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

MC-Stereo	0.08 1	0.06 10	0.09 20	0.17 82	0.06 2	0.10 57	0.14 54	0.12 1	0.10 3	0.09 7	0.12 27	0.09 14	0.06 3	0.11 27	0.10 22	0.06 42	0.04 1	0.06 23	0.05 26	0.04 1	0.04 4

test-3	0.08 1	0.06 10	0.09 20	0.17 82	0.07 18	0.07 10	0.14 54	0.12 1	0.15 43	0.09 7	0.08 5	0.07 3	0.08 20	0.11 27	0.10 22	0.05 2	0.04 1	0.07 72	0.05 26	0.04 1	0.04 4

test_1	0.08 1	0.06 10	0.09 20	0.17 82	0.07 18	0.07 10	0.14 54	0.12 1	0.15 43	0.09 7	0.08 5	0.07 3	0.08 20	0.11 27	0.10 22	0.05 2	0.04 1	0.07 72	0.05 26	0.04 1	0.04 4

CREStereo++_RVC	0.08 1	0.04 1	0.06 1	0.13 8	0.07 18	0.09 33	0.12 16	0.14 9	0.14 33	0.10 20	0.14 44	0.08 8	0.07 10	0.09 10	0.11 49	0.06 42	0.04 1	0.05 2	0.05 26	0.04 1	0.04 4

ProNet	0.09 5	0.07 56	0.10 33	0.17 82	0.08 40	0.10 57	0.15 89	0.15 14	0.12 17	0.09 7	0.06 1	0.07 3	0.06 3	0.11 27	0.09 9	0.05 2	0.04 1	0.06 23	0.05 26	0.04 1	0.06 84

RCA-Stereo	0.09 5	0.06 10	0.09 20	0.16 47	0.06 2	0.09 33	0.13 31	0.18 63	0.14 33	0.09 7	0.10 12	0.08 8	0.07 10	0.12 74	0.11 49	0.06 42	0.04 1	0.06 23	0.05 26	0.05 37	0.04 4

CroCo-Stereo Lap2	0.09 5	0.09 142	0.08 9	0.22 235	0.09 100	0.09 33	0.19 193	0.16 25	0.12 17	0.09 7	0.10 12	0.05 1	0.05 1	0.08 6	0.08 6	0.06 42	0.06 135	0.07 72	0.05 26	0.05 37	0.05 41

IGEV-Stereo	0.09 5	0.07 56	0.11 52	0.16 47	0.09 100	0.11 71	0.15 89	0.16 25	0.12 17	0.09 7	0.06 1	0.06 2	0.06 3	0.11 27	0.09 9	0.05 2	0.04 1	0.06 23	0.05 26	0.05 37	0.06 84
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 5	0.05 4	0.13 91	0.14 13	0.08 40	0.12 84	0.15 89	0.18 63	0.10 3	0.11 27	0.08 5	0.08 8	0.05 1	0.10 15	0.09 9	0.06 42	0.04 1	0.06 23	0.05 26	0.06 86	0.05 41

TRStereo	0.09 5	0.05 4	0.12 62	0.15 24	0.12 219	0.10 57	0.13 31	0.18 63	0.18 80	0.09 7	0.09 8	0.09 14	0.06 3	0.10 15	0.08 6	0.07 109	0.05 77	0.07 72	0.07 120	0.04 1	0.04 4

AnonymousM	0.09 5	0.05 4	0.10 33	0.14 13	0.06 2	0.09 33	0.13 31	0.19 80	0.14 33	0.13 65	0.11 21	0.09 14	0.08 20	0.13 102	0.10 22	0.08 140	0.05 77	0.08 115	0.05 26	0.05 37	0.05 41

CroCo-Stereo	0.09 5	0.08 102	0.08 9	0.22 235	0.09 100	0.09 33	0.19 193	0.15 14	0.12 17	0.07 1	0.07 3	0.08 8	0.06 3	0.08 6	0.07 1	0.07 109	0.05 77	0.06 23	0.04 4	0.05 37	0.04 4
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 5	0.06 10	0.07 2	0.15 24	0.05 1	0.16 150	0.18 172	0.15 14	0.15 43	0.10 20	0.11 21	0.11 43	0.11 74	0.10 15	0.12 85	0.05 2	0.04 1	0.05 2	0.04 4	0.04 1	0.04 4

TANstereo	0.09 5	0.04 1	0.08 9	0.13 8	0.06 2	0.11 71	0.14 54	0.15 14	0.19 89	0.11 27	0.15 52	0.10 27	0.06 3	0.12 74	0.09 9	0.07 109	0.05 77	0.05 2	0.04 4	0.06 86	0.05 41

XX-TBD	0.09 5	0.06 10	0.07 2	0.14 13	0.07 18	0.12 84	0.16 123	0.14 9	0.13 25	0.11 27	0.12 27	0.09 14	0.08 20	0.10 15	0.10 22	0.06 42	0.04 1	0.05 2	0.03 1	0.06 86	0.05 41

raftrobust	0.09 5	0.06 10	0.10 33	0.17 82	0.08 40	0.09 33	0.10 5	0.18 63	0.16 54	0.10 20	0.09 8	0.12 56	0.07 10	0.12 74	0.10 22	0.08 140	0.05 77	0.06 23	0.05 26	0.05 37	0.05 41

XX-Stereo	0.09 5	0.05 4	0.08 9	0.17 82	0.09 100	0.15 131	0.12 16	0.20 87	0.10 3	0.10 20	0.14 44	0.07 3	0.06 3	0.12 74	0.08 6	0.06 42	0.05 77	0.06 23	0.06 60	0.04 1	0.04 4

RAFT-Stereo + iAFF	0.09 5	0.06 10	0.10 33	0.17 82	0.06 2	0.10 57	0.16 123	0.17 37	0.14 33	0.09 7	0.10 12	0.08 8	0.09 35	0.11 27	0.09 9	0.05 2	0.04 1	0.06 23	0.06 60	0.04 1	0.03 1

AFF-stereo	0.09 5	0.06 10	0.10 33	0.17 82	0.07 18	0.10 57	0.16 123	0.17 37	0.09 1	0.10 20	0.12 27	0.09 14	0.09 35	0.12 74	0.09 9	0.05 2	0.04 1	0.07 72	0.07 120	0.04 1	0.03 1

EAI-Stereo	0.09 5	0.07 56	0.11 52	0.15 24	0.06 2	0.10 57	0.15 89	0.16 25	0.09 1	0.08 2	0.09 8	0.08 8	0.07 10	0.09 10	0.11 49	0.05 2	0.04 1	0.05 2	0.05 26	0.05 37	0.04 4

CFNet-RSSM	0.09 5	0.07 56	0.09 20	0.16 47	0.07 18	0.09 33	0.15 89	0.16 25	0.17 61	0.08 2	0.12 27	0.10 27	0.09 35	0.11 27	0.09 9	0.06 42	0.04 1	0.06 23	0.04 4	0.04 1	0.04 4

Gwc-CoAtRS	0.09 5	0.06 10	0.10 33	0.16 47	0.07 18	0.10 57	0.14 54	0.17 37	0.17 61	0.08 2	0.10 12	0.12 56	0.09 35	0.12 74	0.09 9	0.06 42	0.04 1	0.06 23	0.04 4	0.04 1	0.04 4

CREStereo	0.09 5	0.04 1	0.08 9	0.11 1	0.06 2	0.13 105	0.14 54	0.14 9	0.10 3	0.08 2	0.13 35	0.09 14	0.08 20	0.11 27	0.10 22	0.08 140	0.04 1	0.05 2	0.03 1	0.06 86	0.06 84
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	0.09 5	0.05 4	0.09 20	0.12 4	0.06 2	0.12 84	0.14 54	0.15 14	0.11 8	0.09 7	0.13 35	0.10 27	0.07 10	0.13 102	0.10 22	0.15 275	0.04 1	0.05 2	0.03 1	0.07 122	0.06 84

MSMDNet	0.09 5	0.06 10	0.10 33	0.16 47	0.08 40	0.10 57	0.14 54	0.17 37	0.15 43	0.09 7	0.09 8	0.12 56	0.09 35	0.12 74	0.09 9	0.07 109	0.04 1	0.05 2	0.04 4	0.04 1	0.05 41

DCANet-4	0.10 26	0.06 10	0.12 62	0.16 47	0.06 2	0.09 33	0.17 139	0.18 63	0.19 89	0.13 65	0.16 57	0.09 14	0.14 138	0.11 27	0.12 85	0.06 42	0.04 1	0.05 2	0.04 4	0.04 1	0.05 41

qqq	0.10 26	0.06 10	0.12 62	0.16 47	0.06 2	0.09 33	0.17 139	0.18 63	0.19 89	0.13 65	0.16 57	0.09 14	0.14 138	0.11 27	0.12 85	0.06 42	0.04 1	0.05 2	0.04 4	0.04 1	0.05 41

fff	0.10 26	0.06 10	0.12 62	0.15 24	0.07 18	0.09 33	0.17 139	0.16 25	0.20 102	0.13 65	0.16 57	0.10 27	0.11 74	0.11 27	0.12 85	0.06 42	0.04 1	0.05 2	0.04 4	0.04 1	0.05 41

ff	0.10 26	0.06 10	0.12 62	0.16 47	0.07 18	0.10 57	0.16 123	0.17 37	0.18 80	0.12 49	0.16 57	0.11 43	0.10 53	0.11 27	0.14 139	0.06 42	0.04 1	0.06 23	0.05 26	0.05 37	0.05 41

ADStereo(finetuned)	0.10 26	0.06 10	0.12 62	0.16 47	0.06 2	0.09 33	0.17 139	0.15 14	0.19 89	0.13 65	0.17 74	0.10 27	0.12 98	0.11 27	0.12 85	0.06 42	0.04 1	0.05 2	0.04 4	0.05 37	0.04 4

test_4	0.10 26	0.10 174	0.08 9	0.19 166	0.09 100	0.08 24	0.22 230	0.15 14	0.17 61	0.12 49	0.18 95	0.12 56	0.09 35	0.08 6	0.11 49	0.04 1	0.04 1	0.08 115	0.08 152	0.04 1	0.03 1

IPLG	0.10 26	0.07 56	0.15 139	0.17 82	0.08 40	0.11 71	0.14 54	0.20 87	0.15 43	0.12 49	0.17 74	0.07 3	0.07 10	0.14 113	0.13 115	0.06 42	0.04 1	0.06 23	0.05 26	0.04 1	0.04 4

test_3	0.10 26	0.09 142	0.10 33	0.20 200	0.08 40	0.13 105	0.26 264	0.14 9	0.21 114	0.10 20	0.10 12	0.09 14	0.09 35	0.08 6	0.11 49	0.05 2	0.04 1	0.08 115	0.07 120	0.04 1	0.04 4

STrans-v2	0.10 26	0.07 56	0.12 62	0.18 123	0.07 18	0.10 57	0.14 54	0.21 102	0.11 8	0.11 27	0.15 52	0.12 56	0.10 53	0.11 27	0.12 85	0.05 2	0.04 1	0.06 23	0.06 60	0.04 1	0.04 4

TransformOpticalFlow	0.10 26	0.08 102	0.13 91	0.18 123	0.07 18	0.09 33	0.15 89	0.19 80	0.15 43	0.12 49	0.17 74	0.11 43	0.11 74	0.11 27	0.10 22	0.05 2	0.04 1	0.06 23	0.06 60	0.05 37	0.05 41

NRIStereo	0.10 26	0.06 10	0.10 33	0.20 200	0.08 40	0.12 84	0.14 54	0.19 80	0.11 8	0.12 49	0.13 35	0.13 69	0.10 53	0.11 27	0.10 22	0.05 2	0.04 1	0.07 72	0.06 60	0.06 86	0.10 203

SST-Stereo	0.10 26	0.07 56	0.15 139	0.18 123	0.09 100	0.06 3	0.12 16	0.17 37	0.11 8	0.15 102	0.17 74	0.13 69	0.12 98	0.10 15	0.11 49	0.06 42	0.04 1	0.09 162	0.06 60	0.06 86	0.05 41

cross-raft	0.10 26	0.09 142	0.09 20	0.19 166	0.07 18	0.11 71	0.25 259	0.13 4	0.15 43	0.08 2	0.11 21	0.12 56	0.10 53	0.09 10	0.11 49	0.05 2	0.04 1	0.06 23	0.05 26	0.04 1	0.04 4

test-1	0.10 26	0.07 56	0.16 166	0.19 166	0.08 40	0.11 71	0.24 248	0.14 9	0.18 80	0.09 7	0.07 3	0.09 14	0.08 20	0.07 1	0.09 9	0.06 42	0.04 1	0.06 23	0.05 26	0.04 1	0.04 4

iRaftStereo_RVC	0.10 26	0.07 56	0.09 20	0.17 82	0.09 100	0.11 71	0.17 139	0.18 63	0.12 17	0.09 7	0.12 27	0.10 27	0.07 10	0.11 27	0.10 22	0.05 2	0.04 1	0.08 115	0.08 152	0.04 1	0.04 4

RALCasStereoNet	0.10 26	0.06 10	0.09 20	0.16 47	0.08 40	0.12 84	0.14 54	0.17 37	0.11 8	0.12 49	0.17 74	0.14 84	0.10 53	0.12 74	0.11 49	0.07 109	0.06 135	0.06 23	0.05 26	0.08 148	0.07 120

DCANet	0.10 26	0.06 10	0.12 62	0.16 47	0.06 2	0.09 33	0.17 139	0.15 14	0.19 89	0.13 65	0.17 74	0.10 27	0.11 74	0.11 27	0.12 85	0.06 42	0.04 1	0.05 2	0.04 4	0.05 37	0.04 4

csc	0.10 26	0.06 10	0.12 62	0.15 24	0.07 18	0.09 33	0.17 139	0.16 25	0.20 102	0.13 65	0.16 57	0.10 27	0.11 74	0.11 27	0.12 85	0.06 42	0.04 1	0.05 2	0.04 4	0.04 1	0.05 41

cscssc	0.10 26	0.06 10	0.12 62	0.15 24	0.07 18	0.09 33	0.17 139	0.16 25	0.20 102	0.13 65	0.16 57	0.10 27	0.11 74	0.11 27	0.12 85	0.06 42	0.04 1	0.05 2	0.04 4	0.04 1	0.05 41

222	0.10 26	0.06 10	0.12 62	0.16 47	0.06 2	0.09 33	0.17 139	0.16 25	0.19 89	0.13 65	0.16 57	0.10 27	0.11 74	0.11 27	0.12 85	0.06 42	0.04 1	0.05 2	0.04 4	0.05 37	0.05 41

111	0.10 26	0.06 10	0.12 62	0.15 24	0.07 18	0.10 57	0.14 54	0.21 102	0.23 134	0.11 27	0.12 27	0.14 84	0.11 74	0.13 102	0.10 22	0.06 42	0.04 1	0.06 23	0.04 4	0.05 37	0.05 41

test_xeample3	0.10 26	0.06 10	0.14 110	0.15 24	0.06 2	0.09 33	0.10 5	0.15 14	0.20 102	0.12 49	0.13 35	0.10 27	0.11 74	0.12 74	0.09 9	0.06 42	0.05 77	0.06 23	0.04 4	0.04 1	0.04 4

R-Stereo Train	0.10 26	0.06 10	0.10 33	0.17 82	0.08 40	0.11 71	0.14 54	0.23 132	0.11 8	0.12 49	0.19 103	0.11 43	0.08 20	0.09 10	0.11 49	0.07 109	0.05 77	0.06 23	0.05 26	0.05 37	0.05 41

RAFT-Stereo	0.10 26	0.06 10	0.10 33	0.17 82	0.08 40	0.11 71	0.14 54	0.23 132	0.11 8	0.12 49	0.19 103	0.11 43	0.08 20	0.09 10	0.11 49	0.07 109	0.05 77	0.06 23	0.05 26	0.05 37	0.05 41
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 26	0.06 10	0.12 62	0.14 13	0.06 2	0.11 71	0.10 5	0.18 63	0.18 80	0.13 65	0.16 57	0.14 84	0.11 74	0.15 126	0.13 115	0.06 42	0.04 1	0.04 1	0.04 4	0.06 86	0.05 41
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
DCRE	0.11 51	0.07 56	0.13 91	0.16 47	0.11 189	0.11 71	0.17 139	0.18 63	0.17 61	0.11 27	0.18 95	0.10 27	0.10 53	0.15 126	0.11 49	0.06 42	0.05 77	0.06 23	0.06 60	0.05 37	0.04 4

knoymous	0.11 51	0.05 4	0.12 62	0.13 8	0.07 18	0.15 131	0.14 54	0.19 80	0.13 25	0.11 27	0.17 74	0.13 69	0.09 35	0.13 102	0.11 49	0.08 140	0.05 77	0.06 23	0.05 26	0.08 148	0.07 120

riskmin	0.11 51	0.06 10	0.13 91	0.14 13	0.08 40	0.14 116	0.14 54	0.18 63	0.14 33	0.11 27	0.14 44	0.16 117	0.11 74	0.14 113	0.12 85	0.09 174	0.05 77	0.07 72	0.05 26	0.08 148	0.08 157

DisPM	0.11 51	0.07 56	0.12 62	0.16 47	0.09 100	0.06 3	0.13 31	0.17 37	0.17 61	0.14 86	0.20 114	0.12 56	0.10 53	0.11 27	0.10 22	0.06 42	0.04 1	0.07 72	0.06 60	0.06 86	0.11 228

CIPLG	0.11 51	0.08 102	0.14 110	0.17 82	0.08 40	0.12 84	0.15 89	0.17 37	0.15 43	0.14 86	0.11 21	0.16 117	0.09 35	0.16 145	0.11 49	0.07 109	0.05 77	0.06 23	0.05 26	0.05 37	0.06 84

GLC_STEREO	0.11 51	0.07 56	0.11 52	0.17 82	0.07 18	0.09 33	0.13 31	0.15 14	0.24 144	0.12 49	0.13 35	0.12 56	0.08 20	0.18 172	0.11 49	0.06 42	0.08 202	0.08 115	0.06 60	0.05 37	0.05 41

IPLGR_C	0.11 51	0.08 102	0.14 110	0.17 82	0.08 40	0.12 84	0.15 89	0.17 37	0.15 43	0.14 86	0.10 12	0.16 117	0.09 35	0.16 145	0.11 49	0.07 109	0.05 77	0.06 23	0.05 26	0.05 37	0.06 84

MIPNet	0.11 51	0.08 102	0.14 110	0.17 82	0.09 100	0.12 84	0.14 54	0.20 87	0.24 144	0.11 27	0.10 12	0.09 14	0.07 10	0.13 102	0.12 85	0.06 42	0.04 1	0.06 23	0.05 26	0.04 1	0.04 4

IPLGR	0.11 51	0.09 142	0.16 166	0.18 123	0.08 40	0.12 84	0.17 139	0.21 102	0.24 144	0.11 27	0.12 27	0.11 43	0.08 20	0.12 74	0.12 85	0.06 42	0.05 77	0.06 23	0.06 60	0.04 1	0.04 4

GMOStereo	0.11 51	0.09 142	0.07 2	0.19 166	0.08 40	0.12 84	0.28 275	0.13 4	0.17 61	0.11 27	0.17 74	0.14 84	0.12 98	0.07 1	0.07 1	0.05 2	0.05 77	0.09 162	0.07 120	0.04 1	0.04 4

error version	0.11 51	0.09 142	0.07 2	0.19 166	0.08 40	0.12 84	0.28 275	0.13 4	0.17 61	0.11 27	0.17 74	0.14 84	0.12 98	0.07 1	0.07 1	0.05 2	0.05 77	0.09 162	0.07 120	0.04 1	0.04 4

test-v	0.11 51	0.09 142	0.07 2	0.19 166	0.08 40	0.12 84	0.28 275	0.13 4	0.17 61	0.11 27	0.17 74	0.14 84	0.12 98	0.07 1	0.07 1	0.05 2	0.05 77	0.09 162	0.07 120	0.04 1	0.04 4

ACRE	0.11 51	0.08 102	0.14 110	0.17 82	0.08 40	0.12 84	0.15 89	0.17 37	0.14 33	0.14 86	0.10 12	0.16 117	0.09 35	0.16 145	0.11 49	0.07 109	0.05 77	0.06 23	0.05 26	0.05 37	0.06 84

PFNet+	0.11 51	0.06 10	0.13 91	0.16 47	0.09 100	0.05 1	0.12 16	0.17 37	0.21 114	0.16 116	0.19 103	0.14 84	0.10 53	0.11 27	0.11 49	0.08 140	0.05 77	0.09 162	0.08 152	0.06 86	0.11 228

LCNet	0.11 51	0.07 56	0.09 20	0.19 166	0.09 100	0.08 24	0.15 89	0.21 102	0.15 43	0.11 27	0.15 52	0.16 117	0.11 74	0.12 74	0.11 49	0.05 2	0.04 1	0.08 115	0.07 120	0.06 86	0.15 270

HHNet	0.11 51	0.06 10	0.16 166	0.15 24	0.14 248	0.07 10	0.13 31	0.20 87	0.17 61	0.14 86	0.25 166	0.11 43	0.08 20	0.13 102	0.10 22	0.05 2	0.04 1	0.08 115	0.06 60	0.05 37	0.09 186

PMNet++	0.11 51	0.09 142	0.16 166	0.18 123	0.08 40	0.06 3	0.11 12	0.16 25	0.13 25	0.15 102	0.16 57	0.14 84	0.12 98	0.11 27	0.10 22	0.06 42	0.04 1	0.08 115	0.06 60	0.08 148	0.07 120

AAGNet	0.11 51	0.07 56	0.16 166	0.19 166	0.09 100	0.08 24	0.13 31	0.18 63	0.13 25	0.16 116	0.21 124	0.13 69	0.14 138	0.11 27	0.14 139	0.06 42	0.04 1	0.09 162	0.06 60	0.06 86	0.05 41

OMP-Stereo	0.11 51	0.06 10	0.14 110	0.18 123	0.08 40	0.09 33	0.12 16	0.21 102	0.21 114	0.13 65	0.14 44	0.11 43	0.12 98	0.11 27	0.13 115	0.06 42	0.04 1	0.07 72	0.06 60	0.05 37	0.04 4

IIG-Stereo	0.11 51	0.06 10	0.13 91	0.17 82	0.08 40	0.11 71	0.12 16	0.22 117	0.17 61	0.14 86	0.17 74	0.11 43	0.12 98	0.12 74	0.12 85	0.06 42	0.05 77	0.07 72	0.06 60	0.05 37	0.04 4

NF-Stereo	0.11 51	0.08 102	0.16 166	0.18 123	0.08 40	0.07 10	0.12 16	0.17 37	0.14 33	0.15 102	0.17 74	0.13 69	0.12 98	0.10 15	0.11 49	0.06 42	0.04 1	0.09 162	0.06 60	0.06 86	0.05 41

OCTAStereo	0.11 51	0.07 56	0.14 110	0.18 123	0.09 100	0.07 10	0.14 54	0.18 63	0.22 125	0.13 65	0.17 74	0.14 84	0.09 35	0.11 27	0.11 49	0.06 42	0.05 77	0.09 162	0.06 60	0.06 86	0.06 84

PSM-softLoss	0.11 51	0.07 56	0.09 20	0.20 200	0.09 100	0.09 33	0.15 89	0.21 102	0.11 8	0.11 27	0.16 57	0.16 117	0.09 35	0.11 27	0.10 22	0.05 2	0.04 1	0.09 162	0.08 152	0.07 122	0.11 228

KMStereo	0.11 51	0.08 102	0.16 166	0.19 166	0.08 40	0.08 24	0.14 54	0.17 37	0.13 25	0.16 116	0.17 74	0.14 84	0.12 98	0.10 15	0.11 49	0.06 42	0.04 1	0.09 162	0.07 120	0.06 86	0.05 41

PSM-adaLoss	0.11 51	0.08 102	0.16 166	0.18 123	0.08 40	0.08 24	0.13 31	0.18 63	0.11 8	0.16 116	0.17 74	0.14 84	0.13 124	0.11 27	0.10 22	0.06 42	0.04 1	0.08 115	0.06 60	0.06 86	0.05 41

PSM-AAD	0.11 51	0.07 56	0.10 33	0.19 166	0.09 100	0.10 57	0.15 89	0.20 87	0.13 25	0.12 49	0.14 44	0.18 146	0.11 74	0.11 27	0.10 22	0.05 2	0.05 77	0.09 162	0.08 152	0.06 86	0.14 262

ROB_FTStereo_v2	0.11 51	0.08 102	0.15 139	0.18 123	0.08 40	0.06 3	0.14 54	0.17 37	0.14 33	0.13 65	0.16 57	0.17 135	0.12 98	0.11 27	0.10 22	0.06 42	0.04 1	0.09 162	0.06 60	0.06 86	0.05 41

ROB_FTStereo	0.11 51	0.08 102	0.14 110	0.19 166	0.09 100	0.09 33	0.13 31	0.19 80	0.17 61	0.15 102	0.16 57	0.13 69	0.12 98	0.11 27	0.13 115	0.06 42	0.05 77	0.08 115	0.06 60	0.06 86	0.08 157

KYRaft	0.11 51	0.07 56	0.10 33	0.19 166	0.09 100	0.08 24	0.15 89	0.22 117	0.12 17	0.13 65	0.16 57	0.20 153	0.10 53	0.12 74	0.10 22	0.05 2	0.04 1	0.08 115	0.08 152	0.06 86	0.16 280

ASMatch	0.11 51	0.06 10	0.13 91	0.16 47	0.10 159	0.07 10	0.14 54	0.17 37	0.17 61	0.12 49	0.16 57	0.16 117	0.10 53	0.13 102	0.10 22	0.05 2	0.04 1	0.06 23	0.05 26	0.04 1	0.08 157

RAFT_R40	0.11 51	0.07 56	0.14 110	0.18 123	0.09 100	0.06 3	0.13 31	0.17 37	0.16 54	0.14 86	0.18 95	0.15 107	0.12 98	0.10 15	0.11 49	0.06 42	0.04 1	0.09 162	0.06 60	0.06 86	0.05 41

GrayStereo	0.11 51	0.06 10	0.11 52	0.19 166	0.09 100	0.09 33	0.16 123	0.18 63	0.17 61	0.14 86	0.17 74	0.17 135	0.11 74	0.12 74	0.11 49	0.05 2	0.05 77	0.07 72	0.06 60	0.05 37	0.10 203

Pruner-Stereo	0.11 51	0.07 56	0.12 62	0.17 82	0.09 100	0.06 3	0.12 16	0.17 37	0.17 61	0.13 65	0.19 103	0.13 69	0.09 35	0.11 27	0.11 49	0.06 42	0.04 1	0.07 72	0.06 60	0.06 86	0.08 157

DeepStereo_RVC	0.11 51	0.07 56	0.15 139	0.17 82	0.09 100	0.07 10	0.13 31	0.17 37	0.17 61	0.14 86	0.18 95	0.13 69	0.10 53	0.11 27	0.11 49	0.06 42	0.05 77	0.07 72	0.06 60	0.06 86	0.07 120

RAFT-RH_RVC	0.11 51	0.06 10	0.14 110	0.16 47	0.09 100	0.12 84	0.12 16	0.17 37	0.12 17	0.13 65	0.41 269	0.11 43	0.10 53	0.13 102	0.12 85	0.05 2	0.04 1	0.08 115	0.05 26	0.04 1	0.06 84

RAFT-345	0.11 51	0.07 56	0.15 139	0.16 47	0.08 40	0.08 24	0.12 16	0.15 14	0.10 3	0.11 27	0.36 236	0.09 14	0.09 35	0.11 27	0.12 85	0.05 2	0.05 77	0.07 72	0.06 60	0.04 1	0.05 41

iRAFT	0.11 51	0.06 10	0.13 91	0.16 47	0.09 100	0.05 1	0.12 16	0.17 37	0.21 114	0.16 116	0.19 103	0.14 84	0.10 53	0.11 27	0.11 49	0.08 140	0.05 77	0.09 162	0.08 152	0.06 86	0.11 228

test-2	0.11 51	0.09 142	0.07 2	0.19 166	0.08 40	0.12 84	0.28 275	0.13 4	0.17 61	0.11 27	0.17 74	0.14 84	0.12 98	0.07 1	0.07 1	0.05 2	0.05 77	0.09 162	0.07 120	0.04 1	0.04 4

GMM-Stereo	0.11 51	0.07 56	0.10 33	0.18 123	0.09 100	0.08 24	0.15 89	0.23 132	0.16 54	0.11 27	0.15 52	0.13 69	0.11 74	0.11 27	0.11 49	0.05 2	0.04 1	0.08 115	0.07 120	0.06 86	0.09 186

RAFT-IKP	0.11 51	0.09 142	0.16 166	0.19 166	0.08 40	0.06 3	0.12 16	0.16 25	0.13 25	0.15 102	0.16 57	0.14 84	0.12 98	0.11 27	0.10 22	0.06 42	0.04 1	0.08 115	0.06 60	0.08 148	0.07 120

Prome-Stereo	0.11 51	0.06 10	0.10 33	0.18 123	0.08 40	0.12 84	0.15 89	0.22 117	0.13 25	0.12 49	0.17 74	0.13 69	0.08 20	0.12 74	0.10 22	0.05 2	0.04 1	0.07 72	0.06 60	0.06 86	0.09 186

rafts_anoy	0.11 51	0.06 10	0.10 33	0.17 82	0.08 40	0.10 57	0.14 54	0.17 37	0.14 33	0.13 65	0.13 35	0.12 56	0.10 53	0.11 27	0.12 85	0.07 109	0.04 1	0.09 162	0.11 236	0.07 122	0.06 84

raft+_RVC	0.11 51	0.07 56	0.09 20	0.16 47	0.07 18	0.10 57	0.11 12	0.24 141	0.20 102	0.12 49	0.15 52	0.12 56	0.08 20	0.12 74	0.13 115	0.07 109	0.04 1	0.07 72	0.06 60	0.05 37	0.05 41

RALAANet	0.11 51	0.08 102	0.10 33	0.17 82	0.09 100	0.14 116	0.10 5	0.20 87	0.15 43	0.14 86	0.13 35	0.16 117	0.09 35	0.12 74	0.11 49	0.06 42	0.05 77	0.07 72	0.06 60	0.05 37	0.04 4

DIP-Stereo	0.11 51	0.07 56	0.14 110	0.17 82	0.09 100	0.13 105	0.09 3	0.16 25	0.16 54	0.11 27	0.16 57	0.14 84	0.12 98	0.15 126	0.13 115	0.06 42	0.05 77	0.06 23	0.05 26	0.05 37	0.06 84
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccc-4	0.12 96	0.08 102	0.22 225	0.18 123	0.07 18	0.11 71	0.16 123	0.18 63	0.27 178	0.15 102	0.19 103	0.09 14	0.14 138	0.14 113	0.12 85	0.06 42	0.04 1	0.06 23	0.06 60	0.05 37	0.06 84

RAFT_CTSACE	0.12 96	0.09 142	0.10 33	0.22 235	0.08 40	0.12 84	0.24 248	0.18 63	0.16 54	0.20 175	0.27 183	0.13 69	0.07 10	0.13 102	0.09 9	0.05 2	0.06 135	0.08 115	0.07 120	0.04 1	0.04 4

Sa-1000	0.12 96	0.08 102	0.08 9	0.18 123	0.08 40	0.14 116	0.22 230	0.22 117	0.18 80	0.15 102	0.20 114	0.17 135	0.11 74	0.10 15	0.10 22	0.06 42	0.05 77	0.09 162	0.09 183	0.05 37	0.05 41

SA	0.12 96	0.09 142	0.08 9	0.18 123	0.08 40	0.12 84	0.24 248	0.23 132	0.18 80	0.17 129	0.27 183	0.14 84	0.11 74	0.11 27	0.11 49	0.05 2	0.05 77	0.09 162	0.08 152	0.05 37	0.04 4

iRaft-Stereo_5w	0.12 96	0.09 142	0.12 62	0.19 166	0.08 40	0.09 33	0.12 16	0.21 102	0.21 114	0.19 164	0.14 44	0.11 43	0.09 35	0.20 193	0.16 172	0.05 2	0.05 77	0.07 72	0.06 60	0.05 37	0.06 84

CrosDoStereo	0.12 96	0.06 10	0.12 62	0.14 13	0.08 40	0.12 84	0.15 89	0.17 37	0.22 125	0.19 164	0.24 145	0.15 107	0.11 74	0.11 27	0.12 85	0.06 42	0.04 1	0.07 72	0.07 120	0.05 37	0.05 41

FTStereo	0.12 96	0.06 10	0.14 110	0.18 123	0.09 100	0.07 10	0.15 89	0.21 102	0.18 80	0.12 49	0.24 145	0.12 56	0.12 98	0.13 102	0.13 115	0.05 2	0.05 77	0.07 72	0.06 60	0.06 86	0.10 203

HUI-Stereo	0.12 96	0.08 102	0.15 139	0.18 123	0.08 40	0.07 10	0.13 31	0.24 141	0.22 125	0.14 86	0.19 103	0.14 84	0.11 74	0.12 74	0.11 49	0.06 42	0.04 1	0.08 115	0.06 60	0.06 86	0.07 120

DeepStereo_LL	0.12 96	0.06 10	0.12 62	0.14 13	0.08 40	0.12 84	0.15 89	0.17 37	0.22 125	0.19 164	0.24 145	0.15 107	0.11 74	0.11 27	0.12 85	0.06 42	0.04 1	0.07 72	0.07 120	0.05 37	0.05 41

DEmStereo	0.12 96	0.06 10	0.14 110	0.14 13	0.10 159	0.16 150	0.15 89	0.16 25	0.24 144	0.17 129	0.24 145	0.13 69	0.14 138	0.12 74	0.13 115	0.05 2	0.04 1	0.07 72	0.06 60	0.05 37	0.05 41

THIR-Stereo	0.12 96	0.07 56	0.11 52	0.15 24	0.08 40	0.14 116	0.16 123	0.17 37	0.25 161	0.16 116	0.24 145	0.14 84	0.12 98	0.12 74	0.14 139	0.06 42	0.04 1	0.07 72	0.07 120	0.05 37	0.05 41

DRaft	0.12 96	0.06 10	0.11 52	0.14 13	0.09 100	0.14 116	0.17 139	0.21 102	0.30 196	0.17 129	0.28 191	0.10 27	0.15 152	0.10 15	0.12 85	0.05 2	0.04 1	0.07 72	0.06 60	0.05 37	0.05 41

PFNet	0.12 96	0.06 10	0.17 188	0.17 82	0.08 40	0.09 33	0.15 89	0.26 166	0.20 102	0.16 116	0.16 57	0.14 84	0.11 74	0.12 74	0.11 49	0.06 42	0.04 1	0.07 72	0.06 60	0.05 37	0.05 41

RE-Stereo	0.12 96	0.07 56	0.16 166	0.18 123	0.08 40	0.07 10	0.13 31	0.24 141	0.23 134	0.15 102	0.18 95	0.16 117	0.12 98	0.11 27	0.11 49	0.06 42	0.04 1	0.08 115	0.06 60	0.05 37	0.05 41

TVStereo	0.12 96	0.07 56	0.16 166	0.18 123	0.08 40	0.07 10	0.13 31	0.24 141	0.23 134	0.15 102	0.18 95	0.16 117	0.12 98	0.11 27	0.11 49	0.06 42	0.04 1	0.08 115	0.06 60	0.05 37	0.05 41

iGMRVC	0.12 96	0.06 10	0.15 139	0.16 47	0.11 189	0.07 10	0.14 54	0.23 132	0.20 102	0.13 65	0.21 124	0.18 146	0.11 74	0.12 74	0.11 49	0.06 42	0.05 77	0.06 23	0.05 26	0.05 37	0.10 203

IRAFT_RVC	0.12 96	0.08 102	0.16 166	0.19 166	0.08 40	0.07 10	0.15 89	0.24 141	0.23 134	0.14 86	0.14 44	0.15 107	0.12 98	0.12 74	0.10 22	0.06 42	0.04 1	0.09 162	0.06 60	0.06 86	0.06 84

CRE-IMP	0.12 96	0.08 102	0.15 139	0.18 123	0.08 40	0.07 10	0.13 31	0.24 141	0.22 125	0.14 86	0.19 103	0.14 84	0.11 74	0.12 74	0.11 49	0.06 42	0.04 1	0.08 115	0.06 60	0.06 86	0.07 120

sCroCo_RVC	0.12 96	0.09 142	0.23 235	0.24 259	0.11 189	0.19 188	0.14 54	0.17 37	0.14 33	0.10 20	0.13 35	0.12 56	0.07 10	0.14 113	0.11 49	0.08 140	0.08 202	0.08 115	0.08 152	0.05 37	0.07 120

ARAFT	0.12 96	0.08 102	0.17 188	0.19 166	0.09 100	0.14 116	0.18 172	0.20 87	0.12 17	0.12 49	0.13 35	0.14 84	0.11 74	0.15 126	0.12 85	0.06 42	0.05 77	0.10 202	0.09 183	0.05 37	0.04 4

BEATNet_4x	0.12 96	0.08 102	0.14 110	0.18 123	0.07 18	0.15 131	0.07 1	0.22 117	0.18 80	0.16 116	0.19 103	0.18 146	0.14 138	0.16 145	0.15 159	0.07 109	0.05 77	0.05 2	0.05 26	0.06 86	0.06 84

MLCV	0.12 96	0.07 56	0.16 166	0.18 123	0.06 2	0.15 131	0.17 139	0.19 80	0.21 114	0.18 151	0.25 166	0.17 135	0.13 124	0.14 113	0.13 115	0.05 2	0.04 1	0.05 2	0.04 4	0.05 37	0.04 4

CASS	0.13 118	0.12 204	0.11 52	0.23 254	0.09 100	0.15 131	0.17 139	0.18 63	0.19 89	0.17 129	0.18 95	0.15 107	0.15 152	0.14 113	0.14 139	0.09 174	0.06 135	0.10 202	0.08 152	0.09 181	0.07 120
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 118	0.07 56	0.13 91	0.18 123	0.09 100	0.13 105	0.17 139	0.19 80	0.29 190	0.15 102	0.24 145	0.15 107	0.14 138	0.14 113	0.14 139	0.07 109	0.05 77	0.07 72	0.09 183	0.05 37	0.06 84

TestStereo1	0.13 118	0.08 102	0.08 9	0.19 166	0.08 40	0.18 172	0.29 283	0.23 132	0.16 54	0.17 129	0.20 114	0.16 117	0.10 53	0.12 74	0.13 115	0.06 42	0.06 135	0.08 115	0.06 60	0.05 37	0.05 41

raft_robust	0.13 118	0.10 174	0.07 2	0.18 123	0.08 40	0.13 105	0.24 248	0.28 186	0.33 213	0.20 175	0.19 103	0.14 84	0.10 53	0.11 27	0.12 85	0.05 2	0.05 77	0.07 72	0.07 120	0.05 37	0.04 4

RAFT+CT+SA	0.13 118	0.11 191	0.09 20	0.19 166	0.09 100	0.15 131	0.28 275	0.22 117	0.22 125	0.15 102	0.26 176	0.10 27	0.10 53	0.11 27	0.12 85	0.05 2	0.04 1	0.07 72	0.08 152	0.07 122	0.06 84

SA-5K	0.13 118	0.08 102	0.08 9	0.19 166	0.08 40	0.18 172	0.29 283	0.23 132	0.16 54	0.17 129	0.20 114	0.16 117	0.10 53	0.12 74	0.13 115	0.06 42	0.06 135	0.08 115	0.06 60	0.05 37	0.05 41

GwcNet-ADL	0.13 118	0.08 102	0.14 110	0.20 200	0.09 100	0.11 71	0.20 208	0.30 205	0.24 144	0.13 65	0.14 44	0.18 146	0.14 138	0.13 102	0.14 139	0.07 109	0.05 77	0.06 23	0.05 26	0.07 122	0.06 84

GANet-ADL	0.13 118	0.07 56	0.15 139	0.17 82	0.10 159	0.18 172	0.15 89	0.30 205	0.20 102	0.13 65	0.18 95	0.19 151	0.12 98	0.16 145	0.13 115	0.08 140	0.06 135	0.06 23	0.05 26	0.07 122	0.08 157

RAFT	0.13 118	0.09 142	0.11 52	0.18 123	0.08 40	0.15 131	0.24 248	0.20 87	0.19 89	0.21 182	0.21 124	0.17 135	0.12 98	0.16 145	0.09 9	0.06 42	0.07 182	0.10 202	0.09 183	0.05 37	0.05 41

TestStereo	0.13 118	0.14 236	0.11 52	0.23 254	0.08 40	0.15 131	0.21 223	0.20 87	0.23 134	0.14 86	0.24 145	0.16 117	0.12 98	0.16 145	0.14 139	0.05 2	0.06 135	0.08 115	0.06 60	0.09 181	0.05 41

sAnonymous2	0.13 118	0.12 204	0.24 238	0.20 200	0.12 219	0.17 164	0.13 31	0.26 166	0.21 114	0.11 27	0.11 21	0.13 69	0.08 20	0.10 15	0.10 22	0.09 174	0.05 77	0.08 115	0.06 60	0.15 273	0.10 203

CroCo_RVC	0.13 118	0.12 204	0.24 238	0.20 200	0.12 219	0.17 164	0.13 31	0.26 166	0.21 114	0.11 27	0.11 21	0.13 69	0.08 20	0.10 15	0.10 22	0.09 174	0.05 77	0.08 115	0.06 60	0.15 273	0.10 203

RAFT + AFF	0.13 118	0.07 56	0.20 216	0.20 200	0.10 159	0.14 116	0.24 248	0.26 166	0.20 102	0.11 27	0.10 12	0.12 56	0.10 53	0.15 126	0.12 85	0.07 109	0.06 135	0.09 162	0.08 152	0.06 86	0.08 157

GMStereo	0.13 118	0.14 236	0.14 110	0.18 123	0.09 100	0.15 131	0.16 123	0.20 87	0.24 144	0.16 116	0.17 74	0.10 27	0.10 53	0.16 145	0.13 115	0.07 109	0.06 135	0.06 23	0.06 60	0.07 122	0.06 84
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FENet	0.13 118	0.08 102	0.12 62	0.16 47	0.08 40	0.14 116	0.15 89	0.22 117	0.23 134	0.17 129	0.23 137	0.16 117	0.12 98	0.14 113	0.15 159	0.08 140	0.05 77	0.08 115	0.08 152	0.07 122	0.07 120

cf-r	0.13 118	0.07 56	0.12 62	0.16 47	0.08 40	0.14 116	0.19 193	0.20 87	0.25 161	0.17 129	0.25 166	0.21 159	0.16 166	0.14 113	0.14 139	0.10 197	0.05 77	0.06 23	0.08 152	0.06 86	0.06 84

iResNet	0.13 118	0.10 174	0.18 201	0.19 166	0.08 40	0.13 105	0.18 172	0.20 87	0.26 171	0.15 102	0.23 137	0.15 107	0.13 124	0.14 113	0.14 139	0.06 42	0.04 1	0.06 23	0.05 26	0.06 86	0.05 41

DN-CSS_ROB	0.13 118	0.13 224	0.16 166	0.18 123	0.10 159	0.16 150	0.08 2	0.22 117	0.18 80	0.17 129	0.22 131	0.13 69	0.13 124	0.12 74	0.13 115	0.05 2	0.05 77	0.10 202	0.10 215	0.08 148	0.06 84

gwcnet-sp	0.14 136	0.07 56	0.12 62	0.18 123	0.09 100	0.16 150	0.17 139	0.24 141	0.24 144	0.18 151	0.24 145	0.15 107	0.16 166	0.15 126	0.15 159	0.08 140	0.06 135	0.07 72	0.08 152	0.08 148	0.07 120

scenet	0.14 136	0.07 56	0.12 62	0.18 123	0.09 100	0.16 150	0.17 139	0.24 141	0.24 144	0.18 151	0.24 145	0.15 107	0.16 166	0.15 126	0.15 159	0.08 140	0.06 135	0.07 72	0.08 152	0.08 148	0.07 120

ssnet	0.14 136	0.07 56	0.12 62	0.18 123	0.09 100	0.16 150	0.17 139	0.24 141	0.24 144	0.18 151	0.24 145	0.15 107	0.16 166	0.15 126	0.15 159	0.08 140	0.06 135	0.07 72	0.08 152	0.08 148	0.07 120

BUS	0.14 136	0.09 142	0.14 110	0.22 235	0.10 159	0.19 188	0.14 54	0.34 242	0.19 89	0.17 129	0.22 131	0.16 117	0.13 124	0.15 126	0.13 115	0.08 140	0.06 135	0.10 202	0.09 183	0.07 122	0.07 120

IER	0.14 136	0.07 56	0.13 91	0.17 82	0.09 100	0.14 116	0.16 123	0.25 156	0.26 171	0.18 151	0.25 166	0.17 135	0.20 208	0.16 145	0.14 139	0.08 140	0.05 77	0.07 72	0.06 60	0.08 148	0.07 120

test_5	0.14 136	0.12 204	0.08 9	0.20 200	0.10 159	0.14 116	0.29 283	0.21 102	0.24 144	0.18 151	0.28 191	0.11 43	0.15 152	0.12 74	0.13 115	0.06 42	0.05 77	0.07 72	0.08 152	0.08 148	0.07 120

psmg	0.14 136	0.09 142	0.14 110	0.17 82	0.10 159	0.15 131	0.17 139	0.29 195	0.19 89	0.17 129	0.21 124	0.25 194	0.16 166	0.15 126	0.14 139	0.08 140	0.06 135	0.08 115	0.08 152	0.07 122	0.06 84

UDGNet	0.14 136	0.13 224	0.16 166	0.17 82	0.10 159	0.12 84	0.16 123	0.21 102	0.27 178	0.20 175	0.20 114	0.16 117	0.13 124	0.16 145	0.13 115	0.10 197	0.06 135	0.09 162	0.07 120	0.06 86	0.07 120

CFNet-pseudo	0.14 136	0.09 142	0.14 110	0.15 24	0.09 100	0.13 105	0.10 5	0.29 195	0.20 102	0.17 129	0.23 137	0.16 117	0.13 124	0.15 126	0.14 139	0.11 217	0.09 223	0.13 252	0.15 274	0.07 122	0.08 157

pcwnet_v2	0.14 136	0.09 142	0.16 166	0.11 1	0.11 189	0.17 164	0.10 5	0.28 186	0.17 61	0.16 116	0.33 226	0.17 135	0.14 138	0.15 126	0.15 159	0.13 262	0.07 182	0.09 162	0.09 183	0.09 181	0.10 203

Anonymous	0.14 136	0.10 174	0.24 238	0.22 235	0.13 233	0.18 172	0.22 230	0.20 87	0.19 89	0.14 86	0.12 27	0.11 43	0.13 124	0.16 145	0.13 115	0.08 140	0.07 182	0.08 115	0.08 152	0.12 235	0.10 203

GES	0.14 136	0.08 102	0.16 166	0.15 24	0.10 159	0.13 105	0.13 31	0.28 186	0.25 161	0.16 116	0.23 137	0.18 146	0.13 124	0.16 145	0.13 115	0.08 140	0.07 182	0.07 72	0.06 60	0.08 148	0.09 186

GANet-RSSM	0.14 136	0.07 56	0.13 91	0.13 8	0.08 40	0.14 116	0.17 139	0.22 117	0.21 114	0.17 129	0.24 145	0.23 180	0.15 152	0.16 145	0.15 159	0.10 197	0.06 135	0.07 72	0.08 152	0.08 148	0.07 120

PSMNet-RSSM	0.14 136	0.07 56	0.13 91	0.15 24	0.08 40	0.13 105	0.16 123	0.24 141	0.24 144	0.16 116	0.28 191	0.22 171	0.14 138	0.15 126	0.13 115	0.11 217	0.06 135	0.09 162	0.12 252	0.08 148	0.07 120

GwcNet-RSSM	0.14 136	0.07 56	0.12 62	0.15 24	0.08 40	0.15 131	0.20 208	0.21 102	0.27 178	0.18 151	0.27 183	0.22 171	0.16 166	0.14 113	0.15 159	0.10 197	0.05 77	0.07 72	0.09 183	0.07 122	0.07 120

CFNet-ft	0.14 136	0.07 56	0.15 139	0.12 4	0.09 100	0.16 150	0.18 172	0.22 117	0.24 144	0.17 129	0.26 176	0.24 185	0.14 138	0.16 145	0.14 139	0.11 217	0.06 135	0.08 115	0.09 183	0.09 181	0.08 157

DMCA	0.14 136	0.09 142	0.16 166	0.19 166	0.09 100	0.15 131	0.17 139	0.23 132	0.27 178	0.14 86	0.19 103	0.17 135	0.18 186	0.15 126	0.17 181	0.10 197	0.06 135	0.08 115	0.06 60	0.09 181	0.10 203

RASNet	0.14 136	0.07 56	0.14 110	0.16 47	0.08 40	0.18 172	0.14 54	0.29 195	0.20 102	0.17 129	0.25 166	0.21 159	0.18 186	0.20 193	0.19 197	0.07 109	0.06 135	0.06 23	0.08 152	0.06 86	0.06 84

HSM-Net_RVC	0.14 136	0.08 102	0.11 52	0.15 24	0.08 40	0.15 131	0.15 89	0.27 180	0.29 190	0.19 164	0.21 124	0.29 221	0.14 138	0.17 162	0.13 115	0.06 42	0.06 135	0.06 23	0.06 60	0.07 122	0.06 84
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 136	0.07 56	0.15 139	0.12 4	0.09 100	0.16 150	0.18 172	0.22 117	0.24 144	0.17 129	0.26 176	0.24 185	0.14 138	0.16 145	0.14 139	0.11 217	0.06 135	0.08 115	0.09 183	0.09 181	0.08 157

ccs_rob	0.14 136	0.08 102	0.15 139	0.12 4	0.09 100	0.24 237	0.14 54	0.21 102	0.17 61	0.22 194	0.20 114	0.25 194	0.15 152	0.17 162	0.14 139	0.11 217	0.05 77	0.10 202	0.09 183	0.09 181	0.08 157

UCFNet_RVC	0.14 136	0.08 102	0.13 91	0.11 1	0.10 159	0.20 200	0.10 5	0.24 141	0.22 125	0.17 129	0.20 114	0.23 180	0.15 152	0.17 162	0.15 159	0.12 242	0.07 182	0.10 202	0.13 260	0.11 222	0.10 203

iResNetv2_ROB	0.14 136	0.08 102	0.15 139	0.16 47	0.08 40	0.16 150	0.12 16	0.25 156	0.35 226	0.21 182	0.29 200	0.24 185	0.13 124	0.14 113	0.14 139	0.06 42	0.05 77	0.06 23	0.04 4	0.09 181	0.08 157

iResNet_ROB	0.14 136	0.07 56	0.13 91	0.14 13	0.07 18	0.18 172	0.14 54	0.26 166	0.31 202	0.22 194	0.25 166	0.23 180	0.15 152	0.15 126	0.13 115	0.07 109	0.05 77	0.05 2	0.04 4	0.08 148	0.08 157

BSDual-CNN	0.15 160	0.09 142	0.14 110	0.22 235	0.10 159	0.14 116	0.15 89	0.34 242	0.19 89	0.17 129	0.22 131	0.25 194	0.16 166	0.15 126	0.14 139	0.08 140

Low-res two-view benchmark