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

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 133	0.21 130	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 163	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 74	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 155	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

SMFormer	0.09 38	1.01 201	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 190	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

CoDeX	0.15 89	0.70 169	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	0.67 262	0.02 14	0.69 249	0.75 267	0.01 9	0.02 19	0.02 19

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

Wz-Net-LNSev-Ref	0.11 59	0.44 138	0.33 166	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	0.39 187	0.36 177	0.02 18	0.02 20	0.02 19	0.02 19

CSP-Net	0.34 144	1.29 269	1.19 287	1.36 327	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	1.26 337	1.21 339	0.03 34	0.09 80	0.02 19	0.09 79

SFCPSM	0.17 98	0.78 172	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	0.79 277	0.02 14	0.75 255	0.76 270	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 117	1.31 271	0.74 252	0.92 240	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	0.87 264	0.75 255	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 37	0.02 12	0.02 13	1.01 253	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 38	0.02 12	0.04 31	0.90 234	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 96	0.36 198	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 335	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

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

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

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

mmm	0.14 79	1.83 290	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 74	0.05 58	0.04 52	0.05 63	0.04 53

ttt	0.10 44	1.09 208	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 212	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 74	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 201	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

x	0.11 59	1.15 214	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 110	0.03 34	0.03 42	0.03 39	0.03 39

psmg	0.43 182	1.91 293	0.92 267	1.91 340	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	1.97 362	1.44 353	0.04 48	0.03 42	0.02 19	0.03 39

222	0.10 44	0.99 195	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.04 53	0.03 39

xxxx	0.11 59	1.16 215	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 112	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 44	1.09 208	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 107	0.03 34	0.03 42	0.03 39	0.03 39

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 333	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 333	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCRef	0.12 67	0.03 27	0.04 31	1.71 336	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 349	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 322	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

11t1	0.17 98	2.16 306	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.05 59	0.18 115	0.12 85	0.06 65	0.03 42	0.05 63	0.03 39

BUS	0.83 251	1.91 293	0.92 267	4.48 375	0.02 20	0.40 182	0.04 54	0.41 185	0.02 20	0.48 215	0.03 40	0.41 193	0.05 64	0.03 33	0.05 59	1.97 362	4.19 381	0.33 164	0.23 149	0.34 152	0.27 153

NINENet	0.69 222	3.87 348	1.20 290	1.98 344	0.05 69	0.40 182	0.04 54	0.40 173	0.05 68	0.41 186	0.04 63	0.41 193	0.05 64	0.40 184	0.05 59	1.79 355	1.56 356	0.34 171	0.22 144	0.34 152	0.23 132

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 367	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 371	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 372	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCP+	0.15 89	0.04 31	0.04 31	2.20 348	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
qqq1	0.25 117	3.70 339	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 339	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

DualNet	0.25 117	3.83 344	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 344	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 344	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 344	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 68	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

qqq	0.16 95	2.01 301	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.03 37	0.12 73	0.14 107	0.04 48	0.04 52	0.03 39	0.03 39

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 374	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

BSDual-CNN	0.81 244	1.91 293	0.92 267	4.48 375	0.02 20	0.42 212	0.06 75	0.41 185	0.02 20	0.48 215	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 362	4.19 381	0.33 164	0.23 149	0.34 152	0.27 153

hknet	1.10 280	1.85 291	3.49 384	4.48 375	0.02 20	0.42 212	0.06 75	0.41 185	0.02 20	0.48 215	0.03 40	0.41 193	0.03 42	0.42 207	0.03 37	4.39 385	4.19 381	0.33 164	0.23 149	0.34 152	0.27 153

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 77	0.07 79	0.08 74	0.07 79	0.08 75	0.06 76	0.07 72	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

BEATNet-Init1	0.19 100	0.08 45	0.08 47	2.23 350	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 45	0.08 47	2.23 350	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 79	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

SuperB	0.21 109	0.10 53	2.51 379	0.12 60	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 79	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 74	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 95	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 267

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 95	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 277

PDISCO_ROB	0.83 251	2.80 327	3.49 384	0.14 74	0.11 103	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 105	0.14 117	3.30 383	0.13 109	0.14 90	2.34 373	0.16 106	0.12 110	2.62 364	0.10 83

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 128	0.10 86	0.20 115	0.10 87	0.24 137	0.11 92	0.11 68	0.09 55	0.12 91	0.14 120	0.12 95	0.09 79

UNet	0.29 130	0.90 182	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 265	0.69 268	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 254	0.76 272

PVD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetBlue	0.11 59	0.11 64	0.12 78	0.13 70	0.14 119	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 91	0.11 98	0.12 94	0.12 103	0.11 68	0.11 74	0.11 88	0.11 97	0.11 90	0.11 95

ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.13 115	0.17 108	0.12 103	0.15 97	0.11 74	0.16 106	0.11 97	0.15 105	0.12 106

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 104	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 98	0.11 95

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 98	0.11 95

ICVP	0.15 89	0.53 160	0.11 73	0.16 89	0.11 103	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 105	0.11 98	0.16 105	0.11 92	0.16 104	0.11 74	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)
aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.11 74	0.14 95	0.11 97	0.49 213	0.11 95

PASM	0.39 164	3.06 330	1.36 349	1.58 331	0.09 82	0.11 90	0.11 97	0.11 90	0.11 99	0.09 77	0.09 82	0.11 91	0.09 83	0.09 78	0.09 76	0.11 68	0.11 74	0.11 88	0.09 80	0.11 90	0.11 95

HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.12 111	0.17 108	0.12 103	0.16 104	0.11 74	0.16 106	0.11 97	0.16 108	0.12 106

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 111	0.11 98	0.19 112	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 115	0.12 111	0.19 112	0.12 103	0.16 104	0.11 74	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
ELAS	0.13 72	0.16 72	0.11 73	0.15 83	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 111	0.11 98	0.18 110	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MIPNet	0.14 79	0.21 87	0.17 116	0.16 89	0.11 103	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.14 90	0.12 85	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 98	0.11 95

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 120	0.12 114	0.20 114	0.12 105	0.20 115	0.12 111	0.21 125	0.13 109	0.17 108	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 99	0.13 118	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 114	0.13 115	0.19 112	0.13 109	0.18 115	0.13 106	0.18 119	0.13 118	0.18 114	0.13 112

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.16 112	0.11 88	0.11 97	0.11 90	0.11 95

HCRNet	1.22 330	7.11 371	3.00 381	3.55 371	0.33 200	0.29 150	0.14 113	0.19 111	0.15 126	0.33 154	0.29 175	0.25 138	0.14 117	0.22 129	0.33 183	3.64 381	3.00 376	0.76 270	0.32 198	0.18 114	0.13 112

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 95	0.14 117	0.14 96	0.14 112	0.14 90	0.14 107	0.14 95	0.14 120	0.14 98	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
dd	0.23 114	0.98 193	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 127	0.15 126	0.23 128	0.15 127	0.24 135	0.17 128	0.23 133	0.15 120	0.22 124	0.15 110	0.21 125	0.15 122	0.22 124	0.16 115

dad	0.23 114	1.03 206	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 130	0.16 128	0.23 128	0.16 128	0.24 135	0.16 126	0.23 133	0.15 120	0.22 124	0.16 112	0.22 130	0.16 123	0.22 124	0.16 115

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 83	0.11 103	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.16 105	0.11 92	0.15 97	0.12 85	0.14 95	0.12 110	0.15 105	0.12 106

GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 105	0.16 126	0.16 105	0.16 125	0.16 104	0.16 112	0.16 106	0.16 123	0.16 108	0.16 115

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 185	0.30 128	0.17 134	0.22 125	0.17 120	0.21 120	0.17 130	0.20 114	0.17 130	0.21 123	0.18 133	0.21 125	0.17 126	0.20 118	0.16 112	0.20 122	0.16 123	0.20 117	0.17 121

MSKI-zero shot	0.24 116	0.21 87	0.49 216	0.65 210	0.18 139	0.22 125	0.17 120	0.23 127	0.18 131	0.21 123	0.17 130	0.23 131	0.28 173	0.23 133	0.18 132	0.21 122	0.16 112	0.21 125	0.16 123	0.21 122	0.16 115

MIM_Stereo	0.25 117	0.23 91	0.66 240	0.80 226	0.17 134	0.22 125	0.17 120	0.23 127	0.18 131	0.26 141	0.17 130	0.21 123	0.17 128	0.25 139	0.17 126	0.23 133	0.16 112	0.21 125	0.17 136	0.22 124	0.17 121

UPFNet	0.42 181	1.20 220	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 289	0.90 286	0.25 134	0.17 130	0.24 135	0.17 128	0.25 139	0.17 126	0.22 124	0.17 124	0.22 130	0.16 123	1.15 274	0.93 285

MMNet	0.44 185	1.24 268	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 341	0.93 292	0.25 134	0.17 130	0.25 138	0.18 133	0.25 139	0.17 126	0.23 133	0.16 112	0.23 134	0.16 123	1.20 285	0.99 289

delet	0.43 182	1.21 266	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 341	0.95 293	0.25 134	0.17 130	0.25 138	0.17 128	0.25 139	0.17 126	0.23 133	0.16 112	0.22 130	0.16 123	1.18 282	0.98 288

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 130	0.18 131	0.24 133	0.18 138	0.23 131	0.19 137	0.24 137	0.18 132	0.21 122	0.16 112	0.21 125	0.16 123	0.22 124	0.16 115

psm_up	0.43 182	1.19 219	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 341	0.91 287	0.26 141	0.17 130	0.25 138	0.17 128	0.25 139	0.17 126	0.22 124	0.17 124	0.23 134	0.16 123	1.18 282	0.99 289

CFNet	1.37 336	5.27 366	0.19 123	5.49 381	0.19 142	0.28 147	0.19 127	0.28 139	0.19 136	0.28 143	0.19 139	0.28 148	4.35 391	0.28 152	0.19 135	0.23 133	0.17 124	0.23 134	4.21 400	4.81 383	0.17 121

ssnet_v2	0.68 220	1.96 300	1.25 341	0.29 127	0.20 143	0.30 151	0.20 129	0.29 142	0.22 141	1.50 352	0.20 141	0.31 156	0.20 140	0.27 150	0.22 141	0.24 138	1.49 354	0.26 143	0.18 138	3.90 372	0.19 125

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 115	0.20 140	0.20 115	0.20 136	0.20 118	0.20 128	0.20 122	0.20 140	0.20 117	0.20 126

GEStereo_RVC	0.86 258	4.45 355	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 137	0.18 131	5.03 397	0.20 141	0.27 147	0.19 137	0.27 150	0.21 139	0.20 118	0.19 127	0.19 121	4.02 398	0.20 117	0.18 124

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 115	0.20 140	0.20 115	0.20 136	0.20 118	0.20 128	0.20 122	0.20 140	0.20 117	0.20 126

AANet_RVC	1.26 332	0.31 106	4.99 390	5.93 384	0.20 143	0.25 136	0.20 129	0.25 133	0.20 137	0.23 128	0.19 139	0.25 138	0.20 140	0.25 139	0.20 136	5.66 392	4.76 384	0.26 143	0.30 189	0.24 131	0.27 153

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 130	0.18 131	0.23 128	0.17 130	0.23 131	0.18 133	0.23 133	0.18 132	0.22 124	0.16 112	0.21 125	0.16 123	0.21 122	0.16 115

gwcnet-sp	0.82 248	1.72 284	1.48 355	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 354	0.23 150	0.28 148	0.26 161	0.20 115	0.15 120	0.24 138	1.33 344	0.32 157	0.16 123	6.75 394	0.23 132

scenet	0.82 248	1.72 284	1.48 355	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 354	0.23 150	0.28 148	0.26 161	0.20 115	0.15 120	0.24 138	1.33 344	0.32 157	0.16 123	6.75 394	0.23 132

ssnet	0.82 248	1.72 284	1.48 355	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 354	0.23 150	0.28 148	0.26 161	0.20 115	0.15 120	0.24 138	1.33 344	0.32 157	0.16 123	6.75 394	0.23 132

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 141	0.22 150	0.36 167	0.21 135	0.36 156	0.21 140	0.42 197	0.21 146	0.36 167	0.22 145	0.36 169	0.21 139	0.34 162	0.21 130	0.34 171	0.21 142	0.34 152	0.21 128

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 128	0.22 145	0.22 129	0.22 141	0.22 124	0.22 133	0.22 130	0.22 144	0.22 124	0.22 130

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 128	0.22 145	0.22 129	0.22 141	0.22 124	0.22 133	0.23 134	0.22 144	0.22 124	0.23 132

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 128	0.22 145	0.22 129	0.22 141	0.22 124	0.22 133	0.23 134	0.22 144	0.22 124	0.23 132

xxxxx1	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 159	0.25 152	0.32 158	0.24 148	0.28 148	0.28 152	0.28 149	0.28 173	0.29 140	0.27 153

tt_ll	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 159	0.25 152	0.32 158	0.24 148	0.28 148	0.28 152	0.28 149	0.28 173	0.29 140	0.27 153

ff	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 159	0.25 152	0.32 158	0.24 148	0.28 148	0.28 152	0.28 149	0.28 173	0.29 140	0.27 153

FENet	0.54 205	1.52 278	1.19 287	1.41 330	0.23 154	0.35 164	0.23 142	0.35 152	0.23 146	0.34 156	0.23 150	0.35 162	0.23 149	0.35 164	0.23 146	1.40 346	1.07 274	0.32 157	0.23 149	0.33 148	0.23 132

tt1	0.31 134	0.93 189	0.24 137	0.33 136	0.23 154	0.31 154	0.24 146	0.32 146	0.24 147	0.32 152	0.23 150	0.32 158	0.25 152	0.32 158	0.24 148	0.27 146	0.26 142	0.27 147	0.26 163	0.27 136	0.27 153

iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 146	0.24 147	0.33 154	0.24 156	0.35 162	0.24 150	0.33 162	0.24 148	0.31 157	0.24 138	0.32 157	0.24 154	0.32 144	0.24 141

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.25 138	0.25 152	0.26 148	0.25 153	0.25 142	0.25 139	0.25 140	0.25 157	0.25 132	0.25 142

LoS_RVC	0.30 131	1.14 212	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.26 146	0.26 161	0.26 148	0.25 153	0.26 143	0.26 142	0.25 140	0.25 157	0.26 133	0.26 148

CAS	0.30 131	1.17 216	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.26 163	0.25 134	0.25 160	0.25 138	0.25 152	0.25 139	0.25 153	0.26 143	0.26 142	0.26 143	0.25 157	0.26 133	0.25 142

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 137	0.25 150	0.25 134	0.25 160	0.25 138	0.25 152	0.25 139	0.25 153	0.26 143	0.25 139	0.25 140	0.26 163	0.26 133	0.25 142

IER	0.88 259	7.04 370	2.23 373	2.75 362	0.28 170	0.43 216	0.25 148	0.39 169	0.25 150	0.41 186	0.27 168	0.39 178	0.25 152	0.40 184	0.28 163	0.37 175	0.28 152	0.37 188	0.25 157	0.37 171	0.25 142

CroCo-Stereo	0.73 229	1.22 267	0.25 139	1.22 319	0.25 160	1.22 348	0.25 148	1.22 338	0.25 150	1.22 345	0.25 160	1.22 350	0.25 152	1.22 349	0.25 153	1.22 336	0.26 142	1.21 354	0.25 157	1.22 332	0.25 142
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 207	0.79 224	0.24 159	0.30 151	0.26 154	0.30 144	0.24 147	0.32 152	0.23 150	0.31 156	0.24 150	0.30 156	0.23 146	0.29 154	0.26 142	0.29 153	0.24 154	0.33 148	0.23 132

CroCo-Stereo Lap2	0.77 233	1.29 269	0.29 150	1.27 322	0.29 176	1.27 351	0.26 154	1.26 341	0.26 163	1.26 346	0.26 165	1.27 351	0.26 161	1.26 350	0.27 159	1.27 338	0.27 147	1.27 357	0.27 169	1.27 334	0.27 153

StereoDRNet-Refined	0.33 143	0.39 121	0.26 144	0.39 149	0.26 166	0.40 182	0.26 154	0.40 173	0.26 163	0.39 171	0.26 165	0.39 178	0.26 161	0.39 181	0.26 158	0.37 175	0.25 139	0.37 188	0.25 157	0.37 171	0.37 197
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Any-RAFT	0.32 142	0.36 111	0.27 145	0.36 141	0.27 167	0.36 167	0.27 157	0.36 156	0.27 166	0.36 161	0.27 168	0.36 167	0.27 168	0.36 169	0.28 163	0.36 171	0.28 152	0.36 186	0.28 173	0.36 169	0.28 165

CRFU-Net	0.65 213	1.67 283	1.22 337	1.96 343	0.27 167	0.41 196	0.27 157	0.41 185	0.27 166	0.40 175	0.26 165	0.41 193	0.27 168	0.40 184	0.27 159	1.80 356	1.62 358	0.34 171	0.23 149	0.33 148	0.23 132

MLCV	0.31 134	0.35 108	0.27 145	0.35 137	0.28 170	0.35 164	0.27 157	0.35 152	0.28 169	0.36 161	0.27 168	0.35 162	0.27 168	0.35 164	0.27 159	0.34 162	0.27 147	0.34 171	0.27 169	0.34 152	0.27 153

DISCO	1.11 282	0.39 121	5.28 391	0.39 149	0.20 143	0.39 181	0.27 157	0.39 169	0.22 141	0.38 166	0.20 141	0.38 174	0.20 140	6.95 405	0.22 141	0.30 155	0.21 130	0.27 147	0.21 142	5.25 387	0.21 128

DN-CSS_ROB	0.31 134	0.35 108	0.28 148	0.35 137	0.28 170	0.34 162	0.27 157	0.34 151	0.25 150	0.35 158	0.27 168	0.36 167	0.26 161	0.34 163	0.28 163	0.35 168	0.28 152	0.34 171	0.28 173	0.34 152	0.27 153

xx1	0.38 159	1.03 206	0.31 159	0.40 161	0.31 188	0.41 196	0.28 162	0.40 173	0.29 171	0.40 175	0.29 175	0.40 184	0.29 177	0.40 184	0.29 169	0.34 162	0.33 174	0.34 171	0.32 198	0.34 152	0.32 185

1test111	0.37 153	1.02 204	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 169	0.29 171	0.39 171	0.29 175	0.39 178	0.28 173	0.40 184	0.29 169	0.33 159	0.32 171	0.33 164	0.31 194	0.32 144	0.31 181

cc1	0.37 153	1.02 204	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 169	0.29 171	0.39 171	0.29 175	0.39 178	0.28 173	0.40 184	0.29 169	0.33 159	0.32 171	0.33 164	0.31 194	0.32 144	0.31 181

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

DGSMNet	0.34 144	0.41 130	0.27 145	0.41 169	0.28 170	0.41 196	0.28 162	0.41 185	0.27 166	0.41 186	0.27 168	0.42 209	0.27 168	0.41 196	0.28 163	0.40 190	0.29 161	0.40 202	0.28 173	0.40 186	0.27 153

ACVNet-DCA	0.37 153	1.00 196	0.30 154	0.40 161	0.29 176	0.40 182	0.29 167	0.40 173	0.29 171	0.40 175	0.29 175	0.40 184	0.29 177	0.39 181	0.28 163	0.33 159	0.32 171	0.33 164	0.32 198	0.33 148	0.32 185

PML	0.46 187	1.36 274	0.29 150	0.58 203	0.30 184	0.57 247	0.29 167	0.57 234	0.29 171	0.57 240	0.29 175	0.57 246	0.29 177	0.56 241	0.29 169	0.52 229	0.30 168	0.53 248	0.31 194	0.53 221	0.30 176

GES	0.66 215	2.34 311	0.29 150	0.41 169	0.29 176	0.41 196	0.29 167	0.42 201	0.29 171	0.40 175	0.41 220	0.41 193	0.30 181	0.51 233	0.29 169	0.32 158	0.29 161	0.32 157	2.46 386	2.49 360	0.30 176

UCFNet_RVC	2.75 378	10.06 390	0.29 150	10.31 407	0.29 176	0.42 212	0.29 167	0.43 203	0.29 171	0.42 197	0.29 175	0.42 209	9.87 407	0.43 208	0.29 169	0.36 171	9.84 406	0.36 186	0.26 163	9.77 406	0.26 148

TorneroNet-64	0.45 186	0.27 100	0.30 154	0.58 203	0.27 167	0.70 257	0.30 171	0.28 139	0.73 275	0.73 258	0.28 173	0.71 256	0.66 257	0.75 262	0.27 159	0.27 146	0.29 161	0.37 188	0.75 278	0.28 138	0.30 176

IGEV-Stereo	0.35 148	0.44 138	0.45 200	0.49 190	0.30 184	0.37 172	0.30 171	0.36 156	0.30 180	0.36 161	0.29 175	0.36 167	0.29 177	0.36 169	0.30 176	0.46 211	0.39 188	0.32 157	0.24 154	0.32 144	0.25 142
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 144	0.42 137	0.31 159	0.39 149	0.30 184	0.38 175	0.30 171	0.40 173	0.29 171	0.40 175	0.37 204	0.41 193	0.34 193	0.38 174	0.30 176	0.34 162	0.27 147	0.34 171	0.26 163	0.34 152	0.26 148

DANet	0.30 131	0.30 105	0.30 154	0.30 128	0.30 184	0.30 151	0.30 171	0.30 144	0.30 180	0.30 146	0.30 183	0.30 154	0.30 181	0.30 156	0.30 176	0.30 155	0.30 168	0.30 155	0.30 189	0.30 143	0.30 176
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
EKT-Stereo	0.37 153	0.40 123	0.44 198	1.07 256	0.29 176	0.34 162	0.31 175	0.36 156	0.29 171	0.38 166	0.31 186	0.37 172	0.30 181	0.36 169	0.29 169	0.34 162	0.28 152	0.39 198	0.30 189	0.37 171	0.30 176

MyStereo07	0.60 210	3.72 342	0.48 212	0.49 190	0.41 226	0.36 167	0.32 176	0.49 216	0.43 225	0.51 230	0.42 226	0.49 226	0.43 220	0.51 233	0.64 258	0.49 223	0.45 204	0.34 171	0.32 198	0.35 163	0.43 218

MyStereo04	0.56 208	3.72 342	0.59 227	0.49 190	0.41 226	0.36 167	0.32 176	0.37 162	0.31 182	0.34 156	0.46 232	0.35 162	0.32 186	0.35 164	0.33 183	0.49 223	0.45 204	0.34 171	0.32 198	0.35 163	0.43 218

RAFT-Test	0.36 151	0.37 112	0.33 166	0.41 169	0.32 191	0.41 196	0.32 176	0.41 185	0.32 186	0.41 186	0.32 187	0.41 193	0.32 186	0.41 196	0.33 183	0.37 175	0.29 161	0.37 188	0.29 182	0.38 177	0.31 181

4D-IteraStereo	0.78 236	3.13 331	0.89 262	0.69 213	0.32 191	0.40 182	0.32 176	0.76 253	0.97 295	0.52 233	0.65 270	0.89 276	0.32 186	0.76 263	0.98 290	0.83 260	0.94 269	0.35 181	0.27 169	0.70 233	0.89 282

iRaft-Stereo_20w	0.34 144	0.41 130	0.31 159	0.39 149	0.29 176	0.40 182	0.32 176	0.41 185	0.32 186	0.38 166	0.30 183	0.39 178	0.30 181	0.38 174	0.32 180	0.35 168	0.27 147	0.34 171	0.27 169	0.34 152	0.29 169

pcwnet_v2	2.66 375	9.89 389	0.33 166	9.89 403	0.32 191	0.50 236	0.32 176	0.49 216	0.33 189	0.49 220	0.34 196	0.49 226	8.76 404	0.48 222	0.33 183	0.41 197	9.58 403	0.40 202	0.29 182	9.01 403	0.63 253

Gwc-CoAtRS	0.41 173	1.49 277	0.32 162	0.42 177	0.32 191	0.41 196	0.32 176	0.41 185	0.33 189	0.41 186	0.32 187	0.41 193	0.32 186	0.41 196	0.32 180	0.39 187	0.28 152	0.39 198	0.28 173	0.40 186	0.28 165

PCWNet_CMD	2.80 380	9.82 388	0.32 162	10.09 406	0.32 191	0.49 230	0.33 183	3.34 383	0.33 189	0.49 220	0.33 190	0.49 226	8.73 403	0.48 222	0.33 183	0.41 197	9.22 401	0.42 222	0.29 182	9.55 405	0.31 181

CFNet_ucs	2.73 377	9.64 387	0.33 166	9.92 404	0.32 191	0.49 230	0.33 183	0.49 216	0.33 189	0.49 220	0.33 190	0.49 226	8.98 405	0.48 222	0.33 183	0.41 197	9.96 407	0.40 202	0.29 182	10.12 408	0.54 239

LL-Strereo2	0.48 197	1.73 288	0.51 220	0.59 205	0.34 206	0.42 212	0.33 183	0.40 173	0.31 182	0.42 197	0.33 190	0.42 209	0.31 185	0.44 210	0.39 210	0.60 236	0.51 224	0.44 224	0.33 203	0.44 201	0.33 188

CFNet_pseudo	2.67 376	9.36 385	0.32 162	10.99 408	0.33 200	0.85 271	0.33 183	0.49 216	0.33 189	0.49 220	0.32 187	0.49 226	7.26 401	0.49 228	0.33 183	0.41 197	9.62 404	0.41 213	0.29 182	10.03 407	0.29 169

RAFT + AFF	0.31 134	0.45 140	0.34 173	0.39 149	0.28 170	0.38 175	0.33 183	0.29 142	0.31 182	0.30 146	0.30 183	0.29 153	0.27 168	0.29 155	0.30 176	0.28 148	0.29 161	0.29 153	0.29 182	0.27 136	0.32 185

ccnet	0.80 239	2.28 310	0.33 166	0.50 196	0.33 200	0.50 236	0.33 183	0.50 223	0.33 189	0.49 220	0.33 190	0.49 226	1.56 362	2.38 372	0.33 183	0.41 197	0.29 161	0.42 222	1.57 369	2.28 356	0.29 169

psmorigin	0.41 173	0.46 142	0.33 166	0.49 190	0.33 200	0.49 230	0.33 183	0.49 216	0.33 189	0.49 220	0.33 190	0.49 226	0.33 190	0.51 233	0.33 183	0.41 197	0.30 168	0.41 213	0.30 189	0.79 244	0.29 169

MSMDNet	2.65 374	10.14 391	0.33 166	9.74 401	0.32 191	0.87 272	0.33 183	2.95 379	0.68 265	0.49 220	0.34 196	0.49 226	5.70 397	0.49 228	0.33 183	0.42 210	9.57 402	0.41 213	0.31 194	8.36 401	0.65 255

ccs_rob	2.79 379	10.17 392	0.32 162	10.00 405	0.33 200	0.49 230	0.33 183	1.90 356	0.32 186	0.51 230	0.33 190	0.49 226	9.24 406	0.49 228	0.33 183	0.41 197	9.82 405	0.41 213	0.28 173	9.34 404	0.29 169

CASnet	0.35 148	0.51 158	0.44 198	0.32 134	0.31 188	0.24 132	0.34 192	0.36 156	0.25 150	0.31 148	0.37 204	0.30 154	0.33 190	0.25 139	0.45 226	0.37 175	0.37 179	0.33 164	0.35 206	0.34 152	0.37 197
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.51 203	3.22 334	0.34 173	0.44 178	0.34 206	0.44 217	0.34 192	0.43 203	0.34 196	0.43 201	0.34 196	0.44 212	0.33 190	0.43 208	0.33 183	0.38 182	0.29 161	0.38 194	0.29 182	0.38 177	0.29 169

Former-RAFT_DAM_RVC	0.49 200	0.98 193	0.64 234	0.84 230	0.46 236	0.45 218	0.35 194	0.47 210	0.47 230	0.45 205	0.34 196	0.46 213	0.48 233	0.46 213	0.35 196	0.39 187	0.71 252	0.39 198	0.35 206	0.41 194	0.41 212

CES	0.39 164	0.47 146	0.36 177	0.36 141	0.37 210	0.45 218	0.35 194	0.35 152	0.40 211	0.36 161	0.44 229	0.47 219	0.36 196	0.44 210	0.36 198	0.37 175	0.39 188	0.44 224	0.35 206	0.37 171	0.36 194

ETE_ROB	0.35 148	0.35 108	0.35 176	0.35 137	0.35 208	0.35 164	0.35 194	0.35 152	0.35 197	0.35 158	0.35 200	0.35 162	0.35 195	0.35 164	0.35 196	0.35 168	0.35 175	0.35 181	0.35 206	0.35 163	0.35 193

GMOStereo	0.37 153	0.45 140	0.23 131	0.30 128	0.37 210	0.41 196	0.36 197	0.41 185	0.35 197	0.43 201	0.36 201	0.41 193	0.40 205	0.41 196	0.36 198	0.34 162	0.22 133	0.47 231	0.37 213	0.39 183	0.33 188

error version	0.93 267	4.47 356	2.35 376	1.99 345	0.37 210	0.41 196	0.36 197	0.41 185	0.35 197	0.43 201	0.36 201	0.41 193	0.40 205	0.41 196	0.36 198	1.87 358	2.16 369	0.47 231	0.37 213	0.39 183	0.33 188

test_1	0.93 267	4.47 356	2.35 376	1.99 345	0.37 210	0.41 196	0.36 197	0.41 185	0.35 197	0.43 201	0.36 201	0.41 193	0.40 205	0.41 196	0.36 198	1.87 358	2.16 369	0.47 231	0.37 213	0.39 183	0.33 188

DMCA	0.36 151	0.38 114	0.37 178	0.35 137	0.35 208	0.36 167	0.36 197	0.36 156	0.35 197	0.35 158	0.37 204	0.36 167	0.36 196	0.35 164	0.36 198	0.36 171	0.36 177	0.35 181	0.36 210	0.36 169	0.36 194

HH	0.71 225	2.54 314	0.74 252	1.10 258	0.32 191	0.41 196	0.37 201	0.69 247	0.78 278	0.73 258	0.90 290	0.75 262	1.00 283	0.84 269	0.69 270	0.69 243	0.40 190	0.35 181	0.26 163	0.35 163	0.26 148

HanStereo	0.71 225	2.54 314	0.74 252	1.10 258	0.32 191	0.41 196	0.37 201	0.69 247	0.78 278	0.73 258	0.90 290	0.75 262	1.00 283	0.84 269	0.69 270	0.69 243	0.40 190	0.35 181	0.26 163	0.35 163	0.26 148

test-3	0.98 273	4.13 352	1.85 368	1.85 337	0.61 264	0.69 256	0.37 201	0.63 243	0.61 257	0.66 250	0.51 251	0.73 260	0.44 221	0.57 244	0.54 246	1.68 353	1.81 367	0.40 202	0.43 234	0.66 226	0.50 235

FCDSN-DC	0.41 173	0.59 166	0.64 234	0.54 199	0.33 200	0.50 236	0.37 201	0.42 201	0.40 211	0.61 245	0.43 228	0.50 237	0.49 238	0.38 174	0.32 180	0.28 148	0.23 137	0.26 143	0.22 144	0.35 163	0.28 165
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
XPNet_ROB	0.37 153	0.37 112	0.37 178	0.37 144	0.37 210	0.37 172	0.37 201	0.37 162	0.37 203	0.37 165	0.37 204	0.37 172	0.37 198	0.37 173	0.37 204	0.37 175	0.37 179	0.37 188	0.37 213	0.37 171	0.37 197

WAO-8	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 206	0.38 165	0.38 205	0.38 166	0.38 209	0.38 174	0.38 200	0.38 174	0.38 205	0.38 182	0.38 183	0.38 194	0.37 213	0.38 177	0.38 201

WAO-7	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 206	0.38 165	0.38 205	0.38 166	0.38 209	0.38 174	0.38 200	0.38 174	0.38 205	0.38 182	0.38 183	0.38 194	0.38 219	0.38 177	0.38 201

HanzoNet	0.39 164	0.38 114	0.40 185	0.39 149	0.41 226	0.38 175	0.38 206	0.38 165	0.38 205	0.39 171	0.39 213	0.38 174	0.38 200	0.39 181	0.40 211	0.38 182	0.38 183	0.40 202	0.38 219	0.38 177	0.40 205

Venus	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.37 172	0.38 206	0.37 162	0.37 203	0.41 186	0.37 204	0.39 178	0.37 198	0.38 174	0.38 205	0.37 175	0.38 183	0.38 194	0.37 213	0.37 171	0.38 201

IMH	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 206	0.38 165	0.38 205	0.42 197	0.38 209	0.40 184	0.38 200	0.38 174	0.38 205	0.38 182	0.38 183	0.39 198	0.38 219	0.38 177	0.38 201

iRaftStereo_RVC	0.97 271	3.17 333	2.30 375	2.42 357	0.38 215	0.54 241	0.38 206	0.54 229	0.38 205	0.54 235	0.38 209	0.54 239	0.38 200	0.54 236	0.38 205	2.38 372	2.34 373	0.49 242	0.36 210	0.49 213	0.36 194

knoymous	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 184	0.40 205	0.40 184	0.40 211	0.40 190	0.40 190	0.40 202	0.40 222	0.40 186	0.40 205

anonymousa	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 184	0.40 205	0.40 184	0.40 211	0.40 190	0.40 190	0.40 202	0.40 222	0.40 186	0.40 205

riskmin	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 184	0.40 205	0.40 184	0.40 211	0.40 190	0.40 190	0.40 202	0.40 222	0.40 186	0.40 205

Anonymous_2	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 184	0.40 205	0.40 184	0.40 211	0.40 190	0.40 190	0.40 202	0.40 222	0.40 186	0.40 205

Anonymous_1	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 184	0.40 205	0.40 184	0.40 211	0.40 190	0.40 190	0.40 202	0.40 222	0.40 186	0.40 205

AdaStereo	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 184	0.40 205	0.40 184	0.40 211	0.40 190	0.40 190	0.40 202	0.40 222	0.40 186	0.40 205
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.
GwcNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 193	0.41 215	0.41 196	0.41 218	0.41 197	0.41 199	0.41 213	0.41 228	0.41 194	0.41 212

PSMNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 193	0.41 215	0.41 196	0.41 218	0.41 197	0.41 199	0.41 213	0.41 228	0.41 194	0.41 212

GANet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 193	0.41 215	0.41 196	0.41 218	0.41 197	0.41 199	0.41 213	0.41 228	0.41 194	0.41 212

ADLNet2	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 193	0.41 215	0.41 196	0.41 218	0.41 197	0.41 199	0.41 213	0.41 228	0.41 194	0.41 212

ADLNet	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 193	0.41 215	0.41 196	0.41 218	0.41 197	0.41 199	0.41 213	0.41 228	0.41 194	0.41 212

CFNet_RVC	2.38 368	8.71 381	0.38 180	9.33 398	0.42 234	0.56 243	0.42 223	0.60 239	0.38 205	0.62 247	0.42 226	0.56 244	7.29 402	0.62 247	0.42 224	0.53 230	0.37 179	0.49 242	0.34 204	8.30 400	6.87 405

SPstereo	0.47 192	0.38 114	0.51 220	0.56 201	0.31 188	0.67 255	0.44 224	0.55 230	0.31 182	0.61 245	0.44 229	0.46 213	0.52 244	0.67 253	0.42 224	0.48 220	0.40 190	0.47 231	0.36 210	0.53 221	0.33 188

Selective-IGEV	0.51 203	0.55 165	0.45 200	0.69 213	0.45 235	0.61 250	0.45 225	0.50 223	0.40 211	0.56 239	0.44 229	0.55 242	0.40 205	0.72 258	0.67 262	0.59 234	0.46 206	0.45 226	0.34 204	0.46 202	0.37 197

MyStereo03	0.84 253	4.93 363	0.68 245	0.90 234	0.74 284	0.56 243	0.46 226	0.55 230	0.52 245	0.74 262	0.56 257	0.56 244	0.46 223	0.81 267	0.54 246	0.59 234	0.52 225	0.75 267	0.68 270	0.68 228	0.65 255

otaku	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 205	0.46 227	0.46 206	0.46 232	0.46 213	0.46 223	0.46 213	0.46 228	0.46 211	0.46 206	0.46 227	0.46 235	0.46 202	0.46 221

Dean	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 205	0.46 227	0.47 211	0.46 232	0.46 213	0.46 223	0.46 213	0.46 228	0.46 211	0.46 206	0.46 227	0.46 235	0.46 202	0.46 221

ACVNet_1	0.46 187	0.47 146	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 205	0.47 230	0.46 206	0.46 232	0.46 213	0.46 223	0.46 213	0.46 228	0.46 211	0.46 206	0.47 231	0.46 235	0.46 202	0.46 221

ACVNet-4b	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 205	0.46 227	0.46 206	0.46 232	0.46 213	0.46 223	0.47 217	0.46 228	0.46 211	0.46 206	0.46 227	0.46 235	0.46 202	0.46 221

LL-Strereo	1.01 277	5.06 365	1.63 358	0.70 215	1.43 372	0.56 243	0.46 226	0.57 234	0.50 241	0.57 240	0.50 248	1.58 357	0.49 238	0.59 246	0.50 241	1.64 352	0.52 225	0.51 246	1.37 360	0.52 219	0.45 220

Ntro	0.47 192	0.47 146	0.46 202	0.46 180	0.46 236	0.47 224	0.47 232	0.46 205	0.47 230	0.46 206	0.46 232	0.47 219	0.46 223	0.47 217	0.47 232	0.47 216	0.46 206	0.46 227	0.46 235	0.46 202	0.46 221

HaxPig	0.47 192	0.47 146	0.47 207	0.49 190	0.47 242	0.47 224	0.47 232	0.47 210	0.47 230	0.47 211	0.47 239	0.47 219	0.47 232	0.47 217	0.47 232	0.47 216	0.47 212	0.47 231	0.47 241	0.47 208	0.48 229

UNDER WATER	0.47 192	0.47 146	0.47 207	0.47 185	0.47 242	0.47 224	0.47 232	0.47 210	0.47 230	0.47 211	0.47 239	0.47 219	0.46 223	0.47 217	0.47 232	0.47 216	0.47 212	0.47 231	0.46 235	0.47 208	0.47 226

LVE	0.47 192	0.47 146	0.47 207	0.47 185	0.49 247	0.47 224	0.47 232	0.47 210	0.49 238	0.47 211	0.47 239	0.47 219	0.46 223	0.47 217	0.47 232	0.47 216	0.47 212	0.48 239	0.47 241	0.47 208	0.47 226

NLCA_NET_v2_RVC	5.04 399	50.87 423	2.78 380	2.87 365	2.71 390	2.78 380	0.47 232	2.88 378	2.86 389	1.89 360	2.67 388	2.79 380	2.79 380	2.78 379	2.83 386	2.82 376	2.82 375	2.83 381	2.77 387	2.83 366	2.76 388
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
whm_eth	0.63 211	1.48 276	0.47 207	0.71 217	0.48 244	0.71 259	0.48 237	0.71 249	0.48 236	0.71 255	0.48 242	0.71 256	0.48 233	0.72 258	0.48 237	0.71 249	0.47 212	0.71 263	0.47 241	0.71 234	0.47 226

RainbowNet	0.48 197	0.48 152	0.48 212	0.48 188	0.48 244	0.48 228	0.48 237	0.48 214	0.48 236	0.48 215	0.48 242	0.48 224	0.48 233	0.48 222	0.48 237	0.48 220	0.48 216	0.48 239	0.48 244	0.48 211	0.48 229

notaker	0.48 197	0.49 153	0.48 212	0.48 188	0.48 244	0.48 228	0.48 237	0.48 214	0.49 238	0.48 215	0.48 242	0.48 224	0.48 233	0.48 222	0.48 237	0.48 220	0.48 216	0.48 239	0.48 244	0.48 211	0.49 232

ACVNet_2	0.49 200	0.49 153	0.49 216	0.49 190	0.49 247	0.49 230	0.49 240	0.49 216	0.49 238	0.49 220	0.49 246	0.49 226	0.49 238	0.49 228	0.49 240	0.49 223	0.49 218	0.49 242	0.49 246	0.49 213	0.49 232

AEACV	1.12 283	0.52 159	3.12 382	3.24 368	0.86 291	0.53 240	0.49 240	0.60 239	0.47 230	0.53 234	0.49 246	0.55 242	0.45 222	0.55 238	0.47 232	3.01 377	3.88 379	0.71 263	0.60 258	0.80 247	0.48 229

Anonymous Stereo	2.36 363	18.47 395	11.50 406	9.80 402	0.53 255	0.28 147	0.50 242	0.58 236	0.53 246	0.59 243	0.53 254	0.66 254	0.52 244	0.62 247	0.41 218	0.36 171	0.37 179	0.31 156	0.19 139	0.20 117	0.22 130

SANet	0.50 202	0.50 155	0.50 218	0.50 196	0.50 250	0.50 236	0.50 242	0.50 223	0.50 241	0.50 229	0.50 248	0.50 237	0.50 241	0.50 232	0.50 241	0.50 227	0.50 223	0.50 245	0.50 248	0.50 217	0.50 235

KSHMR	0.66 215	0.50 155	0.48 212	1.15 265	0.52 252	0.49 230	0.51 244	0.49 216	0.71 273	0.67 251	0.50 248	1.16 301	1.11 290	0.66 251	0.52 244	0.49 223	0.49 218	0.51 246	0.66 266	0.50 217	1.14 303

MyStereo8	0.71 225	3.92 349	0.52 222	0.59 205	0.52 252	0.57 247	0.53 245	0.59 238	0.50 241	0.59 243	0.51 251	0.57 246	0.50 241	0.56 241	0.52 244	0.54 231	0.49 218	0.54 249	0.49 246	0.55 224	0.50 235

PSMNet_ROB	0.54 205	0.54 163	0.54 223	0.54 199	0.53 255	0.54 241	0.54 246	0.53 228	0.54 250	0.54 235	0.54 255	0.54 239	0.53 246	0.54 236	0.54 246	0.54 231	0.53 227	0.54 249	0.54 249	0.54 223	0.54 239

CASS	0.57 209	0.89 180	0.56 224	0.57 202	0.56 257	0.56 243	0.56 247	0.56 232	0.53 246	0.57 240	0.57 259	0.59 248	0.48 233	0.56 241	0.57 250	0.55 233	0.56 230	0.47 231	0.56 253	0.62 225	0.56 246
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 211	0.69 168	0.56 224	0.71 217	0.56 257	0.71 259	0.56 247	0.71 249	0.56 251	0.72 256	0.56 257	0.71 256	0.56 248	0.71 257	0.58 253	0.68 242	0.55 228	0.68 257	0.55 250	0.68 228	0.54 239

UDG	0.80 239	2.21 308	0.60 228	0.91 237	0.60 259	0.90 276	0.58 249	0.88 263	0.60 254	0.90 272	0.60 260	0.88 274	0.60 251	0.90 276	0.58 253	0.86 263	0.60 233	0.84 279	0.59 257	0.84 252	0.61 250

DDUNet	0.81 244	2.45 312	0.57 226	0.90 234	0.60 259	0.88 273	0.59 250	0.90 264	0.60 254	0.88 271	0.60 260	0.90 277	0.58 249	0.88 273	0.60 255	0.84 262	0.60 233	0.86 281	0.57 254	0.86 253	0.60 249

MyStereo02	0.85 256	4.58 358	0.64 234	0.76 222	0.65 269	0.75 261	0.61 251	0.60 239	0.53 246	0.80 265	0.64 266	0.78 265	0.66 257	0.55 238	0.57 250	0.70 246	0.66 243	0.68 257	0.62 261	0.72 235	0.59 247

MyStereo	0.85 256	4.58 358	0.64 234	0.76 222	0.65 269	0.75 261	0.61 251	0.60 239	0.53 246	0.80 265	0.64 266	0.78 265	0.66 257	0.55 238	0.57 250	0.70 246	0.66 243	0.68 257	0.62 261	0.72 235	0.59 247

RAFT-Stereo + iAFF	0.70 223	0.72 170	0.71 248	0.80 226	0.62 267	0.82 270	0.61 251	0.81 259	0.62 258	0.81 269	0.63 264	0.80 269	0.70 265	0.73 260	0.61 257	0.76 252	0.61 237	0.74 266	0.61 260	0.77 241	0.61 250

ARAFT	0.68 220	0.81 177	0.63 232	0.74 220	0.60 259	0.78 266	0.62 254	0.77 254	0.66 263	0.74 262	0.63 264	0.75 262	0.62 252	0.83 268	0.60 255	0.70 246	0.55 228	0.70 262	0.60 258	0.78 242	0.55 243

LMCR-Stereo	0.65 213	0.63 167	0.65 239	0.65 210	0.65 269	0.66 254	0.63 255	0.58 236	0.65 261	0.63 248	0.64 266	0.65 252	0.65 255	0.66 251	0.66 261	0.66 240	0.64 240	0.65 255	0.67 269	0.68 228	0.73 267

test croco	1.88 349	3.16 332	0.64 234	3.10 366	0.65 269	3.10 382	0.64 256	3.12 380	0.65 261	3.10 381	0.65 270	3.11 381	0.65 255	3.12 380	0.65 259	3.12 378	0.65 241	3.13 382	0.65 264	3.13 367	0.65 255

AFF-stereo	0.73 229	0.88 179	0.67 242	0.75 221	0.68 277	0.75 261	0.64 256	0.80 256	0.72 274	0.83 270	0.70 276	0.82 272	0.64 253	0.84 269	0.67 262	0.77 253	0.63 238	0.81 276	0.63 263	0.78 242	0.62 252

DSFCA	0.66 215	0.73 171	0.78 256	0.65 210	0.65 269	0.64 253	0.64 256	0.65 244	0.63 260	0.64 249	0.64 266	0.64 250	0.64 253	0.65 250	0.65 259	0.65 239	0.65 241	0.65 255	0.65 264	0.66 226	0.64 254

MyStereo06	0.75 231	4.12 350	0.60 228	0.63 208	0.61 264	0.62 251	0.66 259	0.56 232	0.45 226	0.55 237	0.48 242	0.54 239	0.46 223	0.57 244	0.45 226	0.60 236	0.57 231	0.64 253	0.55 250	0.72 235	0.55 243

MyStereo05	0.80 239	4.12 350	0.63 232	0.63 208	0.61 264	0.62 251	0.66 259	0.65 244	0.62 258	0.67 251	0.61 262	0.65 252	0.58 249	0.67 253	0.55 249	0.60 236	0.57 231	0.64 253	0.55 250	0.72 235	0.55 243

MIF-Stereo (partial)	2.58 373	3.31 336	0.66 240	3.18 367	0.66 274	3.18 383	0.66 259	3.21 381	0.67 264	3.19 382	0.66 272	3.19 382	0.66 257	3.31 384	0.68 266	5.09 388	1.79 366	8.23 407	1.67 373	6.18 392	1.38 365

test_xeample3	1.10 280	1.81 289	0.61 230	0.84 230	0.49 247	0.77 264	0.66 259	0.92 268	1.40 369	0.68 253	0.46 232	0.78 265	0.54 247	1.72 357	1.48 366	1.34 342	1.52 355	1.35 359	1.67 373	1.33 335	1.55 369

MIF-Stereo	2.03 354	3.43 337	0.72 249	3.42 370	0.73 282	3.27 385	0.68 263	3.38 384	0.69 268	3.29 384	0.72 280	3.28 384	0.70 265	3.35 385	0.68 266	3.39 380	0.68 245	3.31 384	0.69 273	3.37 369	0.73 267

R-Stereo Train	0.81 244	0.96 191	0.67 242	0.95 244	0.67 275	0.95 281	0.68 263	0.95 273	0.68 265	0.95 280	0.68 273	0.96 284	0.68 262	0.96 284	0.68 266	0.94 271	0.68 245	0.94 287	0.68 270	0.94 263	0.68 260

RAFT-Stereo	0.81 244	0.96 191	0.67 242	0.95 244	0.67 275	0.95 281	0.68 263	0.95 273	0.68 265	0.95 280	0.68 273	0.96 284	0.68 262	0.96 284	0.68 266	0.94 271	0.68 245	0.94 287	0.68 270	0.94 263	0.68 260
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
STTRV1_RVC		1.60 281		1.01 253	0.60 259	1.07 291	0.69 266	1.01 278	0.60 254	0.72 256	0.55 256	1.02 289	0.68 262	1.03 289	0.67 262	0.89 265	0.63 238	0.92 285	0.57 254	0.90 256	0.65 255

TorneroNet	0.66 215	0.53 160	0.50 218	0.50 196	0.64 268	1.06 288	0.70 267	0.50 223	0.51 244	0.49 220	0.69 275	0.49 226	0.50 241	0.48 222	1.15 301	0.71 249	0.49 218	1.14 299	1.08 296	0.49 213	0.49 232

DMCA-RVC	0.70 223	0.80 174	0.70 246	0.70 215	0.70 278	0.70 257	0.70 267	0.71 249	0.70 270	0.70 254	0.71 278	0.71 256	0.70 265	0.70 256	0.69 270	0.69 243	0.70 250	0.69 260	0.70 274	0.69 232	0.70 262

MSMD_ROB	1.19 284	1.10 211	0.70 246	1.10 258	0.60 259	1.10 294	0.70 267	1.10 282	0.70 270	1.10 289	0.70 276	1.10 295	0.70 265	7.00 406	0.70 273	1.10 280	0.70 250	1.10 298	0.70 274	1.10 271	0.70 262

DCRE	0.84 253	1.89 292	0.77 255	0.94 242	0.72 281	0.88 273	0.73 270	0.87 261	0.78 278	0.90 272	0.71 278	0.88 274	0.67 261	0.88 273	0.73 274	0.81 258	0.68 245	0.81 276	0.70 274	0.82 251	0.70 262

PA-Net	11.80 406	223.51 429	0.62 231	0.59 205	0.71 279	0.59 249	0.73 270	0.67 246	0.73 275	0.55 237	0.61 262	0.60 249	0.74 269	0.63 249	0.73 274	0.66 240	0.60 233	0.69 260	0.66 266	0.72 235	0.65 255
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
HSM-Net_RVC	0.95 270	1.17 216	0.78 256	1.18 272	0.71 279	1.16 301	0.75 272	1.09 281	0.80 282	1.10 289	0.75 283	1.17 302	0.74 269	1.17 301	0.80 279	1.13 286	0.73 253	1.17 305	0.77 279	1.16 276	0.72 265
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ToySt	0.92 263	2.11 302	0.90 264	0.95 244	0.79 287	0.99 283	0.78 273	0.94 272	0.81 285	0.94 279	0.78 284	0.95 283	0.77 272	0.94 280	0.86 282	0.91 266	0.79 257	0.85 280	0.77 279	0.89 255	0.73 267

iGMRVC	0.84 253	2.85 328	0.72 249	0.72 219	0.73 282	0.77 264	0.79 274	0.73 252	0.74 277	0.73 258	0.72 280	0.73 260	0.76 271	0.73 260	0.73 274	0.72 251	0.73 253	0.73 265	0.72 277	0.73 240	0.72 265

G-Net	0.79 237	0.79 173	0.79 258	0.79 224	0.79 287	0.79 267	0.79 274	0.79 255	0.79 281	0.79 264	0.79 285	0.79 268	0.79 273	0.79 264	0.79 277	0.79 254	0.79 257	0.79 272	0.79 281	0.79 244	0.79 273

NaN_ROB	0.80 239	0.80 174	0.80 259	0.80 226	0.80 289	0.80 268	0.80 276	0.80 256	0.80 282	0.80 265	0.80 286	0.80 269	0.80 274	0.80 265	0.80 279	0.80 255	0.80 260	0.80 274	0.80 282	0.80 247	0.80 274

CSAN	0.80 239	0.80 174	0.80 259	0.80 226	0.80 289	0.80 268	0.80 276	0.80 256	0.80 282	0.80 265	0.80 286	0.80 269	0.80 274	0.80 265	0.80 279	0.80 255	0.80 260	0.80 274	0.80 282	0.80 247	0.80 274

Selective-RAFT	0.89 261	0.89 180	0.72 249	1.16 270	0.78 286	1.06 288	0.82 278	0.87 261	0.97 295	1.00 282	0.91 292	0.90 277	1.00 283	0.89 275	0.93 288	0.83 260	0.83 263	0.82 278	0.82 285	0.81 250	0.82 277

DPSimNet_ROB	0.97 271	1.18 218	0.81 261	1.10 258	0.91 296	1.02 287	0.82 278	1.04 279	0.91 287	1.03 286	0.86 289	1.28 352	0.82 276	1.03 289	0.89 283	1.17 288	0.81 262	1.02 296	0.82 285	1.08 270	0.81 276

HBP-ISP	1.24 331	1.72 284	1.65 359	1.15 265	0.76 285	1.40 356	0.88 280	1.67 354	1.02 301	1.69 358	1.38 364	1.69 359	1.21 347	1.87 358	1.21 353	1.05 276	0.79 257	0.97 291	0.80 282	1.19 284	0.75 271

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 281	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

FC-DCNN	1.07 278	1.09 208	0.98 272	0.89 233	0.52 252	1.41 357	0.91 282	1.21 337	1.24 360	1.96 361	2.05 385	1.91 361	1.30 354	1.27 351	1.08 295	0.80 255	0.60 233	0.58 251	0.41 228	0.68 228	0.54 239

DGTPSM_ROB	0.93 267	1.00 196	0.92 267	0.94 242	0.96 300	0.91 277	0.92 283	0.91 265	0.96 294	0.91 274	0.96 296	0.93 282	0.92 279	0.94 280	0.92 284	0.92 267	0.92 267	0.90 282	0.92 288	0.94 263	0.91 283

DPSM_ROB	0.92 263	0.91 183	0.91 265	0.91 237	0.92 297	0.92 278	0.92 283	0.92 268	0.91 287	0.93 277	0.91 292	0.92 279	0.90 277	0.91 277	0.92 284	0.92 267	0.91 265	0.91 283	0.92 288	0.93 261	0.93 285

DPSM	0.92 263	0.91 183	0.91 265	0.91 237	0.92 297	0.92 278	0.92 283	0.92 268	0.91 287	0.93 277	0.91 292	0.92 279	0.90 277	0.91 277	0.92 284	0.92 267	0.91 265	0.91 283	0.92 288	0.93 261	0.93 285

pmcnn	0.92 263	0.92 188	0.92 267	0.92 240	0.92 297	0.92 278	0.92 283	0.92 268	0.92 291	0.92 275	0.92 295	0.92 279	0.92 279	0.92 279	0.92 284	0.92 267	0.92 267	0.92 285	0.92 288	0.92 260	0.92 284

Selective-RAFT-Error	0.88 259	0.84 178	0.98 272	0.86 232	0.97 301	0.88 273	0.95 287	0.84 260	0.99 297	0.92 275	0.82 288	0.84 273	0.98 282	0.87 272	0.97 289	0.81 258	0.83 263	0.79 272	0.82 285	0.79 244	0.85 279

ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 288	0.21 120	0.14 118	0.20 114	0.13 117	0.21 123	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 111	0.12 106

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 288	0.21 120	0.14 118	0.20 114	0.13 117	0.21 123	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 111	0.12 106

GANet	1.00 274	1.00 196	1.00 274	1.00 250	1.00 302	1.00 284	1.00 290	1.00 275	1.00 298	1.00 282	1.00 297	1.00 286	1.00 283	1.00 286	1.00 292	1.00 273	1.00 270	1.00 293	1.00 292	1.00 266	1.00 291

TDLM	1.00 274	1.00 196	1.00 274	1.00 250	1.00 302	1.00 284	1.00 290	1.00 275	1.00 298	1.00 282	1.00 297	1.00 286	1.00 283	1.00 286	1.00 292	1.00 273	1.00 270	1.00 293	1.00 292	1.00 266	1.00 291

CVANet_RVC	1.00 274	1.00 196	1.00 274	1.00 250	1.00 302	1.00 284	1.00 290	1.00 275	1.00 298	1.00 282	1.00 297	1.00 286	1.00 283	1.00 286	1.00 292	1.00 273	1.00 270	1.00 293	1.00 292	1.00 266	1.00 291

StereoIM	3.19 382	6.02 369	1.12 279	5.61 383	1.16 313	5.43 401	1.02 293	5.15 399	0.70 270	5.43 398	1.21 354	5.03 400	0.97 281	4.85 396	0.99 291	4.53 386	1.16 289	5.53 400	1.25 354	5.37 388	1.30 358

ac_64	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 293	0.14 94	0.10 85	0.28 143	0.14 120	0.17 108	0.19 137	0.28 152	0.09 76	0.22 124	0.16 112	0.23 134	0.17 136	0.11 90	0.12 106

GLC_STEREO	1.07 278	1.01 201	1.06 277	1.07 256	1.05 306	1.06 288	1.08 295	1.08 280	1.05 302	1.07 287	1.06 300	1.08 291	1.05 289	1.06 291	1.10 296	1.07 277	1.09 280	1.05 297	1.05 295	1.06 269	1.12 299

sAnonymous2	3.31 383	2.63 316	1.38 351	3.71 373	1.86 383	4.70 396	1.11 296	4.82 397	2.72 387	5.45 399	1.98 383	4.59 395	2.64 377	2.65 375	6.21 402	4.37 383	1.08 278	5.16 398	2.24 382	4.52 381	2.39 385

CroCo_RVC	3.31 383	2.63 316	1.38 351	3.71 373	1.86 383	4.70 396	1.11 296	4.82 397	2.72 387	5.45 399	1.98 383	4.59 395	2.64 377	2.65 375	6.21 402	4.37 383	1.08 278	5.16 398	2.24 382	4.52 381	2.39 385

NCC-stereo	2.36 363	25.52 407	1.17 284	1.15 265	1.17 314	1.11 297	1.11 296	1.15 283	1.16 305	1.10 289	1.16 304	1.10 295	1.15 294	1.14 299	1.13 299	1.09 278	1.11 284	1.15 300	1.16 302	1.17 281	1.17 305

Nwc_Net	2.37 366	25.95 409	1.15 283	1.14 263	1.15 309	1.08 292	1.14 299	1.17 286	1.16 305	1.14 296	1.15 301	1.08 291	1.15 294	1.11 297	1.14 300	1.10 280	1.11 284	1.16 301	1.09 297	1.16 276	1.15 304

RP	2.33 361	25.00 405	1.13 280	1.15 265	1.15 309	1.10 294	1.15 300	1.15 283	1.15 304	1.12 294	1.15 301	1.09 293	1.13 291	1.10 295	1.15 301	1.11 285	1.09 280	1.16 301	1.12 298	1.16 276	1.17 305

Abc-Net	2.32 360	24.75 404	1.14 281	1.17 271	1.17 314	1.11 297	1.15 300	1.17 286	1.21 357	1.08 288	1.16 304	1.12 299	1.14 293	1.09 293	1.17 305	1.09 278	1.16 289	1.17 305	1.17 303	1.16 276	1.11 297
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 363	25.48 406	1.19 287	1.15 265	1.15 309	1.10 294	1.16 302	1.17 286	1.16 305	1.12 294	1.16 304	1.11 298	1.13 291	1.09 293	1.18 306	1.10 280	1.15 288	1.16 301	1.12 298	1.14 273	1.12 299

edge stereo	2.43 369	27.07 412	1.14 281	1.06 255	1.14 308	1.08 292	1.17 303	1.16 285	1.14 303	1.10 289	1.16 304	1.09 293	1.16 298	1.10 295	1.16 304	1.10 280	1.11 284	1.16 301	1.19 304	1.13 272	1.11 297

AF-Net	2.37 366	25.71 408	1.17 284	1.13 262	1.15 309	1.15 300	1.18 304	1.19 289	1.16 305	1.10 289	1.15 301	1.10 295	1.18 299	1.12 298	1.15 301	1.10 280	1.10 283	1.17 305	1.15 300	1.16 276	1.12 299

stereogan	2.33 361	24.38 403	1.18 286	1.18 272	1.18 316	1.14 299	1.18 304	1.19 289	1.19 311	1.14 296	1.18 308	1.14 300	1.18 299	1.14 299	1.18 306	1.14 287	1.14 287	1.19 308	1.19 304	1.15 274	1.19 307

DisPM	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

CrosDoStereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

PFNet+	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

LCNet	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

HHNet	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

Patchmatch Stereo++	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308
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	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

STrans-v2	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

TransformOpticalFlow	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

OMP-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

IIG-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

NF-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

OCTAStereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

PSM-softLoss	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

KMStereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

NRIStereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

PSM-adaLoss	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

PSM-AAD	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

FTStereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

ROB_FTStereo_v2	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

ROB_FTStereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

Consistency-Raft	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

KYRaft	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

HUI-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

ASMatch	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

DeepStereo_LL	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

DEmStereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

SST-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

THIR-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

RAFT_R40	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

DRaft	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

PFNet	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

GrayStereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

RE-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

Pruner-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

TVStereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

DeepStereo_RVC	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

RAFT-RH_RVC	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

IRAFT_RVC	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

RAFT-345	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

iRAFT	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

CRE-IMP	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

GMM-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

RAFT-IKP	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

Prome-Stereo	1.20 285	1.20 220	1.20 290	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 309	1.20 307	1.20 285	1.20 308

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 306	0.07 74	0.05 68	0.05 64	0.05 71	0.08 75	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

GANetREF_RVC	1.55 339	1.94 299	1.22 337	1.88 338	1.21 363	1.88 364	1.22 352	1.88 355	1.22 358	1.88 359	1.22 355	1.88 360	1.22 348	1.89 359	1.22 354	1.87 358	1.22 340	1.88 368	1.22 353	1.88 348	1.22 354
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
SPS-STEREO	1.59 340	1.91 293	1.21 336	1.94 341	1.20 317	2.00 366	1.23 353	1.99 358	1.24 360	2.00 363	1.25 358	2.03 364	1.26 350	2.00 362	1.29 358	1.90 361	1.18 292	1.89 369	1.21 352	1.89 349	1.20 308
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
FAT-Stereo	2.46 370	26.05 410	1.23 339	1.23 321	1.22 364	1.20 302	1.24 354	1.23 340	1.23 359	1.19 298	1.22 355	1.21 349	1.24 349	1.20 303	1.24 355	1.21 335	1.17 291	1.22 355	1.25 354	1.20 285	1.24 356

S-Stereo	2.51 371	26.86 411	1.23 339	1.22 319	1.22 364	1.24 350	1.25 355	1.22 338	1.24 360	1.21 344	1.24 357	1.19 303	1.27 351	1.19 302	1.24 355	1.19 289	1.20 293	1.25 356	1.19 304	1.24 333	1.23 355

StereoVision	3.15 381	5.00 364	0.89 262	4.83 378	1.00 302	3.93 389	1.27 356	6.37 400	1.34 363	5.67 401	1.26 359	5.84 402	1.27 351	5.03 398	1.24 355	5.10 389	1.09 280	4.61 395	0.57 254	5.62 390	1.12 299

CC-Net-ROB	1.36 335	1.33 272	1.33 342	1.36 327	1.38 369	1.36 354	1.33 357	1.37 347	1.34 363	1.35 348	1.36 362	1.38 354	1.34 355	1.38 353	1.38 362	1.35 343	1.38 350	1.33 358	1.35 357	1.43 338	1.34 361

11t	1.27 333	2.70 321	1.34 343	1.32 324	0.89 292	1.30 352	1.34 358	1.64 351	0.57 252	1.45 351	0.72 280	1.05 290	1.29 353	1.07 292	1.29 358	1.49 347	1.02 273	0.97 291	1.15 300	1.48 339	1.31 359

MaskLacGwcNet_RVC	1.35 334	1.35 273	1.35 345	1.35 326	1.35 366	1.35 353	1.35 359	1.36 346	1.35 365	1.36 349	1.35 361	1.36 353	1.36 356	1.36 352	1.35 360	1.35 343	1.35 347	1.35 359	1.35 357	1.35 336	1.35 362

ktn	0.72 228	0.53 160	1.08 278	1.14 263	0.51 251	1.22 348	1.36 360	0.51 227	0.59 253	0.51 230	0.51 251	0.69 255	1.20 301	0.67 253	0.51 243	0.51 228	0.49 218	0.58 251	0.66 266	0.52 219	0.53 238

IGEVStereo-DCA	1.77 346	4.21 353	1.84 366	2.49 359	2.11 385	2.54 376	1.36 360	1.65 352	1.17 309	2.75 377	1.90 379	2.54 376	1.15 294	0.94 280	1.11 297	1.50 348	1.32 341	0.96 289	1.46 367	1.49 340	0.88 280

rrr	1.77 346	4.21 353	1.84 366	2.49 359	2.11 385	2.54 376	1.36 360	1.65 352	1.17 309	2.75 377	1.90 379	2.54 376	1.15 294	0.94 280	1.11 297	1.50 348	1.32 341	0.96 289	1.46 367	1.49 340	0.88 280

MC-Stereo	1.76 345	2.96 329	1.37 350	2.14 347	1.37 368	2.14 368	1.36 360	2.14 362	1.37 367	2.14 368	1.37 363	2.14 365	1.37 357	2.14 366	1.37 361	1.97 362	1.32 341	1.97 370	1.32 356	1.98 350	1.33 360

RASNet	1.49 338	1.65 282	1.45 354	1.38 329	1.43 372	1.47 358	1.36 360	1.38 348	1.36 366	1.39 350	1.60 372	1.45 356	1.45 360	1.51 354	2.21 380	1.53 350	1.36 348	1.36 361	1.36 359	1.66 344	1.36 363

PS-NSSS	1.38 337	1.39 275	1.34 343	1.34 325	1.35 366	1.38 355	1.37 365	1.35 345	1.38 368	1.34 347	1.34 360	1.39 355	1.38 358	1.70 356	1.40 363	1.36 345	1.36 348	1.36 361	1.37 360	1.37 337	1.36 363

CFNet-RSSM	0.91 262	4.89 362	0.34 173	0.44 178	1.07 307	1.62 360	1.40 366	0.91 265	0.35 197	1.60 353	1.39 365	0.64 250	0.34 193	0.44 210	0.33 183	0.41 197	0.35 175	0.75 267	0.30 189	0.41 194	0.29 169

sCroCo_RVC	2.10 355	2.76 323	1.92 372	2.78 364	1.39 370	2.73 378	1.41 367	2.73 373	1.40 369	2.77 379	1.41 367	2.74 378	1.40 359	2.74 378	1.40 363	2.72 374	1.42 352	2.72 379	1.44 366	2.79 365	1.42 367

RAFT_CTSACE	1.92 350	3.71 341	1.72 363	1.88 338	1.72 378	2.04 367	1.42 368	2.18 363	1.89 383	2.02 364	1.97 381	1.95 362	2.06 371	1.93 360	1.62 369	1.76 354	1.66 361	2.02 371	1.73 379	1.73 345	1.43 368

Anonymous	2.11 356	2.74 322	1.41 353	2.77 363	1.40 371	2.74 379	1.46 369	2.75 374	1.50 371	2.87 380	1.39 365	2.74 378	1.46 361	2.72 377	1.41 365	2.72 374	1.41 351	2.81 380	1.41 362	3.16 368	1.39 366

DPSMNet_ROB	1.60 341	1.59 280	1.70 361	1.59 332	1.59 374	1.61 359	1.61 370	1.60 349	1.60 372	1.62 357	1.59 371	1.60 358	1.60 363	1.60 355	1.59 368	1.59 351	1.60 357	1.59 366	1.59 370	1.59 343	1.59 370

Anonymous3	2.55 372	3.26 335	1.65 359	3.28 369	1.63 375	3.24 384	1.68 371	3.27 382	1.66 373	3.28 383	1.67 373	3.25 383	1.66 364	3.27 382	1.64 370	3.26 379	1.65 360	3.30 383	1.65 371	4.95 385	1.65 373

UDGNet	2.23 358	5.40 367	1.72 363	2.48 358	1.69 376	2.51 375	1.69 372	2.51 371	1.72 374	2.50 375	1.69 374	2.52 375	1.69 365	2.50 374	1.68 373	2.41 373	1.70 362	2.42 378	1.69 375	2.42 359	1.64 371

MFMNet_re	1.81 348	1.91 293	1.71 362	1.95 342	1.70 377	1.95 365	1.70 373	1.96 357	1.74 375	1.97 362	1.72 375	1.95 362	1.71 366	1.97 361	1.71 374	1.86 357	1.62 358	1.85 367	1.66 372	1.86 347	1.64 371

FBW_ROB	2.12 357	2.46 313	1.77 365	2.49 359	1.79 379	2.38 374	1.83 374	2.46 370	1.78 376	2.48 374	1.97 381	2.40 374	1.78 367	2.42 373	1.83 379	2.31 370	1.85 368	2.38 377	1.82 380	2.35 358	1.84 378

TRStereo	2.00 351	2.13 303	1.85 368	2.27 352	1.84 380	2.28 370	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 367	1.87 368	2.08 363	1.72 376	2.08 366	1.72 363	2.08 372	1.72 376	2.08 351	1.72 374

XX-Stereo	2.00 351	2.13 303	1.85 368	2.27 352	1.84 380	2.28 370	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 367	1.87 368	2.08 363	1.72 376	2.08 366	1.72 363	2.08 372	1.72 376	2.08 351	1.72 374

EAI-Stereo	2.00 351	2.13 303	1.85 368	2.27 352	1.84 380	2.28 370	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 367	1.87 368	2.08 363	1.72 376	2.08 366	1.72 363	2.08 372	1.72 376	2.08 351	1.72 374

ff7	1.68 342	2.68 318	1.35 345	0.97 247	0.89 292	1.84 361	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 370	2.12 372	2.23 367	2.25 381	1.31 339	1.07 274	1.48 363	1.41 362	0.90 256	1.04 294

ffff	1.68 342	2.68 318	1.35 345	0.97 247	0.89 292	1.84 361	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 370	2.12 372	2.23 367	2.25 381	1.31 339	1.07 274	1.48 363	1.41 362	0.90 256	1.04 294

ccc-4	1.68 342	2.68 318	1.35 345	0.97 247	0.89 292	1.84 361	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 370	2.12 372	2.23 367	2.25 381	1.31 339	1.07 274	1.48 363	1.41 362	0.90 256	1.04 294

NCCL2	2.28 359	2.27 309	2.28 374	2.28 355	2.28 387	2.27 369	2.29 381	2.28 364	2.28 384	2.27 369	2.28 386	2.28 366	2.27 375	2.27 370	2.28 385	2.28 369	2.28 372	2.27 375	2.29 384	2.27 355	2.29 380

STTStereo	3.73 386	30.40 416	2.37 378	2.39 356	2.31 389	2.35 373	2.33 382	2.29 365	2.42 385	2.32 373	2.34 387	2.33 370	2.36 376	2.30 371	2.27 384	2.35 371	2.22 371	2.31 376	2.22 381	2.29 357	2.34 384

CFNet-ft	0.55 207	1.57 279	0.14 97	0.20 100	0.14 119	0.20 115	2.53 383	1.61 350	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	1.56 342	1.24 356

PSMNet-RSSM	0.77 233	2.76 323	0.14 97	0.20 100	0.14 119	0.20 115	2.66 384	2.79 376	0.14 118	0.21 123	0.14 120	0.21 123	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 361	2.31 381

GwcNet-RSSM	0.77 233	2.77 325	0.14 97	0.20 100	0.14 119	0.20 115	2.67 385	2.78 375	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.21 125	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 361	2.31 381

cf-r	0.66 215	2.17 307	0.12 78	0.18 96	0.12 115	0.18 110	2.70 386	2.60 372	0.12 114	0.18 110	0.12 105	0.18 111	0.12 111	0.18 110	0.12 103	0.15 97	0.11 74	0.15 105	0.11 97	1.81 346	1.74 377

hitnet-ft	0.79 237	2.78 326	0.14 97	0.20 100	0.14 119	0.21 123	2.89 387	2.80 377	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.54 363	2.33 383

Sa-1000	4.34 389	8.37 378	6.84 398	6.98 392	4.45 402	3.58 386	3.00 388	3.42 385	3.39 391	2.61 376	4.00 397	3.83 388	4.01 390	3.90 388	3.90 393	5.98 395	5.62 388	3.76 389	2.34 385	4.35 379	2.47 387

DispFullNet	4.61 392	4.84 361	3.12 382	5.00 380	3.57 394	4.75 398	3.03 389	7.75 406	4.17 399	4.91 396	3.09 389	6.20 403	3.95 388	6.71 402	3.51 389	5.30 390	3.67 378	5.86 404	3.63 390	5.61 389	3.46 390

SA	4.33 388	7.35 372	6.85 399	5.96 385	4.09 399	3.59 387	3.15 390	3.82 388	2.64 386	3.91 386	3.85 394	3.57 385	2.72 379	3.13 381	4.03 395	7.09 402	6.86 395	3.57 386	3.12 388	3.85 371	3.51 391

GANet-RSSM	0.75 231	1.91 293	0.14 97	0.47 185	0.14 119	0.21 123	3.21 391	2.30 369	0.14 118	0.46 206	0.14 120	0.23 131	0.18 133	0.21 125	0.14 112	0.18 115	0.27 147	0.37 188	0.13 118	2.13 354	2.12 379

test_5	4.62 393	7.55 374	6.23 394	6.32 387	3.40 393	5.29 400	3.50 392	3.53 386	4.11 398	4.28 390	4.47 401	4.26 393	4.38 392	3.68 387	3.24 388	5.89 393	5.60 387	4.84 396	3.50 389	4.33 378	3.93 398

RAFT+CT+SA	4.28 387	7.62 375	4.91 389	5.55 382	2.28 387	3.09 381	3.64 393	4.49 394	3.07 390	4.80 394	3.35 390	4.77 397	3.70 384	4.29 393	3.05 387	5.58 391	5.98 390	3.58 387	3.78 395	4.26 377	3.72 393

DPSNet	3.66 385	3.60 338	3.62 386	3.63 372	3.64 395	3.65 388	3.65 394	3.66 387	3.67 392	3.67 385	3.65 393	3.67 386	3.66 383	3.66 386	3.68 390	3.68 382	3.66 377	3.67 388	3.68 393	3.67 370	3.67 392

TestStereo1	4.60 390	8.41 379	6.44 396	6.86 390	3.79 396	3.97 390	3.78 395	3.99 390	3.74 393	3.97 387	3.52 391	3.94 389	3.58 381	3.98 389	3.72 391	6.82 399	6.50 393	3.76 389	3.66 391	3.90 372	3.74 395

SA-5K	4.60 390	8.41 379	6.44 396	6.86 390	3.79 396	3.97 390	3.78 395	3.99 390	3.74 393	3.97 387	3.52 391	3.94 389	3.58 381	3.98 389	3.72 391	6.82 399	6.50 393	3.76 389	3.66 391	3.90 372	3.74 395

test_4	4.88 396	8.13 377	6.98 400	7.46 393	4.44 401	4.25 393	3.85 397	4.04 392	3.92 396	4.13 389	3.91 395	4.18 392	3.84 386	4.14 391	4.06 396	7.01 401	7.13 396	4.53 393	3.72 394	4.09 375	3.72 393

cross-raft	4.83 395	7.52 373	6.43 395	6.63 388	3.96 398	4.51 395	3.99 398	4.49 394	3.96 397	4.52 393	3.96 396	4.50 394	3.97 389	4.50 395	3.97 394	6.65 397	6.44 392	4.33 392	3.92 397	4.35 379	3.91 397

test_3	5.01 398	8.86 382	7.77 402	8.09 394	2.76 391	4.13 392	4.05 399	3.88 389	3.76 395	4.33 391	4.13 398	3.71 387	3.91 387	4.21 392	4.06 396	7.93 403	7.69 398	4.53 393	3.91 396	4.17 376	4.29 400

raft_robust	4.71 394	7.75 376	5.40 393	6.81 389	3.31 392	4.28 394	4.20 400	4.32 393	4.37 401	4.35 392	4.35 400	4.14 391	3.75 385	4.30 394	4.20 398	6.67 398	6.37 391	3.36 385	4.24 401	4.86 384	3.25 389

SGM-Forest	5.21 400	5.92 368	4.08 387	6.18 386	4.16 400	6.31 403	4.34 401	6.50 401	4.33 400	6.14 403	4.21 399	6.61 406	4.55 393	6.67 401	4.48 399	5.94 394	3.94 380	5.85 403	4.03 399	5.79 391	4.17 399
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 396	4.75 360	4.79 388	4.87 379	4.92 403	4.81 399	4.90 402	4.78 396	4.77 402	4.87 395	4.89 402	4.90 398	4.91 394	4.99 397	4.79 400	4.98 387	4.87 385	4.87 397	4.92 402	5.00 386	5.00 401

SGM+DAISY	7.06 403	9.15 383	5.38 392	8.84 397	5.18 404	8.80 407	5.31 403	8.79 407	5.28 404	8.89 407	5.20 403	8.93 407	5.33 395	8.95 407	5.36 401	8.70 405	5.21 386	8.74 408	5.20 403	8.89 402	5.15 402

test-1	6.46 401	9.16 384	8.03 405	8.09 394	5.62 405	6.11 402	6.35 404	6.85 403	4.94 403	6.08 402	6.29 406	4.98 399	6.43 398	6.22 399	6.36 404	6.16 396	7.47 397	5.82 402	5.44 404	7.11 397	5.68 403

RAFT	6.73 402	9.36 385	7.40 401	8.51 396	6.55 406	6.88 404	6.60 405	6.79 402	6.60 405	6.80 404	6.72 407	5.31 401	5.50 396	6.61 400	6.61 405	8.42 404	5.89 389	5.73 401	5.45 405	6.61 393	6.24 404

test-v	7.53 404	11.89 393	7.98 403	9.36 399	7.14 407	7.06 405	7.09 406	7.37 404	6.91 406	7.29 405	5.71 404	6.45 404	6.93 399	6.73 403	7.27 406	8.93 406	7.85 399	6.98 405	6.80 406	7.56 398	7.34 406

test-2	7.53 404	11.89 393	7.98 403	9.36 399	7.14 407	7.06 405	7.09 406	7.37 404	6.91 406	7.29 405	5.71 404	6.45 404	6.93 399	6.73 403	7.27 406	8.93 406	7.85 399	6.98 405	6.80 406	7.56 398	7.34 406

MANE	19.05 407	23.00 402	15.00 407	23.00 415	15.00 409	24.00 414	16.00 408	24.00 414	16.00 408	22.00 414	15.00 408	23.00 414	16.00 408	23.00 414	15.00 408	22.00 414	15.00 408	22.00 415	15.00 408	22.00 415	15.00 408

rafts_anoy	20.00 408	20.00 396	20.00 408	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 409	20.00 409

raft+_RVC	20.00 408	20.00 396	20.00 408	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 409	20.00 409

raftrobust	20.00 408	20.00 396	20.00 408	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 409	20.00 409

CasAABBNet	20.00 408	20.00 396	20.00 408	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 409	20.00 409

RALCasStereoNet	20.00 408	20.00 396	20.00 408	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 409	20.00 409

RALAANet	20.00 408	20.00 396	20.00 408	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 409	20.00 409

WCMA_ROB	31.10 415	35.43 421	27.12 414	39.51 424	23.10 416	38.78 423	25.30 415	37.49 423	25.39 415	37.29 422	27.02 415	38.52 423	26.48 415	37.80 422	26.44 415	36.28 422	22.65 415	33.90 420	22.30 415	37.10 421	24.18 415

111	30.40 414	30.94 417	29.72 415	32.61 416	30.02 417	33.57 415	30.47 416	31.50 415	29.39 416	30.98 415	29.11 416	29.78 415	30.39 419	29.45 415	30.76 419	30.08 415	29.02 416	29.92 416	30.32 419	29.86 416	30.17 416

fff	1000028.16 430	29.62 413	29.72 415	32.61 416	30.02 417	35.13 417	31.83 417	32.07 416	10000000.00 431	35.27 418	29.82 417	32.45 416	30.15 416	32.35 416	30.09 416	31.04 416	29.55 417	30.64 417	30.14 416	10000000.00 432	30.77 417

csc	1000028.16 430	29.62 413	29.72 415	32.61 416	30.02 417	35.13 417	31.83 417	32.07 416	10000000.00 431	35.27 418	29.82 417	32.45 416	30.15 416	32.35 416	30.09 416	31.04 416	29.55 417	30.64 417	30.14 416	10000000.00 432	30.77 417

cscssc	1000028.16 430	29.62 413	29.72 415	32.61 416	30.02 417	35.13 417	31.83 417	32.07 416	10000000.00 431	35.27 418	29.82 417	32.45 416	30.15 416	32.35 416	30.09 416	31.04 416	29.55 417	30.64 417	30.14 416	10000000.00 432	30.77 417

ADStereo(finetuned)	36.13 417	36.63 422	38.07 422	36.97 421	33.25 421	35.91 420	34.45 420	36.36 422	32.99 417	38.14 423	36.71 423	36.69 422	34.13 420	38.57 423	40.79 423	37.60 423	36.58 423	35.90 424	33.36 420	35.42 419	34.04 420

tt	500032.53 428	34.60 419	29.72 415	37.47 422	34.41 422	36.85 421	35.22 421	34.71 419	33.55 418	34.50 416	35.43 420	33.81 419	10000000.00 432	33.57 419	33.13 420	33.68 419	35.00 421	34.03 421	35.26 422	30.96 417	34.63 421

DCANet	500032.53 428	34.60 419	29.72 415	37.47 422	34.41 422	36.85 421	35.22 421	34.71 419	33.55 418	34.50 416	35.43 420	33.81 419	10000000.00 432	33.57 419	33.13 420	33.68 419	35.00 421	34.03 421	35.26 422	30.96 417	34.63 421

DCANet-4	35.22 416	34.54 418	35.08 421	33.58 420	35.47 424	34.55 416	35.53 423	36.08 421	35.85 420	35.92 421	35.77 422	35.18 421	35.48 421	35.39 421	37.15 422	34.55 421	33.92 420	35.02 423	34.90 421	35.79 420	34.74 423

CBMV	128.50 420	1422.70 434	53.10 424	79.50 426	51.30 426	77.30 425	49.70 424	74.00 424	48.20 422	77.20 425	48.80 425	73.90 425	48.00 423	73.80 425	48.80 425	70.40 425	45.10 425	68.90 426	46.10 425	68.20 423	45.00 425
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 418	87.70 424	41.95 423	113.75 427	65.62 427	75.05 424	55.25 425	75.64 425	45.04 421	71.61 424	41.75 424	72.81 424	44.06 422	68.38 424	44.63 424	101.89 426	59.57 426	107.10 427	61.05 426	104.38 424	59.38 426

NOSS_ROB	102.95 419	153.00 427	121.00 426	51.00 425	44.00 425	165.00 427	127.00 426	153.00 426	119.00 423	164.00 427	125.00 426	168.00 427	120.00 424	153.00 426	117.00 426	49.00 424	44.00 424	49.00 425	44.00 424	49.00 422	44.00 424

MeshStereo	159.24 421	171.00 428	160.68 428	162.58 428	160.59 428	164.01 426	160.35 427	158.51 427	158.56 424	158.34 426	160.12 427	158.56 426	159.92 425	157.26 427	158.94 427	154.38 427	158.36 427	155.75 428	159.13 427	153.67 425	154.07 427
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
DLCB_ROB	284.23 424	354.61 430	207.27 429	363.24 431	206.46 429	364.72 430	210.41 428	364.72 430	210.41 425	364.81 430	208.64 429	364.81 430	208.64 427	364.72 430	210.41 429	354.70 430	205.53 429	354.70 431	205.53 429	354.70 428	205.53 429

AE-Stereo	201.80 422	123.00 425	115.00 425	219.00 429	218.00 430	223.00 428	244.00 429	217.00 428	236.00 426	202.00 428	203.00 428	205.00 428	208.00 426	225.00 428	204.00 428	210.00 428	198.00 428	197.00 429	184.00 428	204.00 426	201.00 428

EGLCR-Stereo	246.90 423	129.00 426	139.00 427	266.00 430	286.00 431	277.00 429	305.00 430	271.00 429	242.00 427	274.00 429	279.00 430	255.00 429	270.00 428	268.00 429	297.00 430	230.00 429	247.00 430	216.00 430	223.00 430	237.00 427	227.00 430

LE_ROB	396.57 425	471.28 431	329.84 430	471.48 432	308.15 432	526.83 431	322.10 431	488.15 431	323.76 428	495.46 431	317.97 431	497.17 431	320.10 429	481.62 431	326.76 431	462.71 431	298.97 431	466.16 432	285.98 431	447.62 429	289.21 431

SGM-ForestM	596.69 426	677.77 432	444.52 431	699.85 433	517.25 433	732.94 432	488.29 432	770.79 432	460.11 429	750.81 432	487.98 432	792.79 432	499.41 430	730.90 432	475.81 432	720.03 432	491.16 432	663.96 433	418.60 432	674.76 430	436.05 432

CBMV_ROB	818.48 427	913.88 433	709.52 432	862.84 434	597.78 434	1073.99 433	700.52 433	1015.66 433	702.59 430	1115.65 433	760.02 433	1130.24 433	721.57 431	1037.41 433	692.65 433	814.05 433	564.29 433	843.28 434	595.31 433	915.51 431	602.92 433

SDNR	10000000.00 433	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 432	10000000.00 434

anonymousdsp2	10000000.00 433	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 432	10000000.00 434

anonymousdsp	10000000.00 433	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 432	10000000.00 434

test_example2	10000000.00 433	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 432	10000000.00 434

DIP-Stereo	10000000.00 433	10000000.00 435	10000000.00 433	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 432	10000000.00 434
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 42		0.09 41	0.10 88													0.17 111		0.11 90

Low-res two-view benchmark