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

GCAP-BAT	0.16 47	0.11 82	0.36 136	0.18 12	0.13 162	0.21 100	0.16 58	0.23 16	0.18 11	0.26 119	0.28 115	0.20 84	0.11 18	0.24 89	0.17 124	0.07 22	0.06 83	0.07 21	0.06 33	0.05 1	0.06 28

testlalala	0.15 36	0.10 36	0.36 136	0.19 36	0.12 95	0.23 143	0.16 58	0.26 30	0.19 16	0.24 100	0.19 42	0.14 33	0.11 18	0.16 10	0.13 35	0.07 22	0.05 7	0.07 21	0.06 33	0.05 1	0.05 1

LoS_RVC	0.13 6	0.10 36	0.19 3	0.18 12	0.16 273	0.20 77	0.18 120	0.20 4	0.17 8	0.13 7	0.19 42	0.12 8	0.15 81	0.17 17	0.13 35	0.06 1	0.05 7	0.06 1	0.04 1	0.05 1	0.12 299

DCANet-4	0.19 120	0.10 36	0.52 295	0.19 36	0.09 10	0.19 53	0.18 120	0.36 157	0.39 244	0.29 165	0.30 138	0.17 55	0.22 185	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

fff	0.19 120	0.13 164	0.40 182	0.18 12	0.09 10	0.19 53	0.18 120	0.35 139	0.43 281	0.29 165	0.30 138	0.18 63	0.28 272	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

csc	0.19 120	0.13 164	0.40 182	0.18 12	0.09 10	0.19 53	0.18 120	0.35 139	0.43 281	0.29 165	0.30 138	0.18 63	0.28 272	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

cscssc	0.19 120	0.13 164	0.40 182	0.18 12	0.09 10	0.19 53	0.18 120	0.35 139	0.43 281	0.29 165	0.30 138	0.18 63	0.28 272	0.20 48	0.18 143	0.07 22	0.05 7	0.07 21	0.05 11	0.05 1	0.07 85

UGAM-zero	0.23 196	0.10 36	0.54 301	0.19 36	0.13 162	0.21 100	0.14 20	0.44 230	0.22 48	0.28 138	0.28 115	0.51 357	0.33 318	0.65 338	0.14 59	0.07 22	0.06 83	0.07 21	0.08 136	0.06 8	0.07 85

IGEV-Stereo++	0.11 1	0.08 3	0.15 1	0.19 36	0.11 53	0.14 4	0.10 1	0.22 8	0.18 11	0.10 1	0.13 10	0.10 2	0.11 18	0.14 2	0.11 1	0.06 1	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

Pointernet	0.13 6	0.07 1	0.27 40	0.19 36	0.11 53	0.20 77	0.12 5	0.31 89	0.24 75	0.15 22	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.08 119	0.05 7	0.06 1	0.05 11	0.06 8	0.05 1

AIO-Stereo	0.13 6	0.10 36	0.22 13	0.20 79	0.09 10	0.16 14	0.15 36	0.27 40	0.16 4	0.13 7	0.15 22	0.13 17	0.08 1	0.18 30	0.11 1	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

WCG-NET（raft）	0.14 17	0.09 15	0.23 16	0.17 6	0.08 3	0.19 53	0.16 58	0.23 16	0.26 95	0.18 61	0.19 42	0.20 84	0.12 30	0.21 64	0.12 11	0.06 1	0.06 83	0.06 1	0.05 11	0.06 8	0.05 1

RSM	0.12 2	0.09 15	0.20 6	0.20 79	0.09 10	0.16 14	0.15 36	0.23 16	0.18 11	0.13 7	0.13 10	0.15 41	0.09 4	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

RAFT-Stereo-weight	0.15 36	0.09 15	0.26 32	0.20 79	0.10 28	0.19 53	0.17 85	0.36 157	0.29 137	0.24 100	0.20 58	0.19 77	0.10 10	0.18 30	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

gcap-zeroshot	0.17 61	0.11 82	0.36 136	0.20 79	0.12 95	0.26 193	0.16 58	0.30 81	0.22 48	0.26 119	0.20 58	0.30 213	0.14 69	0.20 48	0.13 35	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

trnet	0.13 6	0.08 3	0.21 8	0.15 2	0.07 1	0.21 100	0.12 5	0.24 26	0.24 75	0.16 39	0.21 69	0.15 41	0.13 54	0.18 30	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.06 8	0.05 1

testlalala2	0.18 82	0.10 36	0.50 280	0.36 405	0.25 391	0.23 143	0.14 20	0.34 119	0.24 75	0.25 108	0.25 97	0.21 95	0.12 30	0.16 10	0.16 96	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

MoCha-V2	0.13 6	0.08 3	0.26 32	0.23 214	0.09 10	0.16 14	0.15 36	0.26 30	0.16 4	0.15 22	0.15 22	0.13 17	0.14 69	0.20 48	0.11 1	0.06 1	0.07 183	0.06 1	0.06 33	0.06 8	0.05 1

MSKI-zero shot	0.17 61	0.09 15	0.43 224	0.20 79	0.11 53	0.21 100	0.15 36	0.32 98	0.21 39	0.23 86	0.24 90	0.23 124	0.10 10	0.31 189	0.13 35	0.07 22	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

SPstereo	0.14 17	0.14 202	0.33 100	0.20 79	0.09 10	0.21 100	0.10 1	0.26 30	0.20 28	0.18 61	0.19 42	0.15 41	0.13 54	0.17 17	0.13 35	0.07 22	0.06 83	0.07 21	0.05 11	0.06 8	0.06 28

RAFT-Test	0.17 61	0.10 36	0.38 163	0.19 36	0.12 95	0.25 175	0.17 85	0.33 112	0.23 63	0.23 86	0.29 126	0.27 173	0.14 69	0.20 48	0.14 59	0.07 22	0.06 83	0.07 21	0.07 67	0.06 8	0.06 28

CAS	0.15 36	0.07 1	0.21 8	0.41 418	0.16 273	0.20 77	0.18 120	0.22 8	0.19 16	0.15 22	0.19 42	0.11 6	0.09 4	0.14 2	0.13 35	0.29 420	0.04 1	0.06 1	0.04 1	0.06 8	0.14 330

LoS	0.14 17	0.08 3	0.27 40	0.16 4	0.09 10	0.22 124	0.14 20	0.26 30	0.26 95	0.15 22	0.18 37	0.18 63	0.13 54	0.22 74	0.14 59	0.08 119	0.06 83	0.06 1	0.04 1	0.06 8	0.06 28
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-IGEV	0.12 2	0.09 15	0.22 13	0.19 36	0.10 28	0.15 6	0.14 20	0.27 40	0.15 2	0.13 7	0.14 20	0.13 17	0.08 1	0.21 64	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

EGLCR-Stereo	0.13 6	0.08 3	0.20 6	0.18 12	0.09 10	0.21 100	0.13 9	0.27 40	0.21 39	0.13 7	0.10 2	0.15 41	0.09 4	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

MC-Stereo	0.14 17	0.09 15	0.25 27	0.21 117	0.09 10	0.18 30	0.16 58	0.23 16	0.19 16	0.18 61	0.23 79	0.16 50	0.13 54	0.22 74	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

RCA-Stereo	0.16 47	0.09 15	0.25 27	0.20 79	0.10 28	0.19 53	0.17 85	0.36 157	0.35 200	0.20 69	0.25 97	0.17 55	0.17 120	0.18 30	0.14 59	0.07 22	0.05 7	0.07 21	0.06 33	0.06 8	0.05 1

ADStereo(finetuned)	0.19 120	0.13 164	0.49 270	0.19 36	0.09 10	0.19 53	0.18 120	0.34 119	0.39 244	0.29 165	0.31 152	0.18 63	0.31 308	0.21 64	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

test-3	0.16 47	0.09 15	0.31 80	0.21 117	0.11 53	0.18 30	0.16 58	0.30 81	0.27 105	0.26 119	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

test_1	0.16 47	0.09 15	0.31 80	0.21 117	0.11 53	0.18 30	0.16 58	0.30 81	0.27 105	0.25 108	0.16 27	0.22 104	0.12 30	0.26 129	0.18 143	0.06 1	0.04 1	0.08 88	0.08 136	0.06 8	0.06 28

TRStereo	0.19 120	0.17 269	0.47 257	0.23 214	0.19 330	0.19 53	0.16 58	0.52 314	0.28 119	0.20 69	0.19 42	0.21 95	0.13 54	0.24 89	0.13 35	0.09 191	0.06 83	0.09 151	0.11 288	0.06 8	0.06 28

STrans-v2	0.24 222	0.13 164	0.54 301	0.21 117	0.12 95	0.23 143	0.21 227	0.47 257	0.28 119	0.31 210	0.42 271	0.36 265	0.35 330	0.62 325	0.23 238	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.06 28

TransformOpticalFlow	0.24 222	0.13 164	0.56 311	0.23 214	0.11 53	0.21 100	0.19 157	0.40 189	0.32 167	0.30 193	0.43 283	0.36 265	0.31 308	0.61 317	0.20 181	0.07 22	0.05 7	0.08 88	0.07 67	0.06 8	0.07 85

ASMatch	0.23 196	0.11 82	0.51 291	0.24 256	0.14 203	0.19 53	0.17 85	0.31 89	0.28 119	0.28 138	0.68 392	0.27 173	0.26 240	0.50 263	0.22 221	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.11 278

DEmStereo	0.26 261	0.09 15	0.47 257	0.19 36	0.12 95	0.30 252	0.25 309	0.28 54	0.36 212	0.36 291	0.58 366	0.25 143	0.48 388	0.53 279	0.44 355	0.07 22	0.06 83	0.08 88	0.08 136	0.06 8	0.07 85

RAFT-RH_RVC	0.25 248	0.11 82	0.45 242	0.21 117	0.12 95	0.25 175	0.14 20	0.27 40	0.27 105	0.38 307	1.15 430	0.23 124	0.17 120	0.57 299	0.24 249	0.07 22	0.05 7	0.10 219	0.07 67	0.06 8	0.07 85

RAFT-345	0.21 151	0.10 36	0.46 249	0.22 171	0.11 53	0.20 77	0.16 58	0.26 30	0.25 86	0.27 128	0.66 388	0.21 95	0.16 95	0.55 286	0.21 203	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.06 28

AnonymousM	0.17 61	0.19 298	0.24 21	0.18 12	0.10 28	0.18 30	0.17 85	0.30 81	0.23 63	0.26 119	0.20 58	0.18 63	0.14 69	0.19 41	0.14 59	0.09 191	0.06 83	0.38 425	0.15 365	0.06 8	0.05 1

cross-raft	0.17 61	0.12 106	0.41 205	0.23 214	0.10 28	0.20 77	0.24 294	0.33 112	0.23 63	0.23 86	0.28 115	0.29 197	0.15 81	0.17 17	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

test-1	0.17 61	0.11 82	0.40 182	0.23 214	0.13 162	0.22 124	0.23 272	0.34 119	0.26 95	0.20 69	0.24 90	0.22 104	0.14 69	0.16 10	0.20 181	0.07 22	0.06 83	0.08 88	0.07 67	0.06 8	0.08 142

CREStereo++_RVC	0.15 36	0.08 3	0.26 32	0.17 6	0.11 53	0.18 30	0.13 9	0.22 8	0.30 148	0.21 78	0.30 138	0.13 17	0.11 18	0.16 10	0.15 75	0.07 22	0.04 1	0.06 1	0.15 365	0.06 8	0.05 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	0.17 61	0.09 15	0.26 32	0.18 12	0.07 1	0.32 275	0.19 157	0.37 165	0.32 167	0.23 86	0.25 97	0.18 63	0.17 120	0.25 114	0.16 96	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.05 1

TANstereo	0.15 36	0.09 15	0.28 51	0.16 4	0.08 3	0.25 175	0.14 20	0.23 16	0.28 119	0.24 100	0.30 138	0.16 50	0.12 30	0.17 17	0.13 35	0.08 119	0.07 183	0.06 1	0.05 11	0.06 8	0.07 85

raftrobust	0.16 47	0.13 164	0.29 61	0.22 171	0.15 248	0.19 53	0.13 9	0.32 98	0.26 95	0.26 119	0.20 58	0.19 77	0.17 120	0.21 64	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.07 85

DCANet	0.18 82	0.13 164	0.40 182	0.19 36	0.09 10	0.19 53	0.18 120	0.34 119	0.39 244	0.29 165	0.31 152	0.18 63	0.23 196	0.20 48	0.19 168	0.07 22	0.05 7	0.07 21	0.05 11	0.06 8	0.07 85

EAI-Stereo	0.21 151	0.10 36	0.33 100	0.21 117	0.12 95	0.30 252	0.46 411	0.46 250	0.20 28	0.25 108	0.50 331	0.17 55	0.16 95	0.24 89	0.23 238	0.07 22	0.06 83	0.07 21	0.10 253	0.06 8	0.07 85

CFNet-RSSM	0.17 61	0.10 36	0.40 182	0.20 79	0.11 53	0.20 77	0.15 36	0.36 157	0.30 148	0.23 86	0.21 69	0.26 164	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.05 1

Gwc-CoAtRS	0.17 61	0.10 36	0.37 144	0.20 79	0.12 95	0.19 53	0.15 36	0.32 98	0.28 119	0.23 86	0.23 79	0.27 173	0.15 81	0.20 48	0.13 35	0.07 22	0.05 7	0.07 21	0.07 67	0.06 8	0.06 28

R-Stereo Train	0.18 82	0.09 15	0.32 86	0.22 171	0.12 95	0.22 124	0.19 157	0.42 214	0.19 16	0.31 210	0.45 306	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28

RAFT-Stereo	0.18 82	0.09 15	0.32 86	0.22 171	0.12 95	0.22 124	0.19 157	0.42 214	0.19 16	0.31 210	0.45 306	0.20 84	0.14 69	0.18 30	0.15 75	0.08 119	0.06 83	0.07 21	0.06 33	0.06 8	0.06 28
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
model_zeroshot	0.17 61	0.11 82	0.39 176	0.20 79	0.12 95	0.24 162	0.15 36	0.34 119	0.22 48	0.30 193	0.20 58	0.22 104	0.12 30	0.24 89	0.14 59	0.08 119	0.07 183	0.07 21	0.07 67	0.07 51	0.07 85

RAStereo	0.13 6	0.12 106	0.27 40	0.22 171	0.11 53	0.15 6	0.18 120	0.23 16	0.23 63	0.13 7	0.17 30	0.11 6	0.09 4	0.15 5	0.13 35	0.08 119	0.06 83	0.08 88	0.06 33	0.07 51	0.05 1

Occ-G	0.13 6	0.08 3	0.21 8	0.17 6	0.10 28	0.15 6	0.19 157	0.22 8	0.19 16	0.13 7	0.19 42	0.21 95	0.11 18	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.06 33	0.07 51	0.06 28

U	1.00 439	0.09 15	0.21 8	0.21 117	3.68 465	6.12 468	0.14 20	0.21 6	0.21 39	0.11 3	0.11 3	0.10 2	0.09 4	0.12 1	0.11 1	0.07 22	0.05 7	5.42 471	2.90 469	0.07 51	0.06 28

RSM++	0.12 2	0.09 15	0.19 3	0.20 79	0.09 10	0.17 22	0.15 36	0.21 6	0.19 16	0.12 4	0.12 4	0.14 33	0.09 4	0.20 48	0.12 11	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

IGEV++	0.13 6	0.10 36	0.23 16	0.21 117	0.10 28	0.15 6	0.15 36	0.29 65	0.16 4	0.12 4	0.15 22	0.12 8	0.12 30	0.17 17	0.14 59	0.07 22	0.06 83	0.07 21	0.05 11	0.07 51	0.07 85

AE-Stereo	0.17 61	0.11 82	0.31 80	0.24 256	0.14 203	0.23 143	0.18 120	0.34 119	0.29 137	0.15 22	0.25 97	0.21 95	0.13 54	0.20 48	0.14 59	0.07 22	0.08 260	0.09 151	0.10 253	0.07 51	0.06 28

ff7	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

IGEVStereo-DCA	0.14 17	0.11 82	0.27 40	0.19 36	0.12 95	0.20 77	0.18 120	0.27 40	0.20 28	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

ffff	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

rrr	0.17 61	0.11 82	0.57 314	0.19 36	0.12 95	0.20 77	0.18 120	0.35 139	0.22 48	0.15 22	0.12 4	0.14 33	0.12 30	0.28 157	0.14 59	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.07 85

11t	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

MaDis-Stereo	0.14 17	0.13 164	0.26 32	0.19 36	0.14 203	0.16 14	0.13 9	0.25 27	0.21 39	0.13 7	0.14 20	0.14 33	0.11 18	0.17 17	0.17 124	0.08 119	0.07 183	0.08 88	0.06 33	0.07 51	0.06 28

IGEV_Zeroshot_test	0.18 82	0.10 36	0.65 345	0.20 79	0.12 95	0.19 53	0.15 36	0.34 119	0.19 16	0.28 138	0.22 76	0.27 173	0.13 54	0.23 83	0.18 143	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.06 28

AEACV	0.13 6	0.09 15	0.23 16	0.18 12	0.19 330	0.19 53	0.16 58	0.23 16	0.14 1	0.13 7	0.17 30	0.13 17	0.16 95	0.16 10	0.12 11	0.07 22	0.05 7	0.07 21	0.08 136	0.07 51	0.06 28

Any-RAFT	0.17 61	0.08 3	0.31 80	0.19 36	0.10 28	0.29 235	0.16 58	0.42 214	0.30 148	0.24 100	0.27 111	0.27 173	0.16 95	0.21 64	0.12 11	0.08 119	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

HH	0.18 82	0.12 106	0.55 307	0.22 171	0.12 95	0.18 30	0.18 120	0.34 119	0.19 16	0.20 69	0.24 90	0.34 246	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

HanStereo	0.18 82	0.12 106	0.55 307	0.22 171	0.12 95	0.18 30	0.18 120	0.34 119	0.19 16	0.20 69	0.24 90	0.34 246	0.18 143	0.29 172	0.12 11	0.07 22	0.05 7	0.07 21	0.07 67	0.07 51	0.06 28

DCRE	0.20 134	0.13 164	0.40 182	0.21 117	0.15 248	0.20 77	0.19 157	0.30 81	0.27 105	0.22 83	0.80 409	0.23 124	0.16 95	0.23 83	0.15 75	0.07 22	0.07 183	0.07 21	0.08 136	0.07 51	0.06 28

anonymousa	0.23 196	0.11 82	0.50 280	0.21 117	0.16 273	0.31 267	0.20 198	0.36 157	0.35 200	0.32 231	0.50 331	0.39 289	0.26 240	0.22 74	0.20 181	0.08 119	0.06 83	0.09 151	0.11 288	0.07 51	0.08 142

ProNet	0.14 17	0.12 106	0.25 27	0.19 36	0.11 53	0.19 53	0.19 157	0.27 40	0.20 28	0.14 18	0.13 10	0.13 17	0.12 30	0.24 89	0.12 11	0.06 1	0.05 7	0.07 21	0.06 33	0.07 51	0.07 85

ccc-4	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.27 40	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.07 85

DisPM	0.19 120	0.10 36	0.35 116	0.23 214	0.13 162	0.18 30	0.20 198	0.29 65	0.29 137	0.33 242	0.34 185	0.23 124	0.16 95	0.33 201	0.16 96	0.09 191	0.06 83	0.09 151	0.08 136	0.07 51	0.11 278

test_4	0.18 82	0.12 106	0.34 106	0.23 214	0.12 95	0.18 30	0.22 249	0.26 30	0.24 75	0.24 100	0.47 322	0.22 104	0.13 54	0.24 89	0.16 96	0.06 1	0.05 7	0.09 151	0.09 219	0.07 51	0.05 1

GLC_STEREO	0.15 36	0.10 36	0.24 21	0.21 117	0.09 10	0.17 22	0.15 36	0.23 16	0.27 105	0.17 48	0.20 58	0.17 55	0.11 18	0.23 83	0.16 96	0.07 22	0.09 292	0.09 151	0.08 136	0.07 51	0.06 28

IPLG	0.21 151	0.15 232	0.53 298	0.21 117	0.12 95	0.28 215	0.17 85	0.42 214	0.30 148	0.33 242	0.32 159	0.15 41	0.17 120	0.50 263	0.21 203	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

MIPNet	0.21 151	0.15 232	0.52 295	0.21 117	0.12 95	0.27 201	0.20 198	0.45 240	0.37 221	0.30 193	0.23 79	0.19 77	0.24 214	0.27 145	0.19 168	0.07 22	0.05 7	0.08 88	0.07 67	0.07 51	0.06 28

IPLGR	0.21 151	0.13 164	0.61 328	0.21 117	0.11 53	0.25 175	0.18 120	0.41 201	0.37 221	0.28 138	0.27 111	0.21 95	0.19 157	0.37 223	0.18 143	0.07 22	0.06 83	0.08 88	0.07 67	0.07 51	0.06 28

test_3	0.18 82	0.11 82	0.32 86	0.24 256	0.11 53	0.22 124	0.25 309	0.31 89	0.31 159	0.25 108	0.18 37	0.23 124	0.13 54	0.25 114	0.19 168	0.06 1	0.05 7	0.09 151	0.10 253	0.07 51	0.06 28

CrosDoStereo	0.31 313	0.10 36	0.49 270	0.18 12	0.12 95	0.22 124	1.11 460	0.34 119	0.37 221	0.38 307	0.61 379	0.28 188	0.46 379	0.61 317	0.57 381	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

OMP-Stereo	0.23 196	0.14 202	0.35 116	0.29 368	0.13 162	0.21 100	0.16 58	0.37 165	0.33 179	0.34 260	0.30 138	0.34 246	0.19 157	0.70 353	0.24 249	0.07 22	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

IIG-Stereo	0.23 196	0.13 164	0.35 116	0.29 368	0.12 95	0.23 143	0.14 20	0.38 170	0.31 159	0.34 260	0.37 215	0.33 240	0.21 173	0.70 353	0.26 271	0.08 119	0.06 83	0.09 151	0.07 67	0.07 51	0.06 28

FTStereo	0.28 287	0.10 36	0.43 224	0.23 214	0.13 162	0.21 100	0.53 425	0.34 119	0.26 95	0.38 307	0.95 421	0.30 213	0.56 400	0.32 195	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.07 51	0.19 377

DeepStereo_LL	0.31 313	0.10 36	0.49 270	0.18 12	0.12 95	0.22 124	1.11 460	0.34 119	0.37 221	0.38 307	0.61 379	0.28 188	0.46 379	0.61 317	0.57 381	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.07 85

THIR-Stereo	0.29 298	0.12 106	0.41 205	0.19 36	0.11 53	0.28 215	0.72 438	0.32 98	0.35 200	0.37 296	0.65 386	0.34 246	0.50 390	0.57 299	0.45 358	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.07 85

DRaft	0.24 222	0.10 36	0.34 106	0.18 12	0.12 95	0.28 215	0.23 272	0.33 112	0.39 244	0.38 307	0.61 379	0.21 95	0.41 358	0.48 256	0.42 350	0.07 22	0.06 83	0.08 88	0.08 136	0.07 51	0.08 142

GrayStereo	0.25 248	0.09 15	0.32 86	0.26 324	0.13 162	0.23 143	0.47 415	0.34 119	0.30 148	0.39 322	0.47 322	0.30 213	0.79 424	0.29 172	0.16 96	0.07 22	0.06 83	0.08 88	0.09 219	0.07 51	0.13 313

CroCo-Stereo	0.14 17	0.13 164	0.24 21	0.25 292	0.11 53	0.11 2	0.18 120	0.32 98	0.23 63	0.12 4	0.12 4	0.18 63	0.12 30	0.14 2	0.13 35	0.08 119	0.06 83	0.07 21	0.05 11	0.07 51	0.06 28
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
raft+_RVC	0.18 82	0.14 202	0.32 86	0.21 117	0.15 248	0.21 100	0.16 58	0.38 170	0.34 188	0.21 78	0.28 115	0.20 84	0.15 81	0.24 89	0.19 168	0.08 119	0.06 83	0.08 88	0.07 67	0.07 51	0.08 142

XX-TBD	0.15 36	0.18 283	0.28 51	0.22 171	0.10 28	0.22 124	0.15 36	0.22 8	0.27 105	0.22 83	0.26 105	0.14 33	0.12 30	0.16 10	0.13 35	0.08 119	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

XX-Stereo	0.21 151	0.10 36	0.83 385	0.26 324	0.17 292	0.23 143	0.13 9	0.40 189	0.18 11	0.20 69	0.41 256	0.31 224	0.10 10	0.32 195	0.12 11	0.08 119	0.06 83	0.08 88	0.08 136	0.07 51	0.05 1

111	0.20 134	0.17 269	0.40 182	0.18 12	0.09 10	0.24 162	0.17 85	0.41 201	0.45 306	0.23 86	0.29 126	0.29 197	0.21 173	0.24 89	0.18 143	0.07 22	0.05 7	0.07 21	0.06 33	0.07 51	0.08 142

test_xeample3	0.16 47	0.11 82	0.56 311	0.19 36	0.12 95	0.20 77	0.18 120	0.35 139	0.20 28	0.16 39	0.12 4	0.13 17	0.12 30	0.24 89	0.15 75	0.07 22	0.06 83	0.07 21	0.08 136	0.07 51	0.07 85

RAFT-Stereo + iAFF	0.17 61	0.14 202	0.32 86	0.20 79	0.09 10	0.19 53	0.17 85	0.32 98	0.30 148	0.25 108	0.33 178	0.20 84	0.17 120	0.19 41	0.15 75	0.06 1	0.05 7	0.07 21	0.07 67	0.07 51	0.05 1

AFF-stereo	0.18 82	0.15 232	0.32 86	0.21 117	0.10 28	0.18 30	0.18 120	0.33 112	0.27 105	0.25 108	0.37 215	0.25 143	0.17 120	0.24 89	0.15 75	0.06 1	0.05 7	0.08 88	0.08 136	0.07 51	0.05 1

CREStereo	0.13 6	0.08 3	0.21 8	0.14 1	0.08 3	0.22 124	0.15 36	0.25 27	0.24 75	0.16 39	0.21 69	0.14 33	0.13 54	0.18 30	0.13 35	0.09 191	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28
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	0.15 36	0.08 3	0.23 16	0.15 2	0.09 10	0.23 143	0.16 58	0.25 27	0.23 63	0.17 48	0.21 69	0.16 50	0.14 69	0.22 74	0.13 35	0.29 420	0.05 7	0.06 1	0.04 1	0.07 51	0.06 28

DIP-Stereo	0.18 82	0.12 106	0.33 100	0.20 79	0.13 162	0.28 215	0.12 5	0.42 214	0.25 86	0.27 128	0.32 159	0.21 95	0.17 120	0.25 114	0.20 181	0.07 22	0.06 83	0.08 88	0.06 33	0.07 51	0.08 142
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	0.28 287	0.14 202	0.44 232	0.22 171	0.18 312	0.32 275	0.19 157	0.48 268	0.38 235	0.29 165	0.43 283	0.47 338	0.37 342	0.79 386	0.36 324	0.09 191	0.07 183	0.07 21	0.09 219	0.07 51	0.07 85

MLCV	0.22 179	0.16 253	0.44 232	0.21 117	0.08 3	0.29 235	0.19 157	0.38 170	0.37 221	0.38 307	0.44 294	0.31 224	0.21 173	0.41 236	0.24 249	0.07 22	0.05 7	0.06 1	0.05 11	0.07 51	0.06 28

WCG-NET	0.14 17	0.09 15	0.23 16	0.19 36	0.11 53	0.21 100	0.13 9	0.28 54	0.21 39	0.18 61	0.19 42	0.18 63	0.12 30	0.22 74	0.12 11	0.08 119	0.05 7	0.07 21	0.06 33	0.08 101	0.06 28

DispNO	0.27 268	0.18 283	0.62 336	0.23 214	0.17 292	0.25 175	0.22 249	0.45 240	0.41 269	0.32 231	0.39 240	0.38 277	0.27 258	0.77 382	0.27 275	0.09 191	0.07 183	0.10 219	0.10 253	0.08 101	0.08 142

tta	0.24 222	0.12 106	0.40 182	0.19 36	0.10 28	0.27 201	0.19 157	0.51 299	0.45 306	0.34 260	0.41 256	0.31 224	0.26 240	0.58 305	0.28 278	0.10 235	0.07 183	0.08 88	0.08 136	0.08 101	0.07 85

qqq1	0.24 222	0.12 106	0.40 182	0.19 36	0.10 28	0.27 201	0.19 157	0.51 299	0.45 306	0.34 260	0.41 256	0.31 224	0.26 240	0.58 305	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

fff1	0.24 222	0.12 106	0.40 182	0.19 36	0.10 28	0.27 201	0.19 157	0.51 299	0.45 306	0.34 260	0.41 256	0.31 224	0.26 240	0.58 305	0.16 96	0.10 235	0.07 183	0.07 21	0.06 33	0.08 101	0.07 85

MyStereo07	0.16 47	0.12 106	0.26 32	0.22 171	0.14 203	0.25 175	0.23 272	0.29 65	0.21 39	0.15 22	0.13 10	0.12 8	0.13 54	0.25 114	0.13 35	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo06	0.20 134	0.12 106	0.57 314	0.21 117	0.14 203	0.25 175	0.23 272	0.40 189	0.21 39	0.30 193	0.24 90	0.31 224	0.18 143	0.22 74	0.18 143	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo05	0.23 196	0.12 106	0.57 314	0.21 117	0.14 203	0.25 175	0.23 272	0.48 268	0.52 361	0.31 210	0.23 79	0.25 143	0.22 185	0.30 184	0.21 203	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

MyStereo04	0.23 196	0.12 106	0.55 307	0.22 171	0.14 203	0.25 175	0.23 272	0.49 276	0.52 361	0.28 138	0.23 79	0.27 173	0.23 196	0.30 184	0.22 221	0.07 22	0.07 183	0.09 151	0.08 136	0.08 101	0.08 142

CoDeX	0.23 196	0.12 106	0.46 249	0.21 117	0.14 203	0.29 235	0.21 227	0.53 325	0.41 269	0.29 165	0.35 196	0.29 197	0.22 185	0.48 256	0.19 168	0.09 191	0.06 83	0.08 88	0.07 67	0.08 101	0.07 85

cc1	0.18 82	0.14 202	0.38 163	0.23 214	0.11 53	0.31 267	0.19 157	0.35 139	0.47 325	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

ffm	0.22 179	0.12 106	0.42 213	0.20 79	0.13 162	0.28 215	0.20 198	0.35 139	0.44 295	0.30 193	0.42 271	0.34 246	0.23 196	0.27 145	0.11 1	0.08 119	0.05 7	0.11 271	0.10 253	0.08 101	0.08 142

ff1	0.29 298	0.12 106	0.42 213	0.20 79	0.13 162	0.28 215	0.20 198	0.35 139	0.44 295	0.30 193	0.42 271	0.34 246	0.23 196	0.81 393	1.08 425	0.08 119	0.05 7	0.11 271	0.10 253	0.08 101	0.08 142

tt1	0.18 82	0.14 202	0.35 116	0.23 214	0.11 53	0.30 252	0.19 157	0.35 139	0.44 295	0.17 48	0.19 42	0.13 17	0.16 95	0.27 145	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.08 101	0.08 142

UniTT-Stereo	0.14 17	0.10 36	0.30 67	0.21 117	0.13 162	0.17 22	0.13 9	0.19 3	0.18 11	0.15 22	0.20 58	0.10 2	0.11 18	0.18 30	0.16 96	0.08 119	0.06 83	0.07 21	0.06 33	0.08 101	0.06 28

MIM_Stereo	0.18 82	0.12 106	0.38 163	0.20 79	0.11 53	0.17 22	0.14 20	0.35 139	0.25 86	0.27 128	0.35 196	0.23 124	0.13 54	0.27 145	0.16 96	0.06 1	0.07 183	0.08 88	0.08 136	0.08 101	0.06 28

CASnet	0.14 17	0.12 106	0.22 13	0.22 171	0.08 3	0.16 14	0.15 36	0.27 40	0.25 86	0.22 83	0.20 58	0.15 41	0.11 18	0.17 17	0.13 35	0.07 22	0.05 7	0.11 271	0.09 219	0.08 101	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.18 82	0.18 283	0.39 176	0.22 171	0.12 95	0.24 162	0.13 9	0.31 89	0.23 63	0.24 100	0.20 58	0.24 136	0.12 30	0.26 129	0.15 75	0.06 1	0.06 83	0.12 304	0.09 219	0.08 101	0.07 85

4D-IteraStereo	0.17 61	0.16 253	0.50 280	0.21 117	0.14 203	0.19 53	0.17 85	0.28 54	0.28 119	0.23 86	0.20 58	0.20 84	0.11 18	0.19 41	0.14 59	0.06 1	0.04 1	0.10 219	0.08 136	0.08 101	0.06 28

anonymousdsp2	0.17 61	0.10 36	0.28 51	0.20 79	0.11 53	0.25 175	0.17 85	0.41 201	0.31 159	0.23 86	0.23 79	0.22 104	0.15 81	0.25 114	0.15 75	0.07 22	0.05 7	0.07 21	0.05 11	0.08 101	0.07 85

anonymousdsp	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85

CES	0.14 17	0.08 3	0.19 3	0.17 6	0.22 367	0.18 30	0.16 58	0.23 16	0.19 16	0.14 18	0.17 30	0.14 33	0.10 10	0.18 30	0.12 11	0.07 22	0.05 7	0.06 1	0.04 1	0.08 101	0.18 369

Selective-RAFT	0.17 61	0.12 106	0.30 67	0.24 256	0.10 28	0.29 235	0.15 36	0.32 98	0.31 159	0.17 48	0.17 30	0.21 95	0.18 143	0.28 157	0.17 124	0.07 22	0.06 83	0.07 21	0.07 67	0.08 101	0.06 28

CroCo-Stereo Lap2	0.15 36	0.15 232	0.28 51	0.25 292	0.18 312	0.11 2	0.19 157	0.28 54	0.21 39	0.13 7	0.16 27	0.15 41	0.12 30	0.17 17	0.14 59	0.07 22	0.07 183	0.08 88	0.06 33	0.08 101	0.07 85

TestStereo1	0.21 151	0.16 253	0.32 86	0.26 324	0.13 162	0.26 193	0.27 325	0.40 189	0.36 212	0.29 165	0.39 240	0.22 104	0.21 173	0.33 201	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

raft_robust	0.22 179	0.17 269	0.30 67	0.22 171	0.12 95	0.23 143	0.22 249	0.49 276	0.48 334	0.32 231	0.32 159	0.26 164	0.23 196	0.53 279	0.15 75	0.07 22	0.06 83	0.08 88	0.10 253	0.08 101	0.06 28

RAFT_CTSACE	0.21 151	0.16 253	0.41 205	0.25 292	0.15 248	0.22 124	0.24 294	0.32 98	0.28 119	0.33 242	0.51 337	0.29 197	0.17 120	0.32 195	0.13 35	0.06 1	0.07 183	0.09 151	0.08 136	0.08 101	0.06 28

SA-5K	0.21 151	0.16 253	0.32 86	0.26 324	0.13 162	0.26 193	0.27 325	0.40 189	0.36 212	0.29 165	0.39 240	0.22 104	0.21 173	0.33 201	0.17 124	0.07 22	0.06 83	0.09 151	0.08 136	0.08 101	0.07 85

Sa-1000	0.22 179	0.15 232	0.35 116	0.23 214	0.13 162	0.28 215	0.23 272	0.47 257	0.39 244	0.30 193	0.50 331	0.26 164	0.19 157	0.33 201	0.16 96	0.07 22	0.06 83	0.10 219	0.11 288	0.08 101	0.06 28

SA	0.22 179	0.16 253	0.36 136	0.23 214	0.13 162	0.24 162	0.23 272	0.45 240	0.40 259	0.27 128	0.44 294	0.23 124	0.23 196	0.33 201	0.17 124	0.07 22	0.06 83	0.10 219	0.11 288	0.08 101	0.06 28

IGEV-Stereo	0.14 17	0.12 106	0.27 40	0.19 36	0.12 95	0.21 100	0.18 120	0.28 54	0.20 28	0.15 22	0.13 10	0.12 8	0.12 30	0.24 89	0.12 11	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.07 85
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CIPLG	0.21 151	0.21 323	0.55 307	0.23 214	0.15 248	0.25 175	0.20 198	0.35 139	0.29 137	0.31 210	0.33 178	0.22 104	0.15 81	0.26 129	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

iRaft-Stereo_20w	0.19 120	0.10 36	0.46 249	0.19 36	0.13 162	0.25 175	0.19 157	0.52 314	0.19 16	0.29 165	0.21 69	0.22 104	0.20 166	0.28 157	0.18 143	0.07 22	0.06 83	0.07 21	0.08 136	0.08 101	0.08 142

IPLGR_C	0.21 151	0.22 335	0.60 325	0.23 214	0.15 248	0.24 162	0.20 198	0.35 139	0.29 137	0.31 210	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

GMOStereo	0.18 82	0.14 202	0.30 67	0.22 171	0.12 95	0.20 77	0.27 325	0.26 30	0.28 119	0.31 210	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 219	0.08 136	0.08 101	0.05 1

error version	0.18 82	0.14 202	0.30 67	0.22 171	0.12 95	0.20 77	0.27 325	0.26 30	0.28 119	0.31 210	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 219	0.08 136	0.08 101	0.05 1

test-v	0.18 82	0.14 202	0.30 67	0.22 171	0.12 95	0.20 77	0.27 325	0.26 30	0.28 119	0.31 210	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 219	0.08 136	0.08 101	0.05 1

ACRE	0.21 151	0.20 310	0.62 336	0.23 214	0.15 248	0.24 162	0.20 198	0.35 139	0.28 119	0.31 210	0.32 159	0.22 104	0.15 81	0.25 114	0.20 181	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142

PFNet+	0.20 134	0.10 36	0.37 144	0.21 117	0.12 95	0.17 22	0.19 157	0.29 65	0.34 188	0.33 242	0.32 159	0.24 136	0.16 95	0.32 195	0.17 124	0.10 235	0.07 183	0.11 271	0.10 253	0.08 101	0.12 299

HHNet	0.22 179	0.12 106	0.52 295	0.18 12	0.18 312	0.20 77	0.20 198	0.34 119	0.31 159	0.32 231	0.59 368	0.20 84	0.21 173	0.24 89	0.31 298	0.08 119	0.05 7	0.09 151	0.07 67	0.08 101	0.11 278

AAGNet	0.33 328	0.11 82	0.37 144	0.25 292	0.16 273	0.20 77	0.19 157	0.30 81	0.27 105	0.35 276	0.35 196	0.27 173	0.30 294	0.44 244	2.66 461	0.08 119	0.05 7	0.10 219	0.07 67	0.08 101	0.06 28

NF-Stereo	0.20 134	0.10 36	0.35 116	0.24 256	0.12 95	0.21 100	0.18 120	0.38 170	0.32 167	0.28 138	0.30 138	0.22 104	0.16 95	0.51 268	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 313

OCTAStereo	0.20 134	0.10 36	0.35 116	0.24 256	0.12 95	0.21 100	0.18 120	0.38 170	0.32 167	0.28 138	0.30 138	0.22 104	0.16 95	0.51 268	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 313

PSM-softLoss	0.21 151	0.10 36	0.39 176	0.24 256	0.12 95	0.20 77	0.18 120	0.38 170	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 274	0.20 181	0.09 191	0.06 83	0.10 219	0.09 219	0.08 101	0.12 299

KMStereo	0.21 151	0.10 36	0.39 176	0.24 256	0.12 95	0.20 77	0.18 120	0.38 170	0.26 95	0.29 165	0.32 159	0.24 136	0.16 95	0.52 274	0.20 181	0.09 191	0.06 83	0.10 219	0.09 219	0.08 101	0.12 299

PSM-AAD	0.25 248	0.10 36	0.30 67	0.24 256	0.12 95	0.26 193	0.38 390	0.34 119	0.28 119	0.35 276	0.39 240	0.28 188	0.79 424	0.30 184	0.16 96	0.07 22	0.06 83	0.12 304	0.11 288	0.08 101	0.21 394

KYRaft	0.22 179	0.10 36	0.30 67	0.23 214	0.12 95	0.23 143	0.23 272	0.35 139	0.24 75	0.35 276	0.54 353	0.34 246	0.26 240	0.29 172	0.15 75	0.07 22	0.05 7	0.09 151	0.10 253	0.08 101	0.31 421

RAFT_R40	0.21 151	0.10 36	0.37 144	0.24 256	0.13 162	0.18 30	0.18 120	0.31 89	0.29 137	0.33 242	0.33 178	0.30 213	0.24 214	0.55 286	0.18 143	0.08 119	0.05 7	0.10 219	0.08 136	0.08 101	0.07 85

PFNet	0.23 196	0.10 36	0.57 314	0.24 256	0.14 203	0.22 124	0.19 157	0.39 182	0.33 179	0.35 276	0.32 159	0.27 173	0.19 157	0.64 332	0.22 221	0.09 191	0.05 7	0.09 151	0.07 67	0.08 101	0.07 85

RE-Stereo	0.20 134	0.10 36	0.35 116	0.24 256	0.12 95	0.21 100	0.18 120	0.38 170	0.32 167	0.28 138	0.30 138	0.22 104	0.16 95	0.51 268	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 313

Pruner-Stereo	0.19 120	0.11 82	0.34 106	0.29 368	0.12 95	0.19 53	0.17 85	0.31 89	0.29 137	0.33 242	0.32 159	0.25 143	0.15 81	0.24 89	0.21 203	0.09 191	0.06 83	0.09 151	0.08 136	0.08 101	0.09 196

TVStereo	0.20 134	0.10 36	0.35 116	0.24 256	0.12 95	0.21 100	0.18 120	0.38 170	0.32 167	0.28 138	0.30 138	0.22 104	0.16 95	0.51 268	0.20 181	0.08 119	0.06 83	0.09 151	0.08 136	0.08 101	0.13 313

IRAFT_RVC	0.22 179	0.12 106	0.39 176	0.26 324	0.11 53	0.18 30	0.24 294	0.40 189	0.37 221	0.31 210	0.30 138	0.29 197	0.24 214	0.55 286	0.22 221	0.08 119	0.06 83	0.10 219	0.08 136	0.08 101	0.07 85

test-2	0.18 82	0.14 202	0.30 67	0.22 171	0.12 95	0.20 77	0.27 325	0.26 30	0.28 119	0.31 210	0.32 159	0.26 164	0.17 120	0.15 5	0.12 11	0.07 22	0.07 183	0.10 219	0.08 136	0.08 101	0.05 1

GMM-Stereo	0.21 151	0.10 36	0.43 224	0.23 214	0.13 162	0.24 162	0.25 309	0.37 165	0.27 105	0.30 193	0.45 306	0.27 173	0.21 173	0.31 189	0.17 124	0.07 22	0.05 7	0.10 219	0.09 219	0.08 101	0.19 377

Prome-Stereo	0.21 151	0.10 36	0.30 67	0.24 256	0.12 95	0.23 143	0.23 272	0.36 157	0.25 86	0.33 242	0.59 368	0.24 136	0.28 272	0.29 172	0.16 96	0.07 22	0.05 7	0.08 88	0.07 67	0.08 101	0.20 387

iRaftStereo_RVC	0.16 47	0.12 106	0.26 32	0.21 117	0.11 53	0.20 77	0.17 85	0.32 98	0.23 63	0.20 69	0.25 97	0.18 63	0.12 30	0.20 48	0.15 75	0.07 22	0.05 7	0.09 151	0.09 219	0.08 101	0.07 85

delet	0.27 268	0.14 202	0.40 182	0.23 214	0.19 330	0.41 343	0.29 343	0.49 276	0.48 334	0.33 242	0.41 256	0.37 269	0.30 294	0.48 256	0.34 314	0.09 191	0.09 292	0.11 271	0.12 323	0.08 101	0.08 142

cf-r	0.24 222	0.15 232	0.44 232	0.21 117	0.14 203	0.27 201	0.22 249	0.42 214	0.40 259	0.30 193	0.42 271	0.42 313	0.26 240	0.43 240	0.25 258	0.11 266	0.06 83	0.08 88	0.10 253	0.08 101	0.08 142

HSM-Net_RVC	0.27 268	0.11 82	0.42 213	0.19 36	0.11 53	0.34 298	0.20 198	0.62 396	0.43 281	0.40 330	0.43 283	0.50 353	0.26 240	0.76 376	0.22 221	0.08 119	0.07 183	0.07 21	0.07 67	0.08 101	0.08 142
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HSM	0.28 287	0.16 253	0.35 116	0.20 79	0.15 248	0.33 286	0.19 157	0.53 325	0.37 221	0.36 291	0.38 227	0.67 405	0.31 308	0.89 406	0.23 238	0.08 119	0.06 83	0.08 88	0.07 67	0.08 101	0.08 142

iResNet	0.24 222	0.18 283	0.61 328	0.25 292	0.11 53	0.29 235	0.21 227	0.42 214	0.43 281	0.33 242	0.43 283	0.27 173	0.22 185	0.34 207	0.26 271	0.07 22	0.05 7	0.07 21	0.06 33	0.08 101	0.07 85

rvit_stereo_0083	0.16 47	0.12 106	0.26 32	0.21 117	0.13 162	0.17 22	0.17 85	0.22 8	0.34 188	0.16 39	0.21 69	0.19 77	0.16 95	0.21 64	0.16 96	0.11 266	0.10 312	0.10 219	0.08 136	0.09 163	0.07 85

rvit_stereo_0081_aga	0.16 47	0.14 202	0.28 51	0.21 117	0.13 162	0.19 53	0.17 85	0.23 16	0.24 75	0.17 48	0.21 69	0.19 77	0.13 54	0.19 41	0.14 59	0.11 266	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_0081	0.16 47	0.11 82	0.24 21	0.21 117	0.12 95	0.16 14	0.17 85	0.22 8	0.33 179	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 266	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_0082	0.16 47	0.11 82	0.24 21	0.21 117	0.12 95	0.16 14	0.17 85	0.22 8	0.33 179	0.16 39	0.18 37	0.18 63	0.14 69	0.20 48	0.16 96	0.11 266	0.08 260	0.09 151	0.08 136	0.09 163	0.07 85

rvit_stereo_ft	0.17 61	0.14 202	0.30 67	0.25 292	0.14 203	0.17 22	0.21 227	0.28 54	0.26 95	0.16 39	0.19 42	0.20 84	0.16 95	0.22 74	0.17 124	0.11 266	0.07 183	0.09 151	0.09 219	0.09 163	0.07 85

test_sample2	0.21 151	0.10 36	0.28 51	0.19 36	0.11 53	0.27 201	0.21 227	0.43 225	0.29 137	0.26 119	0.31 152	0.30 213	0.24 214	0.45 247	0.18 143	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

test_sample1	0.20 134	0.10 36	0.28 51	0.19 36	0.12 95	0.28 215	0.19 157	0.41 201	0.25 86	0.26 119	0.31 152	0.29 197	0.26 240	0.44 244	0.21 203	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.09 196

H2IRNET	0.18 82	0.13 164	0.35 116	0.21 117	0.12 95	0.20 77	0.15 36	0.27 40	0.30 148	0.17 48	0.31 152	0.25 143	0.20 166	0.24 89	0.18 143	0.07 22	0.06 83	0.09 151	0.10 253	0.09 163	0.06 28

Former-RAFT_DAM_RVC	0.17 61	0.13 164	0.24 21	0.19 36	0.13 162	0.24 162	0.17 85	0.30 81	0.37 221	0.43 353	0.17 30	0.13 17	0.12 30	0.19 41	0.15 75	0.08 119	0.07 183	0.09 151	0.07 67	0.09 163	0.08 142

SMFormer	0.25 248	0.12 106	0.40 182	0.19 36	0.10 28	0.27 201	0.19 157	0.51 299	0.45 306	0.34 260	0.41 256	0.31 224	0.26 240	0.58 305	0.28 278	0.10 235	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

ACVNet-DCA	0.18 82	0.14 202	0.38 163	0.23 214	0.11 53	0.31 267	0.19 157	0.41 201	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.28 157	0.11 1	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

xx1	0.20 134	0.14 202	0.38 163	0.23 214	0.11 53	0.31 267	0.19 157	0.35 139	0.47 325	0.17 48	0.19 42	0.28 188	0.24 214	0.28 157	0.11 1	0.08 119	0.05 7	0.10 219	0.09 219	0.09 163	0.09 196

1test111	0.19 120	0.14 202	0.38 163	0.23 214	0.11 53	0.31 267	0.19 157	0.41 201	0.27 105	0.17 48	0.19 42	0.13 17	0.18 143	0.34 207	0.22 221	0.08 119	0.05 7	0.08 88	0.06 33	0.09 163	0.09 196

11t1	0.18 82	0.10 36	0.30 67	0.20 79	0.11 53	0.27 201	0.17 85	0.35 139	0.23 63	0.25 108	0.23 79	0.23 124	0.23 196	0.25 114	0.18 143	0.09 191	0.07 183	0.07 21	0.06 33	0.09 163	0.09 196

1111x	0.32 322	0.11 82	0.40 182	0.22 171	0.11 53	0.32 275	0.26 320	0.59 376	0.43 281	0.31 210	0.41 256	0.39 289	0.28 272	0.76 376	1.37 441	0.09 191	0.08 260	0.09 151	0.10 253	0.09 163	0.08 142

MIF-Stereo (partial)	0.16 47	0.10 36	0.34 106	0.21 117	0.15 248	0.15 6	0.13 9	0.28 54	0.25 86	0.17 48	0.26 105	0.15 41	0.16 95	0.25 114	0.17 124	0.09 191	0.06 83	0.10 219	0.08 136	0.09 163	0.08 142

EKT-Stereo	0.38 359	0.12 106	0.38 163	0.42 419	3.88 467	0.21 100	0.17 85	0.35 139	0.28 119	0.20 69	0.20 58	0.23 124	0.15 81	0.28 157	0.16 96	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

LL-Strereo	0.29 298	0.25 349	0.58 319	0.25 292	0.21 351	0.23 143	0.24 294	0.55 342	0.42 276	0.34 260	0.32 159	0.41 305	0.40 354	0.94 415	0.23 238	0.08 119	0.07 183	0.11 271	0.09 219	0.09 163	0.09 196

CBFPSM	0.27 268	0.16 253	0.67 349	0.20 79	0.14 203	0.38 327	0.25 309	0.40 189	0.36 212	0.33 242	0.36 206	0.56 371	0.38 346	0.32 195	0.38 327	0.08 119	0.08 260	0.07 21	0.08 136	0.09 163	0.11 278

gwcnet-sp	0.24 222	0.13 164	0.63 339	0.22 171	0.14 203	0.34 298	0.22 249	0.44 230	0.39 244	0.35 276	0.34 185	0.27 173	0.27 258	0.35 216	0.25 258	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

scenet	0.24 222	0.13 164	0.63 339	0.22 171	0.14 203	0.34 298	0.22 249	0.44 230	0.39 244	0.35 276	0.34 185	0.27 173	0.27 258	0.35 216	0.25 258	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

knoymous	0.17 61	0.09 15	0.32 86	0.17 6	0.11 53	0.21 100	0.17 85	0.32 98	0.23 63	0.23 86	0.28 115	0.27 173	0.16 95	0.23 83	0.16 96	0.09 191	0.06 83	0.09 151	0.06 33	0.09 163	0.09 196

ssnet	0.24 222	0.13 164	0.63 339	0.22 171	0.14 203	0.34 298	0.22 249	0.44 230	0.39 244	0.35 276	0.34 185	0.27 173	0.27 258	0.35 216	0.25 258	0.09 191	0.08 260	0.09 151	0.09 219	0.09 163	0.09 196

qqq	0.20 134	0.12 106	0.31 80	0.20 79	0.11 53	0.23 143	0.19 157	0.41 201	0.27 105	0.24 100	0.28 115	0.28 188	0.24 214	0.34 207	0.22 221	0.08 119	0.07 183	0.10 219	0.09 219	0.09 163	0.09 196

x	0.19 120	0.11 82	0.29 61	0.20 79	0.11 53	0.26 193	0.18 120	0.41 201	0.29 137	0.25 108	0.29 126	0.28 188	0.24 214	0.26 129	0.23 238	0.09 191	0.07 183	0.08 88	0.07 67	0.09 163	0.08 142

BUS	0.23 196	0.12 106	0.28 51	0.25 292	0.14 203	0.43 358	0.17 85	0.56 357	0.34 188	0.34 260	0.35 196	0.32 233	0.20 166	0.26 129	0.21 203	0.10 235	0.07 183	0.11 271	0.10 253	0.09 163	0.09 196

IER	0.23 196	0.12 106	0.39 176	0.20 79	0.14 203	0.31 267	0.19 157	0.42 214	0.36 212	0.33 242	0.40 248	0.32 233	0.33 318	0.29 172	0.22 221	0.09 191	0.07 183	0.08 88	0.08 136	0.09 163	0.08 142

RAFT+CT+SA	0.21 151	0.18 283	0.33 100	0.25 292	0.18 312	0.23 143	0.29 343	0.40 189	0.36 212	0.24 100	0.38 227	0.18 63	0.16 95	0.32 195	0.16 96	0.07 22	0.05 7	0.09 151	0.12 323	0.09 163	0.09 196

BSDual-CNN	0.23 196	0.12 106	0.28 51	0.25 292	0.14 203	0.35 310	0.21 227	0.56 357	0.34 188	0.34 260	0.35 196	0.38 277	0.24 214	0.26 129	0.21 203	0.10 235	0.07 183	0.11 271	0.10 253	0.09 163	0.09 196

hknet	0.25 248	0.14 202	0.40 182	0.25 292	0.15 248	0.35 310	0.21 227	0.56 357	0.37 221	0.34 260	0.35 196	0.43 316	0.27 258	0.37 223	0.21 203	0.09 191	0.07 183	0.11 271	0.10 253	0.09 163	0.09 196

iRaft-Stereo_5w	0.23 196	0.18 283	0.44 232	0.22 171	0.13 162	0.19 53	0.19 157	0.37 165	0.32 167	0.28 138	0.37 215	0.34 246	0.23 196	0.65 338	0.27 275	0.06 1	0.06 83	0.08 88	0.07 67	0.09 163	0.08 142

psmg	0.23 196	0.12 106	0.28 51	0.21 117	0.14 203	0.35 310	0.23 272	0.51 299	0.34 188	0.35 276	0.38 227	0.38 277	0.24 214	0.26 129	0.21 203	0.10 235	0.08 260	0.10 219	0.10 253	0.09 163	0.08 142

DAS	0.27 268	0.12 106	0.42 213	0.24 256	0.18 312	0.29 235	0.24 294	0.45 240	0.45 306	0.41 339	0.44 294	0.34 246	0.29 285	0.75 371	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

SepStereo	0.26 261	0.12 106	0.42 213	0.24 256	0.18 312	0.29 235	0.24 294	0.45 240	0.45 306	0.41 339	0.44 294	0.34 246	0.29 285	0.64 332	0.21 203	0.09 191	0.07 183	0.09 151	0.07 67	0.09 163	0.09 196

GwcNet-ADL	0.22 179	0.14 202	0.58 319	0.24 256	0.13 162	0.22 124	0.23 272	0.49 276	0.40 259	0.27 128	0.29 126	0.30 213	0.20 166	0.26 129	0.23 238	0.09 191	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

GANet-ADL	0.21 151	0.12 106	0.45 242	0.23 214	0.14 203	0.29 235	0.19 157	0.46 250	0.35 200	0.25 108	0.32 159	0.32 233	0.19 157	0.24 89	0.20 181	0.10 235	0.07 183	0.07 21	0.06 33	0.09 163	0.10 246

NRIStereo	0.18 82	0.11 82	0.35 116	0.23 214	0.11 53	0.24 162	0.20 198	0.29 65	0.26 95	0.26 119	0.25 97	0.25 143	0.18 143	0.34 207	0.18 143	0.07 22	0.06 83	0.09 151	0.07 67	0.09 163	0.08 142

SST-Stereo	0.21 151	0.10 36	0.37 144	0.24 256	0.13 162	0.19 53	0.17 85	0.31 89	0.24 75	0.34 260	0.33 178	0.29 197	0.25 231	0.56 296	0.17 124	0.08 119	0.05 7	0.10 219	0.08 136	0.09 163	0.07 85

DeepStereo_RVC	0.18 82	0.11 82	0.40 182	0.21 117	0.11 53	0.19 53	0.16 58	0.28 54	0.22 48	0.27 128	0.27 111	0.23 124	0.28 272	0.24 89	0.18 143	0.08 119	0.06 83	0.09 151	0.07 67	0.09 163	0.10 246

ICVP	0.23 196	0.13 164	0.44 232	0.26 324	0.14 203	0.29 235	0.25 309	0.45 240	0.33 179	0.29 165	0.43 283	0.35 260	0.25 231	0.26 129	0.23 238	0.12 300	0.09 292	0.09 151	0.08 136	0.09 163	0.10 246
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rafts_anoy	0.18 82	0.15 232	0.35 116	0.22 171	0.14 203	0.19 53	0.17 85	0.32 98	0.30 148	0.23 86	0.25 97	0.20 84	0.16 95	0.22 74	0.19 168	0.08 119	0.07 183	0.10 219	0.12 323	0.09 163	0.08 142

RALCasStereoNet	0.18 82	0.15 232	0.33 100	0.21 117	0.14 203	0.21 100	0.18 120	0.31 89	0.25 86	0.21 78	0.29 126	0.22 104	0.15 81	0.27 145	0.17 124	0.08 119	0.10 312	0.07 21	0.06 33	0.09 163	0.09 196

RALAANet	0.19 120	0.18 283	0.37 144	0.23 214	0.14 203	0.23 143	0.13 9	0.37 165	0.29 137	0.28 138	0.26 105	0.25 143	0.15 81	0.26 129	0.18 143	0.08 119	0.06 83	0.09 151	0.08 136	0.09 163	0.06 28

sCroCo_RVC	0.18 82	0.14 202	0.49 270	0.27 348	0.18 312	0.22 124	0.17 85	0.27 40	0.23 63	0.14 18	0.22 76	0.17 55	0.14 69	0.21 64	0.15 75	0.10 235	0.11 332	0.09 151	0.09 219	0.09 163	0.09 196

222	0.41 372	0.10 36	0.29 61	0.19 36	0.11 53	0.36 315	0.20 198	0.57 364	0.39 244	0.35 276	0.44 294	0.30 213	0.27 258	0.55 286	3.56 464	0.11 266	0.07 183	0.08 88	0.08 136	0.09 163	0.09 196

xxxx	0.34 335	0.10 36	0.29 61	0.19 36	0.11 53	0.37 320	0.20 198	0.58 371	0.38 235	0.29 165	0.42 271	0.38 277	0.24 214	0.46 250	2.20 457	0.11 266	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

test_xeample	0.34 335	0.10 36	0.29 61	0.19 36	0.11 53	0.33 286	0.23 272	0.55 342	0.38 235	0.32 231	0.45 306	0.29 197	0.26 240	0.57 299	2.24 459	0.10 235	0.07 183	0.09 151	0.08 136	0.09 163	0.09 196

ARAFT	0.24 222	0.21 323	0.78 371	0.22 171	0.12 95	0.29 235	0.24 294	0.43 225	0.32 167	0.33 242	0.28 115	0.28 188	0.19 157	0.49 261	0.18 143	0.07 22	0.06 83	0.12 304	0.11 288	0.09 163	0.06 28

SFCPSM	0.22 179	0.10 36	0.51 291	0.21 117	0.14 203	0.34 298	0.22 249	0.55 342	0.39 244	0.29 165	0.32 159	0.23 124	0.21 173	0.27 145	0.19 168	0.09 191	0.07 183	0.09 151	0.09 219	0.09 163	0.08 142

FENet	0.21 151	0.11 82	0.45 242	0.21 117	0.12 95	0.26 193	0.17 85	0.41 201	0.35 200	0.30 193	0.31 152	0.29 197	0.23 196	0.26 129	0.23 238	0.09 191	0.06 83	0.09 151	0.09 219	0.09 163	0.09 196

ac_64	0.27 268	0.13 164	0.41 205	0.24 256	0.17 292	0.36 315	0.22 249	0.46 250	0.33 179	0.35 276	0.36 206	0.52 361	0.30 294	0.62 325	0.32 303	0.11 266	0.09 292	0.10 219	0.10 253	0.09 163	0.08 142

GwcNet-RSSM	0.26 261	0.17 269	0.46 249	0.21 117	0.13 162	0.28 215	0.23 272	0.44 230	0.42 276	0.31 210	0.45 306	0.40 302	0.26 240	0.55 286	0.28 278	0.11 266	0.07 183	0.09 151	0.10 253	0.09 163	0.08 142

AANet_RVC	0.31 313	0.22 335	0.50 280	0.23 214	0.14 203	0.30 252	0.24 294	0.47 257	0.54 368	0.38 307	0.60 373	0.43 316	0.29 285	0.87 402	0.40 341	0.11 266	0.07 183	0.07 21	0.07 67	0.09 163	0.09 196

HITNet	0.20 134	0.17 269	0.43 224	0.19 36	0.08 3	0.27 201	0.14 20	0.42 214	0.30 148	0.29 165	0.32 159	0.27 173	0.21 173	0.28 157	0.25 258	0.07 22	0.05 7	0.07 21	0.06 33	0.09 163	0.06 28
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
iResNet_ROB	0.25 248	0.19 298	0.40 182	0.20 79	0.12 95	0.30 252	0.16 58	0.55 342	0.53 365	0.38 307	0.43 283	0.37 269	0.26 240	0.38 227	0.22 221	0.08 119	0.06 83	0.06 1	0.04 1	0.09 163	0.09 196

rvit_0105_5	0.21 151	0.15 232	0.38 163	0.23 214	0.13 162	0.22 124	0.24 294	0.36 157	0.39 244	0.21 78	0.23 79	0.26 164	0.19 157	0.26 129	0.19 168	0.15 352	0.13 360	0.12 304	0.12 323	0.10 218	0.09 196

rvit_0105_3	0.23 196	0.17 269	0.40 182	0.25 292	0.15 248	0.24 162	0.28 338	0.38 170	0.41 269	0.25 108	0.25 97	0.28 188	0.21 173	0.28 157	0.20 181	0.15 352	0.13 360	0.14 346	0.15 365	0.10 218	0.09 196

UGAM	0.26 261	0.14 202	0.45 242	0.25 292	0.12 95	0.23 143	0.25 309	0.32 98	0.41 269	0.31 210	0.42 271	0.41 305	0.22 185	0.92 411	0.22 221	0.08 119	0.06 83	0.14 346	0.12 323	0.10 218	0.07 85

rvit_stereo_0080	0.15 36	0.13 164	0.25 27	0.19 36	0.13 162	0.15 6	0.20 198	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 266	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

test_sample3	0.23 196	0.12 106	0.43 224	0.19 36	0.12 95	0.32 275	0.20 198	0.50 284	0.34 188	0.31 210	0.33 178	0.29 197	0.22 185	0.53 279	0.22 221	0.10 235	0.07 183	0.09 151	0.08 136	0.10 218	0.10 246

CAS++	0.16 47	0.12 106	0.27 40	0.18 12	0.12 95	0.17 22	0.15 36	0.42 214	0.24 75	0.19 66	0.18 37	0.13 17	0.10 10	0.21 64	0.12 11	0.12 300	0.10 312	0.11 271	0.08 136	0.10 218	0.09 196
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.14 17	0.11 82	0.32 86	0.19 36	0.11 53	0.18 30	0.17 85	0.20 4	0.22 48	0.14 18	0.24 90	0.15 41	0.10 10	0.18 30	0.12 11	0.07 22	0.06 83	0.07 21	0.06 33	0.10 218	0.06 28

MyStereo8	0.22 179	0.15 232	0.63 339	0.21 117	0.17 292	0.31 267	0.16 58	0.36 157	0.32 167	0.28 138	0.36 206	0.25 143	0.18 143	0.25 114	0.28 278	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.12 299

mmm	0.21 151	0.12 106	0.31 80	0.22 171	0.12 95	0.28 215	0.21 227	0.41 201	0.27 105	0.29 165	0.38 227	0.29 197	0.24 214	0.29 172	0.22 221	0.09 191	0.07 183	0.11 271	0.09 219	0.10 218	0.09 196

whm_eth	0.15 36	0.13 164	0.25 27	0.19 36	0.13 162	0.15 6	0.20 198	0.28 54	0.24 75	0.15 22	0.17 30	0.19 77	0.13 54	0.19 41	0.15 75	0.11 266	0.08 260	0.08 88	0.08 136	0.10 218	0.07 85

plain	0.17 61	0.13 164	0.43 224	0.21 117	0.13 162	0.16 14	0.17 85	0.27 40	0.22 48	0.16 39	0.26 105	0.13 17	0.16 95	0.27 145	0.16 96	0.08 119	0.06 83	0.10 219	0.07 67	0.10 218	0.07 85

StereoVision	0.22 179	0.18 283	0.37 144	0.27 348	0.17 292	0.23 143	0.22 249	0.38 170	0.31 159	0.20 69	0.51 337	0.22 104	0.16 95	0.28 157	0.18 143	0.11 266	0.12 349	0.13 324	0.13 346	0.10 218	0.07 85

riskmin	0.18 82	0.09 15	0.34 106	0.18 12	0.12 95	0.24 162	0.16 58	0.34 119	0.28 119	0.21 78	0.23 79	0.33 240	0.24 214	0.23 83	0.17 124	0.09 191	0.06 83	0.09 151	0.06 33	0.10 218	0.10 246

CRFU-Net	0.28 287	0.14 202	0.45 242	0.25 292	0.15 248	0.45 365	0.23 272	0.50 284	0.30 148	0.43 353	0.41 256	0.48 343	0.46 379	0.43 240	0.29 288	0.11 266	0.10 312	0.09 151	0.08 136	0.10 218	0.10 246

test_5	0.23 196	0.19 298	0.38 163	0.26 324	0.18 312	0.25 175	0.29 343	0.40 189	0.37 221	0.29 165	0.40 248	0.25 143	0.22 185	0.34 207	0.18 143	0.07 22	0.05 7	0.09 151	0.09 219	0.10 218	0.10 246

CSP-Net	0.27 268	0.15 232	0.30 67	0.21 117	0.14 203	0.44 360	0.24 294	0.50 284	0.40 259	0.41 339	0.43 283	0.42 313	0.26 240	0.66 343	0.28 278	0.12 300	0.08 260	0.08 88	0.08 136	0.10 218	0.09 196

PSMNet-ADL	0.25 248	0.15 232	0.32 86	0.26 324	0.14 203	0.31 267	0.22 249	0.44 230	0.36 212	0.27 128	0.33 178	0.41 305	0.28 272	0.61 317	0.29 288	0.11 266	0.09 292	0.09 151	0.11 288	0.10 218	0.10 246

Patchmatch Stereo++	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.14 20	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142
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
PSM-adaLoss	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.16 58	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.24 89	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

ROB_FTStereo_v2	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.16 58	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

ROB_FTStereo	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.14 20	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.24 89	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

HUI-Stereo	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.14 20	0.29 65	0.22 48	0.28 138	0.28 115	0.25 143	0.17 120	0.22 74	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

iGMRVC	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.15 36	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.27 145	0.17 124	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

iRAFT	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.14 20	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.17 120	0.26 129	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

CRE-IMP	0.18 82	0.12 106	0.37 144	0.22 171	0.11 53	0.24 162	0.17 85	0.29 65	0.21 39	0.27 128	0.26 105	0.24 136	0.17 120	0.23 83	0.18 143	0.08 119	0.05 7	0.10 219	0.07 67	0.10 218	0.10 246

RAFT	0.21 151	0.17 269	0.32 86	0.24 256	0.12 95	0.25 175	0.27 325	0.35 139	0.28 119	0.33 242	0.33 178	0.38 277	0.22 185	0.29 172	0.17 124	0.08 119	0.08 260	0.11 271	0.10 253	0.10 218	0.06 28

RAFT-IKP	0.18 82	0.12 106	0.37 144	0.22 171	0.10 28	0.18 30	0.15 36	0.29 65	0.22 48	0.28 138	0.29 126	0.25 143	0.18 143	0.25 114	0.16 96	0.08 119	0.06 83	0.10 219	0.08 136	0.10 218	0.08 142

GES	0.22 179	0.12 106	0.42 213	0.20 79	0.14 203	0.27 201	0.19 157	0.49 276	0.33 179	0.30 193	0.36 206	0.25 143	0.23 196	0.29 172	0.22 221	0.10 235	0.08 260	0.08 88	0.07 67	0.10 218	0.11 278

HCRNet	0.24 222	0.25 349	0.33 100	0.34 395	0.16 273	0.27 201	0.18 120	0.43 225	0.35 200	0.30 193	0.35 196	0.32 233	0.22 185	0.44 244	0.20 181	0.13 317	0.08 260	0.13 324	0.11 288	0.10 218	0.09 196

GMStereo	0.19 120	0.25 349	0.40 182	0.21 117	0.12 95	0.22 124	0.19 157	0.29 65	0.40 259	0.25 108	0.23 79	0.16 50	0.15 81	0.25 114	0.19 168	0.09 191	0.06 83	0.08 88	0.08 136	0.10 218	0.08 142
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MMNet	0.27 268	0.14 202	0.49 270	0.24 256	0.17 292	0.47 373	0.22 249	0.45 240	0.51 354	0.39 322	0.41 256	0.36 265	0.33 318	0.39 229	0.34 314	0.08 119	0.07 183	0.09 151	0.09 219	0.10 218	0.08 142

psm_up	0.29 298	0.16 253	0.41 205	0.26 324	0.17 292	0.32 275	0.26 320	0.55 342	0.43 281	0.36 291	0.40 248	0.45 330	0.37 342	0.58 305	0.30 294	0.11 266	0.12 349	0.13 324	0.12 323	0.10 218	0.10 246

UNet	0.28 287	0.14 202	0.69 355	0.23 214	0.20 344	0.44 360	0.22 249	0.50 284	0.40 259	0.34 260	0.39 240	0.43 316	0.33 318	0.40 234	0.31 298	0.09 191	0.07 183	0.10 219	0.08 136	0.10 218	0.08 142

UPFNet	0.25 248	0.12 106	0.38 163	0.24 256	0.19 330	0.37 320	0.28 338	0.48 268	0.38 235	0.34 260	0.37 215	0.37 269	0.28 272	0.39 229	0.33 310	0.10 235	0.09 292	0.10 219	0.10 253	0.10 218	0.08 142

ACVNet	0.23 196	0.13 164	0.35 116	0.18 12	0.15 248	0.27 201	0.23 272	0.39 182	0.44 295	0.28 138	0.41 256	0.38 277	0.26 240	0.27 145	0.32 303	0.08 119	0.07 183	0.08 88	0.07 67	0.10 218	0.07 85

HGLStereo	0.27 268	0.14 202	0.46 249	0.24 256	0.21 351	0.33 286	0.23 272	0.50 284	0.42 276	0.35 276	0.48 328	0.41 305	0.33 318	0.45 247	0.33 310	0.11 266	0.10 312	0.09 151	0.09 219	0.10 218	0.12 299

GANet-RSSM	0.24 222	0.14 202	0.36 136	0.21 117	0.14 203	0.27 201	0.21 227	0.45 240	0.33 179	0.29 165	0.39 240	0.39 289	0.28 272	0.58 305	0.23 238	0.11 266	0.07 183	0.09 151	0.09 219	0.10 218	0.09 196

PSMNet-RSSM	0.24 222	0.15 232	0.36 136	0.21 117	0.14 203	0.25 175	0.20 198	0.48 268	0.37 221	0.30 193	0.44 294	0.38 277	0.26 240	0.52 274	0.22 221	0.12 300	0.07 183	0.11 271	0.13 346	0.10 218	0.09 196

DMCA	0.22 179	0.14 202	0.36 136	0.22 171	0.14 203	0.27 201	0.20 198	0.43 225	0.38 235	0.31 210	0.32 159	0.33 240	0.24 214	0.24 89	0.28 278	0.11 266	0.08 260	0.10 219	0.08 136	0.10 218	0.11 278

BEATNet_4x	0.22 179	0.18 283	0.47 257	0.22 171	0.10 28	0.28 215	0.14 20	0.46 250	0.32 167	0.31 210	0.34 185	0.31 224	0.25 231	0.31 189	0.29 288	0.08 119	0.06 83	0.08 88	0.06 33	0.10 218	0.08 142

NLCA_NET_v2_RVC	0.27 268	0.21 323	0.59 323	0.25 292	0.18 312	0.29 235	0.22 249	0.50 284	0.40 259	0.38 307	0.41 256	0.43 316	0.27 258	0.43 240	0.29 288	0.11 266	0.08 260	0.10 219	0.10 253	0.10 218	0.11 278
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.27 268	0.17 269	0.35 116	0.25 292	0.14 203	0.37 320	0.21 227	0.47 257	0.41 269	0.44 359	0.51 337	0.41 305	0.28 272	0.45 247	0.37 325	0.09 191	0.06 83	0.11 271	0.11 288	0.10 218	0.10 246
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.28 287	0.16 253	0.34 106	0.27 348	0.16 273	0.38 327	0.25 309	0.48 268	0.43 281	0.46 366	0.46 315	0.51 357	0.33 318	0.53 279	0.33 310	0.10 235	0.10 312	0.11 271	0.11 288	0.10 218	0.09 196

pmcnn	0.50 397	0.20 310	0.78 371	0.24 256	0.26 396	0.39 335	0.30 353	0.51 299	0.50 351	0.54 395	1.23 433	2.52 457	0.37 342	0.77 382	0.95 419	0.08 119	0.06 83	0.06 1	0.05 11	0.10 218	0.08 142

rvit_0105_6	0.19 120	0.14 202	0.34 106	0.23 214	0.14 203	0.18 30	0.20 198	0.29 65	0.37 221	0.18 61	0.22 76	0.23 124	0.17 120	0.26 129	0.17 124	0.15 352	0.13 360	0.13 324	0.11 288	0.11 262	0.08 142

rvit_0105_4	0.20 134	0.15 232	0.38 163	0.23 214	0.14 203	0.20 77	0.22 249	0.33 112	0.39 244	0.19 66	0.24 90	0.25 143	0.19 157	0.27 145	0.17 124	0.16 367	0.13 360	0.13 324	0.11 288	0.11 262	0.08 142

rvit_105_1	0.27 268	0.19 298	0.46 249	0.27 348	0.19 330	0.30 252	0.35 376	0.44 230	0.51 354	0.31 210	0.31 152	0.31 224	0.26 240	0.35 216	0.25 258	0.15 352	0.14 368	0.15 360	0.17 385	0.11 262	0.10 246

AIO-Stereo-zeroshot	0.23 196	0.13 164	0.83 385	0.20 79	0.21 351	0.23 143	0.17 85	0.48 268	0.27 105	0.23 86	0.29 126	0.39 289	0.23 196	0.25 114	0.15 75	0.08 119	0.06 83	0.08 88	0.11 288	0.11 262	0.10 246

IGEV-BASED-STEREO-	0.20 134	0.72 436	0.70 361	0.17 6	0.08 3	0.15 6	0.15 36	0.18 2	0.16 4	0.13 7	0.12 4	0.09 1	0.08 1	0.16 10	0.13 35	0.35 427	0.04 1	0.08 88	0.07 67	0.11 262	0.23 405

test_sample6	0.25 248	0.13 164	0.41 205	0.21 117	0.11 53	0.30 252	0.22 249	0.51 299	0.35 200	0.33 242	0.43 283	0.30 213	0.24 214	0.57 299	0.22 221	0.10 235	0.07 183	0.10 219	0.10 253	0.11 262	0.10 246

test_sample5	0.24 222	0.13 164	0.42 213	0.21 117	0.12 95	0.30 252	0.21 227	0.50 284	0.34 188	0.32 231	0.41 256	0.29 197	0.23 196	0.55 286	0.21 203	0.10 235	0.07 183	0.10 219	0.09 219	0.11 262	0.10 246

test_sample4	0.24 222	0.13 164	0.43 224	0.20 79	0.12 95	0.32 275	0.21 227	0.51 299	0.34 188	0.31 210	0.37 215	0.28 188	0.23 196	0.53 279	0.21 203	0.10 235	0.07 183	0.10 219	0.09 219	0.11 262	0.10 246

DualNet	0.24 222	0.13 164	0.42 213	0.21 117	0.12 95	0.30 252	0.21 227	0.50 284	0.34 188	0.33 242	0.43 283	0.29 197	0.23 196	0.55 286	0.21 203	0.10 235	0.07 183	0.10 219	0.09 219	0.11 262	0.10 246

mmx	0.31 313	0.12 106	0.42 213	0.20 79	0.13 162	0.28 215	0.20 198	0.55 342	0.45 306	0.30 193	0.42 271	0.34 246	0.23 196	0.81 393	1.08 425	0.10 235	0.07 183	0.11 271	0.10 253	0.11 262	0.10 246

ttt	0.29 298	0.12 106	0.34 106	0.21 117	0.13 162	0.29 235	0.20 198	0.56 357	0.47 325	0.31 210	0.44 294	0.30 213	0.22 185	0.65 338	0.85 413	0.13 317	0.10 312	0.10 219	0.10 253	0.11 262	0.11 278

xxx	0.31 313	0.12 106	0.42 213	0.20 79	0.13 162	0.28 215	0.20 198	0.55 342	0.45 306	0.30 193	0.42 271	0.34 246	0.23 196	0.81 393	1.08 425	0.10 235	0.07 183	0.11 271	0.10 253	0.11 262	0.10 246

PCWNet_CMD	0.23 196	0.13 164	0.48 265	0.20 79	0.13 162	0.28 215	0.16 58	0.46 250	0.46 320	0.29 165	0.36 206	0.37 269	0.24 214	0.28 157	0.20 181	0.09 191	0.06 83	0.10 219	0.08 136	0.11 262	0.09 196

CASS	0.21 151	0.15 232	0.32 86	0.26 324	0.11 53	0.28 215	0.19 157	0.39 182	0.30 148	0.32 231	0.34 185	0.25 143	0.24 214	0.25 114	0.20 181	0.13 317	0.08 260	0.11 271	0.09 219	0.11 262	0.11 278
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.24 222	0.16 253	0.48 265	0.21 117	0.13 162	0.29 235	0.29 343	0.39 182	0.39 244	0.27 128	0.35 196	0.39 289	0.31 308	0.31 189	0.29 288	0.08 119	0.09 292	0.10 219	0.11 288	0.11 262	0.10 246

ssnet_v2	0.28 287	0.16 253	0.44 232	0.22 171	0.15 248	0.40 340	0.30 353	0.57 364	0.46 320	0.38 307	0.36 206	0.47 338	0.29 285	0.38 227	0.39 335	0.13 317	0.11 332	0.11 271	0.11 288	0.11 262	0.11 278

Wz-Net-LNSev-Ref	0.30 306	0.20 310	0.70 361	0.21 117	0.17 292	0.46 367	0.27 325	0.50 284	0.49 343	0.42 347	0.55 357	0.43 316	0.30 294	0.46 250	0.38 327	0.09 191	0.06 83	0.07 21	0.06 33	0.11 262	0.10 246

NINENet	0.25 248	0.15 232	0.37 144	0.23 214	0.16 273	0.43 358	0.17 85	0.60 384	0.46 320	0.32 231	0.37 215	0.32 233	0.20 166	0.42 238	0.21 203	0.10 235	0.10 312	0.12 304	0.08 136	0.11 262	0.10 246

dd	0.22 179	0.26 360	0.40 182	0.22 171	0.12 95	0.25 175	0.21 227	0.32 98	0.44 295	0.29 165	0.28 115	0.25 143	0.16 95	0.30 184	0.25 258	0.12 300	0.07 183	0.10 219	0.08 136	0.11 262	0.09 196

GEStereo_RVC	0.27 268	0.20 310	0.44 232	0.27 348	0.16 273	0.33 286	0.25 309	0.56 357	0.54 368	0.34 260	0.38 227	0.34 246	0.25 231	0.51 268	0.28 278	0.12 300	0.08 260	0.09 151	0.08 136	0.11 262	0.11 278

Anonymous3	0.23 196	0.18 283	0.63 339	0.27 348	0.18 312	0.41 343	0.23 272	0.43 225	0.35 200	0.23 86	0.27 111	0.20 84	0.18 143	0.27 145	0.18 143	0.12 300	0.11 332	0.10 219	0.10 253	0.11 262	0.12 299

TestStereo	0.21 151	0.19 298	0.40 182	0.25 292	0.10 28	0.22 124	0.21 227	0.31 89	0.31 159	0.23 86	0.34 185	0.22 104	0.18 143	0.62 325	0.18 143	0.08 119	0.06 83	0.10 219	0.07 67	0.11 262	0.06 28

CFNet_pseudo	0.23 196	0.13 164	0.47 257	0.19 36	0.13 162	0.26 193	0.16 58	0.44 230	0.44 295	0.29 165	0.37 215	0.38 277	0.23 196	0.29 172	0.21 203	0.09 191	0.06 83	0.11 271	0.08 136	0.11 262	0.09 196

ADLNet	0.28 287	0.15 232	0.42 213	0.23 214	0.19 330	0.34 298	0.23 272	0.53 325	0.43 281	0.42 347	0.41 256	0.44 326	0.27 258	0.55 286	0.35 318	0.11 266	0.08 260	0.11 271	0.11 288	0.11 262	0.12 299

RAFT + AFF	0.27 268	0.23 342	0.50 280	0.25 292	0.17 292	0.30 252	0.33 371	0.52 314	0.40 259	0.28 138	0.30 138	0.30 213	0.31 308	0.62 325	0.24 249	0.09 191	0.10 312	0.11 271	0.10 253	0.11 262	0.11 278

acv_ft	0.25 248	0.13 164	0.40 182	0.23 214	0.19 330	0.34 298	0.21 227	0.45 240	0.44 295	0.38 307	0.41 256	0.38 277	0.27 258	0.27 145	0.35 318	0.08 119	0.07 183	0.08 88	0.07 67	0.11 262	0.07 85

DSFCA	0.27 268	0.13 164	0.36 136	0.20 79	0.17 292	0.38 327	0.31 357	0.47 257	0.43 281	0.43 353	0.37 215	0.39 289	0.29 285	0.52 274	0.32 303	0.12 300	0.10 312	0.10 219	0.11 288	0.11 262	0.10 246

ADCRef	0.38 359	0.24 345	0.88 397	0.26 324	0.21 351	0.49 380	0.27 325	0.52 314	0.48 334	0.50 377	0.58 366	0.35 260	0.47 382	0.48 256	1.29 440	0.09 191	0.08 260	0.12 304	0.12 323	0.11 262	0.11 278

MSMDNet	0.23 196	0.13 164	0.48 265	0.20 79	0.13 162	0.28 215	0.16 58	0.46 250	0.46 320	0.29 165	0.36 206	0.37 269	0.24 214	0.28 157	0.20 181	0.09 191	0.06 83	0.09 151	0.08 136	0.11 262	0.09 196

CFNet	0.27 268	0.20 310	0.44 232	0.22 171	0.14 203	0.33 286	0.14 20	0.51 299	0.45 306	0.30 193	0.40 248	0.38 277	0.27 258	0.76 376	0.25 258	0.09 191	0.07 183	0.11 271	0.11 288	0.11 262	0.08 142

ccs_rob	0.23 196	0.13 164	0.47 257	0.20 79	0.13 162	0.26 193	0.17 85	0.44 230	0.44 295	0.29 165	0.37 215	0.38 277	0.23 196	0.29 172	0.21 203	0.09 191	0.06 83	0.11 271	0.08 136	0.11 262	0.09 196

AdaStereo	0.24 222	0.16 253	0.37 144	0.24 256	0.12 95	0.32 275	0.17 85	0.54 332	0.42 276	0.33 242	0.38 227	0.35 260	0.21 173	0.30 184	0.22 221	0.14 340	0.06 83	0.13 324	0.08 136	0.11 262	0.08 142
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.
NaN_ROB	0.41 372	0.28 370	0.62 336	0.30 375	0.19 330	0.51 384	0.47 415	0.58 371	0.59 382	0.56 397	0.47 322	0.49 347	0.41 358	1.21 436	0.64 396	0.12 300	0.18 400	0.12 304	0.13 346	0.11 262	0.14 330

LE_ROB	1.76 457	0.20 310	2.68 458	0.48 426	0.52 433	0.78 423	0.96 453	0.84 436	6.61 469	7.40 470	2.08 457	2.08 449	4.83 465	1.27 440	3.79 465	0.10 235	0.08 260	0.12 304	0.11 288	0.11 262	0.10 246

DN-CSS_ROB	0.22 179	0.25 349	0.47 257	0.24 256	0.14 203	0.25 175	0.12 5	0.40 189	0.33 179	0.29 165	0.42 271	0.22 104	0.20 166	0.33 201	0.19 168	0.07 22	0.06 83	0.11 271	0.11 288	0.11 262	0.07 85

AIO-Stereo-zeroshot1	0.25 248	0.14 202	0.95 408	0.21 117	0.27 398	0.20 77	0.19 157	0.48 268	0.25 86	0.26 119	0.55 357	0.34 246	0.18 143	0.25 114	0.17 124	0.07 22	0.06 83	0.08 88	0.12 323	0.12 297	0.12 299

CFNet_ucs	0.24 222	0.13 164	0.50 280	0.20 79	0.15 248	0.28 215	0.17 85	0.49 276	0.45 306	0.32 231	0.42 271	0.39 289	0.22 185	0.31 189	0.21 203	0.11 266	0.08 260	0.12 304	0.09 219	0.12 297	0.11 278

fast-acv-ft	0.31 313	0.20 310	0.81 381	0.24 256	0.18 312	0.46 367	0.27 325	0.41 201	0.49 343	0.39 322	0.55 357	0.49 347	0.35 330	0.37 223	0.38 327	0.11 266	0.11 332	0.11 271	0.12 323	0.12 297	0.09 196

ADLNet2	0.30 306	0.17 269	0.72 365	0.23 214	0.17 292	0.36 315	0.24 294	0.52 314	0.51 354	0.32 231	0.38 227	0.45 330	0.30 294	0.69 350	0.35 318	0.10 235	0.08 260	0.09 151	0.09 219	0.12 297	0.10 246

CFNet-ft	0.24 222	0.15 232	0.35 116	0.18 12	0.15 248	0.30 252	0.21 227	0.39 182	0.36 212	0.28 138	0.40 248	0.43 316	0.25 231	0.47 254	0.24 249	0.12 300	0.07 183	0.12 304	0.11 288	0.12 297	0.09 196

STTStereo	0.28 287	0.20 310	0.61 328	0.25 292	0.17 292	0.29 235	0.24 294	0.47 257	0.39 244	0.39 322	0.41 256	0.44 326	0.28 272	0.40 234	0.28 278	0.13 317	0.12 349	0.13 324	0.16 377	0.12 297	0.11 278

PA-Net	0.37 353	0.28 370	0.83 385	0.31 381	0.28 403	0.39 335	0.42 403	0.51 299	0.55 373	0.34 260	0.42 271	0.41 305	0.36 334	0.79 386	0.49 369	0.12 300	0.23 418	0.16 369	0.23 408	0.12 297	0.18 369
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
TDLM	0.30 306	0.21 323	0.38 163	0.28 365	0.15 248	0.33 286	0.32 361	0.52 314	0.47 325	0.38 307	0.43 283	0.39 289	0.29 285	0.91 410	0.28 278	0.14 340	0.08 260	0.13 324	0.11 288	0.12 297	0.10 246

CFNet_RVC	0.24 222	0.15 232	0.35 116	0.18 12	0.15 248	0.30 252	0.21 227	0.39 182	0.36 212	0.28 138	0.40 248	0.43 316	0.25 231	0.47 254	0.24 249	0.12 300	0.07 183	0.12 304	0.11 288	0.12 297	0.09 196

iResNetv2_ROB	0.27 268	0.26 360	0.72 365	0.23 214	0.13 162	0.29 235	0.18 120	0.52 314	0.49 343	0.37 296	0.45 306	0.39 289	0.25 231	0.34 207	0.20 181	0.08 119	0.06 83	0.07 21	0.05 11	0.12 297	0.09 196

DRN-Test	0.33 328	0.17 269	0.61 328	0.27 348	0.19 330	0.46 367	0.29 343	0.65 404	0.51 354	0.47 373	0.46 315	0.44 326	0.34 326	0.62 325	0.41 347	0.12 300	0.08 260	0.13 324	0.12 323	0.12 297	0.10 246

StereoDRNet	0.32 322	0.22 335	0.61 328	0.27 348	0.21 351	0.42 350	0.30 353	0.61 388	0.48 334	0.46 366	0.39 240	0.48 343	0.30 294	0.57 299	0.40 341	0.11 266	0.09 292	0.12 304	0.11 288	0.12 297	0.10 246

DISCO	0.32 322	0.13 164	0.51 291	0.25 292	0.16 273	0.48 377	0.25 309	0.50 284	0.57 379	0.37 296	0.45 306	0.62 389	0.36 334	0.64 332	0.49 369	0.09 191	0.07 183	0.09 151	0.08 136	0.12 297	0.11 278

MDST_ROB	0.48 392	0.14 202	0.95 408	0.30 375	0.21 351	1.33 450	0.32 361	0.77 427	0.56 376	1.06 436	0.71 397	0.49 347	0.35 330	1.26 439	0.38 327	0.13 317	0.11 332	0.16 369	0.13 346	0.12 297	0.12 299

rvit_stereo_0075_2	0.24 222	0.17 269	0.50 280	0.26 324	0.22 367	0.22 124	0.15 36	0.40 189	0.35 200	0.27 128	0.37 215	0.29 197	0.20 166	0.28 157	0.19 168	0.17 378	0.12 349	0.19 389	0.12 323	0.13 311	0.13 313

test_sample7	0.25 248	0.15 232	0.35 116	0.20 79	0.14 203	0.28 215	0.21 227	0.51 299	0.38 235	0.37 296	0.34 185	0.37 269	0.30 294	0.39 229	0.23 238	0.14 340	0.09 292	0.13 324	0.12 323	0.13 311	0.12 299

iinet-f	0.30 306	0.18 283	1.03 419	0.20 79	0.15 248	0.44 360	0.22 249	0.45 240	0.37 221	0.35 276	0.44 294	0.41 305	0.34 326	0.34 207	0.40 341	0.10 235	0.09 292	0.08 88	0.08 136	0.13 311	0.11 278

AASNet	0.27 268	0.19 298	0.49 270	0.26 324	0.17 292	0.34 298	0.20 198	0.62 396	0.48 334	0.35 276	0.40 248	0.32 233	0.25 231	0.28 157	0.34 314	0.11 266	0.09 292	0.10 219	0.08 136	0.13 311	0.11 278

AACVNet	0.26 261	0.16 253	0.37 144	0.22 171	0.14 203	0.29 235	0.19 157	0.41 201	0.31 159	0.38 307	0.42 271	0.43 316	0.28 272	0.73 363	0.25 258	0.11 266	0.08 260	0.11 271	0.09 219	0.13 311	0.11 278

LCNet	0.21 151	0.11 82	0.29 61	0.25 292	0.12 95	0.23 143	0.19 157	0.34 119	0.26 95	0.28 138	0.35 196	0.26 164	0.30 294	0.35 216	0.17 124	0.07 22	0.05 7	0.09 151	0.10 253	0.13 311	0.22 399

LMCR-Stereo	0.26 261	0.18 283	0.49 270	0.28 365	0.14 203	0.36 315	0.23 272	0.54 332	0.34 188	0.39 322	0.40 248	0.29 197	0.29 285	0.37 223	0.27 275	0.11 266	0.07 183	0.09 151	0.07 67	0.13 311	0.09 196

Syn2CoEx	0.36 344	0.31 389	0.78 371	0.34 395	0.21 351	0.41 343	0.28 338	0.61 388	0.49 343	0.42 347	0.56 363	0.45 330	0.44 370	0.69 350	0.38 327	0.17 378	0.14 368	0.15 360	0.12 323	0.13 311	0.12 299

GwcNet	0.35 340	0.23 342	0.88 397	0.25 292	0.24 384	0.48 377	0.27 325	0.55 342	0.57 379	0.38 307	0.52 345	0.51 357	0.32 315	0.60 312	0.41 347	0.13 317	0.11 332	0.12 304	0.11 288	0.13 311	0.14 330

DMCA-RVC	0.27 268	0.21 323	0.61 328	0.28 365	0.17 292	0.29 235	0.21 227	0.42 214	0.35 200	0.40 330	0.37 215	0.39 289	0.36 334	0.43 240	0.30 294	0.13 317	0.10 312	0.15 360	0.11 288	0.13 311	0.10 246

FADNet-RVC-Resample	0.29 298	0.25 349	0.93 405	0.26 324	0.16 273	0.32 275	0.21 227	0.47 257	0.39 244	0.35 276	0.38 227	0.33 240	0.27 258	0.53 279	0.24 249	0.10 235	0.10 312	0.14 346	0.13 346	0.13 311	0.16 346

UCFNet_RVC	0.24 222	0.16 253	0.34 106	0.18 12	0.15 248	0.33 286	0.16 58	0.46 250	0.35 200	0.29 165	0.35 196	0.39 289	0.25 231	0.34 207	0.22 221	0.13 317	0.08 260	0.13 324	0.14 357	0.13 311	0.12 299

PSMNet_ROB	0.33 328	0.24 345	0.54 301	0.31 381	0.21 351	0.42 350	0.43 405	0.59 376	0.47 325	0.37 296	0.44 294	0.49 347	0.31 308	0.64 332	0.43 351	0.14 340	0.10 312	0.15 360	0.14 357	0.13 311	0.11 278

CBMV	0.33 328	0.21 323	0.54 301	0.23 214	0.13 162	0.42 350	0.33 371	0.53 325	0.48 334	0.52 388	0.49 329	0.50 353	0.41 358	0.56 296	0.31 298	0.15 352	0.16 389	0.18 382	0.16 377	0.13 311	0.13 313
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-LNSev	0.34 335	0.29 377	0.91 401	0.26 324	0.21 351	0.47 373	0.31 357	0.54 332	0.54 368	0.44 359	0.52 345	0.50 353	0.35 330	0.39 229	0.39 335	0.11 266	0.11 332	0.10 219	0.09 219	0.14 325	0.13 313

UDGNet	0.23 196	0.31 389	0.38 163	0.24 256	0.14 203	0.24 162	0.18 120	0.32 98	0.43 281	0.29 165	0.28 115	0.24 136	0.19 157	0.29 172	0.20 181	0.15 352	0.07 183	0.21 395	0.11 288	0.14 325	0.10 246

dad	0.28 287	0.31 389	0.44 232	0.21 117	0.14 203	0.30 252	0.20 198	0.33 112	0.49 343	0.44 359	0.44 294	0.45 330	0.21 173	0.41 236	0.26 271	0.20 397	0.11 332	0.20 393	0.11 288	0.14 325	0.10 246

pcwnet_v2	0.32 322	0.15 232	1.26 433	0.23 214	0.18 312	0.32 275	0.18 120	0.59 376	0.60 385	0.36 291	0.45 306	0.35 260	0.29 285	0.36 221	0.25 258	0.14 340	0.11 332	0.12 304	0.11 288	0.14 325	0.15 339

FAT-Stereo	0.36 344	0.18 283	0.73 368	0.26 324	0.18 312	0.33 286	0.29 343	0.60 384	0.59 382	0.46 366	0.60 373	0.60 383	0.50 390	0.61 317	0.34 314	0.13 317	0.14 368	0.13 324	0.12 323	0.14 325	0.18 369

Nwc_Net	0.37 353	0.25 349	0.68 354	0.31 381	0.24 384	0.44 360	0.30 353	0.65 404	0.50 351	0.37 296	0.69 396	0.58 378	0.45 373	0.60 312	0.40 341	0.15 352	0.12 349	0.19 389	0.21 399	0.14 325	0.13 313

ADCL	0.47 389	0.22 335	1.00 414	0.27 348	0.19 330	0.74 417	0.64 433	0.54 332	0.69 404	0.56 397	0.71 397	0.55 369	0.60 405	0.60 312	1.43 442	0.11 266	0.09 292	0.13 324	0.13 346	0.14 325	0.14 330

ADCP+	0.45 386	0.24 345	1.15 427	0.25 292	0.22 367	0.56 396	0.39 395	0.54 332	0.51 354	0.44 359	0.51 337	0.46 336	0.52 395	0.56 296	1.89 453	0.10 235	0.08 260	0.11 271	0.10 253	0.14 325	0.13 313

GANet	0.36 344	0.22 335	0.49 270	0.29 368	0.17 292	0.41 343	0.38 390	0.57 364	0.45 306	0.46 366	0.75 403	0.55 369	0.40 354	0.94 415	0.41 347	0.13 317	0.13 360	0.13 324	0.11 288	0.14 325	0.11 278

CVANet_RVC	0.30 306	0.19 298	0.41 205	0.26 324	0.16 273	0.33 286	0.26 320	0.52 314	0.47 325	0.40 330	0.46 315	0.43 316	0.31 308	0.89 406	0.26 271	0.14 340	0.09 292	0.14 346	0.13 346	0.14 325	0.10 246

DeepPruner_ROB	0.26 261	0.19 298	0.44 232	0.21 117	0.16 273	0.30 252	0.21 227	0.52 314	0.32 167	0.35 276	0.38 227	0.39 289	0.26 240	0.42 238	0.24 249	0.15 352	0.11 332	0.11 271	0.11 288	0.14 325	0.13 313

CBMV_ROB	0.33 328	0.18 283	0.53 298	0.21 117	0.14 203	0.33 286	0.20 198	0.51 299	0.45 306	0.51 382	0.55 357	0.45 330	0.42 366	0.71 356	0.32 303	0.18 389	0.19 404	0.23 402	0.21 399	0.14 325	0.15 339

Wz-Net-MNSev	0.36 344	0.26 360	0.79 377	0.26 324	0.21 351	0.59 401	0.38 390	0.55 342	0.56 376	0.48 376	0.54 353	0.53 365	0.36 334	0.60 312	0.44 355	0.11 266	0.09 292	0.11 271	0.11 288	0.15 337	0.13 313

hitnet-ft	0.29 298	0.17 269	0.40 182	0.19 36	0.14 203	0.39 335	0.23 272	0.44 230	0.41 269	0.36 291	0.46 315	0.53 365	0.34 326	0.76 376	0.32 303	0.14 340	0.10 312	0.13 324	0.10 253	0.15 337	0.13 313

AF-Net	0.37 353	0.26 360	0.56 311	0.32 387	0.23 379	0.41 343	0.29 343	0.61 388	0.64 394	0.42 347	0.68 392	0.65 400	0.49 389	0.57 299	0.44 355	0.15 352	0.11 332	0.19 389	0.14 357	0.15 337	0.13 313

SGM-ForestM	1.36 448	0.28 370	0.79 377	0.26 324	0.16 273	2.26 461	1.00 455	1.42 450	1.46 449	2.38 461	2.05 456	5.95 470	2.66 463	2.95 462	2.46 460	0.17 378	0.18 400	0.18 382	0.18 391	0.15 337	0.18 369

PS-NSSS	0.32 322	0.30 383	0.46 249	0.23 214	0.17 292	0.33 286	0.24 294	0.57 364	0.41 269	0.37 296	0.52 345	0.35 260	0.30 294	0.80 390	0.30 294	0.17 378	0.14 368	0.21 395	0.15 365	0.15 337	0.13 313

XPNet_ROB	0.33 328	0.20 310	0.43 224	0.27 348	0.18 312	0.37 320	0.31 357	0.55 342	0.50 351	0.51 382	0.53 350	0.58 378	0.37 342	0.63 330	0.45 358	0.17 378	0.12 349	0.13 324	0.12 323	0.15 337	0.14 330

SGM-Forest	0.36 344	0.17 269	0.47 257	0.23 214	0.16 273	0.45 365	0.41 400	0.55 342	0.48 334	0.52 388	0.60 373	0.52 361	0.41 358	0.85 399	0.50 374	0.17 378	0.17 394	0.17 375	0.15 365	0.15 337	0.15 339
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
IGEV-Stereo+	0.12 2	0.08 3	0.17 2	0.18 12	0.13 162	0.09 1	0.11 3	0.16 1	0.15 2	0.10 1	0.08 1	0.10 2	0.10 10	0.21 64	0.11 1	0.07 22	0.05 7	0.06 1	0.05 11	0.16 344	0.24 410

GMStereo_Zeroshot	0.24 222	0.21 323	0.45 242	0.26 324	0.13 162	0.28 215	0.15 36	0.39 182	0.35 200	0.37 296	0.43 283	0.40 302	0.17 120	0.34 207	0.20 181	0.12 300	0.07 183	0.13 324	0.07 67	0.16 344	0.09 196

HBP-ISP	0.33 328	0.30 383	0.72 365	0.22 171	0.16 273	0.32 275	0.22 249	0.54 332	0.44 295	0.41 339	0.49 329	0.33 240	0.38 346	0.73 363	0.25 258	0.18 389	0.19 404	0.24 404	0.20 396	0.16 344	0.13 313

Wz-Net-SNSev	0.43 379	0.41 413	1.27 434	0.30 375	0.21 351	0.44 360	0.41 400	0.61 388	0.65 395	0.46 366	0.65 386	0.62 389	0.39 351	0.74 370	0.59 387	0.12 300	0.11 332	0.12 304	0.13 346	0.16 344	0.14 330

SACVNet	0.30 306	0.20 310	0.41 205	0.25 292	0.18 312	0.34 298	0.25 309	0.52 314	0.40 259	0.41 339	0.44 294	0.46 336	0.32 315	0.71 356	0.25 258	0.13 317	0.10 312	0.12 304	0.12 323	0.16 344	0.17 357

APVNet	0.36 344	0.20 310	0.70 361	0.26 324	0.22 367	0.52 393	0.35 376	0.61 388	0.44 295	0.38 307	0.52 345	0.48 343	0.38 346	0.84 398	0.46 364	0.13 317	0.14 368	0.15 360	0.16 377	0.16 344	0.15 339

psmorigin	0.50 397	0.25 349	3.03 459	0.24 256	0.19 330	0.38 327	0.22 249	0.50 284	0.44 295	0.64 407	0.68 392	0.71 413	0.51 393	0.85 399	0.45 358	0.14 340	0.17 394	0.13 324	0.14 357	0.16 344	0.21 394

aanetorigin	0.39 364	0.29 377	1.09 422	0.24 256	0.19 330	0.28 215	0.37 384	0.33 112	0.47 325	0.94 428	0.82 411	0.52 361	0.54 396	0.49 261	0.50 374	0.11 266	0.09 292	0.10 219	0.10 253	0.16 344	0.15 339

S-Stereo	0.38 359	0.20 310	1.05 420	0.27 348	0.22 367	0.38 327	0.32 361	0.55 342	0.66 396	0.39 322	0.59 368	0.49 347	0.41 358	0.75 371	0.40 341	0.12 300	0.15 382	0.13 324	0.13 346	0.16 344	0.21 394

NCC-stereo	0.39 364	0.25 349	0.69 355	0.32 387	0.28 403	0.46 367	0.36 380	0.65 404	0.52 361	0.40 330	0.57 364	0.56 371	0.47 382	0.73 363	0.45 358	0.17 378	0.14 368	0.18 382	0.25 413	0.16 344	0.16 346

edge stereo	0.39 364	0.22 335	0.81 381	0.27 348	0.22 367	0.37 320	0.24 294	0.56 357	0.54 368	0.53 393	0.60 373	0.71 413	0.50 390	0.78 384	0.40 341	0.16 367	0.14 368	0.19 389	0.14 357	0.16 344	0.17 357

Abc-Net	0.39 364	0.25 349	0.69 355	0.32 387	0.28 403	0.46 367	0.36 380	0.65 404	0.52 361	0.40 330	0.57 364	0.56 371	0.47 382	0.73 363	0.45 358	0.17 378	0.14 368	0.18 382	0.25 413	0.16 344	0.16 346
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCCL2	0.35 340	0.26 360	0.49 270	0.36 405	0.22 367	0.41 343	0.41 400	0.53 325	0.42 276	0.47 373	0.46 315	0.61 387	0.39 351	0.55 286	0.37 325	0.16 367	0.13 360	0.21 395	0.21 399	0.16 344	0.16 346

ETE_ROB	0.34 335	0.26 360	0.45 242	0.29 368	0.18 312	0.40 340	0.37 384	0.57 364	0.47 325	0.50 377	0.50 331	0.62 389	0.36 334	0.55 286	0.38 327	0.13 317	0.10 312	0.14 346	0.12 323	0.16 344	0.16 346

SGM_RVC	0.50 397	0.19 298	0.50 280	0.25 292	0.15 248	0.69 412	0.39 395	0.68 418	0.82 420	0.95 430	0.84 413	1.13 429	0.76 422	1.16 432	0.60 389	0.16 367	0.16 389	0.16 369	0.16 377	0.16 344	0.17 357
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SDNR	0.42 375	0.21 323	0.82 384	0.21 117	0.18 312	1.27 447	0.17 85	0.50 284	0.49 343	0.42 347	0.81 410	0.38 277	0.27 258	1.19 433	0.38 327	0.23 401	0.24 420	0.17 375	0.13 346	0.17 359	0.20 387

RP	0.35 340	0.22 335	0.51 291	0.31 381	0.24 384	0.37 320	0.28 338	0.50 284	0.58 381	0.40 330	0.63 384	0.61 387	0.47 382	0.61 317	0.39 335	0.16 367	0.15 382	0.17 375	0.15 365	0.17 359	0.17 357

RTSC	0.39 364	0.28 370	0.78 371	0.27 348	0.18 312	0.49 380	0.22 249	0.59 376	0.84 425	0.55 396	0.53 350	0.49 347	0.36 334	0.67 347	0.82 409	0.13 317	0.10 312	0.11 271	0.12 323	0.17 359	0.17 357

DeepPrunerF	0.44 385	0.29 377	1.29 436	0.33 393	0.30 411	0.35 310	0.36 380	0.62 396	1.15 443	0.40 330	0.44 294	0.39 289	0.41 358	0.80 390	0.52 377	0.18 389	0.14 368	0.23 402	0.21 399	0.17 359	0.17 357

DANet	0.35 340	0.23 342	0.60 325	0.36 405	0.22 367	0.39 335	0.25 309	0.48 268	0.43 281	0.52 388	0.50 331	0.59 380	0.41 358	0.76 376	0.49 369	0.13 317	0.11 332	0.14 346	0.12 323	0.17 359	0.15 339
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	0.43 379	0.26 360	0.54 301	0.31 381	0.20 344	0.51 384	0.32 361	0.70 420	0.60 385	0.59 400	0.55 357	0.65 400	0.41 358	1.40 444	0.51 376	0.13 317	0.17 394	0.21 395	0.16 377	0.17 359	0.18 369

SANet	0.53 406	0.28 370	0.96 410	0.26 324	0.15 248	0.69 412	0.44 408	0.67 415	1.34 445	0.67 410	0.98 423	0.94 424	0.71 420	0.89 406	0.76 402	0.14 340	0.12 349	0.12 304	0.11 288	0.17 359	0.16 346

NOSS_ROB	0.31 313	0.20 310	0.35 116	0.24 256	0.16 273	0.32 275	0.19 157	0.52 314	0.48 334	0.33 242	0.36 206	0.42 313	0.28 272	0.93 413	0.24 249	0.19 394	0.20 409	0.24 404	0.22 406	0.17 359	0.17 357

LALA_ROB	0.36 344	0.25 349	0.46 249	0.30 375	0.21 351	0.47 373	0.39 395	0.61 388	0.51 354	0.52 388	0.51 337	0.69 410	0.36 334	0.50 263	0.43 351	0.17 378	0.11 332	0.16 369	0.14 357	0.17 359	0.15 339

PWC_ROB	0.38 359	0.29 377	0.69 355	0.25 292	0.20 344	0.38 327	0.19 157	0.58 371	0.67 399	0.57 399	0.85 414	0.51 357	0.40 354	0.71 356	0.52 377	0.13 317	0.09 292	0.14 346	0.10 253	0.17 359	0.14 330

MeshStereo	0.58 412	0.27 367	0.67 349	0.22 171	0.17 292	0.66 410	0.37 384	0.78 428	0.61 388	1.47 457	1.30 435	1.65 443	0.79 424	1.12 430	0.59 387	0.17 378	0.17 394	0.17 375	0.14 357	0.17 359	0.14 330
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
DualNet (step1)	0.28 287	0.19 298	0.50 280	0.18 12	0.16 273	0.34 298	0.20 198	0.51 299	0.38 235	0.37 296	0.34 185	0.37 269	0.30 294	0.39 229	0.23 238	0.23 401	0.09 292	0.28 413	0.24 410	0.18 370	0.16 346

test_sample9	0.42 375	0.19 298	0.50 280	0.18 12	0.16 273	0.34 298	0.20 198	0.51 299	0.38 235	0.37 296	0.34 185	0.37 269	0.30 294	0.66 343	0.91 416	0.23 401	1.82 464	0.28 413	0.24 410	0.18 370	0.16 346

test_sample8	0.49 394	0.19 298	0.50 280	0.18 12	0.16 273	0.34 298	0.20 198	0.55 342	0.34 188	0.62 403	0.38 227	1.15 432	0.67 416	0.66 343	0.91 416	0.23 401	1.82 464	0.28 413	0.24 410	0.18 370	0.16 346

FINET	0.34 335	0.27 367	0.80 379	0.24 256	0.24 384	0.36 315	0.34 373	0.54 332	0.72 409	0.39 322	0.47 322	0.32 233	0.30 294	0.51 268	0.32 303	0.19 394	0.17 394	0.13 324	0.12 323	0.18 370	0.16 346

RGC	0.39 364	0.32 394	0.64 344	0.34 395	0.27 398	0.40 340	0.29 343	0.57 364	0.53 365	0.45 363	0.64 385	0.62 389	0.45 373	0.72 361	0.39 335	0.15 352	0.15 382	0.21 395	0.20 396	0.18 370	0.19 377

RYNet	0.37 353	0.18 283	0.59 323	0.25 292	0.28 403	0.61 405	0.32 361	0.59 376	0.59 382	0.41 339	0.38 227	0.57 375	0.39 351	0.87 402	0.53 379	0.11 266	0.08 260	0.12 304	0.11 288	0.18 370	0.18 369

CSAN	0.50 397	0.35 398	0.78 371	0.36 405	0.23 379	0.56 396	0.59 430	0.61 388	0.70 406	0.64 407	0.78 407	0.65 400	0.60 405	1.38 443	0.62 392	0.21 398	0.17 394	0.20 393	0.20 396	0.18 370	0.18 369

WZ-Net	0.52 405	0.38 408	1.90 448	0.30 375	0.24 384	0.57 399	0.48 419	0.62 396	0.78 417	0.50 377	0.71 397	0.68 408	0.54 396	0.98 421	0.84 410	0.13 317	0.10 312	0.11 271	0.12 323	0.19 377	0.20 387

EDNetEfficient	0.63 418	0.37 406	2.40 454	0.26 324	0.25 391	0.38 327	0.49 421	0.41 201	1.06 438	1.38 446	0.87 418	0.62 389	0.95 435	0.65 338	1.65 446	0.11 266	0.09 292	0.10 219	0.11 288	0.19 377	0.17 357

FADNet-RVC	0.31 313	0.35 398	0.78 371	0.25 292	0.20 344	0.33 286	0.20 198	0.49 276	0.40 259	0.34 260	0.39 240	0.41 305	0.29 285	0.63 330	0.31 298	0.13 317	0.14 368	0.14 346	0.15 365	0.19 377	0.19 377

stereogan	0.37 353	0.17 269	0.65 345	0.27 348	0.22 367	0.62 406	0.26 320	0.59 376	0.63 393	0.43 353	0.60 373	0.67 405	0.42 366	0.68 348	0.35 318	0.13 317	0.14 368	0.14 346	0.12 323	0.19 377	0.17 357

ADCPNet	0.48 392	0.29 377	1.60 444	0.27 348	0.23 379	0.70 415	0.38 390	0.53 325	0.51 354	0.51 382	0.59 368	0.67 405	0.56 400	0.60 312	1.14 430	0.15 352	0.18 400	0.14 346	0.23 408	0.19 377	0.19 377

NVstereo2D	0.31 313	0.16 253	0.54 301	0.24 256	0.22 367	0.42 350	0.28 338	0.58 371	0.56 376	0.28 138	0.38 227	0.40 302	0.30 294	0.71 356	0.28 278	0.13 317	0.08 260	0.13 324	0.10 253	0.19 377	0.16 346

PWCDC_ROB	0.38 359	0.30 383	0.60 325	0.33 393	0.20 344	0.42 350	0.19 157	0.58 371	0.89 427	0.42 347	1.26 434	0.36 265	0.34 326	0.50 263	0.38 327	0.18 389	0.11 332	0.11 271	0.09 219	0.19 377	0.13 313

WCMA_ROB	0.51 401	0.21 323	0.65 345	0.25 292	0.21 351	0.58 400	0.32 361	0.54 332	0.55 373	0.95 430	1.40 438	1.28 436	0.81 427	0.73 363	0.62 392	0.18 389	0.15 382	0.15 360	0.15 365	0.19 377	0.19 377

SHD	0.42 375	0.27 367	0.81 381	0.31 381	0.25 391	0.42 350	0.22 249	0.66 410	0.94 434	0.63 405	0.60 373	0.59 380	0.47 382	0.59 311	0.58 386	0.15 352	0.13 360	0.16 369	0.16 377	0.20 385	0.22 399

ADCMid	0.49 394	0.34 396	1.13 426	0.26 324	0.21 351	0.51 384	0.37 384	0.57 364	0.54 368	0.75 419	0.66 388	0.62 389	0.64 415	0.64 332	1.68 447	0.13 317	0.12 349	0.17 375	0.17 385	0.20 385	0.17 357

AnyNet_C32	0.51 401	0.40 410	1.10 425	0.29 368	0.28 403	0.59 401	0.58 428	0.54 332	0.60 385	0.62 403	0.66 388	0.54 367	0.54 396	0.78 384	1.74 450	0.15 352	0.14 368	0.15 360	0.17 385	0.20 385	0.20 387

coex-ft	3.44 464	0.73 437	48.55 484	0.24 256	0.19 330	0.50 383	0.43 405	0.47 257	2.40 456	7.03 469	1.20 431	0.97 427	2.23 460	0.73 363	1.92 454	0.12 300	0.15 382	0.14 346	0.12 323	0.21 388	0.43 432

Wz-Net-TNSev	0.51 401	0.58 428	1.61 446	0.25 292	0.21 351	0.65 408	0.45 409	0.63 402	0.69 404	0.51 382	0.54 353	0.71 413	0.60 405	1.00 422	0.77 405	0.15 352	0.15 382	0.13 324	0.15 365	0.21 388	0.20 387

EDNetEfficientorigin	7.51 468	0.52 426	140.47 486	0.25 292	0.17 292	0.42 350	0.29 343	0.47 257	1.03 435	1.28 443	1.02 424	0.83 419	0.84 430	0.75 371	0.99 421	0.10 235	0.09 292	0.12 304	0.10 253	0.21 388	0.22 399

FADNet_RVC	0.30 306	0.28 370	0.83 385	0.23 214	0.15 248	0.30 252	0.17 85	0.49 276	0.37 221	0.30 193	0.38 227	0.30 213	0.27 258	0.52 274	0.31 298	0.14 340	0.14 368	0.14 346	0.16 377	0.21 388	0.23 405

RTS	0.78 433	0.48 418	4.68 461	0.34 395	0.28 403	1.12 440	0.46 411	0.62 396	1.03 435	0.73 415	0.89 419	0.60 383	0.59 403	1.61 447	1.16 433	0.14 340	0.11 332	0.15 360	0.15 365	0.21 388	0.19 377

RTSA	0.78 433	0.48 418	4.68 461	0.34 395	0.28 403	1.12 440	0.46 411	0.62 396	1.03 435	0.73 415	0.89 419	0.60 383	0.59 403	1.61 447	1.16 433	0.14 340	0.11 332	0.15 360	0.15 365	0.21 388	0.19 377

GASNet	0.36 344	0.46 414	0.88 397	0.34 395	0.23 379	0.35 310	0.22 249	0.60 384	0.53 365	0.40 330	0.37 215	0.45 330	0.30 294	0.79 386	0.35 318	0.15 352	0.10 312	0.14 346	0.14 357	0.22 394	0.12 299

G-Net	0.46 388	0.25 349	0.86 394	0.34 395	0.28 403	0.90 432	0.35 376	0.47 257	0.45 306	0.68 411	1.22 432	0.64 399	0.60 405	0.61 317	0.57 381	0.16 367	0.14 368	0.17 375	0.13 346	0.22 394	0.19 377

ADCS	0.58 412	0.40 410	1.35 439	0.29 368	0.24 384	0.55 395	0.45 409	0.67 415	0.83 423	0.76 420	0.71 397	0.68 408	0.60 405	0.76 376	2.23 458	0.16 367	0.16 389	0.16 369	0.17 385	0.22 394	0.22 399

sAnonymous2	0.20 134	0.21 323	0.58 319	0.24 256	0.17 292	0.22 124	0.19 157	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 397	0.17 357

CroCo_RVC	0.20 134	0.21 323	0.58 319	0.24 256	0.17 292	0.22 124	0.19 157	0.34 119	0.28 119	0.17 48	0.19 42	0.17 55	0.16 95	0.17 17	0.14 59	0.10 235	0.07 183	0.09 151	0.08 136	0.23 397	0.17 357

AnyNet_C01	0.65 420	0.58 428	2.60 457	0.32 387	0.26 396	0.88 430	0.61 431	0.63 402	0.62 390	0.68 411	0.96 422	0.76 416	0.60 405	0.96 418	1.43 442	0.16 367	0.16 389	0.17 375	0.17 385	0.23 397	0.23 405

FADNet	0.32 322	0.36 401	0.74 369	0.23 214	0.22 367	0.37 320	0.19 157	0.53 325	0.48 334	0.32 231	0.36 206	0.43 316	0.32 315	0.64 332	0.25 258	0.16 367	0.16 389	0.14 346	0.16 377	0.24 400	0.19 377

MFN_U_SF_DS_RVC	0.51 401	0.50 423	0.86 394	0.39 415	0.24 384	0.84 427	0.55 426	0.56 357	0.62 390	0.60 401	0.68 392	0.62 389	0.42 366	1.13 431	0.43 351	0.23 401	0.27 424	0.27 407	0.35 427	0.25 401	0.29 418

XQC	0.43 379	0.37 406	0.96 410	0.34 395	0.25 391	0.53 394	0.34 373	0.60 384	0.73 412	0.51 382	0.46 315	0.57 375	0.47 382	0.70 353	0.72 401	0.17 378	0.12 349	0.18 382	0.15 365	0.25 401	0.23 405

LSM	1.64 456	0.40 410	2.56 456	2.02 465	17.61 476	0.51 384	0.52 423	0.61 388	0.76 414	0.82 422	1.11 428	0.63 397	0.54 396	0.75 371	0.49 369	0.16 367	0.24 420	0.18 382	0.21 399	0.25 401	2.42 468

DPSNet	0.47 389	0.24 345	0.93 405	0.27 348	0.20 344	0.75 419	0.57 427	0.84 436	0.79 418	0.47 373	0.51 337	0.60 383	0.69 418	0.87 402	0.71 400	0.16 367	0.13 360	0.12 304	0.10 253	0.25 401	0.21 394

PDISCO_ROB	0.43 379	0.30 383	0.67 349	0.43 420	0.36 419	0.67 411	0.32 361	0.72 423	0.76 414	0.43 353	0.53 350	0.63 397	0.40 354	0.66 343	0.47 366	0.21 398	0.12 349	0.21 395	0.19 395	0.25 401	0.20 387

MSMD_ROB	0.60 416	0.33 395	0.61 328	0.30 375	0.25 391	0.86 429	0.35 376	0.55 342	0.67 399	1.10 438	1.49 443	1.76 446	0.97 438	0.88 405	0.49 369	0.23 401	0.21 410	0.27 407	0.27 420	0.25 401	0.24 410

FC-DCNN v2	0.71 426	0.30 383	0.67 349	0.32 387	0.27 398	0.84 427	0.39 395	0.84 436	0.85 426	1.44 453	1.64 449	2.09 450	1.28 449	1.06 426	0.80 408	0.24 407	0.22 414	0.27 407	0.26 417	0.26 407	0.25 412

ccnet	0.42 375	0.31 389	0.48 265	0.27 348	0.32 414	0.60 404	0.32 361	0.65 404	0.46 320	0.53 393	0.66 388	0.56 371	0.45 373	0.72 361	0.61 390	0.26 410	0.19 404	0.24 404	0.21 399	0.26 407	0.22 399

MaskLacGwcNet_RVC	0.36 344	0.36 401	0.53 298	0.34 395	0.19 330	0.51 384	0.24 294	0.55 342	0.38 235	0.41 339	0.47 322	0.47 338	0.27 258	0.73 363	0.30 294	0.36 428	0.19 404	0.27 407	0.17 385	0.26 407	0.23 405

FC-DCNN	0.70 425	0.30 383	0.69 355	0.32 387	0.27 398	0.81 426	0.39 395	0.79 431	0.82 420	1.41 449	1.58 448	1.98 448	1.26 447	1.02 424	0.77 405	0.24 407	0.22 414	0.27 407	0.26 417	0.26 407	0.26 414

FCDSN-DC	0.63 418	0.31 389	0.61 328	0.36 405	0.30 411	0.65 408	0.37 384	0.66 410	0.68 402	1.14 440	1.54 446	1.71 445	1.26 447	0.92 411	0.64 396	0.24 407	0.22 414	0.27 407	0.26 417	0.27 411	0.27 417
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PVD	0.58 412	0.34 396	0.84 390	0.39 415	0.31 413	0.59 401	0.47 415	0.80 432	1.25 444	0.92 427	1.09 426	0.79 417	0.82 428	0.85 399	0.76 402	0.21 398	0.18 400	0.22 401	0.18 391	0.27 411	0.35 426

SAMSARA	0.56 408	0.39 409	0.80 379	0.60 434	0.46 426	1.00 436	1.23 463	0.67 415	0.68 402	0.71 414	0.54 353	0.89 423	0.57 402	0.81 393	0.62 392	0.19 394	0.22 414	0.18 382	0.18 391	0.27 411	0.25 412

GANetREF_RVC	0.43 379	0.47 416	0.69 355	0.38 413	0.20 344	0.51 384	0.48 419	0.66 410	0.66 396	0.46 366	0.46 315	0.50 353	0.44 370	0.90 409	0.39 335	0.27 415	0.21 410	0.32 421	0.18 391	0.27 411	0.22 399
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
MANE	1.41 449	0.36 401	0.74 369	0.43 420	0.41 423	2.16 460	0.80 445	2.39 465	3.38 459	2.22 460	3.06 462	3.54 463	2.73 464	2.15 459	1.94 455	0.28 418	0.27 424	0.30 419	0.46 435	0.28 415	0.34 425

PASM	0.45 386	0.35 398	0.90 400	0.35 404	0.33 415	0.39 335	0.38 390	0.50 284	0.61 388	0.52 388	0.51 337	0.62 389	0.45 373	0.93 413	0.48 367	0.26 410	0.29 428	0.29 417	0.33 425	0.29 416	0.26 414

ELAS_RVC	0.74 431	0.36 401	1.00 414	0.37 411	0.33 415	0.88 430	0.93 452	0.83 435	1.08 439	1.35 445	1.33 437	1.24 434	1.33 451	1.06 426	0.95 419	0.27 415	0.25 422	0.29 417	0.27 420	0.30 417	0.30 419
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CC-Net-ROB	0.43 379	0.47 416	0.65 345	0.37 411	0.23 379	0.51 384	0.29 343	0.66 410	0.49 343	0.46 366	0.51 337	0.48 343	0.38 346	0.96 418	0.35 318	0.34 426	0.23 418	0.55 435	0.25 413	0.31 418	0.20 387

ELAS	0.74 431	0.36 401	0.85 393	0.36 405	0.33 415	1.36 451	0.77 443	0.93 440	0.92 431	1.41 449	1.53 445	1.16 433	1.17 443	0.95 417	1.03 423	0.26 410	0.25 422	0.28 413	0.28 423	0.31 418	0.30 419
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MFN_U_SF_RVC	0.56 408	0.51 425	1.19 428	0.38 413	0.22 367	0.69 412	0.27 325	0.80 432	0.67 399	0.73 415	0.74 402	0.87 420	0.61 414	0.81 393	0.76 402	0.29 420	0.27 424	0.32 421	0.37 431	0.32 420	0.31 421

Anonymous_2	0.37 353	0.21 323	0.47 257	0.20 79	0.21 351	0.42 350	0.26 320	0.38 170	0.29 137	0.33 242	0.30 138	0.44 326	0.38 346	0.36 221	0.29 288	0.26 410	0.29 428	0.44 429	1.41 464	0.34 421	0.21 394

UDG	0.40 370	0.46 414	0.49 270	0.40 417	0.35 418	0.47 373	0.27 325	0.54 332	0.47 325	0.39 322	0.45 306	0.59 380	0.44 370	0.46 250	0.39 335	0.26 410	0.19 404	0.48 431	0.22 406	0.34 421	0.26 414

NVStereoNet_ROB	0.67 422	0.49 422	0.83 385	0.48 426	0.40 422	0.51 384	0.46 411	0.70 420	0.77 416	0.84 423	1.72 450	1.02 428	0.83 429	1.23 437	0.79 407	0.32 424	0.38 435	0.40 427	0.46 435	0.36 423	0.41 431
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DDUNet	0.41 372	0.50 423	0.48 265	0.44 422	0.39 420	0.46 367	0.32 361	0.50 284	0.43 281	0.45 363	0.52 345	0.57 375	0.36 334	0.48 256	0.33 310	0.33 425	0.21 410	0.55 435	0.25 413	0.37 424	0.32 424

MSC_U_SF_DS_RVC	0.68 423	0.64 433	1.06 421	0.45 423	0.27 398	1.40 453	0.58 428	0.78 428	0.92 431	0.84 423	0.86 415	0.88 422	0.68 417	1.33 442	0.68 399	0.37 430	0.29 428	0.34 423	0.36 430	0.43 425	0.37 427

MADNet+	1.01 441	1.16 457	4.72 463	0.70 439	0.47 427	1.24 446	0.96 453	0.97 441	0.89 427	0.65 409	0.77 406	0.87 420	0.85 432	2.09 457	1.68 447	0.38 431	0.39 436	0.31 420	0.27 420	0.43 425	0.39 429

SQANet	0.40 370	0.48 418	0.67 349	0.48 426	0.39 420	0.48 377	0.22 249	0.51 299	0.43 281	0.40 330	0.47 322	0.47 338	0.33 318	0.54 285	0.32 303	0.36 428	0.15 382	0.40 427	0.21 399	0.45 427	0.31 421

testlalala_base	0.20 134	0.13 164	0.35 116	0.25 292	0.15 248	0.25 175	0.16 58	0.34 119	0.17 8	0.19 66	0.26 105	0.17 55	0.14 69	0.18 30	0.16 96	0.39 432	0.09 292	0.07 21	0.05 11	0.45 427	0.08 142

anonymity	0.56 408	0.54 427	0.70 361	0.47 425	0.61 438	0.56 396	0.43 405	0.69 419	0.49 343	0.63 405	0.55 357	0.54 367	0.60 405	0.61 317	0.57 381	0.55 438	0.53 445	0.50 432	0.54 443	0.51 429	0.56 441

Consistency-Raft	0.55 407	0.48 418	1.02 417	0.45 423	0.49 429	0.49 380	0.47 415	0.72 423	0.72 409	0.45 363	0.82 411	0.47 338	0.60 405	0.50 263	0.63 395	0.39 432	0.39 436	0.44 429	0.51 440	0.52 430	0.37 427

SGM+DAISY	0.87 435	0.66 435	1.30 437	0.51 429	0.60 437	1.03 437	0.84 449	0.76 426	0.73 412	1.39 447	1.51 444	1.31 437	1.22 445	1.11 428	1.08 425	0.57 440	0.53 445	0.51 434	0.51 440	0.54 431	0.61 448

SPS-STEREO	0.69 424	0.61 431	0.98 412	0.52 431	0.57 436	0.74 417	0.50 422	0.78 428	0.62 390	0.95 430	0.86 415	0.94 424	0.70 419	1.01 423	0.87 414	0.58 441	0.51 442	0.50 432	0.50 439	0.55 432	0.58 443
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
BEATNet-Init1	4.73 467	2.61 466	13.29 476	0.58 432	0.53 434	10.12 472	3.33 468	4.83 468	5.01 467	8.75 471	8.51 469	14.08 478	7.60 470	7.70 471	5.34 468	0.28 418	0.28 427	0.34 423	0.37 431	0.57 433	0.45 433

JetBlue	1.14 446	0.76 438	2.36 452	0.59 433	0.75 444	3.04 464	1.78 465	1.11 443	0.90 429	0.94 428	1.10 427	1.66 444	1.28 449	2.09 457	1.72 449	0.43 434	0.36 434	0.38 425	0.38 433	0.58 434	0.56 441

otaku	0.57 411	0.62 432	0.87 396	0.63 436	0.44 425	0.73 416	0.37 384	0.65 404	0.66 396	0.51 382	0.75 403	0.66 404	0.45 373	0.69 350	0.46 364	0.53 435	0.34 433	0.55 435	0.35 427	0.60 435	0.45 433

GCST	0.47 389	0.60 430	0.57 314	1.04 453	0.48 428	0.38 327	0.11 3	0.40 189	0.32 167	0.41 339	0.34 185	0.29 197	0.17 120	0.46 250	0.19 168	0.69 445	0.42 438	0.79 447	0.62 449	0.62 436	0.46 436

Ntro	0.58 412	0.64 433	0.92 403	0.66 437	0.50 431	0.77 420	0.36 380	0.66 410	0.70 406	0.50 377	0.59 368	0.65 400	0.51 393	0.75 371	0.45 358	0.56 439	0.32 432	0.56 438	0.34 426	0.63 437	0.46 436

DGSMNet	0.61 417	0.29 377	0.91 401	0.51 429	0.70 442	0.62 406	1.38 464	0.59 376	0.55 373	0.37 296	0.61 379	0.52 361	0.33 318	0.65 338	0.43 351	0.53 435	0.60 452	0.67 440	0.61 448	0.63 437	0.61 448

ACVNet_1	0.72 427	0.81 440	1.37 440	0.72 440	0.53 434	0.77 420	0.42 403	0.85 439	0.90 429	0.74 418	0.75 403	1.32 438	0.72 421	1.02 424	0.55 380	0.54 437	0.31 431	0.71 442	0.35 427	0.64 439	0.45 433

ACVNet-4b	0.72 427	0.81 440	1.33 438	0.72 440	0.50 431	0.80 425	0.31 357	0.71 422	0.80 419	0.50 377	0.72 401	0.95 426	0.43 369	0.96 418	1.20 437	1.13 462	0.21 410	0.76 444	0.45 434	0.65 440	0.46 436

DispFullNet	0.66 421	0.89 445	1.59 443	0.77 442	1.21 459	0.51 384	0.23 272	0.59 376	0.72 409	0.69 413	0.61 379	0.69 410	0.91 434	0.79 386	0.48 367	0.27 415	0.12 349	0.73 443	0.30 424	0.65 440	0.40 430

WAO-7	1.01 441	0.89 445	0.93 405	0.83 445	0.66 441	1.18 442	0.81 447	1.40 449	1.57 450	1.11 439	1.76 452	1.45 440	1.19 444	1.50 446	1.14 430	0.61 442	0.62 455	0.70 441	0.68 451	0.66 442	0.60 445

MFMNet_re	0.72 427	0.76 438	0.99 413	0.62 435	0.70 442	0.77 420	0.67 434	0.75 425	0.83 423	0.78 421	0.86 415	0.69 410	0.78 423	0.71 356	0.61 390	0.66 444	0.59 451	0.61 439	0.58 447	0.68 443	0.71 452

ACVNet_2	0.89 436	0.87 444	1.25 432	0.82 443	0.62 439	0.97 435	0.62 432	1.14 444	1.42 447	1.00 433	1.40 438	1.47 441	0.84 430	1.11 428	0.66 398	0.61 442	0.43 439	0.78 445	0.49 437	0.75 444	0.52 439

RainbowNet	0.72 427	0.89 445	1.02 417	0.82 443	0.63 440	0.78 423	0.52 423	0.81 434	0.93 433	0.60 401	0.79 408	0.80 418	0.60 405	0.80 390	0.57 381	0.78 449	0.55 448	0.78 445	0.49 437	0.76 445	0.58 443

WAO-6	1.07 444	0.93 449	0.92 403	0.96 447	0.78 447	1.28 448	0.75 440	1.34 447	2.00 454	1.02 435	1.54 446	1.59 442	1.22 445	1.31 441	1.14 430	0.78 449	0.55 448	1.02 454	0.75 455	0.83 446	0.69 451

IMH-64-1	0.91 437	0.86 442	0.84 390	0.97 448	0.75 444	0.92 433	0.71 436	1.27 445	1.10 440	0.89 425	1.45 440	1.14 430	0.96 436	1.19 433	0.84 410	0.74 446	0.51 442	0.97 450	0.55 444	0.84 447	0.60 445

IMH-64	0.91 437	0.86 442	0.84 390	0.97 448	0.75 444	0.92 433	0.71 436	1.27 445	1.10 440	0.89 425	1.45 440	1.14 430	0.96 436	1.19 433	0.84 410	0.74 446	0.51 442	0.97 450	0.55 444	0.84 447	0.60 445

test_for_model	0.29 298	0.89 445	0.34 106	0.69 438	0.49 429	0.20 77	0.16 58	0.30 81	0.23 63	0.28 138	0.15 22	0.13 17	0.11 18	0.17 17	0.13 35	0.29 420	0.10 312	0.06 1	0.04 1	0.86 449	0.18 369

IMH	1.05 443	0.95 450	1.00 414	1.01 450	0.78 447	1.11 439	0.68 435	1.38 448	1.43 448	1.00 433	1.72 450	1.43 439	1.14 440	1.73 452	0.89 415	1.09 459	0.55 448	0.99 452	0.57 446	0.87 450	0.62 450

LVE	1.13 445	1.02 451	1.28 435	1.01 450	0.80 450	1.29 449	0.81 447	1.47 452	1.96 452	1.07 437	1.90 453	1.90 447	1.01 439	1.48 445	0.91 416	0.93 456	0.61 454	0.94 449	0.69 452	0.87 450	0.75 456

WAO-8	1.46 452	1.10 455	1.09 422	1.10 454	0.84 451	2.06 457	0.75 440	1.84 458	3.83 462	1.44 453	2.21 458	2.15 451	1.43 453	3.17 463	1.19 435	0.91 454	0.65 457	1.09 455	0.79 456	0.90 452	0.71 452

Venus	1.46 452	1.10 455	1.09 422	1.10 454	0.84 451	2.06 457	0.75 440	1.84 458	3.83 462	1.44 453	2.21 458	2.15 451	1.43 453	3.17 463	1.19 435	0.91 454	0.65 457	1.09 455	0.79 456	0.90 452	0.71 452

Dean	1.17 447	1.04 453	1.49 442	1.03 452	0.78 447	1.20 445	0.77 443	1.48 453	1.96 452	1.28 443	1.99 455	2.15 451	1.14 440	1.25 438	1.00 422	0.81 451	0.60 452	1.01 453	0.69 452	0.92 454	0.74 455

PWCK	1.00 439	1.17 458	1.70 447	0.91 446	0.41 423	1.19 444	0.92 451	1.10 442	1.14 442	1.16 441	1.14 429	1.25 435	0.88 433	1.75 453	1.04 424	0.87 453	0.50 440	0.87 448	0.53 442	0.96 455	0.52 439

SuperB	0.49 394	0.28 370	2.23 450	0.23 214	0.15 248	0.41 343	0.32 361	0.47 257	0.82 420	0.43 353	0.50 331	0.33 240	0.45 373	0.68 348	1.08 425	0.10 235	0.07 183	0.09 151	0.08 136	0.98 456	0.14 330

UNDER WATER-64	1.55 454	1.19 459	2.52 455	1.31 459	0.95 455	2.12 459	1.21 462	1.45 451	3.19 458	1.43 452	1.32 436	2.64 458	2.04 459	1.63 449	1.83 451	1.11 460	0.67 459	1.28 460	0.92 459	1.19 457	1.02 461

UNDER WATER	1.59 455	1.22 460	2.36 452	1.38 460	1.03 456	1.67 456	1.10 459	1.54 456	3.63 460	1.44 453	1.47 442	2.85 460	2.25 461	1.67 450	1.94 455	1.06 458	0.62 455	1.31 461	0.93 460	1.21 458	1.02 461

TorneroNet-64	1.43 450	1.03 452	1.20 429	1.10 454	0.86 453	2.26 461	0.73 439	1.84 458	3.84 464	1.25 442	2.25 460	2.69 459	1.42 452	1.76 454	1.43 442	0.76 448	0.50 440	1.09 455	0.66 450	1.23 459	0.76 457

TorneroNet	2.22 460	1.08 454	1.24 431	1.14 458	0.90 454	5.58 466	0.80 445	2.12 463	8.69 470	2.58 462	5.42 467	3.88 464	1.97 458	1.78 456	1.87 452	0.86 452	0.54 447	1.15 459	0.74 454	1.23 459	0.85 458

notaker	1.45 451	1.34 461	1.48 441	1.40 461	1.07 457	1.18 442	0.85 450	1.48 453	1.40 446	1.51 458	3.46 463	2.40 456	1.81 457	1.76 454	1.45 445	1.11 460	0.69 460	1.38 462	0.87 458	1.31 461	0.97 460

ktn	1.77 458	1.36 462	1.22 430	1.43 462	1.14 458	1.52 454	1.08 458	1.51 455	3.96 465	2.77 464	4.69 465	3.35 462	1.46 455	1.69 451	1.25 439	1.43 464	0.77 461	1.45 463	0.99 461	1.32 462	0.96 459

KSHMR	1.89 459	1.36 462	1.60 444	1.47 463	1.22 460	1.38 452	1.06 457	1.79 457	5.97 468	1.42 451	5.65 468	2.98 461	1.14 440	2.23 460	1.20 437	1.27 463	1.12 462	1.46 464	1.10 463	1.32 462	1.15 463

JetRed	2.30 462	2.64 467	6.12 464	1.12 457	1.38 462	5.85 467	3.29 467	1.99 461	1.67 451	1.98 459	1.95 454	2.16 454	1.60 456	2.48 461	4.10 466	1.05 457	1.60 463	1.09 455	1.01 462	1.67 464	1.28 464

MADNet++	2.26 461	1.80 465	2.06 449	2.13 467	1.97 464	2.61 463	1.79 466	2.38 464	2.16 455	2.75 463	2.65 461	2.38 455	2.43 462	3.17 463	3.21 462	2.17 465	1.95 466	1.94 466	1.63 465	2.06 465	2.01 467

HanzoNet	2.97 463	1.69 464	2.29 451	1.74 464	1.33 461	1.53 455	1.03 456	1.99 461	2.64 457	5.51 467	5.16 466	5.90 469	6.82 469	4.32 468	3.29 463	3.16 467	2.02 468	1.92 465	2.87 468	2.24 466	1.89 466

tt	4.71 466	0.10 36	3.94 460	2.06 466	1.53 463	10.14 473	16.88 473	9.27 473	4.98 466	1.39 447	1.02 424	4.68 465	4.90 466	3.35 466	5.86 469	5.76 471	9.15 476	2.24 467	2.53 467	3.10 467	1.32 465

DPSimNet_ROB	4.34 465	4.23 468	6.89 466	3.67 468	3.68 465	4.75 465	5.21 469	2.67 466	3.68 461	5.82 468	3.95 464	5.57 466	6.72 468	3.46 467	4.48 467	4.05 470	2.88 469	4.68 470	3.12 470	3.69 468	3.62 470

DGTPSM_ROB	8.34 469	5.10 469	10.37 474	5.31 470	10.18 470	8.33 469	23.60 477	6.06 470	13.41 476	4.90 465	10.87 474	5.65 467	10.44 471	6.17 469	12.59 472	3.74 468	7.55 471	3.69 468	7.26 473	4.14 469	7.46 471

DPSMNet_ROB	8.40 470	5.11 470	10.49 475	5.58 471	10.25 471	8.34 470	23.62 478	6.07 471	13.45 477	4.93 466	10.88 475	5.66 468	10.44 471	6.24 470	12.64 473	3.98 469	7.61 472	3.76 469	7.30 474	4.20 470	7.51 472

DPSM_ROB	11.49 473	9.87 476	10.35 472	11.13 473	11.31 472	19.11 480	27.51 480	13.37 478	14.21 479	10.31 475	11.06 476	10.96 476	11.27 477	11.96 478	13.59 475	6.78 473	8.19 474	6.03 472	7.09 471	7.93 471	7.73 474

DPSM	11.49 473	9.87 476	10.35 472	11.13 473	11.31 472	19.11 480	27.51 480	13.37 478	14.21 479	10.31 475	11.06 476	10.96 476	11.27 477	11.96 478	13.59 475	6.78 473	8.19 474	6.03 472	7.09 471	7.93 471	7.73 474

PML	16.10 478	12.82 479	6.78 465	5.23 469	7.76 468	33.92 482	66.56 485	5.30 469	10.28 471	26.12 484	68.59 485	20.51 480	13.49 479	10.06 473	6.78 471	5.96 472	2.00 467	6.04 474	2.18 466	8.96 473	2.60 469

xxxxx1	15.27 475	9.54 473	10.31 469	20.13 478	18.88 477	17.08 475	23.03 474	10.36 474	10.99 472	9.21 472	9.62 470	10.74 473	10.61 474	10.72 474	13.89 477	7.97 475	9.20 477	31.85 483	44.72 483	12.84 474	13.69 476

tt_ll	15.27 475	9.54 473	10.31 469	20.13 478	18.88 477	17.08 475	23.03 474	10.36 474	10.99 472	9.21 472	9.62 470	10.74 473	10.61 474	10.72 474	13.89 477	7.97 475	9.20 477	31.85 483	44.72 483	12.84 474	13.69 476

ff	15.27 475	9.54 473	10.31 469	20.13 478	18.88 477	17.08 475	23.03 474	10.36 474	10.99 472	9.21 472	9.62 470	10.74 473	10.61 474	10.72 474	13.89 477	7.97 475	9.20 477	31.85 483	44.72 483	12.84 474	13.69 476

LRCNet_RVC	10.90 472	14.34 480	9.35 467	15.35 475	8.04 469	1.08 438	0.34 373	8.78 472	0.70 406	12.63 478	16.05 478	9.85 471	6.54 467	8.57 472	6.34 470	20.27 482	5.40 470	23.70 480	21.88 479	14.87 477	13.83 479

CasAABBNet	23.10 482	19.86 481	20.64 479	22.47 481	22.73 481	38.41 483	55.50 484	26.89 483	28.70 484	20.61 481	22.15 482	22.08 482	22.75 482	23.99 482	27.36 484	13.59 478	16.48 481	12.14 475	14.27 476	15.95 478	15.53 480

Selective-RAFT-Error	23.16 483	19.93 482	20.87 480	22.54 482	22.81 482	38.52 485	55.47 483	27.01 485	28.83 485	20.66 482	22.25 483	22.09 483	22.80 484	24.09 483	27.36 484	13.61 479	16.48 481	12.15 476	14.28 477	15.99 479	15.57 481

LSM0	24.24 484	19.98 483	22.32 481	24.22 483	40.14 485	38.48 484	55.20 482	26.95 484	28.57 483	20.49 480	21.83 480	22.26 484	22.75 482	24.22 484	27.30 483	13.66 480	16.32 480	12.19 477	14.15 475	16.10 480	17.66 482

HaxPig	17.72 480	20.22 484	19.73 477	16.53 476	16.51 475	9.27 471	9.33 470	14.34 480	13.27 475	18.65 479	18.70 479	17.35 479	16.77 480	17.04 480	16.45 480	22.05 483	20.89 483	22.27 479	21.53 478	21.29 481	22.13 483

MEDIAN_ROB	21.21 481	24.62 485	23.47 482	19.58 477	19.65 480	13.22 474	10.96 471	17.88 481	17.00 481	22.14 483	22.02 481	20.86 481	20.36 481	21.06 481	19.71 481	25.63 484	24.13 484	26.21 481	25.20 480	25.17 482	25.38 484

AVERAGE_ROB	25.43 485	29.06 486	27.24 483	24.63 484	24.20 484	17.73 478	12.61 472	22.29 482	21.39 482	26.79 485	26.16 484	25.20 485	24.64 485	25.07 485	23.53 482	29.96 485	28.40 485	30.60 482	29.58 481	29.72 483	29.84 485

DLNR_Zeroshot_test	10.44 471	12.10 478	19.93 478	106.08 486	23.66 483	0.14 4	0.13 9	3.22 467	0.17 8	0.16 39	0.23 79	0.16 50	0.10 10	0.31 189	0.15 75	2.36 466	0.06 83	0.07 21	0.07 67	39.70 484	0.06 28

Anonymous_1	16.62 479	9.35 472	9.84 468	10.66 472	14.64 474	18.66 479	27.12 479	12.64 477	13.51 478	10.76 477	10.30 473	10.13 472	10.60 473	11.06 477	12.74 474	15.87 481	7.74 473	16.92 478	43.48 482	58.66 485	7.68 473

test_example2	101.33 486	108.28 487	68.15 485	98.43 485	106.93 486	89.75 486	102.43 486	36.80 486	97.65 486	129.04 486	130.15 486	65.26 486	66.62 486	92.11 486	80.24 486	144.10 486	199.48 486	81.81 486	103.01 486	125.01 486	101.27 486

ASD4		6.65 471

Low-res two-view benchmark