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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 97	0.36 198	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 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 59	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

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 73	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

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

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

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

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

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

qqq1	0.25 117	3.70 339	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	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 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

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

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

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

qqq	0.16 95	2.01 301	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

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

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

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 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 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 55	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 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	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 76	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 56	0.12 93	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

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

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

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 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

EDNetEfficient	0.04 26	0.05 38	0.04 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-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 56	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 56	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	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 56	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

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 56	0.04 54	0.05 71	0.04 51	0.04 58	0.08 76	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 56	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
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 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 49	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

11t1	0.17 98	2.16 306	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 281	0.06 66	0.04 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

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

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 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	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 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	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 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	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 78	0.07 80	0.08 75	0.07 79	0.08 76	0.06 76	0.07 73	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

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

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 56	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

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 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SuperB	0.21 109	0.10 53	2.51 380	0.12 60	0.09 82	0.10 79	0.09 80	0.08 78	0.07 80	0.10 79	0.09 82	0.09 80	0.07 80	0.07 73	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

DeepPrunerF	0.19 100	0.08 45	0.08 47	2.23 350	0.08 80	0.08 74	0.07 78	0.07 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 80	0.08 82	0.10 79	0.09 82	0.09 80	0.09 83	0.09 79	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 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

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

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	0.11 90	0.14 113	0.11 91	0.11 100	0.12 93	0.11 98	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

JetBlue	0.11 59	0.11 64	0.12 78	0.13 70	0.14 119	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.11 98	0.11 92	0.11 98	0.12 95	0.12 103	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

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 95	0.10 86	0.28 144	0.14 120	0.17 109	0.19 137	0.28 153	0.09 76	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

PASM	0.39 164	3.06 330	1.36 350	1.58 331	0.09 82	0.11 90	0.11 97	0.11 91	0.11 100	0.09 78	0.09 82	0.11 92	0.09 83	0.09 79	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

FADE		0.06 42		0.09 41	0.10 88			0.05 61	0.03 44	0.04 54		0.05 63		0.04 46		0.15 97	0.10 59	0.17 111	0.13 118	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 95	0.10 86	0.23 129	0.10 86	0.20 116	0.10 87	0.24 138	0.11 92	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

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 95	0.10 86	0.14 95	0.09 82	0.14 96	0.09 83	0.13 96	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 268

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.09 85	0.14 95	0.10 86	0.14 96	0.09 83	0.14 97	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 278

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	0.15 100	0.11 97	0.14 95	0.11 100	0.15 101	0.12 105	0.15 105	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 95	0.11 100	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	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 95	0.11 100	0.16 105	0.11 98	0.14 96	0.11 98	0.14 97	0.11 92	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	0.15 100	0.12 109	0.14 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	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 95	0.11 100	0.14 95	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	0.14 94	0.14 113	0.14 95	0.14 119	0.14 95	0.14 120	0.14 96	0.14 117	0.14 97	0.14 112	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 72	0.16 72	0.11 73	0.15 83	0.09 82	0.18 110	0.11 97	0.18 111	0.11 100	0.17 108	0.11 98	0.18 112	0.11 98	0.18 111	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
ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	0.16 105	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.13 115	0.17 109	0.12 103	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 107

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 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.16 106	0.11 92	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 107

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	0.10 88	0.18 110	0.11 97	0.19 112	0.11 100	0.19 112	0.12 105	0.18 112	0.11 98	0.19 113	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
GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	0.16 105	0.16 119	0.16 107	0.16 129	0.16 105	0.16 128	0.16 106	0.16 126	0.16 106	0.16 125	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 116

ICVP	0.15 89	0.53 160	0.11 73	0.16 89	0.11 103	0.16 105	0.11 97	0.16 107	0.11 100	0.16 105	0.11 98	0.16 106	0.11 98	0.16 106	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)
HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	0.17 108	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.12 111	0.17 109	0.12 103	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 288	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 288	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	0.19 113	0.11 97	0.19 112	0.12 115	0.19 112	0.12 105	0.20 116	0.12 111	0.19 113	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
HCRNet	1.22 331	7.11 371	3.00 382	3.55 371	0.33 200	0.29 150	0.14 113	0.19 112	0.15 127	0.33 155	0.29 175	0.25 139	0.14 117	0.22 130	0.33 183	3.64 382	3.00 377	0.76 270	0.32 199	0.18 114	0.13 113

DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 99	0.13 118	0.19 113	0.13 112	0.19 112	0.13 118	0.19 112	0.13 117	0.19 115	0.13 115	0.19 113	0.13 109	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 121	0.12 115	0.20 115	0.12 105	0.20 116	0.12 111	0.21 126	0.13 109	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 185	0.30 128	0.17 134	0.22 125	0.17 120	0.21 121	0.17 131	0.20 115	0.17 130	0.21 124	0.18 133	0.21 126	0.17 126	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

GEStereo_RVC	0.86 259	4.45 355	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 138	0.18 132	5.03 398	0.20 141	0.27 148	0.19 137	0.27 151	0.21 139	0.20 119	0.19 128	0.19 121	4.02 399	0.20 117	0.18 125

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

Anonymous Stereo	2.36 364	18.47 395	11.50 407	9.80 402	0.53 255	0.28 147	0.50 242	0.58 237	0.53 247	0.59 244	0.53 254	0.66 255	0.52 244	0.62 248	0.41 218	0.36 172	0.37 180	0.31 156	0.19 140	0.20 117	0.22 131

MSKI-zero shot	0.24 116	0.21 87	0.49 216	0.65 210	0.18 139	0.22 125	0.17 120	0.23 128	0.18 132	0.21 124	0.17 130	0.23 132	0.28 173	0.23 134	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 131	0.18 132	0.23 129	0.17 130	0.23 132	0.18 133	0.23 134	0.18 132	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 131

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

MIM_Stereo	0.25 117	0.23 91	0.66 240	0.80 226	0.17 134	0.22 125	0.17 120	0.23 128	0.18 132	0.26 142	0.17 130	0.21 124	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

dd	0.23 114	0.98 193	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 128	0.15 127	0.23 129	0.15 127	0.24 136	0.17 128	0.23 134	0.15 120	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 116

dad	0.23 114	1.03 206	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 131	0.16 129	0.23 129	0.16 128	0.24 136	0.16 126	0.23 134	0.15 120	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 131	0.18 132	0.24 134	0.18 138	0.23 132	0.19 137	0.24 138	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 116

AANet_RVC	1.26 333	0.31 106	4.99 391	5.93 384	0.20 143	0.25 136	0.20 129	0.25 134	0.20 138	0.23 129	0.19 139	0.25 139	0.20 140	0.25 140	0.20 136	5.66 393	4.76 385	0.26 143	0.30 190	0.24 131	0.27 154

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.26 149	0.25 153	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 143

LoS_RVC	0.30 131	1.14 212	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.26 147	0.26 161	0.26 149	0.25 153	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

CAS	0.30 131	1.17 216	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.26 164	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 143

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 138	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 143

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

RAFT + AFF	0.31 134	0.45 140	0.34 173	0.39 149	0.28 170	0.38 175	0.33 183	0.29 143	0.31 183	0.30 147	0.30 183	0.29 154	0.27 168	0.29 156	0.30 176	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 186

TorneroNet-64	0.45 186	0.27 100	0.30 154	0.58 203	0.27 167	0.70 257	0.30 171	0.28 140	0.73 276	0.73 259	0.28 173	0.71 257	0.66 257	0.75 263	0.27 159	0.27 147	0.29 162	0.37 188	0.75 279	0.28 138	0.30 177

SQANet	0.28 127	0.28 102	0.28 148	0.28 126	0.28 170	0.28 147	0.28 162	0.28 140	0.28 170	0.28 144	0.28 173	0.28 149	0.28 173	0.28 153	0.28 163	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 166

xxxxx1	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

tt_ll	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

ff	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

DANet	0.30 131	0.30 105	0.30 154	0.30 128	0.30 184	0.30 151	0.30 171	0.30 145	0.30 181	0.30 147	0.30 183	0.30 155	0.30 181	0.30 157	0.30 176	0.30 156	0.30 169	0.30 155	0.30 190	0.30 143	0.30 177
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
1test111	0.37 153	1.02 204	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 170	0.29 172	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

cc1	0.37 153	1.02 204	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 170	0.29 172	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

IGEV-Stereo	0.35 148	0.44 138	0.45 200	0.49 190	0.30 184	0.37 172	0.30 171	0.36 157	0.30 181	0.36 162	0.29 175	0.36 168	0.29 177	0.36 170	0.30 176	0.46 212	0.39 189	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 147	0.24 148	0.33 155	0.24 156	0.35 163	0.24 150	0.33 163	0.24 148	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 142

ACVNet-DCA	0.37 153	1.00 196	0.30 154	0.40 161	0.29 176	0.40 182	0.29 167	0.40 174	0.29 172	0.40 176	0.29 175	0.40 185	0.29 177	0.39 182	0.28 163	0.33 160	0.32 172	0.33 164	0.32 199	0.33 148	0.32 186

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 207	0.79 224	0.24 159	0.30 151	0.26 154	0.30 145	0.24 148	0.32 153	0.23 150	0.31 157	0.24 150	0.30 157	0.23 146	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

CRFU-Net	0.65 213	1.67 283	1.22 338	1.96 343	0.27 167	0.41 196	0.27 157	0.41 186	0.27 167	0.40 176	0.26 165	0.41 194	0.27 168	0.40 185	0.27 159	1.80 357	1.62 359	0.34 171	0.23 150	0.33 148	0.23 133

FENet	0.54 205	1.52 278	1.19 288	1.41 330	0.23 154	0.35 164	0.23 142	0.35 153	0.23 147	0.34 157	0.23 150	0.35 163	0.23 149	0.35 165	0.23 146	1.40 347	1.07 275	0.32 157	0.23 150	0.33 148	0.23 133

xx1	0.38 159	1.03 206	0.31 159	0.40 161	0.31 188	0.41 196	0.28 162	0.40 174	0.29 172	0.40 176	0.29 175	0.40 185	0.29 177	0.40 185	0.29 169	0.34 163	0.33 175	0.34 171	0.32 199	0.34 152	0.32 186

CASnet	0.35 148	0.51 158	0.44 198	0.32 134	0.31 188	0.24 132	0.34 192	0.36 157	0.25 151	0.31 149	0.37 204	0.30 155	0.33 190	0.25 140	0.45 226	0.37 176	0.37 180	0.33 164	0.35 207	0.34 152	0.37 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 252	1.91 293	0.92 268	4.48 375	0.02 20	0.40 182	0.04 54	0.41 186	0.02 20	0.48 216	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	0.27 154

NINENet	0.69 222	3.87 348	1.20 291	1.98 344	0.05 69	0.40 182	0.04 54	0.40 174	0.05 69	0.41 187	0.04 63	0.41 194	0.05 64	0.40 185	0.05 59	1.79 356	1.56 357	0.34 171	0.22 145	0.34 152	0.23 133

BSDual-CNN	0.81 244	1.91 293	0.92 268	4.48 375	0.02 20	0.42 212	0.06 75	0.41 186	0.02 20	0.48 216	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	0.27 154

hknet	1.10 281	1.85 291	3.49 385	4.48 375	0.02 20	0.42 212	0.06 75	0.41 186	0.02 20	0.48 216	0.03 40	0.41 194	0.03 42	0.42 208	0.03 37	4.39 386	4.19 382	0.33 164	0.23 150	0.34 152	0.27 154

iRaft-Stereo_5w	0.34 144	0.42 137	0.31 159	0.39 149	0.30 184	0.38 175	0.30 171	0.40 174	0.29 172	0.40 176	0.37 204	0.41 194	0.34 193	0.38 175	0.30 176	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

iRaft-Stereo_20w	0.34 144	0.41 130	0.31 159	0.39 149	0.29 176	0.40 182	0.32 176	0.41 186	0.32 187	0.38 167	0.30 183	0.39 179	0.30 181	0.38 175	0.32 180	0.35 169	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 141	0.22 150	0.36 167	0.21 135	0.36 157	0.21 141	0.42 198	0.21 146	0.36 168	0.22 145	0.36 170	0.21 139	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

MLCV	0.31 134	0.35 108	0.27 145	0.35 137	0.28 170	0.35 164	0.27 157	0.35 153	0.28 170	0.36 162	0.27 168	0.35 163	0.27 168	0.35 165	0.27 159	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

DN-CSS_ROB	0.31 134	0.35 108	0.28 148	0.35 137	0.28 170	0.34 162	0.27 157	0.34 152	0.25 151	0.35 159	0.27 168	0.36 168	0.26 161	0.34 164	0.28 163	0.35 169	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

MyStereo07	0.60 210	3.72 342	0.48 212	0.49 190	0.41 226	0.36 167	0.32 176	0.49 217	0.43 226	0.51 231	0.42 226	0.49 227	0.43 220	0.51 234	0.64 258	0.49 224	0.45 205	0.34 171	0.32 199	0.35 163	0.43 219

MyStereo04	0.56 208	3.72 342	0.59 227	0.49 190	0.41 226	0.36 167	0.32 176	0.37 163	0.31 183	0.34 157	0.46 232	0.35 163	0.32 186	0.35 165	0.33 183	0.49 224	0.45 205	0.34 171	0.32 199	0.35 163	0.43 219

HH	0.71 225	2.54 314	0.74 253	1.10 258	0.32 191	0.41 196	0.37 201	0.69 248	0.78 279	0.73 259	0.90 290	0.75 263	1.00 283	0.84 270	0.69 270	0.69 244	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

HanStereo	0.71 225	2.54 314	0.74 253	1.10 258	0.32 191	0.41 196	0.37 201	0.69 248	0.78 279	0.73 259	0.90 290	0.75 263	1.00 283	0.84 270	0.69 270	0.69 244	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

FCDSN-DC	0.41 173	0.59 166	0.64 234	0.54 199	0.33 200	0.50 236	0.37 201	0.42 202	0.40 212	0.61 246	0.43 228	0.50 238	0.49 238	0.38 175	0.32 180	0.28 149	0.23 138	0.26 143	0.22 145	0.35 163	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 148	0.35 108	0.35 176	0.35 137	0.35 208	0.35 164	0.35 194	0.35 153	0.35 198	0.35 159	0.35 200	0.35 163	0.35 195	0.35 165	0.35 196	0.35 169	0.35 176	0.35 181	0.35 207	0.35 163	0.35 194

Any-RAFT	0.32 142	0.36 111	0.27 145	0.36 141	0.27 167	0.36 167	0.27 157	0.36 157	0.27 167	0.36 162	0.27 168	0.36 168	0.27 168	0.36 170	0.28 163	0.36 172	0.28 153	0.36 186	0.28 174	0.36 169	0.28 166

DMCA	0.36 151	0.38 114	0.37 178	0.35 137	0.35 208	0.36 167	0.36 197	0.36 157	0.35 198	0.35 159	0.37 204	0.36 168	0.36 196	0.35 165	0.36 198	0.36 172	0.36 178	0.35 181	0.36 211	0.36 169	0.36 195

Venus	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.37 172	0.38 206	0.37 163	0.37 204	0.41 187	0.37 204	0.39 179	0.37 198	0.38 175	0.38 205	0.37 176	0.38 184	0.38 194	0.37 214	0.37 171	0.38 202

EKT-Stereo	0.37 153	0.40 123	0.44 198	1.07 256	0.29 176	0.34 162	0.31 175	0.36 157	0.29 172	0.38 167	0.31 186	0.37 173	0.30 181	0.36 170	0.29 169	0.34 163	0.28 153	0.39 198	0.30 190	0.37 171	0.30 177

CES	0.39 164	0.47 146	0.36 177	0.36 141	0.37 210	0.45 218	0.35 194	0.35 153	0.40 212	0.36 162	0.44 229	0.47 220	0.36 196	0.44 211	0.36 198	0.37 176	0.39 189	0.44 224	0.35 207	0.37 171	0.36 195

IER	0.88 260	7.04 370	2.23 374	2.75 362	0.28 170	0.43 216	0.25 148	0.39 170	0.25 151	0.41 187	0.27 168	0.39 179	0.25 152	0.40 185	0.28 163	0.37 176	0.28 153	0.37 188	0.25 158	0.37 171	0.25 143

StereoDRNet-Refined	0.33 143	0.39 121	0.26 144	0.39 149	0.26 166	0.40 182	0.26 154	0.40 174	0.26 164	0.39 172	0.26 165	0.39 179	0.26 161	0.39 182	0.26 158	0.37 176	0.25 140	0.37 188	0.25 158	0.37 171	0.37 198
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 153	0.37 112	0.37 178	0.37 144	0.37 210	0.37 172	0.37 201	0.37 163	0.37 204	0.37 166	0.37 204	0.37 173	0.37 198	0.37 174	0.37 204	0.37 176	0.37 180	0.37 188	0.37 214	0.37 171	0.37 198

WAO-8	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 206	0.38 166	0.38 206	0.38 167	0.38 209	0.38 175	0.38 200	0.38 175	0.38 205	0.38 183	0.38 184	0.38 194	0.37 214	0.38 177	0.38 202

WAO-7	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 206	0.38 166	0.38 206	0.38 167	0.38 209	0.38 175	0.38 200	0.38 175	0.38 205	0.38 183	0.38 184	0.38 194	0.38 220	0.38 177	0.38 202

HanzoNet	0.39 164	0.38 114	0.40 185	0.39 149	0.41 226	0.38 175	0.38 206	0.38 166	0.38 206	0.39 172	0.39 213	0.38 175	0.38 200	0.39 182	0.40 211	0.38 183	0.38 184	0.40 202	0.38 220	0.38 177	0.40 206

IMH	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 206	0.38 166	0.38 206	0.42 198	0.38 209	0.40 185	0.38 200	0.38 175	0.38 205	0.38 183	0.38 184	0.39 198	0.38 220	0.38 177	0.38 202

RAFT-Test	0.36 151	0.37 112	0.33 166	0.41 169	0.32 191	0.41 196	0.32 176	0.41 186	0.32 187	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.33 183	0.37 176	0.29 162	0.37 188	0.29 183	0.38 177	0.31 182

RCA-Stereo	0.51 203	3.22 334	0.34 173	0.44 178	0.34 206	0.44 217	0.34 192	0.43 204	0.34 197	0.43 202	0.34 196	0.44 213	0.33 190	0.43 209	0.33 183	0.38 183	0.29 162	0.38 194	0.29 183	0.38 177	0.29 170

GMOStereo	0.37 153	0.45 140	0.23 131	0.30 128	0.37 210	0.41 196	0.36 197	0.41 186	0.35 198	0.43 202	0.36 201	0.41 194	0.40 205	0.41 197	0.36 198	0.34 163	0.22 134	0.47 231	0.37 214	0.39 183	0.33 189

error version	0.93 268	4.47 356	2.35 377	1.99 345	0.37 210	0.41 196	0.36 197	0.41 186	0.35 198	0.43 202	0.36 201	0.41 194	0.40 205	0.41 197	0.36 198	1.87 359	2.16 370	0.47 231	0.37 214	0.39 183	0.33 189

test_1	0.93 268	4.47 356	2.35 377	1.99 345	0.37 210	0.41 196	0.36 197	0.41 186	0.35 198	0.43 202	0.36 201	0.41 194	0.40 205	0.41 197	0.36 198	1.87 359	2.16 370	0.47 231	0.37 214	0.39 183	0.33 189

knoymous	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 205	0.40 185	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

anonymousa	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 205	0.40 185	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

riskmin	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 205	0.40 185	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

Anonymous_2	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 205	0.40 185	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

Anonymous_1	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 205	0.40 185	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206

DGSMNet	0.34 144	0.41 130	0.27 145	0.41 169	0.28 170	0.41 196	0.28 162	0.41 186	0.27 167	0.41 187	0.27 168	0.42 210	0.27 168	0.41 197	0.28 163	0.40 191	0.29 162	0.40 202	0.28 174	0.40 186	0.27 154

Gwc-CoAtRS	0.41 173	1.49 277	0.32 162	0.42 177	0.32 191	0.41 196	0.32 176	0.41 186	0.33 190	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.32 180	0.39 188	0.28 153	0.39 198	0.28 174	0.40 186	0.28 166

AdaStereo	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 212	0.40 174	0.40 212	0.40 176	0.40 214	0.40 185	0.40 205	0.40 185	0.40 211	0.40 191	0.40 191	0.40 202	0.40 223	0.40 186	0.40 206
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
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	0.47 211	0.47 231	0.45 206	0.34 196	0.46 214	0.48 233	0.46 214	0.35 196	0.39 188	0.71 253	0.39 198	0.35 207	0.41 194	0.41 213

GwcNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 215	0.41 197	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

PSMNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 215	0.41 197	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

GANet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 215	0.41 197	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

ADLNet2	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 215	0.41 197	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

ADLNet	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 218	0.41 186	0.41 221	0.41 187	0.41 220	0.41 194	0.41 215	0.41 197	0.41 218	0.41 198	0.41 200	0.41 213	0.41 229	0.41 194	0.41 213

CFNet-RSSM	0.91 263	4.89 362	0.34 173	0.44 178	1.07 307	1.62 360	1.40 366	0.91 266	0.35 198	1.60 354	1.39 365	0.64 251	0.34 193	0.44 211	0.33 183	0.41 198	0.35 176	0.75 267	0.30 190	0.41 194	0.29 170

LL-Strereo2	0.48 197	1.73 288	0.51 220	0.59 205	0.34 206	0.42 212	0.33 183	0.40 174	0.31 183	0.42 198	0.33 190	0.42 210	0.31 185	0.44 211	0.39 210	0.60 237	0.51 225	0.44 224	0.33 204	0.44 201	0.33 189

otaku	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 206	0.46 228	0.46 207	0.46 232	0.46 214	0.46 223	0.46 214	0.46 228	0.46 212	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

Ntro	0.47 192	0.47 146	0.46 202	0.46 180	0.46 236	0.47 224	0.47 232	0.46 206	0.47 231	0.46 207	0.46 232	0.47 220	0.46 223	0.47 218	0.47 232	0.47 217	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

Dean	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 206	0.46 228	0.47 212	0.46 232	0.46 214	0.46 223	0.46 214	0.46 228	0.46 212	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

ACVNet_1	0.46 187	0.47 146	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 206	0.47 231	0.46 207	0.46 232	0.46 214	0.46 223	0.46 214	0.46 228	0.46 212	0.46 207	0.47 231	0.46 236	0.46 202	0.46 222

ACVNet-4b	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 220	0.46 226	0.46 206	0.46 228	0.46 207	0.46 232	0.46 214	0.46 223	0.47 218	0.46 228	0.46 212	0.46 207	0.46 227	0.46 236	0.46 202	0.46 222

Selective-IGEV	0.51 203	0.55 165	0.45 200	0.69 213	0.45 235	0.61 250	0.45 225	0.50 224	0.40 212	0.56 240	0.44 229	0.55 243	0.40 205	0.72 259	0.67 262	0.59 235	0.46 207	0.45 226	0.34 205	0.46 202	0.37 198

HaxPig	0.47 192	0.47 146	0.47 207	0.49 190	0.47 242	0.47 224	0.47 232	0.47 211	0.47 231	0.47 212	0.47 239	0.47 220	0.47 232	0.47 218	0.47 232	0.47 217	0.47 213	0.47 231	0.47 242	0.47 208	0.48 230

UNDER WATER	0.47 192	0.47 146	0.47 207	0.47 185	0.47 242	0.47 224	0.47 232	0.47 211	0.47 231	0.47 212	0.47 239	0.47 220	0.46 223	0.47 218	0.47 232	0.47 217	0.47 213	0.47 231	0.46 236	0.47 208	0.47 227

LVE	0.47 192	0.47 146	0.47 207	0.47 185	0.49 247	0.47 224	0.47 232	0.47 211	0.49 239	0.47 212	0.47 239	0.47 220	0.46 223	0.47 218	0.47 232	0.47 217	0.47 213	0.48 239	0.47 242	0.47 208	0.47 227

RainbowNet	0.48 197	0.48 152	0.48 212	0.48 188	0.48 244	0.48 228	0.48 237	0.48 215	0.48 237	0.48 216	0.48 242	0.48 225	0.48 233	0.48 223	0.48 237	0.48 221	0.48 217	0.48 239	0.48 245	0.48 211	0.48 230

notaker	0.48 197	0.49 153	0.48 212	0.48 188	0.48 244	0.48 228	0.48 237	0.48 215	0.49 239	0.48 216	0.48 242	0.48 225	0.48 233	0.48 223	0.48 237	0.48 221	0.48 217	0.48 239	0.48 245	0.48 211	0.49 233

TorneroNet	0.66 215	0.53 160	0.50 218	0.50 196	0.64 268	1.06 288	0.70 267	0.50 224	0.51 245	0.49 221	0.69 275	0.49 227	0.50 241	0.48 223	1.15 301	0.71 250	0.49 219	1.14 299	1.08 297	0.49 213	0.49 233

ACVNet_2	0.49 200	0.49 153	0.49 216	0.49 190	0.49 247	0.49 230	0.49 240	0.49 217	0.49 239	0.49 221	0.49 246	0.49 227	0.49 238	0.49 229	0.49 240	0.49 224	0.49 219	0.49 242	0.49 247	0.49 213	0.49 233

iRaftStereo_RVC	0.97 272	3.17 333	2.30 376	2.42 357	0.38 215	0.54 241	0.38 206	0.54 230	0.38 206	0.54 236	0.38 209	0.54 240	0.38 200	0.54 237	0.38 205	2.38 373	2.34 374	0.49 242	0.36 211	0.49 213	0.36 195

aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.12 105	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.11 75	0.14 95	0.11 97	0.49 213	0.11 95

KSHMR	0.66 215	0.50 155	0.48 212	1.15 265	0.52 252	0.49 230	0.51 244	0.49 217	0.71 274	0.67 252	0.50 248	1.16 302	1.11 290	0.66 252	0.52 244	0.49 224	0.49 219	0.51 246	0.66 267	0.50 217	1.14 304

SANet	0.50 202	0.50 155	0.50 218	0.50 196	0.50 250	0.50 236	0.50 242	0.50 224	0.50 242	0.50 230	0.50 248	0.50 238	0.50 241	0.50 233	0.50 241	0.50 228	0.50 224	0.50 245	0.50 249	0.50 217	0.50 236

ktn	0.72 228	0.53 160	1.08 279	1.14 263	0.51 251	1.22 348	1.36 360	0.51 228	0.59 254	0.51 231	0.51 251	0.69 256	1.20 301	0.67 254	0.51 243	0.51 229	0.49 219	0.58 251	0.66 267	0.52 219	0.53 239

LL-Strereo	1.01 278	5.06 365	1.63 359	0.70 215	1.43 372	0.56 243	0.46 226	0.57 235	0.50 242	0.57 241	0.50 248	1.58 358	0.49 238	0.59 247	0.50 241	1.64 353	0.52 226	0.51 246	1.37 361	0.52 219	0.45 221

SPstereo	0.47 192	0.38 114	0.51 220	0.56 201	0.31 188	0.67 255	0.44 224	0.55 231	0.31 183	0.61 246	0.44 229	0.46 214	0.52 244	0.67 254	0.42 224	0.48 221	0.40 191	0.47 231	0.36 211	0.53 221	0.33 189

PML	0.46 187	1.36 274	0.29 150	0.58 203	0.30 184	0.57 247	0.29 167	0.57 235	0.29 172	0.57 241	0.29 175	0.57 247	0.29 177	0.56 242	0.29 169	0.52 230	0.30 169	0.53 248	0.31 195	0.53 221	0.30 177

PSMNet_ROB	0.54 205	0.54 163	0.54 223	0.54 199	0.53 255	0.54 241	0.54 246	0.53 229	0.54 251	0.54 236	0.54 255	0.54 240	0.53 246	0.54 237	0.54 246	0.54 232	0.53 228	0.54 249	0.54 250	0.54 223	0.54 240

MyStereo8	0.71 225	3.92 349	0.52 222	0.59 205	0.52 252	0.57 247	0.53 245	0.59 239	0.50 242	0.59 244	0.51 251	0.57 247	0.50 241	0.56 242	0.52 244	0.54 232	0.49 219	0.54 249	0.49 247	0.55 224	0.50 236

CASS	0.57 209	0.89 180	0.56 224	0.57 202	0.56 257	0.56 243	0.56 247	0.56 233	0.53 247	0.57 241	0.57 259	0.59 249	0.48 233	0.56 242	0.57 250	0.55 234	0.56 231	0.47 231	0.56 254	0.62 225	0.56 247
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test-3	0.98 274	4.13 352	1.85 369	1.85 337	0.61 264	0.69 256	0.37 201	0.63 244	0.61 258	0.66 251	0.51 251	0.73 261	0.44 221	0.57 245	0.54 246	1.68 354	1.81 368	0.40 202	0.43 235	0.66 226	0.50 236

DSFCA	0.66 215	0.73 171	0.78 257	0.65 210	0.65 269	0.64 253	0.64 256	0.65 245	0.63 261	0.64 250	0.64 266	0.64 251	0.64 253	0.65 251	0.65 259	0.65 240	0.65 242	0.65 255	0.65 265	0.66 226	0.64 255

MyStereo03	0.84 254	4.93 363	0.68 245	0.90 234	0.74 284	0.56 243	0.46 226	0.55 231	0.52 246	0.74 263	0.56 257	0.56 245	0.46 223	0.81 268	0.54 246	0.59 235	0.52 226	0.75 267	0.68 271	0.68 228	0.65 256

anonymity	0.63 211	0.69 168	0.56 224	0.71 217	0.56 257	0.71 259	0.56 247	0.71 250	0.56 252	0.72 257	0.56 257	0.71 257	0.56 248	0.71 258	0.58 253	0.68 243	0.55 229	0.68 257	0.55 251	0.68 228	0.54 240

LMCR-Stereo	0.65 213	0.63 167	0.65 239	0.65 210	0.65 269	0.66 254	0.63 255	0.58 237	0.65 262	0.63 249	0.64 266	0.65 253	0.65 255	0.66 252	0.66 261	0.66 241	0.64 241	0.65 255	0.67 270	0.68 228	0.73 268

FC-DCNN	1.07 279	1.09 208	0.98 273	0.89 233	0.52 252	1.41 357	0.91 282	1.21 338	1.24 361	1.96 362	2.05 385	1.91 362	1.30 354	1.27 352	1.08 295	0.80 256	0.60 234	0.58 251	0.41 229	0.68 228	0.54 240

DMCA-RVC	0.70 223	0.80 174	0.70 246	0.70 215	0.70 278	0.70 257	0.70 267	0.71 250	0.70 271	0.70 255	0.71 278	0.71 257	0.70 265	0.70 257	0.69 270	0.69 244	0.70 251	0.69 260	0.70 275	0.69 232	0.70 263

4D-IteraStereo	0.78 236	3.13 331	0.89 263	0.69 213	0.32 191	0.40 182	0.32 176	0.76 254	0.97 296	0.52 234	0.65 270	0.89 277	0.32 186	0.76 264	0.98 290	0.83 261	0.94 270	0.35 181	0.27 170	0.70 233	0.89 283

whm_eth	0.63 211	1.48 276	0.47 207	0.71 217	0.48 244	0.71 259	0.48 237	0.71 250	0.48 237	0.71 256	0.48 242	0.71 257	0.48 233	0.72 259	0.48 237	0.71 250	0.47 213	0.71 263	0.47 242	0.71 234	0.47 227

MyStereo06	0.75 231	4.12 350	0.60 228	0.63 208	0.61 264	0.62 251	0.66 259	0.56 233	0.45 227	0.55 238	0.48 242	0.54 240	0.46 223	0.57 245	0.45 226	0.60 237	0.57 232	0.64 253	0.55 251	0.72 235	0.55 244

MyStereo05	0.80 239	4.12 350	0.63 232	0.63 208	0.61 264	0.62 251	0.66 259	0.65 245	0.62 259	0.67 252	0.61 262	0.65 253	0.58 249	0.67 254	0.55 249	0.60 237	0.57 232	0.64 253	0.55 251	0.72 235	0.55 244

MyStereo02	0.85 257	4.58 358	0.64 234	0.76 222	0.65 269	0.75 261	0.61 251	0.60 240	0.53 247	0.80 266	0.64 266	0.78 266	0.66 257	0.55 239	0.57 250	0.70 247	0.66 244	0.68 257	0.62 262	0.72 235	0.59 248

MyStereo	0.85 257	4.58 358	0.64 234	0.76 222	0.65 269	0.75 261	0.61 251	0.60 240	0.53 247	0.80 266	0.64 266	0.78 266	0.66 257	0.55 239	0.57 250	0.70 247	0.66 244	0.68 257	0.62 262	0.72 235	0.59 248

PA-Net	11.80 407	223.51 429	0.62 231	0.59 205	0.71 279	0.59 249	0.73 270	0.67 247	0.73 276	0.55 238	0.61 262	0.60 250	0.74 269	0.63 250	0.73 274	0.66 241	0.60 234	0.69 260	0.66 267	0.72 235	0.65 256
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 254	2.85 328	0.72 250	0.72 219	0.73 282	0.77 264	0.79 274	0.73 253	0.74 278	0.73 259	0.72 280	0.73 261	0.76 271	0.73 261	0.73 274	0.72 252	0.73 254	0.73 265	0.72 278	0.73 240	0.72 266

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

ARAFT	0.68 220	0.81 177	0.63 232	0.74 220	0.60 259	0.78 266	0.62 254	0.77 255	0.66 264	0.74 263	0.63 264	0.75 263	0.62 252	0.83 269	0.60 255	0.70 247	0.55 229	0.70 262	0.60 259	0.78 242	0.55 244

AFF-stereo	0.73 229	0.88 179	0.67 242	0.75 221	0.68 277	0.75 261	0.64 256	0.80 257	0.72 275	0.83 271	0.70 276	0.82 273	0.64 253	0.84 270	0.67 262	0.77 254	0.63 239	0.81 276	0.63 264	0.78 242	0.62 253

Selective-RAFT-Error	0.88 260	0.84 178	0.98 273	0.86 232	0.97 301	0.88 273	0.95 287	0.84 261	0.99 298	0.92 276	0.82 288	0.84 274	0.98 282	0.87 273	0.97 289	0.81 259	0.83 264	0.79 272	0.82 286	0.79 244	0.85 280

psmorigin	0.41 173	0.46 142	0.33 166	0.49 190	0.33 200	0.49 230	0.33 183	0.49 217	0.33 190	0.49 221	0.33 190	0.49 227	0.33 190	0.51 234	0.33 183	0.41 198	0.30 169	0.41 213	0.30 190	0.79 244	0.29 170

G-Net	0.79 237	0.79 173	0.79 259	0.79 224	0.79 287	0.79 267	0.79 274	0.79 256	0.79 282	0.79 265	0.79 285	0.79 269	0.79 273	0.79 265	0.79 277	0.79 255	0.79 258	0.79 272	0.79 282	0.79 244	0.79 274

AEACV	1.12 284	0.52 159	3.12 383	3.24 368	0.86 291	0.53 240	0.49 240	0.60 240	0.47 231	0.53 235	0.49 246	0.55 243	0.45 222	0.55 239	0.47 232	3.01 378	3.88 380	0.71 263	0.60 259	0.80 247	0.48 230

NaN_ROB	0.80 239	0.80 174	0.80 260	0.80 226	0.80 289	0.80 268	0.80 276	0.80 257	0.80 283	0.80 266	0.80 286	0.80 270	0.80 274	0.80 266	0.80 279	0.80 256	0.80 261	0.80 274	0.80 283	0.80 247	0.80 275

CSAN	0.80 239	0.80 174	0.80 260	0.80 226	0.80 289	0.80 268	0.80 276	0.80 257	0.80 283	0.80 266	0.80 286	0.80 270	0.80 274	0.80 266	0.80 279	0.80 256	0.80 261	0.80 274	0.80 283	0.80 247	0.80 275

Selective-RAFT	0.89 262	0.89 180	0.72 250	1.16 270	0.78 286	1.06 288	0.82 278	0.87 262	0.97 296	1.00 283	0.91 292	0.90 278	1.00 283	0.89 276	0.93 288	0.83 261	0.83 264	0.82 278	0.82 286	0.81 250	0.82 278

DCRE	0.84 254	1.89 292	0.77 256	0.94 242	0.72 281	0.88 273	0.73 270	0.87 262	0.78 279	0.90 273	0.71 278	0.88 275	0.67 261	0.88 274	0.73 274	0.81 259	0.68 246	0.81 276	0.70 275	0.82 251	0.70 263

UDG	0.80 239	2.21 308	0.60 228	0.91 237	0.60 259	0.90 276	0.58 249	0.88 264	0.60 255	0.90 273	0.60 260	0.88 275	0.60 251	0.90 277	0.58 253	0.86 264	0.60 234	0.84 279	0.59 258	0.84 252	0.61 251

DDUNet	0.81 244	2.45 312	0.57 226	0.90 234	0.60 259	0.88 273	0.59 250	0.90 265	0.60 255	0.88 272	0.60 260	0.90 278	0.58 249	0.88 274	0.60 255	0.84 263	0.60 234	0.86 281	0.57 255	0.86 253	0.60 250

UNet	0.29 130	0.90 182	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 266	0.69 269	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 254	0.76 273

ToySt	0.92 264	2.11 302	0.90 265	0.95 244	0.79 287	0.99 283	0.78 273	0.94 273	0.81 286	0.94 280	0.78 284	0.95 284	0.77 272	0.94 281	0.86 282	0.91 267	0.79 258	0.85 280	0.77 280	0.89 255	0.73 268

ff7	1.68 343	2.68 318	1.35 346	0.97 247	0.89 292	1.84 361	2.15 378	2.12 360	1.80 378	2.05 366	1.56 368	2.33 371	2.12 372	2.23 368	2.25 381	1.31 340	1.07 275	1.48 363	1.41 363	0.90 256	1.04 295

ffff	1.68 343	2.68 318	1.35 346	0.97 247	0.89 292	1.84 361	2.15 378	2.12 360	1.80 378	2.05 366	1.56 368	2.33 371	2.12 372	2.23 368	2.25 381	1.31 340	1.07 275	1.48 363	1.41 363	0.90 256	1.04 295

ccc-4	1.68 343	2.68 318	1.35 346	0.97 247	0.89 292	1.84 361	2.15 378	2.12 360	1.80 378	2.05 366	1.56 368	2.33 371	2.12 372	2.23 368	2.25 381	1.31 340	1.07 275	1.48 363	1.41 363	0.90 256	1.04 295

STTRV1_RVC	0.82 248	1.60 281	0.70 246	1.01 253	0.60 259	1.07 291	0.69 266	1.01 279	0.60 255	0.72 257	0.55 256	1.02 290	0.68 262	1.03 290	0.67 262	0.89 266	0.63 239	0.92 285	0.57 255	0.90 256	0.65 256

pmcnn	0.92 264	0.92 188	0.92 268	0.92 240	0.92 297	0.92 278	0.92 283	0.92 269	0.92 292	0.92 276	0.92 295	0.92 280	0.92 279	0.92 280	0.92 284	0.92 268	0.92 268	0.92 285	0.92 289	0.92 260	0.92 285

DPSM_ROB	0.92 264	0.91 183	0.91 266	0.91 237	0.92 297	0.92 278	0.92 283	0.92 269	0.91 288	0.93 278	0.91 292	0.92 280	0.90 277	0.91 278	0.92 284	0.92 268	0.91 266	0.91 283	0.92 289	0.93 261	0.93 286

DPSM	0.92 264	0.91 183	0.91 266	0.91 237	0.92 297	0.92 278	0.92 283	0.92 269	0.91 288	0.93 278	0.91 292	0.92 280	0.90 277	0.91 278	0.92 284	0.92 268	0.91 266	0.91 283	0.92 289	0.93 261	0.93 286

R-Stereo Train	0.81 244	0.96 191	0.67 242	0.95 244	0.67 275	0.95 281	0.68 263	0.95 274	0.68 266	0.95 281	0.68 273	0.96 285	0.68 262	0.96 285	0.68 266	0.94 272	0.68 246	0.94 287	0.68 271	0.94 263	0.68 261

RAFT-Stereo	0.81 244	0.96 191	0.67 242	0.95 244	0.67 275	0.95 281	0.68 263	0.95 274	0.68 266	0.95 281	0.68 273	0.96 285	0.68 262	0.96 285	0.68 266	0.94 272	0.68 246	0.94 287	0.68 271	0.94 263	0.68 261
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 268	1.00 196	0.92 268	0.94 242	0.96 300	0.91 277	0.92 283	0.91 266	0.96 295	0.91 275	0.96 296	0.93 283	0.92 279	0.94 281	0.92 284	0.92 268	0.92 268	0.90 282	0.92 289	0.94 263	0.91 284

GANet	1.00 275	1.00 196	1.00 275	1.00 250	1.00 302	1.00 284	1.00 290	1.00 276	1.00 299	1.00 283	1.00 297	1.00 287	1.00 283	1.00 287	1.00 292	1.00 274	1.00 271	1.00 293	1.00 293	1.00 266	1.00 292

TDLM	1.00 275	1.00 196	1.00 275	1.00 250	1.00 302	1.00 284	1.00 290	1.00 276	1.00 299	1.00 283	1.00 297	1.00 287	1.00 283	1.00 287	1.00 292	1.00 274	1.00 271	1.00 293	1.00 293	1.00 266	1.00 292

CVANet_RVC	1.00 275	1.00 196	1.00 275	1.00 250	1.00 302	1.00 284	1.00 290	1.00 276	1.00 299	1.00 283	1.00 297	1.00 287	1.00 283	1.00 287	1.00 292	1.00 274	1.00 271	1.00 293	1.00 293	1.00 266	1.00 292

GLC_STEREO	1.07 279	1.01 201	1.06 278	1.07 256	1.05 306	1.06 288	1.08 295	1.08 281	1.05 303	1.07 288	1.06 300	1.08 292	1.05 289	1.06 292	1.10 296	1.07 278	1.09 281	1.05 297	1.05 296	1.06 269	1.12 300

DPSimNet_ROB	0.97 272	1.18 218	0.81 262	1.10 258	0.91 296	1.02 287	0.82 278	1.04 280	0.91 288	1.03 287	0.86 289	1.28 353	0.82 276	1.03 290	0.89 283	1.17 289	0.81 263	1.02 296	0.82 286	1.08 270	0.81 277

MSMD_ROB	1.19 285	1.10 211	0.70 246	1.10 258	0.60 259	1.10 294	0.70 267	1.10 283	0.70 271	1.10 290	0.70 276	1.10 296	0.70 265	7.00 407	0.70 273	1.10 281	0.70 251	1.10 298	0.70 275	1.10 271	0.70 263

edge stereo	2.43 370	27.07 412	1.14 282	1.06 255	1.14 308	1.08 292	1.17 303	1.16 286	1.14 304	1.10 290	1.16 304	1.09 294	1.16 298	1.10 296	1.16 304	1.10 281	1.11 285	1.16 301	1.19 305	1.13 272	1.11 298

RGC	2.36 364	25.48 406	1.19 288	1.15 265	1.15 309	1.10 294	1.16 302	1.17 287	1.16 306	1.12 295	1.16 304	1.11 299	1.13 291	1.09 294	1.18 306	1.10 281	1.15 289	1.16 301	1.12 299	1.14 273	1.12 300

UPFNet	0.42 181	1.20 220	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 290	0.90 287	0.25 135	0.17 130	0.24 136	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.22 130	0.16 124	1.15 274	0.93 286

stereogan	2.33 362	24.38 403	1.18 287	1.18 272	1.18 316	1.14 299	1.18 304	1.19 290	1.19 312	1.14 297	1.18 308	1.14 301	1.18 299	1.14 300	1.18 306	1.14 288	1.14 288	1.19 308	1.19 305	1.15 274	1.19 308

AF-Net	2.37 367	25.71 408	1.17 285	1.13 262	1.15 309	1.15 300	1.18 304	1.19 290	1.16 306	1.10 290	1.15 301	1.10 296	1.18 299	1.12 299	1.15 301	1.10 281	1.10 284	1.17 305	1.15 301	1.16 276	1.12 300

RP	2.33 362	25.00 405	1.13 281	1.15 265	1.15 309	1.10 294	1.15 300	1.15 284	1.15 305	1.12 295	1.15 301	1.09 294	1.13 291	1.10 296	1.15 301	1.11 286	1.09 281	1.16 301	1.12 299	1.16 276	1.17 306

Nwc_Net	2.37 367	25.95 409	1.15 284	1.14 263	1.15 309	1.08 292	1.14 299	1.17 287	1.16 306	1.14 297	1.15 301	1.08 292	1.15 294	1.11 298	1.14 300	1.10 281	1.11 285	1.16 301	1.09 298	1.16 276	1.15 305

Abc-Net	2.32 361	24.75 404	1.14 282	1.17 271	1.17 314	1.11 297	1.15 300	1.17 287	1.21 358	1.08 289	1.16 304	1.12 300	1.14 293	1.09 294	1.17 305	1.09 279	1.16 290	1.17 305	1.17 304	1.16 276	1.11 298
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 271	1.17 216	0.78 257	1.18 272	0.71 279	1.16 301	0.75 272	1.09 282	0.80 283	1.10 290	0.75 283	1.17 303	0.74 269	1.17 302	0.80 279	1.13 287	0.73 254	1.17 305	0.77 280	1.16 276	0.72 266
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 364	25.52 407	1.17 285	1.15 265	1.17 314	1.11 297	1.11 296	1.15 284	1.16 306	1.10 290	1.16 304	1.10 296	1.15 294	1.14 300	1.13 299	1.09 279	1.11 285	1.15 300	1.16 303	1.17 281	1.17 306

delet	0.43 182	1.21 266	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 342	0.95 294	0.25 135	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.22 130	0.16 124	1.18 282	0.98 289

psm_up	0.43 182	1.19 219	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 342	0.91 288	0.26 142	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.23 134	0.16 124	1.18 282	0.99 290

HBP-ISP	1.24 332	1.72 284	1.65 360	1.15 265	0.76 285	1.40 356	0.88 280	1.67 355	1.02 302	1.69 359	1.38 364	1.69 360	1.21 347	1.87 359	1.21 353	1.05 277	0.79 258	0.97 291	0.80 283	1.19 284	0.75 272

DisPM	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

CrosDoStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PFNet+	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

LCNet	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

HHNet	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Patchmatch Stereo++	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309
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	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

STrans-v2	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

TransformOpticalFlow	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

OMP-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

IIG-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

NF-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

OCTAStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PSM-softLoss	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

KMStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

NRIStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PSM-adaLoss	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PSM-AAD	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

FTStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

ROB_FTStereo_v2	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

ROB_FTStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Consistency-Raft	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

KYRaft	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

HUI-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

ASMatch	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DeepStereo_LL	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DEmStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

SST-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

THIR-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT_R40	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DRaft	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

PFNet	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

GrayStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RE-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Pruner-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

TVStereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

DeepStereo_RVC	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT-RH_RVC	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

IRAFT_RVC	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT-345	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

iRAFT	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

CRE-IMP	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

GMM-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

RAFT-IKP	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

Prome-Stereo	1.20 286	1.20 220	1.20 291	1.20 274	1.20 317	1.20 302	1.20 306	1.20 293	1.20 313	1.20 300	1.20 309	1.20 305	1.20 301	1.20 304	1.20 308	1.20 291	1.20 294	1.20 309	1.20 308	1.20 285	1.20 309

MMNet	0.44 185	1.24 268	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 342	0.93 293	0.25 135	0.17 130	0.25 139	0.18 133	0.25 140	0.17 126	0.23 134	0.16 113	0.23 134	0.16 124	1.20 285	0.99 290

FAT-Stereo	2.46 371	26.05 410	1.23 340	1.23 321	1.22 364	1.20 302	1.24 354	1.23 341	1.23 360	1.19 299	1.22 355	1.21 350	1.24 349	1.20 304	1.24 355	1.21 336	1.17 292	1.22 355	1.25 355	1.20 285	1.24 357

CroCo-Stereo	0.73 229	1.22 267	0.25 139	1.22 319	0.25 160	1.22 348	0.25 148	1.22 339	0.25 151	1.22 346	0.25 160	1.22 351	0.25 152	1.22 350	0.25 153	1.22 337	0.26 143	1.21 354	0.25 158	1.22 332	0.25 143
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
S-Stereo	2.51 372	26.86 411	1.23 340	1.22 319	1.22 364	1.24 350	1.25 355	1.22 339	1.24 361	1.21 345	1.24 357	1.19 304	1.27 351	1.19 303	1.24 355	1.19 290	1.20 294	1.25 356	1.19 305	1.24 333	1.23 356

CroCo-Stereo Lap2	0.77 233	1.29 269	0.29 150	1.27 322	0.29 176	1.27 351	0.26 154	1.26 342	0.26 164	1.26 347	0.26 165	1.27 352	0.26 161	1.26 351	0.27 159	1.27 339	0.27 148	1.27 357	0.27 170	1.27 334	0.27 154

test_xeample3	1.10 281	1.81 289	0.61 230	0.84 230	0.49 247	0.77 264	0.66 259	0.92 269	1.40 370	0.68 254	0.46 232	0.78 266	0.54 247	1.72 358	1.48 366	1.34 343	1.52 356	1.35 359	1.67 374	1.33 335	1.55 370

MaskLacGwcNet_RVC	1.35 335	1.35 273	1.35 346	1.35 326	1.35 366	1.35 353	1.35 359	1.36 347	1.35 366	1.36 350	1.35 361	1.36 354	1.36 356	1.36 353	1.35 360	1.35 344	1.35 348	1.35 359	1.35 358	1.35 336	1.35 363

PS-NSSS	1.38 338	1.39 275	1.34 344	1.34 325	1.35 366	1.38 355	1.37 365	1.35 346	1.38 369	1.34 348	1.34 360	1.39 356	1.38 358	1.70 357	1.40 363	1.36 346	1.36 349	1.36 361	1.37 361	1.37 337	1.36 364

CC-Net-ROB	1.36 336	1.33 272	1.33 343	1.36 327	1.38 369	1.36 354	1.33 357	1.37 348	1.34 364	1.35 349	1.36 362	1.38 355	1.34 355	1.38 354	1.38 362	1.35 344	1.38 351	1.33 358	1.35 358	1.43 338	1.34 362

11t	1.27 334	2.70 321	1.34 344	1.32 324	0.89 292	1.30 352	1.34 358	1.64 352	0.57 253	1.45 352	0.72 280	1.05 291	1.29 353	1.07 293	1.29 358	1.49 348	1.02 274	0.97 291	1.15 301	1.48 339	1.31 360

IGEVStereo-DCA	1.77 347	4.21 353	1.84 367	2.49 359	2.11 385	2.54 376	1.36 360	1.65 353	1.17 310	2.75 378	1.90 379	2.54 377	1.15 294	0.94 281	1.11 297	1.50 349	1.32 342	0.96 289	1.46 368	1.49 340	0.88 281

rrr	1.77 347	4.21 353	1.84 367	2.49 359	2.11 385	2.54 376	1.36 360	1.65 353	1.17 310	2.75 378	1.90 379	2.54 377	1.15 294	0.94 281	1.11 297	1.50 349	1.32 342	0.96 289	1.46 368	1.49 340	0.88 281

CFNet-ft	0.55 207	1.57 279	0.14 97	0.20 100	0.14 119	0.20 115	2.53 383	1.61 351	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	1.56 342	1.24 357

DPSMNet_ROB	1.60 342	1.59 280	1.70 362	1.59 332	1.59 374	1.61 359	1.61 370	1.60 350	1.60 373	1.62 358	1.59 371	1.60 359	1.60 363	1.60 356	1.59 368	1.59 352	1.60 358	1.59 366	1.59 371	1.59 343	1.59 371

RASNet	1.49 339	1.65 282	1.45 355	1.38 329	1.43 372	1.47 358	1.36 360	1.38 349	1.36 367	1.39 351	1.60 372	1.45 357	1.45 360	1.51 355	2.21 380	1.53 351	1.36 349	1.36 361	1.36 360	1.66 344	1.36 364

RAFT_CTSACE	1.92 351	3.71 341	1.72 364	1.88 338	1.72 378	2.04 367	1.42 368	2.18 364	1.89 384	2.02 365	1.97 381	1.95 363	2.06 371	1.93 361	1.62 369	1.76 355	1.66 362	2.02 371	1.73 380	1.73 345	1.43 369

cf-r	0.66 215	2.17 307	0.12 78	0.18 96	0.12 115	0.18 110	2.70 386	2.60 373	0.12 115	0.18 111	0.12 105	0.18 112	0.12 111	0.18 111	0.12 103	0.15 97	0.11 75	0.15 105	0.11 97	1.81 346	1.74 378

MFMNet_re	1.81 349	1.91 293	1.71 363	1.95 342	1.70 377	1.95 365	1.70 373	1.96 358	1.74 376	1.97 363	1.72 375	1.95 363	1.71 366	1.97 362	1.71 374	1.86 358	1.62 359	1.85 367	1.66 373	1.86 347	1.64 372

GANetREF_RVC	1.55 340	1.94 299	1.22 338	1.88 338	1.21 363	1.88 364	1.22 352	1.88 356	1.22 359	1.88 360	1.22 355	1.88 361	1.22 348	1.89 360	1.22 354	1.87 359	1.22 341	1.88 368	1.22 354	1.88 348	1.22 355
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
SPS-STEREO	1.59 341	1.91 293	1.21 337	1.94 341	1.20 317	2.00 366	1.23 353	1.99 359	1.24 361	2.00 364	1.25 358	2.03 365	1.26 350	2.00 363	1.29 358	1.90 362	1.18 293	1.89 369	1.21 353	1.89 349	1.20 309
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 346	2.96 329	1.37 351	2.14 347	1.37 368	2.14 368	1.36 360	2.14 363	1.37 368	2.14 369	1.37 363	2.14 366	1.37 357	2.14 367	1.37 361	1.97 363	1.32 342	1.97 370	1.32 357	1.98 350	1.33 361

TRStereo	2.00 352	2.13 303	1.85 369	2.27 352	1.84 380	2.28 370	1.84 375	2.29 366	1.86 381	2.30 371	1.87 376	2.30 368	1.87 368	2.08 364	1.72 376	2.08 367	1.72 364	2.08 372	1.72 377	2.08 351	1.72 375

XX-Stereo	2.00 352	2.13 303	1.85 369	2.27 352	1.84 380	2.28 370	1.84 375	2.29 366	1.86 381	2.30 371	1.87 376	2.30 368	1.87 368	2.08 364	1.72 376	2.08 367	1.72 364	2.08 372	1.72 377	2.08 351	1.72 375

EAI-Stereo	2.00 352	2.13 303	1.85 369	2.27 352	1.84 380	2.28 370	1.84 375	2.29 366	1.86 381	2.30 371	1.87 376	2.30 368	1.87 368	2.08 364	1.72 376	2.08 367	1.72 364	2.08 372	1.72 377	2.08 351	1.72 375

GANet-RSSM	0.75 231	1.91 293	0.14 97	0.47 185	0.14 119	0.21 123	3.21 391	2.30 370	0.14 119	0.46 207	0.14 120	0.23 132	0.18 133	0.21 126	0.14 112	0.18 116	0.27 148	0.37 188	0.13 118	2.13 354	2.12 380

NCCL2	2.28 360	2.27 309	2.28 375	2.28 355	2.28 387	2.27 369	2.29 381	2.28 365	2.28 385	2.27 370	2.28 386	2.28 367	2.27 375	2.27 371	2.28 385	2.28 370	2.28 373	2.27 375	2.29 385	2.27 355	2.29 381

ccnet	0.80 239	2.28 310	0.33 166	0.50 196	0.33 200	0.50 236	0.33 183	0.50 224	0.33 190	0.49 221	0.33 190	0.49 227	1.56 362	2.38 373	0.33 183	0.41 198	0.29 162	0.42 222	1.57 370	2.28 356	0.29 170

STTStereo	3.73 387	30.40 416	2.37 379	2.39 356	2.31 389	2.35 373	2.33 382	2.29 366	2.42 386	2.32 374	2.34 387	2.33 371	2.36 376	2.30 372	2.27 384	2.35 372	2.22 372	2.31 376	2.22 382	2.29 357	2.34 385

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

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

GES	0.66 215	2.34 311	0.29 150	0.41 169	0.29 176	0.41 196	0.29 167	0.42 202	0.29 172	0.40 176	0.41 220	0.41 194	0.30 181	0.51 234	0.29 169	0.32 159	0.29 162	0.32 157	2.46 387	2.49 360	0.30 177

PSMNet-RSSM	0.77 233	2.76 323	0.14 97	0.20 100	0.14 119	0.20 115	2.66 384	2.79 377	0.14 119	0.21 124	0.14 120	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 361	2.31 382

GwcNet-RSSM	0.77 233	2.77 325	0.14 97	0.20 100	0.14 119	0.20 115	2.67 385	2.78 376	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.21 126	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 361	2.31 382

hitnet-ft	0.79 237	2.78 326	0.14 97	0.20 100	0.14 119	0.21 123	2.89 387	2.80 378	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.54 363	2.33 384

PDISCO_ROB	0.83 252	2.80 327	3.49 385	0.14 74	0.11 103	0.17 108	0.09 80	0.15 106	0.10 86	0.15 101	0.12 105	0.16 106	0.14 117	3.30 384	0.13 109	0.14 90	2.34 374	0.16 106	0.12 110	2.62 364	0.10 83

sCroCo_RVC	2.10 356	2.76 323	1.92 373	2.78 364	1.39 370	2.73 378	1.41 367	2.73 374	1.40 370	2.77 380	1.41 367	2.74 379	1.40 359	2.74 379	1.40 363	2.72 375	1.42 353	2.72 379	1.44 367	2.79 365	1.42 368

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	2.88 379	2.86 390	1.89 361	2.67 388	2.79 381	2.79 380	2.78 380	2.83 386	2.82 377	2.82 376	2.83 381	2.77 388	2.83 366	2.76 389
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
test croco	1.88 350	3.16 332	0.64 234	3.10 366	0.65 269	3.10 382	0.64 256	3.12 381	0.65 262	3.10 382	0.65 270	3.11 382	0.65 255	3.12 381	0.65 259	3.12 379	0.65 242	3.13 382	0.65 265	3.13 367	0.65 256

Anonymous	2.11 357	2.74 322	1.41 354	2.77 363	1.40 371	2.74 379	1.46 369	2.75 375	1.50 372	2.87 381	1.39 365	2.74 379	1.46 361	2.72 378	1.41 365	2.72 375	1.41 352	2.81 380	1.41 363	3.16 368	1.39 367

MIF-Stereo	2.03 355	3.43 337	0.72 250	3.42 370	0.73 282	3.27 385	0.68 263	3.38 385	0.69 269	3.29 385	0.72 280	3.28 385	0.70 265	3.35 386	0.68 266	3.39 381	0.68 246	3.31 384	0.69 274	3.37 369	0.73 268

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

SA	4.33 389	7.35 372	6.85 400	5.96 385	4.09 399	3.59 387	3.15 390	3.82 389	2.64 387	3.91 387	3.85 394	3.57 386	2.72 379	3.13 382	4.03 395	7.09 403	6.86 396	3.57 386	3.12 389	3.85 371	3.51 392

ssnet_v2	0.68 220	1.96 300	1.25 342	0.29 127	0.20 143	0.30 151	0.20 129	0.29 143	0.22 142	1.50 353	0.20 141	0.31 157	0.20 140	0.27 151	0.22 141	0.24 139	1.49 355	0.26 143	0.18 139	3.90 372	0.19 126

TestStereo1	4.60 391	8.41 379	6.44 397	6.86 390	3.79 396	3.97 390	3.78 395	3.99 391	3.74 394	3.97 388	3.52 391	3.94 390	3.58 381	3.98 390	3.72 391	6.82 400	6.50 394	3.76 389	3.66 392	3.90 372	3.74 396

SA-5K	4.60 391	8.41 379	6.44 397	6.86 390	3.79 396	3.97 390	3.78 395	3.99 391	3.74 394	3.97 388	3.52 391	3.94 390	3.58 381	3.98 390	3.72 391	6.82 400	6.50 394	3.76 389	3.66 392	3.90 372	3.74 396

test_4	4.88 397	8.13 377	6.98 401	7.46 393	4.44 401	4.25 393	3.85 397	4.04 393	3.92 397	4.13 390	3.91 395	4.18 393	3.84 386	4.14 392	4.06 396	7.01 402	7.13 397	4.53 393	3.72 395	4.09 375	3.72 394

test_3	5.01 399	8.86 382	7.77 403	8.09 394	2.76 391	4.13 392	4.05 399	3.88 390	3.76 396	4.33 392	4.13 398	3.71 388	3.91 387	4.21 393	4.06 396	7.93 404	7.69 399	4.53 393	3.91 397	4.17 376	4.29 401

RAFT+CT+SA	4.28 388	7.62 375	4.91 390	5.55 382	2.28 387	3.09 381	3.64 393	4.49 395	3.07 391	4.80 395	3.35 390	4.77 398	3.70 384	4.29 394	3.05 387	5.58 392	5.98 391	3.58 387	3.78 396	4.26 377	3.72 394

test_5	4.62 394	7.55 374	6.23 395	6.32 387	3.40 393	5.29 400	3.50 392	3.53 387	4.11 399	4.28 391	4.47 401	4.26 394	4.38 392	3.68 388	3.24 388	5.89 394	5.60 388	4.84 396	3.50 390	4.33 378	3.93 399

Sa-1000	4.34 390	8.37 378	6.84 399	6.98 392	4.45 402	3.58 386	3.00 388	3.42 386	3.39 392	2.61 377	4.00 397	3.83 389	4.01 390	3.90 389	3.90 393	5.98 396	5.62 389	3.76 389	2.34 386	4.35 379	2.47 388

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

sAnonymous2	3.31 384	2.63 316	1.38 352	3.71 373	1.86 383	4.70 396	1.11 296	4.82 398	2.72 388	5.45 400	1.98 383	4.59 396	2.64 377	2.65 376	6.21 402	4.37 384	1.08 279	5.16 398	2.24 383	4.52 381	2.39 386

CroCo_RVC	3.31 384	2.63 316	1.38 352	3.71 373	1.86 383	4.70 396	1.11 296	4.82 398	2.72 388	5.45 400	1.98 383	4.59 396	2.64 377	2.65 376	6.21 402	4.37 384	1.08 279	5.16 398	2.24 383	4.52 381	2.39 386

CFNet	1.37 337	5.27 366	0.19 123	5.49 381	0.19 142	0.28 147	0.19 127	0.28 140	0.19 137	0.28 144	0.19 139	0.28 149	4.35 391	0.28 153	0.19 135	0.23 134	0.17 125	0.23 134	4.21 401	4.81 383	0.17 122

raft_robust	4.71 395	7.75 376	5.40 394	6.81 389	3.31 392	4.28 394	4.20 400	4.32 394	4.37 402	4.35 393	4.35 400	4.14 392	3.75 385	4.30 395	4.20 398	6.67 399	6.37 392	3.36 385	4.24 402	4.86 384	3.25 390

Anonymous3	2.55 373	3.26 335	1.65 360	3.28 369	1.63 375	3.24 384	1.68 371	3.27 383	1.66 374	3.28 384	1.67 373	3.25 384	1.66 364	3.27 383	1.64 370	3.26 380	1.65 361	3.30 383	1.65 372	4.95 385	1.65 374

TestStereo	4.88 397	4.75 360	4.79 389	4.87 379	4.92 403	4.81 399	4.90 402	4.78 397	4.77 403	4.87 396	4.89 402	4.90 399	4.91 394	4.99 398	4.79 400	4.98 388	4.87 386	4.87 397	4.92 403	5.00 386	5.00 402

DISCO	1.11 283	0.39 121	5.28 392	0.39 149	0.20 143	0.39 181	0.27 157	0.39 170	0.22 142	0.38 167	0.20 141	0.38 175	0.20 140	6.95 406	0.22 141	0.30 156	0.21 131	0.27 147	0.21 143	5.25 387	0.21 129

StereoIM	3.19 383	6.02 369	1.12 280	5.61 383	1.16 313	5.43 401	1.02 293	5.15 400	0.70 271	5.43 399	1.21 354	5.03 401	0.97 281	4.85 397	0.99 291	4.53 387	1.16 290	5.53 400	1.25 355	5.37 388	1.30 359

DispFullNet	4.61 393	4.84 361	3.12 383	5.00 380	3.57 394	4.75 398	3.03 389	7.75 407	4.17 400	4.91 397	3.09 389	6.20 404	3.95 388	6.71 403	3.51 389	5.30 391	3.67 379	5.86 404	3.63 391	5.61 389	3.46 391

StereoVision	3.15 382	5.00 364	0.89 263	4.83 378	1.00 302	3.93 389	1.27 356	6.37 401	1.34 364	5.67 402	1.26 359	5.84 403	1.27 351	5.03 399	1.24 355	5.10 390	1.09 281	4.61 395	0.57 255	5.62 390	1.12 300

SGM-Forest	5.21 401	5.92 368	4.08 388	6.18 386	4.16 400	6.31 403	4.34 401	6.50 402	4.33 401	6.14 404	4.21 399	6.61 407	4.55 393	6.67 402	4.48 399	5.94 395	3.94 381	5.85 403	4.03 400	5.79 391	4.17 400
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 374	3.31 336	0.66 240	3.18 367	0.66 274	3.18 383	0.66 259	3.21 382	0.67 265	3.19 383	0.66 272	3.19 383	0.66 257	3.31 385	0.68 266	5.09 389	1.79 367	8.23 407	1.67 374	6.18 392	1.38 366

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

gwcnet-sp	0.82 248	1.72 284	1.48 356	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 355	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 345	0.32 157	0.16 124	6.75 394	0.23 133

scenet	0.82 248	1.72 284	1.48 356	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 355	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 345	0.32 157	0.16 124	6.75 394	0.23 133

ssnet	0.82 248	1.72 284	1.48 356	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 355	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 345	0.32 157	0.16 124	6.75 394	0.23 133

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

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

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

CFNet_RVC	2.38 369	8.71 381	0.38 180	9.33 398	0.42 234	0.56 243	0.42 223	0.60 240	0.38 206	0.62 248	0.42 226	0.56 245	7.29 402	0.62 248	0.42 224	0.53 231	0.37 180	0.49 242	0.34 205	8.30 400	6.87 406

MSMDNet	2.65 375	10.14 391	0.33 166	9.74 401	0.32 191	0.87 272	0.33 183	2.95 380	0.68 266	0.49 221	0.34 196	0.49 227	5.70 397	0.49 229	0.33 183	0.42 211	9.57 403	0.41 213	0.31 195	8.36 401	0.65 256

SGM+DAISY	7.06 404	9.15 383	5.38 393	8.84 397	5.18 404	8.80 407	5.31 403	8.79 408	5.28 405	8.89 408	5.20 403	8.93 408	5.33 395	8.95 408	5.36 401	8.70 406	5.21 387	8.74 408	5.20 404	8.89 402	5.15 403

pcwnet_v2	2.66 376	9.89 389	0.33 166	9.89 403	0.32 191	0.50 236	0.32 176	0.49 217	0.33 190	0.49 221	0.34 196	0.49 227	8.76 404	0.48 223	0.33 183	0.41 198	9.58 404	0.40 202	0.29 183	9.01 403	0.63 254

ccs_rob	2.79 380	10.17 392	0.32 162	10.00 405	0.33 200	0.49 230	0.33 183	1.90 357	0.32 187	0.51 231	0.33 190	0.49 227	9.24 406	0.49 229	0.33 183	0.41 198	9.82 406	0.41 213	0.28 174	9.34 404	0.29 170

PCWNet_CMD	2.80 381	9.82 388	0.32 162	10.09 406	0.32 191	0.49 230	0.33 183	3.34 384	0.33 190	0.49 221	0.33 190	0.49 227	8.73 403	0.48 223	0.33 183	0.41 198	9.22 402	0.42 222	0.29 183	9.55 405	0.31 182

UCFNet_RVC	2.75 379	10.06 390	0.29 150	10.31 407	0.29 176	0.42 212	0.29 167	0.43 204	0.29 172	0.42 198	0.29 175	0.42 210	9.87 407	0.43 209	0.29 169	0.36 172	9.84 407	0.36 186	0.26 164	9.77 406	0.26 149

CFNet_pseudo	2.67 377	9.36 385	0.32 162	10.99 408	0.33 200	0.85 271	0.33 183	0.49 217	0.33 190	0.49 221	0.32 187	0.49 227	7.26 401	0.49 229	0.33 183	0.41 198	9.62 405	0.41 213	0.29 183	10.03 407	0.29 170

CFNet_ucs	2.73 378	9.64 387	0.33 166	9.92 404	0.32 191	0.49 230	0.33 183	0.49 217	0.33 190	0.49 221	0.33 190	0.49 227	8.98 405	0.48 223	0.33 183	0.41 198	9.96 408	0.40 202	0.29 183	10.12 408	0.54 240

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CBMV	128.50 421	1422.70 434	53.10 425	79.50 426	51.30 426	77.30 425	49.70 424	74.00 425	48.20 423	77.20 426	48.80 425	73.90 426	48.00 423	73.80 426	48.80 425	70.40 426	45.10 426	68.90 426	46.10 426	68.20 423	45.00 426
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 419	87.70 424	41.95 424	113.75 427	65.62 427	75.05 424	55.25 425	75.64 426	45.04 422	71.61 425	41.75 424	72.81 425	44.06 422	68.38 425	44.63 424	101.89 427	59.57 427	107.10 427	61.05 427	104.38 424	59.38 427

MeshStereo	159.24 422	171.00 428	160.68 429	162.58 428	160.59 428	164.01 426	160.35 427	158.51 428	158.56 425	158.34 427	160.12 427	158.56 427	159.92 425	157.26 428	158.94 427	154.38 428	158.36 428	155.75 428	159.13 428	153.67 425	154.07 428
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 423	123.00 425	115.00 426	219.00 429	218.00 430	223.00 428	244.00 429	217.00 429	236.00 427	202.00 429	203.00 428	205.00 429	208.00 426	225.00 429	204.00 428	210.00 429	198.00 429	197.00 429	184.00 429	204.00 426	201.00 429

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

DLCB_ROB	284.23 425	354.61 430	207.27 430	363.24 431	206.46 429	364.72 430	210.41 428	364.72 431	210.41 426	364.81 431	208.64 429	364.81 431	208.64 427	364.72 431	210.41 429	354.70 431	205.53 430	354.70 431	205.53 430	354.70 428	205.53 430

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

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

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

SDNR	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435

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

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

fff	1000028.16 431	29.62 413	29.72 416	32.61 416	30.02 417	35.13 417	31.83 417	32.07 417	10000000.00 432	35.27 419	29.82 417	32.45 417	30.15 416	32.35 417	30.09 416	31.04 417	29.55 418	30.64 417	30.14 417	10000000.00 432	30.77 418

csc	1000028.16 431	29.62 413	29.72 416	32.61 416	30.02 417	35.13 417	31.83 417	32.07 417	10000000.00 432	35.27 419	29.82 417	32.45 417	30.15 416	32.35 417	30.09 416	31.04 417	29.55 418	30.64 417	30.14 417	10000000.00 432	30.77 418

cscssc	1000028.16 431	29.62 413	29.72 416	32.61 416	30.02 417	35.13 417	31.83 417	32.07 417	10000000.00 432	35.27 419	29.82 417	32.45 417	30.15 416	32.35 417	30.09 416	31.04 417	29.55 418	30.64 417	30.14 417	10000000.00 432	30.77 418

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

DIP-Stereo	10000000.00 434	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 434	10000000.00 434	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 432	10000000.00 435	10000000.00 434	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 435	10000000.00 432	10000000.00 435
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