MiddleBurry 数据集：

评估区域：

• dics(Depth Discontinuity Region)：视差不连续区域
• all(All Region)：全部区域
• non-occ（Non-Occlusion Region）：非遮挡区域

评估指标：

• bad ${\delta }_D$： 1 N ∑ ( x , y ) ∈ N { ∣ d e s t ( x , y ) − d g t ( x , y ) ∣ > δ D } \frac{1}{N} \sum_{(x, y)\in N}\{|d_{est}(x, y)-d_{gt}(x, y)|>\delta_{D}\} N1​∑(x,y)∈N​{∣dest​(x,y)−dgt​(x,y)∣>δD​} ：估计值与真实值相差大于 ${\delta }_D$ 的像素的比例，${\delta }_D$ 可以取0.5、1.0、2.0、4.0
• avgerr：$\frac{1}{N}{\sum }_{(x,y)\in N}|d_{est}(x,y)-d_{gt}(x,y)|$ ：平均绝对误差
• rms：$\sqrt{\frac{1}{N}{\sum }_{(x,y)\in N}{\left|d_{est}(x,y)-d_{gt}(x,y)\right|}^2}$ ：均方误差

---

KITTI 2012数据集：

  KITTI 2012 是真实驾驶场景的数据集，其包含194个训练图像对和195个测试图像对，图像分辨率为1226×370。该数据集提供了使用激光雷达获得的稀疏真实视差值。

评估区域：

• all(All Region)：全部区域
• non-occ（Non-Occlusion Region）：非遮挡区域

评估指标：

  若视差$|d_{est}-d_{gt}|<{\delta }_D$，则视为正确估计，阈值${\delta }_D$可为2，3，4，5像素

• Out-Noc: ${\delta }_D$： 1 N n o c ∑ ( x , y ) ∈ N n o c { ∣ d e s t ( x , y ) − d g t ( x , y ) ∣ > δ D } \frac{1}{N_{noc}} \sum_{(x, y)\in N_{noc}}\{|d_{est}(x, y)-d_{gt}(x, y)|>\delta_{D}\} Nnoc​1​∑(x,y)∈Nnoc​​{∣dest​(x,y)−dgt​(x,y)∣>δD​} ：非遮挡区域错误预测像素的比例
• Out-All: ${\delta }_D$： 1 N a l l ∑ ( x , y ) ∈ N a l l { ∣ d e s t ( x , y ) − d g t ( x , y ) ∣ > δ D } \frac{1}{N_{all}} \sum_{(x, y)\in N_{all}}\{|d_{est}(x, y)-d_{gt}(x, y)|>\delta_{D}\} Nall​1​∑(x,y)∈Nall​​{∣dest​(x,y)−dgt​(x,y)∣>δD​}：全部区域错误预测像素的比例
• Avg-Noc: $\frac{1}{N_{noc}}{\sum }_{(x,y)\in N_{noc}}|d_{est}(x,y)-d_{gt}(x,y)|$ ：非遮挡区域的端点误差（EPE-Noc）
• Avg-All: $\frac{1}{N_{all}}{\sum }_{(x,y)\in N_{all}}|d_{est}(x,y)-d_{gt}(x,y)|$ ：全部区域的端点误差（EPE）

---

KITTI 2015数据集：

  KITTI 2015是真实驾驶场景的数据集。KITTI 2015包含200个训练图像对和200个测试图像对，图像分辨率为1242×375，该数据集提供了使用激光雷达获得的稀疏地面真实视差值。

评估图像：

• D1：评估第一帧图像
• D2：评估第二帧图像

评估区域：

• bg(Background Regions)：背景区域
• fg(Foreground Regions)：前景区域
• all(All Region)：全部区域

评估指标：

  若视差或流端点误差$|d_{est}-d_{gt}|<3$px或$\frac{|d_{est}(x,y)-d_{gt}(x,y)|}{d_{gt}}<5\%$则视为正确估计

• D1-bg：对于第一帧图像，背景区域（background regions）预测错误的像素的比例

• D1-fg：对于第一帧图像，前景区域（foreground regions）预测错误的像素的比例

• D1-all：对于第一帧图像，所有区域（all regions）预测错误的像素的比例

• D2-bg：对于第二帧图像，背景区域（background regions）预测错误的像素的比例

• D2-fg：对于第二帧图像，前景区域（foreground regions）预测错误的像素的比例

• D2-all：对于第二帧图像，所有区域（all regions）预测错误的像素的比例

---

Scene Flow数据集：

  Scene Flow是利用软件渲染生成的虚拟立体数据集，包含35454个训练图像对和4370个测试图像对，分辨率为960×540，该数据集提供稠密的视差图真实值。

  若视差或流端点误差$|d_{est}-d_{gt}|<3$px或$\frac{|d_{est}(x,y)-d_{gt}(x,y)|}{d_{gt}}<5\%$ 则视为正确估计

• EPE：$\frac{1}{N}{\sum }_{(x,y)\in N}|d_{est}(x,y)-d_{gt}(x,y)|$ ：全部区域的端点误差（EPE）
• >1px： 1 N a l l ∑ ( x , y ) ∈ N a l l { ∣ d e s t ( x , y ) − d g t ( x , y ) ∣ > 1 } \frac{1}{N_{all}} \sum_{(x, y)\in N_{all}}\{|d_{est}(x, y)-d_{gt}(x, y)|>1\} Nall​1​∑(x,y)∈Nall​​{∣dest​(x,y)−dgt​(x,y)∣>1}：预测误差大于1px的像素的比例
• >2px： 1 N a l l ∑ ( x , y ) ∈ N a l l { ∣ d e s t ( x , y ) − d g t ( x , y ) ∣ > 2 } \frac{1}{N_{all}} \sum_{(x, y)\in N_{all}}\{|d_{est}(x, y)-d_{gt}(x, y)|>2\} Nall​1​∑(x,y)∈Nall​​{∣dest​(x,y)−dgt​(x,y)∣>2}：预测误差大于2px的像素的比例
• >3px： 1 N a l l ∑ ( x , y ) ∈ N a l l { ∣ d e s t ( x , y ) − d g t ( x , y ) ∣ > 3 } \frac{1}{N_{all}} \sum_{(x, y)\in N_{all}}\{|d_{est}(x, y)-d_{gt}(x, y)|>3\} Nall​1​∑(x,y)∈Nall​​{∣dest​(x,y)−dgt​(x,y)∣>3}：预测误差大于3px的像素的比例
• D1：对于第一帧图像，预测正确的像素的比例

ETH3D数据集：

  ETH3D是室内和室外场景中的灰度立体数据集。其包含27个训练图像对与20个测试图像对，该数据集带有稀疏的视差真实值。视差范围在0-64之间。
评估指标：

• bad ${\delta }_D$： 1 N ∑ ( x , y ) ∈ N { ∣ d e s t ( x , y ) − d g t ( x , y ) ∣ > δ D } \frac{1}{N} \sum_{(x, y)\in N}\{|d_{est}(x, y)-d_{gt}(x, y)|>\delta_{D}\} N1​∑(x,y)∈N​{∣dest​(x,y)−dgt​(x,y)∣>δD​} ：估计值与真实值相差大于 ${\delta }_D$ 的像素的比例，${\delta }_D$ 可以取1.0、2.0