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	deliv. area 1l	deliv. area 1s	deliv. area 2l	deliv. area 2s	deliv. area 3l	deliv. area 3s	elect. 1l	elect. 1s	elect. 2l	elect. 2s	elect. 3l	elect. 3s	facade 1s	forest 1s	forest 2s	playg. 1l	playg. 1s	playg. 2l	playg. 2s	playg. 3l	playg. 3s	terra. 1s	terra. 2s	terra. 1l	terra. 1s	terra. 2l	terra. 2s

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	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	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	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	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	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	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	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	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	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
STStereo	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	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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	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	0.01 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	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWCK	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	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

iinet-f	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MSC_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

ADCMid	0.08 30	0.02 14	0.13 74	0.03 23	0.02 15	0.03 22	0.02 15	0.02 15	0.02 15	1.32 207	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.07 41	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 25

ADCS	0.06 28	0.02 14	0.04 25	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	1.03 185	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.02 15	0.01 9	0.02 15	0.02 15	0.03 25	0.02 15	0.02 15	0.02 15	0.04 30	0.02 15

RYNet	0.02 15	0.02 14	0.02 14	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.04 28	0.03 25	0.02 15	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

LSM0	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

PWCDC_ROB	0.01 9	0.02 14	0.02 14	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	0.01 9	0.01 9	0.01 9	0.01 9

coex_refinement	0.02 15	0.03 23	0.02 14	0.03 23	0.02 15	0.03 22	0.02 15	0.03 24	0.02 15	0.03 21	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.03 22	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.03 24	0.02 15	0.03 22	0.02 15

G2L-Stereo	0.02 15	0.03 23	0.02 14	0.03 23	0.02 15	0.03 22	0.02 15	0.03 24	0.02 15	0.03 21	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.03 22	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.03 24	0.02 15	0.03 22	0.02 15

YMNet	0.03 23	0.03 23	0.03 23	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	0.03 21	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.04 32	0.03 24	0.03 26	0.03 22	0.03 25

FADNet_RVC	0.10 37	0.03 23	0.04 25	0.03 23	0.04 32	0.05 35	0.04 32	0.04 31	0.04 32	0.03 21	0.04 31	0.04 30	0.03 23	0.04 32	0.03 26	0.03 26	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.03 26	1.63 260	0.03 25	0.03 24	0.04 32	0.03 22	0.04 32

BEATNet_4x	0.08 30	0.03 23	0.06 34	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 216	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

ADCL	0.08 30	0.03 23	0.06 34	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 216	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

AnyNet_C01	0.08 30	0.03 23	0.04 25	0.02 15	0.03 23	0.03 22	0.02 15	0.02 15	0.02 15	1.46 215	0.02 15	0.03 23	0.03 23	0.02 15	0.02 15	0.02 15	0.04 28	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 25	0.02 15	0.02 15	0.03 22	0.03 25

AnyNet_C32	0.12 52	0.03 23	0.07 36	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.02 15	2.33 254	0.04 31	0.04 30	0.03 23	0.02 15	0.03 26	0.04 32	0.04 28	0.04 31	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.04 31	0.03 26	0.03 22	0.02 15

ADCPNet	0.08 30	0.03 23	0.04 25	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.32 207	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.04 30	0.03 25

FADNet-RVC-Resample	0.10 37	0.04 32	0.05 30	0.04 32	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.04 33	1.53 255	0.04 32	0.05 36	0.05 37	0.06 40	0.05 36

FADNet-RVC	0.11 49	0.04 32	0.05 30	0.04 32	0.05 35	0.04 31	0.04 32	0.05 35	0.04 32	0.04 25	0.04 31	0.04 30	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	1.79 266	0.04 32	0.04 31	0.04 32	0.04 30	0.05 36

FADNet	0.11 49	0.04 32	0.05 30	0.06 36	0.05 35	0.04 31	0.04 32	0.04 31	0.04 32	0.04 25	0.05 35	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.05 37	0.05 35	0.04 33	1.74 264	0.04 32	0.04 31	0.05 37	0.04 30	0.05 36

ADCRef	0.13 57	0.04 32	0.05 30	0.04 32	0.04 32	0.04 31	0.09 45	0.04 31	0.04 32	2.46 257	0.04 31	0.04 30	0.04 33	0.04 32	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.04 33	0.04 32	0.05 37	0.04 31	0.04 32	0.04 30	0.04 32

ADCP+	0.12 52	0.04 32	0.07 36	0.04 32	0.05 35	0.04 31	0.04 32	0.04 31	0.04 32	2.28 246	0.05 35	0.05 34	0.04 33	0.04 32	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	0.04 32	0.05 37	0.04 31	0.04 32	0.04 30	0.04 32

DFGA-Net	0.04 24	0.06 37	0.03 23	0.06 36	0.03 23	0.05 35	0.03 26	0.05 35	0.03 27	0.05 27	0.03 26	0.05 34	0.03 23	0.03 27	0.03 26	0.03 26	0.05 35	0.03 25	0.05 33	0.03 26	0.06 41	0.03 26	0.03 25	0.03 25	0.06 41	0.03 26	0.06 40	0.03 25

APVNet	0.09 35	0.06 37	0.04 25	0.06 36	0.04 32	0.05 35	0.04 32	0.05 35	1.08 239	0.05 27	0.05 35	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.05 35	0.04 33	0.04 32	0.04 32	0.05 36	0.04 32	0.05 36	0.04 32

BEATNet-Init1	0.15 69	0.07 39	0.10 45	0.08 42	0.07 42	0.07 42	0.07 41	0.07 38	0.07 41	2.19 242	0.08 43	0.08 42	0.07 42	0.07 42	0.07 39	0.07 42	0.08 43	0.07 42	0.08 43	0.08 43	0.07 42	0.07 42	0.07 38	0.07 43	0.08 43	0.07 42	0.07 42	0.07 43

DeepPrunerF	0.15 69	0.07 39	0.10 45	0.08 42	0.07 42	0.07 42	0.07 41	0.07 38	0.07 41	2.19 242	0.08 43	0.08 42	0.07 42	0.07 42	0.07 39	0.07 42	0.08 43	0.07 42	0.08 43	0.08 43	0.07 42	0.07 42	0.07 38	0.07 43	0.08 43	0.07 42	0.07 42	0.07 43

AASNet	0.05 25	0.08 41	0.08 39	0.07 39	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.05 39	0.06 39	0.07 39	0.05 39	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.05 39	0.04 32	0.05 37	0.05 36	0.05 37	0.05 36	0.05 36

SACVNet	0.05 25	0.08 41	0.08 39	0.07 39	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.05 39	0.06 39	0.07 39	0.05 39	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.05 39	0.04 32	0.05 37	0.05 36	0.05 37	0.05 36	0.05 36

AACVNet	0.05 25	0.08 41	0.08 39	0.07 39	0.05 35	0.05 35	0.05 37	0.07 38	0.05 37	0.05 27	0.05 35	0.05 34	0.05 39	0.06 39	0.07 39	0.05 39	0.05 35	0.05 38	0.05 33	0.05 37	0.05 35	0.05 39	0.04 32	0.05 37	0.05 36	0.05 37	0.05 36	0.05 36

FINET	0.07 29	0.08 41	0.07 36	0.08 42	0.07 42	0.08 44	0.07 41	0.08 44	0.07 41	0.08 33	0.07 42	0.08 42	0.07 42	0.07 42	0.07 39	0.07 42	0.07 42	0.07 42	0.07 41	0.07 42	0.08 44	0.07 42	0.07 38	0.06 42	0.07 42	0.07 42	0.08 44	0.06 42

SepStereo	0.09 35	0.09 45	0.09 42	0.09 45	0.10 47	0.09 45	0.08 44	0.09 45	0.08 44	0.09 34	0.08 43	0.09 45	0.09 45	0.08 45	0.08 45	0.09 45	0.09 45	0.08 45	0.09 45	0.08 43	0.09 45	0.08 45	0.09 41	0.09 45	0.10 45	0.08 45	0.10 45	0.09 45

AnonymousM	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

PVD	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

SHD	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

SAMSARA	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

XQC	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

RTSC	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

RTS	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

RTSA	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

MADNet+	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

MADNet++	0.10 37	0.10 46	0.10 45	0.10 46	0.10 47	0.10 46	0.10 48	0.10 46	0.10 47	0.10 35	0.10 48	0.10 46	0.10 48	0.10 49	0.10 48	0.10 47	0.10 46	0.10 47	0.10 46	0.10 47	0.10 46	0.10 48	0.10 44	0.10 48	0.10 45	0.10 46	0.10 45	0.10 49

JetRed	0.22 91	0.11 56	0.12 65	0.11 56	0.11 60	0.11 56	0.11 59	0.11 56	0.11 59	2.93 267	0.11 59	0.11 56	0.11 60	0.11 63	0.11 59	0.12 75	0.11 56	0.11 62	0.11 56	0.11 60	0.11 56	0.11 60	0.11 57	0.11 62	0.11 56	0.11 60	0.11 56	0.11 61

JetBlue	0.23 93	0.12 57	0.13 74	0.12 57	0.12 79	0.12 57	0.11 59	0.14 59	0.12 75	3.07 268	0.12 78	0.12 58	0.11 60	0.11 63	0.13 82	0.13 81	0.12 57	0.12 79	0.13 57	0.11 60	0.12 57	0.13 83	0.12 75	0.14 85	0.13 58	0.12 77	0.12 57	0.11 61

LRCNet_RVC	0.11 49	0.12 57	0.09 42	0.12 57	0.09 45	0.12 57	0.09 45	0.12 57	0.09 45	0.12 45	0.09 46	0.11 56	0.09 45	0.09 46	0.09 46	0.09 45	0.12 57	0.16 88	0.21 90	0.09 46	0.12 57	0.09 46	0.09 41	0.09 45	0.12 57	0.28 124	0.12 57	0.09 45

GMStereo	0.14 64	0.13 59	0.14 78	0.14 60	0.14 86	0.14 61	0.14 83	0.14 59	0.14 85	0.14 46	0.14 85	0.14 60	0.14 86	0.14 85	0.14 86	0.14 85	0.14 60	0.14 85	0.14 59	0.14 86	0.14 59	0.14 86	0.14 82	0.14 85	0.14 60	0.14 83	0.14 60	0.14 86
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.19 83	0.13 59	0.09 42	0.13 59	0.09 45	0.13 59	0.09 45	0.13 58	0.09 45	0.90 173	0.09 46	0.13 59	0.09 45	0.10 49	0.09 46	0.70 207	0.13 59	0.09 46	0.13 57	0.10 47	0.91 207	0.09 46	0.10 44	0.09 45	0.13 58	0.10 46	0.13 59	0.09 45

S2M2	0.13 57	0.14 61	0.10 45	0.14 60	0.10 47	0.15 69	0.10 48	0.30 112	0.10 47	0.14 46	0.17 90	0.14 60	0.10 48	0.10 49	0.10 48	0.10 47	0.14 60	0.10 47	0.14 59	0.10 47	0.14 59	0.10 48	0.10 44	0.10 48	0.15 65	0.10 46	0.14 60	0.10 49

CIPLG	0.13 57	0.15 62	0.12 65	0.14 60	0.11 60	0.14 61	0.11 59	0.15 67	0.11 59	0.15 51	0.11 59	0.15 69	0.11 60	0.12 74	0.12 77	0.11 59	0.15 67	0.11 62	0.15 67	0.11 60	0.14 59	0.11 60	0.11 57	0.12 77	0.15 65	0.12 77	0.15 67	0.12 76

IPLG	0.12 52	0.15 62	0.12 65	0.14 60	0.11 60	0.14 61	0.11 59	0.14 59	0.11 59	0.15 51	0.11 59	0.14 60	0.11 60	0.12 74	0.11 59	0.11 59	0.14 60	0.11 62	0.14 59	0.11 60	0.14 59	0.11 60	0.11 57	0.11 62	0.14 60	0.11 60	0.14 60	0.11 61

MIPNet	0.12 52	0.15 62	0.12 65	0.14 60	0.11 60	0.14 61	0.11 59	0.14 59	0.11 59	0.15 51	0.11 59	0.14 60	0.11 60	0.12 74	0.11 59	0.11 59	0.14 60	0.11 62	0.15 67	0.11 60	0.14 59	0.11 60	0.11 57	0.11 62	0.14 60	0.11 60	0.14 60	0.11 61

IPLGR	0.13 57	0.15 62	0.12 65	0.14 60	0.11 60	0.14 61	0.11 59	0.14 59	0.13 81	0.15 51	0.11 59	0.14 60	0.12 80	0.12 74	0.11 59	0.11 59	0.14 60	0.11 62	0.14 59	0.11 60	0.14 59	0.11 60	0.11 57	0.12 77	0.15 65	0.11 60	0.14 60	0.11 61

PDISCO_ROB	0.50 154	0.15 62	0.11 59	0.16 76	3.16 283	0.13 59	0.12 77	0.14 59	0.12 75	0.15 51	0.11 59	2.55 271	0.11 60	2.20 268	0.13 82	0.12 75	0.16 76	0.10 47	0.14 59	0.12 79	0.15 68	0.12 78	0.12 75	0.12 77	0.15 65	0.10 46	2.75 270	0.09 45

ITSA-stereo	0.21 90	0.16 67	0.12 65	0.16 76	0.13 83	0.18 80	0.14 83	0.16 69	1.89 273	0.16 63	0.12 78	0.17 81	0.12 80	0.13 81	0.13 82	0.13 81	0.17 79	0.13 82	0.17 77	0.12 79	0.16 75	0.12 78	0.12 75	0.12 77	0.17 78	0.12 77	0.16 75	0.12 76

IPLGR_C	0.13 57	0.16 67	0.14 78	0.15 68	0.11 60	0.14 61	0.11 59	0.14 59	0.11 59	0.14 46	0.11 59	0.14 60	0.11 60	0.12 74	0.11 59	0.11 59	0.14 60	0.11 62	0.14 59	0.11 60	0.14 59	0.11 60	0.11 57	0.11 62	0.14 60	0.11 60	0.15 67	0.11 61

ACRE	0.13 57	0.16 67	0.12 65	0.14 60	0.11 60	0.14 61	0.11 59	0.15 67	0.11 59	0.14 46	0.11 59	0.14 60	0.11 60	0.12 74	0.11 59	0.11 59	0.14 60	0.11 62	0.14 59	0.11 60	0.14 59	0.11 60	0.11 57	0.11 62	0.14 60	0.11 60	0.14 60	0.11 61

ICVP	0.13 57	0.16 67	0.11 59	0.16 76	0.11 60	0.16 77	0.11 59	0.16 69	0.11 59	0.16 63	0.11 59	0.16 77	0.11 60	0.11 63	0.11 59	0.11 59	0.16 76	0.11 62	0.16 75	0.11 60	0.16 75	0.11 60	0.11 57	0.11 62	0.16 76	0.11 60	0.16 75	0.11 61
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 64	0.17 71	0.11 59	0.17 79	0.11 60	0.17 78	0.12 77	0.17 73	0.11 59	0.17 67	0.11 59	0.17 81	0.11 60	0.12 74	0.12 77	0.12 75	0.17 79	0.12 79	0.17 77	0.12 79	0.17 78	0.12 78	0.12 75	0.12 77	0.17 78	0.12 77	0.17 78	0.12 76

DDVS	0.15 69	0.18 72	0.13 74	0.18 82	0.13 83	0.19 85	0.13 81	0.18 75	0.13 81	0.18 69	0.13 84	0.18 84	0.13 85	0.13 81	0.13 82	0.13 81	0.18 83	0.13 82	0.18 81	0.13 85	0.18 80	0.13 83	0.13 80	0.10 48	0.19 84	0.14 83	0.19 82	0.13 84

ProNet	0.12 52	0.18 72	0.11 59	0.14 60	0.10 47	0.14 61	0.11 59	0.14 59	0.11 59	0.14 46	0.10 48	0.14 60	0.10 48	0.10 49	0.11 59	0.10 47	0.15 67	0.10 47	0.14 59	0.10 47	0.14 59	0.10 48	0.11 57	0.10 48	0.15 65	0.10 46	0.14 60	0.10 49

SFCPSM	0.23 93	0.18 72	0.13 74	0.18 82	0.12 79	0.18 80	0.80 220	0.17 73	0.12 75	0.88 172	0.12 78	0.17 81	0.12 80	0.13 81	0.12 77	0.12 75	0.18 83	0.12 79	0.18 81	0.12 79	1.18 230	0.13 83	0.12 75	0.12 77	0.18 81	0.13 82	0.18 80	0.12 76

DeepPruner_ROB	0.15 69	0.18 72	0.12 65	0.18 82	0.12 79	0.18 80	0.12 77	0.18 75	0.13 81	0.18 69	0.12 78	0.18 84	0.12 80	0.13 81	0.12 77	0.13 81	0.18 83	0.13 82	0.18 81	0.12 79	0.19 84	0.12 78	0.13 80	0.12 77	0.18 81	0.12 77	0.18 80	0.12 76

ELAS_RVC	0.14 64	0.18 72	0.11 59	0.19 85	0.11 60	0.18 80	0.13 81	0.16 69	0.11 59	0.17 67	0.11 59	0.14 60	0.11 60	0.09 46	0.11 59	0.12 75	0.17 79	0.10 47	0.18 81	0.11 60	0.18 80	0.11 60	0.10 44	0.11 62	0.19 84	0.11 60	0.19 82	0.12 76
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.14 64	0.19 77	0.11 59	0.20 87	0.11 60	0.20 87	0.12 77	0.18 75	0.12 75	0.18 69	0.12 78	0.19 87	0.11 60	0.11 63	0.11 59	0.11 59	0.18 83	0.11 62	0.19 85	0.11 60	0.19 84	0.11 60	0.11 57	0.11 62	0.20 87	0.11 60	0.20 86	0.12 76
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DAS	0.20 87	0.20 78	0.20 95	0.20 87	0.20 105	0.20 87	0.20 104	0.20 78	0.20 103	0.20 73	0.20 104	0.20 89	0.20 103	0.20 102	0.20 105	0.20 99	0.20 88	0.20 107	0.20 87	0.20 106	0.20 87	0.20 105	0.20 102	0.20 104	0.20 87	0.20 103	0.20 86	0.20 104

MSKI-zero shot	0.19 83	0.21 79	0.16 80	0.22 92	0.16 90	0.23 101	0.17 92	0.22 89	0.17 92	0.22 76	0.17 90	0.22 93	0.16 90	0.19 101	0.16 90	0.17 90	0.23 98	0.16 88	0.22 91	0.16 90	0.22 92	0.17 94	0.16 85	0.17 91	0.22 93	0.19 102	0.22 91	0.16 88

LALA_ROB	0.15 69	0.21 79	0.12 65	0.21 90	0.12 79	0.20 87	0.14 83	0.20 78	0.12 75	0.22 76	0.12 78	0.16 77	0.12 80	0.10 49	0.12 77	0.12 75	0.21 91	0.11 62	0.22 91	0.12 79	0.20 87	0.12 78	0.11 57	0.12 77	0.21 91	0.14 83	0.21 89	0.13 84

WAO-6	0.30 109	0.22 81	0.23 105	0.22 92	0.23 112	0.23 101	0.22 108	0.22 89	0.23 111	2.21 245	0.22 109	0.22 93	0.22 109	0.22 107	0.22 110	0.23 106	0.22 93	0.23 114	0.22 91	0.22 109	0.22 92	0.22 107	0.22 106	0.22 110	0.23 98	0.23 112	0.22 91	0.22 109

IGEV_Zeroshot_test	0.18 80	0.22 81	0.18 89	0.21 90	0.18 99	0.20 87	0.17 92	0.20 78	0.16 87	0.25 86	0.16 88	0.21 90	0.17 92	0.16 90	0.18 97	0.15 88	0.20 88	0.16 88	0.20 87	0.18 99	0.21 89	0.17 94	0.17 87	0.17 91	0.20 87	0.17 92	0.20 86	0.16 88

dd	0.18 80	0.22 81	0.16 80	0.22 92	0.15 87	0.22 93	0.15 87	0.21 81	0.15 86	0.21 74	0.15 86	0.21 90	0.15 88	0.15 87	0.15 88	0.15 88	0.22 93	0.14 85	0.22 91	0.14 86	0.22 92	0.15 88	0.16 85	0.15 88	0.23 98	0.15 87	0.22 91	0.16 88

iResNetv2_ROB	0.20 87	0.22 81	0.19 93	0.23 99	0.19 103	0.22 93	0.17 92	0.22 89	0.17 92	0.22 76	0.17 90	0.22 93	0.17 92	0.18 97	0.18 97	0.19 98	0.22 93	0.17 92	0.23 98	0.17 93	0.25 102	0.18 101	0.17 87	0.18 101	0.23 98	0.17 92	0.25 107	0.17 94

ACV-stereo	0.20 87	0.23 85	0.17 84	0.23 99	0.17 93	0.23 101	0.17 92	0.23 97	0.17 92	0.23 82	0.17 90	0.23 99	0.17 92	0.17 91	0.17 93	0.17 90	0.24 103	0.17 92	0.23 98	0.17 93	0.24 101	0.17 94	0.17 87	0.17 91	0.23 98	0.17 92	0.23 99	0.17 94

IMH-64-1	0.29 106	0.23 85	0.23 105	0.23 99	0.22 107	0.22 93	0.23 110	0.22 89	0.22 108	2.02 235	0.23 112	0.23 99	0.22 109	0.23 111	0.23 112	0.23 106	0.23 98	0.22 109	0.23 98	0.22 109	0.22 92	0.22 107	0.22 106	0.22 110	0.22 93	0.22 109	0.22 91	0.22 109

IMH-64	0.29 106	0.23 85	0.23 105	0.23 99	0.22 107	0.22 93	0.23 110	0.22 89	0.22 108	2.02 235	0.23 112	0.23 99	0.22 109	0.23 111	0.23 112	0.23 106	0.23 98	0.22 109	0.23 98	0.22 109	0.22 92	0.22 107	0.22 106	0.22 110	0.22 93	0.22 109	0.22 91	0.22 109

MIM_Stereo	0.19 83	0.23 85	0.18 89	0.22 92	0.16 90	0.22 93	0.16 90	0.21 81	0.16 87	0.22 76	0.17 90	0.21 90	0.17 92	0.20 102	0.18 97	0.17 90	0.22 93	0.18 101	0.22 91	0.16 90	0.21 89	0.16 90	0.17 87	0.17 91	0.21 91	0.16 90	0.22 91	0.20 104

dad	0.18 80	0.23 85	0.16 80	0.22 92	0.15 87	0.22 93	0.15 87	0.22 89	0.16 87	0.21 74	0.15 86	0.22 93	0.15 88	0.15 87	0.16 90	0.17 90	0.23 98	0.17 92	0.23 98	0.15 89	0.22 92	0.15 88	0.15 84	0.15 88	0.22 93	0.15 87	0.22 91	0.16 88

GEStereo_RVC	0.36 128	0.23 85	0.18 89	0.23 99	0.18 99	0.23 101	0.19 102	0.22 89	0.19 101	0.24 83	0.20 104	0.24 105	0.18 101	0.18 97	0.18 97	0.21 101	0.25 108	0.18 101	0.22 91	0.18 99	0.23 98	0.18 101	0.19 100	0.20 104	0.23 98	0.20 103	4.43 287	0.19 102

iResNet	0.19 83	0.23 85	0.17 84	0.22 92	0.17 93	0.22 93	0.19 102	0.22 89	0.17 92	0.22 76	0.17 90	0.22 93	0.17 92	0.17 91	0.17 93	0.17 90	0.22 93	0.17 92	0.22 91	0.17 93	0.23 98	0.17 94	0.18 97	0.17 91	0.23 98	0.17 92	0.23 99	0.17 94

ELAS	0.14 64	0.23 85	0.10 45	0.19 85	0.11 60	0.20 87	0.11 59	0.16 69	0.10 47	0.15 51	0.11 59	0.15 69	0.11 60	0.09 46	0.11 59	0.11 59	0.16 76	0.10 47	0.17 77	0.11 60	0.18 80	0.11 60	0.09 41	0.10 48	0.18 81	0.11 60	0.19 82	0.12 76
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MMNet	0.30 109	0.24 93	0.17 84	0.24 104	0.17 93	0.24 105	0.17 92	0.23 97	0.18 99	1.21 201	0.17 90	0.23 99	0.17 92	0.17 91	0.17 93	0.89 219	0.24 103	0.17 92	0.24 104	0.17 93	1.22 235	0.16 90	0.17 87	0.17 91	0.24 104	0.17 92	0.24 101	0.17 94

delet	0.30 109	0.24 93	0.17 84	0.24 104	0.17 93	0.24 105	0.17 92	0.23 97	0.16 87	1.21 201	0.17 90	0.24 105	0.17 92	0.17 91	0.17 93	0.91 223	0.24 103	0.17 92	0.24 104	0.17 93	1.23 237	0.17 94	0.17 87	0.17 91	0.24 104	0.17 92	0.24 101	0.17 94

psm_up	0.30 109	0.24 93	0.17 84	0.25 107	0.17 93	0.24 105	0.17 92	0.24 101	0.17 92	1.20 200	0.17 90	0.23 99	0.17 92	0.17 91	0.18 97	0.90 222	0.24 103	0.17 92	0.25 108	0.17 93	1.24 240	0.17 94	0.17 87	0.17 91	0.24 104	0.17 92	0.24 101	0.17 94

UPFNet	0.29 106	0.24 93	0.16 80	0.24 104	0.16 90	0.24 105	0.16 90	0.23 97	0.16 87	1.19 198	0.16 88	0.23 99	0.16 90	0.17 91	0.16 90	0.89 219	0.24 103	0.16 88	0.24 104	0.18 99	1.20 233	0.16 90	0.17 87	0.16 90	0.24 104	0.16 90	0.24 101	0.16 88

UNDER WATER-64	0.31 117	0.25 97	0.25 110	0.26 112	0.26 116	0.25 110	0.26 116	0.25 102	0.26 120	1.69 222	0.26 121	0.25 107	0.25 115	0.25 115	0.26 122	0.26 113	0.25 108	0.26 120	0.26 111	0.26 121	0.25 102	0.25 113	0.25 112	0.25 116	0.26 113	0.26 119	0.25 107	0.26 120

LoS_RVC	0.25 96	0.25 97	0.25 110	0.25 107	0.25 114	0.25 110	0.25 114	0.25 102	0.25 113	0.25 86	0.25 117	0.25 107	0.25 115	0.26 117	0.25 117	0.26 113	0.25 108	0.25 116	0.26 111	0.25 117	0.25 102	0.25 113	0.25 112	0.25 116	0.25 109	0.25 115	0.25 107	0.25 115

tt_ll	0.25 96	0.25 97	0.25 110	0.25 107	0.25 114	0.25 110	0.25 114	0.25 102	0.25 113	0.25 86	0.25 117	0.25 107	0.25 115	0.26 117	0.25 117	0.26 113	0.25 108	0.25 116	0.26 111	0.25 117	0.25 102	0.25 113	0.25 112	0.25 116	0.25 109	0.25 115	0.25 107	0.25 115

CAS	0.25 96	0.25 97	0.25 110	0.25 107	0.26 116	0.26 116	0.26 116	0.25 102	0.25 113	0.25 86	0.25 117	0.25 107	0.25 115	0.25 115	0.25 117	0.25 110	0.26 114	0.25 116	0.26 111	0.26 121	0.25 102	0.25 113	0.25 112	0.26 120	0.25 109	0.26 119	0.25 107	0.25 115

LoS	0.25 96	0.25 97	0.27 114	0.27 113	0.26 116	0.25 110	0.26 116	0.26 107	0.25 113	0.26 92	0.25 117	0.25 107	0.25 115	0.26 117	0.25 117	0.25 110	0.25 108	0.25 116	0.25 108	0.25 117	0.27 109	0.25 113	0.26 116	0.26 120	0.26 113	0.25 115	0.25 107	0.25 115
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
HGLStereo	0.27 101	0.25 97	0.21 102	0.35 128	0.21 106	0.35 127	0.21 106	0.34 121	0.21 105	0.39 113	0.21 106	0.34 124	0.21 107	0.22 107	0.21 106	0.21 101	0.35 126	0.22 109	0.35 125	0.22 109	0.35 121	0.22 107	0.21 103	0.21 107	0.35 126	0.21 106	0.35 125	0.21 107

CFNet	0.55 170	0.25 97	0.18 89	0.25 107	0.18 99	0.25 110	0.18 101	0.25 102	0.18 99	0.25 86	0.18 101	0.25 107	0.18 101	0.18 97	0.18 97	0.18 95	0.25 108	0.18 101	0.25 108	0.18 99	5.31 300	4.36 300	0.18 97	0.18 101	0.25 109	0.18 100	0.25 107	0.18 101

SQANet	0.33 121	0.28 104	0.28 117	0.28 117	0.28 125	0.29 118	0.28 127	0.28 108	0.28 127	1.59 219	0.28 128	0.28 117	0.28 125	0.28 129	0.28 129	0.28 123	0.28 117	0.28 124	0.29 117	0.28 126	0.28 111	0.28 126	0.28 123	0.28 128	0.28 116	0.28 124	0.28 115	0.28 126

RAFT + AFF	0.34 124	0.29 105	0.32 132	0.31 120	0.30 140	0.39 147	0.32 147	0.39 137	0.30 137	0.39 113	0.32 145	0.39 142	0.32 142	0.35 142	0.36 150	0.32 142	0.38 137	0.31 140	0.38 136	0.31 144	0.38 130	0.28 126	0.37 152	0.34 148	0.38 135	0.30 140	0.38 133	0.28 126

DISCO	0.59 176	0.29 105	0.22 103	0.27 113	5.05 304	0.30 119	0.21 106	0.28 108	0.21 105	0.27 93	0.21 106	0.27 115	0.20 103	0.21 106	0.21 106	0.21 101	0.27 116	0.21 108	0.27 115	0.21 108	0.27 109	0.23 112	0.21 103	0.21 107	0.27 115	0.21 106	5.06 295	0.22 109

model_zeroshot	0.27 101	0.30 107	0.19 93	0.36 132	0.23 112	0.25 110	0.27 120	0.33 115	0.21 105	0.35 101	0.22 109	0.25 107	0.27 123	0.26 117	0.23 112	0.26 113	0.35 126	0.22 109	0.36 128	0.23 114	0.25 102	0.27 120	0.27 118	0.23 113	0.36 128	0.22 109	0.25 107	0.27 123

DLNR_Zeroshot_test	0.27 101	0.30 107	0.23 105	0.30 118	0.22 107	0.31 120	0.24 112	0.29 110	0.23 111	0.38 110	0.23 112	0.29 118	0.23 113	0.22 107	0.23 112	0.23 106	0.30 119	0.34 145	0.29 117	0.23 114	0.29 113	0.29 136	0.22 106	0.23 113	0.30 118	0.23 112	0.30 117	0.23 113

FCDSN-DC	0.44 145	0.31 109	0.35 135	0.34 124	0.28 125	0.35 127	0.30 143	0.32 114	0.25 113	1.32 207	0.24 115	1.00 219	0.32 142	0.35 142	0.34 145	0.30 133	0.72 197	0.37 153	0.48 172	0.32 145	0.53 177	0.49 186	0.23 110	0.29 136	0.50 173	0.42 171	0.61 188	0.71 212
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AANet_RVC	0.61 177	0.31 109	5.05 293	0.31 120	0.19 103	0.24 105	0.20 104	5.86 289	0.20 103	0.24 83	0.18 101	0.25 107	0.20 103	0.23 111	0.21 106	0.18 95	0.37 134	0.18 101	0.24 104	0.19 104	0.25 102	0.19 104	0.19 100	0.19 103	0.24 104	0.15 87	0.24 101	0.20 104

iResNet_ROB	0.28 105	0.32 111	0.24 109	0.33 122	0.26 116	0.32 122	0.24 112	0.33 115	0.25 113	0.33 96	0.24 115	0.35 127	0.24 114	0.23 111	0.24 116	0.25 110	0.32 121	0.24 115	0.36 128	0.24 116	0.32 115	0.28 126	0.24 111	0.24 115	0.32 120	0.24 114	0.33 119	0.24 114

MLCV	0.30 109	0.33 112	0.28 117	0.34 124	0.28 125	0.33 123	0.28 127	0.33 115	0.29 135	0.33 96	0.27 125	0.33 122	0.28 125	0.26 117	0.29 137	0.28 123	0.33 122	0.28 124	0.33 120	0.28 126	0.33 116	0.27 120	0.28 123	0.28 128	0.33 121	0.28 124	0.33 119	0.28 126

CES	0.38 133	0.34 113	0.44 154	0.43 160	0.33 147	0.37 136	0.44 175	0.37 129	0.38 153	0.45 130	0.35 150	0.35 127	0.41 167	0.45 166	0.36 150	0.36 149	0.36 131	0.45 173	0.43 157	0.35 151	0.34 117	0.46 172	0.36 150	0.36 155	0.42 154	0.34 148	0.35 125	0.38 157

anonymity	0.30 109	0.34 113	0.27 114	0.33 122	0.27 121	0.33 123	0.28 127	0.33 115	0.28 127	0.33 96	0.28 128	0.33 122	0.28 125	0.28 129	0.28 129	0.28 123	0.34 123	0.28 124	0.34 123	0.28 126	0.34 117	0.27 120	0.27 118	0.27 124	0.34 123	0.28 124	0.34 123	0.28 126

DN-CSS_ROB	0.30 109	0.34 113	0.29 122	0.34 124	0.27 121	0.34 125	0.28 127	0.33 115	0.27 122	0.34 99	0.27 125	0.34 124	0.28 125	0.29 131	0.27 125	0.26 113	0.35 126	0.29 133	0.33 120	0.28 126	0.34 117	0.28 126	0.28 123	0.27 124	0.34 123	0.28 124	0.33 119	0.28 126

ETE_ROB	0.35 127	0.35 116	0.35 135	0.35 128	0.35 152	0.35 127	0.35 149	0.35 124	0.35 148	0.35 101	0.35 150	0.35 127	0.35 148	0.35 142	0.35 147	0.35 147	0.35 126	0.35 149	0.35 125	0.35 151	0.35 121	0.35 147	0.35 147	0.35 152	0.35 126	0.35 149	0.35 125	0.35 150

RSM	0.33 121	0.36 117	0.31 129	0.39 149	0.32 145	0.36 132	0.30 143	0.35 124	0.38 153	0.35 101	0.31 142	0.35 127	0.30 137	0.30 134	0.31 142	0.30 133	0.36 131	0.31 140	0.36 128	0.30 140	0.36 125	0.31 141	0.31 139	0.31 142	0.36 128	0.31 143	0.36 128	0.31 144

XPNet_ROB	0.37 132	0.37 118	0.37 138	0.37 134	0.37 155	0.37 136	0.37 157	0.37 129	0.37 152	0.37 109	0.37 156	0.37 135	0.37 154	0.37 148	0.37 153	0.37 151	0.37 134	0.37 153	0.37 132	0.37 156	0.37 127	0.37 150	0.37 152	0.37 157	0.37 132	0.37 156	0.37 131	0.37 154

DCVSM-stereo	0.27 101	0.38 119	0.22 103	0.38 138	0.22 107	0.38 140	0.22 108	0.29 110	0.22 108	0.29 94	0.22 109	0.29 118	0.22 109	0.22 107	0.21 106	0.21 101	0.38 137	0.22 109	0.38 136	0.22 109	0.38 130	0.22 107	0.21 103	0.25 116	0.38 135	0.21 106	0.38 133	0.21 107

WAO-7	0.46 149	0.38 119	0.38 140	0.38 138	0.38 159	0.38 140	0.38 160	0.38 131	0.38 153	2.57 261	0.38 159	0.38 138	0.38 157	0.38 150	0.38 155	0.38 154	0.38 137	0.38 156	0.38 136	0.38 160	0.38 130	0.38 153	0.38 156	0.38 158	0.38 135	0.38 158	0.38 133	0.38 157

Venus	0.46 149	0.38 119	0.40 144	0.38 138	0.38 159	0.39 147	0.38 160	0.38 131	0.38 153	2.71 263	0.38 159	0.38 138	0.38 157	0.38 150	0.38 155	0.38 154	0.38 137	0.38 156	0.38 136	0.38 160	0.38 130	0.38 153	0.38 156	0.38 158	0.38 135	0.38 158	0.39 143	0.38 157

DMCA	0.36 128	0.38 119	0.37 138	0.35 128	0.35 152	0.35 127	0.36 153	0.35 124	0.36 151	0.36 107	0.37 156	0.36 133	0.36 153	0.36 147	0.35 147	0.37 151	0.36 131	0.36 151	0.36 128	0.36 155	0.36 125	0.35 147	0.36 150	0.36 155	0.37 132	0.36 152	0.36 128	0.36 153

HanzoNet	0.47 151	0.39 123	0.38 140	0.38 138	0.38 159	0.38 140	0.38 160	0.40 139	0.38 153	2.63 262	0.38 159	0.38 138	0.38 157	0.38 150	0.38 155	0.39 160	0.38 137	0.38 156	0.38 136	0.42 172	0.38 130	0.39 162	0.39 162	0.38 158	0.38 135	0.38 158	0.38 133	0.39 163

IMH	0.47 151	0.40 124	0.39 143	0.38 138	0.38 159	0.38 140	0.38 160	0.38 131	0.40 162	2.79 265	0.38 159	0.38 138	0.38 157	0.38 150	0.38 155	0.38 154	0.39 147	0.38 156	0.38 136	0.40 166	0.38 130	0.38 153	0.38 156	0.38 158	0.38 135	0.38 158	0.38 133	0.38 157

Pointernet	0.22 91	0.41 125	0.38 140	0.22 92	0.17 93	0.22 93	0.17 92	0.41 141	0.17 92	0.22 76	0.17 90	0.22 93	0.17 92	0.18 97	0.18 97	0.18 95	0.23 98	0.18 101	0.23 98	0.18 99	0.23 98	0.18 101	0.17 87	0.17 91	0.22 93	0.18 100	0.22 91	0.17 94

GwcNet-ADL	0.41 138	0.41 125	0.41 146	0.41 156	0.41 166	0.41 153	0.41 168	0.41 141	0.41 165	0.41 119	0.41 169	0.41 147	0.41 167	0.41 158	0.41 168	0.41 161	0.41 153	0.41 166	0.41 152	0.41 167	0.41 144	0.41 166	0.41 164	0.41 167	0.41 149	0.41 166	0.41 147	0.41 166

PSMNet-ADL	0.41 138	0.41 125	0.41 146	0.41 156	0.41 166	0.41 153	0.41 168	0.41 141	0.41 165	0.41 119	0.41 169	0.41 147	0.41 167	0.41 158	0.41 168	0.41 161	0.41 153	0.41 166	0.41 152	0.41 167	0.41 144	0.41 166	0.41 164	0.41 167	0.41 149	0.41 166	0.41 147	0.41 166

GANet-ADL	0.41 138	0.41 125	0.41 146	0.41 156	0.41 166	0.41 153	0.41 168	0.41 141	0.41 165	0.41 119	0.41 169	0.41 147	0.41 167	0.41 158	0.41 168	0.41 161	0.41 153	0.41 166	0.41 152	0.41 167	0.41 144	0.41 166	0.41 164	0.41 167	0.41 149	0.41 166	0.41 147	0.41 166

ADLNet	0.41 138	0.41 125	0.41 146	0.41 156	0.41 166	0.41 153	0.41 168	0.41 141	0.41 165	0.41 119	0.41 169	0.41 147	0.41 167	0.41 158	0.41 168	0.41 161	0.41 153	0.41 166	0.41 152	0.41 167	0.41 144	0.41 166	0.41 164	0.41 167	0.41 149	0.41 166	0.41 147	0.41 166

GES	0.43 143	0.41 125	0.31 129	0.35 128	0.30 140	0.47 169	0.28 127	0.33 115	0.28 127	0.35 101	0.29 136	2.95 272	0.38 157	0.35 142	0.30 139	0.34 144	0.34 123	0.30 137	0.33 120	0.30 140	0.35 121	0.30 139	0.33 142	0.33 146	0.33 121	0.31 143	0.33 119	0.29 135

DGSMNet	0.33 121	0.42 131	0.28 117	0.40 150	0.28 125	0.40 150	0.28 127	0.40 139	0.28 127	0.40 118	0.28 128	0.39 142	0.28 125	0.27 124	0.28 129	0.28 123	0.40 151	0.28 124	0.42 156	0.29 135	0.41 144	0.31 141	0.29 129	0.28 128	0.41 149	0.28 124	0.42 151	0.29 135

GMOStereo	0.50 154	0.44 132	2.38 276	0.40 150	0.34 149	0.42 157	0.36 153	1.96 247	0.34 144	0.41 119	0.36 153	0.42 151	0.35 148	0.34 138	0.38 155	0.31 138	0.39 147	0.34 145	0.40 148	0.33 148	0.39 139	0.33 144	0.33 142	0.34 148	0.40 145	0.36 152	0.40 144	0.32 146

error version	0.50 154	0.44 132	2.38 276	0.40 150	0.34 149	0.42 157	0.36 153	1.96 247	0.34 144	0.41 119	0.36 153	0.42 151	0.35 148	0.34 138	0.38 155	0.31 138	0.39 147	0.34 145	0.40 148	0.33 148	0.39 139	0.33 144	0.33 142	0.34 148	0.40 145	0.36 152	0.40 144	0.32 146

LG-Stereo_L2	0.32 118	0.45 134	0.36 137	0.37 134	0.27 121	0.37 136	0.27 120	0.43 146	0.27 122	0.36 107	0.31 142	0.36 133	0.27 123	0.27 124	0.27 125	0.30 133	0.37 134	0.27 123	0.37 132	0.27 125	0.37 127	0.27 120	0.27 118	0.27 124	0.37 132	0.27 122	0.37 131	0.27 123

Any-RAFT	0.32 118	0.45 134	0.29 122	0.36 132	0.29 135	0.36 132	0.29 140	0.36 128	0.29 135	0.35 101	0.29 136	0.35 127	0.28 125	0.27 124	0.28 129	0.28 123	0.35 126	0.28 124	0.35 125	0.28 126	0.35 121	0.28 126	0.29 129	0.29 136	0.36 128	0.29 137	0.36 128	0.29 135

RAFT-Test	0.34 124	0.45 134	0.30 126	0.38 138	0.32 145	0.40 150	0.32 147	0.39 137	0.32 140	0.39 113	0.30 139	0.37 135	0.29 134	0.30 134	0.30 139	0.29 131	0.38 137	0.30 137	0.38 136	0.29 135	0.38 130	0.29 136	0.29 129	0.30 140	0.38 135	0.30 140	0.38 133	0.30 141

GREAT-IGEV	0.36 128	0.46 137	0.33 133	0.43 160	0.30 140	0.43 160	0.30 143	0.45 148	0.30 137	0.42 126	0.30 139	0.43 155	0.30 137	0.30 134	0.30 139	0.30 133	0.43 157	0.30 137	0.43 157	0.30 140	0.43 150	0.30 139	0.30 137	0.30 140	0.43 155	0.30 140	0.43 153	0.30 141

otaku	0.52 158	0.46 137	0.48 164	0.46 164	0.46 174	0.46 163	0.46 176	0.46 149	0.47 179	1.88 225	0.46 176	0.46 158	0.46 176	0.46 168	0.46 176	0.46 169	0.47 163	0.46 174	0.46 161	0.46 176	0.47 157	0.46 172	0.46 171	0.46 175	0.47 164	0.46 174	0.46 156	0.47 176

Dean	0.52 158	0.46 137	0.48 164	0.46 164	0.46 174	0.46 163	0.46 176	0.46 149	0.46 174	1.90 226	0.46 176	0.47 163	0.46 176	0.46 168	0.46 176	0.46 169	0.48 168	0.46 174	0.46 161	0.46 176	0.46 153	0.46 172	0.46 171	0.46 175	0.46 158	0.46 174	0.46 156	0.46 173

ACVNet_1	0.53 162	0.46 137	0.48 164	0.47 169	0.47 178	0.46 163	0.48 184	0.48 158	0.48 183	2.07 238	0.47 180	0.48 168	0.48 183	0.47 172	0.47 180	0.46 169	0.49 172	0.47 181	0.47 165	0.47 181	0.48 164	0.46 172	0.46 171	0.48 183	0.47 164	0.47 181	0.48 166	0.47 176

ACVNet-4b	0.53 162	0.46 137	0.47 158	0.46 164	0.46 174	0.46 163	0.46 176	0.46 149	0.46 174	2.17 241	0.46 176	0.46 158	0.47 179	0.46 168	0.46 176	0.46 169	0.46 159	0.46 174	0.46 161	0.46 176	0.46 153	0.46 172	0.46 171	0.47 179	0.46 158	0.46 174	0.46 156	0.46 173

iRaft-Stereo_20w	0.30 109	0.46 137	0.27 114	0.34 124	0.26 116	0.35 127	0.28 127	0.34 121	0.26 120	0.34 99	0.26 121	0.34 124	0.26 121	0.26 117	0.26 122	0.26 113	0.34 123	0.26 120	0.34 123	0.26 121	0.34 117	0.26 119	0.26 116	0.26 120	0.34 123	0.26 119	0.34 123	0.26 120

Ntro	0.53 162	0.47 143	0.50 171	0.46 164	0.48 183	0.47 169	0.47 180	0.46 149	0.46 174	2.05 237	0.47 180	0.47 163	0.49 187	0.47 172	0.47 180	0.46 169	0.48 168	0.46 174	0.49 175	0.46 176	0.47 157	0.46 172	0.46 171	0.47 179	0.46 158	0.46 174	0.47 160	0.47 176

UNDER WATER	0.52 158	0.47 143	0.47 158	0.47 169	0.47 178	0.47 169	0.47 180	0.47 155	0.47 179	1.90 226	0.47 180	0.47 163	0.47 179	0.47 172	0.47 180	0.47 176	0.46 159	0.47 181	0.47 165	0.47 181	0.46 153	0.47 180	0.47 177	0.48 183	0.47 164	0.47 181	0.47 160	0.47 176

LVE	0.53 162	0.47 143	0.48 164	0.47 169	0.47 178	0.47 169	0.47 180	0.48 158	0.47 179	1.96 232	0.47 180	0.47 163	0.47 179	0.47 172	0.47 180	0.47 176	0.47 163	0.47 181	0.47 165	0.47 181	0.47 157	0.47 180	0.47 177	0.47 179	0.47 164	0.47 181	0.47 160	0.47 176

RainbowNet	0.53 162	0.48 146	0.48 164	0.48 173	0.48 183	0.48 175	0.48 184	0.48 158	0.48 183	1.92 228	0.48 185	0.48 168	0.48 183	0.48 177	0.48 185	0.48 179	0.48 168	0.48 185	0.48 172	0.48 185	0.48 164	0.48 183	0.48 180	0.48 183	0.48 169	0.48 185	0.48 166	0.48 182

HaxPig	0.52 158	0.48 146	0.47 158	0.47 169	0.47 178	0.47 169	0.47 180	0.47 155	0.47 179	1.80 223	0.47 180	0.47 163	0.47 179	0.47 172	0.47 180	0.47 176	0.47 163	0.47 181	0.47 165	0.47 181	0.47 157	0.47 180	0.47 177	0.47 179	0.47 164	0.47 181	0.47 160	0.47 176

notaker	0.54 167	0.48 146	0.48 164	0.48 173	0.48 183	0.48 175	0.49 187	0.48 158	0.48 183	1.95 231	0.48 185	0.48 168	0.48 183	0.48 177	0.48 185	0.48 179	0.48 168	0.48 185	0.48 172	0.48 185	0.49 167	0.48 183	0.48 180	0.49 186	0.48 169	0.48 185	0.48 166	0.49 183

ACVNet_2	0.55 170	0.49 149	0.50 171	0.49 176	0.49 187	0.49 178	0.49 187	0.49 162	0.49 188	2.14 240	0.49 188	0.50 173	0.49 187	0.49 180	0.49 189	0.49 183	0.50 175	0.49 190	0.50 179	0.49 189	0.49 167	0.49 186	0.49 182	0.50 188	0.50 173	0.49 188	0.50 172	0.49 183

EKT-Stereo	0.36 128	0.50 150	0.30 126	0.40 150	0.29 135	0.40 150	0.29 140	0.35 124	0.30 137	0.47 135	0.30 139	0.35 127	0.32 142	0.29 131	0.34 145	0.33 143	0.59 185	0.31 140	0.39 147	0.29 135	0.37 127	0.38 153	0.29 129	0.31 142	0.58 188	0.28 124	0.51 174	0.29 135

SANet	0.50 154	0.50 150	0.50 171	0.50 178	0.50 191	0.50 179	0.50 191	0.50 166	0.50 190	0.50 138	0.50 190	0.50 173	0.50 189	0.50 183	0.50 192	0.50 187	0.50 175	0.50 191	0.50 179	0.50 192	0.50 169	0.50 192	0.50 185	0.50 188	0.50 173	0.50 191	0.50 172	0.50 186

AEACV	0.74 197	0.52 152	3.10 280	0.60 192	0.48 183	0.56 187	0.48 184	3.02 269	0.83 219	0.61 150	0.62 204	0.72 199	0.50 189	0.49 180	0.49 189	0.48 179	0.58 184	0.50 191	0.55 188	0.48 185	0.56 181	0.50 192	0.50 185	0.51 190	0.58 188	0.51 193	0.60 185	0.51 189

CASnet	0.32 118	0.53 153	0.34 134	0.27 113	0.31 143	0.34 125	0.29 140	0.31 113	0.32 140	0.25 86	0.31 142	0.27 115	0.40 166	0.45 166	0.27 125	0.30 133	0.26 114	0.40 164	0.28 116	0.37 156	0.28 111	0.39 162	0.29 129	0.40 166	0.29 117	0.28 124	0.24 101	0.30 141
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GASTEREO	0.41 138	0.54 154	0.44 154	0.48 173	0.35 152	0.48 175	0.35 149	0.53 172	0.35 148	0.46 132	0.35 150	0.46 158	0.35 148	0.35 142	0.35 147	0.35 147	0.47 163	0.35 149	0.47 165	0.35 151	0.47 157	0.38 153	0.35 147	0.35 152	0.48 169	0.35 149	0.47 160	0.35 150

Occ-G	0.68 188	0.54 154	3.16 283	0.57 190	0.45 173	0.52 184	0.40 167	3.44 274	0.46 174	0.52 142	0.45 175	0.51 176	0.44 173	0.44 165	0.40 166	0.45 168	0.55 180	0.41 166	0.53 185	0.43 173	0.52 174	0.40 164	0.44 170	0.45 174	0.55 183	0.44 173	0.53 179	0.44 172

PSMNet_ROB	0.55 170	0.55 156	0.56 184	0.56 186	0.55 195	0.56 187	0.55 195	0.55 173	0.55 194	0.55 145	0.55 195	0.55 182	0.55 197	0.55 186	0.56 197	0.55 191	0.55 180	0.55 197	0.55 188	0.55 195	0.55 180	0.55 195	0.55 190	0.55 196	0.55 183	0.55 196	0.55 181	0.55 192

GIP-stereo	0.38 133	0.56 157	0.40 144	0.45 163	0.33 147	0.44 162	0.35 149	0.49 162	0.33 143	0.43 127	0.32 145	0.42 151	0.31 139	0.33 137	0.33 144	0.34 144	0.40 151	0.32 144	0.40 148	0.32 145	0.43 150	0.38 153	0.33 142	0.32 144	0.43 155	0.32 145	0.42 151	0.34 149

PML	0.39 136	0.56 157	0.29 122	0.55 185	0.28 125	0.56 187	0.28 127	0.51 169	0.28 127	0.50 138	0.28 128	0.51 176	0.28 125	0.29 131	0.28 129	0.29 131	0.56 183	0.29 133	0.57 191	0.28 126	0.56 181	0.28 126	0.28 123	0.29 136	0.56 185	0.28 124	0.56 182	0.28 126

LG-Stereo_Zeroshot	0.45 148	0.57 159	0.45 156	0.54 183	0.37 155	0.53 185	0.37 157	0.56 175	0.40 162	0.53 144	0.38 159	0.53 180	0.37 154	0.37 148	0.37 153	0.37 151	0.55 180	0.38 156	0.53 185	0.37 156	0.53 177	0.37 150	0.37 152	0.39 165	0.54 182	0.37 156	0.54 180	0.37 154

AIO-Stereo-zeroshot1	0.74 197	0.57 159	0.57 187	0.56 186	0.92 223	1.07 228	0.63 208	1.03 211	0.82 218	0.49 137	0.77 215	0.69 196	0.54 196	0.58 190	0.54 194	0.86 218	1.06 223	0.72 215	1.06 226	0.79 216	0.58 184	0.87 221	0.59 195	0.46 175	0.76 201	0.46 174	1.05 222	0.97 227

LG-Stereo_L1	0.44 145	0.58 161	0.49 170	0.51 181	0.38 159	0.51 181	0.38 160	0.56 175	0.38 153	0.50 138	0.38 159	0.50 173	0.38 157	0.38 150	0.38 155	0.38 154	0.52 177	0.38 156	0.52 183	0.38 160	0.51 171	0.38 153	0.38 156	0.38 158	0.52 179	0.38 158	0.51 174	0.40 164

LG-Stereo	0.57 174	0.58 161	0.43 152	0.54 183	0.65 206	0.95 218	0.69 213	0.69 184	0.38 153	0.52 142	0.37 156	0.53 180	0.37 154	0.68 207	0.73 215	0.72 210	0.70 194	0.37 153	0.54 187	0.37 156	0.54 179	0.37 150	0.37 152	0.56 197	0.95 218	0.59 201	0.84 206	0.37 154

MSCF	0.44 145	0.60 163	0.47 158	0.50 178	0.40 164	0.50 179	0.38 160	0.57 177	0.38 153	0.48 136	0.38 159	0.48 168	0.38 157	0.38 150	0.38 155	0.38 154	0.49 172	0.38 156	0.49 175	0.39 165	0.50 169	0.38 153	0.38 156	0.38 158	0.49 172	0.38 158	0.49 170	0.38 157

LMCR-Stereo	0.61 177	0.61 164	0.61 191	0.61 195	0.61 202	0.67 198	0.61 206	0.61 179	0.61 203	0.61 150	0.61 203	0.61 188	0.61 204	0.61 194	0.61 204	0.61 198	0.61 188	0.61 205	0.61 195	0.61 203	0.61 187	0.61 202	0.61 198	0.61 206	0.61 193	0.61 204	0.61 188	0.61 203

PA-Net	0.71 193	0.62 165	0.55 181	0.69 201	0.71 211	0.70 199	0.69 213	0.69 184	0.74 212	0.73 158	0.75 214	0.59 185	0.72 213	0.82 217	0.79 218	0.83 216	0.67 193	0.76 217	0.81 210	0.67 208	0.61 187	0.76 215	0.68 208	0.65 209	0.82 207	0.76 217	0.71 193	0.69 209
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test1	0.54 167	0.64 166	0.54 178	0.60 192	0.49 187	0.61 193	0.49 187	0.64 181	0.49 188	0.59 148	0.48 185	0.60 187	0.50 189	0.48 177	0.48 185	0.48 179	0.60 186	0.48 185	0.60 193	0.48 185	0.60 185	0.49 186	0.49 182	0.49 186	0.59 190	0.49 188	0.60 185	0.49 183

AIO-test2	0.54 167	0.65 167	0.55 181	0.60 192	0.50 191	0.60 191	0.49 187	0.65 182	0.48 183	0.60 149	0.49 188	0.59 185	0.50 189	0.50 183	0.49 189	0.49 183	0.60 186	0.50 191	0.60 193	0.49 189	0.60 185	0.49 186	0.50 185	0.51 190	0.60 191	0.48 185	0.60 185	0.50 186

TorneroNet-64	0.69 189	0.65 167	0.30 126	0.27 113	0.47 178	0.28 117	0.35 149	0.34 121	0.80 214	7.93 306	0.29 136	0.30 120	0.31 139	0.81 216	0.28 129	0.27 122	0.29 118	0.28 124	0.85 212	0.83 222	0.62 189	0.28 126	0.30 137	0.28 128	0.52 179	0.29 137	0.29 116	0.27 123

KSHMR	0.85 210	0.72 169	0.51 174	0.49 176	0.49 187	0.51 181	1.07 240	0.50 166	0.48 183	6.04 301	0.52 192	0.66 191	0.98 230	0.49 180	0.77 216	0.49 183	1.17 233	0.51 194	0.49 175	1.06 238	0.51 171	0.49 186	0.49 182	0.51 190	1.04 225	0.49 188	0.81 204	0.72 213

DMCA-RVC	0.71 193	0.72 169	0.72 195	0.71 205	0.70 210	0.70 199	0.70 216	0.70 186	0.71 209	0.70 155	0.71 211	0.71 198	0.70 210	0.70 208	0.71 213	0.70 207	0.70 194	0.71 214	0.70 198	0.71 211	0.70 194	0.70 212	0.71 212	0.71 215	0.70 196	0.72 214	0.71 193	0.70 210

AFF-stereo	0.71 193	0.73 171	0.65 194	0.82 212	0.63 205	0.83 207	0.63 208	0.73 189	0.65 205	0.82 168	0.73 213	0.74 202	0.64 205	0.63 198	0.62 205	0.62 199	0.73 198	0.63 207	0.74 203	0.72 213	0.80 198	0.58 197	0.70 210	0.71 215	0.79 202	0.69 211	0.78 198	0.72 213

DSFCA	0.66 182	0.73 171	0.74 199	0.68 200	0.65 206	0.64 195	0.65 211	0.65 182	0.65 205	0.66 153	0.65 206	0.65 190	0.64 205	0.65 201	0.65 208	0.65 202	0.65 191	0.65 209	0.65 197	0.65 206	0.65 193	0.65 205	0.65 201	0.65 209	0.66 195	0.66 208	0.65 191	0.65 205

ARAFT	0.64 180	0.74 173	0.62 192	0.70 204	0.56 197	0.72 201	0.55 195	0.72 188	0.54 193	0.73 158	0.56 196	0.72 199	0.56 199	0.56 188	0.62 205	0.63 200	0.73 198	0.53 196	0.73 201	0.54 194	0.72 195	0.65 205	0.62 199	0.56 197	0.72 198	0.54 194	0.72 195	0.57 194

RAFT-Stereo + iAFF	0.67 186	0.74 173	0.60 190	0.79 208	0.61 202	0.76 202	0.57 201	0.71 187	0.56 196	0.71 156	0.54 194	0.72 199	0.66 207	0.65 201	0.65 208	0.64 201	0.74 200	0.64 208	0.74 203	0.63 204	0.73 196	0.65 205	0.64 200	0.64 208	0.74 200	0.61 204	0.73 196	0.64 204

AIO-Stereo-zeroshot	0.93 215	0.77 175	0.82 205	1.16 238	0.75 214	0.99 220	0.92 224	0.91 199	0.99 229	0.94 179	0.91 223	1.15 230	0.88 223	0.92 222	1.00 230	0.67 203	0.98 218	1.00 230	0.75 205	0.91 226	1.18 230	0.87 221	0.89 221	0.90 225	1.08 230	1.07 237	0.74 197	0.89 221

zero-FE	0.66 182	0.80 176	0.56 184	0.79 208	0.58 199	0.82 206	0.55 195	0.76 190	0.56 196	0.75 160	0.58 200	0.75 203	0.59 202	0.57 189	0.56 197	0.55 191	0.79 202	0.55 197	0.78 206	0.55 195	0.85 204	0.58 197	0.55 190	0.57 201	0.80 204	0.57 198	0.80 200	0.57 194

NaN_ROB	0.80 202	0.80 176	0.80 203	0.80 210	0.80 217	0.80 204	0.80 220	0.80 192	0.80 214	0.80 165	0.80 218	0.80 208	0.80 216	0.80 214	0.80 219	0.80 214	0.80 204	0.80 220	0.80 208	0.80 219	0.80 198	0.80 217	0.80 217	0.80 219	0.80 204	0.80 219	0.80 200	0.80 217

CSAN	0.80 202	0.80 176	0.80 203	0.80 210	0.80 217	0.80 204	0.80 220	0.80 192	0.80 214	0.80 165	0.80 218	0.80 208	0.80 216	0.80 214	0.80 219	0.80 214	0.80 204	0.80 220	0.80 208	0.80 219	0.80 198	0.80 217	0.80 217	0.80 219	0.80 204	0.80 219	0.80 200	0.80 217

FC-DCNN	1.10 232	0.81 179	0.77 200	0.63 198	0.42 171	0.86 211	0.64 210	0.91 199	0.96 227	1.11 188	0.80 218	1.07 226	0.81 218	0.67 205	1.75 266	1.30 252	1.41 248	0.85 223	1.28 241	0.71 211	2.12 259	1.32 252	0.52 188	0.81 222	1.64 253	1.40 258	2.39 264	1.75 268

DDUNet	0.69 189	0.84 180	0.59 189	0.84 214	0.59 200	0.87 212	0.57 201	0.84 195	0.59 202	0.82 168	0.58 200	0.85 212	0.57 200	0.59 193	0.59 201	0.57 195	0.87 209	0.59 202	0.85 212	0.59 202	0.85 204	0.59 200	0.59 195	0.59 202	0.87 209	0.59 201	0.84 206	0.59 197

UDG	0.70 191	0.87 181	0.56 184	0.87 215	0.59 200	0.84 209	0.59 204	0.85 196	0.57 199	0.84 170	0.59 202	0.84 211	0.60 203	0.58 190	0.60 202	0.59 196	0.85 208	0.59 202	0.87 214	0.58 199	0.87 206	0.60 201	0.57 194	0.59 202	0.87 209	0.58 200	0.86 209	0.60 199

CASS	0.58 175	0.89 182	0.55 181	0.56 186	0.55 195	0.60 191	0.57 201	0.57 177	0.56 196	0.55 145	0.56 196	0.56 183	0.50 189	0.63 198	0.56 197	0.56 194	0.62 189	0.62 206	0.59 192	0.56 197	0.56 181	0.48 183	0.60 197	0.56 197	0.57 187	0.60 203	0.57 184	0.59 197
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
RSM++	0.77 200	0.91 183	0.72 195	0.83 213	0.71 211	0.83 207	0.72 217	0.81 194	0.71 209	0.81 167	0.71 211	0.81 210	0.71 212	0.71 210	0.71 213	0.70 207	0.83 207	0.72 215	0.83 211	0.81 221	0.83 202	0.72 214	0.71 212	0.71 215	0.88 211	0.71 212	0.83 205	0.70 210

DPSM_ROB	0.93 215	0.92 184	0.94 212	0.96 221	1.02 231	0.92 214	0.98 227	0.95 205	0.92 223	0.92 174	0.92 225	0.91 214	0.97 228	0.92 222	0.91 225	0.91 223	0.96 216	0.94 227	0.93 219	0.91 226	0.93 211	0.92 225	0.93 223	0.91 226	0.91 213	0.99 226	0.92 210	0.91 223

DPSM	0.93 215	0.92 184	0.94 212	0.96 221	1.02 231	0.92 214	0.98 227	0.95 205	0.92 223	0.92 174	0.92 225	0.91 214	0.97 228	0.92 222	0.91 225	0.91 223	0.96 216	0.94 227	0.93 219	0.91 226	0.93 211	0.92 225	0.93 223	0.91 226	0.91 213	0.99 226	0.92 210	0.91 223

pmcnn	0.92 213	0.92 184	0.92 210	0.92 216	0.92 223	0.92 214	0.92 224	0.92 201	0.92 223	0.92 174	0.92 225	0.92 217	0.92 226	0.92 222	0.92 227	0.92 226	0.92 213	0.92 225	0.92 216	0.92 229	0.92 209	0.92 225	0.92 222	0.92 228	0.92 215	0.92 224	0.92 210	0.92 225

DGTPSM_ROB	0.92 213	0.93 187	0.91 209	0.93 218	0.91 222	0.92 214	0.93 226	0.92 201	0.92 223	0.92 174	0.91 223	0.91 214	0.93 227	0.91 220	0.92 227	0.92 226	0.92 213	0.92 225	0.92 216	0.90 225	0.91 207	0.92 225	0.93 223	0.94 229	0.92 215	0.91 223	0.92 210	0.97 227

AdaDepth	0.80 202	0.95 188	1.02 218	0.95 220	0.67 208	0.95 218	0.67 212	0.94 204	0.67 208	0.92 174	0.67 207	0.94 218	0.67 208	0.67 205	0.67 210	0.67 203	0.95 215	0.67 211	0.95 221	0.67 208	0.96 214	0.68 211	0.67 204	0.67 211	0.96 219	0.67 209	0.95 216	0.67 207

GANet	1.00 221	1.00 189	1.00 214	1.00 224	1.00 226	1.00 221	1.00 232	1.00 207	1.00 230	1.00 180	1.00 229	1.00 219	1.00 232	1.00 229	1.00 230	1.00 230	1.00 219	1.00 230	1.00 222	1.00 231	1.00 215	1.00 230	1.00 228	1.00 232	1.00 220	1.00 229	1.00 217	1.00 229

TDLM	1.00 221	1.00 189	1.00 214	1.00 224	1.00 226	1.00 221	1.00 232	1.00 207	1.00 230	1.00 180	1.00 229	1.00 219	1.00 232	1.00 229	1.00 230	1.00 230	1.00 219	1.00 230	1.00 222	1.00 231	1.00 215	1.00 230	1.00 228	1.00 232	1.00 220	1.00 229	1.00 217	1.00 229

CVANet_RVC	1.00 221	1.00 189	1.00 214	1.00 224	1.00 226	1.00 221	1.00 232	1.00 207	1.00 230	1.00 180	1.00 229	1.00 219	1.00 232	1.00 229	1.00 230	1.00 230	1.00 219	1.00 230	1.00 222	1.00 231	1.00 215	1.00 230	1.00 228	1.00 232	1.00 220	1.00 229	1.00 217	1.00 229

trnet	1.01 225	1.01 192	1.01 217	1.01 227	1.01 230	1.01 224	1.01 235	1.01 210	1.01 233	1.01 184	1.01 232	1.01 223	1.01 236	1.01 232	1.01 234	1.01 233	1.01 222	1.01 234	1.01 225	1.01 234	1.01 218	1.01 233	1.01 231	1.01 235	1.01 223	1.01 232	1.01 221	1.01 232

GLC_STEREO	1.05 231	1.01 192	1.02 218	1.02 228	1.02 231	1.05 226	1.06 237	1.05 214	1.05 235	1.04 187	1.05 235	1.05 225	1.04 237	1.06 236	1.05 236	1.06 237	1.06 223	1.05 237	1.06 226	1.05 237	1.06 221	1.06 236	1.04 233	1.05 237	1.04 225	1.05 235	1.06 223	1.06 234

gcap-zeroshot	0.81 206	1.03 194	0.84 207	0.93 218	0.85 221	0.84 209	0.62 207	1.21 226	0.53 192	0.79 163	0.84 221	0.77 204	0.70 210	0.84 219	0.67 210	0.74 211	1.18 236	0.52 195	0.91 215	0.79 216	0.84 203	0.61 202	0.83 219	0.69 214	0.93 217	0.82 221	0.85 208	0.66 206

DPSimNet_ROB	0.93 215	1.04 195	0.83 206	1.05 229	0.82 219	1.04 225	0.83 223	1.03 211	0.89 221	1.03 185	0.84 221	1.03 224	0.84 220	0.83 218	0.84 222	0.83 216	1.14 228	0.84 222	1.12 231	0.84 223	1.04 219	0.88 223	0.83 219	0.84 223	1.07 229	0.83 222	1.15 231	0.88 220

AIO-Stereo	0.82 207	1.06 196	0.73 198	0.97 223	0.74 213	1.06 227	0.60 205	1.04 213	0.90 222	1.00 180	1.01 232	0.78 205	0.85 222	0.74 212	0.62 205	0.67 203	1.12 226	0.55 197	0.70 198	0.65 206	0.93 211	0.66 208	0.67 204	0.67 211	0.82 207	0.74 215	0.92 210	0.83 219

Former-RAFT_DAM_RVC	0.38 133	1.06 196	0.54 178	0.59 191	0.27 121	0.46 163	0.27 120	0.46 149	0.27 122	0.46 132	0.27 125	0.46 158	0.26 121	0.27 124	0.27 125	0.26 113	0.46 159	0.26 120	0.45 160	0.30 140	0.46 153	0.27 120	0.27 118	0.27 124	0.46 158	0.27 122	0.45 155	0.26 120

HBP-ISP	1.47 247	1.07 198	1.03 220	1.30 244	1.08 237	1.36 244	1.06 237	1.44 234	1.25 253	1.97 233	1.51 258	1.65 251	1.58 259	0.98 227	1.58 259	1.68 264	1.98 256	1.32 253	2.02 256	1.28 255	2.95 271	1.89 272	0.97 227	1.06 239	1.26 242	0.99 226	1.94 251	1.43 258

HSM-Net_RVC	0.93 215	1.09 199	0.79 202	1.10 231	0.78 215	1.09 229	0.79 219	1.16 221	0.80 214	1.14 190	0.79 217	1.17 233	0.77 214	0.73 211	0.83 221	0.78 212	1.19 237	0.79 218	1.18 235	0.72 213	1.19 232	0.80 217	0.72 214	0.80 219	1.18 238	0.74 215	1.14 230	0.73 215
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
TorneroNet	1.15 235	1.10 200	0.51 174	0.69 201	0.51 193	1.10 230	0.50 191	0.51 169	0.51 191	13.92 308	1.17 246	0.49 172	0.51 194	0.54 185	0.48 185	0.49 183	0.49 172	0.65 209	0.70 198	0.49 189	0.51 171	0.49 186	0.67 204	1.36 256	0.51 177	0.50 191	0.52 177	1.23 249

ktn	0.84 209	1.15 201	0.54 178	1.16 238	1.26 252	0.51 181	0.53 194	0.51 169	0.66 207	4.54 289	0.51 191	0.52 179	0.52 195	0.66 204	0.51 193	0.51 188	1.37 246	1.17 245	0.49 175	0.51 193	1.23 237	0.51 194	0.67 204	0.51 190	0.51 177	0.68 210	0.51 174	0.51 189

Nwc_Net	1.15 235	1.15 201	1.15 230	1.09 230	1.19 248	1.16 233	1.17 244	1.15 219	1.16 244	1.16 194	1.16 242	1.08 227	1.16 244	1.11 239	1.15 245	1.18 246	1.11 225	1.10 239	1.16 232	1.17 247	1.16 226	1.13 241	1.18 243	1.20 250	1.11 232	1.15 243	1.16 232	1.20 245

RP	1.14 233	1.16 203	1.15 230	1.17 240	1.10 239	1.16 233	1.15 242	1.10 216	1.16 244	1.15 191	1.08 237	1.16 231	1.15 243	1.15 243	1.14 243	1.16 242	1.16 231	1.10 239	1.10 228	1.10 241	1.16 226	1.11 239	1.10 237	1.19 249	1.14 234	1.19 248	1.07 224	1.10 237

RGC	1.15 235	1.16 203	1.17 233	1.15 236	1.11 241	1.21 239	1.21 253	1.10 216	1.15 242	1.16 194	1.11 239	1.17 233	1.09 239	1.14 242	1.11 240	1.16 242	1.19 237	1.11 242	1.10 228	1.15 246	1.11 223	1.19 245	1.16 241	1.12 244	1.17 236	1.10 240	1.16 232	1.17 242

Abc-Net	1.14 233	1.16 203	1.18 234	1.10 231	1.10 239	1.16 233	1.18 246	1.16 221	1.13 241	1.11 188	1.16 242	1.16 231	1.12 241	1.10 237	1.17 246	1.16 242	1.16 231	1.10 239	1.16 232	1.14 244	1.17 228	1.16 242	1.11 238	1.09 242	1.10 231	1.10 240	1.16 232	1.17 242
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCC-stereo	1.15 235	1.17 206	1.12 229	1.10 231	1.15 242	1.14 231	1.15 242	1.15 219	1.12 240	1.17 197	1.17 246	1.11 228	1.17 247	1.11 239	1.10 239	1.16 242	1.12 226	1.11 242	1.16 232	1.13 243	1.23 237	1.16 242	1.19 245	1.11 243	1.18 238	1.17 245	1.17 235	1.13 240

S-Stereo	1.22 242	1.18 207	1.19 237	1.20 241	1.23 250	1.23 240	1.19 247	1.19 224	1.18 248	1.27 204	1.20 250	1.20 237	1.20 249	1.23 248	1.22 251	1.23 250	1.23 240	1.23 252	1.20 237	1.25 254	1.20 233	1.22 251	1.25 249	1.24 253	1.20 240	1.22 252	1.26 239	1.24 250

edge stereo	1.15 235	1.18 207	1.11 228	1.12 234	1.17 246	1.17 238	1.17 244	1.16 221	1.18 248	1.16 194	1.17 246	1.17 233	1.13 242	1.11 239	1.11 240	1.12 239	1.17 233	1.17 245	1.11 230	1.17 247	1.17 228	1.17 244	1.18 243	1.14 245	1.11 232	1.18 246	1.12 228	1.11 238

stereogan	1.17 241	1.19 209	1.15 230	1.15 236	1.15 242	1.15 232	1.19 247	1.19 224	1.15 242	1.15 191	1.16 242	1.19 236	1.19 248	1.19 245	1.19 247	1.19 247	1.15 229	1.19 248	1.19 236	1.19 250	1.15 225	1.19 245	1.15 240	1.15 246	1.16 235	1.15 243	1.19 236	1.20 245

FAT-Stereo	1.22 242	1.23 210	1.19 237	1.21 242	1.24 251	1.24 241	1.19 247	1.25 228	1.24 251	1.25 203	1.19 249	1.20 237	1.24 252	1.20 246	1.21 249	1.25 251	1.22 239	1.21 250	1.25 239	1.23 253	1.22 235	1.19 245	1.19 245	1.24 253	1.25 241	1.20 249	1.19 236	1.25 251

GCAP-BAT	0.17 74	1.25 211	0.20 95	0.15 68	0.11 60	0.15 69	0.11 59	0.21 81	0.11 59	0.15 51	0.11 59	0.15 69	0.11 60	0.11 63	0.11 59	0.11 59	0.15 67	0.11 62	0.15 67	0.11 60	0.15 68	0.11 60	0.11 57	0.11 62	0.15 65	0.11 60	0.15 67	0.11 61

test_for_model	0.17 74	1.25 211	0.20 95	0.15 68	0.11 60	0.15 69	0.11 59	0.21 81	0.11 59	0.15 51	0.11 59	0.15 69	0.11 60	0.11 63	0.11 59	0.11 59	0.15 67	0.11 62	0.15 67	0.11 60	0.15 68	0.11 60	0.11 57	0.11 62	0.15 65	0.11 60	0.15 67	0.11 61

testlalala2	0.17 74	1.25 211	0.20 95	0.15 68	0.11 60	0.15 69	0.11 59	0.21 81	0.11 59	0.15 51	0.11 59	0.15 69	0.11 60	0.11 63	0.11 59	0.11 59	0.15 67	0.11 62	0.15 67	0.11 60	0.15 68	0.11 60	0.11 57	0.11 62	0.15 65	0.11 60	0.15 67	0.11 61

testlalala	0.17 74	1.25 211	0.20 95	0.15 68	0.11 60	0.15 69	0.11 59	0.21 81	0.11 59	0.15 51	0.11 59	0.15 69	0.11 60	0.11 63	0.11 59	0.11 59	0.15 67	0.11 62	0.15 67	0.11 60	0.15 68	0.11 60	0.11 57	0.11 62	0.15 65	0.11 60	0.15 67	0.11 61

testlalala_base	0.17 74	1.25 211	0.20 95	0.15 68	0.11 60	0.15 69	0.11 59	0.21 81	0.11 59	0.15 51	0.11 59	0.15 69	0.11 60	0.11 63	0.11 59	0.11 59	0.15 67	0.11 62	0.15 67	0.11 60	0.15 68	0.11 60	0.11 57	0.11 62	0.15 65	0.11 60	0.15 67	0.11 61

GCAP-Stereo	0.17 74	1.25 211	0.20 95	0.15 68	0.11 60	0.15 69	0.11 59	0.21 81	0.11 59	0.15 51	0.11 59	0.15 69	0.11 60	0.11 63	0.11 59	0.11 59	0.15 67	0.11 62	0.15 67	0.11 60	0.15 68	0.11 60	0.11 57	0.11 62	0.15 65	0.11 60	0.15 67	0.11 61

castereo++	0.26 100	1.28 217	1.07 225	0.15 68	0.13 83	0.15 69	0.14 83	1.22 227	0.13 81	0.16 63	0.17 90	0.16 77	0.14 86	0.14 85	0.15 88	0.14 85	0.15 67	0.14 85	0.16 75	0.14 86	0.16 75	0.14 86	0.14 82	0.14 85	0.16 76	0.14 83	0.16 75	0.15 87

S2M2_XL	0.24 95	1.32 218	0.86 208	0.17 79	0.11 60	0.17 78	0.11 59	1.05 214	0.12 75	0.16 63	0.11 59	0.16 77	0.11 60	0.11 63	0.11 59	0.11 59	0.17 79	0.11 62	0.17 77	0.11 60	0.17 78	0.11 60	0.11 57	0.11 62	0.17 78	0.11 60	0.17 78	0.11 61

MLG-Stereo	0.87 212	1.33 219	0.93 211	0.62 196	1.00 226	1.16 233	0.55 195	0.86 197	0.83 219	1.19 198	0.40 167	1.30 241	0.81 218	0.65 201	0.45 175	1.01 233	1.17 233	0.46 174	1.29 242	0.58 199	1.05 220	0.90 224	0.73 215	0.87 224	0.60 191	1.01 232	1.13 229	0.51 189

RASNet	1.39 246	1.37 220	1.35 241	1.38 248	1.40 254	1.39 247	1.77 267	1.36 231	1.74 266	1.36 210	1.36 254	1.36 245	1.36 254	1.36 249	1.35 252	1.41 257	1.36 244	1.36 257	1.36 244	1.35 256	1.36 244	1.35 254	1.36 251	1.35 255	1.36 246	1.35 255	1.36 244	1.35 252

SPS-STEREO	1.25 245	1.47 221	1.06 224	1.54 251	1.08 237	1.52 250	1.20 252	1.44 234	1.06 237	1.49 218	1.10 238	1.41 247	1.10 240	0.98 227	1.08 238	1.12 239	1.47 250	1.04 235	1.53 249	1.14 244	1.52 248	1.07 237	1.02 232	1.05 237	1.48 249	1.07 237	1.55 247	1.11 238
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-8	1.02 228	1.50 222	1.49 247	0.40 150	0.40 164	1.56 251	0.98 227	1.55 238	0.58 200	4.18 285	0.40 167	0.79 207	0.48 183	0.91 220	0.39 165	0.99 229	0.71 196	0.70 213	0.51 182	0.77 215	1.07 222	0.82 220	0.69 209	0.96 231	1.01 223	1.30 253	1.10 227	1.38 256

castereo	0.34 124	1.59 223	1.39 243	0.17 79	0.15 87	0.18 80	0.26 116	1.74 242	0.17 92	0.19 72	0.18 101	0.18 84	0.20 103	0.20 102	0.22 110	0.21 101	0.18 83	0.17 92	0.19 85	0.16 90	0.18 80	0.20 105	0.17 87	0.21 107	0.19 84	0.17 92	0.19 82	0.16 88

STTRV1_RVC		1.59 223	0.52 177	0.69 201	0.61 202	0.66 197	0.43 174	0.88 198	0.45 173	0.71 156	0.62 204	0.69 196	0.45 175	0.62 195	0.40 166	0.44 167	0.80 204	0.59 202		0.63 204	0.80 198	0.46 172		0.61 206	0.72 198	0.54 194	0.80 200	0.60 199

MM-Stereo_test3	1.22 242	1.60 225	1.19 237	1.48 250	1.02 231	1.48 249	0.99 231	1.54 237	1.03 234	1.41 213	1.03 234	1.44 248	1.00 232	1.04 234	1.04 235	1.02 235	1.42 249	1.04 235	1.48 248	1.01 234	1.48 247	1.03 234	1.06 235	1.04 236	1.53 250	1.04 234	1.49 246	1.04 233

DEFOM-Stereo	0.43 143	1.60 225	1.47 246	0.30 118	0.28 125	0.31 120	0.28 127	1.65 240	0.25 113	0.29 94	0.26 121	0.30 120	0.29 134	0.27 124	0.26 122	0.26 113	0.30 119	0.29 133	0.30 119	0.26 121	0.29 113	0.29 136	0.27 118	0.26 120	0.30 118	0.29 137	0.30 117	0.29 135

DPSMNet_ROB	1.62 251	1.60 225	1.59 248	1.61 253	1.69 262	1.66 253	1.61 260	1.70 241	1.65 264	1.62 221	1.60 261	1.61 249	1.60 260	1.60 255	1.59 260	1.62 262	1.60 251	1.63 264	1.62 251	1.68 267	1.70 250	1.60 259	1.64 261	1.60 262	1.61 251	1.60 261	1.60 248	1.59 261

iRaftStereo_RVC	0.62 179	1.76 228	2.24 272	0.52 182	0.37 155	0.53 185	0.38 160	2.51 263	0.38 153	0.51 141	0.38 159	0.51 176	0.38 157	0.38 150	0.38 155	0.38 154	0.52 177	0.38 156	0.52 183	0.38 160	0.52 174	0.38 153	0.38 156	0.38 158	0.52 179	0.39 164	0.52 177	0.38 157

G-Net	0.82 207	1.77 229	0.78 201	0.78 207	0.78 215	0.78 203	0.78 218	0.78 191	0.79 213	0.79 163	0.78 216	0.78 205	0.78 215	0.78 213	0.78 217	0.78 212	0.79 202	0.79 218	0.79 207	0.79 216	0.79 197	0.79 216	0.79 216	0.79 218	0.79 202	0.79 218	0.79 199	0.79 216

MFMNet_re	1.77 255	1.89 230	1.72 256	1.88 254	1.69 262	1.89 254	1.67 264	1.91 244	1.70 265	1.87 224	1.67 265	1.89 252	1.68 265	1.67 259	1.67 265	1.70 265	1.88 253	1.68 266	1.88 252	1.67 265	1.89 251	1.68 265	1.70 263	1.71 267	1.87 254	1.68 269	1.87 250	1.68 266

MM-Stereo_test2	1.15 235	1.90 231	1.10 226	1.37 247	0.94 225	1.36 244	0.98 227	1.48 236	0.98 228	1.37 211	0.98 228	1.37 246	0.98 230	0.95 226	0.94 229	0.95 228	1.37 246	0.95 229	1.38 245	0.95 230	1.38 246	0.95 229	0.95 226	0.95 230	1.37 247	0.95 225	1.37 245	0.95 226

R-Stereo Train	1.62 251	2.01 232	1.41 244	1.97 255	1.40 254	1.96 255	1.39 256	1.93 245	1.39 256	1.92 228	1.38 256	1.94 253	1.39 256	1.40 252	1.45 255	1.38 255	1.96 254	1.37 258	1.97 253	1.39 257	1.98 252	1.41 256	1.40 252	1.37 257	1.97 255	1.38 256	1.96 252	1.37 254

RAFT-Stereo	1.62 251	2.01 232	1.41 244	1.97 255	1.40 254	1.96 255	1.39 256	1.93 245	1.39 256	1.92 228	1.38 256	1.94 253	1.39 256	1.40 252	1.45 255	1.38 255	1.96 254	1.37 258	1.97 253	1.39 257	1.98 252	1.41 256	1.40 252	1.37 257	1.97 255	1.38 256	1.96 252	1.37 254
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GANetREF_RVC	1.52 250	2.01 232	1.21 240	1.98 257	1.21 249	1.98 257	1.21 253	1.98 250	1.21 250	1.99 234	1.21 251	1.98 255	1.21 251	1.02 233	1.21 249	1.21 249	1.99 257	1.21 250	1.99 255	1.21 251	1.99 254	1.21 248	1.21 247	1.21 251	1.99 257	1.21 250	1.99 254	1.21 247
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
HH	0.66 182	2.13 235	0.47 158	0.37 134	0.29 135	0.36 132	0.27 120	0.49 162	0.44 171	0.78 161	0.68 208	0.67 193	0.90 224	0.62 195	0.90 223	0.53 189	0.88 210	0.48 185	0.37 132	0.29 135	0.63 190	0.66 208	0.66 202	0.51 190	1.06 227	0.61 204	1.08 225	0.60 199

HanStereo	0.66 182	2.13 235	0.47 158	0.37 134	0.29 135	0.36 132	0.27 120	0.49 162	0.44 171	0.78 161	0.68 208	0.67 193	0.90 224	0.62 195	0.90 223	0.53 189	0.88 210	0.48 185	0.37 132	0.29 135	0.63 190	0.66 208	0.66 202	0.51 190	1.06 227	0.61 204	1.08 225	0.60 199

TRStereo	2.05 263	2.13 235	1.85 260	2.27 259	1.84 267	2.28 259	1.84 270	2.29 255	1.87 270	2.29 249	1.86 269	2.30 260	1.87 270	2.30 275	1.87 271	2.08 273	2.29 260	1.87 270	2.30 259	1.87 271	2.08 256	1.72 266	1.86 269	2.30 280	2.13 258	1.84 272	2.29 258	1.87 271

XX-Stereo	2.05 263	2.13 235	1.85 260	2.27 259	1.84 267	2.28 259	1.84 270	2.29 255	1.87 270	2.29 249	1.86 269	2.30 260	1.87 270	2.30 275	1.87 271	2.08 273	2.29 260	1.87 270	2.30 259	1.87 271	2.08 256	1.72 266	1.86 269	2.30 280	2.13 258	1.84 272	2.29 258	1.87 271

EAI-Stereo	2.05 263	2.13 235	1.85 260	2.27 259	1.84 267	2.28 259	1.84 270	2.29 255	1.87 270	2.29 249	1.86 269	2.30 260	1.87 270	2.30 275	1.87 271	2.08 273	2.29 260	1.87 270	2.30 259	1.87 271	2.08 256	1.72 266	1.86 269	2.30 280	2.13 258	1.84 272	2.29 258	1.87 271

DEFOM-Stereo_RVC	0.40 137	2.14 240	1.91 266	0.20 87	0.18 99	0.19 85	0.17 92	2.23 252	0.19 101	0.24 83	0.21 106	0.19 87	0.21 107	0.20 102	0.18 97	0.20 99	0.20 88	0.18 101	0.20 87	0.19 104	0.19 84	0.17 94	0.18 97	0.17 91	0.20 87	0.20 103	0.21 89	0.19 102

NCCL2	2.27 272	2.27 241	2.28 275	2.27 259	2.28 279	2.28 259	2.28 280	2.27 253	2.28 280	2.28 246	2.28 278	2.29 259	2.28 279	2.28 274	2.29 280	2.28 280	2.28 259	2.28 281	2.27 258	2.28 282	2.28 262	2.28 280	2.28 279	2.28 278	2.28 263	2.28 281	2.11 255	2.28 282

HUF	2.22 268	2.33 242	2.24 272	2.35 263	2.07 273	2.45 266	2.11 277	2.42 261	2.13 277	2.19 242	2.15 276	2.10 256	2.09 275	2.27 273	2.04 276	2.08 273	2.44 265	2.12 277	2.38 264	2.18 278	2.29 263	2.22 276	2.12 276	2.12 275	2.52 267	2.10 277	2.22 257	2.15 278

STTStereo	2.30 273	2.34 243	2.26 274	2.37 264	2.23 276	2.40 263	2.35 281	2.20 251	2.33 281	2.28 246	2.31 280	2.19 257	2.37 280	2.20 268	2.31 281	2.23 279	2.38 263	2.25 280	2.33 263	2.27 281	2.39 265	2.27 279	2.31 280	2.29 279	2.37 264	2.32 282	2.34 262	2.26 281

AIO_rvc	2.25 271	2.35 244	2.10 268	2.47 267	2.17 275	2.54 267	2.15 278	2.32 258	2.21 278	2.29 249	2.28 278	2.33 265	2.09 275	2.26 272	2.14 277	2.08 273	2.49 267	2.09 276	2.53 267	2.14 277	2.34 264	2.23 277	2.14 277	2.18 276	2.19 262	2.15 278	2.35 263	2.22 279

AIO_test	2.22 268	2.36 245	2.10 268	2.47 267	2.15 274	2.54 267	2.06 276	2.27 253	2.09 276	2.29 249	2.13 275	2.30 260	2.09 275	2.25 271	2.15 278	1.95 271	2.52 268	2.08 275	2.32 262	2.21 280	2.20 260	2.26 278	2.05 275	2.06 273	2.40 265	2.16 279	2.52 266	2.05 277

UDGNet	1.97 258	2.43 246	1.67 253	2.46 266	1.70 264	2.44 265	1.69 265	2.34 260	1.63 263	2.35 255	1.67 265	2.37 266	1.67 264	1.68 260	1.64 264	1.67 263	2.44 265	1.64 265	2.43 265	1.67 265	2.43 267	1.66 263	1.67 262	1.63 266	2.43 266	1.66 267	2.42 265	1.66 265

FBW_ROB	2.04 262	2.50 247	1.75 257	2.45 265	1.78 265	2.40 263	1.74 266	2.47 262	1.77 267	2.37 256	1.81 267	2.30 260	1.80 266	1.78 261	1.88 274	1.80 266	2.41 264	1.77 267	2.43 265	1.83 269	2.39 265	1.81 270	1.76 265	1.75 268	2.56 271	1.75 270	2.30 261	1.74 267

FlowAnything	1.02 228	2.51 248	0.58 188	1.60 252	0.56 197	1.61 252	0.56 199	1.60 239	0.55 194	1.61 220	0.56 196	1.61 249	0.55 197	0.55 186	0.55 196	0.55 191	1.61 252	0.56 200	1.61 250	0.56 197	1.62 249	0.55 195	0.56 193	0.56 197	1.62 252	0.56 197	1.62 249	0.56 193

CroCo-Stereo	0.80 202	2.51 248	0.41 146	1.27 243	0.41 166	1.27 242	0.41 168	1.27 229	0.41 165	1.27 204	0.41 169	1.27 240	0.41 167	0.41 158	0.41 168	0.41 161	1.28 241	0.41 166	1.27 240	0.41 167	1.27 241	0.41 166	0.42 168	0.41 167	1.27 243	0.41 166	1.27 240	0.41 166
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
LGtest1	1.99 259	2.55 250	1.62 250	2.54 269	1.61 259	2.54 267	1.61 260	2.51 263	1.61 260	2.49 258	1.61 262	2.49 267	1.61 261	1.61 256	1.61 261	1.61 259	2.55 269	1.62 263	2.54 268	1.61 262	2.54 268	1.61 260	1.61 257	1.61 263	2.54 268	1.61 262	2.54 267	1.61 262

LG-G_1	1.99 259	2.56 251	1.63 251	2.54 269	1.62 260	2.55 270	1.61 260	2.51 263	1.61 260	2.50 259	1.62 263	2.50 268	1.61 261	1.61 256	1.61 261	1.61 259	2.55 269	1.61 261	2.55 269	1.61 262	2.55 269	1.61 260	1.61 257	1.61 263	2.55 269	1.61 262	2.54 267	1.61 262

LG-G	1.99 259	2.56 251	1.63 251	2.54 269	1.62 260	2.55 270	1.61 260	2.51 263	1.61 260	2.50 259	1.62 263	2.50 268	1.61 261	1.61 256	1.61 261	1.61 259	2.55 269	1.61 261	2.55 269	1.61 262	2.55 269	1.61 260	1.61 257	1.61 263	2.55 269	1.61 262	2.54 267	1.61 262

LL-Strereo2	0.47 151	2.60 253	0.51 174	0.38 138	0.28 125	0.37 136	0.28 127	0.55 173	0.35 148	0.44 129	0.34 149	0.44 157	0.34 146	0.34 138	0.36 150	0.36 149	0.47 163	0.36 151	0.47 165	0.35 151	0.47 157	0.35 147	0.35 147	0.35 152	0.46 158	0.35 149	0.47 160	0.35 150

IER	0.56 173	2.72 254	2.20 270	0.38 138	0.29 135	0.38 140	0.27 120	2.77 268	0.27 122	0.38 110	0.28 128	0.37 135	0.25 115	0.26 117	0.25 117	0.26 113	0.38 137	0.29 133	0.38 136	0.25 117	0.39 139	0.25 113	0.29 129	0.29 136	0.40 145	0.25 115	0.38 133	0.25 115

NLCA_NET_v2_RVC	2.50 274	2.85 255	1.90 265	2.90 272	2.77 281	2.88 272	2.85 283	2.51 263	2.85 283	2.88 266	1.99 274	2.50 268	2.76 282	2.20 268	1.57 258	2.64 281	2.89 272	2.63 282	5.69 300	1.03 236	2.01 255	2.71 281	2.74 283	2.73 283	2.87 272	1.64 265	1.00 217	1.49 259
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CroCo-Stereo Lap2	0.85 210	2.86 256	0.43 152	1.33 245	0.43 172	1.31 243	0.42 173	1.32 230	0.42 170	1.31 206	0.44 174	1.32 242	0.44 173	0.43 164	0.44 174	0.43 166	1.35 242	0.43 172	1.32 243	0.43 173	1.31 242	0.43 171	0.43 169	0.42 173	1.31 244	0.42 171	1.31 241	0.43 171

FC-DCNN v2	4.74 299	3.16 257	3.16 283	3.16 273	3.16 283	3.16 274	3.16 288	3.16 271	3.16 285	3.16 269	3.16 284	3.16 273	3.16 287	3.16 280	3.16 286	3.16 287	6.72 304	6.72 306	6.72 303	6.72 308	6.72 303	6.72 308	6.72 306	6.72 306	6.72 302	6.72 305	6.72 303	6.72 306

plain	1.96 257	3.33 258	1.04 221	3.24 274	1.04 235	3.24 275	1.04 236	3.26 272	1.05 235	3.26 270	1.13 240	3.27 274	1.06 238	1.05 235	1.05 236	1.05 236	3.28 273	1.05 237	3.29 271	1.06 238	3.30 272	1.05 235	1.05 234	1.06 239	3.30 273	1.06 236	3.30 273	1.06 234

4D-IteraStereo	0.67 186	3.40 259	1.05 222	0.71 205	0.83 220	0.47 169	0.27 120	0.47 155	0.27 122	0.35 101	0.26 121	0.68 195	0.84 220	0.41 158	0.54 194	0.89 219	0.74 200	0.88 224	0.73 201	0.87 224	0.42 149	0.27 120	0.28 123	0.28 128	0.36 128	0.28 124	0.68 192	0.90 222

MIF-Stereo (partial)	2.52 275	3.41 260	1.05 222	3.29 275	1.05 236	3.29 277	1.06 237	3.30 273	1.06 237	3.31 271	1.06 236	4.97 296	2.72 281	2.72 278	2.71 282	2.70 282	6.57 303	2.19 278	5.08 297	1.08 240	3.36 273	1.07 237	1.07 236	1.07 241	3.35 275	1.07 237	3.36 274	1.07 236

MM-Stereo_test1	1.85 256	3.50 261	1.61 249	2.12 258	1.47 258	2.14 258	1.47 259	2.33 259	1.53 259	2.12 239	1.54 259	2.19 257	1.53 258	1.54 254	1.53 257	1.53 258	2.20 258	1.54 260	2.24 257	1.57 261	2.21 261	1.49 258	1.59 256	1.49 261	2.15 261	1.52 260	2.15 256	1.54 260

DPSNet	3.67 281	3.61 262	3.62 288	3.64 278	3.61 292	3.64 279	3.65 292	3.64 276	3.67 291	3.67 274	3.65 290	3.68 277	3.69 296	3.69 290	3.69 297	3.68 293	3.70 276	3.70 293	3.69 277	3.69 294	3.71 278	3.69 290	3.67 290	3.69 294	3.68 279	3.67 290	3.68 277	3.67 287

UniTT-Stereo	2.12 267	3.66 263	1.10 226	3.48 277	1.15 242	3.57 278	1.11 241	3.44 274	1.16 244	3.52 272	1.16 242	3.50 275	1.16 244	1.10 237	1.13 242	1.15 241	3.61 274	1.17 245	3.64 272	1.12 242	3.58 275	1.12 240	1.12 239	1.17 247	3.53 276	1.18 246	3.52 275	1.18 244

RAStereo	2.24 270	3.70 264	1.18 234	3.73 281	1.18 247	3.69 280	1.19 247	3.73 277	1.24 251	3.72 275	1.21 251	3.76 279	1.20 249	1.20 246	1.20 248	1.20 248	3.74 279	1.20 249	3.75 278	1.21 251	3.77 279	1.21 248	1.21 247	1.21 251	3.82 280	1.21 250	3.82 279	1.21 247

sCroCo_RVC	2.76 276	4.00 265	1.82 259	4.00 285	1.83 266	3.98 285	1.82 268	3.99 278	1.81 268	4.14 282	2.76 281	4.13 287	1.82 268	1.83 262	1.83 267	1.82 267	4.01 284	1.82 269	3.98 281	1.86 270	4.00 284	1.82 271	1.83 267	1.84 269	4.02 286	1.81 271	4.00 283	1.83 270

sAnonymous2	2.87 277	4.16 266	1.89 263	4.26 289	1.87 270	4.23 288	1.92 273	4.17 279	1.94 274	4.16 283	1.92 272	4.20 288	1.92 273	1.96 264	1.86 269	1.87 269	4.25 287	1.90 273	4.23 286	1.91 274	4.26 287	1.93 273	1.89 272	1.90 270	4.07 287	1.91 275	5.09 298	1.93 275

CroCo_RVC	2.87 277	4.16 266	1.89 263	4.26 289	1.87 270	4.23 288	1.92 273	4.17 279	1.94 274	4.16 283	1.92 272	4.20 288	1.92 273	1.96 264	1.86 269	1.87 269	4.25 287	1.90 273	4.23 286	1.91 274	4.26 287	1.93 273	1.89 272	1.90 270	4.07 287	1.91 275	5.09 298	1.93 275

test_1	0.65 181	4.37 268	2.38 276	0.40 150	0.34 149	0.42 157	0.36 153	1.96 247	0.34 144	0.41 119	0.36 153	0.42 151	0.35 148	0.34 138	0.38 155	0.31 138	0.39 147	0.34 145	0.40 148	0.33 148	0.39 139	0.33 144	0.33 142	0.34 148	0.40 145	0.36 152	0.40 144	0.32 146

test-3	0.78 201	4.38 269	1.80 258	0.62 196	0.49 187	0.62 194	0.50 191	1.86 243	0.64 204	0.69 154	0.52 192	0.66 191	0.38 157	0.58 190	0.57 200	0.46 169	0.66 192	0.46 174	0.50 179	0.44 175	0.48 164	0.58 197	0.54 189	0.60 204	0.70 196	0.46 174	0.48 166	0.50 186

CC-Net-ROB	1.51 249	4.40 270	1.69 255	1.39 249	1.40 254	1.37 246	1.40 258	1.36 231	1.39 256	1.41 213	1.36 254	1.35 244	1.38 255	1.39 251	1.39 253	1.36 254	1.36 244	1.35 255	1.39 246	1.39 257	1.37 245	1.36 255	1.41 254	1.48 260	1.39 248	1.42 259	1.35 243	1.35 252

PS-NSSS	1.48 248	4.46 271	1.35 241	1.35 246	1.35 253	1.41 248	1.34 255	1.36 231	1.35 255	1.40 212	1.35 253	1.33 243	1.35 253	1.37 250	1.40 254	1.35 253	1.35 242	1.35 255	1.39 246	1.44 260	1.35 243	1.34 253	1.35 250	1.38 259	1.35 245	1.33 254	1.34 242	1.38 256

MLG-Stereo_test3	3.87 285	4.64 272	3.29 285	5.17 299	3.23 286	4.83 295	3.02 284	4.95 286	3.22 286	4.31 286	3.33 288	5.08 298	3.20 288	3.23 282	2.77 283	3.20 288	4.99 297	3.24 287	4.93 294	2.94 284	4.82 295	3.33 287	3.33 286	3.29 287	5.19 297	3.02 284	5.08 296	2.93 285

MLG-Stereo_test1	3.87 285	4.67 273	3.29 285	5.26 300	3.25 287	5.04 298	3.11 286	4.43 281	3.27 287	5.02 297	3.21 285	4.71 294	3.10 286	3.22 281	3.06 285	2.98 286	5.03 298	3.18 285	4.95 295	2.94 284	4.70 294	3.32 285	3.30 285	3.27 286	5.17 296	3.08 286	5.02 294	2.85 284

MyStereo04	0.76 199	4.78 274	0.62 192	0.63 198	0.54 194	0.65 196	0.56 199	0.61 179	0.58 200	0.61 150	0.56 196	0.63 189	0.57 200	0.63 198	0.60 202	0.60 197	0.64 190	0.56 200	0.63 196	0.58 199	0.63 190	0.62 204	0.55 190	0.60 204	0.63 194	0.57 198	0.64 190	0.58 196

TestStereo	4.92 300	4.80 275	4.98 292	4.82 295	4.97 303	4.91 297	4.78 304	4.80 284	4.88 304	4.78 292	4.80 303	4.99 297	4.81 304	4.83 300	4.87 304	4.97 304	4.93 295	5.01 304	5.03 296	4.90 303	5.02 297	5.02 302	5.06 301	5.04 303	4.93 294	4.89 302	5.01 293	5.09 302

Anonymous3	3.36 279	4.93 276	2.20 270	4.92 296	2.23 276	4.90 296	2.23 279	4.89 285	2.24 279	4.95 295	2.21 277	4.91 295	2.21 278	2.18 267	2.22 279	2.22 278	4.86 294	2.20 279	4.90 293	2.20 279	4.96 296	2.21 275	2.21 278	2.21 277	6.30 301	2.21 280	4.90 291	2.23 280

MLG-Stereo_test2	3.86 284	4.96 277	3.13 281	4.65 294	3.27 288	5.17 300	3.07 285	5.01 287	3.01 284	4.93 294	3.03 283	4.56 293	3.32 289	3.26 283	3.33 288	3.30 289	5.17 299	3.19 286	4.86 292	2.96 287	5.04 298	3.25 284	2.67 281	3.15 285	4.98 295	3.05 285	4.59 289	3.30 286

DispFullNet	4.96 301	5.67 278	3.30 287	5.01 297	3.21 285	4.50 292	3.11 286	4.43 281	3.44 290	4.60 290	3.46 289	5.13 299	3.44 290	3.53 286	3.20 287	2.87 285	4.80 293	3.15 284	4.70 290	4.83 302	9.02 308	5.98 305	5.95 305	6.21 305	8.84 307	5.85 304	9.76 308	5.91 304

HCRNet	0.71 193	6.06 279	3.15 282	0.50 178	0.22 107	0.21 92	0.15 87	3.04 270	0.34 144	0.43 127	0.33 148	0.43 155	0.33 145	0.15 87	0.14 86	0.14 85	0.21 91	0.17 92	0.47 165	0.20 106	0.21 89	0.16 90	0.32 140	0.33 146	0.50 173	0.33 147	0.49 170	0.28 126

SGM-Forest	5.07 302	6.74 280	4.17 289	6.46 303	4.68 302	6.21 304	4.38 302	6.00 291	4.14 300	5.84 300	4.44 302	6.28 303	4.16 302	3.92 295	4.56 303	4.60 303	6.15 301	4.27 301	6.12 302	4.31 301	5.99 302	4.27 298	3.92 296	4.27 300	6.13 300	4.10 301	6.18 300	4.49 301
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaskLacGwcNet_RVC	0.70 191	6.91 281	0.46 157	0.46 164	0.46 174	0.46 163	0.46 176	0.46 149	0.46 174	0.46 132	0.46 176	0.46 158	0.46 176	0.46 168	0.46 176	0.46 169	0.46 159	0.46 174	0.46 161	0.46 176	0.47 157	0.46 172	0.46 171	0.46 175	0.46 158	0.46 174	0.46 156	0.46 173

SA	3.93 287	7.22 282	4.74 290	4.15 287	3.88 298	3.70 281	4.02 301	6.67 298	3.95 296	3.64 273	3.74 292	3.63 276	3.00 284	3.51 285	3.68 296	3.68 293	3.73 278	3.71 294	3.64 272	3.48 289	3.58 275	2.97 283	3.69 291	3.61 289	3.55 278	3.42 287	3.64 276	3.79 295

cross-raft	4.43 294	7.31 283	6.46 298	4.47 291	3.95 299	4.46 291	3.95 299	6.70 299	3.97 297	4.41 287	3.82 295	4.38 291	3.94 300	3.95 296	3.95 301	3.95 297	4.45 291	3.95 298	4.46 289	3.95 298	4.46 291	3.95 295	3.95 297	3.94 298	4.40 289	3.95 299	4.45 288	3.95 297

RAFT+CT+SA	4.43 294	7.34 284	6.71 300	5.01 297	4.38 301	4.40 290	3.85 297	6.15 295	4.30 301	4.89 293	3.26 286	4.49 292	3.01 285	4.53 299	3.36 289	3.65 292	3.64 275	4.39 302	3.94 280	4.28 300	4.44 290	4.30 299	4.24 300	4.52 301	3.90 283	3.85 297	4.89 290	4.00 298

test-1	4.11 288	7.65 285	4.93 291	3.65 279	3.58 290	4.70 294	3.74 296	4.73 283	4.06 298	3.72 275	4.11 300	3.70 278	3.49 291	3.36 284	3.65 292	4.17 301	3.92 282	4.04 300	4.19 285	3.75 295	4.69 293	4.18 297	3.88 294	3.90 296	4.73 291	3.77 295	3.12 272	3.68 290

Sa-1000	3.84 283	7.71 286	6.81 303	4.15 287	2.86 282	3.27 276	3.87 298	5.99 290	4.35 302	2.78 264	3.71 291	3.88 280	3.56 292	3.88 293	3.64 290	2.71 283	3.72 277	3.27 288	3.67 276	3.15 288	3.51 274	3.36 288	2.70 282	3.49 288	3.32 274	3.76 294	2.87 271	3.76 294

raft_robust	4.19 293	7.78 287	6.08 296	3.30 276	3.85 297	4.03 286	3.73 295	6.25 297	3.30 289	4.44 288	3.28 287	4.01 284	3.82 299	4.29 298	3.70 298	4.01 298	4.48 292	3.42 289	4.11 283	3.76 296	4.05 285	3.32 285	3.85 293	3.82 295	4.71 290	3.83 296	4.09 284	3.80 296

TestStereo1	4.11 288	7.79 288	6.72 301	3.93 282	3.81 295	3.96 283	3.58 290	6.96 301	3.74 293	3.90 277	3.76 293	3.89 281	3.57 293	3.70 291	3.66 293	3.34 290	3.80 280	3.62 290	3.66 274	3.68 292	3.91 281	3.70 291	3.65 288	3.67 291	3.88 281	3.53 288	3.89 280	3.68 290

SA-5K	4.11 288	7.79 288	6.72 301	3.93 282	3.81 295	3.96 283	3.58 290	6.96 301	3.74 293	3.90 277	3.76 293	3.89 281	3.57 293	3.70 291	3.66 293	3.34 290	3.80 280	3.62 290	3.66 274	3.68 292	3.91 281	3.70 291	3.65 288	3.67 291	3.88 281	3.53 288	3.89 280	3.68 290

TESTraft	4.16 292	8.03 290	6.81 303	3.99 284	3.68 293	3.93 282	3.70 294	6.86 300	3.69 292	3.93 279	3.88 298	3.93 283	3.59 295	3.65 289	3.64 290	3.68 293	3.92 282	3.72 295	3.92 279	3.57 291	3.84 280	3.70 291	3.71 292	3.67 291	3.91 284	3.74 292	3.92 282	3.67 287

test_4	4.11 288	8.05 291	6.64 299	4.52 292	3.68 293	3.00 273	3.40 289	6.21 296	3.29 288	4.07 281	3.84 296	4.04 285	3.76 298	3.56 288	3.67 295	3.76 296	4.04 285	3.79 296	4.10 282	3.53 290	3.98 283	3.74 294	3.55 287	3.61 289	3.94 285	3.75 293	3.73 278	3.73 293

SGM+DAISY	6.35 304	8.16 292	5.14 294	8.12 307	5.08 305	8.12 307	5.16 305	8.01 304	5.18 306	7.92 305	5.14 304	7.89 307	5.14 305	4.95 301	5.33 305	5.32 305	8.14 307	5.16 305	8.16 306	5.16 304	8.21 306	5.19 303	5.12 302	5.12 304	8.18 306	5.24 303	8.12 306	5.11 303

RAFT_CTSACE	4.43 294	8.26 293	6.10 297	4.62 293	4.01 300	4.54 293	3.65 292	6.09 292	3.93 295	4.64 291	4.14 301	4.26 290	4.13 301	3.91 294	3.88 299	4.06 300	4.30 289	4.03 299	4.27 288	3.92 297	4.26 287	3.67 289	3.91 295	4.16 299	4.82 292	4.08 300	4.20 286	3.67 287

CFNet_RVC	0.93 215	8.54 294	0.41 146	0.56 186	0.37 155	0.56 187	0.37 157	0.50 166	0.40 162	0.56 147	5.24 305	0.56 183	0.34 146	0.40 157	0.41 168	0.34 144	0.53 179	0.40 164	0.56 190	0.38 160	0.52 174	0.40 164	0.40 163	0.41 167	0.56 185	0.40 165	0.56 182	0.40 164

U	5.23 303	8.71 295	2.75 279	8.64 308	2.76 280	8.65 308	2.79 282	8.67 307	2.79 282	8.70 307	2.79 282	8.70 308	2.79 283	2.79 279	2.80 284	2.80 284	8.84 308	2.82 283	8.82 307	2.89 283	8.84 307	2.83 282	2.83 284	2.82 284	8.87 308	2.83 283	8.84 307	2.83 283

test_5	4.51 297	8.85 296	5.35 295	3.66 280	3.56 289	5.10 299	4.47 303	6.14 293	4.07 299	4.96 296	3.87 297	5.14 300	4.17 303	3.53 286	4.39 302	4.53 302	4.15 286	3.62 290	4.74 291	2.94 284	3.63 277	4.53 301	4.20 299	4.54 302	4.86 293	3.68 291	4.95 292	4.06 299

pcwnet_v2	1.01 225	9.73 297	0.28 117	0.38 138	0.28 125	0.38 140	0.28 127	0.38 131	0.28 127	0.38 110	0.28 128	0.39 142	0.28 125	9.61 307	0.28 129	0.28 123	0.38 137	0.28 124	0.38 136	0.28 126	0.38 130	0.28 126	0.29 129	0.28 128	0.38 135	0.28 124	0.38 133	0.28 126

CFNet_pseudo	1.01 225	9.78 298	0.29 122	0.38 138	0.28 125	0.38 140	0.28 127	0.38 131	0.28 127	0.39 113	0.28 128	0.39 142	0.28 125	9.50 306	0.29 137	0.28 123	0.38 137	0.28 124	0.38 136	0.28 126	0.38 130	0.28 126	0.28 123	0.28 128	0.38 135	0.28 124	0.38 133	0.28 126

RAFT	6.60 305	9.99 299	8.33 308	7.21 306	6.55 306	5.95 303	5.87 306	8.70 308	5.02 305	5.10 298	6.69 306	7.06 306	6.94 308	6.17 304	7.09 308	6.84 306	6.47 302	4.72 303	5.60 298	5.60 305	5.11 299	5.97 304	6.93 307	6.89 307	7.16 303	7.08 308	6.58 302	6.66 305

ccs_rob	1.00 221	10.06 300	0.31 129	0.44 162	0.31 143	0.43 160	0.31 146	0.43 146	0.32 140	0.45 130	0.32 145	1.20 237	0.31 139	7.02 305	0.31 142	0.31 138	0.44 158	0.31 140	0.44 159	0.32 145	0.44 152	0.31 141	0.32 140	0.32 144	0.44 157	0.32 145	0.43 153	0.31 144

UCFNet_RVC	1.03 230	10.10 301	0.28 117	0.38 138	0.28 125	0.39 147	0.28 127	0.38 131	0.28 127	0.39 113	0.28 128	0.39 142	0.29 134	9.62 308	0.28 129	0.28 123	0.38 137	0.28 124	0.38 136	0.28 126	0.39 139	0.28 126	0.29 129	0.28 128	0.39 144	0.28 124	0.38 133	0.29 135

StereoVision	3.44 280	10.12 302	1.68 254	5.44 301	2.26 278	5.87 301	1.97 275	5.17 288	1.31 254	5.80 299	1.56 260	5.62 301	1.84 269	1.97 266	1.91 275	1.84 268	4.98 296	1.32 253	5.60 298	1.71 268	5.35 301	1.73 269	1.97 274	1.96 272	5.40 298	1.65 266	5.08 296	1.76 269

MaDis-Stereo	3.69 282	10.19 303	2.01 267	6.09 302	2.01 272	5.94 302	1.82 268	6.14 293	1.85 269	6.59 302	1.82 268	6.01 302	1.81 267	1.83 262	1.83 267	2.02 272	5.87 300	1.79 268	5.93 301	2.06 276	4.63 292	1.67 264	1.84 268	2.08 274	5.90 299	1.66 267	6.34 301	1.87 271

test_3	4.55 298	10.96 304	7.69 307	4.04 286	3.60 291	4.10 287	3.98 300	7.94 303	4.56 303	3.99 280	4.03 299	4.08 286	3.74 297	3.99 297	3.91 300	4.05 299	4.33 290	3.89 297	4.14 284	4.00 299	4.11 286	4.02 296	4.01 298	3.91 297	3.53 276	3.94 298	4.19 285	4.20 300

test-v	7.17 306	11.53 305	7.63 305	7.17 304	6.87 307	7.48 305	6.90 307	8.14 305	6.88 307	6.93 303	7.42 307	7.05 304	6.14 306	6.05 302	6.86 306	6.99 307	7.60 305	6.75 307	6.90 304	6.66 306	7.83 304	6.36 306	5.89 303	7.34 308	7.19 304	6.75 306	7.52 304	6.77 307

test-2	7.17 306	11.53 305	7.63 305	7.17 304	6.87 307	7.48 305	6.90 307	8.14 305	6.88 307	6.93 303	7.42 307	7.05 304	6.14 306	6.05 302	6.86 306	6.99 307	7.60 305	6.75 307	6.90 304	6.66 306	7.83 304	6.36 306	5.89 303	7.34 308	7.19 304	6.75 306	7.52 304	6.77 307

rafts_anoy	20.00 309	20.00 307	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 310	20.00 310	20.00 310	20.00 309	20.00 310	20.00 308	20.00 310	20.00 309	20.00 310	20.00 309	20.00 311	20.00 309	20.00 310	20.00 309	20.00 310

raft+_RVC	20.00 309	20.00 307	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 310	20.00 310	20.00 310	20.00 309	20.00 310	20.00 308	20.00 310	20.00 309	20.00 310	20.00 309	20.00 311	20.00 309	20.00 310	20.00 309	20.00 310

raftrobust	20.00 309	20.00 307	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 310	20.00 310	20.00 310	20.00 309	20.00 310	20.00 308	20.00 310	20.00 309	20.00 310	20.00 309	20.00 311	20.00 309	20.00 310	20.00 309	20.00 310

CasAABBNet	20.00 309	20.00 307	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 310	20.00 310	20.00 310	20.00 309	20.00 310	20.00 308	20.00 310	20.00 309	20.00 310	20.00 309	20.00 311	20.00 309	20.00 310	20.00 309	20.00 310

RALCasStereoNet	20.00 309	20.00 307	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 310	20.00 310	20.00 310	20.00 309	20.00 310	20.00 308	20.00 310	20.00 309	20.00 310	20.00 309	20.00 311	20.00 309	20.00 310	20.00 309	20.00 310

RALAANet	20.00 309	20.00 307	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 310	20.00 310	20.00 310	20.00 309	20.00 310	20.00 308	20.00 310	20.00 309	20.00 310	20.00 309	20.00 311	20.00 309	20.00 310	20.00 309	20.00 310

MSMDNet	20.00 309	20.00 307	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 309	20.00 310	20.00 310	20.00 310	20.00 310	20.00 309	20.00 310	20.00 308	20.00 310	20.00 309	20.00 310	20.00 309	20.00 311	20.00 309	20.00 310	20.00 309	20.00 310

MANE	18.41 308	23.00 314	16.00 309	22.00 316	15.00 309	22.00 316	15.00 309	22.00 316	15.00 309	21.00 316	15.00 309	22.00 316	15.00 309	15.00 309	17.00 309	15.00 309	23.00 316	15.00 309	22.00 315	15.00 309	23.00 316	15.00 309	18.00 308	15.00 310	24.00 316	17.00 309	24.00 316	16.00 309

AF-Net	2.06 266	25.73 315	1.18 234	1.12 234	1.16 245	1.16 233	1.19 247	1.10 216	1.17 247	1.15 191	1.14 241	1.11 228	1.16 244	1.16 244	1.14 243	1.11 238	1.15 229	1.13 244	1.21 238	1.17 247	1.11 223	1.21 248	1.17 242	1.17 247	1.17 236	1.11 242	1.20 238	1.13 240

MoCha-V2	1.75 254	27.02 316	0.72 195	0.92 216	0.69 209	0.89 213	0.69 213	0.92 201	0.71 209	0.87 171	0.69 210	0.88 213	0.68 209	0.70 208	0.68 212	0.69 206	0.90 212	0.69 212	0.92 216	0.69 210	0.92 209	0.71 213	0.70 210	0.67 211	0.88 211	0.71 212	0.92 210	0.68 208

Reg-Stereo(zero)	37.00 316	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 316	37.00 317	37.00 317	37.00 317	37.00 316	37.00 318	37.00 317	37.00 317	37.00 317	37.00 317

HI	37.00 316	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 316	37.00 317	37.00 317	37.00 317	37.00 316	37.00 318	37.00 317	37.00 317	37.00 317	37.00 317

CoSv	37.00 316	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 317	37.00 316	37.00 317	37.00 317	37.00 317	37.00 316	37.00 318	37.00 317	37.00 317	37.00 317	37.00 317

CBMV	101.59 320	71.60 320	48.40 321	72.70 321	49.00 321	79.60 321	48.40 321	80.90 321	46.90 320	68.90 320	49.00 321	78.00 321	572.10 329	49.50 320	51.30 320	48.40 320	72.20 320	639.60 329	79.40 319	48.90 321	79.50 320	51.40 320	52.30 320	48.30 322	80.20 320	49.10 320	79.60 321	47.60 320
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	61.15 319	72.66 321	46.52 320	70.00 320	44.89 320	64.24 320	43.75 320	73.65 320	48.92 321	72.70 321	42.40 320	60.70 320	50.23 320	50.07 321	67.69 321	68.60 321	83.13 321	47.77 320	82.48 320	46.00 320	95.93 321	53.44 321	50.66 319	45.00 321	84.99 321	53.64 321	79.01 320	52.07 321

MeshStereo	151.99 321	131.36 322	140.69 322	151.38 322	151.40 322	150.79 322	151.72 322	149.36 322	159.46 322	146.42 322	150.73 322	149.06 325	176.22 321	143.94 322	133.10 324	133.45 324	153.30 323	154.22 322	154.67 322	153.95 323	156.90 324	156.53 324	160.21 321	162.72 323	154.57 322	160.59 322	153.47 322	163.50 322
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	252.48 323	202.00 323	361.00 326	502.00 326	324.00 326	321.00 323	482.00 329	423.00 326	227.00 326	201.00 323	273.00 326	101.00 322	207.00 322	198.00 323	183.00 325	181.00 325	221.00 324	232.00 326	477.00 324	220.00 325	111.00 322	100.00 322	219.00 323	214.00 324	204.00 323	211.00 324	200.00 323	222.00 325

MGS-Stereo	264.93 324	208.00 324	362.00 327	512.00 327	350.00 327	326.00 324	443.00 328	410.00 325	210.00 323	232.00 325	215.00 323	125.00 323	217.00 323	216.00 325	127.00 323	122.00 323	223.00 325	230.00 324	487.00 326	255.00 326	250.00 325	223.00 326	272.00 325	228.00 327	241.00 324	220.00 326	214.00 324	235.00 326

EGLCR-Stereo	276.81 325	209.00 325	366.00 328	514.00 328	354.00 328	336.00 325	422.00 326	440.00 327	220.00 325	231.00 324	245.00 325	135.00 324	237.00 325	218.00 326	197.00 326	222.00 327	223.00 325	230.00 324	487.00 326	255.00 326	250.00 325	273.00 327	272.00 325	228.00 327	241.00 324	220.00 326	214.00 324	235.00 326

DLCB_ROB	280.78 326	376.74 326	215.59 323	376.74 323	215.59 323	376.74 326	215.59 323	366.42 324	218.39 324	366.42 326	218.39 324	366.42 326	218.39 324	209.96 324	219.76 327	219.38 326	376.72 327	216.43 323	376.72 323	216.43 324	376.72 327	216.43 325	216.14 322	216.14 326	376.69 327	217.67 325	376.69 327	217.67 324

NOSS_ROB	248.11 322	409.00 327	288.00 324	412.00 324	280.00 324	411.00 327	288.00 324	356.00 323	275.00 327	379.00 327	303.00 327	415.00 327	278.00 326	260.00 327	104.00 322	103.00 322	126.00 322	108.00 321	118.00 321	98.00 322	126.00 323	104.00 323	268.00 324	216.00 325	279.00 326	201.00 323	288.00 326	206.00 323

LE_ROB	387.11 327	453.07 328	321.39 325	500.23 325	323.05 325	493.99 328	324.56 325	477.63 328	322.28 328	465.51 328	322.97 328	486.37 328	334.17 327	305.26 328	320.63 328	327.66 328	476.08 328	315.70 327	483.76 325	335.15 328	469.64 328	309.74 328	315.90 327	318.85 329	498.41 328	328.85 328	491.00 328	330.08 328

SGM-ForestM	522.49 328	676.08 329	448.56 329	638.17 329	433.15 329	639.59 329	427.03 327	617.52 329	439.90 329	604.63 329	429.02 329	611.68 329	432.74 328	420.18 329	451.96 329	465.85 329	601.06 329	403.73 328	659.15 328	405.50 329	669.64 329	437.21 329	455.85 328	425.66 330	689.82 329	481.65 329	662.43 329	479.61 329

CBMV_ROB	1133.35 329	1280.38 330	976.92 330	1317.57 330	1021.62 330	1282.66 330	1022.22 330	1213.88 330	982.57 330	1194.12 330	975.90 330	1357.87 330	1090.02 330	943.32 330	1021.85 330	1006.47 330	1309.01 330	986.29 330	1499.40 329	986.35 330	1359.35 330	975.96 330	975.21 329	969.30 331	1337.82 330	1042.34 330	1398.25 330	1073.86 330

111111	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 332	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331

SGD-Stereo	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 332	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331

IGEV-Stereo++	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 332	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331

IGEV-BASED-STEREO-	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 332	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331

IGEV-Stereo+	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 332	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331

anonymousdsp2	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 332	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331

anonymousdsp	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 332	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331

AMNet	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 330	10000000.00 332	10000000.00 331	10000000.00 331	10000000.00 331	10000000.00 331

ASD4																								0.20 104

Low-res two-view benchmark