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

GrayStereo	0.71 231	0.27 1	2.40 114	0.89 348	0.23 109	0.62 184	1.40 394	0.67 86	0.70 178	0.72 283	0.77 292	0.55 165	3.03 399	0.60 107	0.28 42	0.10 47	0.08 38	0.10 47	0.21 271	0.12 25	0.37 163

AEACV	0.89 308	0.29 2	1.84 18	2.50 408	1.68 398	0.53 67	0.21 30	1.01 291	0.42 9	0.68 264	0.31 26	0.22 8	0.39 147	1.63 268	0.25 23	0.09 11	2.60 411	0.09 14	0.54 374	0.23 188	2.27 403

PSM-AAD	0.67 211	0.29 2	2.41 118	0.37 168	0.23 109	0.86 316	1.15 380	0.62 70	0.66 124	0.64 238	0.71 269	0.67 220	2.90 398	0.65 122	0.32 79	0.10 47	0.08 38	0.17 277	0.15 196	0.14 51	0.34 150

EAI-Stereo	1.16 350	0.29 2	1.94 34	0.55 287	0.97 358	1.96 389	7.94 417	1.34 369	1.03 343	1.01 337	1.48 365	0.51 144	0.66 289	0.65 122	1.42 312	0.09 11	0.23 237	0.09 14	0.53 373	0.13 35	0.49 231

GLC_STEREO	0.31 1	0.30 5	1.80 11	0.29 46	0.12 3	0.41 14	0.20 20	0.39 2	0.42 9	0.26 14	0.31 26	0.25 24	0.19 7	0.36 24	0.26 32	0.09 11	0.11 126	0.12 136	0.10 71	0.13 35	0.15 30

SST-Stereo	0.56 111	0.30 5	2.44 135	0.71 332	0.55 288	0.62 184	0.65 331	0.57 53	0.67 136	0.59 190	0.53 127	0.51 144	0.59 268	1.57 258	0.31 70	0.12 144	0.07 6	0.12 136	0.10 71	0.17 90	0.11 9

CAS	0.39 15	0.31 7	1.79 10	0.81 344	0.34 210	0.51 47	0.23 59	0.49 14	0.42 9	0.23 6	0.31 26	0.20 2	0.17 1	0.30 2	0.25 23	0.77 377	0.06 1	0.07 1	0.05 1	0.10 10	0.41 190

anonymousdsp2	0.88 301	0.31 7	1.96 38	1.06 362	1.56 394	0.57 107	0.22 40	0.84 169	0.98 336	1.20 356	0.37 43	0.65 211	0.26 49	1.19 209	0.46 140	0.10 47	2.40 409	0.10 47	0.13 160	0.19 133	2.96 410

EGLCR-Stereo	0.90 311	0.31 7	1.90 27	1.60 387	0.95 354	1.14 355	0.42 254	0.85 179	0.43 13	1.74 385	0.21 1	0.27 37	0.17 1	1.56 254	0.30 56	0.10 47	2.60 411	0.10 47	0.09 37	0.10 10	3.10 412

RAFT_R40	0.55 103	0.31 7	2.44 135	0.57 300	0.42 259	0.62 184	0.52 295	0.58 55	0.66 124	0.56 152	0.54 141	0.54 157	0.50 229	1.56 254	0.53 166	0.11 111	0.07 6	0.12 136	0.10 71	0.16 69	0.10 4

CRE-IMP	0.46 45	0.31 7	2.40 114	0.53 280	0.17 37	0.79 298	0.68 339	0.54 39	0.66 124	0.47 64	0.43 65	0.44 108	0.26 49	0.43 45	0.33 88	0.12 144	0.07 6	0.12 136	0.09 37	0.17 90	0.23 85

R-Stereo Train	0.42 22	0.31 7	2.51 175	0.30 60	0.18 47	0.56 88	0.25 100	0.82 152	0.41 5	0.57 164	0.67 236	0.33 57	0.24 27	0.34 15	0.33 88	0.10 47	0.08 38	0.09 14	0.07 12	0.09 5	0.18 56

RAFT-Stereo	0.42 22	0.31 7	2.51 175	0.30 60	0.18 47	0.56 88	0.25 100	0.82 152	0.41 5	0.57 164	0.67 236	0.33 57	0.24 27	0.34 15	0.33 88	0.10 47	0.08 38	0.09 14	0.07 12	0.09 5	0.18 56
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.71 231	0.32 14	2.44 135	0.44 239	0.50 276	0.58 114	0.23 59	1.08 335	0.67 136	0.67 258	0.51 117	0.47 129	0.24 27	0.63 114	0.32 79	0.09 11	2.15 401	0.11 93	0.45 361	0.22 173	2.01 384

CES	0.33 4	0.32 14	1.46 3	0.25 5	0.50 276	0.40 13	0.20 20	0.48 11	0.48 28	0.22 3	0.29 17	0.26 30	0.19 7	0.35 22	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 248

riskmin	0.96 322	0.32 14	2.07 55	1.72 394	1.61 397	1.62 377	0.57 311	1.45 375	0.55 60	0.73 284	0.89 316	0.92 314	0.45 204	1.16 205	0.60 183	0.11 111	1.30 370	0.12 136	1.38 408	0.14 51	1.51 372

DCANet-4	0.43 25	0.32 14	2.31 95	0.26 15	0.14 8	0.51 47	0.22 40	0.84 169	0.78 241	0.55 142	0.48 90	0.28 39	0.37 129	0.40 35	0.37 108	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 199

tt	4.94 411	0.32 14	4.22 383	2.29 407	1.58 395	10.19 419	16.94 422	9.44 420	5.03 407	1.69 384	1.33 360	4.68 406	5.02 409	3.38 396	5.91 409	6.15 417	9.47 424	2.80 414	3.16 416	3.54 415	1.58 374

BUS	0.45 40	0.32 14	1.58 4	0.31 74	0.22 86	0.91 328	0.23 59	1.05 317	0.67 136	0.64 238	0.53 127	0.65 211	0.32 108	0.48 59	0.34 96	0.13 186	0.10 104	0.14 221	0.12 140	0.13 35	0.15 30

BSDual-CNN	0.48 55	0.32 14	1.58 4	0.31 74	0.22 86	0.76 279	0.32 191	1.05 317	0.67 136	0.64 238	0.53 127	0.63 201	0.38 136	0.48 59	0.97 260	0.13 186	0.10 104	0.14 221	0.12 140	0.13 35	0.15 30

psmg	0.48 55	0.32 14	1.58 4	0.28 34	0.22 86	0.75 275	0.35 218	0.94 243	0.67 136	0.61 206	0.59 183	0.63 201	0.38 136	0.48 59	0.97 260	0.13 186	0.11 126	0.13 192	0.13 160	0.14 51	0.15 30

FTStereo	0.79 267	0.32 14	2.83 279	0.70 330	0.21 77	0.73 268	1.75 399	0.61 67	0.60 81	1.07 342	1.62 370	1.28 366	2.11 390	0.75 151	0.30 56	0.19 290	0.08 38	0.12 136	0.11 109	0.12 25	0.39 178

Any-RAFT	0.42 22	0.33 23	1.89 26	0.28 34	0.21 77	0.69 252	0.21 30	0.83 162	0.60 81	0.45 52	0.43 65	0.62 197	0.30 99	0.48 59	0.24 15	0.11 111	0.40 279	0.08 3	0.06 6	0.10 10	0.16 43

NF-Stereo	0.53 92	0.33 23	2.55 190	0.55 287	0.16 20	0.61 162	0.43 261	0.70 98	0.70 178	0.50 100	0.47 84	0.37 68	0.26 49	1.44 241	0.78 234	0.12 144	0.07 6	0.12 136	0.10 71	0.13 35	0.17 49

OCTAStereo	0.53 92	0.33 23	2.54 183	0.56 296	0.16 20	0.61 162	0.42 254	0.70 98	0.70 178	0.50 100	0.47 84	0.37 68	0.26 49	1.43 237	0.79 237	0.12 144	0.07 6	0.12 136	0.10 71	0.13 35	0.17 49

RE-Stereo	0.53 92	0.33 23	2.54 183	0.56 296	0.16 20	0.61 162	0.43 261	0.70 98	0.70 178	0.50 100	0.47 84	0.37 68	0.26 49	1.43 237	0.77 230	0.12 144	0.07 6	0.12 136	0.10 71	0.13 35	0.17 49

TVStereo	0.53 92	0.33 23	2.54 183	0.56 296	0.16 20	0.61 162	0.43 261	0.70 98	0.70 178	0.50 100	0.47 84	0.37 68	0.26 49	1.43 237	0.77 230	0.12 144	0.07 6	0.12 136	0.10 71	0.13 35	0.17 49

GMM-Stereo	0.53 92	0.33 23	2.89 289	0.53 280	0.24 118	0.77 289	0.46 277	0.62 70	0.65 117	0.58 170	0.73 274	0.47 129	0.43 188	0.68 132	0.29 51	0.10 47	0.06 1	0.13 192	0.13 160	0.14 51	0.44 211

ICVP	0.48 55	0.33 23	2.37 104	0.34 128	0.22 86	0.60 144	0.55 304	0.79 133	0.53 52	0.45 52	0.60 190	0.49 137	0.36 124	0.55 92	0.46 140	0.16 249	0.16 193	0.14 221	0.11 109	0.16 69	0.32 140
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CASS	0.43 25	0.34 30	2.01 43	0.33 111	0.17 37	0.54 74	0.24 81	0.71 104	0.52 46	0.62 218	0.55 150	0.40 83	0.41 164	0.43 45	0.33 88	0.17 268	0.10 104	0.14 221	0.11 109	0.18 110	0.23 85
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.37 11	0.34 30	1.83 15	0.25 5	0.18 47	0.45 18	0.24 81	0.60 65	0.40 4	0.42 38	0.39 52	0.54 157	0.25 41	0.41 41	0.29 51	0.12 144	0.08 38	0.12 136	0.07 12	0.13 35	0.20 68

PSM-softLoss	0.52 82	0.34 30	2.47 163	0.55 287	0.17 37	0.61 162	0.39 242	0.64 78	0.67 136	0.52 119	0.48 90	0.39 75	0.25 41	1.46 242	0.77 230	0.13 186	0.08 38	0.13 192	0.12 140	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 163	0.55 287	0.17 37	0.61 162	0.39 242	0.64 78	0.67 136	0.52 119	0.48 90	0.39 75	0.25 41	1.46 242	0.77 230	0.13 186	0.08 38	0.13 192	0.12 140	0.12 25	0.15 30

NRIStereo	0.50 70	0.34 30	2.44 135	0.52 276	0.16 20	0.94 334	0.73 346	0.52 27	0.65 117	0.48 66	0.40 60	0.59 183	0.29 89	0.78 158	0.33 88	0.11 111	0.13 154	0.11 93	0.09 37	0.22 173	0.25 99

cross-raft	0.47 48	0.34 30	2.17 73	0.70 330	0.84 344	0.50 45	0.35 218	0.74 108	0.43 13	0.44 50	0.45 77	0.63 201	0.25 41	0.37 25	0.27 37	0.08 1	0.14 167	0.10 47	0.23 278	0.11 17	0.27 109

s12784h	0.41 18	0.34 30	2.17 73	0.24 4	0.11 1	0.64 209	0.24 81	0.85 179	0.70 178	0.45 52	0.54 141	0.28 39	0.27 62	0.51 75	0.27 37	0.11 111	0.06 1	0.09 14	0.06 6	0.16 69	0.14 24

LoS	0.34 5	0.35 37	1.88 24	0.25 5	0.13 5	0.53 67	0.20 20	0.50 23	0.53 52	0.26 14	0.28 15	0.37 68	0.24 27	0.40 35	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

KYRaft	0.52 82	0.35 37	2.40 114	0.34 128	0.21 77	0.75 275	0.43 261	0.62 70	0.63 104	0.64 238	0.92 320	0.53 152	0.72 301	0.60 107	0.26 32	0.10 47	0.07 6	0.12 136	0.14 178	0.13 35	0.54 248

CREStereo	0.31 1	0.35 37	1.66 7	0.19 1	0.13 5	0.55 84	0.17 5	0.50 23	0.50 36	0.28 18	0.34 35	0.24 21	0.21 16	0.34 15	0.23 14	0.11 111	0.07 6	0.08 3	0.05 1	0.10 10	0.12 10
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
Patchmatch Stereo++	0.43 25	0.36 40	2.44 135	0.48 256	0.17 37	0.61 162	0.26 112	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.56 95	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.43 25	0.36 40	2.44 135	0.48 256	0.18 47	0.61 162	0.28 134	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.49 69	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 135	0.49 267	0.17 37	0.61 162	0.28 134	0.53 30	0.61 84	0.48 66	0.43 65	0.44 108	0.28 73	0.48 59	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

ROB_FTStereo	0.43 25	0.36 40	2.44 135	0.48 256	0.18 47	0.61 162	0.26 112	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.51 75	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

HUI-Stereo	0.43 25	0.36 40	2.45 151	0.48 256	0.18 47	0.61 162	0.27 126	0.53 30	0.61 84	0.48 66	0.43 65	0.44 108	0.28 73	0.47 51	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

iGMRVC	0.43 25	0.36 40	2.44 135	0.48 256	0.18 47	0.61 162	0.27 126	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.57 98	0.31 70	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

iRAFT	0.43 25	0.36 40	2.44 135	0.48 256	0.17 37	0.61 162	0.26 112	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.56 95	0.30 56	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

RAFT-IKP	0.43 25	0.36 40	2.44 135	0.48 256	0.16 20	0.60 144	0.28 134	0.53 30	0.61 84	0.48 66	0.43 65	0.43 93	0.28 73	0.51 75	0.31 70	0.12 144	0.08 38	0.12 136	0.10 71	0.17 90	0.13 12

Prome-Stereo	0.53 92	0.36 40	2.39 112	0.60 302	0.23 109	0.63 197	0.41 247	0.66 83	0.67 136	0.59 190	1.02 337	0.43 93	0.71 300	0.61 110	0.34 96	0.10 47	0.07 6	0.10 47	0.09 37	0.13 35	0.44 211

CFNet-RSSM	0.44 37	0.36 40	2.38 106	0.28 34	0.43 260	0.53 67	0.20 20	0.86 191	0.52 46	0.44 50	0.36 39	0.53 152	0.26 49	0.40 35	0.27 37	0.09 11	0.08 38	0.09 14	0.38 349	0.10 10	0.22 77

MC-Stereo	0.58 126	0.37 50	2.00 41	0.88 347	0.64 317	0.54 74	0.19 12	0.46 9	0.39 3	0.58 170	0.39 52	0.27 37	0.27 62	0.71 141	0.32 79	0.09 11	1.20 356	0.09 14	0.16 214	0.22 173	1.92 382

DeepStereo_RVC	0.47 48	0.37 50	2.19 76	0.55 287	0.18 47	0.60 144	0.58 313	0.52 27	0.62 93	0.49 82	0.45 77	0.39 75	0.85 325	0.47 51	0.34 96	0.12 144	0.08 38	0.11 93	0.09 37	0.15 60	0.19 60

RAFT-345	0.56 111	0.37 50	2.68 240	0.40 212	0.34 210	0.58 114	0.41 247	0.49 14	0.70 178	0.51 111	0.99 333	0.43 93	0.28 73	1.56 254	0.81 243	0.10 47	0.07 6	0.11 93	0.09 37	0.11 17	0.09 2

CREStereo++_RVC	0.38 13	0.37 50	2.47 163	0.25 5	0.16 20	0.54 74	0.15 1	0.42 4	0.57 67	0.37 26	0.52 124	0.24 21	0.19 7	0.31 3	0.27 37	0.09 11	0.06 1	0.08 3	0.30 312	0.09 5	0.22 77
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
Gwc-CoAtRS	0.41 18	0.37 50	2.06 54	0.28 34	0.41 249	0.48 34	0.19 12	0.64 78	0.49 30	0.45 52	0.39 52	0.57 176	0.26 49	0.37 25	0.28 42	0.09 11	0.19 210	0.09 14	0.31 317	0.11 17	0.25 99

LoS_RVC	0.34 5	0.38 55	1.96 38	0.27 22	0.35 218	0.43 16	0.22 40	0.43 5	0.34 1	0.24 9	0.34 35	0.23 15	0.28 73	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 156

RCA-Stereo	0.45 40	0.38 55	1.80 11	0.27 22	0.25 124	0.58 114	0.23 59	0.84 169	0.66 124	0.42 38	0.44 76	0.28 39	0.35 122	0.31 3	0.21 1	0.09 11	1.01 341	0.09 14	0.07 12	0.21 159	0.53 245

Pruner-Stereo	0.55 103	0.38 55	2.49 171	1.78 396	0.19 63	0.63 197	0.45 272	0.59 62	0.67 136	0.61 206	0.48 90	0.41 88	0.25 41	0.49 69	0.99 268	0.13 186	0.07 6	0.12 136	0.10 71	0.13 35	0.14 24

PMTNet	0.35 7	0.38 55	1.75 9	0.21 2	0.14 8	0.57 107	0.24 81	0.48 11	0.44 17	0.28 18	0.32 32	0.26 30	0.24 27	0.41 41	0.24 15	0.42 358	0.07 6	0.08 3	0.05 1	0.18 110	0.15 30

IGEV_Zeroshot_test	0.91 313	0.39 59	3.80 368	0.42 224	1.95 402	0.56 88	0.64 328	0.84 169	0.55 60	1.45 376	0.53 127	0.79 277	0.42 175	0.57 98	1.13 283	0.10 47	0.49 292	0.10 47	0.34 338	0.19 133	2.97 411

hknet	0.53 92	0.39 59	2.04 50	0.31 74	0.24 118	0.76 279	0.32 191	1.05 317	0.71 190	0.64 238	0.53 127	0.79 277	0.40 153	0.84 168	0.78 234	0.12 144	0.10 104	0.14 221	0.12 140	0.13 35	0.15 30

sCroCo_RVC	0.37 11	0.39 59	2.38 106	0.35 144	0.27 149	0.31 5	0.22 40	0.49 14	0.48 28	0.23 6	0.34 35	0.25 24	0.24 27	0.35 22	0.25 23	0.15 235	0.17 200	0.12 136	0.11 109	0.15 60	0.15 30

SFCPSM	0.48 55	0.39 59	2.30 93	0.28 34	0.27 149	0.70 255	0.32 191	1.00 283	0.69 168	0.50 100	0.52 124	0.43 93	0.36 124	0.53 86	0.44 132	0.12 144	0.09 81	0.12 136	0.16 214	0.18 110	0.23 85

CASnet	0.32 3	0.40 63	1.80 11	0.28 34	0.11 1	0.47 31	0.19 12	0.45 7	0.47 25	0.39 31	0.31 26	0.23 15	0.17 1	0.31 3	0.21 1	0.11 111	0.06 1	0.15 246	0.12 140	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
NINENet	0.54 99	0.40 63	2.19 76	0.55 287	0.26 138	0.91 328	0.23 59	1.05 317	0.77 238	0.54 131	0.57 172	0.65 211	0.32 108	1.22 211	0.34 96	0.16 249	0.13 154	0.16 263	0.11 109	0.16 69	0.14 24

AAGNet	0.92 314	0.40 63	2.53 179	0.60 302	1.01 364	0.62 184	0.45 272	0.52 27	0.68 160	0.58 170	0.53 127	0.50 141	0.72 301	1.22 211	7.32 413	0.12 144	0.07 6	0.12 136	0.10 71	0.16 69	0.10 4

DEmStereo	0.69 222	0.40 63	2.42 122	0.42 224	0.18 47	0.66 236	0.88 359	0.54 39	0.64 110	0.60 199	1.00 334	0.45 120	1.24 357	1.53 250	2.21 354	0.10 47	0.08 38	0.10 47	0.10 71	0.11 17	0.14 24

HSM-Net_RVC	0.70 227	0.40 63	2.45 151	0.27 22	0.19 63	0.68 249	0.30 171	1.29 365	0.73 200	0.73 284	0.70 256	0.77 271	0.45 204	3.73 402	0.46 140	0.13 186	0.09 81	0.10 47	0.09 37	0.13 35	0.32 140
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAFT-Test	0.56 111	0.41 68	2.01 43	0.90 350	1.07 369	0.65 223	0.37 228	0.83 162	0.65 117	0.49 82	0.49 103	0.93 319	0.24 27	0.52 79	0.30 56	0.10 47	0.38 273	0.09 14	0.38 349	0.11 17	0.19 60

DisPM	0.48 55	0.41 68	2.54 183	0.61 308	0.18 47	0.59 132	0.62 326	0.54 39	0.67 136	0.61 206	0.53 127	0.38 73	0.26 49	0.76 153	0.31 70	0.13 186	0.07 6	0.12 136	0.11 109	0.12 25	0.15 30

Selective-IGEV	0.57 118	0.42 70	1.87 23	1.67 391	1.33 384	0.36 11	0.20 20	0.61 67	0.71 190	0.22 3	0.31 26	0.22 8	0.19 7	0.52 79	0.36 105	0.09 11	0.97 338	0.09 14	0.15 196	0.20 150	0.85 314

CRFU-Net	0.58 126	0.42 70	1.90 27	0.49 267	0.27 149	0.83 309	0.35 218	0.94 243	0.54 55	0.65 250	0.60 190	0.78 275	1.34 358	1.00 183	0.51 161	0.17 268	0.14 167	0.17 277	0.10 71	0.19 133	0.20 68

iRaft-Stereo_20w	1.50 373	0.42 70	4.81 395	2.24 406	2.09 405	1.36 363	1.27 387	1.38 371	0.94 322	2.07 388	0.42 63	0.85 299	0.69 297	0.87 171	1.37 309	0.10 47	4.04 416	0.09 14	0.40 353	0.17 90	4.53 417

DAS	0.61 154	0.42 70	1.85 20	0.34 128	0.34 210	0.52 62	0.42 254	0.89 213	0.80 257	0.85 317	0.69 243	0.57 176	0.51 233	2.38 350	0.57 177	0.13 186	0.09 81	0.12 136	0.09 37	0.18 110	0.37 163

SepStereo	0.57 118	0.42 70	1.85 20	0.34 128	0.34 210	0.52 62	0.42 254	0.89 213	0.80 257	0.85 317	0.69 243	0.57 176	0.51 233	1.55 252	0.57 177	0.13 186	0.09 81	0.12 136	0.09 37	0.18 110	0.37 163

PFNet	0.62 167	0.42 70	2.69 246	0.43 234	0.55 288	0.62 184	0.27 126	0.64 78	0.72 197	0.61 206	0.56 162	0.45 120	0.33 113	1.86 307	1.12 282	0.28 342	0.09 81	0.12 136	0.16 214	0.26 224	0.27 109

test-3	0.58 126	0.43 76	2.44 135	0.52 276	0.59 298	0.46 21	0.23 59	0.77 119	0.49 30	0.52 119	0.29 17	0.44 108	0.22 19	0.59 102	0.97 260	0.08 1	1.27 365	0.10 47	0.35 340	0.29 254	0.62 267

test_1	0.58 126	0.43 76	2.44 135	0.52 276	0.59 298	0.46 21	0.23 59	0.77 119	0.49 30	0.51 111	0.29 17	0.44 108	0.22 19	0.59 102	0.97 260	0.08 1	1.27 365	0.10 47	0.35 340	0.29 254	0.63 271

PFNet+	0.50 70	0.43 76	2.54 183	0.49 267	0.18 47	0.58 114	0.76 348	0.54 39	0.72 197	0.56 152	0.48 90	0.39 75	0.26 49	0.94 179	0.33 88	0.14 216	0.09 81	0.14 221	0.13 160	0.12 25	0.16 43

LCNet	0.58 126	0.43 76	2.42 122	0.91 352	0.22 86	0.95 336	0.29 159	0.62 70	0.64 110	0.52 119	0.55 150	0.41 88	0.75 312	0.84 168	0.27 37	0.10 47	0.07 6	0.12 136	0.18 235	0.97 382	0.40 183

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 18	0.44 239	0.20 68	0.52 62	0.19 12	0.60 65	0.54 55	0.58 170	0.59 183	0.63 201	0.29 89	0.59 102	0.34 96	0.16 249	0.09 81	0.16 263	0.09 37	0.26 224	0.26 104

MSKI-zero shot	0.70 227	0.44 80	2.62 213	1.47 381	0.75 331	0.56 88	0.20 20	0.80 138	0.45 18	0.60 199	0.52 124	0.44 108	0.17 1	0.70 135	0.26 32	0.09 11	2.87 414	0.09 14	0.32 322	0.14 51	0.50 233

test_3	0.59 141	0.44 80	2.44 135	0.53 280	0.59 298	0.48 34	0.30 171	0.79 133	0.52 46	0.51 111	0.30 20	0.45 120	0.22 19	0.59 102	0.97 260	0.08 1	1.25 361	0.11 93	0.35 340	0.30 260	0.62 267

Anonymous	0.41 18	0.44 80	2.55 190	0.35 144	0.32 195	0.38 12	0.34 209	0.57 53	0.41 5	0.25 11	0.30 20	0.23 15	0.29 89	0.38 27	0.28 42	0.15 235	0.13 154	0.11 93	0.12 140	0.24 194	0.30 130

AdaStereo	0.48 55	0.44 80	2.18 75	0.36 158	0.20 68	0.59 132	0.29 159	0.97 266	0.74 217	0.52 119	0.55 150	0.61 192	0.33 113	0.52 79	0.44 132	0.18 279	0.08 38	0.17 277	0.11 109	0.18 110	0.24 95
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.
PSMNet-ADL	0.56 111	0.47 85	2.03 47	0.35 144	0.22 86	0.67 243	0.27 126	0.77 119	0.58 73	0.43 44	0.53 127	0.70 250	0.45 204	1.89 312	0.64 197	0.16 249	0.13 154	0.11 93	0.13 160	0.15 60	0.51 237

ASMatch	0.61 154	0.47 85	2.72 253	0.91 352	0.36 224	0.56 88	0.24 81	0.54 39	0.67 136	0.48 66	1.20 351	0.47 129	0.65 283	1.33 227	0.93 257	0.10 47	0.08 38	0.11 93	0.11 109	0.10 10	0.17 49

DRaft	0.65 191	0.47 85	2.38 106	0.25 5	0.17 37	0.64 209	0.65 331	0.56 48	0.57 67	0.67 258	0.98 330	0.38 73	0.99 343	1.42 236	2.06 343	0.11 111	0.14 167	0.10 47	0.14 178	0.18 110	0.21 72

Selective-RAFT	0.46 45	0.48 88	1.88 24	0.32 91	0.16 20	0.61 162	0.19 12	0.66 83	0.62 93	0.28 18	0.30 20	0.41 88	0.33 113	0.51 75	0.32 79	0.11 111	1.09 350	0.09 14	0.35 340	0.19 133	0.37 163

11t1	0.60 147	0.49 89	2.19 76	0.35 144	0.58 297	0.48 34	0.21 30	0.72 105	0.73 200	0.49 82	0.47 84	0.35 64	0.34 120	0.61 110	0.71 217	0.12 144	1.26 364	0.10 47	0.29 306	0.16 69	1.22 351

Anonymous_2	1.36 363	0.49 89	2.03 47	1.71 393	1.58 395	2.49 401	0.58 313	1.59 382	2.31 393	0.77 296	0.88 314	1.03 341	0.58 265	1.20 210	0.66 205	0.32 349	1.38 374	1.42 403	3.87 417	0.78 377	1.56 373

CrosDoStereo	0.96 322	0.49 89	2.66 228	0.27 22	0.33 201	0.54 74	3.69 408	0.77 119	0.66 124	0.70 272	1.39 362	0.53 152	1.47 368	1.77 289	3.02 378	0.10 47	0.08 38	0.11 93	0.11 109	0.22 173	0.30 130

DeepStereo_LL	0.96 322	0.49 89	2.66 228	0.27 22	0.33 201	0.54 74	3.69 408	0.77 119	0.66 124	0.70 272	1.39 362	0.53 152	1.47 368	1.77 289	3.02 378	0.10 47	0.08 38	0.11 93	0.11 109	0.22 173	0.30 130

AnonymousM	0.45 40	0.49 89	1.83 15	0.29 46	0.15 13	0.53 67	0.22 40	0.64 78	0.66 124	0.47 64	0.33 33	0.30 44	0.25 41	0.49 69	0.29 51	0.12 144	0.27 256	0.71 381	0.37 346	0.12 25	0.41 190

Anonymous3	0.47 48	0.49 89	2.61 209	0.33 111	0.25 124	0.72 265	0.32 191	0.80 138	0.60 81	0.36 24	0.41 61	0.33 57	0.29 89	0.46 49	0.30 56	0.19 290	0.18 206	0.13 192	0.13 160	0.18 110	0.22 77

PCWNet_CMD	0.48 55	0.50 95	2.23 83	0.27 22	0.20 68	0.56 88	0.22 40	0.78 126	0.67 136	0.49 82	0.55 150	0.68 233	0.56 253	0.48 59	0.32 79	0.11 111	0.10 104	0.14 221	0.10 71	0.19 133	0.43 199

CFNet_pseudo	0.47 48	0.50 95	2.19 76	0.26 15	0.20 68	0.56 88	0.22 40	0.80 138	0.62 93	0.50 100	0.56 162	0.68 233	0.47 219	0.53 86	0.33 88	0.11 111	0.10 104	0.15 246	0.10 71	0.18 110	0.33 143

DIP-Stereo	0.43 25	0.50 95	2.21 81	0.27 22	0.18 47	0.63 197	0.17 5	0.94 243	0.58 73	0.49 82	0.48 90	0.30 44	0.30 99	0.40 35	0.31 70	0.10 47	0.08 38	0.10 47	0.08 27	0.15 60	0.33 143
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.48 55	0.50 95	2.23 83	0.27 22	0.20 68	0.56 88	0.22 40	0.78 126	0.67 136	0.49 82	0.55 150	0.68 233	0.56 253	0.48 59	0.32 79	0.11 111	0.10 104	0.13 192	0.10 71	0.18 110	0.43 199

ccs_rob	0.47 48	0.50 95	2.19 76	0.26 15	0.20 68	0.56 88	0.22 40	0.80 138	0.62 93	0.50 100	0.56 162	0.68 233	0.47 219	0.53 86	0.33 88	0.11 111	0.10 104	0.16 263	0.10 71	0.18 110	0.33 143

Former-RAFT_DAM_RVC	0.52 82	0.51 100	1.12 1	0.26 15	0.22 86	0.46 21	0.20 20	1.10 340	1.33 371	3.13 409	0.33 33	0.22 8	0.20 14	0.34 15	0.26 32	0.11 111	0.09 81	0.11 93	0.09 37	0.17 90	0.21 72

ttt	0.89 308	0.51 100	2.51 175	0.36 158	0.31 184	0.61 162	0.28 134	1.07 332	0.92 315	0.56 152	0.77 292	0.55 165	0.37 129	2.27 340	3.51 386	0.16 249	1.21 359	0.13 192	0.31 317	0.18 110	1.26 353

CoDeX	0.54 99	0.52 102	2.25 85	0.30 60	0.26 138	0.61 162	0.32 191	1.03 303	0.73 200	0.49 82	0.56 162	0.52 151	0.40 153	1.59 265	0.38 114	0.12 144	0.09 81	0.11 93	0.10 71	0.15 60	0.22 77

HH	0.79 267	0.52 102	2.72 253	1.45 379	0.80 340	0.91 328	0.23 59	0.76 113	0.76 230	0.64 238	0.55 150	0.87 305	0.41 164	0.94 179	0.45 136	0.09 11	1.20 356	0.10 47	0.09 37	0.16 69	2.16 391

HanStereo	0.79 267	0.52 102	2.72 253	1.45 379	0.80 340	0.91 328	0.23 59	0.76 113	0.76 230	0.64 238	0.55 150	0.87 305	0.41 164	0.94 179	0.45 136	0.09 11	1.20 356	0.10 47	0.09 37	0.16 69	2.16 391

mmm	0.66 208	0.53 105	1.83 15	0.38 186	0.86 345	0.49 39	0.27 126	0.82 152	0.83 275	0.59 190	0.69 243	0.47 129	0.38 136	0.81 166	0.73 222	0.12 144	1.37 373	0.14 221	0.45 361	0.18 110	1.35 363

MDST_ROB	1.28 356	0.53 105	3.84 371	0.55 287	0.45 264	4.06 409	0.60 319	1.36 370	0.89 308	2.18 393	1.17 348	0.98 330	0.72 301	4.28 405	2.12 347	0.20 298	0.16 193	0.19 298	0.17 227	0.20 150	0.84 310

SMFormer	0.64 186	0.54 107	1.92 30	0.32 91	0.16 20	0.46 21	0.24 81	0.94 243	0.85 291	0.58 170	0.70 256	0.51 144	0.41 164	1.89 312	0.86 252	0.13 186	1.01 341	0.11 93	0.26 292	0.17 90	0.84 310

tta	0.63 179	0.54 107	1.92 30	0.32 91	0.16 20	0.46 21	0.24 81	0.94 243	0.85 291	0.58 170	0.70 256	0.51 144	0.41 164	1.89 312	0.86 252	0.13 186	1.01 341	0.11 93	0.26 292	0.19 133	0.59 260

qqq1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 21	0.24 81	0.94 243	0.85 291	0.58 170	0.70 256	0.51 144	0.41 164	1.89 312	0.64 197	0.13 186	1.01 341	0.09 14	0.24 280	0.19 133	0.59 260

fff1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 21	0.24 81	0.94 243	0.85 291	0.58 170	0.70 256	0.51 144	0.41 164	1.89 312	0.64 197	0.13 186	1.01 341	0.09 14	0.24 280	0.19 133	0.59 260

test-1	0.61 154	0.54 107	2.09 58	0.31 74	1.37 386	0.51 47	0.28 134	0.83 162	0.50 36	0.42 38	0.55 150	0.54 157	0.24 27	0.38 27	1.25 298	0.10 47	1.08 349	0.10 47	0.17 227	0.11 17	0.77 299

pcwnet_v2	0.65 191	0.54 107	4.29 388	0.33 111	0.27 149	0.60 144	0.25 100	1.02 297	0.92 315	0.61 206	0.69 243	0.62 197	0.54 246	0.67 128	0.38 114	0.18 279	0.15 181	0.15 246	0.14 178	0.21 159	0.49 231

GES	0.49 66	0.54 107	2.37 104	0.31 74	0.19 63	0.61 162	0.30 171	0.93 238	0.52 46	0.49 82	0.53 127	0.40 83	0.43 188	0.59 102	0.67 207	0.16 249	0.11 126	0.12 136	0.10 71	0.20 150	0.30 130

EKT-Stereo	1.56 379	0.55 114	2.60 205	2.54 409	19.66 425	0.55 84	0.22 40	0.76 113	0.51 41	0.40 33	0.36 39	0.43 93	0.27 62	0.74 150	0.42 123	0.13 186	0.17 200	0.11 93	0.16 214	0.20 150	0.50 233

CFNet_ucs	0.50 70	0.55 114	2.28 89	0.27 22	0.22 86	0.58 114	0.23 59	0.90 221	0.69 168	0.54 131	0.64 220	0.68 233	0.44 196	0.55 92	0.34 96	0.14 216	0.12 141	0.16 263	0.11 109	0.19 133	0.38 171

GANet-ADL	0.48 55	0.56 116	2.51 175	0.34 128	0.20 68	0.58 114	0.25 100	0.80 138	0.57 67	0.43 44	0.61 198	0.56 172	0.31 103	0.44 48	0.44 132	0.14 216	0.11 126	0.10 47	0.09 37	0.22 173	0.38 171

XX-Stereo	0.98 327	0.57 117	4.45 392	1.64 389	5.33 415	0.55 84	0.16 3	0.96 259	0.43 13	0.45 52	0.65 227	0.85 299	0.19 7	0.79 159	0.26 32	0.11 111	0.80 331	0.10 47	0.32 322	0.17 90	0.78 302

NVstereo2D	0.63 179	0.57 117	2.29 91	0.37 168	0.35 218	0.69 252	0.49 288	0.96 259	0.88 303	0.49 82	0.54 141	0.72 253	0.46 211	1.98 322	0.50 158	0.19 290	0.20 222	0.18 293	0.16 214	0.28 246	0.34 150

ff7	0.65 191	0.58 119	2.09 58	0.39 199	0.60 303	0.56 88	0.23 59	0.49 14	0.62 93	1.00 333	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 392	0.10 47	0.18 235	0.24 194	2.22 398

ffff	0.65 191	0.58 119	2.09 58	0.39 199	0.60 303	0.56 88	0.23 59	0.49 14	0.62 93	1.00 333	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 392	0.10 47	0.18 235	0.24 194	2.22 398

11t	0.65 191	0.58 119	2.09 58	0.39 199	0.60 303	0.56 88	0.23 59	0.49 14	0.62 93	1.00 333	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 392	0.10 47	0.18 235	0.24 194	2.22 398

ccc-4	0.65 191	0.58 119	2.09 58	0.39 199	0.60 303	0.56 88	0.23 59	0.49 14	0.62 93	1.00 333	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 392	0.10 47	0.18 235	0.24 194	2.22 398

UNet	0.56 111	0.58 119	2.81 275	0.32 91	0.33 201	0.74 273	0.27 126	0.86 191	0.67 136	0.55 142	0.55 150	0.72 253	0.55 251	0.79 159	0.58 179	0.12 144	0.09 81	0.13 192	0.11 109	0.20 150	0.19 60

FENet	0.48 55	0.58 119	2.46 158	0.33 111	0.18 47	0.58 114	0.22 40	0.83 162	0.64 110	0.49 82	0.42 63	0.55 165	0.38 136	0.52 79	0.51 161	0.12 144	0.09 81	0.12 136	0.11 109	0.17 90	0.31 138

anonymousdsp	0.86 294	0.59 125	2.65 224	1.33 373	1.25 381	0.56 88	0.23 59	0.54 39	0.71 190	1.13 346	0.25 11	0.22 8	0.24 27	1.24 215	0.24 15	0.09 11	2.34 407	0.10 47	0.18 235	0.25 209	3.12 413

STTRV1_RVC	0.81 272	0.59 125	2.88 288	0.43 234	0.49 275	0.80 301	0.44 267	1.18 357	0.84 287	0.63 227	0.89 316	0.72 253	0.63 281	2.67 371	0.67 207	0.51 367	0.65 315	0.27 336	0.24 280	0.35 294	0.29 121

anonymousa	0.74 244	0.60 127	2.58 198	0.96 356	1.33 384	0.61 162	0.26 112	0.69 91	0.56 64	0.55 142	0.84 302	0.82 289	0.46 211	0.56 95	0.61 188	0.10 47	1.11 352	0.12 136	0.98 400	0.14 51	0.97 332

ProNet	0.46 45	0.60 127	1.85 20	0.35 144	0.67 321	0.49 39	0.25 100	0.53 30	0.57 67	0.21 1	0.24 6	0.22 8	0.20 14	0.52 79	0.22 4	0.09 11	0.47 288	0.10 47	0.09 37	0.23 188	1.33 359

IGEV-Stereo	0.86 294	0.60 127	2.65 224	1.35 375	1.25 381	0.56 88	0.23 59	0.54 39	0.71 190	1.14 347	0.25 11	0.22 8	0.24 27	1.24 215	0.24 15	0.09 11	2.34 407	0.10 47	0.18 235	0.25 209	3.13 414
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
222	1.02 332	0.60 127	1.95 35	0.29 46	0.51 278	0.62 184	0.24 81	1.09 337	0.86 297	0.64 238	0.67 236	0.47 129	0.42 175	1.86 307	6.73 411	0.13 186	1.21 359	0.11 93	0.32 322	0.17 90	1.44 369

FAT-Stereo	0.72 239	0.60 127	2.86 285	0.37 168	0.29 165	0.64 209	0.55 304	1.01 291	0.91 313	0.76 294	0.94 322	0.93 319	0.79 317	1.82 300	0.60 183	0.19 290	0.19 210	0.17 277	0.16 214	0.23 188	0.47 221

CSP-Net	0.55 103	0.61 132	1.81 14	0.30 60	0.23 109	0.77 289	0.35 218	0.90 221	0.62 93	0.62 218	0.60 190	0.65 211	0.42 175	1.76 286	0.47 143	0.17 268	0.12 141	0.10 47	0.10 71	0.21 159	0.16 43

TransformOpticalFlow	0.65 191	0.61 132	2.67 235	0.45 246	0.26 138	0.62 184	0.28 134	0.88 207	0.76 230	0.76 294	0.74 277	0.90 313	0.84 322	1.82 300	0.80 239	0.10 47	0.07 6	0.11 93	0.09 37	0.12 25	0.19 60

ccnet	0.77 261	0.61 132	2.01 43	0.40 212	0.46 271	1.05 345	0.59 316	1.02 297	0.74 217	0.90 323	0.97 327	0.82 289	0.89 332	1.68 278	1.16 287	0.32 349	0.26 250	0.32 351	0.28 302	0.35 294	0.47 221

StereoDRNet-Refined	0.55 103	0.61 132	2.07 55	0.34 128	0.21 77	0.68 249	0.26 112	0.87 199	0.73 200	0.70 272	0.69 243	0.74 261	0.45 204	1.10 194	0.62 191	0.12 144	0.09 81	0.14 221	0.14 178	0.27 235	0.24 95
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
x	0.65 191	0.62 136	2.12 65	0.36 158	0.61 310	0.48 34	0.24 81	0.80 138	0.89 308	0.50 100	0.56 162	0.44 108	0.36 124	0.62 113	0.80 239	0.11 111	1.44 378	0.11 93	0.39 352	0.16 69	1.34 361

STrans-v2	0.69 222	0.62 136	2.66 228	0.28 34	0.23 109	0.57 107	0.32 191	1.01 291	0.77 238	0.92 326	0.84 302	0.88 309	0.92 337	1.81 297	1.19 290	0.10 47	0.07 6	0.10 47	0.09 37	0.12 25	0.30 130

qqq	0.65 191	0.63 138	2.10 64	0.30 60	0.64 317	0.46 21	0.27 126	0.81 145	0.83 275	0.48 66	0.56 162	0.46 124	0.37 129	1.03 187	0.75 225	0.11 111	1.41 377	0.12 136	0.41 357	0.16 69	1.18 343

DISCO	0.61 154	0.63 138	1.98 40	0.46 249	0.34 210	0.84 314	0.35 218	0.88 207	0.81 264	0.61 206	0.64 220	1.06 349	0.53 244	1.11 198	0.83 248	0.13 186	0.10 104	0.11 93	0.10 71	0.26 224	0.37 163

IPLGR	0.58 126	0.64 140	3.12 315	0.37 168	0.18 47	0.62 184	0.54 300	1.06 329	0.69 168	0.73 284	0.46 79	0.50 141	0.44 196	1.12 200	0.31 70	0.10 47	0.08 38	0.11 93	0.09 37	0.21 159	0.20 68

xxxx	0.97 325	0.64 140	2.14 69	0.30 60	0.67 321	0.64 209	0.24 81	1.09 337	0.91 313	0.57 164	0.65 227	0.58 180	0.39 147	1.57 258	5.49 407	0.13 186	1.38 374	0.11 93	0.32 322	0.17 90	1.41 367

test_xeample	0.98 327	0.65 142	2.12 65	0.29 46	0.67 321	0.60 144	0.28 134	1.08 335	0.85 291	0.62 218	0.70 256	0.44 108	0.41 164	1.95 320	5.45 406	0.12 144	1.33 372	0.11 93	0.31 317	0.18 110	1.42 368

MIF-Stereo	0.36 10	0.66 143	2.43 127	0.28 34	0.24 118	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 43	0.18 1	0.18 6	0.33 14	0.30 56	0.11 111	0.08 38	0.09 14	0.08 27	0.25 209	0.09 2

DualNet	0.97 325	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	0.85 179	0.96 329	0.54 131	0.74 277	0.67 220	0.40 153	0.64 118	3.86 392	0.10 47	2.16 402	0.15 246	0.33 332	0.25 209	2.19 393

ffm	0.78 263	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	0.85 179	0.96 329	0.54 131	0.74 277	0.67 220	0.40 153	0.64 118	0.22 4	0.10 47	2.16 402	0.15 246	0.33 332	0.25 209	2.19 393

ff1	1.07 341	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	0.85 179	0.96 329	0.54 131	0.74 277	0.67 220	0.40 153	2.75 380	3.86 392	0.10 47	2.16 402	0.15 246	0.33 332	0.25 209	2.19 393

mmx	0.99 329	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	1.05 317	0.92 315	0.54 131	0.74 277	0.67 220	0.40 153	2.75 380	3.86 392	0.13 186	1.25 361	0.15 246	0.33 332	0.19 133	1.28 356

xxx	0.99 329	0.67 144	3.39 337	0.32 91	0.22 86	0.58 114	0.28 134	1.05 317	0.92 315	0.54 131	0.74 277	0.67 220	0.40 153	2.75 380	3.86 392	0.13 186	1.25 361	0.15 246	0.33 332	0.19 133	1.28 356

HHNet	0.63 179	0.67 144	3.10 313	0.37 168	0.25 124	0.64 209	0.60 319	0.70 98	0.67 136	0.55 142	1.12 347	0.32 53	0.60 273	0.43 45	1.75 329	0.16 249	0.08 38	0.12 136	0.10 71	0.18 110	0.22 77

UPFNet	0.51 80	0.67 144	2.04 50	0.34 128	0.33 201	0.65 223	0.37 228	0.88 207	0.65 117	0.60 199	0.53 127	0.61 192	0.41 164	0.77 154	0.55 173	0.13 186	0.13 154	0.13 192	0.13 160	0.20 150	0.16 43

MyStereo07	0.56 111	0.68 151	2.42 122	0.30 60	0.41 249	0.61 162	0.31 181	0.58 55	0.72 197	1.17 350	0.26 14	0.20 2	0.27 62	1.28 222	0.28 42	0.09 11	0.59 307	0.12 136	0.21 271	0.16 69	0.48 225

MyStereo04	0.57 118	0.68 151	2.66 228	0.30 60	0.41 249	0.61 162	0.31 181	0.88 207	0.80 257	0.48 66	0.37 43	0.54 157	0.42 175	0.61 110	0.71 217	0.09 11	0.59 307	0.12 136	0.21 271	0.16 69	0.48 225

anonymity	0.86 294	0.68 151	1.44 2	0.64 315	0.83 342	0.67 243	0.52 295	0.98 272	0.73 200	0.96 330	0.70 256	0.81 286	0.86 327	1.10 194	1.34 303	0.64 372	0.72 328	0.58 374	1.44 409	0.60 361	0.91 321

stereogan	0.74 244	0.68 151	2.82 277	0.40 212	0.40 244	1.05 345	0.42 254	0.99 277	0.96 329	0.78 304	0.86 310	1.15 362	0.73 304	1.57 258	0.56 175	0.20 298	0.19 210	0.20 308	0.16 214	0.37 306	0.34 150

DANet	0.85 291	0.68 151	2.41 118	1.18 371	0.48 273	0.77 289	1.23 386	0.93 238	1.53 380	0.90 323	0.72 272	0.97 329	0.57 258	1.86 307	1.05 275	0.18 279	0.16 193	0.19 298	0.16 214	0.26 224	0.67 280
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
IGEV+	0.74 244	0.70 156	2.05 53	1.11 366	1.09 371	0.32 6	0.21 30	0.75 110	0.43 13	0.30 22	0.30 20	0.22 8	0.27 62	0.98 182	0.31 70	0.10 47	2.50 410	0.08 3	0.15 196	0.27 235	2.70 408

TANstereo	0.39 15	0.70 156	2.48 168	0.23 3	0.12 3	0.54 74	0.16 3	0.41 3	0.47 25	0.45 52	0.51 117	0.26 30	0.22 19	0.34 15	0.21 1	0.10 47	0.10 104	0.08 3	0.07 12	0.09 5	0.18 56

G-Net	1.02 332	0.70 156	3.23 319	0.60 302	0.66 320	2.00 393	0.71 343	0.78 126	0.70 178	1.14 347	2.53 391	1.29 368	1.01 345	1.47 244	1.74 328	0.25 332	0.24 240	0.24 328	0.26 292	0.37 306	0.40 183

MIF-Stereo (partial)	0.41 18	0.71 159	2.67 235	0.27 22	0.24 118	0.32 6	0.17 5	0.56 48	0.46 19	0.26 14	0.37 43	0.25 24	0.26 49	0.46 49	0.35 103	0.11 111	0.08 38	0.12 136	0.10 71	0.21 159	0.15 30

gwcnet-sp	0.52 82	0.71 159	2.66 228	0.32 91	0.22 86	0.66 236	0.31 181	0.84 169	0.69 168	0.61 206	0.49 103	0.46 124	0.43 188	0.77 154	0.48 146	0.12 144	0.11 126	0.11 93	0.11 109	0.19 133	0.19 60

scenet	0.52 82	0.71 159	2.66 228	0.32 91	0.22 86	0.66 236	0.31 181	0.84 169	0.69 168	0.61 206	0.49 103	0.46 124	0.43 188	0.77 154	0.48 146	0.12 144	0.11 126	0.11 93	0.11 109	0.19 133	0.19 60

ssnet	0.52 82	0.71 159	2.66 228	0.32 91	0.22 86	0.66 236	0.31 181	0.84 169	0.69 168	0.61 206	0.49 103	0.46 124	0.43 188	0.77 154	0.48 146	0.12 144	0.11 126	0.11 93	0.11 109	0.19 133	0.19 60

CroCo-Stereo	0.35 7	0.71 159	1.67 8	0.32 91	0.17 37	0.19 1	0.21 30	0.79 133	0.54 55	0.22 3	0.25 11	0.55 165	0.22 19	0.28 1	0.28 42	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 4
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
MyStereo06	0.70 227	0.72 164	3.51 351	0.31 74	0.25 124	0.60 144	0.30 171	0.90 221	0.67 136	1.48 379	0.53 127	0.84 294	0.57 258	0.60 107	1.11 281	0.09 11	0.55 300	0.12 136	0.20 260	0.16 69	0.56 255

MyStereo05	0.57 118	0.72 164	2.72 253	0.31 74	0.25 124	0.60 144	0.30 171	0.87 199	0.82 269	0.54 131	0.37 43	0.53 152	0.42 175	0.63 114	0.73 222	0.09 11	0.55 300	0.12 136	0.20 260	0.16 69	0.56 255

DPSNet	1.02 332	0.72 164	2.84 281	0.60 302	0.39 238	1.08 350	0.75 347	1.41 373	1.14 358	0.74 290	0.69 243	1.05 348	1.67 376	2.09 332	2.22 355	0.27 339	0.61 309	0.20 308	0.50 369	0.48 347	1.03 335

ACVNet-DCA	0.67 211	0.73 167	2.43 127	0.67 323	0.52 280	0.76 279	0.24 81	0.81 145	0.83 275	0.77 296	0.39 52	0.25 24	0.38 136	0.70 135	0.22 4	0.10 47	2.13 397	0.11 93	0.09 37	0.16 69	1.18 343

xx1	0.71 231	0.73 167	2.43 127	0.67 323	0.52 280	0.76 279	0.24 81	0.85 179	1.05 347	0.77 296	0.39 52	0.46 124	0.37 129	0.70 135	0.22 4	0.10 47	2.13 397	0.12 136	0.41 357	0.16 69	1.18 343

1test111	0.72 239	0.73 167	2.43 127	0.67 323	0.52 280	0.76 279	0.24 81	0.81 145	0.83 275	0.77 296	0.39 52	0.25 24	0.38 136	1.03 187	0.75 225	0.10 47	2.13 397	0.11 93	0.09 37	0.16 69	1.18 343

cc1	0.74 244	0.73 167	2.43 127	0.67 323	0.52 280	0.76 279	0.24 81	0.85 179	1.05 347	0.77 296	0.39 52	0.25 24	0.38 136	0.70 135	0.22 4	0.10 47	2.13 397	0.11 93	0.09 37	0.25 209	2.20 397

tt1	0.74 244	0.73 167	2.34 100	0.67 323	0.63 313	0.75 275	0.24 81	0.85 179	0.96 329	0.81 308	0.38 49	0.26 30	0.35 122	0.64 118	0.22 4	0.10 47	2.16 402	0.11 93	0.09 37	0.25 209	2.19 393

test croco	0.43 25	0.73 167	2.80 271	0.28 34	0.19 63	0.33 8	0.21 30	0.63 76	0.50 36	0.24 9	0.38 49	0.24 21	0.25 41	0.48 59	0.32 79	0.12 144	0.08 38	0.13 192	0.09 37	0.43 335	0.13 12

IER	0.49 66	0.73 167	2.12 65	0.27 22	0.25 124	0.65 223	0.27 126	0.76 113	0.59 77	0.56 152	0.59 183	0.60 190	0.53 244	0.64 118	0.44 132	0.12 144	0.09 81	0.11 93	0.11 109	0.18 110	0.15 30

RAFT-RH_RVC	0.65 191	0.73 167	2.78 268	0.39 199	0.29 165	0.60 144	0.18 10	0.45 7	0.63 104	0.75 292	1.89 375	0.47 129	0.29 89	1.59 265	1.21 292	0.15 235	0.07 6	0.13 192	0.13 160	0.11 17	0.10 4

S-Stereo	0.82 276	0.73 167	3.79 367	0.40 212	0.37 230	0.70 255	0.69 341	1.00 283	1.03 343	0.63 227	0.92 320	0.82 289	0.59 268	2.35 346	0.71 217	0.18 279	0.22 232	0.17 277	0.18 235	0.30 260	0.67 280

IGEVStereo-DCA	0.74 244	0.74 176	2.09 58	0.76 335	0.77 336	0.45 18	0.23 59	0.49 14	0.62 93	0.71 281	0.22 2	0.30 44	0.28 73	1.29 223	1.53 319	0.10 47	1.50 379	0.10 47	0.18 235	0.24 194	2.22 398

rrr	0.84 283	0.74 176	3.40 342	0.76 335	0.77 336	0.45 18	0.28 134	1.23 362	0.84 287	0.71 281	0.22 2	0.30 44	0.28 73	1.29 223	1.53 319	0.10 47	1.50 379	0.10 47	0.29 306	0.24 194	1.75 379

IRAFT_RVC	0.59 141	0.74 176	2.42 122	0.47 255	0.21 77	0.59 132	0.42 254	0.68 89	0.73 200	0.54 131	0.50 115	0.49 137	0.51 233	1.57 258	1.00 270	0.11 111	0.25 247	0.13 192	0.10 71	0.15 60	0.14 24

edge stereo	0.84 283	0.74 176	3.42 346	0.38 186	1.21 379	0.63 197	0.41 247	0.98 272	0.83 275	0.81 308	0.88 314	1.14 360	0.73 304	2.16 336	0.89 254	0.22 311	0.20 222	0.26 335	0.18 235	0.38 312	0.43 199

HCRNet	0.50 70	0.75 180	2.08 57	0.39 199	0.29 165	0.58 114	0.22 40	0.79 133	0.67 136	0.49 82	0.49 103	0.48 135	0.37 129	1.13 201	0.40 117	0.15 235	0.10 104	0.15 246	0.13 160	0.21 159	0.19 60

test_xeample3	0.86 294	0.75 180	3.36 331	0.65 317	0.76 334	0.49 39	0.33 204	1.21 361	0.80 257	0.61 206	0.23 5	0.30 44	0.29 89	1.17 207	1.57 321	0.10 47	1.79 385	0.10 47	0.40 353	0.25 209	2.09 387

CBMV_ROB	0.88 301	0.75 180	2.73 258	0.36 158	0.22 86	0.76 279	0.47 281	1.05 317	0.81 264	1.06 341	1.04 341	0.88 309	1.36 361	2.17 337	2.03 340	0.23 319	0.24 240	0.27 336	0.25 286	0.27 235	0.73 296

DGSMNet	2.93 402	0.77 183	3.44 347	3.58 415	4.25 413	2.53 402	6.86 416	1.03 303	0.88 303	0.58 170	1.85 374	0.79 277	0.62 277	1.63 268	1.46 314	4.62 414	4.98 417	5.15 419	4.71 418	4.52 418	4.37 416

ac_64	0.63 179	0.77 183	2.71 251	0.37 168	0.34 210	0.64 209	0.30 171	0.86 191	0.67 136	0.58 170	0.53 127	0.88 309	0.48 225	1.84 303	0.71 217	0.15 235	0.12 141	0.12 136	0.12 140	0.21 159	0.25 99

DSFCA	0.62 167	0.77 183	1.95 35	0.29 46	0.29 165	0.79 298	0.86 356	0.81 145	0.73 200	0.73 284	0.66 233	0.67 220	0.57 258	1.17 207	1.03 273	0.16 249	0.15 181	0.13 192	0.14 178	0.19 133	0.28 115

GwcNet-ADL	0.54 99	0.78 186	2.85 283	0.31 74	0.20 68	0.58 114	0.29 159	0.93 238	0.67 136	0.48 66	0.47 84	0.56 172	0.33 113	0.48 59	0.80 239	0.13 186	0.12 141	0.09 14	0.09 37	0.14 51	0.40 183

EDNetEfficient	1.29 357	0.78 186	4.27 385	0.65 317	1.03 366	0.94 334	1.38 392	0.87 199	1.75 387	2.33 399	1.32 359	1.04 345	2.21 392	1.59 265	4.07 397	0.16 249	0.19 210	0.15 246	0.27 300	0.38 312	0.40 183

1111x	1.06 339	0.79 188	3.29 327	0.33 111	0.60 303	0.64 209	0.33 204	1.10 340	0.92 315	0.59 190	0.69 243	0.59 183	0.47 219	2.64 369	4.61 402	0.12 144	1.38 374	0.11 93	0.49 367	0.18 110	1.30 358

DRN-Test	0.71 231	0.79 188	2.83 279	0.40 212	0.44 261	0.80 301	0.41 247	1.07 332	0.83 275	0.82 312	0.64 220	0.68 233	0.57 258	1.78 292	0.79 237	0.16 249	0.13 154	0.17 277	0.16 214	0.24 194	0.51 237

DCRE	0.76 257	0.80 190	2.31 95	1.05 361	1.18 377	0.63 197	0.26 112	1.03 303	0.59 77	0.52 119	2.12 380	0.44 108	0.27 62	0.41 41	0.53 166	0.09 11	1.02 346	0.10 47	0.32 322	0.16 69	1.47 371

test_4	0.47 48	0.80 190	2.15 70	0.36 158	0.29 165	0.59 132	0.28 134	0.50 23	0.42 9	0.43 44	0.76 288	0.39 75	0.22 19	0.73 147	0.49 155	0.08 1	0.18 206	0.11 93	0.15 196	0.29 254	0.27 109

DMCA	0.50 70	0.83 192	1.95 35	0.32 91	0.24 118	0.59 132	0.26 112	0.81 145	0.68 160	0.59 190	0.49 103	0.56 172	0.36 124	0.65 122	0.65 202	0.14 216	0.10 104	0.14 221	0.10 71	0.19 133	0.29 121

iRaftStereo_RVC	0.47 48	0.84 193	1.91 29	0.29 46	0.15 13	0.53 67	0.20 20	0.58 55	0.50 36	0.37 26	0.43 65	0.42 92	0.23 25	0.38 27	0.28 42	0.09 11	0.70 325	0.12 136	0.11 109	0.43 335	0.77 299

delet	0.60 147	0.84 193	2.45 151	0.33 111	0.35 218	0.73 268	0.46 277	0.89 213	0.80 257	0.58 170	0.62 205	0.67 220	0.51 233	1.14 203	0.64 197	0.12 144	0.12 141	0.13 192	0.14 178	0.22 173	0.29 121

THIR-Stereo	0.88 301	0.85 195	2.33 99	0.26 15	0.16 20	0.59 132	2.69 404	0.62 70	0.54 55	0.62 218	1.61 369	0.96 327	1.77 381	1.67 275	2.20 353	0.10 47	0.08 38	0.14 221	0.11 109	0.16 69	0.21 72

FC-DCNN	1.60 382	0.85 195	3.44 347	0.46 249	0.39 238	1.96 389	0.66 333	1.72 386	1.70 385	2.75 406	2.91 402	4.20 402	3.15 401	2.72 376	2.66 369	0.30 346	0.26 250	0.31 349	0.30 312	0.33 277	0.91 321

whm_eth	0.51 80	0.86 197	2.79 269	0.31 74	0.31 184	0.49 39	0.24 81	0.78 126	0.75 222	0.48 66	0.86 310	0.26 30	0.26 49	0.38 27	0.29 51	0.13 186	0.11 126	0.13 192	0.12 140	0.14 51	0.44 211

OMP-Stereo	0.64 186	0.87 198	2.38 106	0.56 296	0.37 230	0.60 144	0.26 112	0.75 110	0.71 190	0.65 250	0.60 190	0.68 233	0.32 108	2.07 327	1.18 288	0.11 111	0.08 38	0.12 136	0.09 37	0.17 90	0.28 115

IIG-Stereo	0.65 191	0.87 198	2.32 97	0.55 287	0.23 109	0.62 184	0.21 30	0.78 126	0.71 190	0.64 238	0.69 243	0.69 244	0.38 136	2.07 327	1.37 309	0.11 111	0.08 38	0.11 93	0.09 37	0.15 60	0.27 109

ACVNet	0.54 99	0.87 198	2.45 151	0.28 34	0.22 86	0.59 132	0.36 225	0.69 91	0.73 200	0.49 82	0.59 183	0.69 244	0.42 175	0.47 51	0.70 213	0.11 111	0.10 104	0.10 47	0.09 37	0.36 300	0.39 178

acv_ft	0.57 118	0.87 198	2.45 151	0.33 111	0.41 249	0.63 197	0.29 159	0.86 191	0.73 200	0.64 238	0.59 183	0.69 244	0.45 204	0.47 51	0.68 210	0.11 111	0.10 104	0.10 47	0.09 37	0.43 335	0.39 178

ToySt	0.67 211	0.88 202	2.61 209	0.39 199	0.73 329	0.61 162	0.38 236	0.78 126	0.73 200	0.43 44	0.70 256	0.72 253	0.45 204	0.66 125	0.62 191	0.14 216	0.63 313	0.13 192	0.33 332	0.24 194	1.18 343

TestStereo	0.49 66	0.88 202	2.38 106	0.30 60	0.16 20	0.43 16	0.25 100	0.55 47	0.46 19	0.38 29	0.46 79	0.34 61	0.28 73	1.96 321	0.28 42	0.11 111	0.08 38	0.12 136	0.09 37	0.15 60	0.13 12

sAnonymous2	0.45 40	0.88 202	2.97 299	0.31 74	0.25 124	0.34 9	0.28 134	0.56 48	0.49 30	0.25 11	0.30 20	0.23 15	0.29 89	0.31 3	0.22 4	0.12 144	0.09 81	0.12 136	0.13 160	0.38 312	0.43 199

CroCo_RVC	0.45 40	0.88 202	2.97 299	0.31 74	0.25 124	0.34 9	0.28 134	0.56 48	0.49 30	0.25 11	0.30 20	0.23 15	0.29 89	0.31 3	0.22 4	0.12 144	0.09 81	0.12 136	0.13 160	0.38 312	0.43 199

ELAS_RVC	1.51 376	0.88 202	3.36 331	0.63 312	0.56 290	1.53 371	2.73 405	1.53 378	1.76 388	2.26 397	2.21 386	2.10 384	3.07 400	2.08 330	2.52 364	0.42 358	0.42 281	0.42 366	0.37 346	0.51 351	0.84 310
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
StereoIM	0.35 7	0.89 207	2.15 70	0.25 5	0.29 165	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 39	0.21 16	0.32 13	0.31 70	0.10 47	0.09 81	0.10 47	0.08 27	0.11 17	0.12 10

GMOStereo	0.58 126	0.89 207	2.46 158	0.29 46	0.99 359	0.51 47	0.32 191	0.58 55	0.46 19	0.58 170	0.48 90	0.54 157	0.27 62	0.31 3	0.25 23	0.09 11	1.64 381	0.13 192	0.11 109	0.34 283	0.42 194

error version	0.58 126	0.89 207	2.46 158	0.29 46	0.99 359	0.51 47	0.32 191	0.58 55	0.46 19	0.58 170	0.48 90	0.54 157	0.27 62	0.31 3	0.25 23	0.09 11	1.64 381	0.13 192	0.11 109	0.34 283	0.42 194

test-v	0.58 126	0.89 207	2.46 158	0.29 46	0.99 359	0.51 47	0.32 191	0.58 55	0.46 19	0.58 170	0.48 90	0.54 157	0.27 62	0.31 3	0.25 23	0.09 11	1.64 381	0.13 192	0.11 109	0.34 283	0.42 194

test-2	0.58 126	0.89 207	2.46 158	0.29 46	0.99 359	0.51 47	0.32 191	0.58 55	0.46 19	0.58 170	0.48 90	0.54 157	0.27 62	0.31 3	0.25 23	0.09 11	1.64 381	0.13 192	0.11 109	0.34 283	0.42 194

fff	0.50 70	0.90 212	2.63 214	0.25 5	0.15 13	0.51 47	0.22 40	0.85 179	0.82 269	0.55 142	0.48 90	0.31 49	0.65 283	0.39 31	0.37 108	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 199

csc	0.50 70	0.90 212	2.63 214	0.25 5	0.15 13	0.51 47	0.22 40	0.85 179	0.82 269	0.55 142	0.48 90	0.31 49	0.65 283	0.39 31	0.37 108	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 199

cscssc	0.50 70	0.90 212	2.63 214	0.25 5	0.15 13	0.51 47	0.22 40	0.85 179	0.82 269	0.55 142	0.48 90	0.31 49	0.65 283	0.39 31	0.37 108	0.10 47	0.07 6	0.09 14	0.07 12	0.08 1	0.43 199

CroCo-Stereo Lap2	0.38 13	0.91 215	2.02 46	0.33 111	0.38 236	0.23 2	0.21 30	0.63 76	0.51 41	0.23 6	0.28 15	0.29 43	0.23 25	0.34 15	0.28 42	0.10 47	0.09 81	0.10 47	0.08 27	0.22 173	0.15 30

ADStereo(finetuned)	0.50 70	0.91 215	2.43 127	0.26 15	0.14 8	0.51 47	0.22 40	0.84 169	0.78 241	0.56 152	0.49 103	0.32 53	0.75 312	0.40 35	0.40 117	0.10 47	0.07 6	0.09 14	0.07 12	0.13 35	0.45 216

DCANet	0.49 66	0.91 215	2.63 214	0.26 15	0.14 8	0.51 47	0.22 40	0.84 169	0.78 241	0.56 152	0.49 103	0.32 53	0.41 164	0.39 31	0.41 119	0.10 47	0.07 6	0.09 14	0.07 12	0.14 51	0.45 216

psmorigin	1.41 366	0.91 215	13.83 421	0.37 168	0.30 176	0.63 197	0.37 228	0.80 138	0.64 110	0.98 331	0.87 312	1.16 364	0.78 315	3.95 403	1.09 279	0.19 290	0.22 232	0.17 277	0.19 251	0.25 209	0.47 221

RYNet	0.77 261	0.91 215	2.36 102	0.37 168	0.41 249	0.88 322	0.44 267	0.99 277	0.88 303	0.65 250	0.54 141	0.92 314	0.61 275	2.70 375	1.23 296	0.15 235	0.14 167	0.17 277	0.14 178	0.27 235	0.55 254

MIM_Stereo	0.55 103	0.92 220	2.65 224	0.32 91	1.09 371	0.51 47	0.19 12	0.67 86	0.52 46	0.48 66	0.54 141	0.43 93	0.27 62	0.57 98	0.30 56	0.08 1	0.17 200	0.11 93	0.10 71	0.28 246	0.80 306

MMNet	0.55 103	0.92 220	2.03 47	0.34 128	0.27 149	0.79 298	0.28 134	0.86 191	0.79 250	0.62 218	0.58 178	0.59 183	0.56 253	0.80 163	0.61 188	0.11 111	0.11 126	0.12 136	0.11 109	0.21 159	0.22 77

HSM	0.67 211	0.92 220	2.29 91	0.30 60	0.29 165	0.65 223	0.29 159	0.98 272	0.67 136	0.59 190	0.58 178	1.39 371	0.65 283	2.56 362	0.45 136	0.11 111	0.09 81	0.10 47	0.08 27	0.18 110	0.24 95

ELAS	1.52 377	0.92 220	2.91 292	0.62 310	0.57 293	3.13 404	2.21 403	1.67 384	1.58 383	2.42 400	2.43 389	1.87 381	2.49 395	1.85 305	2.70 371	0.42 358	0.43 284	0.41 364	0.40 353	0.51 351	0.85 314
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
STTStereo	0.58 126	0.95 224	2.95 297	0.37 168	0.31 184	0.62 184	0.32 191	0.81 145	0.63 104	0.61 206	0.55 150	0.67 220	0.43 188	0.87 171	0.48 146	0.16 249	0.16 193	0.17 277	0.20 260	0.17 90	0.25 99

DLCB_ROB	0.61 154	0.96 225	2.00 41	0.37 168	0.25 124	0.65 223	0.37 228	0.86 191	0.76 230	0.73 284	0.70 256	0.84 294	0.47 219	1.57 258	0.72 221	0.13 186	0.13 154	0.14 221	0.14 178	0.18 110	0.33 143

ssnet_v2	0.64 186	0.99 226	2.67 235	0.33 111	0.22 86	0.72 265	0.45 272	1.00 283	0.80 257	0.66 256	0.54 141	0.81 286	0.48 225	0.91 176	1.08 278	0.16 249	0.14 167	0.14 221	0.14 178	0.33 277	0.31 138

LMCR-Stereo	0.61 154	1.00 227	2.60 205	0.42 224	0.22 86	0.74 273	0.31 181	1.06 329	0.70 178	0.62 218	0.64 220	0.40 83	0.52 241	0.84 168	1.27 300	0.20 298	0.09 81	0.12 136	0.09 37	0.26 224	0.16 43

PASM	0.82 276	1.00 227	2.68 240	0.52 276	0.48 273	0.65 223	0.59 316	0.83 162	0.89 308	0.82 312	0.73 274	0.89 312	0.68 293	2.39 351	0.73 222	0.35 354	0.37 269	0.36 357	0.41 357	0.45 340	0.51 237

CBMV	0.86 294	1.00 227	2.82 277	0.35 144	0.21 77	0.78 294	0.78 350	1.05 317	0.87 299	0.90 323	0.74 277	0.87 305	1.89 385	1.67 275	1.38 311	0.19 290	0.20 222	0.21 312	0.19 251	0.28 246	0.84 310
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RP	0.74 244	1.01 230	2.48 168	0.44 239	0.45 264	0.66 236	0.45 272	0.95 256	0.87 299	0.70 272	0.95 325	0.99 333	0.82 319	1.55 252	0.82 246	0.26 336	0.19 210	0.23 323	0.20 260	0.34 283	0.38 171

TRStereo	0.89 308	1.02 231	2.91 292	4.59 416	0.31 184	0.93 332	0.23 59	1.93 393	0.66 124	0.37 26	0.54 141	0.48 135	0.40 153	0.67 128	0.29 51	0.13 186	0.37 269	0.11 93	0.48 365	0.13 35	1.21 349

ADLNet	0.68 216	1.02 231	2.68 240	0.35 144	0.34 210	0.67 243	0.34 209	0.95 256	0.79 250	0.70 272	0.62 205	0.80 283	0.46 211	1.77 289	0.69 212	0.15 235	0.12 141	0.14 221	0.14 178	0.31 268	0.54 248

psm_up	0.65 191	1.02 231	2.53 179	0.36 158	0.31 184	0.64 209	0.38 236	0.96 259	0.73 200	0.63 227	0.57 172	0.68 233	0.57 258	1.90 317	0.52 163	0.17 268	0.15 181	0.16 263	0.15 196	0.27 235	0.22 77

aanetorigin	0.81 272	1.03 234	2.64 223	0.44 239	0.44 261	0.59 132	1.00 370	0.59 62	0.70 178	1.54 381	1.22 353	0.82 289	1.08 350	1.06 189	1.07 277	0.18 279	0.15 181	0.17 277	0.21 271	0.53 355	0.65 277

NOSS_ROB	0.75 254	1.03 234	2.27 87	0.68 328	0.26 138	0.68 249	0.30 171	0.99 277	0.82 269	0.59 190	0.58 178	0.77 271	0.39 147	2.75 380	0.48 146	0.25 332	0.24 240	0.28 339	0.26 292	0.29 254	1.07 338

MSMD_ROB	1.41 366	1.03 234	2.75 262	0.41 221	0.32 195	2.00 393	0.61 324	0.96 259	1.43 374	2.97 407	2.63 395	4.76 407	2.04 389	2.44 357	1.78 332	0.30 346	0.26 250	0.32 351	0.32 322	0.32 273	0.63 271

XX-TBD	0.40 17	1.04 237	2.49 171	0.35 144	0.13 5	0.51 47	0.17 5	0.44 6	0.52 46	0.38 29	0.51 117	0.23 15	0.19 7	0.31 3	0.25 23	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 56

RASNet	0.69 222	1.05 238	2.59 200	0.37 168	0.47 272	0.66 236	0.33 204	0.82 152	0.76 230	0.51 111	0.65 227	0.93 319	0.62 277	2.20 338	0.80 239	0.14 216	0.09 81	0.09 14	0.11 109	0.18 110	0.37 163

DeepPruner_ROB	0.58 126	1.06 239	2.68 240	0.30 60	0.26 138	0.63 197	0.31 181	0.83 162	0.51 41	0.62 218	0.56 162	0.65 211	0.39 147	1.06 189	0.56 175	0.19 290	0.14 167	0.14 221	0.14 178	0.24 194	0.33 143

Sa-1000	0.61 154	1.07 240	2.71 251	0.32 91	0.61 310	0.61 162	0.31 181	1.00 283	0.76 230	0.53 127	0.83 300	0.43 93	0.33 113	0.69 134	0.30 56	0.10 47	0.52 297	0.13 192	0.28 302	0.29 254	0.29 121

MIPNet	0.88 301	1.07 240	2.85 283	0.61 308	0.18 47	1.46 368	1.37 390	1.65 383	0.78 241	1.93 387	0.85 305	0.75 265	1.66 375	0.87 171	0.34 96	0.10 47	0.08 38	0.11 93	0.32 322	0.27 235	0.26 104

SGM_RVC	2.11 393	1.07 240	2.87 286	0.98 358	0.92 351	2.72 403	1.88 402	1.91 392	12.27 415	2.09 389	1.99 378	2.47 389	2.24 393	2.87 385	2.03 340	0.54 368	0.47 288	0.42 366	0.47 364	0.74 371	1.22 351
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SACVNet	0.68 216	1.08 243	2.58 198	0.38 186	0.28 159	0.65 223	0.37 228	0.91 228	0.65 117	0.67 258	0.62 205	0.69 244	0.47 219	2.07 327	0.65 202	0.18 279	0.14 167	0.16 263	0.15 196	0.39 319	0.41 190

IPLG	0.74 244	1.09 244	2.87 286	0.36 158	0.21 77	1.63 378	0.60 319	1.39 372	0.63 104	1.39 371	0.51 117	0.40 83	0.86 327	1.40 233	0.37 108	0.09 11	0.07 6	0.14 221	0.12 140	0.34 283	0.23 85

GwcNet	0.76 257	1.09 244	3.68 362	0.38 186	0.45 264	0.81 306	0.45 272	0.91 228	0.89 308	0.63 227	0.77 292	0.82 289	0.51 233	1.64 271	0.85 250	0.17 268	0.16 193	0.15 246	0.15 196	0.33 277	0.34 150

hitnet-ft	0.73 241	1.09 244	2.59 200	0.28 34	0.22 86	0.71 259	0.36 225	0.89 213	0.67 136	0.58 170	0.83 300	1.03 341	0.94 340	2.31 343	0.70 213	0.23 319	0.14 167	0.41 364	0.13 160	0.24 194	0.28 115

iResNet	0.59 141	1.09 244	2.54 183	0.44 239	0.18 47	0.65 223	0.29 159	0.89 213	0.75 222	0.59 190	0.64 220	0.43 93	0.39 147	0.73 147	1.24 297	0.11 111	0.08 38	0.09 14	0.08 27	0.21 159	0.40 183

ETE_ROB	0.68 216	1.09 244	2.32 97	0.38 186	0.26 138	0.69 252	0.51 291	1.49 377	0.75 222	0.81 308	0.71 269	0.85 299	0.51 233	1.39 231	0.70 213	0.17 268	0.14 167	0.19 298	0.16 214	0.24 194	0.35 156

RGC	0.78 263	1.10 249	2.55 190	0.45 246	0.45 264	0.73 268	0.40 245	1.00 283	0.75 222	0.75 292	1.04 341	1.02 340	0.73 304	1.74 283	1.15 285	0.24 326	0.19 210	0.28 339	0.26 292	0.31 268	0.38 171

Nwc_Net	0.75 254	1.10 249	2.96 298	0.42 224	0.39 238	0.77 289	0.39 242	1.06 329	0.73 200	0.65 250	1.00 334	0.99 333	0.74 308	1.43 237	0.99 268	0.24 326	0.15 181	0.23 323	0.26 292	0.27 235	0.30 130

APVNet	0.76 257	1.11 251	3.23 319	0.39 199	0.36 224	0.85 315	0.44 267	0.96 259	0.73 200	0.58 170	0.69 243	0.76 269	0.56 253	2.29 342	0.82 246	0.17 268	0.18 206	0.24 328	0.19 251	0.35 294	0.27 109

XPNet_ROB	0.68 216	1.11 251	2.28 89	0.38 186	0.27 149	0.67 243	0.47 281	0.94 243	0.75 222	0.80 307	0.71 269	0.81 286	0.54 246	1.72 280	0.84 249	0.22 311	0.16 193	0.16 263	0.15 196	0.25 209	0.45 216

StereoVision	0.52 82	1.12 253	2.70 250	0.34 128	0.32 195	0.47 31	0.26 112	0.73 106	0.61 84	0.33 23	0.89 316	0.45 120	0.26 49	0.52 79	0.39 116	0.14 216	0.15 181	0.16 263	0.15 196	0.22 173	0.14 24

FCDSN-DC	1.45 370	1.12 253	3.30 328	0.48 256	0.41 249	1.13 354	0.60 319	1.17 355	1.28 367	2.25 396	2.85 399	3.65 399	3.34 403	2.58 364	2.44 362	0.31 348	0.26 250	0.31 349	0.30 312	0.37 306	0.78 302
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AACVNet	0.61 154	1.13 255	2.47 163	0.37 168	0.21 77	0.57 107	0.25 100	0.75 110	0.55 60	0.56 152	0.60 190	0.66 218	0.44 196	2.11 333	0.49 155	0.14 216	0.11 126	0.14 221	0.11 109	0.35 294	0.23 85

SA	0.61 154	1.14 256	2.79 269	0.32 91	0.63 313	0.57 107	0.30 171	0.97 266	0.78 241	0.43 44	0.63 213	0.39 75	0.46 211	0.70 135	0.31 70	0.10 47	0.44 285	0.13 192	0.32 322	0.31 268	0.51 237

raftrobust	0.52 82	1.14 256	2.15 70	0.33 111	0.99 359	0.53 67	0.21 30	0.59 62	0.50 36	0.53 127	0.36 39	0.31 49	0.33 113	0.47 51	0.42 123	0.10 47	0.55 300	0.09 14	0.08 27	0.22 173	0.46 219

GANet-RSSM	0.63 179	1.14 256	2.67 235	0.38 186	0.26 138	0.59 132	0.29 159	0.81 145	0.56 64	0.50 100	0.57 172	0.67 220	0.50 229	1.91 318	0.50 158	0.14 216	0.10 104	0.24 328	0.12 140	0.36 300	0.28 115

AF-Net	0.76 257	1.14 256	2.74 260	0.42 224	0.41 249	0.70 255	0.41 247	1.07 332	0.94 322	0.73 284	1.05 343	1.04 345	0.86 327	1.23 213	1.00 270	0.23 319	0.15 181	0.25 333	0.18 235	0.32 273	0.35 156

SHD	0.84 283	1.14 256	2.54 183	0.80 342	0.52 280	0.76 279	0.34 209	1.16 352	1.29 368	1.11 344	0.85 305	0.98 330	0.74 308	1.25 218	1.48 315	0.22 311	0.37 269	0.20 308	0.27 300	0.36 300	0.41 190

LALA_ROB	0.68 216	1.14 256	2.50 174	0.37 168	0.29 165	0.78 294	0.55 304	0.99 277	0.84 287	0.82 312	0.68 239	0.93 319	0.50 229	1.01 184	0.89 254	0.21 306	0.15 181	0.21 312	0.18 235	0.26 224	0.30 130

Wz-Net-LNSev-Ref	0.65 191	1.15 262	2.40 114	0.33 111	0.30 176	0.83 309	0.40 245	0.94 243	0.82 269	0.67 258	0.76 288	0.68 233	0.58 265	1.13 201	1.25 298	0.14 216	0.08 38	0.10 47	0.08 27	0.18 110	0.28 115

NLCA_NET_v2_RVC	0.62 167	1.15 262	3.11 314	0.39 199	0.37 230	0.60 144	0.28 134	0.87 199	0.64 110	0.63 227	0.56 162	0.71 252	0.45 204	1.08 192	0.52 163	0.15 235	0.12 141	0.14 221	0.15 196	0.18 110	0.25 99
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MyStereo8	0.73 241	1.16 264	2.89 289	0.53 280	0.34 210	0.71 259	0.20 20	1.87 390	0.59 77	0.53 127	0.66 233	0.50 141	0.33 113	1.27 221	0.62 191	0.10 47	1.19 355	0.10 47	0.21 271	0.21 159	0.61 265

RAFT_CTSACE	0.58 126	1.16 264	2.76 265	0.36 158	0.29 165	0.54 74	0.29 159	0.69 91	0.51 41	0.51 111	0.75 285	0.67 220	0.37 129	0.63 114	0.47 143	0.08 1	0.49 292	0.11 93	0.10 71	0.41 331	0.32 140

CFNet-ft	0.60 147	1.16 264	2.45 151	0.29 46	0.30 176	0.64 209	0.28 134	0.69 91	0.57 67	0.49 82	0.57 172	0.79 277	0.44 196	1.48 245	0.62 191	0.15 235	0.10 104	0.28 339	0.14 178	0.21 159	0.29 121

BEATNet_4x	0.57 118	1.16 264	2.56 194	0.35 144	0.16 20	0.56 88	0.25 100	0.91 228	0.64 110	0.55 142	0.53 127	0.59 183	0.43 188	0.67 128	0.76 228	0.12 144	0.09 81	0.12 136	0.09 37	0.23 188	0.58 257

CFNet_RVC	0.60 147	1.16 264	2.45 151	0.29 46	0.30 176	0.64 209	0.28 134	0.69 91	0.57 67	0.49 82	0.57 172	0.79 277	0.44 196	1.48 245	0.62 191	0.15 235	0.10 104	0.28 339	0.14 178	0.21 159	0.29 121

UCFNet_RVC	0.55 103	1.16 264	2.48 168	0.31 74	0.27 149	0.65 223	0.28 134	0.76 113	0.58 73	0.51 111	0.53 127	0.67 220	0.42 175	0.91 176	0.45 136	0.16 249	0.11 126	0.17 277	0.17 227	0.20 150	0.23 85

iinet-f	0.62 167	1.18 270	2.55 190	0.33 111	0.25 124	0.82 308	0.34 209	0.87 199	0.69 168	0.56 152	0.64 220	0.73 259	0.67 291	0.80 163	0.81 243	0.14 216	0.13 154	0.11 93	0.10 71	0.44 338	0.26 104

raft+_RVC	0.62 167	1.18 270	2.43 127	0.36 158	2.08 404	0.52 62	0.25 100	0.66 83	0.54 55	0.36 24	0.46 79	0.32 53	0.28 73	0.49 69	0.43 129	0.10 47	0.91 336	0.10 47	0.09 37	0.22 173	0.70 292

CVANet_RVC	0.82 276	1.18 270	3.98 374	0.40 212	0.28 159	0.63 197	0.43 261	0.90 221	0.78 241	1.14 347	0.69 243	0.68 233	0.52 241	2.62 367	0.48 146	0.20 298	0.13 154	0.22 316	0.37 346	0.37 306	0.48 225

GEStereo_RVC	0.61 154	1.19 273	2.61 209	0.48 256	0.25 124	0.63 197	0.37 228	1.05 317	0.79 250	0.55 142	0.55 150	0.59 183	0.44 196	1.10 194	0.48 146	0.16 249	0.11 126	0.12 136	0.11 109	0.27 235	0.43 199

PSMNet-RSSM	0.61 154	1.19 273	2.43 127	0.33 111	0.25 124	0.59 132	0.28 134	0.88 207	0.65 117	0.54 131	0.62 205	0.69 244	0.46 211	1.67 275	0.50 158	0.15 235	0.10 104	0.14 221	0.16 214	0.20 150	0.28 115

HGLStereo	0.61 154	1.20 275	2.59 200	0.36 158	0.40 244	0.65 223	0.30 171	0.87 199	0.67 136	0.60 199	0.70 256	0.69 244	0.56 253	1.07 191	0.59 181	0.14 216	0.13 154	0.13 192	0.12 140	0.23 188	0.23 85

GANet	0.92 314	1.20 275	2.68 240	0.45 246	0.27 149	0.76 279	0.66 333	0.94 243	0.77 238	0.79 305	1.17 348	0.84 294	0.91 334	2.72 376	1.76 330	0.18 279	0.42 281	0.44 369	0.20 260	0.33 277	0.94 324

TestStereo1	0.59 141	1.21 277	2.63 214	0.40 212	0.60 303	0.56 88	0.34 209	0.82 152	0.73 200	0.45 52	0.63 213	0.36 65	0.42 175	0.66 125	0.42 123	0.10 47	0.32 261	0.12 136	0.10 71	0.34 283	0.52 242

SA-5K	0.59 141	1.21 277	2.63 214	0.40 212	0.60 303	0.56 88	0.34 209	0.82 152	0.73 200	0.45 52	0.63 213	0.36 65	0.42 175	0.66 125	0.42 123	0.10 47	0.32 261	0.12 136	0.10 71	0.34 283	0.52 242

Consistency-Raft	0.92 314	1.21 277	3.50 350	0.98 358	0.63 313	0.77 289	0.54 300	1.02 297	1.01 341	0.62 218	1.03 339	0.65 211	1.04 347	0.81 166	1.36 307	0.45 363	0.47 288	0.51 372	0.59 380	0.65 367	0.47 221

PVD	1.05 338	1.21 277	2.36 102	0.84 345	0.91 350	1.04 343	0.64 328	1.32 368	1.68 384	1.43 375	1.41 364	1.14 360	1.15 354	1.49 247	1.77 331	0.27 339	0.65 315	0.28 339	0.35 340	0.40 325	0.73 296

WCMA_ROB	1.29 357	1.21 277	3.13 316	0.65 317	0.36 224	1.20 362	0.78 350	1.00 283	0.98 336	1.78 386	2.62 394	3.08 396	2.01 388	1.86 307	2.35 360	0.38 355	0.38 273	0.32 351	0.32 322	0.31 268	1.06 337

ADLNet2	0.73 241	1.22 282	3.28 325	0.34 128	0.36 224	0.65 223	0.37 228	0.94 243	0.87 299	0.57 164	0.65 227	0.92 314	0.48 225	2.05 325	0.60 183	0.13 186	0.11 126	0.11 93	0.11 109	0.37 306	0.38 171

NCC-stereo	0.88 301	1.22 282	2.97 299	0.60 302	0.45 264	1.88 387	0.48 283	1.04 309	0.75 222	0.70 272	0.85 305	0.93 319	0.84 322	1.81 297	1.51 317	0.28 342	0.19 210	0.23 323	0.31 317	0.27 235	0.35 156

Abc-Net	0.88 301	1.22 282	2.97 299	0.60 302	0.45 264	1.88 387	0.48 283	1.04 309	0.75 222	0.70 272	0.85 305	0.93 319	0.84 322	1.81 297	1.51 317	0.28 342	0.19 210	0.23 323	0.31 317	0.27 235	0.35 156
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	1.07 341	1.22 282	2.80 271	0.40 212	0.33 201	1.50 370	1.87 401	0.97 266	1.04 346	1.26 364	1.28 355	0.99 333	1.41 365	1.36 230	3.51 386	0.17 268	0.14 167	0.22 316	0.21 271	0.32 273	0.43 199

FBW_ROB	0.94 320	1.23 286	2.35 101	0.46 249	0.32 195	0.87 320	0.46 277	1.15 349	0.97 335	0.83 315	0.78 296	1.01 337	0.64 282	3.65 401	1.65 323	0.27 339	0.24 240	0.40 362	0.26 292	0.32 273	0.88 318

fast-acv-ft	0.67 211	1.24 287	3.26 323	0.39 199	0.30 176	0.80 301	0.48 283	0.74 108	0.76 230	0.60 199	0.78 296	0.76 269	0.60 273	0.70 135	0.78 234	0.16 249	0.15 181	0.18 293	0.17 227	0.38 312	0.24 95

raft_robust	0.68 216	1.24 287	2.42 122	0.30 60	0.57 293	0.53 67	0.25 100	0.95 256	0.79 250	0.49 82	0.46 79	1.12 358	0.74 308	1.50 248	0.61 188	0.09 11	0.62 312	0.10 47	0.30 312	0.26 224	0.30 130

StereoDRNet	0.71 231	1.24 287	2.56 194	0.42 224	0.45 264	0.73 268	0.46 277	0.98 272	0.81 264	0.77 296	0.56 162	0.74 261	0.48 225	1.69 279	0.91 256	0.15 235	0.14 167	0.15 246	0.15 196	0.26 224	0.51 237

RAFT+CT+SA	0.60 147	1.25 290	2.49 171	0.38 186	0.75 331	0.55 84	0.34 209	0.83 162	0.68 160	0.39 31	0.55 150	0.44 108	0.29 89	0.75 151	0.28 42	0.09 11	0.24 240	0.11 93	0.51 370	0.30 260	0.74 298

test_5	0.61 154	1.25 290	2.76 265	0.39 199	0.64 317	0.58 114	0.35 218	0.85 179	0.66 124	0.49 82	0.56 162	0.55 165	0.40 153	0.79 159	0.32 79	0.10 47	0.19 210	0.12 136	0.12 140	0.33 277	0.85 314

pmcnn	1.44 368	1.25 290	3.57 357	0.74 333	1.42 388	0.72 265	0.56 308	1.04 309	1.06 349	1.03 338	2.89 401	6.01 411	0.75 312	2.54 361	3.60 388	0.14 216	0.11 126	0.08 3	0.06 6	0.34 283	0.81 308

EDNetEfficientorigin	8.19 415	1.27 293	145.54 441	0.51 275	0.96 355	0.75 275	0.49 288	0.86 191	1.57 382	2.12 391	1.49 366	1.28 366	1.35 359	1.84 303	2.15 350	0.14 216	0.13 154	0.17 277	0.18 235	0.39 319	0.64 276

cf-r	0.62 167	1.27 293	2.99 304	0.34 128	0.28 159	0.60 144	0.28 134	0.82 152	0.70 178	0.55 142	0.61 198	0.77 271	0.41 164	1.32 226	0.52 163	0.13 186	0.09 81	0.11 93	0.12 140	0.22 173	0.27 109

TDLM	0.83 280	1.28 295	2.38 106	0.46 249	0.26 138	0.66 236	0.55 304	0.87 199	0.80 257	2.54 402	0.62 205	0.61 192	0.51 233	2.68 374	0.67 207	0.20 298	0.11 126	0.35 356	0.15 196	0.33 277	0.48 225

HITNet	0.55 103	1.28 295	2.73 258	0.35 144	0.14 8	0.56 88	0.23 59	0.89 213	0.62 93	0.52 119	0.51 117	0.49 137	0.38 136	0.52 79	0.60 183	0.09 11	0.07 6	0.10 47	0.08 27	0.25 209	0.61 265
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
4D-IteraStereo	0.62 167	1.29 297	3.04 308	0.27 22	0.30 176	0.46 21	0.26 112	0.54 39	0.51 41	0.41 34	0.31 26	0.39 75	0.19 7	0.53 86	0.65 202	0.09 11	0.47 288	0.12 136	0.11 109	0.21 159	2.14 390

Wz-Net-LNSev	0.66 208	1.30 298	2.81 275	0.35 144	0.37 230	0.80 301	0.48 283	0.91 228	0.87 299	0.63 227	0.70 256	0.80 283	0.59 268	0.67 128	0.68 210	0.15 235	0.14 167	0.12 136	0.12 140	0.24 194	0.38 171

DMCA-RVC	0.70 227	1.30 298	3.59 359	0.37 168	0.89 348	0.57 107	0.31 181	0.73 106	0.59 77	0.69 269	0.54 141	0.59 183	0.57 258	1.25 218	0.66 205	0.16 249	0.38 273	0.20 308	0.15 196	0.22 173	0.23 85

dd	0.48 55	1.32 300	2.41 118	0.31 74	0.17 37	0.58 114	0.26 112	0.50 23	0.71 190	0.42 38	0.41 61	0.34 61	0.28 73	0.47 51	0.41 119	0.18 279	0.10 104	0.13 192	0.12 140	0.22 173	0.16 43

GMStereo	0.44 37	1.32 300	2.65 224	0.28 34	0.16 20	0.42 15	0.22 40	0.48 11	0.63 104	0.41 34	0.36 39	0.26 30	0.25 41	0.41 41	0.30 56	0.14 216	0.08 38	0.10 47	0.12 140	0.17 90	0.13 12
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
XQC	0.84 283	1.32 300	2.61 209	0.78 340	0.44 261	0.89 324	0.53 297	1.16 352	1.07 350	0.85 317	0.69 243	0.92 314	0.73 304	1.40 233	1.44 313	0.24 326	0.35 267	0.23 323	0.26 292	0.45 340	0.39 178

NCCL2	0.71 231	1.32 300	2.30 93	0.44 239	0.31 184	0.71 259	0.67 337	0.89 213	0.69 168	0.70 272	0.61 198	0.85 299	0.54 246	1.58 264	0.70 213	0.20 298	0.17 200	0.66 378	0.25 286	0.26 224	0.38 171

rafts_anoy	0.60 147	1.33 304	2.59 200	0.53 280	1.09 371	0.49 39	0.25 100	0.67 86	0.53 52	0.41 34	0.38 49	0.33 57	0.30 99	0.68 132	0.41 119	0.10 47	1.13 353	0.13 192	0.15 196	0.20 150	0.29 121

DeepPrunerF	0.92 314	1.33 304	3.41 343	0.46 249	0.51 278	0.64 209	0.49 288	1.16 352	2.62 398	0.65 250	0.61 198	0.65 211	0.62 277	2.23 339	1.31 301	0.23 319	0.19 210	0.30 348	0.28 302	0.39 319	0.34 150

CBFPSM	0.62 167	1.34 306	2.12 65	0.30 60	0.23 109	0.71 259	0.38 236	0.77 119	0.68 160	0.51 111	0.49 103	1.03 341	0.82 319	0.63 114	1.35 305	0.11 111	0.12 141	0.10 47	0.10 71	0.19 133	0.37 163

RALCasStereoNet	0.65 191	1.34 306	2.56 194	0.43 234	0.96 355	0.50 45	0.26 112	0.62 70	0.56 64	0.43 44	0.49 103	0.36 65	0.28 73	0.72 146	0.53 166	0.10 47	1.18 354	0.09 14	0.08 27	0.27 235	1.27 354

MeshStereo	1.29 357	1.34 306	3.04 308	0.35 144	0.28 159	1.10 352	0.69 341	1.42 374	1.07 350	2.71 405	2.43 389	2.95 391	1.50 371	2.92 386	2.03 340	0.23 319	0.22 232	0.22 316	0.19 251	0.50 349	0.69 289
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
iRaft-Stereo_5w	0.65 191	1.35 309	2.21 81	0.30 60	0.63 313	0.49 39	0.28 134	0.78 126	0.64 110	0.41 34	0.61 198	0.62 197	0.46 211	1.79 294	0.48 146	0.10 47	0.25 247	0.11 93	0.12 140	0.40 325	0.94 324

dad	0.58 126	1.35 309	2.39 112	0.31 74	0.20 68	0.62 184	0.26 112	0.56 48	0.79 250	0.66 256	0.64 220	0.64 207	0.36 124	0.87 171	0.48 146	0.28 342	0.15 181	0.40 362	0.18 235	0.24 194	0.22 77

RAFT	0.62 167	1.35 309	2.26 86	0.62 310	0.53 285	0.47 31	0.35 218	0.70 98	0.58 73	0.50 100	0.50 115	0.79 277	0.40 153	0.49 69	0.36 105	0.11 111	0.79 330	0.14 221	0.13 160	0.52 354	0.72 295

SAMSARA	1.11 346	1.35 309	2.60 205	1.34 374	0.77 336	1.67 380	1.41 396	1.47 376	0.99 339	1.54 381	0.89 316	1.44 373	0.90 333	1.88 311	1.71 324	0.25 332	0.55 300	0.22 316	0.34 338	0.39 319	0.50 233

LL-Strereo2	0.62 167	1.36 313	2.47 163	1.37 376	0.96 355	0.54 74	0.28 134	0.61 67	0.49 30	0.42 38	0.34 35	0.44 108	0.21 16	0.57 98	0.53 166	0.11 111	0.26 250	0.16 263	0.14 178	0.18 110	0.98 334

UDGNet	0.50 70	1.36 313	2.44 135	0.37 168	0.19 63	0.58 114	0.23 59	0.49 14	0.69 168	0.42 38	0.39 52	0.34 61	0.29 89	0.55 92	0.32 79	0.25 332	0.10 104	0.37 359	0.19 251	0.30 260	0.17 49

PA-Net	0.93 319	1.36 313	4.14 379	0.64 315	0.41 249	0.70 255	0.53 297	0.91 228	0.88 303	0.53 127	0.60 190	0.70 250	0.54 246	2.40 352	2.57 368	0.17 268	0.28 258	0.19 298	0.28 302	0.25 209	0.48 225
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RALAANet	0.52 82	1.37 316	2.63 214	0.33 111	0.23 109	0.48 34	0.19 12	0.69 91	0.55 60	0.49 82	0.46 79	0.39 75	0.31 103	0.53 86	0.53 166	0.10 47	0.33 265	0.11 93	0.17 227	0.29 254	0.13 12

ADCPNet	1.07 341	1.37 316	4.54 394	0.38 186	0.68 324	1.36 363	0.64 328	0.93 238	0.83 275	0.79 305	0.82 298	1.08 352	1.18 356	1.30 225	2.68 370	0.21 306	0.69 322	0.21 312	0.95 398	0.30 260	0.54 248

PS-NSSS	0.69 222	1.37 316	2.44 135	0.31 74	0.32 195	0.64 209	0.34 209	1.04 309	0.74 217	0.56 152	0.75 285	0.51 144	0.42 175	2.41 355	0.54 171	0.24 326	0.17 200	0.27 336	0.18 235	0.30 260	0.23 85

GwcNet-RSSM	0.64 186	1.38 319	2.69 246	0.33 111	0.26 138	0.60 144	0.32 191	0.84 169	0.73 200	0.56 152	0.65 227	0.72 253	0.42 175	1.78 292	0.60 183	0.14 216	0.10 104	0.12 136	0.13 160	0.26 224	0.26 104

RTSC	0.84 283	1.40 320	2.67 235	0.50 272	0.40 244	0.83 309	0.33 204	1.11 344	1.14 358	0.93 329	0.82 298	0.84 294	0.58 265	1.34 228	1.82 334	0.18 279	0.49 292	0.14 221	0.30 312	0.46 344	0.42 194

111	0.57 118	1.41 321	2.63 214	0.25 5	0.15 13	0.59 132	0.26 112	0.90 221	0.83 275	0.50 100	0.54 141	0.57 176	0.38 136	0.54 91	0.41 119	0.10 47	0.07 6	0.09 14	0.07 12	0.24 194	0.81 308

MaskLacGwcNet_RVC	0.84 283	1.41 321	2.80 271	0.94 354	0.35 218	0.89 324	0.41 247	0.89 213	0.66 124	0.57 164	0.63 213	0.75 265	0.38 136	2.37 347	0.55 173	1.16 392	0.31 260	0.36 357	0.21 271	0.59 360	0.63 271

MLCV	0.59 141	1.41 321	2.41 118	0.31 74	0.15 13	0.60 144	0.23 59	0.77 119	0.63 104	0.67 258	0.66 233	0.55 165	0.37 129	1.16 205	1.09 279	0.10 47	0.07 6	0.09 14	0.07 12	0.21 159	0.29 121

PWC_ROB	0.81 272	1.41 321	2.60 205	0.41 221	0.40 244	0.63 197	0.31 181	1.04 309	0.99 339	0.92 326	1.29 356	0.78 275	0.68 293	1.65 274	1.50 316	0.19 290	0.12 141	0.18 293	0.13 160	0.51 351	0.54 248

Wz-Net-MNSev	0.74 244	1.42 325	2.75 262	0.38 186	0.33 201	0.90 327	0.61 324	0.98 272	0.94 322	0.77 296	0.75 285	0.75 265	0.66 289	1.39 231	0.76 228	0.17 268	0.13 154	0.14 221	0.14 178	0.28 246	0.48 225

LSM	3.40 405	1.42 325	5.81 406	9.98 421	30.74 435	0.86 316	1.14 378	0.99 277	1.26 365	1.40 373	2.18 383	0.93 319	0.85 325	1.76 286	1.03 273	0.22 311	0.35 267	0.24 328	0.29 306	0.40 325	6.21 419

PSMNet_ROB	0.75 254	1.42 325	2.93 294	0.39 199	0.32 195	0.73 268	0.56 308	0.90 221	0.74 217	0.56 152	0.60 190	0.75 265	0.47 219	2.00 323	1.31 301	0.18 279	0.13 154	0.19 298	0.20 260	0.26 224	0.40 183

Syn2CoEx	0.78 263	1.43 328	3.54 355	0.44 239	0.31 184	0.64 209	0.43 261	1.04 309	0.83 275	0.64 238	0.77 292	0.74 261	0.74 308	1.91 318	0.64 197	0.20 298	0.17 200	0.19 298	0.15 196	0.30 260	0.59 260

GANetREF_RVC	0.81 272	1.44 329	3.04 308	0.49 267	0.27 149	0.83 309	0.63 327	1.03 303	0.92 315	0.63 227	0.61 198	0.72 253	0.59 268	2.40 352	0.58 179	0.33 351	0.25 247	0.37 359	0.25 286	0.41 331	0.36 162
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
ADCRef	0.88 301	1.45 330	2.68 240	0.38 186	0.35 218	0.95 336	0.51 291	0.92 235	0.81 264	0.89 321	0.84 302	0.61 192	1.35 359	1.26 220	3.38 383	0.14 216	0.12 141	0.17 277	0.19 251	0.28 246	0.34 150

CFNet	0.65 191	1.45 330	2.27 87	0.34 128	0.25 124	0.64 209	0.23 59	0.93 238	0.79 250	0.48 66	0.59 183	0.58 180	0.40 153	2.28 341	0.63 196	0.13 186	0.09 81	0.15 246	0.14 178	0.34 283	0.26 104

AANet_RVC	0.79 267	1.46 332	2.72 253	0.34 128	0.25 124	0.59 132	0.32 191	0.88 207	0.83 275	0.62 218	0.95 325	0.80 283	0.43 188	2.46 358	1.72 326	0.38 355	0.26 250	0.10 47	0.09 37	0.25 209	0.43 199

NaN_ROB	1.25 354	1.46 332	3.84 371	0.54 286	0.56 290	1.12 353	0.99 366	1.05 317	1.03 343	1.10 343	0.87 312	0.77 271	1.07 349	5.85 410	2.98 376	0.16 249	0.23 237	0.16 263	0.24 280	0.28 246	0.66 278

PDISCO_ROB	0.84 283	1.46 332	2.84 281	0.65 317	0.59 298	1.17 358	0.48 283	1.19 358	1.08 352	0.67 258	0.72 272	1.00 336	0.61 275	1.24 215	1.05 275	0.38 355	0.18 206	0.28 339	0.24 280	0.58 359	0.44 211

RAFT-Stereo + iAFF	0.58 126	1.48 335	2.53 179	0.29 46	0.78 339	0.52 62	0.20 20	0.68 89	0.66 124	0.51 111	0.61 198	0.40 83	0.32 108	0.40 35	0.43 129	0.08 1	0.63 313	0.09 14	0.09 37	0.37 306	0.58 257

AASNet	0.66 208	1.49 336	2.97 299	0.37 168	0.33 201	0.65 223	0.30 171	1.00 283	0.78 241	0.56 152	0.60 190	0.55 165	0.39 147	0.88 175	0.96 259	0.15 235	0.12 141	0.13 192	0.11 109	0.45 340	0.35 156

DispNO	0.78 263	1.51 337	3.38 336	0.34 128	0.28 159	0.54 74	0.41 247	0.86 191	0.84 287	0.58 170	0.74 277	0.67 220	0.51 233	2.40 352	1.62 322	0.14 216	0.10 104	0.15 246	0.11 109	0.22 173	0.23 85

AFF-stereo	0.57 118	1.51 337	2.59 200	0.33 111	0.23 109	0.51 47	0.21 30	0.69 91	0.68 160	0.49 82	0.63 213	0.49 137	0.34 120	0.50 74	0.37 108	0.08 1	0.54 298	0.10 47	0.10 71	0.40 325	0.60 264

FADNet_RVC	0.87 300	1.51 337	2.90 291	0.31 74	0.24 118	0.71 259	0.25 100	1.00 283	0.65 117	0.45 52	0.57 172	0.61 192	0.44 196	1.53 250	0.75 225	0.94 382	0.97 338	0.28 339	1.00 401	0.89 379	1.36 365

FADNet-RVC-Resample	0.74 244	1.54 340	3.81 369	0.38 186	0.29 165	0.62 184	0.38 236	0.91 228	0.67 136	0.52 119	0.51 117	0.63 201	0.44 196	1.56 254	0.59 181	0.24 326	0.32 261	0.22 316	0.19 251	0.30 260	0.71 294

ACRE	0.63 179	1.55 341	3.41 343	0.76 335	0.28 159	0.60 144	0.56 308	0.82 152	0.68 160	0.57 164	0.62 205	0.43 93	0.30 99	0.47 51	0.42 123	0.12 144	0.19 210	0.13 192	0.14 178	0.36 300	0.20 68

HBP-ISP	0.82 276	1.57 342	3.28 325	0.50 272	0.27 149	0.86 316	0.54 300	1.09 337	0.78 241	0.81 308	0.70 256	0.68 233	1.00 344	2.02 324	0.47 143	0.24 326	0.24 240	0.29 347	0.25 286	0.28 246	0.52 242

UDG	0.86 294	1.57 342	2.80 271	0.68 328	0.59 298	0.78 294	0.38 236	0.97 266	0.74 217	0.63 227	0.70 256	1.01 337	0.68 293	1.02 185	1.22 295	0.45 363	0.34 266	0.89 385	0.51 370	0.73 370	0.58 257

CC-Net-ROB	0.95 321	1.57 342	2.93 294	0.90 350	0.39 238	0.87 320	0.44 267	1.12 346	0.83 275	0.59 190	0.69 243	0.64 207	0.50 229	2.73 378	0.93 257	0.97 385	0.40 279	0.87 384	0.29 306	0.61 364	0.66 278

Anonymous Stereo	0.83 280	1.57 342	3.56 356	0.46 249	0.39 238	0.63 197	0.84 355	0.92 235	0.83 275	0.68 264	0.68 239	0.64 207	0.42 175	2.42 356	1.02 272	0.23 319	0.23 237	0.19 298	0.20 260	0.31 268	0.40 183

PWCDC_ROB	0.83 280	1.57 342	2.63 214	0.48 256	0.37 230	0.78 294	0.29 159	1.04 309	1.36 373	0.63 227	2.05 379	0.64 207	0.70 299	1.10 194	1.20 291	0.33 351	0.14 167	0.15 246	0.12 140	0.63 365	0.46 219

CIPLG	0.63 179	1.59 347	3.16 317	0.79 341	0.31 184	0.62 184	0.57 311	0.82 152	0.68 160	0.58 170	0.63 213	0.43 93	0.31 103	0.48 59	0.42 123	0.12 144	0.20 222	0.13 192	0.13 160	0.36 300	0.21 72

RTS	1.29 357	1.59 347	6.48 409	0.63 312	0.57 293	1.59 375	0.90 361	1.15 349	1.44 375	1.20 356	1.31 357	1.10 356	0.87 330	2.67 371	2.27 358	0.21 306	0.38 273	0.19 298	0.20 260	0.46 344	0.68 285

RTSA	1.29 357	1.59 347	6.48 409	0.63 312	0.57 293	1.59 375	0.90 361	1.15 349	1.44 375	1.20 356	1.31 357	1.10 356	0.87 330	2.67 371	2.27 358	0.21 306	0.38 273	0.19 298	0.20 260	0.46 344	0.68 285

iResNet_ROB	0.60 147	1.59 347	2.04 50	0.32 91	0.21 77	0.60 144	0.22 40	0.99 277	0.85 291	0.61 206	0.63 213	0.58 180	0.42 175	1.08 192	0.98 266	0.11 111	0.08 38	0.09 14	0.06 6	0.23 188	0.33 143

FADNet	0.71 231	1.60 351	2.53 179	0.33 111	0.30 176	0.67 243	0.29 159	0.92 235	0.75 222	0.45 52	0.49 103	0.66 218	0.57 258	1.85 305	0.85 250	0.46 365	0.20 222	0.17 277	0.20 260	0.60 361	0.37 163

SuperB	1.19 351	1.62 352	5.29 402	0.37 168	0.26 138	0.81 306	0.87 357	0.94 243	1.19 363	0.68 264	0.68 239	0.63 201	1.37 362	1.73 281	3.30 380	0.16 249	0.12 141	0.17 277	0.16 214	2.74 412	0.63 271

NVStereoNet_ROB	1.45 370	1.62 352	3.59 359	1.09 363	0.70 327	0.86 316	0.67 337	1.19 358	1.51 379	1.20 356	4.05 407	1.61 377	1.94 386	2.97 388	2.07 344	0.67 374	0.69 322	0.55 373	0.70 384	0.57 358	0.67 280
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.90 311	1.63 354	2.77 267	0.77 338	0.69 325	0.83 309	0.44 267	0.90 221	0.70 178	0.68 264	0.76 288	0.92 314	0.54 246	1.14 203	1.35 305	0.61 371	0.37 269	0.96 387	0.52 372	0.77 375	0.67 280

DN-CSS_ROB	0.56 111	1.64 355	2.75 262	0.42 224	0.22 86	0.57 107	0.19 12	0.79 133	0.66 124	0.46 62	0.62 205	0.41 88	0.32 108	0.73 147	0.49 155	0.12 144	0.08 38	0.14 221	0.13 160	0.38 312	0.17 49

FADNet-RVC	0.69 222	1.65 356	2.74 260	0.35 144	0.26 138	0.60 144	0.29 159	0.91 228	0.67 136	0.46 62	0.51 117	0.62 197	0.46 211	1.75 284	0.81 243	0.17 268	0.20 222	0.17 277	0.18 235	0.60 361	0.39 178

SPS-STEREO	1.22 353	1.65 356	3.41 343	0.66 321	0.69 325	1.01 341	0.68 339	1.10 340	0.96 329	1.40 373	1.25 354	1.46 374	1.08 350	2.05 325	2.24 356	0.66 373	0.61 309	0.58 374	0.57 378	0.66 368	1.65 377
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IPLGR_C	0.64 186	1.66 358	3.36 331	0.80 342	0.31 184	0.60 144	0.60 319	0.82 152	0.69 168	0.58 170	0.62 205	0.44 108	0.31 103	0.47 51	0.43 129	0.12 144	0.22 232	0.13 192	0.15 196	0.35 294	0.21 72

ADCP+	1.03 336	1.68 359	3.83 370	0.35 144	0.39 238	1.05 345	0.79 352	0.94 243	0.86 297	0.69 269	0.68 239	0.85 299	1.53 374	1.02 185	4.56 401	0.13 186	0.12 141	0.16 263	0.15 196	0.28 246	0.44 211

ARAFT	0.65 191	1.69 360	3.34 330	0.29 46	0.16 20	0.65 223	0.36 225	0.96 259	0.73 200	0.63 227	0.49 103	0.56 172	0.31 103	1.23 213	0.35 103	0.11 111	0.08 38	0.14 221	0.13 160	0.38 312	0.50 233

LL-Strereo	0.85 291	1.73 361	3.06 312	0.37 168	0.61 310	0.54 74	0.33 204	1.01 291	0.76 230	0.69 269	0.58 178	0.85 299	0.78 315	2.65 370	0.54 171	0.14 216	0.58 306	0.14 221	0.12 140	0.42 333	1.05 336

RAFT + AFF	0.79 267	1.73 361	2.99 304	0.34 128	0.35 218	0.67 243	0.51 291	1.05 317	0.79 250	0.54 131	0.58 178	0.59 183	0.81 318	1.80 295	1.21 292	0.13 186	0.27 256	0.15 246	0.14 178	0.45 340	0.69 289

MFMNet_re	1.01 331	1.73 361	3.04 308	0.85 346	0.76 334	0.93 332	0.81 353	1.02 297	1.10 353	1.05 339	1.06 344	0.84 294	0.96 341	0.93 178	0.97 260	0.68 375	0.61 309	0.63 377	0.60 382	0.77 375	0.80 306

CSAN	1.38 364	1.74 364	4.12 378	0.53 280	0.38 236	1.06 348	1.15 380	1.29 365	1.12 356	1.19 351	1.90 376	1.04 345	1.44 366	5.92 411	2.82 374	0.26 336	0.22 232	0.24 328	0.25 286	0.35 294	0.54 248

AnyNet_C32	1.08 344	1.76 365	3.01 306	0.50 272	0.54 286	1.17 358	1.16 382	0.97 266	0.95 327	1.11 344	0.98 330	0.87 305	0.93 339	1.57 258	4.11 398	0.22 311	0.20 222	0.25 333	0.25 286	0.40 325	0.68 285

SANet	1.35 362	1.80 366	4.39 390	0.41 221	0.29 165	1.72 382	0.89 360	1.17 355	2.47 395	1.22 360	1.82 373	1.72 379	1.70 378	2.57 363	3.30 380	0.18 279	0.16 193	0.16 263	0.15 196	0.34 283	0.62 267

ADCMid	1.06 339	1.82 367	3.53 354	0.39 199	0.36 224	0.99 339	0.58 313	1.01 291	0.94 322	1.23 362	1.02 337	1.01 337	1.01 345	1.11 198	4.04 396	0.22 311	0.19 210	0.42 366	0.32 322	0.42 333	0.53 245

Wz-Net-SNSev	0.85 291	1.83 368	3.36 331	0.42 224	0.31 184	0.71 259	0.66 333	1.04 309	0.94 322	0.68 264	0.85 305	0.96 327	0.62 277	1.75 284	1.14 284	0.16 249	0.15 181	0.16 263	0.17 227	0.39 319	0.63 271

WZ-Net	1.04 337	1.83 368	4.20 382	0.42 224	0.36 224	0.88 322	0.71 343	1.05 317	1.11 355	0.84 316	0.94 322	1.06 349	1.17 355	2.37 347	2.24 356	0.20 298	0.14 167	0.15 246	0.16 214	0.36 300	0.53 245

WAO-6	1.69 384	1.87 370	3.21 318	1.15 370	1.01 364	2.29 397	1.06 374	1.85 389	2.84 402	1.30 368	2.59 393	2.19 386	1.67 376	2.62 367	2.52 364	0.96 384	0.68 319	1.19 394	0.84 392	1.13 383	0.95 327

AnyNet_C01	1.20 352	1.89 371	4.25 384	0.55 287	0.54 286	1.57 373	1.39 393	1.10 340	1.13 357	1.19 351	1.34 361	1.15 362	1.11 352	1.73 281	2.89 375	0.26 336	0.24 240	0.28 339	0.24 280	0.50 349	0.68 285

iResNetv2_ROB	0.71 231	1.90 372	3.48 349	0.43 234	0.22 86	0.60 144	0.29 159	0.96 259	0.78 241	0.60 199	0.65 227	0.60 190	0.46 211	0.80 163	1.21 292	0.12 144	0.08 38	0.10 47	0.07 12	0.44 338	0.33 143

SQANet	0.92 314	1.96 373	3.23 319	0.77 338	0.83 342	0.76 279	0.38 236	0.87 199	0.68 160	0.64 238	0.69 243	0.73 259	0.52 241	1.35 229	1.36 307	0.80 378	0.30 259	0.60 376	0.29 306	0.93 380	0.70 292

FINET	1.92 388	1.96 373	4.49 393	1.62 388	1.39 387	3.51 407	4.39 411	2.89 403	2.58 397	1.39 371	1.98 377	1.35 370	2.12 391	1.64 271	2.12 347	0.84 380	1.03 347	0.18 293	0.29 306	0.54 356	2.12 389

IMH-64-1	1.50 373	1.98 375	2.69 246	1.39 377	1.12 374	1.39 366	1.19 384	1.80 387	1.47 377	1.19 351	2.20 384	1.53 375	1.51 372	2.12 334	1.98 337	1.34 397	0.68 319	1.28 397	0.70 384	1.37 394	1.12 340

IMH-64	1.50 373	1.98 375	2.69 246	1.39 377	1.12 374	1.39 366	1.19 384	1.80 387	1.47 377	1.19 351	2.20 384	1.53 375	1.51 372	2.12 334	1.98 337	1.34 397	0.68 319	1.28 397	0.70 384	1.37 394	1.12 340

coex-ft	6.14 413	1.98 375	60.80 439	0.34 128	0.30 176	0.80 301	1.17 383	0.76 113	4.34 406	19.82 426	2.15 382	1.61 377	8.77 416	1.82 300	10.36 418	0.44 362	2.05 391	0.18 293	0.19 251	0.39 319	4.61 418

GASNet	0.84 283	1.98 375	4.07 377	0.48 256	0.33 201	0.58 114	0.34 209	0.97 266	0.81 264	0.60 199	0.59 183	0.74 261	0.55 251	2.08 330	1.18 288	0.22 311	0.15 181	0.19 298	0.17 227	0.55 357	0.29 121

MFN_U_SF_DS_RVC	1.08 344	2.01 379	2.56 194	0.49 267	0.40 244	1.49 369	0.96 365	1.02 297	0.95 327	0.85 317	0.94 322	1.06 349	0.59 268	2.92 386	1.15 285	0.43 361	0.74 329	0.32 351	0.55 375	0.74 371	1.35 363

ADCS	1.14 348	2.02 380	3.36 331	0.43 234	0.37 230	0.96 338	0.81 353	1.12 346	1.17 362	1.25 363	0.98 330	1.08 352	0.92 337	1.41 235	4.97 404	0.23 319	0.21 230	0.22 316	0.23 278	0.40 325	0.67 280

MANE	3.51 406	2.03 381	3.88 373	1.89 401	2.01 403	5.98 414	4.72 412	5.87 416	7.13 413	3.80 411	5.10 412	6.11 412	5.34 410	4.39 406	5.05 405	1.07 388	1.28 367	0.50 371	0.85 393	0.76 374	2.36 405

WAO-7	1.58 381	2.04 382	3.25 322	0.94 354	0.75 331	1.75 383	1.13 377	1.87 390	1.97 391	1.46 378	2.53 391	1.98 383	1.75 379	3.13 390	2.48 363	0.69 376	0.67 318	0.94 386	0.74 389	0.80 378	0.77 299

MSC_U_SF_DS_RVC	1.40 365	2.04 382	3.02 307	0.58 301	0.41 249	2.15 396	1.00 370	1.31 367	1.29 368	1.05 339	1.10 346	1.29 368	0.91 334	3.07 389	1.34 303	1.65 404	0.84 333	0.68 380	0.88 395	1.55 399	1.91 381

JetBlue	1.89 387	2.09 384	4.16 380	0.74 333	1.23 380	4.52 413	3.86 410	1.68 385	1.26 365	1.28 366	1.54 367	2.36 388	1.86 384	3.35 395	3.37 382	0.54 368	0.49 292	0.48 370	0.49 367	1.39 396	1.21 349

otaku	1.15 349	2.10 385	3.51 351	0.98 358	0.74 330	1.02 342	0.59 316	1.03 303	0.89 308	0.70 272	1.60 368	0.98 330	0.65 283	1.63 268	1.80 333	0.99 386	0.46 286	0.73 382	0.40 353	1.30 392	0.88 318

Ntro	1.11 346	2.10 385	3.52 353	0.97 357	0.87 347	1.06 348	0.54 300	1.02 297	0.93 321	0.63 227	0.76 288	0.93 319	0.67 291	1.76 286	1.71 324	1.03 387	0.46 286	0.76 383	0.41 357	1.29 390	0.86 317

SGM+DAISY	2.67 396	2.14 387	4.28 387	1.92 402	2.11 406	4.36 412	5.22 414	3.17 404	3.00 403	3.24 410	3.81 406	3.03 393	3.61 404	2.53 360	3.79 390	1.15 391	1.29 368	0.66 378	0.71 387	0.95 381	2.44 406

MADNet++	2.94 403	2.17 388	3.27 324	2.55 410	2.28 407	3.29 406	3.37 406	2.76 401	2.67 400	3.10 408	3.20 403	2.78 390	3.25 402	4.11 404	4.68 403	2.72 411	2.27 406	3.03 415	2.43 413	2.34 410	2.59 407

ACVNet-4b	2.00 390	2.19 389	4.85 396	1.09 363	0.86 345	1.15 356	0.53 297	1.11 344	1.15 360	0.65 250	1.09 345	1.97 382	0.69 297	2.31 343	9.78 417	5.73 416	0.42 281	1.03 391	0.55 375	1.89 403	0.92 323

MADNet+	1.44 368	2.19 389	6.00 407	0.89 348	0.70 327	1.58 374	1.11 375	1.56 381	1.30 370	0.89 321	1.03 339	1.25 365	1.12 353	3.29 393	2.80 372	0.48 366	0.57 304	0.39 361	0.36 345	0.63 365	0.69 289

ACVNet_2	1.54 378	2.20 391	4.42 391	1.10 365	0.93 353	1.37 365	0.87 357	1.53 378	1.71 386	1.22 360	1.72 371	2.12 385	1.06 348	2.58 364	1.93 336	0.94 382	0.54 298	1.00 389	0.56 377	2.11 407	0.96 329

RainbowNet	1.27 355	2.22 392	3.58 358	1.14 369	0.92 351	1.08 350	0.76 348	1.19 358	1.15 360	0.77 296	0.97 327	1.08 352	0.83 321	1.64 271	1.72 326	1.20 394	1.30 370	1.01 390	0.58 379	1.23 387	0.97 332

TorneroNet-64	2.74 397	2.23 393	4.18 381	1.48 382	1.20 378	3.88 408	1.01 372	3.48 411	6.61 412	2.62 404	4.55 410	4.20 402	3.84 406	3.39 397	3.40 384	1.23 395	0.66 317	1.39 402	0.80 391	3.42 414	1.27 354

UNDER WATER	2.84 399	2.25 394	5.25 401	1.84 399	1.45 390	2.36 399	1.44 397	3.23 406	6.51 411	2.61 403	2.73 398	5.69 409	5.64 411	3.14 391	4.18 399	1.48 400	0.81 332	1.60 408	1.07 402	1.91 404	1.67 378

DispFullNet	1.69 384	2.25 394	5.23 400	1.53 385	8.78 416	0.89 324	0.37 228	1.03 303	0.98 336	1.37 369	1.00 334	1.13 359	1.97 387	1.51 249	0.98 266	0.55 370	0.32 261	1.19 394	0.64 383	1.16 385	0.88 318

Wz-Net-TNSev	1.02 332	2.26 396	3.69 363	0.38 186	0.31 184	1.00 340	0.71 343	1.12 346	1.02 342	0.74 290	0.73 274	1.09 355	0.91 334	2.46 358	2.15 350	0.21 306	0.20 222	0.16 263	0.20 260	0.48 347	0.62 267

ACVNet_1	1.47 372	2.27 397	4.92 397	1.11 366	0.89 348	1.19 360	0.66 333	1.28 364	1.19 363	0.98 331	0.97 327	3.06 395	1.48 370	2.37 347	1.82 334	1.08 389	0.49 292	1.03 391	0.48 365	1.20 386	0.95 327

UNDER WATER-64	2.59 395	2.28 398	5.63 404	1.85 400	1.45 390	3.28 405	1.60 398	2.62 399	5.57 408	2.09 389	2.12 380	4.10 401	4.21 407	2.74 379	3.64 389	1.49 401	0.86 334	1.58 407	1.09 404	1.91 404	1.62 376

TorneroNet	5.60 412	2.30 399	3.98 374	1.49 384	1.26 383	14.47 421	1.11 375	4.85 413	20.66 430	10.12 415	16.30 422	11.78 420	7.35 414	3.41 398	4.38 400	1.36 399	0.70 325	1.46 404	0.87 394	2.73 411	1.33 359

Dean	1.92 388	2.31 400	5.03 399	1.31 372	1.08 370	1.55 372	0.99 366	1.98 395	2.33 394	1.51 380	4.15 408	4.23 405	1.39 364	2.31 343	2.10 345	1.18 393	0.69 322	1.18 393	0.75 390	1.30 392	1.07 338

PWCK	1.62 383	2.32 401	4.27 385	1.11 366	0.56 290	1.81 385	1.84 400	1.55 380	1.54 381	1.45 376	1.81 372	1.82 380	1.38 363	3.34 394	2.14 349	1.09 390	0.57 304	0.98 388	0.59 380	1.50 398	0.79 304

notaker	2.77 398	2.35 402	4.02 376	2.61 411	1.44 389	1.77 384	1.14 378	2.77 402	1.81 389	2.30 398	11.41 417	3.95 400	4.70 408	3.24 392	3.01 377	1.58 403	0.88 335	1.71 410	1.08 403	2.10 406	1.44 369

KSHMR	4.19 408	2.37 403	6.24 408	1.73 395	1.48 392	1.97 391	1.29 388	3.18 405	17.06 425	2.15 392	15.74 420	9.09 415	1.75 379	8.33 416	2.37 361	1.55 402	1.29 368	1.70 409	1.23 406	1.75 401	1.60 375

LE_ROB	4.55 410	2.43 404	9.94 413	2.79 413	4.03 412	2.40 400	3.54 407	2.72 400	11.04 414	11.64 419	4.69 411	5.25 408	10.74 417	4.52 408	9.73 416	0.82 379	0.70 325	1.34 400	0.97 399	0.74 371	0.94 324

IMH	2.14 394	2.46 405	3.60 361	1.70 392	1.13 376	1.65 379	0.93 364	2.13 396	1.93 390	1.37 369	2.64 396	2.19 386	1.82 383	5.77 409	2.18 352	5.70 415	1.05 348	1.31 399	0.72 388	1.39 396	1.13 342

ktn	4.44 409	2.47 406	3.70 364	1.82 398	1.49 393	2.11 395	1.40 394	2.30 397	12.56 416	11.36 418	16.25 421	11.30 419	3.77 405	4.41 407	3.47 385	1.86 406	0.99 340	1.74 411	1.21 405	3.28 413	1.39 366

WAO-8	2.91 400	2.55 407	3.77 365	1.93 403	1.04 367	4.08 410	0.99 366	3.25 407	6.09 409	2.20 394	3.34 404	3.33 397	2.64 396	11.73 418	2.52 364	2.12 408	1.92 388	1.55 405	0.93 396	1.27 388	0.96 329

Venus	2.91 400	2.55 407	3.77 365	1.93 403	1.04 367	4.08 410	0.99 366	3.25 407	6.09 409	2.20 394	3.34 404	3.33 397	2.64 396	11.73 418	2.52 364	2.12 408	1.92 388	1.55 405	0.93 396	1.27 388	0.96 329

MFN_U_SF_RVC	1.57 380	2.56 409	3.30 328	0.66 321	0.41 249	1.15 356	0.51 291	1.27 363	1.35 372	1.61 383	1.20 351	1.43 372	0.97 342	1.80 295	2.10 345	1.88 407	1.79 385	1.97 412	2.14 411	1.61 400	1.76 380

LVE	2.10 392	2.61 410	4.30 389	1.79 397	1.81 401	1.68 381	1.04 373	2.35 398	2.78 401	1.27 365	2.87 400	4.21 404	1.46 367	2.83 384	2.02 339	2.87 412	0.92 337	1.19 394	1.47 410	1.29 390	1.18 343

SGM-ForestM	3.67 407	2.70 411	5.34 403	1.65 390	1.72 399	6.02 415	5.08 413	4.10 412	3.47 404	4.59 412	4.21 409	9.81 416	5.79 412	6.44 412	6.97 412	0.88 381	1.09 350	0.33 355	0.45 361	0.68 369	2.10 388

SDNR	2.06 391	2.93 412	2.94 296	1.55 386	5.13 414	1.98 392	0.24 81	1.95 394	2.62 398	0.92 326	2.71 397	5.76 410	0.68 293	3.61 400	3.84 391	0.33 351	0.38 273	0.22 316	0.17 227	1.13 383	2.04 386

SPstereo	16.55 424	3.18 413	4.92 397	2.73 412	2.77 408	29.67 431	52.00 433	39.41 439	29.70 440	21.94 435	21.64 430	27.45 437	23.83 432	27.92 440	26.10 434	2.44 410	2.60 411	4.96 417	3.11 415	2.27 408	2.32 404

FADE	15.98 423	3.24 414	8.93 412	2.10 405	2.93 409	1.19 360	0.91 363	4.99 414	2.50 396	1.28 366	1.19 350	3.05 394	7.02 413	8.01 415	5.49 407	96.22 440	36.26 440	65.47 437	65.78 437	1.78 402	1.34 361

HanzoNet	7.85 414	3.30 415	5.75 405	7.47 419	3.97 411	2.34 398	1.37 390	3.47 409	4.02 405	13.30 420	10.49 413	10.86 417	16.67 423	8.50 417	10.51 419	10.80 423	9.84 425	5.83 420	13.69 423	7.24 420	7.51 420

JetRed	3.37 404	4.96 416	10.08 414	1.48 382	1.73 400	7.63 416	5.47 415	3.47 409	2.20 392	2.42 400	2.40 388	2.98 392	2.35 394	3.52 399	6.60 410	1.33 396	1.90 387	1.38 401	1.23 406	2.30 409	2.02 385

DGTPSM_ROB	8.97 416	5.94 417	13.01 419	5.95 418	11.34 418	8.54 417	24.06 423	6.47 417	13.52 417	5.19 413	11.52 418	6.18 413	11.04 418	7.02 413	13.92 420	4.47 413	7.66 418	3.90 416	7.43 421	4.34 417	7.98 421

DPSMNet_ROB	9.58 417	5.96 418	13.98 422	8.88 420	11.87 419	8.54 417	24.08 424	6.48 418	13.67 420	5.35 414	11.53 419	6.31 414	11.04 418	7.69 414	14.09 421	7.61 422	8.23 420	5.03 418	7.75 422	5.24 419	8.36 422

SGM-Forest	1.84 386	7.91 419	10.36 415	0.42 224	0.33 201	1.04 343	1.29 388	1.01 291	0.88 303	1.19 351	2.30 387	1.03 341	1.79 382	2.60 366	2.81 373	0.22 311	0.21 230	0.21 312	0.19 251	0.25 209	0.79 304
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_1	22.76 426	11.11 420	11.93 416	12.73 422	26.05 434	19.39 426	27.77 428	14.18 422	13.64 419	14.92 421	10.66 414	11.26 418	11.24 420	12.48 422	14.45 422	37.82 439	7.87 419	34.92 436	63.61 436	87.51 440	11.75 425

DPSM_ROB	12.32 418	11.13 421	12.31 417	12.90 423	12.80 421	19.81 428	28.13 429	14.50 423	14.31 422	10.62 416	11.34 415	12.03 421	11.89 421	13.08 423	15.22 423	7.09 419	8.31 421	6.47 422	7.32 419	8.69 421	8.43 423

DPSM	12.32 418	11.13 421	12.31 417	12.90 423	12.80 421	19.81 428	28.13 429	14.50 423	14.31 422	10.62 416	11.34 415	12.03 421	11.89 421	13.08 423	15.22 423	7.09 419	8.31 421	6.47 422	7.32 419	8.69 421	8.43 423

BEATNet-Init1	12.32 418	12.82 423	28.66 436	3.22 414	3.71 410	21.59 430	11.42 418	14.54 425	13.73 421	20.24 427	20.16 427	26.14 435	19.85 426	19.08 429	15.33 425	1.81 405	1.93 390	2.05 413	2.48 414	4.25 416	3.41 415

PML	22.99 427	17.34 424	8.24 411	5.48 417	9.84 417	50.35 440	102.65 440	5.84 415	13.52 417	37.08 440	104.84 440	30.61 439	23.20 431	12.09 420	7.96 414	6.27 418	2.12 396	6.31 421	2.42 412	10.67 423	2.95 409

LRCNet_RVC	13.78 422	19.34 425	13.01 419	19.47 426	12.67 420	1.85 386	0.42 254	12.28 421	1.10 353	15.76 422	18.69 426	12.52 423	8.65 415	12.22 421	9.64 415	22.29 430	8.38 423	25.92 432	24.06 433	19.72 431	17.59 428

DLNR_Zeroshot_test	13.74 421	20.06 426	23.92 428	121.50 441	35.20 436	0.46 21	0.15 1	7.96 419	0.47 25	0.29 21	0.37 43	0.26 30	0.17 1	0.79 159	0.36 105	7.16 421	2.95 415	0.09 14	0.38 349	50.40 439	1.95 383

xxxxx1	29.05 438	20.74 427	14.05 423	50.10 437	40.25 437	19.01 423	26.60 425	21.83 429	20.22 427	16.52 423	17.56 423	18.33 424	21.41 427	16.11 426	20.77 428	23.48 431	26.77 435	66.36 438	78.56 438	30.19 435	32.23 438

tt_ll	29.05 438	20.74 427	14.05 423	50.10 437	40.25 437	19.01 423	26.60 425	21.83 429	20.22 427	16.52 423	17.56 423	18.33 424	21.41 427	16.11 426	20.77 428	23.48 431	26.77 435	66.36 438	78.56 438	30.19 435	32.23 438

ff	29.05 438	20.74 427	14.05 423	50.10 437	40.25 437	19.01 423	26.60 425	21.83 429	20.22 427	16.52 423	17.56 423	18.33 424	21.41 427	16.11 426	20.77 428	23.48 431	26.77 435	66.36 438	78.56 438	30.19 435	32.23 438

CasAABBNet	24.76 430	22.38 430	24.44 429	26.05 430	25.75 429	39.79 433	56.76 436	29.10 436	28.88 434	21.22 429	22.69 432	24.21 432	23.99 437	26.23 432	30.62 436	14.22 424	16.71 427	13.03 424	14.75 426	17.49 427	16.97 426

HaxPig	19.88 425	22.39 431	22.30 426	17.98 425	17.98 424	12.06 420	12.06 419	16.25 426	15.97 424	21.05 428	21.41 429	18.85 427	18.35 424	20.07 430	19.64 427	23.57 434	23.19 434	24.07 431	23.71 432	22.95 432	23.72 435

MyStereo03	24.90 432	22.40 432	24.90 431	26.19 432	25.93 431	39.80 434	56.77 437	29.00 433	28.95 436	21.51 432	22.81 434	24.16 429	23.92 433	26.26 433	30.65 437	14.24 425	17.13 429	13.03 424	14.76 428	17.48 424	18.00 429

MyStereo02	24.90 432	22.40 432	24.90 431	26.19 432	25.93 431	39.80 434	56.77 437	29.00 433	28.95 436	21.51 432	22.81 434	24.16 429	23.92 433	26.26 433	30.65 437	14.24 425	17.13 429	13.03 424	14.76 428	17.48 424	18.00 429

MyStereo	24.90 432	22.40 432	24.90 431	26.19 432	25.93 431	39.80 434	56.77 437	29.00 433	28.95 436	21.51 432	22.81 434	24.16 429	23.92 433	26.26 433	30.65 437	14.24 425	17.13 429	13.03 424	14.76 428	17.48 424	18.00 429

Selective-RAFT-Error	24.83 431	22.44 435	24.80 430	26.10 431	25.82 430	39.85 437	56.72 435	29.21 438	29.03 439	21.29 431	22.80 433	24.25 433	24.07 438	26.28 436	30.60 435	14.24 425	16.85 428	13.04 428	14.75 426	17.53 428	17.02 427

LSM0	26.57 435	22.53 436	25.76 434	30.62 436	52.30 440	39.86 438	56.49 434	29.18 437	28.76 433	21.26 430	22.46 431	24.42 434	23.97 436	26.42 437	30.66 440	14.29 429	16.56 426	13.06 429	14.65 425	17.62 429	20.52 432

DPSimNet_ROB	24.35 429	23.81 437	31.38 438	25.93 429	22.83 427	31.30 432	34.38 432	20.78 428	28.92 435	27.39 437	22.99 437	28.29 438	35.76 440	15.47 425	17.82 426	24.28 435	17.90 432	22.23 430	14.12 424	19.38 430	22.12 434

ASD4	27.03 437	24.46 438	23.91 427	27.24 435	17.87 423	47.08 439	31.36 431	41.80 440	21.82 431	31.12 439	20.82 428	33.80 440	18.50 425	27.25 439	21.57 431	29.52 437	20.55 433	27.54 433	23.38 431	30.03 434	20.96 433

MEDIAN_ROB	23.95 428	26.96 439	26.29 435	22.14 427	22.09 426	16.18 422	14.23 420	20.47 427	20.09 426	25.43 436	25.22 438	22.96 428	22.54 430	24.33 431	23.18 432	28.15 436	27.16 438	28.60 434	27.73 434	27.59 433	27.58 436

AVERAGE_ROB	26.91 436	30.28 440	29.18 437	25.78 428	25.30 428	19.49 427	15.38 421	23.70 432	23.02 432	28.38 438	27.78 439	26.23 436	25.76 439	26.95 438	25.55 433	31.27 438	30.02 439	31.76 435	30.80 435	30.88 438	30.77 437

test_example2	115.17 441	122.38 441	93.45 440	115.38 440	123.53 441	101.24 441	113.11 441	54.67 441	99.94 441	135.50 441	136.43 441	85.67 441	85.40 441	110.44 441	104.91 441	152.17 441	205.21 441	99.17 441	114.27 441	138.55 441	112.04 441

Low-res two-view benchmark