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

DilatedVolume-Stereo	0.09 81	0.05 17	0.08 30	0.15 70	0.06 13	0.11 172	0.12 63	0.14 75	0.16 186	0.11 154	0.11 147	0.09 123	0.09 167	0.11 107	0.10 123	0.06 114	0.05 182	0.05 23	0.04 34	0.03 1	0.03 1

2.25w	0.07 4	0.06 56	0.07 6	0.14 30	0.06 13	0.08 51	0.08 7	0.10 17	0.15 159	0.08 62	0.10 117	0.07 62	0.06 36	0.08 15	0.10 123	0.05 27	0.03 1	0.04 1	0.04 34	0.03 1	0.04 40

2.5w	0.07 4	0.07 139	0.07 6	0.16 142	0.06 13	0.08 51	0.12 63	0.10 17	0.10 36	0.07 30	0.06 13	0.09 123	0.06 36	0.08 15	0.09 54	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

2.75w_new	0.07 4	0.07 139	0.07 6	0.13 13	0.06 13	0.08 51	0.08 7	0.18 197	0.12 88	0.07 30	0.08 70	0.06 16	0.06 36	0.09 33	0.11 187	0.04 11	0.04 21	0.04 1	0.03 1	0.03 1	0.04 40

3.25w_new	0.07 4	0.06 56	0.07 6	0.15 70	0.06 13	0.10 127	0.07 3	0.12 43	0.11 62	0.08 62	0.06 13	0.07 62	0.06 36	0.11 107	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 56	0.07 6	0.15 70	0.06 13	0.10 127	0.07 3	0.12 43	0.11 62	0.08 62	0.06 13	0.07 62	0.06 36	0.11 107	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.75w	0.07 4	0.07 139	0.08 30	0.16 142	0.07 71	0.07 28	0.09 18	0.16 132	0.09 23	0.07 30	0.06 13	0.05 1	0.06 36	0.09 33	0.10 123	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 139	0.07 6	0.15 70	0.07 71	0.09 80	0.06 1	0.13 59	0.11 62	0.07 30	0.07 37	0.06 16	0.07 106	0.10 61	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

2w_stereo	0.08 44	0.08 236	0.09 72	0.16 142	0.06 13	0.08 51	0.10 27	0.20 229	0.15 159	0.08 62	0.07 37	0.06 16	0.06 36	0.06 1	0.09 54	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 56	0.07 6	0.16 142	0.06 13	0.07 28	0.10 27	0.14 75	0.14 143	0.07 30	0.08 70	0.05 1	0.06 36	0.09 33	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

monsterstereo	0.07 4	0.06 56	0.06 2	0.16 142	0.06 13	0.08 51	0.10 27	0.16 132	0.11 62	0.07 30	0.08 70	0.06 16	0.07 106	0.08 15	0.09 54	0.04 11	0.04 21	0.05 23	0.04 34	0.03 1	0.03 1

monsters	0.07 4	0.06 56	0.06 2	0.15 70	0.06 13	0.08 51	0.09 18	0.12 43	0.08 12	0.09 92	0.07 37	0.06 16	0.06 36	0.08 15	0.08 17	0.05 27	0.04 21	0.04 1	0.04 34	0.03 1	0.03 1

AIO-test1	0.10 142	0.07 139	0.10 108	0.23 475	0.07 71	0.09 80	0.13 104	0.21 252	0.14 143	0.11 154	0.12 160	0.09 123	0.07 106	0.11 107	0.09 54	0.06 114	0.05 182	0.09 359	0.10 422	0.03 1	0.06 199

MonSter	0.07 4	0.06 56	0.05 1	0.15 70	0.05 1	0.07 28	0.10 27	0.15 106	0.15 159	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

AdaDepth	0.07 4	0.06 56	0.07 6	0.18 298	0.06 13	0.11 172	0.12 63	0.09 11	0.07 8	0.06 9	0.05 7	0.07 62	0.06 36	0.09 33	0.10 123	0.04 11	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

GASTEREO	0.08 44	0.05 17	0.09 72	0.19 355	0.07 71	0.07 28	0.12 63	0.14 75	0.11 62	0.10 125	0.09 88	0.07 62	0.04 1	0.12 189	0.08 17	0.06 114	0.05 182	0.05 23	0.04 34	0.04 15	0.05 121

water-stereo	0.09 81	0.06 56	0.08 30	0.16 142	0.07 71	0.09 80	0.13 104	0.15 106	0.13 119	0.11 154	0.12 160	0.08 98	0.09 167	0.07 4	0.08 17	0.06 114	0.05 182	0.05 23	0.05 107	0.04 15	0.04 40

asda	0.07 4	0.08 236	0.08 30	0.16 142	0.06 13	0.06 8	0.10 27	0.16 132	0.10 36	0.06 9	0.06 13	0.05 1	0.05 11	0.10 61	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

asd	0.07 4	0.08 236	0.07 6	0.16 142	0.07 71	0.08 51	0.08 7	0.11 28	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.10 61	0.09 54	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

qwe	0.07 4	0.08 236	0.07 6	0.15 70	0.06 13	0.07 28	0.10 27	0.18 197	0.11 62	0.07 30	0.07 37	0.06 16	0.06 36	0.10 61	0.09 54	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

depthmonostereo	0.09 81	0.06 56	0.09 72	0.15 70	0.06 13	0.10 127	0.13 104	0.14 75	0.14 143	0.10 125	0.10 117	0.09 123	0.11 224	0.08 15	0.09 54	0.06 114	0.05 182	0.06 102	0.04 34	0.04 15	0.03 1

4.25_new	0.07 4	0.08 236	0.09 72	0.15 70	0.06 13	0.09 80	0.08 7	0.14 75	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.12 189	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 4	0.08 236	0.09 72	0.15 70	0.06 13	0.09 80	0.08 7	0.14 75	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.12 189	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5_new	0.07 4	0.09 312	0.08 30	0.15 70	0.07 71	0.06 8	0.10 27	0.14 75	0.11 62	0.06 9	0.08 70	0.06 16	0.06 36	0.08 15	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5w-stereo	0.07 4	0.09 312	0.08 30	0.15 70	0.07 71	0.06 8	0.10 27	0.14 75	0.11 62	0.06 9	0.08 70	0.06 16	0.06 36	0.08 15	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25w-stereo	0.07 4	0.08 236	0.09 72	0.15 70	0.06 13	0.09 80	0.08 7	0.14 75	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.12 189	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4w-stereo	0.07 4	0.08 236	0.08 30	0.16 142	0.06 13	0.07 28	0.08 7	0.12 43	0.08 12	0.07 30	0.07 37	0.05 1	0.06 36	0.09 33	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

3w_stereo	0.08 44	0.09 312	0.10 108	0.17 216	0.07 71	0.08 51	0.10 27	0.20 229	0.13 119	0.06 9	0.07 37	0.05 1	0.06 36	0.08 15	0.09 54	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

xyz-stereo-finetune2	0.11 185	0.07 139	0.13 229	0.13 13	0.07 71	0.11 172	0.19 402	0.17 168	0.12 88	0.15 267	0.15 205	0.17 300	0.12 255	0.13 234	0.11 187	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.06 199

xyz-stereo-finetune	0.11 185	0.08 236	0.13 229	0.14 30	0.06 13	0.10 127	0.19 402	0.17 168	0.19 246	0.12 192	0.14 188	0.15 266	0.10 199	0.13 234	0.11 187	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.05 121

xyz-stereo	0.13 276	0.07 139	0.20 423	0.15 70	0.05 1	0.20 412	0.15 219	0.17 168	0.31 406	0.15 267	0.29 416	0.26 414	0.16 362	0.13 234	0.12 236	0.05 27	0.05 182	0.06 102	0.05 107	0.04 15	0.04 40

LG-Stereo_L2	0.07 4	0.05 17	0.10 108	0.14 30	0.06 13	0.07 28	0.12 63	0.09 11	0.09 23	0.06 9	0.04 1	0.05 1	0.05 11	0.08 15	0.08 17	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

LG-Stereo_L1	0.07 4	0.05 17	0.11 149	0.14 30	0.06 13	0.07 28	0.13 104	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 15	0.07 1	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test1	0.06 1	0.05 17	0.08 30	0.17 216	0.05 1	0.06 8	0.11 46	0.08 4	0.03 1	0.05 1	0.04 1	0.06 16	0.05 11	0.09 33	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo	0.07 4	0.05 17	0.08 30	0.17 216	0.05 1	0.07 28	0.11 46	0.08 4	0.04 2	0.05 1	0.04 1	0.06 16	0.05 11	0.10 61	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

LG-Stereo	0.08 44	0.07 139	0.10 108	0.18 298	0.07 71	0.10 127	0.17 318	0.11 28	0.08 12	0.05 1	0.07 37	0.05 1	0.07 106	0.09 33	0.09 54	0.04 11	0.05 182	0.07 194	0.07 272	0.04 15	0.04 40

Reg-Stereo(zero)	0.08 44	0.05 17	0.08 30	0.16 142	0.06 13	0.12 207	0.11 46	0.15 106	0.10 36	0.12 192	0.09 88	0.10 154	0.08 141	0.11 107	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

AIO_rvc	0.07 4	0.06 56	0.08 30	0.15 70	0.06 13	0.08 51	0.14 152	0.09 11	0.08 12	0.07 30	0.08 70	0.07 62	0.04 1	0.10 61	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

AIO_test	0.07 4	0.05 17	0.07 6	0.15 70	0.07 71	0.06 8	0.14 152	0.10 17	0.10 36	0.07 30	0.07 37	0.06 16	0.05 11	0.08 15	0.10 123	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

castereo++	0.08 44	0.05 17	0.08 30	0.15 70	0.05 1	0.14 278	0.12 63	0.11 28	0.15 159	0.07 30	0.07 37	0.07 62	0.06 36	0.08 15	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

castereo	0.09 81	0.06 56	0.11 149	0.15 70	0.06 13	0.11 172	0.15 219	0.14 75	0.18 231	0.08 62	0.10 117	0.11 175	0.08 141	0.09 33	0.10 123	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

fffft	0.09 81	0.06 56	0.12 184	0.16 142	0.07 71	0.09 80	0.17 318	0.12 43	0.11 62	0.08 62	0.07 37	0.09 123	0.06 36	0.11 107	0.12 236	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.05 121
1: 1. 1
DEFOM-Stereo	0.07 4	0.05 17	0.07 6	0.14 30	0.06 13	0.10 127	0.13 104	0.07 2	0.13 119	0.06 9	0.07 37	0.06 16	0.05 11	0.10 61	0.09 54	0.04 11	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

SMoEStereo_RVC	0.08 44	0.06 56	0.12 184	0.16 142	0.07 71	0.09 80	0.14 152	0.11 28	0.13 119	0.09 92	0.07 37	0.07 62	0.07 106	0.12 189	0.10 123	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

999	0.09 81	0.05 17	0.13 229	0.15 70	0.08 127	0.10 127	0.14 152	0.15 106	0.11 62	0.10 125	0.08 70	0.08 98	0.08 141	0.16 316	0.10 123	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.05 121

mms	0.09 81	0.07 139	0.08 30	0.16 142	0.08 127	0.10 127	0.16 284	0.12 43	0.11 62	0.08 62	0.09 88	0.08 98	0.06 36	0.11 107	0.12 236	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.03 1

ours_stereo	0.09 81	0.07 139	0.09 72	0.17 216	0.08 127	0.11 172	0.16 284	0.11 28	0.12 88	0.08 62	0.10 117	0.08 98	0.06 36	0.12 189	0.12 236	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.03 1

fffy	0.09 81	0.08 236	0.09 72	0.16 142	0.07 71	0.13 246	0.17 318	0.13 59	0.12 88	0.08 62	0.09 88	0.08 98	0.09 167	0.13 234	0.11 187	0.05 27	0.05 182	0.07 194	0.05 107	0.04 15	0.05 121

tg	0.10 142	0.06 56	0.10 108	0.18 298	0.08 127	0.11 172	0.16 284	0.20 229	0.12 88	0.08 62	0.11 147	0.11 175	0.07 106	0.11 107	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.04 15	0.04 40

dual_stereo	0.07 4	0.04 1	0.08 30	0.15 70	0.05 1	0.05 4	0.13 104	0.12 43	0.08 12	0.07 30	0.06 13	0.05 1	0.05 11	0.07 4	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

WCG-NET	0.08 44	0.05 17	0.09 72	0.15 70	0.06 13	0.11 172	0.14 152	0.13 59	0.13 119	0.06 9	0.09 88	0.07 62	0.06 36	0.13 234	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

GCAP-BAT	0.09 81	0.07 139	0.14 264	0.15 70	0.08 127	0.10 127	0.13 104	0.14 75	0.10 36	0.11 154	0.10 117	0.08 98	0.07 106	0.12 189	0.10 123	0.06 114	0.05 182	0.06 102	0.04 34	0.04 15	0.04 40

AIO-Stereo	0.08 44	0.06 56	0.09 72	0.18 298	0.06 13	0.08 51	0.12 63	0.15 106	0.09 23	0.08 62	0.08 70	0.07 62	0.05 11	0.11 107	0.08 17	0.05 27	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

WCG-NET（raft）	0.08 44	0.05 17	0.10 108	0.15 70	0.06 13	0.11 172	0.13 104	0.15 106	0.12 88	0.08 62	0.07 37	0.06 16	0.06 36	0.13 234	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

RSM	0.08 44	0.06 56	0.09 72	0.17 216	0.06 13	0.08 51	0.12 63	0.12 43	0.10 36	0.08 62	0.07 37	0.06 16	0.05 11	0.11 107	0.09 54	0.04 11	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

RAFT-Stereo-weight	0.09 81	0.06 56	0.10 108	0.16 142	0.07 71	0.09 80	0.14 152	0.19 218	0.16 186	0.11 154	0.10 117	0.08 98	0.06 36	0.10 61	0.11 187	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

gcap-zeroshot	0.09 81	0.05 17	0.10 108	0.16 142	0.07 71	0.13 246	0.13 104	0.11 28	0.12 88	0.13 219	0.12 160	0.09 123	0.08 141	0.09 33	0.09 54	0.06 114	0.05 182	0.06 102	0.05 107	0.04 15	0.04 40

MoCha-V2	0.08 44	0.05 17	0.10 108	0.20 410	0.07 71	0.09 80	0.14 152	0.11 28	0.08 12	0.07 30	0.08 70	0.07 62	0.06 36	0.09 33	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

MSKI-zero shot	0.09 81	0.05 17	0.09 72	0.15 70	0.07 71	0.10 127	0.13 104	0.14 75	0.13 119	0.09 92	0.09 88	0.09 123	0.06 36	0.12 189	0.10 123	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

testlalala	0.08 44	0.07 139	0.17 377	0.16 142	0.08 127	0.09 80	0.12 63	0.15 106	0.10 36	0.07 30	0.09 88	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

GCAP-Stereo	0.09 81	0.07 139	0.13 229	0.18 298	0.06 13	0.11 172	0.07 3	0.13 59	0.12 88	0.09 92	0.10 117	0.07 62	0.09 167	0.13 234	0.10 123	0.06 114	0.05 182	0.05 23	0.04 34	0.04 15	0.05 121

RAFT-Test	0.09 81	0.06 56	0.10 108	0.15 70	0.07 71	0.11 172	0.15 219	0.16 132	0.13 119	0.09 92	0.10 117	0.10 154	0.09 167	0.12 189	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

LL-Strereo	0.13 276	0.09 312	0.11 149	0.20 410	0.10 341	0.11 172	0.18 363	0.32 436	0.24 324	0.15 267	0.15 205	0.14 237	0.13 293	0.19 384	0.11 187	0.06 114	0.04 21	0.09 359	0.08 337	0.04 15	0.05 121

LoS_RVC	0.08 44	0.05 17	0.07 6	0.15 70	0.07 71	0.08 51	0.15 219	0.11 28	0.10 36	0.08 62	0.09 88	0.06 16	0.09 167	0.10 61	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

Selective-IGEV	0.07 4	0.06 56	0.08 30	0.17 216	0.06 13	0.08 51	0.12 63	0.13 59	0.07 8	0.08 62	0.07 37	0.06 16	0.04 1	0.10 61	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

EGLCR-Stereo	0.08 44	0.05 17	0.08 30	0.14 30	0.06 13	0.10 127	0.12 63	0.11 28	0.16 186	0.06 9	0.05 7	0.07 62	0.05 11	0.10 61	0.11 187	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

ProNet	0.09 81	0.07 139	0.10 108	0.17 216	0.08 127	0.10 127	0.15 219	0.15 106	0.12 88	0.09 92	0.06 13	0.07 62	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.06 199

MC-Stereo	0.08 44	0.06 56	0.09 72	0.17 216	0.06 13	0.10 127	0.14 152	0.12 43	0.10 36	0.09 92	0.12 160	0.09 123	0.06 36	0.11 107	0.10 123	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

DCANet-4	0.10 142	0.06 56	0.12 184	0.16 142	0.06 13	0.09 80	0.17 318	0.18 197	0.19 246	0.13 219	0.16 217	0.09 123	0.14 318	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

fff	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.09 80	0.17 318	0.16 132	0.20 269	0.13 219	0.16 217	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

RAFT_CTSACE	0.12 251	0.09 312	0.10 108	0.22 454	0.08 127	0.12 207	0.24 473	0.18 197	0.16 186	0.20 380	0.27 390	0.13 217	0.07 106	0.13 234	0.09 54	0.05 27	0.06 307	0.08 278	0.07 272	0.04 15	0.04 40

test_4	0.10 142	0.10 370	0.08 30	0.19 355	0.09 239	0.08 51	0.22 450	0.15 106	0.17 205	0.12 192	0.18 263	0.12 192	0.09 167	0.08 15	0.11 187	0.04 11	0.04 21	0.08 278	0.08 337	0.04 15	0.03 1

IPLG	0.10 142	0.07 139	0.15 315	0.17 216	0.08 127	0.11 172	0.14 152	0.20 229	0.15 159	0.12 192	0.17 238	0.07 62	0.07 106	0.14 260	0.13 277	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

MIPNet	0.11 185	0.08 236	0.14 264	0.17 216	0.09 239	0.12 207	0.14 152	0.20 229	0.24 324	0.11 154	0.10 117	0.09 123	0.07 106	0.13 234	0.12 236	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

IPLGR	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.12 207	0.17 318	0.21 252	0.24 324	0.11 154	0.12 160	0.11 175	0.08 141	0.12 189	0.12 236	0.06 114	0.05 182	0.06 102	0.06 185	0.04 15	0.04 40

GMOStereo	0.11 185	0.09 312	0.07 6	0.19 355	0.08 127	0.12 207	0.28 509	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 255	0.07 4	0.07 1	0.05 27	0.05 182	0.09 359	0.07 272	0.04 15	0.04 40

error version	0.11 185	0.09 312	0.07 6	0.19 355	0.08 127	0.12 207	0.28 509	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 255	0.07 4	0.07 1	0.05 27	0.05 182	0.09 359	0.07 272	0.04 15	0.04 40

test-v	0.11 185	0.09 312	0.07 6	0.19 355	0.08 127	0.12 207	0.28 509	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 255	0.07 4	0.07 1	0.05 27	0.05 182	0.09 359	0.07 272	0.04 15	0.04 40

test-3	0.08 44	0.06 56	0.09 72	0.17 216	0.07 71	0.07 28	0.14 152	0.12 43	0.15 159	0.09 92	0.08 70	0.07 62	0.08 141	0.11 107	0.10 123	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.04 40

test_1	0.08 44	0.06 56	0.09 72	0.17 216	0.07 71	0.07 28	0.14 152	0.12 43	0.15 159	0.09 92	0.08 70	0.07 62	0.08 141	0.11 107	0.10 123	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.04 40

test_3	0.10 142	0.09 312	0.10 108	0.20 410	0.08 127	0.13 246	0.26 496	0.14 75	0.21 284	0.10 125	0.10 117	0.09 123	0.09 167	0.08 15	0.11 187	0.05 27	0.04 21	0.08 278	0.07 272	0.04 15	0.04 40

TRStereo	0.09 81	0.05 17	0.12 184	0.15 70	0.12 420	0.10 127	0.13 104	0.18 197	0.18 231	0.09 92	0.09 88	0.09 123	0.06 36	0.10 61	0.08 17	0.07 239	0.05 182	0.07 194	0.07 272	0.04 15	0.04 40

STrans-v2	0.10 142	0.07 139	0.12 184	0.18 298	0.07 71	0.10 127	0.14 152	0.21 252	0.11 62	0.11 154	0.15 205	0.12 192	0.10 199	0.11 107	0.12 236	0.05 27	0.04 21	0.06 102	0.06 185	0.04 15	0.04 40

ASMatch	0.11 185	0.06 56	0.13 229	0.16 142	0.10 341	0.07 28	0.14 152	0.17 168	0.17 205	0.12 192	0.16 217	0.16 280	0.10 199	0.13 234	0.10 123	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.08 343

RAFT-RH_RVC	0.11 185	0.06 56	0.14 264	0.16 142	0.09 239	0.12 207	0.12 63	0.17 168	0.12 88	0.13 219	0.41 494	0.11 175	0.10 199	0.13 234	0.12 236	0.05 27	0.04 21	0.08 278	0.05 107	0.04 15	0.06 199

RAFT-345	0.11 185	0.07 139	0.15 315	0.16 142	0.08 127	0.08 51	0.12 63	0.15 106	0.10 36	0.11 154	0.36 457	0.09 123	0.09 167	0.11 107	0.12 236	0.05 27	0.05 182	0.07 194	0.06 185	0.04 15	0.05 121

test-2	0.11 185	0.09 312	0.07 6	0.19 355	0.08 127	0.12 207	0.28 509	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 255	0.07 4	0.07 1	0.05 27	0.05 182	0.09 359	0.07 272	0.04 15	0.04 40

cross-raft	0.10 142	0.09 312	0.09 72	0.19 355	0.07 71	0.11 172	0.25 488	0.13 59	0.15 159	0.08 62	0.11 147	0.12 192	0.10 199	0.09 33	0.11 187	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

test-1	0.10 142	0.07 139	0.16 349	0.19 355	0.08 127	0.11 172	0.24 473	0.14 75	0.18 231	0.09 92	0.07 37	0.09 123	0.08 141	0.07 4	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

iRaftStereo_RVC	0.10 142	0.07 139	0.09 72	0.17 216	0.09 239	0.11 172	0.17 318	0.18 197	0.12 88	0.09 92	0.12 160	0.10 154	0.07 106	0.11 107	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.04 15	0.04 40

CREStereo++_RVC	0.08 44	0.04 1	0.06 2	0.13 13	0.07 71	0.09 80	0.12 63	0.14 75	0.14 143	0.10 125	0.14 188	0.08 98	0.07 106	0.09 33	0.11 187	0.06 114	0.04 21	0.05 23	0.05 107	0.04 15	0.04 40
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	0.09 81	0.06 56	0.07 6	0.15 70	0.05 1	0.16 334	0.18 363	0.15 106	0.15 159	0.10 125	0.11 147	0.11 175	0.11 224	0.10 61	0.12 236	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

XX-Stereo	0.09 81	0.05 17	0.08 30	0.17 216	0.09 239	0.15 304	0.12 63	0.20 229	0.10 36	0.10 125	0.14 188	0.07 62	0.06 36	0.12 189	0.08 17	0.06 114	0.05 182	0.06 102	0.06 185	0.04 15	0.04 40

csc	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.09 80	0.17 318	0.16 132	0.20 269	0.13 219	0.16 217	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

cscssc	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.09 80	0.17 318	0.16 132	0.20 269	0.13 219	0.16 217	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

RAFT-Stereo + iAFF	0.09 81	0.06 56	0.10 108	0.17 216	0.06 13	0.10 127	0.16 284	0.17 168	0.14 143	0.09 92	0.10 117	0.08 98	0.09 167	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.06 185	0.04 15	0.03 1

AFF-stereo	0.09 81	0.06 56	0.10 108	0.17 216	0.07 71	0.10 127	0.16 284	0.17 168	0.09 23	0.10 125	0.12 160	0.09 123	0.09 167	0.12 189	0.09 54	0.05 27	0.04 21	0.07 194	0.07 272	0.04 15	0.03 1

CFNet-RSSM	0.09 81	0.07 139	0.09 72	0.16 142	0.07 71	0.09 80	0.15 219	0.16 132	0.17 205	0.08 62	0.12 160	0.10 154	0.09 167	0.11 107	0.09 54	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

Gwc-CoAtRS	0.09 81	0.06 56	0.10 108	0.16 142	0.07 71	0.10 127	0.14 152	0.17 168	0.17 205	0.08 62	0.10 117	0.12 192	0.09 167	0.12 189	0.09 54	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

MSCF	0.08 44	0.05 17	0.08 30	0.19 355	0.08 127	0.06 8	0.12 63	0.14 75	0.11 62	0.10 125	0.09 88	0.07 62	0.04 1	0.11 107	0.08 17	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.05 121

IGEV	0.07 4	0.04 1	0.08 30	0.13 13	0.06 13	0.09 80	0.12 63	0.14 75	0.10 36	0.06 9	0.09 88	0.07 62	0.05 11	0.09 33	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

MLG-Stereo_test3	0.07 4	0.05 17	0.10 108	0.14 30	0.06 13	0.07 28	0.11 46	0.08 4	0.06 4	0.06 9	0.04 1	0.06 16	0.06 36	0.07 4	0.10 123	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.06 199

MLG-Stereo_test2	0.06 1	0.04 1	0.10 108	0.15 70	0.05 1	0.07 28	0.11 46	0.09 11	0.04 2	0.06 9	0.05 7	0.06 16	0.04 1	0.08 15	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.05 121

LG-G_1	0.07 4	0.04 1	0.11 149	0.15 70	0.06 13	0.09 80	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 106	0.11 107	0.08 17	0.07 239	0.04 21	0.05 23	0.04 34	0.05 100	0.05 121

LG-G	0.07 4	0.04 1	0.11 149	0.15 70	0.06 13	0.09 80	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 106	0.11 107	0.08 17	0.07 239	0.04 21	0.05 23	0.04 34	0.05 100	0.05 121

DFGA-Net	0.13 276	0.11 396	0.18 400	0.17 216	0.10 341	0.12 207	0.13 104	0.22 274	0.25 345	0.16 295	0.16 217	0.13 217	0.12 255	0.16 316	0.14 314	0.07 239	0.05 182	0.08 278	0.07 272	0.05 100	0.05 121

LG-Stereo_Zeroshot	0.07 4	0.06 56	0.10 108	0.16 142	0.07 71	0.04 1	0.13 104	0.10 17	0.10 36	0.05 1	0.11 147	0.07 62	0.05 11	0.07 4	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

SGD-Stereo	0.08 44	0.05 17	0.10 108	0.14 30	0.05 1	0.12 207	0.12 63	0.11 28	0.12 88	0.07 30	0.09 88	0.09 123	0.09 167	0.08 15	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.03 1

MM-Stereo_test3	0.10 142	0.07 139	0.07 6	0.18 298	0.07 71	0.12 207	0.19 402	0.24 316	0.19 246	0.06 9	0.10 117	0.08 98	0.06 36	0.11 107	0.08 17	0.06 114	0.06 307	0.07 194	0.05 107	0.05 100	0.04 40

MM-Stereo_test2	0.09 81	0.06 56	0.09 72	0.19 355	0.08 127	0.12 207	0.18 363	0.15 106	0.14 143	0.07 30	0.10 117	0.07 62	0.06 36	0.12 189	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.03 1

MM-Stereo_test1	0.10 142	0.07 139	0.08 30	0.18 298	0.07 71	0.12 207	0.18 363	0.21 252	0.20 269	0.09 92	0.11 147	0.08 98	0.06 36	0.10 61	0.10 123	0.06 114	0.05 182	0.07 194	0.06 185	0.05 100	0.04 40

HART	0.08 44	0.07 139	0.09 72	0.17 216	0.07 71	0.10 127	0.16 284	0.13 59	0.11 62	0.08 62	0.10 117	0.07 62	0.05 11	0.10 61	0.08 17	0.05 27	0.04 21	0.06 102	0.04 34	0.05 100	0.04 40

GREAT-IGEV	0.07 4	0.06 56	0.08 30	0.13 13	0.07 71	0.07 28	0.14 152	0.09 11	0.09 23	0.06 9	0.07 37	0.06 16	0.05 11	0.10 61	0.07 1	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

FoundationStereo	0.06 1	0.04 1	0.08 30	0.12 4	0.05 1	0.09 80	0.13 104	0.06 1	0.09 23	0.05 1	0.05 7	0.06 16	0.04 1	0.06 1	0.07 1	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

StereoAnything_RVC	0.07 4	0.15 465	0.17 377	0.11 1	0.05 1	0.05 4	0.11 46	0.08 4	0.08 12	0.06 9	0.06 13	0.05 1	0.05 11	0.09 33	0.08 17	0.08 300	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

HUF	0.08 44	0.05 17	0.08 30	0.14 30	0.06 13	0.09 80	0.13 104	0.13 59	0.13 119	0.07 30	0.07 37	0.08 98	0.06 36	0.10 61	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

AIO-test2	0.10 142	0.08 236	0.10 108	0.23 475	0.08 127	0.11 172	0.10 27	0.23 294	0.23 308	0.08 62	0.09 88	0.08 98	0.05 11	0.10 61	0.08 17	0.06 114	0.05 182	0.08 278	0.09 383	0.05 100	0.05 121

IGEV-RUCA	0.08 44	0.06 56	0.11 149	0.14 30	0.09 239	0.10 127	0.12 63	0.10 17	0.12 88	0.06 9	0.07 37	0.07 62	0.06 36	0.09 33	0.08 17	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.06 199

GIP-stereo	0.08 44	0.06 56	0.11 149	0.14 30	0.06 13	0.09 80	0.13 104	0.14 75	0.11 62	0.07 30	0.08 70	0.05 1	0.04 1	0.10 61	0.07 1	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

tt45	0.09 81	0.06 56	0.11 149	0.15 70	0.07 71	0.11 172	0.16 284	0.13 59	0.11 62	0.09 92	0.06 13	0.08 98	0.06 36	0.13 234	0.10 123	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

PAM_32	0.09 81	0.05 17	0.17 377	0.15 70	0.08 127	0.10 127	0.15 219	0.14 75	0.15 159	0.09 92	0.08 70	0.09 123	0.07 106	0.14 260	0.08 17	0.06 114	0.05 182	0.06 102	0.06 185	0.05 100	0.06 199

PAM	0.10 142	0.05 17	0.16 349	0.15 70	0.08 127	0.09 80	0.16 284	0.15 106	0.16 186	0.12 192	0.09 88	0.09 123	0.07 106	0.13 234	0.08 17	0.06 114	0.05 182	0.06 102	0.06 185	0.05 100	0.06 199

UGAM-zero	0.09 81	0.05 17	0.15 315	0.15 70	0.08 127	0.09 80	0.13 104	0.19 218	0.15 159	0.11 154	0.15 205	0.07 62	0.07 106	0.09 33	0.09 54	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

IGEV-Stereo++	0.07 4	0.06 56	0.08 30	0.18 298	0.06 13	0.04 1	0.10 27	0.11 28	0.11 62	0.06 9	0.07 37	0.07 62	0.06 36	0.09 33	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

RAStereo	0.10 142	0.09 312	0.08 30	0.20 410	0.08 127	0.13 246	0.18 363	0.15 106	0.17 205	0.10 125	0.12 160	0.05 1	0.06 36	0.09 33	0.08 17	0.07 239	0.05 182	0.07 194	0.05 107	0.05 100	0.04 40

Occ-G	0.08 44	0.05 17	0.06 2	0.14 30	0.07 71	0.08 51	0.14 152	0.13 59	0.15 159	0.07 30	0.11 147	0.07 62	0.05 11	0.09 33	0.10 123	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.05 121

IGEV-BASED-STEREO-	0.09 81	0.10 370	0.31 483	0.15 70	0.06 13	0.08 51	0.14 152	0.10 17	0.10 36	0.07 30	0.07 37	0.06 16	0.04 1	0.11 107	0.07 1	0.12 454	0.04 21	0.07 194	0.05 107	0.05 100	0.05 121

RSM++	0.08 44	0.06 56	0.09 72	0.17 216	0.07 71	0.09 80	0.12 63	0.11 28	0.11 62	0.08 62	0.06 13	0.07 62	0.05 11	0.10 61	0.09 54	0.04 11	0.04 21	0.06 102	0.05 107	0.05 100	0.03 1

testlalala2	0.10 142	0.06 56	0.11 149	0.20 410	0.10 341	0.10 127	0.12 63	0.17 168	0.12 88	0.12 192	0.13 174	0.09 123	0.07 106	0.11 107	0.13 277	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.05 121

IGEV++	0.08 44	0.06 56	0.08 30	0.18 298	0.07 71	0.09 80	0.13 104	0.10 17	0.09 23	0.08 62	0.08 70	0.06 16	0.06 36	0.13 234	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

AE-Stereo	0.10 142	0.08 236	0.10 108	0.18 298	0.09 239	0.10 127	0.15 219	0.14 75	0.19 246	0.09 92	0.14 188	0.12 192	0.08 141	0.11 107	0.10 123	0.05 27	0.06 307	0.07 194	0.06 185	0.05 100	0.04 40

ff7	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

IGEVStereo-DCA	0.09 81	0.06 56	0.11 149	0.15 70	0.10 341	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.08 98	0.06 36	0.10 61	0.08 17	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

ffff	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

rrr	0.09 81	0.06 56	0.12 184	0.15 70	0.10 341	0.11 172	0.16 284	0.16 132	0.15 159	0.10 125	0.06 13	0.08 98	0.06 36	0.10 61	0.08 17	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

11t	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

MaDis-Stereo	0.09 81	0.09 312	0.08 30	0.17 216	0.09 239	0.13 246	0.10 27	0.16 132	0.16 186	0.09 92	0.11 147	0.06 16	0.06 36	0.09 33	0.13 277	0.07 239	0.06 307	0.07 194	0.05 107	0.05 100	0.04 40

IGEV_Zeroshot_test	0.09 81	0.05 17	0.12 184	0.13 13	0.08 127	0.12 207	0.13 104	0.17 168	0.11 62	0.10 125	0.06 13	0.09 123	0.06 36	0.11 107	0.09 54	0.06 114	0.04 21	0.06 102	0.06 185	0.05 100	0.05 121

UniTT-Stereo	0.09 81	0.07 139	0.08 30	0.18 298	0.08 127	0.13 246	0.11 46	0.12 43	0.11 62	0.10 125	0.12 160	0.05 1	0.07 106	0.09 33	0.09 54	0.07 239	0.05 182	0.05 23	0.05 107	0.05 100	0.05 121

CASnet	0.09 81	0.09 312	0.09 72	0.19 355	0.06 13	0.07 28	0.11 46	0.18 197	0.14 143	0.11 154	0.10 117	0.09 123	0.07 106	0.10 61	0.10 123	0.06 114	0.04 21	0.10 407	0.08 337	0.05 100	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.08 44	0.05 17	0.08 30	0.14 30	0.13 443	0.14 278	0.13 104	0.14 75	0.09 23	0.07 30	0.09 88	0.07 62	0.08 141	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

HH	0.09 81	0.06 56	0.13 229	0.17 216	0.08 127	0.10 127	0.16 284	0.14 75	0.10 36	0.08 62	0.09 88	0.08 98	0.07 106	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

HanStereo	0.09 81	0.06 56	0.13 229	0.17 216	0.08 127	0.10 127	0.16 284	0.14 75	0.10 36	0.08 62	0.09 88	0.08 98	0.07 106	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

CAS	0.08 44	0.04 1	0.07 6	0.17 216	0.08 127	0.10 127	0.13 104	0.12 43	0.09 23	0.09 92	0.10 117	0.08 98	0.06 36	0.09 33	0.08 17	0.08 300	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

anonymousdsp	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.09 92	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

LoS	0.09 81	0.05 17	0.11 149	0.13 13	0.07 71	0.14 278	0.11 46	0.15 106	0.15 159	0.09 92	0.09 88	0.12 192	0.09 167	0.15 282	0.10 123	0.07 239	0.05 182	0.05 23	0.03 1	0.05 100	0.05 121
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 44	0.04 1	0.08 30	0.14 30	0.07 71	0.09 80	0.14 152	0.11 28	0.09 23	0.08 62	0.09 88	0.11 175	0.06 36	0.12 189	0.08 17	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.05 121

DCRE	0.11 185	0.07 139	0.13 229	0.16 142	0.11 389	0.11 172	0.17 318	0.18 197	0.17 205	0.11 154	0.18 263	0.10 154	0.10 199	0.15 282	0.11 187	0.06 114	0.05 182	0.06 102	0.06 185	0.05 100	0.04 40

anonymousa	0.13 276	0.07 139	0.13 229	0.18 298	0.09 239	0.13 246	0.17 318	0.19 218	0.29 389	0.15 267	0.24 336	0.15 266	0.14 318	0.14 260	0.14 314	0.07 239	0.05 182	0.07 194	0.09 383	0.05 100	0.06 199

RCA-Stereo	0.09 81	0.06 56	0.09 72	0.16 142	0.06 13	0.09 80	0.13 104	0.18 197	0.14 143	0.09 92	0.10 117	0.08 98	0.07 106	0.12 189	0.11 187	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

CroCo-Stereo Lap2	0.09 81	0.09 312	0.08 30	0.22 454	0.09 239	0.09 80	0.19 402	0.16 132	0.12 88	0.09 92	0.10 117	0.05 1	0.05 11	0.08 15	0.08 17	0.06 114	0.06 307	0.07 194	0.05 107	0.05 100	0.05 121

TestStereo1	0.13 276	0.08 236	0.08 30	0.19 355	0.08 127	0.18 374	0.29 518	0.23 294	0.16 186	0.17 311	0.20 284	0.16 280	0.10 199	0.12 189	0.13 277	0.06 114	0.06 307	0.08 278	0.06 185	0.05 100	0.05 121

ccc-4	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

ADStereo(finetuned)	0.10 142	0.06 56	0.12 184	0.16 142	0.06 13	0.09 80	0.17 318	0.15 106	0.19 246	0.13 219	0.17 238	0.10 154	0.12 255	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

raft_robust	0.13 276	0.10 370	0.07 6	0.18 298	0.08 127	0.13 246	0.24 473	0.28 390	0.33 420	0.20 380	0.19 272	0.14 237	0.10 199	0.11 107	0.12 236	0.05 27	0.05 182	0.07 194	0.07 272	0.05 100	0.04 40

SA-5K	0.13 276	0.08 236	0.08 30	0.19 355	0.08 127	0.18 374	0.29 518	0.23 294	0.16 186	0.17 311	0.20 284	0.16 280	0.10 199	0.12 189	0.13 277	0.06 114	0.06 307	0.08 278	0.06 185	0.05 100	0.05 121

Sa-1000	0.12 251	0.08 236	0.08 30	0.18 298	0.08 127	0.14 278	0.22 450	0.22 274	0.18 231	0.15 267	0.20 284	0.17 300	0.11 224	0.10 61	0.10 123	0.06 114	0.05 182	0.09 359	0.09 383	0.05 100	0.05 121

SA	0.12 251	0.09 312	0.08 30	0.18 298	0.08 127	0.12 207	0.24 473	0.23 294	0.18 231	0.17 311	0.27 390	0.14 237	0.11 224	0.11 107	0.11 187	0.05 27	0.05 182	0.09 359	0.08 337	0.05 100	0.04 40

IGEV-Stereo	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.09 92	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 251	0.09 312	0.12 184	0.19 355	0.08 127	0.09 80	0.12 63	0.21 252	0.21 284	0.19 357	0.14 188	0.11 175	0.09 167	0.20 409	0.16 358	0.05 27	0.05 182	0.07 194	0.06 185	0.05 100	0.06 199

CIPLG	0.11 185	0.08 236	0.14 264	0.17 216	0.08 127	0.12 207	0.15 219	0.17 168	0.15 159	0.14 240	0.11 147	0.16 280	0.09 167	0.16 316	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

GLC_STEREO	0.11 185	0.07 139	0.11 149	0.17 216	0.07 71	0.09 80	0.13 104	0.15 106	0.24 324	0.12 192	0.13 174	0.12 192	0.08 141	0.18 369	0.11 187	0.06 114	0.08 405	0.08 278	0.06 185	0.05 100	0.05 121

IPLGR_C	0.11 185	0.08 236	0.14 264	0.17 216	0.08 127	0.12 207	0.15 219	0.17 168	0.15 159	0.14 240	0.10 117	0.16 280	0.09 167	0.16 316	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

ACRE	0.11 185	0.08 236	0.14 264	0.17 216	0.08 127	0.12 207	0.15 219	0.17 168	0.14 143	0.14 240	0.10 117	0.16 280	0.09 167	0.16 316	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

CrosDoStereo	0.12 251	0.06 56	0.12 184	0.14 30	0.08 127	0.12 207	0.15 219	0.17 168	0.22 298	0.19 357	0.24 336	0.15 266	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.07 194	0.07 272	0.05 100	0.05 121

HHNet	0.11 185	0.06 56	0.16 349	0.15 70	0.14 463	0.07 28	0.13 104	0.20 229	0.17 205	0.14 240	0.25 365	0.11 175	0.08 141	0.13 234	0.10 123	0.05 27	0.04 21	0.08 278	0.06 185	0.05 100	0.09 387

TransformOpticalFlow	0.10 142	0.08 236	0.13 229	0.18 298	0.07 71	0.09 80	0.15 219	0.19 218	0.15 159	0.12 192	0.17 238	0.11 175	0.11 224	0.11 107	0.10 123	0.05 27	0.04 21	0.06 102	0.06 185	0.05 100	0.05 121

OMP-Stereo	0.11 185	0.06 56	0.14 264	0.18 298	0.08 127	0.09 80	0.12 63	0.21 252	0.21 284	0.13 219	0.14 188	0.11 175	0.12 255	0.11 107	0.13 277	0.06 114	0.04 21	0.07 194	0.06 185	0.05 100	0.04 40

IIG-Stereo	0.11 185	0.06 56	0.13 229	0.17 216	0.08 127	0.11 172	0.12 63	0.22 274	0.17 205	0.14 240	0.17 238	0.11 175	0.12 255	0.12 189	0.12 236	0.06 114	0.05 182	0.07 194	0.06 185	0.05 100	0.04 40

DeepStereo_LL	0.12 251	0.06 56	0.12 184	0.14 30	0.08 127	0.12 207	0.15 219	0.17 168	0.22 298	0.19 357	0.24 336	0.15 266	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.07 194	0.07 272	0.05 100	0.05 121

DEmStereo	0.12 251	0.06 56	0.14 264	0.14 30	0.10 341	0.16 334	0.15 219	0.16 132	0.24 324	0.17 311	0.24 336	0.13 217	0.14 318	0.12 189	0.13 277	0.05 27	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

THIR-Stereo	0.12 251	0.07 139	0.11 149	0.15 70	0.08 127	0.14 278	0.16 284	0.17 168	0.25 345	0.16 295	0.24 336	0.14 237	0.12 255	0.12 189	0.14 314	0.06 114	0.04 21	0.07 194	0.07 272	0.05 100	0.05 121

DRaft	0.12 251	0.06 56	0.11 149	0.14 30	0.09 239	0.14 278	0.17 318	0.21 252	0.30 399	0.17 311	0.28 404	0.10 154	0.15 336	0.10 61	0.12 236	0.05 27	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

PFNet	0.12 251	0.06 56	0.17 377	0.17 216	0.08 127	0.09 80	0.15 219	0.26 350	0.20 269	0.16 295	0.16 217	0.14 237	0.11 224	0.12 189	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

GrayStereo	0.11 185	0.06 56	0.11 149	0.19 355	0.09 239	0.09 80	0.16 284	0.18 197	0.17 205	0.14 240	0.17 238	0.17 300	0.11 224	0.12 189	0.11 187	0.05 27	0.05 182	0.07 194	0.06 185	0.05 100	0.10 414

AnonymousM	0.09 81	0.05 17	0.10 108	0.14 30	0.06 13	0.09 80	0.13 104	0.19 218	0.14 143	0.13 219	0.11 147	0.09 123	0.08 141	0.13 234	0.10 123	0.08 300	0.05 182	0.08 278	0.05 107	0.05 100	0.05 121

CroCo-Stereo	0.09 81	0.08 236	0.08 30	0.22 454	0.09 239	0.09 80	0.19 402	0.15 106	0.12 88	0.07 30	0.07 37	0.08 98	0.06 36	0.08 15	0.07 1	0.07 239	0.05 182	0.06 102	0.04 34	0.05 100	0.04 40
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	0.13 276	0.09 312	0.11 149	0.18 298	0.08 127	0.15 304	0.24 473	0.20 229	0.19 246	0.21 394	0.21 305	0.17 300	0.12 255	0.16 316	0.09 54	0.06 114	0.07 379	0.10 407	0.09 383	0.05 100	0.05 121

raft+_RVC	0.11 185	0.07 139	0.09 72	0.16 142	0.07 71	0.10 127	0.11 46	0.24 316	0.20 269	0.12 192	0.15 205	0.12 192	0.08 141	0.12 189	0.13 277	0.07 239	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

raftrobust	0.09 81	0.06 56	0.10 108	0.17 216	0.08 127	0.09 80	0.10 27	0.18 197	0.16 186	0.10 125	0.09 88	0.12 192	0.07 106	0.12 189	0.10 123	0.08 300	0.05 182	0.06 102	0.05 107	0.05 100	0.05 121

RALAANet	0.11 185	0.08 236	0.10 108	0.17 216	0.09 239	0.14 278	0.10 27	0.20 229	0.15 159	0.14 240	0.13 174	0.16 280	0.09 167	0.12 189	0.11 187	0.06 114	0.05 182	0.07 194	0.06 185	0.05 100	0.04 40

sCroCo_RVC	0.12 251	0.09 312	0.23 446	0.24 484	0.11 389	0.19 397	0.14 152	0.17 168	0.14 143	0.10 125	0.13 174	0.12 192	0.07 106	0.14 260	0.11 187	0.08 300	0.08 405	0.08 278	0.08 337	0.05 100	0.07 279

DCANet	0.10 142	0.06 56	0.12 184	0.16 142	0.06 13	0.09 80	0.17 318	0.15 106	0.19 246	0.13 219	0.17 238	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

111	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.10 127	0.14 152	0.21 252	0.23 308	0.11 154	0.12 160	0.14 237	0.11 224	0.13 234	0.10 123	0.06 114	0.04 21	0.06 102	0.04 34	0.05 100	0.05 121

test_xeample3	0.09 81	0.06 56	0.12 184	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.13 119	0.10 125	0.06 13	0.08 98	0.06 36	0.10 61	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

ARAFT	0.12 251	0.08 236	0.17 377	0.19 355	0.09 239	0.14 278	0.18 363	0.20 229	0.12 88	0.12 192	0.13 174	0.14 237	0.11 224	0.15 282	0.12 236	0.06 114	0.05 182	0.10 407	0.09 383	0.05 100	0.04 40

EAI-Stereo	0.09 81	0.07 139	0.11 149	0.15 70	0.06 13	0.10 127	0.15 219	0.16 132	0.09 23	0.08 62	0.09 88	0.08 98	0.07 106	0.09 33	0.11 187	0.05 27	0.04 21	0.05 23	0.05 107	0.05 100	0.04 40

DIP-Stereo	0.11 185	0.07 139	0.14 264	0.17 216	0.09 239	0.13 246	0.09 18	0.16 132	0.16 186	0.11 154	0.16 217	0.14 237	0.12 255	0.15 282	0.13 277	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.10 142	0.06 56	0.10 108	0.17 216	0.08 127	0.11 172	0.14 152	0.23 294	0.11 62	0.12 192	0.19 272	0.11 175	0.08 141	0.09 33	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.05 121

RAFT-Stereo	0.10 142	0.06 56	0.10 108	0.17 216	0.08 127	0.11 172	0.14 152	0.23 294	0.11 62	0.12 192	0.19 272	0.11 175	0.08 141	0.09 33	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.05 121
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.12 251	0.07 139	0.16 349	0.18 298	0.06 13	0.15 304	0.17 318	0.19 218	0.21 284	0.18 341	0.25 365	0.17 300	0.13 293	0.14 260	0.13 277	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

FlowAnything_test	0.11 185	0.08 236	0.14 264	0.15 70	0.09 239	0.07 28	0.14 152	0.20 229	0.11 62	0.09 92	0.09 88	0.12 192	0.12 255	0.13 234	0.11 187	0.09 359	0.06 307	0.09 359	0.09 383	0.06 192	0.09 387

LGtest1	0.07 4	0.04 1	0.10 108	0.15 70	0.06 13	0.07 28	0.09 18	0.08 4	0.06 4	0.05 1	0.04 1	0.06 16	0.06 36	0.10 61	0.09 54	0.07 239	0.04 21	0.05 23	0.04 34	0.06 192	0.06 199

SCV_C0	0.08 44	0.07 139	0.07 6	0.16 142	0.09 239	0.08 51	0.15 219	0.11 28	0.12 88	0.08 62	0.07 37	0.06 16	0.05 11	0.11 107	0.07 1	0.05 27	0.05 182	0.05 23	0.04 34	0.06 192	0.05 121

SCV	0.08 44	0.09 312	0.08 30	0.15 70	0.08 127	0.10 127	0.13 104	0.10 17	0.12 88	0.07 30	0.07 37	0.06 16	0.04 1	0.09 33	0.08 17	0.05 27	0.04 21	0.06 102	0.04 34	0.06 192	0.04 40

DEFOM-Stereo_RVC	0.08 44	0.06 56	0.09 72	0.22 454	0.06 13	0.08 51	0.12 63	0.10 17	0.10 36	0.07 30	0.07 37	0.06 16	0.05 11	0.11 107	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.06 192	0.04 40

model_zeroshot	0.10 142	0.04 1	0.11 149	0.15 70	0.09 239	0.12 207	0.14 152	0.20 229	0.13 119	0.11 154	0.10 117	0.12 192	0.07 106	0.12 189	0.10 123	0.07 239	0.06 307	0.06 102	0.05 107	0.06 192	0.06 199

Pointernet	0.09 81	0.04 1	0.09 72	0.16 142	0.08 127	0.13 246	0.10 27	0.15 106	0.17 205	0.09 92	0.07 37	0.06 16	0.06 36	0.11 107	0.09 54	0.08 300	0.04 21	0.05 23	0.03 1	0.06 192	0.05 121

U	0.08 44	0.07 139	0.09 72	0.19 355	0.10 341	0.10 127	0.13 104	0.12 43	0.17 205	0.07 30	0.07 37	0.06 16	0.05 11	0.07 4	0.08 17	0.06 114	0.04 21	0.06 102	0.04 34	0.06 192	0.05 121

IGEV-Stereo+	0.07 4	0.04 1	0.08 30	0.15 70	0.06 13	0.04 1	0.09 18	0.10 17	0.09 23	0.06 9	0.06 13	0.06 16	0.06 36	0.06 1	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.06 192	0.06 199

trnet	0.08 44	0.05 17	0.07 6	0.12 4	0.05 1	0.12 207	0.11 46	0.13 59	0.10 36	0.08 62	0.13 174	0.09 123	0.08 141	0.11 107	0.10 123	0.08 300	0.05 182	0.05 23	0.03 1	0.06 192	0.05 121

H2IRNET	0.10 142	0.09 312	0.09 72	0.18 298	0.09 239	0.12 207	0.15 219	0.14 75	0.21 284	0.10 125	0.10 117	0.10 154	0.10 199	0.10 61	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.06 192	0.05 121

MGS-Stereo	0.09 81	0.07 139	0.12 184	0.15 70	0.08 127	0.09 80	0.15 219	0.12 43	0.12 88	0.07 30	0.10 117	0.08 98	0.06 36	0.10 61	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.06 192	0.05 121

tta	0.14 310	0.07 139	0.17 377	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 336	0.15 282	0.17 373	0.08 300	0.05 182	0.07 194	0.06 185	0.06 192	0.06 199

qqq1	0.13 276	0.07 139	0.17 377	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 336	0.15 282	0.11 187	0.08 300	0.05 182	0.05 23	0.05 107	0.06 192	0.06 199

fff1	0.13 276	0.07 139	0.17 377	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 336	0.15 282	0.11 187	0.08 300	0.05 182	0.05 23	0.05 107	0.06 192	0.06 199

MyStereo07	0.10 142	0.07 139	0.10 108	0.17 216	0.09 239	0.14 278	0.18 363	0.15 106	0.15 159	0.09 92	0.06 13	0.06 16	0.07 106	0.12 189	0.09 54	0.06 114	0.05 182	0.08 278	0.07 272	0.06 192	0.06 199

MyStereo06	0.10 142	0.07 139	0.12 184	0.17 216	0.09 239	0.13 246	0.18 363	0.19 218	0.12 88	0.12 192	0.08 70	0.07 62	0.07 106	0.11 107	0.09 54	0.06 114	0.05 182	0.07 194	0.07 272	0.06 192	0.06 199

MyStereo05	0.13 276	0.07 139	0.10 108	0.17 216	0.09 239	0.13 246	0.18 363	0.27 371	0.35 441	0.17 311	0.14 188	0.15 266	0.11 224	0.15 282	0.13 277	0.06 114	0.05 182	0.07 194	0.07 272	0.06 192	0.06 199

MyStereo04	0.13 276	0.07 139	0.10 108	0.17 216	0.09 239	0.14 278	0.18 363	0.29 401	0.38 459	0.17 311	0.14 188	0.16 280	0.10 199	0.15 282	0.13 277	0.06 114	0.05 182	0.08 278	0.07 272	0.06 192	0.06 199

CoDeX	0.12 251	0.07 139	0.12 184	0.17 216	0.08 127	0.12 207	0.15 219	0.23 294	0.27 368	0.13 219	0.17 238	0.16 280	0.11 224	0.14 260	0.11 187	0.07 239	0.05 182	0.07 194	0.06 185	0.06 192	0.05 121

cc1	0.10 142	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.16 132	0.18 231	0.09 92	0.09 88	0.06 16	0.06 36	0.10 61	0.07 1	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.06 199

ffm	0.12 251	0.09 312	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.15 106	0.19 246	0.15 267	0.25 365	0.19 328	0.13 293	0.10 61	0.07 1	0.06 114	0.04 21	0.09 359	0.08 337	0.06 192	0.06 199

ff1	0.13 276	0.09 312	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.15 106	0.19 246	0.15 267	0.25 365	0.19 328	0.13 293	0.14 260	0.20 410	0.06 114	0.04 21	0.09 359	0.08 337	0.06 192	0.06 199

tt1	0.10 142	0.08 236	0.12 184	0.17 216	0.09 239	0.12 207	0.16 284	0.15 106	0.19 246	0.09 92	0.08 70	0.06 16	0.06 36	0.10 61	0.07 1	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.06 199

plain	0.10 142	0.08 236	0.10 108	0.19 355	0.09 239	0.10 127	0.15 219	0.14 75	0.13 119	0.13 219	0.15 205	0.09 123	0.12 255	0.13 234	0.12 236	0.07 239	0.05 182	0.09 359	0.06 185	0.06 192	0.06 199

StereoVision	0.13 276	0.12 414	0.09 72	0.24 484	0.10 341	0.15 304	0.21 440	0.21 252	0.20 269	0.12 192	0.24 336	0.10 154	0.10 199	0.16 316	0.10 123	0.09 359	0.11 466	0.12 457	0.12 473	0.06 192	0.05 121

MIF-Stereo (partial)	0.11 185	0.06 56	0.10 108	0.19 355	0.10 341	0.10 127	0.11 46	0.17 168	0.18 231	0.14 240	0.16 217	0.09 123	0.11 224	0.12 189	0.12 236	0.08 300	0.05 182	0.08 278	0.07 272	0.06 192	0.07 279

MIM_Stereo	0.09 81	0.07 139	0.11 149	0.15 70	0.07 71	0.06 8	0.12 63	0.20 229	0.14 143	0.13 219	0.13 174	0.09 123	0.05 11	0.12 189	0.08 17	0.05 27	0.06 307	0.07 194	0.06 185	0.06 192	0.05 121

testlalala_base	0.10 142	0.09 312	0.14 264	0.21 439	0.08 127	0.10 127	0.14 152	0.13 59	0.10 36	0.07 30	0.15 205	0.07 62	0.08 141	0.10 61	0.12 236	0.08 300	0.05 182	0.05 23	0.03 1	0.06 192	0.05 121

Any-RAFT	0.10 142	0.05 17	0.09 72	0.14 30	0.07 71	0.13 246	0.14 152	0.21 252	0.15 159	0.11 154	0.12 160	0.12 192	0.09 167	0.12 189	0.09 54	0.07 239	0.04 21	0.05 23	0.04 34	0.06 192	0.05 121

LL-Strereo2	0.10 142	0.10 370	0.15 315	0.18 298	0.08 127	0.15 304	0.09 18	0.17 168	0.14 143	0.14 240	0.10 117	0.09 123	0.07 106	0.16 316	0.10 123	0.05 27	0.05 182	0.10 407	0.07 272	0.06 192	0.05 121

4D-IteraStereo	0.09 81	0.07 139	0.10 108	0.18 298	0.07 71	0.09 80	0.15 219	0.17 168	0.15 159	0.10 125	0.11 147	0.10 154	0.07 106	0.11 107	0.09 54	0.05 27	0.03 1	0.08 278	0.07 272	0.06 192	0.05 121

anonymousdsp2	0.11 185	0.07 139	0.10 108	0.16 142	0.09 239	0.13 246	0.14 152	0.18 197	0.22 298	0.13 219	0.14 188	0.12 192	0.09 167	0.14 260	0.11 187	0.05 27	0.04 21	0.05 23	0.04 34	0.06 192	0.05 121

Selective-RAFT	0.11 185	0.10 370	0.11 149	0.21 439	0.08 127	0.16 334	0.13 104	0.20 229	0.22 298	0.10 125	0.10 117	0.11 175	0.10 199	0.15 282	0.11 187	0.05 27	0.05 182	0.06 102	0.05 107	0.06 192	0.05 121

DisPM	0.11 185	0.07 139	0.12 184	0.16 142	0.09 239	0.06 8	0.13 104	0.17 168	0.17 205	0.14 240	0.20 284	0.12 192	0.10 199	0.11 107	0.10 123	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.11 440

iRaft-Stereo_20w	0.09 81	0.05 17	0.13 229	0.14 30	0.08 127	0.12 207	0.15 219	0.18 197	0.10 36	0.11 154	0.08 70	0.08 98	0.05 11	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.05 121

UDGNet	0.14 310	0.13 443	0.16 349	0.17 216	0.10 341	0.12 207	0.16 284	0.21 252	0.27 368	0.20 380	0.20 284	0.16 280	0.13 293	0.16 316	0.13 277	0.10 400	0.06 307	0.09 359	0.07 272	0.06 192	0.07 279

PFNet+	0.11 185	0.06 56	0.13 229	0.16 142	0.09 239	0.05 4	0.12 63	0.17 168	0.21 284	0.16 295	0.19 272	0.14 237	0.10 199	0.11 107	0.11 187	0.08 300	0.05 182	0.09 359	0.08 337	0.06 192	0.11 440

LCNet	0.11 185	0.07 139	0.09 72	0.19 355	0.09 239	0.08 51	0.15 219	0.21 252	0.15 159	0.11 154	0.15 205	0.16 280	0.11 224	0.12 189	0.11 187	0.05 27	0.04 21	0.08 278	0.07 272	0.06 192	0.15 496

AAGNet	0.11 185	0.07 139	0.16 349	0.19 355	0.09 239	0.08 51	0.13 104	0.18 197	0.13 119	0.16 295	0.21 305	0.13 217	0.14 318	0.11 107	0.14 314	0.06 114	0.04 21	0.09 359	0.06 185	0.06 192	0.05 121

NF-Stereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 453

OCTAStereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 453

PSM-softLoss	0.12 251	0.07 139	0.15 315	0.17 216	0.09 239	0.08 51	0.13 104	0.24 316	0.17 205	0.14 240	0.19 272	0.13 217	0.11 224	0.11 107	0.11 187	0.07 239	0.05 182	0.08 278	0.07 272	0.06 192	0.12 453

KMStereo	0.12 251	0.07 139	0.15 315	0.17 216	0.09 239	0.08 51	0.13 104	0.24 316	0.17 205	0.14 240	0.19 272	0.13 217	0.11 224	0.11 107	0.11 187	0.07 239	0.05 182	0.08 278	0.07 272	0.06 192	0.12 453

NRIStereo	0.11 185	0.08 236	0.14 264	0.18 298	0.08 127	0.10 127	0.14 152	0.16 132	0.15 159	0.12 192	0.14 188	0.13 217	0.12 255	0.13 234	0.10 123	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.07 279

PSM-AAD	0.11 185	0.07 139	0.10 108	0.19 355	0.09 239	0.10 127	0.15 219	0.20 229	0.13 119	0.12 192	0.14 188	0.18 314	0.11 224	0.11 107	0.10 123	0.05 27	0.05 182	0.09 359	0.08 337	0.06 192	0.14 489

FTStereo	0.12 251	0.06 56	0.14 264	0.18 298	0.09 239	0.07 28	0.15 219	0.21 252	0.18 231	0.12 192	0.24 336	0.12 192	0.12 255	0.13 234	0.13 277	0.05 27	0.05 182	0.07 194	0.06 185	0.06 192	0.10 414

KYRaft	0.11 185	0.07 139	0.10 108	0.19 355	0.09 239	0.08 51	0.15 219	0.22 274	0.12 88	0.13 219	0.16 217	0.20 340	0.10 199	0.12 189	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.06 192	0.16 507

SST-Stereo	0.10 142	0.07 139	0.15 315	0.18 298	0.09 239	0.06 8	0.12 63	0.17 168	0.11 62	0.15 267	0.17 238	0.13 217	0.12 255	0.10 61	0.11 187	0.06 114	0.04 21	0.09 359	0.06 185	0.06 192	0.05 121

RAFT_R40	0.11 185	0.07 139	0.14 264	0.18 298	0.09 239	0.06 8	0.13 104	0.17 168	0.16 186	0.14 240	0.18 263	0.15 266	0.12 255	0.10 61	0.11 187	0.06 114	0.04 21	0.09 359	0.06 185	0.06 192	0.05 121

RE-Stereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 453

Pruner-Stereo	0.11 185	0.07 139	0.12 184	0.17 216	0.09 239	0.06 8	0.12 63	0.17 168	0.17 205	0.13 219	0.19 272	0.13 217	0.09 167	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.08 343

TVStereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 453

IRAFT_RVC	0.12 251	0.08 236	0.16 349	0.19 355	0.08 127	0.07 28	0.15 219	0.24 316	0.23 308	0.14 240	0.14 188	0.15 266	0.12 255	0.12 189	0.10 123	0.06 114	0.04 21	0.09 359	0.06 185	0.06 192	0.06 199

GMM-Stereo	0.11 185	0.07 139	0.10 108	0.18 298	0.09 239	0.08 51	0.15 219	0.23 294	0.16 186	0.11 154	0.15 205	0.13 217	0.11 224	0.11 107	0.11 187	0.05 27	0.04 21	0.08 278	0.07 272	0.06 192	0.09 387

Prome-Stereo	0.11 185	0.06 56	0.10 108	0.18 298	0.08 127	0.12 207	0.15 219	0.22 274	0.13 119	0.12 192	0.17 238	0.13 217	0.08 141	0.12 189	0.10 123	0.05 27	0.04 21	0.07 194	0.06 185	0.06 192	0.09 387

TANstereo	0.09 81	0.04 1	0.08 30	0.13 13	0.06 13	0.11 172	0.14 152	0.15 106	0.19 246	0.11 154	0.15 205	0.10 154	0.06 36	0.12 189	0.09 54	0.07 239	0.05 182	0.05 23	0.04 34	0.06 192	0.05 121

XX-TBD	0.09 81	0.06 56	0.07 6	0.14 30	0.07 71	0.12 207	0.16 284	0.14 75	0.13 119	0.11 154	0.12 160	0.09 123	0.08 141	0.10 61	0.10 123	0.06 114	0.04 21	0.05 23	0.03 1	0.06 192	0.05 121

RAFT + AFF	0.13 276	0.07 139	0.20 423	0.20 410	0.10 341	0.14 278	0.24 473	0.26 350	0.20 269	0.11 154	0.10 117	0.12 192	0.10 199	0.15 282	0.12 236	0.07 239	0.06 307	0.09 359	0.08 337	0.06 192	0.08 343

delet	0.17 397	0.08 236	0.17 377	0.19 355	0.11 389	0.20 412	0.21 440	0.30 415	0.37 452	0.17 311	0.26 382	0.19 328	0.19 415	0.19 384	0.21 430	0.08 300	0.08 405	0.09 359	0.11 454	0.06 192	0.06 199

CREStereo	0.09 81	0.04 1	0.08 30	0.11 1	0.06 13	0.13 246	0.14 152	0.14 75	0.10 36	0.08 62	0.13 174	0.09 123	0.08 141	0.11 107	0.10 123	0.08 300	0.04 21	0.05 23	0.03 1	0.06 192	0.06 199
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
cf-r	0.13 276	0.07 139	0.12 184	0.16 142	0.08 127	0.14 278	0.19 402	0.20 229	0.25 345	0.17 311	0.25 365	0.21 349	0.16 362	0.14 260	0.14 314	0.10 400	0.05 182	0.06 102	0.08 337	0.06 192	0.06 199

BEATNet_4x	0.12 251	0.08 236	0.14 264	0.18 298	0.07 71	0.15 304	0.07 3	0.22 274	0.18 231	0.16 295	0.19 272	0.18 314	0.14 318	0.16 316	0.15 342	0.07 239	0.05 182	0.05 23	0.05 107	0.06 192	0.06 199

RASNet	0.14 310	0.07 139	0.14 264	0.16 142	0.08 127	0.18 374	0.14 152	0.29 401	0.20 269	0.17 311	0.25 365	0.21 349	0.18 399	0.20 409	0.19 404	0.07 239	0.06 307	0.06 102	0.08 337	0.06 192	0.06 199

HITNet	0.10 142	0.06 56	0.12 184	0.14 30	0.06 13	0.11 172	0.10 27	0.18 197	0.18 231	0.13 219	0.16 217	0.14 237	0.11 224	0.15 282	0.13 277	0.06 114	0.04 21	0.04 1	0.04 34	0.06 192	0.05 121
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	0.13 276	0.10 370	0.18 400	0.19 355	0.08 127	0.13 246	0.18 363	0.20 229	0.26 359	0.15 267	0.23 324	0.15 266	0.13 293	0.14 260	0.14 314	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.05 121

z-ln-s-r	0.17 397	0.10 370	0.40 506	0.19 355	0.08 127	0.17 355	0.18 363	0.22 274	0.33 420	0.18 341	0.40 483	0.22 367	0.17 385	0.20 409	0.23 451	0.07 239	0.05 182	0.07 194	0.07 272	0.07 258	0.05 121

111111	0.07 4	0.04 1	0.09 72	0.17 216	0.06 13	0.05 4	0.10 27	0.11 28	0.09 23	0.06 9	0.06 13	0.07 62	0.05 11	0.09 33	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.07 258	0.06 199

G2L-Stereo_test	0.14 310	0.07 139	0.11 149	0.13 13	0.08 127	0.12 207	0.16 284	0.30 415	0.28 382	0.20 380	0.23 324	0.20 340	0.16 362	0.17 348	0.18 391	0.07 239	0.05 182	0.05 23	0.05 107	0.07 258	0.06 199

G2L-Stereo	0.14 310	0.07 139	0.13 229	0.17 216	0.09 239	0.13 246	0.12 63	0.27 371	0.22 298	0.16 295	0.27 390	0.21 349	0.13 293	0.17 348	0.18 391	0.09 359	0.08 405	0.08 278	0.07 272	0.07 258	0.07 279

HI	0.11 185	0.06 56	0.11 149	0.13 13	0.09 239	0.09 80	0.14 152	0.21 252	0.10 36	0.19 357	0.17 238	0.14 237	0.09 167	0.16 316	0.08 17	0.05 27	0.04 21	0.07 194	0.08 337	0.07 258	0.06 199

CoSv	0.11 185	0.06 56	0.11 149	0.13 13	0.09 239	0.09 80	0.14 152	0.21 252	0.10 36	0.19 357	0.17 238	0.14 237	0.09 167	0.16 316	0.08 17	0.05 27	0.04 21	0.07 194	0.08 337	0.07 258	0.06 199

rvit_0105_3	0.15 354	0.09 312	0.14 264	0.19 355	0.12 420	0.15 304	0.25 488	0.25 332	0.29 389	0.15 267	0.17 238	0.20 340	0.13 293	0.17 348	0.14 314	0.13 477	0.11 466	0.12 457	0.14 486	0.07 258	0.06 199

UGAM	0.13 276	0.10 370	0.09 72	0.22 454	0.08 127	0.12 207	0.20 423	0.17 168	0.23 308	0.21 394	0.16 217	0.13 217	0.13 293	0.19 384	0.12 236	0.07 239	0.05 182	0.13 472	0.11 454	0.07 258	0.05 121

rvit_stereo_0083	0.12 251	0.08 236	0.17 377	0.16 142	0.09 239	0.11 172	0.15 219	0.14 75	0.26 359	0.11 154	0.14 188	0.13 217	0.10 199	0.12 189	0.12 236	0.10 400	0.08 405	0.09 359	0.07 272	0.07 258	0.05 121

rvit_stereo_0081_aga	0.11 185	0.09 312	0.14 264	0.18 298	0.09 239	0.13 246	0.14 152	0.14 75	0.19 246	0.10 125	0.18 263	0.16 280	0.09 167	0.12 189	0.09 54	0.10 400	0.06 307	0.08 278	0.07 272	0.07 258	0.06 199

rvit_stereo_0081	0.11 185	0.08 236	0.15 315	0.16 142	0.09 239	0.10 127	0.14 152	0.14 75	0.24 324	0.11 154	0.13 174	0.13 217	0.09 167	0.11 107	0.12 236	0.10 400	0.07 379	0.08 278	0.07 272	0.07 258	0.05 121

ACV-stereo	0.15 354	0.10 370	0.28 470	0.18 298	0.12 420	0.14 278	0.12 63	0.23 294	0.21 284	0.19 357	0.23 324	0.22 367	0.15 336	0.23 450	0.17 373	0.07 239	0.06 307	0.07 194	0.07 272	0.07 258	0.07 279

rvit_stereo_0082	0.11 185	0.08 236	0.15 315	0.16 142	0.09 239	0.10 127	0.14 152	0.14 75	0.24 324	0.11 154	0.13 174	0.13 217	0.09 167	0.11 107	0.12 236	0.10 400	0.07 379	0.08 278	0.07 272	0.07 258	0.05 121

AIO-Stereo-zeroshot1	0.11 185	0.05 17	0.14 264	0.15 70	0.20 518	0.09 80	0.17 318	0.21 252	0.15 159	0.11 154	0.14 188	0.10 154	0.07 106	0.10 61	0.08 17	0.06 114	0.05 182	0.07 194	0.07 272	0.07 258	0.09 387

AIO-Stereo-zeroshot	0.11 185	0.05 17	0.11 149	0.15 70	0.13 443	0.13 246	0.16 284	0.23 294	0.17 205	0.10 125	0.12 160	0.10 154	0.07 106	0.11 107	0.09 54	0.06 114	0.05 182	0.06 102	0.06 185	0.07 258	0.08 343

rvit_stereo_0080	0.10 142	0.08 236	0.14 264	0.15 70	0.09 239	0.07 28	0.15 219	0.16 132	0.16 186	0.11 154	0.10 117	0.14 237	0.08 141	0.12 189	0.10 123	0.09 359	0.07 379	0.07 194	0.06 185	0.07 258	0.05 121

rvit_stereo_ft	0.12 251	0.07 139	0.13 229	0.19 355	0.10 341	0.12 207	0.17 318	0.16 132	0.16 186	0.12 192	0.13 174	0.15 266	0.10 199	0.14 260	0.13 277	0.09 359	0.06 307	0.08 278	0.07 272	0.07 258	0.05 121

CAS++	0.11 185	0.07 139	0.11 149	0.14 30	0.09 239	0.12 207	0.14 152	0.24 316	0.14 143	0.11 154	0.09 88	0.11 175	0.07 106	0.14 260	0.09 54	0.11 429	0.09 434	0.09 359	0.07 272	0.07 258	0.08 343
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
test_for_model	0.09 81	0.12 414	0.14 264	0.23 475	0.11 389	0.08 51	0.13 104	0.12 43	0.12 88	0.10 125	0.07 37	0.07 62	0.06 36	0.11 107	0.10 123	0.06 114	0.05 182	0.05 23	0.03 1	0.07 258	0.04 40

DispNO	0.14 310	0.08 236	0.17 377	0.19 355	0.12 420	0.11 172	0.21 440	0.23 294	0.29 389	0.17 311	0.23 324	0.18 314	0.17 385	0.15 282	0.15 342	0.07 239	0.05 182	0.08 278	0.08 337	0.07 258	0.06 199

Former-RAFT_DAM_RVC	0.10 142	0.08 236	0.12 184	0.16 142	0.08 127	0.15 304	0.16 284	0.18 197	0.18 231	0.10 125	0.09 88	0.09 123	0.08 141	0.11 107	0.12 236	0.07 239	0.05 182	0.08 278	0.06 185	0.07 258	0.06 199

SMFormer	0.14 310	0.07 139	0.17 377	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 336	0.15 282	0.17 373	0.08 300	0.05 182	0.07 194	0.06 185	0.07 258	0.06 199

ACVNet-DCA	0.10 142	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.23 294	0.16 186	0.09 92	0.09 88	0.06 16	0.06 36	0.10 61	0.07 1	0.06 114	0.04 21	0.06 102	0.05 107	0.07 258	0.07 279

xx1	0.11 185	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.16 132	0.18 231	0.09 92	0.09 88	0.16 280	0.16 362	0.10 61	0.07 1	0.06 114	0.04 21	0.08 278	0.08 337	0.07 258	0.07 279

1test111	0.11 185	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.23 294	0.16 186	0.09 92	0.09 88	0.06 16	0.06 36	0.15 282	0.16 358	0.06 114	0.04 21	0.06 102	0.05 107	0.07 258	0.07 279

mmm	0.14 310	0.08 236	0.17 377	0.17 216	0.09 239	0.17 355	0.18 363	0.21 252	0.15 159	0.15 267	0.23 324	0.21 349	0.16 362	0.16 316	0.17 373	0.08 300	0.05 182	0.08 278	0.07 272	0.07 258	0.07 279

1111x	0.15 354	0.08 236	0.12 184	0.18 298	0.07 71	0.18 374	0.25 488	0.31 425	0.24 324	0.17 311	0.24 336	0.26 414	0.15 336	0.13 234	0.23 451	0.07 239	0.07 379	0.08 278	0.09 383	0.07 258	0.06 199

whm_eth	0.10 142	0.08 236	0.14 264	0.15 70	0.09 239	0.07 28	0.15 219	0.16 132	0.16 186	0.11 154	0.10 117	0.14 237	0.08 141	0.12 189	0.10 123	0.09 359	0.07 379	0.07 194	0.06 185	0.07 258	0.05 121

PCWNet_CMD	0.14 310	0.08 236	0.15 315	0.17 216	0.09 239	0.14 278	0.14 152	0.29 401	0.36 445	0.14 240	0.20 284	0.21 349	0.12 255	0.17 348	0.13 277	0.07 239	0.05 182	0.07 194	0.07 272	0.07 258	0.07 279

CBFPSM	0.14 310	0.06 56	0.26 458	0.17 216	0.09 239	0.13 246	0.15 219	0.22 274	0.23 308	0.20 380	0.27 390	0.24 391	0.16 362	0.16 316	0.18 391	0.06 114	0.06 307	0.06 102	0.07 272	0.07 258	0.07 279

qqq	0.13 276	0.09 312	0.15 315	0.16 142	0.08 127	0.13 246	0.15 219	0.23 294	0.16 186	0.15 267	0.19 272	0.16 280	0.16 362	0.15 282	0.16 358	0.07 239	0.06 307	0.08 278	0.08 337	0.07 258	0.07 279

x	0.13 276	0.07 139	0.14 264	0.14 30	0.08 127	0.18 374	0.14 152	0.22 274	0.20 269	0.15 267	0.19 272	0.19 328	0.17 385	0.18 369	0.18 391	0.07 239	0.05 182	0.06 102	0.06 185	0.07 258	0.07 279

BUS	0.14 310	0.09 312	0.14 264	0.22 454	0.10 341	0.19 397	0.14 152	0.34 464	0.19 246	0.17 311	0.22 315	0.16 280	0.13 293	0.15 282	0.13 277	0.08 300	0.06 307	0.10 407	0.09 383	0.07 258	0.07 279

RAFT+CT+SA	0.13 276	0.11 396	0.09 72	0.19 355	0.09 239	0.15 304	0.28 509	0.22 274	0.22 298	0.15 267	0.26 382	0.10 154	0.10 199	0.11 107	0.12 236	0.05 27	0.04 21	0.07 194	0.08 337	0.07 258	0.06 199

BSDual-CNN	0.15 354	0.09 312	0.14 264	0.22 454	0.10 341	0.14 278	0.15 219	0.34 464	0.19 246	0.17 311	0.22 315	0.25 405	0.16 362	0.15 282	0.14 314	0.08 300	0.06 307	0.10 407	0.09 383	0.07 258	0.07 279

hknet	0.15 354	0.11 396	0.13 229	0.22 454	0.11 389	0.14 278	0.15 219	0.34 464	0.25 345	0.17 311	0.22 315	0.22 367	0.18 399	0.17 348	0.12 236	0.07 239	0.06 307	0.10 407	0.09 383	0.07 258	0.07 279

psmg	0.14 310	0.09 312	0.14 264	0.17 216	0.10 341	0.15 304	0.17 318	0.29 401	0.19 246	0.17 311	0.21 305	0.25 405	0.16 362	0.15 282	0.14 314	0.08 300	0.06 307	0.08 278	0.08 337	0.07 258	0.06 199

DAS	0.15 354	0.08 236	0.18 400	0.19 355	0.10 341	0.19 397	0.17 318	0.27 371	0.29 389	0.18 341	0.25 365	0.21 349	0.15 336	0.16 316	0.12 236	0.08 300	0.06 307	0.06 102	0.06 185	0.07 258	0.07 279

SepStereo	0.15 354	0.08 236	0.18 400	0.19 355	0.10 341	0.19 397	0.17 318	0.27 371	0.29 389	0.18 341	0.25 365	0.21 349	0.15 336	0.25 464	0.12 236	0.08 300	0.06 307	0.06 102	0.06 185	0.07 258	0.07 279

GwcNet-ADL	0.13 276	0.08 236	0.14 264	0.20 410	0.09 239	0.11 172	0.20 423	0.30 415	0.24 324	0.13 219	0.14 188	0.18 314	0.14 318	0.13 234	0.14 314	0.07 239	0.05 182	0.06 102	0.05 107	0.07 258	0.06 199

GANet-ADL	0.13 276	0.07 139	0.15 315	0.17 216	0.10 341	0.18 374	0.15 219	0.30 415	0.20 269	0.13 219	0.18 263	0.19 328	0.12 255	0.16 316	0.13 277	0.08 300	0.06 307	0.06 102	0.05 107	0.07 258	0.08 343

DeepStereo_RVC	0.11 185	0.08 236	0.16 349	0.18 298	0.08 127	0.08 51	0.12 63	0.17 168	0.12 88	0.13 219	0.14 188	0.12 192	0.12 255	0.12 189	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.07 258	0.08 343

ICVP	0.15 354	0.09 312	0.12 184	0.22 454	0.09 239	0.17 355	0.21 440	0.25 332	0.23 308	0.18 341	0.30 422	0.26 414	0.18 399	0.17 348	0.14 314	0.09 359	0.07 379	0.08 278	0.07 272	0.07 258	0.07 279
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rafts_anoy	0.11 185	0.06 56	0.10 108	0.17 216	0.08 127	0.10 127	0.14 152	0.17 168	0.14 143	0.13 219	0.13 174	0.12 192	0.10 199	0.11 107	0.12 236	0.07 239	0.04 21	0.09 359	0.11 454	0.07 258	0.06 199

CFNet_pseudo	0.14 310	0.08 236	0.15 315	0.16 142	0.09 239	0.13 246	0.14 152	0.27 371	0.34 432	0.14 240	0.21 305	0.22 367	0.13 293	0.18 369	0.14 314	0.07 239	0.05 182	0.08 278	0.06 185	0.07 258	0.07 279

222	0.16 377	0.07 139	0.14 264	0.14 30	0.08 127	0.24 455	0.18 363	0.30 415	0.20 269	0.17 311	0.28 404	0.17 300	0.16 362	0.15 282	0.40 534	0.10 400	0.05 182	0.07 194	0.06 185	0.07 258	0.08 343

test_xeample	0.15 354	0.06 56	0.13 229	0.14 30	0.08 127	0.21 429	0.20 423	0.28 390	0.20 269	0.16 295	0.29 416	0.19 328	0.16 362	0.15 282	0.26 484	0.09 359	0.05 182	0.07 194	0.07 272	0.07 258	0.07 279

GMStereo	0.13 276	0.14 455	0.14 264	0.18 298	0.09 239	0.15 304	0.16 284	0.20 229	0.24 324	0.16 295	0.17 238	0.10 154	0.10 199	0.16 316	0.13 277	0.07 239	0.06 307	0.06 102	0.06 185	0.07 258	0.06 199
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 276	0.07 139	0.14 264	0.17 216	0.09 239	0.15 304	0.16 284	0.28 390	0.27 368	0.14 240	0.17 238	0.12 192	0.13 293	0.14 260	0.11 187	0.08 300	0.05 182	0.07 194	0.07 272	0.07 258	0.06 199

FENet	0.13 276	0.08 236	0.12 184	0.16 142	0.08 127	0.14 278	0.15 219	0.22 274	0.23 308	0.17 311	0.23 324	0.16 280	0.12 255	0.14 260	0.15 342	0.08 300	0.05 182	0.08 278	0.08 337	0.07 258	0.07 279

ac_64	0.16 377	0.08 236	0.15 315	0.18 298	0.10 341	0.22 437	0.18 363	0.24 316	0.21 284	0.18 341	0.24 336	0.29 440	0.18 399	0.19 384	0.22 439	0.09 359	0.07 379	0.08 278	0.09 383	0.07 258	0.06 199

GwcNet-RSSM	0.14 310	0.07 139	0.12 184	0.15 70	0.08 127	0.15 304	0.20 423	0.21 252	0.27 368	0.18 341	0.27 390	0.22 367	0.16 362	0.14 260	0.15 342	0.10 400	0.05 182	0.07 194	0.09 383	0.07 258	0.07 279

PMTNet	0.09 81	0.05 17	0.09 72	0.12 4	0.06 13	0.12 207	0.14 152	0.15 106	0.11 62	0.09 92	0.13 174	0.10 154	0.07 106	0.13 234	0.10 123	0.15 494	0.04 21	0.05 23	0.03 1	0.07 258	0.06 199

MSMDNet	0.14 310	0.08 236	0.15 315	0.17 216	0.09 239	0.14 278	0.14 152	0.29 401	0.36 445	0.14 240	0.21 305	0.21 349	0.12 255	0.17 348	0.14 314	0.07 239	0.05 182	0.07 194	0.07 272	0.07 258	0.07 279

HSM-Net_RVC	0.14 310	0.08 236	0.11 149	0.15 70	0.08 127	0.15 304	0.15 219	0.27 371	0.29 389	0.19 357	0.21 305	0.29 440	0.14 318	0.17 348	0.13 277	0.06 114	0.06 307	0.06 102	0.06 185	0.07 258	0.06 199
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 354	0.10 370	0.17 377	0.17 216	0.08 127	0.18 374	0.09 18	0.28 390	0.25 345	0.19 357	0.24 336	0.24 391	0.17 385	0.17 348	0.14 314	0.08 300	0.06 307	0.09 359	0.10 422	0.07 258	0.06 199

NLCA_NET_v2_RVC	0.17 397	0.10 370	0.22 437	0.20 410	0.10 341	0.15 304	0.18 363	0.31 425	0.25 345	0.21 394	0.30 422	0.25 405	0.17 385	0.21 426	0.20 410	0.09 359	0.06 307	0.08 278	0.08 337	0.07 258	0.08 343
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccs_rob	0.14 310	0.08 236	0.15 315	0.16 142	0.09 239	0.12 207	0.14 152	0.27 371	0.34 432	0.14 240	0.21 305	0.22 367	0.13 293	0.18 369	0.14 314	0.07 239	0.05 182	0.08 278	0.07 272	0.07 258	0.07 279

AANet_RVC	0.16 377	0.10 370	0.10 108	0.18 298	0.09 239	0.18 374	0.19 402	0.26 350	0.31 406	0.22 410	0.35 454	0.21 349	0.21 431	0.22 439	0.16 358	0.06 114	0.05 182	0.06 102	0.06 185	0.07 258	0.06 199

HSM	0.15 354	0.08 236	0.14 264	0.16 142	0.09 239	0.16 334	0.14 152	0.28 390	0.25 345	0.19 357	0.23 324	0.37 491	0.16 362	0.20 409	0.15 342	0.07 239	0.05 182	0.07 194	0.06 185	0.07 258	0.06 199

StereoDRNet-Refined	0.17 397	0.12 414	0.15 315	0.20 410	0.09 239	0.18 374	0.18 363	0.26 350	0.23 308	0.26 449	0.40 483	0.22 367	0.17 385	0.21 426	0.20 410	0.08 300	0.05 182	0.09 359	0.10 422	0.07 258	0.07 279
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.18 411	0.10 370	0.15 315	0.23 475	0.11 389	0.24 455	0.18 363	0.29 401	0.28 382	0.27 455	0.28 404	0.28 432	0.24 454	0.19 384	0.20 410	0.08 300	0.08 405	0.09 359	0.09 383	0.07 258	0.07 279

pmcnn	0.15 354	0.07 139	0.19 411	0.15 70	0.07 71	0.20 412	0.15 219	0.24 316	0.26 359	0.21 394	0.34 450	0.28 432	0.18 399	0.18 369	0.17 373	0.07 239	0.05 182	0.05 23	0.04 34	0.07 258	0.06 199

S2M2_XL	0.08 44	0.06 56	0.12 184	0.12 4	0.08 127	0.09 80	0.09 18	0.07 2	0.07 8	0.08 62	0.07 37	0.07 62	0.06 36	0.09 33	0.09 54	0.08 300	0.06 307	0.07 194	0.05 107	0.08 321	0.06 199

G2L-ROB	0.13 276	0.06 56	0.13 229	0.13 13	0.08 127	0.14 278	0.16 284	0.25 332	0.18 231	0.19 357	0.18 263	0.20 340	0.14 318	0.17 348	0.16 358	0.08 300	0.05 182	0.06 102	0.05 107	0.08 321	0.09 387

YMNet	0.20 435	0.12 414	0.19 411	0.20 410	0.14 463	0.26 475	0.23 461	0.32 436	0.34 432	0.27 455	0.34 450	0.30 449	0.18 399	0.18 369	0.22 439	0.10 400	0.13 493	0.10 407	0.10 422	0.08 321	0.09 387

YMNet_1	0.20 435	0.12 414	0.19 411	0.20 410	0.14 463	0.26 475	0.23 461	0.32 436	0.34 432	0.27 455	0.34 450	0.30 449	0.18 399	0.18 369	0.22 439	0.10 400	0.13 493	0.10 407	0.10 422	0.08 321	0.09 387

rvit_0105_5	0.14 310	0.09 312	0.13 229	0.17 216	0.09 239	0.14 278	0.23 461	0.24 316	0.27 368	0.14 240	0.15 205	0.18 314	0.12 255	0.17 348	0.14 314	0.14 490	0.11 466	0.10 407	0.10 422	0.08 321	0.06 199

rvit_105_1	0.19 423	0.11 396	0.25 455	0.21 439	0.16 491	0.21 429	0.27 503	0.31 425	0.41 471	0.19 357	0.20 284	0.22 367	0.17 385	0.19 384	0.17 373	0.12 454	0.12 480	0.13 472	0.15 501	0.08 321	0.07 279

ITSA-stereo	0.15 354	0.10 370	0.14 264	0.19 355	0.08 127	0.12 207	0.14 152	0.30 415	0.49 503	0.17 311	0.19 272	0.22 367	0.15 336	0.17 348	0.16 358	0.10 400	0.06 307	0.08 278	0.08 337	0.08 321	0.08 343

test_sample6	0.14 310	0.08 236	0.13 229	0.16 142	0.08 127	0.17 355	0.19 402	0.25 332	0.17 205	0.17 311	0.27 390	0.19 328	0.14 318	0.15 282	0.13 277	0.08 300	0.05 182	0.08 278	0.07 272	0.08 321	0.08 343

test_sample5	0.14 310	0.08 236	0.14 264	0.16 142	0.08 127	0.18 374	0.18 363	0.25 332	0.17 205	0.17 311	0.27 390	0.18 314	0.14 318	0.16 316	0.13 277	0.08 300	0.05 182	0.08 278	0.07 272	0.08 321	0.08 343

test_sample4	0.14 310	0.08 236	0.14 264	0.15 70	0.08 127	0.19 397	0.18 363	0.26 350	0.17 205	0.16 295	0.25 365	0.18 314	0.14 318	0.16 316	0.13 277	0.08 300	0.06 307	0.08 278	0.06 185	0.08 321	0.08 343

test_sample2	0.12 251	0.07 139	0.12 184	0.14 30	0.08 127	0.16 334	0.18 363	0.21 252	0.16 186	0.14 240	0.20 284	0.19 328	0.15 336	0.15 282	0.12 236	0.08 300	0.05 182	0.07 194	0.06 185	0.08 321	0.07 279

test_sample1	0.13 276	0.07 139	0.14 264	0.13 13	0.08 127	0.19 397	0.16 284	0.20 229	0.15 159	0.14 240	0.22 315	0.18 314	0.16 362	0.17 348	0.14 314	0.07 239	0.06 307	0.06 102	0.06 185	0.08 321	0.07 279

MyStereo8	0.12 251	0.07 139	0.15 315	0.15 70	0.09 239	0.18 374	0.14 152	0.19 218	0.22 298	0.12 192	0.18 263	0.11 175	0.10 199	0.16 316	0.18 391	0.07 239	0.05 182	0.07 194	0.05 107	0.08 321	0.09 387

11t1	0.12 251	0.06 56	0.13 229	0.14 30	0.08 127	0.17 355	0.15 219	0.18 197	0.15 159	0.15 267	0.15 205	0.16 280	0.16 362	0.15 282	0.13 277	0.08 300	0.05 182	0.06 102	0.05 107	0.08 321	0.07 279

DualNet	0.14 310	0.08 236	0.14 264	0.16 142	0.08 127	0.18 374	0.18 363	0.25 332	0.17 205	0.17 311	0.27 390	0.18 314	0.14 318	0.16 316	0.13 277	0.08 300	0.05 182	0.08 278	0.07 272	0.08 321	0.08 343

mmx	0.14 310	0.09 312	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.27 371	0.25 345	0.15 267	0.25 365	0.19 328	0.13 293	0.14 260	0.20 410	0.08 300	0.06 307	0.09 359	0.08 337	0.08 321	0.08 343

xxx	0.14 310	0.09 312	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.27 371	0.25 345	0.15 267	0.25 365	0.19 328	0.13 293	0.14 260	0.20 410	0.08 300	0.06 307	0.09 359	0.08 337	0.08 321	0.08 343

EKT-Stereo	0.11 185	0.07 139	0.14 264	0.15 70	0.10 341	0.13 246	0.14 152	0.18 197	0.21 284	0.11 154	0.08 70	0.12 192	0.09 167	0.11 107	0.12 236	0.08 300	0.06 307	0.07 194	0.06 185	0.08 321	0.07 279

SDNR	0.19 423	0.08 236	0.19 411	0.16 142	0.12 420	0.77 556	0.14 152	0.25 332	0.32 413	0.19 357	0.24 336	0.19 328	0.13 293	0.19 384	0.15 342	0.16 510	0.18 518	0.14 484	0.11 454	0.08 321	0.11 440

fast-acv-ft	0.18 411	0.11 396	0.19 411	0.19 355	0.12 420	0.24 455	0.21 440	0.25 332	0.34 432	0.22 410	0.34 450	0.27 422	0.20 427	0.21 426	0.23 451	0.09 359	0.09 434	0.08 278	0.10 422	0.08 321	0.07 279

gwcnet-sp	0.14 310	0.07 139	0.12 184	0.18 298	0.09 239	0.16 334	0.17 318	0.24 316	0.24 324	0.18 341	0.24 336	0.15 266	0.16 362	0.15 282	0.15 342	0.08 300	0.06 307	0.07 194	0.08 337	0.08 321	0.07 279

scenet	0.14 310	0.07 139	0.12 184	0.18 298	0.09 239	0.16 334	0.17 318	0.24 316	0.24 324	0.18 341	0.24 336	0.15 266	0.16 362	0.15 282	0.15 342	0.08 300	0.06 307	0.07 194	0.08 337	0.08 321	0.07 279

knoymous	0.11 185	0.05 17	0.12 184	0.13 13	0.07 71	0.15 304	0.14 152	0.19 218	0.13 119	0.11 154	0.17 238	0.13 217	0.09 167	0.13 234	0.11 187	0.08 300	0.05 182	0.06 102	0.05 107	0.08 321	0.07 279

riskmin	0.11 185	0.06 56	0.13 229	0.14 30	0.08 127	0.14 278	0.14 152	0.18 197	0.14 143	0.11 154	0.14 188	0.16 280	0.11 224	0.14 260	0.12 236	0.09 359	0.05 182	0.07 194	0.05 107	0.08 321	0.08 343

ssnet_v2	0.17 397	0.10 370	0.17 377	0.17 216	0.11 389	0.21 429	0.21 440	0.33 455	0.25 345	0.22 410	0.22 315	0.27 422	0.18 399	0.22 439	0.20 410	0.11 429	0.09 434	0.09 359	0.09 383	0.08 321	0.08 343

ssnet	0.14 310	0.07 139	0.12 184	0.18 298	0.09 239	0.16 334	0.17 318	0.24 316	0.24 324	0.18 341	0.24 336	0.15 266	0.16 362	0.15 282	0.15 342	0.08 300	0.06 307	0.07 194	0.08 337	0.08 321	0.07 279

IER	0.14 310	0.07 139	0.13 229	0.17 216	0.09 239	0.14 278	0.16 284	0.25 332	0.26 359	0.18 341	0.25 365	0.17 300	0.20 427	0.16 316	0.14 314	0.08 300	0.05 182	0.07 194	0.06 185	0.08 321	0.07 279

CRFU-Net	0.16 377	0.08 236	0.14 264	0.17 216	0.09 239	0.19 397	0.14 152	0.26 350	0.20 269	0.28 470	0.27 390	0.29 440	0.17 385	0.19 384	0.17 373	0.09 359	0.09 434	0.07 194	0.07 272	0.08 321	0.08 343

test_5	0.14 310	0.12 414	0.08 30	0.20 410	0.10 341	0.14 278	0.29 518	0.21 252	0.24 324	0.18 341	0.28 404	0.11 175	0.15 336	0.12 189	0.13 277	0.06 114	0.05 182	0.07 194	0.08 337	0.08 321	0.07 279

CSP-Net	0.16 377	0.09 312	0.14 264	0.16 142	0.09 239	0.19 397	0.17 318	0.25 332	0.32 413	0.25 444	0.30 422	0.24 391	0.15 336	0.21 426	0.18 391	0.09 359	0.06 307	0.07 194	0.07 272	0.08 321	0.07 279

dd	0.15 354	0.16 473	0.16 349	0.19 355	0.09 239	0.15 304	0.18 363	0.21 252	0.25 345	0.23 422	0.20 284	0.21 349	0.09 167	0.21 426	0.16 358	0.10 400	0.06 307	0.08 278	0.06 185	0.08 321	0.06 199

PSMNet-ADL	0.15 354	0.12 414	0.13 229	0.22 454	0.09 239	0.13 246	0.20 423	0.26 350	0.23 308	0.18 341	0.20 284	0.24 391	0.16 362	0.18 369	0.17 373	0.08 300	0.08 405	0.08 278	0.11 454	0.08 321	0.07 279

Patchmatch Stereo++	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.06 8	0.11 46	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279
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	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

ROB_FTStereo_v2	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

ROB_FTStereo	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.06 8	0.11 46	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

HUI-Stereo	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

iGMRVC	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

iRAFT	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.06 8	0.11 46	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

CRE-IMP	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.10 127	0.12 63	0.18 197	0.10 36	0.14 240	0.13 174	0.13 217	0.12 255	0.12 189	0.11 187	0.07 239	0.04 21	0.08 278	0.06 185	0.08 321	0.08 343

RAFT-IKP	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

Anonymous3	0.16 377	0.13 443	0.33 489	0.26 500	0.14 463	0.27 485	0.17 318	0.28 390	0.28 382	0.15 267	0.17 238	0.14 237	0.10 199	0.15 282	0.12 236	0.08 300	0.08 405	0.08 278	0.08 337	0.08 321	0.11 440

RALCasStereoNet	0.10 142	0.06 56	0.09 72	0.16 142	0.08 127	0.12 207	0.14 152	0.17 168	0.11 62	0.12 192	0.17 238	0.14 237	0.10 199	0.12 189	0.11 187	0.07 239	0.06 307	0.06 102	0.05 107	0.08 321	0.07 279

ADLNet	0.16 377	0.08 236	0.15 315	0.16 142	0.10 341	0.16 334	0.17 318	0.32 436	0.27 368	0.22 410	0.27 390	0.24 391	0.16 362	0.18 369	0.21 430	0.10 400	0.06 307	0.10 407	0.10 422	0.08 321	0.09 387

GES	0.14 310	0.08 236	0.16 349	0.15 70	0.10 341	0.13 246	0.13 104	0.28 390	0.25 345	0.16 295	0.23 324	0.18 314	0.13 293	0.16 316	0.13 277	0.08 300	0.07 379	0.07 194	0.06 185	0.08 321	0.09 387

xxxx	0.15 354	0.07 139	0.14 264	0.14 30	0.08 127	0.23 450	0.18 363	0.31 425	0.19 246	0.14 240	0.28 404	0.22 367	0.14 318	0.15 282	0.26 484	0.09 359	0.05 182	0.07 194	0.07 272	0.08 321	0.07 279

MMNet	0.17 397	0.09 312	0.16 349	0.20 410	0.11 389	0.27 485	0.20 423	0.25 332	0.41 471	0.22 410	0.30 422	0.21 349	0.20 427	0.17 348	0.20 410	0.06 114	0.06 307	0.07 194	0.07 272	0.08 321	0.07 279

psm_up	0.18 411	0.10 370	0.18 400	0.20 410	0.11 389	0.17 355	0.19 402	0.37 492	0.34 432	0.21 394	0.28 404	0.29 440	0.24 454	0.20 409	0.22 439	0.09 359	0.10 454	0.11 438	0.11 454	0.08 321	0.08 343

UNet	0.17 397	0.09 312	0.18 400	0.19 355	0.12 420	0.27 485	0.19 402	0.33 455	0.29 389	0.21 394	0.24 336	0.23 385	0.19 415	0.19 384	0.18 391	0.07 239	0.06 307	0.08 278	0.07 272	0.08 321	0.06 199

UPFNet	0.16 377	0.08 236	0.12 184	0.20 410	0.12 420	0.20 412	0.23 461	0.28 390	0.26 359	0.17 311	0.24 336	0.22 367	0.19 415	0.19 384	0.21 430	0.09 359	0.07 379	0.08 278	0.09 383	0.08 321	0.06 199

ACVNet	0.15 354	0.09 312	0.15 315	0.13 13	0.12 420	0.14 278	0.20 423	0.22 274	0.33 420	0.17 311	0.26 382	0.21 349	0.16 362	0.17 348	0.21 430	0.07 239	0.06 307	0.06 102	0.06 185	0.08 321	0.06 199

acv_ft	0.15 354	0.09 312	0.15 315	0.19 355	0.10 341	0.16 334	0.17 318	0.25 332	0.33 420	0.19 357	0.26 382	0.21 349	0.17 385	0.17 348	0.18 391	0.07 239	0.06 307	0.06 102	0.06 185	0.08 321	0.06 199

GANet-RSSM	0.14 310	0.07 139	0.13 229	0.13 13	0.08 127	0.14 278	0.17 318	0.22 274	0.21 284	0.17 311	0.24 336	0.23 385	0.15 336	0.16 316	0.15 342	0.10 400	0.06 307	0.07 194	0.08 337	0.08 321	0.07 279

PSMNet-RSSM	0.14 310	0.07 139	0.13 229	0.15 70	0.08 127	0.13 246	0.16 284	0.24 316	0.24 324	0.16 295	0.28 404	0.22 367	0.14 318	0.15 282	0.13 277	0.11 429	0.06 307	0.09 359	0.12 473	0.08 321	0.07 279

DSFCA	0.16 377	0.09 312	0.14 264	0.16 142	0.10 341	0.20 412	0.19 402	0.28 390	0.31 406	0.23 422	0.24 336	0.22 367	0.15 336	0.19 384	0.20 410	0.10 400	0.07 379	0.09 359	0.09 383	0.08 321	0.08 343

ADCRef	0.19 423	0.12 414	0.41 509	0.20 410	0.12 420	0.22 437	0.18 363	0.32 436	0.36 445	0.26 449	0.32 434	0.17 300	0.23 448	0.24 459	0.24 464	0.07 239	0.06 307	0.09 359	0.09 383	0.08 321	0.08 343

TDLM	0.17 397	0.12 414	0.13 229	0.24 484	0.10 341	0.18 374	0.18 363	0.36 486	0.30 399	0.21 394	0.28 404	0.28 432	0.18 399	0.23 450	0.18 391	0.11 429	0.07 379	0.10 407	0.10 422	0.08 321	0.08 343

NaN_ROB	0.22 456	0.19 498	0.24 450	0.25 495	0.13 443	0.29 496	0.26 496	0.33 455	0.41 471	0.31 488	0.31 430	0.32 471	0.23 448	0.30 489	0.21 430	0.11 429	0.17 516	0.10 407	0.10 422	0.08 321	0.09 387

iResNet_ROB	0.14 310	0.07 139	0.13 229	0.14 30	0.07 71	0.18 374	0.14 152	0.26 350	0.31 406	0.22 410	0.25 365	0.23 385	0.15 336	0.15 282	0.13 277	0.07 239	0.05 182	0.05 23	0.04 34	0.08 321	0.08 343

LE_ROB	0.50 540	0.07 139	0.14 264	0.15 70	0.08 127	0.24 455	0.16 284	0.22 274	1.81 572	4.63 575	0.67 536	0.47 524	0.44 533	0.20 409	0.29 502	0.07 239	0.06 307	0.06 102	0.06 185	0.08 321	0.06 199

DN-CSS_ROB	0.13 276	0.13 443	0.16 349	0.18 298	0.10 341	0.16 334	0.08 7	0.22 274	0.18 231	0.17 311	0.22 315	0.13 217	0.13 293	0.12 189	0.13 277	0.05 27	0.05 182	0.10 407	0.10 422	0.08 321	0.06 199

zh-mn7	0.25 490	0.14 455	0.56 529	0.19 355	0.14 463	0.24 455	0.22 450	0.34 464	0.62 531	0.35 501	0.65 534	0.31 462	0.25 463	0.31 490	0.25 473	0.09 359	0.08 405	0.09 359	0.09 383	0.09 382	0.11 440

coex_refinement	0.14 310	0.07 139	0.12 184	0.17 216	0.10 341	0.15 304	0.15 219	0.26 350	0.29 389	0.18 341	0.20 284	0.22 367	0.17 385	0.16 316	0.18 391	0.08 300	0.05 182	0.06 102	0.06 185	0.09 382	0.08 343

rvit_0105_6	0.14 310	0.09 312	0.18 400	0.17 216	0.10 341	0.10 127	0.16 284	0.19 218	0.26 359	0.12 192	0.18 263	0.17 300	0.12 255	0.18 369	0.12 236	0.15 494	0.11 466	0.12 457	0.10 422	0.09 382	0.06 199

rvit_0105_4	0.14 310	0.09 312	0.17 377	0.17 216	0.10 341	0.12 207	0.19 402	0.23 294	0.27 368	0.14 240	0.20 284	0.17 300	0.13 293	0.17 348	0.13 277	0.15 494	0.11 466	0.11 438	0.10 422	0.09 382	0.06 199

test_sample3	0.14 310	0.08 236	0.15 315	0.14 30	0.09 239	0.19 397	0.17 318	0.26 350	0.18 231	0.16 295	0.22 315	0.19 328	0.15 336	0.17 348	0.13 277	0.08 300	0.06 307	0.07 194	0.06 185	0.09 382	0.08 343

ttt	0.14 310	0.08 236	0.14 264	0.15 70	0.08 127	0.15 304	0.18 363	0.27 371	0.29 389	0.16 295	0.24 336	0.17 300	0.13 293	0.13 234	0.14 314	0.11 429	0.08 405	0.09 359	0.08 337	0.09 382	0.08 343

CFNet_ucs	0.15 354	0.08 236	0.16 349	0.16 142	0.11 389	0.14 278	0.14 152	0.30 415	0.34 432	0.16 295	0.24 336	0.23 385	0.14 318	0.18 369	0.15 342	0.09 359	0.06 307	0.08 278	0.07 272	0.09 382	0.09 387

iinet-f	0.16 377	0.06 56	0.45 513	0.14 30	0.10 341	0.21 429	0.14 152	0.27 371	0.23 308	0.21 394	0.24 336	0.21 349	0.15 336	0.18 369	0.21 430	0.09 359	0.07 379	0.07 194	0.06 185	0.09 382	0.10 414

CASS	0.13 276	0.12 414	0.11 149	0.23 475	0.09 239	0.15 304	0.17 318	0.18 197	0.19 246	0.17 311	0.18 263	0.15 266	0.15 336	0.14 260	0.14 314	0.09 359	0.06 307	0.10 407	0.08 337	0.09 382	0.07 279
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.17 397	0.11 396	0.18 400	0.17 216	0.11 389	0.16 334	0.25 488	0.24 316	0.33 420	0.19 357	0.24 336	0.26 414	0.24 454	0.19 384	0.20 410	0.07 239	0.08 405	0.09 359	0.10 422	0.09 382	0.08 343

AASNet	0.16 377	0.08 236	0.12 184	0.19 355	0.09 239	0.18 374	0.15 219	0.37 492	0.37 452	0.19 357	0.23 324	0.20 340	0.16 362	0.17 348	0.20 410	0.10 400	0.08 405	0.08 278	0.07 272	0.09 382	0.09 387

ADLNet2	0.16 377	0.09 312	0.13 229	0.16 142	0.09 239	0.20 412	0.16 284	0.31 425	0.39 462	0.16 295	0.20 284	0.20 340	0.18 399	0.21 426	0.22 439	0.08 300	0.06 307	0.07 194	0.07 272	0.09 382	0.07 279

GEStereo_RVC	0.17 397	0.12 414	0.15 315	0.22 454	0.11 389	0.19 397	0.17 318	0.32 436	0.48 497	0.20 380	0.25 365	0.17 300	0.13 293	0.21 426	0.16 358	0.10 400	0.06 307	0.08 278	0.07 272	0.09 382	0.08 343

TestStereo	0.13 276	0.14 455	0.11 149	0.23 475	0.08 127	0.15 304	0.21 440	0.20 229	0.23 308	0.14 240	0.24 336	0.16 280	0.12 255	0.16 316	0.14 314	0.05 27	0.06 307	0.08 278	0.06 185	0.09 382	0.05 121

HCRNet	0.16 377	0.24 516	0.12 184	0.35 531	0.11 389	0.15 304	0.17 318	0.26 350	0.22 298	0.19 357	0.24 336	0.21 349	0.14 318	0.15 282	0.13 277	0.11 429	0.07 379	0.11 438	0.10 422	0.09 382	0.07 279

Syn2CoEx	0.21 447	0.16 473	0.27 465	0.29 522	0.14 463	0.26 475	0.20 423	0.33 455	0.31 406	0.28 470	0.36 457	0.27 422	0.25 463	0.19 384	0.24 464	0.16 510	0.12 480	0.14 484	0.11 454	0.09 382	0.08 343

GwcNet	0.20 435	0.13 443	0.19 411	0.18 298	0.12 420	0.24 455	0.19 402	0.35 479	0.43 483	0.20 380	0.32 434	0.33 474	0.20 427	0.22 439	0.24 464	0.11 429	0.09 434	0.09 359	0.09 383	0.09 382	0.10 414

HGLStereo	0.17 397	0.08 236	0.19 411	0.17 216	0.12 420	0.18 374	0.18 363	0.31 425	0.32 413	0.21 394	0.32 434	0.25 405	0.18 399	0.19 384	0.20 410	0.09 359	0.09 434	0.07 194	0.07 272	0.09 382	0.10 414

CFNet-ft	0.14 310	0.07 139	0.15 315	0.12 4	0.09 239	0.16 334	0.18 363	0.22 274	0.24 324	0.17 311	0.26 382	0.24 391	0.14 318	0.16 316	0.14 314	0.11 429	0.06 307	0.08 278	0.09 383	0.09 382	0.08 343

DMCA	0.14 310	0.09 312	0.16 349	0.19 355	0.09 239	0.15 304	0.17 318	0.23 294	0.27 368	0.14 240	0.19 272	0.17 300	0.18 399	0.15 282	0.17 373	0.10 400	0.06 307	0.08 278	0.06 185	0.09 382	0.10 414

FADNet-RVC-Resample	0.16 377	0.11 396	0.31 483	0.22 454	0.11 389	0.19 397	0.14 152	0.25 332	0.24 324	0.24 431	0.27 390	0.20 340	0.15 336	0.16 316	0.15 342	0.07 239	0.08 405	0.12 457	0.10 422	0.09 382	0.10 414

STTStereo	0.18 411	0.12 414	0.27 465	0.20 410	0.11 389	0.16 334	0.21 440	0.29 401	0.23 308	0.21 394	0.30 422	0.29 440	0.18 399	0.20 409	0.19 404	0.12 454	0.11 466	0.11 438	0.14 486	0.09 382	0.08 343

ADCP+	0.20 435	0.10 370	0.33 489	0.20 410	0.12 420	0.22 437	0.26 496	0.31 425	0.34 432	0.26 449	0.37 463	0.22 367	0.22 440	0.27 469	0.27 492	0.09 359	0.06 307	0.08 278	0.08 337	0.09 382	0.10 414

PA-Net	0.23 472	0.18 495	0.33 489	0.28 515	0.22 523	0.21 429	0.38 540	0.29 401	0.39 462	0.22 410	0.32 434	0.25 405	0.26 469	0.20 409	0.25 473	0.09 359	0.23 535	0.15 496	0.22 523	0.09 382	0.13 472
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CFNet_RVC	0.14 310	0.07 139	0.15 315	0.12 4	0.09 239	0.16 334	0.18 363	0.22 274	0.24 324	0.17 311	0.26 382	0.24 391	0.14 318	0.16 316	0.14 314	0.11 429	0.06 307	0.08 278	0.09 383	0.09 382	0.08 343

CVANet_RVC	0.18 411	0.10 370	0.14 264	0.21 439	0.10 341	0.18 374	0.17 318	0.34 464	0.33 420	0.22 410	0.31 430	0.28 432	0.18 399	0.23 450	0.17 373	0.12 454	0.08 405	0.12 457	0.11 454	0.09 382	0.07 279

AdaStereo	0.15 354	0.11 396	0.15 315	0.18 298	0.09 239	0.20 412	0.11 46	0.32 436	0.28 382	0.20 380	0.23 324	0.20 340	0.13 293	0.19 384	0.14 314	0.12 454	0.05 182	0.10 407	0.07 272	0.09 382	0.07 279
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.
iResNetv2_ROB	0.14 310	0.08 236	0.15 315	0.16 142	0.08 127	0.16 334	0.12 63	0.25 332	0.35 441	0.21 394	0.29 416	0.24 391	0.13 293	0.14 260	0.14 314	0.06 114	0.05 182	0.06 102	0.04 34	0.09 382	0.08 343

DRN-Test	0.19 423	0.11 396	0.20 423	0.22 454	0.10 341	0.22 437	0.22 450	0.39 504	0.37 452	0.24 431	0.32 434	0.26 414	0.21 431	0.22 439	0.24 464	0.11 429	0.07 379	0.11 438	0.10 422	0.09 382	0.07 279

StereoDRNet	0.18 411	0.11 396	0.17 377	0.22 454	0.11 389	0.21 429	0.22 450	0.37 492	0.33 420	0.24 431	0.28 404	0.30 449	0.19 415	0.20 409	0.20 410	0.09 359	0.08 405	0.11 438	0.09 383	0.09 382	0.07 279

DISCO	0.19 423	0.09 312	0.22 437	0.17 216	0.10 341	0.25 466	0.18 363	0.27 371	0.44 488	0.22 410	0.31 430	0.33 474	0.26 469	0.28 480	0.28 499	0.08 300	0.06 307	0.07 194	0.07 272	0.09 382	0.09 387

PSMNet_ROB	0.21 447	0.11 396	0.15 315	0.27 512	0.15 481	0.24 455	0.35 535	0.43 523	0.37 452	0.27 455	0.32 434	0.32 471	0.22 440	0.21 426	0.26 484	0.12 454	0.08 405	0.13 472	0.11 454	0.09 382	0.09 387

MultiAttention	0.29 508	0.08 236	0.14 264	0.19 355	0.12 420	1.45 571	1.33 572	0.36 486	0.37 452	0.19 357	0.21 305	0.24 391	0.11 224	0.38 522	0.18 391	0.06 114	0.05 182	0.08 278	0.08 337	0.10 414	0.09 387

z-mn7	0.24 479	0.14 455	0.45 513	0.19 355	0.13 443	0.28 492	0.25 488	0.34 464	0.62 531	0.27 455	0.56 526	0.29 440	0.24 454	0.32 497	0.25 473	0.08 300	0.08 405	0.08 278	0.08 337	0.10 414	0.10 414

w-ln-seven-2	0.20 435	0.14 455	0.37 502	0.22 454	0.12 420	0.20 412	0.21 440	0.28 390	0.37 452	0.25 444	0.37 463	0.27 422	0.22 440	0.21 426	0.23 451	0.08 300	0.08 405	0.09 359	0.09 383	0.10 414	0.09 387

S2M2	0.09 81	0.08 236	0.11 149	0.13 13	0.10 341	0.08 51	0.06 1	0.10 17	0.10 36	0.10 125	0.09 88	0.10 154	0.09 167	0.11 107	0.11 187	0.13 477	0.07 379	0.08 278	0.09 383	0.10 414	0.08 343

FACV-RUCA	0.13 276	0.11 396	0.12 184	0.19 355	0.12 420	0.15 304	0.15 219	0.22 274	0.20 269	0.15 267	0.16 217	0.14 237	0.16 362	0.14 260	0.13 277	0.07 239	0.05 182	0.08 278	0.06 185	0.10 414	0.08 343

DCVSM-stereo	0.14 310	0.09 312	0.16 349	0.16 142	0.10 341	0.15 304	0.09 18	0.19 218	0.23 308	0.20 380	0.23 324	0.26 414	0.15 336	0.18 369	0.14 314	0.09 359	0.07 379	0.09 359	0.08 337	0.10 414	0.12 453

rvit_stereo_0075_2	0.17 397	0.12 414	0.25 455	0.23 475	0.16 491	0.13 246	0.10 27	0.30 415	0.27 368	0.20 380	0.28 404	0.22 367	0.15 336	0.18 369	0.13 277	0.16 510	0.10 454	0.17 504	0.10 422	0.10 414	0.09 387

test_sample7	0.15 354	0.10 370	0.16 349	0.14 30	0.11 389	0.16 334	0.16 284	0.27 371	0.23 308	0.20 380	0.20 284	0.24 391	0.19 415	0.16 316	0.16 358	0.12 454	0.06 307	0.10 407	0.09 383	0.10 414	0.10 414

HBP-ISP	0.18 411	0.13 443	0.16 349	0.15 70	0.11 389	0.08 51	0.13 104	0.28 390	0.29 389	0.22 410	0.33 446	0.21 349	0.25 463	0.23 450	0.17 373	0.14 490	0.16 511	0.21 518	0.17 512	0.10 414	0.08 343

Wz-Net-LNSev-Ref	0.18 411	0.09 312	0.29 478	0.15 70	0.10 341	0.22 437	0.20 423	0.26 350	0.39 462	0.25 444	0.42 500	0.24 391	0.15 336	0.20 409	0.19 404	0.07 239	0.05 182	0.06 102	0.05 107	0.10 414	0.09 387

NINENet	0.16 377	0.10 370	0.15 315	0.17 216	0.11 389	0.19 397	0.14 152	0.40 508	0.36 445	0.18 341	0.21 305	0.16 280	0.13 293	0.15 282	0.13 277	0.08 300	0.08 405	0.10 407	0.07 272	0.10 414	0.09 387

AACVNet	0.16 377	0.08 236	0.14 264	0.15 70	0.10 341	0.18 374	0.15 219	0.23 294	0.24 324	0.27 455	0.27 390	0.28 432	0.17 385	0.19 384	0.16 358	0.09 359	0.07 379	0.09 359	0.07 272	0.10 414	0.09 387

LMCR-Stereo	0.15 354	0.08 236	0.13 229	0.21 439	0.09 239	0.17 355	0.20 423	0.27 371	0.19 246	0.24 431	0.24 336	0.23 385	0.17 385	0.20 409	0.17 373	0.07 239	0.06 307	0.08 278	0.06 185	0.10 414	0.08 343

aanetorigin	0.22 456	0.17 484	0.56 529	0.17 216	0.10 341	0.15 304	0.19 402	0.20 229	0.33 420	0.49 530	0.48 510	0.29 440	0.27 477	0.20 409	0.23 451	0.08 300	0.07 379	0.08 278	0.07 272	0.10 414	0.09 387

DMCA-RVC	0.17 397	0.10 370	0.15 315	0.24 484	0.11 389	0.18 374	0.18 363	0.25 332	0.24 324	0.21 394	0.26 382	0.25 405	0.27 477	0.18 369	0.20 410	0.12 454	0.08 405	0.13 472	0.10 422	0.10 414	0.08 343

Nwc_Net	0.23 472	0.16 473	0.21 431	0.25 495	0.14 463	0.24 455	0.26 496	0.37 492	0.38 459	0.22 410	0.41 494	0.30 449	0.28 486	0.28 480	0.25 473	0.11 429	0.10 454	0.17 504	0.20 518	0.10 414	0.10 414

ADCL	0.24 479	0.11 396	0.47 518	0.22 454	0.12 420	0.34 510	0.29 518	0.29 401	0.56 519	0.24 431	0.46 507	0.30 449	0.30 498	0.29 486	0.29 502	0.08 300	0.07 379	0.09 359	0.09 383	0.10 414	0.10 414

GANet	0.21 447	0.12 414	0.21 431	0.24 484	0.13 443	0.22 437	0.22 450	0.41 514	0.26 359	0.31 488	0.42 500	0.37 491	0.28 486	0.23 450	0.22 439	0.10 400	0.12 480	0.10 407	0.09 383	0.10 414	0.08 343

PS-NSSS	0.20 435	0.21 508	0.23 446	0.20 410	0.10 341	0.19 397	0.17 318	0.36 486	0.25 345	0.27 455	0.33 446	0.27 422	0.24 454	0.20 409	0.20 410	0.15 494	0.12 480	0.17 504	0.14 486	0.10 414	0.08 343

MDST_ROB	0.22 456	0.10 370	0.17 377	0.18 298	0.11 389	0.37 520	0.19 402	0.43 523	0.41 471	0.39 511	0.39 477	0.29 440	0.21 431	0.26 466	0.18 391	0.11 429	0.10 454	0.14 484	0.11 454	0.10 414	0.08 343

CBMV_ROB	0.19 423	0.13 443	0.17 377	0.16 142	0.11 389	0.15 304	0.13 104	0.26 350	0.28 382	0.27 455	0.30 422	0.27 422	0.24 454	0.23 450	0.16 358	0.15 494	0.17 516	0.22 522	0.20 518	0.10 414	0.11 440

SGM_RVC	0.23 472	0.12 414	0.15 315	0.15 70	0.09 239	0.33 507	0.18 363	0.34 464	0.31 406	0.44 525	0.37 463	0.53 532	0.35 513	0.35 509	0.24 464	0.13 477	0.13 493	0.13 472	0.13 483	0.10 414	0.11 440
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CBMV	0.19 423	0.14 455	0.17 377	0.18 298	0.10 341	0.20 412	0.11 46	0.29 401	0.30 399	0.29 478	0.30 422	0.30 449	0.23 448	0.27 469	0.19 404	0.13 477	0.15 508	0.17 504	0.16 505	0.10 414	0.10 414
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven	0.24 479	0.14 455	0.55 526	0.19 355	0.14 463	0.26 475	0.22 450	0.35 479	0.60 528	0.29 478	0.39 477	0.30 449	0.22 440	0.21 426	0.26 484	0.09 359	0.09 434	0.11 438	0.10 422	0.11 437	0.10 414

DDVS	0.15 354	0.10 370	0.21 431	0.16 142	0.12 420	0.15 304	0.14 152	0.25 332	0.19 246	0.18 341	0.29 416	0.27 422	0.12 255	0.19 384	0.15 342	0.09 359	0.06 307	0.09 359	0.07 272	0.11 437	0.11 440

Wz-Net-SNSev	0.25 490	0.17 484	0.44 512	0.25 495	0.14 463	0.26 475	0.23 461	0.38 500	0.56 519	0.30 482	0.55 521	0.39 503	0.26 469	0.23 450	0.30 507	0.10 400	0.09 434	0.09 359	0.10 422	0.11 437	0.11 440

dad	0.17 397	0.20 502	0.20 423	0.16 142	0.11 389	0.20 412	0.18 363	0.21 252	0.28 382	0.30 482	0.24 336	0.29 440	0.13 293	0.19 384	0.16 358	0.18 516	0.09 434	0.11 438	0.09 383	0.11 437	0.07 279

pcwnet_v2	0.19 423	0.10 370	0.26 458	0.17 216	0.14 463	0.18 374	0.15 219	0.37 492	0.46 495	0.19 357	0.24 336	0.21 349	0.19 415	0.20 409	0.19 404	0.13 477	0.10 454	0.10 407	0.10 422	0.11 437	0.13 472

EDNetEfficient	0.29 508	0.24 516	1.13 560	0.18 298	0.10 341	0.19 397	0.20 423	0.20 229	0.60 528	0.74 549	0.56 526	0.31 462	0.39 520	0.22 439	0.30 507	0.09 359	0.07 379	0.08 278	0.07 272	0.11 437	0.09 387

FAT-Stereo	0.20 435	0.12 414	0.22 437	0.21 439	0.12 420	0.17 355	0.18 363	0.34 464	0.39 462	0.27 455	0.37 463	0.34 480	0.32 506	0.21 426	0.20 410	0.09 359	0.11 466	0.10 407	0.09 383	0.11 437	0.14 489

FADNet_RVC	0.16 377	0.14 455	0.40 506	0.20 410	0.11 389	0.13 246	0.13 104	0.26 350	0.22 298	0.21 394	0.23 324	0.20 340	0.17 385	0.14 260	0.16 358	0.08 300	0.08 405	0.12 457	0.09 383	0.11 437	0.10 414

AF-Net	0.22 456	0.17 484	0.17 377	0.26 500	0.13 443	0.25 466	0.24 473	0.32 436	0.50 506	0.25 444	0.33 446	0.38 495	0.26 469	0.28 480	0.25 473	0.11 429	0.10 454	0.16 502	0.11 454	0.11 437	0.10 414

UCFNet_RVC	0.14 310	0.08 236	0.13 229	0.11 1	0.10 341	0.20 412	0.10 27	0.24 316	0.22 298	0.17 311	0.20 284	0.23 385	0.15 336	0.17 348	0.15 342	0.12 454	0.07 379	0.10 407	0.13 483	0.11 437	0.10 414

DeepPruner_ROB	0.16 377	0.11 396	0.15 315	0.17 216	0.10 341	0.17 355	0.15 219	0.32 436	0.21 284	0.19 357	0.21 305	0.22 367	0.18 399	0.20 409	0.15 342	0.13 477	0.09 434	0.09 359	0.09 383	0.11 437	0.10 414

FBW_ROB	0.24 479	0.17 484	0.22 437	0.26 500	0.14 463	0.25 466	0.22 450	0.41 514	0.41 471	0.41 518	0.41 494	0.42 510	0.27 477	0.31 490	0.23 451	0.09 359	0.14 502	0.14 484	0.12 473	0.11 437	0.09 387

PWC_ROB	0.21 447	0.16 473	0.26 458	0.18 298	0.11 389	0.22 437	0.13 104	0.32 436	0.49 503	0.30 482	0.40 483	0.32 471	0.24 454	0.31 490	0.22 439	0.10 400	0.07 379	0.11 438	0.08 337	0.11 437	0.10 414

PWCDC_ROB	0.20 435	0.13 443	0.22 437	0.24 484	0.11 389	0.19 397	0.15 219	0.33 455	0.54 515	0.29 478	0.50 515	0.21 349	0.15 336	0.27 469	0.20 410	0.11 429	0.09 434	0.10 407	0.08 337	0.11 437	0.09 387

MeshStereo	0.27 500	0.13 443	0.18 400	0.15 70	0.11 389	0.32 501	0.24 473	0.40 508	0.36 445	0.52 532	0.57 529	0.67 543	0.40 523	0.35 509	0.26 484	0.14 490	0.13 493	0.13 472	0.11 454	0.11 437	0.10 414
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
MSAF-DinoV2	0.22 456	0.11 396	0.23 446	0.17 216	0.10 341	0.27 485	0.16 284	0.37 492	0.55 516	0.21 394	0.27 390	0.47 524	0.27 477	0.35 509	0.39 531	0.09 359	0.06 307	0.07 194	0.09 383	0.12 452	0.10 414

zh-sn7	0.25 490	0.17 484	0.50 520	0.24 484	0.13 443	0.25 466	0.24 473	0.34 464	0.48 497	0.28 470	0.54 519	0.28 432	0.31 502	0.36 515	0.32 515	0.10 400	0.10 454	0.11 438	0.10 422	0.12 452	0.12 453

GMStereo_Zeroshot	0.16 377	0.13 443	0.24 450	0.20 410	0.10 341	0.17 355	0.13 104	0.29 401	0.25 345	0.23 422	0.32 434	0.25 405	0.11 224	0.19 384	0.14 314	0.09 359	0.06 307	0.11 438	0.06 185	0.12 452	0.08 343

Wz-Net-LNSev	0.22 456	0.16 473	0.38 503	0.21 439	0.13 443	0.25 466	0.23 461	0.32 436	0.43 483	0.30 482	0.41 494	0.31 462	0.18 399	0.22 439	0.25 473	0.10 400	0.09 434	0.08 278	0.08 337	0.12 452	0.11 440

Wz-Net-MNSev	0.22 456	0.13 443	0.31 483	0.20 410	0.14 463	0.36 519	0.24 473	0.33 455	0.44 488	0.28 470	0.40 483	0.38 495	0.19 415	0.24 459	0.25 473	0.09 359	0.07 379	0.09 359	0.09 383	0.12 452	0.10 414

SACVNet	0.18 411	0.12 414	0.14 264	0.17 216	0.13 443	0.22 437	0.18 363	0.31 425	0.30 399	0.23 422	0.31 430	0.30 449	0.22 440	0.22 439	0.17 373	0.11 429	0.08 405	0.10 407	0.10 422	0.12 452	0.14 489

APVNet	0.22 456	0.12 414	0.19 411	0.18 298	0.14 463	0.32 501	0.31 531	0.39 504	0.32 413	0.27 455	0.40 483	0.30 449	0.29 494	0.26 466	0.25 473	0.11 429	0.12 480	0.11 438	0.14 486	0.12 452	0.12 453

psmorigin	0.25 490	0.15 465	0.34 497	0.17 216	0.13 443	0.23 450	0.14 152	0.34 464	0.33 420	0.41 518	0.55 521	0.41 509	0.37 517	0.34 503	0.27 492	0.11 429	0.15 508	0.11 438	0.11 454	0.12 452	0.16 507

EDNetEfficientorigin	7.91 578	0.31 532	153.02 594	0.19 355	0.09 239	0.21 429	0.16 284	0.22 274	0.59 525	0.72 545	0.67 536	0.42 510	0.50 538	0.24 459	0.39 531	0.08 300	0.07 379	0.08 278	0.07 272	0.12 452	0.10 414

hitnet-ft	0.18 411	0.09 312	0.17 377	0.14 30	0.09 239	0.26 475	0.20 423	0.25 332	0.26 359	0.24 431	0.32 434	0.31 462	0.22 440	0.24 459	0.21 430	0.12 454	0.07 379	0.10 407	0.08 337	0.12 452	0.11 440

MaskLacGwcNet_RVC	0.22 456	0.21 508	0.24 450	0.26 500	0.11 389	0.23 450	0.14 152	0.39 504	0.24 324	0.32 494	0.36 457	0.30 449	0.21 431	0.19 384	0.21 430	0.17 515	0.14 502	0.21 518	0.16 505	0.12 452	0.12 453

SuperB	0.20 435	0.10 370	0.56 529	0.16 142	0.09 239	0.18 374	0.18 363	0.24 316	0.50 506	0.26 449	0.39 477	0.17 300	0.21 431	0.22 439	0.21 430	0.08 300	0.06 307	0.06 102	0.06 185	0.12 452	0.10 414

RP	0.21 447	0.13 443	0.21 431	0.23 475	0.11 389	0.21 429	0.20 423	0.25 332	0.44 488	0.21 394	0.38 469	0.36 486	0.24 454	0.27 469	0.25 473	0.11 429	0.12 480	0.13 472	0.12 473	0.12 452	0.14 489

edge stereo	0.22 456	0.13 443	0.20 423	0.21 439	0.13 443	0.23 450	0.16 284	0.32 436	0.42 478	0.32 494	0.40 483	0.38 495	0.35 513	0.25 464	0.24 464	0.13 477	0.11 466	0.14 484	0.11 454	0.12 452	0.13 472

DeepPrunerF	0.24 479	0.17 484	0.42 511	0.26 500	0.16 491	0.22 437	0.28 509	0.37 492	0.50 506	0.26 449	0.29 416	0.24 391	0.28 486	0.21 426	0.22 439	0.15 494	0.11 466	0.20 517	0.18 516	0.12 452	0.13 472

SGM-ForestM	0.32 517	0.12 414	0.16 349	0.16 142	0.11 389	0.39 524	0.19 402	0.41 514	0.50 506	0.52 532	0.54 519	1.32 562	0.42 531	0.40 530	0.27 492	0.14 490	0.16 511	0.16 502	0.16 505	0.12 452	0.12 453

NOSS_ROB	0.19 423	0.12 414	0.18 400	0.16 142	0.12 420	0.15 304	0.12 63	0.30 415	0.32 413	0.20 380	0.22 315	0.27 422	0.23 448	0.21 426	0.16 358	0.16 510	0.18 518	0.23 523	0.21 520	0.12 452	0.13 472

SGM-Forest	0.20 435	0.14 455	0.18 400	0.19 355	0.13 443	0.20 412	0.22 450	0.33 455	0.30 399	0.24 431	0.29 416	0.28 432	0.19 415	0.23 450	0.17 373	0.15 494	0.16 511	0.15 496	0.14 486	0.12 452	0.12 453
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TCMNet	0.19 423	0.12 414	0.19 411	0.20 410	0.18 512	0.20 412	0.24 473	0.27 371	0.36 445	0.23 422	0.26 382	0.25 405	0.19 415	0.19 384	0.23 451	0.13 477	0.11 466	0.11 438	0.12 473	0.13 470	0.12 453

FADNet-RVC	0.20 435	0.20 502	0.38 503	0.21 439	0.16 491	0.20 412	0.15 219	0.26 350	0.26 359	0.26 449	0.32 434	0.26 414	0.21 431	0.22 439	0.19 404	0.12 454	0.13 493	0.12 457	0.14 486	0.13 470	0.18 518

S-Stereo	0.20 435	0.12 414	0.25 455	0.21 439	0.13 443	0.20 412	0.18 363	0.32 436	0.43 483	0.23 422	0.36 457	0.28 432	0.30 498	0.19 384	0.22 439	0.09 359	0.12 480	0.10 407	0.10 422	0.13 470	0.13 472

NCC-stereo	0.24 479	0.15 465	0.31 483	0.26 500	0.16 491	0.20 412	0.30 525	0.40 508	0.40 468	0.24 431	0.38 469	0.33 474	0.28 486	0.36 515	0.27 492	0.12 454	0.11 466	0.15 496	0.22 523	0.13 470	0.13 472

Abc-Net	0.24 479	0.15 465	0.31 483	0.26 500	0.16 491	0.20 412	0.30 525	0.40 508	0.40 468	0.24 431	0.38 469	0.33 474	0.28 486	0.36 515	0.27 492	0.12 454	0.11 466	0.15 496	0.22 523	0.13 470	0.13 472
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RTSC	0.23 472	0.12 414	0.28 470	0.21 439	0.13 443	0.28 492	0.16 284	0.35 479	0.66 538	0.27 455	0.33 446	0.30 449	0.21 431	0.31 490	0.29 502	0.10 400	0.08 405	0.09 359	0.10 422	0.13 470	0.13 472

ADCMid	0.25 490	0.15 465	0.40 506	0.20 410	0.14 463	0.25 466	0.26 496	0.34 464	0.38 459	0.36 504	0.44 505	0.34 480	0.40 523	0.35 509	0.33 519	0.10 400	0.09 434	0.11 438	0.11 454	0.13 470	0.12 453

RYNet	0.22 456	0.12 414	0.22 437	0.19 355	0.17 506	0.46 527	0.26 496	0.38 500	0.48 497	0.24 431	0.28 404	0.34 480	0.23 448	0.20 409	0.30 507	0.10 400	0.06 307	0.09 359	0.09 383	0.13 470	0.15 496

DANet	0.21 447	0.15 465	0.28 470	0.25 495	0.13 443	0.22 437	0.19 402	0.27 371	0.27 368	0.28 470	0.32 434	0.35 484	0.31 502	0.31 490	0.23 451	0.11 429	0.09 434	0.11 438	0.10 422	0.13 470	0.11 440
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.23 472	0.15 465	0.17 377	0.34 529	0.18 512	0.24 455	0.23 461	0.34 464	0.28 382	0.31 488	0.38 469	0.38 495	0.28 486	0.23 450	0.24 464	0.15 494	0.12 480	0.18 513	0.21 520	0.13 470	0.13 472

SANet	0.24 479	0.14 455	0.28 470	0.21 439	0.11 389	0.27 485	0.24 473	0.38 500	0.64 535	0.36 504	0.40 483	0.43 513	0.26 469	0.27 469	0.24 464	0.12 454	0.09 434	0.10 407	0.09 383	0.13 470	0.11 440

XPNet_ROB	0.22 456	0.11 396	0.19 411	0.22 454	0.13 443	0.22 437	0.19 402	0.34 464	0.40 468	0.30 482	0.39 477	0.39 503	0.26 469	0.26 466	0.28 499	0.15 494	0.10 454	0.10 407	0.10 422	0.13 470	0.12 453

LALA_ROB	0.25 490	0.16 473	0.22 437	0.26 500	0.17 506	0.27 485	0.27 503	0.42 519	0.37 452	0.33 498	0.38 469	0.51 528	0.26 469	0.28 480	0.27 492	0.16 510	0.09 434	0.12 457	0.11 454	0.13 470	0.12 453

ISRNet	0.18 411	0.08 236	0.19 411	0.19 355	0.13 443	0.15 304	0.12 63	0.30 415	0.32 413	0.21 394	0.25 365	0.27 422	0.17 385	0.17 348	0.20 410	0.20 523	0.08 405	0.14 484	0.14 486	0.14 483	0.17 515

DualNet (step1)	0.16 377	0.12 414	0.20 423	0.12 4	0.14 463	0.17 355	0.13 104	0.27 371	0.23 308	0.20 380	0.20 284	0.24 391	0.19 415	0.16 316	0.16 358	0.15 494	0.06 307	0.14 484	0.14 486	0.14 483	0.12 453

test_sample9	0.18 411	0.12 414	0.20 423	0.12 4	0.14 463	0.17 355	0.13 104	0.27 371	0.23 308	0.20 380	0.20 284	0.24 391	0.19 415	0.19 384	0.17 373	0.15 494	0.30 541	0.14 484	0.14 486	0.14 483	0.12 453

test_sample8	0.19 423	0.12 414	0.20 423	0.12 4	0.14 463	0.17 355	0.13 104	0.31 425	0.21 284	0.27 455	0.22 315	0.36 486	0.25 463	0.19 384	0.17 373	0.15 494	0.30 541	0.14 484	0.14 486	0.14 483	0.12 453

coex-ft	3.30 571	0.34 535	59.09 593	0.18 298	0.13 443	0.26 475	0.22 450	0.27 371	0.72 543	1.90 573	0.70 540	0.44 515	0.45 534	0.29 486	0.41 537	0.09 359	0.09 434	0.12 457	0.09 383	0.14 483	0.13 472

WZ-Net	0.28 504	0.17 484	0.78 551	0.22 454	0.16 491	0.34 510	0.29 518	0.39 504	0.57 521	0.24 431	0.55 521	0.37 491	0.24 454	0.33 500	0.35 522	0.09 359	0.08 405	0.09 359	0.10 422	0.14 483	0.16 507

UDG	0.21 447	0.17 484	0.19 411	0.23 475	0.15 481	0.30 499	0.20 423	0.33 455	0.35 441	0.23 422	0.28 404	0.31 462	0.27 477	0.20 409	0.22 439	0.15 494	0.12 480	0.13 472	0.09 383	0.14 483	0.14 489

RGC	0.25 490	0.20 502	0.29 478	0.28 515	0.16 491	0.22 437	0.23 461	0.32 436	0.44 488	0.27 455	0.40 483	0.38 495	0.27 477	0.36 515	0.22 439	0.11 429	0.13 493	0.17 504	0.17 512	0.14 483	0.16 507

stereogan	0.22 456	0.11 396	0.21 431	0.20 410	0.12 420	0.31 500	0.19 402	0.35 479	0.44 488	0.22 410	0.39 477	0.35 484	0.27 477	0.33 500	0.22 439	0.10 400	0.12 480	0.10 407	0.10 422	0.14 483	0.13 472

AnyNet_C01	0.36 524	0.25 521	1.37 563	0.22 454	0.17 506	0.48 531	0.27 503	0.35 479	0.39 462	0.39 511	0.74 544	0.46 521	0.38 518	0.45 534	0.47 543	0.13 477	0.13 493	0.13 472	0.14 486	0.14 483	0.15 496

AnyNet_C32	0.26 498	0.16 473	0.36 498	0.20 410	0.16 491	0.25 466	0.30 525	0.32 436	0.44 488	0.31 488	0.49 511	0.30 449	0.33 507	0.40 530	0.33 519	0.12 454	0.12 480	0.12 457	0.14 486	0.14 483	0.15 496

ADCPNet	0.25 490	0.16 473	0.61 534	0.21 439	0.15 481	0.35 518	0.25 488	0.32 436	0.35 441	0.30 482	0.40 483	0.36 486	0.28 486	0.28 480	0.32 515	0.12 454	0.10 454	0.11 438	0.12 473	0.14 483	0.13 472

CSAN	0.29 508	0.24 516	0.27 465	0.34 529	0.19 515	0.33 507	0.42 544	0.37 492	0.50 506	0.38 509	0.40 483	0.44 515	0.33 507	0.28 480	0.30 507	0.20 523	0.16 511	0.19 515	0.19 517	0.14 483	0.15 496

ETE_ROB	0.23 472	0.17 484	0.22 437	0.25 495	0.13 443	0.26 475	0.29 518	0.31 425	0.36 445	0.28 470	0.36 457	0.45 517	0.26 469	0.27 469	0.26 484	0.11 429	0.08 405	0.12 457	0.09 383	0.14 483	0.13 472

WCMA_ROB	0.24 479	0.11 396	0.22 437	0.17 216	0.14 463	0.32 501	0.15 219	0.32 436	0.32 413	0.38 509	0.53 517	0.40 507	0.34 511	0.34 503	0.25 473	0.11 429	0.12 480	0.12 457	0.10 422	0.14 483	0.14 489

Wz-Net-TNSev	0.29 508	0.20 502	0.65 537	0.19 355	0.15 481	0.38 523	0.27 503	0.35 479	0.55 516	0.34 500	0.42 500	0.45 517	0.38 518	0.32 497	0.30 507	0.12 454	0.13 493	0.10 407	0.12 473	0.15 498	0.14 489

sAnonymous2	0.13 276	0.12 414	0.24 450	0.20 410	0.12 420	0.17 355	0.13 104	0.26 350	0.21 284	0.11 154	0.11 147	0.13 217	0.08 141	0.10 61	0.10 123	0.09 359	0.05 182	0.08 278	0.06 185	0.15 498	0.10 414

CroCo_RVC	0.13 276	0.12 414	0.24 450	0.20 410	0.12 420	0.17 355	0.13 104	0.26 350	0.21 284	0.11 154	0.11 147	0.13 217	0.08 141	0.10 61	0.10 123	0.09 359	0.05 182	0.08 278	0.06 185	0.15 498	0.10 414

FINET	0.21 447	0.18 495	0.26 458	0.18 298	0.16 491	0.23 450	0.23 461	0.32 436	0.48 497	0.25 444	0.32 434	0.22 367	0.22 440	0.22 439	0.17 373	0.18 516	0.16 511	0.11 438	0.10 422	0.15 498	0.13 472

RTS	0.45 536	0.19 498	3.26 569	0.24 484	0.15 481	0.74 550	0.20 423	0.36 486	0.76 549	0.42 521	0.43 503	0.31 462	0.41 528	0.53 542	0.35 522	0.10 400	0.08 405	0.13 472	0.12 473	0.15 498	0.15 496

RTSA	0.45 536	0.19 498	3.26 569	0.24 484	0.15 481	0.74 550	0.20 423	0.36 486	0.76 549	0.42 521	0.43 503	0.31 462	0.41 528	0.53 542	0.35 522	0.10 400	0.08 405	0.13 472	0.12 473	0.15 498	0.15 496

NVstereo2D	0.19 423	0.10 370	0.15 315	0.17 216	0.15 481	0.28 492	0.23 461	0.44 525	0.42 478	0.15 267	0.27 390	0.25 405	0.19 415	0.22 439	0.17 373	0.09 359	0.06 307	0.10 407	0.08 337	0.15 498	0.09 387

GASNet	0.22 456	0.23 513	0.33 489	0.26 500	0.17 506	0.26 475	0.16 284	0.44 525	0.42 478	0.27 455	0.24 336	0.30 449	0.15 336	0.27 469	0.18 391	0.12 454	0.08 405	0.12 457	0.11 454	0.16 505	0.07 279

DDUNet	0.22 456	0.17 484	0.21 431	0.22 454	0.15 481	0.25 466	0.24 473	0.29 401	0.30 399	0.31 488	0.36 457	0.33 474	0.25 463	0.24 459	0.20 410	0.18 516	0.13 493	0.17 504	0.11 454	0.16 505	0.16 507

MFN_U_SF_RVC	0.32 517	0.21 508	0.55 526	0.30 524	0.15 481	0.34 510	0.17 318	0.52 538	0.46 495	0.46 529	0.55 521	0.59 535	0.39 520	0.35 509	0.37 527	0.15 494	0.14 502	0.18 513	0.21 520	0.16 505	0.15 496

FADNet	0.21 447	0.22 512	0.36 498	0.18 298	0.17 506	0.24 455	0.13 104	0.31 425	0.31 406	0.23 422	0.25 365	0.27 422	0.21 431	0.19 384	0.15 342	0.13 477	0.15 508	0.12 457	0.15 501	0.16 505	0.18 518

G-Net	0.24 479	0.16 473	0.36 498	0.22 454	0.16 491	0.51 533	0.23 461	0.29 401	0.34 432	0.36 504	0.38 469	0.31 462	0.29 494	0.27 469	0.26 484	0.11 429	0.09 434	0.12 457	0.09 383	0.16 505	0.13 472

SHD	0.26 498	0.15 465	0.30 481	0.24 484	0.18 512	0.22 437	0.15 219	0.38 500	0.71 542	0.32 494	0.41 494	0.36 486	0.28 486	0.32 497	0.29 502	0.12 454	0.11 466	0.14 484	0.13 483	0.16 505	0.20 524

ADCS	0.29 508	0.18 495	0.45 513	0.21 439	0.17 506	0.28 492	0.23 461	0.41 514	0.63 534	0.40 514	0.49 511	0.40 507	0.36 515	0.39 526	0.40 534	0.13 477	0.12 480	0.13 472	0.14 486	0.16 505	0.16 507

Anonymous_2	0.22 456	0.17 484	0.28 470	0.15 70	0.16 491	0.32 501	0.22 450	0.22 274	0.17 205	0.23 422	0.24 336	0.26 414	0.27 477	0.27 469	0.23 451	0.22 531	0.25 537	0.17 504	0.17 512	0.17 512	0.17 515

XQC	0.28 504	0.23 513	0.51 521	0.28 515	0.19 515	0.34 510	0.27 503	0.36 486	0.57 521	0.31 488	0.30 422	0.37 491	0.30 498	0.38 522	0.38 529	0.13 477	0.09 434	0.15 496	0.12 473	0.17 512	0.18 518

PDISCO_ROB	0.27 500	0.16 473	0.26 458	0.28 515	0.20 518	0.32 501	0.26 496	0.44 525	0.57 521	0.28 470	0.40 483	0.45 517	0.29 494	0.33 500	0.34 521	0.12 454	0.09 434	0.17 504	0.16 505	0.17 512	0.13 472

MFN_U_SF_DS_RVC	0.30 514	0.24 516	0.29 478	0.36 533	0.16 491	0.34 510	0.30 525	0.32 436	0.42 478	0.40 514	0.46 507	0.38 495	0.31 502	0.34 503	0.28 499	0.19 521	0.20 524	0.26 526	0.29 536	0.18 515	0.19 523

CC-Net-ROB	0.28 504	0.31 532	0.36 498	0.29 522	0.15 481	0.25 466	0.19 402	0.45 528	0.33 420	0.39 511	0.37 463	0.39 503	0.31 502	0.27 469	0.26 484	0.24 537	0.19 521	0.30 538	0.23 527	0.18 515	0.15 496

GANetREF_RVC	0.31 515	0.34 535	0.27 465	0.35 531	0.16 491	0.32 501	0.41 541	0.48 532	0.51 513	0.35 501	0.35 454	0.34 480	0.33 507	0.39 526	0.32 515	0.27 539	0.20 524	0.29 536	0.15 501	0.18 515	0.17 515
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
LSM	0.33 520	0.20 502	0.58 532	0.26 500	0.60 557	0.34 510	0.25 488	0.42 519	0.48 497	0.45 526	0.58 531	0.42 510	0.36 515	0.35 509	0.25 473	0.12 454	0.20 524	0.14 484	0.16 505	0.19 518	0.33 544

DPSNet	0.28 504	0.16 473	0.31 483	0.18 298	0.13 443	0.54 535	0.42 544	0.51 537	0.67 539	0.29 478	0.38 469	0.38 495	0.29 494	0.31 490	0.23 451	0.11 429	0.10 454	0.11 438	0.08 337	0.20 519	0.16 507

PSMNet-RUCA	0.27 500	0.33 534	0.41 509	0.36 533	0.32 540	0.18 374	0.19 402	0.42 519	0.30 399	0.33 498	0.41 494	0.39 503	0.25 463	0.31 490	0.20 410	0.18 516	0.10 454	0.25 525	0.15 501	0.21 520	0.16 507

SQANet	0.23 472	0.23 513	0.30 481	0.30 524	0.19 515	0.27 485	0.13 104	0.29 401	0.33 420	0.24 431	0.37 463	0.31 462	0.22 440	0.27 469	0.23 451	0.15 494	0.10 454	0.21 518	0.16 505	0.21 520	0.15 496

DispFullNet	0.27 500	0.21 508	0.65 537	0.28 515	0.16 491	0.26 475	0.17 318	0.33 455	0.58 524	0.27 455	0.38 469	0.43 513	0.23 448	0.38 522	0.23 451	0.12 454	0.06 307	0.19 515	0.11 454	0.21 520	0.15 496

BEATNet-Init1	0.52 541	0.27 523	0.62 535	0.30 524	0.21 521	0.76 554	0.29 518	0.54 541	0.65 537	0.86 554	0.95 555	2.07 571	0.62 549	0.56 546	0.42 538	0.18 516	0.18 518	0.23 523	0.22 523	0.22 523	0.21 526

DGSMNet	0.24 479	0.19 498	0.33 489	0.21 439	0.24 527	0.24 455	0.20 423	0.35 479	0.41 471	0.24 431	0.32 434	0.38 495	0.21 431	0.29 486	0.23 451	0.12 454	0.11 466	0.14 484	0.16 505	0.23 524	0.23 529

ccnet	0.29 508	0.28 527	0.23 446	0.20 410	0.28 534	0.41 526	0.21 440	0.45 528	0.33 420	0.36 504	0.46 507	0.36 486	0.30 498	0.39 526	0.42 538	0.23 535	0.14 502	0.21 518	0.17 512	0.23 524	0.18 518

MSC_U_SF_DS_RVC	0.43 533	0.39 539	0.54 524	0.40 536	0.20 518	0.64 542	0.32 533	0.53 540	0.72 543	0.71 543	0.72 541	0.61 537	0.54 540	0.51 538	0.46 542	0.20 523	0.19 521	0.29 536	0.30 538	0.23 524	0.18 518

SAMSARA	0.40 529	0.28 527	0.33 489	0.55 547	0.39 541	0.82 557	1.23 571	0.47 531	0.51 513	0.36 504	0.35 454	0.55 534	0.39 520	0.38 522	0.39 531	0.15 494	0.20 524	0.15 496	0.14 486	0.23 524	0.20 524

PASM	0.32 517	0.24 516	0.48 519	0.28 515	0.27 533	0.29 496	0.30 525	0.34 464	0.49 503	0.35 501	0.39 477	0.46 521	0.34 511	0.34 503	0.35 522	0.23 535	0.25 537	0.26 526	0.28 535	0.23 524	0.21 526

MSMD_ROB	0.31 515	0.26 522	0.26 458	0.24 484	0.21 521	0.34 510	0.25 488	0.34 464	0.39 462	0.40 514	0.69 538	0.45 517	0.40 523	0.34 503	0.27 492	0.20 523	0.19 521	0.26 526	0.25 529	0.23 524	0.22 528

PVD	0.39 526	0.20 502	0.39 505	0.31 528	0.22 523	0.29 496	0.43 546	0.52 538	0.96 556	0.55 535	0.79 548	0.53 532	0.59 546	0.52 540	0.38 529	0.19 521	0.14 502	0.17 504	0.14 486	0.24 530	0.31 542

FC-DCNN v2	0.33 520	0.27 523	0.28 470	0.26 500	0.23 525	0.37 520	0.28 509	0.40 508	0.43 483	0.45 526	0.56 526	0.51 528	0.40 523	0.37 520	0.29 502	0.21 527	0.20 524	0.27 529	0.26 530	0.25 531	0.24 530

FCDSN-DC	0.33 520	0.28 527	0.28 470	0.30 524	0.24 527	0.39 524	0.28 509	0.42 519	0.42 478	0.43 524	0.53 517	0.51 528	0.41 528	0.36 515	0.30 507	0.21 527	0.20 524	0.27 529	0.26 530	0.25 531	0.24 530
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	0.45 536	0.27 523	0.27 465	0.27 512	0.24 527	0.47 529	0.31 531	0.55 542	0.59 525	0.72 545	1.13 564	1.15 556	0.61 547	0.52 540	0.37 527	0.21 527	0.20 524	0.27 529	0.31 540	0.25 531	0.24 530

FC-DCNN	0.33 520	0.27 523	0.28 470	0.26 500	0.23 525	0.37 520	0.28 509	0.40 508	0.43 483	0.45 526	0.55 521	0.51 528	0.40 523	0.37 520	0.30 507	0.21 527	0.20 524	0.27 529	0.26 530	0.25 531	0.24 530

ELAS_RVC	0.41 531	0.29 530	0.33 489	0.28 515	0.24 527	0.54 535	0.36 536	0.49 534	0.59 525	0.72 545	0.74 544	0.65 541	0.54 540	0.54 544	0.40 534	0.22 531	0.20 524	0.27 529	0.26 530	0.26 535	0.25 535
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 531	0.29 530	0.33 489	0.27 512	0.24 527	0.60 540	0.36 536	0.50 536	0.50 506	0.71 543	0.79 548	0.67 543	0.54 540	0.51 538	0.42 538	0.22 531	0.20 524	0.27 529	0.26 530	0.26 535	0.25 535
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
otaku	0.39 526	0.37 538	0.52 522	0.44 540	0.28 534	0.58 537	0.24 473	0.41 514	0.62 531	0.40 514	0.49 511	0.46 521	0.33 507	0.40 530	0.32 515	0.30 540	0.30 541	0.39 542	0.33 541	0.29 537	0.28 538

JetBlue	0.71 550	0.45 543	1.14 561	0.51 545	0.47 547	2.02 572	0.64 558	0.75 551	0.70 541	0.69 542	0.77 547	1.22 558	0.83 557	1.03 568	1.01 568	0.40 545	0.28 539	0.33 539	0.33 541	0.30 538	0.34 545

ACVNet-4b	0.39 526	0.53 545	0.55 526	0.45 541	0.24 527	0.47 529	0.18 363	0.49 534	0.64 535	0.42 521	0.45 506	0.60 536	0.27 477	0.34 503	0.24 464	0.33 542	0.14 502	0.48 545	0.42 545	0.30 538	0.26 537

NVStereoNet_ROB	0.46 539	0.36 537	0.46 517	0.41 538	0.28 534	0.34 510	0.34 534	0.48 532	0.60 528	0.72 545	0.93 553	0.70 546	0.66 550	0.47 535	0.60 552	0.22 531	0.33 544	0.34 540	0.34 543	0.30 538	0.30 541
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet_1	0.44 534	0.49 544	0.60 533	0.45 541	0.28 534	0.49 532	0.27 503	0.57 545	0.72 543	0.62 538	0.58 531	0.74 547	0.49 537	0.50 537	0.35 522	0.26 538	0.24 536	0.39 542	0.29 536	0.31 541	0.24 530

Ntro	0.40 529	0.40 540	0.53 523	0.46 544	0.30 538	0.65 543	0.24 473	0.46 530	0.68 540	0.41 518	0.49 511	0.48 526	0.42 531	0.39 526	0.31 514	0.32 541	0.28 539	0.37 541	0.30 538	0.32 542	0.29 539

MADNet+	0.75 553	0.71 555	3.70 572	0.66 550	0.41 543	0.98 562	0.97 569	0.69 550	0.73 547	0.52 532	0.57 529	0.64 539	0.68 552	0.86 560	1.01 568	0.34 543	0.36 546	0.28 535	0.23 527	0.36 543	0.31 542

Consistency-Raft	0.44 534	0.40 540	0.45 513	0.37 535	0.43 545	0.46 527	0.41 541	0.57 545	0.55 516	0.32 494	0.73 542	0.33 474	0.48 536	0.42 533	0.49 545	0.39 544	0.35 545	0.45 544	0.51 552	0.42 544	0.29 539

ACVNet_2	0.66 549	0.66 553	0.68 545	0.63 549	0.41 543	0.71 548	0.49 548	0.96 560	1.39 565	0.89 555	1.09 560	1.04 552	0.73 553	0.54 544	0.47 543	0.43 548	0.40 547	0.53 550	0.44 546	0.47 545	0.35 546

anonymity	0.53 542	0.58 547	0.65 537	0.41 538	0.61 558	0.53 534	0.41 541	0.56 543	0.41 471	0.55 535	0.50 515	0.49 527	0.55 543	0.58 547	0.50 548	0.58 555	0.50 558	0.51 547	0.51 552	0.51 546	0.57 554

IMH-64-1	0.65 547	0.61 549	0.68 545	0.71 551	0.51 548	0.59 538	0.49 548	0.91 556	0.85 551	0.74 549	1.02 557	0.81 548	0.78 555	0.79 553	0.49 545	0.42 546	0.46 549	0.71 553	0.47 547	0.52 547	0.39 547

IMH-64	0.65 547	0.61 549	0.68 545	0.71 551	0.51 548	0.59 538	0.49 548	0.91 556	0.85 551	0.74 549	1.02 557	0.81 548	0.78 555	0.79 553	0.49 545	0.42 546	0.46 549	0.71 553	0.47 547	0.52 547	0.39 547

RainbowNet	0.54 543	0.61 549	0.70 549	0.57 548	0.43 545	0.65 543	0.37 539	0.60 547	0.87 553	0.50 531	0.66 535	0.64 539	0.47 535	0.49 536	0.43 541	0.47 550	0.48 554	0.52 549	0.41 544	0.52 547	0.40 549

SGM+DAISY	0.56 544	0.57 546	0.65 537	0.40 536	0.54 550	0.66 545	0.49 548	0.56 543	0.45 494	0.66 539	0.69 538	0.67 543	0.56 544	0.63 549	0.56 550	0.59 556	0.48 554	0.50 546	0.50 551	0.52 547	0.58 555

SPS-STEREO	0.57 545	0.58 547	0.65 537	0.45 541	0.55 552	0.62 541	0.44 547	0.62 548	0.50 506	0.68 541	0.64 533	0.66 542	0.57 545	0.61 548	0.60 552	0.62 558	0.47 553	0.51 547	0.49 549	0.55 551	0.58 555
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH	0.71 550	0.64 552	0.68 545	0.76 553	0.54 550	0.69 546	0.54 552	0.98 562	1.10 558	0.82 553	1.09 560	0.89 550	0.88 560	0.87 561	0.52 549	0.44 549	0.50 558	0.75 556	0.51 552	0.56 552	0.41 550

GCST	0.37 525	0.42 542	0.26 458	1.02 566	0.39 541	0.18 374	0.08 7	0.20 229	0.17 205	0.28 470	0.25 365	0.15 266	0.12 255	0.16 316	0.14 314	0.64 559	0.43 548	0.75 556	0.65 559	0.63 553	0.46 552

WAO-7	0.79 555	0.78 558	0.54 524	0.85 559	0.67 561	0.74 550	0.68 562	1.05 565	1.32 563	0.90 556	1.20 567	1.04 552	0.92 561	0.69 551	0.66 555	0.60 557	0.62 568	0.67 552	0.68 561	0.64 554	0.58 555

LVE	0.83 558	0.85 562	0.85 556	0.80 556	0.56 553	1.04 567	0.65 559	1.05 565	1.47 568	0.96 558	1.22 568	1.10 555	0.85 558	0.83 556	0.71 560	0.49 551	0.55 564	0.76 559	0.60 557	0.65 555	0.59 560

Dean	0.87 559	0.86 563	0.79 553	0.81 557	0.56 553	0.90 558	0.63 556	1.15 571	1.73 571	1.15 566	1.15 565	1.31 561	0.99 564	0.81 555	0.81 564	0.57 554	0.56 565	0.77 560	0.64 558	0.66 556	0.58 555

TorneroNet-64	0.76 554	0.72 556	0.74 550	0.78 555	0.58 556	0.91 561	0.56 553	0.84 554	1.29 562	0.66 539	0.90 551	1.40 564	0.75 554	0.85 559	0.67 558	0.49 551	0.46 549	0.72 555	0.59 555	0.67 557	0.53 553

WAO-6	0.81 556	0.80 559	0.62 535	0.86 560	0.63 559	0.76 554	0.58 555	0.98 562	1.54 570	0.90 556	0.96 556	1.07 554	1.03 565	0.70 552	0.66 555	0.72 561	0.49 556	0.90 564	0.71 562	0.68 558	0.58 555

MFMNet_re	0.64 546	0.66 553	0.65 537	0.51 545	0.69 562	0.69 546	0.57 554	0.64 549	0.73 547	0.60 537	0.73 542	0.62 538	0.67 551	0.65 550	0.60 552	0.66 560	0.58 567	0.63 551	0.59 555	0.68 558	0.69 564

WAO-8	0.91 560	0.81 560	0.65 537	0.94 563	0.69 562	0.90 558	0.67 560	1.07 568	1.83 573	1.06 563	1.45 570	1.30 559	1.07 566	0.84 557	0.78 561	0.74 563	0.53 561	0.86 562	0.75 563	0.69 560	0.62 561

Venus	0.91 560	0.81 560	0.65 537	0.94 563	0.69 562	0.90 558	0.67 560	1.07 568	1.83 573	1.06 563	1.45 570	1.30 559	1.07 566	0.84 557	0.78 561	0.74 563	0.53 561	0.86 562	0.75 563	0.69 560	0.62 561

PWCK	0.71 550	0.94 564	0.95 558	0.76 553	0.31 539	0.74 550	0.36 536	0.90 555	0.90 554	0.96 558	0.75 546	0.95 551	0.61 547	0.87 561	0.66 555	0.72 561	0.46 549	0.75 556	0.49 549	0.69 560	0.44 551

TorneroNet	0.82 557	0.74 557	0.81 555	0.84 558	0.63 559	0.99 563	0.63 556	0.96 560	1.16 559	0.80 552	1.11 562	1.36 563	0.86 559	0.93 564	0.80 563	0.56 553	0.49 556	0.78 561	0.66 560	0.73 563	0.63 563

UNDER WATER-64	0.95 562	0.94 564	1.43 565	0.87 561	0.56 553	1.18 570	0.87 566	0.77 552	0.94 555	1.04 561	0.85 550	1.58 569	1.21 571	0.94 565	0.96 566	0.87 567	0.57 566	1.03 567	0.88 568	0.78 564	0.73 565

UNDER WATER	0.97 563	0.97 566	1.42 564	0.99 565	0.70 565	1.12 569	0.84 565	0.80 553	1.08 557	1.01 560	0.90 551	1.55 568	1.22 572	1.03 568	1.00 567	0.78 565	0.53 561	1.02 566	0.87 567	0.80 565	0.74 566

DPSimNet_ROB	1.11 567	1.23 570	0.78 551	1.13 568	0.88 569	1.10 568	1.13 570	1.16 572	1.23 561	1.43 570	1.02 557	1.41 565	1.10 569	0.90 563	1.60 570	1.46 573	0.51 560	1.21 570	1.03 571	0.90 566	1.01 572

notaker	0.97 563	1.11 567	0.98 559	1.13 568	0.81 566	0.73 549	0.68 562	0.93 558	1.16 559	1.18 568	1.18 566	1.41 565	1.16 570	1.08 570	0.69 559	0.81 566	0.64 569	1.17 568	0.79 565	0.98 567	0.80 568

KSHMR	1.09 566	1.17 568	0.88 557	1.25 571	1.00 570	0.99 563	0.96 568	1.13 570	1.37 564	1.16 567	1.29 569	1.41 565	0.96 563	1.01 567	0.92 565	1.03 570	1.08 572	1.20 569	1.03 571	1.01 568	0.97 570

ktn	1.01 565	1.21 569	0.80 554	1.23 570	0.86 568	1.01 565	0.87 566	0.94 559	1.39 565	1.04 561	1.12 563	1.15 556	1.07 566	0.94 565	0.59 551	1.28 572	0.71 570	1.38 572	0.83 566	1.02 569	0.75 567

HanzoNet	1.29 568	1.26 571	1.19 562	1.12 567	0.85 567	1.02 566	0.83 564	1.03 564	1.48 569	1.64 571	1.61 572	2.50 573	1.72 573	1.61 572	1.61 571	1.26 571	0.80 571	1.31 571	1.01 570	1.02 569	0.86 569

JetRed	1.62 569	1.46 572	2.98 567	0.92 562	1.21 571	4.99 575	1.53 574	1.27 573	1.39 565	1.83 572	1.74 573	1.60 570	0.95 562	1.41 571	2.45 575	0.90 569	1.60 573	0.93 565	0.90 569	1.35 571	0.99 571

MADNet++	1.95 570	1.75 573	1.59 566	1.82 572	1.69 573	2.33 573	1.40 573	2.35 574	2.09 575	2.57 574	2.36 575	2.24 572	2.17 574	2.28 573	2.34 573	1.87 574	1.66 574	1.54 573	1.34 573	1.92 572	1.77 574

USTest	6.22 574	2.73 575	3.00 568	6.57 580	7.29 579	14.37 581	21.57 580	7.00 582	9.56 581	5.34 578	6.10 576	5.72 577	7.64 578	6.41 579	6.96 578	1.97 575	3.42 580	1.64 574	2.15 577	2.66 573	2.36 575

tt	4.67 573	0.06 56	3.55 571	2.02 573	1.55 572	10.25 579	16.71 579	8.91 583	5.03 576	1.31 569	0.94 554	4.71 574	4.76 575	3.33 574	5.87 577	6.06 582	10.30 586	1.88 576	2.11 576	2.75 574	1.21 573

xxxxx1	7.79 575	5.02 579	7.31 576	3.12 574	3.85 575	16.35 583	22.88 581	5.86 579	8.69 578	7.97 579	8.54 577	9.12 581	8.27 579	10.18 581	10.92 579	2.42 576	2.45 576	3.56 579	12.37 583	3.77 575	3.06 577

tt_ll	7.79 575	5.02 579	7.31 576	3.12 574	3.85 575	16.35 583	22.88 581	5.86 579	8.69 578	7.97 579	8.54 577	9.12 581	8.27 579	10.18 581	10.92 579	2.42 576	2.45 576	3.56 579	12.37 583	3.77 575	3.06 577

ff	7.79 575	5.02 579	7.31 576	3.12 574	3.85 575	16.35 583	22.88 581	5.86 579	8.69 578	7.97 579	8.54 577	9.12 581	8.27 579	10.18 581	10.92 579	2.42 576	2.45 576	3.56 579	12.37 583	3.77 575	3.06 577

DPSMNet_ROB	8.06 579	4.48 577	8.63 582	5.37 579	10.74 582	8.32 577	22.98 585	5.46 576	13.36 584	5.12 576	9.92 580	5.08 575	10.40 582	5.53 578	12.58 582	3.80 580	8.00 581	3.50 577	7.02 580	3.83 578	7.14 582

DGTPSM_ROB	8.06 579	4.48 577	8.63 582	5.35 577	10.72 581	8.32 577	22.97 584	5.46 576	13.35 583	5.12 576	9.92 580	5.08 575	10.40 582	5.52 577	12.58 582	3.79 579	8.00 581	3.50 577	7.02 580	3.83 578	7.14 582

TCMNet-wrong-test	3.67 572	5.48 582	3.89 573	12.18 584	11.75 585	4.65 574	3.88 575	1.06 567	0.72 543	1.09 565	2.15 574	6.30 578	0.53 539	3.43 575	2.36 574	0.89 568	0.20 524	1.87 575	1.69 574	5.57 580	3.62 580

DPSM_ROB	11.15 585	8.58 584	8.00 580	10.88 582	11.58 583	19.10 588	26.71 588	12.05 585	14.07 586	10.36 583	10.84 583	10.33 585	11.86 585	11.70 585	13.54 585	6.99 584	8.79 584	5.89 583	6.95 578	7.29 581	7.42 584

DPSM	11.15 585	8.58 584	8.00 580	10.88 582	11.58 583	19.10 588	26.71 588	12.05 585	14.07 586	10.36 583	10.84 583	10.33 585	11.86 585	11.70 585	13.54 585	6.99 584	8.79 584	5.89 583	6.95 578	7.29 581	7.42 584

PML	8.91 581	9.34 586	6.13 574	5.35 577	6.41 578	14.99 582	23.38 586	5.27 575	6.83 577	18.04 587	28.19 593	7.67 579	6.83 577	7.85 580	5.75 576	5.35 581	1.83 575	5.95 585	1.93 575	8.64 583	2.52 576

Anonymous_1	10.96 584	7.92 583	7.46 579	10.33 581	10.06 580	18.65 587	26.34 587	11.06 584	13.44 585	9.40 582	10.05 582	9.67 584	11.23 584	10.73 584	12.72 584	6.42 583	8.38 583	5.77 582	10.61 582	12.12 584	6.77 581

FlowAnything	22.44 590	17.35 590	16.14 586	22.07 590	23.23 589	38.39 591	53.77 591	24.25 591	28.44 592	20.96 592	21.82 590	20.70 589	23.84 589	23.49 590	27.14 590	14.04 586	17.79 591	11.75 586	14.15 589	14.65 585	14.89 586

CasAABBNet	22.42 589	17.33 589	16.01 584	22.01 588	23.28 590	38.32 590	53.80 592	24.14 590	28.41 591	20.60 589	21.77 589	20.89 591	23.91 591	23.43 589	27.36 591	14.07 587	17.69 589	11.83 588	14.01 587	14.67 586	14.95 588

Selective-RAFT-Error	22.47 591	17.37 591	16.09 585	22.06 589	23.34 591	38.39 591	53.83 593	24.29 593	28.47 593	20.74 590	21.83 591	20.81 590	23.90 590	23.54 592	27.53 593	14.08 588	17.69 589	11.82 587	14.00 586	14.69 587	15.00 589

LSM0	22.87 592	17.28 588	18.96 587	22.19 591	29.04 593	38.42 593	53.71 590	24.28 592	28.31 590	20.78 591	21.00 588	21.43 592	24.16 592	23.50 591	27.39 592	14.09 589	17.38 588	11.84 589	14.04 588	14.73 588	14.89 586

LRCNet_RVC	10.62 583	13.42 587	7.30 575	18.92 586	2.07 574	0.33 507	0.30 525	5.59 578	0.48 497	13.03 585	17.94 586	8.87 580	5.65 576	4.79 576	1.89 572	23.51 591	2.73 579	27.55 592	25.71 592	16.07 589	16.33 590

HaxPig	15.71 587	18.52 592	19.18 588	16.89 585	15.89 587	7.73 576	7.60 576	13.31 587	10.82 582	15.42 586	14.91 585	15.98 587	14.92 587	15.58 587	15.98 587	18.95 590	16.73 587	19.46 590	18.08 590	19.26 590	19.05 591

MEDIAN_ROB	20.38 588	24.04 593	23.31 590	21.23 587	21.71 588	10.40 580	7.92 577	17.64 588	15.50 588	20.12 588	19.70 587	20.34 588	20.32 588	21.19 588	21.13 588	23.81 592	21.81 592	24.98 591	23.76 591	24.71 591	23.93 592

AVERAGE_ROB	24.90 593	29.20 594	28.14 591	24.89 592	24.64 592	17.75 586	11.12 578	21.45 589	19.93 589	25.12 593	24.46 592	25.12 593	25.46 593	24.69 593	22.83 589	29.76 593	27.13 593	28.97 593	27.95 593	29.91 592	29.47 593

DLNR_Zeroshot_test	10.40 582	1.82 574	19.49 589	120.77 594	13.11 586	0.06 8	0.13 104	0.23 294	0.10 36	0.07 30	0.10 117	0.09 123	0.06 36	0.10 61	0.09 54	0.13 477	0.04 21	0.06 102	0.04 34	51.54 593	0.04 40

test_example2	98.32 594	94.13 595	45.89 592	96.35 593	109.85 594	88.61 594	95.45 594	25.75 594	94.37 594	130.00 595	126.06 594	58.17 594	74.63 594	88.51 594	79.96 594	150.23 594	221.02 594	77.62 594	99.10 594	113.75 594	96.94 594

ccccc		285.66 596		368.85 595	370.60 595	123.16 595		115.05 595		126.68 594		122.83 595		252.94 595		384.56 595	353.86 595	254.69 595	223.00 595	425.87 595

ASD4		3.38 576

Low-res two-view benchmark