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

MLG-Stereo_test2	0.06 1	0.04 1	0.10 108	0.15 70	0.05 1	0.07 28	0.11 46	0.09 11	0.04 2	0.06 9	0.05 7	0.06 16	0.04 1	0.08 15	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.05 121

MLG-Stereo_test1	0.06 1	0.05 17	0.08 30	0.17 216	0.05 1	0.06 8	0.11 46	0.08 4	0.03 1	0.05 1	0.04 1	0.06 16	0.05 11	0.09 33	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

FoundationStereo	0.06 1	0.04 1	0.08 30	0.12 4	0.05 1	0.09 80	0.13 104	0.06 1	0.09 23	0.05 1	0.05 7	0.06 16	0.04 1	0.06 1	0.07 1	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

AdaDepth	0.07 4	0.06 56	0.07 6	0.18 298	0.06 13	0.11 172	0.12 63	0.09 11	0.07 8	0.06 9	0.05 7	0.07 62	0.06 36	0.09 33	0.10 123	0.04 11	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

asda	0.07 4	0.08 236	0.08 30	0.16 142	0.06 13	0.06 8	0.10 27	0.16 132	0.10 36	0.06 9	0.06 13	0.05 1	0.05 11	0.10 61	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

asd	0.07 4	0.08 236	0.07 6	0.16 142	0.07 71	0.08 51	0.08 7	0.11 28	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.10 61	0.09 54	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

qwe	0.07 4	0.08 236	0.07 6	0.15 70	0.06 13	0.07 28	0.10 27	0.18 197	0.11 62	0.07 30	0.07 37	0.06 16	0.06 36	0.10 61	0.09 54	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

2.25w	0.07 4	0.06 56	0.07 6	0.14 30	0.06 13	0.08 51	0.08 7	0.10 17	0.15 159	0.08 62	0.10 117	0.07 62	0.06 36	0.08 15	0.10 123	0.05 27	0.03 1	0.04 1	0.04 34	0.03 1	0.04 40

4.25_new	0.07 4	0.08 236	0.09 72	0.15 70	0.06 13	0.09 80	0.08 7	0.14 75	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.12 189	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 4	0.08 236	0.09 72	0.15 70	0.06 13	0.09 80	0.08 7	0.14 75	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.12 189	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5_new	0.07 4	0.09 311	0.08 30	0.15 70	0.07 71	0.06 8	0.10 27	0.14 75	0.11 62	0.06 9	0.08 70	0.06 16	0.06 36	0.08 15	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5w-stereo	0.07 4	0.09 311	0.08 30	0.15 70	0.07 71	0.06 8	0.10 27	0.14 75	0.11 62	0.06 9	0.08 70	0.06 16	0.06 36	0.08 15	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25w-stereo	0.07 4	0.08 236	0.09 72	0.15 70	0.06 13	0.09 80	0.08 7	0.14 75	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.12 189	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4w-stereo	0.07 4	0.08 236	0.08 30	0.16 142	0.06 13	0.07 28	0.08 7	0.12 43	0.08 12	0.07 30	0.07 37	0.05 1	0.06 36	0.09 33	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

2.5w	0.07 4	0.07 139	0.07 6	0.16 142	0.06 13	0.08 51	0.12 63	0.10 17	0.10 36	0.07 30	0.06 13	0.09 123	0.06 36	0.08 15	0.09 54	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

2.75w_new	0.07 4	0.07 139	0.07 6	0.13 13	0.06 13	0.08 51	0.08 7	0.18 197	0.12 88	0.07 30	0.08 70	0.06 16	0.06 36	0.09 33	0.11 187	0.04 11	0.04 21	0.04 1	0.03 1	0.03 1	0.04 40

3.25w_new	0.07 4	0.06 56	0.07 6	0.15 70	0.06 13	0.10 127	0.07 3	0.12 43	0.11 62	0.08 62	0.06 13	0.07 62	0.06 36	0.11 107	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 56	0.07 6	0.15 70	0.06 13	0.10 127	0.07 3	0.12 43	0.11 62	0.08 62	0.06 13	0.07 62	0.06 36	0.11 107	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.75w	0.07 4	0.07 139	0.08 30	0.16 142	0.07 71	0.07 28	0.09 18	0.16 132	0.09 23	0.07 30	0.06 13	0.05 1	0.06 36	0.09 33	0.10 123	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 139	0.07 6	0.15 70	0.07 71	0.09 80	0.06 1	0.13 59	0.11 62	0.07 30	0.07 37	0.06 16	0.07 106	0.10 61	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 56	0.07 6	0.16 142	0.06 13	0.07 28	0.10 27	0.14 75	0.14 143	0.07 30	0.08 70	0.05 1	0.06 36	0.09 33	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

monsterstereo	0.07 4	0.06 56	0.06 2	0.16 142	0.06 13	0.08 51	0.10 27	0.16 132	0.11 62	0.07 30	0.08 70	0.06 16	0.07 106	0.08 15	0.09 54	0.04 11	0.04 21	0.05 23	0.04 34	0.03 1	0.03 1

monsters	0.07 4	0.06 56	0.06 2	0.15 70	0.06 13	0.08 51	0.09 18	0.12 43	0.08 12	0.09 92	0.07 37	0.06 16	0.06 36	0.08 15	0.08 17	0.05 27	0.04 21	0.04 1	0.04 34	0.03 1	0.03 1

IGEV	0.07 4	0.04 1	0.08 30	0.13 13	0.06 13	0.09 80	0.12 63	0.14 75	0.10 36	0.06 9	0.09 88	0.07 62	0.05 11	0.09 33	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

111111	0.07 4	0.04 1	0.09 72	0.17 216	0.06 13	0.05 4	0.10 27	0.11 28	0.09 23	0.06 9	0.06 13	0.07 62	0.05 11	0.09 33	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.07 258	0.06 199

LG-Stereo_L2	0.07 4	0.05 17	0.10 108	0.14 30	0.06 13	0.07 28	0.12 63	0.09 11	0.09 23	0.06 9	0.04 1	0.05 1	0.05 11	0.08 15	0.08 17	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

LG-Stereo_L1	0.07 4	0.05 17	0.11 149	0.14 30	0.06 13	0.07 28	0.13 104	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 15	0.07 1	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test3	0.07 4	0.05 17	0.10 108	0.14 30	0.06 13	0.07 28	0.11 46	0.08 4	0.06 4	0.06 9	0.04 1	0.06 16	0.06 36	0.07 4	0.10 123	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.06 199

MLG-Stereo	0.07 4	0.05 17	0.08 30	0.17 216	0.05 1	0.07 28	0.11 46	0.08 4	0.04 2	0.05 1	0.04 1	0.06 16	0.05 11	0.10 61	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

LG-G_1	0.07 4	0.04 1	0.11 149	0.15 70	0.06 13	0.09 80	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 106	0.11 107	0.08 17	0.07 238	0.04 21	0.05 23	0.04 34	0.05 100	0.05 121

LG-G	0.07 4	0.04 1	0.11 149	0.15 70	0.06 13	0.09 80	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 106	0.11 107	0.08 17	0.07 238	0.04 21	0.05 23	0.04 34	0.05 100	0.05 121

LGtest1	0.07 4	0.04 1	0.10 108	0.15 70	0.06 13	0.07 28	0.09 18	0.08 4	0.06 4	0.05 1	0.04 1	0.06 16	0.06 36	0.10 61	0.09 54	0.07 238	0.04 21	0.05 23	0.04 34	0.06 192	0.06 199

LG-Stereo_Zeroshot	0.07 4	0.06 56	0.10 108	0.16 142	0.07 71	0.04 1	0.13 104	0.10 17	0.10 36	0.05 1	0.11 147	0.07 62	0.05 11	0.07 4	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

GREAT-IGEV	0.07 4	0.06 56	0.08 30	0.13 13	0.07 71	0.07 28	0.14 152	0.09 11	0.09 23	0.06 9	0.07 37	0.06 16	0.05 11	0.10 61	0.07 1	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

StereoAnything_RVC	0.07 4	0.15 464	0.17 376	0.11 1	0.05 1	0.05 4	0.11 46	0.08 4	0.08 12	0.06 9	0.06 13	0.05 1	0.05 11	0.09 33	0.08 17	0.08 299	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

AIO_rvc	0.07 4	0.06 56	0.08 30	0.15 70	0.06 13	0.08 51	0.14 152	0.09 11	0.08 12	0.07 30	0.08 70	0.07 62	0.04 1	0.10 61	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

AIO_test	0.07 4	0.05 17	0.07 6	0.15 70	0.07 71	0.06 8	0.14 152	0.10 17	0.10 36	0.07 30	0.07 37	0.06 16	0.05 11	0.08 15	0.10 123	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

MonSter	0.07 4	0.06 56	0.05 1	0.15 70	0.05 1	0.07 28	0.10 27	0.15 106	0.15 159	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 4	0.05 17	0.07 6	0.14 30	0.06 13	0.10 127	0.13 104	0.07 2	0.13 119	0.06 9	0.07 37	0.06 16	0.05 11	0.10 61	0.09 54	0.04 11	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

dual_stereo	0.07 4	0.04 1	0.08 30	0.15 70	0.05 1	0.05 4	0.13 104	0.12 43	0.08 12	0.07 30	0.06 13	0.05 1	0.05 11	0.07 4	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

IGEV-Stereo++	0.07 4	0.06 56	0.08 30	0.18 298	0.06 13	0.04 1	0.10 27	0.11 28	0.11 62	0.06 9	0.07 37	0.07 62	0.06 36	0.09 33	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

IGEV-Stereo+	0.07 4	0.04 1	0.08 30	0.15 70	0.06 13	0.04 1	0.09 18	0.10 17	0.09 23	0.06 9	0.06 13	0.06 16	0.06 36	0.06 1	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.06 192	0.06 199

Selective-IGEV	0.07 4	0.06 56	0.08 30	0.17 216	0.06 13	0.08 51	0.12 63	0.13 59	0.07 8	0.08 62	0.07 37	0.06 16	0.04 1	0.10 61	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

GASTEREO	0.08 44	0.05 17	0.09 72	0.19 355	0.07 71	0.07 28	0.12 63	0.14 75	0.11 62	0.10 125	0.09 88	0.07 62	0.04 1	0.12 189	0.08 17	0.06 114	0.05 182	0.05 23	0.04 34	0.04 15	0.05 121

MSCF	0.08 44	0.05 17	0.08 30	0.19 355	0.08 127	0.06 8	0.12 63	0.14 75	0.11 62	0.10 125	0.09 88	0.07 62	0.04 1	0.11 107	0.08 17	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.05 121

S2M2_XL	0.08 44	0.06 56	0.12 184	0.12 4	0.08 127	0.09 80	0.09 18	0.07 2	0.07 8	0.08 62	0.07 37	0.07 62	0.06 36	0.09 33	0.09 54	0.08 299	0.06 306	0.07 194	0.05 107	0.08 321	0.06 199

3w_stereo	0.08 44	0.09 311	0.10 108	0.17 216	0.07 71	0.08 51	0.10 27	0.20 229	0.13 119	0.06 9	0.07 37	0.05 1	0.06 36	0.08 15	0.09 54	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

2w_stereo	0.08 44	0.08 236	0.09 72	0.16 142	0.06 13	0.08 51	0.10 27	0.20 229	0.15 159	0.08 62	0.07 37	0.06 16	0.06 36	0.06 1	0.09 54	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

LG-Stereo	0.08 44	0.07 139	0.10 108	0.18 298	0.07 71	0.10 127	0.17 318	0.11 28	0.08 12	0.05 1	0.07 37	0.05 1	0.07 106	0.09 33	0.09 54	0.04 11	0.05 182	0.07 194	0.07 272	0.04 15	0.04 40

SGD-Stereo	0.08 44	0.05 17	0.10 108	0.14 30	0.05 1	0.12 207	0.12 63	0.11 28	0.12 88	0.07 30	0.09 88	0.09 123	0.09 167	0.08 15	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.03 1

HART	0.08 44	0.07 139	0.09 72	0.17 216	0.07 71	0.10 127	0.16 284	0.13 59	0.11 62	0.08 62	0.10 117	0.07 62	0.05 11	0.10 61	0.08 17	0.05 27	0.04 21	0.06 102	0.04 34	0.05 100	0.04 40

Reg-Stereo(zero)	0.08 44	0.05 17	0.08 30	0.16 142	0.06 13	0.12 207	0.11 46	0.15 106	0.10 36	0.12 192	0.09 88	0.10 154	0.08 141	0.11 107	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

SCV_C0	0.08 44	0.07 139	0.07 6	0.16 142	0.09 239	0.08 51	0.15 219	0.11 28	0.12 88	0.08 62	0.07 37	0.06 16	0.05 11	0.11 107	0.07 1	0.05 27	0.05 182	0.05 23	0.04 34	0.06 192	0.05 121

SCV	0.08 44	0.09 311	0.08 30	0.15 70	0.08 127	0.10 127	0.13 104	0.10 17	0.12 88	0.07 30	0.07 37	0.06 16	0.04 1	0.09 33	0.08 17	0.05 27	0.04 21	0.06 102	0.04 34	0.06 192	0.04 40

DEFOM-Stereo_RVC	0.08 44	0.06 56	0.09 72	0.22 453	0.06 13	0.08 51	0.12 63	0.10 17	0.10 36	0.07 30	0.07 37	0.06 16	0.05 11	0.11 107	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.06 192	0.04 40

HUF	0.08 44	0.05 17	0.08 30	0.14 30	0.06 13	0.09 80	0.13 104	0.13 59	0.13 119	0.07 30	0.07 37	0.08 98	0.06 36	0.10 61	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

castereo++	0.08 44	0.05 17	0.08 30	0.15 70	0.05 1	0.14 278	0.12 63	0.11 28	0.15 159	0.07 30	0.07 37	0.07 62	0.06 36	0.08 15	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

IGEV-RUCA	0.08 44	0.06 56	0.11 149	0.14 30	0.09 239	0.10 127	0.12 63	0.10 17	0.12 88	0.06 9	0.07 37	0.07 62	0.06 36	0.09 33	0.08 17	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.06 199

GIP-stereo	0.08 44	0.06 56	0.11 149	0.14 30	0.06 13	0.09 80	0.13 104	0.14 75	0.11 62	0.07 30	0.08 70	0.05 1	0.04 1	0.10 61	0.07 1	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

SMoEStereo_RVC	0.08 44	0.06 56	0.12 184	0.16 142	0.07 71	0.09 80	0.14 152	0.11 28	0.13 119	0.09 92	0.07 37	0.07 62	0.07 106	0.12 189	0.10 123	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

WCG-NET	0.08 44	0.05 17	0.09 72	0.15 70	0.06 13	0.11 172	0.14 152	0.13 59	0.13 119	0.06 9	0.09 88	0.07 62	0.06 36	0.13 234	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

Occ-G	0.08 44	0.05 17	0.06 2	0.14 30	0.07 71	0.08 51	0.14 152	0.13 59	0.15 159	0.07 30	0.11 147	0.07 62	0.05 11	0.09 33	0.10 123	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.05 121

U	0.08 44	0.07 139	0.09 72	0.19 355	0.10 341	0.10 127	0.13 104	0.12 43	0.17 205	0.07 30	0.07 37	0.06 16	0.05 11	0.07 4	0.08 17	0.06 114	0.04 21	0.06 102	0.04 34	0.06 192	0.05 121

AIO-Stereo	0.08 44	0.06 56	0.09 72	0.18 298	0.06 13	0.08 51	0.12 63	0.15 106	0.09 23	0.08 62	0.08 70	0.07 62	0.05 11	0.11 107	0.08 17	0.05 27	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

WCG-NET（raft）	0.08 44	0.05 17	0.10 108	0.15 70	0.06 13	0.11 172	0.13 104	0.15 106	0.12 88	0.08 62	0.07 37	0.06 16	0.06 36	0.13 234	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

RSM++	0.08 44	0.06 56	0.09 72	0.17 216	0.07 71	0.09 80	0.12 63	0.11 28	0.11 62	0.08 62	0.06 13	0.07 62	0.05 11	0.10 61	0.09 54	0.04 11	0.04 21	0.06 102	0.05 107	0.05 100	0.03 1

RSM	0.08 44	0.06 56	0.09 72	0.17 216	0.06 13	0.08 51	0.12 63	0.12 43	0.10 36	0.08 62	0.07 37	0.06 16	0.05 11	0.11 107	0.09 54	0.04 11	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

trnet	0.08 44	0.05 17	0.07 6	0.12 4	0.05 1	0.12 207	0.11 46	0.13 59	0.10 36	0.08 62	0.13 174	0.09 123	0.08 141	0.11 107	0.10 123	0.08 299	0.05 182	0.05 23	0.03 1	0.06 192	0.05 121

MoCha-V2	0.08 44	0.05 17	0.10 108	0.20 409	0.07 71	0.09 80	0.14 152	0.11 28	0.08 12	0.07 30	0.08 70	0.07 62	0.06 36	0.09 33	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

IGEV++	0.08 44	0.06 56	0.08 30	0.18 298	0.07 71	0.09 80	0.13 104	0.10 17	0.09 23	0.08 62	0.08 70	0.06 16	0.06 36	0.13 234	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

testlalala	0.08 44	0.07 139	0.17 376	0.16 142	0.08 127	0.09 80	0.12 63	0.15 106	0.10 36	0.07 30	0.09 88	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

AEACV	0.08 44	0.05 17	0.08 30	0.14 30	0.13 442	0.14 278	0.13 104	0.14 75	0.09 23	0.07 30	0.09 88	0.07 62	0.08 141	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

LoS_RVC	0.08 44	0.05 17	0.07 6	0.15 70	0.07 71	0.08 51	0.15 219	0.11 28	0.10 36	0.08 62	0.09 88	0.06 16	0.09 167	0.10 61	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

CAS	0.08 44	0.04 1	0.07 6	0.17 216	0.08 127	0.10 127	0.13 104	0.12 43	0.09 23	0.09 92	0.10 117	0.08 98	0.06 36	0.09 33	0.08 17	0.08 299	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

CES	0.08 44	0.04 1	0.08 30	0.14 30	0.07 71	0.09 80	0.14 152	0.11 28	0.09 23	0.08 62	0.09 88	0.11 175	0.06 36	0.12 189	0.08 17	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.05 121

EGLCR-Stereo	0.08 44	0.05 17	0.08 30	0.14 30	0.06 13	0.10 127	0.12 63	0.11 28	0.16 186	0.06 9	0.05 7	0.07 62	0.05 11	0.10 61	0.11 187	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

MC-Stereo	0.08 44	0.06 56	0.09 72	0.17 216	0.06 13	0.10 127	0.14 152	0.12 43	0.10 36	0.09 92	0.12 160	0.09 123	0.06 36	0.11 107	0.10 123	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

test-3	0.08 44	0.06 56	0.09 72	0.17 216	0.07 71	0.07 28	0.14 152	0.12 43	0.15 159	0.09 92	0.08 70	0.07 62	0.08 141	0.11 107	0.10 123	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.04 40

test_1	0.08 44	0.06 56	0.09 72	0.17 216	0.07 71	0.07 28	0.14 152	0.12 43	0.15 159	0.09 92	0.08 70	0.07 62	0.08 141	0.11 107	0.10 123	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.04 40

CREStereo++_RVC	0.08 44	0.04 1	0.06 2	0.13 13	0.07 71	0.09 80	0.12 63	0.14 75	0.14 143	0.10 125	0.14 188	0.08 98	0.07 106	0.09 33	0.11 187	0.06 114	0.04 21	0.05 23	0.05 107	0.04 15	0.04 40
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
water-stereo	0.09 81	0.06 56	0.08 30	0.16 142	0.07 71	0.09 80	0.13 104	0.15 106	0.13 119	0.11 154	0.12 160	0.08 98	0.09 167	0.07 4	0.08 17	0.06 114	0.05 182	0.05 23	0.05 107	0.04 15	0.04 40

depthmonostereo	0.09 81	0.06 56	0.09 72	0.15 70	0.06 13	0.10 127	0.13 104	0.14 75	0.14 143	0.10 125	0.10 117	0.09 123	0.11 224	0.08 15	0.09 54	0.06 114	0.05 182	0.06 102	0.04 34	0.04 15	0.03 1

DilatedVolume-Stereo	0.09 81	0.05 17	0.08 30	0.15 70	0.06 13	0.11 172	0.12 63	0.14 75	0.16 186	0.11 154	0.11 147	0.09 123	0.09 167	0.11 107	0.10 123	0.06 114	0.05 182	0.05 23	0.04 34	0.03 1	0.03 1

S2M2	0.09 81	0.08 236	0.11 149	0.13 13	0.10 341	0.08 51	0.06 1	0.10 17	0.10 36	0.10 125	0.09 88	0.10 154	0.09 167	0.11 107	0.11 187	0.13 476	0.07 378	0.08 278	0.09 382	0.10 414	0.08 343

MM-Stereo_test2	0.09 81	0.06 56	0.09 72	0.19 355	0.08 127	0.12 207	0.18 363	0.15 106	0.14 143	0.07 30	0.10 117	0.07 62	0.06 36	0.12 189	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.03 1

castereo	0.09 81	0.06 56	0.11 149	0.15 70	0.06 13	0.11 172	0.15 219	0.14 75	0.18 231	0.08 62	0.10 117	0.11 175	0.08 141	0.09 33	0.10 123	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

fffft	0.09 81	0.06 56	0.12 184	0.16 142	0.07 71	0.09 80	0.17 318	0.12 43	0.11 62	0.08 62	0.07 37	0.09 123	0.06 36	0.11 107	0.12 236	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.05 121
1: 1. 1
tt45	0.09 81	0.06 56	0.11 149	0.15 70	0.07 71	0.11 172	0.16 284	0.13 59	0.11 62	0.09 92	0.06 13	0.08 98	0.06 36	0.13 234	0.10 123	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

999	0.09 81	0.05 17	0.13 229	0.15 70	0.08 127	0.10 127	0.14 152	0.15 106	0.11 62	0.10 125	0.08 70	0.08 98	0.08 141	0.16 316	0.10 123	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.05 121

mms	0.09 81	0.07 139	0.08 30	0.16 142	0.08 127	0.10 127	0.16 284	0.12 43	0.11 62	0.08 62	0.09 88	0.08 98	0.06 36	0.11 107	0.12 236	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.03 1

ours_stereo	0.09 81	0.07 139	0.09 72	0.17 216	0.08 127	0.11 172	0.16 284	0.11 28	0.12 88	0.08 62	0.10 117	0.08 98	0.06 36	0.12 189	0.12 236	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.03 1

fffy	0.09 81	0.08 236	0.09 72	0.16 142	0.07 71	0.13 246	0.17 318	0.13 59	0.12 88	0.08 62	0.09 88	0.08 98	0.09 167	0.13 234	0.11 187	0.05 27	0.05 182	0.07 194	0.05 107	0.04 15	0.05 121

PAM_32	0.09 81	0.05 17	0.17 376	0.15 70	0.08 127	0.10 127	0.15 219	0.14 75	0.15 159	0.09 92	0.08 70	0.09 123	0.07 106	0.14 260	0.08 17	0.06 114	0.05 182	0.06 102	0.06 185	0.05 100	0.06 199

UGAM-zero	0.09 81	0.05 17	0.15 314	0.15 70	0.08 127	0.09 80	0.13 104	0.19 218	0.15 159	0.11 154	0.15 205	0.07 62	0.07 106	0.09 33	0.09 54	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

GCAP-BAT	0.09 81	0.07 139	0.14 264	0.15 70	0.08 127	0.10 127	0.13 104	0.14 75	0.10 36	0.11 154	0.10 117	0.08 98	0.07 106	0.12 189	0.10 123	0.06 114	0.05 182	0.06 102	0.04 34	0.04 15	0.04 40

Pointernet	0.09 81	0.04 1	0.09 72	0.16 142	0.08 127	0.13 246	0.10 27	0.15 106	0.17 205	0.09 92	0.07 37	0.06 16	0.06 36	0.11 107	0.09 54	0.08 299	0.04 21	0.05 23	0.03 1	0.06 192	0.05 121

IGEV-BASED-STEREO-	0.09 81	0.10 369	0.31 482	0.15 70	0.06 13	0.08 51	0.14 152	0.10 17	0.10 36	0.07 30	0.07 37	0.06 16	0.04 1	0.11 107	0.07 1	0.12 453	0.04 21	0.07 194	0.05 107	0.05 100	0.05 121

RAFT-Stereo-weight	0.09 81	0.06 56	0.10 108	0.16 142	0.07 71	0.09 80	0.14 152	0.19 218	0.16 186	0.11 154	0.10 117	0.08 98	0.06 36	0.10 61	0.11 187	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

gcap-zeroshot	0.09 81	0.05 17	0.10 108	0.16 142	0.07 71	0.13 246	0.13 104	0.11 28	0.12 88	0.13 219	0.12 160	0.09 123	0.08 141	0.09 33	0.09 54	0.06 114	0.05 182	0.06 102	0.05 107	0.04 15	0.04 40

test_for_model	0.09 81	0.12 413	0.14 264	0.23 474	0.11 389	0.08 51	0.13 104	0.12 43	0.12 88	0.10 125	0.07 37	0.07 62	0.06 36	0.11 107	0.10 123	0.06 114	0.05 182	0.05 23	0.03 1	0.07 258	0.04 40

MGS-Stereo	0.09 81	0.07 139	0.12 184	0.15 70	0.08 127	0.09 80	0.15 219	0.12 43	0.12 88	0.07 30	0.10 117	0.08 98	0.06 36	0.10 61	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.06 192	0.05 121

ff7	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

IGEVStereo-DCA	0.09 81	0.06 56	0.11 149	0.15 70	0.10 341	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.08 98	0.06 36	0.10 61	0.08 17	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

ffff	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

rrr	0.09 81	0.06 56	0.12 184	0.15 70	0.10 341	0.11 172	0.16 284	0.16 132	0.15 159	0.10 125	0.06 13	0.08 98	0.06 36	0.10 61	0.08 17	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

11t	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

MaDis-Stereo	0.09 81	0.09 311	0.08 30	0.17 216	0.09 239	0.13 246	0.10 27	0.16 132	0.16 186	0.09 92	0.11 147	0.06 16	0.06 36	0.09 33	0.13 277	0.07 238	0.06 306	0.07 194	0.05 107	0.05 100	0.04 40

IGEV_Zeroshot_test	0.09 81	0.05 17	0.12 184	0.13 13	0.08 127	0.12 207	0.13 104	0.17 168	0.11 62	0.10 125	0.06 13	0.09 123	0.06 36	0.11 107	0.09 54	0.06 114	0.04 21	0.06 102	0.06 185	0.05 100	0.05 121

MSKI-zero shot	0.09 81	0.05 17	0.09 72	0.15 70	0.07 71	0.10 127	0.13 104	0.14 75	0.13 119	0.09 92	0.09 88	0.09 123	0.06 36	0.12 189	0.10 123	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

UniTT-Stereo	0.09 81	0.07 139	0.08 30	0.18 298	0.08 127	0.13 246	0.11 46	0.12 43	0.11 62	0.10 125	0.12 160	0.05 1	0.07 106	0.09 33	0.09 54	0.07 238	0.05 182	0.05 23	0.05 107	0.05 100	0.05 121

MIM_Stereo	0.09 81	0.07 139	0.11 149	0.15 70	0.07 71	0.06 8	0.12 63	0.20 229	0.14 143	0.13 219	0.13 174	0.09 123	0.05 11	0.12 189	0.08 17	0.05 27	0.06 306	0.07 194	0.06 185	0.06 192	0.05 121

CASnet	0.09 81	0.09 311	0.09 72	0.19 355	0.06 13	0.07 28	0.11 46	0.18 197	0.14 143	0.11 154	0.10 117	0.09 123	0.07 106	0.10 61	0.10 123	0.06 114	0.04 21	0.10 406	0.08 337	0.05 100	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 81	0.07 139	0.13 229	0.18 298	0.06 13	0.11 172	0.07 3	0.13 59	0.12 88	0.09 92	0.10 117	0.07 62	0.09 167	0.13 234	0.10 123	0.06 114	0.05 182	0.05 23	0.04 34	0.04 15	0.05 121

RAFT-Test	0.09 81	0.06 56	0.10 108	0.15 70	0.07 71	0.11 172	0.15 219	0.16 132	0.13 119	0.09 92	0.10 117	0.10 154	0.09 167	0.12 189	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

HH	0.09 81	0.06 56	0.13 229	0.17 216	0.08 127	0.10 127	0.16 284	0.14 75	0.10 36	0.08 62	0.09 88	0.08 98	0.07 106	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

HanStereo	0.09 81	0.06 56	0.13 229	0.17 216	0.08 127	0.10 127	0.16 284	0.14 75	0.10 36	0.08 62	0.09 88	0.08 98	0.07 106	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

4D-IteraStereo	0.09 81	0.07 139	0.10 108	0.18 298	0.07 71	0.09 80	0.15 219	0.17 168	0.15 159	0.10 125	0.11 147	0.10 154	0.07 106	0.11 107	0.09 54	0.05 27	0.03 1	0.08 278	0.07 272	0.06 192	0.05 121

anonymousdsp	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.09 92	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

LoS	0.09 81	0.05 17	0.11 149	0.13 13	0.07 71	0.14 278	0.11 46	0.15 106	0.15 159	0.09 92	0.09 88	0.12 192	0.09 167	0.15 282	0.10 123	0.07 238	0.05 182	0.05 23	0.03 1	0.05 100	0.05 121
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 81	0.07 139	0.10 108	0.17 216	0.08 127	0.10 127	0.15 219	0.15 106	0.12 88	0.09 92	0.06 13	0.07 62	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.06 199

RCA-Stereo	0.09 81	0.06 56	0.09 72	0.16 142	0.06 13	0.09 80	0.13 104	0.18 197	0.14 143	0.09 92	0.10 117	0.08 98	0.07 106	0.12 189	0.11 187	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

CroCo-Stereo Lap2	0.09 81	0.09 311	0.08 30	0.22 453	0.09 239	0.09 80	0.19 402	0.16 132	0.12 88	0.09 92	0.10 117	0.05 1	0.05 11	0.08 15	0.08 17	0.06 114	0.06 306	0.07 194	0.05 107	0.05 100	0.05 121

ccc-4	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

IGEV-Stereo	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.09 92	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 81	0.05 17	0.13 229	0.14 30	0.08 127	0.12 207	0.15 219	0.18 197	0.10 36	0.11 154	0.08 70	0.08 98	0.05 11	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.05 121

TRStereo	0.09 81	0.05 17	0.12 184	0.15 70	0.12 420	0.10 127	0.13 104	0.18 197	0.18 231	0.09 92	0.09 88	0.09 123	0.06 36	0.10 61	0.08 17	0.07 238	0.05 182	0.07 194	0.07 272	0.04 15	0.04 40

AnonymousM	0.09 81	0.05 17	0.10 108	0.14 30	0.06 13	0.09 80	0.13 104	0.19 218	0.14 143	0.13 219	0.11 147	0.09 123	0.08 141	0.13 234	0.10 123	0.08 299	0.05 182	0.08 278	0.05 107	0.05 100	0.05 121

CroCo-Stereo	0.09 81	0.08 236	0.08 30	0.22 453	0.09 239	0.09 80	0.19 402	0.15 106	0.12 88	0.07 30	0.07 37	0.08 98	0.06 36	0.08 15	0.07 1	0.07 238	0.05 182	0.06 102	0.04 34	0.05 100	0.04 40
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 81	0.06 56	0.07 6	0.15 70	0.05 1	0.16 334	0.18 363	0.15 106	0.15 159	0.10 125	0.11 147	0.11 175	0.11 224	0.10 61	0.12 236	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

TANstereo	0.09 81	0.04 1	0.08 30	0.13 13	0.06 13	0.11 172	0.14 152	0.15 106	0.19 246	0.11 154	0.15 205	0.10 154	0.06 36	0.12 189	0.09 54	0.07 238	0.05 182	0.05 23	0.04 34	0.06 192	0.05 121

XX-TBD	0.09 81	0.06 56	0.07 6	0.14 30	0.07 71	0.12 207	0.16 284	0.14 75	0.13 119	0.11 154	0.12 160	0.09 123	0.08 141	0.10 61	0.10 123	0.06 114	0.04 21	0.05 23	0.03 1	0.06 192	0.05 121

raftrobust	0.09 81	0.06 56	0.10 108	0.17 216	0.08 127	0.09 80	0.10 27	0.18 197	0.16 186	0.10 125	0.09 88	0.12 192	0.07 106	0.12 189	0.10 123	0.08 299	0.05 182	0.06 102	0.05 107	0.05 100	0.05 121

XX-Stereo	0.09 81	0.05 17	0.08 30	0.17 216	0.09 239	0.15 304	0.12 63	0.20 229	0.10 36	0.10 125	0.14 188	0.07 62	0.06 36	0.12 189	0.08 17	0.06 114	0.05 182	0.06 102	0.06 185	0.04 15	0.04 40

test_xeample3	0.09 81	0.06 56	0.12 184	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.13 119	0.10 125	0.06 13	0.08 98	0.06 36	0.10 61	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

RAFT-Stereo + iAFF	0.09 81	0.06 56	0.10 108	0.17 216	0.06 13	0.10 127	0.16 284	0.17 168	0.14 143	0.09 92	0.10 117	0.08 98	0.09 167	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.06 185	0.04 15	0.03 1

AFF-stereo	0.09 81	0.06 56	0.10 108	0.17 216	0.07 71	0.10 127	0.16 284	0.17 168	0.09 23	0.10 125	0.12 160	0.09 123	0.09 167	0.12 189	0.09 54	0.05 27	0.04 21	0.07 194	0.07 272	0.04 15	0.03 1

EAI-Stereo	0.09 81	0.07 139	0.11 149	0.15 70	0.06 13	0.10 127	0.15 219	0.16 132	0.09 23	0.08 62	0.09 88	0.08 98	0.07 106	0.09 33	0.11 187	0.05 27	0.04 21	0.05 23	0.05 107	0.05 100	0.04 40

CFNet-RSSM	0.09 81	0.07 139	0.09 72	0.16 142	0.07 71	0.09 80	0.15 219	0.16 132	0.17 205	0.08 62	0.12 160	0.10 154	0.09 167	0.11 107	0.09 54	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

Gwc-CoAtRS	0.09 81	0.06 56	0.10 108	0.16 142	0.07 71	0.10 127	0.14 152	0.17 168	0.17 205	0.08 62	0.10 117	0.12 192	0.09 167	0.12 189	0.09 54	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

CREStereo	0.09 81	0.04 1	0.08 30	0.11 1	0.06 13	0.13 246	0.14 152	0.14 75	0.10 36	0.08 62	0.13 174	0.09 123	0.08 141	0.11 107	0.10 123	0.08 299	0.04 21	0.05 23	0.03 1	0.06 192	0.06 199
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 81	0.05 17	0.09 72	0.12 4	0.06 13	0.12 207	0.14 152	0.15 106	0.11 62	0.09 92	0.13 174	0.10 154	0.07 106	0.13 234	0.10 123	0.15 493	0.04 21	0.05 23	0.03 1	0.07 258	0.06 199

MM-Stereo_test3	0.10 142	0.07 139	0.07 6	0.18 298	0.07 71	0.12 207	0.19 402	0.24 316	0.19 246	0.06 9	0.10 117	0.08 98	0.06 36	0.11 107	0.08 17	0.06 114	0.06 306	0.07 194	0.05 107	0.05 100	0.04 40

MM-Stereo_test1	0.10 142	0.07 139	0.08 30	0.18 298	0.07 71	0.12 207	0.18 363	0.21 252	0.20 269	0.09 92	0.11 147	0.08 98	0.06 36	0.10 61	0.10 123	0.06 114	0.05 182	0.07 194	0.06 185	0.05 100	0.04 40

AIO-test2	0.10 142	0.08 236	0.10 108	0.23 474	0.08 127	0.11 172	0.10 27	0.23 294	0.23 308	0.08 62	0.09 88	0.08 98	0.05 11	0.10 61	0.08 17	0.06 114	0.05 182	0.08 278	0.09 382	0.05 100	0.05 121

AIO-test1	0.10 142	0.07 139	0.10 108	0.23 474	0.07 71	0.09 80	0.13 104	0.21 252	0.14 143	0.11 154	0.12 160	0.09 123	0.07 106	0.11 107	0.09 54	0.06 114	0.05 182	0.09 358	0.10 421	0.03 1	0.06 199

tg	0.10 142	0.06 56	0.10 108	0.18 298	0.08 127	0.11 172	0.16 284	0.20 229	0.12 88	0.08 62	0.11 147	0.11 175	0.07 106	0.11 107	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.04 15	0.04 40

PAM	0.10 142	0.05 17	0.16 348	0.15 70	0.08 127	0.09 80	0.16 284	0.15 106	0.16 186	0.12 192	0.09 88	0.09 123	0.07 106	0.13 234	0.08 17	0.06 114	0.05 182	0.06 102	0.06 185	0.05 100	0.06 199

model_zeroshot	0.10 142	0.04 1	0.11 149	0.15 70	0.09 239	0.12 207	0.14 152	0.20 229	0.13 119	0.11 154	0.10 117	0.12 192	0.07 106	0.12 189	0.10 123	0.07 238	0.06 306	0.06 102	0.05 107	0.06 192	0.06 199

RAStereo	0.10 142	0.09 311	0.08 30	0.20 409	0.08 127	0.13 246	0.18 363	0.15 106	0.17 205	0.10 125	0.12 160	0.05 1	0.06 36	0.09 33	0.08 17	0.07 238	0.05 182	0.07 194	0.05 107	0.05 100	0.04 40

rvit_stereo_0080	0.10 142	0.08 236	0.14 264	0.15 70	0.09 239	0.07 28	0.15 219	0.16 132	0.16 186	0.11 154	0.10 117	0.14 237	0.08 141	0.12 189	0.10 123	0.09 358	0.07 378	0.07 194	0.06 185	0.07 258	0.05 121

testlalala2	0.10 142	0.06 56	0.11 149	0.20 409	0.10 341	0.10 127	0.12 63	0.17 168	0.12 88	0.12 192	0.13 174	0.09 123	0.07 106	0.11 107	0.13 277	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.05 121

H2IRNET	0.10 142	0.09 311	0.09 72	0.18 298	0.09 239	0.12 207	0.15 219	0.14 75	0.21 284	0.10 125	0.10 117	0.10 154	0.10 199	0.10 61	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.06 192	0.05 121

Former-RAFT_DAM_RVC	0.10 142	0.08 236	0.12 184	0.16 142	0.08 127	0.15 304	0.16 284	0.18 197	0.18 231	0.10 125	0.09 88	0.09 123	0.08 141	0.11 107	0.12 236	0.07 238	0.05 182	0.08 278	0.06 185	0.07 258	0.06 199

MyStereo07	0.10 142	0.07 139	0.10 108	0.17 216	0.09 239	0.14 278	0.18 363	0.15 106	0.15 159	0.09 92	0.06 13	0.06 16	0.07 106	0.12 189	0.09 54	0.06 114	0.05 182	0.08 278	0.07 272	0.06 192	0.06 199

MyStereo06	0.10 142	0.07 139	0.12 184	0.17 216	0.09 239	0.13 246	0.18 363	0.19 218	0.12 88	0.12 192	0.08 70	0.07 62	0.07 106	0.11 107	0.09 54	0.06 114	0.05 182	0.07 194	0.07 272	0.06 192	0.06 199

AE-Stereo	0.10 142	0.08 236	0.10 108	0.18 298	0.09 239	0.10 127	0.15 219	0.14 75	0.19 246	0.09 92	0.14 188	0.12 192	0.08 141	0.11 107	0.10 123	0.05 27	0.06 306	0.07 194	0.06 185	0.05 100	0.04 40

ACVNet-DCA	0.10 142	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.23 294	0.16 186	0.09 92	0.09 88	0.06 16	0.06 36	0.10 61	0.07 1	0.06 114	0.04 21	0.06 102	0.05 107	0.07 258	0.07 279

cc1	0.10 142	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.16 132	0.18 231	0.09 92	0.09 88	0.06 16	0.06 36	0.10 61	0.07 1	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.06 199

tt1	0.10 142	0.08 236	0.12 184	0.17 216	0.09 239	0.12 207	0.16 284	0.15 106	0.19 246	0.09 92	0.08 70	0.06 16	0.06 36	0.10 61	0.07 1	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.06 199

whm_eth	0.10 142	0.08 236	0.14 264	0.15 70	0.09 239	0.07 28	0.15 219	0.16 132	0.16 186	0.11 154	0.10 117	0.14 237	0.08 141	0.12 189	0.10 123	0.09 358	0.07 378	0.07 194	0.06 185	0.07 258	0.05 121

plain	0.10 142	0.08 236	0.10 108	0.19 355	0.09 239	0.10 127	0.15 219	0.14 75	0.13 119	0.13 219	0.15 205	0.09 123	0.12 254	0.13 234	0.12 236	0.07 238	0.05 182	0.09 358	0.06 185	0.06 192	0.06 199

testlalala_base	0.10 142	0.09 311	0.14 264	0.21 438	0.08 127	0.10 127	0.14 152	0.13 59	0.10 36	0.07 30	0.15 205	0.07 62	0.08 141	0.10 61	0.12 236	0.08 299	0.05 182	0.05 23	0.03 1	0.06 192	0.05 121

Any-RAFT	0.10 142	0.05 17	0.09 72	0.14 30	0.07 71	0.13 246	0.14 152	0.21 252	0.15 159	0.11 154	0.12 160	0.12 192	0.09 167	0.12 189	0.09 54	0.07 238	0.04 21	0.05 23	0.04 34	0.06 192	0.05 121

LL-Strereo2	0.10 142	0.10 369	0.15 314	0.18 298	0.08 127	0.15 304	0.09 18	0.17 168	0.14 143	0.14 240	0.10 117	0.09 123	0.07 106	0.16 316	0.10 123	0.05 27	0.05 182	0.10 406	0.07 272	0.06 192	0.05 121

DCANet-4	0.10 142	0.06 56	0.12 184	0.16 142	0.06 13	0.09 80	0.17 318	0.18 197	0.19 246	0.13 219	0.16 217	0.09 123	0.14 317	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

fff	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.09 80	0.17 318	0.16 132	0.20 269	0.13 219	0.16 217	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

ADStereo(finetuned)	0.10 142	0.06 56	0.12 184	0.16 142	0.06 13	0.09 80	0.17 318	0.15 106	0.19 246	0.13 219	0.17 238	0.10 154	0.12 254	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

test_4	0.10 142	0.10 369	0.08 30	0.19 355	0.09 239	0.08 51	0.22 450	0.15 106	0.17 205	0.12 192	0.18 263	0.12 192	0.09 167	0.08 15	0.11 187	0.04 11	0.04 21	0.08 278	0.08 337	0.04 15	0.03 1

IPLG	0.10 142	0.07 139	0.15 314	0.17 216	0.08 127	0.11 172	0.14 152	0.20 229	0.15 159	0.12 192	0.17 238	0.07 62	0.07 106	0.14 260	0.13 277	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

test_3	0.10 142	0.09 311	0.10 108	0.20 409	0.08 127	0.13 246	0.26 496	0.14 75	0.21 284	0.10 125	0.10 117	0.09 123	0.09 167	0.08 15	0.11 187	0.05 27	0.04 21	0.08 278	0.07 272	0.04 15	0.04 40

STrans-v2	0.10 142	0.07 139	0.12 184	0.18 298	0.07 71	0.10 127	0.14 152	0.21 252	0.11 62	0.11 154	0.15 205	0.12 192	0.10 199	0.11 107	0.12 236	0.05 27	0.04 21	0.06 102	0.06 185	0.04 15	0.04 40

TransformOpticalFlow	0.10 142	0.08 236	0.13 229	0.18 298	0.07 71	0.09 80	0.15 219	0.19 218	0.15 159	0.12 192	0.17 238	0.11 175	0.11 224	0.11 107	0.10 123	0.05 27	0.04 21	0.06 102	0.06 185	0.05 100	0.05 121

SST-Stereo	0.10 142	0.07 139	0.15 314	0.18 298	0.09 239	0.06 8	0.12 63	0.17 168	0.11 62	0.15 267	0.17 238	0.13 217	0.12 254	0.10 61	0.11 187	0.06 114	0.04 21	0.09 358	0.06 185	0.06 192	0.05 121

cross-raft	0.10 142	0.09 311	0.09 72	0.19 355	0.07 71	0.11 172	0.25 488	0.13 59	0.15 159	0.08 62	0.11 147	0.12 192	0.10 199	0.09 33	0.11 187	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

test-1	0.10 142	0.07 139	0.16 348	0.19 355	0.08 127	0.11 172	0.24 473	0.14 75	0.18 231	0.09 92	0.07 37	0.09 123	0.08 141	0.07 4	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

iRaftStereo_RVC	0.10 142	0.07 139	0.09 72	0.17 216	0.09 239	0.11 172	0.17 318	0.18 197	0.12 88	0.09 92	0.12 160	0.10 154	0.07 106	0.11 107	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.04 15	0.04 40

RALCasStereoNet	0.10 142	0.06 56	0.09 72	0.16 142	0.08 127	0.12 207	0.14 152	0.17 168	0.11 62	0.12 192	0.17 238	0.14 237	0.10 199	0.12 189	0.11 187	0.07 238	0.06 306	0.06 102	0.05 107	0.08 321	0.07 279

DCANet	0.10 142	0.06 56	0.12 184	0.16 142	0.06 13	0.09 80	0.17 318	0.15 106	0.19 246	0.13 219	0.17 238	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

csc	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.09 80	0.17 318	0.16 132	0.20 269	0.13 219	0.16 217	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

cscssc	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.09 80	0.17 318	0.16 132	0.20 269	0.13 219	0.16 217	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

111	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.10 127	0.14 152	0.21 252	0.23 308	0.11 154	0.12 160	0.14 237	0.11 224	0.13 234	0.10 123	0.06 114	0.04 21	0.06 102	0.04 34	0.05 100	0.05 121

R-Stereo Train	0.10 142	0.06 56	0.10 108	0.17 216	0.08 127	0.11 172	0.14 152	0.23 294	0.11 62	0.12 192	0.19 272	0.11 175	0.08 141	0.09 33	0.11 187	0.07 238	0.05 182	0.06 102	0.05 107	0.05 100	0.05 121

RAFT-Stereo	0.10 142	0.06 56	0.10 108	0.17 216	0.08 127	0.11 172	0.14 152	0.23 294	0.11 62	0.12 192	0.19 272	0.11 175	0.08 141	0.09 33	0.11 187	0.07 238	0.05 182	0.06 102	0.05 107	0.05 100	0.05 121
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 142	0.06 56	0.12 184	0.14 30	0.06 13	0.11 172	0.10 27	0.18 197	0.18 231	0.13 219	0.16 217	0.14 237	0.11 224	0.15 282	0.13 277	0.06 114	0.04 21	0.04 1	0.04 34	0.06 192	0.05 121
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
FlowAnything_test	0.11 185	0.08 236	0.14 264	0.15 70	0.09 239	0.07 28	0.14 152	0.20 229	0.11 62	0.09 92	0.09 88	0.12 192	0.12 254	0.13 234	0.11 187	0.09 358	0.06 306	0.09 358	0.09 382	0.06 192	0.09 387

xyz-stereo-finetune2	0.11 185	0.07 139	0.13 229	0.13 13	0.07 71	0.11 172	0.19 402	0.17 168	0.12 88	0.15 267	0.15 205	0.17 300	0.12 254	0.13 234	0.11 187	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.06 199

xyz-stereo-finetune	0.11 185	0.08 236	0.13 229	0.14 30	0.06 13	0.10 127	0.19 402	0.17 168	0.19 246	0.12 192	0.14 188	0.15 266	0.10 199	0.13 234	0.11 187	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.05 121

HI	0.11 185	0.06 56	0.11 149	0.13 13	0.09 239	0.09 80	0.14 152	0.21 252	0.10 36	0.19 357	0.17 238	0.14 237	0.09 167	0.16 316	0.08 17	0.05 27	0.04 21	0.07 194	0.08 337	0.07 258	0.06 199

CoSv	0.11 185	0.06 56	0.11 149	0.13 13	0.09 239	0.09 80	0.14 152	0.21 252	0.10 36	0.19 357	0.17 238	0.14 237	0.09 167	0.16 316	0.08 17	0.05 27	0.04 21	0.07 194	0.08 337	0.07 258	0.06 199

rvit_stereo_0081_aga	0.11 185	0.09 311	0.14 264	0.18 298	0.09 239	0.13 246	0.14 152	0.14 75	0.19 246	0.10 125	0.18 263	0.16 280	0.09 167	0.12 189	0.09 54	0.10 399	0.06 306	0.08 278	0.07 272	0.07 258	0.06 199

rvit_stereo_0081	0.11 185	0.08 236	0.15 314	0.16 142	0.09 239	0.10 127	0.14 152	0.14 75	0.24 324	0.11 154	0.13 174	0.13 217	0.09 167	0.11 107	0.12 236	0.10 399	0.07 378	0.08 278	0.07 272	0.07 258	0.05 121

rvit_stereo_0082	0.11 185	0.08 236	0.15 314	0.16 142	0.09 239	0.10 127	0.14 152	0.14 75	0.24 324	0.11 154	0.13 174	0.13 217	0.09 167	0.11 107	0.12 236	0.10 399	0.07 378	0.08 278	0.07 272	0.07 258	0.05 121

AIO-Stereo-zeroshot1	0.11 185	0.05 17	0.14 264	0.15 70	0.20 517	0.09 80	0.17 318	0.21 252	0.15 159	0.11 154	0.14 188	0.10 154	0.07 106	0.10 61	0.08 17	0.06 114	0.05 182	0.07 194	0.07 272	0.07 258	0.09 387

AIO-Stereo-zeroshot	0.11 185	0.05 17	0.11 149	0.15 70	0.13 442	0.13 246	0.16 284	0.23 294	0.17 205	0.10 125	0.12 160	0.10 154	0.07 106	0.11 107	0.09 54	0.06 114	0.05 182	0.06 102	0.06 185	0.07 258	0.08 343

CAS++	0.11 185	0.07 139	0.11 149	0.14 30	0.09 239	0.12 207	0.14 152	0.24 316	0.14 143	0.11 154	0.09 88	0.11 175	0.07 106	0.14 260	0.09 54	0.11 428	0.09 433	0.09 358	0.07 272	0.07 258	0.08 343
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 185	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.16 132	0.18 231	0.09 92	0.09 88	0.16 280	0.16 361	0.10 61	0.07 1	0.06 114	0.04 21	0.08 278	0.08 337	0.07 258	0.07 279

1test111	0.11 185	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.23 294	0.16 186	0.09 92	0.09 88	0.06 16	0.06 36	0.15 282	0.16 358	0.06 114	0.04 21	0.06 102	0.05 107	0.07 258	0.07 279

MIF-Stereo (partial)	0.11 185	0.06 56	0.10 108	0.19 355	0.10 341	0.10 127	0.11 46	0.17 168	0.18 231	0.14 240	0.16 217	0.09 123	0.11 224	0.12 189	0.12 236	0.08 299	0.05 182	0.08 278	0.07 272	0.06 192	0.07 279

EKT-Stereo	0.11 185	0.07 139	0.14 264	0.15 70	0.10 341	0.13 246	0.14 152	0.18 197	0.21 284	0.11 154	0.08 70	0.12 192	0.09 167	0.11 107	0.12 236	0.08 299	0.06 306	0.07 194	0.06 185	0.08 321	0.07 279

anonymousdsp2	0.11 185	0.07 139	0.10 108	0.16 142	0.09 239	0.13 246	0.14 152	0.18 197	0.22 298	0.13 219	0.14 188	0.12 192	0.09 167	0.14 260	0.11 187	0.05 27	0.04 21	0.05 23	0.04 34	0.06 192	0.05 121

DCRE	0.11 185	0.07 139	0.13 229	0.16 142	0.11 389	0.11 172	0.17 318	0.18 197	0.17 205	0.11 154	0.18 263	0.10 154	0.10 199	0.15 282	0.11 187	0.06 114	0.05 182	0.06 102	0.06 185	0.05 100	0.04 40

knoymous	0.11 185	0.05 17	0.12 184	0.13 13	0.07 71	0.15 304	0.14 152	0.19 218	0.13 119	0.11 154	0.17 238	0.13 217	0.09 167	0.13 234	0.11 187	0.08 299	0.05 182	0.06 102	0.05 107	0.08 321	0.07 279

riskmin	0.11 185	0.06 56	0.13 229	0.14 30	0.08 127	0.14 278	0.14 152	0.18 197	0.14 143	0.11 154	0.14 188	0.16 280	0.11 224	0.14 260	0.12 236	0.09 358	0.05 182	0.07 194	0.05 107	0.08 321	0.08 343

Selective-RAFT	0.11 185	0.10 369	0.11 149	0.21 438	0.08 127	0.16 334	0.13 104	0.20 229	0.22 298	0.10 125	0.10 117	0.11 175	0.10 199	0.15 282	0.11 187	0.05 27	0.05 182	0.06 102	0.05 107	0.06 192	0.05 121

DisPM	0.11 185	0.07 139	0.12 184	0.16 142	0.09 239	0.06 8	0.13 104	0.17 168	0.17 205	0.14 240	0.20 284	0.12 192	0.10 199	0.11 107	0.10 123	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.11 439

CIPLG	0.11 185	0.08 236	0.14 264	0.17 216	0.08 127	0.12 207	0.15 219	0.17 168	0.15 159	0.14 240	0.11 147	0.16 280	0.09 167	0.16 316	0.11 187	0.07 238	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

GLC_STEREO	0.11 185	0.07 139	0.11 149	0.17 216	0.07 71	0.09 80	0.13 104	0.15 106	0.24 324	0.12 192	0.13 174	0.12 192	0.08 141	0.18 369	0.11 187	0.06 114	0.08 404	0.08 278	0.06 185	0.05 100	0.05 121

IPLGR_C	0.11 185	0.08 236	0.14 264	0.17 216	0.08 127	0.12 207	0.15 219	0.17 168	0.15 159	0.14 240	0.10 117	0.16 280	0.09 167	0.16 316	0.11 187	0.07 238	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

MIPNet	0.11 185	0.08 236	0.14 264	0.17 216	0.09 239	0.12 207	0.14 152	0.20 229	0.24 324	0.11 154	0.10 117	0.09 123	0.07 106	0.13 234	0.12 236	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

IPLGR	0.11 185	0.09 311	0.16 348	0.18 298	0.08 127	0.12 207	0.17 318	0.21 252	0.24 324	0.11 154	0.12 160	0.11 175	0.08 141	0.12 189	0.12 236	0.06 114	0.05 182	0.06 102	0.06 185	0.04 15	0.04 40

GMOStereo	0.11 185	0.09 311	0.07 6	0.19 355	0.08 127	0.12 207	0.28 509	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 254	0.07 4	0.07 1	0.05 27	0.05 182	0.09 358	0.07 272	0.04 15	0.04 40

error version	0.11 185	0.09 311	0.07 6	0.19 355	0.08 127	0.12 207	0.28 509	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 254	0.07 4	0.07 1	0.05 27	0.05 182	0.09 358	0.07 272	0.04 15	0.04 40

test-v	0.11 185	0.09 311	0.07 6	0.19 355	0.08 127	0.12 207	0.28 509	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 254	0.07 4	0.07 1	0.05 27	0.05 182	0.09 358	0.07 272	0.04 15	0.04 40

ACRE	0.11 185	0.08 236	0.14 264	0.17 216	0.08 127	0.12 207	0.15 219	0.17 168	0.14 143	0.14 240	0.10 117	0.16 280	0.09 167	0.16 316	0.11 187	0.07 238	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

PFNet+	0.11 185	0.06 56	0.13 229	0.16 142	0.09 239	0.05 4	0.12 63	0.17 168	0.21 284	0.16 295	0.19 272	0.14 237	0.10 199	0.11 107	0.11 187	0.08 299	0.05 182	0.09 358	0.08 337	0.06 192	0.11 439

LCNet	0.11 185	0.07 139	0.09 72	0.19 355	0.09 239	0.08 51	0.15 219	0.21 252	0.15 159	0.11 154	0.15 205	0.16 280	0.11 224	0.12 189	0.11 187	0.05 27	0.04 21	0.08 278	0.07 272	0.06 192	0.15 495

HHNet	0.11 185	0.06 56	0.16 348	0.15 70	0.14 462	0.07 28	0.13 104	0.20 229	0.17 205	0.14 240	0.25 364	0.11 175	0.08 141	0.13 234	0.10 123	0.05 27	0.04 21	0.08 278	0.06 185	0.05 100	0.09 387

Patchmatch Stereo++	0.11 185	0.09 311	0.16 348	0.18 298	0.08 127	0.06 8	0.11 46	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 254	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279
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	0.11 185	0.07 139	0.16 348	0.19 355	0.09 239	0.08 51	0.13 104	0.18 197	0.13 119	0.16 295	0.21 305	0.13 217	0.14 317	0.11 107	0.14 314	0.06 114	0.04 21	0.09 358	0.06 185	0.06 192	0.05 121

OMP-Stereo	0.11 185	0.06 56	0.14 264	0.18 298	0.08 127	0.09 80	0.12 63	0.21 252	0.21 284	0.13 219	0.14 188	0.11 175	0.12 254	0.11 107	0.13 277	0.06 114	0.04 21	0.07 194	0.06 185	0.05 100	0.04 40

IIG-Stereo	0.11 185	0.06 56	0.13 229	0.17 216	0.08 127	0.11 172	0.12 63	0.22 274	0.17 205	0.14 240	0.17 238	0.11 175	0.12 254	0.12 189	0.12 236	0.06 114	0.05 182	0.07 194	0.06 185	0.05 100	0.04 40

NF-Stereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 452

OCTAStereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 452

NRIStereo	0.11 185	0.08 236	0.14 264	0.18 298	0.08 127	0.10 127	0.14 152	0.16 132	0.15 159	0.12 192	0.14 188	0.13 217	0.12 254	0.13 234	0.10 123	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.07 279

PSM-adaLoss	0.11 185	0.09 311	0.16 348	0.18 298	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 254	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

PSM-AAD	0.11 185	0.07 139	0.10 108	0.19 355	0.09 239	0.10 127	0.15 219	0.20 229	0.13 119	0.12 192	0.14 188	0.18 314	0.11 224	0.11 107	0.10 123	0.05 27	0.05 182	0.09 358	0.08 337	0.06 192	0.14 488

ROB_FTStereo_v2	0.11 185	0.09 311	0.16 348	0.19 355	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 254	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

ROB_FTStereo	0.11 185	0.09 311	0.16 348	0.19 355	0.08 127	0.06 8	0.11 46	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 254	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

KYRaft	0.11 185	0.07 139	0.10 108	0.19 355	0.09 239	0.08 51	0.15 219	0.22 274	0.12 88	0.13 219	0.16 217	0.20 340	0.10 199	0.12 189	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.06 192	0.16 506

HUI-Stereo	0.11 185	0.09 311	0.16 348	0.18 298	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 254	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

ASMatch	0.11 185	0.06 56	0.13 229	0.16 142	0.10 341	0.07 28	0.14 152	0.17 168	0.17 205	0.12 192	0.16 217	0.16 280	0.10 199	0.13 234	0.10 123	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.08 343

RAFT_R40	0.11 185	0.07 139	0.14 264	0.18 298	0.09 239	0.06 8	0.13 104	0.17 168	0.16 186	0.14 240	0.18 263	0.15 266	0.12 254	0.10 61	0.11 187	0.06 114	0.04 21	0.09 358	0.06 185	0.06 192	0.05 121

GrayStereo	0.11 185	0.06 56	0.11 149	0.19 355	0.09 239	0.09 80	0.16 284	0.18 197	0.17 205	0.14 240	0.17 238	0.17 300	0.11 224	0.12 189	0.11 187	0.05 27	0.05 182	0.07 194	0.06 185	0.05 100	0.10 413

RE-Stereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 452

Pruner-Stereo	0.11 185	0.07 139	0.12 184	0.17 216	0.09 239	0.06 8	0.12 63	0.17 168	0.17 205	0.13 219	0.19 272	0.13 217	0.09 167	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.08 343

TVStereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 452

DeepStereo_RVC	0.11 185	0.08 236	0.16 348	0.18 298	0.08 127	0.08 51	0.12 63	0.17 168	0.12 88	0.13 219	0.14 188	0.12 192	0.12 254	0.12 189	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.07 258	0.08 343

iGMRVC	0.11 185	0.09 311	0.16 348	0.19 355	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 254	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

RAFT-RH_RVC	0.11 185	0.06 56	0.14 264	0.16 142	0.09 239	0.12 207	0.12 63	0.17 168	0.12 88	0.13 219	0.41 493	0.11 175	0.10 199	0.13 234	0.12 236	0.05 27	0.04 21	0.08 278	0.05 107	0.04 15	0.06 199

RAFT-345	0.11 185	0.07 139	0.15 314	0.16 142	0.08 127	0.08 51	0.12 63	0.15 106	0.10 36	0.11 154	0.36 456	0.09 123	0.09 167	0.11 107	0.12 236	0.05 27	0.05 182	0.07 194	0.06 185	0.04 15	0.05 121

iRAFT	0.11 185	0.09 311	0.16 348	0.18 298	0.08 127	0.06 8	0.11 46	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 254	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

CRE-IMP	0.11 185	0.09 311	0.16 348	0.19 355	0.08 127	0.10 127	0.12 63	0.18 197	0.10 36	0.14 240	0.13 174	0.13 217	0.12 254	0.12 189	0.11 187	0.07 238	0.04 21	0.08 278	0.06 185	0.08 321	0.08 343

test-2	0.11 185	0.09 311	0.07 6	0.19 355	0.08 127	0.12 207	0.28 509	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 254	0.07 4	0.07 1	0.05 27	0.05 182	0.09 358	0.07 272	0.04 15	0.04 40

GMM-Stereo	0.11 185	0.07 139	0.10 108	0.18 298	0.09 239	0.08 51	0.15 219	0.23 294	0.16 186	0.11 154	0.15 205	0.13 217	0.11 224	0.11 107	0.11 187	0.05 27	0.04 21	0.08 278	0.07 272	0.06 192	0.09 387

RAFT-IKP	0.11 185	0.09 311	0.16 348	0.19 355	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 254	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

Prome-Stereo	0.11 185	0.06 56	0.10 108	0.18 298	0.08 127	0.12 207	0.15 219	0.22 274	0.13 119	0.12 192	0.17 238	0.13 217	0.08 141	0.12 189	0.10 123	0.05 27	0.04 21	0.07 194	0.06 185	0.06 192	0.09 387

rafts_anoy	0.11 185	0.06 56	0.10 108	0.17 216	0.08 127	0.10 127	0.14 152	0.17 168	0.14 143	0.13 219	0.13 174	0.12 192	0.10 199	0.11 107	0.12 236	0.07 238	0.04 21	0.09 358	0.11 453	0.07 258	0.06 199

raft+_RVC	0.11 185	0.07 139	0.09 72	0.16 142	0.07 71	0.10 127	0.11 46	0.24 316	0.20 269	0.12 192	0.15 205	0.12 192	0.08 141	0.12 189	0.13 277	0.07 238	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

RALAANet	0.11 185	0.08 236	0.10 108	0.17 216	0.09 239	0.14 278	0.10 27	0.20 229	0.15 159	0.14 240	0.13 174	0.16 280	0.09 167	0.12 189	0.11 187	0.06 114	0.05 182	0.07 194	0.06 185	0.05 100	0.04 40

DIP-Stereo	0.11 185	0.07 139	0.14 264	0.17 216	0.09 239	0.13 246	0.09 18	0.16 132	0.16 186	0.11 154	0.16 217	0.14 237	0.12 254	0.15 282	0.13 277	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.12 251	0.08 236	0.17 376	0.16 142	0.09 239	0.11 172	0.15 219	0.14 75	0.26 359	0.11 154	0.14 188	0.13 217	0.10 199	0.12 189	0.12 236	0.10 399	0.08 404	0.09 358	0.07 272	0.07 258	0.05 121

rvit_stereo_ft	0.12 251	0.07 139	0.13 229	0.19 355	0.10 341	0.12 207	0.17 318	0.16 132	0.16 186	0.12 192	0.13 174	0.15 266	0.10 199	0.14 260	0.13 277	0.09 358	0.06 306	0.08 278	0.07 272	0.07 258	0.05 121

test_sample2	0.12 251	0.07 139	0.12 184	0.14 30	0.08 127	0.16 334	0.18 363	0.21 252	0.16 186	0.14 240	0.20 284	0.19 328	0.15 335	0.15 282	0.12 236	0.08 299	0.05 182	0.07 194	0.06 185	0.08 321	0.07 279

MyStereo8	0.12 251	0.07 139	0.15 314	0.15 70	0.09 239	0.18 374	0.14 152	0.19 218	0.22 298	0.12 192	0.18 263	0.11 175	0.10 199	0.16 316	0.18 391	0.07 238	0.05 182	0.07 194	0.05 107	0.08 321	0.09 387

CoDeX	0.12 251	0.07 139	0.12 184	0.17 216	0.08 127	0.12 207	0.15 219	0.23 294	0.27 368	0.13 219	0.17 238	0.16 280	0.11 224	0.14 260	0.11 187	0.07 238	0.05 182	0.07 194	0.06 185	0.06 192	0.05 121

11t1	0.12 251	0.06 56	0.13 229	0.14 30	0.08 127	0.17 355	0.15 219	0.18 197	0.15 159	0.15 267	0.15 205	0.16 280	0.16 361	0.15 282	0.13 277	0.08 299	0.05 182	0.06 102	0.05 107	0.08 321	0.07 279

ffm	0.12 251	0.09 311	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.15 106	0.19 246	0.15 267	0.25 364	0.19 328	0.13 292	0.10 61	0.07 1	0.06 114	0.04 21	0.09 358	0.08 337	0.06 192	0.06 199

RAFT_CTSACE	0.12 251	0.09 311	0.10 108	0.22 453	0.08 127	0.12 207	0.24 473	0.18 197	0.16 186	0.20 379	0.27 389	0.13 217	0.07 106	0.13 234	0.09 54	0.05 27	0.06 306	0.08 278	0.07 272	0.04 15	0.04 40

Sa-1000	0.12 251	0.08 236	0.08 30	0.18 298	0.08 127	0.14 278	0.22 450	0.22 274	0.18 231	0.15 267	0.20 284	0.17 300	0.11 224	0.10 61	0.10 123	0.06 114	0.05 182	0.09 358	0.09 382	0.05 100	0.05 121

SA	0.12 251	0.09 311	0.08 30	0.18 298	0.08 127	0.12 207	0.24 473	0.23 294	0.18 231	0.17 311	0.27 389	0.14 237	0.11 224	0.11 107	0.11 187	0.05 27	0.05 182	0.09 358	0.08 337	0.05 100	0.04 40

iRaft-Stereo_5w	0.12 251	0.09 311	0.12 184	0.19 355	0.08 127	0.09 80	0.12 63	0.21 252	0.21 284	0.19 357	0.14 188	0.11 175	0.09 167	0.20 409	0.16 358	0.05 27	0.05 182	0.07 194	0.06 185	0.05 100	0.06 199

CrosDoStereo	0.12 251	0.06 56	0.12 184	0.14 30	0.08 127	0.12 207	0.15 219	0.17 168	0.22 298	0.19 357	0.24 335	0.15 266	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.07 194	0.07 272	0.05 100	0.05 121

PSM-softLoss	0.12 251	0.07 139	0.15 314	0.17 216	0.09 239	0.08 51	0.13 104	0.24 316	0.17 205	0.14 240	0.19 272	0.13 217	0.11 224	0.11 107	0.11 187	0.07 238	0.05 182	0.08 278	0.07 272	0.06 192	0.12 452

KMStereo	0.12 251	0.07 139	0.15 314	0.17 216	0.09 239	0.08 51	0.13 104	0.24 316	0.17 205	0.14 240	0.19 272	0.13 217	0.11 224	0.11 107	0.11 187	0.07 238	0.05 182	0.08 278	0.07 272	0.06 192	0.12 452

FTStereo	0.12 251	0.06 56	0.14 264	0.18 298	0.09 239	0.07 28	0.15 219	0.21 252	0.18 231	0.12 192	0.24 335	0.12 192	0.12 254	0.13 234	0.13 277	0.05 27	0.05 182	0.07 194	0.06 185	0.06 192	0.10 413

DeepStereo_LL	0.12 251	0.06 56	0.12 184	0.14 30	0.08 127	0.12 207	0.15 219	0.17 168	0.22 298	0.19 357	0.24 335	0.15 266	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.07 194	0.07 272	0.05 100	0.05 121

DEmStereo	0.12 251	0.06 56	0.14 264	0.14 30	0.10 341	0.16 334	0.15 219	0.16 132	0.24 324	0.17 311	0.24 335	0.13 217	0.14 317	0.12 189	0.13 277	0.05 27	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

THIR-Stereo	0.12 251	0.07 139	0.11 149	0.15 70	0.08 127	0.14 278	0.16 284	0.17 168	0.25 345	0.16 295	0.24 335	0.14 237	0.12 254	0.12 189	0.14 314	0.06 114	0.04 21	0.07 194	0.07 272	0.05 100	0.05 121

DRaft	0.12 251	0.06 56	0.11 149	0.14 30	0.09 239	0.14 278	0.17 318	0.21 252	0.30 399	0.17 311	0.28 403	0.10 154	0.15 335	0.10 61	0.12 236	0.05 27	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

PFNet	0.12 251	0.06 56	0.17 376	0.17 216	0.08 127	0.09 80	0.15 219	0.26 350	0.20 269	0.16 295	0.16 217	0.14 237	0.11 224	0.12 189	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

IRAFT_RVC	0.12 251	0.08 236	0.16 348	0.19 355	0.08 127	0.07 28	0.15 219	0.24 316	0.23 308	0.14 240	0.14 188	0.15 266	0.12 254	0.12 189	0.10 123	0.06 114	0.04 21	0.09 358	0.06 185	0.06 192	0.06 199

sCroCo_RVC	0.12 251	0.09 311	0.23 445	0.24 483	0.11 389	0.19 397	0.14 152	0.17 168	0.14 143	0.10 125	0.13 174	0.12 192	0.07 106	0.14 260	0.11 187	0.08 299	0.08 404	0.08 278	0.08 337	0.05 100	0.07 279

ARAFT	0.12 251	0.08 236	0.17 376	0.19 355	0.09 239	0.14 278	0.18 363	0.20 229	0.12 88	0.12 192	0.13 174	0.14 237	0.11 224	0.15 282	0.12 236	0.06 114	0.05 182	0.10 406	0.09 382	0.05 100	0.04 40

BEATNet_4x	0.12 251	0.08 236	0.14 264	0.18 298	0.07 71	0.15 304	0.07 3	0.22 274	0.18 231	0.16 295	0.19 272	0.18 314	0.14 317	0.16 316	0.15 342	0.07 238	0.05 182	0.05 23	0.05 107	0.06 192	0.06 199

MLCV	0.12 251	0.07 139	0.16 348	0.18 298	0.06 13	0.15 304	0.17 318	0.19 218	0.21 284	0.18 341	0.25 364	0.17 300	0.13 292	0.14 260	0.13 277	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

G2L-ROB	0.13 276	0.06 56	0.13 229	0.13 13	0.08 127	0.14 278	0.16 284	0.25 332	0.18 231	0.19 357	0.18 263	0.20 340	0.14 317	0.17 348	0.16 358	0.08 299	0.05 182	0.06 102	0.05 107	0.08 321	0.09 387

xyz-stereo	0.13 276	0.07 139	0.20 422	0.15 70	0.05 1	0.20 412	0.15 219	0.17 168	0.31 406	0.15 267	0.29 415	0.26 413	0.16 361	0.13 234	0.12 236	0.05 27	0.05 182	0.06 102	0.05 107	0.04 15	0.04 40

DFGA-Net	0.13 276	0.11 395	0.18 399	0.17 216	0.10 341	0.12 207	0.13 104	0.22 274	0.25 345	0.16 295	0.16 217	0.13 217	0.12 254	0.16 316	0.14 314	0.07 238	0.05 182	0.08 278	0.07 272	0.05 100	0.05 121

FACV-RUCA	0.13 276	0.11 395	0.12 184	0.19 355	0.12 420	0.15 304	0.15 219	0.22 274	0.20 269	0.15 267	0.16 217	0.14 237	0.16 361	0.14 260	0.13 277	0.07 238	0.05 182	0.08 278	0.06 185	0.10 414	0.08 343

UGAM	0.13 276	0.10 369	0.09 72	0.22 453	0.08 127	0.12 207	0.20 423	0.17 168	0.23 308	0.21 393	0.16 217	0.13 217	0.13 292	0.19 384	0.12 236	0.07 238	0.05 182	0.13 471	0.11 453	0.07 258	0.05 121

test_sample1	0.13 276	0.07 139	0.14 264	0.13 13	0.08 127	0.19 397	0.16 284	0.20 229	0.15 159	0.14 240	0.22 314	0.18 314	0.16 361	0.17 348	0.14 314	0.07 238	0.06 306	0.06 102	0.06 185	0.08 321	0.07 279

qqq1	0.13 276	0.07 139	0.17 376	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 335	0.15 282	0.11 187	0.08 299	0.05 182	0.05 23	0.05 107	0.06 192	0.06 199

fff1	0.13 276	0.07 139	0.17 376	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 335	0.15 282	0.11 187	0.08 299	0.05 182	0.05 23	0.05 107	0.06 192	0.06 199

MyStereo05	0.13 276	0.07 139	0.10 108	0.17 216	0.09 239	0.13 246	0.18 363	0.27 371	0.35 441	0.17 311	0.14 188	0.15 266	0.11 224	0.15 282	0.13 277	0.06 114	0.05 182	0.07 194	0.07 272	0.06 192	0.06 199

MyStereo04	0.13 276	0.07 139	0.10 108	0.17 216	0.09 239	0.14 278	0.18 363	0.29 401	0.38 458	0.17 311	0.14 188	0.16 280	0.10 199	0.15 282	0.13 277	0.06 114	0.05 182	0.08 278	0.07 272	0.06 192	0.06 199

ff1	0.13 276	0.09 311	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.15 106	0.19 246	0.15 267	0.25 364	0.19 328	0.13 292	0.14 260	0.20 409	0.06 114	0.04 21	0.09 358	0.08 337	0.06 192	0.06 199

StereoVision	0.13 276	0.12 413	0.09 72	0.24 483	0.10 341	0.15 304	0.21 440	0.21 252	0.20 269	0.12 192	0.24 335	0.10 154	0.10 199	0.16 316	0.10 123	0.09 358	0.11 465	0.12 456	0.12 472	0.06 192	0.05 121

LL-Strereo	0.13 276	0.09 311	0.11 149	0.20 409	0.10 341	0.11 172	0.18 363	0.32 436	0.24 324	0.15 267	0.15 205	0.14 237	0.13 292	0.19 384	0.11 187	0.06 114	0.04 21	0.09 358	0.08 337	0.04 15	0.05 121

CASS	0.13 276	0.12 413	0.11 149	0.23 474	0.09 239	0.15 304	0.17 318	0.18 197	0.19 246	0.17 311	0.18 263	0.15 266	0.15 335	0.14 260	0.14 314	0.09 358	0.06 306	0.10 406	0.08 337	0.09 382	0.07 279
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 276	0.07 139	0.13 229	0.18 298	0.09 239	0.13 246	0.17 318	0.19 218	0.29 389	0.15 267	0.24 335	0.15 266	0.14 317	0.14 260	0.14 314	0.07 238	0.05 182	0.07 194	0.09 382	0.05 100	0.06 199

TestStereo1	0.13 276	0.08 236	0.08 30	0.19 355	0.08 127	0.18 374	0.29 518	0.23 294	0.16 186	0.17 311	0.20 284	0.16 280	0.10 199	0.12 189	0.13 277	0.06 114	0.06 306	0.08 278	0.06 185	0.05 100	0.05 121

qqq	0.13 276	0.09 311	0.15 314	0.16 142	0.08 127	0.13 246	0.15 219	0.23 294	0.16 186	0.15 267	0.19 272	0.16 280	0.16 361	0.15 282	0.16 358	0.07 238	0.06 306	0.08 278	0.08 337	0.07 258	0.07 279

x	0.13 276	0.07 139	0.14 264	0.14 30	0.08 127	0.18 374	0.14 152	0.22 274	0.20 269	0.15 267	0.19 272	0.19 328	0.17 384	0.18 369	0.18 391	0.07 238	0.05 182	0.06 102	0.06 185	0.07 258	0.07 279

raft_robust	0.13 276	0.10 369	0.07 6	0.18 298	0.08 127	0.13 246	0.24 473	0.28 390	0.33 420	0.20 379	0.19 272	0.14 237	0.10 199	0.11 107	0.12 236	0.05 27	0.05 182	0.07 194	0.07 272	0.05 100	0.04 40

RAFT+CT+SA	0.13 276	0.11 395	0.09 72	0.19 355	0.09 239	0.15 304	0.28 509	0.22 274	0.22 298	0.15 267	0.26 381	0.10 154	0.10 199	0.11 107	0.12 236	0.05 27	0.04 21	0.07 194	0.08 337	0.07 258	0.06 199

SA-5K	0.13 276	0.08 236	0.08 30	0.19 355	0.08 127	0.18 374	0.29 518	0.23 294	0.16 186	0.17 311	0.20 284	0.16 280	0.10 199	0.12 189	0.13 277	0.06 114	0.06 306	0.08 278	0.06 185	0.05 100	0.05 121

GwcNet-ADL	0.13 276	0.08 236	0.14 264	0.20 409	0.09 239	0.11 172	0.20 423	0.30 415	0.24 324	0.13 219	0.14 188	0.18 314	0.14 317	0.13 234	0.14 314	0.07 238	0.05 182	0.06 102	0.05 107	0.07 258	0.06 199

GANet-ADL	0.13 276	0.07 139	0.15 314	0.17 216	0.10 341	0.18 374	0.15 219	0.30 415	0.20 269	0.13 219	0.18 263	0.19 328	0.12 254	0.16 316	0.13 277	0.08 299	0.06 306	0.06 102	0.05 107	0.07 258	0.08 343

RAFT	0.13 276	0.09 311	0.11 149	0.18 298	0.08 127	0.15 304	0.24 473	0.20 229	0.19 246	0.21 393	0.21 305	0.17 300	0.12 254	0.16 316	0.09 54	0.06 114	0.07 378	0.10 406	0.09 382	0.05 100	0.05 121

TestStereo	0.13 276	0.14 454	0.11 149	0.23 474	0.08 127	0.15 304	0.21 440	0.20 229	0.23 308	0.14 240	0.24 335	0.16 280	0.12 254	0.16 316	0.14 314	0.05 27	0.06 306	0.08 278	0.06 185	0.09 382	0.05 121

sAnonymous2	0.13 276	0.12 413	0.24 449	0.20 409	0.12 420	0.17 355	0.13 104	0.26 350	0.21 284	0.11 154	0.11 147	0.13 217	0.08 141	0.10 61	0.10 123	0.09 358	0.05 182	0.08 278	0.06 185	0.15 497	0.10 413

CroCo_RVC	0.13 276	0.12 413	0.24 449	0.20 409	0.12 420	0.17 355	0.13 104	0.26 350	0.21 284	0.11 154	0.11 147	0.13 217	0.08 141	0.10 61	0.10 123	0.09 358	0.05 182	0.08 278	0.06 185	0.15 497	0.10 413

RAFT + AFF	0.13 276	0.07 139	0.20 422	0.20 409	0.10 341	0.14 278	0.24 473	0.26 350	0.20 269	0.11 154	0.10 117	0.12 192	0.10 199	0.15 282	0.12 236	0.07 238	0.06 306	0.09 358	0.08 337	0.06 192	0.08 343

GMStereo	0.13 276	0.14 454	0.14 264	0.18 298	0.09 239	0.15 304	0.16 284	0.20 229	0.24 324	0.16 295	0.17 238	0.10 154	0.10 199	0.16 316	0.13 277	0.07 238	0.06 306	0.06 102	0.06 185	0.07 258	0.06 199
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 276	0.07 139	0.14 264	0.17 216	0.09 239	0.15 304	0.16 284	0.28 390	0.27 368	0.14 240	0.17 238	0.12 192	0.13 292	0.14 260	0.11 187	0.08 299	0.05 182	0.07 194	0.07 272	0.07 258	0.06 199

FENet	0.13 276	0.08 236	0.12 184	0.16 142	0.08 127	0.14 278	0.15 219	0.22 274	0.23 308	0.17 311	0.23 323	0.16 280	0.12 254	0.14 260	0.15 342	0.08 299	0.05 182	0.08 278	0.08 337	0.07 258	0.07 279

cf-r	0.13 276	0.07 139	0.12 184	0.16 142	0.08 127	0.14 278	0.19 402	0.20 229	0.25 345	0.17 311	0.25 364	0.21 349	0.16 361	0.14 260	0.14 314	0.10 399	0.05 182	0.06 102	0.08 337	0.06 192	0.06 199

iResNet	0.13 276	0.10 369	0.18 399	0.19 355	0.08 127	0.13 246	0.18 363	0.20 229	0.26 359	0.15 267	0.23 323	0.15 266	0.13 292	0.14 260	0.14 314	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.05 121

DN-CSS_ROB	0.13 276	0.13 442	0.16 348	0.18 298	0.10 341	0.16 334	0.08 7	0.22 274	0.18 231	0.17 311	0.22 314	0.13 217	0.13 292	0.12 189	0.13 277	0.05 27	0.05 182	0.10 406	0.10 421	0.08 321	0.06 199

G2L-Stereo_test	0.14 310	0.07 139	0.11 149	0.13 13	0.08 127	0.12 207	0.16 284	0.30 415	0.28 382	0.20 379	0.23 323	0.20 340	0.16 361	0.17 348	0.18 391	0.07 238	0.05 182	0.05 23	0.05 107	0.07 258	0.06 199

coex_refinement	0.14 310	0.07 139	0.12 184	0.17 216	0.10 341	0.15 304	0.15 219	0.26 350	0.29 389	0.18 341	0.20 284	0.22 367	0.17 384	0.16 316	0.18 391	0.08 299	0.05 182	0.06 102	0.06 185	0.09 382	0.08 343

G2L-Stereo	0.14 310	0.07 139	0.13 229	0.17 216	0.09 239	0.13 246	0.12 63	0.27 371	0.22 298	0.16 295	0.27 389	0.21 349	0.13 292	0.17 348	0.18 391	0.09 358	0.08 404	0.08 278	0.07 272	0.07 258	0.07 279

rvit_0105_6	0.14 310	0.09 311	0.18 399	0.17 216	0.10 341	0.10 127	0.16 284	0.19 218	0.26 359	0.12 192	0.18 263	0.17 300	0.12 254	0.18 369	0.12 236	0.15 493	0.11 465	0.12 456	0.10 421	0.09 382	0.06 199

rvit_0105_5	0.14 310	0.09 311	0.13 229	0.17 216	0.09 239	0.14 278	0.23 461	0.24 316	0.27 368	0.14 240	0.15 205	0.18 314	0.12 254	0.17 348	0.14 314	0.14 489	0.11 465	0.10 406	0.10 421	0.08 321	0.06 199

rvit_0105_4	0.14 310	0.09 311	0.17 376	0.17 216	0.10 341	0.12 207	0.19 402	0.23 294	0.27 368	0.14 240	0.20 284	0.17 300	0.13 292	0.17 348	0.13 277	0.15 493	0.11 465	0.11 437	0.10 421	0.09 382	0.06 199

DCVSM-stereo	0.14 310	0.09 311	0.16 348	0.16 142	0.10 341	0.15 304	0.09 18	0.19 218	0.23 308	0.20 379	0.23 323	0.26 413	0.15 335	0.18 369	0.14 314	0.09 358	0.07 378	0.09 358	0.08 337	0.10 414	0.12 452

test_sample6	0.14 310	0.08 236	0.13 229	0.16 142	0.08 127	0.17 355	0.19 402	0.25 332	0.17 205	0.17 311	0.27 389	0.19 328	0.14 317	0.15 282	0.13 277	0.08 299	0.05 182	0.08 278	0.07 272	0.08 321	0.08 343

test_sample5	0.14 310	0.08 236	0.14 264	0.16 142	0.08 127	0.18 374	0.18 363	0.25 332	0.17 205	0.17 311	0.27 389	0.18 314	0.14 317	0.16 316	0.13 277	0.08 299	0.05 182	0.08 278	0.07 272	0.08 321	0.08 343

test_sample4	0.14 310	0.08 236	0.14 264	0.15 70	0.08 127	0.19 397	0.18 363	0.26 350	0.17 205	0.16 295	0.25 364	0.18 314	0.14 317	0.16 316	0.13 277	0.08 299	0.06 306	0.08 278	0.06 185	0.08 321	0.08 343

test_sample3	0.14 310	0.08 236	0.15 314	0.14 30	0.09 239	0.19 397	0.17 318	0.26 350	0.18 231	0.16 295	0.22 314	0.19 328	0.15 335	0.17 348	0.13 277	0.08 299	0.06 306	0.07 194	0.06 185	0.09 382	0.08 343

DispNO	0.14 310	0.08 236	0.17 376	0.19 355	0.12 420	0.11 172	0.21 440	0.23 294	0.29 389	0.17 311	0.23 323	0.18 314	0.17 384	0.15 282	0.15 342	0.07 238	0.05 182	0.08 278	0.08 337	0.07 258	0.06 199

SMFormer	0.14 310	0.07 139	0.17 376	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 335	0.15 282	0.17 373	0.08 299	0.05 182	0.07 194	0.06 185	0.07 258	0.06 199

tta	0.14 310	0.07 139	0.17 376	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 335	0.15 282	0.17 373	0.08 299	0.05 182	0.07 194	0.06 185	0.06 192	0.06 199

mmm	0.14 310	0.08 236	0.17 376	0.17 216	0.09 239	0.17 355	0.18 363	0.21 252	0.15 159	0.15 267	0.23 323	0.21 349	0.16 361	0.16 316	0.17 373	0.08 299	0.05 182	0.08 278	0.07 272	0.07 258	0.07 279

DualNet	0.14 310	0.08 236	0.14 264	0.16 142	0.08 127	0.18 374	0.18 363	0.25 332	0.17 205	0.17 311	0.27 389	0.18 314	0.14 317	0.16 316	0.13 277	0.08 299	0.05 182	0.08 278	0.07 272	0.08 321	0.08 343

mmx	0.14 310	0.09 311	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.27 371	0.25 345	0.15 267	0.25 364	0.19 328	0.13 292	0.14 260	0.20 409	0.08 299	0.06 306	0.09 358	0.08 337	0.08 321	0.08 343

ttt	0.14 310	0.08 236	0.14 264	0.15 70	0.08 127	0.15 304	0.18 363	0.27 371	0.29 389	0.16 295	0.24 335	0.17 300	0.13 292	0.13 234	0.14 314	0.11 428	0.08 404	0.09 358	0.08 337	0.09 382	0.08 343

xxx	0.14 310	0.09 311	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.27 371	0.25 345	0.15 267	0.25 364	0.19 328	0.13 292	0.14 260	0.20 409	0.08 299	0.06 306	0.09 358	0.08 337	0.08 321	0.08 343

PCWNet_CMD	0.14 310	0.08 236	0.15 314	0.17 216	0.09 239	0.14 278	0.14 152	0.29 401	0.36 445	0.14 240	0.20 284	0.21 349	0.12 254	0.17 348	0.13 277	0.07 238	0.05 182	0.07 194	0.07 272	0.07 258	0.07 279

CBFPSM	0.14 310	0.06 56	0.26 457	0.17 216	0.09 239	0.13 246	0.15 219	0.22 274	0.23 308	0.20 379	0.27 389	0.24 391	0.16 361	0.16 316	0.18 391	0.06 114	0.06 306	0.06 102	0.07 272	0.07 258	0.07 279

gwcnet-sp	0.14 310	0.07 139	0.12 184	0.18 298	0.09 239	0.16 334	0.17 318	0.24 316	0.24 324	0.18 341	0.24 335	0.15 266	0.16 361	0.15 282	0.15 342	0.08 299	0.06 306	0.07 194	0.08 337	0.08 321	0.07 279

scenet	0.14 310	0.07 139	0.12 184	0.18 298	0.09 239	0.16 334	0.17 318	0.24 316	0.24 324	0.18 341	0.24 335	0.15 266	0.16 361	0.15 282	0.15 342	0.08 299	0.06 306	0.07 194	0.08 337	0.08 321	0.07 279

ssnet	0.14 310	0.07 139	0.12 184	0.18 298	0.09 239	0.16 334	0.17 318	0.24 316	0.24 324	0.18 341	0.24 335	0.15 266	0.16 361	0.15 282	0.15 342	0.08 299	0.06 306	0.07 194	0.08 337	0.08 321	0.07 279

BUS	0.14 310	0.09 311	0.14 264	0.22 453	0.10 341	0.19 397	0.14 152	0.34 464	0.19 246	0.17 311	0.22 314	0.16 280	0.13 292	0.15 282	0.13 277	0.08 299	0.06 306	0.10 406	0.09 382	0.07 258	0.07 279

IER	0.14 310	0.07 139	0.13 229	0.17 216	0.09 239	0.14 278	0.16 284	0.25 332	0.26 359	0.18 341	0.25 364	0.17 300	0.20 426	0.16 316	0.14 314	0.08 299	0.05 182	0.07 194	0.06 185	0.08 321	0.07 279

test_5	0.14 310	0.12 413	0.08 30	0.20 409	0.10 341	0.14 278	0.29 518	0.21 252	0.24 324	0.18 341	0.28 403	0.11 175	0.15 335	0.12 189	0.13 277	0.06 114	0.05 182	0.07 194	0.08 337	0.08 321	0.07 279

psmg	0.14 310	0.09 311	0.14 264	0.17 216	0.10 341	0.15 304	0.17 318	0.29 401	0.19 246	0.17 311	0.21 305	0.25 404	0.16 361	0.15 282	0.14 314	0.08 299	0.06 306	0.08 278	0.08 337	0.07 258	0.06 199

UDGNet	0.14 310	0.13 442	0.16 348	0.17 216	0.10 341	0.12 207	0.16 284	0.21 252	0.27 368	0.20 379	0.20 284	0.16 280	0.13 292	0.16 316	0.13 277	0.10 399	0.06 306	0.09 358	0.07 272	0.06 192	0.07 279

CFNet_pseudo	0.14 310	0.08 236	0.15 314	0.16 142	0.09 239	0.13 246	0.14 152	0.27 371	0.34 432	0.14 240	0.21 305	0.22 367	0.13 292	0.18 369	0.14 314	0.07 238	0.05 182	0.08 278	0.06 185	0.07 258	0.07 279

GES	0.14 310	0.08 236	0.16 348	0.15 70	0.10 341	0.13 246	0.13 104	0.28 390	0.25 345	0.16 295	0.23 323	0.18 314	0.13 292	0.16 316	0.13 277	0.08 299	0.07 378	0.07 194	0.06 185	0.08 321	0.09 387

GANet-RSSM	0.14 310	0.07 139	0.13 229	0.13 13	0.08 127	0.14 278	0.17 318	0.22 274	0.21 284	0.17 311	0.24 335	0.23 385	0.15 335	0.16 316	0.15 342	0.10 399	0.06 306	0.07 194	0.08 337	0.08 321	0.07 279

PSMNet-RSSM	0.14 310	0.07 139	0.13 229	0.15 70	0.08 127	0.13 246	0.16 284	0.24 316	0.24 324	0.16 295	0.28 403	0.22 367	0.14 317	0.15 282	0.13 277	0.11 428	0.06 306	0.09 358	0.12 472	0.08 321	0.07 279

GwcNet-RSSM	0.14 310	0.07 139	0.12 184	0.15 70	0.08 127	0.15 304	0.20 423	0.21 252	0.27 368	0.18 341	0.27 389	0.22 367	0.16 361	0.14 260	0.15 342	0.10 399	0.05 182	0.07 194	0.09 382	0.07 258	0.07 279

CFNet-ft	0.14 310	0.07 139	0.15 314	0.12 4	0.09 239	0.16 334	0.18 363	0.22 274	0.24 324	0.17 311	0.26 381	0.24 391	0.14 317	0.16 316	0.14 314	0.11 428	0.06 306	0.08 278	0.09 382	0.09 382	0.08 343

DMCA	0.14 310	0.09 311	0.16 348	0.19 355	0.09 239	0.15 304	0.17 318	0.23 294	0.27 368	0.14 240	0.19 272	0.17 300	0.18 398	0.15 282	0.17 373	0.10 399	0.06 306	0.08 278	0.06 185	0.09 382	0.10 413

RASNet	0.14 310	0.07 139	0.14 264	0.16 142	0.08 127	0.18 374	0.14 152	0.29 401	0.20 269	0.17 311	0.25 364	0.21 349	0.18 398	0.20 409	0.19 403	0.07 238	0.06 306	0.06 102	0.08 337	0.06 192	0.06 199

MSMDNet	0.14 310	0.08 236	0.15 314	0.17 216	0.09 239	0.14 278	0.14 152	0.29 401	0.36 445	0.14 240	0.21 305	0.21 349	0.12 254	0.17 348	0.14 314	0.07 238	0.05 182	0.07 194	0.07 272	0.07 258	0.07 279

HSM-Net_RVC	0.14 310	0.08 236	0.11 149	0.15 70	0.08 127	0.15 304	0.15 219	0.27 371	0.29 389	0.19 357	0.21 305	0.29 439	0.14 317	0.17 348	0.13 277	0.06 114	0.06 306	0.06 102	0.06 185	0.07 258	0.06 199
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 310	0.07 139	0.15 314	0.12 4	0.09 239	0.16 334	0.18 363	0.22 274	0.24 324	0.17 311	0.26 381	0.24 391	0.14 317	0.16 316	0.14 314	0.11 428	0.06 306	0.08 278	0.09 382	0.09 382	0.08 343

ccs_rob	0.14 310	0.08 236	0.15 314	0.16 142	0.09 239	0.12 207	0.14 152	0.27 371	0.34 432	0.14 240	0.21 305	0.22 367	0.13 292	0.18 369	0.14 314	0.07 238	0.05 182	0.08 278	0.07 272	0.07 258	0.07 279

UCFNet_RVC	0.14 310	0.08 236	0.13 229	0.11 1	0.10 341	0.20 412	0.10 27	0.24 316	0.22 298	0.17 311	0.20 284	0.23 385	0.15 335	0.17 348	0.15 342	0.12 453	0.07 378	0.10 406	0.13 482	0.11 436	0.10 413

iResNetv2_ROB	0.14 310	0.08 236	0.15 314	0.16 142	0.08 127	0.16 334	0.12 63	0.25 332	0.35 441	0.21 393	0.29 415	0.24 391	0.13 292	0.14 260	0.14 314	0.06 114	0.05 182	0.06 102	0.04 34	0.09 382	0.08 343

iResNet_ROB	0.14 310	0.07 139	0.13 229	0.14 30	0.07 71	0.18 374	0.14 152	0.26 350	0.31 406	0.22 409	0.25 364	0.23 385	0.15 335	0.15 282	0.13 277	0.07 238	0.05 182	0.05 23	0.04 34	0.08 321	0.08 343

DDVS	0.15 354	0.10 369	0.21 430	0.16 142	0.12 420	0.15 304	0.14 152	0.25 332	0.19 246	0.18 341	0.29 415	0.27 421	0.12 254	0.19 384	0.15 342	0.09 358	0.06 306	0.09 358	0.07 272	0.11 436	0.11 439

rvit_0105_3	0.15 354	0.09 311	0.14 264	0.19 355	0.12 420	0.15 304	0.25 488	0.25 332	0.29 389	0.15 267	0.17 238	0.20 340	0.13 292	0.17 348	0.14 314	0.13 476	0.11 465	0.12 456	0.14 485	0.07 258	0.06 199

ACV-stereo	0.15 354	0.10 369	0.28 469	0.18 298	0.12 420	0.14 278	0.12 63	0.23 294	0.21 284	0.19 357	0.23 323	0.22 367	0.15 335	0.23 450	0.17 373	0.07 238	0.06 306	0.07 194	0.07 272	0.07 258	0.07 279

ITSA-stereo	0.15 354	0.10 369	0.14 264	0.19 355	0.08 127	0.12 207	0.14 152	0.30 415	0.49 502	0.17 311	0.19 272	0.22 367	0.15 335	0.17 348	0.16 358	0.10 399	0.06 306	0.08 278	0.08 337	0.08 321	0.08 343

test_sample7	0.15 354	0.10 369	0.16 348	0.14 30	0.11 389	0.16 334	0.16 284	0.27 371	0.23 308	0.20 379	0.20 284	0.24 391	0.19 414	0.16 316	0.16 358	0.12 453	0.06 306	0.10 406	0.09 382	0.10 414	0.10 413

1111x	0.15 354	0.08 236	0.12 184	0.18 298	0.07 71	0.18 374	0.25 488	0.31 425	0.24 324	0.17 311	0.24 335	0.26 413	0.15 335	0.13 234	0.23 450	0.07 238	0.07 378	0.08 278	0.09 382	0.07 258	0.06 199

CFNet_ucs	0.15 354	0.08 236	0.16 348	0.16 142	0.11 389	0.14 278	0.14 152	0.30 415	0.34 432	0.16 295	0.24 335	0.23 385	0.14 317	0.18 369	0.15 342	0.09 358	0.06 306	0.08 278	0.07 272	0.09 382	0.09 387

BSDual-CNN	0.15 354	0.09 311	0.14 264	0.22 453	0.10 341	0.14 278	0.15 219	0.34 464	0.19 246	0.17 311	0.22 314	0.25 404	0.16 361	0.15 282	0.14 314	0.08 299	0.06 306	0.10 406	0.09 382	0.07 258	0.07 279

hknet	0.15 354	0.11 395	0.13 229	0.22 453	0.11 389	0.14 278	0.15 219	0.34 464	0.25 345	0.17 311	0.22 314	0.22 367	0.18 398	0.17 348	0.12 236	0.07 238	0.06 306	0.10 406	0.09 382	0.07 258	0.07 279

dd	0.15 354	0.16 472	0.16 348	0.19 355	0.09 239	0.15 304	0.18 363	0.21 252	0.25 345	0.23 421	0.20 284	0.21 349	0.09 167	0.21 426	0.16 358	0.10 399	0.06 306	0.08 278	0.06 185	0.08 321	0.06 199

DAS	0.15 354	0.08 236	0.18 399	0.19 355	0.10 341	0.19 397	0.17 318	0.27 371	0.29 389	0.18 341	0.25 364	0.21 349	0.15 335	0.16 316	0.12 236	0.08 299	0.06 306	0.06 102	0.06 185	0.07 258	0.07 279

SepStereo	0.15 354	0.08 236	0.18 399	0.19 355	0.10 341	0.19 397	0.17 318	0.27 371	0.29 389	0.18 341	0.25 364	0.21 349	0.15 335	0.25 464	0.12 236	0.08 299	0.06 306	0.06 102	0.06 185	0.07 258	0.07 279

PSMNet-ADL	0.15 354	0.12 413	0.13 229	0.22 453	0.09 239	0.13 246	0.20 423	0.26 350	0.23 308	0.18 341	0.20 284	0.24 391	0.16 361	0.18 369	0.17 373	0.08 299	0.08 404	0.08 278	0.11 453	0.08 321	0.07 279

LMCR-Stereo	0.15 354	0.08 236	0.13 229	0.21 438	0.09 239	0.17 355	0.20 423	0.27 371	0.19 246	0.24 430	0.24 335	0.23 385	0.17 384	0.20 409	0.17 373	0.07 238	0.06 306	0.08 278	0.06 185	0.10 414	0.08 343

ICVP	0.15 354	0.09 311	0.12 184	0.22 453	0.09 239	0.17 355	0.21 440	0.25 332	0.23 308	0.18 341	0.30 421	0.26 413	0.18 398	0.17 348	0.14 314	0.09 358	0.07 378	0.08 278	0.07 272	0.07 258	0.07 279
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 354	0.07 139	0.14 264	0.14 30	0.08 127	0.23 450	0.18 363	0.31 425	0.19 246	0.14 240	0.28 403	0.22 367	0.14 317	0.15 282	0.26 483	0.09 358	0.05 182	0.07 194	0.07 272	0.08 321	0.07 279

test_xeample	0.15 354	0.06 56	0.13 229	0.14 30	0.08 127	0.21 429	0.20 423	0.28 390	0.20 269	0.16 295	0.29 415	0.19 328	0.16 361	0.15 282	0.26 483	0.09 358	0.05 182	0.07 194	0.07 272	0.07 258	0.07 279

ACVNet	0.15 354	0.09 311	0.15 314	0.13 13	0.12 420	0.14 278	0.20 423	0.22 274	0.33 420	0.17 311	0.26 381	0.21 349	0.16 361	0.17 348	0.21 429	0.07 238	0.06 306	0.06 102	0.06 185	0.08 321	0.06 199

acv_ft	0.15 354	0.09 311	0.15 314	0.19 355	0.10 341	0.16 334	0.17 318	0.25 332	0.33 420	0.19 357	0.26 381	0.21 349	0.17 384	0.17 348	0.18 391	0.07 238	0.06 306	0.06 102	0.06 185	0.08 321	0.06 199

CFNet	0.15 354	0.10 369	0.17 376	0.17 216	0.08 127	0.18 374	0.09 18	0.28 390	0.25 345	0.19 357	0.24 335	0.24 391	0.17 384	0.17 348	0.14 314	0.08 299	0.06 306	0.09 358	0.10 421	0.07 258	0.06 199

AdaStereo	0.15 354	0.11 395	0.15 314	0.18 298	0.09 239	0.20 412	0.11 46	0.32 436	0.28 382	0.20 379	0.23 323	0.20 340	0.13 292	0.19 384	0.14 314	0.12 453	0.05 182	0.10 406	0.07 272	0.09 382	0.07 279
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.
HSM	0.15 354	0.08 236	0.14 264	0.16 142	0.09 239	0.16 334	0.14 152	0.28 390	0.25 345	0.19 357	0.23 323	0.37 490	0.16 361	0.20 409	0.15 342	0.07 238	0.05 182	0.07 194	0.06 185	0.07 258	0.06 199

pmcnn	0.15 354	0.07 139	0.19 410	0.15 70	0.07 71	0.20 412	0.15 219	0.24 316	0.26 359	0.21 393	0.34 449	0.28 431	0.18 398	0.18 369	0.17 373	0.07 238	0.05 182	0.05 23	0.04 34	0.07 258	0.06 199

DualNet (step1)	0.16 377	0.12 413	0.20 422	0.12 4	0.14 462	0.17 355	0.13 104	0.27 371	0.23 308	0.20 379	0.20 284	0.24 391	0.19 414	0.16 316	0.16 358	0.15 493	0.06 306	0.14 483	0.14 485	0.14 482	0.12 452

GMStereo_Zeroshot	0.16 377	0.13 442	0.24 449	0.20 409	0.10 341	0.17 355	0.13 104	0.29 401	0.25 345	0.23 421	0.32 433	0.25 404	0.11 224	0.19 384	0.14 314	0.09 358	0.06 306	0.11 437	0.06 185	0.12 451	0.08 343

iinet-f	0.16 377	0.06 56	0.45 512	0.14 30	0.10 341	0.21 429	0.14 152	0.27 371	0.23 308	0.21 393	0.24 335	0.21 349	0.15 335	0.18 369	0.21 429	0.09 358	0.07 378	0.07 194	0.06 185	0.09 382	0.10 413

CRFU-Net	0.16 377	0.08 236	0.14 264	0.17 216	0.09 239	0.19 397	0.14 152	0.26 350	0.20 269	0.28 469	0.27 389	0.29 439	0.17 384	0.19 384	0.17 373	0.09 358	0.09 433	0.07 194	0.07 272	0.08 321	0.08 343

NINENet	0.16 377	0.10 369	0.15 314	0.17 216	0.11 389	0.19 397	0.14 152	0.40 507	0.36 445	0.18 341	0.21 305	0.16 280	0.13 292	0.15 282	0.13 277	0.08 299	0.08 404	0.10 406	0.07 272	0.10 414	0.09 387

CSP-Net	0.16 377	0.09 311	0.14 264	0.16 142	0.09 239	0.19 397	0.17 318	0.25 332	0.32 413	0.25 443	0.30 421	0.24 391	0.15 335	0.21 426	0.18 391	0.09 358	0.06 306	0.07 194	0.07 272	0.08 321	0.07 279

AASNet	0.16 377	0.08 236	0.12 184	0.19 355	0.09 239	0.18 374	0.15 219	0.37 491	0.37 452	0.19 357	0.23 323	0.20 340	0.16 361	0.17 348	0.20 409	0.10 399	0.08 404	0.08 278	0.07 272	0.09 382	0.09 387

AACVNet	0.16 377	0.08 236	0.14 264	0.15 70	0.10 341	0.18 374	0.15 219	0.23 294	0.24 324	0.27 454	0.27 389	0.28 431	0.17 384	0.19 384	0.16 358	0.09 358	0.07 378	0.09 358	0.07 272	0.10 414	0.09 387

ADLNet2	0.16 377	0.09 311	0.13 229	0.16 142	0.09 239	0.20 412	0.16 284	0.31 425	0.39 461	0.16 295	0.20 284	0.20 340	0.18 398	0.21 426	0.22 438	0.08 299	0.06 306	0.07 194	0.07 272	0.09 382	0.07 279

Anonymous3	0.16 377	0.13 442	0.33 488	0.26 499	0.14 462	0.27 485	0.17 318	0.28 390	0.28 382	0.15 267	0.17 238	0.14 237	0.10 199	0.15 282	0.12 236	0.08 299	0.08 404	0.08 278	0.08 337	0.08 321	0.11 439

ADLNet	0.16 377	0.08 236	0.15 314	0.16 142	0.10 341	0.16 334	0.17 318	0.32 436	0.27 368	0.22 409	0.27 389	0.24 391	0.16 361	0.18 369	0.21 429	0.10 399	0.06 306	0.10 406	0.10 421	0.08 321	0.09 387

HCRNet	0.16 377	0.24 515	0.12 184	0.35 530	0.11 389	0.15 304	0.17 318	0.26 350	0.22 298	0.19 357	0.24 335	0.21 349	0.14 317	0.15 282	0.13 277	0.11 428	0.07 378	0.11 437	0.10 421	0.09 382	0.07 279

222	0.16 377	0.07 139	0.14 264	0.14 30	0.08 127	0.24 455	0.18 363	0.30 415	0.20 269	0.17 311	0.28 403	0.17 300	0.16 361	0.15 282	0.40 533	0.10 399	0.05 182	0.07 194	0.06 185	0.07 258	0.08 343

UPFNet	0.16 377	0.08 236	0.12 184	0.20 409	0.12 420	0.20 412	0.23 461	0.28 390	0.26 359	0.17 311	0.24 335	0.22 367	0.19 414	0.19 384	0.21 429	0.09 358	0.07 378	0.08 278	0.09 382	0.08 321	0.06 199

ac_64	0.16 377	0.08 236	0.15 314	0.18 298	0.10 341	0.22 437	0.18 363	0.24 316	0.21 284	0.18 341	0.24 335	0.29 439	0.18 398	0.19 384	0.22 438	0.09 358	0.07 378	0.08 278	0.09 382	0.07 258	0.06 199

DSFCA	0.16 377	0.09 311	0.14 264	0.16 142	0.10 341	0.20 412	0.19 402	0.28 390	0.31 406	0.23 421	0.24 335	0.22 367	0.15 335	0.19 384	0.20 409	0.10 399	0.07 378	0.09 358	0.09 382	0.08 321	0.08 343

FADNet-RVC-Resample	0.16 377	0.11 395	0.31 482	0.22 453	0.11 389	0.19 397	0.14 152	0.25 332	0.24 324	0.24 430	0.27 389	0.20 340	0.15 335	0.16 316	0.15 342	0.07 238	0.08 404	0.12 456	0.10 421	0.09 382	0.10 413

FADNet_RVC	0.16 377	0.14 454	0.40 505	0.20 409	0.11 389	0.13 246	0.13 104	0.26 350	0.22 298	0.21 393	0.23 323	0.20 340	0.17 384	0.14 260	0.16 358	0.08 299	0.08 404	0.12 456	0.09 382	0.11 436	0.10 413

AANet_RVC	0.16 377	0.10 369	0.10 108	0.18 298	0.09 239	0.18 374	0.19 402	0.26 350	0.31 406	0.22 409	0.35 453	0.21 349	0.21 430	0.22 439	0.16 358	0.06 114	0.05 182	0.06 102	0.06 185	0.07 258	0.06 199

DeepPruner_ROB	0.16 377	0.11 395	0.15 314	0.17 216	0.10 341	0.17 355	0.15 219	0.32 436	0.21 284	0.19 357	0.21 305	0.22 367	0.18 398	0.20 409	0.15 342	0.13 476	0.09 433	0.09 358	0.09 382	0.11 436	0.10 413

z-ln-s-r	0.17 397	0.10 369	0.40 505	0.19 355	0.08 127	0.17 355	0.18 363	0.22 274	0.33 420	0.18 341	0.40 482	0.22 367	0.17 384	0.20 409	0.23 450	0.07 238	0.05 182	0.07 194	0.07 272	0.07 258	0.05 121

rvit_stereo_0075_2	0.17 397	0.12 413	0.25 454	0.23 474	0.16 490	0.13 246	0.10 27	0.30 415	0.27 368	0.20 379	0.28 403	0.22 367	0.15 335	0.18 369	0.13 277	0.16 509	0.10 453	0.17 503	0.10 421	0.10 414	0.09 387

ToySt	0.17 397	0.11 395	0.18 399	0.17 216	0.11 389	0.16 334	0.25 488	0.24 316	0.33 420	0.19 357	0.24 335	0.26 413	0.24 453	0.19 384	0.20 409	0.07 238	0.08 404	0.09 358	0.10 421	0.09 382	0.08 343

ssnet_v2	0.17 397	0.10 369	0.17 376	0.17 216	0.11 389	0.21 429	0.21 440	0.33 455	0.25 345	0.22 409	0.22 314	0.27 421	0.18 398	0.22 439	0.20 409	0.11 428	0.09 433	0.09 358	0.09 382	0.08 321	0.08 343

dad	0.17 397	0.20 501	0.20 422	0.16 142	0.11 389	0.20 412	0.18 363	0.21 252	0.28 382	0.30 481	0.24 335	0.29 439	0.13 292	0.19 384	0.16 358	0.18 515	0.09 433	0.11 437	0.09 382	0.11 436	0.07 279

GEStereo_RVC	0.17 397	0.12 413	0.15 314	0.22 453	0.11 389	0.19 397	0.17 318	0.32 436	0.48 496	0.20 379	0.25 364	0.17 300	0.13 292	0.21 426	0.16 358	0.10 399	0.06 306	0.08 278	0.07 272	0.09 382	0.08 343

MMNet	0.17 397	0.09 311	0.16 348	0.20 409	0.11 389	0.27 485	0.20 423	0.25 332	0.41 470	0.22 409	0.30 421	0.21 349	0.20 426	0.17 348	0.20 409	0.06 114	0.06 306	0.07 194	0.07 272	0.08 321	0.07 279

delet	0.17 397	0.08 236	0.17 376	0.19 355	0.11 389	0.20 412	0.21 440	0.30 415	0.37 452	0.17 311	0.26 381	0.19 328	0.19 414	0.19 384	0.21 429	0.08 299	0.08 404	0.09 358	0.11 453	0.06 192	0.06 199

UNet	0.17 397	0.09 311	0.18 399	0.19 355	0.12 420	0.27 485	0.19 402	0.33 455	0.29 389	0.21 393	0.24 335	0.23 385	0.19 414	0.19 384	0.18 391	0.07 238	0.06 306	0.08 278	0.07 272	0.08 321	0.06 199

HGLStereo	0.17 397	0.08 236	0.19 410	0.17 216	0.12 420	0.18 374	0.18 363	0.31 425	0.32 413	0.21 393	0.32 433	0.25 404	0.18 398	0.19 384	0.20 409	0.09 358	0.09 433	0.07 194	0.07 272	0.09 382	0.10 413

DMCA-RVC	0.17 397	0.10 369	0.15 314	0.24 483	0.11 389	0.18 374	0.18 363	0.25 332	0.24 324	0.21 393	0.26 381	0.25 404	0.27 476	0.18 369	0.20 409	0.12 453	0.08 404	0.13 471	0.10 421	0.10 414	0.08 343

TDLM	0.17 397	0.12 413	0.13 229	0.24 483	0.10 341	0.18 374	0.18 363	0.36 486	0.30 399	0.21 393	0.28 403	0.28 431	0.18 398	0.23 450	0.18 391	0.11 428	0.07 378	0.10 406	0.10 421	0.08 321	0.08 343

NLCA_NET_v2_RVC	0.17 397	0.10 369	0.22 436	0.20 409	0.10 341	0.15 304	0.18 363	0.31 425	0.25 345	0.21 393	0.30 421	0.25 404	0.17 384	0.21 426	0.20 409	0.09 358	0.06 306	0.08 278	0.08 337	0.07 258	0.08 343
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 397	0.12 413	0.15 314	0.20 409	0.09 239	0.18 374	0.18 363	0.26 350	0.23 308	0.26 448	0.40 482	0.22 367	0.17 384	0.21 426	0.20 409	0.08 299	0.05 182	0.09 358	0.10 421	0.07 258	0.07 279
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 411	0.08 236	0.19 410	0.19 355	0.13 442	0.15 304	0.12 63	0.30 415	0.32 413	0.21 393	0.25 364	0.27 421	0.17 384	0.17 348	0.20 409	0.20 522	0.08 404	0.14 483	0.14 485	0.14 482	0.17 514

test_sample9	0.18 411	0.12 413	0.20 422	0.12 4	0.14 462	0.17 355	0.13 104	0.27 371	0.23 308	0.20 379	0.20 284	0.24 391	0.19 414	0.19 384	0.17 373	0.15 493	0.30 540	0.14 483	0.14 485	0.14 482	0.12 452

fast-acv-ft	0.18 411	0.11 395	0.19 410	0.19 355	0.12 420	0.24 455	0.21 440	0.25 332	0.34 432	0.22 409	0.34 449	0.27 421	0.20 426	0.21 426	0.23 450	0.09 358	0.09 433	0.08 278	0.10 421	0.08 321	0.07 279

HBP-ISP	0.18 411	0.13 442	0.16 348	0.15 70	0.11 389	0.08 51	0.13 104	0.28 390	0.29 389	0.22 409	0.33 445	0.21 349	0.25 462	0.23 450	0.17 373	0.14 489	0.16 510	0.21 517	0.17 511	0.10 414	0.08 343

Wz-Net-LNSev-Ref	0.18 411	0.09 311	0.29 477	0.15 70	0.10 341	0.22 437	0.20 423	0.26 350	0.39 461	0.25 443	0.42 499	0.24 391	0.15 335	0.20 409	0.19 403	0.07 238	0.05 182	0.06 102	0.05 107	0.10 414	0.09 387

SACVNet	0.18 411	0.12 413	0.14 264	0.17 216	0.13 442	0.22 437	0.18 363	0.31 425	0.30 399	0.23 421	0.31 429	0.30 448	0.22 439	0.22 439	0.17 373	0.11 428	0.08 404	0.10 406	0.10 421	0.12 451	0.14 488

psm_up	0.18 411	0.10 369	0.18 399	0.20 409	0.11 389	0.17 355	0.19 402	0.37 491	0.34 432	0.21 393	0.28 403	0.29 439	0.24 453	0.20 409	0.22 438	0.09 358	0.10 453	0.11 437	0.11 453	0.08 321	0.08 343

hitnet-ft	0.18 411	0.09 311	0.17 376	0.14 30	0.09 239	0.26 475	0.20 423	0.25 332	0.26 359	0.24 430	0.32 433	0.31 461	0.22 439	0.24 459	0.21 429	0.12 453	0.07 378	0.10 406	0.08 337	0.12 451	0.11 439

STTStereo	0.18 411	0.12 413	0.27 464	0.20 409	0.11 389	0.16 334	0.21 440	0.29 401	0.23 308	0.21 393	0.30 421	0.29 439	0.18 398	0.20 409	0.19 403	0.12 453	0.11 465	0.11 437	0.14 485	0.09 382	0.08 343

CVANet_RVC	0.18 411	0.10 369	0.14 264	0.21 438	0.10 341	0.18 374	0.17 318	0.34 464	0.33 420	0.22 409	0.31 429	0.28 431	0.18 398	0.23 450	0.17 373	0.12 453	0.08 404	0.12 456	0.11 453	0.09 382	0.07 279

StereoDRNet	0.18 411	0.11 395	0.17 376	0.22 453	0.11 389	0.21 429	0.22 450	0.37 491	0.33 420	0.24 430	0.28 403	0.30 448	0.19 414	0.20 409	0.20 409	0.09 358	0.08 404	0.11 437	0.09 382	0.09 382	0.07 279

DLCB_ROB	0.18 411	0.10 369	0.15 314	0.23 474	0.11 389	0.24 455	0.18 363	0.29 401	0.28 382	0.27 454	0.28 403	0.28 431	0.24 453	0.19 384	0.20 409	0.08 299	0.08 404	0.09 358	0.09 382	0.07 258	0.07 279

TCMNet	0.19 423	0.12 413	0.19 410	0.20 409	0.18 511	0.20 412	0.24 473	0.27 371	0.36 445	0.23 421	0.26 381	0.25 404	0.19 414	0.19 384	0.23 450	0.13 476	0.11 465	0.11 437	0.12 472	0.13 469	0.12 452

rvit_105_1	0.19 423	0.11 395	0.25 454	0.21 438	0.16 490	0.21 429	0.27 503	0.31 425	0.41 470	0.19 357	0.20 284	0.22 367	0.17 384	0.19 384	0.17 373	0.12 453	0.12 479	0.13 471	0.15 500	0.08 321	0.07 279

test_sample8	0.19 423	0.12 413	0.20 422	0.12 4	0.14 462	0.17 355	0.13 104	0.31 425	0.21 284	0.27 454	0.22 314	0.36 485	0.25 462	0.19 384	0.17 373	0.15 493	0.30 540	0.14 483	0.14 485	0.14 482	0.12 452

SDNR	0.19 423	0.08 236	0.19 410	0.16 142	0.12 420	0.77 556	0.14 152	0.25 332	0.32 413	0.19 357	0.24 335	0.19 328	0.13 292	0.19 384	0.15 342	0.16 509	0.18 517	0.14 483	0.11 453	0.08 321	0.11 439

pcwnet_v2	0.19 423	0.10 369	0.26 457	0.17 216	0.14 462	0.18 374	0.15 219	0.37 491	0.46 494	0.19 357	0.24 335	0.21 349	0.19 414	0.20 409	0.19 403	0.13 476	0.10 453	0.10 406	0.10 421	0.11 436	0.13 471

ADCRef	0.19 423	0.12 413	0.41 508	0.20 409	0.12 420	0.22 437	0.18 363	0.32 436	0.36 445	0.26 448	0.32 433	0.17 300	0.23 447	0.24 459	0.24 463	0.07 238	0.06 306	0.09 358	0.09 382	0.08 321	0.08 343

NVstereo2D	0.19 423	0.10 369	0.15 314	0.17 216	0.15 480	0.28 492	0.23 461	0.44 524	0.42 477	0.15 267	0.27 389	0.25 404	0.19 414	0.22 439	0.17 373	0.09 358	0.06 306	0.10 406	0.08 337	0.15 497	0.09 387

DRN-Test	0.19 423	0.11 395	0.20 422	0.22 453	0.10 341	0.22 437	0.22 450	0.39 503	0.37 452	0.24 430	0.32 433	0.26 413	0.21 430	0.22 439	0.24 463	0.11 428	0.07 378	0.11 437	0.10 421	0.09 382	0.07 279

DISCO	0.19 423	0.09 311	0.22 436	0.17 216	0.10 341	0.25 466	0.18 363	0.27 371	0.44 487	0.22 409	0.31 429	0.33 473	0.26 468	0.28 480	0.28 498	0.08 299	0.06 306	0.07 194	0.07 272	0.09 382	0.09 387

CBMV_ROB	0.19 423	0.13 442	0.17 376	0.16 142	0.11 389	0.15 304	0.13 104	0.26 350	0.28 382	0.27 454	0.30 421	0.27 421	0.24 453	0.23 450	0.16 358	0.15 493	0.17 515	0.22 521	0.20 517	0.10 414	0.11 439

NOSS_ROB	0.19 423	0.12 413	0.18 399	0.16 142	0.12 420	0.15 304	0.12 63	0.30 415	0.32 413	0.20 379	0.22 314	0.27 421	0.23 447	0.21 426	0.16 358	0.16 509	0.18 517	0.23 522	0.21 519	0.12 451	0.13 471

CBMV	0.19 423	0.14 454	0.17 376	0.18 298	0.10 341	0.20 412	0.11 46	0.29 401	0.30 399	0.29 477	0.30 421	0.30 448	0.23 447	0.27 469	0.19 403	0.13 476	0.15 507	0.17 503	0.16 504	0.10 414	0.10 413
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 435	0.14 454	0.37 501	0.22 453	0.12 420	0.20 412	0.21 440	0.28 390	0.37 452	0.25 443	0.37 462	0.27 421	0.22 439	0.21 426	0.23 450	0.08 299	0.08 404	0.09 358	0.09 382	0.10 414	0.09 387

YMNet	0.20 435	0.12 413	0.19 410	0.20 409	0.14 462	0.26 475	0.23 461	0.32 436	0.34 432	0.27 454	0.34 449	0.30 448	0.18 398	0.18 369	0.22 438	0.10 399	0.13 492	0.10 406	0.10 421	0.08 321	0.09 387

YMNet_1	0.20 435	0.12 413	0.19 410	0.20 409	0.14 462	0.26 475	0.23 461	0.32 436	0.34 432	0.27 454	0.34 449	0.30 448	0.18 398	0.18 369	0.22 438	0.10 399	0.13 492	0.10 406	0.10 421	0.08 321	0.09 387

GwcNet	0.20 435	0.13 442	0.19 410	0.18 298	0.12 420	0.24 455	0.19 402	0.35 479	0.43 482	0.20 379	0.32 433	0.33 473	0.20 426	0.22 439	0.24 463	0.11 428	0.09 433	0.09 358	0.09 382	0.09 382	0.10 413

FAT-Stereo	0.20 435	0.12 413	0.22 436	0.21 438	0.12 420	0.17 355	0.18 363	0.34 464	0.39 461	0.27 454	0.37 462	0.34 479	0.32 505	0.21 426	0.20 409	0.09 358	0.11 465	0.10 406	0.09 382	0.11 436	0.14 488

FADNet-RVC	0.20 435	0.20 501	0.38 502	0.21 438	0.16 490	0.20 412	0.15 219	0.26 350	0.26 359	0.26 448	0.32 433	0.26 413	0.21 430	0.22 439	0.19 403	0.12 453	0.13 492	0.12 456	0.14 485	0.13 469	0.18 517

S-Stereo	0.20 435	0.12 413	0.25 454	0.21 438	0.13 442	0.20 412	0.18 363	0.32 436	0.43 482	0.23 421	0.36 456	0.28 431	0.30 497	0.19 384	0.22 438	0.09 358	0.12 479	0.10 406	0.10 421	0.13 469	0.13 471

SuperB	0.20 435	0.10 369	0.56 528	0.16 142	0.09 239	0.18 374	0.18 363	0.24 316	0.50 505	0.26 448	0.39 476	0.17 300	0.21 430	0.22 439	0.21 429	0.08 299	0.06 306	0.06 102	0.06 185	0.12 451	0.10 413

ADCP+	0.20 435	0.10 369	0.33 488	0.20 409	0.12 420	0.22 437	0.26 496	0.31 425	0.34 432	0.26 448	0.37 462	0.22 367	0.22 439	0.27 469	0.27 491	0.09 358	0.06 306	0.08 278	0.08 337	0.09 382	0.10 413

PS-NSSS	0.20 435	0.21 507	0.23 445	0.20 409	0.10 341	0.19 397	0.17 318	0.36 486	0.25 345	0.27 454	0.33 445	0.27 421	0.24 453	0.20 409	0.20 409	0.15 493	0.12 479	0.17 503	0.14 485	0.10 414	0.08 343

PWCDC_ROB	0.20 435	0.13 442	0.22 436	0.24 483	0.11 389	0.19 397	0.15 219	0.33 455	0.54 514	0.29 477	0.50 514	0.21 349	0.15 335	0.27 469	0.20 409	0.11 428	0.09 433	0.10 406	0.08 337	0.11 436	0.09 387

SGM-Forest	0.20 435	0.14 454	0.18 399	0.19 355	0.13 442	0.20 412	0.22 450	0.33 455	0.30 399	0.24 430	0.29 415	0.28 431	0.19 414	0.23 450	0.17 373	0.15 493	0.16 510	0.15 495	0.14 485	0.12 451	0.12 452
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 447	0.17 483	0.19 410	0.23 474	0.15 480	0.30 499	0.20 423	0.33 455	0.35 441	0.23 421	0.28 403	0.31 461	0.27 476	0.20 409	0.22 438	0.15 493	0.12 479	0.13 471	0.09 382	0.14 482	0.14 488

FINET	0.21 447	0.18 494	0.26 457	0.18 298	0.16 490	0.23 450	0.23 461	0.32 436	0.48 496	0.25 443	0.32 433	0.22 367	0.22 439	0.22 439	0.17 373	0.18 515	0.16 510	0.11 437	0.10 421	0.15 497	0.13 471

Syn2CoEx	0.21 447	0.16 472	0.27 464	0.29 521	0.14 462	0.26 475	0.20 423	0.33 455	0.31 406	0.28 469	0.36 456	0.27 421	0.25 462	0.19 384	0.24 463	0.16 509	0.12 479	0.14 483	0.11 453	0.09 382	0.08 343

FADNet	0.21 447	0.22 511	0.36 497	0.18 298	0.17 505	0.24 455	0.13 104	0.31 425	0.31 406	0.23 421	0.25 364	0.27 421	0.21 430	0.19 384	0.15 342	0.13 476	0.15 507	0.12 456	0.15 500	0.16 504	0.18 517

RP	0.21 447	0.13 442	0.21 430	0.23 474	0.11 389	0.21 429	0.20 423	0.25 332	0.44 487	0.21 393	0.38 468	0.36 485	0.24 453	0.27 469	0.25 472	0.11 428	0.12 479	0.13 471	0.12 472	0.12 451	0.14 488

DANet	0.21 447	0.15 464	0.28 469	0.25 494	0.13 442	0.22 437	0.19 402	0.27 371	0.27 368	0.28 469	0.32 433	0.35 483	0.31 501	0.31 490	0.23 450	0.11 428	0.09 433	0.11 437	0.10 421	0.13 469	0.11 439
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 447	0.12 413	0.21 430	0.24 483	0.13 442	0.22 437	0.22 450	0.41 513	0.26 359	0.31 487	0.42 499	0.37 490	0.28 485	0.23 450	0.22 438	0.10 399	0.12 479	0.10 406	0.09 382	0.10 414	0.08 343

PWC_ROB	0.21 447	0.16 472	0.26 457	0.18 298	0.11 389	0.22 437	0.13 104	0.32 436	0.49 502	0.30 481	0.40 482	0.32 470	0.24 453	0.31 490	0.22 438	0.10 399	0.07 378	0.11 437	0.08 337	0.11 436	0.10 413

PSMNet_ROB	0.21 447	0.11 395	0.15 314	0.27 511	0.15 480	0.24 455	0.35 535	0.43 522	0.37 452	0.27 454	0.32 433	0.32 470	0.22 439	0.21 426	0.26 483	0.12 453	0.08 404	0.13 471	0.11 453	0.09 382	0.09 387

MSAF-DinoV2	0.22 456	0.11 395	0.23 445	0.17 216	0.10 341	0.27 485	0.16 284	0.37 491	0.55 515	0.21 393	0.27 389	0.47 523	0.27 476	0.35 509	0.39 530	0.09 358	0.06 306	0.07 194	0.09 382	0.12 451	0.10 413

GASNet	0.22 456	0.23 512	0.33 488	0.26 499	0.17 505	0.26 475	0.16 284	0.44 524	0.42 477	0.27 454	0.24 335	0.30 448	0.15 335	0.27 469	0.18 391	0.12 453	0.08 404	0.12 456	0.11 453	0.16 504	0.07 279

Anonymous_2	0.22 456	0.17 483	0.28 469	0.15 70	0.16 490	0.32 501	0.22 450	0.22 274	0.17 205	0.23 421	0.24 335	0.26 413	0.27 476	0.27 469	0.23 450	0.22 530	0.25 536	0.17 503	0.17 511	0.17 511	0.17 514

Wz-Net-LNSev	0.22 456	0.16 472	0.38 502	0.21 438	0.13 442	0.25 466	0.23 461	0.32 436	0.43 482	0.30 481	0.41 493	0.31 461	0.18 398	0.22 439	0.25 472	0.10 399	0.09 433	0.08 278	0.08 337	0.12 451	0.11 439

Wz-Net-MNSev	0.22 456	0.13 442	0.31 482	0.20 409	0.14 462	0.36 519	0.24 473	0.33 455	0.44 487	0.28 469	0.40 482	0.38 494	0.19 414	0.24 459	0.25 472	0.09 358	0.07 378	0.09 358	0.09 382	0.12 451	0.10 413

DDUNet	0.22 456	0.17 483	0.21 430	0.22 453	0.15 480	0.25 466	0.24 473	0.29 401	0.30 399	0.31 487	0.36 456	0.33 473	0.25 462	0.24 459	0.20 409	0.18 515	0.13 492	0.17 503	0.11 453	0.16 504	0.16 506

APVNet	0.22 456	0.12 413	0.19 410	0.18 298	0.14 462	0.32 501	0.31 531	0.39 503	0.32 413	0.27 454	0.40 482	0.30 448	0.29 493	0.26 466	0.25 472	0.11 428	0.12 479	0.11 437	0.14 485	0.12 451	0.12 452

aanetorigin	0.22 456	0.17 483	0.56 528	0.17 216	0.10 341	0.15 304	0.19 402	0.20 229	0.33 420	0.49 529	0.48 509	0.29 439	0.27 476	0.20 409	0.23 450	0.08 299	0.07 378	0.08 278	0.07 272	0.10 414	0.09 387

MaskLacGwcNet_RVC	0.22 456	0.21 507	0.24 449	0.26 499	0.11 389	0.23 450	0.14 152	0.39 503	0.24 324	0.32 493	0.36 456	0.30 448	0.21 430	0.19 384	0.21 429	0.17 514	0.14 501	0.21 517	0.16 504	0.12 451	0.12 452

AF-Net	0.22 456	0.17 483	0.17 376	0.26 499	0.13 442	0.25 466	0.24 473	0.32 436	0.50 505	0.25 443	0.33 445	0.38 494	0.26 468	0.28 480	0.25 472	0.11 428	0.10 453	0.16 501	0.11 453	0.11 436	0.10 413

stereogan	0.22 456	0.11 395	0.21 430	0.20 409	0.12 420	0.31 500	0.19 402	0.35 479	0.44 487	0.22 409	0.39 476	0.35 483	0.27 476	0.33 500	0.22 438	0.10 399	0.12 479	0.10 406	0.10 421	0.14 482	0.13 471

edge stereo	0.22 456	0.13 442	0.20 422	0.21 438	0.13 442	0.23 450	0.16 284	0.32 436	0.42 477	0.32 493	0.40 482	0.38 494	0.35 512	0.25 464	0.24 463	0.13 476	0.11 465	0.14 483	0.11 453	0.12 451	0.13 471

RYNet	0.22 456	0.12 413	0.22 436	0.19 355	0.17 505	0.46 527	0.26 496	0.38 499	0.48 496	0.24 430	0.28 403	0.34 479	0.23 447	0.20 409	0.30 506	0.10 399	0.06 306	0.09 358	0.09 382	0.13 469	0.15 495

NaN_ROB	0.22 456	0.19 497	0.24 449	0.25 494	0.13 442	0.29 496	0.26 496	0.33 455	0.41 470	0.31 487	0.31 429	0.32 470	0.23 447	0.30 489	0.21 429	0.11 428	0.17 515	0.10 406	0.10 421	0.08 321	0.09 387

MDST_ROB	0.22 456	0.10 369	0.17 376	0.18 298	0.11 389	0.37 520	0.19 402	0.43 522	0.41 470	0.39 510	0.39 476	0.29 439	0.21 430	0.26 466	0.18 391	0.11 428	0.10 453	0.14 483	0.11 453	0.10 414	0.08 343

XPNet_ROB	0.22 456	0.11 395	0.19 410	0.22 453	0.13 442	0.22 437	0.19 402	0.34 464	0.40 467	0.30 481	0.39 476	0.39 502	0.26 468	0.26 466	0.28 498	0.15 493	0.10 453	0.10 406	0.10 421	0.13 469	0.12 452

SQANet	0.23 472	0.23 512	0.30 480	0.30 523	0.19 514	0.27 485	0.13 104	0.29 401	0.33 420	0.24 430	0.37 462	0.31 461	0.22 439	0.27 469	0.23 450	0.15 493	0.10 453	0.21 517	0.16 504	0.21 519	0.15 495

Nwc_Net	0.23 472	0.16 472	0.21 430	0.25 494	0.14 462	0.24 455	0.26 496	0.37 491	0.38 458	0.22 409	0.41 493	0.30 448	0.28 485	0.28 480	0.25 472	0.11 428	0.10 453	0.17 503	0.20 517	0.10 414	0.10 413

RTSC	0.23 472	0.12 413	0.28 469	0.21 438	0.13 442	0.28 492	0.16 284	0.35 479	0.66 537	0.27 454	0.33 445	0.30 448	0.21 430	0.31 490	0.29 501	0.10 399	0.08 404	0.09 358	0.10 421	0.13 469	0.13 471

PA-Net	0.23 472	0.18 494	0.33 488	0.28 514	0.22 522	0.21 429	0.38 540	0.29 401	0.39 461	0.22 409	0.32 433	0.25 404	0.26 468	0.20 409	0.25 472	0.09 358	0.23 534	0.15 495	0.22 522	0.09 382	0.13 471
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 472	0.15 464	0.17 376	0.34 528	0.18 511	0.24 455	0.23 461	0.34 464	0.28 382	0.31 487	0.38 468	0.38 494	0.28 485	0.23 450	0.24 463	0.15 493	0.12 479	0.18 512	0.21 519	0.13 469	0.13 471

ETE_ROB	0.23 472	0.17 483	0.22 436	0.25 494	0.13 442	0.26 475	0.29 518	0.31 425	0.36 445	0.28 469	0.36 456	0.45 516	0.26 468	0.27 469	0.26 483	0.11 428	0.08 404	0.12 456	0.09 382	0.14 482	0.13 471

SGM_RVC	0.23 472	0.12 413	0.15 314	0.15 70	0.09 239	0.33 507	0.18 363	0.34 464	0.31 406	0.44 524	0.37 462	0.53 531	0.35 512	0.35 509	0.24 463	0.13 476	0.13 492	0.13 471	0.13 482	0.10 414	0.11 439
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.24 479	0.14 454	0.45 512	0.19 355	0.13 442	0.28 492	0.25 488	0.34 464	0.62 530	0.27 454	0.56 525	0.29 439	0.24 453	0.32 497	0.25 472	0.08 299	0.08 404	0.08 278	0.08 337	0.10 414	0.10 413

w-ln-seven	0.24 479	0.14 454	0.55 525	0.19 355	0.14 462	0.26 475	0.22 450	0.35 479	0.60 527	0.29 477	0.39 476	0.30 448	0.22 439	0.21 426	0.26 483	0.09 358	0.09 433	0.11 437	0.10 421	0.11 436	0.10 413

DGSMNet	0.24 479	0.19 497	0.33 488	0.21 438	0.24 526	0.24 455	0.20 423	0.35 479	0.41 470	0.24 430	0.32 433	0.38 494	0.21 430	0.29 486	0.23 450	0.12 453	0.11 465	0.14 483	0.16 504	0.23 523	0.23 528

G-Net	0.24 479	0.16 472	0.36 497	0.22 453	0.16 490	0.51 533	0.23 461	0.29 401	0.34 432	0.36 503	0.38 468	0.31 461	0.29 493	0.27 469	0.26 483	0.11 428	0.09 433	0.12 456	0.09 382	0.16 504	0.13 471

NCC-stereo	0.24 479	0.15 464	0.31 482	0.26 499	0.16 490	0.20 412	0.30 525	0.40 507	0.40 467	0.24 430	0.38 468	0.33 473	0.28 485	0.36 515	0.27 491	0.12 453	0.11 465	0.15 495	0.22 522	0.13 469	0.13 471

Abc-Net	0.24 479	0.15 464	0.31 482	0.26 499	0.16 490	0.20 412	0.30 525	0.40 507	0.40 467	0.24 430	0.38 468	0.33 473	0.28 485	0.36 515	0.27 491	0.12 453	0.11 465	0.15 495	0.22 522	0.13 469	0.13 471
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 479	0.11 395	0.47 517	0.22 453	0.12 420	0.34 510	0.29 518	0.29 401	0.56 518	0.24 430	0.46 506	0.30 448	0.30 497	0.29 486	0.29 501	0.08 299	0.07 378	0.09 358	0.09 382	0.10 414	0.10 413

DeepPrunerF	0.24 479	0.17 483	0.42 510	0.26 499	0.16 490	0.22 437	0.28 509	0.37 491	0.50 505	0.26 448	0.29 415	0.24 391	0.28 485	0.21 426	0.22 438	0.15 493	0.11 465	0.20 516	0.18 515	0.12 451	0.13 471

FBW_ROB	0.24 479	0.17 483	0.22 436	0.26 499	0.14 462	0.25 466	0.22 450	0.41 513	0.41 470	0.41 517	0.41 493	0.42 509	0.27 476	0.31 490	0.23 450	0.09 358	0.14 501	0.14 483	0.12 472	0.11 436	0.09 387

SANet	0.24 479	0.14 454	0.28 469	0.21 438	0.11 389	0.27 485	0.24 473	0.38 499	0.64 534	0.36 503	0.40 482	0.43 512	0.26 468	0.27 469	0.24 463	0.12 453	0.09 433	0.10 406	0.09 382	0.13 469	0.11 439

WCMA_ROB	0.24 479	0.11 395	0.22 436	0.17 216	0.14 462	0.32 501	0.15 219	0.32 436	0.32 413	0.38 508	0.53 516	0.40 506	0.34 510	0.34 503	0.25 472	0.11 428	0.12 479	0.12 456	0.10 421	0.14 482	0.14 488

zh-sn7	0.25 490	0.17 483	0.50 519	0.24 483	0.13 442	0.25 466	0.24 473	0.34 464	0.48 496	0.28 469	0.54 518	0.28 431	0.31 501	0.36 515	0.32 514	0.10 399	0.10 453	0.11 437	0.10 421	0.12 451	0.12 452

zh-mn7	0.25 490	0.14 454	0.56 528	0.19 355	0.14 462	0.24 455	0.22 450	0.34 464	0.62 530	0.35 500	0.65 533	0.31 461	0.25 462	0.31 490	0.25 472	0.09 358	0.08 404	0.09 358	0.09 382	0.09 382	0.11 439

Wz-Net-SNSev	0.25 490	0.17 483	0.44 511	0.25 494	0.14 462	0.26 475	0.23 461	0.38 499	0.56 518	0.30 481	0.55 520	0.39 502	0.26 468	0.23 450	0.30 506	0.10 399	0.09 433	0.09 358	0.10 421	0.11 436	0.11 439

psmorigin	0.25 490	0.15 464	0.34 496	0.17 216	0.13 442	0.23 450	0.14 152	0.34 464	0.33 420	0.41 517	0.55 520	0.41 508	0.37 516	0.34 503	0.27 491	0.11 428	0.15 507	0.11 437	0.11 453	0.12 451	0.16 506

RGC	0.25 490	0.20 501	0.29 477	0.28 514	0.16 490	0.22 437	0.23 461	0.32 436	0.44 487	0.27 454	0.40 482	0.38 494	0.27 476	0.36 515	0.22 438	0.11 428	0.13 492	0.17 503	0.17 511	0.14 482	0.16 506

ADCMid	0.25 490	0.15 464	0.40 505	0.20 409	0.14 462	0.25 466	0.26 496	0.34 464	0.38 458	0.36 503	0.44 504	0.34 479	0.40 522	0.35 509	0.33 518	0.10 399	0.09 433	0.11 437	0.11 453	0.13 469	0.12 452

ADCPNet	0.25 490	0.16 472	0.61 533	0.21 438	0.15 480	0.35 518	0.25 488	0.32 436	0.35 441	0.30 481	0.40 482	0.36 485	0.28 485	0.28 480	0.32 514	0.12 453	0.10 453	0.11 437	0.12 472	0.14 482	0.13 471

LALA_ROB	0.25 490	0.16 472	0.22 436	0.26 499	0.17 505	0.27 485	0.27 503	0.42 518	0.37 452	0.33 497	0.38 468	0.51 527	0.26 468	0.28 480	0.27 491	0.16 509	0.09 433	0.12 456	0.11 453	0.13 469	0.12 452

SHD	0.26 498	0.15 464	0.30 480	0.24 483	0.18 511	0.22 437	0.15 219	0.38 499	0.71 541	0.32 493	0.41 493	0.36 485	0.28 485	0.32 497	0.29 501	0.12 453	0.11 465	0.14 483	0.13 482	0.16 504	0.20 523

AnyNet_C32	0.26 498	0.16 472	0.36 497	0.20 409	0.16 490	0.25 466	0.30 525	0.32 436	0.44 487	0.31 487	0.49 510	0.30 448	0.33 506	0.40 529	0.33 518	0.12 453	0.12 479	0.12 456	0.14 485	0.14 482	0.15 495

PSMNet-RUCA	0.27 500	0.33 533	0.41 508	0.36 532	0.32 539	0.18 374	0.19 402	0.42 518	0.30 399	0.33 497	0.41 493	0.39 502	0.25 462	0.31 490	0.20 409	0.18 515	0.10 453	0.25 524	0.15 500	0.21 519	0.16 506

PDISCO_ROB	0.27 500	0.16 472	0.26 457	0.28 514	0.20 517	0.32 501	0.26 496	0.44 524	0.57 520	0.28 469	0.40 482	0.45 516	0.29 493	0.33 500	0.34 520	0.12 453	0.09 433	0.17 503	0.16 504	0.17 511	0.13 471

DispFullNet	0.27 500	0.21 507	0.65 536	0.28 514	0.16 490	0.26 475	0.17 318	0.33 455	0.58 523	0.27 454	0.38 468	0.43 512	0.23 447	0.38 522	0.23 450	0.12 453	0.06 306	0.19 514	0.11 453	0.21 519	0.15 495

MeshStereo	0.27 500	0.13 442	0.18 399	0.15 70	0.11 389	0.32 501	0.24 473	0.40 507	0.36 445	0.52 531	0.57 528	0.67 542	0.40 522	0.35 509	0.26 483	0.14 489	0.13 492	0.13 471	0.11 453	0.11 436	0.10 413
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
WZ-Net	0.28 504	0.17 483	0.78 550	0.22 453	0.16 490	0.34 510	0.29 518	0.39 503	0.57 520	0.24 430	0.55 520	0.37 490	0.24 453	0.33 500	0.35 521	0.09 358	0.08 404	0.09 358	0.10 421	0.14 482	0.16 506

XQC	0.28 504	0.23 512	0.51 520	0.28 514	0.19 514	0.34 510	0.27 503	0.36 486	0.57 520	0.31 487	0.30 421	0.37 490	0.30 497	0.38 522	0.38 528	0.13 476	0.09 433	0.15 495	0.12 472	0.17 511	0.18 517

CC-Net-ROB	0.28 504	0.31 531	0.36 497	0.29 521	0.15 480	0.25 466	0.19 402	0.45 527	0.33 420	0.39 510	0.37 462	0.39 502	0.31 501	0.27 469	0.26 483	0.24 536	0.19 520	0.30 537	0.23 526	0.18 514	0.15 495

DPSNet	0.28 504	0.16 472	0.31 482	0.18 298	0.13 442	0.54 535	0.42 544	0.51 536	0.67 538	0.29 477	0.38 468	0.38 494	0.29 493	0.31 490	0.23 450	0.11 428	0.10 453	0.11 437	0.08 337	0.20 518	0.16 506

Wz-Net-TNSev	0.29 508	0.20 501	0.65 536	0.19 355	0.15 480	0.38 523	0.27 503	0.35 479	0.55 515	0.34 499	0.42 499	0.45 516	0.38 517	0.32 497	0.30 506	0.12 453	0.13 492	0.10 406	0.12 472	0.15 497	0.14 488

ccnet	0.29 508	0.28 526	0.23 445	0.20 409	0.28 533	0.41 526	0.21 440	0.45 527	0.33 420	0.36 503	0.46 506	0.36 485	0.30 497	0.39 525	0.42 537	0.23 534	0.14 501	0.21 517	0.17 511	0.23 523	0.18 517

EDNetEfficient	0.29 508	0.24 515	1.13 559	0.18 298	0.10 341	0.19 397	0.20 423	0.20 229	0.60 527	0.74 548	0.56 525	0.31 461	0.39 519	0.22 439	0.30 506	0.09 358	0.07 378	0.08 278	0.07 272	0.11 436	0.09 387

ADCS	0.29 508	0.18 494	0.45 512	0.21 438	0.17 505	0.28 492	0.23 461	0.41 513	0.63 533	0.40 513	0.49 510	0.40 506	0.36 514	0.39 525	0.40 533	0.13 476	0.12 479	0.13 471	0.14 485	0.16 504	0.16 506

CSAN	0.29 508	0.24 515	0.27 464	0.34 528	0.19 514	0.33 507	0.42 544	0.37 491	0.50 505	0.38 508	0.40 482	0.44 514	0.33 506	0.28 480	0.30 506	0.20 522	0.16 510	0.19 514	0.19 516	0.14 482	0.15 495

MFN_U_SF_DS_RVC	0.30 513	0.24 515	0.29 477	0.36 532	0.16 490	0.34 510	0.30 525	0.32 436	0.42 477	0.40 513	0.46 506	0.38 494	0.31 501	0.34 503	0.28 498	0.19 520	0.20 523	0.26 525	0.29 535	0.18 514	0.19 522

GANetREF_RVC	0.31 514	0.34 534	0.27 464	0.35 530	0.16 490	0.32 501	0.41 541	0.48 531	0.51 512	0.35 500	0.35 453	0.34 479	0.33 506	0.39 525	0.32 514	0.27 538	0.20 523	0.29 535	0.15 500	0.18 514	0.17 514
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
MSMD_ROB	0.31 514	0.26 521	0.26 457	0.24 483	0.21 520	0.34 510	0.25 488	0.34 464	0.39 461	0.40 513	0.69 537	0.45 516	0.40 522	0.34 503	0.27 491	0.20 522	0.19 520	0.26 525	0.25 528	0.23 523	0.22 527

MFN_U_SF_RVC	0.32 516	0.21 507	0.55 525	0.30 523	0.15 480	0.34 510	0.17 318	0.52 537	0.46 494	0.46 528	0.55 520	0.59 534	0.39 519	0.35 509	0.37 526	0.15 493	0.14 501	0.18 512	0.21 519	0.16 504	0.15 495

PASM	0.32 516	0.24 515	0.48 518	0.28 514	0.27 532	0.29 496	0.30 525	0.34 464	0.49 502	0.35 500	0.39 476	0.46 520	0.34 510	0.34 503	0.35 521	0.23 534	0.25 536	0.26 525	0.28 534	0.23 523	0.21 525

SGM-ForestM	0.32 516	0.12 413	0.16 348	0.16 142	0.11 389	0.39 524	0.19 402	0.41 513	0.50 505	0.52 531	0.54 518	1.32 561	0.42 530	0.40 529	0.27 491	0.14 489	0.16 510	0.16 501	0.16 504	0.12 451	0.12 452

FC-DCNN v2	0.33 519	0.27 522	0.28 469	0.26 499	0.23 524	0.37 520	0.28 509	0.40 507	0.43 482	0.45 525	0.56 525	0.51 527	0.40 522	0.37 520	0.29 501	0.21 526	0.20 523	0.27 528	0.26 529	0.25 530	0.24 529

FCDSN-DC	0.33 519	0.28 526	0.28 469	0.30 523	0.24 526	0.39 524	0.28 509	0.42 518	0.42 477	0.43 523	0.53 516	0.51 527	0.41 527	0.36 515	0.30 506	0.21 526	0.20 523	0.27 528	0.26 529	0.25 530	0.24 529
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 519	0.27 522	0.28 469	0.26 499	0.23 524	0.37 520	0.28 509	0.40 507	0.43 482	0.45 525	0.55 520	0.51 527	0.40 522	0.37 520	0.30 506	0.21 526	0.20 523	0.27 528	0.26 529	0.25 530	0.24 529

LSM	0.33 519	0.20 501	0.58 531	0.26 499	0.60 556	0.34 510	0.25 488	0.42 518	0.48 496	0.45 525	0.58 530	0.42 509	0.36 514	0.35 509	0.25 472	0.12 453	0.20 523	0.14 483	0.16 504	0.19 517	0.33 543

AnyNet_C01	0.36 523	0.25 520	1.37 562	0.22 453	0.17 505	0.48 531	0.27 503	0.35 479	0.39 461	0.39 510	0.74 543	0.46 520	0.38 517	0.45 533	0.47 542	0.13 476	0.13 492	0.13 471	0.14 485	0.14 482	0.15 495

GCST	0.37 524	0.42 541	0.26 457	1.02 565	0.39 540	0.18 374	0.08 7	0.20 229	0.17 205	0.28 469	0.25 364	0.15 266	0.12 254	0.16 316	0.14 314	0.64 558	0.43 547	0.75 555	0.65 558	0.63 552	0.46 551

otaku	0.39 525	0.37 537	0.52 521	0.44 539	0.28 533	0.58 537	0.24 473	0.41 513	0.62 530	0.40 513	0.49 510	0.46 520	0.33 506	0.40 529	0.32 514	0.30 539	0.30 540	0.39 541	0.33 540	0.29 536	0.28 537

ACVNet-4b	0.39 525	0.53 544	0.55 525	0.45 540	0.24 526	0.47 529	0.18 363	0.49 533	0.64 534	0.42 520	0.45 505	0.60 535	0.27 476	0.34 503	0.24 463	0.33 541	0.14 501	0.48 544	0.42 544	0.30 537	0.26 536

PVD	0.39 525	0.20 501	0.39 504	0.31 527	0.22 522	0.29 496	0.43 546	0.52 537	0.96 555	0.55 534	0.79 547	0.53 531	0.59 545	0.52 539	0.38 528	0.19 520	0.14 501	0.17 503	0.14 485	0.24 529	0.31 541

Ntro	0.40 528	0.40 539	0.53 522	0.46 543	0.30 537	0.65 543	0.24 473	0.46 529	0.68 539	0.41 517	0.49 510	0.48 525	0.42 530	0.39 525	0.31 513	0.32 540	0.28 538	0.37 540	0.30 537	0.32 541	0.29 538

SAMSARA	0.40 528	0.28 526	0.33 488	0.55 546	0.39 540	0.82 557	1.23 571	0.47 530	0.51 512	0.36 503	0.35 453	0.55 533	0.39 519	0.38 522	0.39 530	0.15 493	0.20 523	0.15 495	0.14 485	0.23 523	0.20 523

ELAS_RVC	0.41 530	0.29 529	0.33 488	0.28 514	0.24 526	0.54 535	0.36 536	0.49 533	0.59 524	0.72 544	0.74 543	0.65 540	0.54 539	0.54 543	0.40 533	0.22 530	0.20 523	0.27 528	0.26 529	0.26 534	0.25 534
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 530	0.29 529	0.33 488	0.27 511	0.24 526	0.60 540	0.36 536	0.50 535	0.50 505	0.71 542	0.79 547	0.67 542	0.54 539	0.51 537	0.42 537	0.22 530	0.20 523	0.27 528	0.26 529	0.26 534	0.25 534
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 532	0.39 538	0.54 523	0.40 535	0.20 517	0.64 542	0.32 533	0.53 539	0.72 542	0.71 542	0.72 540	0.61 536	0.54 539	0.51 537	0.46 541	0.20 522	0.19 520	0.29 535	0.30 537	0.23 523	0.18 517

ACVNet_1	0.44 533	0.49 543	0.60 532	0.45 540	0.28 533	0.49 532	0.27 503	0.57 544	0.72 542	0.62 537	0.58 530	0.74 546	0.49 536	0.50 536	0.35 521	0.26 537	0.24 535	0.39 541	0.29 535	0.31 540	0.24 529

Consistency-Raft	0.44 533	0.40 539	0.45 512	0.37 534	0.43 544	0.46 527	0.41 541	0.57 544	0.55 515	0.32 493	0.73 541	0.33 473	0.48 535	0.42 532	0.49 544	0.39 543	0.35 544	0.45 543	0.51 551	0.42 543	0.29 538

RTS	0.45 535	0.19 497	3.26 568	0.24 483	0.15 480	0.74 550	0.20 423	0.36 486	0.76 548	0.42 520	0.43 502	0.31 461	0.41 527	0.53 541	0.35 521	0.10 399	0.08 404	0.13 471	0.12 472	0.15 497	0.15 495

RTSA	0.45 535	0.19 497	3.26 568	0.24 483	0.15 480	0.74 550	0.20 423	0.36 486	0.76 548	0.42 520	0.43 502	0.31 461	0.41 527	0.53 541	0.35 521	0.10 399	0.08 404	0.13 471	0.12 472	0.15 497	0.15 495

MANE	0.45 535	0.27 522	0.27 464	0.27 511	0.24 526	0.47 529	0.31 531	0.55 541	0.59 524	0.72 544	1.13 563	1.15 555	0.61 546	0.52 539	0.37 526	0.21 526	0.20 523	0.27 528	0.31 539	0.25 530	0.24 529

NVStereoNet_ROB	0.46 538	0.36 536	0.46 516	0.41 537	0.28 533	0.34 510	0.34 534	0.48 531	0.60 527	0.72 544	0.93 552	0.70 545	0.66 549	0.47 534	0.60 551	0.22 530	0.33 543	0.34 539	0.34 542	0.30 537	0.30 540
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LE_ROB	0.50 539	0.07 139	0.14 264	0.15 70	0.08 127	0.24 455	0.16 284	0.22 274	1.81 571	4.63 574	0.67 535	0.47 523	0.44 532	0.20 409	0.29 501	0.07 238	0.06 306	0.06 102	0.06 185	0.08 321	0.06 199

BEATNet-Init1	0.52 540	0.27 522	0.62 534	0.30 523	0.21 520	0.76 554	0.29 518	0.54 540	0.65 536	0.86 553	0.95 554	2.07 570	0.62 548	0.56 545	0.42 537	0.18 515	0.18 517	0.23 522	0.22 522	0.22 522	0.21 525

anonymity	0.53 541	0.58 546	0.65 536	0.41 537	0.61 557	0.53 534	0.41 541	0.56 542	0.41 470	0.55 534	0.50 514	0.49 526	0.55 542	0.58 546	0.50 547	0.58 554	0.50 557	0.51 546	0.51 551	0.51 545	0.57 553

RainbowNet	0.54 542	0.61 548	0.70 548	0.57 547	0.43 544	0.65 543	0.37 539	0.60 546	0.87 552	0.50 530	0.66 534	0.64 538	0.47 534	0.49 535	0.43 540	0.47 549	0.48 553	0.52 548	0.41 543	0.52 546	0.40 548

SGM+DAISY	0.56 543	0.57 545	0.65 536	0.40 535	0.54 549	0.66 545	0.49 548	0.56 542	0.45 493	0.66 538	0.69 537	0.67 542	0.56 543	0.63 548	0.56 549	0.59 555	0.48 553	0.50 545	0.50 550	0.52 546	0.58 554

SPS-STEREO	0.57 544	0.58 546	0.65 536	0.45 540	0.55 551	0.62 541	0.44 547	0.62 547	0.50 505	0.68 540	0.64 532	0.66 541	0.57 544	0.61 547	0.60 551	0.62 557	0.47 552	0.51 546	0.49 548	0.55 550	0.58 554
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 545	0.66 552	0.65 536	0.51 544	0.69 561	0.69 546	0.57 554	0.64 548	0.73 546	0.60 536	0.73 541	0.62 537	0.67 550	0.65 549	0.60 551	0.66 559	0.58 566	0.63 550	0.59 554	0.68 557	0.69 563

IMH-64-1	0.65 546	0.61 548	0.68 544	0.71 550	0.51 547	0.59 538	0.49 548	0.91 555	0.85 550	0.74 548	1.02 556	0.81 547	0.78 554	0.79 552	0.49 544	0.42 545	0.46 548	0.71 552	0.47 546	0.52 546	0.39 546

IMH-64	0.65 546	0.61 548	0.68 544	0.71 550	0.51 547	0.59 538	0.49 548	0.91 555	0.85 550	0.74 548	1.02 556	0.81 547	0.78 554	0.79 552	0.49 544	0.42 545	0.46 548	0.71 552	0.47 546	0.52 546	0.39 546

ACVNet_2	0.66 548	0.66 552	0.68 544	0.63 548	0.41 542	0.71 548	0.49 548	0.96 559	1.39 564	0.89 554	1.09 559	1.04 551	0.73 552	0.54 543	0.47 542	0.43 547	0.40 546	0.53 549	0.44 545	0.47 544	0.35 545

JetBlue	0.71 549	0.45 542	1.14 560	0.51 544	0.47 546	2.02 571	0.64 558	0.75 550	0.70 540	0.69 541	0.77 546	1.22 557	0.83 556	1.03 567	1.01 567	0.40 544	0.28 538	0.33 538	0.33 540	0.30 537	0.34 544

IMH	0.71 549	0.64 551	0.68 544	0.76 552	0.54 549	0.69 546	0.54 552	0.98 561	1.10 557	0.82 552	1.09 559	0.89 549	0.88 559	0.87 560	0.52 548	0.44 548	0.50 557	0.75 555	0.51 551	0.56 551	0.41 549

PWCK	0.71 549	0.94 563	0.95 557	0.76 552	0.31 538	0.74 550	0.36 536	0.90 554	0.90 553	0.96 557	0.75 545	0.95 550	0.61 546	0.87 560	0.66 554	0.72 560	0.46 548	0.75 555	0.49 548	0.69 559	0.44 550

MADNet+	0.75 552	0.71 554	3.70 571	0.66 549	0.41 542	0.98 562	0.97 569	0.69 549	0.73 546	0.52 531	0.57 528	0.64 538	0.68 551	0.86 559	1.01 567	0.34 542	0.36 545	0.28 534	0.23 526	0.36 542	0.31 541

TorneroNet-64	0.76 553	0.72 555	0.74 549	0.78 554	0.58 555	0.91 561	0.56 553	0.84 553	1.29 561	0.66 538	0.90 550	1.40 563	0.75 553	0.85 558	0.67 557	0.49 550	0.46 548	0.72 554	0.59 554	0.67 556	0.53 552

WAO-7	0.79 554	0.78 557	0.54 523	0.85 558	0.67 560	0.74 550	0.68 562	1.05 564	1.32 562	0.90 555	1.20 566	1.04 551	0.92 560	0.69 550	0.66 554	0.60 556	0.62 567	0.67 551	0.68 560	0.64 553	0.58 554

WAO-6	0.81 555	0.80 558	0.62 534	0.86 559	0.63 558	0.76 554	0.58 555	0.98 561	1.54 569	0.90 555	0.96 555	1.07 553	1.03 564	0.70 551	0.66 554	0.72 560	0.49 555	0.90 563	0.71 561	0.68 557	0.58 554

TorneroNet	0.82 556	0.74 556	0.81 554	0.84 557	0.63 558	0.99 563	0.63 556	0.96 559	1.16 558	0.80 551	1.11 561	1.36 562	0.86 558	0.93 563	0.80 562	0.56 552	0.49 555	0.78 560	0.66 559	0.73 562	0.63 562

LVE	0.83 557	0.85 561	0.85 555	0.80 555	0.56 552	1.04 567	0.65 559	1.05 564	1.47 567	0.96 557	1.22 567	1.10 554	0.85 557	0.83 555	0.71 559	0.49 550	0.55 563	0.76 558	0.60 556	0.65 554	0.59 559

Dean	0.87 558	0.86 562	0.79 552	0.81 556	0.56 552	0.90 558	0.63 556	1.15 570	1.73 570	1.15 565	1.15 564	1.31 560	0.99 563	0.81 554	0.81 563	0.57 553	0.56 564	0.77 559	0.64 557	0.66 555	0.58 554

WAO-8	0.91 559	0.81 559	0.65 536	0.94 562	0.69 561	0.90 558	0.67 560	1.07 567	1.83 572	1.06 562	1.45 569	1.30 558	1.07 565	0.84 556	0.78 560	0.74 562	0.53 560	0.86 561	0.75 562	0.69 559	0.62 560

Venus	0.91 559	0.81 559	0.65 536	0.94 562	0.69 561	0.90 558	0.67 560	1.07 567	1.83 572	1.06 562	1.45 569	1.30 558	1.07 565	0.84 556	0.78 560	0.74 562	0.53 560	0.86 561	0.75 562	0.69 559	0.62 560

UNDER WATER-64	0.95 561	0.94 563	1.43 564	0.87 560	0.56 552	1.18 570	0.87 566	0.77 551	0.94 554	1.04 560	0.85 549	1.58 568	1.21 570	0.94 564	0.96 565	0.87 566	0.57 565	1.03 566	0.88 567	0.78 563	0.73 564

UNDER WATER	0.97 562	0.97 565	1.42 563	0.99 564	0.70 564	1.12 569	0.84 565	0.80 552	1.08 556	1.01 559	0.90 550	1.55 567	1.22 571	1.03 567	1.00 566	0.78 564	0.53 560	1.02 565	0.87 566	0.80 564	0.74 565

notaker	0.97 562	1.11 566	0.98 558	1.13 567	0.81 565	0.73 549	0.68 562	0.93 557	1.16 558	1.18 567	1.18 565	1.41 564	1.16 569	1.08 569	0.69 558	0.81 565	0.64 568	1.17 567	0.79 564	0.98 566	0.80 567

ktn	1.01 564	1.21 568	0.80 553	1.23 569	0.86 567	1.01 565	0.87 566	0.94 558	1.39 564	1.04 560	1.12 562	1.15 555	1.07 565	0.94 564	0.59 550	1.28 571	0.71 569	1.38 571	0.83 565	1.02 568	0.75 566

KSHMR	1.09 565	1.17 567	0.88 556	1.25 570	1.00 569	0.99 563	0.96 568	1.13 569	1.37 563	1.16 566	1.29 568	1.41 564	0.96 562	1.01 566	0.92 564	1.03 569	1.08 571	1.20 568	1.03 570	1.01 567	0.97 569

DPSimNet_ROB	1.11 566	1.23 569	0.78 550	1.13 567	0.88 568	1.10 568	1.13 570	1.16 571	1.23 560	1.43 569	1.02 556	1.41 564	1.10 568	0.90 562	1.60 569	1.46 572	0.51 559	1.21 569	1.03 570	0.90 565	1.01 571

HanzoNet	1.29 567	1.26 570	1.19 561	1.12 566	0.85 566	1.02 566	0.83 564	1.03 563	1.48 568	1.64 570	1.61 571	2.50 572	1.72 572	1.61 571	1.61 570	1.26 570	0.80 570	1.31 570	1.01 569	1.02 568	0.86 568

JetRed	1.62 568	1.46 571	2.98 566	0.92 561	1.21 570	4.99 574	1.53 573	1.27 572	1.39 564	1.83 571	1.74 572	1.60 569	0.95 561	1.41 570	2.45 574	0.90 568	1.60 572	0.93 564	0.90 568	1.35 570	0.99 570

MADNet++	1.95 569	1.75 572	1.59 565	1.82 571	1.69 572	2.33 572	1.40 572	2.35 573	2.09 574	2.57 573	2.36 574	2.24 571	2.17 573	2.28 572	2.34 572	1.87 573	1.66 573	1.54 572	1.34 572	1.92 571	1.77 573

coex-ft	3.30 570	0.34 534	59.09 592	0.18 298	0.13 442	0.26 475	0.22 450	0.27 371	0.72 542	1.90 572	0.70 539	0.44 514	0.45 533	0.29 486	0.41 536	0.09 358	0.09 433	0.12 456	0.09 382	0.14 482	0.13 471

TCMNet-wrong-test	3.67 571	5.48 581	3.89 572	12.18 583	11.75 584	4.65 573	3.88 574	1.06 566	0.72 542	1.09 564	2.15 573	6.30 577	0.53 538	3.43 574	2.36 573	0.89 567	0.20 523	1.87 574	1.69 573	5.57 579	3.62 579

tt	4.67 572	0.06 56	3.55 570	2.02 572	1.55 571	10.25 578	16.71 578	8.91 582	5.03 575	1.31 568	0.94 553	4.71 573	4.76 574	3.33 573	5.87 576	6.06 581	10.30 585	1.88 575	2.11 575	2.75 573	1.21 572

USTest	6.22 573	2.73 574	3.00 567	6.57 579	7.29 578	14.37 580	21.57 579	7.00 581	9.56 580	5.34 577	6.10 575	5.72 576	7.64 577	6.41 578	6.96 577	1.97 574	3.42 579	1.64 573	2.15 576	2.66 572	2.36 574

xxxxx1	7.79 574	5.02 578	7.31 575	3.12 573	3.85 574	16.35 582	22.88 580	5.86 578	8.69 577	7.97 578	8.54 576	9.12 580	8.27 578	10.18 580	10.92 578	2.42 575	2.45 575	3.56 578	12.37 582	3.77 574	3.06 576

tt_ll	7.79 574	5.02 578	7.31 575	3.12 573	3.85 574	16.35 582	22.88 580	5.86 578	8.69 577	7.97 578	8.54 576	9.12 580	8.27 578	10.18 580	10.92 578	2.42 575	2.45 575	3.56 578	12.37 582	3.77 574	3.06 576

ff	7.79 574	5.02 578	7.31 575	3.12 573	3.85 574	16.35 582	22.88 580	5.86 578	8.69 577	7.97 578	8.54 576	9.12 580	8.27 578	10.18 580	10.92 578	2.42 575	2.45 575	3.56 578	12.37 582	3.77 574	3.06 576

EDNetEfficientorigin	7.91 577	0.31 531	153.02 593	0.19 355	0.09 239	0.21 429	0.16 284	0.22 274	0.59 524	0.72 544	0.67 535	0.42 509	0.50 537	0.24 459	0.39 530	0.08 299	0.07 378	0.08 278	0.07 272	0.12 451	0.10 413

DPSMNet_ROB	8.06 578	4.48 576	8.63 581	5.37 578	10.74 581	8.32 576	22.98 584	5.46 575	13.36 583	5.12 575	9.92 579	5.08 574	10.40 581	5.53 577	12.58 581	3.80 579	8.00 580	3.50 576	7.02 579	3.83 577	7.14 581

DGTPSM_ROB	8.06 578	4.48 576	8.63 581	5.35 576	10.72 580	8.32 576	22.97 583	5.46 575	13.35 582	5.12 575	9.92 579	5.08 574	10.40 581	5.52 576	12.58 581	3.79 578	8.00 580	3.50 576	7.02 579	3.83 577	7.14 581

PML	8.91 580	9.34 585	6.13 573	5.35 576	6.41 577	14.99 581	23.38 585	5.27 574	6.83 576	18.04 586	28.19 592	7.67 578	6.83 576	7.85 579	5.75 575	5.35 580	1.83 574	5.95 584	1.93 574	8.64 582	2.52 575

DLNR_Zeroshot_test	10.40 581	1.82 573	19.49 588	120.77 593	13.11 585	0.06 8	0.13 104	0.23 294	0.10 36	0.07 30	0.10 117	0.09 123	0.06 36	0.10 61	0.09 54	0.13 476	0.04 21	0.06 102	0.04 34	51.54 592	0.04 40

LRCNet_RVC	10.62 582	13.42 586	7.30 574	18.92 585	2.07 573	0.33 507	0.30 525	5.59 577	0.48 496	13.03 584	17.94 585	8.87 579	5.65 575	4.79 575	1.89 571	23.51 590	2.73 578	27.55 591	25.71 591	16.07 588	16.33 589

Anonymous_1	10.96 583	7.92 582	7.46 578	10.33 580	10.06 579	18.65 586	26.34 586	11.06 583	13.44 584	9.40 581	10.05 581	9.67 583	11.23 583	10.73 583	12.72 583	6.42 582	8.38 582	5.77 581	10.61 581	12.12 583	6.77 580

DPSM_ROB	11.15 584	8.58 583	8.00 579	10.88 581	11.58 582	19.10 587	26.71 587	12.05 584	14.07 585	10.36 582	10.84 582	10.33 584	11.86 584	11.70 584	13.54 584	6.99 583	8.79 583	5.89 582	6.95 577	7.29 580	7.42 583

DPSM	11.15 584	8.58 583	8.00 579	10.88 581	11.58 582	19.10 587	26.71 587	12.05 584	14.07 585	10.36 582	10.84 582	10.33 584	11.86 584	11.70 584	13.54 584	6.99 583	8.79 583	5.89 582	6.95 577	7.29 580	7.42 583

HaxPig	15.71 586	18.52 591	19.18 587	16.89 584	15.89 586	7.73 575	7.60 575	13.31 586	10.82 581	15.42 585	14.91 584	15.98 586	14.92 586	15.58 586	15.98 586	18.95 589	16.73 586	19.46 589	18.08 589	19.26 589	19.05 590

MEDIAN_ROB	20.38 587	24.04 592	23.31 589	21.23 586	21.71 587	10.40 579	7.92 576	17.64 587	15.50 587	20.12 587	19.70 586	20.34 587	20.32 587	21.19 587	21.13 587	23.81 591	21.81 591	24.98 590	23.76 590	24.71 590	23.93 591

CasAABBNet	22.42 588	17.33 588	16.01 583	22.01 587	23.28 589	38.32 589	53.80 591	24.14 589	28.41 590	20.60 588	21.77 588	20.89 590	23.91 590	23.43 588	27.36 590	14.07 586	17.69 588	11.83 587	14.01 586	14.67 585	14.95 587

FlowAnything	22.44 589	17.35 589	16.14 585	22.07 589	23.23 588	38.39 590	53.77 590	24.25 590	28.44 591	20.96 591	21.82 589	20.70 588	23.84 588	23.49 589	27.14 589	14.04 585	17.79 590	11.75 585	14.15 588	14.65 584	14.89 585

Selective-RAFT-Error	22.47 590	17.37 590	16.09 584	22.06 588	23.34 590	38.39 590	53.83 592	24.29 592	28.47 592	20.74 589	21.83 590	20.81 589	23.90 589	23.54 591	27.53 592	14.08 587	17.69 588	11.82 586	14.00 585	14.69 586	15.00 588

LSM0	22.87 591	17.28 587	18.96 586	22.19 590	29.04 592	38.42 592	53.71 589	24.28 591	28.31 589	20.78 590	21.00 587	21.43 591	24.16 591	23.50 590	27.39 591	14.09 588	17.38 587	11.84 588	14.04 587	14.73 587	14.89 585

AVERAGE_ROB	24.90 592	29.20 593	28.14 590	24.89 591	24.64 591	17.75 585	11.12 577	21.45 588	19.93 588	25.12 592	24.46 591	25.12 592	25.46 592	24.69 592	22.83 588	29.76 592	27.13 592	28.97 592	27.95 592	29.91 591	29.47 592

test_example2	98.32 593	94.13 594	45.89 591	96.35 592	109.85 593	88.61 593	95.45 593	25.75 593	94.37 593	130.00 594	126.06 593	58.17 593	74.63 593	88.51 593	79.96 593	150.23 593	221.02 593	77.62 593	99.10 593	113.75 593	96.94 593

ccccc		285.66 595		368.85 594	370.60 594	123.16 594		115.05 594		126.68 593		122.83 594		252.94 594		384.56 594	353.86 594	254.69 594	223.00 594	425.87 594

ASD4		3.38 575

Low-res two-view benchmark