigin	9.02 338	3.75 346	28.68 387	2.16 218	3.86 333	5.84 250	5.40 323	5.93 92	10.39 264	28.12 379	31.02 372	15.98 328	13.74 351	9.38 264	12.55 341	0.25 317	0.22 238	0.22 349	0.24 299	1.24 348	1.47 281

TRStereo	2.71 125	3.79 347	5.46 199	2.19 225	2.22 277	2.98 135	1.07 218	9.83 209	4.39 86	3.46 63	3.48 54	3.92 130	0.77 47	6.43 119	1.70 118	0.03 215	0.63 277	0.00 1	0.29 320	0.11 133	1.49 283

SAMSARA	15.67 372	3.89 348	14.48 345	13.77 388	7.92 377	38.69 395	73.90 418	21.22 375	24.66 363	17.04 355	13.86 277	30.01 378	13.07 346	18.07 365	17.48 360	0.23 312	1.46 363	0.07 318	0.40 339	0.99 342	2.15 345

SuperB	8.29 331	3.96 349	24.92 378	2.96 299	1.33 231	9.83 308	4.15 301	10.92 240	29.79 373	11.86 323	12.51 263	6.07 206	6.97 288	11.13 306	14.73 353	0.15 293	0.11 212	0.35 355	0.26 311	12.64 388	1.11 260

PVD	16.41 374	3.98 350	16.04 352	5.38 364	4.59 356	19.44 363	7.28 348	28.88 389	49.27 399	31.53 383	43.72 393	30.36 380	32.17 393	26.70 386	23.19 373	0.25 317	1.48 364	0.04 303	0.59 353	0.52 317	2.87 359

anonymity	8.04 325	4.13 351	12.86 333	7.43 375	13.11 390	8.34 288	2.02 258	18.21 351	7.55 198	13.88 341	9.27 194	10.63 286	7.79 305	11.57 316	6.06 259	6.25 381	5.59 403	3.71 379	3.28 382	3.27 371	5.78 377

RTSC	9.87 346	4.34 352	16.44 354	4.60 360	2.38 282	12.54 336	0.75 176	18.19 350	37.31 387	16.16 352	15.86 295	13.32 311	7.56 303	20.93 375	23.50 375	0.34 326	1.07 322	0.02 278	0.35 334	0.71 333	0.99 245

PWCDC_ROB	8.50 334	4.40 353	9.57 317	6.16 372	4.54 353	10.46 316	1.03 213	15.30 326	28.16 370	10.88 308	30.88 371	6.96 228	11.31 338	14.57 343	10.40 320	3.10 375	0.02 133	0.00 1	0.00 1	1.55 356	0.63 208

Anonymous Stereo	7.27 315	4.41 354	26.56 383	3.67 335	3.09 306	5.56 239	15.31 382	10.85 235	11.63 292	10.31 293	10.32 221	7.46 235	3.67 187	14.42 341	15.13 356	0.64 344	0.88 294	0.00 1	0.07 230	0.33 287	1.16 264

SQANet	8.22 330	4.42 355	7.19 270	12.11 385	9.77 382	11.80 328	3.23 287	12.00 258	6.60 169	8.59 243	11.52 247	10.97 297	5.31 255	11.10 304	4.20 224	9.56 388	2.29 375	10.51 385	1.61 376	13.06 390	8.49 385

ADCMid	10.97 358	4.49 356	23.66 374	2.53 270	2.52 291	11.46 325	6.31 332	15.31 327	12.85 308	23.57 370	22.99 342	17.92 341	21.04 371	19.57 370	28.05 388	0.47 339	0.43 265	1.10 367	1.32 369	1.73 359	2.10 343

PWC_ROB	8.89 337	4.49 356	15.62 351	2.92 296	4.49 350	7.89 285	1.23 227	17.29 346	20.00 347	16.54 353	28.06 361	14.37 319	11.98 344	14.93 347	15.43 359	0.47 339	0.00 1	0.05 309	0.00 1	0.67 326	1.31 277

MFN_U_SF_RVC	13.54 366	4.69 358	28.43 386	4.24 350	2.50 289	24.26 371	5.99 325	28.23 387	20.18 350	24.06 373	29.38 364	30.35 379	16.92 362	20.98 376	21.39 366	1.35 361	1.13 329	1.02 365	1.41 371	1.88 361	2.50 355

XQC	9.46 343	4.84 359	18.88 362	4.07 344	3.09 306	15.97 350	6.65 337	16.26 337	26.63 367	12.63 327	12.35 261	15.75 327	10.62 333	16.48 356	21.19 365	0.44 332	0.96 305	0.05 309	0.32 327	1.10 344	0.99 245

Consistency-Raft	9.58 344	5.11 360	13.00 334	5.61 366	8.92 380	4.03 204	5.07 319	19.73 363	24.90 365	11.32 318	29.86 365	13.36 312	6.16 272	8.00 192	13.47 347	0.67 346	0.34 256	1.81 374	4.36 388	12.23 386	3.62 368

MFN_U_SF_DS_RVC	10.36 352	5.37 361	16.61 356	2.95 298	3.02 303	24.75 372	15.44 384	14.68 321	19.73 345	19.77 361	23.97 345	16.98 336	8.40 313	17.58 363	9.23 304	1.59 365	1.75 369	0.16 338	2.63 379	0.75 335	1.85 325

WZ-Net	13.61 367	5.57 362	42.84 399	3.89 342	3.19 310	19.90 364	15.44 384	15.67 331	32.04 376	16.13 351	28.69 362	22.17 365	15.84 359	21.40 377	26.87 384	0.75 349	0.01 103	0.01 246	0.03 202	0.51 316	1.20 268

PASM	9.11 339	5.68 363	25.06 379	4.33 354	4.18 343	7.01 270	8.48 354	12.37 267	20.95 353	13.49 337	15.37 291	18.80 347	11.52 340	14.70 344	12.70 342	0.93 353	1.19 346	0.32 354	1.21 367	1.66 357	2.22 349

GASNet	5.62 285	5.76 364	12.05 329	5.03 363	2.08 272	3.77 190	1.53 243	12.92 283	11.62 291	9.64 279	7.40 157	8.58 260	7.54 301	14.76 346	8.25 287	0.02 185	0.15 223	0.00 1	0.00 1	0.81 340	0.52 186

MaskLacGwcNet_RVC	6.42 295	6.12 365	6.53 248	4.29 353	3.61 325	15.41 348	4.13 300	12.36 266	7.32 196	7.60 206	8.51 179	8.97 265	2.64 144	10.17 294	3.72 206	8.16 386	2.40 376	2.00 375	0.11 245	8.55 383	5.84 378

ADCS	13.76 368	6.46 366	30.74 389	3.62 333	2.93 300	14.28 345	11.22 370	20.02 366	34.42 381	23.20 367	25.42 356	19.51 352	19.62 365	24.54 383	33.88 397	0.27 322	0.23 241	0.37 357	0.19 275	1.47 354	2.84 358

EDNetEfficient	14.14 370	6.71 367	56.12 405	2.99 300	3.58 323	5.38 237	8.49 355	9.35 201	33.24 377	40.73 395	30.21 368	18.04 343	22.92 378	12.13 322	26.26 383	0.16 296	0.24 244	0.07 318	1.15 364	2.58 369	2.39 352

AnyNet_C32	11.82 361	7.08 368	25.83 381	4.55 359	5.88 368	16.92 354	16.97 393	14.14 313	18.11 341	16.87 354	21.66 336	14.78 322	13.87 353	23.54 382	31.83 394	0.24 314	0.28 250	0.35 355	0.53 351	1.35 352	1.71 306

AnonymousM	2.96 149	7.19 369	1.41 1	0.92 95	0.06 6	2.37 63	0.52 120	6.05 96	3.83 61	4.97 92	2.37 38	1.91 70	1.00 58	2.23 34	1.06 57	0.01 102	0.57 275	17.64 390	4.90 389	0.02 9	0.27 127

SPS-STEREO	15.83 373	7.38 370	14.92 348	11.63 384	11.77 388	25.30 374	7.12 345	25.20 383	17.06 334	32.24 384	30.34 369	31.63 381	22.59 375	25.67 384	21.97 368	7.71 385	4.50 399	3.35 378	1.56 375	6.97 381	7.72 384
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
LSM	14.85 371	7.41 371	36.29 394	7.76 377	43.77 413	11.24 324	12.14 375	16.73 341	23.72 360	23.73 372	32.92 375	18.89 349	13.31 348	16.60 357	12.37 338	0.26 320	0.86 293	0.11 326	0.43 344	1.24 348	17.26 406

UDGNet	2.92 143	7.79 372	4.92 177	3.01 301	0.08 9	2.96 132	0.20 59	4.77 28	8.93 236	2.91 52	2.85 46	0.95 47	1.00 58	6.46 120	1.66 113	1.46 363	0.00 1	5.33 383	0.92 361	1.95 362	0.19 95

MSC_U_SF_DS_RVC	17.08 377	7.98 373	24.37 377	6.82 374	2.93 300	39.68 397	16.11 386	25.46 384	34.93 382	34.13 387	34.20 379	29.20 377	24.94 382	23.01 380	19.39 363	2.79 372	2.87 387	1.18 369	1.53 374	6.78 380	3.31 362

Wz-Net-SNSev	9.92 347	8.01 374	26.42 382	2.26 237	1.85 258	8.36 291	14.30 381	18.01 349	21.68 355	10.78 304	23.95 344	16.84 335	8.60 317	15.59 351	19.76 364	0.01 102	0.03 158	0.01 246	0.00 1	0.52 317	1.34 280

otaku	12.35 364	8.64 375	9.11 308	13.56 387	10.98 385	26.23 376	7.22 347	19.45 361	19.26 344	11.92 325	17.90 320	20.21 356	8.91 324	16.06 354	6.09 260	9.77 389	2.50 379	13.23 386	1.90 378	14.61 391	9.41 389

NVStereoNet_ROB	17.22 378	8.76 376	16.47 355	7.52 376	8.42 378	13.75 344	11.07 366	24.24 382	26.67 368	31.00 381	46.49 396	34.88 387	27.06 385	22.72 379	23.61 376	6.83 384	4.32 398	6.32 384	10.37 397	4.39 374	9.57 390
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SGM+DAISY	17.25 379	9.46 377	22.74 372	10.11 379	11.40 386	28.98 383	13.74 379	21.15 374	16.85 333	31.39 382	34.79 380	34.05 386	24.24 381	26.23 385	19.31 362	8.79 387	7.56 407	4.88 381	3.93 386	6.07 379	9.33 387

MFMNet_re	14.09 369	9.67 378	20.31 367	10.40 380	7.62 374	21.38 368	17.49 396	21.36 377	31.95 375	23.70 371	29.22 363	18.87 348	27.41 386	14.27 340	11.16 327	2.85 373	1.51 366	0.41 359	0.28 315	4.88 375	7.10 382

Ntro	12.91 365	9.95 379	10.01 319	14.12 389	12.55 389	26.31 377	6.76 339	19.04 357	22.03 359	10.23 290	16.26 300	20.22 357	10.06 329	16.81 359	7.93 281	10.16 391	2.55 381	15.19 388	2.86 380	15.27 392	9.93 391

UDG	9.12 340	10.06 380	6.35 243	10.06 378	9.64 381	10.48 317	2.33 263	12.73 277	10.19 259	8.33 236	10.27 220	16.70 334	10.47 331	8.33 219	9.07 302	4.28 377	2.59 382	18.90 391	3.83 385	11.35 385	6.50 381

CC-Net-ROB	8.09 326	10.11 381	9.03 305	4.07 344	3.74 331	15.24 347	4.84 315	18.44 352	10.87 277	6.73 172	14.03 280	7.54 237	4.68 229	11.61 317	3.98 219	6.59 382	2.54 380	16.51 389	1.19 366	7.88 382	2.20 347

RTS	19.64 388	10.42 382	87.01 415	5.88 367	6.82 369	41.73 398	16.69 389	16.80 342	41.90 393	23.44 368	32.96 376	13.79 313	21.49 372	38.85 398	30.84 391	0.46 336	0.70 283	0.00 1	0.09 239	1.13 345	1.70 304

RTSA	19.64 388	10.42 382	87.01 415	5.88 367	6.82 369	41.73 398	16.69 389	16.80 342	41.90 393	23.44 368	32.96 376	13.79 313	21.49 372	38.85 398	30.84 391	0.46 336	0.70 283	0.00 1	0.09 239	1.13 345	1.70 304

BEATNet-Init1	24.70 392	11.33 384	44.28 400	5.48 365	3.94 337	47.60 405	22.33 400	34.94 392	40.01 391	48.11 404	49.98 400	59.86 405	43.17 401	39.48 400	31.77 393	1.37 362	1.76 371	1.17 368	1.17 365	2.44 367	3.85 370

Wz-Net-TNSev	12.01 363	11.86 385	38.26 396	2.81 288	1.82 257	18.12 360	11.31 372	16.67 339	21.73 356	15.06 345	17.17 310	19.72 354	20.69 370	20.68 373	21.41 367	0.04 236	0.06 185	0.00 1	0.16 261	0.74 334	1.93 336

DDUNet	10.03 348	12.17 386	8.24 290	13.02 386	11.73 387	10.32 315	3.76 294	12.27 264	8.35 224	9.64 279	13.89 278	16.48 331	6.67 284	9.50 269	7.00 271	6.80 383	3.45 393	21.10 392	4.33 387	12.78 389	9.12 386

AnyNet_C01	16.99 376	12.34 387	60.47 407	4.88 362	3.11 309	31.77 385	16.79 391	18.60 354	17.96 340	18.62 356	38.50 385	24.03 366	19.00 364	30.59 389	35.18 399	0.29 324	0.56 273	0.45 361	0.48 347	2.70 370	3.40 363

EDNetEfficientorigin	18.25 384	14.44 388	99.41 427	1.72 171	1.00 189	12.07 332	6.97 344	13.67 305	35.06 383	38.59 394	37.10 384	27.03 373	27.46 387	15.38 349	26.92 385	0.05 249	0.08 198	0.15 335	0.62 354	3.33 372	3.92 371

JetBlue	29.99 398	17.24 389	55.64 404	16.24 390	21.08 401	62.07 416	33.14 407	40.60 397	35.73 385	34.59 390	40.67 388	57.18 404	43.54 402	51.46 412	52.18 413	2.72 371	4.58 401	2.86 377	3.53 383	10.57 384	14.11 401

FADE		18.79 390		10.51 381	10.00 384			36.24 394	53.07 402	20.35 362		26.62 372		40.25 401		31.16 409	14.37 410	38.03 408	37.28 410	5.44 377	5.60 376

coex-ft	20.15 390	20.03 391	87.93 417	1.81 180	1.77 251	18.77 362	13.73 378	13.28 297	41.87 392	60.24 411	39.04 386	28.27 376	30.39 388	12.57 327	28.66 390	0.20 307	0.23 241	0.04 303	0.30 322	1.52 355	2.34 351

ACVNet-4b	16.48 375	23.07 392	14.73 347	16.69 391	15.18 393	31.83 386	7.30 349	19.71 362	27.82 369	11.54 321	22.10 340	31.68 382	8.96 325	18.88 367	7.28 276	11.04 393	2.65 383	24.93 395	5.02 390	18.57 394	10.67 393

WAO-7	30.22 399	25.83 393	23.33 373	33.10 401	14.36 391	36.98 392	22.41 401	52.85 410	64.46 412	43.76 399	59.24 410	52.31 398	45.69 404	32.82 390	32.60 395	11.16 395	5.49 402	13.76 387	12.60 402	12.36 387	9.38 388

ACVNet_1	19.51 387	26.19 394	15.50 350	17.71 392	15.28 394	26.46 378	9.36 359	29.16 390	34.18 379	25.06 375	24.89 353	37.18 389	21.93 374	17.80 364	15.03 355	11.08 394	2.83 384	25.29 396	5.06 392	19.11 395	11.14 394

DispFullNet	18.06 383	27.03 395	34.90 392	22.68 396	20.79 398	15.03 346	3.18 285	16.95 344	26.06 366	20.48 363	16.91 306	20.55 360	18.37 363	23.48 381	12.16 337	5.31 379	2.91 388	31.24 399	8.09 395	22.63 398	12.44 398

RainbowNet	18.69 386	27.15 396	22.03 371	18.76 393	15.00 392	27.97 381	10.17 364	27.99 386	34.19 380	15.53 349	27.53 359	25.33 368	13.80 352	19.86 372	10.59 321	14.50 399	3.57 394	23.85 394	5.03 391	18.49 393	12.41 397

IMH-64-1	28.06 396	29.98 397	19.46 365	32.15 399	20.98 399	27.68 379	16.66 387	47.31 401	44.85 396	34.14 388	50.94 401	41.49 393	31.67 390	37.53 394	23.88 377	14.17 397	2.96 389	34.45 401	11.15 398	26.12 400	13.75 399

IMH-64	28.06 396	29.98 397	19.46 365	32.15 399	20.98 399	27.68 379	16.66 387	47.31 401	44.85 396	34.14 388	50.94 401	41.49 393	31.67 390	37.53 394	23.88 377	14.17 397	2.96 389	34.45 401	11.15 398	26.12 400	13.75 399

IMH	30.65 400	30.30 399	21.09 369	34.89 403	21.75 403	33.16 389	16.91 392	49.53 408	52.50 400	38.41 392	55.10 407	45.13 395	40.36 399	41.57 402	25.66 382	14.74 400	3.36 392	35.43 403	11.69 400	27.31 404	14.16 402

ACVNet_2	27.45 394	30.56 400	27.90 384	20.72 394	15.55 395	37.22 393	14.00 380	49.32 407	65.88 414	43.17 398	56.99 408	51.90 397	26.98 384	21.46 378	15.38 357	10.77 392	2.85 385	23.12 393	3.62 384	20.08 396	11.47 395

TorneroNet-64	33.32 402	33.28 401	33.07 390	35.14 404	21.25 402	48.02 406	21.13 398	43.47 399	58.77 406	33.36 386	46.64 397	62.00 407	38.19 396	44.82 406	35.07 398	15.02 401	3.59 395	35.81 404	12.20 401	29.45 406	16.17 403

TorneroNet	36.02 406	35.25 402	36.33 395	38.44 406	22.19 404	50.72 410	24.42 404	48.39 404	54.53 403	38.03 391	53.44 405	62.83 410	44.79 403	47.68 409	42.11 407	15.69 402	3.97 397	37.25 405	15.05 404	30.83 408	18.40 408

MADNet+	27.96 395	35.32 403	91.41 419	21.04 395	8.86 379	49.25 407	47.41 414	36.98 395	37.84 388	21.00 365	30.83 370	25.41 369	34.95 394	46.51 407	51.54 412	3.04 374	3.33 391	1.48 371	1.05 363	5.85 378	6.05 379

WAO-8	38.93 407	36.84 404	23.97 375	43.96 407	24.48 406	45.73 402	22.62 402	53.10 411	75.66 416	53.86 408	66.14 415	62.39 408	55.11 411	43.01 404	40.67 405	22.98 405	7.22 405	37.53 406	19.49 406	27.04 403	16.83 404

Venus	38.93 407	36.84 404	23.97 375	43.96 407	24.48 406	45.73 402	22.62 402	53.10 411	75.66 416	53.86 408	66.17 416	62.39 408	55.11 411	43.01 404	40.67 405	22.98 405	7.22 405	37.53 406	19.49 406	27.02 402	16.83 404

WAO-6	35.59 404	37.89 406	17.67 359	37.86 405	24.46 405	37.85 394	21.49 399	49.01 406	67.96 415	44.22 400	48.08 398	53.02 399	53.39 409	33.67 391	36.83 401	26.05 407	7.83 408	43.19 409	21.76 408	30.18 407	19.37 409

Dean	35.52 403	40.12 407	27.99 385	30.63 398	17.33 396	45.80 404	11.68 373	57.61 415	76.54 418	63.70 414	60.65 411	66.93 413	49.40 407	38.12 396	40.28 404	12.18 396	3.73 396	28.86 397	5.94 394	20.69 397	12.16 396

LVE	35.84 405	41.54 408	36.25 393	33.36 402	18.92 397	53.05 412	27.99 405	53.17 413	64.93 413	47.63 403	61.58 412	54.25 402	38.72 397	38.72 397	35.50 400	16.36 403	6.23 404	31.51 400	14.04 403	25.01 399	18.07 407

PWCK	31.62 401	45.59 409	49.67 402	30.49 397	7.80 375	42.91 400	29.73 406	45.45 400	44.44 395	47.41 402	36.92 383	47.86 396	26.79 383	41.90 403	33.36 396	22.77 404	4.56 400	29.89 398	5.13 393	29.43 405	10.36 392

UNDER WATER-64	46.01 410	48.25 410	68.05 409	44.59 409	28.11 408	57.02 415	43.78 412	40.20 396	48.80 398	52.08 407	42.95 392	67.22 414	57.71 413	48.98 411	49.57 410	40.01 411	17.98 411	52.15 412	39.41 412	38.99 409	34.41 411

SPstereo	72.80 418	48.41 411	62.94 408	57.25 415	46.60 415	79.63 417	85.16 419	100.00 431	100.00 429	98.52 427	98.22 425	100.00 432	96.67 423	97.01 425	82.62 418	47.37 414	39.60 416	68.10 419	65.09 419	40.01 410	42.71 414

UNDER WATER	45.99 409	49.80 412	68.56 410	49.99 411	32.13 409	55.35 414	39.50 409	41.12 398	52.90 401	50.69 405	45.18 394	67.79 415	58.75 414	51.93 414	50.97 411	30.59 408	14.03 409	51.66 411	37.15 409	40.27 411	31.35 410

DLNR_Zeroshot_test	24.96 393	51.28 413	90.69 418	97.84 427	97.22 426	1.40 13	0.12 31	23.19 381	3.55 43	1.21 31	2.95 48	0.72 44	0.31 8	7.09 145	2.61 176	38.70 410	1.32 355	0.00 1	0.29 320	77.04 423	1.68 299

notaker	48.05 411	55.94 414	50.90 403	56.89 414	40.29 410	38.96 396	33.86 408	47.82 403	55.70 404	57.55 410	57.48 409	60.22 406	59.71 415	54.64 415	43.27 408	41.13 412	19.86 412	57.61 414	37.79 411	50.95 413	40.33 412

ktn	49.32 412	58.11 415	40.16 397	59.92 416	43.22 412	49.79 409	42.99 411	48.56 405	60.67 408	51.59 406	54.51 406	55.34 403	52.65 408	47.92 410	37.91 402	57.88 416	24.79 413	63.00 417	43.57 413	52.51 414	41.31 413

HanzoNet	57.16 415	60.12 416	60.00 406	55.77 413	42.11 411	51.98 411	41.93 410	52.07 409	61.47 409	65.98 417	65.90 414	72.11 417	70.14 416	71.11 418	61.13 415	64.31 419	34.72 415	62.27 416	50.86 415	52.83 415	46.33 415

JetRed	61.44 416	61.87 417	83.02 414	46.49 410	56.73 418	83.63 418	65.09 416	59.75 417	64.22 411	69.50 418	69.26 417	66.24 412	47.62 405	61.80 416	74.60 417	45.99 413	66.40 420	46.67 410	45.27 414	63.49 417	51.22 417

KSHMR	56.07 414	64.25 418	40.47 398	74.89 419	49.63 416	49.42 408	45.46 413	57.71 416	63.52 410	61.65 413	61.67 413	71.88 416	47.67 406	51.47 413	44.57 409	54.67 415	62.25 417	66.31 418	54.18 417	53.03 416	46.75 416

DPSimNet_ROB	54.45 413	65.73 419	47.00 401	54.49 412	46.37 414	55.34 413	56.47 415	56.18 414	59.04 407	64.57 416	51.76 403	64.01 411	54.49 410	47.54 408	67.21 416	63.21 418	27.86 414	58.04 415	51.28 416	46.61 412	51.87 418

LRCNet_RVC	66.47 417	66.44 420	69.02 411	71.60 418	54.27 417	32.21 387	2.93 275	63.19 418	21.83 357	82.02 420	90.16 420	83.59 419	72.13 417	69.45 417	53.25 414	95.47 425	64.21 419	95.15 425	95.27 425	72.59 419	74.60 421

MADNet++	82.81 420	81.73 421	74.64 413	87.71 424	82.67 423	93.35 419	70.27 417	86.39 423	82.88 419	93.51 424	86.62 419	86.40 420	81.37 419	88.21 420	88.63 420	86.59 423	84.23 424	72.14 420	68.69 420	78.88 424	81.36 425

ASD4	76.04 419	81.96 422	69.18 412	68.53 417	80.95 422	96.29 421	99.16 426	77.84 419	93.51 423	77.76 419	85.79 418	78.58 418	76.90 418	78.02 419	82.88 419	58.77 417	62.96 418	55.01 413	62.53 418	68.78 418	65.30 420

xxxxx1	85.58 422	90.37 423	96.61 422	76.69 420	80.77 419	97.50 423	96.92 423	85.57 420	88.66 420	88.63 421	91.64 421	94.27 421	93.09 420	90.03 421	91.91 421	70.77 420	70.62 421	73.61 421	81.26 422	72.90 420	79.86 422

tt_ll	85.58 422	90.37 423	96.61 422	76.69 420	80.77 419	97.50 423	96.92 423	85.57 420	88.66 420	88.63 421	91.64 421	94.27 421	93.09 420	90.03 421	91.91 421	70.77 420	70.62 421	73.61 421	81.26 422	72.90 420	79.86 422

ff	85.58 422	90.37 423	96.61 422	76.69 420	80.77 419	97.50 423	96.92 423	85.57 420	88.66 420	88.63 421	91.64 421	94.27 421	93.09 420	90.03 421	91.91 421	70.77 420	70.62 421	73.61 421	81.26 422	72.90 420	79.86 422

MEDIAN_ROB	98.44 426	99.70 426	99.34 426	97.13 425	97.06 425	96.94 422	95.91 422	97.71 426	97.33 425	98.78 428	98.91 426	99.19 426	98.13 425	96.94 424	96.99 426	99.97 429	99.18 426	100.00 428	99.99 429	99.70 428	99.83 428

Anonymous_1	99.01 428	99.91 427	99.85 428	97.31 426	99.09 428	100.00 429	100.00 429	99.59 428	99.96 427	99.29 429	99.86 427	99.55 427	99.99 429	99.30 427	99.76 427	95.67 426	99.58 427	97.24 426	98.56 427	97.36 426	98.34 427

HaxPig	98.85 427	99.94 428	95.36 420	99.99 431	99.98 429	94.12 420	94.52 420	99.12 427	99.96 427	99.96 430	99.99 428	99.98 430	99.89 427	98.16 426	96.14 425	99.98 430	99.99 430	100.00 428	99.99 429	99.99 431	99.95 431

AVERAGE_ROB	99.63 430	99.96 429	98.88 425	100.00 434	100.00 431	98.16 426	95.64 421	100.00 431	100.00 429	100.00 431	100.00 429	100.00 432	100.00 430	100.00 432	99.99 429	100.00 433	100.00 431	100.00 428	100.00 431	100.00 432	100.00 435

test_example2	99.38 429	99.98 430	99.99 430	100.00 434	99.98 429	99.73 427	99.99 428	96.99 425	100.00 429	100.00 431	100.00 429	96.49 424	96.74 424	99.97 428	99.96 428	100.00 433	99.97 429	98.68 427	99.11 428	100.00 432	100.00 435

MyStereo03	100.00 435	100.00 431	100.00 433	100.00 434	100.00 431	100.00 429	100.00 429	100.00 431	100.00 429	100.00 431	100.00 429	100.00 432	100.00 430	100.00 432	100.00 432	100.00 433	100.00 431	100.00 428	100.00 431	100.00 432	100.00 435

MyStereo02	100.00 435	100.00 431	100.00 433	100.00 434	100.00 431	100.00 429	100.00 429	100.00 431	100.00 429	100.00 431	100.00 429	100.00 432	100.00 430	100.00 432	100.00 432	100.00 433	100.00 431	100.00 428	100.00 431	100.00 432	100.00 435

MyStereo	100.00 435	100.00 431	100.00 433	100.00 434	100.00 431	100.00 429	100.00 429	100.00 431	100.00 429	100.00 431	100.00 429	100.00 432	100.00 430	100.00 432	100.00 432	100.00 433	100.00 431	100.00 428	100.00 431	100.00 432	100.00 435

Selective-RAFT-Error	100.00 435	100.00 431	100.00 433	100.00 434	100.00 431	100.00 429	100.00 429	100.00 431	100.00 429	100.00 431	100.00 429	100.00 432	100.00 430	100.00 432	100.00 432	100.00 433	100.00 431	100.00 428	100.00 431	100.00 432	100.00 435

PML	97.69 425	100.00 431	96.50 421	97.85 428	97.35 427	99.77 428	99.36 427	96.92 424	96.34 424	100.00 431	96.52 424	97.41 425	99.61 426	100.00 432	95.46 424	99.99 431	97.44 425	100.00 428	96.08 426	99.13 427	88.02 426

CasAABBNet	100.00 435	100.00 431	100.00 433	100.00 434	100.00 431	100.00 429	100.00 429	100.00 431	100.00 429	100.00 431	100.00 429	100.00 432	100.00 430	100.00 432	100.00 432	100.00 433	100.00 431	100.00 428	100.00 431	100.00 432	100.00 435

LSM0	100.00 435	100.00 431	100.00 433	100.00 434	100.00 431	100.00 429	100.00 429	100.00 431	100.00 429	100.00 431	100.00 429	100.00 432	100.00 430	100.00 432	100.00 432	100.00 433	100.00 431	100.00 428	100.00 431	100.00 432	99.99 432

DPSMNet_ROB	99.90 431	100.00 431	99.99 430	99.99 431	100.00 431	100.00 429	100.00 429	99.98 429	100.00 429	98.37 425	100.00 429	99.81 428	100.00 430	99.97 428	99.99 429	100.00 433	100.00 431	100.00 428	100.00 431	100.00 432	99.99 432

DGTPSM_ROB	99.90 431	100.00 431	99.99 430	99.99 431	100.00 431	100.00 429	100.00 429	99.98 429	100.00 429	98.37 425	100.00 429	99.81 428	100.00 430	99.97 428	99.99 429	99.99 431	100.00 431	100.00 428	100.00 431	100.00 432	99.99 432

DPSM_ROB	99.94 433	100.00 431	100.00 433	99.74 429	100.00 431	100.00 429	100.00 429	100.00 431	100.00 429	100.00 431	100.00 429	100.00 432	100.00 430	100.00 432	100.00 432	99.08 427	100.00 431	100.00 428	100.00 431	99.98 429	99.94 429

DPSM	99.94 433	100.00 431	100.00 433	99.74 429	100.00 431	100.00 429	100.00 429	100.00 431	100.00 429	100.00 431	100.00 429	100.00 432	100.00 430	100.00 432	100.00 432	99.08 427	100.00 431	100.00 428	100.00 431	99.98 429	99.94 429

Low-res two-view benchmark