Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ADCMid	0.08 38	0.02 12	0.02 13	1.01 255	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 77	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 39	0.02 12	0.04 32	0.90 236	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 201	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 60	0.02 12	0.02 13	1.62 337	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 59	0.04 50	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

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

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

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

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

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

BEATNet_4x	0.11 60	0.03 27	0.03 29	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 60	0.03 27	0.03 29	1.60 335	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCRef	0.12 68	0.03 27	0.04 32	1.71 338	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCPNet	0.10 45	0.03 27	0.04 32	1.27 324	0.03 39	0.04 52	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 76	0.04 50	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

GASNet	0.05 29	0.04 31	0.12 79	0.04 26	0.04 54	0.04 52	0.05 64	0.04 51	0.04 56	0.12 93	0.04 64	0.06 69	0.04 59	0.04 46	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC-Resample	0.12 68	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	1.57 370	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 68	0.04 31	0.04 32	0.05 32	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.65 374	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC	0.13 73	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.05 64	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.05 65	0.04 46	1.71 377	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

AnyNet_C32	0.14 80	0.04 31	0.03 29	2.22 351	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 73	0.04 50	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

ADCP+	0.15 90	0.04 31	0.04 32	2.20 350	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.04 59	0.08 76	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-TNSev	0.02 14	0.05 38	0.04 32	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 39	0.05 38	0.04 32	0.05 32	0.04 54	0.05 62	0.90 284	0.06 66	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficient	0.04 26	0.05 38	0.04 32	0.04 26	0.03 39	0.04 52	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

FADNet	0.12 68	0.05 38	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.66 375	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

EDNetEfficientorigin	0.04 26	0.06 42	0.04 32	0.05 32	0.04 54	0.05 62	0.04 55	0.05 61	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

FADE	0.07 36	0.06 42	0.02 13	0.09 41	0.10 88	0.03 36	0.03 39	0.05 61	0.03 44	0.04 54	0.03 40	0.05 63	0.03 42	0.04 46	0.03 37	0.15 97	0.10 59	0.17 111	0.13 118	0.11 90	0.11 95

GwcNet	0.12 68	0.07 44	0.05 45	0.08 37	0.05 69	0.08 75	1.20 309	0.07 75	0.05 69	0.05 65	0.05 72	0.08 76	0.05 65	0.08 76	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

AASNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 45	0.07 46	0.07 35	0.07 79	0.08 75	0.06 76	0.08 78	0.07 80	0.08 75	0.07 80	0.08 76	0.06 77	0.07 73	0.07 72	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

BEATNet-Init1	0.19 101	0.08 45	0.08 48	2.23 352	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 101	0.08 45	0.08 48	2.23 352	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

Wz-Net-SNSev	0.03 25	0.09 51	0.07 46	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 39	0.09 51	0.10 57	0.09 41	0.09 82	0.09 79	0.09 81	0.10 80	0.08 82	0.10 79	0.09 83	0.09 80	0.09 84	0.09 79	0.08 74	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

AnonymousM	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SuperB	0.21 110	0.10 53	2.51 383	0.12 60	0.09 82	0.10 80	0.09 81	0.08 78	0.07 80	0.10 79	0.09 83	0.09 80	0.07 81	0.07 73	0.07 72	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

PVD	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetBlue	0.11 60	0.11 64	0.12 79	0.13 70	0.14 119	0.11 91	0.11 98	0.11 91	0.11 100	0.11 91	0.11 99	0.11 92	0.11 99	0.12 95	0.12 104	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

aanetorigin	0.13 73	0.11 64	0.11 74	0.11 57	0.11 103	0.11 91	0.11 98	0.11 91	0.11 100	0.11 91	0.12 106	0.11 92	0.11 99	0.11 91	0.11 93	0.11 68	0.11 75	0.14 95	0.11 97	0.49 215	0.11 95

JetRed	0.11 60	0.12 66	0.11 74	0.11 57	0.11 103	0.11 91	0.14 114	0.11 91	0.11 100	0.12 93	0.11 99	0.11 92	0.11 99	0.11 91	0.11 93	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

LRCNet_RVC	0.13 73	0.13 67	0.09 53	0.13 70	0.10 88	0.14 95	0.10 86	0.14 95	0.10 86	0.23 129	0.10 87	0.20 116	0.10 88	0.24 138	0.11 93	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

GMStereo	0.14 80	0.13 67	0.14 98	0.14 74	0.14 119	0.14 95	0.14 114	0.14 95	0.14 119	0.14 95	0.14 121	0.14 96	0.14 118	0.14 97	0.14 113	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 111	0.13 67	0.19 124	0.23 110	0.10 88	0.26 144	1.02 296	0.14 95	0.10 86	0.28 144	0.14 121	0.17 109	0.19 138	0.28 153	0.09 77	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

DRN-Test	0.14 80	0.13 67	0.09 53	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.10 86	0.14 95	0.09 83	0.14 96	0.09 84	0.13 96	0.09 77	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 270

StereoDRNet	0.15 90	0.14 71	0.10 57	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.09 85	0.14 95	0.10 87	0.14 96	0.09 84	0.14 97	0.09 77	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 280

GMStereo_Zeroshot	0.16 96	0.16 72	0.16 113	0.16 89	0.16 133	0.16 106	0.16 120	0.16 107	0.16 129	0.16 105	0.16 129	0.16 106	0.16 127	0.16 106	0.16 126	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 116

HSM	0.14 80	0.16 72	0.12 79	0.17 95	0.12 115	0.17 109	0.11 98	0.17 109	0.11 100	0.17 108	0.12 106	0.17 109	0.12 112	0.17 109	0.12 104	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

ELAS_RVC	0.14 80	0.16 72	0.10 57	0.15 83	0.10 88	0.18 111	0.11 98	0.19 112	0.11 100	0.19 112	0.12 106	0.18 112	0.11 99	0.19 113	0.12 104	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 73	0.16 72	0.11 74	0.15 83	0.09 82	0.18 111	0.11 98	0.18 111	0.11 100	0.17 108	0.11 99	0.18 112	0.11 99	0.18 111	0.11 93	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 90	0.17 76	0.11 74	0.18 96	0.11 103	0.19 114	0.11 98	0.19 112	0.12 115	0.19 112	0.12 106	0.20 116	0.12 112	0.19 113	0.12 104	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 96	0.18 77	0.13 94	0.19 99	0.13 118	0.19 114	0.13 113	0.19 112	0.13 118	0.19 112	0.13 118	0.19 115	0.13 116	0.19 113	0.13 110	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

IGEV_Zeroshot_test	0.20 103	0.19 78	0.40 188	0.30 128	0.17 134	0.22 126	0.17 121	0.21 121	0.17 131	0.20 115	0.17 131	0.21 124	0.18 134	0.21 126	0.17 127	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

ACVNet	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 291	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 291	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

LALA_ROB	0.15 90	0.19 78	0.12 79	0.18 96	0.11 103	0.20 116	0.12 110	0.21 121	0.12 115	0.20 115	0.12 106	0.20 116	0.12 112	0.21 126	0.13 110	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

ProNet	0.14 80	0.20 82	0.14 98	0.16 89	0.11 103	0.16 106	0.11 98	0.17 109	0.11 100	0.17 108	0.12 106	0.17 109	0.13 116	0.17 109	0.12 104	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 107

DAS	0.20 103	0.20 82	0.20 126	0.20 100	0.20 143	0.20 116	0.20 130	0.20 116	0.20 138	0.20 115	0.20 142	0.20 116	0.20 141	0.20 116	0.20 137	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

IPLG	0.13 73	0.20 82	0.14 98	0.15 83	0.11 103	0.14 95	0.11 98	0.14 95	0.11 100	0.14 95	0.11 99	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR_C	0.14 80	0.20 82	0.12 79	0.15 83	0.11 103	0.14 95	0.15 117	0.14 95	0.11 100	0.15 101	0.12 106	0.14 96	0.11 99	0.16 106	0.11 93	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 107

ASD4	0.20 103	0.20 82	0.20 126	0.20 100	0.20 143	0.20 116	0.20 130	0.20 116	0.20 138	0.20 115	0.20 142	0.20 116	0.20 141	0.20 116	0.20 137	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

MSKI-zero shot	0.24 117	0.21 87	0.49 219	0.65 212	0.18 139	0.22 126	0.17 121	0.23 128	0.18 132	0.21 124	0.17 131	0.23 132	0.28 174	0.23 134	0.18 133	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

CIPLG	0.13 73	0.21 87	0.12 79	0.16 89	0.11 103	0.15 101	0.11 98	0.14 95	0.11 100	0.15 101	0.12 106	0.15 105	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

MIPNet	0.14 80	0.21 87	0.17 117	0.16 89	0.11 103	0.15 101	0.12 110	0.14 95	0.11 100	0.16 105	0.11 99	0.14 96	0.11 99	0.14 97	0.11 93	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 73	0.21 87	0.14 98	0.15 83	0.11 103	0.14 95	0.11 98	0.14 95	0.11 100	0.14 95	0.12 106	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

WAO-6	0.22 111	0.23 91	0.22 130	0.23 110	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 131

IMH-64-1	0.22 111	0.23 91	0.23 132	0.22 108	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IMH-64	0.22 111	0.23 91	0.23 132	0.22 108	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

MIM_Stereo	0.25 118	0.23 91	0.66 243	0.80 228	0.17 134	0.22 126	0.17 121	0.23 128	0.18 132	0.26 142	0.17 131	0.21 124	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

iResNetv2_ROB	0.20 103	0.23 91	0.18 122	0.24 115	0.20 143	0.24 133	0.18 125	0.24 131	0.18 132	0.24 134	0.18 139	0.23 132	0.19 138	0.24 138	0.18 133	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 116

iResNet	0.20 103	0.23 91	0.18 122	0.24 115	0.18 139	0.24 133	0.20 130	0.24 131	0.18 132	0.23 129	0.17 131	0.23 132	0.18 134	0.23 134	0.18 133	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

Wz-Net-LNSev	0.06 31	0.24 97	0.20 126	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 80	0.24 97	0.14 98	0.16 89	0.12 115	0.15 101	0.12 110	0.14 95	0.11 100	0.15 101	0.12 106	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

UNDER WATER-64	0.25 118	0.26 99	0.25 140	0.26 124	0.25 160	0.25 137	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.25 139	0.25 153	0.26 149	0.25 154	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 143

TorneroNet-64	0.45 188	0.27 100	0.30 156	0.58 205	0.27 167	0.70 259	0.30 173	0.28 140	0.73 278	0.73 261	0.28 174	0.71 259	0.66 259	0.75 265	0.27 160	0.27 147	0.29 162	0.37 188	0.75 281	0.28 138	0.30 178

LoS	0.25 118	0.27 100	0.25 140	0.25 118	0.25 160	0.25 137	0.25 149	0.26 138	0.25 151	0.25 135	0.25 161	0.25 139	0.25 153	0.25 140	0.25 154	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 143

DLNR_Zeroshot_test	0.31 135	0.28 102	0.47 210	0.79 226	0.24 159	0.30 152	0.26 155	0.30 145	0.24 148	0.32 153	0.23 151	0.31 157	0.24 151	0.30 157	0.23 147	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

SQANet	0.28 128	0.28 102	0.28 149	0.28 126	0.28 170	0.28 148	0.28 163	0.28 140	0.28 170	0.28 144	0.28 174	0.28 149	0.28 174	0.28 153	0.28 164	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 166

HGLStereo	0.28 128	0.29 104	0.22 130	0.36 141	0.22 150	0.36 168	0.21 136	0.36 157	0.21 141	0.42 199	0.21 147	0.36 168	0.22 146	0.36 170	0.21 140	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

DANet	0.30 132	0.30 105	0.30 156	0.30 128	0.30 185	0.30 152	0.30 173	0.30 145	0.30 182	0.30 147	0.30 185	0.30 155	0.30 183	0.30 157	0.30 177	0.30 156	0.30 171	0.30 155	0.30 192	0.30 143	0.30 178
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 336	0.31 106	4.99 394	5.93 386	0.20 143	0.25 137	0.20 130	0.25 134	0.20 138	0.23 129	0.19 140	0.25 139	0.20 141	0.25 140	0.20 137	5.66 395	4.76 387	0.26 143	0.30 192	0.24 131	0.27 154

iResNet_ROB	0.28 128	0.32 107	0.24 138	0.32 134	0.25 160	0.32 162	0.24 147	0.32 147	0.24 148	0.33 155	0.24 157	0.35 163	0.24 151	0.33 163	0.24 149	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 142

MLCV	0.31 135	0.35 108	0.27 146	0.35 137	0.28 170	0.35 165	0.27 158	0.35 153	0.28 170	0.36 162	0.27 169	0.35 163	0.27 169	0.35 165	0.27 160	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

ETE_ROB	0.35 150	0.35 108	0.35 179	0.35 137	0.35 209	0.35 165	0.35 196	0.35 153	0.35 200	0.35 159	0.35 203	0.35 163	0.35 197	0.35 165	0.35 199	0.35 169	0.35 178	0.35 181	0.35 209	0.35 163	0.35 196

DN-CSS_ROB	0.31 135	0.35 108	0.28 149	0.35 137	0.28 170	0.34 163	0.27 158	0.34 152	0.25 151	0.35 159	0.27 169	0.36 168	0.26 162	0.34 164	0.28 164	0.35 169	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

Any-RAFT	0.32 143	0.36 111	0.27 146	0.36 141	0.27 167	0.36 168	0.27 158	0.36 157	0.27 167	0.36 162	0.27 169	0.36 168	0.27 169	0.36 170	0.28 164	0.36 172	0.28 153	0.36 186	0.28 174	0.36 169	0.28 166

RAFT-Test	0.36 153	0.37 112	0.33 169	0.41 170	0.32 192	0.41 198	0.32 178	0.41 187	0.32 189	0.41 188	0.32 190	0.41 195	0.32 188	0.41 198	0.33 186	0.37 176	0.29 162	0.37 188	0.29 183	0.38 178	0.31 183

XPNet_ROB	0.37 155	0.37 112	0.37 181	0.37 144	0.37 211	0.37 173	0.37 204	0.37 163	0.37 206	0.37 166	0.37 207	0.37 173	0.37 200	0.37 174	0.37 207	0.37 176	0.37 182	0.37 188	0.37 216	0.37 171	0.37 200

WAO-8	0.38 161	0.38 114	0.38 183	0.38 145	0.38 216	0.38 176	0.38 209	0.38 166	0.38 208	0.38 167	0.38 212	0.38 175	0.38 202	0.38 175	0.38 208	0.38 183	0.38 186	0.38 195	0.37 216	0.38 178	0.38 204

WAO-7	0.38 161	0.38 114	0.38 183	0.38 145	0.38 216	0.38 176	0.38 209	0.38 166	0.38 208	0.38 167	0.38 212	0.38 175	0.38 202	0.38 175	0.38 208	0.38 183	0.38 186	0.38 195	0.38 222	0.38 178	0.38 204

HanzoNet	0.39 166	0.38 114	0.40 188	0.39 149	0.41 227	0.38 176	0.38 209	0.38 166	0.38 208	0.39 172	0.39 216	0.38 175	0.38 202	0.39 182	0.40 214	0.38 183	0.38 186	0.40 203	0.38 222	0.38 178	0.40 208

Venus	0.38 161	0.38 114	0.38 183	0.38 145	0.38 216	0.37 173	0.38 209	0.37 163	0.37 206	0.41 188	0.37 207	0.39 179	0.37 200	0.38 175	0.38 208	0.37 176	0.38 186	0.38 195	0.37 216	0.37 171	0.38 204

IMH	0.38 161	0.38 114	0.38 183	0.38 145	0.38 216	0.38 176	0.38 209	0.38 166	0.38 208	0.42 199	0.38 212	0.40 185	0.38 202	0.38 175	0.38 208	0.38 183	0.38 186	0.39 199	0.38 222	0.38 178	0.38 204

SPstereo	0.47 194	0.38 114	0.51 223	0.56 203	0.31 189	0.67 257	0.44 227	0.55 233	0.31 185	0.61 248	0.44 232	0.46 215	0.52 246	0.67 256	0.42 227	0.48 222	0.40 193	0.47 233	0.36 213	0.53 223	0.33 191

DMCA	0.36 153	0.38 114	0.37 181	0.35 137	0.35 209	0.36 168	0.36 200	0.36 157	0.35 200	0.35 159	0.37 207	0.36 168	0.36 198	0.35 165	0.36 201	0.36 172	0.36 180	0.35 181	0.36 213	0.36 169	0.36 197

StereoDRNet-Refined	0.33 144	0.39 121	0.26 145	0.39 149	0.26 166	0.40 183	0.26 155	0.40 174	0.26 164	0.39 172	0.26 166	0.39 179	0.26 162	0.39 182	0.26 159	0.37 176	0.25 140	0.37 188	0.25 158	0.37 171	0.37 200
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 286	0.39 121	5.28 395	0.39 149	0.20 143	0.39 182	0.27 158	0.39 170	0.22 142	0.38 167	0.20 142	0.38 175	0.20 141	6.95 408	0.22 142	0.30 156	0.21 131	0.27 147	0.21 143	5.25 389	0.21 129

EKT-Stereo	0.37 155	0.40 123	0.44 201	1.07 258	0.29 176	0.34 163	0.31 177	0.36 157	0.29 172	0.38 167	0.31 189	0.37 173	0.30 183	0.36 170	0.29 170	0.34 163	0.28 153	0.39 199	0.30 192	0.37 171	0.30 178

knoymous	0.40 169	0.40 123	0.40 188	0.40 161	0.40 221	0.40 183	0.40 215	0.40 174	0.40 214	0.40 176	0.40 217	0.40 185	0.40 207	0.40 185	0.40 214	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

anonymousa	0.40 169	0.40 123	0.40 188	0.40 161	0.40 221	0.40 183	0.40 215	0.40 174	0.40 214	0.40 176	0.40 217	0.40 185	0.40 207	0.40 185	0.40 214	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

riskmin	0.40 169	0.40 123	0.40 188	0.40 161	0.40 221	0.40 183	0.40 215	0.40 174	0.40 214	0.40 176	0.40 217	0.40 185	0.40 207	0.40 185	0.40 214	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

Anonymous_2	0.40 169	0.40 123	0.40 188	0.40 161	0.40 221	0.40 183	0.40 215	0.40 174	0.40 214	0.40 176	0.40 217	0.40 185	0.40 207	0.40 185	0.40 214	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

Anonymous_1	0.40 169	0.40 123	0.40 188	0.40 161	0.40 221	0.40 183	0.40 215	0.40 174	0.40 214	0.40 176	0.40 217	0.40 185	0.40 207	0.40 185	0.40 214	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208

AdaStereo	0.40 169	0.40 123	0.40 188	0.40 161	0.40 221	0.40 183	0.40 215	0.40 174	0.40 214	0.40 176	0.40 217	0.40 185	0.40 207	0.40 185	0.40 214	0.40 192	0.40 193	0.40 203	0.40 225	0.40 187	0.40 208
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iRaft-Stereo_20w	0.34 145	0.41 130	0.31 162	0.39 149	0.29 176	0.40 183	0.32 178	0.41 187	0.32 189	0.38 167	0.30 185	0.39 179	0.30 183	0.38 175	0.32 183	0.35 169	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

GwcNet-ADL	0.41 175	0.41 130	0.41 196	0.41 170	0.41 227	0.41 198	0.41 221	0.41 187	0.41 223	0.41 188	0.41 223	0.41 195	0.41 217	0.41 198	0.41 221	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

PSMNet-ADL	0.41 175	0.41 130	0.41 196	0.41 170	0.41 227	0.41 198	0.41 221	0.41 187	0.41 223	0.41 188	0.41 223	0.41 195	0.41 217	0.41 198	0.41 221	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

GANet-ADL	0.41 175	0.41 130	0.41 196	0.41 170	0.41 227	0.41 198	0.41 221	0.41 187	0.41 223	0.41 188	0.41 223	0.41 195	0.41 217	0.41 198	0.41 221	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

ADLNet2	0.41 175	0.41 130	0.41 196	0.41 170	0.41 227	0.41 198	0.41 221	0.41 187	0.41 223	0.41 188	0.41 223	0.41 195	0.41 217	0.41 198	0.41 221	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

ADLNet	0.41 175	0.41 130	0.41 196	0.41 170	0.41 227	0.41 198	0.41 221	0.41 187	0.41 223	0.41 188	0.41 223	0.41 195	0.41 217	0.41 198	0.41 221	0.41 199	0.41 202	0.41 214	0.41 231	0.41 195	0.41 215

DGSMNet	0.34 145	0.41 130	0.27 146	0.41 170	0.28 170	0.41 198	0.28 163	0.41 187	0.27 167	0.41 188	0.27 169	0.42 211	0.27 169	0.41 198	0.28 164	0.40 192	0.29 162	0.40 203	0.28 174	0.40 187	0.27 154

iRaft-Stereo_5w	0.34 145	0.42 137	0.31 162	0.39 149	0.30 185	0.38 176	0.30 173	0.40 174	0.29 172	0.40 176	0.37 207	0.41 195	0.34 195	0.38 175	0.30 177	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

IGEV+	0.34 145	0.43 138	0.30 156	0.40 161	0.29 176	0.40 183	0.29 168	0.40 174	0.29 172	0.40 176	0.29 176	0.40 185	0.29 178	0.40 185	0.30 177	0.38 183	0.29 162	0.37 188	0.29 183	0.37 171	0.29 170

Wz-Net-LNSev-Ref	0.11 60	0.44 139	0.33 169	0.39 149	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 189	0.36 180	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 150	0.44 139	0.45 203	0.49 192	0.30 185	0.37 173	0.30 173	0.36 157	0.30 182	0.36 162	0.29 176	0.36 168	0.29 178	0.36 170	0.30 177	0.46 213	0.39 191	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 155	0.45 141	0.23 132	0.30 128	0.37 211	0.41 198	0.36 200	0.41 187	0.35 200	0.43 204	0.36 204	0.41 195	0.40 207	0.41 198	0.36 201	0.34 163	0.22 134	0.47 233	0.37 216	0.39 184	0.33 191

RAFT + AFF	0.31 135	0.45 141	0.34 176	0.39 149	0.28 170	0.38 176	0.33 185	0.29 143	0.31 185	0.30 147	0.30 185	0.29 154	0.27 169	0.29 156	0.30 177	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 187

DispNO	0.96 274	0.46 143	0.29 151	0.44 179	2.80 393	3.23 386	0.35 196	0.43 205	0.30 182	0.42 199	0.30 185	0.47 221	2.86 383	0.47 219	0.30 177	4.36 385	0.29 162	0.43 225	0.29 183	0.43 202	0.32 187

otaku	0.46 189	0.46 143	0.46 205	0.46 182	0.46 237	0.46 222	0.46 229	0.46 208	0.46 230	0.46 209	0.46 235	0.46 215	0.46 225	0.46 215	0.46 231	0.46 213	0.46 209	0.46 229	0.46 238	0.46 204	0.46 224

Dean	0.46 189	0.46 143	0.46 205	0.46 182	0.46 237	0.46 222	0.46 229	0.46 208	0.46 230	0.47 214	0.46 235	0.46 215	0.46 225	0.46 215	0.46 231	0.46 213	0.46 209	0.46 229	0.46 238	0.46 204	0.46 224

ACVNet-4b	0.46 189	0.46 143	0.46 205	0.46 182	0.46 237	0.46 222	0.46 229	0.46 208	0.46 230	0.46 209	0.46 235	0.46 215	0.46 225	0.47 219	0.46 231	0.46 213	0.46 209	0.46 229	0.46 238	0.46 204	0.46 224

psmorigin	0.41 175	0.46 143	0.33 169	0.49 192	0.33 201	0.49 232	0.33 185	0.49 219	0.33 192	0.49 223	0.33 193	0.49 229	0.33 192	0.51 236	0.33 186	0.41 199	0.30 171	0.41 214	0.30 192	0.79 246	0.29 170

Ntro	0.47 194	0.47 148	0.46 205	0.46 182	0.46 237	0.47 226	0.47 235	0.46 208	0.47 233	0.46 209	0.46 235	0.47 221	0.46 225	0.47 219	0.47 235	0.47 218	0.46 209	0.46 229	0.46 238	0.46 204	0.46 224

HaxPig	0.47 194	0.47 148	0.47 210	0.49 192	0.47 243	0.47 226	0.47 235	0.47 213	0.47 233	0.47 214	0.47 242	0.47 221	0.47 234	0.47 219	0.47 235	0.47 218	0.47 215	0.47 233	0.47 244	0.47 210	0.48 232

UNDER WATER	0.47 194	0.47 148	0.47 210	0.47 187	0.47 243	0.47 226	0.47 235	0.47 213	0.47 233	0.47 214	0.47 242	0.47 221	0.46 225	0.47 219	0.47 235	0.47 218	0.47 215	0.47 233	0.46 238	0.47 210	0.47 229

LVE	0.47 194	0.47 148	0.47 210	0.47 187	0.49 248	0.47 226	0.47 235	0.47 213	0.49 241	0.47 214	0.47 242	0.47 221	0.46 225	0.47 219	0.47 235	0.47 218	0.47 215	0.48 241	0.47 244	0.47 210	0.47 229

ACVNet_1	0.46 189	0.47 148	0.46 205	0.46 182	0.46 237	0.46 222	0.46 229	0.46 208	0.47 233	0.46 209	0.46 235	0.46 215	0.46 225	0.46 215	0.46 231	0.46 213	0.46 209	0.47 233	0.46 238	0.46 204	0.46 224

CES	0.39 166	0.47 148	0.36 180	0.36 141	0.37 211	0.45 220	0.35 196	0.35 153	0.40 214	0.36 162	0.44 232	0.47 221	0.36 198	0.44 212	0.36 201	0.37 176	0.39 191	0.44 226	0.35 209	0.37 171	0.36 197

RainbowNet	0.48 199	0.48 154	0.48 215	0.48 190	0.48 245	0.48 230	0.48 240	0.48 217	0.48 239	0.48 218	0.48 245	0.48 227	0.48 235	0.48 225	0.48 240	0.48 222	0.48 219	0.48 241	0.48 247	0.48 213	0.48 232

notaker	0.48 199	0.49 155	0.48 215	0.48 190	0.48 245	0.48 230	0.48 240	0.48 217	0.49 241	0.48 218	0.48 245	0.48 227	0.48 235	0.48 225	0.48 240	0.48 222	0.48 219	0.48 241	0.48 247	0.48 213	0.49 235

ACVNet_2	0.49 202	0.49 155	0.49 219	0.49 192	0.49 248	0.49 232	0.49 243	0.49 219	0.49 241	0.49 223	0.49 249	0.49 229	0.49 240	0.49 231	0.49 243	0.49 225	0.49 221	0.49 244	0.49 249	0.49 215	0.49 235

KSHMR	0.66 217	0.50 157	0.48 215	1.15 267	0.52 253	0.49 232	0.51 247	0.49 219	0.71 276	0.67 254	0.50 251	1.16 304	1.11 292	0.66 254	0.52 247	0.49 225	0.49 221	0.51 248	0.66 269	0.50 219	1.14 306

WZ-Net	0.05 29	0.50 157	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

SANet	0.50 204	0.50 157	0.50 221	0.50 198	0.50 251	0.50 238	0.50 245	0.50 226	0.50 244	0.50 232	0.50 251	0.50 240	0.50 243	0.50 235	0.50 244	0.50 229	0.50 226	0.50 247	0.50 251	0.50 219	0.50 238

CASnet	0.35 150	0.51 160	0.44 201	0.32 134	0.31 189	0.24 133	0.34 194	0.36 157	0.25 151	0.31 149	0.37 207	0.30 155	0.33 192	0.25 140	0.45 229	0.37 176	0.37 182	0.33 164	0.35 209	0.34 152	0.37 200
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	1.12 287	0.52 161	3.12 386	3.24 370	0.86 292	0.53 242	0.49 243	0.60 242	0.47 233	0.53 237	0.49 249	0.55 245	0.45 224	0.55 241	0.47 235	3.01 379	3.88 382	0.71 265	0.60 261	0.80 249	0.48 232

ktn	0.72 230	0.53 162	1.08 282	1.14 265	0.51 252	1.22 350	1.36 363	0.51 230	0.59 256	0.51 233	0.51 254	0.69 258	1.20 303	0.67 256	0.51 246	0.51 230	0.49 221	0.58 253	0.66 269	0.52 221	0.53 241

TorneroNet	0.66 217	0.53 162	0.50 221	0.50 198	0.64 269	1.06 290	0.70 270	0.50 226	0.51 247	0.49 223	0.69 278	0.49 229	0.50 243	0.48 225	1.15 304	0.71 251	0.49 221	1.14 301	1.08 299	0.49 215	0.49 235

ICVP	0.15 90	0.53 162	0.11 74	0.16 89	0.11 103	0.16 106	0.11 98	0.16 107	0.11 100	0.16 105	0.11 99	0.16 106	0.11 99	0.16 106	0.11 93	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 165	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 207	0.54 165	0.54 226	0.54 201	0.53 256	0.54 243	0.54 249	0.53 231	0.54 253	0.54 238	0.54 258	0.54 242	0.53 248	0.54 239	0.54 249	0.54 233	0.53 230	0.54 251	0.54 252	0.54 225	0.54 242

Selective-IGEV	0.51 205	0.55 167	0.45 203	0.69 215	0.45 236	0.61 252	0.45 228	0.50 226	0.40 214	0.56 242	0.44 232	0.55 245	0.40 207	0.72 261	0.67 265	0.59 236	0.46 209	0.45 228	0.34 207	0.46 204	0.37 200

FCDSN-DC	0.41 175	0.59 168	0.64 237	0.54 201	0.33 201	0.50 238	0.37 204	0.42 203	0.40 214	0.61 248	0.43 231	0.50 240	0.49 240	0.38 175	0.32 183	0.28 149	0.23 138	0.26 143	0.22 145	0.35 163	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LMCR-Stereo	0.65 215	0.63 169	0.65 242	0.65 212	0.65 270	0.66 256	0.63 258	0.58 239	0.65 264	0.63 251	0.64 269	0.65 255	0.65 257	0.66 254	0.66 264	0.66 242	0.64 243	0.65 257	0.67 272	0.68 230	0.73 270

anonymity	0.63 213	0.69 170	0.56 227	0.71 219	0.56 258	0.71 261	0.56 250	0.71 252	0.56 254	0.72 259	0.56 260	0.71 259	0.56 250	0.71 260	0.58 256	0.68 244	0.55 231	0.68 259	0.55 253	0.68 230	0.54 242

CoDeX	0.15 90	0.70 171	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 265	0.02 14	0.69 252	0.75 269	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 225	0.72 172	0.71 252	0.80 228	0.62 268	0.82 272	0.61 254	0.81 262	0.62 261	0.81 272	0.63 267	0.80 272	0.70 267	0.73 263	0.61 260	0.76 254	0.61 240	0.74 268	0.61 263	0.77 243	0.61 253

DSFCA	0.66 217	0.73 173	0.78 260	0.65 212	0.65 270	0.64 255	0.64 259	0.65 247	0.63 263	0.64 252	0.64 269	0.64 253	0.64 255	0.65 253	0.65 262	0.65 241	0.65 244	0.65 257	0.65 267	0.66 228	0.64 257

SFCPSM	0.17 99	0.78 174	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 280	0.02 14	0.75 258	0.76 272	0.02 20	0.02 19	0.02 19

G-Net	0.79 239	0.79 175	0.79 262	0.79 226	0.79 288	0.79 269	0.79 277	0.79 258	0.79 284	0.79 267	0.79 288	0.79 271	0.79 275	0.79 267	0.79 280	0.79 256	0.79 260	0.79 274	0.79 284	0.79 246	0.79 276

DMCA-RVC	0.70 225	0.80 176	0.70 249	0.70 217	0.70 279	0.70 259	0.70 270	0.71 252	0.70 273	0.70 257	0.71 281	0.71 259	0.70 267	0.70 259	0.69 273	0.69 245	0.70 253	0.69 262	0.70 277	0.69 234	0.70 265

NaN_ROB	0.80 241	0.80 176	0.80 263	0.80 228	0.80 290	0.80 270	0.80 279	0.80 259	0.80 285	0.80 268	0.80 289	0.80 272	0.80 276	0.80 268	0.80 282	0.80 257	0.80 263	0.80 276	0.80 285	0.80 249	0.80 277

CSAN	0.80 241	0.80 176	0.80 263	0.80 228	0.80 290	0.80 270	0.80 279	0.80 259	0.80 285	0.80 268	0.80 289	0.80 272	0.80 276	0.80 268	0.80 282	0.80 257	0.80 263	0.80 276	0.80 285	0.80 249	0.80 277

ARAFT	0.68 222	0.81 179	0.63 235	0.74 222	0.60 260	0.78 268	0.62 257	0.77 257	0.66 266	0.74 265	0.63 267	0.75 265	0.62 254	0.83 271	0.60 258	0.70 248	0.55 231	0.70 264	0.60 261	0.78 244	0.55 246

Selective-RAFT-Error	0.88 262	0.84 180	0.98 276	0.86 234	0.97 302	0.88 275	0.95 290	0.84 263	0.99 300	0.92 278	0.82 291	0.84 276	0.98 284	0.87 275	0.97 292	0.81 260	0.83 266	0.79 274	0.82 288	0.79 246	0.85 282

AFF-stereo	0.73 231	0.88 181	0.67 245	0.75 223	0.68 278	0.75 263	0.64 259	0.80 259	0.72 277	0.83 273	0.70 279	0.82 275	0.64 255	0.84 272	0.67 265	0.77 255	0.63 241	0.81 278	0.63 266	0.78 244	0.62 255

CASS	0.57 211	0.89 182	0.56 227	0.57 204	0.56 258	0.56 245	0.56 250	0.56 235	0.53 249	0.57 243	0.57 262	0.59 251	0.48 235	0.56 244	0.57 253	0.55 235	0.56 233	0.47 233	0.56 256	0.62 227	0.56 249
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 264	0.89 182	0.72 253	1.16 272	0.78 287	1.06 290	0.82 281	0.87 264	0.97 298	1.00 285	0.91 295	0.90 280	1.00 285	0.89 278	0.93 291	0.83 262	0.83 266	0.82 280	0.82 288	0.81 252	0.82 280

UNet	0.29 131	0.90 184	0.10 57	0.14 74	0.10 88	0.14 95	0.10 86	0.91 268	0.69 271	0.14 95	0.11 99	0.14 96	0.11 99	0.14 97	0.10 82	0.12 73	0.09 55	0.12 91	0.09 80	0.88 256	0.76 275

xxxxx1	0.31 135	0.91 185	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

tt_ll	0.31 135	0.91 185	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

ff	0.31 135	0.91 185	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

DPSM_ROB	0.92 266	0.91 185	0.91 269	0.91 239	0.92 298	0.92 280	0.92 286	0.92 271	0.91 290	0.93 280	0.91 295	0.92 282	0.90 279	0.91 280	0.92 287	0.92 269	0.91 268	0.91 285	0.92 291	0.93 263	0.93 288

DPSM	0.92 266	0.91 185	0.91 269	0.91 239	0.92 298	0.92 280	0.92 286	0.92 271	0.91 290	0.93 280	0.91 295	0.92 282	0.90 279	0.91 280	0.92 287	0.92 269	0.91 268	0.91 285	0.92 291	0.93 263	0.93 288

pmcnn	0.92 266	0.92 190	0.92 271	0.92 242	0.92 298	0.92 280	0.92 286	0.92 271	0.92 294	0.92 278	0.92 298	0.92 282	0.92 281	0.92 282	0.92 287	0.92 269	0.92 270	0.92 287	0.92 291	0.92 262	0.92 287

tt1	0.31 135	0.93 191	0.24 138	0.33 136	0.23 154	0.31 155	0.24 147	0.32 147	0.24 148	0.32 153	0.23 151	0.32 159	0.25 153	0.32 159	0.24 149	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

tta	0.09 39	0.95 192	0.09 53	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

R-Stereo Train	0.81 246	0.96 193	0.67 245	0.95 246	0.67 276	0.95 283	0.68 266	0.95 276	0.68 268	0.95 283	0.68 276	0.96 287	0.68 264	0.96 287	0.68 269	0.94 273	0.68 248	0.94 289	0.68 273	0.94 265	0.68 263

RAFT-Stereo	0.81 246	0.96 193	0.67 245	0.95 246	0.67 276	0.95 283	0.68 266	0.95 276	0.68 268	0.95 283	0.68 276	0.96 287	0.68 264	0.96 287	0.68 269	0.94 273	0.68 248	0.94 289	0.68 273	0.94 265	0.68 263
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Former-RAFT_DAM_RVC	0.49 202	0.98 195	0.64 237	0.84 232	0.46 237	0.45 220	0.35 196	0.47 213	0.47 233	0.45 208	0.34 199	0.46 215	0.48 235	0.46 215	0.35 199	0.39 189	0.71 255	0.39 199	0.35 209	0.41 195	0.41 215

dd	0.23 115	0.98 195	0.16 113	0.23 110	0.15 128	0.23 132	0.15 117	0.23 128	0.15 127	0.23 129	0.15 128	0.24 136	0.17 129	0.23 134	0.15 121	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 116

222	0.10 45	0.99 197	0.12 79	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

ACVNet-DCA	0.37 155	1.00 198	0.30 156	0.40 161	0.29 176	0.40 183	0.29 168	0.40 174	0.29 172	0.40 176	0.29 176	0.40 185	0.29 178	0.39 182	0.28 164	0.33 160	0.32 174	0.33 164	0.32 201	0.33 148	0.32 187

GANet	1.00 278	1.00 198	1.00 278	1.00 252	1.00 303	1.00 286	1.00 293	1.00 278	1.00 301	1.00 285	1.00 300	1.00 289	1.00 285	1.00 289	1.00 295	1.00 275	1.00 273	1.00 295	1.00 295	1.00 268	1.00 294

TDLM	1.00 278	1.00 198	1.00 278	1.00 252	1.00 303	1.00 286	1.00 293	1.00 278	1.00 301	1.00 285	1.00 300	1.00 289	1.00 285	1.00 289	1.00 295	1.00 275	1.00 273	1.00 295	1.00 295	1.00 268	1.00 294

CVANet_RVC	1.00 278	1.00 198	1.00 278	1.00 252	1.00 303	1.00 286	1.00 293	1.00 278	1.00 301	1.00 285	1.00 300	1.00 289	1.00 285	1.00 289	1.00 295	1.00 275	1.00 273	1.00 295	1.00 295	1.00 268	1.00 294

DGTPSM_ROB	0.93 270	1.00 198	0.92 271	0.94 244	0.96 301	0.91 279	0.92 286	0.91 268	0.96 297	0.91 277	0.96 299	0.93 285	0.92 281	0.94 283	0.92 287	0.92 269	0.92 270	0.90 284	0.92 291	0.94 265	0.91 286

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

xxx	0.09 39	1.01 203	0.10 57	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

GLC_STEREO	1.07 282	1.01 203	1.06 281	1.07 258	1.05 307	1.06 290	1.08 298	1.08 283	1.05 305	1.07 290	1.06 303	1.08 294	1.05 291	1.06 294	1.10 299	1.07 279	1.09 283	1.05 299	1.05 298	1.06 271	1.12 302

1test111	0.37 155	1.02 206	0.30 156	0.39 149	0.29 176	0.40 183	0.28 163	0.39 170	0.29 172	0.39 172	0.29 176	0.39 179	0.28 174	0.40 185	0.29 170	0.33 160	0.32 174	0.33 164	0.31 197	0.32 144	0.31 183

cc1	0.37 155	1.02 206	0.30 156	0.39 149	0.29 176	0.40 183	0.28 163	0.39 170	0.29 172	0.39 172	0.29 176	0.39 179	0.28 174	0.40 185	0.29 170	0.33 160	0.32 174	0.33 164	0.31 197	0.32 144	0.31 183

xx1	0.38 161	1.03 208	0.31 162	0.40 161	0.31 189	0.41 198	0.28 163	0.40 174	0.29 172	0.40 176	0.29 176	0.40 185	0.29 178	0.40 185	0.29 170	0.34 163	0.33 177	0.34 171	0.32 201	0.34 152	0.32 187

dad	0.23 115	1.03 208	0.16 113	0.23 110	0.15 128	0.24 133	0.15 117	0.24 131	0.16 129	0.23 129	0.16 129	0.24 136	0.16 127	0.23 134	0.15 121	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

ttt	0.10 45	1.09 210	0.12 79	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

test_xeample	0.10 45	1.09 210	0.13 94	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

FC-DCNN	1.07 282	1.09 210	0.98 276	0.89 235	0.52 253	1.41 359	0.91 285	1.21 340	1.24 363	1.96 364	2.05 388	1.91 364	1.30 356	1.27 354	1.08 298	0.80 257	0.60 236	0.58 253	0.41 231	0.68 230	0.54 242

MSMD_ROB	1.19 288	1.10 213	0.70 249	1.10 260	0.60 260	1.10 296	0.70 270	1.10 285	0.70 273	1.10 292	0.70 279	1.10 298	0.70 267	7.00 409	0.70 276	1.10 282	0.70 253	1.10 300	0.70 277	1.10 273	0.70 265

1111x	0.10 45	1.14 214	0.13 94	0.14 74	0.03 39	0.04 52	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

LoS_RVC	0.30 132	1.14 214	0.25 140	0.25 118	0.25 160	0.26 144	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.26 147	0.26 162	0.26 149	0.25 154	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

x	0.11 60	1.15 216	0.15 112	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

xxxx	0.11 60	1.16 217	0.16 113	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

CAS	0.30 132	1.17 218	0.25 140	0.25 118	0.25 160	0.26 144	0.25 149	0.25 134	0.26 164	0.25 135	0.25 161	0.25 139	0.25 153	0.25 140	0.25 154	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 143

HSM-Net_RVC	0.95 273	1.17 218	0.78 260	1.18 274	0.71 280	1.16 303	0.75 275	1.09 284	0.80 285	1.10 292	0.75 286	1.17 305	0.74 271	1.17 304	0.80 282	1.13 288	0.73 256	1.17 307	0.77 282	1.16 278	0.72 268
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 275	1.18 220	0.81 265	1.10 260	0.91 297	1.02 289	0.82 281	1.04 282	0.91 290	1.03 289	0.86 292	1.28 355	0.82 278	1.03 292	0.89 286	1.17 290	0.81 265	1.02 298	0.82 288	1.08 272	0.81 279

psm_up	0.43 184	1.19 221	0.17 117	0.25 118	0.18 139	0.25 137	0.19 128	1.26 344	0.91 290	0.26 142	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.23 134	0.16 124	1.18 284	0.99 292

DisPM	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

CrosDoStereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PFNet+	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

LCNet	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

HHNet	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Patchmatch Stereo++	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

STrans-v2	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

TransformOpticalFlow	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

OMP-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

IIG-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

NF-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

OCTAStereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PSM-softLoss	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

KMStereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

NRIStereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PSM-adaLoss	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PSM-AAD	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

FTStereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

ROB_FTStereo_v2	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

ROB_FTStereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Consistency-Raft	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

KYRaft	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

HUI-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

ASMatch	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DeepStereo_LL	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DEmStereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

SST-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

THIR-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT_R40	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DRaft	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

PFNet	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

GrayStereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RE-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Pruner-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

TVStereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

DeepStereo_RVC	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT-RH_RVC	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

IRAFT_RVC	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT-345	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

iRAFT	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

CRE-IMP	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

GMM-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

RAFT-IKP	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

Prome-Stereo	1.20 289	1.20 222	1.20 294	1.20 276	1.20 318	1.20 304	1.20 309	1.20 295	1.20 315	1.20 302	1.20 312	1.20 307	1.20 303	1.20 306	1.20 311	1.20 292	1.20 296	1.20 311	1.20 310	1.20 287	1.20 311

UPFNet	0.42 183	1.20 222	0.17 117	0.24 115	0.17 134	0.25 137	0.17 121	1.19 292	0.90 289	0.25 135	0.17 131	0.24 136	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.22 130	0.16 124	1.15 276	0.93 288

delet	0.43 184	1.21 268	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 344	0.95 296	0.25 135	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.22 130	0.16 124	1.18 284	0.98 291

CroCo-Stereo	0.73 231	1.22 269	0.25 140	1.22 321	0.25 160	1.22 350	0.25 149	1.22 341	0.25 151	1.22 348	0.25 161	1.22 353	0.25 153	1.22 352	0.25 154	1.22 338	0.26 143	1.21 356	0.25 158	1.22 334	0.25 143
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
MMNet	0.44 187	1.24 270	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 344	0.93 295	0.25 135	0.17 131	0.25 139	0.18 134	0.25 140	0.17 127	0.23 134	0.16 113	0.23 134	0.16 124	1.20 287	0.99 292

CroCo-Stereo Lap2	0.77 235	1.29 271	0.29 151	1.27 324	0.29 176	1.27 353	0.26 155	1.26 344	0.26 164	1.26 349	0.26 166	1.27 354	0.26 162	1.26 353	0.27 160	1.27 340	0.27 148	1.27 359	0.27 170	1.27 336	0.27 154

CSP-Net	0.34 145	1.29 271	1.19 291	1.36 329	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 339	1.21 342	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 118	1.31 273	0.74 256	0.92 242	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 266	0.75 258	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 339	1.33 274	1.33 346	1.36 329	1.38 370	1.36 356	1.33 360	1.37 350	1.34 366	1.35 351	1.36 365	1.38 357	1.34 357	1.38 356	1.38 365	1.35 345	1.38 353	1.33 360	1.35 360	1.43 340	1.34 364

MaskLacGwcNet_RVC	1.35 338	1.35 275	1.35 349	1.35 328	1.35 367	1.35 355	1.35 362	1.36 349	1.35 368	1.36 352	1.35 364	1.36 356	1.36 358	1.36 355	1.35 363	1.35 345	1.35 350	1.35 361	1.35 360	1.35 338	1.35 365

PML	0.46 189	1.36 276	0.29 151	0.58 205	0.30 185	0.57 249	0.29 168	0.57 237	0.29 172	0.57 243	0.29 176	0.57 249	0.29 178	0.56 244	0.29 170	0.52 231	0.30 171	0.53 250	0.31 197	0.53 223	0.30 178

PS-NSSS	1.38 341	1.39 277	1.34 347	1.34 327	1.35 367	1.38 357	1.37 368	1.35 348	1.38 371	1.34 350	1.34 363	1.39 358	1.38 360	1.70 359	1.40 366	1.36 347	1.36 351	1.36 363	1.37 363	1.37 339	1.36 366

whm_eth	0.63 213	1.48 278	0.47 210	0.71 219	0.48 245	0.71 261	0.48 240	0.71 252	0.48 239	0.71 258	0.48 245	0.71 259	0.48 235	0.72 261	0.48 240	0.71 251	0.47 215	0.71 265	0.47 244	0.71 236	0.47 229

Gwc-CoAtRS	0.41 175	1.49 279	0.32 165	0.42 178	0.32 192	0.41 198	0.32 178	0.41 187	0.33 192	0.41 188	0.32 190	0.41 195	0.32 188	0.41 198	0.32 183	0.39 189	0.28 153	0.39 199	0.28 174	0.40 187	0.28 166

FENet	0.54 207	1.52 280	1.19 291	1.41 332	0.23 154	0.35 165	0.23 143	0.35 153	0.23 147	0.34 157	0.23 151	0.35 163	0.23 150	0.35 165	0.23 147	1.40 348	1.07 277	0.32 157	0.23 150	0.33 148	0.23 133

CFNet-ft	0.55 209	1.57 281	0.14 98	0.20 100	0.14 119	0.20 116	2.53 386	1.61 353	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	1.56 344	1.24 359

DPSMNet_ROB	1.60 345	1.59 282	1.70 365	1.59 334	1.59 375	1.61 361	1.61 373	1.60 352	1.60 375	1.62 360	1.59 374	1.60 361	1.60 365	1.60 358	1.59 371	1.59 353	1.60 360	1.59 368	1.59 373	1.59 345	1.59 373

STTRV1_RVC	0.82 250	1.60 283	0.70 249	1.01 255	0.60 260	1.07 293	0.69 269	1.01 281	0.60 257	0.72 259	0.55 259	1.02 292	0.68 264	1.03 292	0.67 265	0.89 267	0.63 241	0.92 287	0.57 257	0.90 258	0.65 258

RASNet	1.49 342	1.65 284	1.45 358	1.38 331	1.43 373	1.47 360	1.36 363	1.38 351	1.36 369	1.39 353	1.60 375	1.45 359	1.45 362	1.51 357	2.21 383	1.53 352	1.36 351	1.36 363	1.36 362	1.66 346	1.36 366

CRFU-Net	0.65 215	1.67 285	1.22 341	1.96 345	0.27 167	0.41 198	0.27 158	0.41 187	0.27 167	0.40 176	0.26 166	0.41 195	0.27 169	0.40 185	0.27 160	1.80 358	1.62 361	0.34 171	0.23 150	0.33 148	0.23 133

gwcnet-sp	0.82 250	1.72 286	1.48 359	0.39 149	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 357	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 347	0.32 157	0.16 124	6.75 396	0.23 133

scenet	0.82 250	1.72 286	1.48 359	0.39 149	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 357	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 347	0.32 157	0.16 124	6.75 396	0.23 133

ssnet	0.82 250	1.72 286	1.48 359	0.39 149	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 357	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 347	0.32 157	0.16 124	6.75 396	0.23 133

HBP-ISP	1.24 335	1.72 286	1.65 363	1.15 267	0.76 286	1.40 358	0.88 283	1.67 357	1.02 304	1.69 361	1.38 367	1.69 362	1.21 349	1.87 361	1.21 356	1.05 278	0.79 260	0.97 293	0.80 285	1.19 286	0.75 274

LL-Strereo2	0.48 199	1.73 290	0.51 223	0.59 207	0.34 207	0.42 214	0.33 185	0.40 174	0.31 185	0.42 199	0.33 193	0.42 211	0.31 187	0.44 212	0.39 213	0.60 238	0.51 227	0.44 226	0.33 206	0.44 203	0.33 191

test_xeample3	1.10 284	1.81 291	0.61 233	0.84 232	0.49 248	0.77 266	0.66 262	0.92 271	1.40 372	0.68 256	0.46 235	0.78 268	0.54 249	1.72 360	1.48 369	1.34 344	1.52 358	1.35 361	1.67 376	1.33 337	1.55 372

mmm	0.14 80	1.83 292	0.12 79	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 50	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

hknet	1.10 284	1.85 293	3.49 388	4.48 377	0.02 20	0.42 214	0.06 76	0.41 187	0.02 20	0.48 218	0.03 40	0.41 195	0.03 42	0.42 209	0.03 37	4.39 388	4.19 384	0.33 164	0.23 150	0.34 152	0.27 154

DCRE	0.84 256	1.89 294	0.77 259	0.94 244	0.72 282	0.88 275	0.73 273	0.87 264	0.78 281	0.90 275	0.71 281	0.88 277	0.67 263	0.88 276	0.73 277	0.81 260	0.68 248	0.81 278	0.70 277	0.82 253	0.70 265

BUS	0.83 254	1.91 295	0.92 271	4.48 377	0.02 20	0.40 183	0.04 55	0.41 187	0.02 20	0.48 218	0.03 40	0.41 195	0.05 65	0.03 33	0.05 60	1.97 364	4.19 384	0.33 164	0.23 150	0.34 152	0.27 154

BSDual-CNN	0.81 246	1.91 295	0.92 271	4.48 377	0.02 20	0.42 214	0.06 76	0.41 187	0.02 20	0.48 218	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 364	4.19 384	0.33 164	0.23 150	0.34 152	0.27 154

psmg	0.43 184	1.91 295	0.92 271	1.91 342	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 364	1.44 356	0.04 48	0.03 42	0.02 19	0.03 39

GANet-RSSM	0.75 233	1.91 295	0.14 98	0.47 187	0.14 119	0.21 124	3.21 394	2.30 372	0.14 119	0.46 209	0.14 121	0.23 132	0.18 134	0.21 126	0.14 113	0.18 116	0.27 148	0.37 188	0.13 118	2.13 356	2.12 382

MFMNet_re	1.81 352	1.91 295	1.71 366	1.95 344	1.70 378	1.95 367	1.70 376	1.96 360	1.74 378	1.97 365	1.72 378	1.95 365	1.71 368	1.97 364	1.71 377	1.86 359	1.62 361	1.85 369	1.66 375	1.86 349	1.64 374

SPS-STEREO	1.59 344	1.91 295	1.21 340	1.94 343	1.20 318	2.00 368	1.23 356	1.99 361	1.24 363	2.00 366	1.25 361	2.03 367	1.26 352	2.00 365	1.29 361	1.90 363	1.18 295	1.89 371	1.21 355	1.89 351	1.20 311
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 343	1.94 301	1.22 341	1.88 340	1.21 364	1.88 366	1.22 355	1.88 358	1.22 361	1.88 362	1.22 358	1.88 363	1.22 350	1.89 362	1.22 357	1.87 360	1.22 343	1.88 370	1.22 356	1.88 350	1.22 357
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ssnet_v2	0.68 222	1.96 302	1.25 345	0.29 127	0.20 143	0.30 152	0.20 130	0.29 143	0.22 142	1.50 355	0.20 142	0.31 157	0.20 141	0.27 151	0.22 142	0.24 139	1.49 357	0.26 143	0.18 139	3.90 374	0.19 126

qqq	0.16 96	2.01 303	0.12 79	0.15 83	0.04 54	0.06 64	0.05 64	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

ToySt	0.92 266	2.11 304	0.90 268	0.95 246	0.79 288	0.99 285	0.78 276	0.94 275	0.81 288	0.94 282	0.78 287	0.95 286	0.77 274	0.94 283	0.86 285	0.91 268	0.79 260	0.85 282	0.77 282	0.89 257	0.73 270

TRStereo	2.00 355	2.13 305	1.85 372	2.27 354	1.84 381	2.28 372	1.84 378	2.29 368	1.86 383	2.30 373	1.87 379	2.30 370	1.87 370	2.08 366	1.72 379	2.08 368	1.72 366	2.08 374	1.72 379	2.08 353	1.72 377

XX-Stereo	2.00 355	2.13 305	1.85 372	2.27 354	1.84 381	2.28 372	1.84 378	2.29 368	1.86 383	2.30 373	1.87 379	2.30 370	1.87 370	2.08 366	1.72 379	2.08 368	1.72 366	2.08 374	1.72 379	2.08 353	1.72 377

EAI-Stereo	2.00 355	2.13 305	1.85 372	2.27 354	1.84 381	2.28 372	1.84 378	2.29 368	1.86 383	2.30 373	1.87 379	2.30 370	1.87 370	2.08 366	1.72 379	2.08 368	1.72 366	2.08 374	1.72 379	2.08 353	1.72 377

11t1	0.17 99	2.16 308	0.13 94	0.13 70	0.04 54	0.06 64	0.04 55	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.05 60	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

cf-r	0.66 217	2.17 309	0.12 79	0.18 96	0.12 115	0.18 111	2.70 389	2.60 375	0.12 115	0.18 111	0.12 106	0.18 112	0.12 112	0.18 111	0.12 104	0.15 97	0.11 75	0.15 105	0.11 97	1.81 348	1.74 380

UDG	0.80 241	2.21 310	0.60 231	0.91 239	0.60 260	0.90 278	0.58 252	0.88 266	0.60 257	0.90 275	0.60 263	0.88 277	0.60 253	0.90 279	0.58 256	0.86 265	0.60 236	0.84 281	0.59 260	0.84 254	0.61 253

NCCL2	2.28 363	2.27 311	2.28 378	2.28 357	2.28 388	2.27 371	2.29 384	2.28 367	2.28 387	2.27 372	2.28 389	2.28 369	2.27 377	2.27 373	2.28 388	2.28 371	2.28 375	2.27 377	2.29 387	2.27 357	2.29 383

ccnet	0.80 241	2.28 312	0.33 169	0.50 198	0.33 201	0.50 238	0.33 185	0.50 226	0.33 192	0.49 223	0.33 193	0.49 229	1.56 364	2.38 375	0.33 186	0.41 199	0.29 162	0.42 223	1.57 372	2.28 358	0.29 170

GES	0.66 217	2.34 313	0.29 151	0.41 170	0.29 176	0.41 198	0.29 168	0.42 203	0.29 172	0.40 176	0.41 223	0.41 195	0.30 183	0.51 236	0.29 170	0.32 159	0.29 162	0.32 157	2.46 389	2.49 362	0.30 178

DDUNet	0.81 246	2.45 314	0.57 229	0.90 236	0.60 260	0.88 275	0.59 253	0.90 267	0.60 257	0.88 274	0.60 263	0.90 280	0.58 251	0.88 276	0.60 258	0.84 264	0.60 236	0.86 283	0.57 257	0.86 255	0.60 252

FBW_ROB	2.12 361	2.46 315	1.77 369	2.49 361	1.79 380	2.38 376	1.83 377	2.46 373	1.78 379	2.48 377	1.97 384	2.40 377	1.78 369	2.42 376	1.83 382	2.31 372	1.85 371	2.38 379	1.82 383	2.35 360	1.84 381

HH	0.71 227	2.54 316	0.74 256	1.10 260	0.32 192	0.41 198	0.37 204	0.69 250	0.78 281	0.73 261	0.90 293	0.75 265	1.00 285	0.84 272	0.69 273	0.69 245	0.40 193	0.35 181	0.26 164	0.35 163	0.26 149

HanStereo	0.71 227	2.54 316	0.74 256	1.10 260	0.32 192	0.41 198	0.37 204	0.69 250	0.78 281	0.73 261	0.90 293	0.75 265	1.00 285	0.84 272	0.69 273	0.69 245	0.40 193	0.35 181	0.26 164	0.35 163	0.26 149

sAnonymous2	3.31 387	2.63 318	1.38 355	3.71 375	1.86 384	4.70 399	1.11 299	4.82 400	2.72 390	5.45 402	1.98 386	4.59 398	2.64 379	2.65 378	6.21 405	4.37 386	1.08 281	5.16 400	2.24 385	4.52 383	2.39 388

CroCo_RVC	3.31 387	2.63 318	1.38 355	3.71 375	1.86 384	4.70 399	1.11 299	4.82 400	2.72 390	5.45 402	1.98 386	4.59 398	2.64 379	2.65 378	6.21 405	4.37 386	1.08 281	5.16 400	2.24 385	4.52 383	2.39 388

ff7	1.68 346	2.68 320	1.35 349	0.97 249	0.89 293	1.84 363	2.15 381	2.12 362	1.80 380	2.05 368	1.56 371	2.33 373	2.12 374	2.23 370	2.25 384	1.31 341	1.07 277	1.48 365	1.41 365	0.90 258	1.04 297

ffff	1.68 346	2.68 320	1.35 349	0.97 249	0.89 293	1.84 363	2.15 381	2.12 362	1.80 380	2.05 368	1.56 371	2.33 373	2.12 374	2.23 370	2.25 384	1.31 341	1.07 277	1.48 365	1.41 365	0.90 258	1.04 297

ccc-4	1.68 346	2.68 320	1.35 349	0.97 249	0.89 293	1.84 363	2.15 381	2.12 362	1.80 380	2.05 368	1.56 371	2.33 373	2.12 374	2.23 370	2.25 384	1.31 341	1.07 277	1.48 365	1.41 365	0.90 258	1.04 297

11t	1.27 337	2.70 323	1.34 347	1.32 326	0.89 293	1.30 354	1.34 361	1.64 354	0.57 255	1.45 354	0.72 283	1.05 293	1.29 355	1.07 295	1.29 361	1.49 349	1.02 276	0.97 293	1.15 303	1.48 341	1.31 362

Anonymous	2.11 360	2.74 324	1.41 357	2.77 365	1.40 372	2.74 381	1.46 372	2.75 377	1.50 374	2.87 383	1.39 368	2.74 381	1.46 363	2.72 380	1.41 368	2.72 376	1.41 354	2.81 382	1.41 365	3.16 370	1.39 369

sCroCo_RVC	2.10 359	2.76 325	1.92 376	2.78 366	1.39 371	2.73 380	1.41 370	2.73 376	1.40 372	2.77 382	1.41 370	2.74 381	1.40 361	2.74 381	1.40 366	2.72 376	1.42 355	2.72 381	1.44 369	2.79 367	1.42 370

PSMNet-RSSM	0.77 235	2.76 325	0.14 98	0.20 100	0.14 119	0.20 116	2.66 387	2.79 379	0.14 119	0.21 124	0.14 121	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 363	2.31 384

GwcNet-RSSM	0.77 235	2.77 327	0.14 98	0.20 100	0.14 119	0.20 116	2.67 388	2.78 378	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.21 126	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 363	2.31 384

hitnet-ft	0.79 239	2.78 328	0.14 98	0.20 100	0.14 119	0.21 124	2.89 390	2.80 380	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.54 365	2.33 386

PDISCO_ROB	0.83 254	2.80 329	3.49 388	0.14 74	0.11 103	0.17 109	0.09 81	0.15 106	0.10 86	0.15 101	0.12 106	0.16 106	0.14 118	3.30 386	0.13 110	0.14 90	2.34 376	0.16 106	0.12 110	2.62 366	0.10 83

iGMRVC	0.84 256	2.85 330	0.72 253	0.72 221	0.73 283	0.77 266	0.79 277	0.73 255	0.74 280	0.73 261	0.72 283	0.73 263	0.76 273	0.73 263	0.73 277	0.72 253	0.73 256	0.73 267	0.72 280	0.73 242	0.72 268

MC-Stereo	1.76 349	2.96 331	1.37 354	2.14 349	1.37 369	2.14 370	1.36 363	2.14 365	1.37 370	2.14 371	1.37 366	2.14 368	1.37 359	2.14 369	1.37 364	1.97 364	1.32 344	1.97 372	1.32 359	1.98 352	1.33 363

PASM	0.39 166	3.06 332	1.36 353	1.58 333	0.09 82	0.11 91	0.11 98	0.11 91	0.11 100	0.09 78	0.09 83	0.11 92	0.09 84	0.09 79	0.09 77	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

4D-IteraStereo	0.78 238	3.13 333	0.89 266	0.69 215	0.32 192	0.40 183	0.32 178	0.76 256	0.97 298	0.52 236	0.65 273	0.89 279	0.32 188	0.76 266	0.98 293	0.83 262	0.94 272	0.35 181	0.27 170	0.70 235	0.89 285

test croco	1.88 353	3.16 334	0.64 237	3.10 368	0.65 270	3.10 384	0.64 259	3.12 383	0.65 264	3.10 384	0.65 273	3.11 384	0.65 257	3.12 383	0.65 262	3.12 380	0.65 244	3.13 384	0.65 267	3.13 369	0.65 258

iRaftStereo_RVC	0.97 275	3.17 335	2.30 379	2.42 359	0.38 216	0.54 243	0.38 209	0.54 232	0.38 208	0.54 238	0.38 212	0.54 242	0.38 202	0.54 239	0.38 208	2.38 374	2.34 376	0.49 244	0.36 213	0.49 215	0.36 197

RCA-Stereo	0.51 205	3.22 336	0.34 176	0.44 179	0.34 207	0.44 219	0.34 194	0.43 205	0.34 199	0.43 204	0.34 199	0.44 214	0.33 192	0.43 210	0.33 186	0.38 183	0.29 162	0.38 195	0.29 183	0.38 178	0.29 170

Anonymous3	2.55 376	3.26 337	1.65 363	3.28 371	1.63 376	3.24 387	1.68 374	3.27 385	1.66 376	3.28 386	1.67 376	3.25 386	1.66 366	3.27 385	1.64 373	3.26 381	1.65 363	3.30 385	1.65 374	4.95 387	1.65 376

MIF-Stereo (partial)	2.58 377	3.31 338	0.66 243	3.18 369	0.66 275	3.18 385	0.66 262	3.21 384	0.67 267	3.19 385	0.66 275	3.19 385	0.66 259	3.31 387	0.68 269	5.09 391	1.79 369	8.23 409	1.67 376	6.18 394	1.38 368

MIF-Stereo	2.03 358	3.43 339	0.72 253	3.42 372	0.73 283	3.27 388	0.68 266	3.38 387	0.69 271	3.29 387	0.72 283	3.28 387	0.70 267	3.35 388	0.68 269	3.39 382	0.68 248	3.31 386	0.69 276	3.37 371	0.73 270

DPSNet	3.66 389	3.60 340	3.62 390	3.63 374	3.64 397	3.65 391	3.65 397	3.66 390	3.67 395	3.67 388	3.65 396	3.67 389	3.66 386	3.66 389	3.68 393	3.68 384	3.66 380	3.67 390	3.68 396	3.67 372	3.67 395

qqq1	0.25 118	3.70 341	0.14 98	0.14 74	0.04 54	0.06 64	0.05 64	0.06 66	0.05 69	0.06 68	0.05 72	0.04 51	0.05 65	0.06 59	0.05 60	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 118	3.70 341	0.14 98	0.14 74	0.04 54	0.06 64	0.05 64	0.06 66	0.05 69	0.06 68	0.05 72	0.04 51	0.05 65	0.06 59	0.05 60	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

RAFT_CTSACE	1.92 354	3.71 343	1.72 367	1.88 340	1.72 379	2.04 369	1.42 371	2.18 366	1.89 386	2.02 367	1.97 384	1.95 365	2.06 373	1.93 363	1.62 372	1.76 356	1.66 364	2.02 373	1.73 382	1.73 347	1.43 371

MyStereo07	0.60 212	3.72 344	0.48 215	0.49 192	0.41 227	0.36 168	0.32 178	0.49 219	0.43 228	0.51 233	0.42 229	0.49 229	0.43 222	0.51 236	0.64 261	0.49 225	0.45 207	0.34 171	0.32 201	0.35 163	0.43 221

MyStereo04	0.56 210	3.72 344	0.59 230	0.49 192	0.41 227	0.36 168	0.32 178	0.37 163	0.31 185	0.34 157	0.46 235	0.35 163	0.32 188	0.35 165	0.33 186	0.49 225	0.45 207	0.34 171	0.32 201	0.35 163	0.43 221

DualNet	0.25 118	3.83 346	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 118	3.83 346	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 118	3.83 346	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 118	3.83 346	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

NINENet	0.69 224	3.87 350	1.20 294	1.98 346	0.05 69	0.40 183	0.04 55	0.40 174	0.05 69	0.41 188	0.04 64	0.41 195	0.05 65	0.40 185	0.05 60	1.79 357	1.56 359	0.34 171	0.22 145	0.34 152	0.23 133

MyStereo8	0.71 227	3.92 351	0.52 225	0.59 207	0.52 253	0.57 249	0.53 248	0.59 241	0.50 244	0.59 246	0.51 254	0.57 249	0.50 243	0.56 244	0.52 247	0.54 233	0.49 221	0.54 251	0.49 249	0.55 226	0.50 238

MyStereo06	0.75 233	4.12 352	0.60 231	0.63 210	0.61 265	0.62 253	0.66 262	0.56 235	0.45 229	0.55 240	0.48 245	0.54 242	0.46 225	0.57 247	0.45 229	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

MyStereo05	0.80 241	4.12 352	0.63 235	0.63 210	0.61 265	0.62 253	0.66 262	0.65 247	0.62 261	0.67 254	0.61 265	0.65 255	0.58 251	0.67 256	0.55 252	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

test-3	0.98 277	4.13 354	1.85 372	1.85 339	0.61 265	0.69 258	0.37 204	0.63 246	0.61 260	0.66 253	0.51 254	0.73 263	0.44 223	0.57 247	0.54 249	1.68 355	1.81 370	0.40 203	0.43 237	0.66 228	0.50 238

IGEVStereo-DCA	1.77 350	4.21 355	1.84 370	2.49 361	2.11 386	2.54 378	1.36 363	1.65 355	1.17 312	2.75 380	1.90 382	2.54 379	1.15 296	0.94 283	1.11 300	1.50 350	1.32 344	0.96 291	1.46 370	1.49 342	0.88 283

rrr	1.77 350	4.21 355	1.84 370	2.49 361	2.11 386	2.54 378	1.36 363	1.65 355	1.17 312	2.75 380	1.90 382	2.54 379	1.15 296	0.94 283	1.11 300	1.50 350	1.32 344	0.96 291	1.46 370	1.49 342	0.88 283

GEStereo_RVC	0.86 261	4.45 357	0.20 126	0.27 125	0.20 143	0.27 147	0.20 130	0.26 138	0.18 132	5.03 400	0.20 142	0.27 148	0.19 138	0.27 151	0.21 140	0.20 119	0.19 128	0.19 121	4.02 401	0.20 117	0.18 125

error version	0.93 270	4.47 358	2.35 380	1.99 347	0.37 211	0.41 198	0.36 200	0.41 187	0.35 200	0.43 204	0.36 204	0.41 195	0.40 207	0.41 198	0.36 201	1.87 360	2.16 372	0.47 233	0.37 216	0.39 184	0.33 191

test_1	0.93 270	4.47 358	2.35 380	1.99 347	0.37 211	0.41 198	0.36 200	0.41 187	0.35 200	0.43 204	0.36 204	0.41 195	0.40 207	0.41 198	0.36 201	1.87 360	2.16 372	0.47 233	0.37 216	0.39 184	0.33 191

MyStereo02	0.85 259	4.58 360	0.64 237	0.76 224	0.65 270	0.75 263	0.61 254	0.60 242	0.53 249	0.80 268	0.64 269	0.78 268	0.66 259	0.55 241	0.57 253	0.70 248	0.66 246	0.68 259	0.62 264	0.72 237	0.59 250

MyStereo	0.85 259	4.58 360	0.64 237	0.76 224	0.65 270	0.75 263	0.61 254	0.60 242	0.53 249	0.80 268	0.64 269	0.78 268	0.66 259	0.55 241	0.57 253	0.70 248	0.66 246	0.68 259	0.62 264	0.72 237	0.59 250

TestStereo	4.88 400	4.75 362	4.79 392	4.87 381	4.92 405	4.81 402	4.90 405	4.78 399	4.77 405	4.87 398	4.89 405	4.90 401	4.91 397	4.99 400	4.79 403	4.98 390	4.87 388	4.87 399	4.92 405	5.00 388	5.00 404

DispFullNet	4.61 396	4.84 363	3.12 386	5.00 382	3.57 396	4.75 401	3.03 392	7.75 409	4.17 402	4.91 399	3.09 392	6.20 406	3.95 391	6.71 405	3.51 392	5.30 393	3.67 381	5.86 406	3.63 393	5.61 391	3.46 393

CFNet-RSSM	0.91 265	4.89 364	0.34 176	0.44 179	1.07 308	1.62 362	1.40 369	0.91 268	0.35 200	1.60 356	1.39 368	0.64 253	0.34 195	0.44 212	0.33 186	0.41 199	0.35 178	0.75 269	0.30 192	0.41 195	0.29 170

MyStereo03	0.84 256	4.93 365	0.68 248	0.90 236	0.74 285	0.56 245	0.46 229	0.55 233	0.52 248	0.74 265	0.56 260	0.56 247	0.46 225	0.81 270	0.54 249	0.59 236	0.52 228	0.75 269	0.68 273	0.68 230	0.65 258

StereoVision	3.15 385	5.00 366	0.89 266	4.83 380	1.00 303	3.93 392	1.27 359	6.37 403	1.34 366	5.67 404	1.26 362	5.84 405	1.27 353	5.03 401	1.24 358	5.10 392	1.09 283	4.61 397	0.57 257	5.62 392	1.12 302

LL-Strereo	1.01 281	5.06 367	1.63 362	0.70 217	1.43 373	0.56 245	0.46 229	0.57 237	0.50 244	0.57 243	0.50 251	1.58 360	0.49 240	0.59 249	0.50 244	1.64 354	0.52 228	0.51 248	1.37 363	0.52 221	0.45 223

CFNet	1.37 340	5.27 368	0.19 124	5.49 383	0.19 142	0.28 148	0.19 128	0.28 140	0.19 137	0.28 144	0.19 140	0.28 149	4.35 394	0.28 153	0.19 136	0.23 134	0.17 125	0.23 134	4.21 403	4.81 385	0.17 122

UDGNet	2.23 362	5.40 369	1.72 367	2.48 360	1.69 377	2.51 377	1.69 375	2.51 374	1.72 377	2.50 378	1.69 377	2.52 378	1.69 367	2.50 377	1.68 376	2.41 375	1.70 365	2.42 380	1.69 378	2.42 361	1.64 374

SGM-Forest	5.21 404	5.92 370	4.08 391	6.18 388	4.16 402	6.31 406	4.34 404	6.50 404	4.33 403	6.14 406	4.21 402	6.61 409	4.55 396	6.67 404	4.48 402	5.94 397	3.94 383	5.85 405	4.03 402	5.79 393	4.17 402
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
StereoIM	3.19 386	6.02 371	1.12 283	5.61 385	1.16 314	5.43 404	1.02 296	5.15 402	0.70 273	5.43 401	1.21 357	5.03 403	0.97 283	4.85 399	0.99 294	4.53 389	1.16 292	5.53 402	1.25 357	5.37 390	1.30 361

IER	0.88 262	7.04 372	2.23 377	2.75 364	0.28 170	0.43 218	0.25 149	0.39 170	0.25 151	0.41 188	0.27 169	0.39 179	0.25 153	0.40 185	0.28 164	0.37 176	0.28 153	0.37 188	0.25 158	0.37 171	0.25 143

HCRNet	1.22 334	7.11 373	3.00 385	3.55 373	0.33 201	0.29 151	0.14 114	0.19 112	0.15 127	0.33 155	0.29 176	0.25 139	0.14 118	0.22 130	0.33 186	3.64 383	3.00 379	0.76 272	0.32 201	0.18 114	0.13 113

SA	4.33 392	7.35 374	6.85 403	5.96 387	4.09 401	3.59 390	3.15 393	3.82 391	2.64 389	3.91 389	3.85 397	3.57 388	2.72 381	3.13 384	4.03 398	7.09 405	6.86 398	3.57 388	3.12 391	3.85 373	3.51 394

cross-raft	4.83 399	7.52 375	6.43 399	6.63 390	3.96 400	4.51 398	3.99 401	4.49 397	3.96 400	4.52 396	3.96 399	4.50 397	3.97 392	4.50 398	3.97 397	6.65 400	6.44 395	4.33 394	3.92 400	4.35 381	3.91 400

test_5	4.62 397	7.55 376	6.23 398	6.32 389	3.40 395	5.29 403	3.50 395	3.53 389	4.11 401	4.28 393	4.47 404	4.26 396	4.38 395	3.68 390	3.24 391	5.89 396	5.60 390	4.84 398	3.50 392	4.33 380	3.93 401

RAFT+CT+SA	4.28 391	7.62 377	4.91 393	5.55 384	2.28 388	3.09 383	3.64 396	4.49 397	3.07 393	4.80 397	3.35 393	4.77 400	3.70 387	4.29 396	3.05 390	5.58 394	5.98 393	3.58 389	3.78 398	4.26 379	3.72 396

raft_robust	4.71 398	7.75 378	5.40 397	6.81 391	3.31 394	4.28 397	4.20 403	4.32 396	4.37 404	4.35 395	4.35 403	4.14 394	3.75 388	4.30 397	4.20 401	6.67 401	6.37 394	3.36 387	4.24 404	4.86 386	3.25 392

test_4	4.88 400	8.13 379	6.98 404	7.46 395	4.44 403	4.25 396	3.85 400	4.04 395	3.92 399	4.13 392	3.91 398	4.18 395	3.84 389	4.14 394	4.06 399	7.01 404	7.13 399	4.53 395	3.72 397	4.09 377	3.72 396

Sa-1000	4.34 393	8.37 380	6.84 402	6.98 394	4.45 404	3.58 389	3.00 391	3.42 388	3.39 394	2.61 379	4.00 400	3.83 391	4.01 393	3.90 391	3.90 396	5.98 398	5.62 391	3.76 391	2.34 388	4.35 381	2.47 390

TestStereo1	4.60 394	8.41 381	6.44 400	6.86 392	3.79 398	3.97 393	3.78 398	3.99 393	3.74 396	3.97 390	3.52 394	3.94 392	3.58 384	3.98 392	3.72 394	6.82 402	6.50 396	3.76 391	3.66 394	3.90 374	3.74 398

SA-5K	4.60 394	8.41 381	6.44 400	6.86 392	3.79 398	3.97 393	3.78 398	3.99 393	3.74 396	3.97 390	3.52 394	3.94 392	3.58 384	3.98 392	3.72 394	6.82 402	6.50 396	3.76 391	3.66 394	3.90 374	3.74 398

CFNet_RVC	2.38 372	8.71 383	0.38 183	9.33 400	0.42 235	0.56 245	0.42 226	0.60 242	0.38 208	0.62 250	0.42 229	0.56 247	7.29 405	0.62 250	0.42 227	0.53 232	0.37 182	0.49 244	0.34 207	8.30 402	6.87 408

test_3	5.01 402	8.86 384	7.77 406	8.09 396	2.76 392	4.13 395	4.05 402	3.88 392	3.76 398	4.33 394	4.13 401	3.71 390	3.91 390	4.21 395	4.06 399	7.93 406	7.69 401	4.53 395	3.91 399	4.17 378	4.29 403

SGM+DAISY	7.06 407	9.15 385	5.38 396	8.84 399	5.18 406	8.80 410	5.31 406	8.79 410	5.28 407	8.89 410	5.20 406	8.93 410	5.33 398	8.95 410	5.36 404	8.70 408	5.21 389	8.74 410	5.20 406	8.89 404	5.15 405

test-1	6.46 405	9.16 386	8.03 409	8.09 396	5.62 407	6.11 405	6.35 407	6.85 406	4.94 406	6.08 405	6.29 409	4.98 402	6.43 401	6.22 402	6.36 407	6.16 399	7.47 400	5.82 404	5.44 407	7.11 399	5.68 406

RAFT	6.73 406	9.36 387	7.40 405	8.51 398	6.55 408	6.88 407	6.60 408	6.79 405	6.60 408	6.80 407	6.72 410	5.31 404	5.50 399	6.61 403	6.61 408	8.42 407	5.89 392	5.73 403	5.45 408	6.61 395	6.24 407

CFNet_pseudo	2.67 380	9.36 387	0.32 165	10.99 410	0.33 201	0.85 273	0.33 185	0.49 219	0.33 192	0.49 223	0.32 190	0.49 229	7.26 404	0.49 231	0.33 186	0.41 199	9.62 407	0.41 214	0.29 183	10.03 409	0.29 170

CFNet_ucs	2.73 381	9.64 389	0.33 169	9.92 406	0.32 192	0.49 232	0.33 185	0.49 219	0.33 192	0.49 223	0.33 193	0.49 229	8.98 408	0.48 225	0.33 186	0.41 199	9.96 410	0.40 203	0.29 183	10.12 410	0.54 242

PCWNet_CMD	2.80 384	9.82 390	0.32 165	10.09 408	0.32 192	0.49 232	0.33 185	3.34 386	0.33 192	0.49 223	0.33 193	0.49 229	8.73 406	0.48 225	0.33 186	0.41 199	9.22 404	0.42 223	0.29 183	9.55 407	0.31 183

pcwnet_v2	2.66 379	9.89 391	0.33 169	9.89 405	0.32 192	0.50 238	0.32 178	0.49 219	0.33 192	0.49 223	0.34 199	0.49 229	8.76 407	0.48 225	0.33 186	0.41 199	9.58 406	0.40 203	0.29 183	9.01 405	0.63 256

UCFNet_RVC	2.75 382	10.06 392	0.29 151	10.31 409	0.29 176	0.42 214	0.29 168	0.43 205	0.29 172	0.42 199	0.29 176	0.42 211	9.87 410	0.43 210	0.29 170	0.36 172	9.84 409	0.36 186	0.26 164	9.77 408	0.26 149

MSMDNet	2.65 378	10.14 393	0.33 169	9.74 403	0.32 192	0.87 274	0.33 185	2.95 382	0.68 268	0.49 223	0.34 199	0.49 229	5.70 400	0.49 231	0.33 186	0.42 212	9.57 405	0.41 214	0.31 197	8.36 403	0.65 258

ccs_rob	2.79 383	10.17 394	0.32 165	10.00 407	0.33 201	0.49 232	0.33 185	1.90 359	0.32 189	0.51 233	0.33 193	0.49 229	9.24 409	0.49 231	0.33 186	0.41 199	9.82 408	0.41 214	0.28 174	9.34 406	0.29 170

test-v	7.53 408	11.89 395	7.98 407	9.36 401	7.14 409	7.06 408	7.09 409	7.37 407	6.91 409	7.29 408	5.71 407	6.45 407	6.93 402	6.73 406	7.27 409	8.93 409	7.85 402	6.98 407	6.80 409	7.56 400	7.34 409

test-2	7.53 408	11.89 395	7.98 407	9.36 401	7.14 409	7.06 408	7.09 409	7.37 407	6.91 409	7.29 408	5.71 407	6.45 407	6.93 402	6.73 406	7.27 409	8.93 409	7.85 402	6.98 407	6.80 409	7.56 400	7.34 409

Anonymous Stereo	2.36 367	18.47 397	11.50 410	9.80 404	0.53 256	0.28 148	0.50 245	0.58 239	0.53 249	0.59 246	0.53 257	0.66 257	0.52 246	0.62 250	0.41 221	0.36 172	0.37 182	0.31 156	0.19 140	0.20 117	0.22 131

rafts_anoy	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

raft+_RVC	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

raftrobust	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

CasAABBNet	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

RALCasStereoNet	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

RALAANet	20.00 412	20.00 398	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412	20.00 411	20.00 412

MANE	19.05 411	23.00 404	15.00 411	23.00 417	15.00 411	24.00 417	16.00 411	24.00 417	16.00 411	22.00 417	15.00 411	23.00 417	16.00 411	23.00 417	15.00 411	22.00 417	15.00 411	22.00 417	15.00 411	22.00 417	15.00 411

stereogan	2.33 365	24.38 405	1.18 290	1.18 274	1.18 317	1.14 301	1.18 307	1.19 292	1.19 314	1.14 299	1.18 311	1.14 303	1.18 301	1.14 302	1.18 309	1.14 289	1.14 290	1.19 310	1.19 307	1.15 276	1.19 310

Abc-Net	2.32 364	24.75 406	1.14 285	1.17 273	1.17 315	1.11 299	1.15 303	1.17 289	1.21 360	1.08 291	1.16 307	1.12 302	1.14 295	1.09 296	1.17 308	1.09 280	1.16 292	1.17 307	1.17 306	1.16 278	1.11 300
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 365	25.00 407	1.13 284	1.15 267	1.15 310	1.10 296	1.15 303	1.15 286	1.15 307	1.12 297	1.15 304	1.09 296	1.13 293	1.10 298	1.15 304	1.11 287	1.09 283	1.16 303	1.12 301	1.16 278	1.17 308

RGC	2.36 367	25.48 408	1.19 291	1.15 267	1.15 310	1.10 296	1.16 305	1.17 289	1.16 308	1.12 297	1.16 307	1.11 301	1.13 293	1.09 296	1.18 309	1.10 282	1.15 291	1.16 303	1.12 301	1.14 275	1.12 302

NCC-stereo	2.36 367	25.52 409	1.17 288	1.15 267	1.17 315	1.11 299	1.11 299	1.15 286	1.16 308	1.10 292	1.16 307	1.10 298	1.15 296	1.14 302	1.13 302	1.09 280	1.11 287	1.15 302	1.16 305	1.17 283	1.17 308

AF-Net	2.37 370	25.71 410	1.17 288	1.13 264	1.15 310	1.15 302	1.18 307	1.19 292	1.16 308	1.10 292	1.15 304	1.10 298	1.18 301	1.12 301	1.15 304	1.10 282	1.10 286	1.17 307	1.15 303	1.16 278	1.12 302

Nwc_Net	2.37 370	25.95 411	1.15 287	1.14 265	1.15 310	1.08 294	1.14 302	1.17 289	1.16 308	1.14 299	1.15 304	1.08 294	1.15 296	1.11 300	1.14 303	1.10 282	1.11 287	1.16 303	1.09 300	1.16 278	1.15 307

FAT-Stereo	2.46 374	26.05 412	1.23 343	1.23 323	1.22 365	1.20 304	1.24 357	1.23 343	1.23 362	1.19 301	1.22 358	1.21 352	1.24 351	1.20 306	1.24 358	1.21 337	1.17 294	1.22 357	1.25 357	1.20 287	1.24 359

S-Stereo	2.51 375	26.86 413	1.23 343	1.22 321	1.22 365	1.24 352	1.25 358	1.22 341	1.24 363	1.21 347	1.24 360	1.19 306	1.27 353	1.19 305	1.24 358	1.19 291	1.20 296	1.25 358	1.19 307	1.24 335	1.23 358

edge stereo	2.43 373	27.07 414	1.14 285	1.06 257	1.14 309	1.08 294	1.17 306	1.16 288	1.14 306	1.10 292	1.16 307	1.09 296	1.16 300	1.10 298	1.16 307	1.10 282	1.11 287	1.16 303	1.19 307	1.13 274	1.11 300

fff	1000028.16 434	29.62 415	29.72 419	32.61 418	30.02 419	35.13 420	31.83 420	32.07 419	10000000.00 434	35.27 421	29.82 420	32.45 419	30.15 419	32.35 419	30.09 419	31.04 419	29.55 420	30.64 419	30.14 419	10000000.00 434	30.77 420

csc	1000028.16 434	29.62 415	29.72 419	32.61 418	30.02 419	35.13 420	31.83 420	32.07 419	10000000.00 434	35.27 421	29.82 420	32.45 419	30.15 419	32.35 419	30.09 419	31.04 419	29.55 420	30.64 419	30.14 419	10000000.00 434	30.77 420

cscssc	1000028.16 434	29.62 415	29.72 419	32.61 418	30.02 419	35.13 420	31.83 420	32.07 419	10000000.00 434	35.27 421	29.82 420	32.45 419	30.15 419	32.35 419	30.09 419	31.04 419	29.55 420	30.64 419	30.14 419	10000000.00 434	30.77 420

STTStereo	3.73 390	30.40 418	2.37 382	2.39 358	2.31 390	2.35 375	2.33 385	2.29 368	2.42 388	2.32 376	2.34 390	2.33 373	2.36 378	2.30 374	2.27 387	2.35 373	2.22 374	2.31 378	2.22 384	2.29 359	2.34 387

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

DCANet-4	35.22 420	34.54 420	35.08 425	33.58 422	35.47 426	34.55 419	35.53 426	36.08 424	35.85 423	35.92 424	35.77 425	35.18 424	35.48 424	35.39 424	37.15 425	34.55 424	33.92 423	35.02 425	34.90 424	35.79 422	34.74 426

tt	500032.53 432	34.60 421	29.72 419	37.47 424	34.41 424	36.85 424	35.22 424	34.71 422	33.55 421	34.50 419	35.43 423	33.81 422	10000000.00 435	33.57 422	33.13 423	33.68 422	35.00 424	34.03 423	35.26 425	30.96 419	34.63 424

DCANet	500032.53 432	34.60 421	29.72 419	37.47 424	34.41 424	36.85 424	35.22 424	34.71 422	33.55 421	34.50 419	35.43 423	33.81 422	10000000.00 435	33.57 422	33.13 423	33.68 422	35.00 424	34.03 423	35.26 425	30.96 419	34.63 424

WCMA_ROB	31.10 419	35.43 423	27.12 418	39.51 426	23.10 418	38.78 426	25.30 418	37.49 426	25.39 418	37.29 425	27.02 418	38.52 426	26.48 418	37.80 425	26.44 418	36.28 425	22.65 418	33.90 422	22.30 418	37.10 423	24.18 418

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

NLCA_NET_v2_RVC	5.04 403	50.87 425	2.78 384	2.87 367	2.71 391	2.78 382	0.47 235	2.88 381	2.86 392	1.89 363	2.67 391	2.79 383	2.79 382	2.78 382	2.83 389	2.82 378	2.82 378	2.83 383	2.77 390	2.83 368	2.76 391
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 422	87.70 426	41.95 427	113.75 429	65.62 429	75.05 427	55.25 428	75.64 428	45.04 424	71.61 427	41.75 427	72.81 427	44.06 425	68.38 427	44.63 427	101.89 429	59.57 429	107.10 429	61.05 429	104.38 426	59.38 429

AE-Stereo	201.80 426	123.00 427	115.00 429	219.00 431	218.00 432	223.00 431	244.00 432	217.00 431	236.00 429	202.00 431	203.00 431	205.00 431	208.00 429	225.00 431	204.00 431	210.00 431	198.00 431	197.00 431	184.00 431	204.00 428	201.00 431

EGLCR-Stereo	246.90 427	129.00 428	139.00 431	266.00 432	286.00 433	277.00 432	305.00 433	271.00 432	242.00 430	274.00 432	279.00 433	255.00 432	270.00 431	268.00 432	297.00 433	230.00 432	247.00 433	216.00 432	223.00 433	237.00 429	227.00 433

NOSS_ROB	102.95 423	153.00 429	121.00 430	51.00 427	44.00 427	165.00 430	127.00 429	153.00 429	119.00 426	164.00 430	125.00 429	168.00 430	120.00 427	153.00 429	117.00 429	49.00 427	44.00 427	49.00 427	44.00 427	49.00 424	44.00 427

MeshStereo	159.24 425	171.00 430	160.68 432	162.58 430	160.59 430	164.01 429	160.35 430	158.51 430	158.56 427	158.34 429	160.12 430	158.56 429	159.92 428	157.26 430	158.94 430	154.38 430	158.36 430	155.75 430	159.13 430	153.67 427	154.07 430
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
PA-Net	11.80 410	223.51 431	0.62 234	0.59 207	0.71 280	0.59 251	0.73 273	0.67 249	0.73 278	0.55 240	0.61 265	0.60 252	0.74 271	0.63 252	0.73 277	0.66 242	0.60 236	0.69 262	0.66 269	0.72 237	0.65 258
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 428	354.61 432	207.27 433	363.24 433	206.46 431	364.72 433	210.41 431	364.72 433	210.41 428	364.81 433	208.64 432	364.81 433	208.64 430	364.72 433	210.41 432	354.70 433	205.53 432	354.70 433	205.53 432	354.70 430	205.53 432

LE_ROB	396.57 429	471.28 433	329.84 434	471.48 434	308.15 434	526.83 434	322.10 434	488.15 434	323.76 431	495.46 434	317.97 434	497.17 434	320.10 432	481.62 434	326.76 434	462.71 434	298.97 434	466.16 434	285.98 434	447.62 431	289.21 434

SGM-ForestM	596.69 430	677.77 434	444.52 435	699.85 435	517.25 435	732.94 435	488.29 435	770.79 435	460.11 432	750.81 435	487.98 435	792.79 435	499.41 433	730.90 435	475.81 435	720.03 435	491.16 435	663.96 435	418.60 435	674.76 432	436.05 435

CBMV_ROB	818.48 431	913.88 435	709.52 436	862.84 436	597.78 436	1073.99 436	700.52 436	1015.66 436	702.59 433	1115.65 436	760.02 436	1130.24 436	721.57 434	1037.41 436	692.65 436	814.05 436	564.29 436	843.28 436	595.31 436	915.51 433	602.92 436

CBMV	128.50 424	1422.70 436	53.10 428	79.50 428	51.30 428	77.30 428	49.70 427	74.00 427	48.20 425	77.20 428	48.80 428	73.90 428	48.00 426	73.80 428	48.80 428	70.40 428	45.10 428	68.90 428	46.10 428	68.20 425	45.00 428
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SDNR	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437

anonymousdsp2	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437

anonymousdsp	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437

test_example2	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437

DIP-Stereo	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark