Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ADCMid	0.08 37	0.02 12	0.02 13	1.01 254	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	0.90 235	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	0.36 199	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

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

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

BEATNet_4x	0.11 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

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

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

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	1.57 369	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	1.65 373	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

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	1.71 376	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	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

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
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

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 283	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

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

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	1.66 374	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

EDNetEfficientorigin	0.04 26	0.06 42	0.04 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

GwcNet	0.12 67	0.07 43	0.05 44	0.08 37	0.05 69	0.08 74	1.20 308	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

AASNet	0.06 31	0.08 44	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 44	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 44	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

FINET	0.07 36	0.08 44	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 44	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 44	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

Wz-Net-SNSev	0.03 25	0.09 50	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

SepStereo	0.09 38	0.09 50	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

AnonymousM	0.10 44	0.10 52	0.10 56	0.10 44	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

SuperB	0.21 108	0.10 52	2.51 382	0.12 59	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

PVD	0.10 44	0.10 52	0.10 56	0.10 44	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 52	0.10 56	0.10 44	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 52	0.10 56	0.10 44	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 52	0.10 56	0.10 44	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 52	0.10 56	0.10 44	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 52	0.10 56	0.10 44	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 52	0.10 56	0.10 44	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 52	0.10 56	0.10 44	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 52	0.10 56	0.10 44	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 63	0.12 78	0.13 69	0.14 118	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

aanetorigin	0.13 72	0.11 63	0.11 73	0.11 56	0.11 102	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	0.49 214	0.11 95

JetRed	0.11 59	0.12 65	0.11 73	0.11 56	0.11 102	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

LRCNet_RVC	0.13 72	0.13 66	0.09 52	0.13 69	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 127	0.10 86	0.20 115	0.10 87	0.24 136	0.11 92	0.11 68	0.09 55	0.12 91	0.14 120	0.12 94	0.09 79

GMStereo	0.14 79	0.13 66	0.14 97	0.14 73	0.14 118	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 97	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
ac_64	0.22 109	0.13 66	0.19 123	0.23 108	0.10 88	0.26 142	1.02 295	0.14 94	0.10 85	0.28 142	0.14 120	0.17 108	0.19 137	0.28 151	0.09 76	0.22 123	0.16 112	0.23 132	0.17 136	0.11 90	0.12 106

DRN-Test	0.14 79	0.13 66	0.09 52	0.14 73	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 94	0.73 269

StereoDRNet	0.15 89	0.14 70	0.10 56	0.14 73	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 96	0.82 279

GMStereo_Zeroshot	0.16 95	0.16 71	0.16 112	0.16 88	0.16 132	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	0.16 107	0.16 115

HSM	0.14 79	0.16 71	0.12 78	0.17 94	0.12 114	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	0.16 107	0.12 106

ELAS_RVC	0.14 79	0.16 71	0.10 56	0.15 82	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	0.15 104	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 72	0.16 71	0.11 73	0.15 82	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 97	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 89	0.17 75	0.11 73	0.18 95	0.11 102	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	0.17 110	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 95	0.18 76	0.13 93	0.19 98	0.13 117	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	0.18 118	0.13 118	0.18 113	0.13 112

IGEV_Zeroshot_test	0.20 102	0.19 77	0.40 187	0.30 126	0.17 133	0.22 124	0.17 120	0.21 119	0.17 130	0.20 114	0.17 130	0.21 122	0.18 133	0.21 124	0.17 126	0.20 118	0.16 112	0.20 121	0.16 123	0.20 116	0.17 121

ACVNet	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 290	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

acv_ft	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 290	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

LALA_ROB	0.15 89	0.19 77	0.12 78	0.18 95	0.11 102	0.20 115	0.12 109	0.21 119	0.12 114	0.20 114	0.12 105	0.20 115	0.12 111	0.21 124	0.13 109	0.17 108	0.10 59	0.18 118	0.11 97	0.18 113	0.11 95

ProNet	0.14 79	0.20 81	0.14 97	0.16 88	0.11 102	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	0.15 104	0.12 106

DAS	0.20 102	0.20 81	0.20 125	0.20 99	0.20 142	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	0.20 121	0.20 140	0.20 116	0.20 126

IPLG	0.13 72	0.20 81	0.14 97	0.15 82	0.11 102	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 97	0.11 95

IPLGR_C	0.14 79	0.20 81	0.12 78	0.15 82	0.11 102	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	0.15 104	0.12 106

MSKI-zero shot	0.24 115	0.21 85	0.49 219	0.65 210	0.18 138	0.22 124	0.17 120	0.23 126	0.18 131	0.21 122	0.17 130	0.23 130	0.28 172	0.23 132	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

CIPLG	0.13 72	0.21 85	0.12 78	0.16 88	0.11 102	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 97	0.11 95

MIPNet	0.14 79	0.21 85	0.17 116	0.16 88	0.11 102	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 97	0.11 95

ACRE	0.13 72	0.21 85	0.14 97	0.15 82	0.11 102	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 97	0.11 95

WAO-6	0.22 109	0.23 89	0.22 128	0.23 108	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.22 128	0.22 143	0.22 122	0.22 129

IMH-64-1	0.22 109	0.23 89	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

IMH-64	0.22 109	0.23 89	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

MIM_Stereo	0.25 116	0.23 89	0.66 243	0.80 227	0.17 133	0.22 124	0.17 120	0.23 126	0.18 131	0.26 140	0.17 130	0.21 122	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.21 123	0.17 136	0.22 122	0.17 121

iResNetv2_ROB	0.20 102	0.23 89	0.18 121	0.24 113	0.20 142	0.24 131	0.18 124	0.24 129	0.18 131	0.24 132	0.18 138	0.23 130	0.19 137	0.24 136	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.22 122	0.16 115

iResNet	0.20 102	0.23 89	0.18 121	0.24 113	0.18 138	0.24 131	0.20 129	0.24 129	0.18 131	0.23 127	0.17 130	0.23 130	0.18 133	0.23 132	0.18 132	0.22 123	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

Wz-Net-LNSev	0.06 31	0.24 95	0.20 125	0.23 108	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	0.23 132	0.21 129	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 79	0.24 95	0.14 97	0.16 88	0.12 114	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 97	0.11 95

UNDER WATER-64	0.25 116	0.26 97	0.25 138	0.26 122	0.25 158	0.25 135	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.26 147	0.25 152	0.25 141	0.25 138	0.25 138	0.25 156	0.25 130	0.25 141

TorneroNet-64	0.45 187	0.27 98	0.30 153	0.58 203	0.27 165	0.70 260	0.30 170	0.28 138	0.73 277	0.73 260	0.28 172	0.71 259	0.66 259	0.75 265	0.27 158	0.27 145	0.29 160	0.37 187	0.75 280	0.28 136	0.30 176

LoS	0.25 116	0.27 98	0.25 138	0.25 116	0.25 158	0.25 135	0.25 147	0.26 136	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.25 138	0.25 138	0.26 162	0.26 131	0.25 141

DLNR_Zeroshot_test	0.31 133	0.28 100	0.47 210	0.79 225	0.24 157	0.30 150	0.26 153	0.30 143	0.24 146	0.32 151	0.23 149	0.31 155	0.24 149	0.30 155	0.23 145	0.29 153	0.26 141	0.29 151	0.24 153	0.33 146	0.23 131

SQANet	0.28 126	0.28 100	0.28 147	0.28 124	0.28 168	0.28 146	0.28 161	0.28 138	0.28 168	0.28 142	0.28 172	0.28 147	0.28 172	0.28 151	0.28 162	0.28 147	0.28 151	0.28 147	0.28 172	0.28 136	0.28 164

HGLStereo	0.28 126	0.29 102	0.22 128	0.36 140	0.22 148	0.36 167	0.21 134	0.36 156	0.21 139	0.42 198	0.21 145	0.36 167	0.22 144	0.36 169	0.21 138	0.34 161	0.21 129	0.34 169	0.21 141	0.34 150	0.21 127

DANet	0.30 130	0.30 103	0.30 153	0.30 126	0.30 182	0.30 150	0.30 170	0.30 143	0.30 179	0.30 145	0.30 183	0.30 153	0.30 180	0.30 155	0.30 175	0.30 154	0.30 168	0.30 153	0.30 189	0.30 141	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
AANet_RVC	1.26 334	0.31 104	4.99 393	5.93 385	0.20 142	0.25 135	0.20 129	0.25 132	0.20 137	0.23 127	0.19 139	0.25 137	0.20 140	0.25 138	0.20 136	5.66 394	4.76 386	0.26 141	0.30 189	0.24 129	0.27 152

iResNet_ROB	0.28 126	0.32 105	0.24 136	0.32 132	0.25 158	0.32 160	0.24 145	0.32 145	0.24 146	0.33 153	0.24 155	0.35 162	0.24 149	0.33 161	0.24 147	0.31 156	0.24 137	0.32 155	0.24 153	0.32 142	0.24 140

H2IRNET	0.34 143	0.34 106	0.34 173	0.34 135	0.34 205	0.34 161	0.34 192	0.34 150	0.34 196	0.34 155	0.34 196	0.34 161	0.34 193	0.34 162	0.34 196	0.34 161	0.34 175	0.34 169	0.34 204	0.34 150	0.34 193

MLCV	0.31 133	0.35 107	0.27 144	0.35 136	0.28 168	0.35 164	0.27 156	0.35 152	0.28 168	0.36 161	0.27 167	0.35 162	0.27 167	0.35 164	0.27 158	0.34 161	0.27 146	0.34 169	0.27 168	0.34 150	0.27 152

ETE_ROB	0.35 148	0.35 107	0.35 177	0.35 136	0.35 208	0.35 164	0.35 195	0.35 152	0.35 199	0.35 158	0.35 201	0.35 162	0.35 196	0.35 164	0.35 197	0.35 168	0.35 177	0.35 180	0.35 207	0.35 162	0.35 194

DN-CSS_ROB	0.31 133	0.35 107	0.28 147	0.35 136	0.28 168	0.34 161	0.27 156	0.34 150	0.25 149	0.35 158	0.27 167	0.36 167	0.26 160	0.34 162	0.28 162	0.35 168	0.28 151	0.34 169	0.28 172	0.34 150	0.27 152

Any-RAFT	0.32 141	0.36 110	0.27 144	0.36 140	0.27 165	0.36 167	0.27 156	0.36 156	0.27 165	0.36 161	0.27 167	0.36 167	0.27 167	0.36 169	0.28 162	0.36 171	0.28 151	0.36 185	0.28 172	0.36 168	0.28 164

RAFT-Test	0.36 152	0.37 111	0.33 166	0.41 169	0.32 190	0.41 197	0.32 176	0.41 186	0.32 186	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.33 183	0.37 175	0.29 160	0.37 187	0.29 181	0.38 176	0.31 181

XPNet_ROB	0.37 154	0.37 111	0.37 180	0.37 143	0.37 211	0.37 172	0.37 203	0.37 162	0.37 205	0.37 165	0.37 206	0.37 172	0.37 199	0.37 173	0.37 206	0.37 175	0.37 181	0.37 187	0.37 214	0.37 170	0.37 198

WAO-8	0.38 160	0.38 113	0.38 182	0.38 144	0.38 216	0.38 175	0.38 208	0.38 165	0.38 207	0.38 166	0.38 211	0.38 174	0.38 201	0.38 174	0.38 207	0.38 182	0.38 185	0.38 193	0.37 214	0.38 176	0.38 202

WAO-7	0.38 160	0.38 113	0.38 182	0.38 144	0.38 216	0.38 175	0.38 208	0.38 165	0.38 207	0.38 166	0.38 211	0.38 174	0.38 201	0.38 174	0.38 207	0.38 182	0.38 185	0.38 193	0.38 221	0.38 176	0.38 202

HanzoNet	0.39 165	0.38 113	0.40 187	0.39 148	0.41 227	0.38 175	0.38 208	0.38 165	0.38 207	0.39 171	0.39 215	0.38 174	0.38 201	0.39 181	0.40 213	0.38 182	0.38 185	0.40 202	0.38 221	0.38 176	0.40 207

Venus	0.38 160	0.38 113	0.38 182	0.38 144	0.38 216	0.37 172	0.38 208	0.37 162	0.37 205	0.41 187	0.37 206	0.39 178	0.37 199	0.38 174	0.38 207	0.37 175	0.38 185	0.38 193	0.37 214	0.37 170	0.38 202

IMH	0.38 160	0.38 113	0.38 182	0.38 144	0.38 216	0.38 175	0.38 208	0.38 165	0.38 207	0.42 198	0.38 211	0.40 184	0.38 201	0.38 174	0.38 207	0.38 182	0.38 185	0.39 198	0.38 221	0.38 176	0.38 202

SPstereo	0.47 193	0.38 113	0.51 223	0.56 201	0.31 187	0.67 258	0.44 227	0.55 232	0.31 182	0.61 247	0.44 232	0.46 214	0.52 246	0.67 256	0.42 226	0.48 222	0.40 192	0.47 232	0.36 211	0.53 222	0.33 188

DMCA	0.36 152	0.38 113	0.37 180	0.35 136	0.35 208	0.36 167	0.36 199	0.36 156	0.35 199	0.35 158	0.37 206	0.36 167	0.36 197	0.35 164	0.36 199	0.36 171	0.36 179	0.35 180	0.36 211	0.36 168	0.36 195

StereoDRNet-Refined	0.33 142	0.39 120	0.26 143	0.39 148	0.26 164	0.40 182	0.26 153	0.40 173	0.26 162	0.39 171	0.26 164	0.39 178	0.26 160	0.39 181	0.26 157	0.37 175	0.25 138	0.37 187	0.25 156	0.37 170	0.37 198
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 284	0.39 120	5.28 394	0.39 148	0.20 142	0.39 181	0.27 156	0.39 169	0.22 140	0.38 166	0.20 141	0.38 174	0.20 140	6.95 407	0.22 140	0.30 154	0.21 129	0.27 145	0.21 141	5.25 388	0.21 127

EKT-Stereo	0.37 154	0.40 122	0.44 201	1.07 256	0.29 174	0.34 161	0.31 175	0.36 156	0.29 170	0.38 166	0.31 186	0.37 172	0.30 180	0.36 169	0.29 168	0.34 161	0.28 151	0.39 198	0.30 189	0.37 170	0.30 176

knoymous	0.40 168	0.40 122	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

anonymousa	0.40 168	0.40 122	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

riskmin	0.40 168	0.40 122	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

Anonymous_2	0.40 168	0.40 122	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

Anonymous_1	0.40 168	0.40 122	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207

AdaStereo	0.40 168	0.40 122	0.40 187	0.40 160	0.40 221	0.40 182	0.40 214	0.40 173	0.40 213	0.40 175	0.40 216	0.40 184	0.40 207	0.40 184	0.40 213	0.40 191	0.40 192	0.40 202	0.40 224	0.40 186	0.40 207
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iRaft-Stereo_20w	0.34 143	0.41 129	0.31 159	0.39 148	0.29 174	0.40 182	0.32 176	0.41 186	0.32 186	0.38 166	0.30 183	0.39 178	0.30 180	0.38 174	0.32 180	0.35 168	0.27 146	0.34 169	0.27 168	0.34 150	0.29 168

GwcNet-ADL	0.41 174	0.41 129	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

PSMNet-ADL	0.41 174	0.41 129	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

GANet-ADL	0.41 174	0.41 129	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

ADLNet2	0.41 174	0.41 129	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

ADLNet	0.41 174	0.41 129	0.41 195	0.41 169	0.41 227	0.41 197	0.41 220	0.41 186	0.41 222	0.41 187	0.41 222	0.41 194	0.41 217	0.41 197	0.41 220	0.41 198	0.41 201	0.41 213	0.41 230	0.41 194	0.41 214

DGSMNet	0.34 143	0.41 129	0.27 144	0.41 169	0.28 168	0.41 197	0.28 161	0.41 186	0.27 165	0.41 187	0.27 167	0.42 210	0.27 167	0.41 197	0.28 162	0.40 191	0.29 160	0.40 202	0.28 172	0.40 186	0.27 152

iRaft-Stereo_5w	0.34 143	0.42 136	0.31 159	0.39 148	0.30 182	0.38 175	0.30 170	0.40 173	0.29 170	0.40 175	0.37 206	0.41 194	0.34 193	0.38 174	0.30 175	0.34 161	0.27 146	0.34 169	0.26 162	0.34 150	0.26 147

Wz-Net-LNSev-Ref	0.11 59	0.44 137	0.33 166	0.39 148	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	0.39 188	0.36 179	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 148	0.44 137	0.45 203	0.49 190	0.30 182	0.37 172	0.30 170	0.36 156	0.30 179	0.36 161	0.29 174	0.36 167	0.29 176	0.36 169	0.30 175	0.46 213	0.39 190	0.32 155	0.24 153	0.32 142	0.25 141
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 154	0.45 139	0.23 130	0.30 126	0.37 211	0.41 197	0.36 199	0.41 186	0.35 199	0.43 202	0.36 202	0.41 194	0.40 207	0.41 197	0.36 199	0.34 161	0.22 132	0.47 232	0.37 214	0.39 183	0.33 188

RAFT + AFF	0.31 133	0.45 139	0.34 173	0.39 148	0.28 168	0.38 175	0.33 183	0.29 141	0.31 182	0.30 145	0.30 183	0.29 152	0.27 167	0.29 154	0.30 175	0.28 147	0.29 160	0.29 151	0.29 181	0.27 134	0.32 185

otaku	0.46 188	0.46 141	0.46 205	0.46 180	0.46 238	0.46 221	0.46 229	0.46 207	0.46 230	0.46 207	0.46 235	0.46 214	0.46 225	0.46 214	0.46 231	0.46 213	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

Dean	0.46 188	0.46 141	0.46 205	0.46 180	0.46 238	0.46 221	0.46 229	0.46 207	0.46 230	0.47 213	0.46 235	0.46 214	0.46 225	0.46 214	0.46 231	0.46 213	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

ACVNet-4b	0.46 188	0.46 141	0.46 205	0.46 180	0.46 238	0.46 221	0.46 229	0.46 207	0.46 230	0.46 207	0.46 235	0.46 214	0.46 225	0.47 219	0.46 231	0.46 213	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

psmorigin	0.41 174	0.46 141	0.33 166	0.49 190	0.33 199	0.49 232	0.33 183	0.49 218	0.33 189	0.49 222	0.33 190	0.49 227	0.33 190	0.51 235	0.33 183	0.41 198	0.30 168	0.41 213	0.30 189	0.79 246	0.29 168

Ntro	0.47 193	0.47 145	0.46 205	0.46 180	0.46 238	0.47 225	0.47 235	0.46 207	0.47 233	0.46 207	0.46 235	0.47 220	0.46 225	0.47 219	0.47 235	0.47 218	0.46 209	0.46 228	0.46 238	0.46 203	0.46 224

HaxPig	0.47 193	0.47 145	0.47 210	0.49 190	0.47 244	0.47 225	0.47 235	0.47 212	0.47 233	0.47 213	0.47 242	0.47 220	0.47 234	0.47 219	0.47 235	0.47 218	0.47 215	0.47 232	0.47 244	0.47 209	0.48 232

UNDER WATER	0.47 193	0.47 145	0.47 210	0.47 185	0.47 244	0.47 225	0.47 235	0.47 212	0.47 233	0.47 213	0.47 242	0.47 220	0.46 225	0.47 219	0.47 235	0.47 218	0.47 215	0.47 232	0.46 238	0.47 209	0.47 229

LVE	0.47 193	0.47 145	0.47 210	0.47 185	0.49 249	0.47 225	0.47 235	0.47 212	0.49 241	0.47 213	0.47 242	0.47 220	0.46 225	0.47 219	0.47 235	0.47 218	0.47 215	0.48 240	0.47 244	0.47 209	0.47 229

ACVNet_1	0.46 188	0.47 145	0.46 205	0.46 180	0.46 238	0.46 221	0.46 229	0.46 207	0.47 233	0.46 207	0.46 235	0.46 214	0.46 225	0.46 214	0.46 231	0.46 213	0.46 209	0.47 232	0.46 238	0.46 203	0.46 224

CES	0.39 165	0.47 145	0.36 178	0.36 140	0.37 211	0.45 219	0.35 195	0.35 152	0.40 213	0.36 161	0.44 232	0.47 220	0.36 197	0.44 211	0.36 199	0.37 175	0.39 190	0.44 224	0.35 207	0.37 170	0.36 195

RainbowNet	0.48 198	0.48 151	0.48 215	0.48 188	0.48 246	0.48 230	0.48 240	0.48 216	0.48 239	0.48 217	0.48 245	0.48 225	0.48 235	0.48 224	0.48 240	0.48 222	0.48 219	0.48 240	0.48 247	0.48 212	0.48 232

IGEV+	0.35 148	0.49 152	0.30 153	0.40 160	0.30 182	0.40 182	0.30 170	0.40 173	0.30 179	0.40 175	0.29 174	0.40 184	0.30 180	0.40 184	0.30 175	0.38 182	0.29 160	0.38 193	0.29 181	0.38 176	0.29 168

notaker	0.48 198	0.49 152	0.48 215	0.48 188	0.48 246	0.48 230	0.48 240	0.48 216	0.49 241	0.48 217	0.48 245	0.48 225	0.48 235	0.48 224	0.48 240	0.48 222	0.48 219	0.48 240	0.48 247	0.48 212	0.49 235

ACVNet_2	0.49 201	0.49 152	0.49 219	0.49 190	0.49 249	0.49 232	0.49 243	0.49 218	0.49 241	0.49 222	0.49 249	0.49 227	0.49 240	0.49 230	0.49 243	0.49 225	0.49 221	0.49 243	0.49 249	0.49 214	0.49 235

KSHMR	0.66 216	0.50 155	0.48 215	1.15 265	0.52 254	0.49 232	0.51 247	0.49 218	0.71 275	0.67 254	0.50 251	1.16 303	1.11 291	0.66 254	0.52 247	0.49 225	0.49 221	0.51 247	0.66 268	0.50 218	1.14 305

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

SANet	0.50 203	0.50 155	0.50 221	0.50 196	0.50 252	0.50 238	0.50 245	0.50 225	0.50 244	0.50 231	0.50 251	0.50 239	0.50 243	0.50 234	0.50 244	0.50 229	0.50 226	0.50 246	0.50 251	0.50 218	0.50 238

CASnet	0.35 148	0.51 158	0.44 201	0.32 132	0.31 187	0.24 131	0.34 192	0.36 156	0.25 149	0.31 147	0.37 206	0.30 153	0.33 190	0.25 138	0.45 229	0.37 175	0.37 181	0.33 162	0.35 207	0.34 150	0.37 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	1.12 285	0.52 159	3.12 385	3.24 368	0.86 292	0.53 242	0.49 243	0.60 241	0.47 233	0.53 236	0.49 249	0.55 244	0.45 224	0.55 240	0.47 235	3.01 378	3.88 381	0.71 265	0.60 260	0.80 249	0.48 232

ktn	0.72 229	0.53 160	1.08 281	1.14 263	0.51 253	1.22 350	1.36 362	0.51 229	0.59 256	0.51 232	0.51 254	0.69 258	1.20 302	0.67 256	0.51 246	0.51 230	0.49 221	0.58 252	0.66 268	0.52 220	0.53 241

TorneroNet	0.66 216	0.53 160	0.50 221	0.50 196	0.64 269	1.06 291	0.70 269	0.50 225	0.51 247	0.49 222	0.69 277	0.49 227	0.50 243	0.48 224	1.15 303	0.71 251	0.49 221	1.14 300	1.08 298	0.49 214	0.49 235

ICVP	0.15 89	0.53 160	0.11 73	0.16 88	0.11 102	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	0.16 107	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 163	0.10 56	0.12 59	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

PSMNet_ROB	0.54 206	0.54 163	0.54 226	0.54 199	0.53 257	0.54 243	0.54 249	0.53 230	0.54 253	0.54 237	0.54 258	0.54 241	0.53 248	0.54 238	0.54 249	0.54 233	0.53 230	0.54 250	0.54 252	0.54 224	0.54 242

Selective-IGEV	0.51 204	0.55 165	0.45 203	0.69 213	0.45 237	0.61 252	0.45 228	0.50 225	0.40 213	0.56 241	0.44 232	0.55 244	0.40 207	0.72 261	0.67 265	0.59 236	0.46 209	0.45 227	0.34 204	0.46 203	0.37 198

FCDSN-DC	0.41 174	0.59 166	0.64 237	0.54 199	0.33 199	0.50 238	0.37 203	0.42 202	0.40 213	0.61 247	0.43 230	0.50 239	0.49 240	0.38 174	0.32 180	0.28 147	0.23 136	0.26 141	0.22 143	0.35 162	0.28 164
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispNO	1.00 275	0.63 167	0.43 200	3.45 371	0.44 236	0.65 256	0.43 226	0.64 246	0.43 227	0.64 251	0.43 230	0.64 252	3.03 382	0.64 252	0.43 228	4.55 388	0.43 206	0.63 254	0.43 236	0.63 227	0.43 220

LMCR-Stereo	0.65 214	0.63 167	0.65 242	0.65 210	0.65 270	0.66 257	0.63 258	0.58 238	0.65 263	0.63 250	0.64 268	0.65 255	0.65 257	0.66 254	0.66 264	0.66 242	0.64 242	0.65 257	0.67 271	0.68 230	0.73 269

anonymity	0.63 212	0.69 169	0.56 227	0.71 218	0.56 259	0.71 262	0.56 250	0.71 252	0.56 254	0.72 259	0.56 259	0.71 259	0.56 250	0.71 260	0.58 256	0.68 244	0.55 231	0.68 259	0.55 253	0.68 230	0.54 242

CoDeX	0.15 89	0.70 170	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 265	0.02 14	0.69 251	0.75 269	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 224	0.72 171	0.71 251	0.80 227	0.62 268	0.82 273	0.61 254	0.81 262	0.62 260	0.81 271	0.63 266	0.80 272	0.70 266	0.73 263	0.61 260	0.76 254	0.61 240	0.74 268	0.61 262	0.77 243	0.61 253

DSFCA	0.66 216	0.73 172	0.78 259	0.65 210	0.65 270	0.64 255	0.64 259	0.65 247	0.63 262	0.64 251	0.64 268	0.64 252	0.64 255	0.65 253	0.65 262	0.65 241	0.65 243	0.65 257	0.65 266	0.66 228	0.64 257

SFCPSM	0.17 98	0.78 173	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	0.79 279	0.02 14	0.75 257	0.76 272	0.02 20	0.02 19	0.02 19

G-Net	0.79 238	0.79 174	0.79 261	0.79 225	0.79 288	0.79 270	0.79 276	0.79 258	0.79 283	0.79 266	0.79 287	0.79 271	0.79 274	0.79 267	0.79 279	0.79 256	0.79 259	0.79 274	0.79 283	0.79 246	0.79 275

DMCA-RVC	0.70 224	0.80 175	0.70 249	0.70 215	0.70 279	0.70 260	0.70 269	0.71 252	0.70 272	0.70 257	0.71 280	0.71 259	0.70 266	0.70 259	0.69 272	0.69 245	0.70 252	0.69 262	0.70 276	0.69 234	0.70 264

NaN_ROB	0.80 240	0.80 175	0.80 262	0.80 227	0.80 290	0.80 271	0.80 278	0.80 259	0.80 284	0.80 267	0.80 288	0.80 272	0.80 275	0.80 268	0.80 281	0.80 257	0.80 262	0.80 276	0.80 284	0.80 249	0.80 276

CSAN	0.80 240	0.80 175	0.80 262	0.80 227	0.80 290	0.80 271	0.80 278	0.80 259	0.80 284	0.80 267	0.80 288	0.80 272	0.80 275	0.80 268	0.80 281	0.80 257	0.80 262	0.80 276	0.80 284	0.80 249	0.80 276

ARAFT	0.68 221	0.81 178	0.63 235	0.74 221	0.60 261	0.78 269	0.62 257	0.77 257	0.66 265	0.74 264	0.63 266	0.75 265	0.62 254	0.83 271	0.60 258	0.70 248	0.55 231	0.70 264	0.60 260	0.78 244	0.55 246

Selective-RAFT-Error	0.88 260	0.84 179	0.98 275	0.86 233	0.97 302	0.88 276	0.95 289	0.84 263	0.99 299	0.92 277	0.82 290	0.84 276	0.98 283	0.87 275	0.97 291	0.81 260	0.83 265	0.79 274	0.82 287	0.79 246	0.85 281

AFF-stereo	0.73 230	0.88 180	0.67 245	0.75 222	0.68 278	0.75 264	0.64 259	0.80 259	0.72 276	0.83 272	0.70 278	0.82 275	0.64 255	0.84 272	0.67 265	0.77 255	0.63 241	0.81 278	0.63 265	0.78 244	0.62 255

CASS	0.57 210	0.89 181	0.56 227	0.57 202	0.56 259	0.56 245	0.56 250	0.56 234	0.53 249	0.57 242	0.57 261	0.59 250	0.48 235	0.56 243	0.57 253	0.55 235	0.56 233	0.47 232	0.56 256	0.62 226	0.56 249
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 262	0.89 181	0.72 252	1.16 270	0.78 287	1.06 291	0.82 280	0.87 264	0.97 297	1.00 284	0.91 294	0.90 280	1.00 284	0.89 278	0.93 290	0.83 262	0.83 265	0.82 280	0.82 287	0.81 252	0.82 279

UNet	0.29 129	0.90 183	0.10 56	0.14 73	0.10 88	0.14 94	0.10 85	0.91 268	0.69 270	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	0.88 256	0.76 274

xxxxx1	0.31 133	0.91 184	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

tt_ll	0.31 133	0.91 184	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

ff	0.31 133	0.91 184	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

DPSM_ROB	0.92 264	0.91 184	0.91 268	0.91 238	0.92 298	0.92 281	0.92 285	0.92 271	0.91 289	0.93 279	0.91 294	0.92 282	0.90 278	0.91 280	0.92 286	0.92 268	0.91 267	0.91 285	0.92 290	0.93 262	0.93 287

DPSM	0.92 264	0.91 184	0.91 268	0.91 238	0.92 298	0.92 281	0.92 285	0.92 271	0.91 289	0.93 279	0.91 294	0.92 282	0.90 278	0.91 280	0.92 286	0.92 268	0.91 267	0.91 285	0.92 290	0.93 262	0.93 287

pmcnn	0.92 264	0.92 189	0.92 270	0.92 241	0.92 298	0.92 281	0.92 285	0.92 271	0.92 293	0.92 277	0.92 297	0.92 282	0.92 280	0.92 282	0.92 286	0.92 268	0.92 269	0.92 287	0.92 290	0.92 261	0.92 286

tt1	0.31 133	0.93 190	0.24 136	0.33 134	0.23 152	0.31 153	0.24 145	0.32 145	0.24 146	0.32 151	0.23 149	0.32 157	0.25 151	0.32 157	0.24 147	0.27 145	0.26 141	0.27 145	0.26 162	0.27 134	0.27 152

tta	0.09 38	0.95 191	0.09 52	0.10 44	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

R-Stereo Train	0.81 245	0.96 192	0.67 245	0.95 245	0.67 276	0.95 284	0.68 266	0.95 276	0.68 267	0.95 282	0.68 275	0.96 287	0.68 264	0.96 287	0.68 268	0.94 272	0.68 247	0.94 288	0.68 272	0.94 264	0.68 262

RAFT-Stereo	0.81 245	0.96 192	0.67 245	0.95 245	0.67 276	0.95 284	0.68 266	0.95 276	0.68 267	0.95 282	0.68 275	0.96 287	0.68 264	0.96 287	0.68 268	0.94 272	0.68 247	0.94 288	0.68 272	0.94 264	0.68 262
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Former-RAFT_DAM_RVC	0.49 201	0.98 194	0.64 237	0.84 231	0.46 238	0.45 219	0.35 195	0.47 212	0.47 233	0.45 206	0.34 196	0.46 214	0.48 235	0.46 214	0.35 197	0.39 188	0.71 254	0.39 198	0.35 207	0.41 194	0.41 214

dd	0.23 113	0.98 194	0.16 112	0.23 108	0.15 127	0.23 130	0.15 116	0.23 126	0.15 126	0.23 127	0.15 127	0.24 134	0.17 128	0.23 132	0.15 120	0.22 123	0.15 110	0.21 123	0.15 122	0.22 122	0.16 115

222	0.10 44	0.99 196	0.12 78	0.13 69	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

ACVNet-DCA	0.37 154	1.00 197	0.30 153	0.40 160	0.29 174	0.40 182	0.29 166	0.40 173	0.29 170	0.40 175	0.29 174	0.40 184	0.29 176	0.39 181	0.28 162	0.33 158	0.32 171	0.33 162	0.32 198	0.33 146	0.32 185

GANet	1.00 275	1.00 197	1.00 277	1.00 251	1.00 303	1.00 287	1.00 292	1.00 278	1.00 300	1.00 284	1.00 299	1.00 289	1.00 284	1.00 289	1.00 294	1.00 274	1.00 272	1.00 294	1.00 294	1.00 267	1.00 293

TDLM	1.00 275	1.00 197	1.00 277	1.00 251	1.00 303	1.00 287	1.00 292	1.00 278	1.00 300	1.00 284	1.00 299	1.00 289	1.00 284	1.00 289	1.00 294	1.00 274	1.00 272	1.00 294	1.00 294	1.00 267	1.00 293

CVANet_RVC	1.00 275	1.00 197	1.00 277	1.00 251	1.00 303	1.00 287	1.00 292	1.00 278	1.00 300	1.00 284	1.00 299	1.00 289	1.00 284	1.00 289	1.00 294	1.00 274	1.00 272	1.00 294	1.00 294	1.00 267	1.00 293

DGTPSM_ROB	0.93 268	1.00 197	0.92 270	0.94 243	0.96 301	0.91 280	0.92 285	0.91 268	0.96 296	0.91 276	0.96 298	0.93 285	0.92 280	0.94 283	0.92 286	0.92 268	0.92 269	0.90 284	0.92 290	0.94 264	0.91 285

SMFormer	0.09 38	1.01 202	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

xxx	0.09 38	1.01 202	0.10 56	0.10 44	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

GLC_STEREO	1.07 280	1.01 202	1.06 280	1.07 256	1.05 307	1.06 291	1.08 297	1.08 282	1.05 304	1.07 289	1.06 302	1.08 293	1.05 290	1.06 293	1.10 298	1.07 278	1.09 282	1.05 298	1.05 297	1.06 270	1.12 301

1test111	0.37 154	1.02 205	0.30 153	0.39 148	0.29 174	0.40 182	0.28 161	0.39 169	0.29 170	0.39 171	0.29 174	0.39 178	0.28 172	0.40 184	0.29 168	0.33 158	0.32 171	0.33 162	0.31 194	0.32 142	0.31 181

cc1	0.37 154	1.02 205	0.30 153	0.39 148	0.29 174	0.40 182	0.28 161	0.39 169	0.29 170	0.39 171	0.29 174	0.39 178	0.28 172	0.40 184	0.29 168	0.33 158	0.32 171	0.33 162	0.31 194	0.32 142	0.31 181

xx1	0.38 160	1.03 207	0.31 159	0.40 160	0.31 187	0.41 197	0.28 161	0.40 173	0.29 170	0.40 175	0.29 174	0.40 184	0.29 176	0.40 184	0.29 168	0.34 161	0.33 174	0.34 169	0.32 198	0.34 150	0.32 185

dad	0.23 113	1.03 207	0.16 112	0.23 108	0.15 127	0.24 131	0.15 116	0.24 129	0.16 128	0.23 127	0.16 128	0.24 134	0.16 126	0.23 132	0.15 120	0.22 123	0.16 112	0.22 128	0.16 123	0.22 122	0.16 115

ttt	0.10 44	1.09 209	0.12 78	0.12 59	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

test_xeample	0.10 44	1.09 209	0.13 93	0.12 59	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

FC-DCNN	1.07 280	1.09 209	0.98 275	0.89 234	0.52 254	1.41 359	0.91 284	1.21 339	1.24 362	1.96 363	2.05 387	1.91 363	1.30 355	1.27 353	1.08 297	0.80 257	0.60 236	0.58 252	0.41 230	0.68 230	0.54 242

MSMD_ROB	1.19 286	1.10 212	0.70 249	1.10 258	0.60 261	1.10 296	0.70 269	1.10 284	0.70 272	1.10 291	0.70 278	1.10 297	0.70 266	7.00 408	0.70 275	1.10 281	0.70 252	1.10 299	0.70 276	1.10 272	0.70 264

1111x	0.10 44	1.14 213	0.13 93	0.14 73	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

LoS_RVC	0.30 130	1.14 213	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.26 145	0.26 160	0.26 147	0.25 152	0.26 142	0.26 141	0.25 138	0.25 156	0.26 131	0.26 147

x	0.11 59	1.15 215	0.15 111	0.14 73	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

xxxx	0.11 59	1.16 216	0.16 112	0.12 59	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

CAS	0.30 130	1.17 217	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.26 162	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.26 141	0.26 141	0.25 156	0.26 131	0.25 141

HSM-Net_RVC	0.95 271	1.17 217	0.78 259	1.18 272	0.71 280	1.16 303	0.75 274	1.09 283	0.80 284	1.10 291	0.75 285	1.17 304	0.74 270	1.17 303	0.80 281	1.13 287	0.73 255	1.17 306	0.77 281	1.16 277	0.72 267
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 272	1.18 219	0.81 264	1.10 258	0.91 297	1.02 290	0.82 280	1.04 281	0.91 289	1.03 288	0.86 291	1.28 354	0.82 277	1.03 292	0.89 285	1.17 289	0.81 264	1.02 297	0.82 287	1.08 271	0.81 278

psm_up	0.43 183	1.19 220	0.17 116	0.25 116	0.18 138	0.25 135	0.19 127	1.26 343	0.91 289	0.26 140	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.23 132	0.16 123	1.18 283	0.99 291

DisPM	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

CrosDoStereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

PFNet+	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

LCNet	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

HHNet	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

Patchmatch Stereo++	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310
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	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

STrans-v2	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

TransformOpticalFlow	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

OMP-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

IIG-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

NF-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

OCTAStereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

PSM-softLoss	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

KMStereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

NRIStereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

PSM-adaLoss	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

PSM-AAD	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

FTStereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

ROB_FTStereo_v2	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

ROB_FTStereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

Consistency-Raft	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

KYRaft	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

HUI-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

ASMatch	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

DeepStereo_LL	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

DEmStereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

SST-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

THIR-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

RAFT_R40	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

DRaft	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

PFNet	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

GrayStereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

RE-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

Pruner-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

TVStereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

DeepStereo_RVC	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

RAFT-RH_RVC	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

IRAFT_RVC	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

RAFT-345	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

iRAFT	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

CRE-IMP	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

GMM-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

RAFT-IKP	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

Prome-Stereo	1.20 287	1.20 221	1.20 293	1.20 274	1.20 318	1.20 304	1.20 308	1.20 294	1.20 314	1.20 301	1.20 311	1.20 306	1.20 302	1.20 305	1.20 310	1.20 291	1.20 295	1.20 310	1.20 309	1.20 286	1.20 310

UPFNet	0.42 182	1.20 221	0.17 116	0.24 113	0.17 133	0.25 135	0.17 120	1.19 291	0.90 288	0.25 133	0.17 130	0.24 134	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.22 128	0.16 123	1.15 275	0.93 287

delet	0.43 183	1.21 267	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 343	0.95 295	0.25 133	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.22 128	0.16 123	1.18 283	0.98 290

CroCo-Stereo	0.73 230	1.22 268	0.25 138	1.22 319	0.25 158	1.22 350	0.25 147	1.22 340	0.25 149	1.22 347	0.25 159	1.22 352	0.25 151	1.22 351	0.25 152	1.22 337	0.26 141	1.21 355	0.25 156	1.22 333	0.25 141
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
MMNet	0.44 186	1.24 269	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 343	0.93 294	0.25 133	0.17 130	0.25 137	0.18 133	0.25 138	0.17 126	0.23 132	0.16 112	0.23 132	0.16 123	1.20 286	0.99 291

CroCo-Stereo Lap2	0.77 234	1.29 270	0.29 149	1.27 322	0.29 174	1.27 353	0.26 153	1.26 343	0.26 162	1.26 348	0.26 164	1.27 353	0.26 160	1.26 352	0.27 158	1.27 339	0.27 146	1.27 358	0.27 168	1.27 335	0.27 152

CSP-Net	0.34 143	1.29 270	1.19 290	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	1.26 338	1.21 341	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 116	1.31 272	0.74 255	0.92 241	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 266	0.75 257	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 337	1.33 273	1.33 345	1.36 327	1.38 370	1.36 356	1.33 359	1.37 349	1.34 365	1.35 350	1.36 364	1.38 356	1.34 356	1.38 355	1.38 364	1.35 344	1.38 352	1.33 359	1.35 359	1.43 339	1.34 363

MaskLacGwcNet_RVC	1.35 336	1.35 274	1.35 348	1.35 326	1.35 367	1.35 355	1.35 361	1.36 348	1.35 367	1.36 351	1.35 363	1.36 355	1.36 357	1.36 354	1.35 362	1.35 344	1.35 349	1.35 360	1.35 359	1.35 337	1.35 364

PML	0.46 188	1.36 275	0.29 149	0.58 203	0.30 182	0.57 249	0.29 166	0.57 236	0.29 170	0.57 242	0.29 174	0.57 248	0.29 176	0.56 243	0.29 168	0.52 231	0.30 168	0.53 249	0.31 194	0.53 222	0.30 176

PS-NSSS	1.38 339	1.39 276	1.34 346	1.34 325	1.35 367	1.38 357	1.37 367	1.35 347	1.38 370	1.34 349	1.34 362	1.39 357	1.38 359	1.70 358	1.40 365	1.36 346	1.36 350	1.36 362	1.37 362	1.37 338	1.36 365

whm_eth	0.63 212	1.48 277	0.47 210	0.71 218	0.48 246	0.71 262	0.48 240	0.71 252	0.48 239	0.71 258	0.48 245	0.71 259	0.48 235	0.72 261	0.48 240	0.71 251	0.47 215	0.71 265	0.47 244	0.71 236	0.47 229

Gwc-CoAtRS	0.41 174	1.49 278	0.32 162	0.42 177	0.32 190	0.41 197	0.32 176	0.41 186	0.33 189	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.32 180	0.39 188	0.28 151	0.39 198	0.28 172	0.40 186	0.28 164

FENet	0.54 206	1.52 279	1.19 290	1.41 330	0.23 152	0.35 164	0.23 141	0.35 152	0.23 145	0.34 155	0.23 149	0.35 162	0.23 148	0.35 164	0.23 145	1.40 347	1.07 276	0.32 155	0.23 148	0.33 146	0.23 131

CFNet-ft	0.55 208	1.57 280	0.14 97	0.20 99	0.14 118	0.20 115	2.53 385	1.61 352	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	1.56 343	1.24 358

DPSMNet_ROB	1.60 343	1.59 281	1.70 364	1.59 332	1.59 375	1.61 361	1.61 372	1.60 351	1.60 374	1.62 359	1.59 373	1.60 360	1.60 364	1.60 357	1.59 370	1.59 352	1.60 359	1.59 367	1.59 372	1.59 344	1.59 372

RASNet	1.49 340	1.65 282	1.45 357	1.38 329	1.43 373	1.47 360	1.36 362	1.38 350	1.36 368	1.39 352	1.60 374	1.45 358	1.45 361	1.51 356	2.21 382	1.53 351	1.36 350	1.36 362	1.36 361	1.66 345	1.36 365

CRFU-Net	0.65 214	1.67 283	1.22 340	1.96 343	0.27 165	0.41 197	0.27 156	0.41 186	0.27 165	0.40 175	0.26 164	0.41 194	0.27 167	0.40 184	0.27 158	1.80 357	1.62 360	0.34 169	0.23 148	0.33 146	0.23 131

gwcnet-sp	0.82 249	1.72 284	1.48 358	0.39 148	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 356	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 346	0.32 155	0.16 123	6.75 395	0.23 131

scenet	0.82 249	1.72 284	1.48 358	0.39 148	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 356	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 346	0.32 155	0.16 123	6.75 395	0.23 131

ssnet	0.82 249	1.72 284	1.48 358	0.39 148	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 356	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 346	0.32 155	0.16 123	6.75 395	0.23 131

HBP-ISP	1.24 333	1.72 284	1.65 362	1.15 265	0.76 286	1.40 358	0.88 282	1.67 356	1.02 303	1.69 360	1.38 366	1.69 361	1.21 348	1.87 360	1.21 355	1.05 277	0.79 259	0.97 292	0.80 284	1.19 285	0.75 273

LL-Strereo2	0.48 198	1.73 288	0.51 223	0.59 205	0.34 205	0.42 213	0.33 183	0.40 173	0.31 182	0.42 198	0.33 190	0.42 210	0.31 185	0.44 211	0.39 212	0.60 238	0.51 227	0.44 224	0.33 203	0.44 201	0.33 188

test_xeample3	1.10 282	1.81 289	0.61 233	0.84 231	0.49 249	0.77 267	0.66 262	0.92 271	1.40 371	0.68 256	0.46 235	0.78 268	0.54 249	1.72 359	1.48 368	1.34 343	1.52 357	1.35 360	1.67 375	1.33 336	1.55 371

mmm	0.14 79	1.83 290	0.12 78	0.11 56	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

hknet	1.10 282	1.85 291	3.49 387	4.48 376	0.02 20	0.42 213	0.06 75	0.41 186	0.02 20	0.48 217	0.03 40	0.41 194	0.03 42	0.42 208	0.03 37	4.39 386	4.19 383	0.33 162	0.23 148	0.34 150	0.27 152

DCRE	0.84 254	1.89 292	0.77 258	0.94 243	0.72 282	0.88 276	0.73 272	0.87 264	0.78 280	0.90 274	0.71 280	0.88 277	0.67 263	0.88 276	0.73 276	0.81 260	0.68 247	0.81 278	0.70 276	0.82 253	0.70 264

BUS	0.83 252	1.91 293	0.92 270	4.48 376	0.02 20	0.40 182	0.04 54	0.41 186	0.02 20	0.48 217	0.03 40	0.41 194	0.05 64	0.03 33	0.05 59	1.97 363	4.19 383	0.33 162	0.23 148	0.34 150	0.27 152

BSDual-CNN	0.81 245	1.91 293	0.92 270	4.48 376	0.02 20	0.42 213	0.06 75	0.41 186	0.02 20	0.48 217	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 363	4.19 383	0.33 162	0.23 148	0.34 150	0.27 152

psmg	0.43 183	1.91 293	0.92 270	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	1.97 363	1.44 355	0.04 48	0.03 42	0.02 19	0.03 39

GANet-RSSM	0.75 232	1.91 293	0.14 97	0.47 185	0.14 118	0.21 122	3.21 393	2.30 371	0.14 118	0.46 207	0.14 120	0.23 130	0.18 133	0.21 124	0.14 112	0.18 115	0.27 146	0.37 187	0.13 118	2.13 355	2.12 381

MFMNet_re	1.81 350	1.91 293	1.71 365	1.95 342	1.70 378	1.95 367	1.70 375	1.96 359	1.74 377	1.97 364	1.72 377	1.95 364	1.71 367	1.97 363	1.71 376	1.86 358	1.62 360	1.85 368	1.66 374	1.86 348	1.64 373

SPS-STEREO	1.59 342	1.91 293	1.21 339	1.94 341	1.20 318	2.00 368	1.23 355	1.99 360	1.24 362	2.00 365	1.25 360	2.03 366	1.26 351	2.00 364	1.29 360	1.90 362	1.18 294	1.89 370	1.21 354	1.89 350	1.20 310
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 341	1.94 299	1.22 340	1.88 338	1.21 364	1.88 366	1.22 354	1.88 357	1.22 360	1.88 361	1.22 357	1.88 362	1.22 349	1.89 361	1.22 356	1.87 359	1.22 342	1.88 369	1.22 355	1.88 349	1.22 356
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ssnet_v2	0.68 221	1.96 300	1.25 344	0.29 125	0.20 142	0.30 150	0.20 129	0.29 141	0.22 140	1.50 354	0.20 141	0.31 155	0.20 140	0.27 149	0.22 140	0.24 137	1.49 356	0.26 141	0.18 138	3.90 373	0.19 125

qqq	0.16 95	2.01 301	0.12 78	0.15 82	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

ToySt	0.92 264	2.11 302	0.90 267	0.95 245	0.79 288	0.99 286	0.78 275	0.94 275	0.81 287	0.94 281	0.78 286	0.95 286	0.77 273	0.94 283	0.86 284	0.91 267	0.79 259	0.85 282	0.77 281	0.89 257	0.73 269

TRStereo	2.00 354	2.13 303	1.85 371	2.27 352	1.84 381	2.28 372	1.84 377	2.29 367	1.86 382	2.30 372	1.87 378	2.30 369	1.87 369	2.08 365	1.72 378	2.08 367	1.72 365	2.08 373	1.72 378	2.08 352	1.72 376

XX-Stereo	2.00 354	2.13 303	1.85 371	2.27 352	1.84 381	2.28 372	1.84 377	2.29 367	1.86 382	2.30 372	1.87 378	2.30 369	1.87 369	2.08 365	1.72 378	2.08 367	1.72 365	2.08 373	1.72 378	2.08 352	1.72 376

EAI-Stereo	2.00 354	2.13 303	1.85 371	2.27 352	1.84 381	2.28 372	1.84 377	2.29 367	1.86 382	2.30 372	1.87 378	2.30 369	1.87 369	2.08 365	1.72 378	2.08 367	1.72 365	2.08 373	1.72 378	2.08 352	1.72 376

11t1	0.17 98	2.16 306	0.13 93	0.13 69	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

cf-r	0.66 216	2.17 307	0.12 78	0.18 95	0.12 114	0.18 110	2.70 388	2.60 374	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	1.81 347	1.74 379

UDG	0.80 240	2.21 308	0.60 231	0.91 238	0.60 261	0.90 279	0.58 252	0.88 266	0.60 257	0.90 274	0.60 262	0.88 277	0.60 253	0.90 279	0.58 256	0.86 265	0.60 236	0.84 281	0.59 259	0.84 254	0.61 253

NCCL2	2.28 362	2.27 309	2.28 377	2.28 355	2.28 388	2.27 371	2.29 383	2.28 366	2.28 386	2.27 371	2.28 388	2.28 368	2.27 376	2.27 372	2.28 387	2.28 370	2.28 374	2.27 376	2.29 386	2.27 356	2.29 382

ccnet	0.80 240	2.28 310	0.33 166	0.50 196	0.33 199	0.50 238	0.33 183	0.50 225	0.33 189	0.49 222	0.33 190	0.49 227	1.56 363	2.38 374	0.33 183	0.41 198	0.29 160	0.42 222	1.57 371	2.28 357	0.29 168

GES	0.66 216	2.34 311	0.29 149	0.41 169	0.29 174	0.41 197	0.29 166	0.42 202	0.29 170	0.40 175	0.41 222	0.41 194	0.30 180	0.51 235	0.29 168	0.32 157	0.29 160	0.32 155	2.46 388	2.49 361	0.30 176

DDUNet	0.81 245	2.45 312	0.57 229	0.90 235	0.60 261	0.88 276	0.59 253	0.90 267	0.60 257	0.88 273	0.60 262	0.90 280	0.58 251	0.88 276	0.60 258	0.84 264	0.60 236	0.86 283	0.57 257	0.86 255	0.60 252

FBW_ROB	2.12 360	2.46 313	1.77 368	2.49 359	1.79 380	2.38 376	1.83 376	2.46 372	1.78 378	2.48 376	1.97 383	2.40 376	1.78 368	2.42 375	1.83 381	2.31 371	1.85 370	2.38 378	1.82 382	2.35 359	1.84 380

HH	0.71 226	2.54 314	0.74 255	1.10 258	0.32 190	0.41 197	0.37 203	0.69 250	0.78 280	0.73 260	0.90 292	0.75 265	1.00 284	0.84 272	0.69 272	0.69 245	0.40 192	0.35 180	0.26 162	0.35 162	0.26 147

HanStereo	0.71 226	2.54 314	0.74 255	1.10 258	0.32 190	0.41 197	0.37 203	0.69 250	0.78 280	0.73 260	0.90 292	0.75 265	1.00 284	0.84 272	0.69 272	0.69 245	0.40 192	0.35 180	0.26 162	0.35 162	0.26 147

sAnonymous2	3.31 386	2.63 316	1.38 354	3.71 374	1.86 384	4.70 398	1.11 298	4.82 399	2.72 389	5.45 401	1.98 385	4.59 397	2.64 378	2.65 377	6.21 404	4.37 384	1.08 280	5.16 399	2.24 384	4.52 382	2.39 387

CroCo_RVC	3.31 386	2.63 316	1.38 354	3.71 374	1.86 384	4.70 398	1.11 298	4.82 399	2.72 389	5.45 401	1.98 385	4.59 397	2.64 378	2.65 377	6.21 404	4.37 384	1.08 280	5.16 399	2.24 384	4.52 382	2.39 387

ff7	1.68 344	2.68 318	1.35 348	0.97 248	0.89 293	1.84 363	2.15 380	2.12 361	1.80 379	2.05 367	1.56 370	2.33 372	2.12 373	2.23 369	2.25 383	1.31 340	1.07 276	1.48 364	1.41 364	0.90 258	1.04 296

ffff	1.68 344	2.68 318	1.35 348	0.97 248	0.89 293	1.84 363	2.15 380	2.12 361	1.80 379	2.05 367	1.56 370	2.33 372	2.12 373	2.23 369	2.25 383	1.31 340	1.07 276	1.48 364	1.41 364	0.90 258	1.04 296

ccc-4	1.68 344	2.68 318	1.35 348	0.97 248	0.89 293	1.84 363	2.15 380	2.12 361	1.80 379	2.05 367	1.56 370	2.33 372	2.12 373	2.23 369	2.25 383	1.31 340	1.07 276	1.48 364	1.41 364	0.90 258	1.04 296

11t	1.27 335	2.70 321	1.34 346	1.32 324	0.89 293	1.30 354	1.34 360	1.64 353	0.57 255	1.45 353	0.72 282	1.05 292	1.29 354	1.07 294	1.29 360	1.49 348	1.02 275	0.97 292	1.15 302	1.48 340	1.31 361

Anonymous	2.11 359	2.74 322	1.41 356	2.77 363	1.40 372	2.74 381	1.46 371	2.75 376	1.50 373	2.87 382	1.39 367	2.74 380	1.46 362	2.72 379	1.41 367	2.72 375	1.41 353	2.81 381	1.41 364	3.16 369	1.39 368

sCroCo_RVC	2.10 358	2.76 323	1.92 375	2.78 364	1.39 371	2.73 380	1.41 369	2.73 375	1.40 371	2.77 381	1.41 369	2.74 380	1.40 360	2.74 380	1.40 365	2.72 375	1.42 354	2.72 380	1.44 368	2.79 366	1.42 369

PSMNet-RSSM	0.77 234	2.76 323	0.14 97	0.20 99	0.14 118	0.20 115	2.66 386	2.79 378	0.14 118	0.21 122	0.14 120	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 362	2.31 383

GwcNet-RSSM	0.77 234	2.77 325	0.14 97	0.20 99	0.14 118	0.20 115	2.67 387	2.78 377	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.21 124	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 362	2.31 383

hitnet-ft	0.79 238	2.78 326	0.14 97	0.20 99	0.14 118	0.21 122	2.89 389	2.80 379	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	2.54 364	2.33 385

PDISCO_ROB	0.83 252	2.80 327	3.49 387	0.14 73	0.11 102	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 105	0.14 117	3.30 385	0.13 109	0.14 90	2.34 375	0.16 106	0.12 110	2.62 365	0.10 83

iGMRVC	0.84 254	2.85 328	0.72 252	0.72 220	0.73 283	0.77 267	0.79 276	0.73 255	0.74 279	0.73 260	0.72 282	0.73 263	0.76 272	0.73 263	0.73 276	0.72 253	0.73 255	0.73 267	0.72 279	0.73 242	0.72 267

MC-Stereo	1.76 347	2.96 329	1.37 353	2.14 347	1.37 369	2.14 370	1.36 362	2.14 364	1.37 369	2.14 370	1.37 365	2.14 367	1.37 358	2.14 368	1.37 363	1.97 363	1.32 343	1.97 371	1.32 358	1.98 351	1.33 362

PASM	0.39 165	3.06 330	1.36 352	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

4D-IteraStereo	0.78 237	3.13 331	0.89 265	0.69 213	0.32 190	0.40 182	0.32 176	0.76 256	0.97 297	0.52 235	0.65 272	0.89 279	0.32 186	0.76 266	0.98 292	0.83 262	0.94 271	0.35 180	0.27 168	0.70 235	0.89 284

test croco	1.88 351	3.16 332	0.64 237	3.10 366	0.65 270	3.10 384	0.64 259	3.12 382	0.65 263	3.10 383	0.65 272	3.11 383	0.65 257	3.12 382	0.65 262	3.12 379	0.65 243	3.13 383	0.65 266	3.13 368	0.65 258

iRaftStereo_RVC	0.97 272	3.17 333	2.30 378	2.42 357	0.38 216	0.54 243	0.38 208	0.54 231	0.38 207	0.54 237	0.38 211	0.54 241	0.38 201	0.54 238	0.38 207	2.38 373	2.34 375	0.49 243	0.36 211	0.49 214	0.36 195

RCA-Stereo	0.51 204	3.22 334	0.34 173	0.44 178	0.34 205	0.44 218	0.34 192	0.43 204	0.34 196	0.43 202	0.34 196	0.44 213	0.33 190	0.43 209	0.33 183	0.38 182	0.29 160	0.38 193	0.29 181	0.38 176	0.29 168

Anonymous3	2.55 375	3.26 335	1.65 362	3.28 369	1.63 376	3.24 386	1.68 373	3.27 384	1.66 375	3.28 385	1.67 375	3.25 385	1.66 365	3.27 384	1.64 372	3.26 380	1.65 362	3.30 384	1.65 373	4.95 386	1.65 375

MIF-Stereo (partial)	2.58 376	3.31 336	0.66 243	3.18 367	0.66 275	3.18 385	0.66 262	3.21 383	0.67 266	3.19 384	0.66 274	3.19 384	0.66 259	3.31 386	0.68 268	5.09 390	1.79 368	8.23 408	1.67 375	6.18 393	1.38 367

MIF-Stereo	2.03 357	3.43 337	0.72 252	3.42 370	0.73 283	3.27 387	0.68 266	3.38 386	0.69 270	3.29 386	0.72 282	3.28 386	0.70 266	3.35 387	0.68 268	3.39 381	0.68 247	3.31 385	0.69 275	3.37 370	0.73 269

DPSNet	3.66 388	3.60 338	3.62 389	3.63 373	3.64 396	3.65 390	3.65 396	3.66 389	3.67 394	3.67 387	3.65 395	3.67 388	3.66 385	3.66 388	3.68 392	3.68 383	3.66 379	3.67 389	3.68 395	3.67 371	3.67 394

qqq1	0.25 116	3.70 339	0.14 97	0.14 73	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	0.25 116	3.70 339	0.14 97	0.14 73	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

RAFT_CTSACE	1.92 352	3.71 341	1.72 366	1.88 338	1.72 379	2.04 369	1.42 370	2.18 365	1.89 385	2.02 366	1.97 383	1.95 364	2.06 372	1.93 362	1.62 371	1.76 355	1.66 363	2.02 372	1.73 381	1.73 346	1.43 370

MyStereo07	0.60 211	3.72 342	0.48 215	0.49 190	0.41 227	0.36 167	0.32 176	0.49 218	0.43 227	0.51 232	0.42 228	0.49 227	0.43 222	0.51 235	0.64 261	0.49 225	0.45 207	0.34 169	0.32 198	0.35 162	0.43 220

MyStereo04	0.56 209	3.72 342	0.59 230	0.49 190	0.41 227	0.36 167	0.32 176	0.37 162	0.31 182	0.34 155	0.46 235	0.35 162	0.32 186	0.35 164	0.33 183	0.49 225	0.45 207	0.34 169	0.32 198	0.35 162	0.43 220

DualNet	0.25 116	3.83 344	0.12 78	0.12 59	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	0.25 116	3.83 344	0.12 78	0.12 59	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	0.25 116	3.83 344	0.12 78	0.12 59	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	0.25 116	3.83 344	0.12 78	0.12 59	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

NINENet	0.69 223	3.87 348	1.20 293	1.98 344	0.05 69	0.40 182	0.04 54	0.40 173	0.05 68	0.41 187	0.04 63	0.41 194	0.05 64	0.40 184	0.05 59	1.79 356	1.56 358	0.34 169	0.22 143	0.34 150	0.23 131

MyStereo8	0.71 226	3.92 349	0.52 225	0.59 205	0.52 254	0.57 249	0.53 248	0.59 240	0.50 244	0.59 245	0.51 254	0.57 248	0.50 243	0.56 243	0.52 247	0.54 233	0.49 221	0.54 250	0.49 249	0.55 225	0.50 238

MyStereo06	0.75 232	4.12 350	0.60 231	0.63 208	0.61 265	0.62 253	0.66 262	0.56 234	0.45 229	0.55 239	0.48 245	0.54 241	0.46 225	0.57 246	0.45 229	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

MyStereo05	0.80 240	4.12 350	0.63 235	0.63 208	0.61 265	0.62 253	0.66 262	0.65 247	0.62 260	0.67 254	0.61 264	0.65 255	0.58 251	0.67 256	0.55 252	0.60 238	0.57 234	0.64 255	0.55 253	0.72 237	0.55 246

test-3	0.98 274	4.13 352	1.85 371	1.85 337	0.61 265	0.69 259	0.37 203	0.63 245	0.61 259	0.66 253	0.51 254	0.73 263	0.44 223	0.57 246	0.54 249	1.68 354	1.81 369	0.40 202	0.43 236	0.66 228	0.50 238

IGEVStereo-DCA	1.77 348	4.21 353	1.84 369	2.49 359	2.11 386	2.54 378	1.36 362	1.65 354	1.17 311	2.75 379	1.90 381	2.54 378	1.15 295	0.94 283	1.11 299	1.50 349	1.32 343	0.96 290	1.46 369	1.49 341	0.88 282

rrr	1.77 348	4.21 353	1.84 369	2.49 359	2.11 386	2.54 378	1.36 362	1.65 354	1.17 311	2.75 379	1.90 381	2.54 378	1.15 295	0.94 283	1.11 299	1.50 349	1.32 343	0.96 290	1.46 369	1.49 341	0.88 282

GEStereo_RVC	0.86 259	4.45 355	0.20 125	0.27 123	0.20 142	0.27 145	0.20 129	0.26 136	0.18 131	5.03 399	0.20 141	0.27 146	0.19 137	0.27 149	0.21 138	0.20 118	0.19 127	0.19 120	4.02 400	0.20 116	0.18 124

error version	0.93 268	4.47 356	2.35 379	1.99 345	0.37 211	0.41 197	0.36 199	0.41 186	0.35 199	0.43 202	0.36 202	0.41 194	0.40 207	0.41 197	0.36 199	1.87 359	2.16 371	0.47 232	0.37 214	0.39 183	0.33 188

test_1	0.93 268	4.47 356	2.35 379	1.99 345	0.37 211	0.41 197	0.36 199	0.41 186	0.35 199	0.43 202	0.36 202	0.41 194	0.40 207	0.41 197	0.36 199	1.87 359	2.16 371	0.47 232	0.37 214	0.39 183	0.33 188

MyStereo02	0.85 257	4.58 358	0.64 237	0.76 223	0.65 270	0.75 264	0.61 254	0.60 241	0.53 249	0.80 267	0.64 268	0.78 268	0.66 259	0.55 240	0.57 253	0.70 248	0.66 245	0.68 259	0.62 263	0.72 237	0.59 250

MyStereo	0.85 257	4.58 358	0.64 237	0.76 223	0.65 270	0.75 264	0.61 254	0.60 241	0.53 249	0.80 267	0.64 268	0.78 268	0.66 259	0.55 240	0.57 253	0.70 248	0.66 245	0.68 259	0.62 263	0.72 237	0.59 250

TestStereo	4.88 399	4.75 360	4.79 391	4.87 380	4.92 404	4.81 401	4.90 404	4.78 398	4.77 404	4.87 397	4.89 404	4.90 400	4.91 396	4.99 399	4.79 402	4.98 389	4.87 387	4.87 398	4.92 404	5.00 387	5.00 403

DispFullNet	4.61 395	4.84 361	3.12 385	5.00 381	3.57 395	4.75 400	3.03 391	7.75 408	4.17 401	4.91 398	3.09 391	6.20 405	3.95 390	6.71 404	3.51 391	5.30 392	3.67 380	5.86 405	3.63 392	5.61 390	3.46 392

CFNet-RSSM	0.91 263	4.89 362	0.34 173	0.44 178	1.07 308	1.62 362	1.40 368	0.91 268	0.35 199	1.60 355	1.39 367	0.64 252	0.34 193	0.44 211	0.33 183	0.41 198	0.35 177	0.75 269	0.30 189	0.41 194	0.29 168

MyStereo03	0.84 254	4.93 363	0.68 248	0.90 235	0.74 285	0.56 245	0.46 229	0.55 232	0.52 248	0.74 264	0.56 259	0.56 246	0.46 225	0.81 270	0.54 249	0.59 236	0.52 228	0.75 269	0.68 272	0.68 230	0.65 258

StereoVision	3.15 384	5.00 364	0.89 265	4.83 379	1.00 303	3.93 391	1.27 358	6.37 402	1.34 365	5.67 403	1.26 361	5.84 404	1.27 352	5.03 400	1.24 357	5.10 391	1.09 282	4.61 396	0.57 257	5.62 391	1.12 301

LL-Strereo	1.01 279	5.06 365	1.63 361	0.70 215	1.43 373	0.56 245	0.46 229	0.57 236	0.50 244	0.57 242	0.50 251	1.58 359	0.49 240	0.59 248	0.50 244	1.64 353	0.52 228	0.51 247	1.37 362	0.52 220	0.45 223

CFNet	1.37 338	5.27 366	0.19 123	5.49 382	0.19 141	0.28 146	0.19 127	0.28 138	0.19 136	0.28 142	0.19 139	0.28 147	4.35 393	0.28 151	0.19 135	0.23 132	0.17 124	0.23 132	4.21 402	4.81 384	0.17 121

UDGNet	2.23 361	5.40 367	1.72 366	2.48 358	1.69 377	2.51 377	1.69 374	2.51 373	1.72 376	2.50 377	1.69 376	2.52 377	1.69 366	2.50 376	1.68 375	2.41 374	1.70 364	2.42 379	1.69 377	2.42 360	1.64 373

SGM-Forest	5.21 403	5.92 368	4.08 390	6.18 387	4.16 401	6.31 405	4.34 403	6.50 403	4.33 402	6.14 405	4.21 401	6.61 408	4.55 395	6.67 403	4.48 401	5.94 396	3.94 382	5.85 404	4.03 401	5.79 392	4.17 401
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
StereoIM	3.19 385	6.02 369	1.12 282	5.61 384	1.16 314	5.43 403	1.02 295	5.15 401	0.70 272	5.43 400	1.21 356	5.03 402	0.97 282	4.85 398	0.99 293	4.53 387	1.16 291	5.53 401	1.25 356	5.37 389	1.30 360

IER	0.88 260	7.04 370	2.23 376	2.75 362	0.28 168	0.43 217	0.25 147	0.39 169	0.25 149	0.41 187	0.27 167	0.39 178	0.25 151	0.40 184	0.28 162	0.37 175	0.28 151	0.37 187	0.25 156	0.37 170	0.25 141

HCRNet	1.22 332	7.11 371	3.00 384	3.55 372	0.33 199	0.29 149	0.14 113	0.19 111	0.15 126	0.33 153	0.29 174	0.25 137	0.14 117	0.22 128	0.33 183	3.64 382	3.00 378	0.76 272	0.32 198	0.18 113	0.13 112

SA	4.33 391	7.35 372	6.85 402	5.96 386	4.09 400	3.59 389	3.15 392	3.82 390	2.64 388	3.91 388	3.85 396	3.57 387	2.72 380	3.13 383	4.03 397	7.09 404	6.86 397	3.57 387	3.12 390	3.85 372	3.51 393

cross-raft	4.83 398	7.52 373	6.43 398	6.63 389	3.96 399	4.51 397	3.99 400	4.49 396	3.96 399	4.52 395	3.96 398	4.50 396	3.97 391	4.50 397	3.97 396	6.65 399	6.44 394	4.33 393	3.92 399	4.35 380	3.91 399

test_5	4.62 396	7.55 374	6.23 397	6.32 388	3.40 394	5.29 402	3.50 394	3.53 388	4.11 400	4.28 392	4.47 403	4.26 395	4.38 394	3.68 389	3.24 390	5.89 395	5.60 389	4.84 397	3.50 391	4.33 379	3.93 400

RAFT+CT+SA	4.28 390	7.62 375	4.91 392	5.55 383	2.28 388	3.09 383	3.64 395	4.49 396	3.07 392	4.80 396	3.35 392	4.77 399	3.70 386	4.29 395	3.05 389	5.58 393	5.98 392	3.58 388	3.78 397	4.26 378	3.72 395

raft_robust	4.71 397	7.75 376	5.40 396	6.81 390	3.31 393	4.28 396	4.20 402	4.32 395	4.37 403	4.35 394	4.35 402	4.14 393	3.75 387	4.30 396	4.20 400	6.67 400	6.37 393	3.36 386	4.24 403	4.86 385	3.25 391

test_4	4.88 399	8.13 377	6.98 403	7.46 394	4.44 402	4.25 395	3.85 399	4.04 394	3.92 398	4.13 391	3.91 397	4.18 394	3.84 388	4.14 393	4.06 398	7.01 403	7.13 398	4.53 394	3.72 396	4.09 376	3.72 395

Sa-1000	4.34 392	8.37 378	6.84 401	6.98 393	4.45 403	3.58 388	3.00 390	3.42 387	3.39 393	2.61 378	4.00 399	3.83 390	4.01 392	3.90 390	3.90 395	5.98 397	5.62 390	3.76 390	2.34 387	4.35 380	2.47 389

TestStereo1	4.60 393	8.41 379	6.44 399	6.86 391	3.79 397	3.97 392	3.78 397	3.99 392	3.74 395	3.97 389	3.52 393	3.94 391	3.58 383	3.98 391	3.72 393	6.82 401	6.50 395	3.76 390	3.66 393	3.90 373	3.74 397

SA-5K	4.60 393	8.41 379	6.44 399	6.86 391	3.79 397	3.97 392	3.78 397	3.99 392	3.74 395	3.97 389	3.52 393	3.94 391	3.58 383	3.98 391	3.72 393	6.82 401	6.50 395	3.76 390	3.66 393	3.90 373	3.74 397

CFNet_RVC	2.38 371	8.71 381	0.38 182	9.33 399	0.42 235	0.56 245	0.42 225	0.60 241	0.38 207	0.62 249	0.42 228	0.56 246	7.29 404	0.62 249	0.42 226	0.53 232	0.37 181	0.49 243	0.34 204	8.30 401	6.87 407

test_3	5.01 401	8.86 382	7.77 405	8.09 395	2.76 392	4.13 394	4.05 401	3.88 391	3.76 397	4.33 393	4.13 400	3.71 389	3.91 389	4.21 394	4.06 398	7.93 405	7.69 400	4.53 394	3.91 398	4.17 377	4.29 402

SGM+DAISY	7.06 406	9.15 383	5.38 395	8.84 398	5.18 405	8.80 409	5.31 405	8.79 409	5.28 406	8.89 409	5.20 405	8.93 409	5.33 397	8.95 409	5.36 403	8.70 407	5.21 388	8.74 409	5.20 405	8.89 403	5.15 404

test-1	6.46 404	9.16 384	8.03 408	8.09 395	5.62 406	6.11 404	6.35 406	6.85 405	4.94 405	6.08 404	6.29 408	4.98 401	6.43 400	6.22 401	6.36 406	6.16 398	7.47 399	5.82 403	5.44 406	7.11 398	5.68 405

RAFT	6.73 405	9.36 385	7.40 404	8.51 397	6.55 407	6.88 406	6.60 407	6.79 404	6.60 407	6.80 406	6.72 409	5.31 403	5.50 398	6.61 402	6.61 407	8.42 406	5.89 391	5.73 402	5.45 407	6.61 394	6.24 406

CFNet_pseudo	2.67 379	9.36 385	0.32 162	10.99 409	0.33 199	0.85 274	0.33 183	0.49 218	0.33 189	0.49 222	0.32 187	0.49 227	7.26 403	0.49 230	0.33 183	0.41 198	9.62 406	0.41 213	0.29 181	10.03 408	0.29 168

CFNet_ucs	2.73 380	9.64 387	0.33 166	9.92 405	0.32 190	0.49 232	0.33 183	0.49 218	0.33 189	0.49 222	0.33 190	0.49 227	8.98 407	0.48 224	0.33 183	0.41 198	9.96 409	0.40 202	0.29 181	10.12 409	0.54 242

PCWNet_CMD	2.80 383	9.82 388	0.32 162	10.09 407	0.32 190	0.49 232	0.33 183	3.34 385	0.33 189	0.49 222	0.33 190	0.49 227	8.73 405	0.48 224	0.33 183	0.41 198	9.22 403	0.42 222	0.29 181	9.55 406	0.31 181

pcwnet_v2	2.66 378	9.89 389	0.33 166	9.89 404	0.32 190	0.50 238	0.32 176	0.49 218	0.33 189	0.49 222	0.34 196	0.49 227	8.76 406	0.48 224	0.33 183	0.41 198	9.58 405	0.40 202	0.29 181	9.01 404	0.63 256

UCFNet_RVC	2.75 381	10.06 390	0.29 149	10.31 408	0.29 174	0.42 213	0.29 166	0.43 204	0.29 170	0.42 198	0.29 174	0.42 210	9.87 409	0.43 209	0.29 168	0.36 171	9.84 408	0.36 185	0.26 162	9.77 407	0.26 147

MSMDNet	2.65 377	10.14 391	0.33 166	9.74 402	0.32 190	0.87 275	0.33 183	2.95 381	0.68 267	0.49 222	0.34 196	0.49 227	5.70 399	0.49 230	0.33 183	0.42 211	9.57 404	0.41 213	0.31 194	8.36 402	0.65 258

ccs_rob	2.79 382	10.17 392	0.32 162	10.00 406	0.33 199	0.49 232	0.33 183	1.90 358	0.32 186	0.51 232	0.33 190	0.49 227	9.24 408	0.49 230	0.33 183	0.41 198	9.82 407	0.41 213	0.28 172	9.34 405	0.29 168

test-v	7.53 407	11.89 393	7.98 406	9.36 400	7.14 408	7.06 407	7.09 408	7.37 406	6.91 408	7.29 407	5.71 406	6.45 406	6.93 401	6.73 405	7.27 408	8.93 408	7.85 401	6.98 406	6.80 408	7.56 399	7.34 408

test-2	7.53 407	11.89 393	7.98 406	9.36 400	7.14 408	7.06 407	7.09 408	7.37 406	6.91 408	7.29 407	5.71 406	6.45 406	6.93 401	6.73 405	7.27 408	8.93 408	7.85 401	6.98 406	6.80 408	7.56 399	7.34 408

Anonymous Stereo	2.36 366	18.47 395	11.50 409	9.80 403	0.53 257	0.28 146	0.50 245	0.58 238	0.53 249	0.59 245	0.53 257	0.66 257	0.52 246	0.62 249	0.41 220	0.36 171	0.37 181	0.31 154	0.19 139	0.20 116	0.22 129

rafts_anoy	20.00 411	20.00 396	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411

raft+_RVC	20.00 411	20.00 396	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411

raftrobust	20.00 411	20.00 396	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411

CasAABBNet	20.00 411	20.00 396	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411

RALCasStereoNet	20.00 411	20.00 396	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411

RALAANet	20.00 411	20.00 396	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411	20.00 410	20.00 411

MANE	19.05 410	23.00 402	15.00 410	23.00 416	15.00 410	24.00 416	16.00 410	24.00 416	16.00 410	22.00 416	15.00 410	23.00 416	16.00 410	23.00 416	15.00 410	22.00 416	15.00 410	22.00 416	15.00 410	22.00 416	15.00 410

stereogan	2.33 364	24.38 403	1.18 289	1.18 272	1.18 317	1.14 301	1.18 306	1.19 291	1.19 313	1.14 298	1.18 310	1.14 302	1.18 300	1.14 301	1.18 308	1.14 288	1.14 289	1.19 309	1.19 306	1.15 275	1.19 309

Abc-Net	2.32 363	24.75 404	1.14 284	1.17 271	1.17 315	1.11 299	1.15 302	1.17 288	1.21 359	1.08 290	1.16 306	1.12 301	1.14 294	1.09 295	1.17 307	1.09 279	1.16 291	1.17 306	1.17 305	1.16 277	1.11 299
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 364	25.00 405	1.13 283	1.15 265	1.15 310	1.10 296	1.15 302	1.15 285	1.15 306	1.12 296	1.15 303	1.09 295	1.13 292	1.10 297	1.15 303	1.11 286	1.09 282	1.16 302	1.12 300	1.16 277	1.17 307

RGC	2.36 366	25.48 406	1.19 290	1.15 265	1.15 310	1.10 296	1.16 304	1.17 288	1.16 307	1.12 296	1.16 306	1.11 300	1.13 292	1.09 295	1.18 308	1.10 281	1.15 290	1.16 302	1.12 300	1.14 274	1.12 301

NCC-stereo	2.36 366	25.52 407	1.17 287	1.15 265	1.17 315	1.11 299	1.11 298	1.15 285	1.16 307	1.10 291	1.16 306	1.10 297	1.15 295	1.14 301	1.13 301	1.09 279	1.11 286	1.15 301	1.16 304	1.17 282	1.17 307

AF-Net	2.37 369	25.71 408	1.17 287	1.13 262	1.15 310	1.15 302	1.18 306	1.19 291	1.16 307	1.10 291	1.15 303	1.10 297	1.18 300	1.12 300	1.15 303	1.10 281	1.10 285	1.17 306	1.15 302	1.16 277	1.12 301

Nwc_Net	2.37 369	25.95 409	1.15 286	1.14 263	1.15 310	1.08 294	1.14 301	1.17 288	1.16 307	1.14 298	1.15 303	1.08 293	1.15 295	1.11 299	1.14 302	1.10 281	1.11 286	1.16 302	1.09 299	1.16 277	1.15 306

FAT-Stereo	2.46 373	26.05 410	1.23 342	1.23 321	1.22 365	1.20 304	1.24 356	1.23 342	1.23 361	1.19 300	1.22 357	1.21 351	1.24 350	1.20 305	1.24 357	1.21 336	1.17 293	1.22 356	1.25 356	1.20 286	1.24 358

S-Stereo	2.51 374	26.86 411	1.23 342	1.22 319	1.22 365	1.24 352	1.25 357	1.22 340	1.24 362	1.21 346	1.24 359	1.19 305	1.27 352	1.19 304	1.24 357	1.19 290	1.20 295	1.25 357	1.19 306	1.24 334	1.23 357

edge stereo	2.43 372	27.07 412	1.14 284	1.06 255	1.14 309	1.08 294	1.17 305	1.16 287	1.14 305	1.10 291	1.16 306	1.09 295	1.16 299	1.10 297	1.16 306	1.10 281	1.11 286	1.16 302	1.19 306	1.13 273	1.11 299

fff	1000028.16 434	29.62 413	29.72 418	32.61 417	30.02 418	35.13 419	31.83 419	32.07 418	10000000.00 434	35.27 420	29.82 419	32.45 418	30.15 418	32.35 418	30.09 418	31.04 418	29.55 419	30.64 418	30.14 418	10000000.00 434	30.77 419

csc	1000028.16 434	29.62 413	29.72 418	32.61 417	30.02 418	35.13 419	31.83 419	32.07 418	10000000.00 434	35.27 420	29.82 419	32.45 418	30.15 418	32.35 418	30.09 418	31.04 418	29.55 419	30.64 418	30.14 418	10000000.00 434	30.77 419

cscssc	1000028.16 434	29.62 413	29.72 418	32.61 417	30.02 418	35.13 419	31.83 419	32.07 418	10000000.00 434	35.27 420	29.82 419	32.45 418	30.15 418	32.35 418	30.09 418	31.04 418	29.55 419	30.64 418	30.14 418	10000000.00 434	30.77 419

STTStereo	3.73 389	30.40 416	2.37 381	2.39 356	2.31 390	2.35 375	2.33 384	2.29 367	2.42 387	2.32 375	2.34 389	2.33 372	2.36 377	2.30 373	2.27 386	2.35 372	2.22 373	2.31 377	2.22 383	2.29 358	2.34 386

111	30.40 417	30.94 417	29.72 418	32.61 417	30.02 418	33.57 417	30.47 418	31.50 417	29.39 418	30.98 417	29.11 418	29.78 417	30.39 421	29.45 417	30.76 421	30.08 417	29.02 418	29.92 417	30.32 421	29.86 417	30.17 418

MoCha-V2	1.98 353	31.61 418	0.36 178	0.70 215	0.35 208	0.47 225	0.35 195	0.44 206	0.34 196	0.46 207	0.36 202	0.49 227	0.38 201	0.46 214	0.36 199	0.43 212	0.34 175	0.44 224	0.37 214	0.44 201	0.39 206

DCANet-4	35.22 419	34.54 419	35.08 424	33.58 421	35.47 425	34.55 418	35.53 425	36.08 423	35.85 422	35.92 423	35.77 424	35.18 423	35.48 423	35.39 423	37.15 424	34.55 423	33.92 422	35.02 424	34.90 423	35.79 421	34.74 425

tt	500032.53 432	34.60 420	29.72 418	37.47 423	34.41 423	36.85 423	35.22 423	34.71 421	33.55 420	34.50 418	35.43 422	33.81 421	10000000.00 435	33.57 421	33.13 422	33.68 421	35.00 423	34.03 422	35.26 424	30.96 418	34.63 423

DCANet	500032.53 432	34.60 420	29.72 418	37.47 423	34.41 423	36.85 423	35.22 423	34.71 421	33.55 420	34.50 418	35.43 422	33.81 421	10000000.00 435	33.57 421	33.13 422	33.68 421	35.00 423	34.03 422	35.26 424	30.96 418	34.63 423

WCMA_ROB	31.10 418	35.43 422	27.12 417	39.51 425	23.10 417	38.78 425	25.30 417	37.49 425	25.39 417	37.29 424	27.02 417	38.52 425	26.48 417	37.80 424	26.44 417	36.28 424	22.65 417	33.90 421	22.30 417	37.10 422	24.18 417

ADStereo(finetuned)	36.13 420	36.63 423	38.07 425	36.97 422	33.25 422	35.91 422	34.45 422	36.36 424	32.99 419	38.14 425	36.71 425	36.69 424	34.13 422	38.57 425	40.79 425	37.60 425	36.58 425	35.90 425	33.36 422	35.42 420	34.04 422

NLCA_NET_v2_RVC	5.04 402	50.87 424	2.78 383	2.87 365	2.71 391	2.78 382	0.47 235	2.88 380	2.86 391	1.89 362	2.67 390	2.79 382	2.79 381	2.78 381	2.83 388	2.82 377	2.82 377	2.83 382	2.77 389	2.83 367	2.76 390
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 421	87.70 425	41.95 426	113.75 428	65.62 428	75.05 426	55.25 427	75.64 427	45.04 423	71.61 426	41.75 426	72.81 426	44.06 424	68.38 426	44.63 426	101.89 428	59.57 428	107.10 428	61.05 428	104.38 425	59.38 428

MGS-Stereo	239.45 426	123.00 426	135.00 430	266.00 431	286.00 432	277.00 431	305.00 432	271.00 431	242.00 429	274.00 431	279.00 432	255.00 431	270.00 430	268.00 431	297.00 432	221.00 431	247.00 432	216.00 431	123.00 429	217.00 428	217.00 432

AE-Stereo	201.80 425	123.00 426	115.00 428	219.00 430	218.00 431	223.00 430	244.00 431	217.00 430	236.00 428	202.00 430	203.00 430	205.00 430	208.00 428	225.00 430	204.00 430	210.00 430	198.00 430	197.00 430	184.00 431	204.00 427	201.00 430

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

NOSS_ROB	102.95 422	153.00 429	121.00 429	51.00 426	44.00 426	165.00 429	127.00 428	153.00 428	119.00 425	164.00 429	125.00 428	168.00 429	120.00 426	153.00 428	117.00 428	49.00 426	44.00 426	49.00 426	44.00 426	49.00 423	44.00 426

MeshStereo	159.24 424	171.00 430	160.68 432	162.58 429	160.59 429	164.01 428	160.35 429	158.51 429	158.56 426	158.34 428	160.12 429	158.56 428	159.92 427	157.26 429	158.94 429	154.38 429	158.36 429	155.75 429	159.13 430	153.67 426	154.07 429
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
PA-Net	11.80 409	223.51 431	0.62 234	0.59 205	0.71 280	0.59 251	0.73 272	0.67 249	0.73 277	0.55 239	0.61 264	0.60 251	0.74 270	0.63 251	0.73 276	0.66 242	0.60 236	0.69 262	0.66 268	0.72 237	0.65 258
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 428	354.61 432	207.27 433	363.24 433	206.46 430	364.72 433	210.41 430	364.72 433	210.41 427	364.81 433	208.64 431	364.81 433	208.64 429	364.72 433	210.41 431	354.70 433	205.53 431	354.70 433	205.53 432	354.70 430	205.53 431

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

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

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

CBMV	128.50 423	1422.70 436	53.10 427	79.50 427	51.30 427	77.30 427	49.70 426	74.00 426	48.20 424	77.20 427	48.80 427	73.90 427	48.00 425	73.80 427	48.80 427	70.40 427	45.10 427	68.90 427	46.10 427	68.20 424	45.00 427
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SDNR	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 435	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 437	10000000.00 434	10000000.00 437

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

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

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

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

Low-res two-view benchmark