Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ADCMid	0.08 38	0.02 12	0.02 13	1.01 252	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 77	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 39	0.02 12	0.04 32	0.90 233	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 198	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 60	0.02 12	0.02 13	1.62 334	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 59	0.04 50	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

AnyNet_C32	0.14 80	0.04 31	0.03 29	2.22 348	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 73	0.04 50	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

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

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

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

EDNetEfficientorigin	0.04 26	0.06 42	0.04 32	0.05 32	0.04 54	0.05 62	0.04 55	0.05 61	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

EDNetEfficient	0.04 26	0.05 38	0.04 32	0.04 26	0.03 39	0.04 52	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

BEATNet_4x	0.11 60	0.03 27	0.03 29	1.60 332	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 60	0.03 27	0.03 29	1.60 332	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCPNet	0.10 45	0.03 27	0.04 32	1.27 321	0.03 39	0.04 52	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 76	0.04 50	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

GASNet	0.05 29	0.04 31	0.12 79	0.04 26	0.04 54	0.04 52	0.05 64	0.04 51	0.04 56	0.12 93	0.04 64	0.06 69	0.04 59	0.04 46	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

Wz-Net-TNSev	0.02 14	0.05 38	0.04 32	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 39	0.05 38	0.04 32	0.05 32	0.04 54	0.05 62	0.90 281	0.06 66	0.04 56	0.05 65	0.04 64	0.05 63	0.04 59	0.05 55	0.04 50	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

FADNet-RVC-Resample	0.12 68	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	1.57 367	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 68	0.04 31	0.04 32	0.05 32	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.65 371	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC	0.13 73	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.05 64	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.05 65	0.04 46	1.71 374	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

FADNet	0.12 68	0.05 38	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.05 65	0.04 46	1.66 372	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCRef	0.12 68	0.03 27	0.04 32	1.71 335	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCP+	0.15 90	0.04 31	0.04 32	2.20 347	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.05 72	0.04 51	0.04 59	0.08 76	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 32	0.04 26	0.04 54	0.04 52	0.04 55	0.04 51	0.04 56	0.04 54	0.04 64	0.04 51	0.04 59	0.04 46	0.04 50	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GwcNet	0.12 68	0.07 44	0.05 45	0.08 37	0.05 69	0.08 75	1.20 306	0.07 75	0.05 69	0.05 65	0.05 72	0.08 76	0.05 65	0.08 76	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

Wz-Net-SNSev	0.03 25	0.09 51	0.07 46	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

FINET	0.07 36	0.08 45	0.07 46	0.07 35	0.07 79	0.08 75	0.06 76	0.08 78	0.07 80	0.08 75	0.07 80	0.08 76	0.06 77	0.07 73	0.07 72	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

SepStereo	0.09 39	0.09 51	0.10 57	0.09 41	0.09 82	0.09 79	0.09 81	0.10 80	0.08 82	0.10 79	0.09 83	0.09 80	0.09 84	0.09 79	0.08 74	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

AASNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 69	0.06 64	0.05 64	0.05 61	0.06 77	0.06 68	0.06 77	0.05 63	0.06 77	0.06 59	0.05 60	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

BEATNet-Init1	0.19 101	0.08 45	0.08 48	2.23 349	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SuperB	0.21 110	0.10 53	2.51 380	0.12 60	0.09 82	0.10 80	0.09 81	0.08 78	0.07 80	0.10 79	0.09 83	0.09 80	0.07 81	0.07 73	0.07 72	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

DeepPrunerF	0.19 101	0.08 45	0.08 48	2.23 349	0.08 80	0.08 75	0.07 79	0.07 75	0.08 82	0.08 75	0.07 80	0.08 76	0.07 81	0.11 91	0.08 74	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

ELAS_RVC	0.14 80	0.16 72	0.10 57	0.15 83	0.10 88	0.18 111	0.11 98	0.19 112	0.11 100	0.19 112	0.12 106	0.18 112	0.11 99	0.19 113	0.12 104	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 73	0.16 72	0.11 74	0.15 83	0.09 82	0.18 111	0.11 98	0.18 111	0.11 100	0.17 108	0.11 99	0.18 112	0.11 99	0.18 111	0.11 93	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SMFormer	0.09 39	1.01 200	0.09 53	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

LRCNet_RVC	0.13 73	0.13 67	0.09 53	0.13 70	0.10 88	0.14 95	0.10 86	0.14 95	0.10 86	0.23 129	0.10 87	0.20 116	0.10 88	0.24 138	0.11 93	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

UNet	0.29 131	0.90 182	0.10 57	0.14 74	0.10 88	0.14 95	0.10 86	0.91 265	0.69 268	0.14 95	0.11 99	0.14 96	0.11 99	0.14 97	0.10 82	0.12 73	0.09 55	0.12 91	0.09 80	0.88 253	0.76 272

DRN-Test	0.14 80	0.13 67	0.09 53	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.10 86	0.14 95	0.09 83	0.14 96	0.09 84	0.13 96	0.09 77	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 267

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

xxx	0.09 39	1.01 200	0.10 57	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

WZ-Net	0.05 29	0.50 155	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

AnonymousM	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

PVD	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 45	0.10 53	0.10 57	0.10 45	0.10 88	0.10 80	0.10 86	0.10 80	0.10 86	0.10 79	0.10 87	0.10 82	0.10 88	0.10 81	0.10 82	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

StereoDRNet	0.15 90	0.14 71	0.10 57	0.14 74	0.09 82	0.15 101	0.09 81	0.14 95	0.09 85	0.14 95	0.10 87	0.14 96	0.09 84	0.14 97	0.09 77	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 277

LALA_ROB	0.15 90	0.19 78	0.12 79	0.18 96	0.11 103	0.20 116	0.12 110	0.21 121	0.12 115	0.20 115	0.12 106	0.20 116	0.12 112	0.21 126	0.13 110	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

FADE	0.07 36	0.06 42	0.02 13	0.09 41	0.10 88	0.03 36	0.03 39	0.05 61	0.03 44	0.04 54	0.03 40	0.05 63	0.03 42	0.04 46	0.03 37	0.15 97	0.10 59	0.17 111	0.13 118	0.11 90	0.11 95

JetBlue	0.11 60	0.11 64	0.12 79	0.13 70	0.14 119	0.11 91	0.11 98	0.11 91	0.11 100	0.11 91	0.11 99	0.11 92	0.11 99	0.12 95	0.12 104	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

mmm	0.14 80	1.83 289	0.12 79	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 50	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

1111x	0.10 45	1.14 211	0.13 94	0.14 74	0.03 39	0.04 52	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

ProNet	0.14 80	0.20 82	0.14 98	0.16 89	0.11 103	0.16 106	0.11 98	0.17 109	0.11 100	0.17 108	0.12 106	0.17 109	0.13 116	0.17 109	0.12 104	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 107

Wz-Net-MNSev	0.06 31	0.54 163	0.10 57	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

ICVP	0.15 90	0.53 160	0.11 74	0.16 89	0.11 103	0.16 106	0.11 98	0.16 107	0.11 100	0.16 105	0.11 99	0.16 106	0.11 99	0.16 106	0.11 93	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 73	0.11 64	0.11 74	0.11 57	0.11 103	0.11 91	0.11 98	0.11 91	0.11 100	0.11 91	0.12 106	0.11 92	0.11 99	0.11 91	0.11 93	0.11 68	0.11 75	0.14 95	0.11 97	0.49 212	0.11 95

cf-r	0.66 215	2.17 306	0.12 79	0.18 96	0.12 115	0.18 111	2.70 386	2.60 372	0.12 115	0.18 111	0.12 106	0.18 112	0.12 112	0.18 111	0.12 104	0.15 97	0.11 75	0.15 105	0.11 97	1.81 345	1.74 377

PASM	0.39 165	3.06 329	1.36 350	1.58 330	0.09 82	0.11 91	0.11 98	0.11 91	0.11 100	0.09 78	0.09 83	0.11 92	0.09 84	0.09 79	0.09 77	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

HSM	0.14 80	0.16 72	0.12 79	0.17 95	0.12 115	0.17 109	0.11 98	0.17 109	0.11 100	0.17 108	0.12 106	0.17 109	0.12 112	0.17 109	0.12 104	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

SGM_RVC	0.15 90	0.17 76	0.11 74	0.18 96	0.11 103	0.19 114	0.11 98	0.19 112	0.12 115	0.19 112	0.12 106	0.20 116	0.12 112	0.19 113	0.12 104	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
qqq1	0.25 118	3.70 338	0.14 98	0.14 74	0.04 54	0.06 64	0.05 64	0.06 66	0.05 69	0.06 68	0.05 72	0.04 51	0.05 65	0.06 59	0.05 60	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 118	3.70 338	0.14 98	0.14 74	0.04 54	0.06 64	0.05 64	0.06 66	0.05 69	0.06 68	0.05 72	0.04 51	0.05 65	0.06 59	0.05 60	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

11t1	0.17 99	2.16 305	0.13 94	0.13 70	0.04 54	0.06 64	0.04 55	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.05 60	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

DualNet	0.25 118	3.83 343	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 118	3.83 343	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 118	3.83 343	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 118	3.83 343	0.12 79	0.12 60	0.05 69	0.06 64	0.05 64	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 65	0.06 59	0.05 60	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ttt	0.10 45	1.09 207	0.12 79	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

CIPLG	0.13 73	0.21 87	0.12 79	0.16 89	0.11 103	0.15 101	0.11 98	0.14 95	0.11 100	0.15 101	0.12 106	0.15 105	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLG	0.13 73	0.20 82	0.14 98	0.15 83	0.11 103	0.14 95	0.11 98	0.14 95	0.11 100	0.14 95	0.11 99	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR_C	0.14 80	0.20 82	0.12 79	0.15 83	0.11 103	0.14 95	0.15 117	0.14 95	0.11 100	0.15 101	0.12 106	0.14 96	0.11 99	0.16 106	0.11 93	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 107

MIPNet	0.14 80	0.21 87	0.17 117	0.16 89	0.11 103	0.15 101	0.12 110	0.14 95	0.11 100	0.16 105	0.11 99	0.14 96	0.11 99	0.14 97	0.11 93	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 80	0.24 97	0.14 98	0.16 89	0.12 115	0.15 101	0.12 110	0.14 95	0.11 100	0.15 101	0.12 106	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 73	0.21 87	0.14 98	0.15 83	0.11 103	0.14 95	0.11 98	0.14 95	0.11 100	0.14 95	0.12 106	0.14 96	0.11 99	0.14 97	0.11 93	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

222	0.10 45	0.99 194	0.12 79	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

ACVNet	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 288	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 103	0.19 78	0.14 98	0.20 100	0.14 119	0.20 116	0.96 288	0.21 121	0.14 119	0.20 115	0.13 118	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

hitnet-ft	0.79 237	2.78 325	0.14 98	0.20 100	0.14 119	0.21 124	2.89 387	2.80 377	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.54 362	2.33 383

PSMNet-RSSM	0.77 233	2.76 322	0.14 98	0.20 100	0.14 119	0.20 116	2.66 384	2.79 376	0.14 119	0.21 124	0.14 121	0.21 124	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 360	2.31 381

GwcNet-RSSM	0.77 233	2.77 324	0.14 98	0.20 100	0.14 119	0.20 116	2.67 385	2.78 375	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.21 126	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	2.52 360	2.31 381

CFNet-ft	0.55 207	1.57 278	0.14 98	0.20 100	0.14 119	0.20 116	2.53 383	1.61 350	0.14 119	0.20 115	0.14 121	0.20 116	0.14 118	0.20 116	0.14 113	0.17 109	0.12 86	0.17 111	0.12 110	1.56 341	1.24 356

DeepPruner_ROB	0.16 96	0.18 77	0.13 94	0.19 99	0.13 118	0.19 114	0.13 113	0.19 112	0.13 118	0.19 112	0.13 118	0.19 115	0.13 116	0.19 113	0.13 110	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

qqq	0.16 96	2.01 300	0.12 79	0.15 83	0.04 54	0.06 64	0.05 64	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

test_xeample	0.10 45	1.09 207	0.13 94	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

GMStereo	0.14 80	0.13 67	0.14 98	0.14 74	0.14 119	0.14 95	0.14 114	0.14 95	0.14 119	0.14 95	0.14 121	0.14 96	0.14 118	0.14 97	0.14 113	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
x	0.11 60	1.15 213	0.15 112	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

dd	0.23 115	0.98 193	0.16 113	0.23 110	0.15 128	0.23 132	0.15 117	0.23 128	0.15 127	0.23 129	0.15 128	0.24 136	0.17 129	0.23 134	0.15 121	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 116

JetRed	0.11 60	0.12 66	0.11 74	0.11 57	0.11 103	0.11 91	0.14 114	0.11 91	0.11 100	0.12 93	0.11 99	0.11 92	0.11 99	0.11 91	0.11 93	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

GMStereo_Zeroshot	0.16 96	0.16 72	0.16 113	0.16 89	0.16 133	0.16 106	0.16 120	0.16 107	0.16 129	0.16 105	0.16 129	0.16 106	0.16 127	0.16 106	0.16 126	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 116

IGEV_Zeroshot_test	0.20 103	0.19 78	0.40 186	0.30 128	0.17 134	0.22 126	0.17 121	0.21 121	0.17 131	0.20 115	0.17 131	0.21 124	0.18 134	0.21 126	0.17 127	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

MSKI-zero shot	0.24 117	0.21 87	0.49 217	0.65 210	0.18 139	0.22 126	0.17 121	0.23 128	0.18 132	0.21 124	0.17 131	0.23 132	0.28 174	0.23 134	0.18 133	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

MIM_Stereo	0.25 118	0.23 91	0.66 240	0.80 226	0.17 134	0.22 126	0.17 121	0.23 128	0.18 132	0.26 142	0.17 131	0.21 124	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

dad	0.23 115	1.03 205	0.16 113	0.23 110	0.15 128	0.24 133	0.15 117	0.24 131	0.16 129	0.23 129	0.16 129	0.24 136	0.16 127	0.23 134	0.15 121	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

xxxx	0.11 60	1.16 214	0.16 113	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

MMNet	0.44 186	1.24 267	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 341	0.93 292	0.25 135	0.17 131	0.25 139	0.18 134	0.25 140	0.17 127	0.23 134	0.16 113	0.23 134	0.16 124	1.20 284	0.99 289

delet	0.43 183	1.21 265	0.17 117	0.25 118	0.17 134	0.25 137	0.18 125	1.26 341	0.95 293	0.25 135	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.23 134	0.16 113	0.22 130	0.16 124	1.18 281	0.98 288

ac_64	0.22 111	0.13 67	0.19 124	0.23 110	0.10 88	0.26 144	1.02 293	0.14 95	0.10 86	0.28 144	0.14 121	0.17 109	0.19 138	0.28 153	0.09 77	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

iResNetv2_ROB	0.20 103	0.23 91	0.18 122	0.24 115	0.20 143	0.24 133	0.18 125	0.24 131	0.18 132	0.24 134	0.18 139	0.23 132	0.19 138	0.24 138	0.18 133	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 116

iResNet	0.20 103	0.23 91	0.18 122	0.24 115	0.18 139	0.24 133	0.20 130	0.24 131	0.18 132	0.23 129	0.17 131	0.23 132	0.18 134	0.23 134	0.18 133	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

psm_up	0.43 183	1.19 218	0.17 117	0.25 118	0.18 139	0.25 137	0.19 128	1.26 341	0.91 287	0.26 142	0.17 131	0.25 139	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.23 134	0.16 124	1.18 281	0.99 289

UPFNet	0.42 182	1.20 219	0.17 117	0.24 115	0.17 134	0.25 137	0.17 121	1.19 289	0.90 286	0.25 135	0.17 131	0.24 136	0.17 129	0.25 140	0.17 127	0.22 125	0.17 125	0.22 130	0.16 124	1.15 273	0.93 285

CFNet	1.37 337	5.27 365	0.19 124	5.49 380	0.19 142	0.28 148	0.19 128	0.28 140	0.19 137	0.28 144	0.19 140	0.28 149	4.35 391	0.28 153	0.19 136	0.23 134	0.17 125	0.23 134	4.21 400	4.81 382	0.17 122

GEStereo_RVC	0.86 259	4.45 354	0.20 126	0.27 125	0.20 143	0.27 147	0.20 130	0.26 138	0.18 132	5.03 397	0.20 142	0.27 148	0.19 138	0.27 151	0.21 140	0.20 119	0.19 128	0.19 121	4.02 398	0.20 117	0.18 125

DAS	0.20 103	0.20 82	0.20 126	0.20 100	0.20 143	0.20 116	0.20 130	0.20 116	0.20 138	0.20 115	0.20 142	0.20 116	0.20 141	0.20 116	0.20 137	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ASD4	0.20 103	0.20 82	0.20 126	0.20 100	0.20 143	0.20 116	0.20 130	0.20 116	0.20 138	0.20 115	0.20 142	0.20 116	0.20 141	0.20 116	0.20 137	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

Wz-Net-LNSev	0.06 31	0.24 97	0.20 126	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

HGLStereo	0.28 128	0.29 104	0.22 130	0.36 141	0.22 150	0.36 168	0.21 136	0.36 157	0.21 141	0.42 198	0.21 147	0.36 168	0.22 146	0.36 170	0.21 140	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

DISCO	1.11 283	0.39 121	5.28 392	0.39 149	0.20 143	0.39 182	0.27 158	0.39 170	0.22 142	0.38 167	0.20 142	0.38 175	0.20 141	6.95 405	0.22 142	0.30 156	0.21 131	0.27 147	0.21 143	5.25 386	0.21 129

WAO-6	0.22 111	0.23 91	0.22 130	0.23 110	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 131

IMH-64-1	0.22 111	0.23 91	0.23 132	0.22 108	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IMH-64	0.22 111	0.23 91	0.23 132	0.22 108	0.22 150	0.22 126	0.22 140	0.22 125	0.22 142	0.22 126	0.22 148	0.22 129	0.22 146	0.22 130	0.22 142	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

GMOStereo	0.37 154	0.45 140	0.23 132	0.30 128	0.37 210	0.41 197	0.36 197	0.41 186	0.35 198	0.43 202	0.36 201	0.41 194	0.40 206	0.41 197	0.36 198	0.34 163	0.22 134	0.47 230	0.37 213	0.39 183	0.33 189

FCDSN-DC	0.41 174	0.59 166	0.64 235	0.54 199	0.33 200	0.50 236	0.37 201	0.42 202	0.40 212	0.61 245	0.43 228	0.50 237	0.49 238	0.38 175	0.32 181	0.28 149	0.23 138	0.26 143	0.22 145	0.35 163	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
iResNet_ROB	0.28 128	0.32 107	0.24 138	0.32 134	0.25 160	0.32 162	0.24 147	0.32 147	0.24 148	0.33 155	0.24 157	0.35 163	0.24 151	0.33 163	0.24 149	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 142

UNDER WATER-64	0.25 118	0.26 99	0.25 140	0.26 124	0.25 160	0.25 137	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.25 139	0.25 153	0.26 149	0.25 154	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 143

LoS	0.25 118	0.27 100	0.25 140	0.25 118	0.25 160	0.25 137	0.25 149	0.26 138	0.25 151	0.25 135	0.25 161	0.25 139	0.25 153	0.25 140	0.25 154	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 143

StereoDRNet-Refined	0.33 144	0.39 121	0.26 145	0.39 149	0.26 166	0.40 183	0.26 155	0.40 174	0.26 164	0.39 172	0.26 166	0.39 179	0.26 162	0.39 182	0.26 159	0.37 176	0.25 140	0.37 188	0.25 158	0.37 171	0.37 198
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
tt1	0.31 135	0.93 189	0.24 138	0.33 136	0.23 154	0.31 155	0.24 147	0.32 147	0.24 148	0.32 153	0.23 151	0.32 159	0.25 153	0.32 159	0.24 149	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

DLNR_Zeroshot_test	0.31 135	0.28 102	0.47 208	0.79 224	0.24 159	0.30 152	0.26 155	0.30 145	0.24 148	0.32 153	0.23 151	0.31 157	0.24 151	0.30 157	0.23 147	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

LoS_RVC	0.30 132	1.14 211	0.25 140	0.25 118	0.25 160	0.26 144	0.25 149	0.25 134	0.25 151	0.25 135	0.25 161	0.26 147	0.26 162	0.26 149	0.25 154	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

CAS	0.30 132	1.17 215	0.25 140	0.25 118	0.25 160	0.26 144	0.25 149	0.25 134	0.26 164	0.25 135	0.25 161	0.25 139	0.25 153	0.25 140	0.25 154	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 143

CroCo-Stereo	0.73 229	1.22 266	0.25 140	1.22 318	0.25 160	1.22 348	0.25 149	1.22 338	0.25 151	1.22 345	0.25 161	1.22 350	0.25 153	1.22 349	0.25 154	1.22 336	0.26 143	1.21 353	0.25 158	1.22 331	0.25 143
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
CroCo-Stereo Lap2	0.77 233	1.29 268	0.29 151	1.27 321	0.29 176	1.27 351	0.26 155	1.26 341	0.26 164	1.26 346	0.26 166	1.27 351	0.26 162	1.26 350	0.27 160	1.27 338	0.27 148	1.27 356	0.27 170	1.27 333	0.27 154

iRaft-Stereo_5w	0.34 145	0.42 137	0.31 160	0.39 149	0.30 184	0.38 176	0.30 172	0.40 174	0.29 172	0.40 176	0.37 204	0.41 194	0.34 194	0.38 175	0.30 177	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

iRaft-Stereo_20w	0.34 145	0.41 130	0.31 160	0.39 149	0.29 176	0.40 183	0.32 177	0.41 186	0.32 187	0.38 167	0.30 184	0.39 179	0.30 182	0.38 175	0.32 181	0.35 169	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

GANet-RSSM	0.75 231	1.91 292	0.14 98	0.47 185	0.14 119	0.21 124	3.21 391	2.30 369	0.14 119	0.46 206	0.14 121	0.23 132	0.18 134	0.21 126	0.14 113	0.18 116	0.27 148	0.37 188	0.13 118	2.13 353	2.12 379

MLCV	0.31 135	0.35 108	0.27 146	0.35 137	0.28 170	0.35 165	0.27 158	0.35 153	0.28 170	0.36 162	0.27 169	0.35 163	0.27 169	0.35 165	0.27 160	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

xxxxx1	0.31 135	0.91 183	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

EKT-Stereo	0.37 154	0.40 123	0.44 199	1.07 255	0.29 176	0.34 163	0.31 176	0.36 157	0.29 172	0.38 167	0.31 187	0.37 173	0.30 182	0.36 170	0.29 170	0.34 163	0.28 153	0.39 198	0.30 190	0.37 171	0.30 177

SQANet	0.28 128	0.28 102	0.28 149	0.28 126	0.28 170	0.28 148	0.28 163	0.28 140	0.28 170	0.28 144	0.28 174	0.28 149	0.28 174	0.28 153	0.28 164	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 166

Any-RAFT	0.32 143	0.36 111	0.27 146	0.36 141	0.27 167	0.36 168	0.27 158	0.36 157	0.27 167	0.36 162	0.27 169	0.36 168	0.27 169	0.36 170	0.28 164	0.36 172	0.28 153	0.36 186	0.28 174	0.36 169	0.28 166

tt_ll	0.31 135	0.91 183	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

ff	0.31 135	0.91 183	0.23 132	0.31 131	0.23 154	0.31 155	0.23 143	0.33 149	0.25 151	0.31 149	0.24 157	0.33 160	0.25 153	0.32 159	0.24 149	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

IER	0.88 260	7.04 369	2.23 374	2.75 361	0.28 170	0.43 217	0.25 149	0.39 170	0.25 151	0.41 187	0.27 169	0.39 179	0.25 153	0.40 185	0.28 164	0.37 176	0.28 153	0.37 188	0.25 158	0.37 171	0.25 143

Gwc-CoAtRS	0.41 174	1.49 276	0.32 163	0.42 177	0.32 191	0.41 197	0.32 177	0.41 186	0.33 190	0.41 187	0.32 188	0.41 194	0.32 187	0.41 197	0.32 181	0.39 188	0.28 153	0.39 198	0.28 174	0.40 186	0.28 166

DN-CSS_ROB	0.31 135	0.35 108	0.28 149	0.35 137	0.28 170	0.34 163	0.27 158	0.34 152	0.25 151	0.35 159	0.27 169	0.36 168	0.26 162	0.34 164	0.28 164	0.35 169	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

TorneroNet-64	0.45 187	0.27 100	0.30 155	0.58 203	0.27 167	0.70 257	0.30 172	0.28 140	0.73 275	0.73 258	0.28 174	0.71 256	0.66 257	0.75 262	0.27 160	0.27 147	0.29 162	0.37 188	0.75 278	0.28 138	0.30 177

RAFT-Test	0.36 152	0.37 112	0.33 167	0.41 169	0.32 191	0.41 197	0.32 177	0.41 186	0.32 187	0.41 187	0.32 188	0.41 194	0.32 187	0.41 197	0.33 184	0.37 176	0.29 162	0.37 188	0.29 183	0.38 177	0.31 182

RCA-Stereo	0.51 203	3.22 333	0.34 174	0.44 178	0.34 206	0.44 218	0.34 193	0.43 204	0.34 197	0.43 202	0.34 197	0.44 213	0.33 191	0.43 209	0.33 184	0.38 183	0.29 162	0.38 194	0.29 183	0.38 177	0.29 170

GES	0.66 215	2.34 310	0.29 151	0.41 169	0.29 176	0.41 197	0.29 168	0.42 202	0.29 172	0.40 176	0.41 220	0.41 194	0.30 182	0.51 233	0.29 170	0.32 159	0.29 162	0.32 157	2.46 386	2.49 359	0.30 177

DGSMNet	0.34 145	0.41 130	0.27 146	0.41 169	0.28 170	0.41 197	0.28 163	0.41 186	0.27 167	0.41 187	0.27 169	0.42 210	0.27 169	0.41 197	0.28 164	0.40 190	0.29 162	0.40 201	0.28 174	0.40 186	0.27 154

RAFT + AFF	0.31 135	0.45 140	0.34 174	0.39 149	0.28 170	0.38 176	0.33 184	0.29 143	0.31 183	0.30 147	0.30 184	0.29 154	0.27 169	0.29 156	0.30 177	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 186

ccnet	0.80 239	2.28 309	0.33 167	0.50 196	0.33 200	0.50 236	0.33 184	0.50 223	0.33 190	0.49 220	0.33 191	0.49 226	1.56 362	2.38 372	0.33 184	0.41 197	0.29 162	0.42 221	1.57 369	2.28 355	0.29 170

PML	0.46 188	1.36 273	0.29 151	0.58 203	0.30 184	0.57 247	0.29 168	0.57 234	0.29 172	0.57 240	0.29 176	0.57 246	0.29 178	0.56 241	0.29 170	0.52 229	0.30 169	0.53 247	0.31 195	0.53 220	0.30 177

psmorigin	0.41 174	0.46 142	0.33 167	0.49 190	0.33 200	0.49 230	0.33 184	0.49 216	0.33 190	0.49 220	0.33 191	0.49 226	0.33 191	0.51 233	0.33 184	0.41 197	0.30 169	0.41 212	0.30 190	0.79 243	0.29 170

DANet	0.30 132	0.30 105	0.30 155	0.30 128	0.30 184	0.30 152	0.30 172	0.30 145	0.30 181	0.30 147	0.30 184	0.30 155	0.30 182	0.30 157	0.30 177	0.30 156	0.30 169	0.30 155	0.30 190	0.30 143	0.30 177
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ACVNet-DCA	0.37 154	1.00 195	0.30 155	0.40 161	0.29 176	0.40 183	0.29 168	0.40 174	0.29 172	0.40 176	0.29 176	0.40 185	0.29 178	0.39 182	0.28 164	0.33 160	0.32 172	0.33 164	0.32 199	0.33 148	0.32 186

1test111	0.37 154	1.02 203	0.30 155	0.39 149	0.29 176	0.40 183	0.28 163	0.39 170	0.29 172	0.39 172	0.29 176	0.39 179	0.28 174	0.40 185	0.29 170	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

cc1	0.37 154	1.02 203	0.30 155	0.39 149	0.29 176	0.40 183	0.28 163	0.39 170	0.29 172	0.39 172	0.29 176	0.39 179	0.28 174	0.40 185	0.29 170	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

xx1	0.38 160	1.03 205	0.31 160	0.40 161	0.31 188	0.41 197	0.28 163	0.40 174	0.29 172	0.40 176	0.29 176	0.40 185	0.29 178	0.40 185	0.29 170	0.34 163	0.33 175	0.34 171	0.32 199	0.34 152	0.32 186

CFNet-RSSM	0.91 263	4.89 361	0.34 174	0.44 178	1.07 306	1.62 360	1.40 366	0.91 265	0.35 198	1.60 353	1.39 365	0.64 250	0.34 194	0.44 211	0.33 184	0.41 197	0.35 176	0.75 266	0.30 190	0.41 194	0.29 170

ETE_ROB	0.35 149	0.35 108	0.35 177	0.35 137	0.35 208	0.35 165	0.35 195	0.35 153	0.35 198	0.35 159	0.35 200	0.35 163	0.35 196	0.35 165	0.35 197	0.35 169	0.35 176	0.35 181	0.35 207	0.35 163	0.35 194

Wz-Net-LNSev-Ref	0.11 60	0.44 138	0.33 167	0.39 149	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 188	0.36 178	0.02 18	0.02 20	0.02 19	0.02 19

DMCA	0.36 152	0.38 114	0.37 179	0.35 137	0.35 208	0.36 168	0.36 197	0.36 157	0.35 198	0.35 159	0.37 204	0.36 168	0.36 197	0.35 165	0.36 198	0.36 172	0.36 178	0.35 181	0.36 210	0.36 169	0.36 195

CASnet	0.35 149	0.51 158	0.44 199	0.32 134	0.31 188	0.24 133	0.34 193	0.36 157	0.25 151	0.31 149	0.37 204	0.30 155	0.33 191	0.25 140	0.45 226	0.37 176	0.37 180	0.33 164	0.35 207	0.34 152	0.37 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CFNet_RVC	2.38 369	8.71 380	0.38 181	9.33 397	0.42 234	0.56 243	0.42 223	0.60 239	0.38 206	0.62 247	0.42 226	0.56 244	7.29 402	0.62 247	0.42 224	0.53 230	0.37 180	0.49 241	0.34 205	8.30 399	6.87 405

Anonymous Stereo	2.36 364	18.47 394	11.50 407	9.80 401	0.53 254	0.28 148	0.50 242	0.58 236	0.53 246	0.59 243	0.53 254	0.66 254	0.52 244	0.62 247	0.41 218	0.36 172	0.37 180	0.31 156	0.19 140	0.20 117	0.22 131

XPNet_ROB	0.37 154	0.37 112	0.37 179	0.37 144	0.37 210	0.37 173	0.37 201	0.37 163	0.37 204	0.37 166	0.37 204	0.37 173	0.37 199	0.37 174	0.37 204	0.37 176	0.37 180	0.37 188	0.37 213	0.37 171	0.37 198

WAO-8	0.38 160	0.38 114	0.38 181	0.38 145	0.38 215	0.38 176	0.38 206	0.38 166	0.38 206	0.38 167	0.38 209	0.38 175	0.38 201	0.38 175	0.38 205	0.38 183	0.38 184	0.38 194	0.37 213	0.38 177	0.38 202

WAO-7	0.38 160	0.38 114	0.38 181	0.38 145	0.38 215	0.38 176	0.38 206	0.38 166	0.38 206	0.38 167	0.38 209	0.38 175	0.38 201	0.38 175	0.38 205	0.38 183	0.38 184	0.38 194	0.38 219	0.38 177	0.38 202

HanzoNet	0.39 165	0.38 114	0.40 186	0.39 149	0.41 226	0.38 176	0.38 206	0.38 166	0.38 206	0.39 172	0.39 213	0.38 175	0.38 201	0.39 182	0.40 211	0.38 183	0.38 184	0.40 201	0.38 219	0.38 177	0.40 206

Venus	0.38 160	0.38 114	0.38 181	0.38 145	0.38 215	0.37 173	0.38 206	0.37 163	0.37 204	0.41 187	0.37 204	0.39 179	0.37 199	0.38 175	0.38 205	0.37 176	0.38 184	0.38 194	0.37 213	0.37 171	0.38 202

IMH	0.38 160	0.38 114	0.38 181	0.38 145	0.38 215	0.38 176	0.38 206	0.38 166	0.38 206	0.42 198	0.38 209	0.40 185	0.38 201	0.38 175	0.38 205	0.38 183	0.38 184	0.39 198	0.38 219	0.38 177	0.38 202

CES	0.39 165	0.47 146	0.36 178	0.36 141	0.37 210	0.45 219	0.35 195	0.35 153	0.40 212	0.36 162	0.44 229	0.47 219	0.36 197	0.44 211	0.36 198	0.37 176	0.39 189	0.44 223	0.35 207	0.37 171	0.36 195

IGEV-Stereo	0.35 149	0.44 138	0.45 201	0.49 190	0.30 184	0.37 173	0.30 172	0.36 157	0.30 181	0.36 162	0.29 176	0.36 168	0.29 178	0.36 170	0.30 177	0.46 211	0.39 189	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
SPstereo	0.47 193	0.38 114	0.51 221	0.56 201	0.31 188	0.67 255	0.44 224	0.55 230	0.31 183	0.61 245	0.44 229	0.46 214	0.52 244	0.67 253	0.42 224	0.48 220	0.40 191	0.47 230	0.36 210	0.53 220	0.33 189

HH	0.71 225	2.54 313	0.74 253	1.10 257	0.32 191	0.41 197	0.37 201	0.69 247	0.78 278	0.73 258	0.90 290	0.75 262	1.00 283	0.84 269	0.69 270	0.69 243	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

HanStereo	0.71 225	2.54 313	0.74 253	1.10 257	0.32 191	0.41 197	0.37 201	0.69 247	0.78 278	0.73 258	0.90 290	0.75 262	1.00 283	0.84 269	0.69 270	0.69 243	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

knoymous	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 206	0.40 185	0.40 211	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

anonymousa	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 206	0.40 185	0.40 211	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

riskmin	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 206	0.40 185	0.40 211	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

Anonymous_2	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 206	0.40 185	0.40 211	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

Anonymous_1	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 206	0.40 185	0.40 211	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

AdaStereo	0.40 168	0.40 123	0.40 186	0.40 161	0.40 220	0.40 183	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 206	0.40 185	0.40 211	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
GwcNet-ADL	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 216	0.41 197	0.41 218	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

PSMNet-ADL	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 216	0.41 197	0.41 218	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

GANet-ADL	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 216	0.41 197	0.41 218	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

ADLNet2	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 216	0.41 197	0.41 218	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

ADLNet	0.41 174	0.41 130	0.41 194	0.41 169	0.41 226	0.41 197	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 216	0.41 197	0.41 218	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

MyStereo07	0.60 210	3.72 341	0.48 213	0.49 190	0.41 226	0.36 168	0.32 177	0.49 216	0.43 226	0.51 230	0.42 226	0.49 226	0.43 221	0.51 233	0.64 258	0.49 223	0.45 205	0.34 171	0.32 199	0.35 163	0.43 218

MyStereo04	0.56 208	3.72 341	0.59 228	0.49 190	0.41 226	0.36 168	0.32 177	0.37 163	0.31 183	0.34 157	0.46 232	0.35 163	0.32 187	0.35 165	0.33 184	0.49 223	0.45 205	0.34 171	0.32 199	0.35 163	0.43 218

otaku	0.46 188	0.46 142	0.46 203	0.46 180	0.46 236	0.46 220	0.46 226	0.46 206	0.46 228	0.46 206	0.46 232	0.46 214	0.46 224	0.46 214	0.46 228	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

Ntro	0.47 193	0.47 146	0.46 203	0.46 180	0.46 236	0.47 224	0.47 232	0.46 206	0.47 231	0.46 206	0.46 232	0.47 219	0.46 224	0.47 217	0.47 232	0.47 216	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

Dean	0.46 188	0.46 142	0.46 203	0.46 180	0.46 236	0.46 220	0.46 226	0.46 206	0.46 228	0.47 211	0.46 232	0.46 214	0.46 224	0.46 214	0.46 228	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

ACVNet_1	0.46 188	0.47 146	0.46 203	0.46 180	0.46 236	0.46 220	0.46 226	0.46 206	0.47 231	0.46 206	0.46 232	0.46 214	0.46 224	0.46 214	0.46 228	0.46 211	0.46 207	0.47 230	0.46 235	0.46 201	0.46 221

ACVNet-4b	0.46 188	0.46 142	0.46 203	0.46 180	0.46 236	0.46 220	0.46 226	0.46 206	0.46 228	0.46 206	0.46 232	0.46 214	0.46 224	0.47 217	0.46 228	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

Selective-IGEV	0.51 203	0.55 165	0.45 201	0.69 213	0.45 235	0.61 250	0.45 225	0.50 223	0.40 212	0.56 239	0.44 229	0.55 242	0.40 206	0.72 258	0.67 262	0.59 234	0.46 207	0.45 225	0.34 205	0.46 201	0.37 198

whm_eth	0.63 211	1.48 275	0.47 208	0.71 217	0.48 243	0.71 259	0.48 237	0.71 249	0.48 236	0.71 255	0.48 242	0.71 256	0.48 234	0.72 258	0.48 237	0.71 249	0.47 213	0.71 262	0.47 241	0.71 233	0.47 226

HaxPig	0.47 193	0.47 146	0.47 208	0.49 190	0.47 241	0.47 224	0.47 232	0.47 211	0.47 231	0.47 211	0.47 239	0.47 219	0.47 233	0.47 217	0.47 232	0.47 216	0.47 213	0.47 230	0.47 241	0.47 207	0.48 229

UNDER WATER	0.47 193	0.47 146	0.47 208	0.47 185	0.47 241	0.47 224	0.47 232	0.47 211	0.47 231	0.47 211	0.47 239	0.47 219	0.46 224	0.47 217	0.47 232	0.47 216	0.47 213	0.47 230	0.46 235	0.47 207	0.47 226

LVE	0.47 193	0.47 146	0.47 208	0.47 185	0.49 246	0.47 224	0.47 232	0.47 211	0.49 238	0.47 211	0.47 239	0.47 219	0.46 224	0.47 217	0.47 232	0.47 216	0.47 213	0.48 238	0.47 241	0.47 207	0.47 226

RainbowNet	0.48 198	0.48 152	0.48 213	0.48 188	0.48 243	0.48 228	0.48 237	0.48 214	0.48 236	0.48 215	0.48 242	0.48 224	0.48 234	0.48 222	0.48 237	0.48 220	0.48 217	0.48 238	0.48 244	0.48 210	0.48 229

notaker	0.48 198	0.49 153	0.48 213	0.48 188	0.48 243	0.48 228	0.48 237	0.48 214	0.49 238	0.48 215	0.48 242	0.48 224	0.48 234	0.48 222	0.48 237	0.48 220	0.48 217	0.48 238	0.48 244	0.48 210	0.49 232

MyStereo8	0.71 225	3.92 348	0.52 223	0.59 205	0.52 251	0.57 247	0.53 245	0.59 238	0.50 241	0.59 243	0.51 251	0.57 246	0.50 241	0.56 241	0.52 244	0.54 231	0.49 219	0.54 248	0.49 246	0.55 223	0.50 235

ktn	0.72 228	0.53 160	1.08 279	1.14 262	0.51 250	1.22 348	1.36 360	0.51 227	0.59 253	0.51 230	0.51 251	0.69 255	1.20 301	0.67 253	0.51 243	0.51 228	0.49 219	0.58 250	0.66 266	0.52 218	0.53 238

KSHMR	0.66 215	0.50 155	0.48 213	1.15 264	0.52 251	0.49 230	0.51 244	0.49 216	0.71 273	0.67 251	0.50 248	1.16 301	1.11 290	0.66 251	0.52 244	0.49 223	0.49 219	0.51 245	0.66 266	0.50 216	1.14 303

TorneroNet	0.66 215	0.53 160	0.50 219	0.50 196	0.64 267	1.06 288	0.70 267	0.50 223	0.51 244	0.49 220	0.69 275	0.49 226	0.50 241	0.48 222	1.15 301	0.71 249	0.49 219	1.14 298	1.08 296	0.49 212	0.49 232

ACVNet_2	0.49 201	0.49 153	0.49 217	0.49 190	0.49 246	0.49 230	0.49 240	0.49 216	0.49 238	0.49 220	0.49 246	0.49 226	0.49 238	0.49 228	0.49 240	0.49 223	0.49 219	0.49 241	0.49 246	0.49 212	0.49 232

SANet	0.50 202	0.50 155	0.50 219	0.50 196	0.50 249	0.50 236	0.50 242	0.50 223	0.50 241	0.50 229	0.50 248	0.50 237	0.50 241	0.50 232	0.50 241	0.50 227	0.50 224	0.50 244	0.50 248	0.50 216	0.50 235

LL-Strereo2	0.48 198	1.73 287	0.51 221	0.59 205	0.34 206	0.42 213	0.33 184	0.40 174	0.31 183	0.42 198	0.33 191	0.42 210	0.31 186	0.44 211	0.39 210	0.60 236	0.51 225	0.44 223	0.33 204	0.44 200	0.33 189

MyStereo03	0.84 254	4.93 362	0.68 245	0.90 233	0.74 283	0.56 243	0.46 226	0.55 230	0.52 245	0.74 262	0.56 257	0.56 244	0.46 224	0.81 267	0.54 246	0.59 234	0.52 226	0.75 266	0.68 270	0.68 227	0.65 255

LL-Strereo	1.01 278	5.06 364	1.63 359	0.70 215	1.43 371	0.56 243	0.46 226	0.57 234	0.50 241	0.57 240	0.50 248	1.58 357	0.49 238	0.59 246	0.50 241	1.64 352	0.52 226	0.51 245	1.37 360	0.52 218	0.45 220

PSMNet_ROB	0.54 205	0.54 163	0.54 224	0.54 199	0.53 254	0.54 241	0.54 246	0.53 228	0.54 250	0.54 235	0.54 255	0.54 239	0.53 246	0.54 236	0.54 246	0.54 231	0.53 228	0.54 248	0.54 249	0.54 222	0.54 239

anonymity	0.63 211	0.69 168	0.56 225	0.71 217	0.56 256	0.71 259	0.56 247	0.71 249	0.56 251	0.72 256	0.56 257	0.71 256	0.56 248	0.71 257	0.58 253	0.68 242	0.55 229	0.68 256	0.55 250	0.68 227	0.54 239

ARAFT	0.68 220	0.81 177	0.63 233	0.74 220	0.60 258	0.78 266	0.62 254	0.77 254	0.66 263	0.74 262	0.63 264	0.75 262	0.62 252	0.83 268	0.60 255	0.70 246	0.55 229	0.70 261	0.60 258	0.78 241	0.55 243

CASS	0.57 209	0.89 180	0.56 225	0.57 202	0.56 256	0.56 243	0.56 247	0.56 232	0.53 246	0.57 240	0.57 259	0.59 248	0.48 234	0.56 241	0.57 250	0.55 233	0.56 231	0.47 230	0.56 253	0.62 224	0.56 246
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MyStereo06	0.75 231	4.12 349	0.60 229	0.63 208	0.61 263	0.62 251	0.66 259	0.56 232	0.45 227	0.55 237	0.48 242	0.54 239	0.46 224	0.57 244	0.45 226	0.60 236	0.57 232	0.64 252	0.55 250	0.72 234	0.55 243

MyStereo05	0.80 239	4.12 349	0.63 233	0.63 208	0.61 263	0.62 251	0.66 259	0.65 244	0.62 258	0.67 251	0.61 262	0.65 252	0.58 249	0.67 253	0.55 249	0.60 236	0.57 232	0.64 252	0.55 250	0.72 234	0.55 243

DDUNet	0.81 244	2.45 311	0.57 227	0.90 233	0.60 258	0.88 273	0.59 250	0.90 264	0.60 254	0.88 271	0.60 260	0.90 277	0.58 249	0.88 273	0.60 255	0.84 262	0.60 234	0.86 280	0.57 254	0.86 252	0.60 249

UDG	0.80 239	2.21 307	0.60 229	0.91 236	0.60 258	0.90 276	0.58 249	0.88 263	0.60 254	0.90 272	0.60 260	0.88 274	0.60 251	0.90 276	0.58 253	0.86 263	0.60 234	0.84 278	0.59 257	0.84 251	0.61 250

PA-Net	11.80 407	223.51 428	0.62 232	0.59 205	0.71 278	0.59 249	0.73 270	0.67 246	0.73 275	0.55 237	0.61 262	0.60 249	0.74 269	0.63 249	0.73 274	0.66 240	0.60 234	0.69 259	0.66 266	0.72 234	0.65 255
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FC-DCNN	1.07 279	1.09 207	0.98 273	0.89 232	0.52 251	1.41 357	0.91 282	1.21 337	1.24 360	1.96 361	2.05 385	1.91 361	1.30 354	1.27 351	1.08 295	0.80 255	0.60 234	0.58 250	0.41 228	0.68 227	0.54 239

RAFT-Stereo + iAFF	0.70 223	0.72 170	0.71 249	0.80 226	0.62 266	0.82 270	0.61 251	0.81 259	0.62 258	0.81 269	0.63 264	0.80 269	0.70 265	0.73 260	0.61 257	0.76 252	0.61 238	0.74 265	0.61 260	0.77 240	0.61 250

AFF-stereo	0.73 229	0.88 179	0.67 242	0.75 221	0.68 276	0.75 261	0.64 256	0.80 256	0.72 274	0.83 270	0.70 276	0.82 272	0.64 253	0.84 269	0.67 262	0.77 253	0.63 239	0.81 275	0.63 263	0.78 241	0.62 252

STTRV1_RVC	0.82 248	1.60 280	0.70 246	1.01 252	0.60 258	1.07 291	0.69 266	1.01 278	0.60 254	0.72 256	0.55 256	1.02 289	0.68 262	1.03 289	0.67 262	0.89 265	0.63 239	0.92 284	0.57 254	0.90 255	0.65 255

LMCR-Stereo	0.65 213	0.63 167	0.65 239	0.65 210	0.65 268	0.66 254	0.63 255	0.58 236	0.65 261	0.63 248	0.64 266	0.65 252	0.65 255	0.66 251	0.66 261	0.66 240	0.64 241	0.65 254	0.67 269	0.68 227	0.73 267

test croco	1.88 350	3.16 331	0.64 235	3.10 365	0.65 268	3.10 382	0.64 256	3.12 380	0.65 261	3.10 381	0.65 270	3.11 381	0.65 255	3.12 380	0.65 259	3.12 378	0.65 242	3.13 381	0.65 264	3.13 366	0.65 255

DSFCA	0.66 215	0.73 171	0.78 257	0.65 210	0.65 268	0.64 253	0.64 256	0.65 244	0.63 260	0.64 249	0.64 266	0.64 250	0.64 253	0.65 250	0.65 259	0.65 239	0.65 242	0.65 254	0.65 264	0.66 225	0.64 254

MyStereo02	0.85 257	4.58 357	0.64 235	0.76 222	0.65 268	0.75 261	0.61 251	0.60 239	0.53 246	0.80 265	0.64 266	0.78 265	0.66 257	0.55 238	0.57 250	0.70 246	0.66 244	0.68 256	0.62 261	0.72 234	0.59 247

MyStereo	0.85 257	4.58 357	0.64 235	0.76 222	0.65 268	0.75 261	0.61 251	0.60 239	0.53 246	0.80 265	0.64 266	0.78 265	0.66 257	0.55 238	0.57 250	0.70 246	0.66 244	0.68 256	0.62 261	0.72 234	0.59 247

MIF-Stereo	2.03 355	3.43 336	0.72 250	3.42 369	0.73 281	3.27 385	0.68 263	3.38 384	0.69 268	3.29 384	0.72 280	3.28 384	0.70 265	3.35 385	0.68 266	3.39 380	0.68 246	3.31 383	0.69 273	3.37 368	0.73 267

DCRE	0.84 254	1.89 291	0.77 256	0.94 241	0.72 280	0.88 273	0.73 270	0.87 261	0.78 278	0.90 272	0.71 278	0.88 274	0.67 261	0.88 273	0.73 274	0.81 258	0.68 246	0.81 275	0.70 274	0.82 250	0.70 262

R-Stereo Train	0.81 244	0.96 191	0.67 242	0.95 243	0.67 274	0.95 281	0.68 263	0.95 273	0.68 265	0.95 280	0.68 273	0.96 284	0.68 262	0.96 284	0.68 266	0.94 271	0.68 246	0.94 286	0.68 270	0.94 262	0.68 260

RAFT-Stereo	0.81 244	0.96 191	0.67 242	0.95 243	0.67 274	0.95 281	0.68 263	0.95 273	0.68 265	0.95 280	0.68 273	0.96 284	0.68 262	0.96 284	0.68 266	0.94 271	0.68 246	0.94 286	0.68 270	0.94 262	0.68 260
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CoDeX	0.15 90	0.70 169	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 262	0.02 14	0.69 250	0.75 266	0.01 9	0.02 19	0.02 19

DMCA-RVC	0.70 223	0.80 174	0.70 246	0.70 215	0.70 277	0.70 257	0.70 267	0.71 249	0.70 270	0.70 254	0.71 278	0.71 256	0.70 265	0.70 256	0.69 270	0.69 243	0.70 251	0.69 259	0.70 274	0.69 231	0.70 262

MSMD_ROB	1.19 285	1.10 210	0.70 246	1.10 257	0.60 258	1.10 294	0.70 267	1.10 282	0.70 270	1.10 289	0.70 276	1.10 295	0.70 265	7.00 406	0.70 273	1.10 280	0.70 251	1.10 297	0.70 274	1.10 270	0.70 262

iGMRVC	0.84 254	2.85 327	0.72 250	0.72 219	0.73 281	0.77 264	0.79 274	0.73 252	0.74 277	0.73 258	0.72 280	0.73 260	0.76 271	0.73 260	0.73 274	0.72 251	0.73 253	0.73 264	0.72 277	0.73 239	0.72 265

HSM-Net_RVC	0.95 271	1.17 215	0.78 257	1.18 271	0.71 278	1.16 301	0.75 272	1.09 281	0.80 282	1.10 289	0.75 283	1.17 302	0.74 269	1.17 301	0.80 279	1.13 286	0.73 253	1.17 304	0.77 279	1.16 275	0.72 265
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
SFCPSM	0.17 99	0.78 172	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 277	0.02 14	0.75 255	0.76 269	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 118	1.31 270	0.74 253	0.92 239	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 264	0.75 255	0.02 18	0.02 20	0.02 19	0.02 19

ToySt	0.92 264	2.11 301	0.90 265	0.95 243	0.79 286	0.99 283	0.78 273	0.94 272	0.81 285	0.94 279	0.78 284	0.95 283	0.77 272	0.94 280	0.86 282	0.91 266	0.79 257	0.85 279	0.77 279	0.89 254	0.73 267

HBP-ISP	1.24 332	1.72 283	1.65 360	1.15 264	0.76 284	1.40 356	0.88 280	1.67 354	1.02 301	1.69 358	1.38 364	1.69 359	1.21 347	1.87 358	1.21 353	1.05 276	0.79 257	0.97 290	0.80 282	1.19 283	0.75 271

G-Net	0.79 237	0.79 173	0.79 259	0.79 224	0.79 286	0.79 267	0.79 274	0.79 255	0.79 281	0.79 264	0.79 285	0.79 268	0.79 273	0.79 264	0.79 277	0.79 254	0.79 257	0.79 271	0.79 281	0.79 243	0.79 273

NaN_ROB	0.80 239	0.80 174	0.80 260	0.80 226	0.80 288	0.80 268	0.80 276	0.80 256	0.80 282	0.80 265	0.80 286	0.80 269	0.80 274	0.80 265	0.80 279	0.80 255	0.80 260	0.80 273	0.80 282	0.80 246	0.80 274

CSAN	0.80 239	0.80 174	0.80 260	0.80 226	0.80 288	0.80 268	0.80 276	0.80 256	0.80 282	0.80 265	0.80 286	0.80 269	0.80 274	0.80 265	0.80 279	0.80 255	0.80 260	0.80 273	0.80 282	0.80 246	0.80 274

DPSimNet_ROB	0.97 272	1.18 217	0.81 262	1.10 257	0.91 295	1.02 287	0.82 278	1.04 279	0.91 287	1.03 286	0.86 289	1.28 352	0.82 276	1.03 289	0.89 283	1.17 288	0.81 262	1.02 295	0.82 285	1.08 269	0.81 276

Selective-RAFT-Error	0.88 260	0.84 178	0.98 273	0.86 231	0.97 300	0.88 273	0.95 287	0.84 260	0.99 297	0.92 275	0.82 288	0.84 273	0.98 282	0.87 272	0.97 289	0.81 258	0.83 263	0.79 271	0.82 285	0.79 243	0.85 279

Selective-RAFT	0.89 262	0.89 180	0.72 250	1.16 269	0.78 285	1.06 288	0.82 278	0.87 261	0.97 295	1.00 282	0.91 292	0.90 277	1.00 283	0.89 275	0.93 288	0.83 260	0.83 263	0.82 277	0.82 285	0.81 249	0.82 277

DPSM_ROB	0.92 264	0.91 183	0.91 266	0.91 236	0.92 296	0.92 278	0.92 283	0.92 268	0.91 287	0.93 277	0.91 292	0.92 279	0.90 277	0.91 277	0.92 284	0.92 267	0.91 265	0.91 282	0.92 288	0.93 260	0.93 285

DPSM	0.92 264	0.91 183	0.91 266	0.91 236	0.92 296	0.92 278	0.92 283	0.92 268	0.91 287	0.93 277	0.91 292	0.92 279	0.90 277	0.91 277	0.92 284	0.92 267	0.91 265	0.91 282	0.92 288	0.93 260	0.93 285

DGTPSM_ROB	0.93 268	1.00 195	0.92 268	0.94 241	0.96 299	0.91 277	0.92 283	0.91 265	0.96 294	0.91 274	0.96 296	0.93 282	0.92 279	0.94 280	0.92 284	0.92 267	0.92 267	0.90 281	0.92 288	0.94 262	0.91 283

pmcnn	0.92 264	0.92 188	0.92 268	0.92 239	0.92 296	0.92 278	0.92 283	0.92 268	0.92 291	0.92 275	0.92 295	0.92 279	0.92 279	0.92 279	0.92 284	0.92 267	0.92 267	0.92 284	0.92 288	0.92 259	0.92 284

4D-IteraStereo	0.78 236	3.13 330	0.89 263	0.69 213	0.32 191	0.40 183	0.32 177	0.76 253	0.97 295	0.52 233	0.65 270	0.89 276	0.32 187	0.76 263	0.98 290	0.83 260	0.94 269	0.35 181	0.27 170	0.70 232	0.89 282

GANet	1.00 275	1.00 195	1.00 275	1.00 249	1.00 301	1.00 284	1.00 290	1.00 275	1.00 298	1.00 282	1.00 297	1.00 286	1.00 283	1.00 286	1.00 292	1.00 273	1.00 270	1.00 292	1.00 292	1.00 265	1.00 291

TDLM	1.00 275	1.00 195	1.00 275	1.00 249	1.00 301	1.00 284	1.00 290	1.00 275	1.00 298	1.00 282	1.00 297	1.00 286	1.00 283	1.00 286	1.00 292	1.00 273	1.00 270	1.00 292	1.00 292	1.00 265	1.00 291

CVANet_RVC	1.00 275	1.00 195	1.00 275	1.00 249	1.00 301	1.00 284	1.00 290	1.00 275	1.00 298	1.00 282	1.00 297	1.00 286	1.00 283	1.00 286	1.00 292	1.00 273	1.00 270	1.00 292	1.00 292	1.00 265	1.00 291

11t	1.27 334	2.70 320	1.34 344	1.32 323	0.89 291	1.30 352	1.34 358	1.64 351	0.57 252	1.45 351	0.72 280	1.05 290	1.29 353	1.07 292	1.29 358	1.49 347	1.02 273	0.97 290	1.15 300	1.48 338	1.31 359

ff7	1.68 343	2.68 317	1.35 346	0.97 246	0.89 291	1.84 361	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 370	2.12 372	2.23 367	2.25 381	1.31 339	1.07 274	1.48 362	1.41 362	0.90 255	1.04 294

ffff	1.68 343	2.68 317	1.35 346	0.97 246	0.89 291	1.84 361	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 370	2.12 372	2.23 367	2.25 381	1.31 339	1.07 274	1.48 362	1.41 362	0.90 255	1.04 294

ccc-4	1.68 343	2.68 317	1.35 346	0.97 246	0.89 291	1.84 361	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 370	2.12 372	2.23 367	2.25 381	1.31 339	1.07 274	1.48 362	1.41 362	0.90 255	1.04 294

FENet	0.54 205	1.52 277	1.19 288	1.41 329	0.23 154	0.35 165	0.23 143	0.35 153	0.23 147	0.34 157	0.23 151	0.35 163	0.23 150	0.35 165	0.23 147	1.40 346	1.07 274	0.32 157	0.23 150	0.33 148	0.23 133

sAnonymous2	3.31 384	2.63 315	1.38 352	3.71 372	1.86 382	4.70 396	1.11 296	4.82 397	2.72 387	5.45 399	1.98 383	4.59 395	2.64 377	2.65 375	6.21 402	4.37 383	1.08 278	5.16 397	2.24 382	4.52 380	2.39 385

CroCo_RVC	3.31 384	2.63 315	1.38 352	3.71 372	1.86 382	4.70 396	1.11 296	4.82 397	2.72 387	5.45 399	1.98 383	4.59 395	2.64 377	2.65 375	6.21 402	4.37 383	1.08 278	5.16 397	2.24 382	4.52 380	2.39 385

StereoVision	3.15 382	5.00 363	0.89 263	4.83 377	1.00 301	3.93 389	1.27 356	6.37 400	1.34 363	5.67 401	1.26 359	5.84 402	1.27 351	5.03 398	1.24 355	5.10 389	1.09 280	4.61 394	0.57 254	5.62 389	1.12 299

GLC_STEREO	1.07 279	1.01 200	1.06 278	1.07 255	1.05 305	1.06 288	1.08 295	1.08 280	1.05 302	1.07 287	1.06 300	1.08 291	1.05 289	1.06 291	1.10 296	1.07 277	1.09 280	1.05 296	1.05 295	1.06 268	1.12 299

RP	2.33 362	25.00 404	1.13 281	1.15 264	1.15 308	1.10 294	1.15 300	1.15 283	1.15 304	1.12 294	1.15 301	1.09 293	1.13 291	1.10 295	1.15 301	1.11 285	1.09 280	1.16 300	1.12 298	1.16 275	1.17 305

AF-Net	2.37 367	25.71 407	1.17 285	1.13 261	1.15 308	1.15 300	1.18 304	1.19 289	1.16 305	1.10 289	1.15 301	1.10 295	1.18 299	1.12 298	1.15 301	1.10 280	1.10 283	1.17 304	1.15 300	1.16 275	1.12 299

NCC-stereo	2.36 364	25.52 406	1.17 285	1.15 264	1.17 313	1.11 297	1.11 296	1.15 283	1.16 305	1.10 289	1.16 304	1.10 295	1.15 294	1.14 299	1.13 299	1.09 278	1.11 284	1.15 299	1.16 302	1.17 280	1.17 305

edge stereo	2.43 370	27.07 411	1.14 282	1.06 254	1.14 307	1.08 292	1.17 303	1.16 285	1.14 303	1.10 289	1.16 304	1.09 293	1.16 298	1.10 295	1.16 304	1.10 280	1.11 284	1.16 300	1.19 304	1.13 271	1.11 297

Nwc_Net	2.37 367	25.95 408	1.15 284	1.14 262	1.15 308	1.08 292	1.14 299	1.17 286	1.16 305	1.14 296	1.15 301	1.08 291	1.15 294	1.11 297	1.14 300	1.10 280	1.11 284	1.16 300	1.09 297	1.16 275	1.15 304

stereogan	2.33 362	24.38 402	1.18 287	1.18 271	1.18 315	1.14 299	1.18 304	1.19 289	1.19 311	1.14 296	1.18 308	1.14 300	1.18 299	1.14 299	1.18 306	1.14 287	1.14 287	1.19 307	1.19 304	1.15 273	1.19 307

RGC	2.36 364	25.48 405	1.19 288	1.15 264	1.15 308	1.10 294	1.16 302	1.17 286	1.16 305	1.12 294	1.16 304	1.11 298	1.13 291	1.09 293	1.18 306	1.10 280	1.15 288	1.16 300	1.12 298	1.14 272	1.12 299

StereoIM	3.19 383	6.02 368	1.12 280	5.61 382	1.16 312	5.43 401	1.02 293	5.15 399	0.70 270	5.43 398	1.21 354	5.03 400	0.97 281	4.85 396	0.99 291	4.53 386	1.16 289	5.53 399	1.25 354	5.37 387	1.30 358

Abc-Net	2.32 361	24.75 403	1.14 282	1.17 270	1.17 313	1.11 297	1.15 300	1.17 286	1.21 357	1.08 288	1.16 304	1.12 299	1.14 293	1.09 293	1.17 305	1.09 278	1.16 289	1.17 304	1.17 303	1.16 275	1.11 297
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FAT-Stereo	2.46 371	26.05 409	1.23 340	1.23 320	1.22 363	1.20 302	1.24 354	1.23 340	1.23 359	1.19 298	1.22 355	1.21 349	1.24 349	1.20 303	1.24 355	1.21 335	1.17 291	1.22 354	1.25 354	1.20 284	1.24 356

SPS-STEREO	1.59 341	1.91 292	1.21 337	1.94 340	1.20 316	2.00 366	1.23 353	1.99 358	1.24 360	2.00 363	1.25 358	2.03 364	1.26 350	2.00 362	1.29 358	1.90 361	1.18 292	1.89 368	1.21 352	1.89 348	1.20 308
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DisPM	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

CrosDoStereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PFNet+	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

LCNet	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

HHNet	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Patchmatch Stereo++	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

STrans-v2	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

TransformOpticalFlow	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

OMP-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

IIG-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

NF-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

OCTAStereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PSM-softLoss	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

KMStereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

NRIStereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PSM-adaLoss	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PSM-AAD	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

FTStereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

ROB_FTStereo_v2	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

ROB_FTStereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Consistency-Raft	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

KYRaft	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

HUI-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

ASMatch	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DeepStereo_LL	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DEmStereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

SST-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

THIR-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT_R40	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DRaft	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PFNet	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

GrayStereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RE-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Pruner-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

TVStereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DeepStereo_RVC	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT-RH_RVC	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

IRAFT_RVC	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT-345	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

iRAFT	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

CRE-IMP	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

GMM-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT-IKP	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Prome-Stereo	1.20 286	1.20 219	1.20 291	1.20 273	1.20 316	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 304	1.20 301	1.20 303	1.20 308	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

S-Stereo	2.51 372	26.86 410	1.23 340	1.22 318	1.22 363	1.24 350	1.25 355	1.22 338	1.24 360	1.21 344	1.24 357	1.19 303	1.27 351	1.19 302	1.24 355	1.19 289	1.20 293	1.25 355	1.19 304	1.24 332	1.23 355

CSP-Net	0.34 145	1.29 268	1.19 288	1.36 326	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 337	1.21 339	0.03 34	0.09 80	0.02 19	0.09 79

GANetREF_RVC	1.55 340	1.94 298	1.22 338	1.88 337	1.21 362	1.88 364	1.22 352	1.88 355	1.22 358	1.88 359	1.22 355	1.88 360	1.22 348	1.89 359	1.22 354	1.87 358	1.22 340	1.88 367	1.22 353	1.88 347	1.22 354
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
IGEVStereo-DCA	1.77 347	4.21 352	1.84 367	2.49 358	2.11 384	2.54 376	1.36 360	1.65 352	1.17 309	2.75 377	1.90 379	2.54 376	1.15 294	0.94 280	1.11 297	1.50 348	1.32 341	0.96 288	1.46 367	1.49 339	0.88 280

rrr	1.77 347	4.21 352	1.84 367	2.49 358	2.11 384	2.54 376	1.36 360	1.65 352	1.17 309	2.75 377	1.90 379	2.54 376	1.15 294	0.94 280	1.11 297	1.50 348	1.32 341	0.96 288	1.46 367	1.49 339	0.88 280

MC-Stereo	1.76 346	2.96 328	1.37 351	2.14 346	1.37 367	2.14 368	1.36 360	2.14 362	1.37 367	2.14 368	1.37 363	2.14 365	1.37 357	2.14 366	1.37 361	1.97 362	1.32 341	1.97 369	1.32 356	1.98 349	1.33 360

gwcnet-sp	0.82 248	1.72 283	1.48 356	0.39 149	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 354	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 344	0.32 157	0.16 124	6.75 393	0.23 133

scenet	0.82 248	1.72 283	1.48 356	0.39 149	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 354	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 344	0.32 157	0.16 124	6.75 393	0.23 133

ssnet	0.82 248	1.72 283	1.48 356	0.39 149	0.15 128	0.31 155	0.21 136	0.20 116	0.25 151	1.61 354	0.23 151	0.28 149	0.26 162	0.20 116	0.15 121	0.24 139	1.33 344	0.32 157	0.16 124	6.75 393	0.23 133

MaskLacGwcNet_RVC	1.35 335	1.35 272	1.35 346	1.35 325	1.35 365	1.35 353	1.35 359	1.36 346	1.35 365	1.36 349	1.35 361	1.36 353	1.36 356	1.36 352	1.35 360	1.35 343	1.35 347	1.35 358	1.35 357	1.35 335	1.35 362

RASNet	1.49 339	1.65 281	1.45 355	1.38 328	1.43 371	1.47 358	1.36 360	1.38 348	1.36 366	1.39 350	1.60 372	1.45 356	1.45 360	1.51 354	2.21 380	1.53 350	1.36 348	1.36 360	1.36 359	1.66 343	1.36 363

PS-NSSS	1.38 338	1.39 274	1.34 344	1.34 324	1.35 365	1.38 355	1.37 365	1.35 345	1.38 368	1.34 347	1.34 360	1.39 355	1.38 358	1.70 356	1.40 363	1.36 345	1.36 348	1.36 360	1.37 360	1.37 336	1.36 363

CC-Net-ROB	1.36 336	1.33 271	1.33 343	1.36 326	1.38 368	1.36 354	1.33 357	1.37 347	1.34 363	1.35 348	1.36 362	1.38 354	1.34 355	1.38 353	1.38 362	1.35 343	1.38 350	1.33 357	1.35 357	1.43 337	1.34 361

Anonymous	2.11 357	2.74 321	1.41 354	2.77 362	1.40 370	2.74 379	1.46 369	2.75 374	1.50 371	2.87 380	1.39 365	2.74 378	1.46 361	2.72 377	1.41 365	2.72 374	1.41 351	2.81 379	1.41 362	3.16 367	1.39 366

sCroCo_RVC	2.10 356	2.76 322	1.92 373	2.78 363	1.39 369	2.73 378	1.41 367	2.73 373	1.40 369	2.77 379	1.41 367	2.74 378	1.40 359	2.74 378	1.40 363	2.72 374	1.42 352	2.72 378	1.44 366	2.79 364	1.42 367

psmg	0.43 183	1.91 292	0.92 268	1.91 339	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 362	1.44 353	0.04 48	0.03 42	0.02 19	0.03 39

ssnet_v2	0.68 220	1.96 299	1.25 342	0.29 127	0.20 143	0.30 152	0.20 130	0.29 143	0.22 142	1.50 352	0.20 142	0.31 157	0.20 141	0.27 151	0.22 142	0.24 139	1.49 354	0.26 143	0.18 139	3.90 371	0.19 126

test_xeample3	1.10 281	1.81 288	0.61 231	0.84 230	0.49 246	0.77 264	0.66 259	0.92 268	1.40 369	0.68 253	0.46 232	0.78 265	0.54 247	1.72 357	1.48 366	1.34 342	1.52 355	1.35 358	1.67 373	1.33 334	1.55 369

NINENet	0.69 222	3.87 347	1.20 291	1.98 343	0.05 69	0.40 183	0.04 55	0.40 174	0.05 69	0.41 187	0.04 64	0.41 194	0.05 65	0.40 185	0.05 60	1.79 355	1.56 356	0.34 171	0.22 145	0.34 152	0.23 133

DPSMNet_ROB	1.60 342	1.59 279	1.70 362	1.59 331	1.59 373	1.61 359	1.61 370	1.60 349	1.60 372	1.62 357	1.59 371	1.60 358	1.60 363	1.60 355	1.59 368	1.59 351	1.60 357	1.59 365	1.59 370	1.59 342	1.59 370

CRFU-Net	0.65 213	1.67 282	1.22 338	1.96 342	0.27 167	0.41 197	0.27 158	0.41 186	0.27 167	0.40 176	0.26 166	0.41 194	0.27 169	0.40 185	0.27 160	1.80 356	1.62 358	0.34 171	0.23 150	0.33 148	0.23 133

MFMNet_re	1.81 349	1.91 292	1.71 363	1.95 341	1.70 376	1.95 365	1.70 373	1.96 357	1.74 375	1.97 362	1.72 375	1.95 362	1.71 366	1.97 361	1.71 374	1.86 357	1.62 358	1.85 366	1.66 372	1.86 346	1.64 371

Anonymous3	2.55 373	3.26 334	1.65 360	3.28 368	1.63 374	3.24 384	1.68 371	3.27 382	1.66 373	3.28 383	1.67 373	3.25 383	1.66 364	3.27 382	1.64 370	3.26 379	1.65 360	3.30 382	1.65 371	4.95 384	1.65 373

RAFT_CTSACE	1.92 351	3.71 340	1.72 364	1.88 337	1.72 377	2.04 367	1.42 368	2.18 363	1.89 383	2.02 364	1.97 381	1.95 362	2.06 371	1.93 360	1.62 369	1.76 354	1.66 361	2.02 370	1.73 379	1.73 344	1.43 368

UDGNet	2.23 359	5.40 366	1.72 364	2.48 357	1.69 375	2.51 375	1.69 372	2.51 371	1.72 374	2.50 375	1.69 374	2.52 375	1.69 365	2.50 374	1.68 373	2.41 373	1.70 362	2.42 377	1.69 375	2.42 358	1.64 371

TRStereo	2.00 352	2.13 302	1.85 369	2.27 351	1.84 379	2.28 370	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 367	1.87 368	2.08 363	1.72 376	2.08 366	1.72 363	2.08 371	1.72 376	2.08 350	1.72 374

XX-Stereo	2.00 352	2.13 302	1.85 369	2.27 351	1.84 379	2.28 370	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 367	1.87 368	2.08 363	1.72 376	2.08 366	1.72 363	2.08 371	1.72 376	2.08 350	1.72 374

EAI-Stereo	2.00 352	2.13 302	1.85 369	2.27 351	1.84 379	2.28 370	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 367	1.87 368	2.08 363	1.72 376	2.08 366	1.72 363	2.08 371	1.72 376	2.08 350	1.72 374

MIF-Stereo (partial)	2.58 374	3.31 335	0.66 240	3.18 366	0.66 273	3.18 383	0.66 259	3.21 381	0.67 264	3.19 382	0.66 272	3.19 382	0.66 257	3.31 384	0.68 266	5.09 388	1.79 366	8.23 406	1.67 373	6.18 391	1.38 365

test-3	0.98 274	4.13 351	1.85 369	1.85 336	0.61 263	0.69 256	0.37 201	0.63 243	0.61 257	0.66 250	0.51 251	0.73 260	0.44 222	0.57 244	0.54 246	1.68 353	1.81 367	0.40 201	0.43 234	0.66 225	0.50 235

FBW_ROB	2.12 358	2.46 312	1.77 366	2.49 358	1.79 378	2.38 374	1.83 374	2.46 370	1.78 376	2.48 374	1.97 381	2.40 374	1.78 367	2.42 373	1.83 379	2.31 370	1.85 368	2.38 376	1.82 380	2.35 357	1.84 378

error version	0.93 268	4.47 355	2.35 377	1.99 344	0.37 210	0.41 197	0.36 197	0.41 186	0.35 198	0.43 202	0.36 201	0.41 194	0.40 206	0.41 197	0.36 198	1.87 358	2.16 369	0.47 230	0.37 213	0.39 183	0.33 189

test_1	0.93 268	4.47 355	2.35 377	1.99 344	0.37 210	0.41 197	0.36 197	0.41 186	0.35 198	0.43 202	0.36 201	0.41 194	0.40 206	0.41 197	0.36 198	1.87 358	2.16 369	0.47 230	0.37 213	0.39 183	0.33 189

STTStereo	3.73 387	30.40 415	2.37 379	2.39 355	2.31 388	2.35 373	2.33 382	2.29 365	2.42 385	2.32 373	2.34 387	2.33 370	2.36 376	2.30 371	2.27 384	2.35 371	2.22 371	2.31 375	2.22 381	2.29 356	2.34 384

NCCL2	2.28 360	2.27 308	2.28 375	2.28 354	2.28 386	2.27 369	2.29 381	2.28 364	2.28 384	2.27 369	2.28 386	2.28 366	2.27 375	2.27 370	2.28 385	2.28 369	2.28 372	2.27 374	2.29 384	2.27 354	2.29 380

iRaftStereo_RVC	0.97 272	3.17 332	2.30 376	2.42 356	0.38 215	0.54 241	0.38 206	0.54 229	0.38 206	0.54 235	0.38 209	0.54 239	0.38 201	0.54 236	0.38 205	2.38 372	2.34 373	0.49 241	0.36 210	0.49 212	0.36 195

PDISCO_ROB	0.83 252	2.80 326	3.49 385	0.14 74	0.11 103	0.17 109	0.09 81	0.15 106	0.10 86	0.15 101	0.12 106	0.16 106	0.14 118	3.30 383	0.13 110	0.14 90	2.34 373	0.16 106	0.12 110	2.62 363	0.10 83

NLCA_NET_v2_RVC	5.04 400	50.87 422	2.78 381	2.87 364	2.71 389	2.78 380	0.47 232	2.88 378	2.86 389	1.89 360	2.67 388	2.79 380	2.79 380	2.78 379	2.83 386	2.82 376	2.82 375	2.83 380	2.77 387	2.83 365	2.76 388
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HCRNet	1.22 331	7.11 370	3.00 382	3.55 370	0.33 200	0.29 151	0.14 114	0.19 112	0.15 127	0.33 155	0.29 176	0.25 139	0.14 118	0.22 130	0.33 184	3.64 381	3.00 376	0.76 269	0.32 199	0.18 114	0.13 113

DPSNet	3.66 386	3.60 337	3.62 387	3.63 371	3.64 394	3.65 388	3.65 394	3.66 387	3.67 392	3.67 385	3.65 393	3.67 386	3.66 383	3.66 386	3.68 390	3.68 382	3.66 377	3.67 387	3.68 393	3.67 369	3.67 392

DispFullNet	4.61 393	4.84 360	3.12 383	5.00 379	3.57 393	4.75 398	3.03 389	7.75 406	4.17 399	4.91 396	3.09 389	6.20 403	3.95 388	6.71 402	3.51 389	5.30 390	3.67 378	5.86 403	3.63 390	5.61 388	3.46 390

AEACV	1.12 284	0.52 159	3.12 383	3.24 367	0.86 290	0.53 240	0.49 240	0.60 239	0.47 231	0.53 234	0.49 246	0.55 242	0.45 223	0.55 238	0.47 232	3.01 377	3.88 379	0.71 262	0.60 258	0.80 246	0.48 229

SGM-Forest	5.21 401	5.92 367	4.08 388	6.18 385	4.16 399	6.31 403	4.34 401	6.50 401	4.33 400	6.14 403	4.21 399	6.61 406	4.55 393	6.67 401	4.48 399	5.94 394	3.94 380	5.85 402	4.03 399	5.79 390	4.17 399
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
BUS	0.83 252	1.91 292	0.92 268	4.48 374	0.02 20	0.40 183	0.04 55	0.41 186	0.02 20	0.48 215	0.03 40	0.41 194	0.05 65	0.03 33	0.05 60	1.97 362	4.19 381	0.33 164	0.23 150	0.34 152	0.27 154

BSDual-CNN	0.81 244	1.91 292	0.92 268	4.48 374	0.02 20	0.42 213	0.06 76	0.41 186	0.02 20	0.48 215	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 362	4.19 381	0.33 164	0.23 150	0.34 152	0.27 154

hknet	1.10 281	1.85 290	3.49 385	4.48 374	0.02 20	0.42 213	0.06 76	0.41 186	0.02 20	0.48 215	0.03 40	0.41 194	0.03 42	0.42 208	0.03 37	4.39 385	4.19 381	0.33 164	0.23 150	0.34 152	0.27 154

AANet_RVC	1.26 333	0.31 106	4.99 391	5.93 383	0.20 143	0.25 137	0.20 130	0.25 134	0.20 138	0.23 129	0.19 140	0.25 139	0.20 141	0.25 140	0.20 137	5.66 392	4.76 384	0.26 143	0.30 190	0.24 131	0.27 154

TestStereo	4.88 397	4.75 359	4.79 389	4.87 378	4.92 402	4.81 399	4.90 402	4.78 396	4.77 402	4.87 395	4.89 402	4.90 398	4.91 394	4.99 397	4.79 400	4.98 387	4.87 385	4.87 396	4.92 402	5.00 385	5.00 401

SGM+DAISY	7.06 404	9.15 382	5.38 393	8.84 396	5.18 403	8.80 407	5.31 403	8.79 407	5.28 404	8.89 407	5.20 403	8.93 407	5.33 395	8.95 407	5.36 401	8.70 405	5.21 386	8.74 407	5.20 403	8.89 401	5.15 402

test_5	4.62 394	7.55 373	6.23 395	6.32 386	3.40 392	5.29 400	3.50 392	3.53 386	4.11 398	4.28 390	4.47 401	4.26 393	4.38 392	3.68 387	3.24 388	5.89 393	5.60 387	4.84 395	3.50 389	4.33 377	3.93 398

Sa-1000	4.34 390	8.37 377	6.84 399	6.98 391	4.45 401	3.58 386	3.00 388	3.42 385	3.39 391	2.61 376	4.00 397	3.83 388	4.01 390	3.90 388	3.90 393	5.98 395	5.62 388	3.76 388	2.34 385	4.35 378	2.47 387

RAFT	6.73 403	9.36 384	7.40 402	8.51 395	6.55 405	6.88 404	6.60 405	6.79 402	6.60 405	6.80 404	6.72 407	5.31 401	5.50 396	6.61 400	6.61 405	8.42 404	5.89 389	5.73 400	5.45 405	6.61 392	6.24 404

RAFT+CT+SA	4.28 388	7.62 374	4.91 390	5.55 381	2.28 386	3.09 381	3.64 393	4.49 394	3.07 390	4.80 394	3.35 390	4.77 397	3.70 384	4.29 393	3.05 387	5.58 391	5.98 390	3.58 386	3.78 395	4.26 376	3.72 393

raft_robust	4.71 395	7.75 375	5.40 394	6.81 388	3.31 391	4.28 394	4.20 400	4.32 393	4.37 401	4.35 392	4.35 400	4.14 391	3.75 385	4.30 394	4.20 398	6.67 398	6.37 391	3.36 384	4.24 401	4.86 383	3.25 389

cross-raft	4.83 396	7.52 372	6.43 396	6.63 387	3.96 397	4.51 395	3.99 398	4.49 394	3.96 397	4.52 393	3.96 396	4.50 394	3.97 389	4.50 395	3.97 394	6.65 397	6.44 392	4.33 391	3.92 397	4.35 378	3.91 397

TestStereo1	4.60 391	8.41 378	6.44 397	6.86 389	3.79 395	3.97 390	3.78 395	3.99 390	3.74 393	3.97 387	3.52 391	3.94 389	3.58 381	3.98 389	3.72 391	6.82 399	6.50 393	3.76 388	3.66 391	3.90 371	3.74 395

SA-5K	4.60 391	8.41 378	6.44 397	6.86 389	3.79 395	3.97 390	3.78 395	3.99 390	3.74 393	3.97 387	3.52 391	3.94 389	3.58 381	3.98 389	3.72 391	6.82 399	6.50 393	3.76 388	3.66 391	3.90 371	3.74 395

SA	4.33 389	7.35 371	6.85 400	5.96 384	4.09 398	3.59 387	3.15 390	3.82 388	2.64 386	3.91 386	3.85 394	3.57 385	2.72 379	3.13 381	4.03 395	7.09 402	6.86 395	3.57 385	3.12 388	3.85 370	3.51 391

test_4	4.88 397	8.13 376	6.98 401	7.46 392	4.44 400	4.25 393	3.85 397	4.04 392	3.92 396	4.13 389	3.91 395	4.18 392	3.84 386	4.14 391	4.06 396	7.01 401	7.13 396	4.53 392	3.72 394	4.09 374	3.72 393

test-1	6.46 402	9.16 383	8.03 406	8.09 393	5.62 404	6.11 402	6.35 404	6.85 403	4.94 403	6.08 402	6.29 406	4.98 399	6.43 398	6.22 399	6.36 404	6.16 396	7.47 397	5.82 401	5.44 404	7.11 396	5.68 403

test_3	5.01 399	8.86 381	7.77 403	8.09 393	2.76 390	4.13 392	4.05 399	3.88 389	3.76 395	4.33 391	4.13 398	3.71 387	3.91 387	4.21 392	4.06 396	7.93 403	7.69 398	4.53 392	3.91 396	4.17 375	4.29 400

test-v	7.53 405	11.89 392	7.98 404	9.36 398	7.14 406	7.06 405	7.09 406	7.37 404	6.91 406	7.29 405	5.71 404	6.45 404	6.93 399	6.73 403	7.27 406	8.93 406	7.85 399	6.98 404	6.80 406	7.56 397	7.34 406

test-2	7.53 405	11.89 392	7.98 404	9.36 398	7.14 406	7.06 405	7.09 406	7.37 404	6.91 406	7.29 405	5.71 404	6.45 404	6.93 399	6.73 403	7.27 406	8.93 406	7.85 399	6.98 404	6.80 406	7.56 397	7.34 406

PCWNet_CMD	2.80 381	9.82 387	0.32 163	10.09 405	0.32 191	0.49 230	0.33 184	3.34 383	0.33 190	0.49 220	0.33 191	0.49 226	8.73 403	0.48 222	0.33 184	0.41 197	9.22 401	0.42 221	0.29 183	9.55 404	0.31 182

MSMDNet	2.65 375	10.14 390	0.33 167	9.74 400	0.32 191	0.87 272	0.33 184	2.95 379	0.68 265	0.49 220	0.34 197	0.49 226	5.70 397	0.49 228	0.33 184	0.42 210	9.57 402	0.41 212	0.31 195	8.36 400	0.65 255

pcwnet_v2	2.66 376	9.89 388	0.33 167	9.89 402	0.32 191	0.50 236	0.32 177	0.49 216	0.33 190	0.49 220	0.34 197	0.49 226	8.76 404	0.48 222	0.33 184	0.41 197	9.58 403	0.40 201	0.29 183	9.01 402	0.63 253

CFNet_pseudo	2.67 377	9.36 384	0.32 163	10.99 407	0.33 200	0.85 271	0.33 184	0.49 216	0.33 190	0.49 220	0.32 188	0.49 226	7.26 401	0.49 228	0.33 184	0.41 197	9.62 404	0.41 212	0.29 183	10.03 406	0.29 170

ccs_rob	2.79 380	10.17 391	0.32 163	10.00 404	0.33 200	0.49 230	0.33 184	1.90 356	0.32 187	0.51 230	0.33 191	0.49 226	9.24 406	0.49 228	0.33 184	0.41 197	9.82 405	0.41 212	0.28 174	9.34 403	0.29 170

UCFNet_RVC	2.75 379	10.06 389	0.29 151	10.31 406	0.29 176	0.42 213	0.29 168	0.43 204	0.29 172	0.42 198	0.29 176	0.42 210	9.87 407	0.43 209	0.29 170	0.36 172	9.84 406	0.36 186	0.26 164	9.77 405	0.26 149

CFNet_ucs	2.73 378	9.64 386	0.33 167	9.92 403	0.32 191	0.49 230	0.33 184	0.49 216	0.33 190	0.49 220	0.33 191	0.49 226	8.98 405	0.48 222	0.33 184	0.41 197	9.96 407	0.40 201	0.29 183	10.12 407	0.54 239

MANE	19.05 408	23.00 401	15.00 408	23.00 414	15.00 408	24.00 414	16.00 408	24.00 414	16.00 408	22.00 414	15.00 408	23.00 414	16.00 408	23.00 414	15.00 408	22.00 414	15.00 408	22.00 414	15.00 408	22.00 414	15.00 408

rafts_anoy	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

raft+_RVC	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

raftrobust	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

CasAABBNet	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

RALCasStereoNet	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

RALAANet	20.00 409	20.00 395	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

WCMA_ROB	31.10 416	35.43 420	27.12 415	39.51 423	23.10 415	38.78 423	25.30 415	37.49 423	25.39 415	37.29 422	27.02 415	38.52 423	26.48 415	37.80 422	26.44 415	36.28 422	22.65 415	33.90 419	22.30 415	37.10 420	24.18 415

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

fff	1000028.16 431	29.62 412	29.72 416	32.61 415	30.02 416	35.13 417	31.83 417	32.07 416	10000000.00 431	35.27 418	29.82 417	32.45 416	30.15 416	32.35 416	30.09 416	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 431	30.77 417

csc	1000028.16 431	29.62 412	29.72 416	32.61 415	30.02 416	35.13 417	31.83 417	32.07 416	10000000.00 431	35.27 418	29.82 417	32.45 416	30.15 416	32.35 416	30.09 416	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 431	30.77 417

cscssc	1000028.16 431	29.62 412	29.72 416	32.61 415	30.02 416	35.13 417	31.83 417	32.07 416	10000000.00 431	35.27 418	29.82 417	32.45 416	30.15 416	32.35 416	30.09 416	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 431	30.77 417

DCANet-4	35.22 417	34.54 417	35.08 422	33.58 419	35.47 423	34.55 416	35.53 423	36.08 421	35.85 420	35.92 421	35.77 422	35.18 421	35.48 421	35.39 421	37.15 422	34.55 421	33.92 420	35.02 422	34.90 421	35.79 419	34.74 423

tt	500032.53 429	34.60 418	29.72 416	37.47 421	34.41 421	36.85 421	35.22 421	34.71 419	33.55 418	34.50 416	35.43 420	33.81 419	10000000.00 432	33.57 419	33.13 420	33.68 419	35.00 421	34.03 420	35.26 422	30.96 416	34.63 421

DCANet	500032.53 429	34.60 418	29.72 416	37.47 421	34.41 421	36.85 421	35.22 421	34.71 419	33.55 418	34.50 416	35.43 420	33.81 419	10000000.00 432	33.57 419	33.13 420	33.68 419	35.00 421	34.03 420	35.26 422	30.96 416	34.63 421

ADStereo(finetuned)	36.13 418	36.63 421	38.07 423	36.97 420	33.25 420	35.91 420	34.45 420	36.36 422	32.99 417	38.14 423	36.71 423	36.69 422	34.13 420	38.57 423	40.79 423	37.60 423	36.58 423	35.90 423	33.36 420	35.42 418	34.04 420

NOSS_ROB	102.95 420	153.00 426	121.00 427	51.00 424	44.00 424	165.00 427	127.00 426	153.00 426	119.00 423	164.00 427	125.00 426	168.00 427	120.00 424	153.00 426	117.00 426	49.00 424	44.00 424	49.00 424	44.00 424	49.00 421	44.00 424

CBMV	128.50 421	1422.70 433	53.10 425	79.50 425	51.30 425	77.30 425	49.70 424	74.00 424	48.20 422	77.20 425	48.80 425	73.90 425	48.00 423	73.80 425	48.80 425	70.40 425	45.10 425	68.90 425	46.10 425	68.20 422	45.00 425
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 419	87.70 423	41.95 424	113.75 426	65.62 426	75.05 424	55.25 425	75.64 425	45.04 421	71.61 424	41.75 424	72.81 424	44.06 422	68.38 424	44.63 424	101.89 426	59.57 426	107.10 426	61.05 426	104.38 423	59.38 426

MeshStereo	159.24 422	171.00 427	160.68 429	162.58 427	160.59 427	164.01 426	160.35 427	158.51 427	158.56 424	158.34 426	160.12 427	158.56 426	159.92 425	157.26 427	158.94 427	154.38 427	158.36 427	155.75 427	159.13 427	153.67 424	154.07 427
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 423	123.00 424	115.00 426	219.00 428	218.00 429	223.00 428	244.00 429	217.00 428	236.00 426	202.00 428	203.00 428	205.00 428	208.00 426	225.00 428	204.00 428	210.00 428	198.00 428	197.00 428	184.00 428	204.00 425	201.00 428

DLCB_ROB	284.23 425	354.61 429	207.27 430	363.24 430	206.46 428	364.72 430	210.41 428	364.72 430	210.41 425	364.81 430	208.64 429	364.81 430	208.64 427	364.72 430	210.41 429	354.70 430	205.53 429	354.70 430	205.53 429	354.70 427	205.53 429

EGLCR-Stereo	246.90 424	129.00 425	139.00 428	266.00 429	286.00 430	277.00 429	305.00 430	271.00 429	242.00 427	274.00 429	279.00 430	255.00 429	270.00 428	268.00 429	297.00 430	230.00 429	247.00 430	216.00 429	223.00 430	237.00 426	227.00 430

LE_ROB	396.57 426	471.28 430	329.84 431	471.48 431	308.15 431	526.83 431	322.10 431	488.15 431	323.76 428	495.46 431	317.97 431	497.17 431	320.10 429	481.62 431	326.76 431	462.71 431	298.97 431	466.16 431	285.98 431	447.62 428	289.21 431

SGM-ForestM	596.69 427	677.77 431	444.52 432	699.85 432	517.25 432	732.94 432	488.29 432	770.79 432	460.11 429	750.81 432	487.98 432	792.79 432	499.41 430	730.90 432	475.81 432	720.03 432	491.16 432	663.96 432	418.60 432	674.76 429	436.05 432

CBMV_ROB	818.48 428	913.88 432	709.52 433	862.84 433	597.78 433	1073.99 433	700.52 433	1015.66 433	702.59 430	1115.65 433	760.02 433	1130.24 433	721.57 431	1037.41 433	692.65 433	814.05 433	564.29 433	843.28 433	595.31 433	915.51 430	602.92 433

SDNR	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434

anonymousdsp2	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434

anonymousdsp	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434

test_example2	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434

DIP-Stereo	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark