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

CAS	0.08 2	0.04 1	0.07 2	0.17 116	0.08 48	0.10 58	0.13 43	0.12 5	0.09 2	0.09 17	0.10 39	0.08 26	0.06 6	0.09 10	0.08 11	0.08 192	0.04 2	0.05 2	0.03 1	0.05 40	0.04 7

CES	0.08 2	0.04 1	0.08 11	0.14 13	0.07 18	0.09 35	0.14 70	0.11 2	0.09 2	0.08 6	0.09 24	0.11 76	0.06 6	0.12 102	0.08 11	0.06 56	0.04 2	0.05 2	0.03 1	0.05 40	0.05 52

CREStereo++_RVC	0.08 2	0.04 1	0.06 1	0.13 6	0.07 18	0.09 35	0.12 21	0.14 17	0.14 60	0.10 42	0.14 82	0.08 26	0.07 33	0.09 10	0.11 87	0.06 56	0.04 2	0.05 2	0.05 32	0.04 1	0.04 7
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
TANstereo	0.09 12	0.04 1	0.08 11	0.13 6	0.06 2	0.11 84	0.14 70	0.15 28	0.19 130	0.11 61	0.15 96	0.10 60	0.06 6	0.12 102	0.09 19	0.07 143	0.05 108	0.05 2	0.04 8	0.06 102	0.05 52

CREStereo	0.09 12	0.04 1	0.08 11	0.11 1	0.06 2	0.13 131	0.14 70	0.14 17	0.10 8	0.08 6	0.13 73	0.09 39	0.08 51	0.11 46	0.10 51	0.08 192	0.04 2	0.05 2	0.03 1	0.06 102	0.06 100
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
IGEV_Zeroshot_test	0.09 12	0.05 6	0.12 91	0.13 6	0.08 48	0.12 106	0.13 43	0.17 74	0.11 18	0.10 42	0.06 2	0.09 39	0.06 6	0.11 46	0.09 19	0.06 56	0.04 2	0.06 32	0.06 88	0.05 40	0.05 52

MSKI-zero shot	0.09 12	0.05 6	0.09 29	0.15 38	0.07 18	0.10 58	0.13 43	0.14 17	0.13 43	0.09 17	0.09 24	0.09 39	0.06 6	0.12 102	0.10 51	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

AEACV	0.08 2	0.05 6	0.08 11	0.14 13	0.13 303	0.14 156	0.13 43	0.14 17	0.09 2	0.07 2	0.09 24	0.07 18	0.08 51	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

Any-RAFT	0.10 52	0.05 6	0.09 29	0.14 13	0.07 18	0.13 131	0.14 70	0.21 142	0.15 71	0.11 61	0.12 63	0.12 91	0.09 69	0.12 102	0.09 19	0.07 143	0.04 2	0.05 2	0.04 8	0.06 102	0.05 52

LoS_RVC	0.08 2	0.05 6	0.07 2	0.15 38	0.07 18	0.08 23	0.15 116	0.11 2	0.10 8	0.08 6	0.09 24	0.06 3	0.09 69	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.03 1	0.04 1	0.03 1

LoS	0.09 12	0.05 6	0.11 71	0.13 6	0.07 18	0.14 156	0.11 11	0.15 28	0.15 71	0.09 17	0.09 24	0.12 91	0.09 69	0.15 168	0.10 51	0.07 143	0.05 108	0.05 2	0.03 1	0.05 40	0.05 52

EGLCR-Stereo	0.08 2	0.05 6	0.08 11	0.14 13	0.06 2	0.10 58	0.12 21	0.11 2	0.16 89	0.06 1	0.05 1	0.07 18	0.05 2	0.10 18	0.11 87	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

knoymous	0.11 82	0.05 6	0.12 91	0.13 6	0.07 18	0.15 178	0.14 70	0.19 118	0.13 43	0.11 61	0.17 122	0.13 114	0.09 69	0.13 134	0.11 87	0.08 192	0.05 108	0.06 32	0.05 32	0.08 201	0.07 160

iRaft-Stereo_20w	0.09 12	0.05 6	0.13 130	0.14 13	0.08 48	0.12 106	0.15 116	0.18 98	0.10 8	0.11 61	0.08 17	0.08 26	0.05 2	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.06 102	0.05 52

TRStereo	0.09 12	0.05 6	0.12 91	0.15 38	0.12 286	0.10 58	0.13 43	0.18 98	0.18 118	0.09 17	0.09 24	0.09 39	0.06 6	0.10 18	0.08 11	0.07 143	0.05 108	0.07 100	0.07 163	0.04 1	0.04 7

AnonymousM	0.09 12	0.05 6	0.10 45	0.14 13	0.06 2	0.09 35	0.13 43	0.19 118	0.14 60	0.13 106	0.11 55	0.09 39	0.08 51	0.13 134	0.10 51	0.08 192	0.05 108	0.08 165	0.05 32	0.05 40	0.05 52

XX-Stereo	0.09 12	0.05 6	0.08 11	0.17 116	0.09 133	0.15 178	0.12 21	0.20 125	0.10 8	0.10 42	0.14 82	0.07 18	0.06 6	0.12 102	0.08 11	0.06 56	0.05 108	0.06 32	0.06 88	0.04 1	0.04 7

PMTNet	0.09 12	0.05 6	0.09 29	0.12 3	0.06 2	0.12 106	0.14 70	0.15 28	0.11 18	0.09 17	0.13 73	0.10 60	0.07 33	0.13 134	0.10 51	0.15 348	0.04 2	0.05 2	0.03 1	0.07 158	0.06 100

IGEV+	0.08 2	0.06 19	0.08 11	0.18 183	0.07 18	0.09 35	0.13 43	0.10 1	0.09 2	0.08 6	0.08 17	0.06 3	0.06 6	0.13 134	0.09 19	0.05 2	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

11t1	0.12 137	0.06 19	0.13 130	0.14 13	0.08 48	0.17 221	0.15 116	0.18 98	0.15 71	0.15 150	0.15 96	0.16 164	0.16 228	0.15 168	0.13 159	0.08 192	0.05 108	0.06 32	0.05 32	0.08 201	0.07 160

IGEVStereo-DCA	0.09 12	0.06 19	0.11 71	0.15 38	0.10 218	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.08 26	0.06 6	0.10 18	0.08 11	0.06 56	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

rrr	0.09 12	0.06 19	0.12 91	0.15 38	0.10 218	0.11 84	0.16 172	0.16 44	0.15 71	0.10 42	0.06 2	0.08 26	0.06 6	0.10 18	0.08 11	0.06 56	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

MIF-Stereo (partial)	0.11 82	0.06 19	0.10 45	0.19 229	0.10 218	0.10 58	0.11 11	0.17 74	0.18 118	0.14 126	0.16 104	0.09 39	0.11 111	0.12 102	0.12 129	0.08 192	0.05 108	0.08 165	0.07 163	0.06 102	0.07 160

RAFT-Test	0.09 12	0.06 19	0.10 45	0.15 38	0.07 18	0.11 84	0.15 116	0.16 44	0.13 43	0.09 17	0.10 39	0.10 60	0.09 69	0.12 102	0.09 19	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

HH	0.09 12	0.06 19	0.13 130	0.17 116	0.08 48	0.10 58	0.16 172	0.14 17	0.10 8	0.08 6	0.09 24	0.08 26	0.07 33	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

HanStereo	0.09 12	0.06 19	0.13 130	0.17 116	0.08 48	0.10 58	0.16 172	0.14 17	0.10 8	0.08 6	0.09 24	0.08 26	0.07 33	0.10 18	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

CBFPSM	0.14 188	0.06 19	0.26 312	0.17 116	0.09 133	0.13 131	0.15 116	0.22 158	0.23 184	0.20 243	0.27 250	0.24 254	0.16 228	0.16 200	0.18 250	0.06 56	0.06 191	0.06 32	0.07 163	0.07 158	0.07 160

iinet-f	0.16 239	0.06 19	0.45 361	0.14 13	0.10 218	0.21 282	0.14 70	0.27 236	0.23 184	0.21 251	0.24 198	0.21 219	0.15 208	0.18 233	0.21 284	0.09 237	0.07 249	0.07 100	0.06 88	0.09 249	0.10 272

Selective-IGEV	0.07 1	0.06 19	0.08 11	0.17 116	0.06 2	0.08 23	0.12 21	0.13 11	0.07 1	0.08 6	0.07 14	0.06 3	0.04 1	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.03 1

riskmin	0.11 82	0.06 19	0.13 130	0.14 13	0.08 48	0.14 156	0.14 70	0.18 98	0.14 60	0.11 61	0.14 82	0.16 164	0.11 111	0.14 150	0.12 129	0.09 237	0.05 108	0.07 100	0.05 32	0.08 201	0.08 220

MC-Stereo	0.08 2	0.06 19	0.09 29	0.17 116	0.06 2	0.10 58	0.14 70	0.12 5	0.10 8	0.09 17	0.12 63	0.09 39	0.06 6	0.11 46	0.10 51	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

RCA-Stereo	0.09 12	0.06 19	0.09 29	0.16 69	0.06 2	0.09 35	0.13 43	0.18 98	0.14 60	0.09 17	0.10 39	0.08 26	0.07 33	0.12 102	0.11 87	0.06 56	0.04 2	0.06 32	0.05 32	0.05 40	0.04 7

DCANet-4	0.10 52	0.06 19	0.12 91	0.16 69	0.06 2	0.09 35	0.17 193	0.18 98	0.19 130	0.13 106	0.16 104	0.09 39	0.14 195	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

fff	0.10 52	0.06 19	0.12 91	0.15 38	0.07 18	0.09 35	0.17 193	0.16 44	0.20 151	0.13 106	0.16 104	0.10 60	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

tt	4.67 419	0.06 19	3.55 418	2.02 421	1.55 419	10.25 425	16.71 424	8.91 428	5.03 421	1.31 414	0.94 400	4.71 421	4.76 421	3.33 421	5.87 423	6.06 428	10.30 432	1.88 422	2.11 423	2.75 421	1.21 420

ADStereo(finetuned)	0.10 52	0.06 19	0.12 91	0.16 69	0.06 2	0.09 35	0.17 193	0.15 28	0.19 130	0.13 106	0.17 122	0.10 60	0.12 140	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

test-3	0.08 2	0.06 19	0.09 29	0.17 116	0.07 18	0.07 16	0.14 70	0.12 5	0.15 71	0.09 17	0.08 17	0.07 18	0.08 51	0.11 46	0.10 51	0.05 2	0.04 2	0.07 100	0.05 32	0.04 1	0.04 7

test_1	0.08 2	0.06 19	0.09 29	0.17 116	0.07 18	0.07 16	0.14 70	0.12 5	0.15 71	0.09 17	0.08 17	0.07 18	0.08 51	0.11 46	0.10 51	0.05 2	0.04 2	0.07 100	0.05 32	0.04 1	0.04 7

CrosDoStereo	0.12 137	0.06 19	0.12 91	0.14 13	0.08 48	0.12 106	0.15 116	0.17 74	0.22 175	0.19 226	0.24 198	0.15 153	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.07 100	0.07 163	0.05 40	0.05 52

PFNet+	0.11 82	0.06 19	0.13 130	0.16 69	0.09 133	0.05 1	0.12 21	0.17 74	0.21 164	0.16 175	0.19 150	0.14 129	0.10 90	0.11 46	0.11 87	0.08 192	0.05 108	0.09 229	0.08 214	0.06 102	0.11 295

HHNet	0.11 82	0.06 19	0.16 223	0.15 38	0.14 320	0.07 16	0.13 43	0.20 125	0.17 101	0.14 126	0.25 227	0.11 76	0.08 51	0.13 134	0.10 51	0.05 2	0.04 2	0.08 165	0.06 88	0.05 40	0.09 253

OMP-Stereo	0.11 82	0.06 19	0.14 156	0.18 183	0.08 48	0.09 35	0.12 21	0.21 142	0.21 164	0.13 106	0.14 82	0.11 76	0.12 140	0.11 46	0.13 159	0.06 56	0.04 2	0.07 100	0.06 88	0.05 40	0.04 7

IIG-Stereo	0.11 82	0.06 19	0.13 130	0.17 116	0.08 48	0.11 84	0.12 21	0.22 158	0.17 101	0.14 126	0.17 122	0.11 76	0.12 140	0.12 102	0.12 129	0.06 56	0.05 108	0.07 100	0.06 88	0.05 40	0.04 7

FTStereo	0.12 137	0.06 19	0.14 156	0.18 183	0.09 133	0.07 16	0.15 116	0.21 142	0.18 118	0.12 85	0.24 198	0.12 91	0.12 140	0.13 134	0.13 159	0.05 2	0.05 108	0.07 100	0.06 88	0.06 102	0.10 272

ASMatch	0.11 82	0.06 19	0.13 130	0.16 69	0.10 218	0.07 16	0.14 70	0.17 74	0.17 101	0.12 85	0.16 104	0.16 164	0.10 90	0.13 134	0.10 51	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.08 220

DeepStereo_LL	0.12 137	0.06 19	0.12 91	0.14 13	0.08 48	0.12 106	0.15 116	0.17 74	0.22 175	0.19 226	0.24 198	0.15 153	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.07 100	0.07 163	0.05 40	0.05 52

DEmStereo	0.12 137	0.06 19	0.14 156	0.14 13	0.10 218	0.16 202	0.15 116	0.16 44	0.24 194	0.17 187	0.24 198	0.13 114	0.14 195	0.12 102	0.13 159	0.05 2	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

DRaft	0.12 137	0.06 19	0.11 71	0.14 13	0.09 133	0.14 156	0.17 193	0.21 142	0.30 258	0.17 187	0.28 259	0.10 60	0.15 208	0.10 18	0.12 129	0.05 2	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

PFNet	0.12 137	0.06 19	0.17 248	0.17 116	0.08 48	0.09 35	0.15 116	0.26 218	0.20 151	0.16 175	0.16 104	0.14 129	0.11 111	0.12 102	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

GrayStereo	0.11 82	0.06 19	0.11 71	0.19 229	0.09 133	0.09 35	0.16 172	0.18 98	0.17 101	0.14 126	0.17 122	0.17 183	0.11 111	0.12 102	0.11 87	0.05 2	0.05 108	0.07 100	0.06 88	0.05 40	0.10 272

RAFT-RH_RVC	0.11 82	0.06 19	0.14 156	0.16 69	0.09 133	0.12 106	0.12 21	0.17 74	0.12 26	0.13 106	0.41 344	0.11 76	0.10 90	0.13 134	0.12 129	0.05 2	0.04 2	0.08 165	0.05 32	0.04 1	0.06 100

Prome-Stereo	0.11 82	0.06 19	0.10 45	0.18 183	0.08 48	0.12 106	0.15 116	0.22 158	0.13 43	0.12 85	0.17 122	0.13 114	0.08 51	0.12 102	0.10 51	0.05 2	0.04 2	0.07 100	0.06 88	0.06 102	0.09 253

rafts_anoy	0.11 82	0.06 19	0.10 45	0.17 116	0.08 48	0.10 58	0.14 70	0.17 74	0.14 60	0.13 106	0.13 73	0.12 91	0.10 90	0.11 46	0.12 129	0.07 143	0.04 2	0.09 229	0.11 308	0.07 158	0.06 100

s12784h	0.09 12	0.06 19	0.07 2	0.15 38	0.05 1	0.16 202	0.18 233	0.15 28	0.15 71	0.10 42	0.11 55	0.11 76	0.11 111	0.10 18	0.12 129	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

XX-TBD	0.09 12	0.06 19	0.07 2	0.14 13	0.07 18	0.12 106	0.16 172	0.14 17	0.13 43	0.11 61	0.12 63	0.09 39	0.08 51	0.10 18	0.10 51	0.06 56	0.04 2	0.05 2	0.03 1	0.06 102	0.05 52

raftrobust	0.09 12	0.06 19	0.10 45	0.17 116	0.08 48	0.09 35	0.10 6	0.18 98	0.16 89	0.10 42	0.09 24	0.12 91	0.07 33	0.12 102	0.10 51	0.08 192	0.05 108	0.06 32	0.05 32	0.05 40	0.05 52

RALCasStereoNet	0.10 52	0.06 19	0.09 29	0.16 69	0.08 48	0.12 106	0.14 70	0.17 74	0.11 18	0.12 85	0.17 122	0.14 129	0.10 90	0.12 102	0.11 87	0.07 143	0.06 191	0.06 32	0.05 32	0.08 201	0.07 160

DCANet	0.10 52	0.06 19	0.12 91	0.16 69	0.06 2	0.09 35	0.17 193	0.15 28	0.19 130	0.13 106	0.17 122	0.10 60	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

csc	0.10 52	0.06 19	0.12 91	0.15 38	0.07 18	0.09 35	0.17 193	0.16 44	0.20 151	0.13 106	0.16 104	0.10 60	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

cscssc	0.10 52	0.06 19	0.12 91	0.15 38	0.07 18	0.09 35	0.17 193	0.16 44	0.20 151	0.13 106	0.16 104	0.10 60	0.11 111	0.11 46	0.12 129	0.06 56	0.04 2	0.05 2	0.04 8	0.04 1	0.05 52

111	0.10 52	0.06 19	0.12 91	0.15 38	0.07 18	0.10 58	0.14 70	0.21 142	0.23 184	0.11 61	0.12 63	0.14 129	0.11 111	0.13 134	0.10 51	0.06 56	0.04 2	0.06 32	0.04 8	0.05 40	0.05 52

test_xeample3	0.09 12	0.06 19	0.12 91	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.13 43	0.10 42	0.06 2	0.08 26	0.06 6	0.10 18	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

test_xeample	0.15 221	0.06 19	0.13 130	0.14 13	0.08 48	0.21 282	0.20 279	0.28 250	0.20 151	0.16 175	0.29 270	0.19 202	0.16 228	0.15 168	0.26 332	0.09 237	0.05 108	0.07 100	0.07 163	0.07 158	0.07 160

RAFT-Stereo + iAFF	0.09 12	0.06 19	0.10 45	0.17 116	0.06 2	0.10 58	0.16 172	0.17 74	0.14 60	0.09 17	0.10 39	0.08 26	0.09 69	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.06 88	0.04 1	0.03 1

AFF-stereo	0.09 12	0.06 19	0.10 45	0.17 116	0.07 18	0.10 58	0.16 172	0.17 74	0.09 2	0.10 42	0.12 63	0.09 39	0.09 69	0.12 102	0.09 19	0.05 2	0.04 2	0.07 100	0.07 163	0.04 1	0.03 1

Gwc-CoAtRS	0.09 12	0.06 19	0.10 45	0.16 69	0.07 18	0.10 58	0.14 70	0.17 74	0.17 101	0.08 6	0.10 39	0.12 91	0.09 69	0.12 102	0.09 19	0.06 56	0.04 2	0.06 32	0.04 8	0.04 1	0.04 7

R-Stereo Train	0.10 52	0.06 19	0.10 45	0.17 116	0.08 48	0.11 84	0.14 70	0.23 175	0.11 18	0.12 85	0.19 150	0.11 76	0.08 51	0.09 10	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.05 52

RAFT-Stereo	0.10 52	0.06 19	0.10 45	0.17 116	0.08 48	0.11 84	0.14 70	0.23 175	0.11 18	0.12 85	0.19 150	0.11 76	0.08 51	0.09 10	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.05 52
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 52	0.06 19	0.12 91	0.14 13	0.06 2	0.11 84	0.10 6	0.18 98	0.18 118	0.13 106	0.16 104	0.14 129	0.11 111	0.15 168	0.13 159	0.06 56	0.04 2	0.04 1	0.04 8	0.06 102	0.05 52
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
MGS-Stereo	0.09 12	0.07 70	0.12 91	0.15 38	0.08 48	0.09 35	0.15 116	0.12 5	0.12 26	0.07 2	0.10 39	0.08 26	0.06 6	0.10 18	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.06 102	0.05 52

MyStereo8	0.12 137	0.07 70	0.15 193	0.15 38	0.09 133	0.18 236	0.14 70	0.19 118	0.22 175	0.12 85	0.18 144	0.11 76	0.10 90	0.16 200	0.18 250	0.07 143	0.05 108	0.07 100	0.05 32	0.08 201	0.09 253

SMFormer	0.14 188	0.07 70	0.17 248	0.14 13	0.08 48	0.16 202	0.17 193	0.26 218	0.27 233	0.19 226	0.20 161	0.18 194	0.15 208	0.15 168	0.17 236	0.08 192	0.05 108	0.07 100	0.06 88	0.07 158	0.06 100

tta	0.14 188	0.07 70	0.17 248	0.14 13	0.08 48	0.16 202	0.17 193	0.26 218	0.27 233	0.19 226	0.20 161	0.18 194	0.15 208	0.15 168	0.17 236	0.08 192	0.05 108	0.07 100	0.06 88	0.06 102	0.06 100

qqq1	0.13 159	0.07 70	0.17 248	0.14 13	0.08 48	0.16 202	0.17 193	0.26 218	0.27 233	0.19 226	0.20 161	0.18 194	0.15 208	0.15 168	0.11 87	0.08 192	0.05 108	0.05 2	0.05 32	0.06 102	0.06 100

fff1	0.13 159	0.07 70	0.17 248	0.14 13	0.08 48	0.16 202	0.17 193	0.26 218	0.27 233	0.19 226	0.20 161	0.18 194	0.15 208	0.15 168	0.11 87	0.08 192	0.05 108	0.05 2	0.05 32	0.06 102	0.06 100

MyStereo07	0.10 52	0.07 70	0.10 45	0.17 116	0.09 133	0.14 156	0.18 233	0.15 28	0.15 71	0.09 17	0.06 2	0.06 3	0.07 33	0.12 102	0.09 19	0.06 56	0.05 108	0.08 165	0.07 163	0.06 102	0.06 100

MyStereo06	0.10 52	0.07 70	0.12 91	0.17 116	0.09 133	0.13 131	0.18 233	0.19 118	0.12 26	0.12 85	0.08 17	0.07 18	0.07 33	0.11 46	0.09 19	0.06 56	0.05 108	0.07 100	0.07 163	0.06 102	0.06 100

MyStereo05	0.13 159	0.07 70	0.10 45	0.17 116	0.09 133	0.13 131	0.18 233	0.27 236	0.35 295	0.17 187	0.14 82	0.15 153	0.11 111	0.15 168	0.13 159	0.06 56	0.05 108	0.07 100	0.07 163	0.06 102	0.06 100

MyStereo04	0.13 159	0.07 70	0.10 45	0.17 116	0.09 133	0.14 156	0.18 233	0.29 260	0.38 311	0.17 187	0.14 82	0.16 164	0.10 90	0.15 168	0.13 159	0.06 56	0.05 108	0.08 165	0.07 163	0.06 102	0.06 100

CoDeX	0.12 137	0.07 70	0.12 91	0.17 116	0.08 48	0.12 106	0.15 116	0.23 175	0.27 233	0.13 106	0.17 122	0.16 164	0.11 111	0.14 150	0.11 87	0.07 143	0.05 108	0.07 100	0.06 88	0.06 102	0.05 52

ff7	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

ffff	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

11t	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

MIF-Stereo	0.09 12	0.07 70	0.08 11	0.18 183	0.08 48	0.13 131	0.11 11	0.12 5	0.11 18	0.10 42	0.12 63	0.05 1	0.07 33	0.09 10	0.09 19	0.07 143	0.05 108	0.05 2	0.05 32	0.05 40	0.05 52

EKT-Stereo	0.11 82	0.07 70	0.14 156	0.15 38	0.10 218	0.13 131	0.14 70	0.18 98	0.21 164	0.11 61	0.08 17	0.12 91	0.09 69	0.11 46	0.12 129	0.08 192	0.06 191	0.07 100	0.06 88	0.08 201	0.07 160

MIM_Stereo	0.09 12	0.07 70	0.11 71	0.15 38	0.07 18	0.06 2	0.12 21	0.20 125	0.14 60	0.13 106	0.13 73	0.09 39	0.05 2	0.12 102	0.08 11	0.05 2	0.06 191	0.07 100	0.06 88	0.06 102	0.05 52

4D-IteraStereo	0.09 12	0.07 70	0.10 45	0.18 183	0.07 18	0.09 35	0.15 116	0.17 74	0.15 71	0.10 42	0.11 55	0.10 60	0.07 33	0.11 46	0.09 19	0.05 2	0.03 1	0.08 165	0.07 163	0.06 102	0.05 52

anonymousdsp2	0.11 82	0.07 70	0.10 45	0.16 69	0.09 133	0.13 131	0.14 70	0.18 98	0.22 175	0.13 106	0.14 82	0.12 91	0.09 69	0.14 150	0.11 87	0.05 2	0.04 2	0.05 2	0.04 8	0.06 102	0.05 52

anonymousdsp	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.09 17	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

gwcnet-sp	0.14 188	0.07 70	0.12 91	0.18 183	0.09 133	0.16 202	0.17 193	0.24 193	0.24 194	0.18 213	0.24 198	0.15 153	0.16 228	0.15 168	0.15 210	0.08 192	0.06 191	0.07 100	0.08 214	0.08 201	0.07 160

scenet	0.14 188	0.07 70	0.12 91	0.18 183	0.09 133	0.16 202	0.17 193	0.24 193	0.24 194	0.18 213	0.24 198	0.15 153	0.16 228	0.15 168	0.15 210	0.08 192	0.06 191	0.07 100	0.08 214	0.08 201	0.07 160

DCRE	0.11 82	0.07 70	0.13 130	0.16 69	0.11 256	0.11 84	0.17 193	0.18 98	0.17 101	0.11 61	0.18 144	0.10 60	0.10 90	0.15 168	0.11 87	0.06 56	0.05 108	0.06 32	0.06 88	0.05 40	0.04 7

anonymousa	0.13 159	0.07 70	0.13 130	0.18 183	0.09 133	0.13 131	0.17 193	0.19 118	0.29 251	0.15 150	0.24 198	0.15 153	0.14 195	0.14 150	0.14 187	0.07 143	0.05 108	0.07 100	0.09 253	0.05 40	0.06 100

ProNet	0.09 12	0.07 70	0.10 45	0.17 116	0.08 48	0.10 58	0.15 116	0.15 28	0.12 26	0.09 17	0.06 2	0.07 18	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.06 100

ssnet	0.14 188	0.07 70	0.12 91	0.18 183	0.09 133	0.16 202	0.17 193	0.24 193	0.24 194	0.18 213	0.24 198	0.15 153	0.16 228	0.15 168	0.15 210	0.08 192	0.06 191	0.07 100	0.08 214	0.08 201	0.07 160

ccc-4	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.10 42	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100

x	0.13 159	0.07 70	0.14 156	0.14 13	0.08 48	0.18 236	0.14 70	0.22 158	0.20 151	0.15 150	0.19 150	0.19 202	0.17 247	0.18 233	0.18 250	0.07 143	0.05 108	0.06 32	0.06 88	0.07 158	0.07 160

DisPM	0.11 82	0.07 70	0.12 91	0.16 69	0.09 133	0.06 2	0.13 43	0.17 74	0.17 101	0.14 126	0.20 161	0.12 91	0.10 90	0.11 46	0.10 51	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.11 295

IER	0.14 188	0.07 70	0.13 130	0.17 116	0.09 133	0.14 156	0.16 172	0.25 206	0.26 226	0.18 213	0.25 227	0.17 183	0.20 280	0.16 200	0.14 187	0.08 192	0.05 108	0.07 100	0.06 88	0.08 201	0.07 160

IGEV-Stereo	0.09 12	0.07 70	0.11 71	0.16 69	0.09 133	0.11 84	0.15 116	0.16 44	0.12 26	0.09 17	0.06 2	0.06 3	0.06 6	0.11 46	0.09 19	0.05 2	0.04 2	0.06 32	0.05 32	0.05 40	0.06 100
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.11 82	0.07 70	0.11 71	0.17 116	0.07 18	0.09 35	0.13 43	0.15 28	0.24 194	0.12 85	0.13 73	0.12 91	0.08 51	0.18 233	0.11 87	0.06 56	0.08 271	0.08 165	0.06 88	0.05 40	0.05 52

IPLG	0.10 52	0.07 70	0.15 193	0.17 116	0.08 48	0.11 84	0.14 70	0.20 125	0.15 71	0.12 85	0.17 122	0.07 18	0.07 33	0.14 150	0.13 159	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

GANet-ADL	0.13 159	0.07 70	0.15 193	0.17 116	0.10 218	0.18 236	0.15 116	0.30 274	0.20 151	0.13 106	0.18 144	0.19 202	0.12 140	0.16 200	0.13 159	0.08 192	0.06 191	0.06 32	0.05 32	0.07 158	0.08 220

LCNet	0.11 82	0.07 70	0.09 29	0.19 229	0.09 133	0.08 23	0.15 116	0.21 142	0.15 71	0.11 61	0.15 96	0.16 164	0.11 111	0.12 102	0.11 87	0.05 2	0.04 2	0.08 165	0.07 163	0.06 102	0.15 345

AAGNet	0.11 82	0.07 70	0.16 223	0.19 229	0.09 133	0.08 23	0.13 43	0.18 98	0.13 43	0.16 175	0.21 175	0.13 114	0.14 195	0.11 46	0.14 187	0.06 56	0.04 2	0.09 229	0.06 88	0.06 102	0.05 52

STrans-v2	0.10 52	0.07 70	0.12 91	0.18 183	0.07 18	0.10 58	0.14 70	0.21 142	0.11 18	0.11 61	0.15 96	0.12 91	0.10 90	0.11 46	0.12 129	0.05 2	0.04 2	0.06 32	0.06 88	0.04 1	0.04 7

NF-Stereo	0.11 82	0.07 70	0.13 130	0.17 116	0.09 133	0.10 58	0.14 70	0.23 175	0.19 130	0.12 85	0.17 122	0.12 91	0.11 111	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.12 306

OCTAStereo	0.11 82	0.07 70	0.13 130	0.17 116	0.09 133	0.10 58	0.14 70	0.23 175	0.19 130	0.12 85	0.17 122	0.12 91	0.11 111	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.12 306

PSM-softLoss	0.12 137	0.07 70	0.15 193	0.17 116	0.09 133	0.08 23	0.13 43	0.24 193	0.17 101	0.14 126	0.19 150	0.13 114	0.11 111	0.11 46	0.11 87	0.07 143	0.05 108	0.08 165	0.07 163	0.06 102	0.12 306

KMStereo	0.12 137	0.07 70	0.15 193	0.17 116	0.09 133	0.08 23	0.13 43	0.24 193	0.17 101	0.14 126	0.19 150	0.13 114	0.11 111	0.11 46	0.11 87	0.07 143	0.05 108	0.08 165	0.07 163	0.06 102	0.12 306

PSM-AAD	0.11 82	0.07 70	0.10 45	0.19 229	0.09 133	0.10 58	0.15 116	0.20 125	0.13 43	0.12 85	0.14 82	0.18 194	0.11 111	0.11 46	0.10 51	0.05 2	0.05 108	0.09 229	0.08 214	0.06 102	0.14 337

KYRaft	0.11 82	0.07 70	0.10 45	0.19 229	0.09 133	0.08 23	0.15 116	0.22 158	0.12 26	0.13 106	0.16 104	0.20 212	0.10 90	0.12 102	0.10 51	0.05 2	0.04 2	0.08 165	0.08 214	0.06 102	0.16 356

SST-Stereo	0.10 52	0.07 70	0.15 193	0.18 183	0.09 133	0.06 2	0.12 21	0.17 74	0.11 18	0.15 150	0.17 122	0.13 114	0.12 140	0.10 18	0.11 87	0.06 56	0.04 2	0.09 229	0.06 88	0.06 102	0.05 52

THIR-Stereo	0.12 137	0.07 70	0.11 71	0.15 38	0.08 48	0.14 156	0.16 172	0.17 74	0.25 213	0.16 175	0.24 198	0.14 129	0.12 140	0.12 102	0.14 187	0.06 56	0.04 2	0.07 100	0.07 163	0.05 40	0.05 52

RAFT_R40	0.11 82	0.07 70	0.14 156	0.18 183	0.09 133	0.06 2	0.13 43	0.17 74	0.16 89	0.14 126	0.18 144	0.15 153	0.12 140	0.10 18	0.11 87	0.06 56	0.04 2	0.09 229	0.06 88	0.06 102	0.05 52

RE-Stereo	0.11 82	0.07 70	0.13 130	0.17 116	0.09 133	0.10 58	0.14 70	0.23 175	0.19 130	0.12 85	0.17 122	0.12 91	0.11 111	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.12 306

Pruner-Stereo	0.11 82	0.07 70	0.12 91	0.17 116	0.09 133	0.06 2	0.12 21	0.17 74	0.17 101	0.13 106	0.19 150	0.13 114	0.09 69	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.08 220

TVStereo	0.11 82	0.07 70	0.13 130	0.17 116	0.09 133	0.10 58	0.14 70	0.23 175	0.19 130	0.12 85	0.17 122	0.12 91	0.11 111	0.11 46	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.12 306

RAFT-345	0.11 82	0.07 70	0.15 193	0.16 69	0.08 48	0.08 23	0.12 21	0.15 28	0.10 8	0.11 61	0.36 310	0.09 39	0.09 69	0.11 46	0.12 129	0.05 2	0.05 108	0.07 100	0.06 88	0.04 1	0.05 52

test-1	0.10 52	0.07 70	0.16 223	0.19 229	0.08 48	0.11 84	0.24 323	0.14 17	0.18 118	0.09 17	0.07 14	0.09 39	0.08 51	0.07 1	0.09 19	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

GMM-Stereo	0.11 82	0.07 70	0.10 45	0.18 183	0.09 133	0.08 23	0.15 116	0.23 175	0.16 89	0.11 61	0.15 96	0.13 114	0.11 111	0.11 46	0.11 87	0.05 2	0.04 2	0.08 165	0.07 163	0.06 102	0.09 253

iRaftStereo_RVC	0.10 52	0.07 70	0.09 29	0.17 116	0.09 133	0.11 84	0.17 193	0.18 98	0.12 26	0.09 17	0.12 63	0.10 60	0.07 33	0.11 46	0.10 51	0.05 2	0.04 2	0.08 165	0.08 214	0.04 1	0.04 7

raft+_RVC	0.11 82	0.07 70	0.09 29	0.16 69	0.07 18	0.10 58	0.11 11	0.24 193	0.20 151	0.12 85	0.15 96	0.12 91	0.08 51	0.12 102	0.13 159	0.07 143	0.04 2	0.07 100	0.06 88	0.05 40	0.05 52

222	0.16 239	0.07 70	0.14 156	0.14 13	0.08 48	0.24 308	0.18 233	0.30 274	0.20 151	0.17 187	0.28 259	0.17 183	0.16 228	0.15 168	0.40 379	0.10 269	0.05 108	0.07 100	0.06 88	0.07 158	0.08 220

xxxx	0.15 221	0.07 70	0.14 156	0.14 13	0.08 48	0.23 303	0.18 233	0.31 280	0.19 130	0.14 126	0.28 259	0.22 236	0.14 195	0.15 168	0.26 332	0.09 237	0.05 108	0.07 100	0.07 163	0.08 201	0.07 160

RAFT + AFF	0.13 159	0.07 70	0.20 283	0.20 270	0.10 218	0.14 156	0.24 323	0.26 218	0.20 151	0.11 61	0.10 39	0.12 91	0.10 90	0.15 168	0.12 129	0.07 143	0.06 191	0.09 229	0.08 214	0.06 102	0.08 220

EAI-Stereo	0.09 12	0.07 70	0.11 71	0.15 38	0.06 2	0.10 58	0.15 116	0.16 44	0.09 2	0.08 6	0.09 24	0.08 26	0.07 33	0.09 10	0.11 87	0.05 2	0.04 2	0.05 2	0.05 32	0.05 40	0.04 7

CFNet-RSSM	0.09 12	0.07 70	0.09 29	0.16 69	0.07 18	0.09 35	0.15 116	0.16 44	0.17 101	0.08 6	0.12 63	0.10 60	0.09 69	0.11 46	0.09 19	0.06 56	0.04 2	0.06 32	0.04 8	0.04 1	0.04 7

SFCPSM	0.13 159	0.07 70	0.14 156	0.17 116	0.09 133	0.15 178	0.16 172	0.28 250	0.27 233	0.14 126	0.17 122	0.12 91	0.13 172	0.14 150	0.11 87	0.08 192	0.05 108	0.07 100	0.07 163	0.07 158	0.06 100

cf-r	0.13 159	0.07 70	0.12 91	0.16 69	0.08 48	0.14 156	0.19 264	0.20 125	0.25 213	0.17 187	0.25 227	0.21 219	0.16 228	0.14 150	0.14 187	0.10 269	0.05 108	0.06 32	0.08 214	0.06 102	0.06 100

GANet-RSSM	0.14 188	0.07 70	0.13 130	0.13 6	0.08 48	0.14 156	0.17 193	0.22 158	0.21 164	0.17 187	0.24 198	0.23 248	0.15 208	0.16 200	0.15 210	0.10 269	0.06 191	0.07 100	0.08 214	0.08 201	0.07 160

PSMNet-RSSM	0.14 188	0.07 70	0.13 130	0.15 38	0.08 48	0.13 131	0.16 172	0.24 193	0.24 194	0.16 175	0.28 259	0.22 236	0.14 195	0.15 168	0.13 159	0.11 290	0.06 191	0.09 229	0.12 326	0.08 201	0.07 160

GwcNet-RSSM	0.14 188	0.07 70	0.12 91	0.15 38	0.08 48	0.15 178	0.20 279	0.21 142	0.27 233	0.18 213	0.27 250	0.22 236	0.16 228	0.14 150	0.15 210	0.10 269	0.05 108	0.07 100	0.09 253	0.07 158	0.07 160

CFNet-ft	0.14 188	0.07 70	0.15 193	0.12 3	0.09 133	0.16 202	0.18 233	0.22 158	0.24 194	0.17 187	0.26 242	0.24 254	0.14 195	0.16 200	0.14 187	0.11 290	0.06 191	0.08 165	0.09 253	0.09 249	0.08 220

DIP-Stereo	0.11 82	0.07 70	0.14 156	0.17 116	0.09 133	0.13 131	0.09 3	0.16 44	0.16 89	0.11 61	0.16 104	0.14 129	0.12 140	0.15 168	0.13 159	0.06 56	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	0.14 188	0.07 70	0.14 156	0.16 69	0.08 48	0.18 236	0.14 70	0.29 260	0.20 151	0.17 187	0.25 227	0.21 219	0.18 256	0.20 263	0.19 259	0.07 143	0.06 191	0.06 32	0.08 214	0.06 102	0.06 100

CFNet_RVC	0.14 188	0.07 70	0.15 193	0.12 3	0.09 133	0.16 202	0.18 233	0.22 158	0.24 194	0.17 187	0.26 242	0.24 254	0.14 195	0.16 200	0.14 187	0.11 290	0.06 191	0.08 165	0.09 253	0.09 249	0.08 220

MLCV	0.12 137	0.07 70	0.16 223	0.18 183	0.06 2	0.15 178	0.17 193	0.19 118	0.21 164	0.18 213	0.25 227	0.17 183	0.13 172	0.14 150	0.13 159	0.05 2	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

iResNet_ROB	0.14 188	0.07 70	0.13 130	0.14 13	0.07 18	0.18 236	0.14 70	0.26 218	0.31 264	0.22 264	0.25 227	0.23 248	0.15 208	0.15 168	0.13 159	0.07 143	0.05 108	0.05 2	0.04 8	0.08 201	0.08 220

LE_ROB	0.50 386	0.07 70	0.14 156	0.15 38	0.08 48	0.24 308	0.16 172	0.22 158	1.81 417	4.63 421	0.67 382	0.47 372	0.44 378	0.20 263	0.29 350	0.07 143	0.06 191	0.06 32	0.06 88	0.08 201	0.06 100

pmcnn	0.15 221	0.07 70	0.19 274	0.15 38	0.07 18	0.20 268	0.15 116	0.24 193	0.26 226	0.21 251	0.34 303	0.28 286	0.18 256	0.18 233	0.17 236	0.07 143	0.05 108	0.05 2	0.04 8	0.07 158	0.06 100

Former-RAFT_DAM_RVC	0.10 52	0.08 142	0.12 91	0.16 69	0.08 48	0.15 178	0.16 172	0.18 98	0.18 118	0.10 42	0.09 24	0.09 39	0.08 51	0.11 46	0.12 129	0.07 143	0.05 108	0.08 165	0.06 88	0.07 158	0.06 100

AE-Stereo	0.10 52	0.08 142	0.10 45	0.18 183	0.09 133	0.10 58	0.15 116	0.14 17	0.19 130	0.09 17	0.14 82	0.12 91	0.08 51	0.11 46	0.10 51	0.05 2	0.06 191	0.07 100	0.06 88	0.05 40	0.04 7

ACVNet-DCA	0.10 52	0.08 142	0.12 91	0.17 116	0.09 133	0.13 131	0.15 116	0.23 175	0.16 89	0.09 17	0.09 24	0.06 3	0.06 6	0.10 18	0.07 1	0.06 56	0.04 2	0.06 32	0.05 32	0.07 158	0.07 160

xx1	0.11 82	0.08 142	0.12 91	0.17 116	0.09 133	0.13 131	0.15 116	0.16 44	0.18 118	0.09 17	0.09 24	0.16 164	0.16 228	0.10 18	0.07 1	0.06 56	0.04 2	0.08 165	0.08 214	0.07 158	0.07 160

1test111	0.11 82	0.08 142	0.12 91	0.17 116	0.09 133	0.13 131	0.15 116	0.23 175	0.16 89	0.09 17	0.09 24	0.06 3	0.06 6	0.15 168	0.16 224	0.06 56	0.04 2	0.06 32	0.05 32	0.07 158	0.07 160

cc1	0.10 52	0.08 142	0.12 91	0.17 116	0.09 133	0.13 131	0.15 116	0.16 44	0.18 118	0.09 17	0.09 24	0.06 3	0.06 6	0.10 18	0.07 1	0.06 56	0.04 2	0.06 32	0.05 32	0.06 102	0.06 100

mmm	0.14 188	0.08 142	0.17 248	0.17 116	0.09 133	0.17 221	0.18 233	0.21 142	0.15 71	0.15 150	0.23 190	0.21 219	0.16 228	0.16 200	0.17 236	0.08 192	0.05 108	0.08 165	0.07 163	0.07 158	0.07 160

tt1	0.10 52	0.08 142	0.12 91	0.17 116	0.09 133	0.12 106	0.16 172	0.15 28	0.19 130	0.09 17	0.08 17	0.06 3	0.06 6	0.10 18	0.07 1	0.06 56	0.04 2	0.06 32	0.05 32	0.06 102	0.06 100

ttt	0.14 188	0.08 142	0.14 156	0.15 38	0.08 48	0.15 178	0.18 233	0.27 236	0.29 251	0.16 175	0.24 198	0.17 183	0.13 172	0.13 134	0.14 187	0.11 290	0.08 271	0.09 229	0.08 214	0.09 249	0.08 220

1111x	0.15 221	0.08 142	0.12 91	0.18 183	0.07 18	0.18 236	0.25 337	0.31 280	0.24 194	0.17 187	0.24 198	0.26 272	0.15 208	0.13 134	0.23 303	0.07 143	0.07 249	0.08 165	0.09 253	0.07 158	0.06 100

test croco	0.10 52	0.08 142	0.10 45	0.19 229	0.09 133	0.10 58	0.15 116	0.14 17	0.13 43	0.13 106	0.15 96	0.09 39	0.12 140	0.13 134	0.12 129	0.07 143	0.05 108	0.09 229	0.06 88	0.06 102	0.06 100

PCWNet_CMD	0.14 188	0.08 142	0.15 193	0.17 116	0.09 133	0.14 156	0.14 70	0.29 260	0.36 300	0.14 126	0.20 161	0.21 219	0.12 140	0.17 222	0.13 159	0.07 143	0.05 108	0.07 100	0.07 163	0.07 158	0.07 160

CFNet_ucs	0.15 221	0.08 142	0.16 223	0.16 69	0.11 256	0.14 156	0.14 70	0.30 274	0.34 287	0.16 175	0.24 198	0.23 248	0.14 195	0.18 233	0.15 210	0.09 237	0.06 191	0.08 165	0.07 163	0.09 249	0.09 253

SDNR	0.19 281	0.08 142	0.19 274	0.16 69	0.12 286	0.77 403	0.14 70	0.25 206	0.32 270	0.19 226	0.24 198	0.19 202	0.13 172	0.19 244	0.15 210	0.16 359	0.18 367	0.14 336	0.11 308	0.08 201	0.11 295

TestStereo1	0.13 159	0.08 142	0.08 11	0.19 229	0.08 48	0.18 236	0.29 364	0.23 175	0.16 89	0.17 187	0.20 161	0.16 164	0.10 90	0.12 102	0.13 159	0.06 56	0.06 191	0.08 165	0.06 88	0.05 40	0.05 52

CRFU-Net	0.16 239	0.08 142	0.14 156	0.17 116	0.09 133	0.19 256	0.14 70	0.26 218	0.20 151	0.28 320	0.27 250	0.29 293	0.17 247	0.19 244	0.17 236	0.09 237	0.09 294	0.07 100	0.07 163	0.08 201	0.08 220

SA-5K	0.13 159	0.08 142	0.08 11	0.19 229	0.08 48	0.18 236	0.29 364	0.23 175	0.16 89	0.17 187	0.20 161	0.16 164	0.10 90	0.12 102	0.13 159	0.06 56	0.06 191	0.08 165	0.06 88	0.05 40	0.05 52

Sa-1000	0.12 137	0.08 142	0.08 11	0.18 183	0.08 48	0.14 156	0.22 304	0.22 158	0.18 118	0.15 150	0.20 161	0.17 183	0.11 111	0.10 18	0.10 51	0.06 56	0.05 108	0.09 229	0.09 253	0.05 40	0.05 52

CIPLG	0.11 82	0.08 142	0.14 156	0.17 116	0.08 48	0.12 106	0.15 116	0.17 74	0.15 71	0.14 126	0.11 55	0.16 164	0.09 69	0.16 200	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

DAS	0.15 221	0.08 142	0.18 265	0.19 229	0.10 218	0.19 256	0.17 193	0.27 236	0.29 251	0.18 213	0.25 227	0.21 219	0.15 208	0.16 200	0.12 129	0.08 192	0.06 191	0.06 32	0.06 88	0.07 158	0.07 160

SepStereo	0.15 221	0.08 142	0.18 265	0.19 229	0.10 218	0.19 256	0.17 193	0.27 236	0.29 251	0.18 213	0.25 227	0.21 219	0.15 208	0.25 314	0.12 129	0.08 192	0.06 191	0.06 32	0.06 88	0.07 158	0.07 160

IPLGR_C	0.11 82	0.08 142	0.14 156	0.17 116	0.08 48	0.12 106	0.15 116	0.17 74	0.15 71	0.14 126	0.10 39	0.16 164	0.09 69	0.16 200	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

MIPNet	0.11 82	0.08 142	0.14 156	0.17 116	0.09 133	0.12 106	0.14 70	0.20 125	0.24 194	0.11 61	0.10 39	0.09 39	0.07 33	0.13 134	0.12 129	0.06 56	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

AASNet	0.16 239	0.08 142	0.12 91	0.19 229	0.09 133	0.18 236	0.15 116	0.37 340	0.37 306	0.19 226	0.23 190	0.20 212	0.16 228	0.17 222	0.20 265	0.10 269	0.08 271	0.08 165	0.07 163	0.09 249	0.09 253

ACRE	0.11 82	0.08 142	0.14 156	0.17 116	0.08 48	0.12 106	0.15 116	0.17 74	0.14 60	0.14 126	0.10 39	0.16 164	0.09 69	0.16 200	0.11 87	0.07 143	0.05 108	0.06 32	0.05 32	0.05 40	0.06 100

AACVNet	0.16 239	0.08 142	0.14 156	0.15 38	0.10 218	0.18 236	0.15 116	0.23 175	0.24 194	0.27 309	0.27 250	0.28 286	0.17 247	0.19 244	0.16 224	0.09 237	0.07 249	0.09 229	0.07 163	0.10 276	0.09 253

GwcNet-ADL	0.13 159	0.08 142	0.14 156	0.20 270	0.09 133	0.11 84	0.20 279	0.30 274	0.24 194	0.13 106	0.14 82	0.18 194	0.14 195	0.13 134	0.14 187	0.07 143	0.05 108	0.06 32	0.05 32	0.07 158	0.06 100

TransformOpticalFlow	0.10 52	0.08 142	0.13 130	0.18 183	0.07 18	0.09 35	0.15 116	0.19 118	0.15 71	0.12 85	0.17 122	0.11 76	0.11 111	0.11 46	0.10 51	0.05 2	0.04 2	0.06 32	0.06 88	0.05 40	0.05 52

NRIStereo	0.11 82	0.08 142	0.14 156	0.18 183	0.08 48	0.10 58	0.14 70	0.16 44	0.15 71	0.12 85	0.14 82	0.13 114	0.12 140	0.13 134	0.10 51	0.06 56	0.04 2	0.07 100	0.06 88	0.06 102	0.07 160

DeepStereo_RVC	0.11 82	0.08 142	0.16 223	0.18 183	0.08 48	0.08 23	0.12 21	0.17 74	0.12 26	0.13 106	0.14 82	0.12 91	0.12 140	0.12 102	0.11 87	0.06 56	0.04 2	0.07 100	0.06 88	0.07 158	0.08 220

IRAFT_RVC	0.12 137	0.08 142	0.16 223	0.19 229	0.08 48	0.07 16	0.15 116	0.24 193	0.23 184	0.14 126	0.14 82	0.15 153	0.12 140	0.12 102	0.10 51	0.06 56	0.04 2	0.09 229	0.06 88	0.06 102	0.06 100

CroCo-Stereo	0.09 12	0.08 142	0.08 11	0.22 308	0.09 133	0.09 35	0.19 264	0.15 28	0.12 26	0.07 2	0.07 14	0.08 26	0.06 6	0.08 6	0.07 1	0.07 143	0.05 108	0.06 32	0.04 8	0.05 40	0.04 7
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
LMCR-Stereo	0.15 221	0.08 142	0.13 130	0.21 294	0.09 133	0.17 221	0.20 279	0.27 236	0.19 130	0.24 285	0.24 198	0.23 248	0.17 247	0.20 263	0.17 236	0.07 143	0.06 191	0.08 165	0.06 88	0.10 276	0.08 220

CFNet_pseudo	0.14 188	0.08 142	0.15 193	0.16 69	0.09 133	0.13 131	0.14 70	0.27 236	0.34 287	0.14 126	0.21 175	0.22 236	0.13 172	0.18 233	0.14 187	0.07 143	0.05 108	0.08 165	0.06 88	0.07 158	0.07 160

RALAANet	0.11 82	0.08 142	0.10 45	0.17 116	0.09 133	0.14 156	0.10 6	0.20 125	0.15 71	0.14 126	0.13 73	0.16 164	0.09 69	0.12 102	0.11 87	0.06 56	0.05 108	0.07 100	0.06 88	0.05 40	0.04 7

ADLNet	0.16 239	0.08 142	0.15 193	0.16 69	0.10 218	0.16 202	0.17 193	0.32 289	0.27 233	0.22 264	0.27 250	0.24 254	0.16 228	0.18 233	0.21 284	0.10 269	0.06 191	0.10 270	0.10 285	0.08 201	0.09 253

GES	0.14 188	0.08 142	0.16 223	0.15 38	0.10 218	0.13 131	0.13 43	0.28 250	0.25 213	0.16 175	0.23 190	0.18 194	0.13 172	0.16 200	0.13 159	0.08 192	0.07 249	0.07 100	0.06 88	0.08 201	0.09 253

ARAFT	0.12 137	0.08 142	0.17 248	0.19 229	0.09 133	0.14 156	0.18 233	0.20 125	0.12 26	0.12 85	0.13 73	0.14 129	0.11 111	0.15 168	0.12 129	0.06 56	0.05 108	0.10 270	0.09 253	0.05 40	0.04 7

delet	0.17 259	0.08 142	0.17 248	0.19 229	0.11 256	0.20 268	0.21 295	0.30 274	0.37 306	0.17 187	0.26 242	0.19 202	0.19 271	0.19 244	0.21 284	0.08 192	0.08 271	0.09 229	0.11 308	0.06 102	0.06 100

UPFNet	0.16 239	0.08 142	0.12 91	0.20 270	0.12 286	0.20 268	0.23 314	0.28 250	0.26 226	0.17 187	0.24 198	0.22 236	0.19 271	0.19 244	0.21 284	0.09 237	0.07 249	0.08 165	0.09 253	0.08 201	0.06 100

FENet	0.13 159	0.08 142	0.12 91	0.16 69	0.08 48	0.14 156	0.15 116	0.22 158	0.23 184	0.17 187	0.23 190	0.16 164	0.12 140	0.14 150	0.15 210	0.08 192	0.05 108	0.08 165	0.08 214	0.07 158	0.07 160

ac_64	0.16 239	0.08 142	0.15 193	0.18 183	0.10 218	0.22 290	0.18 233	0.24 193	0.21 164	0.18 213	0.24 198	0.29 293	0.18 256	0.19 244	0.22 293	0.09 237	0.07 249	0.08 165	0.09 253	0.07 158	0.06 100

HGLStereo	0.17 259	0.08 142	0.19 274	0.17 116	0.12 286	0.18 236	0.18 233	0.31 280	0.32 270	0.21 251	0.32 286	0.25 264	0.18 256	0.19 244	0.20 265	0.09 237	0.09 294	0.07 100	0.07 163	0.09 249	0.10 272

BEATNet_4x	0.12 137	0.08 142	0.14 156	0.18 183	0.07 18	0.15 178	0.07 1	0.22 158	0.18 118	0.16 175	0.19 150	0.18 194	0.14 195	0.16 200	0.15 210	0.07 143	0.05 108	0.05 2	0.05 32	0.06 102	0.06 100

MSMDNet	0.14 188	0.08 142	0.15 193	0.17 116	0.09 133	0.14 156	0.14 70	0.29 260	0.36 300	0.14 126	0.21 175	0.21 219	0.12 140	0.17 222	0.14 187	0.07 143	0.05 108	0.07 100	0.07 163	0.07 158	0.07 160

HSM-Net_RVC	0.14 188	0.08 142	0.11 71	0.15 38	0.08 48	0.15 178	0.15 116	0.27 236	0.29 251	0.19 226	0.21 175	0.29 293	0.14 195	0.17 222	0.13 159	0.06 56	0.06 191	0.06 32	0.06 88	0.07 158	0.06 100
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ccs_rob	0.14 188	0.08 142	0.15 193	0.16 69	0.09 133	0.12 106	0.14 70	0.27 236	0.34 287	0.14 126	0.21 175	0.22 236	0.13 172	0.18 233	0.14 187	0.07 143	0.05 108	0.08 165	0.07 163	0.07 158	0.07 160

UCFNet_RVC	0.14 188	0.08 142	0.13 130	0.11 1	0.10 218	0.20 268	0.10 6	0.24 193	0.22 175	0.17 187	0.20 161	0.23 248	0.15 208	0.17 222	0.15 210	0.12 314	0.07 249	0.10 270	0.13 335	0.11 291	0.10 272

iResNetv2_ROB	0.14 188	0.08 142	0.15 193	0.16 69	0.08 48	0.16 202	0.12 21	0.25 206	0.35 295	0.21 251	0.29 270	0.24 254	0.13 172	0.14 150	0.14 187	0.06 56	0.05 108	0.06 32	0.04 8	0.09 249	0.08 220

HSM	0.15 221	0.08 142	0.14 156	0.16 69	0.09 133	0.16 202	0.14 70	0.28 250	0.25 213	0.19 226	0.23 190	0.37 339	0.16 228	0.20 263	0.15 210	0.07 143	0.05 108	0.07 100	0.06 88	0.07 158	0.06 100

DispNO	0.16 239	0.09 192	0.19 274	0.21 294	0.11 256	0.13 131	0.28 355	0.23 175	0.34 287	0.22 264	0.26 242	0.20 212	0.19 271	0.15 168	0.16 224	0.09 237	0.06 191	0.07 100	0.07 163	0.06 102	0.06 100

DualNet	0.13 159	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.15 28	0.19 130	0.15 150	0.25 227	0.19 202	0.13 172	0.10 18	0.20 265	0.06 56	0.04 2	0.09 229	0.08 214	0.06 102	0.06 100

ffm	0.12 137	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.15 28	0.19 130	0.15 150	0.25 227	0.19 202	0.13 172	0.10 18	0.07 1	0.06 56	0.04 2	0.09 229	0.08 214	0.06 102	0.06 100

ff1	0.13 159	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.15 28	0.19 130	0.15 150	0.25 227	0.19 202	0.13 172	0.14 150	0.20 265	0.06 56	0.04 2	0.09 229	0.08 214	0.06 102	0.06 100

mmx	0.14 188	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.27 236	0.25 213	0.15 150	0.25 227	0.19 202	0.13 172	0.14 150	0.20 265	0.08 192	0.06 191	0.09 229	0.08 214	0.08 201	0.08 220

whm_eth	0.14 188	0.09 192	0.20 283	0.20 270	0.12 286	0.12 106	0.15 116	0.18 98	0.28 244	0.17 187	0.32 286	0.09 39	0.12 140	0.18 233	0.14 187	0.07 143	0.07 249	0.08 165	0.07 163	0.07 158	0.07 160

xxx	0.14 188	0.09 192	0.14 156	0.16 69	0.08 48	0.17 221	0.17 193	0.27 236	0.25 213	0.15 150	0.25 227	0.19 202	0.13 172	0.14 150	0.20 265	0.08 192	0.06 191	0.09 229	0.08 214	0.08 201	0.08 220

StereoIM	0.09 12	0.09 192	0.08 11	0.17 116	0.09 133	0.13 131	0.10 6	0.16 44	0.16 89	0.09 17	0.11 55	0.06 3	0.06 6	0.09 10	0.13 159	0.07 143	0.06 191	0.07 100	0.05 32	0.05 40	0.04 7

CASnet	0.09 12	0.09 192	0.09 29	0.19 229	0.06 2	0.07 16	0.11 11	0.18 98	0.14 60	0.11 61	0.10 39	0.09 39	0.07 33	0.10 18	0.10 51	0.06 56	0.04 2	0.10 270	0.08 214	0.05 40	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo	0.13 159	0.09 192	0.11 71	0.20 270	0.10 218	0.11 84	0.18 233	0.32 289	0.24 194	0.15 150	0.15 96	0.14 129	0.13 172	0.19 244	0.11 87	0.06 56	0.04 2	0.09 229	0.08 214	0.04 1	0.05 52

CroCo-Stereo Lap2	0.09 12	0.09 192	0.08 11	0.22 308	0.09 133	0.09 35	0.19 264	0.16 44	0.12 26	0.09 17	0.10 39	0.05 1	0.05 2	0.08 6	0.08 11	0.06 56	0.06 191	0.07 100	0.05 32	0.05 40	0.05 52

qqq	0.13 159	0.09 192	0.15 193	0.16 69	0.08 48	0.13 131	0.15 116	0.23 175	0.16 89	0.15 150	0.19 150	0.16 164	0.16 228	0.15 168	0.16 224	0.07 143	0.06 191	0.08 165	0.08 214	0.07 158	0.07 160

Wz-Net-LNSev-Ref	0.18 271	0.09 192	0.29 329	0.15 38	0.10 218	0.22 290	0.20 279	0.26 218	0.39 314	0.25 298	0.42 350	0.24 254	0.15 208	0.20 263	0.19 259	0.07 143	0.05 108	0.06 32	0.05 32	0.10 276	0.09 253

BUS	0.14 188	0.09 192	0.14 156	0.22 308	0.10 218	0.19 256	0.14 70	0.34 316	0.19 130	0.17 187	0.22 184	0.16 164	0.13 172	0.15 168	0.13 159	0.08 192	0.06 191	0.10 270	0.09 253	0.07 158	0.07 160

RAFT_CTSACE	0.12 137	0.09 192	0.10 45	0.22 308	0.08 48	0.12 106	0.24 323	0.18 98	0.16 89	0.20 243	0.27 250	0.13 114	0.07 33	0.13 134	0.09 19	0.05 2	0.06 191	0.08 165	0.07 163	0.04 1	0.04 7

BSDual-CNN	0.15 221	0.09 192	0.14 156	0.22 308	0.10 218	0.14 156	0.15 116	0.34 316	0.19 130	0.17 187	0.22 184	0.25 264	0.16 228	0.15 168	0.14 187	0.08 192	0.06 191	0.10 270	0.09 253	0.07 158	0.07 160

SA	0.12 137	0.09 192	0.08 11	0.18 183	0.08 48	0.12 106	0.24 323	0.23 175	0.18 118	0.17 187	0.27 250	0.14 129	0.11 111	0.11 46	0.11 87	0.05 2	0.05 108	0.09 229	0.08 214	0.05 40	0.04 7

iRaft-Stereo_5w	0.12 137	0.09 192	0.12 91	0.19 229	0.08 48	0.09 35	0.12 21	0.21 142	0.21 164	0.19 226	0.14 82	0.11 76	0.09 69	0.20 263	0.16 224	0.05 2	0.05 108	0.07 100	0.06 88	0.05 40	0.06 100

psmg	0.14 188	0.09 192	0.14 156	0.17 116	0.10 218	0.15 178	0.17 193	0.29 260	0.19 130	0.17 187	0.21 175	0.25 264	0.16 228	0.15 168	0.14 187	0.08 192	0.06 191	0.08 165	0.08 214	0.07 158	0.06 100

CSP-Net	0.16 239	0.09 192	0.14 156	0.16 69	0.09 133	0.19 256	0.17 193	0.25 206	0.32 270	0.25 298	0.30 274	0.24 254	0.15 208	0.21 279	0.18 250	0.09 237	0.06 191	0.07 100	0.07 163	0.08 201	0.07 160

IPLGR	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.12 106	0.17 193	0.21 142	0.24 194	0.11 61	0.12 63	0.11 76	0.08 51	0.12 102	0.12 129	0.06 56	0.05 108	0.06 32	0.06 88	0.04 1	0.04 7

GMOStereo	0.11 82	0.09 192	0.07 2	0.19 229	0.08 48	0.12 106	0.28 355	0.13 11	0.17 101	0.11 61	0.17 122	0.14 129	0.12 140	0.07 1	0.07 1	0.05 2	0.05 108	0.09 229	0.07 163	0.04 1	0.04 7

error version	0.11 82	0.09 192	0.07 2	0.19 229	0.08 48	0.12 106	0.28 355	0.13 11	0.17 101	0.11 61	0.17 122	0.14 129	0.12 140	0.07 1	0.07 1	0.05 2	0.05 108	0.09 229	0.07 163	0.04 1	0.04 7

test-v	0.11 82	0.09 192	0.07 2	0.19 229	0.08 48	0.12 106	0.28 355	0.13 11	0.17 101	0.11 61	0.17 122	0.14 129	0.12 140	0.07 1	0.07 1	0.05 2	0.05 108	0.09 229	0.07 163	0.04 1	0.04 7

test_3	0.10 52	0.09 192	0.10 45	0.20 270	0.08 48	0.13 131	0.26 343	0.14 17	0.21 164	0.10 42	0.10 39	0.09 39	0.09 69	0.08 6	0.11 87	0.05 2	0.04 2	0.08 165	0.07 163	0.04 1	0.04 7

ADLNet2	0.16 239	0.09 192	0.13 130	0.16 69	0.09 133	0.20 268	0.16 172	0.31 280	0.39 314	0.16 175	0.20 161	0.20 212	0.18 256	0.21 279	0.22 293	0.08 192	0.06 191	0.07 100	0.07 163	0.09 249	0.07 160

Patchmatch Stereo++	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.06 2	0.11 11	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

ROB_FTStereo_v2	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

ROB_FTStereo	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.06 2	0.11 11	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

HUI-Stereo	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

iGMRVC	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

iRAFT	0.11 82	0.09 192	0.16 223	0.18 183	0.08 48	0.06 2	0.11 11	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

CRE-IMP	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.10 58	0.12 21	0.18 98	0.10 8	0.14 126	0.13 73	0.13 114	0.12 140	0.12 102	0.11 87	0.07 143	0.04 2	0.08 165	0.06 88	0.08 201	0.08 220

test-2	0.11 82	0.09 192	0.07 2	0.19 229	0.08 48	0.12 106	0.28 355	0.13 11	0.17 101	0.11 61	0.17 122	0.14 129	0.12 140	0.07 1	0.07 1	0.05 2	0.05 108	0.09 229	0.07 163	0.04 1	0.04 7

cross-raft	0.10 52	0.09 192	0.09 29	0.19 229	0.07 18	0.11 84	0.25 337	0.13 11	0.15 71	0.08 6	0.11 55	0.12 91	0.10 90	0.09 10	0.11 87	0.05 2	0.04 2	0.06 32	0.05 32	0.04 1	0.04 7

RAFT	0.13 159	0.09 192	0.11 71	0.18 183	0.08 48	0.15 178	0.24 323	0.20 125	0.19 130	0.21 251	0.21 175	0.17 183	0.12 140	0.16 200	0.09 19	0.06 56	0.07 249	0.10 270	0.09 253	0.05 40	0.05 52

RAFT-IKP	0.11 82	0.09 192	0.16 223	0.19 229	0.08 48	0.06 2	0.12 21	0.16 44	0.13 43	0.15 150	0.16 104	0.14 129	0.12 140	0.11 46	0.10 51	0.06 56	0.04 2	0.08 165	0.06 88	0.08 201	0.07 160

ICVP	0.15 221	0.09 192	0.12 91	0.22 308	0.09 133	0.17 221	0.21 295	0.25 206	0.23 184	0.18 213	0.30 274	0.26 272	0.18 256	0.17 222	0.14 187	0.09 237	0.07 249	0.08 165	0.07 163	0.07 158	0.07 160
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sCroCo_RVC	0.12 137	0.09 192	0.23 302	0.24 332	0.11 256	0.19 256	0.14 70	0.17 74	0.14 60	0.10 42	0.13 73	0.12 91	0.07 33	0.14 150	0.11 87	0.08 192	0.08 271	0.08 165	0.08 214	0.05 40	0.07 160

MMNet	0.17 259	0.09 192	0.16 223	0.20 270	0.11 256	0.27 333	0.20 279	0.25 206	0.41 323	0.22 264	0.30 274	0.21 219	0.20 280	0.17 222	0.20 265	0.06 56	0.06 191	0.07 100	0.07 163	0.08 201	0.07 160

UNet	0.17 259	0.09 192	0.18 265	0.19 229	0.12 286	0.27 333	0.19 264	0.33 306	0.29 251	0.21 251	0.24 198	0.23 248	0.19 271	0.19 244	0.18 250	0.07 143	0.06 191	0.08 165	0.07 163	0.08 201	0.06 100

ACVNet	0.15 221	0.09 192	0.15 193	0.13 6	0.12 286	0.14 156	0.20 279	0.22 158	0.33 276	0.17 187	0.26 242	0.21 219	0.16 228	0.17 222	0.21 284	0.07 143	0.06 191	0.06 32	0.06 88	0.08 201	0.06 100

acv_ft	0.15 221	0.09 192	0.15 193	0.19 229	0.10 218	0.16 202	0.17 193	0.25 206	0.33 276	0.19 226	0.26 242	0.21 219	0.17 247	0.17 222	0.18 250	0.07 143	0.06 191	0.06 32	0.06 88	0.08 201	0.06 100

hitnet-ft	0.18 271	0.09 192	0.17 248	0.14 13	0.09 133	0.26 326	0.20 279	0.25 206	0.26 226	0.24 285	0.32 286	0.31 311	0.22 293	0.24 309	0.21 284	0.12 314	0.07 249	0.10 270	0.08 214	0.12 305	0.11 295

DSFCA	0.16 239	0.09 192	0.14 156	0.16 69	0.10 218	0.20 268	0.19 264	0.28 250	0.31 264	0.23 277	0.24 198	0.22 236	0.15 208	0.19 244	0.20 265	0.10 269	0.07 249	0.09 229	0.09 253	0.08 201	0.08 220

DMCA	0.14 188	0.09 192	0.16 223	0.19 229	0.09 133	0.15 178	0.17 193	0.23 175	0.27 233	0.14 126	0.19 150	0.17 183	0.18 256	0.15 168	0.17 236	0.10 269	0.06 191	0.08 165	0.06 88	0.09 249	0.10 272

DISCO	0.19 281	0.09 192	0.22 293	0.17 116	0.10 218	0.25 318	0.18 233	0.27 236	0.44 338	0.22 264	0.31 282	0.33 323	0.26 316	0.28 330	0.28 347	0.08 192	0.06 191	0.07 100	0.07 163	0.09 249	0.09 253

LL-Strereo2	0.10 52	0.10 240	0.15 193	0.18 183	0.08 48	0.15 178	0.09 3	0.17 74	0.14 60	0.14 126	0.10 39	0.09 39	0.07 33	0.16 200	0.10 51	0.05 2	0.05 108	0.10 270	0.07 163	0.06 102	0.05 52

Selective-RAFT	0.11 82	0.10 240	0.11 71	0.21 294	0.08 48	0.16 202	0.13 43	0.20 125	0.22 175	0.10 42	0.10 39	0.11 76	0.10 90	0.15 168	0.11 87	0.05 2	0.05 108	0.06 32	0.05 32	0.06 102	0.05 52

ssnet_v2	0.17 259	0.10 240	0.17 248	0.17 116	0.11 256	0.21 282	0.21 295	0.33 306	0.25 213	0.22 264	0.22 184	0.27 279	0.18 256	0.22 290	0.20 265	0.11 290	0.09 294	0.09 229	0.09 253	0.08 201	0.08 220

raft_robust	0.13 159	0.10 240	0.07 2	0.18 183	0.08 48	0.13 131	0.24 323	0.28 250	0.33 276	0.20 243	0.19 150	0.14 129	0.10 90	0.11 46	0.12 129	0.05 2	0.05 108	0.07 100	0.07 163	0.05 40	0.04 7

NINENet	0.16 239	0.10 240	0.15 193	0.17 116	0.11 256	0.19 256	0.14 70	0.40 355	0.36 300	0.18 213	0.21 175	0.16 164	0.13 172	0.15 168	0.13 159	0.08 192	0.08 271	0.10 270	0.07 163	0.10 276	0.09 253

test_4	0.10 52	0.10 240	0.08 11	0.19 229	0.09 133	0.08 23	0.22 304	0.15 28	0.17 101	0.12 85	0.18 144	0.12 91	0.09 69	0.08 6	0.11 87	0.04 1	0.04 2	0.08 165	0.08 214	0.04 1	0.03 1

pcwnet_v2	0.19 281	0.10 240	0.26 312	0.17 116	0.14 320	0.18 236	0.15 116	0.37 340	0.46 346	0.19 226	0.24 198	0.21 219	0.19 271	0.20 263	0.19 259	0.13 334	0.10 312	0.10 270	0.10 285	0.11 291	0.13 320

Anonymous	0.14 188	0.10 240	0.24 305	0.22 308	0.13 303	0.18 236	0.22 304	0.20 125	0.19 130	0.14 126	0.12 63	0.11 76	0.13 172	0.16 200	0.13 159	0.08 192	0.07 249	0.08 165	0.08 214	0.12 305	0.10 272

psm_up	0.18 271	0.10 240	0.18 265	0.20 270	0.11 256	0.17 221	0.19 264	0.37 340	0.34 287	0.21 251	0.28 259	0.29 293	0.24 305	0.20 263	0.22 293	0.09 237	0.10 312	0.11 297	0.11 308	0.08 201	0.08 220

DMCA-RVC	0.17 259	0.10 240	0.15 193	0.24 332	0.11 256	0.18 236	0.18 233	0.25 206	0.24 194	0.21 251	0.26 242	0.25 264	0.27 324	0.18 233	0.20 265	0.12 314	0.08 271	0.13 326	0.10 285	0.10 276	0.08 220

SuperB	0.20 290	0.10 240	0.56 375	0.16 69	0.09 133	0.18 236	0.18 233	0.24 193	0.50 355	0.26 303	0.39 329	0.17 183	0.21 284	0.22 290	0.21 284	0.08 192	0.06 191	0.06 32	0.06 88	0.12 305	0.10 272

ADCP+	0.20 290	0.10 240	0.33 339	0.20 270	0.12 286	0.22 290	0.26 343	0.31 280	0.34 287	0.26 303	0.37 316	0.22 236	0.22 293	0.27 319	0.27 339	0.09 237	0.06 191	0.08 165	0.08 214	0.09 249	0.10 272

CFNet	0.15 221	0.10 240	0.17 248	0.17 116	0.08 48	0.18 236	0.09 3	0.28 250	0.25 213	0.19 226	0.24 198	0.24 254	0.17 247	0.17 222	0.14 187	0.08 192	0.06 191	0.09 229	0.10 285	0.07 158	0.06 100

CVANet_RVC	0.18 271	0.10 240	0.14 156	0.21 294	0.10 218	0.18 236	0.17 193	0.34 316	0.33 276	0.22 264	0.31 282	0.28 286	0.18 256	0.23 301	0.17 236	0.12 314	0.08 271	0.12 312	0.11 308	0.09 249	0.07 160

NLCA_NET_v2_RVC	0.17 259	0.10 240	0.22 293	0.20 270	0.10 218	0.15 178	0.18 233	0.31 280	0.25 213	0.21 251	0.30 274	0.25 264	0.17 247	0.21 279	0.20 265	0.09 237	0.06 191	0.08 165	0.08 214	0.07 158	0.08 220
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	0.16 239	0.10 240	0.10 45	0.18 183	0.09 133	0.18 236	0.19 264	0.26 218	0.31 264	0.22 264	0.35 307	0.21 219	0.21 284	0.22 290	0.16 224	0.06 56	0.05 108	0.06 32	0.06 88	0.07 158	0.06 100

NVstereo2D	0.19 281	0.10 240	0.15 193	0.17 116	0.15 331	0.28 339	0.23 314	0.44 370	0.42 329	0.15 150	0.27 250	0.25 264	0.19 271	0.22 290	0.17 236	0.09 237	0.06 191	0.10 270	0.08 214	0.15 345	0.09 253

iResNet	0.13 159	0.10 240	0.18 265	0.19 229	0.08 48	0.13 131	0.18 233	0.20 125	0.26 226	0.15 150	0.23 190	0.15 153	0.13 172	0.14 150	0.14 187	0.06 56	0.04 2	0.06 32	0.05 32	0.06 102	0.05 52

MDST_ROB	0.22 308	0.10 240	0.17 248	0.18 183	0.11 256	0.37 368	0.19 264	0.43 368	0.41 323	0.39 357	0.39 329	0.29 293	0.21 284	0.26 316	0.18 250	0.11 290	0.10 312	0.14 336	0.11 308	0.10 276	0.08 220

DLCB_ROB	0.18 271	0.10 240	0.15 193	0.23 327	0.11 256	0.24 308	0.18 233	0.29 260	0.28 244	0.27 309	0.28 259	0.28 286	0.24 305	0.19 244	0.20 265	0.08 192	0.08 271	0.09 229	0.09 253	0.07 158	0.07 160

fast-acv-ft	0.18 271	0.11 260	0.19 274	0.19 229	0.12 286	0.24 308	0.21 295	0.25 206	0.34 287	0.22 264	0.34 303	0.27 279	0.20 280	0.21 279	0.23 303	0.09 237	0.09 294	0.08 165	0.10 285	0.08 201	0.07 160

ToySt	0.17 259	0.11 260	0.18 265	0.17 116	0.11 256	0.16 202	0.25 337	0.24 193	0.33 276	0.19 226	0.24 198	0.26 272	0.24 305	0.19 244	0.20 265	0.07 143	0.08 271	0.09 229	0.10 285	0.09 249	0.08 220

RAFT+CT+SA	0.13 159	0.11 260	0.09 29	0.19 229	0.09 133	0.15 178	0.28 355	0.22 158	0.22 175	0.15 150	0.26 242	0.10 60	0.10 90	0.11 46	0.12 129	0.05 2	0.04 2	0.07 100	0.08 214	0.07 158	0.06 100

hknet	0.15 221	0.11 260	0.13 130	0.22 308	0.11 256	0.14 156	0.15 116	0.34 316	0.25 213	0.17 187	0.22 184	0.22 236	0.18 256	0.17 222	0.12 129	0.07 143	0.06 191	0.10 270	0.09 253	0.07 158	0.07 160

FADNet-RVC-Resample	0.16 239	0.11 260	0.31 334	0.22 308	0.11 256	0.19 256	0.14 70	0.25 206	0.24 194	0.24 285	0.27 250	0.20 212	0.15 208	0.16 200	0.15 210	0.07 143	0.08 271	0.12 312	0.10 285	0.09 249	0.10 272

stereogan	0.22 308	0.11 260	0.21 288	0.20 270	0.12 286	0.31 347	0.19 264	0.35 329	0.44 338	0.22 264	0.39 329	0.35 333	0.27 324	0.33 349	0.22 293	0.10 269	0.12 331	0.10 270	0.10 285	0.14 334	0.13 320

ADCL	0.24 331	0.11 260	0.47 365	0.22 308	0.12 286	0.34 357	0.29 364	0.29 260	0.56 367	0.24 285	0.46 357	0.30 301	0.30 344	0.29 337	0.29 350	0.08 192	0.07 249	0.09 229	0.09 253	0.10 276	0.10 272

AdaStereo	0.15 221	0.11 260	0.15 193	0.18 183	0.09 133	0.20 268	0.11 11	0.32 289	0.28 244	0.20 243	0.23 190	0.20 212	0.13 172	0.19 244	0.14 187	0.12 314	0.05 108	0.10 270	0.07 163	0.09 249	0.07 160
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.
DeepPruner_ROB	0.16 239	0.11 260	0.15 193	0.17 116	0.10 218	0.17 221	0.15 116	0.32 289	0.21 164	0.19 226	0.21 175	0.22 236	0.18 256	0.20 263	0.15 210	0.13 334	0.09 294	0.09 229	0.09 253	0.11 291	0.10 272

DRN-Test	0.19 281	0.11 260	0.20 283	0.22 308	0.10 218	0.22 290	0.22 304	0.39 351	0.37 306	0.24 285	0.32 286	0.26 272	0.21 284	0.22 290	0.24 313	0.11 290	0.07 249	0.11 297	0.10 285	0.09 249	0.07 160

StereoDRNet	0.18 271	0.11 260	0.17 248	0.22 308	0.11 256	0.21 282	0.22 304	0.37 340	0.33 276	0.24 285	0.28 259	0.30 301	0.19 271	0.20 263	0.20 265	0.09 237	0.08 271	0.11 297	0.09 253	0.09 249	0.07 160

XPNet_ROB	0.22 308	0.11 260	0.19 274	0.22 308	0.13 303	0.22 290	0.19 264	0.34 316	0.40 320	0.30 329	0.39 329	0.39 351	0.26 316	0.26 316	0.28 347	0.15 348	0.10 312	0.10 270	0.10 285	0.13 322	0.12 306

WCMA_ROB	0.24 331	0.11 260	0.22 293	0.17 116	0.14 320	0.32 348	0.15 116	0.32 289	0.32 270	0.38 355	0.53 367	0.40 354	0.34 357	0.34 352	0.25 322	0.11 290	0.12 331	0.12 312	0.10 285	0.14 334	0.14 337

PSMNet_ROB	0.21 299	0.11 260	0.15 193	0.27 359	0.15 331	0.24 308	0.35 382	0.43 368	0.37 306	0.27 309	0.32 286	0.32 320	0.22 293	0.21 279	0.26 332	0.12 314	0.08 271	0.13 326	0.11 308	0.09 249	0.09 253

StereoVision	0.13 159	0.12 274	0.09 29	0.24 332	0.10 218	0.15 178	0.21 295	0.21 142	0.20 151	0.12 85	0.24 198	0.10 60	0.10 90	0.16 200	0.10 51	0.09 237	0.11 322	0.12 312	0.12 326	0.06 102	0.05 52

CASS	0.13 159	0.12 274	0.11 71	0.23 327	0.09 133	0.15 178	0.17 193	0.18 98	0.19 130	0.17 187	0.18 144	0.15 153	0.15 208	0.14 150	0.14 187	0.09 237	0.06 191	0.10 270	0.08 214	0.09 249	0.07 160
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test_5	0.14 188	0.12 274	0.08 11	0.20 270	0.10 218	0.14 156	0.29 364	0.21 142	0.24 194	0.18 213	0.28 259	0.11 76	0.15 208	0.12 102	0.13 159	0.06 56	0.05 108	0.07 100	0.08 214	0.08 201	0.07 160

SACVNet	0.18 271	0.12 274	0.14 156	0.17 116	0.13 303	0.22 290	0.18 233	0.31 280	0.30 258	0.23 277	0.31 282	0.30 301	0.22 293	0.22 290	0.17 236	0.11 290	0.08 271	0.10 270	0.10 285	0.12 305	0.14 337

PSMNet-ADL	0.15 221	0.12 274	0.13 130	0.22 308	0.09 133	0.13 131	0.20 279	0.26 218	0.23 184	0.18 213	0.20 161	0.24 254	0.16 228	0.18 233	0.17 236	0.08 192	0.08 271	0.08 165	0.11 308	0.08 201	0.07 160

GEStereo_RVC	0.17 259	0.12 274	0.15 193	0.22 308	0.11 256	0.19 256	0.17 193	0.32 289	0.48 348	0.20 243	0.25 227	0.17 183	0.13 172	0.21 279	0.16 224	0.10 269	0.06 191	0.08 165	0.07 163	0.09 249	0.08 220

sAnonymous2	0.13 159	0.12 274	0.24 305	0.20 270	0.12 286	0.17 221	0.13 43	0.26 218	0.21 164	0.11 61	0.11 55	0.13 114	0.08 51	0.10 18	0.10 51	0.09 237	0.05 108	0.08 165	0.06 88	0.15 345	0.10 272

CroCo_RVC	0.13 159	0.12 274	0.24 305	0.20 270	0.12 286	0.17 221	0.13 43	0.26 218	0.21 164	0.11 61	0.11 55	0.13 114	0.08 51	0.10 18	0.10 51	0.09 237	0.05 108	0.08 165	0.06 88	0.15 345	0.10 272

APVNet	0.22 308	0.12 274	0.19 274	0.18 183	0.14 320	0.32 348	0.31 378	0.39 351	0.32 270	0.27 309	0.40 334	0.30 301	0.29 340	0.26 316	0.25 322	0.11 290	0.12 331	0.11 297	0.14 339	0.12 305	0.12 306

FAT-Stereo	0.20 290	0.12 274	0.22 293	0.21 294	0.12 286	0.17 221	0.18 233	0.34 316	0.39 314	0.27 309	0.37 316	0.34 329	0.32 352	0.21 279	0.20 265	0.09 237	0.11 322	0.10 270	0.09 253	0.11 291	0.14 337

S-Stereo	0.20 290	0.12 274	0.25 311	0.21 294	0.13 303	0.20 268	0.18 233	0.32 289	0.43 334	0.23 277	0.36 310	0.28 286	0.30 344	0.19 244	0.22 293	0.09 237	0.12 331	0.10 270	0.10 285	0.13 322	0.13 320

STTStereo	0.18 271	0.12 274	0.27 318	0.20 270	0.11 256	0.16 202	0.21 295	0.29 260	0.23 184	0.21 251	0.30 274	0.29 293	0.18 256	0.20 263	0.19 259	0.12 314	0.11 322	0.11 297	0.14 339	0.09 249	0.08 220

RTSC	0.23 323	0.12 274	0.28 323	0.21 294	0.13 303	0.28 339	0.16 172	0.35 329	0.66 383	0.27 309	0.33 299	0.30 301	0.21 284	0.31 341	0.29 350	0.10 269	0.08 271	0.09 229	0.10 285	0.13 322	0.13 320

ADCRef	0.19 281	0.12 274	0.41 358	0.20 270	0.12 286	0.22 290	0.18 233	0.32 289	0.36 300	0.26 303	0.32 286	0.17 183	0.23 299	0.24 309	0.24 313	0.07 143	0.06 191	0.09 229	0.09 253	0.08 201	0.08 220

RYNet	0.22 308	0.12 274	0.22 293	0.19 229	0.17 354	0.46 374	0.26 343	0.38 347	0.48 348	0.24 285	0.28 259	0.34 329	0.23 299	0.20 263	0.30 354	0.10 269	0.06 191	0.09 229	0.09 253	0.13 322	0.15 345

GANet	0.21 299	0.12 274	0.21 288	0.24 332	0.13 303	0.22 290	0.22 304	0.41 360	0.26 226	0.31 335	0.42 350	0.37 339	0.28 332	0.23 301	0.22 293	0.10 269	0.12 331	0.10 270	0.09 253	0.10 276	0.08 220

TDLM	0.17 259	0.12 274	0.13 130	0.24 332	0.10 218	0.18 236	0.18 233	0.36 335	0.30 258	0.21 251	0.28 259	0.28 286	0.18 256	0.23 301	0.18 250	0.11 290	0.07 249	0.10 270	0.10 285	0.08 201	0.08 220

SGM-ForestM	0.32 364	0.12 274	0.16 223	0.16 69	0.11 256	0.39 371	0.19 264	0.41 360	0.50 355	0.52 378	0.54 369	1.32 408	0.42 376	0.40 375	0.27 339	0.14 345	0.16 360	0.16 350	0.16 352	0.12 305	0.12 306

StereoDRNet-Refined	0.17 259	0.12 274	0.15 193	0.20 270	0.09 133	0.18 236	0.18 233	0.26 218	0.23 184	0.26 303	0.40 334	0.22 236	0.17 247	0.21 279	0.20 265	0.08 192	0.05 108	0.09 229	0.10 285	0.07 158	0.07 160
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NOSS_ROB	0.19 281	0.12 274	0.18 265	0.16 69	0.12 286	0.15 178	0.12 21	0.30 274	0.32 270	0.20 243	0.22 184	0.27 279	0.23 299	0.21 279	0.16 224	0.16 359	0.18 367	0.23 371	0.21 367	0.12 305	0.13 320

SGM_RVC	0.23 323	0.12 274	0.15 193	0.15 38	0.09 133	0.33 354	0.18 233	0.34 316	0.31 264	0.44 372	0.37 316	0.53 378	0.35 359	0.35 358	0.24 313	0.13 334	0.13 344	0.13 326	0.13 335	0.10 276	0.11 295
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 239	0.13 295	0.24 305	0.20 270	0.10 218	0.17 221	0.13 43	0.29 260	0.25 213	0.23 277	0.32 286	0.25 264	0.11 111	0.19 244	0.14 187	0.09 237	0.06 191	0.11 297	0.06 88	0.12 305	0.08 220

HBP-ISP	0.18 271	0.13 295	0.16 223	0.15 38	0.11 256	0.08 23	0.13 43	0.28 250	0.29 251	0.22 264	0.33 299	0.21 219	0.25 313	0.23 301	0.17 236	0.14 345	0.16 360	0.21 366	0.17 359	0.10 276	0.08 220

Wz-Net-MNSev	0.22 308	0.13 295	0.31 334	0.20 270	0.14 320	0.36 367	0.24 323	0.33 306	0.44 338	0.28 320	0.40 334	0.38 343	0.19 271	0.24 309	0.25 322	0.09 237	0.07 249	0.09 229	0.09 253	0.12 305	0.10 272

UDGNet	0.14 188	0.13 295	0.16 223	0.17 116	0.10 218	0.12 106	0.16 172	0.21 142	0.27 233	0.20 243	0.20 161	0.16 164	0.13 172	0.16 200	0.13 159	0.10 269	0.06 191	0.09 229	0.07 163	0.06 102	0.07 160

Anonymous3	0.16 239	0.13 295	0.33 339	0.26 348	0.14 320	0.27 333	0.17 193	0.28 250	0.28 244	0.15 150	0.17 122	0.14 129	0.10 90	0.15 168	0.12 129	0.08 192	0.08 271	0.08 165	0.08 214	0.08 201	0.11 295

GwcNet	0.20 290	0.13 295	0.19 274	0.18 183	0.12 286	0.24 308	0.19 264	0.35 329	0.43 334	0.20 243	0.32 286	0.33 323	0.20 280	0.22 290	0.24 313	0.11 290	0.09 294	0.09 229	0.09 253	0.09 249	0.10 272

RP	0.21 299	0.13 295	0.21 288	0.23 327	0.11 256	0.21 282	0.20 279	0.25 206	0.44 338	0.21 251	0.38 321	0.36 335	0.24 305	0.27 319	0.25 322	0.11 290	0.12 331	0.13 326	0.12 326	0.12 305	0.14 337

edge stereo	0.22 308	0.13 295	0.20 283	0.21 294	0.13 303	0.23 303	0.16 172	0.32 289	0.42 329	0.32 341	0.40 334	0.38 343	0.35 359	0.25 314	0.24 313	0.13 334	0.11 322	0.14 336	0.11 308	0.12 305	0.13 320

CBMV_ROB	0.19 281	0.13 295	0.17 248	0.16 69	0.11 256	0.15 178	0.13 43	0.26 218	0.28 244	0.27 309	0.30 274	0.27 279	0.24 305	0.23 301	0.16 224	0.15 348	0.17 365	0.22 370	0.20 365	0.10 276	0.11 295

DN-CSS_ROB	0.13 159	0.13 295	0.16 223	0.18 183	0.10 218	0.16 202	0.08 2	0.22 158	0.18 118	0.17 187	0.22 184	0.13 114	0.13 172	0.12 102	0.13 159	0.05 2	0.05 108	0.10 270	0.10 285	0.08 201	0.06 100

PWCDC_ROB	0.20 290	0.13 295	0.22 293	0.24 332	0.11 256	0.19 256	0.15 116	0.33 306	0.54 364	0.29 326	0.50 365	0.21 219	0.15 208	0.27 319	0.20 265	0.11 290	0.09 294	0.10 270	0.08 214	0.11 291	0.09 253

MeshStereo	0.27 349	0.13 295	0.18 265	0.15 38	0.11 256	0.32 348	0.24 323	0.40 355	0.36 300	0.52 378	0.57 376	0.67 389	0.40 369	0.35 358	0.26 332	0.14 345	0.13 344	0.13 326	0.11 308	0.11 291	0.10 272
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
TestStereo	0.13 159	0.14 307	0.11 71	0.23 327	0.08 48	0.15 178	0.21 295	0.20 125	0.23 184	0.14 126	0.24 198	0.16 164	0.12 140	0.16 200	0.14 187	0.05 2	0.06 191	0.08 165	0.06 88	0.09 249	0.05 52

GMStereo	0.13 159	0.14 307	0.14 156	0.18 183	0.09 133	0.15 178	0.16 172	0.20 125	0.24 194	0.16 175	0.17 122	0.10 60	0.10 90	0.16 200	0.13 159	0.07 143	0.06 191	0.06 32	0.06 88	0.07 158	0.06 100
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FADNet_RVC	0.16 239	0.14 307	0.40 356	0.20 270	0.11 256	0.13 131	0.13 43	0.26 218	0.22 175	0.21 251	0.23 190	0.20 212	0.17 247	0.14 150	0.16 224	0.08 192	0.08 271	0.12 312	0.09 253	0.11 291	0.10 272

SANet	0.24 331	0.14 307	0.28 323	0.21 294	0.11 256	0.27 333	0.24 323	0.38 347	0.64 380	0.36 349	0.40 334	0.43 361	0.26 316	0.27 319	0.24 313	0.12 314	0.09 294	0.10 270	0.09 253	0.13 322	0.11 295

SGM-Forest	0.20 290	0.14 307	0.18 265	0.19 229	0.13 303	0.20 268	0.22 304	0.33 306	0.30 258	0.24 285	0.29 270	0.28 286	0.19 271	0.23 301	0.17 236	0.15 348	0.16 360	0.15 344	0.14 339	0.12 305	0.12 306
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.19 281	0.14 307	0.17 248	0.18 183	0.10 218	0.20 268	0.11 11	0.29 260	0.30 258	0.29 326	0.30 274	0.30 301	0.23 299	0.27 319	0.19 259	0.13 334	0.15 357	0.17 353	0.16 352	0.10 276	0.10 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
psmorigin	0.25 340	0.15 313	0.34 347	0.17 116	0.13 303	0.23 303	0.14 70	0.34 316	0.33 276	0.41 364	0.55 370	0.41 356	0.37 363	0.34 352	0.27 339	0.11 290	0.15 357	0.11 297	0.11 308	0.12 305	0.16 356

NCC-stereo	0.24 331	0.15 313	0.31 334	0.26 348	0.16 341	0.20 268	0.30 372	0.40 355	0.40 320	0.24 285	0.38 321	0.33 323	0.28 332	0.36 363	0.27 339	0.12 314	0.11 322	0.15 344	0.22 370	0.13 322	0.13 320

Abc-Net	0.24 331	0.15 313	0.31 334	0.26 348	0.16 341	0.20 268	0.30 372	0.40 355	0.40 320	0.24 285	0.38 321	0.33 323	0.28 332	0.36 363	0.27 339	0.12 314	0.11 322	0.15 344	0.22 370	0.13 322	0.13 320
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 347	0.15 313	0.30 332	0.24 332	0.18 361	0.22 290	0.15 116	0.38 347	0.71 387	0.32 341	0.41 344	0.36 335	0.28 332	0.32 347	0.29 350	0.12 314	0.11 322	0.14 336	0.13 335	0.16 352	0.20 371

ADCMid	0.25 340	0.15 313	0.40 356	0.20 270	0.14 320	0.25 318	0.26 343	0.34 316	0.38 311	0.36 349	0.44 355	0.34 329	0.40 369	0.35 358	0.33 365	0.10 269	0.09 294	0.11 297	0.11 308	0.13 322	0.12 306

DANet	0.21 299	0.15 313	0.28 323	0.25 343	0.13 303	0.22 290	0.19 264	0.27 236	0.27 233	0.28 320	0.32 286	0.35 333	0.31 348	0.31 341	0.23 303	0.11 290	0.09 294	0.11 297	0.10 285	0.13 322	0.11 295
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.23 323	0.15 313	0.17 248	0.34 377	0.18 361	0.24 308	0.23 314	0.34 316	0.28 244	0.31 335	0.38 321	0.38 343	0.28 332	0.23 301	0.24 313	0.15 348	0.12 331	0.18 361	0.21 367	0.13 322	0.13 320

Wz-Net-LNSev	0.22 308	0.16 320	0.38 352	0.21 294	0.13 303	0.25 318	0.23 314	0.32 289	0.43 334	0.30 329	0.41 344	0.31 311	0.18 256	0.22 290	0.25 322	0.10 269	0.09 294	0.08 165	0.08 214	0.12 305	0.11 295

dd	0.15 221	0.16 320	0.16 223	0.19 229	0.09 133	0.15 178	0.18 233	0.21 142	0.25 213	0.23 277	0.20 161	0.21 219	0.09 69	0.21 279	0.16 224	0.10 269	0.06 191	0.08 165	0.06 88	0.08 201	0.06 100

Syn2CoEx	0.21 299	0.16 320	0.27 318	0.29 369	0.14 320	0.26 326	0.20 279	0.33 306	0.31 264	0.28 320	0.36 310	0.27 279	0.25 313	0.19 244	0.24 313	0.16 359	0.12 331	0.14 336	0.11 308	0.09 249	0.08 220

G-Net	0.24 331	0.16 320	0.36 348	0.22 308	0.16 341	0.51 380	0.23 314	0.29 260	0.34 287	0.36 349	0.38 321	0.31 311	0.29 340	0.27 319	0.26 332	0.11 290	0.09 294	0.12 312	0.09 253	0.16 352	0.13 320

Nwc_Net	0.23 323	0.16 320	0.21 288	0.25 343	0.14 320	0.24 308	0.26 343	0.37 340	0.38 311	0.22 264	0.41 344	0.30 301	0.28 332	0.28 330	0.25 322	0.11 290	0.10 312	0.17 353	0.20 365	0.10 276	0.10 272

AnyNet_C32	0.26 347	0.16 320	0.36 348	0.20 270	0.16 341	0.25 318	0.30 372	0.32 289	0.44 338	0.31 335	0.49 361	0.30 301	0.33 353	0.40 375	0.33 365	0.12 314	0.12 331	0.12 312	0.14 339	0.14 334	0.15 345

ADCPNet	0.25 340	0.16 320	0.61 379	0.21 294	0.15 331	0.35 365	0.25 337	0.32 289	0.35 295	0.30 329	0.40 334	0.36 335	0.28 332	0.28 330	0.32 362	0.12 314	0.10 312	0.11 297	0.12 326	0.14 334	0.13 320

DPSNet	0.28 352	0.16 320	0.31 334	0.18 183	0.13 303	0.54 382	0.42 391	0.51 382	0.67 384	0.29 326	0.38 321	0.38 343	0.29 340	0.31 341	0.23 303	0.11 290	0.10 312	0.11 297	0.08 214	0.20 367	0.16 356

PDISCO_ROB	0.27 349	0.16 320	0.26 312	0.28 362	0.20 366	0.32 348	0.26 343	0.44 370	0.57 369	0.28 320	0.40 334	0.45 365	0.29 340	0.33 349	0.34 367	0.12 314	0.09 294	0.17 353	0.16 352	0.17 359	0.13 320

LALA_ROB	0.25 340	0.16 320	0.22 293	0.26 348	0.17 354	0.27 333	0.27 350	0.42 365	0.37 306	0.33 345	0.38 321	0.51 375	0.26 316	0.28 330	0.27 339	0.16 359	0.09 294	0.12 312	0.11 308	0.13 322	0.12 306

PWC_ROB	0.21 299	0.16 320	0.26 312	0.18 183	0.11 256	0.22 290	0.13 43	0.32 289	0.49 353	0.30 329	0.40 334	0.32 320	0.24 305	0.31 341	0.22 293	0.10 269	0.07 249	0.11 297	0.08 214	0.11 291	0.10 272

Anonymous_2	0.22 308	0.17 331	0.28 323	0.15 38	0.16 341	0.32 348	0.22 304	0.22 158	0.17 101	0.23 277	0.24 198	0.26 272	0.27 324	0.27 319	0.23 303	0.22 377	0.25 385	0.17 353	0.17 359	0.17 359	0.17 363

Wz-Net-SNSev	0.25 340	0.17 331	0.44 360	0.25 343	0.14 320	0.26 326	0.23 314	0.38 347	0.56 367	0.30 329	0.55 370	0.39 351	0.26 316	0.23 301	0.30 354	0.10 269	0.09 294	0.09 229	0.10 285	0.11 291	0.11 295

WZ-Net	0.28 352	0.17 331	0.78 396	0.22 308	0.16 341	0.34 357	0.29 364	0.39 351	0.57 369	0.24 285	0.55 370	0.37 339	0.24 305	0.33 349	0.35 368	0.09 237	0.08 271	0.09 229	0.10 285	0.14 334	0.16 356

DDUNet	0.22 308	0.17 331	0.21 288	0.22 308	0.15 331	0.25 318	0.24 323	0.29 260	0.30 258	0.31 335	0.36 310	0.33 323	0.25 313	0.24 309	0.20 265	0.18 365	0.13 344	0.17 353	0.11 308	0.16 352	0.16 356

UDG	0.21 299	0.17 331	0.19 274	0.23 327	0.15 331	0.30 345	0.20 279	0.33 306	0.35 295	0.23 277	0.28 259	0.31 311	0.27 324	0.20 263	0.22 293	0.15 348	0.12 331	0.13 326	0.09 253	0.14 334	0.14 337

aanetorigin	0.22 308	0.17 331	0.56 375	0.17 116	0.10 218	0.15 178	0.19 264	0.20 125	0.33 276	0.49 376	0.48 360	0.29 293	0.27 324	0.20 263	0.23 303	0.08 192	0.07 249	0.08 165	0.07 163	0.10 276	0.09 253

AF-Net	0.22 308	0.17 331	0.17 248	0.26 348	0.13 303	0.25 318	0.24 323	0.32 289	0.50 355	0.25 298	0.33 299	0.38 343	0.26 316	0.28 330	0.25 322	0.11 290	0.10 312	0.16 350	0.11 308	0.11 291	0.10 272

DeepPrunerF	0.24 331	0.17 331	0.42 359	0.26 348	0.16 341	0.22 290	0.28 355	0.37 340	0.50 355	0.26 303	0.29 270	0.24 254	0.28 332	0.21 279	0.22 293	0.15 348	0.11 322	0.20 365	0.18 363	0.12 305	0.13 320

FBW_ROB	0.24 331	0.17 331	0.22 293	0.26 348	0.14 320	0.25 318	0.22 304	0.41 360	0.41 323	0.41 364	0.41 344	0.42 357	0.27 324	0.31 341	0.23 303	0.09 237	0.14 351	0.14 336	0.12 326	0.11 291	0.09 253

ETE_ROB	0.23 323	0.17 331	0.22 293	0.25 343	0.13 303	0.26 326	0.29 364	0.31 280	0.36 300	0.28 320	0.36 310	0.45 365	0.26 316	0.27 319	0.26 332	0.11 290	0.08 271	0.12 312	0.09 253	0.14 334	0.13 320

FINET	0.21 299	0.18 341	0.26 312	0.18 183	0.16 341	0.23 303	0.23 314	0.32 289	0.48 348	0.25 298	0.32 286	0.22 236	0.22 293	0.22 290	0.17 236	0.18 365	0.16 360	0.11 297	0.10 285	0.15 345	0.13 320

ADCS	0.29 356	0.18 341	0.45 361	0.21 294	0.17 354	0.28 339	0.23 314	0.41 360	0.63 379	0.40 360	0.49 361	0.40 354	0.36 361	0.39 371	0.40 379	0.13 334	0.12 331	0.13 326	0.14 339	0.16 352	0.16 356

PA-Net	0.23 323	0.18 341	0.33 339	0.28 362	0.22 370	0.21 282	0.38 387	0.29 260	0.39 314	0.22 264	0.32 286	0.25 264	0.26 316	0.20 263	0.25 322	0.09 237	0.23 383	0.15 344	0.22 370	0.09 249	0.13 320
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DGSMNet	0.24 331	0.19 344	0.33 339	0.21 294	0.24 373	0.24 308	0.20 279	0.35 329	0.41 323	0.24 285	0.32 286	0.38 343	0.21 284	0.29 337	0.23 303	0.12 314	0.11 322	0.14 336	0.16 352	0.23 371	0.23 377

RTS	0.45 381	0.19 344	3.26 416	0.24 332	0.15 331	0.74 397	0.20 279	0.36 335	0.76 393	0.42 367	0.43 353	0.31 311	0.41 373	0.53 387	0.35 368	0.10 269	0.08 271	0.13 326	0.12 326	0.15 345	0.15 345

RTSA	0.45 381	0.19 344	3.26 416	0.24 332	0.15 331	0.74 397	0.20 279	0.36 335	0.76 393	0.42 367	0.43 353	0.31 311	0.41 373	0.53 387	0.35 368	0.10 269	0.08 271	0.13 326	0.12 326	0.15 345	0.15 345

Anonymous Stereo	0.23 323	0.19 344	0.50 367	0.24 332	0.17 354	0.21 282	0.21 295	0.33 306	0.44 338	0.25 298	0.34 303	0.26 272	0.18 256	0.31 341	0.27 339	0.13 334	0.12 331	0.12 312	0.13 335	0.11 291	0.14 337

NaN_ROB	0.22 308	0.19 344	0.24 305	0.25 343	0.13 303	0.29 342	0.26 343	0.33 306	0.41 323	0.31 335	0.31 282	0.32 320	0.23 299	0.30 340	0.21 284	0.11 290	0.17 365	0.10 270	0.10 285	0.08 201	0.09 253

Wz-Net-TNSev	0.29 356	0.20 349	0.65 382	0.19 229	0.15 331	0.38 370	0.27 350	0.35 329	0.55 365	0.34 346	0.42 350	0.45 365	0.38 364	0.32 347	0.30 354	0.12 314	0.13 344	0.10 270	0.12 326	0.15 345	0.14 337

dad	0.17 259	0.20 349	0.20 283	0.16 69	0.11 256	0.20 268	0.18 233	0.21 142	0.28 244	0.30 329	0.24 198	0.29 293	0.13 172	0.19 244	0.16 224	0.18 365	0.09 294	0.11 297	0.09 253	0.11 291	0.07 160

FADNet-RVC	0.20 290	0.20 349	0.38 352	0.21 294	0.16 341	0.20 268	0.15 116	0.26 218	0.26 226	0.26 303	0.32 286	0.26 272	0.21 284	0.22 290	0.19 259	0.12 314	0.13 344	0.12 312	0.14 339	0.13 322	0.18 365

RGC	0.25 340	0.20 349	0.29 329	0.28 362	0.16 341	0.22 290	0.23 314	0.32 289	0.44 338	0.27 309	0.40 334	0.38 343	0.27 324	0.36 363	0.22 293	0.11 290	0.13 344	0.17 353	0.17 359	0.14 334	0.16 356

PVD	0.39 371	0.20 349	0.39 354	0.31 375	0.22 370	0.29 342	0.43 393	0.52 383	0.96 400	0.55 381	0.79 394	0.53 378	0.59 391	0.52 385	0.38 375	0.19 369	0.14 351	0.17 353	0.14 339	0.24 378	0.31 389

LSM	0.33 367	0.20 349	0.58 377	0.26 348	0.60 403	0.34 357	0.25 337	0.42 365	0.48 348	0.45 373	0.58 378	0.42 357	0.36 361	0.35 358	0.25 322	0.12 314	0.20 373	0.14 336	0.16 352	0.19 366	0.33 391

MFN_U_SF_RVC	0.32 364	0.21 355	0.55 373	0.30 371	0.15 331	0.34 357	0.17 193	0.52 383	0.46 346	0.46 375	0.55 370	0.59 381	0.39 366	0.35 358	0.37 373	0.15 348	0.14 351	0.18 361	0.21 367	0.16 352	0.15 345

MaskLacGwcNet_RVC	0.22 308	0.21 355	0.24 305	0.26 348	0.11 256	0.23 303	0.14 70	0.39 351	0.24 194	0.32 341	0.36 310	0.30 301	0.21 284	0.19 244	0.21 284	0.17 363	0.14 351	0.21 366	0.16 352	0.12 305	0.12 306

PS-NSSS	0.20 290	0.21 355	0.23 302	0.20 270	0.10 218	0.19 256	0.17 193	0.36 335	0.25 213	0.27 309	0.33 299	0.27 279	0.24 305	0.20 263	0.20 265	0.15 348	0.12 331	0.17 353	0.14 339	0.10 276	0.08 220

DispFullNet	0.27 349	0.21 355	0.65 382	0.28 362	0.16 341	0.26 326	0.17 193	0.33 306	0.58 372	0.27 309	0.38 321	0.43 361	0.23 299	0.38 368	0.23 303	0.12 314	0.06 191	0.19 363	0.11 308	0.21 368	0.15 345

FADNet	0.21 299	0.22 359	0.36 348	0.18 183	0.17 354	0.24 308	0.13 43	0.31 280	0.31 264	0.23 277	0.25 227	0.27 279	0.21 284	0.19 244	0.15 210	0.13 334	0.15 357	0.12 312	0.15 350	0.16 352	0.18 365

SQANet	0.23 323	0.23 360	0.30 332	0.30 371	0.19 363	0.27 333	0.13 43	0.29 260	0.33 276	0.24 285	0.37 316	0.31 311	0.22 293	0.27 319	0.23 303	0.15 348	0.10 312	0.21 366	0.16 352	0.21 368	0.15 345

GASNet	0.22 308	0.23 360	0.33 339	0.26 348	0.17 354	0.26 326	0.16 172	0.44 370	0.42 329	0.27 309	0.24 198	0.30 301	0.15 208	0.27 319	0.18 250	0.12 314	0.08 271	0.12 312	0.11 308	0.16 352	0.07 160

XQC	0.28 352	0.23 360	0.51 368	0.28 362	0.19 363	0.34 357	0.27 350	0.36 335	0.57 369	0.31 335	0.30 274	0.37 339	0.30 344	0.38 368	0.38 375	0.13 334	0.09 294	0.15 344	0.12 326	0.17 359	0.18 365

HCRNet	0.16 239	0.24 363	0.12 91	0.35 379	0.11 256	0.15 178	0.17 193	0.26 218	0.22 175	0.19 226	0.24 198	0.21 219	0.14 195	0.15 168	0.13 159	0.11 290	0.07 249	0.11 297	0.10 285	0.09 249	0.07 160

EDNetEfficient	0.29 356	0.24 363	1.13 406	0.18 183	0.10 218	0.19 256	0.20 279	0.20 125	0.60 376	0.74 395	0.56 375	0.31 311	0.39 366	0.22 290	0.30 354	0.09 237	0.07 249	0.08 165	0.07 163	0.11 291	0.09 253

MFN_U_SF_DS_RVC	0.30 361	0.24 363	0.29 329	0.36 381	0.16 341	0.34 357	0.30 372	0.32 289	0.42 329	0.40 360	0.46 357	0.38 343	0.31 348	0.34 352	0.28 347	0.19 369	0.20 373	0.26 373	0.29 382	0.18 363	0.19 370

PASM	0.32 364	0.24 363	0.48 366	0.28 362	0.27 381	0.29 342	0.30 372	0.34 316	0.49 353	0.35 347	0.39 329	0.46 369	0.34 357	0.34 352	0.35 368	0.23 381	0.25 385	0.26 373	0.28 381	0.23 371	0.21 373

CSAN	0.29 356	0.24 363	0.27 318	0.34 377	0.19 363	0.33 354	0.42 391	0.37 340	0.50 355	0.38 355	0.40 334	0.44 363	0.33 353	0.28 330	0.30 354	0.20 371	0.16 360	0.19 363	0.19 364	0.14 334	0.15 345

AnyNet_C01	0.36 370	0.25 368	1.37 409	0.22 308	0.17 354	0.48 378	0.27 350	0.35 329	0.39 314	0.39 357	0.74 390	0.46 369	0.38 364	0.45 379	0.47 388	0.13 334	0.13 344	0.13 326	0.14 339	0.14 334	0.15 345

STTRV1_RVC	0.25 340	0.26 369	0.39 354	0.19 229	0.26 380	0.30 345	0.24 323	0.34 316	0.35 295	0.36 349	0.34 303	0.31 311	0.31 348	0.28 330	0.25 322	0.17 363	0.10 312	0.16 350	0.14 339	0.17 359	0.12 306

MSMD_ROB	0.31 362	0.26 369	0.26 312	0.24 332	0.21 368	0.34 357	0.25 337	0.34 316	0.39 314	0.40 360	0.69 384	0.45 365	0.40 369	0.34 352	0.27 339	0.20 371	0.19 370	0.26 373	0.25 376	0.23 371	0.22 375

BEATNet-Init1	0.52 387	0.27 371	0.62 380	0.30 371	0.21 368	0.76 401	0.29 364	0.54 386	0.65 382	0.86 400	0.95 401	2.07 418	0.62 394	0.56 391	0.42 383	0.18 365	0.18 367	0.23 371	0.22 370	0.22 370	0.21 373

MANE	0.45 381	0.27 371	0.27 318	0.27 359	0.24 373	0.47 376	0.31 378	0.55 387	0.59 373	0.72 391	1.13 410	1.15 402	0.61 392	0.52 385	0.37 373	0.21 374	0.20 373	0.27 376	0.31 386	0.25 379	0.24 378

FC-DCNN	0.33 367	0.27 371	0.28 323	0.26 348	0.23 372	0.37 368	0.28 355	0.40 355	0.43 334	0.45 373	0.55 370	0.51 375	0.40 369	0.37 367	0.30 354	0.21 374	0.20 373	0.27 376	0.26 377	0.25 379	0.24 378

ccnet	0.29 356	0.28 374	0.23 302	0.20 270	0.28 382	0.41 373	0.21 295	0.45 373	0.33 276	0.36 349	0.46 357	0.36 335	0.30 344	0.39 371	0.42 383	0.23 381	0.14 351	0.21 366	0.17 359	0.23 371	0.18 365

FCDSN-DC	0.33 367	0.28 374	0.28 323	0.30 371	0.24 373	0.39 371	0.28 355	0.42 365	0.42 329	0.43 370	0.53 367	0.51 375	0.41 373	0.36 363	0.30 354	0.21 374	0.20 373	0.27 376	0.26 377	0.25 379	0.24 378
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	0.40 374	0.28 374	0.33 339	0.55 394	0.39 388	0.82 404	1.23 418	0.47 376	0.51 362	0.36 349	0.35 307	0.55 380	0.39 366	0.38 368	0.39 377	0.15 348	0.20 373	0.15 344	0.14 339	0.23 371	0.20 371

ELAS_RVC	0.41 376	0.29 377	0.33 339	0.28 362	0.24 373	0.54 382	0.36 383	0.49 379	0.59 373	0.72 391	0.74 390	0.65 387	0.54 385	0.54 389	0.40 379	0.22 377	0.20 373	0.27 376	0.26 377	0.26 382	0.25 382
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 376	0.29 377	0.33 339	0.27 359	0.24 373	0.60 387	0.36 383	0.50 381	0.50 355	0.71 389	0.79 394	0.67 389	0.54 385	0.51 383	0.42 383	0.22 377	0.20 373	0.27 376	0.26 377	0.26 382	0.25 382
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	7.91 423	0.31 379	153.02 442	0.19 229	0.09 133	0.21 282	0.16 172	0.22 158	0.59 373	0.72 391	0.67 382	0.42 357	0.50 383	0.24 309	0.39 377	0.08 192	0.07 249	0.08 165	0.07 163	0.12 305	0.10 272

CC-Net-ROB	0.28 352	0.31 379	0.36 348	0.29 369	0.15 331	0.25 318	0.19 264	0.45 373	0.33 276	0.39 357	0.37 316	0.39 351	0.31 348	0.27 319	0.26 332	0.24 383	0.19 370	0.30 384	0.23 374	0.18 363	0.15 345

FADE	0.45 381	0.33 381	1.03 405	0.33 376	0.25 379	0.35 365	0.29 364	0.64 394	1.07 401	0.43 370	0.41 344	0.42 357	0.53 384	0.70 397	0.51 394	0.30 386	0.21 382	0.41 390	0.38 390	0.23 371	0.22 375

coex-ft	3.30 417	0.34 382	59.09 441	0.18 183	0.13 303	0.26 326	0.22 304	0.27 236	0.72 388	1.90 418	0.70 386	0.44 363	0.45 379	0.29 337	0.41 382	0.09 237	0.09 294	0.12 312	0.09 253	0.14 334	0.13 320

GANetREF_RVC	0.31 362	0.34 382	0.27 318	0.35 379	0.16 341	0.32 348	0.41 388	0.48 377	0.51 362	0.35 347	0.35 307	0.34 329	0.33 353	0.39 371	0.32 362	0.27 385	0.20 373	0.29 382	0.15 350	0.18 363	0.17 363
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
NVStereoNet_ROB	0.46 385	0.36 384	0.46 364	0.41 385	0.28 382	0.34 357	0.34 381	0.48 377	0.60 376	0.72 391	0.93 399	0.70 392	0.66 395	0.47 380	0.60 398	0.22 377	0.33 390	0.34 386	0.34 389	0.30 385	0.30 388
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 371	0.37 385	0.52 369	0.44 387	0.28 382	0.58 384	0.24 323	0.41 360	0.62 378	0.40 360	0.49 361	0.46 369	0.33 353	0.40 375	0.32 362	0.30 386	0.30 389	0.39 388	0.33 387	0.29 384	0.28 385

MSC_U_SF_DS_RVC	0.43 378	0.39 386	0.54 371	0.40 383	0.20 366	0.64 389	0.32 380	0.53 385	0.72 388	0.71 389	0.72 387	0.61 383	0.54 385	0.51 383	0.46 387	0.20 371	0.19 370	0.29 382	0.30 384	0.23 371	0.18 365

Ntro	0.40 374	0.40 387	0.53 370	0.46 391	0.30 386	0.65 390	0.24 323	0.46 375	0.68 385	0.41 364	0.49 361	0.48 373	0.42 376	0.39 371	0.31 361	0.32 388	0.28 387	0.37 387	0.30 384	0.32 389	0.29 386

Consistency-Raft	0.44 379	0.40 387	0.45 361	0.37 382	0.43 391	0.46 374	0.41 388	0.57 390	0.55 365	0.32 341	0.73 388	0.33 323	0.48 381	0.42 378	0.49 390	0.39 391	0.35 391	0.45 391	0.51 399	0.42 391	0.29 386

JetBlue	0.71 396	0.45 389	1.14 407	0.51 392	0.47 393	2.02 418	0.64 405	0.75 397	0.70 386	0.69 388	0.77 393	1.22 404	0.83 402	1.03 414	1.01 414	0.40 392	0.28 387	0.33 385	0.33 387	0.30 385	0.34 392

ACVNet_1	0.44 379	0.49 390	0.60 378	0.45 388	0.28 382	0.49 379	0.27 350	0.57 390	0.72 388	0.62 384	0.58 378	0.74 393	0.49 382	0.50 382	0.35 368	0.26 384	0.24 384	0.39 388	0.29 382	0.31 388	0.24 378

ACVNet-4b	0.39 371	0.53 391	0.55 373	0.45 388	0.24 373	0.47 376	0.18 233	0.49 379	0.64 380	0.42 367	0.45 356	0.60 382	0.27 324	0.34 352	0.24 313	0.33 389	0.14 351	0.48 392	0.42 392	0.30 385	0.26 384

SGM+DAISY	0.56 390	0.57 392	0.65 382	0.40 383	0.54 396	0.66 392	0.49 395	0.56 388	0.45 345	0.66 385	0.69 384	0.67 389	0.56 389	0.63 394	0.56 396	0.59 403	0.48 399	0.50 393	0.50 398	0.52 394	0.58 401

anonymity	0.53 388	0.58 393	0.65 382	0.41 385	0.61 404	0.53 381	0.41 388	0.56 388	0.41 323	0.55 381	0.50 365	0.49 374	0.55 388	0.58 392	0.50 393	0.58 402	0.50 403	0.51 394	0.51 399	0.51 393	0.57 400

SPS-STEREO	0.57 391	0.58 393	0.65 382	0.45 388	0.55 398	0.62 388	0.44 394	0.62 393	0.50 355	0.68 387	0.64 380	0.66 388	0.57 390	0.61 393	0.60 398	0.62 405	0.47 398	0.51 394	0.49 396	0.55 398	0.58 401
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH-64-1	0.65 393	0.61 395	0.68 390	0.71 398	0.51 394	0.59 385	0.49 395	0.91 402	0.85 395	0.74 395	1.02 403	0.81 394	0.78 400	0.79 399	0.49 390	0.42 393	0.46 394	0.71 400	0.47 394	0.52 394	0.39 394

IMH-64	0.65 393	0.61 395	0.68 390	0.71 398	0.51 394	0.59 385	0.49 395	0.91 402	0.85 395	0.74 395	1.02 403	0.81 394	0.78 400	0.79 399	0.49 390	0.42 393	0.46 394	0.71 400	0.47 394	0.52 394	0.39 394

RainbowNet	0.54 389	0.61 395	0.70 394	0.57 395	0.43 391	0.65 390	0.37 386	0.60 392	0.87 397	0.50 377	0.66 381	0.64 385	0.47 380	0.49 381	0.43 386	0.47 397	0.48 399	0.52 396	0.41 391	0.52 394	0.40 396

IMH	0.71 396	0.64 398	0.68 390	0.76 400	0.54 396	0.69 393	0.54 399	0.98 408	1.10 403	0.82 399	1.09 406	0.89 396	0.88 405	0.87 407	0.52 395	0.44 396	0.50 403	0.75 403	0.51 399	0.56 399	0.41 397

ACVNet_2	0.66 395	0.66 399	0.68 390	0.63 396	0.41 389	0.71 395	0.49 395	0.96 406	1.39 410	0.89 401	1.09 406	1.04 398	0.73 398	0.54 389	0.47 388	0.43 395	0.40 393	0.53 397	0.44 393	0.47 392	0.35 393

MFMNet_re	0.64 392	0.66 399	0.65 382	0.51 392	0.69 408	0.69 393	0.57 401	0.64 394	0.73 391	0.60 383	0.73 388	0.62 384	0.67 396	0.65 395	0.60 398	0.66 406	0.58 412	0.63 398	0.59 402	0.68 404	0.69 410

MADNet+	0.75 399	0.71 401	3.70 419	0.66 397	0.41 389	0.98 409	0.97 416	0.69 396	0.73 391	0.52 378	0.57 376	0.64 385	0.68 397	0.86 406	1.01 414	0.34 390	0.36 392	0.28 381	0.23 374	0.36 390	0.31 389

TorneroNet-64	0.76 400	0.72 402	0.74 395	0.78 402	0.58 402	0.91 408	0.56 400	0.84 400	1.29 407	0.66 385	0.90 397	1.40 410	0.75 399	0.85 405	0.67 404	0.49 398	0.46 394	0.72 402	0.59 402	0.67 403	0.53 399

TorneroNet	0.82 403	0.74 403	0.81 400	0.84 405	0.63 405	0.99 410	0.63 403	0.96 406	1.16 404	0.80 398	1.11 408	1.36 409	0.86 404	0.93 410	0.80 409	0.56 400	0.49 401	0.78 407	0.66 406	0.73 409	0.63 409

WAO-7	0.79 401	0.78 404	0.54 371	0.85 406	0.67 407	0.74 397	0.68 409	1.05 411	1.32 408	0.90 402	1.20 413	1.04 398	0.92 406	0.69 396	0.66 401	0.60 404	0.62 413	0.67 399	0.68 407	0.64 400	0.58 401

WAO-6	0.81 402	0.80 405	0.62 380	0.86 407	0.63 405	0.76 401	0.58 402	0.98 408	1.54 415	0.90 402	0.96 402	1.07 400	1.03 410	0.70 397	0.66 401	0.72 407	0.49 401	0.90 410	0.71 408	0.68 404	0.58 401

WAO-8	0.91 406	0.81 406	0.65 382	0.94 410	0.69 408	0.90 405	0.67 407	1.07 413	1.83 418	1.06 409	1.45 416	1.30 405	1.07 411	0.84 403	0.78 407	0.74 409	0.53 406	0.86 408	0.75 409	0.69 406	0.62 407

Venus	0.91 406	0.81 406	0.65 382	0.94 410	0.69 408	0.90 405	0.67 407	1.07 413	1.83 418	1.06 409	1.45 416	1.30 405	1.07 411	0.84 403	0.78 407	0.74 409	0.53 406	0.86 408	0.75 409	0.69 406	0.62 407

LVE	0.83 404	0.85 408	0.85 401	0.80 403	0.56 399	1.04 414	0.65 406	1.05 411	1.47 413	0.96 404	1.22 414	1.10 401	0.85 403	0.83 402	0.71 406	0.49 398	0.55 409	0.76 405	0.60 404	0.65 401	0.59 406

Dean	0.87 405	0.86 409	0.79 398	0.81 404	0.56 399	0.90 405	0.63 403	1.15 416	1.73 416	1.15 411	1.15 411	1.31 407	0.99 409	0.81 401	0.81 410	0.57 401	0.56 410	0.77 406	0.64 405	0.66 402	0.58 401

SPstereo	13.84 432	0.93 410	1.50 412	1.22 416	0.88 415	28.82 435	48.26 435	26.77 442	29.54 441	22.37 440	22.60 439	23.23 440	24.68 440	24.53 440	15.06 432	0.88 414	0.69 415	1.83 421	1.60 421	0.74 410	0.77 414

UNDER WATER-64	0.95 408	0.94 411	1.43 411	0.87 408	0.56 399	1.18 417	0.87 413	0.77 398	0.94 399	1.04 407	0.85 396	1.58 415	1.21 416	0.94 411	0.96 412	0.87 413	0.57 411	1.03 413	0.88 414	0.78 411	0.73 411

PWCK	0.71 396	0.94 411	0.95 403	0.76 400	0.31 387	0.74 397	0.36 383	0.90 401	0.90 398	0.96 404	0.75 392	0.95 397	0.61 392	0.87 407	0.66 401	0.72 407	0.46 394	0.75 403	0.49 396	0.69 406	0.44 398

UNDER WATER	0.97 409	0.97 413	1.42 410	0.99 412	0.70 411	1.12 416	0.84 412	0.80 399	1.08 402	1.01 406	0.90 397	1.55 414	1.22 417	1.03 414	1.00 413	0.78 411	0.53 406	1.02 412	0.87 413	0.80 412	0.74 412

notaker	0.97 409	1.11 414	0.98 404	1.13 414	0.81 412	0.73 396	0.68 409	0.93 404	1.16 404	1.18 413	1.18 412	1.41 411	1.16 415	1.08 416	0.69 405	0.81 412	0.64 414	1.17 415	0.79 411	0.98 414	0.80 415

KSHMR	1.09 412	1.17 415	0.88 402	1.25 418	1.00 417	0.99 410	0.96 415	1.13 415	1.37 409	1.16 412	1.29 415	1.41 411	0.96 408	1.01 413	0.92 411	1.03 416	1.08 418	1.20 416	1.03 417	1.01 415	0.97 417

ktn	1.01 411	1.21 416	0.80 399	1.23 417	0.86 414	1.01 412	0.87 413	0.94 405	1.39 410	1.04 407	1.12 409	1.15 402	1.07 411	0.94 411	0.59 397	1.28 419	0.71 416	1.38 419	0.83 412	1.02 416	0.75 413

DPSimNet_ROB	1.11 413	1.23 417	0.78 396	1.13 414	0.88 415	1.10 415	1.13 417	1.16 417	1.23 406	1.43 415	1.02 403	1.41 411	1.10 414	0.90 409	1.60 416	1.46 420	0.51 405	1.21 417	1.03 417	0.90 413	1.01 419

HanzoNet	1.29 414	1.26 418	1.19 408	1.12 413	0.85 413	1.02 413	0.83 411	1.03 410	1.48 414	1.64 416	1.61 418	2.50 420	1.72 418	1.61 418	1.61 417	1.26 418	0.80 417	1.31 418	1.01 416	1.02 416	0.86 416

JetRed	1.62 415	1.46 419	2.98 415	0.92 409	1.21 418	4.99 420	1.53 420	1.27 418	1.39 410	1.83 417	1.74 419	1.60 416	0.95 407	1.41 417	2.45 420	0.90 415	1.60 420	0.93 411	0.90 415	1.35 418	0.99 418

MADNet++	1.95 416	1.75 420	1.59 413	1.82 420	1.69 420	2.33 419	1.40 419	2.35 420	2.09 420	2.57 420	2.36 420	2.24 419	2.17 419	2.28 419	2.34 419	1.87 421	1.66 421	1.54 420	1.34 420	1.92 420	1.77 422

DLNR_Zeroshot_test	10.40 427	1.82 421	19.49 437	120.77 442	13.11 432	0.06 2	0.13 43	0.23 175	0.10 8	0.07 2	0.10 39	0.09 39	0.06 6	0.10 18	0.09 19	0.13 334	0.04 2	0.06 32	0.04 8	51.54 441	0.04 7

ASD4	3.54 418	3.38 422	2.05 414	1.72 419	2.51 422	9.03 424	17.71 425	2.25 419	5.51 422	2.46 419	2.81 421	2.03 417	3.36 420	2.73 420	5.06 421	1.22 417	1.34 419	1.13 414	1.33 419	1.68 419	1.49 421

DPSMNet_ROB	8.06 424	4.48 423	8.63 428	5.37 427	10.74 429	8.32 422	22.98 430	5.46 422	13.36 429	5.12 422	9.92 425	5.08 422	10.40 427	5.53 424	12.58 427	3.80 426	8.00 427	3.50 423	7.02 426	3.83 425	7.14 428

DGTPSM_ROB	8.06 424	4.48 423	8.63 428	5.35 425	10.72 428	8.32 422	22.97 429	5.46 422	13.35 428	5.12 422	9.92 425	5.08 422	10.40 427	5.52 423	12.58 427	3.79 425	8.00 427	3.50 423	7.02 426	3.83 425	7.14 428

xxxxx1	7.79 420	5.02 425	7.31 422	3.12 422	3.85 423	16.35 428	22.88 426	5.86 425	8.69 424	7.97 424	8.54 422	9.12 426	8.27 424	10.18 426	10.92 424	2.42 422	2.45 423	3.56 425	12.37 429	3.77 422	3.06 424

tt_ll	7.79 420	5.02 425	7.31 422	3.12 422	3.85 423	16.35 428	22.88 426	5.86 425	8.69 424	7.97 424	8.54 422	9.12 426	8.27 424	10.18 426	10.92 424	2.42 422	2.45 423	3.56 425	12.37 429	3.77 422	3.06 424

ff	7.79 420	5.02 425	7.31 422	3.12 422	3.85 423	16.35 428	22.88 426	5.86 425	8.69 424	7.97 424	8.54 422	9.12 426	8.27 424	10.18 426	10.92 424	2.42 422	2.45 423	3.56 425	12.37 429	3.77 422	3.06 424

Anonymous_1	10.96 429	7.92 428	7.46 425	10.33 428	10.06 427	18.65 432	26.34 432	11.06 429	13.44 430	9.40 427	10.05 427	9.67 429	11.23 429	10.73 429	12.72 429	6.42 429	8.38 429	5.77 428	10.61 428	12.12 430	6.77 427

DPSM_ROB	11.15 430	8.58 429	8.00 426	10.88 429	11.58 430	19.10 433	26.71 433	12.05 430	14.07 431	10.36 428	10.84 428	10.33 430	11.86 430	11.70 430	13.54 430	6.99 430	8.79 430	5.89 429	6.95 424	7.29 427	7.42 430

DPSM	11.15 430	8.58 429	8.00 426	10.88 429	11.58 430	19.10 433	26.71 433	12.05 430	14.07 431	10.36 428	10.84 428	10.33 430	11.86 430	11.70 430	13.54 430	6.99 430	8.79 430	5.89 429	6.95 424	7.29 427	7.42 430

PML	8.91 426	9.34 431	6.13 420	5.35 425	6.41 426	14.99 427	23.38 431	5.27 421	6.83 423	18.04 432	28.19 441	7.67 424	6.83 423	7.85 425	5.75 422	5.35 427	1.83 422	5.95 431	1.93 422	8.64 429	2.52 423

LRCNet_RVC	10.62 428	13.42 432	7.30 421	18.92 432	2.07 421	0.33 354	0.30 372	5.59 424	0.48 348	13.03 430	17.94 431	8.87 425	5.65 422	4.79 422	1.89 418	23.51 439	2.73 426	27.55 440	25.71 440	16.07 437	16.33 438

LSM0	22.87 440	17.28 433	18.96 435	22.19 439	29.04 441	38.42 441	53.71 436	24.28 439	28.31 435	20.78 436	21.00 433	21.43 439	24.16 439	23.50 438	27.39 437	14.09 437	17.38 434	11.84 437	14.04 437	14.73 436	14.89 432

MyStereo03	22.45 436	17.33 434	16.21 432	21.95 434	23.27 435	38.32 436	53.79 437	24.21 436	28.46 437	20.87 437	21.85 436	20.80 434	23.87 434	23.46 435	27.40 438	14.08 433	17.71 437	11.82 432	14.03 434	14.65 431	14.89 432

MyStereo02	22.45 436	17.33 434	16.21 432	21.95 434	23.27 435	38.32 436	53.79 437	24.21 436	28.46 437	20.87 437	21.85 436	20.80 434	23.87 434	23.46 435	27.40 438	14.08 433	17.71 437	11.82 432	14.03 434	14.65 431	14.89 432

MyStereo	22.45 436	17.33 434	16.21 432	21.95 434	23.27 435	38.32 436	53.79 437	24.21 436	28.46 437	20.87 437	21.85 436	20.80 434	23.87 434	23.46 435	27.40 438	14.08 433	17.71 437	11.82 432	14.03 434	14.65 431	14.89 432

CasAABBNet	22.42 435	17.33 434	16.01 430	22.01 437	23.28 438	38.32 436	53.80 440	24.14 435	28.41 436	20.60 434	21.77 434	20.89 438	23.91 438	23.43 434	27.36 436	14.07 432	17.69 435	11.83 436	14.01 433	14.67 434	14.95 436

Selective-RAFT-Error	22.47 439	17.37 438	16.09 431	22.06 438	23.34 439	38.39 440	53.83 441	24.29 440	28.47 440	20.74 435	21.83 435	20.81 437	23.90 437	23.54 439	27.53 441	14.08 433	17.69 435	11.82 432	14.00 432	14.69 435	15.00 437

HaxPig	15.71 433	18.52 439	19.18 436	16.89 431	15.89 433	7.73 421	7.60 421	13.31 432	10.82 427	15.42 431	14.91 430	15.98 432	14.92 432	15.58 432	15.98 433	18.95 438	16.73 433	19.46 438	18.08 438	19.26 438	19.05 439

MEDIAN_ROB	20.38 434	24.04 440	23.31 438	21.23 433	21.71 434	10.40 426	7.92 422	17.64 433	15.50 433	20.12 433	19.70 432	20.34 433	20.32 433	21.19 433	21.13 434	23.81 440	21.81 440	24.98 439	23.76 439	24.71 439	23.93 440

AVERAGE_ROB	24.90 441	29.20 441	28.14 439	24.89 440	24.64 440	17.75 431	11.12 423	21.45 434	19.93 434	25.12 441	24.46 440	25.12 441	25.46 441	24.69 441	22.83 435	29.76 441	27.13 441	28.97 441	27.95 441	29.91 440	29.47 441

test_example2	98.32 442	94.13 442	45.89 440	96.35 441	109.85 442	88.61 442	95.45 442	25.75 441	94.37 442	130.00 442	126.06 442	58.17 442	74.63 442	88.51 442	79.96 442	150.23 442	221.02 442	77.62 442	99.10 442	113.75 442	96.94 442

Low-res two-view benchmark