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

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

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_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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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
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-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

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

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

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

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

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

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

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_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

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

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

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

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

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
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

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

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

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)
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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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	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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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)
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

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	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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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
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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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
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.
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

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

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

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

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

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

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

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

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

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

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

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
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

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
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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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