Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ADCMid	0.08 37	0.02 12	0.02 13	1.01 253	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 38	0.02 12	0.04 31	0.90 234	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 96	0.36 198	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 335	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

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

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

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

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

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

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 333	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 333	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCRef	0.12 67	0.03 27	0.04 31	1.71 336	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 322	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 69	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 367	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 371	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 374	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 349	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

ADCP+	0.15 89	0.04 31	0.04 31	2.20 348	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 281	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 372	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

FADE		0.06 42		0.09 41	0.10 88							0.05 63				0.15 97	0.10 59	0.17 111	0.13 118	0.11 90

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 306	0.07 74	0.05 68	0.05 64	0.05 71	0.08 76	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 77	0.07 79	0.08 74	0.07 79	0.08 76	0.06 76	0.07 72	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

BEATNet-Init1	0.19 100	0.08 45	0.08 47	2.23 350	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 45	0.08 47	2.23 350	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 76	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 80	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SuperB	0.21 109	0.10 53	2.51 380	0.12 60	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 80	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

PVD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 82	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetBlue	0.11 59	0.11 64	0.12 78	0.13 70	0.14 119	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 92	0.11 98	0.12 94	0.12 103	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 92	0.11 98	0.11 90	0.11 92	0.11 68	0.11 75	0.14 95	0.11 97	0.49 213	0.11 95

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 92	0.11 98	0.11 90	0.11 92	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 128	0.10 86	0.20 116	0.10 87	0.24 137	0.11 92	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 96	0.14 117	0.14 96	0.14 112	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 293	0.14 94	0.10 85	0.28 143	0.14 120	0.17 109	0.19 137	0.28 152	0.09 76	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 106

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 74	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 96	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 267

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 96	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 277

GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 106	0.16 126	0.16 105	0.16 125	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 115

HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 109	0.12 111	0.17 108	0.12 103	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 106

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 112	0.11 98	0.19 112	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 72	0.16 72	0.11 73	0.15 83	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 112	0.11 98	0.18 110	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 116	0.12 111	0.19 112	0.12 103	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 99	0.13 118	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 115	0.13 115	0.19 112	0.13 109	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 112

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 185	0.30 128	0.17 134	0.22 125	0.17 120	0.21 120	0.17 130	0.20 114	0.17 130	0.21 124	0.18 133	0.21 125	0.17 126	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 121

ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 288	0.21 120	0.14 118	0.20 114	0.13 117	0.21 124	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 106

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 288	0.21 120	0.14 118	0.20 114	0.13 117	0.21 124	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 106

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 120	0.12 114	0.20 114	0.12 105	0.20 116	0.12 111	0.21 125	0.13 109	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 109	0.13 115	0.17 108	0.12 103	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 106

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 116	0.20 140	0.20 115	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 126

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 96	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 83	0.11 103	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 96	0.11 98	0.16 105	0.11 92	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 106

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 116	0.20 140	0.20 115	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 126

MSKI-zero shot	0.24 116	0.21 87	0.49 216	0.65 210	0.18 139	0.22 125	0.17 120	0.23 127	0.18 131	0.21 123	0.17 130	0.23 132	0.28 173	0.23 133	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 115

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 105	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

MIPNet	0.14 79	0.21 87	0.17 116	0.16 89	0.11 103	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 96	0.11 98	0.14 96	0.11 92	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ACRE	0.13 72	0.21 87	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 96	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 129	0.22 145	0.22 129	0.22 141	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 130

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 129	0.22 145	0.22 129	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 132

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 124	0.22 141	0.22 125	0.22 147	0.22 129	0.22 145	0.22 129	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 132

MIM_Stereo	0.25 117	0.23 91	0.66 240	0.80 226	0.17 134	0.22 125	0.17 120	0.23 127	0.18 131	0.26 141	0.17 130	0.21 124	0.17 128	0.25 139	0.17 126	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 121

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 130	0.18 131	0.24 133	0.18 138	0.23 132	0.19 137	0.24 137	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 115

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 130	0.18 131	0.23 128	0.17 130	0.23 132	0.18 133	0.23 133	0.18 132	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 115

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 96	0.11 98	0.14 96	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.25 139	0.25 152	0.26 148	0.25 153	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 142

TorneroNet-64	0.45 186	0.27 100	0.30 154	0.58 203	0.27 167	0.70 257	0.30 171	0.28 139	0.73 275	0.73 258	0.28 173	0.71 257	0.66 257	0.75 262	0.27 159	0.27 147	0.29 162	0.37 188	0.75 279	0.28 138	0.30 176

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 137	0.25 150	0.25 134	0.25 160	0.25 139	0.25 152	0.25 139	0.25 153	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 142

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 207	0.79 224	0.24 159	0.30 151	0.26 154	0.30 144	0.24 147	0.32 152	0.23 150	0.31 157	0.24 150	0.30 156	0.23 146	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 132

SQANet	0.28 127	0.28 102	0.28 148	0.28 126	0.28 170	0.28 147	0.28 162	0.28 139	0.28 169	0.28 143	0.28 173	0.28 149	0.28 173	0.28 152	0.28 163	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 165

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 141	0.22 150	0.36 167	0.21 135	0.36 156	0.21 140	0.42 197	0.21 146	0.36 168	0.22 145	0.36 169	0.21 139	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 128

DANet	0.30 131	0.30 105	0.30 154	0.30 128	0.30 184	0.30 151	0.30 171	0.30 144	0.30 180	0.30 146	0.30 183	0.30 155	0.30 181	0.30 156	0.30 176	0.30 156	0.30 169	0.30 155	0.30 190	0.30 143	0.30 176
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 333	0.31 106	4.99 391	5.93 384	0.20 143	0.25 136	0.20 129	0.25 133	0.20 137	0.23 128	0.19 139	0.25 139	0.20 140	0.25 139	0.20 136	5.66 393	4.76 385	0.26 143	0.30 190	0.24 131	0.27 153

iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 146	0.24 147	0.33 154	0.24 156	0.35 163	0.24 150	0.33 162	0.24 148	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 141

MLCV	0.31 134	0.35 108	0.27 145	0.35 137	0.28 170	0.35 164	0.27 157	0.35 152	0.28 169	0.36 161	0.27 168	0.35 163	0.27 168	0.35 164	0.27 159	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 153

ETE_ROB	0.35 148	0.35 108	0.35 176	0.35 137	0.35 208	0.35 164	0.35 194	0.35 152	0.35 197	0.35 158	0.35 200	0.35 163	0.35 195	0.35 164	0.35 196	0.35 169	0.35 176	0.35 181	0.35 207	0.35 163	0.35 193

DN-CSS_ROB	0.31 134	0.35 108	0.28 148	0.35 137	0.28 170	0.34 162	0.27 157	0.34 151	0.25 150	0.35 158	0.27 168	0.36 168	0.26 161	0.34 163	0.28 163	0.35 169	0.28 153	0.34 171	0.28 174	0.34 152	0.27 153

Any-RAFT	0.32 142	0.36 111	0.27 145	0.36 141	0.27 167	0.36 167	0.27 157	0.36 156	0.27 166	0.36 161	0.27 168	0.36 168	0.27 168	0.36 169	0.28 163	0.36 172	0.28 153	0.36 186	0.28 174	0.36 169	0.28 165

RAFT-Test	0.36 151	0.37 112	0.33 166	0.41 169	0.32 191	0.41 196	0.32 176	0.41 185	0.32 186	0.41 186	0.32 187	0.41 194	0.32 186	0.41 196	0.33 183	0.37 176	0.29 162	0.37 188	0.29 183	0.38 177	0.31 181

XPNet_ROB	0.37 153	0.37 112	0.37 178	0.37 144	0.37 210	0.37 172	0.37 201	0.37 162	0.37 203	0.37 165	0.37 204	0.37 173	0.37 198	0.37 173	0.37 204	0.37 176	0.37 180	0.37 188	0.37 214	0.37 171	0.37 197

WAO-8	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 206	0.38 165	0.38 205	0.38 166	0.38 209	0.38 175	0.38 200	0.38 174	0.38 205	0.38 183	0.38 184	0.38 194	0.37 214	0.38 177	0.38 201

WAO-7	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 206	0.38 165	0.38 205	0.38 166	0.38 209	0.38 175	0.38 200	0.38 174	0.38 205	0.38 183	0.38 184	0.38 194	0.38 220	0.38 177	0.38 201

HanzoNet	0.39 164	0.38 114	0.40 185	0.39 149	0.41 226	0.38 175	0.38 206	0.38 165	0.38 205	0.39 171	0.39 213	0.38 175	0.38 200	0.39 181	0.40 211	0.38 183	0.38 184	0.40 202	0.38 220	0.38 177	0.40 205

Venus	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.37 172	0.38 206	0.37 162	0.37 203	0.41 186	0.37 204	0.39 179	0.37 198	0.38 174	0.38 205	0.37 176	0.38 184	0.38 194	0.37 214	0.37 171	0.38 201

IMH	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 206	0.38 165	0.38 205	0.42 197	0.38 209	0.40 185	0.38 200	0.38 174	0.38 205	0.38 183	0.38 184	0.39 198	0.38 220	0.38 177	0.38 201

SPstereo	0.47 192	0.38 114	0.51 220	0.56 201	0.31 188	0.67 255	0.44 224	0.55 230	0.31 182	0.61 245	0.44 229	0.46 214	0.52 244	0.67 253	0.42 224	0.48 221	0.40 191	0.47 231	0.36 211	0.53 221	0.33 188

DMCA	0.36 151	0.38 114	0.37 178	0.35 137	0.35 208	0.36 167	0.36 197	0.36 156	0.35 197	0.35 158	0.37 204	0.36 168	0.36 196	0.35 164	0.36 198	0.36 172	0.36 178	0.35 181	0.36 211	0.36 169	0.36 194

StereoDRNet-Refined	0.33 143	0.39 121	0.26 144	0.39 149	0.26 166	0.40 182	0.26 154	0.40 173	0.26 163	0.39 171	0.26 165	0.39 179	0.26 161	0.39 181	0.26 158	0.37 176	0.25 140	0.37 188	0.25 158	0.37 171	0.37 197
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 283	0.39 121	5.28 392	0.39 149	0.20 143	0.39 181	0.27 157	0.39 169	0.22 141	0.38 166	0.20 141	0.38 175	0.20 140	6.95 405	0.22 141	0.30 156	0.21 131	0.27 147	0.21 143	5.25 387	0.21 128

EKT-Stereo	0.37 153	0.40 123	0.44 198	1.07 256	0.29 176	0.34 162	0.31 175	0.36 156	0.29 171	0.38 166	0.31 186	0.37 173	0.30 181	0.36 169	0.29 169	0.34 163	0.28 153	0.39 198	0.30 190	0.37 171	0.30 176

knoymous	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 185	0.40 205	0.40 184	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 205

anonymousa	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 185	0.40 205	0.40 184	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 205

riskmin	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 185	0.40 205	0.40 184	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 205

Anonymous_2	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 185	0.40 205	0.40 184	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 205

Anonymous_1	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 185	0.40 205	0.40 184	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 205

AdaStereo	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 173	0.40 211	0.40 175	0.40 214	0.40 185	0.40 205	0.40 184	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 205
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iRaft-Stereo_20w	0.34 144	0.41 130	0.31 159	0.39 149	0.29 176	0.40 182	0.32 176	0.41 185	0.32 186	0.38 166	0.30 183	0.39 179	0.30 181	0.38 174	0.32 180	0.35 169	0.27 148	0.34 171	0.27 170	0.34 152	0.29 169

GwcNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 194	0.41 215	0.41 196	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 212

PSMNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 194	0.41 215	0.41 196	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 212

GANet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 194	0.41 215	0.41 196	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 212

ADLNet2	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 194	0.41 215	0.41 196	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 212

ADLNet	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 185	0.41 220	0.41 186	0.41 220	0.41 194	0.41 215	0.41 196	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 212

DGSMNet	0.34 144	0.41 130	0.27 145	0.41 169	0.28 170	0.41 196	0.28 162	0.41 185	0.27 166	0.41 186	0.27 168	0.42 210	0.27 168	0.41 196	0.28 163	0.40 191	0.29 162	0.40 202	0.28 174	0.40 186	0.27 153

iRaft-Stereo_5w	0.34 144	0.42 137	0.31 159	0.39 149	0.30 184	0.38 175	0.30 171	0.40 173	0.29 171	0.40 175	0.37 204	0.41 194	0.34 193	0.38 174	0.30 176	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 148

Wz-Net-LNSev-Ref	0.11 59	0.44 138	0.33 166	0.39 149	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 188	0.36 178	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 148	0.44 138	0.45 200	0.49 190	0.30 184	0.37 172	0.30 171	0.36 156	0.30 180	0.36 161	0.29 175	0.36 168	0.29 177	0.36 169	0.30 176	0.46 212	0.39 189	0.32 157	0.24 155	0.32 144	0.25 142
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 153	0.45 140	0.23 131	0.30 128	0.37 210	0.41 196	0.36 197	0.41 185	0.35 197	0.43 201	0.36 201	0.41 194	0.40 205	0.41 196	0.36 198	0.34 163	0.22 134	0.47 231	0.37 214	0.39 183	0.33 188

RAFT + AFF	0.31 134	0.45 140	0.34 173	0.39 149	0.28 170	0.38 175	0.33 183	0.29 142	0.31 182	0.30 146	0.30 183	0.29 154	0.27 168	0.29 155	0.30 176	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 185

otaku	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 205	0.46 227	0.46 206	0.46 232	0.46 214	0.46 223	0.46 213	0.46 228	0.46 212	0.46 207	0.46 227	0.46 236	0.46 202	0.46 221

Dean	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 205	0.46 227	0.47 211	0.46 232	0.46 214	0.46 223	0.46 213	0.46 228	0.46 212	0.46 207	0.46 227	0.46 236	0.46 202	0.46 221

ACVNet-4b	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 205	0.46 227	0.46 206	0.46 232	0.46 214	0.46 223	0.47 217	0.46 228	0.46 212	0.46 207	0.46 227	0.46 236	0.46 202	0.46 221

psmorigin	0.41 173	0.46 142	0.33 166	0.49 190	0.33 200	0.49 230	0.33 183	0.49 216	0.33 189	0.49 220	0.33 190	0.49 227	0.33 190	0.51 233	0.33 183	0.41 198	0.30 169	0.41 213	0.30 190	0.79 244	0.29 169

Ntro	0.47 192	0.47 146	0.46 202	0.46 180	0.46 236	0.47 224	0.47 232	0.46 205	0.47 230	0.46 206	0.46 232	0.47 220	0.46 223	0.47 217	0.47 232	0.47 217	0.46 207	0.46 227	0.46 236	0.46 202	0.46 221

HaxPig	0.47 192	0.47 146	0.47 207	0.49 190	0.47 242	0.47 224	0.47 232	0.47 210	0.47 230	0.47 211	0.47 239	0.47 220	0.47 232	0.47 217	0.47 232	0.47 217	0.47 213	0.47 231	0.47 242	0.47 208	0.48 229

UNDER WATER	0.47 192	0.47 146	0.47 207	0.47 185	0.47 242	0.47 224	0.47 232	0.47 210	0.47 230	0.47 211	0.47 239	0.47 220	0.46 223	0.47 217	0.47 232	0.47 217	0.47 213	0.47 231	0.46 236	0.47 208	0.47 226

LVE	0.47 192	0.47 146	0.47 207	0.47 185	0.49 247	0.47 224	0.47 232	0.47 210	0.49 238	0.47 211	0.47 239	0.47 220	0.46 223	0.47 217	0.47 232	0.47 217	0.47 213	0.48 239	0.47 242	0.47 208	0.47 226

ACVNet_1	0.46 187	0.47 146	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 205	0.47 230	0.46 206	0.46 232	0.46 214	0.46 223	0.46 213	0.46 228	0.46 212	0.46 207	0.47 231	0.46 236	0.46 202	0.46 221

CES	0.39 164	0.47 146	0.36 177	0.36 141	0.37 210	0.45 218	0.35 194	0.35 152	0.40 211	0.36 161	0.44 229	0.47 220	0.36 196	0.44 210	0.36 198	0.37 176	0.39 189	0.44 224	0.35 207	0.37 171	0.36 194

RainbowNet	0.48 197	0.48 152	0.48 212	0.48 188	0.48 244	0.48 228	0.48 237	0.48 214	0.48 236	0.48 215	0.48 242	0.48 225	0.48 233	0.48 222	0.48 237	0.48 221	0.48 217	0.48 239	0.48 245	0.48 211	0.48 229

notaker	0.48 197	0.49 153	0.48 212	0.48 188	0.48 244	0.48 228	0.48 237	0.48 214	0.49 238	0.48 215	0.48 242	0.48 225	0.48 233	0.48 222	0.48 237	0.48 221	0.48 217	0.48 239	0.48 245	0.48 211	0.49 232

ACVNet_2	0.49 200	0.49 153	0.49 216	0.49 190	0.49 247	0.49 230	0.49 240	0.49 216	0.49 238	0.49 220	0.49 246	0.49 227	0.49 238	0.49 228	0.49 240	0.49 224	0.49 219	0.49 242	0.49 247	0.49 213	0.49 232

KSHMR	0.66 215	0.50 155	0.48 212	1.15 265	0.52 252	0.49 230	0.51 244	0.49 216	0.71 273	0.67 251	0.50 248	1.16 302	1.11 290	0.66 251	0.52 244	0.49 224	0.49 219	0.51 246	0.66 267	0.50 217	1.14 303

WZ-Net	0.05 29	0.50 155	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

SANet	0.50 202	0.50 155	0.50 218	0.50 196	0.50 250	0.50 236	0.50 242	0.50 223	0.50 241	0.50 229	0.50 248	0.50 238	0.50 241	0.50 232	0.50 241	0.50 228	0.50 224	0.50 245	0.50 249	0.50 217	0.50 235

CASnet	0.35 148	0.51 158	0.44 198	0.32 134	0.31 188	0.24 132	0.34 192	0.36 156	0.25 150	0.31 148	0.37 204	0.30 155	0.33 190	0.25 139	0.45 226	0.37 176	0.37 180	0.33 164	0.35 207	0.34 152	0.37 197
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	1.12 284	0.52 159	3.12 383	3.24 368	0.86 291	0.53 240	0.49 240	0.60 239	0.47 230	0.53 234	0.49 246	0.55 243	0.45 222	0.55 238	0.47 232	3.01 378	3.88 380	0.71 263	0.60 259	0.80 247	0.48 229

ktn	0.72 228	0.53 160	1.08 279	1.14 263	0.51 251	1.22 348	1.36 360	0.51 227	0.59 253	0.51 230	0.51 251	0.69 256	1.20 301	0.67 253	0.51 243	0.51 229	0.49 219	0.58 251	0.66 267	0.52 219	0.53 238

TorneroNet	0.66 215	0.53 160	0.50 218	0.50 196	0.64 268	1.06 288	0.70 267	0.50 223	0.51 244	0.49 220	0.69 275	0.49 227	0.50 241	0.48 222	1.15 301	0.71 250	0.49 219	1.14 299	1.08 297	0.49 213	0.49 232

ICVP	0.15 89	0.53 160	0.11 73	0.16 89	0.11 103	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 106	0.11 98	0.16 105	0.11 92	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 163	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 205	0.54 163	0.54 223	0.54 199	0.53 255	0.54 241	0.54 246	0.53 228	0.54 250	0.54 235	0.54 255	0.54 240	0.53 246	0.54 236	0.54 246	0.54 232	0.53 228	0.54 249	0.54 250	0.54 223	0.54 239

Selective-IGEV	0.51 203	0.55 165	0.45 200	0.69 213	0.45 235	0.61 250	0.45 225	0.50 223	0.40 211	0.56 239	0.44 229	0.55 243	0.40 205	0.72 258	0.67 262	0.59 235	0.46 207	0.45 226	0.34 205	0.46 202	0.37 197

FCDSN-DC	0.41 173	0.59 166	0.64 234	0.54 199	0.33 200	0.50 236	0.37 201	0.42 201	0.40 211	0.61 245	0.43 228	0.50 238	0.49 238	0.38 174	0.32 180	0.28 149	0.23 138	0.26 143	0.22 145	0.35 163	0.28 165
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LMCR-Stereo	0.65 213	0.63 167	0.65 239	0.65 210	0.65 269	0.66 254	0.63 255	0.58 236	0.65 261	0.63 248	0.64 266	0.65 253	0.65 255	0.66 251	0.66 261	0.66 241	0.64 241	0.65 255	0.67 270	0.68 228	0.73 267

anonymity	0.63 211	0.69 168	0.56 224	0.71 217	0.56 257	0.71 259	0.56 247	0.71 249	0.56 251	0.72 256	0.56 257	0.71 257	0.56 248	0.71 257	0.58 253	0.68 243	0.55 229	0.68 257	0.55 251	0.68 228	0.54 239

CoDeX	0.15 89	0.70 169	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 262	0.02 14	0.69 250	0.75 267	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 223	0.72 170	0.71 249	0.80 226	0.62 267	0.82 270	0.61 251	0.81 259	0.62 258	0.81 269	0.63 264	0.80 270	0.70 265	0.73 260	0.61 257	0.76 253	0.61 238	0.74 266	0.61 261	0.77 241	0.61 250

DSFCA	0.66 215	0.73 171	0.78 257	0.65 210	0.65 269	0.64 253	0.64 256	0.65 244	0.63 260	0.64 249	0.64 266	0.64 251	0.64 253	0.65 250	0.65 259	0.65 240	0.65 242	0.65 255	0.65 265	0.66 226	0.64 254

SFCPSM	0.17 98	0.78 172	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 277	0.02 14	0.75 256	0.76 270	0.02 20	0.02 19	0.02 19

G-Net	0.79 237	0.79 173	0.79 259	0.79 224	0.79 287	0.79 267	0.79 274	0.79 255	0.79 281	0.79 264	0.79 285	0.79 269	0.79 273	0.79 264	0.79 277	0.79 255	0.79 258	0.79 272	0.79 282	0.79 244	0.79 273

DMCA-RVC	0.70 223	0.80 174	0.70 246	0.70 215	0.70 278	0.70 257	0.70 267	0.71 249	0.70 270	0.70 254	0.71 278	0.71 257	0.70 265	0.70 256	0.69 270	0.69 244	0.70 251	0.69 260	0.70 275	0.69 232	0.70 262

NaN_ROB	0.80 239	0.80 174	0.80 260	0.80 226	0.80 289	0.80 268	0.80 276	0.80 256	0.80 282	0.80 265	0.80 286	0.80 270	0.80 274	0.80 265	0.80 279	0.80 256	0.80 261	0.80 274	0.80 283	0.80 247	0.80 274

CSAN	0.80 239	0.80 174	0.80 260	0.80 226	0.80 289	0.80 268	0.80 276	0.80 256	0.80 282	0.80 265	0.80 286	0.80 270	0.80 274	0.80 265	0.80 279	0.80 256	0.80 261	0.80 274	0.80 283	0.80 247	0.80 274

ARAFT	0.68 220	0.81 177	0.63 232	0.74 220	0.60 259	0.78 266	0.62 254	0.77 254	0.66 263	0.74 262	0.63 264	0.75 263	0.62 252	0.83 268	0.60 255	0.70 247	0.55 229	0.70 262	0.60 259	0.78 242	0.55 243

Selective-RAFT-Error	0.88 260	0.84 178	0.98 273	0.86 232	0.97 301	0.88 273	0.95 287	0.84 260	0.99 297	0.92 275	0.82 288	0.84 274	0.98 282	0.87 272	0.97 289	0.81 259	0.83 264	0.79 272	0.82 286	0.79 244	0.85 279

AFF-stereo	0.73 229	0.88 179	0.67 242	0.75 221	0.68 277	0.75 261	0.64 256	0.80 256	0.72 274	0.83 270	0.70 276	0.82 273	0.64 253	0.84 269	0.67 262	0.77 254	0.63 239	0.81 276	0.63 264	0.78 242	0.62 252

CASS	0.57 209	0.89 180	0.56 224	0.57 202	0.56 257	0.56 243	0.56 247	0.56 232	0.53 246	0.57 240	0.57 259	0.59 249	0.48 233	0.56 241	0.57 250	0.55 234	0.56 231	0.47 231	0.56 254	0.62 225	0.56 246
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 262	0.89 180	0.72 250	1.16 270	0.78 286	1.06 288	0.82 278	0.87 261	0.97 295	1.00 282	0.91 292	0.90 278	1.00 283	0.89 275	0.93 288	0.83 261	0.83 264	0.82 278	0.82 286	0.81 250	0.82 277

UNet	0.29 130	0.90 182	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 265	0.69 268	0.14 94	0.11 98	0.14 96	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 254	0.76 272

xxxxx1	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 160	0.25 152	0.32 158	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 153

tt_ll	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 160	0.25 152	0.32 158	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 153

ff	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 148	0.25 150	0.31 148	0.24 156	0.33 160	0.25 152	0.32 158	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 153

DPSM_ROB	0.92 264	0.91 183	0.91 266	0.91 237	0.92 297	0.92 278	0.92 283	0.92 268	0.91 287	0.93 277	0.91 292	0.92 280	0.90 277	0.91 277	0.92 284	0.92 268	0.91 266	0.91 283	0.92 289	0.93 261	0.93 285

DPSM	0.92 264	0.91 183	0.91 266	0.91 237	0.92 297	0.92 278	0.92 283	0.92 268	0.91 287	0.93 277	0.91 292	0.92 280	0.90 277	0.91 277	0.92 284	0.92 268	0.91 266	0.91 283	0.92 289	0.93 261	0.93 285

pmcnn	0.92 264	0.92 188	0.92 268	0.92 240	0.92 297	0.92 278	0.92 283	0.92 268	0.92 291	0.92 275	0.92 295	0.92 280	0.92 279	0.92 279	0.92 284	0.92 268	0.92 268	0.92 285	0.92 289	0.92 260	0.92 284

tt1	0.31 134	0.93 189	0.24 137	0.33 136	0.23 154	0.31 154	0.24 146	0.32 146	0.24 147	0.32 152	0.23 150	0.32 159	0.25 152	0.32 158	0.24 148	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 153

tta	0.09 38	0.95 190	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

R-Stereo Train	0.81 244	0.96 191	0.67 242	0.95 244	0.67 275	0.95 281	0.68 263	0.95 273	0.68 265	0.95 280	0.68 273	0.96 285	0.68 262	0.96 284	0.68 266	0.94 272	0.68 246	0.94 287	0.68 271	0.94 263	0.68 260

RAFT-Stereo	0.81 244	0.96 191	0.67 242	0.95 244	0.67 275	0.95 281	0.68 263	0.95 273	0.68 265	0.95 280	0.68 273	0.96 285	0.68 262	0.96 284	0.68 266	0.94 272	0.68 246	0.94 287	0.68 271	0.94 263	0.68 260
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Former-RAFT_DAM_RVC	0.49 200	0.98 193	0.64 234	0.84 230	0.46 236	0.45 218	0.35 194	0.47 210	0.47 230	0.45 205	0.34 196	0.46 214	0.48 233	0.46 213	0.35 196	0.39 188	0.71 253	0.39 198	0.35 207	0.41 194	0.41 212

dd	0.23 114	0.98 193	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 127	0.15 126	0.23 128	0.15 127	0.24 136	0.17 128	0.23 133	0.15 120	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 115

222	0.10 44	0.99 195	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

ACVNet-DCA	0.37 153	1.00 196	0.30 154	0.40 161	0.29 176	0.40 182	0.29 167	0.40 173	0.29 171	0.40 175	0.29 175	0.40 185	0.29 177	0.39 181	0.28 163	0.33 160	0.32 172	0.33 164	0.32 199	0.33 148	0.32 185

GANet	1.00 275	1.00 196	1.00 275	1.00 250	1.00 302	1.00 284	1.00 290	1.00 275	1.00 298	1.00 282	1.00 297	1.00 287	1.00 283	1.00 286	1.00 292	1.00 274	1.00 271	1.00 293	1.00 293	1.00 266	1.00 291

TDLM	1.00 275	1.00 196	1.00 275	1.00 250	1.00 302	1.00 284	1.00 290	1.00 275	1.00 298	1.00 282	1.00 297	1.00 287	1.00 283	1.00 286	1.00 292	1.00 274	1.00 271	1.00 293	1.00 293	1.00 266	1.00 291

CVANet_RVC	1.00 275	1.00 196	1.00 275	1.00 250	1.00 302	1.00 284	1.00 290	1.00 275	1.00 298	1.00 282	1.00 297	1.00 287	1.00 283	1.00 286	1.00 292	1.00 274	1.00 271	1.00 293	1.00 293	1.00 266	1.00 291

DGTPSM_ROB	0.93 268	1.00 196	0.92 268	0.94 242	0.96 300	0.91 277	0.92 283	0.91 265	0.96 294	0.91 274	0.96 296	0.93 283	0.92 279	0.94 280	0.92 284	0.92 268	0.92 268	0.90 282	0.92 289	0.94 263	0.91 283

SMFormer	0.09 38	1.01 201	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 201	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

GLC_STEREO	1.07 279	1.01 201	1.06 278	1.07 256	1.05 306	1.06 288	1.08 295	1.08 280	1.05 302	1.07 287	1.06 300	1.08 292	1.05 289	1.06 291	1.10 296	1.07 278	1.09 281	1.05 297	1.05 296	1.06 269	1.12 299

1test111	0.37 153	1.02 204	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 169	0.29 171	0.39 171	0.29 175	0.39 179	0.28 173	0.40 184	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 181

cc1	0.37 153	1.02 204	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 169	0.29 171	0.39 171	0.29 175	0.39 179	0.28 173	0.40 184	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 181

xx1	0.38 159	1.03 206	0.31 159	0.40 161	0.31 188	0.41 196	0.28 162	0.40 173	0.29 171	0.40 175	0.29 175	0.40 185	0.29 177	0.40 184	0.29 169	0.34 163	0.33 175	0.34 171	0.32 199	0.34 152	0.32 185

dad	0.23 114	1.03 206	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 130	0.16 128	0.23 128	0.16 128	0.24 136	0.16 126	0.23 133	0.15 120	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 115

ttt	0.10 44	1.09 208	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

test_xeample	0.10 44	1.09 208	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

FC-DCNN	1.07 279	1.09 208	0.98 273	0.89 233	0.52 252	1.41 357	0.91 282	1.21 337	1.24 360	1.96 361	2.05 385	1.91 362	1.30 354	1.27 351	1.08 295	0.80 256	0.60 234	0.58 251	0.41 229	0.68 228	0.54 239

MSMD_ROB	1.19 285	1.10 211	0.70 246	1.10 258	0.60 259	1.10 294	0.70 267	1.10 282	0.70 270	1.10 289	0.70 276	1.10 296	0.70 265	7.00 406	0.70 273	1.10 281	0.70 251	1.10 298	0.70 275	1.10 271	0.70 262

1111x	0.10 44	1.14 212	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

LoS_RVC	0.30 131	1.14 212	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.25 150	0.25 134	0.25 160	0.26 147	0.26 161	0.26 148	0.25 153	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 148

x	0.11 59	1.15 214	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

xxxx	0.11 59	1.16 215	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

CAS	0.30 131	1.17 216	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 133	0.26 163	0.25 134	0.25 160	0.25 139	0.25 152	0.25 139	0.25 153	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 142

HSM-Net_RVC	0.95 271	1.17 216	0.78 257	1.18 272	0.71 279	1.16 301	0.75 272	1.09 281	0.80 282	1.10 289	0.75 283	1.17 303	0.74 269	1.17 301	0.80 279	1.13 287	0.73 254	1.17 305	0.77 280	1.16 276	0.72 265
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 272	1.18 218	0.81 262	1.10 258	0.91 296	1.02 287	0.82 278	1.04 279	0.91 287	1.03 286	0.86 289	1.28 353	0.82 276	1.03 289	0.89 283	1.17 289	0.81 263	1.02 296	0.82 286	1.08 270	0.81 276

psm_up	0.43 182	1.19 219	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 341	0.91 287	0.26 141	0.17 130	0.25 139	0.17 128	0.25 139	0.17 126	0.22 125	0.17 125	0.23 134	0.16 124	1.18 282	0.99 289

DisPM	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

CrosDoStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

PFNet+	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

LCNet	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

HHNet	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

Patchmatch Stereo++	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

STrans-v2	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

TransformOpticalFlow	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

OMP-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

IIG-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

NF-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

OCTAStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

PSM-softLoss	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

KMStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

NRIStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

PSM-adaLoss	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

PSM-AAD	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

FTStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

ROB_FTStereo_v2	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

ROB_FTStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

Consistency-Raft	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

KYRaft	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

HUI-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

ASMatch	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

DeepStereo_LL	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

DEmStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

SST-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

THIR-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

RAFT_R40	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

DRaft	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

PFNet	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

GrayStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

RE-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

Pruner-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

TVStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

DeepStereo_RVC	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

RAFT-RH_RVC	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

IRAFT_RVC	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

RAFT-345	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

iRAFT	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

CRE-IMP	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

GMM-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

RAFT-IKP	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

Prome-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 292	1.20 312	1.20 299	1.20 309	1.20 305	1.20 301	1.20 303	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 308

UPFNet	0.42 181	1.20 220	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 289	0.90 286	0.25 134	0.17 130	0.24 136	0.17 128	0.25 139	0.17 126	0.22 125	0.17 125	0.22 130	0.16 124	1.15 274	0.93 285

delet	0.43 182	1.21 266	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 341	0.95 293	0.25 134	0.17 130	0.25 139	0.17 128	0.25 139	0.17 126	0.23 134	0.16 113	0.22 130	0.16 124	1.18 282	0.98 288

CroCo-Stereo	0.73 229	1.22 267	0.25 139	1.22 319	0.25 160	1.22 348	0.25 148	1.22 338	0.25 150	1.22 345	0.25 160	1.22 351	0.25 152	1.22 349	0.25 153	1.22 337	0.26 143	1.21 354	0.25 158	1.22 332	0.25 142
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
MMNet	0.44 185	1.24 268	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 341	0.93 292	0.25 134	0.17 130	0.25 139	0.18 133	0.25 139	0.17 126	0.23 134	0.16 113	0.23 134	0.16 124	1.20 285	0.99 289

CroCo-Stereo Lap2	0.77 233	1.29 269	0.29 150	1.27 322	0.29 176	1.27 351	0.26 154	1.26 341	0.26 163	1.26 346	0.26 165	1.27 352	0.26 161	1.26 350	0.27 159	1.27 339	0.27 148	1.27 357	0.27 170	1.27 334	0.27 153

CSP-Net	0.34 144	1.29 269	1.19 288	1.36 327	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 338	1.21 340	0.03 34	0.09 80	0.02 19	0.09 79

Syn2CoEx	0.25 117	1.31 271	0.74 253	0.92 240	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 265	0.75 256	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 336	1.33 272	1.33 343	1.36 327	1.38 369	1.36 354	1.33 357	1.37 347	1.34 363	1.35 348	1.36 362	1.38 355	1.34 355	1.38 353	1.38 362	1.35 344	1.38 351	1.33 358	1.35 358	1.43 338	1.34 361

MaskLacGwcNet_RVC	1.35 335	1.35 273	1.35 346	1.35 326	1.35 366	1.35 353	1.35 359	1.36 346	1.35 365	1.36 349	1.35 361	1.36 354	1.36 356	1.36 352	1.35 360	1.35 344	1.35 348	1.35 359	1.35 358	1.35 336	1.35 362

PML	0.46 187	1.36 274	0.29 150	0.58 203	0.30 184	0.57 247	0.29 167	0.57 234	0.29 171	0.57 240	0.29 175	0.57 247	0.29 177	0.56 241	0.29 169	0.52 230	0.30 169	0.53 248	0.31 195	0.53 221	0.30 176

PS-NSSS	1.38 338	1.39 275	1.34 344	1.34 325	1.35 366	1.38 355	1.37 365	1.35 345	1.38 368	1.34 347	1.34 360	1.39 356	1.38 358	1.70 356	1.40 363	1.36 346	1.36 349	1.36 361	1.37 361	1.37 337	1.36 363

whm_eth	0.63 211	1.48 276	0.47 207	0.71 217	0.48 244	0.71 259	0.48 237	0.71 249	0.48 236	0.71 255	0.48 242	0.71 257	0.48 233	0.72 258	0.48 237	0.71 250	0.47 213	0.71 263	0.47 242	0.71 234	0.47 226

Gwc-CoAtRS	0.41 173	1.49 277	0.32 162	0.42 177	0.32 191	0.41 196	0.32 176	0.41 185	0.33 189	0.41 186	0.32 187	0.41 194	0.32 186	0.41 196	0.32 180	0.39 188	0.28 153	0.39 198	0.28 174	0.40 186	0.28 165

FENet	0.54 205	1.52 278	1.19 288	1.41 330	0.23 154	0.35 164	0.23 142	0.35 152	0.23 146	0.34 156	0.23 150	0.35 163	0.23 149	0.35 164	0.23 146	1.40 347	1.07 275	0.32 157	0.23 150	0.33 148	0.23 132

CFNet-ft	0.55 207	1.57 279	0.14 97	0.20 100	0.14 119	0.20 115	2.53 383	1.61 350	0.14 118	0.20 114	0.14 120	0.20 116	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	1.56 342	1.24 356

DPSMNet_ROB	1.60 342	1.59 280	1.70 362	1.59 332	1.59 374	1.61 359	1.61 370	1.60 349	1.60 372	1.62 357	1.59 371	1.60 359	1.60 363	1.60 355	1.59 368	1.59 352	1.60 358	1.59 366	1.59 371	1.59 343	1.59 370

STTRV1_RVC	0.82 248	1.60 281	0.70 246	1.01 253	0.60 259	1.07 291	0.69 266	1.01 278	0.60 254	0.72 256	0.55 256	1.02 290	0.68 262	1.03 289	0.67 262	0.89 266	0.63 239	0.92 285	0.57 255	0.90 256	0.65 255

RASNet	1.49 339	1.65 282	1.45 355	1.38 329	1.43 372	1.47 358	1.36 360	1.38 348	1.36 366	1.39 350	1.60 372	1.45 357	1.45 360	1.51 354	2.21 380	1.53 351	1.36 349	1.36 361	1.36 360	1.66 344	1.36 363

CRFU-Net	0.65 213	1.67 283	1.22 338	1.96 343	0.27 167	0.41 196	0.27 157	0.41 185	0.27 166	0.40 175	0.26 165	0.41 194	0.27 168	0.40 184	0.27 159	1.80 357	1.62 359	0.34 171	0.23 150	0.33 148	0.23 132

gwcnet-sp	0.82 248	1.72 284	1.48 356	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 354	0.23 150	0.28 149	0.26 161	0.20 115	0.15 120	0.24 139	1.33 345	0.32 157	0.16 124	6.75 394	0.23 132

scenet	0.82 248	1.72 284	1.48 356	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 354	0.23 150	0.28 149	0.26 161	0.20 115	0.15 120	0.24 139	1.33 345	0.32 157	0.16 124	6.75 394	0.23 132

ssnet	0.82 248	1.72 284	1.48 356	0.39 149	0.15 128	0.31 154	0.21 135	0.20 115	0.25 150	1.61 354	0.23 150	0.28 149	0.26 161	0.20 115	0.15 120	0.24 139	1.33 345	0.32 157	0.16 124	6.75 394	0.23 132

HBP-ISP	1.24 332	1.72 284	1.65 360	1.15 265	0.76 285	1.40 356	0.88 280	1.67 354	1.02 301	1.69 358	1.38 364	1.69 360	1.21 347	1.87 358	1.21 353	1.05 277	0.79 258	0.97 291	0.80 283	1.19 284	0.75 271

LL-Strereo2	0.48 197	1.73 288	0.51 220	0.59 205	0.34 206	0.42 212	0.33 183	0.40 173	0.31 182	0.42 197	0.33 190	0.42 210	0.31 185	0.44 210	0.39 210	0.60 237	0.51 225	0.44 224	0.33 204	0.44 201	0.33 188

test_xeample3	1.10 281	1.81 289	0.61 230	0.84 230	0.49 247	0.77 264	0.66 259	0.92 268	1.40 369	0.68 253	0.46 232	0.78 266	0.54 247	1.72 357	1.48 366	1.34 343	1.52 356	1.35 359	1.67 374	1.33 335	1.55 369

mmm	0.14 79	1.83 290	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

hknet	1.10 281	1.85 291	3.49 385	4.48 375	0.02 20	0.42 212	0.06 75	0.41 185	0.02 20	0.48 215	0.03 40	0.41 194	0.03 42	0.42 207	0.03 37	4.39 386	4.19 382	0.33 164	0.23 150	0.34 152	0.27 153

DCRE	0.84 254	1.89 292	0.77 256	0.94 242	0.72 281	0.88 273	0.73 270	0.87 261	0.78 278	0.90 272	0.71 278	0.88 275	0.67 261	0.88 273	0.73 274	0.81 259	0.68 246	0.81 276	0.70 275	0.82 251	0.70 262

BUS	0.83 252	1.91 293	0.92 268	4.48 375	0.02 20	0.40 182	0.04 54	0.41 185	0.02 20	0.48 215	0.03 40	0.41 194	0.05 64	0.03 33	0.05 59	1.97 363	4.19 382	0.33 164	0.23 150	0.34 152	0.27 153

BSDual-CNN	0.81 244	1.91 293	0.92 268	4.48 375	0.02 20	0.42 212	0.06 75	0.41 185	0.02 20	0.48 215	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 363	4.19 382	0.33 164	0.23 150	0.34 152	0.27 153

psmg	0.43 182	1.91 293	0.92 268	1.91 340	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 363	1.44 354	0.04 48	0.03 42	0.02 19	0.03 39

GANet-RSSM	0.75 231	1.91 293	0.14 97	0.47 185	0.14 119	0.21 123	3.21 391	2.30 369	0.14 118	0.46 206	0.14 120	0.23 132	0.18 133	0.21 125	0.14 112	0.18 116	0.27 148	0.37 188	0.13 118	2.13 354	2.12 379

MFMNet_re	1.81 349	1.91 293	1.71 363	1.95 342	1.70 377	1.95 365	1.70 373	1.96 357	1.74 375	1.97 362	1.72 375	1.95 363	1.71 366	1.97 361	1.71 374	1.86 358	1.62 359	1.85 367	1.66 373	1.86 347	1.64 371

SPS-STEREO	1.59 341	1.91 293	1.21 337	1.94 341	1.20 317	2.00 366	1.23 353	1.99 358	1.24 360	2.00 363	1.25 358	2.03 365	1.26 350	2.00 362	1.29 358	1.90 362	1.18 293	1.89 369	1.21 353	1.89 349	1.20 308
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 340	1.94 299	1.22 338	1.88 338	1.21 363	1.88 364	1.22 352	1.88 355	1.22 358	1.88 359	1.22 355	1.88 361	1.22 348	1.89 359	1.22 354	1.87 359	1.22 341	1.88 368	1.22 354	1.88 348	1.22 354
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ssnet_v2	0.68 220	1.96 300	1.25 342	0.29 127	0.20 143	0.30 151	0.20 129	0.29 142	0.22 141	1.50 352	0.20 141	0.31 157	0.20 140	0.27 150	0.22 141	0.24 139	1.49 355	0.26 143	0.18 139	3.90 372	0.19 125

qqq	0.16 95	2.01 301	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

ToySt	0.92 264	2.11 302	0.90 265	0.95 244	0.79 287	0.99 283	0.78 273	0.94 272	0.81 285	0.94 279	0.78 284	0.95 284	0.77 272	0.94 280	0.86 282	0.91 267	0.79 258	0.85 280	0.77 280	0.89 255	0.73 267

TRStereo	2.00 352	2.13 303	1.85 369	2.27 352	1.84 380	2.28 370	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 368	1.87 368	2.08 363	1.72 376	2.08 367	1.72 364	2.08 372	1.72 377	2.08 351	1.72 374

XX-Stereo	2.00 352	2.13 303	1.85 369	2.27 352	1.84 380	2.28 370	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 368	1.87 368	2.08 363	1.72 376	2.08 367	1.72 364	2.08 372	1.72 377	2.08 351	1.72 374

EAI-Stereo	2.00 352	2.13 303	1.85 369	2.27 352	1.84 380	2.28 370	1.84 375	2.29 365	1.86 380	2.30 370	1.87 376	2.30 368	1.87 368	2.08 363	1.72 376	2.08 367	1.72 364	2.08 372	1.72 377	2.08 351	1.72 374

11t1	0.17 98	2.16 306	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 69	0.03 42	0.06 58	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

cf-r	0.66 215	2.17 307	0.12 78	0.18 96	0.12 115	0.18 110	2.70 386	2.60 372	0.12 114	0.18 110	0.12 105	0.18 112	0.12 111	0.18 110	0.12 103	0.15 97	0.11 75	0.15 105	0.11 97	1.81 346	1.74 377

UDG	0.80 239	2.21 308	0.60 228	0.91 237	0.60 259	0.90 276	0.58 249	0.88 263	0.60 254	0.90 272	0.60 260	0.88 275	0.60 251	0.90 276	0.58 253	0.86 264	0.60 234	0.84 279	0.59 258	0.84 252	0.61 250

NCCL2	2.28 360	2.27 309	2.28 375	2.28 355	2.28 387	2.27 369	2.29 381	2.28 364	2.28 384	2.27 369	2.28 386	2.28 367	2.27 375	2.27 370	2.28 385	2.28 370	2.28 373	2.27 375	2.29 385	2.27 355	2.29 380

ccnet	0.80 239	2.28 310	0.33 166	0.50 196	0.33 200	0.50 236	0.33 183	0.50 223	0.33 189	0.49 220	0.33 190	0.49 227	1.56 362	2.38 372	0.33 183	0.41 198	0.29 162	0.42 222	1.57 370	2.28 356	0.29 169

GES	0.66 215	2.34 311	0.29 150	0.41 169	0.29 176	0.41 196	0.29 167	0.42 201	0.29 171	0.40 175	0.41 220	0.41 194	0.30 181	0.51 233	0.29 169	0.32 159	0.29 162	0.32 157	2.46 387	2.49 360	0.30 176

DDUNet	0.81 244	2.45 312	0.57 226	0.90 234	0.60 259	0.88 273	0.59 250	0.90 264	0.60 254	0.88 271	0.60 260	0.90 278	0.58 249	0.88 273	0.60 255	0.84 263	0.60 234	0.86 281	0.57 255	0.86 253	0.60 249

FBW_ROB	2.12 358	2.46 313	1.77 366	2.49 359	1.79 379	2.38 374	1.83 374	2.46 370	1.78 376	2.48 374	1.97 381	2.40 375	1.78 367	2.42 373	1.83 379	2.31 371	1.85 369	2.38 377	1.82 381	2.35 358	1.84 378

HH	0.71 225	2.54 314	0.74 253	1.10 258	0.32 191	0.41 196	0.37 201	0.69 247	0.78 278	0.73 258	0.90 290	0.75 263	1.00 283	0.84 269	0.69 270	0.69 244	0.40 191	0.35 181	0.26 164	0.35 163	0.26 148

HanStereo	0.71 225	2.54 314	0.74 253	1.10 258	0.32 191	0.41 196	0.37 201	0.69 247	0.78 278	0.73 258	0.90 290	0.75 263	1.00 283	0.84 269	0.69 270	0.69 244	0.40 191	0.35 181	0.26 164	0.35 163	0.26 148

sAnonymous2	3.31 384	2.63 316	1.38 352	3.71 373	1.86 383	4.70 396	1.11 296	4.82 397	2.72 387	5.45 399	1.98 383	4.59 396	2.64 377	2.65 375	6.21 402	4.37 384	1.08 279	5.16 398	2.24 383	4.52 381	2.39 385

CroCo_RVC	3.31 384	2.63 316	1.38 352	3.71 373	1.86 383	4.70 396	1.11 296	4.82 397	2.72 387	5.45 399	1.98 383	4.59 396	2.64 377	2.65 375	6.21 402	4.37 384	1.08 279	5.16 398	2.24 383	4.52 381	2.39 385

ff7	1.68 343	2.68 318	1.35 346	0.97 247	0.89 292	1.84 361	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 371	2.12 372	2.23 367	2.25 381	1.31 340	1.07 275	1.48 363	1.41 363	0.90 256	1.04 294

ffff	1.68 343	2.68 318	1.35 346	0.97 247	0.89 292	1.84 361	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 371	2.12 372	2.23 367	2.25 381	1.31 340	1.07 275	1.48 363	1.41 363	0.90 256	1.04 294

ccc-4	1.68 343	2.68 318	1.35 346	0.97 247	0.89 292	1.84 361	2.15 378	2.12 359	1.80 377	2.05 365	1.56 368	2.33 371	2.12 372	2.23 367	2.25 381	1.31 340	1.07 275	1.48 363	1.41 363	0.90 256	1.04 294

11t	1.27 334	2.70 321	1.34 344	1.32 324	0.89 292	1.30 352	1.34 358	1.64 351	0.57 252	1.45 351	0.72 280	1.05 291	1.29 353	1.07 292	1.29 358	1.49 348	1.02 274	0.97 291	1.15 301	1.48 339	1.31 359

Anonymous	2.11 357	2.74 322	1.41 354	2.77 363	1.40 371	2.74 379	1.46 369	2.75 374	1.50 371	2.87 380	1.39 365	2.74 379	1.46 361	2.72 377	1.41 365	2.72 375	1.41 352	2.81 380	1.41 363	3.16 368	1.39 366

sCroCo_RVC	2.10 356	2.76 323	1.92 373	2.78 364	1.39 370	2.73 378	1.41 367	2.73 373	1.40 369	2.77 379	1.41 367	2.74 379	1.40 359	2.74 378	1.40 363	2.72 375	1.42 353	2.72 379	1.44 367	2.79 365	1.42 367

PSMNet-RSSM	0.77 233	2.76 323	0.14 97	0.20 100	0.14 119	0.20 115	2.66 384	2.79 376	0.14 118	0.21 123	0.14 120	0.21 124	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 361	2.31 381

GwcNet-RSSM	0.77 233	2.77 325	0.14 97	0.20 100	0.14 119	0.20 115	2.67 385	2.78 375	0.14 118	0.20 114	0.14 120	0.20 116	0.14 117	0.21 125	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 361	2.31 381

hitnet-ft	0.79 237	2.78 326	0.14 97	0.20 100	0.14 119	0.21 123	2.89 387	2.80 377	0.14 118	0.20 114	0.14 120	0.20 116	0.14 117	0.20 115	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.54 363	2.33 383

PDISCO_ROB	0.83 252	2.80 327	3.49 385	0.14 74	0.11 103	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 106	0.14 117	3.30 383	0.13 109	0.14 90	2.34 374	0.16 106	0.12 110	2.62 364	0.10 83

iGMRVC	0.84 254	2.85 328	0.72 250	0.72 219	0.73 282	0.77 264	0.79 274	0.73 252	0.74 277	0.73 258	0.72 280	0.73 261	0.76 271	0.73 260	0.73 274	0.72 252	0.73 254	0.73 265	0.72 278	0.73 240	0.72 265

MC-Stereo	1.76 346	2.96 329	1.37 351	2.14 347	1.37 368	2.14 368	1.36 360	2.14 362	1.37 367	2.14 368	1.37 363	2.14 366	1.37 357	2.14 366	1.37 361	1.97 363	1.32 342	1.97 370	1.32 357	1.98 350	1.33 360

PASM	0.39 164	3.06 330	1.36 350	1.58 331	0.09 82	0.11 90	0.11 97	0.11 90	0.11 99	0.09 77	0.09 82	0.11 92	0.09 83	0.09 78	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

4D-IteraStereo	0.78 236	3.13 331	0.89 263	0.69 213	0.32 191	0.40 182	0.32 176	0.76 253	0.97 295	0.52 233	0.65 270	0.89 277	0.32 186	0.76 263	0.98 290	0.83 261	0.94 270	0.35 181	0.27 170	0.70 233	0.89 282

test croco	1.88 350	3.16 332	0.64 234	3.10 366	0.65 269	3.10 382	0.64 256	3.12 380	0.65 261	3.10 381	0.65 270	3.11 382	0.65 255	3.12 380	0.65 259	3.12 379	0.65 242	3.13 382	0.65 265	3.13 367	0.65 255

iRaftStereo_RVC	0.97 272	3.17 333	2.30 376	2.42 357	0.38 215	0.54 241	0.38 206	0.54 229	0.38 205	0.54 235	0.38 209	0.54 240	0.38 200	0.54 236	0.38 205	2.38 373	2.34 374	0.49 242	0.36 211	0.49 213	0.36 194

RCA-Stereo	0.51 203	3.22 334	0.34 173	0.44 178	0.34 206	0.44 217	0.34 192	0.43 203	0.34 196	0.43 201	0.34 196	0.44 213	0.33 190	0.43 208	0.33 183	0.38 183	0.29 162	0.38 194	0.29 183	0.38 177	0.29 169

Anonymous3	2.55 373	3.26 335	1.65 360	3.28 369	1.63 375	3.24 384	1.68 371	3.27 382	1.66 373	3.28 383	1.67 373	3.25 384	1.66 364	3.27 382	1.64 370	3.26 380	1.65 361	3.30 383	1.65 372	4.95 385	1.65 373

MIF-Stereo (partial)	2.58 374	3.31 336	0.66 240	3.18 367	0.66 274	3.18 383	0.66 259	3.21 381	0.67 264	3.19 382	0.66 272	3.19 383	0.66 257	3.31 384	0.68 266	5.09 389	1.79 367	8.23 407	1.67 374	6.18 392	1.38 365

MIF-Stereo	2.03 355	3.43 337	0.72 250	3.42 370	0.73 282	3.27 385	0.68 263	3.38 384	0.69 268	3.29 384	0.72 280	3.28 385	0.70 265	3.35 385	0.68 266	3.39 381	0.68 246	3.31 384	0.69 274	3.37 369	0.73 267

DPSNet	3.66 386	3.60 338	3.62 387	3.63 372	3.64 395	3.65 388	3.65 394	3.66 387	3.67 392	3.67 385	3.65 393	3.67 387	3.66 383	3.66 386	3.68 390	3.68 383	3.66 378	3.67 388	3.68 394	3.67 370	3.67 392

qqq1	0.25 117	3.70 339	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 339	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

RAFT_CTSACE	1.92 351	3.71 341	1.72 364	1.88 338	1.72 378	2.04 367	1.42 368	2.18 363	1.89 383	2.02 364	1.97 381	1.95 363	2.06 371	1.93 360	1.62 369	1.76 355	1.66 362	2.02 371	1.73 380	1.73 345	1.43 368

MyStereo07	0.60 210	3.72 342	0.48 212	0.49 190	0.41 226	0.36 167	0.32 176	0.49 216	0.43 225	0.51 230	0.42 226	0.49 227	0.43 220	0.51 233	0.64 258	0.49 224	0.45 205	0.34 171	0.32 199	0.35 163	0.43 218

MyStereo04	0.56 208	3.72 342	0.59 227	0.49 190	0.41 226	0.36 167	0.32 176	0.37 162	0.31 182	0.34 156	0.46 232	0.35 163	0.32 186	0.35 164	0.33 183	0.49 224	0.45 205	0.34 171	0.32 199	0.35 163	0.43 218

DualNet	0.25 117	3.83 344	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 344	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 344	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 344	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 69	0.05 64	0.06 58	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

NINENet	0.69 222	3.87 348	1.20 291	1.98 344	0.05 69	0.40 182	0.04 54	0.40 173	0.05 68	0.41 186	0.04 63	0.41 194	0.05 64	0.40 184	0.05 59	1.79 356	1.56 357	0.34 171	0.22 145	0.34 152	0.23 132

MyStereo8	0.71 225	3.92 349	0.52 222	0.59 205	0.52 252	0.57 247	0.53 245	0.59 238	0.50 241	0.59 243	0.51 251	0.57 247	0.50 241	0.56 241	0.52 244	0.54 232	0.49 219	0.54 249	0.49 247	0.55 224	0.50 235

MyStereo06	0.75 231	4.12 350	0.60 228	0.63 208	0.61 264	0.62 251	0.66 259	0.56 232	0.45 226	0.55 237	0.48 242	0.54 240	0.46 223	0.57 244	0.45 226	0.60 237	0.57 232	0.64 253	0.55 251	0.72 235	0.55 243

MyStereo05	0.80 239	4.12 350	0.63 232	0.63 208	0.61 264	0.62 251	0.66 259	0.65 244	0.62 258	0.67 251	0.61 262	0.65 253	0.58 249	0.67 253	0.55 249	0.60 237	0.57 232	0.64 253	0.55 251	0.72 235	0.55 243

test-3	0.98 274	4.13 352	1.85 369	1.85 337	0.61 264	0.69 256	0.37 201	0.63 243	0.61 257	0.66 250	0.51 251	0.73 261	0.44 221	0.57 244	0.54 246	1.68 354	1.81 368	0.40 202	0.43 235	0.66 226	0.50 235

IGEVStereo-DCA	1.77 347	4.21 353	1.84 367	2.49 359	2.11 385	2.54 376	1.36 360	1.65 352	1.17 309	2.75 377	1.90 379	2.54 377	1.15 294	0.94 280	1.11 297	1.50 349	1.32 342	0.96 289	1.46 368	1.49 340	0.88 280

rrr	1.77 347	4.21 353	1.84 367	2.49 359	2.11 385	2.54 376	1.36 360	1.65 352	1.17 309	2.75 377	1.90 379	2.54 377	1.15 294	0.94 280	1.11 297	1.50 349	1.32 342	0.96 289	1.46 368	1.49 340	0.88 280

GEStereo_RVC	0.86 259	4.45 355	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 137	0.18 131	5.03 397	0.20 141	0.27 148	0.19 137	0.27 150	0.21 139	0.20 119	0.19 128	0.19 121	4.02 399	0.20 117	0.18 124

error version	0.93 268	4.47 356	2.35 377	1.99 345	0.37 210	0.41 196	0.36 197	0.41 185	0.35 197	0.43 201	0.36 201	0.41 194	0.40 205	0.41 196	0.36 198	1.87 359	2.16 370	0.47 231	0.37 214	0.39 183	0.33 188

test_1	0.93 268	4.47 356	2.35 377	1.99 345	0.37 210	0.41 196	0.36 197	0.41 185	0.35 197	0.43 201	0.36 201	0.41 194	0.40 205	0.41 196	0.36 198	1.87 359	2.16 370	0.47 231	0.37 214	0.39 183	0.33 188

MyStereo02	0.85 257	4.58 358	0.64 234	0.76 222	0.65 269	0.75 261	0.61 251	0.60 239	0.53 246	0.80 265	0.64 266	0.78 266	0.66 257	0.55 238	0.57 250	0.70 247	0.66 244	0.68 257	0.62 262	0.72 235	0.59 247

MyStereo	0.85 257	4.58 358	0.64 234	0.76 222	0.65 269	0.75 261	0.61 251	0.60 239	0.53 246	0.80 265	0.64 266	0.78 266	0.66 257	0.55 238	0.57 250	0.70 247	0.66 244	0.68 257	0.62 262	0.72 235	0.59 247

TestStereo	4.88 397	4.75 360	4.79 389	4.87 379	4.92 403	4.81 399	4.90 402	4.78 396	4.77 402	4.87 395	4.89 402	4.90 399	4.91 394	4.99 397	4.79 400	4.98 388	4.87 386	4.87 397	4.92 403	5.00 386	5.00 401

DispFullNet	4.61 393	4.84 361	3.12 383	5.00 380	3.57 394	4.75 398	3.03 389	7.75 406	4.17 399	4.91 396	3.09 389	6.20 404	3.95 388	6.71 402	3.51 389	5.30 391	3.67 379	5.86 404	3.63 391	5.61 389	3.46 390

CFNet-RSSM	0.91 263	4.89 362	0.34 173	0.44 178	1.07 307	1.62 360	1.40 366	0.91 265	0.35 197	1.60 353	1.39 365	0.64 251	0.34 193	0.44 210	0.33 183	0.41 198	0.35 176	0.75 267	0.30 190	0.41 194	0.29 169

MyStereo03	0.84 254	4.93 363	0.68 245	0.90 234	0.74 284	0.56 243	0.46 226	0.55 230	0.52 245	0.74 262	0.56 257	0.56 245	0.46 223	0.81 267	0.54 246	0.59 235	0.52 226	0.75 267	0.68 271	0.68 228	0.65 255

StereoVision	3.15 382	5.00 364	0.89 263	4.83 378	1.00 302	3.93 389	1.27 356	6.37 400	1.34 363	5.67 401	1.26 359	5.84 403	1.27 351	5.03 398	1.24 355	5.10 390	1.09 281	4.61 395	0.57 255	5.62 390	1.12 299

LL-Strereo	1.01 278	5.06 365	1.63 359	0.70 215	1.43 372	0.56 243	0.46 226	0.57 234	0.50 241	0.57 240	0.50 248	1.58 358	0.49 238	0.59 246	0.50 241	1.64 353	0.52 226	0.51 246	1.37 361	0.52 219	0.45 220

CFNet	1.37 337	5.27 366	0.19 123	5.49 381	0.19 142	0.28 147	0.19 127	0.28 139	0.19 136	0.28 143	0.19 139	0.28 149	4.35 391	0.28 152	0.19 135	0.23 134	0.17 125	0.23 134	4.21 401	4.81 383	0.17 121

UDGNet	2.23 359	5.40 367	1.72 364	2.48 358	1.69 376	2.51 375	1.69 372	2.51 371	1.72 374	2.50 375	1.69 374	2.52 376	1.69 365	2.50 374	1.68 373	2.41 374	1.70 363	2.42 378	1.69 376	2.42 359	1.64 371

SGM-Forest	5.21 401	5.92 368	4.08 388	6.18 386	4.16 400	6.31 403	4.34 401	6.50 401	4.33 400	6.14 403	4.21 399	6.61 407	4.55 393	6.67 401	4.48 399	5.94 395	3.94 381	5.85 403	4.03 400	5.79 391	4.17 399
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
StereoIM	3.19 383	6.02 369	1.12 280	5.61 383	1.16 313	5.43 401	1.02 293	5.15 399	0.70 270	5.43 398	1.21 354	5.03 401	0.97 281	4.85 396	0.99 291	4.53 387	1.16 290	5.53 400	1.25 355	5.37 388	1.30 358

IER	0.88 260	7.04 370	2.23 374	2.75 362	0.28 170	0.43 216	0.25 148	0.39 169	0.25 150	0.41 186	0.27 168	0.39 179	0.25 152	0.40 184	0.28 163	0.37 176	0.28 153	0.37 188	0.25 158	0.37 171	0.25 142

HCRNet	1.22 331	7.11 371	3.00 382	3.55 371	0.33 200	0.29 150	0.14 113	0.19 111	0.15 126	0.33 154	0.29 175	0.25 139	0.14 117	0.22 129	0.33 183	3.64 382	3.00 377	0.76 270	0.32 199	0.18 114	0.13 112

SA	4.33 389	7.35 372	6.85 400	5.96 385	4.09 399	3.59 387	3.15 390	3.82 388	2.64 386	3.91 386	3.85 394	3.57 386	2.72 379	3.13 381	4.03 395	7.09 403	6.86 396	3.57 386	3.12 389	3.85 371	3.51 391

cross-raft	4.83 396	7.52 373	6.43 396	6.63 388	3.96 398	4.51 395	3.99 398	4.49 394	3.96 397	4.52 393	3.96 396	4.50 395	3.97 389	4.50 395	3.97 394	6.65 398	6.44 393	4.33 392	3.92 398	4.35 379	3.91 397

test_5	4.62 394	7.55 374	6.23 395	6.32 387	3.40 393	5.29 400	3.50 392	3.53 386	4.11 398	4.28 390	4.47 401	4.26 394	4.38 392	3.68 387	3.24 388	5.89 394	5.60 388	4.84 396	3.50 390	4.33 378	3.93 398

RAFT+CT+SA	4.28 388	7.62 375	4.91 390	5.55 382	2.28 387	3.09 381	3.64 393	4.49 394	3.07 390	4.80 394	3.35 390	4.77 398	3.70 384	4.29 393	3.05 387	5.58 392	5.98 391	3.58 387	3.78 396	4.26 377	3.72 393

raft_robust	4.71 395	7.75 376	5.40 394	6.81 389	3.31 392	4.28 394	4.20 400	4.32 393	4.37 401	4.35 392	4.35 400	4.14 392	3.75 385	4.30 394	4.20 398	6.67 399	6.37 392	3.36 385	4.24 402	4.86 384	3.25 389

test_4	4.88 397	8.13 377	6.98 401	7.46 393	4.44 401	4.25 393	3.85 397	4.04 392	3.92 396	4.13 389	3.91 395	4.18 393	3.84 386	4.14 391	4.06 396	7.01 402	7.13 397	4.53 393	3.72 395	4.09 375	3.72 393

Sa-1000	4.34 390	8.37 378	6.84 399	6.98 392	4.45 402	3.58 386	3.00 388	3.42 385	3.39 391	2.61 376	4.00 397	3.83 389	4.01 390	3.90 388	3.90 393	5.98 396	5.62 389	3.76 389	2.34 386	4.35 379	2.47 387

TestStereo1	4.60 391	8.41 379	6.44 397	6.86 390	3.79 396	3.97 390	3.78 395	3.99 390	3.74 393	3.97 387	3.52 391	3.94 390	3.58 381	3.98 389	3.72 391	6.82 400	6.50 394	3.76 389	3.66 392	3.90 372	3.74 395

SA-5K	4.60 391	8.41 379	6.44 397	6.86 390	3.79 396	3.97 390	3.78 395	3.99 390	3.74 393	3.97 387	3.52 391	3.94 390	3.58 381	3.98 389	3.72 391	6.82 400	6.50 394	3.76 389	3.66 392	3.90 372	3.74 395

CFNet_RVC	2.38 369	8.71 381	0.38 180	9.33 398	0.42 234	0.56 243	0.42 223	0.60 239	0.38 205	0.62 247	0.42 226	0.56 245	7.29 402	0.62 247	0.42 224	0.53 231	0.37 180	0.49 242	0.34 205	8.30 400	6.87 405

test_3	5.01 399	8.86 382	7.77 403	8.09 394	2.76 391	4.13 392	4.05 399	3.88 389	3.76 395	4.33 391	4.13 398	3.71 388	3.91 387	4.21 392	4.06 396	7.93 404	7.69 399	4.53 393	3.91 397	4.17 376	4.29 400

SGM+DAISY	7.06 404	9.15 383	5.38 393	8.84 397	5.18 404	8.80 407	5.31 403	8.79 407	5.28 404	8.89 407	5.20 403	8.93 408	5.33 395	8.95 407	5.36 401	8.70 406	5.21 387	8.74 408	5.20 404	8.89 402	5.15 402

test-1	6.46 402	9.16 384	8.03 406	8.09 394	5.62 405	6.11 402	6.35 404	6.85 403	4.94 403	6.08 402	6.29 406	4.98 400	6.43 398	6.22 399	6.36 404	6.16 397	7.47 398	5.82 402	5.44 405	7.11 397	5.68 403

RAFT	6.73 403	9.36 385	7.40 402	8.51 396	6.55 406	6.88 404	6.60 405	6.79 402	6.60 405	6.80 404	6.72 407	5.31 402	5.50 396	6.61 400	6.61 405	8.42 405	5.89 390	5.73 401	5.45 406	6.61 393	6.24 404

CFNet_pseudo	2.67 377	9.36 385	0.32 162	10.99 408	0.33 200	0.85 271	0.33 183	0.49 216	0.33 189	0.49 220	0.32 187	0.49 227	7.26 401	0.49 228	0.33 183	0.41 198	9.62 405	0.41 213	0.29 183	10.03 407	0.29 169

CFNet_ucs	2.73 378	9.64 387	0.33 166	9.92 404	0.32 191	0.49 230	0.33 183	0.49 216	0.33 189	0.49 220	0.33 190	0.49 227	8.98 405	0.48 222	0.33 183	0.41 198	9.96 408	0.40 202	0.29 183	10.12 408	0.54 239

PCWNet_CMD	2.80 381	9.82 388	0.32 162	10.09 406	0.32 191	0.49 230	0.33 183	3.34 383	0.33 189	0.49 220	0.33 190	0.49 227	8.73 403	0.48 222	0.33 183	0.41 198	9.22 402	0.42 222	0.29 183	9.55 405	0.31 181

pcwnet_v2	2.66 376	9.89 389	0.33 166	9.89 403	0.32 191	0.50 236	0.32 176	0.49 216	0.33 189	0.49 220	0.34 196	0.49 227	8.76 404	0.48 222	0.33 183	0.41 198	9.58 404	0.40 202	0.29 183	9.01 403	0.63 253

UCFNet_RVC	2.75 379	10.06 390	0.29 150	10.31 407	0.29 176	0.42 212	0.29 167	0.43 203	0.29 171	0.42 197	0.29 175	0.42 210	9.87 407	0.43 208	0.29 169	0.36 172	9.84 407	0.36 186	0.26 164	9.77 406	0.26 148

MSMDNet	2.65 375	10.14 391	0.33 166	9.74 401	0.32 191	0.87 272	0.33 183	2.95 379	0.68 265	0.49 220	0.34 196	0.49 227	5.70 397	0.49 228	0.33 183	0.42 211	9.57 403	0.41 213	0.31 195	8.36 401	0.65 255

ccs_rob	2.79 380	10.17 392	0.32 162	10.00 405	0.33 200	0.49 230	0.33 183	1.90 356	0.32 186	0.51 230	0.33 190	0.49 227	9.24 406	0.49 228	0.33 183	0.41 198	9.82 406	0.41 213	0.28 174	9.34 404	0.29 169

test-v	7.53 405	11.89 393	7.98 404	9.36 399	7.14 407	7.06 405	7.09 406	7.37 404	6.91 406	7.29 405	5.71 404	6.45 405	6.93 399	6.73 403	7.27 406	8.93 407	7.85 400	6.98 405	6.80 407	7.56 398	7.34 406

test-2	7.53 405	11.89 393	7.98 404	9.36 399	7.14 407	7.06 405	7.09 406	7.37 404	6.91 406	7.29 405	5.71 404	6.45 405	6.93 399	6.73 403	7.27 406	8.93 407	7.85 400	6.98 405	6.80 407	7.56 398	7.34 406

Anonymous Stereo	2.36 364	18.47 395	11.50 407	9.80 402	0.53 255	0.28 147	0.50 242	0.58 236	0.53 246	0.59 243	0.53 254	0.66 255	0.52 244	0.62 247	0.41 218	0.36 172	0.37 180	0.31 156	0.19 140	0.20 117	0.22 130

rafts_anoy	20.00 409	20.00 396	20.00 409	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 408	20.00 409	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 409

raft+_RVC	20.00 409	20.00 396	20.00 409	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 408	20.00 409	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 409

raftrobust	20.00 409	20.00 396	20.00 409	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 408	20.00 409	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 409

CasAABBNet	20.00 409	20.00 396	20.00 409	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 408	20.00 409	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 409

RALCasStereoNet	20.00 409	20.00 396	20.00 409	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 408	20.00 409	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 409

RALAANet	20.00 409	20.00 396	20.00 409	20.00 409	20.00 410	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409	20.00 409	20.00 409	20.00 408	20.00 409	20.00 409	20.00 410	20.00 409	20.00 410	20.00 409	20.00 409

MANE	19.05 408	23.00 402	15.00 408	23.00 415	15.00 409	24.00 414	16.00 408	24.00 414	16.00 408	22.00 414	15.00 408	23.00 415	16.00 408	23.00 414	15.00 408	22.00 415	15.00 409	22.00 415	15.00 409	22.00 415	15.00 408

stereogan	2.33 362	24.38 403	1.18 287	1.18 272	1.18 316	1.14 299	1.18 304	1.19 289	1.19 311	1.14 296	1.18 308	1.14 301	1.18 299	1.14 299	1.18 306	1.14 288	1.14 288	1.19 308	1.19 305	1.15 274	1.19 307

Abc-Net	2.32 361	24.75 404	1.14 282	1.17 271	1.17 314	1.11 297	1.15 300	1.17 286	1.21 357	1.08 288	1.16 304	1.12 300	1.14 293	1.09 293	1.17 305	1.09 279	1.16 290	1.17 305	1.17 304	1.16 276	1.11 297
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 362	25.00 405	1.13 281	1.15 265	1.15 309	1.10 294	1.15 300	1.15 283	1.15 304	1.12 294	1.15 301	1.09 294	1.13 291	1.10 295	1.15 301	1.11 286	1.09 281	1.16 301	1.12 299	1.16 276	1.17 305

RGC	2.36 364	25.48 406	1.19 288	1.15 265	1.15 309	1.10 294	1.16 302	1.17 286	1.16 305	1.12 294	1.16 304	1.11 299	1.13 291	1.09 293	1.18 306	1.10 281	1.15 289	1.16 301	1.12 299	1.14 273	1.12 299

NCC-stereo	2.36 364	25.52 407	1.17 285	1.15 265	1.17 314	1.11 297	1.11 296	1.15 283	1.16 305	1.10 289	1.16 304	1.10 296	1.15 294	1.14 299	1.13 299	1.09 279	1.11 285	1.15 300	1.16 303	1.17 281	1.17 305

AF-Net	2.37 367	25.71 408	1.17 285	1.13 262	1.15 309	1.15 300	1.18 304	1.19 289	1.16 305	1.10 289	1.15 301	1.10 296	1.18 299	1.12 298	1.15 301	1.10 281	1.10 284	1.17 305	1.15 301	1.16 276	1.12 299

Nwc_Net	2.37 367	25.95 409	1.15 284	1.14 263	1.15 309	1.08 292	1.14 299	1.17 286	1.16 305	1.14 296	1.15 301	1.08 292	1.15 294	1.11 297	1.14 300	1.10 281	1.11 285	1.16 301	1.09 298	1.16 276	1.15 304

FAT-Stereo	2.46 371	26.05 410	1.23 340	1.23 321	1.22 364	1.20 302	1.24 354	1.23 340	1.23 359	1.19 298	1.22 355	1.21 350	1.24 349	1.20 303	1.24 355	1.21 336	1.17 292	1.22 355	1.25 355	1.20 285	1.24 356

S-Stereo	2.51 372	26.86 411	1.23 340	1.22 319	1.22 364	1.24 350	1.25 355	1.22 338	1.24 360	1.21 344	1.24 357	1.19 304	1.27 351	1.19 302	1.24 355	1.19 290	1.20 294	1.25 356	1.19 305	1.24 333	1.23 355

edge stereo	2.43 370	27.07 412	1.14 282	1.06 255	1.14 308	1.08 292	1.17 303	1.16 285	1.14 303	1.10 289	1.16 304	1.09 294	1.16 298	1.10 295	1.16 304	1.10 281	1.11 285	1.16 301	1.19 305	1.13 272	1.11 297

fff	1000028.16 431	29.62 413	29.72 416	32.61 416	30.02 417	35.13 417	31.83 417	32.07 416	10000000.00 431	35.27 418	29.82 417	32.45 417	30.15 416	32.35 416	30.09 416	31.04 417	29.55 418	30.64 417	30.14 417	10000000.00 432	30.77 417

csc	1000028.16 431	29.62 413	29.72 416	32.61 416	30.02 417	35.13 417	31.83 417	32.07 416	10000000.00 431	35.27 418	29.82 417	32.45 417	30.15 416	32.35 416	30.09 416	31.04 417	29.55 418	30.64 417	30.14 417	10000000.00 432	30.77 417

cscssc	1000028.16 431	29.62 413	29.72 416	32.61 416	30.02 417	35.13 417	31.83 417	32.07 416	10000000.00 431	35.27 418	29.82 417	32.45 417	30.15 416	32.35 416	30.09 416	31.04 417	29.55 418	30.64 417	30.14 417	10000000.00 432	30.77 417

STTStereo	3.73 387	30.40 416	2.37 379	2.39 356	2.31 389	2.35 373	2.33 382	2.29 365	2.42 385	2.32 373	2.34 387	2.33 371	2.36 376	2.30 371	2.27 384	2.35 372	2.22 372	2.31 376	2.22 382	2.29 357	2.34 384

111	30.40 415	30.94 417	29.72 416	32.61 416	30.02 417	33.57 415	30.47 416	31.50 415	29.39 416	30.98 415	29.11 416	29.78 416	30.39 419	29.45 415	30.76 419	30.08 416	29.02 417	29.92 416	30.32 420	29.86 416	30.17 416

DCANet-4	35.22 417	34.54 418	35.08 422	33.58 420	35.47 424	34.55 416	35.53 423	36.08 421	35.85 420	35.92 421	35.77 422	35.18 422	35.48 421	35.39 421	37.15 422	34.55 422	33.92 421	35.02 423	34.90 422	35.79 420	34.74 423

tt	500032.53 429	34.60 419	29.72 416	37.47 422	34.41 422	36.85 421	35.22 421	34.71 419	33.55 418	34.50 416	35.43 420	33.81 420	10000000.00 432	33.57 419	33.13 420	33.68 420	35.00 422	34.03 421	35.26 423	30.96 417	34.63 421

DCANet	500032.53 429	34.60 419	29.72 416	37.47 422	34.41 422	36.85 421	35.22 421	34.71 419	33.55 418	34.50 416	35.43 420	33.81 420	10000000.00 432	33.57 419	33.13 420	33.68 420	35.00 422	34.03 421	35.26 423	30.96 417	34.63 421

WCMA_ROB	31.10 416	35.43 421	27.12 415	39.51 424	23.10 416	38.78 423	25.30 415	37.49 423	25.39 415	37.29 422	27.02 415	38.52 424	26.48 415	37.80 422	26.44 415	36.28 423	22.65 416	33.90 420	22.30 416	37.10 421	24.18 415

ADStereo(finetuned)	36.13 418	36.63 422	38.07 423	36.97 421	33.25 421	35.91 420	34.45 420	36.36 422	32.99 417	38.14 423	36.71 423	36.69 423	34.13 420	38.57 423	40.79 423	37.60 424	36.58 424	35.90 424	33.36 421	35.42 419	34.04 420

NLCA_NET_v2_RVC	5.04 400	50.87 423	2.78 381	2.87 365	2.71 390	2.78 380	0.47 232	2.88 378	2.86 389	1.89 360	2.67 388	2.79 381	2.79 380	2.78 379	2.83 386	2.82 377	2.82 376	2.83 381	2.77 388	2.83 366	2.76 388
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 419	87.70 424	41.95 424	113.75 427	65.62 427	75.05 424	55.25 425	75.64 425	45.04 421	71.61 424	41.75 424	72.81 425	44.06 422	68.38 424	44.63 424	101.89 427	59.57 427	107.10 427	61.05 427	104.38 424	59.38 426

AE-Stereo	201.80 423	123.00 425	115.00 426	219.00 429	218.00 430	223.00 428	244.00 429	217.00 428	236.00 426	202.00 428	203.00 428	205.00 429	208.00 426	225.00 428	204.00 428	210.00 429	198.00 429	197.00 429	184.00 429	204.00 426	201.00 428

EGLCR-Stereo	246.90 424	129.00 426	139.00 428	266.00 430	286.00 431	277.00 429	305.00 430	271.00 429	242.00 427	274.00 429	279.00 430	255.00 430	270.00 428	268.00 429	297.00 430	230.00 430	247.00 431	216.00 430	223.00 431	237.00 427	227.00 430

NOSS_ROB	102.95 420	153.00 427	121.00 427	51.00 425	44.00 425	165.00 427	127.00 426	153.00 426	119.00 423	164.00 427	125.00 426	168.00 428	120.00 424	153.00 426	117.00 426	49.00 425	44.00 425	49.00 425	44.00 425	49.00 422	44.00 424

MeshStereo	159.24 422	171.00 428	160.68 429	162.58 428	160.59 428	164.01 426	160.35 427	158.51 427	158.56 424	158.34 426	160.12 427	158.56 427	159.92 425	157.26 427	158.94 427	154.38 428	158.36 428	155.75 428	159.13 428	153.67 425	154.07 427
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
PA-Net	11.80 407	223.51 429	0.62 231	0.59 205	0.71 279	0.59 249	0.73 270	0.67 246	0.73 275	0.55 237	0.61 262	0.60 250	0.74 269	0.63 249	0.73 274	0.66 241	0.60 234	0.69 260	0.66 267	0.72 235	0.65 255
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 425	354.61 430	207.27 430	363.24 431	206.46 429	364.72 430	210.41 428	364.72 430	210.41 425	364.81 430	208.64 429	364.81 431	208.64 427	364.72 430	210.41 429	354.70 431	205.53 430	354.70 431	205.53 430	354.70 428	205.53 429

LE_ROB	396.57 426	471.28 431	329.84 431	471.48 432	308.15 432	526.83 431	322.10 431	488.15 431	323.76 428	495.46 431	317.97 431	497.17 432	320.10 429	481.62 431	326.76 431	462.71 432	298.97 432	466.16 432	285.98 432	447.62 429	289.21 431

SGM-ForestM	596.69 427	677.77 432	444.52 432	699.85 433	517.25 433	732.94 432	488.29 432	770.79 432	460.11 429	750.81 432	487.98 432	792.79 433	499.41 430	730.90 432	475.81 432	720.03 433	491.16 433	663.96 433	418.60 433	674.76 430	436.05 432

CBMV_ROB	818.48 428	913.88 433	709.52 433	862.84 434	597.78 434	1073.99 433	700.52 433	1015.66 433	702.59 430	1115.65 433	760.02 433	1130.24 434	721.57 431	1037.41 433	692.65 433	814.05 434	564.29 434	843.28 434	595.31 434	915.51 431	602.92 433

CBMV	128.50 421	1422.70 434	53.10 425	79.50 426	51.30 426	77.30 425	49.70 424	74.00 424	48.20 422	77.20 425	48.80 425	73.90 426	48.00 423	73.80 425	48.80 425	70.40 426	45.10 426	68.90 426	46.10 426	68.20 423	45.00 425
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SDNR	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 434

anonymousdsp2	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 434

anonymousdsp	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 434

test_example2	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 434

DIP-Stereo	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 432	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 434
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark