Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-TNSev	0.02 14	0.05 41	0.04 34	0.07 38	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 46	0.04 36	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 28	0.09 54	0.07 48	0.09 44	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 56	0.07 47	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 34	0.24 106	0.20 144	0.23 127	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 153	0.21 154	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 34	0.54 188	0.10 59	0.12 70	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.11 83	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 32	0.50 175	0.10 59	0.12 70	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.10 63	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

PSMNet-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

FACV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CoDeX	0.15 106	0.70 199	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 318	0.02 14	0.69 298	0.75 321	0.01 9	0.02 19	0.02 19

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

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

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

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

Wz-Net-LNSev-Ref	0.11 73	0.44 154	0.33 193	0.39 176	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 220	0.36 213	0.02 18	0.02 20	0.02 19	0.02 19

BSDual-CNN	0.81 301	1.91 350	0.92 325	4.48 444	0.02 20	0.42 247	0.06 89	0.41 222	0.02 20	0.48 258	0.03 47	0.02 19	0.02 21	0.03 36	0.02 19	1.97 424	4.19 464	0.33 192	0.23 174	0.34 182	0.27 183

psmg	0.43 219	1.91 350	0.92 325	1.91 402	0.02 20	0.02 18	0.03 43	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 36	0.02 19	1.97 424	1.44 414	0.04 62	0.03 49	0.02 19	0.03 46

CSP-Net	0.34 170	1.29 324	1.19 349	1.36 384	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 393	1.21 400	0.03 37	0.09 94	0.02 19	0.09 92

SFCPSM	0.17 117	0.78 203	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 335	0.02 14	0.75 308	0.76 323	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 40	0.02 12	0.02 13	1.01 307	0.03 43	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 60	0.09 89	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 41	0.02 12	0.04 34	0.90 285	0.06 91	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 111	0.36 239	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 73	0.02 12	0.02 13	1.62 395	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 73	0.04 63	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 46

RYNet	0.02 14	0.02 12	0.02 13	0.03 28	0.03 43	0.03 39	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.03 47	0.03 36	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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

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

DualNet (step1)	0.10 52	1.05 254	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample9	0.10 52	1.05 254	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample8	0.10 52	1.05 254	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample7	0.09 41	1.00 238	0.11 78	0.11 64	0.02 20	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.03 49	0.03 42	0.03 46

test_sample6	0.09 41	0.97 234	0.10 59	0.10 47	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample5	0.10 52	1.07 257	0.11 78	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

test_sample4	0.10 52	1.03 250	0.12 89	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.13 121	0.03 37	0.03 49	0.03 42	0.03 46

test_sample3	0.09 41	0.87 214	0.10 59	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample2	0.09 41	1.03 250	0.11 78	0.11 64	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

test_sample1	0.09 41	0.87 214	0.12 89	0.11 64	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

SMFormer	0.09 41	1.01 244	0.09 55	0.09 44	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

tta	0.09 41	0.95 231	0.09 55	0.10 47	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

mmm	0.14 96	1.83 343	0.12 89	0.11 64	0.03 43	0.03 39	0.03 43	0.03 41	0.04 69	0.03 39	0.03 47	0.03 41	0.03 47	0.06 73	0.04 63	0.12 81	0.11 83	0.05 72	0.04 66	0.05 77	0.04 67

DualNet	0.10 52	1.07 257	0.11 78	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

ttt	0.10 52	1.09 259	0.12 89	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.02 20	0.03 42	0.02 19

1111x	0.10 52	1.14 264	0.13 108	0.14 87	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.11 83	0.03 37	0.02 20	0.03 42	0.02 19

xxx	0.09 41	1.01 244	0.10 59	0.10 47	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.03 46

x	0.11 73	1.15 266	0.15 128	0.14 87	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.15 127	0.03 37	0.03 49	0.03 42	0.03 46

222	0.10 52	0.99 237	0.12 89	0.13 83	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 97	0.03 37	0.02 20	0.04 65	0.03 46

xxxx	0.11 73	1.16 267	0.16 129	0.12 70	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.16 129	0.03 37	0.04 66	0.04 65	0.04 67

test_xeample	0.10 52	1.09 259	0.13 108	0.12 70	0.03 43	0.03 39	0.03 43	0.04 65	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.14 124	0.03 37	0.03 49	0.03 42	0.03 46

Syn2CoEx	0.25 138	1.31 326	0.74 305	0.92 290	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 318	0.75 308	0.02 18	0.02 20	0.02 19	0.02 19

BEATNet_4x	0.11 73	0.03 30	0.03 31	1.60 392	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCL	0.11 73	0.03 30	0.03 31	1.60 392	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

qqq1	0.25 138	3.70 409	0.14 113	0.14 87	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 81	0.05 84	0.04 65	0.05 78	0.06 73	0.05 73	0.13 97	0.12 97	0.06 78	0.05 80	0.03 42	0.04 67

fff1	0.25 138	3.70 409	0.14 113	0.14 87	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 81	0.05 84	0.04 65	0.05 78	0.06 73	0.05 73	0.13 97	0.12 97	0.06 78	0.05 80	0.03 42	0.04 67

EDNetEfficient	0.04 29	0.05 41	0.04 34	0.04 29	0.03 43	0.04 65	0.03 43	0.04 65	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.04 60	0.03 42	0.05 42	0.03 31	0.05 72	0.03 49	0.04 65	0.03 46

FADNet-RVC-Resample	0.12 82	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	1.57 432	0.04 35	0.04 36	0.04 62	0.05 80	0.04 65	0.06 86

FADNet_RVC	0.12 82	0.04 34	0.04 34	0.05 35	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.65 436	0.05 42	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet-RVC	0.13 87	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.05 78	0.04 60	1.71 439	0.04 35	0.04 36	0.04 62	0.04 66	0.07 88	0.04 67

FADNet	0.12 82	0.05 41	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.66 437	0.06 46	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

ADCRef	0.12 82	0.03 30	0.04 34	1.71 398	0.04 68	0.03 39	0.03 43	0.04 65	0.04 69	0.04 63	0.03 47	0.04 65	0.03 47	0.06 73	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.03 42	0.04 67

AnyNet_C32	0.14 96	0.04 34	0.03 31	2.22 413	0.04 68	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.04 65	0.02 21	0.07 86	0.04 63	0.02 14	0.02 14	0.03 37	0.03 49	0.02 19	0.03 46

ADCP+	0.15 106	0.04 34	0.04 34	2.20 412	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.04 72	0.08 89	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

ADCPNet	0.10 52	0.03 30	0.04 34	1.27 378	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.08 89	0.04 63	0.04 35	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

NVStereoNet_ROB	0.04 29	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
AASNet	0.06 34	0.08 48	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

SACVNet	0.06 34	0.08 48	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

AACVNet	0.06 34	0.08 48	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

APVNet	0.09 41	0.05 41	0.04 34	0.05 35	0.04 68	0.05 75	0.90 343	0.06 79	0.04 69	0.05 77	0.04 76	0.05 77	0.04 72	0.05 68	0.04 63	0.05 42	0.04 36	0.05 72	0.04 66	0.05 77	0.05 81

EDNetEfficientorigin	0.04 29	0.06 46	0.04 34	0.05 35	0.04 68	0.05 75	0.04 68	0.05 75	0.04 69	0.05 77	0.04 76	0.05 77	0.04 72	0.05 68	0.04 63	0.05 42	0.03 31	0.06 78	0.03 49	0.04 65	0.03 46

11t1	0.17 117	2.16 367	0.13 108	0.13 83	0.04 68	0.06 77	0.04 68	0.06 79	0.04 69	0.06 81	0.03 47	0.06 82	0.03 47	0.06 73	0.05 73	0.18 132	0.12 97	0.06 78	0.03 49	0.05 77	0.03 46

ffm	0.25 138	3.83 415	0.12 89	0.12 70	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 82	0.05 78	0.06 73	0.05 73	0.12 81	0.12 97	0.05 72	0.04 66	0.06 80	0.04 67

ff1	0.25 138	3.83 415	0.12 89	0.12 70	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 82	0.05 78	0.06 73	0.05 73	0.12 81	0.12 97	0.05 72	0.04 66	0.06 80	0.04 67

mmx	0.25 138	3.83 415	0.12 89	0.12 70	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 82	0.05 78	0.06 73	0.05 73	0.12 81	0.12 97	0.05 72	0.04 66	0.06 80	0.04 67

GASNet	0.05 32	0.04 34	0.12 89	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.12 106	0.04 76	0.06 82	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

qqq	0.16 114	2.01 358	0.12 89	0.15 96	0.04 68	0.06 77	0.05 77	0.06 79	0.04 69	0.06 81	0.03 47	0.06 82	0.03 47	0.06 73	0.03 42	0.12 81	0.14 124	0.04 62	0.04 66	0.03 42	0.03 46

FINET	0.07 39	0.08 48	0.07 48	0.07 38	0.07 92	0.08 87	0.06 89	0.08 91	0.07 93	0.08 88	0.07 93	0.08 88	0.06 90	0.07 86	0.07 84	0.08 50	0.07 47	0.07 83	0.07 88	0.06 80	0.06 86

GwcNet	0.12 82	0.07 47	0.05 47	0.08 40	0.05 83	0.08 87	1.20 371	0.07 88	0.05 82	0.05 77	0.05 84	0.08 88	0.05 78	0.08 89	0.03 42	0.07 48	0.05 46	0.06 78	0.05 80	0.07 88	0.05 81

BEATNet-Init1	0.19 120	0.08 48	0.08 50	2.23 414	0.08 94	0.08 87	0.07 92	0.07 88	0.08 95	0.08 88	0.07 93	0.08 88	0.07 94	0.11 105	0.08 86	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

DeepPrunerF	0.19 120	0.08 48	0.08 50	2.23 414	0.08 94	0.08 87	0.07 92	0.07 88	0.08 95	0.08 88	0.07 93	0.08 88	0.07 94	0.11 105	0.08 86	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

SepStereo	0.09 41	0.09 54	0.10 59	0.09 44	0.09 96	0.09 91	0.09 94	0.10 93	0.08 95	0.10 92	0.09 96	0.09 92	0.09 97	0.09 92	0.08 86	0.09 56	0.08 49	0.09 90	0.08 92	0.09 93	0.08 89

SuperB	0.21 128	0.10 56	2.51 449	0.12 70	0.09 96	0.10 92	0.09 94	0.08 91	0.07 93	0.10 92	0.09 96	0.09 92	0.07 94	0.07 86	0.07 84	0.07 48	0.08 49	0.07 83	0.07 88	0.08 90	0.07 88

AnonymousM	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

PVD	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SHD	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SAMSARA	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

XQC	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSC	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTS	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSA	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet+	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet++	0.10 52	0.10 56	0.10 59	0.10 47	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 94	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

JetRed	0.11 73	0.12 69	0.11 78	0.11 64	0.11 116	0.11 103	0.14 131	0.11 105	0.11 113	0.12 106	0.11 113	0.11 104	0.11 112	0.11 105	0.11 106	0.11 76	0.16 129	0.11 102	0.11 112	0.11 104	0.11 108

JetBlue	0.11 73	0.11 67	0.12 89	0.13 83	0.14 136	0.11 103	0.11 111	0.11 105	0.11 113	0.11 104	0.11 113	0.11 104	0.11 112	0.12 109	0.12 120	0.11 76	0.11 83	0.11 102	0.11 112	0.11 104	0.11 108

aanetorigin	0.13 87	0.11 67	0.11 78	0.11 64	0.11 116	0.11 103	0.11 111	0.11 105	0.11 113	0.11 104	0.12 123	0.11 104	0.11 112	0.11 105	0.11 106	0.11 76	0.11 83	0.14 109	0.11 112	0.49 259	0.11 108

PASM	0.39 199	3.06 395	1.36 412	1.58 390	0.09 96	0.11 103	0.11 111	0.11 105	0.11 113	0.09 91	0.09 96	0.11 104	0.09 97	0.09 92	0.09 89	0.11 76	0.11 83	0.11 102	0.09 94	0.11 104	0.11 108

ISRNet	0.11 73	0.05 41	0.36 210	0.24 132	0.07 92	0.13 107	0.05 77	0.06 79	0.05 82	0.05 77	0.05 84	0.13 108	0.05 78	0.05 68	0.09 89	0.24 158	0.20 151	0.10 91	0.05 80	0.06 80	0.13 129

IPLG	0.13 87	0.20 88	0.14 113	0.15 96	0.11 116	0.14 108	0.11 111	0.14 109	0.11 113	0.14 108	0.11 113	0.14 109	0.11 112	0.14 111	0.11 106	0.15 112	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

IPLGR_C	0.14 96	0.20 88	0.12 89	0.15 96	0.11 116	0.14 108	0.15 136	0.14 109	0.11 113	0.15 114	0.12 123	0.14 109	0.11 112	0.16 120	0.11 106	0.15 112	0.12 97	0.14 109	0.12 128	0.15 121	0.12 123

MIPNet	0.14 96	0.21 94	0.17 133	0.16 104	0.11 116	0.15 114	0.12 126	0.14 109	0.11 113	0.16 118	0.11 113	0.14 109	0.11 112	0.14 111	0.11 106	0.14 103	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

IPLGR	0.14 96	0.24 106	0.14 113	0.16 104	0.12 131	0.15 114	0.12 126	0.14 109	0.11 113	0.15 114	0.12 123	0.14 109	0.11 112	0.14 111	0.11 106	0.15 112	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

ACRE	0.13 87	0.21 94	0.14 113	0.15 96	0.11 116	0.14 108	0.11 111	0.14 109	0.11 113	0.14 108	0.12 123	0.14 109	0.11 112	0.14 111	0.11 106	0.15 112	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

GMStereo	0.14 96	0.13 70	0.14 113	0.14 87	0.14 136	0.14 108	0.14 131	0.14 109	0.14 136	0.14 108	0.14 140	0.14 109	0.14 137	0.14 111	0.14 130	0.14 103	0.14 124	0.14 109	0.14 139	0.14 111	0.14 134
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 151	0.90 221	0.10 59	0.14 87	0.10 102	0.14 108	0.10 99	0.91 323	0.69 323	0.14 108	0.11 113	0.14 109	0.11 112	0.14 111	0.10 95	0.12 81	0.09 58	0.12 105	0.09 94	0.88 311	0.76 330

DRN-Test	0.14 96	0.13 70	0.09 55	0.14 87	0.09 96	0.15 114	0.09 94	0.14 109	0.10 99	0.14 108	0.09 96	0.14 109	0.09 97	0.13 110	0.09 89	0.12 81	0.09 58	0.12 105	0.09 94	0.12 108	0.73 325

StereoDRNet	0.15 106	0.14 74	0.10 59	0.14 87	0.09 96	0.15 114	0.09 94	0.14 109	0.09 98	0.14 108	0.10 100	0.14 109	0.09 97	0.14 111	0.09 89	0.13 97	0.10 63	0.13 108	0.09 94	0.13 110	0.82 336

CIPLG	0.13 87	0.21 94	0.12 89	0.16 104	0.11 116	0.15 114	0.11 111	0.14 109	0.11 113	0.15 114	0.12 123	0.15 118	0.11 112	0.14 111	0.11 106	0.15 112	0.12 97	0.14 109	0.11 112	0.14 111	0.11 108

castereo++	0.54 251	3.59 406	1.15 343	1.31 380	0.14 136	0.16 121	0.14 131	0.16 121	0.14 136	0.16 118	0.14 140	0.16 119	0.13 133	0.16 120	0.14 130	1.45 405	1.16 349	0.15 122	0.14 139	0.15 121	0.13 129

DDVS	0.30 152	3.10 396	0.14 113	0.19 114	0.14 136	0.19 133	0.14 131	0.20 136	0.14 136	0.19 130	0.13 135	0.16 119	0.13 133	0.19 132	0.13 126	0.17 124	0.13 121	0.17 130	0.13 136	0.17 128	0.13 129

test_for_model	0.15 106	0.23 99	0.18 138	0.21 124	0.11 116	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.21 139	0.18 148	0.14 109	0.11 112	0.14 111	0.11 108

testlalala2	0.13 87	0.16 75	0.11 78	0.15 96	0.11 116	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.14 103	0.11 83	0.14 109	0.11 112	0.14 111	0.11 108

GMStereo_Zeroshot	0.16 114	0.16 75	0.16 129	0.16 104	0.16 153	0.16 121	0.16 139	0.16 121	0.16 148	0.16 118	0.16 149	0.16 119	0.16 147	0.16 120	0.16 146	0.16 119	0.16 129	0.16 125	0.16 144	0.16 125	0.16 135

testlalala_base	0.13 87	0.16 75	0.11 78	0.15 96	0.11 116	0.15 114	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.14 103	0.11 83	0.14 109	0.11 112	0.14 111	0.11 108

ICVP	0.15 106	0.53 185	0.11 78	0.16 104	0.11 116	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 119	0.11 112	0.16 120	0.11 106	0.16 119	0.11 83	0.16 125	0.11 112	0.16 125	0.11 108
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
PDISCO_ROB	0.83 308	2.80 392	3.49 466	0.14 87	0.11 116	0.17 127	0.09 94	0.15 120	0.10 99	0.15 114	0.12 123	0.16 119	0.14 137	3.30 451	0.13 126	0.14 103	2.34 442	0.16 125	0.12 128	2.62 432	0.10 96

ProNet	0.14 96	0.20 88	0.14 113	0.16 104	0.11 116	0.16 121	0.11 111	0.17 127	0.11 113	0.17 125	0.12 123	0.17 127	0.13 133	0.17 127	0.12 120	0.15 112	0.11 83	0.16 125	0.11 112	0.15 121	0.12 123

ac_64	0.22 131	0.13 70	0.19 141	0.23 127	0.10 102	0.26 168	1.02 358	0.14 109	0.10 99	0.28 169	0.14 140	0.17 127	0.19 161	0.28 178	0.09 89	0.22 142	0.16 129	0.23 156	0.17 160	0.11 104	0.12 123

HSM	0.14 96	0.16 75	0.12 89	0.17 110	0.12 131	0.17 127	0.11 111	0.17 127	0.11 113	0.17 125	0.12 123	0.17 127	0.12 128	0.17 127	0.12 120	0.16 119	0.11 83	0.16 125	0.11 112	0.16 125	0.12 123

ITSA-stereo	0.15 106	0.17 81	0.13 108	0.20 116	0.13 134	0.19 133	0.13 129	0.18 129	0.13 134	0.19 130	0.13 135	0.18 130	0.14 137	0.18 129	0.14 130	0.16 119	0.11 83	0.15 122	0.14 139	0.18 132	0.11 108

cf-r	0.66 268	2.17 368	0.12 89	0.18 111	0.12 131	0.18 130	2.70 455	2.60 441	0.12 131	0.18 128	0.12 123	0.18 130	0.12 128	0.18 129	0.12 120	0.15 112	0.11 83	0.15 122	0.11 112	1.81 410	1.74 442

ELAS_RVC	0.14 96	0.16 75	0.10 59	0.15 96	0.10 102	0.18 130	0.11 111	0.19 131	0.11 113	0.19 130	0.12 123	0.18 130	0.11 112	0.19 132	0.12 120	0.14 103	0.08 49	0.14 109	0.09 94	0.15 121	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 87	0.16 75	0.11 78	0.15 96	0.09 96	0.18 130	0.11 111	0.18 129	0.11 113	0.17 125	0.11 113	0.18 130	0.11 112	0.18 129	0.11 106	0.14 103	0.08 49	0.14 109	0.08 92	0.14 111	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CAS++	0.17 117	0.27 110	0.21 147	0.10 47	0.21 173	0.15 114	0.22 164	0.10 93	0.21 163	0.22 146	0.10 100	0.19 134	0.18 156	0.10 94	0.19 159	0.20 135	0.19 149	0.18 139	0.10 100	0.19 138	0.18 149
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DeepPruner_ROB	0.16 114	0.18 83	0.13 108	0.19 114	0.13 134	0.19 133	0.13 129	0.19 131	0.13 134	0.19 130	0.13 135	0.19 134	0.13 133	0.19 132	0.13 126	0.18 132	0.13 121	0.18 139	0.13 136	0.18 132	0.13 129

DAS	0.20 122	0.20 88	0.20 144	0.20 116	0.20 167	0.20 138	0.20 154	0.20 136	0.20 161	0.20 135	0.20 167	0.20 136	0.20 165	0.20 136	0.20 162	0.20 135	0.20 151	0.20 143	0.20 165	0.20 139	0.20 152

LRCNet_RVC	0.13 87	0.13 70	0.09 55	0.13 83	0.10 102	0.14 108	0.10 99	0.14 109	0.10 99	0.23 150	0.10 100	0.20 136	0.10 101	0.24 158	0.11 106	0.11 76	0.09 58	0.12 105	0.14 139	0.12 108	0.09 92

hitnet-ft	0.79 294	2.78 391	0.14 113	0.20 116	0.14 136	0.21 145	2.89 456	2.80 445	0.14 136	0.20 135	0.14 140	0.20 136	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	2.54 431	2.33 452

GwcNet-RSSM	0.77 290	2.77 390	0.14 113	0.20 116	0.14 136	0.20 138	2.67 454	2.78 443	0.14 136	0.20 135	0.14 140	0.20 136	0.14 137	0.21 146	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	2.52 429	2.31 450

CFNet-ft	0.55 255	1.57 333	0.14 113	0.20 116	0.14 136	0.20 138	2.53 452	1.61 414	0.14 136	0.20 135	0.14 140	0.20 136	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	1.56 405	1.24 419

LALA_ROB	0.15 106	0.19 84	0.12 89	0.18 111	0.11 116	0.20 138	0.12 126	0.21 142	0.12 131	0.20 135	0.12 123	0.20 136	0.12 128	0.21 146	0.13 126	0.17 124	0.10 63	0.18 139	0.11 112	0.18 132	0.11 108

SGM_RVC	0.15 106	0.17 81	0.11 78	0.18 111	0.11 116	0.19 133	0.11 111	0.19 131	0.12 131	0.19 130	0.12 123	0.20 136	0.12 128	0.19 132	0.12 120	0.16 119	0.11 83	0.17 130	0.10 100	0.17 128	0.10 96
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
castereo	0.61 261	3.79 414	1.35 407	1.52 389	0.15 147	0.17 127	0.16 139	0.20 136	0.21 163	0.18 128	0.16 149	0.21 143	0.12 128	0.26 173	0.17 147	1.43 404	1.38 411	0.17 130	0.16 144	0.18 132	0.16 135

IGEV_Zeroshot_test	0.20 122	0.19 84	0.40 225	0.30 149	0.17 154	0.22 147	0.17 141	0.21 142	0.17 151	0.20 135	0.17 152	0.21 143	0.18 156	0.21 146	0.17 147	0.20 135	0.16 129	0.20 143	0.16 144	0.20 139	0.17 145

MIM_Stereo	0.25 138	0.23 99	0.66 292	0.80 275	0.17 154	0.22 147	0.17 141	0.23 149	0.18 153	0.26 166	0.17 152	0.21 143	0.17 149	0.25 163	0.17 147	0.23 153	0.16 129	0.21 145	0.17 160	0.22 144	0.17 145

ACVNet	0.20 122	0.19 84	0.14 113	0.20 116	0.14 136	0.20 138	0.96 350	0.21 142	0.14 136	0.20 135	0.13 135	0.21 143	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	0.17 128	0.12 123

acv_ft	0.20 122	0.19 84	0.14 113	0.20 116	0.14 136	0.20 138	0.96 350	0.21 142	0.14 136	0.20 135	0.13 135	0.21 143	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	0.17 128	0.12 123

PSMNet-RSSM	0.77 290	2.76 388	0.14 113	0.20 116	0.14 136	0.20 138	2.66 453	2.79 444	0.14 136	0.21 144	0.14 140	0.21 143	0.14 137	0.20 136	0.14 130	0.17 124	0.12 97	0.17 130	0.12 128	2.52 429	2.31 450

DEFOM-Stereo_RVC	0.83 308	5.18 435	1.98 440	2.19 411	0.17 154	0.19 133	0.18 147	0.19 131	0.16 148	0.20 135	0.19 163	0.22 149	0.22 170	0.20 136	0.15 140	2.28 432	2.13 437	0.24 163	0.17 160	0.18 132	0.16 135

WAO-6	0.22 131	0.23 99	0.22 149	0.23 127	0.22 175	0.22 147	0.22 164	0.22 146	0.22 166	0.22 146	0.22 172	0.22 149	0.22 170	0.22 150	0.22 166	0.22 142	0.22 158	0.22 150	0.22 169	0.22 144	0.22 157

IMH-64-1	0.22 131	0.23 99	0.23 152	0.22 125	0.22 175	0.22 147	0.22 164	0.22 146	0.22 166	0.22 146	0.22 172	0.22 149	0.22 170	0.22 150	0.22 166	0.22 142	0.22 158	0.23 156	0.22 169	0.22 144	0.23 159

IMH-64	0.22 131	0.23 99	0.23 152	0.22 125	0.22 175	0.22 147	0.22 164	0.22 146	0.22 166	0.22 146	0.22 172	0.22 149	0.22 170	0.22 150	0.22 166	0.22 142	0.22 158	0.23 156	0.22 169	0.22 144	0.23 159

MSKI-zero shot	0.24 137	0.21 94	0.49 260	0.65 258	0.18 161	0.22 147	0.17 141	0.23 149	0.18 153	0.21 144	0.17 152	0.23 153	0.28 205	0.23 154	0.18 156	0.21 139	0.16 129	0.21 145	0.16 144	0.21 142	0.16 135

GANet-RSSM	0.75 285	1.91 350	0.14 113	0.47 218	0.14 136	0.21 145	3.21 472	2.30 435	0.14 136	0.46 247	0.14 140	0.23 153	0.18 156	0.21 146	0.14 130	0.18 132	0.27 173	0.37 219	0.13 136	2.13 419	2.12 445

iResNetv2_ROB	0.20 122	0.23 99	0.18 138	0.24 132	0.20 167	0.24 154	0.18 147	0.24 152	0.18 153	0.24 155	0.18 162	0.23 153	0.19 161	0.24 158	0.18 156	0.21 139	0.16 129	0.21 145	0.16 144	0.22 144	0.16 135

iResNet	0.20 122	0.23 99	0.18 138	0.24 132	0.18 161	0.24 154	0.20 154	0.24 152	0.18 153	0.23 150	0.17 152	0.23 153	0.18 156	0.23 154	0.18 156	0.22 142	0.16 129	0.21 145	0.16 144	0.21 142	0.16 135

tg	0.21 128	0.25 108	0.21 147	0.26 144	0.17 154	0.24 154	0.17 141	0.24 152	0.17 151	0.24 155	0.17 152	0.24 157	0.17 149	0.24 158	0.17 147	0.24 158	0.17 142	0.23 156	0.16 144	0.23 153	0.16 135

Pointernet	0.21 128	0.22 98	0.19 141	0.24 132	0.19 165	0.24 154	0.19 151	0.24 152	0.19 159	0.24 155	0.19 163	0.24 157	0.19 161	0.24 158	0.19 159	0.22 142	0.17 142	0.22 150	0.17 160	0.22 144	0.17 145

dd	0.23 135	0.98 235	0.16 129	0.23 127	0.15 147	0.23 153	0.15 136	0.23 149	0.15 146	0.23 150	0.15 148	0.24 157	0.17 149	0.23 154	0.15 140	0.22 142	0.15 127	0.21 145	0.15 143	0.22 144	0.16 135

dad	0.23 135	1.03 250	0.16 129	0.23 127	0.15 147	0.24 154	0.15 136	0.24 152	0.16 148	0.23 150	0.16 149	0.24 157	0.16 147	0.23 154	0.15 140	0.22 142	0.16 129	0.22 150	0.16 144	0.22 144	0.16 135

UPFNet	0.42 218	1.20 272	0.17 133	0.24 132	0.17 154	0.25 161	0.17 141	1.19 351	0.90 346	0.25 159	0.17 152	0.24 157	0.17 149	0.25 163	0.17 147	0.22 142	0.17 142	0.22 150	0.16 144	1.15 335	0.93 345

ACV-stereo	0.30 152	2.08 360	0.25 161	0.25 137	0.18 161	0.24 154	0.17 141	0.24 152	0.18 153	0.24 155	0.17 152	0.25 162	0.17 149	0.24 158	0.17 147	0.22 142	0.16 129	0.22 150	0.16 144	0.22 144	0.16 135

UNDER WATER-64	0.25 138	0.26 109	0.25 161	0.26 144	0.25 187	0.25 161	0.25 179	0.25 158	0.25 179	0.25 159	0.25 188	0.25 162	0.25 182	0.26 173	0.25 182	0.25 164	0.25 165	0.25 164	0.25 187	0.25 155	0.25 170

CAS	0.30 152	1.17 268	0.25 161	0.25 137	0.25 187	0.26 168	0.25 179	0.25 158	0.26 192	0.25 159	0.25 188	0.25 162	0.25 182	0.25 163	0.25 182	0.26 165	0.26 168	0.26 167	0.25 187	0.26 157	0.25 170

LoS	0.25 138	0.27 110	0.25 161	0.25 137	0.25 187	0.25 161	0.25 179	0.26 162	0.25 179	0.25 159	0.25 188	0.25 162	0.25 182	0.25 163	0.25 182	0.26 165	0.25 165	0.25 164	0.26 193	0.26 157	0.25 170
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
HCRNet	1.22 394	7.11 453	3.00 451	3.55 439	0.33 232	0.29 174	0.14 131	0.19 131	0.15 146	0.33 184	0.29 207	0.25 162	0.14 137	0.22 150	0.33 221	3.64 448	3.00 445	0.76 323	0.32 232	0.18 132	0.13 129

MMNet	0.44 222	1.24 322	0.17 133	0.25 137	0.17 154	0.25 161	0.18 147	1.26 403	0.93 352	0.25 159	0.17 152	0.25 162	0.18 156	0.25 163	0.17 147	0.23 153	0.16 129	0.23 156	0.16 144	1.20 346	0.99 350

delet	0.43 219	1.21 318	0.17 133	0.25 137	0.17 154	0.25 161	0.18 147	1.26 403	0.95 354	0.25 159	0.17 152	0.25 162	0.17 149	0.25 163	0.17 147	0.23 153	0.16 129	0.22 150	0.16 144	1.18 343	0.98 349

psm_up	0.43 219	1.19 271	0.17 133	0.25 137	0.18 161	0.25 161	0.19 151	1.26 403	0.91 347	0.26 166	0.17 152	0.25 162	0.17 149	0.25 163	0.17 147	0.22 142	0.17 142	0.23 156	0.16 144	1.18 343	0.99 350

AANet_RVC	1.26 396	0.31 117	4.99 474	5.93 466	0.20 167	0.25 161	0.20 154	0.25 158	0.20 161	0.23 150	0.19 163	0.25 162	0.20 165	0.25 163	0.20 162	5.66 474	4.76 467	0.26 167	0.30 222	0.24 154	0.27 183

LoS_RVC	0.30 152	1.14 264	0.25 161	0.25 137	0.25 187	0.26 168	0.25 179	0.25 158	0.25 179	0.25 159	0.25 188	0.26 171	0.26 191	0.26 173	0.25 182	0.26 165	0.26 168	0.25 164	0.25 187	0.26 157	0.26 176

GEStereo_RVC	0.86 314	4.45 426	0.20 144	0.27 146	0.20 167	0.27 171	0.20 154	0.26 162	0.18 153	5.03 478	0.20 167	0.27 172	0.19 161	0.27 176	0.21 164	0.20 135	0.19 149	0.19 142	4.02 480	0.20 139	0.18 149

SQANet	0.28 148	0.28 113	0.28 172	0.28 147	0.28 200	0.28 172	0.28 195	0.28 165	0.28 200	0.28 169	0.28 204	0.28 173	0.28 205	0.28 178	0.28 194	0.28 170	0.28 178	0.28 173	0.28 203	0.28 162	0.28 196

gwcnet-sp	0.82 305	1.72 337	1.48 419	0.39 176	0.15 147	0.31 178	0.21 159	0.20 136	0.25 179	1.61 418	0.23 176	0.28 173	0.26 191	0.20 136	0.15 140	0.24 158	1.33 405	0.32 184	0.16 144	6.75 475	0.23 159

scenet	0.82 305	1.72 337	1.48 419	0.39 176	0.15 147	0.31 178	0.21 159	0.20 136	0.25 179	1.61 418	0.23 176	0.28 173	0.26 191	0.20 136	0.15 140	0.24 158	1.33 405	0.32 184	0.16 144	6.75 475	0.23 159

ssnet	0.82 305	1.72 337	1.48 419	0.39 176	0.15 147	0.31 178	0.21 159	0.20 136	0.25 179	1.61 418	0.23 176	0.28 173	0.26 191	0.20 136	0.15 140	0.24 158	1.33 405	0.32 184	0.16 144	6.75 475	0.23 159

CFNet	1.37 401	5.27 438	0.19 141	5.49 463	0.19 165	0.28 172	0.19 151	0.28 165	0.19 159	0.28 169	0.19 163	0.28 173	4.35 473	0.28 178	0.19 159	0.23 153	0.17 142	0.23 156	4.21 482	4.81 461	0.17 145

DEFOM-Stereo	0.68 273	3.11 397	1.40 417	1.63 396	0.25 187	0.31 178	0.25 179	0.31 173	0.28 200	0.31 175	0.29 207	0.29 178	0.27 199	0.31 185	0.28 194	1.59 411	1.47 416	0.30 180	0.29 212	0.30 168	0.28 196

PAM	0.39 199	1.88 346	0.34 201	0.37 168	0.41 271	0.45 254	0.22 164	0.28 165	0.23 172	0.28 169	0.24 182	0.29 178	0.23 176	0.29 181	0.23 172	0.38 211	0.32 201	0.38 226	0.37 255	0.32 172	0.22 157

RAFT + AFF	0.31 157	0.45 157	0.34 201	0.39 176	0.28 200	0.38 206	0.33 220	0.29 169	0.31 217	0.30 173	0.30 218	0.29 178	0.27 199	0.29 181	0.30 210	0.28 170	0.29 187	0.29 178	0.29 212	0.27 160	0.32 220

CASnet	0.35 176	0.51 181	0.44 241	0.32 155	0.31 219	0.24 154	0.34 229	0.36 188	0.25 179	0.31 175	0.37 251	0.30 181	0.33 228	0.25 163	0.45 275	0.37 204	0.37 215	0.33 192	0.35 247	0.34 182	0.37 241
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
DANet	0.30 152	0.30 116	0.30 178	0.30 149	0.30 215	0.30 175	0.30 206	0.30 171	0.30 214	0.30 173	0.30 218	0.30 181	0.30 216	0.30 183	0.30 210	0.30 178	0.30 195	0.30 180	0.30 222	0.30 168	0.30 211
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DLNR_Zeroshot_test	0.31 157	0.28 113	0.47 252	0.79 273	0.24 185	0.30 175	0.26 187	0.30 171	0.24 174	0.32 180	0.23 176	0.31 183	0.24 179	0.30 183	0.23 172	0.29 177	0.26 168	0.29 178	0.24 182	0.33 178	0.23 159

ssnet_v2	0.68 273	1.96 357	1.25 403	0.29 148	0.20 167	0.30 175	0.20 154	0.29 169	0.22 166	1.50 416	0.20 167	0.31 183	0.20 165	0.27 176	0.22 166	0.24 158	1.49 417	0.26 167	0.18 164	3.90 440	0.19 151

WCG-NET（raft）	0.32 165	1.24 322	0.24 158	0.32 155	0.24 185	0.32 186	0.23 171	0.32 174	0.24 174	0.32 180	0.24 182	0.32 185	0.24 179	0.32 186	0.24 176	0.30 178	0.23 162	0.30 180	0.23 174	0.30 168	0.23 159

tt1	0.31 157	0.93 229	0.24 158	0.33 158	0.23 180	0.31 178	0.24 176	0.32 174	0.24 174	0.32 180	0.23 176	0.32 185	0.25 182	0.32 186	0.24 176	0.27 168	0.26 168	0.27 171	0.26 193	0.27 160	0.27 183

model_zeroshot	0.27 147	0.20 88	0.27 168	0.33 158	0.21 173	0.37 202	0.22 164	0.37 194	0.24 174	0.26 166	0.27 198	0.33 187	0.21 169	0.25 163	0.27 188	0.32 182	0.20 151	0.34 199	0.23 174	0.25 155	0.26 176

xxxxx1	0.31 157	0.91 222	0.23 152	0.31 152	0.23 180	0.31 178	0.23 171	0.33 177	0.25 179	0.31 175	0.24 182	0.33 187	0.25 182	0.32 186	0.24 176	0.28 170	0.28 178	0.28 173	0.28 203	0.29 165	0.27 183

testlalala	0.32 165	0.81 209	0.31 184	0.39 176	0.26 195	0.33 188	0.24 176	0.33 177	0.26 192	0.32 180	0.26 194	0.33 187	0.23 176	0.33 191	0.23 172	0.35 196	0.31 199	0.30 180	0.24 182	0.31 171	0.21 154

tt_ll	0.31 157	0.91 222	0.23 152	0.31 152	0.23 180	0.31 178	0.23 171	0.33 177	0.25 179	0.31 175	0.24 182	0.33 187	0.25 182	0.32 186	0.24 176	0.28 170	0.28 178	0.28 173	0.28 203	0.29 165	0.27 183

ff	0.31 157	0.91 222	0.23 152	0.31 152	0.23 180	0.31 178	0.23 171	0.33 177	0.25 179	0.31 175	0.24 182	0.33 187	0.25 182	0.32 186	0.24 176	0.28 170	0.28 178	0.28 173	0.28 203	0.29 165	0.27 183

H2IRNET	0.34 170	0.34 120	0.34 201	0.34 160	0.34 240	0.34 190	0.34 229	0.34 181	0.34 233	0.34 186	0.34 234	0.34 192	0.34 232	0.34 193	0.34 234	0.34 187	0.34 210	0.34 199	0.34 241	0.34 182	0.34 230

GCAP-BAT	0.33 168	0.78 203	0.32 188	0.38 171	0.25 187	0.34 190	0.25 179	0.34 181	0.26 192	0.34 186	0.25 188	0.35 193	0.26 191	0.35 195	0.27 188	0.36 200	0.30 195	0.32 184	0.24 182	0.32 172	0.26 176

MyStereo04	0.56 257	3.72 412	0.59 280	0.49 227	0.41 271	0.36 197	0.32 211	0.37 194	0.31 217	0.34 186	0.46 284	0.35 193	0.32 222	0.35 195	0.33 221	0.49 261	0.45 249	0.34 199	0.32 232	0.35 194	0.43 266

FENet	0.54 251	1.52 332	1.19 349	1.41 387	0.23 180	0.35 194	0.23 171	0.35 184	0.23 172	0.34 186	0.23 176	0.35 193	0.23 176	0.35 195	0.23 172	1.40 403	1.07 333	0.32 184	0.23 174	0.33 178	0.23 159

MLCV	0.31 157	0.35 121	0.27 168	0.35 161	0.28 200	0.35 194	0.27 190	0.35 184	0.28 200	0.36 193	0.27 198	0.35 193	0.27 199	0.35 195	0.27 188	0.34 187	0.27 173	0.34 199	0.27 199	0.34 182	0.27 183

iResNet_ROB	0.28 148	0.32 118	0.24 158	0.32 155	0.25 187	0.32 186	0.24 176	0.32 174	0.24 174	0.33 184	0.24 182	0.35 193	0.24 179	0.33 191	0.24 176	0.31 181	0.24 164	0.32 184	0.24 182	0.32 172	0.24 169

ETE_ROB	0.35 176	0.35 121	0.35 208	0.35 161	0.35 243	0.35 194	0.35 234	0.35 184	0.35 236	0.35 190	0.35 242	0.35 193	0.35 237	0.35 195	0.35 236	0.35 196	0.35 211	0.35 212	0.35 247	0.35 194	0.35 236

RSM	0.36 180	0.36 124	0.43 239	0.37 168	0.42 280	0.49 273	0.42 270	0.37 194	0.28 200	0.36 193	0.29 207	0.36 199	0.30 216	0.37 205	0.28 194	0.34 187	0.31 199	0.34 199	0.35 247	0.40 222	0.29 201

Any-RAFT	0.32 165	0.36 124	0.27 168	0.36 165	0.27 197	0.36 197	0.27 190	0.36 188	0.27 197	0.36 193	0.27 198	0.36 199	0.27 199	0.36 201	0.28 194	0.36 200	0.28 178	0.36 217	0.28 203	0.36 200	0.28 196

IGEV-Stereo	0.35 176	0.44 154	0.45 243	0.49 227	0.30 215	0.37 202	0.30 206	0.36 188	0.30 214	0.36 193	0.29 207	0.36 199	0.29 210	0.36 201	0.30 210	0.46 249	0.39 228	0.32 184	0.24 182	0.32 172	0.25 170
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HGLStereo	0.28 148	0.29 115	0.22 149	0.36 165	0.22 175	0.36 197	0.21 159	0.36 188	0.21 163	0.42 233	0.21 171	0.36 199	0.22 170	0.36 201	0.21 164	0.34 187	0.21 154	0.34 199	0.21 166	0.34 182	0.21 154

DMCA	0.36 180	0.38 128	0.37 213	0.35 161	0.35 243	0.36 197	0.36 240	0.36 188	0.35 236	0.35 190	0.37 251	0.36 199	0.36 240	0.35 195	0.36 239	0.36 200	0.36 213	0.35 212	0.36 253	0.36 200	0.36 237

DN-CSS_ROB	0.31 157	0.35 121	0.28 172	0.35 161	0.28 200	0.34 190	0.27 190	0.34 181	0.25 179	0.35 190	0.27 198	0.36 199	0.26 191	0.34 193	0.28 194	0.35 196	0.28 178	0.34 199	0.28 203	0.34 182	0.27 183

EKT-Stereo	0.37 185	0.40 136	0.44 241	1.07 310	0.29 206	0.34 190	0.31 210	0.36 188	0.29 204	0.38 199	0.31 221	0.37 205	0.30 216	0.36 201	0.29 203	0.34 187	0.28 178	0.39 236	0.30 222	0.37 202	0.30 211

XPNet_ROB	0.37 185	0.37 126	0.37 213	0.37 168	0.37 252	0.37 202	0.37 245	0.37 194	0.37 246	0.37 198	0.37 251	0.37 205	0.37 244	0.37 205	0.37 247	0.37 204	0.37 215	0.37 219	0.37 255	0.37 202	0.37 241

WAO-8	0.38 191	0.38 128	0.38 216	0.38 171	0.38 259	0.38 206	0.38 251	0.38 199	0.38 250	0.38 199	0.38 256	0.38 207	0.38 248	0.38 207	0.38 250	0.38 211	0.38 221	0.38 226	0.37 255	0.38 211	0.38 245

WAO-7	0.38 191	0.38 128	0.38 216	0.38 171	0.38 259	0.38 206	0.38 251	0.38 199	0.38 250	0.38 199	0.38 256	0.38 207	0.38 248	0.38 207	0.38 250	0.38 211	0.38 221	0.38 226	0.38 264	0.38 211	0.38 245

HanzoNet	0.39 199	0.38 128	0.40 225	0.39 176	0.41 271	0.38 206	0.38 251	0.38 199	0.38 250	0.39 204	0.39 260	0.38 207	0.38 248	0.39 214	0.40 259	0.38 211	0.38 221	0.40 240	0.38 264	0.38 211	0.40 251

DISCO	1.11 343	0.39 134	5.28 476	0.39 176	0.20 167	0.39 212	0.27 190	0.39 203	0.22 166	0.38 199	0.20 167	0.38 207	0.20 165	6.95 487	0.22 166	0.30 178	0.21 154	0.27 171	0.21 166	5.25 468	0.21 154

1test111	0.37 185	1.02 248	0.30 178	0.39 176	0.29 206	0.40 213	0.28 195	0.39 203	0.29 204	0.39 204	0.29 207	0.39 211	0.28 205	0.40 217	0.29 203	0.33 184	0.32 201	0.33 192	0.31 228	0.32 172	0.31 216

cc1	0.37 185	1.02 248	0.30 178	0.39 176	0.29 206	0.40 213	0.28 195	0.39 203	0.29 204	0.39 204	0.29 207	0.39 211	0.28 205	0.40 217	0.29 203	0.33 184	0.32 201	0.33 192	0.31 228	0.32 172	0.31 216

Venus	0.38 191	0.38 128	0.38 216	0.38 171	0.38 259	0.37 202	0.38 251	0.37 194	0.37 246	0.41 221	0.37 251	0.39 211	0.37 244	0.38 207	0.38 250	0.37 204	0.38 221	0.38 226	0.37 255	0.37 202	0.38 245

IER	0.88 315	7.04 452	2.23 443	2.75 429	0.28 200	0.43 251	0.25 179	0.39 203	0.25 179	0.41 221	0.27 198	0.39 211	0.25 182	0.40 217	0.28 194	0.37 204	0.28 178	0.37 219	0.25 187	0.37 202	0.25 170

iRaft-Stereo_20w	0.34 170	0.41 143	0.31 184	0.39 176	0.29 206	0.40 213	0.32 211	0.41 222	0.32 220	0.38 199	0.30 218	0.39 211	0.30 216	0.38 207	0.32 215	0.35 196	0.27 173	0.34 199	0.27 199	0.34 182	0.29 201

StereoDRNet-Refined	0.33 168	0.39 134	0.26 167	0.39 176	0.26 195	0.40 213	0.26 187	0.40 207	0.26 192	0.39 204	0.26 194	0.39 211	0.26 191	0.39 214	0.26 187	0.37 204	0.25 165	0.37 219	0.25 187	0.37 202	0.37 241
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
GIP-stereo	0.36 180	0.49 172	0.39 222	0.48 221	0.32 221	0.41 229	0.28 195	0.40 207	0.30 214	0.41 221	0.28 204	0.40 217	0.28 205	0.42 244	0.28 194	0.45 248	0.32 201	0.38 226	0.30 222	0.37 202	0.27 183

DCVSM-stereo	0.36 180	1.89 347	0.22 149	0.40 189	0.22 175	0.40 213	0.22 164	0.40 207	0.22 166	0.40 208	0.22 172	0.40 217	0.22 170	0.40 217	0.22 166	0.28 170	0.21 154	0.28 173	0.21 166	0.28 162	0.20 152

IGEV++	0.34 170	0.43 151	0.30 178	0.40 189	0.29 206	0.40 213	0.29 201	0.40 207	0.29 204	0.40 208	0.29 207	0.40 217	0.29 210	0.40 217	0.30 210	0.38 211	0.29 187	0.37 219	0.29 212	0.37 202	0.29 201

ACVNet-DCA	0.37 185	1.00 238	0.30 178	0.40 189	0.29 206	0.40 213	0.29 201	0.40 207	0.29 204	0.40 208	0.29 207	0.40 217	0.29 210	0.39 214	0.28 194	0.33 184	0.32 201	0.33 192	0.32 232	0.33 178	0.32 220

xx1	0.38 191	1.03 250	0.31 184	0.40 189	0.31 219	0.41 229	0.28 195	0.40 207	0.29 204	0.40 208	0.29 207	0.40 217	0.29 210	0.40 217	0.29 203	0.34 187	0.33 208	0.34 199	0.32 232	0.34 182	0.32 220

IMH	0.38 191	0.38 128	0.38 216	0.38 171	0.38 259	0.38 206	0.38 251	0.38 199	0.38 250	0.42 233	0.38 256	0.40 217	0.38 248	0.38 207	0.38 250	0.38 211	0.38 221	0.39 236	0.38 264	0.38 211	0.38 245

knoymous	0.40 203	0.40 136	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

anonymousa	0.40 203	0.40 136	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

riskmin	0.40 203	0.40 136	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

Anonymous_2	0.40 203	0.40 136	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

Anonymous_1	0.40 203	0.40 136	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251

AdaStereo	0.40 203	0.40 136	0.40 225	0.40 189	0.40 265	0.40 213	0.40 258	0.40 207	0.40 258	0.40 208	0.40 262	0.40 217	0.40 253	0.40 217	0.40 259	0.40 224	0.40 231	0.40 240	0.40 268	0.40 222	0.40 251
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.
RAFT-Test	0.36 180	0.37 126	0.33 193	0.41 199	0.32 221	0.41 229	0.32 211	0.41 222	0.32 220	0.41 221	0.32 222	0.41 229	0.32 222	0.41 231	0.33 221	0.37 204	0.29 187	0.37 219	0.29 212	0.38 211	0.31 216

BUS	0.83 308	1.91 350	0.92 325	4.48 444	0.02 20	0.40 213	0.04 68	0.41 222	0.02 20	0.48 258	0.03 47	0.41 229	0.05 78	0.03 36	0.05 73	1.97 424	4.19 464	0.33 192	0.23 174	0.34 182	0.27 183

CRFU-Net	0.65 266	1.67 336	1.22 399	1.96 405	0.27 197	0.41 229	0.27 190	0.41 222	0.27 197	0.40 208	0.26 194	0.41 229	0.27 199	0.40 217	0.27 188	1.80 418	1.62 422	0.34 199	0.23 174	0.33 178	0.23 159

NINENet	0.69 276	3.87 418	1.20 352	1.98 406	0.05 83	0.40 213	0.04 68	0.40 207	0.05 82	0.41 221	0.04 76	0.41 229	0.05 78	0.40 217	0.05 73	1.79 417	1.56 420	0.34 199	0.22 169	0.34 182	0.23 159

hknet	1.10 341	1.85 344	3.49 466	4.48 444	0.02 20	0.42 247	0.06 89	0.41 222	0.02 20	0.48 258	0.03 47	0.41 229	0.03 47	0.42 244	0.03 42	4.39 453	4.19 464	0.33 192	0.23 174	0.34 182	0.27 183

iRaft-Stereo_5w	0.34 170	0.42 150	0.31 184	0.39 176	0.30 215	0.38 206	0.30 206	0.40 207	0.29 204	0.40 208	0.37 251	0.41 229	0.34 232	0.38 207	0.30 210	0.34 187	0.27 173	0.34 199	0.26 193	0.34 182	0.26 176

GMOStereo	0.37 185	0.45 157	0.23 152	0.30 149	0.37 252	0.41 229	0.36 240	0.41 222	0.35 236	0.43 239	0.36 245	0.41 229	0.40 253	0.41 231	0.36 239	0.34 187	0.22 158	0.47 276	0.37 255	0.39 218	0.33 224

error version	0.93 324	4.47 427	2.35 446	1.99 407	0.37 252	0.41 229	0.36 240	0.41 222	0.35 236	0.43 239	0.36 245	0.41 229	0.40 253	0.41 231	0.36 239	1.87 420	2.16 438	0.47 276	0.37 255	0.39 218	0.33 224

test_1	0.93 324	4.47 427	2.35 446	1.99 407	0.37 252	0.41 229	0.36 240	0.41 222	0.35 236	0.43 239	0.36 245	0.41 229	0.40 253	0.41 231	0.36 239	1.87 420	2.16 438	0.47 276	0.37 255	0.39 218	0.33 224

GwcNet-ADL	0.41 210	0.41 143	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

PSMNet-ADL	0.41 210	0.41 143	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

GANet-ADL	0.41 210	0.41 143	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

ADLNet2	0.41 210	0.41 143	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

ADLNet	0.41 210	0.41 143	0.41 233	0.41 199	0.41 271	0.41 229	0.41 265	0.41 222	0.41 267	0.41 221	0.41 268	0.41 229	0.41 264	0.41 231	0.41 266	0.41 232	0.41 240	0.41 252	0.41 275	0.41 232	0.41 258

GES	0.66 268	2.34 375	0.29 174	0.41 199	0.29 206	0.41 229	0.29 201	0.42 238	0.29 204	0.40 208	0.41 268	0.41 229	0.30 216	0.51 284	0.29 203	0.32 182	0.29 187	0.32 184	2.46 456	2.49 428	0.30 211

Gwc-CoAtRS	0.41 210	1.49 331	0.32 188	0.42 207	0.32 221	0.41 229	0.32 211	0.41 222	0.33 225	0.41 221	0.32 222	0.41 229	0.32 222	0.41 231	0.32 215	0.39 220	0.28 178	0.39 236	0.28 203	0.40 222	0.28 196

HART	0.38 191	0.45 157	0.34 201	0.42 207	0.33 232	0.41 229	0.34 229	0.42 238	0.33 225	0.43 239	0.34 234	0.42 245	0.34 232	0.41 231	0.38 250	0.40 224	0.32 201	0.42 262	0.32 232	0.40 222	0.32 220

LL-Strereo2	0.48 236	1.73 341	0.51 268	0.59 251	0.34 240	0.42 247	0.33 220	0.40 207	0.31 217	0.42 233	0.33 227	0.42 245	0.31 221	0.44 248	0.39 256	0.60 282	0.51 273	0.44 265	0.33 239	0.44 241	0.33 224

DGSMNet	0.34 170	0.41 143	0.27 168	0.41 199	0.28 200	0.41 229	0.28 195	0.41 222	0.27 197	0.41 221	0.27 198	0.42 245	0.27 199	0.41 231	0.28 194	0.40 224	0.29 187	0.40 240	0.28 203	0.40 222	0.27 183

UCFNet_RVC	2.75 447	10.06 474	0.29 174	10.31 490	0.29 206	0.42 247	0.29 201	0.43 242	0.29 204	0.42 233	0.29 207	0.42 245	9.87 490	0.43 246	0.29 203	0.36 200	9.84 490	0.36 217	0.26 193	9.77 489	0.26 176

RAFT-Stereo-weight	0.45 223	1.90 349	0.34 201	0.42 207	0.36 249	0.43 251	0.35 234	0.42 238	0.34 233	0.42 233	0.34 234	0.44 249	0.34 232	0.41 231	0.34 234	0.38 211	0.32 201	0.38 226	0.32 232	0.38 211	0.33 224

RCA-Stereo	0.51 247	3.22 401	0.34 201	0.44 210	0.34 240	0.44 253	0.34 229	0.43 242	0.34 233	0.43 239	0.34 234	0.44 249	0.33 228	0.43 246	0.33 221	0.38 211	0.29 187	0.38 226	0.29 212	0.38 211	0.29 201

GREAT-IGEV	0.38 191	0.43 151	0.36 210	0.48 221	0.32 221	0.45 254	0.32 211	0.45 244	0.32 220	0.45 244	0.32 222	0.45 251	0.32 222	0.45 251	0.32 215	0.44 247	0.33 208	0.41 252	0.29 212	0.41 232	0.29 201

mms	0.40 203	0.45 157	0.35 208	0.48 221	0.36 249	0.47 263	0.34 229	0.45 244	0.38 250	0.47 252	0.33 227	0.45 251	0.32 222	0.45 251	0.32 215	0.39 220	0.38 221	0.38 226	0.37 255	0.39 218	0.39 249

fffy	0.38 191	0.43 151	0.33 193	0.46 212	0.33 232	0.45 254	0.32 211	0.45 244	0.32 220	0.45 244	0.32 222	0.45 251	0.33 228	0.45 251	0.32 215	0.38 211	0.38 221	0.38 226	0.37 255	0.37 202	0.36 237

Former-RAFT_DAM_RVC	0.49 240	0.98 235	0.64 288	0.84 280	0.46 287	0.45 254	0.35 234	0.47 252	0.47 282	0.45 244	0.34 234	0.46 254	0.48 285	0.46 254	0.35 236	0.39 220	0.71 303	0.39 236	0.35 247	0.41 232	0.41 258

otaku	0.46 226	0.46 161	0.46 247	0.46 212	0.46 287	0.46 259	0.46 278	0.46 247	0.46 277	0.46 247	0.46 284	0.46 254	0.46 276	0.46 254	0.46 279	0.46 249	0.46 251	0.46 272	0.46 287	0.46 246	0.46 272

Dean	0.46 226	0.46 161	0.46 247	0.46 212	0.46 287	0.46 259	0.46 278	0.46 247	0.46 277	0.47 252	0.46 284	0.46 254	0.46 276	0.46 254	0.46 279	0.46 249	0.46 251	0.46 272	0.46 287	0.46 246	0.46 272

ACVNet_1	0.46 226	0.47 165	0.46 247	0.46 212	0.46 287	0.46 259	0.46 278	0.46 247	0.47 282	0.46 247	0.46 284	0.46 254	0.46 276	0.46 254	0.46 279	0.46 249	0.46 251	0.47 276	0.46 287	0.46 246	0.46 272

ACVNet-4b	0.46 226	0.46 161	0.46 247	0.46 212	0.46 287	0.46 259	0.46 278	0.46 247	0.46 277	0.46 247	0.46 284	0.46 254	0.46 276	0.47 258	0.46 279	0.46 249	0.46 251	0.46 272	0.46 287	0.46 246	0.46 272

ccccc		0.44 154		0.48 221	0.35 243	0.48 268		0.51 277		0.47 252		0.47 259		0.47 258		0.41 232	0.40 231	0.40 240	0.40 268	0.41 232

Ntro	0.47 232	0.47 165	0.46 247	0.46 212	0.46 287	0.47 263	0.47 283	0.46 247	0.47 282	0.46 247	0.46 284	0.47 259	0.46 276	0.47 258	0.47 285	0.47 254	0.46 251	0.46 272	0.46 287	0.46 246	0.46 272

HaxPig	0.47 232	0.47 165	0.47 252	0.49 227	0.47 293	0.47 263	0.47 283	0.47 252	0.47 282	0.47 252	0.47 292	0.47 259	0.47 284	0.47 258	0.47 285	0.47 254	0.47 258	0.47 276	0.47 294	0.47 253	0.48 280

UNDER WATER	0.47 232	0.47 165	0.47 252	0.47 218	0.47 293	0.47 263	0.47 283	0.47 252	0.47 282	0.47 252	0.47 292	0.47 259	0.46 276	0.47 258	0.47 285	0.47 254	0.47 258	0.47 276	0.46 287	0.47 253	0.47 278

LVE	0.47 232	0.47 165	0.47 252	0.47 218	0.49 299	0.47 263	0.47 283	0.47 252	0.49 291	0.47 252	0.47 292	0.47 259	0.46 276	0.47 258	0.47 285	0.47 254	0.47 258	0.48 284	0.47 294	0.47 253	0.47 278

CES	0.39 199	0.47 165	0.36 210	0.36 165	0.37 252	0.45 254	0.35 234	0.35 184	0.40 258	0.36 193	0.44 279	0.47 259	0.36 240	0.44 248	0.36 239	0.37 204	0.39 228	0.44 265	0.35 247	0.37 202	0.36 237

SCV_C0	0.45 223	0.88 216	0.49 260	0.54 243	0.37 252	0.48 268	0.37 245	0.48 256	0.37 246	0.48 258	0.36 245	0.48 265	0.37 244	0.49 271	0.37 247	0.50 267	0.41 240	0.44 265	0.34 241	0.44 241	0.34 230

SCV	0.46 226	0.94 230	0.45 243	0.54 243	0.37 252	0.48 268	0.38 251	0.48 256	0.37 246	0.48 258	0.39 260	0.48 265	0.37 244	0.49 271	0.37 247	0.50 267	0.46 251	0.44 265	0.34 241	0.44 241	0.34 230

RainbowNet	0.48 236	0.48 171	0.48 256	0.48 221	0.48 297	0.48 268	0.48 292	0.48 256	0.48 289	0.48 258	0.48 296	0.48 265	0.48 285	0.48 265	0.48 291	0.48 258	0.48 261	0.48 284	0.48 297	0.48 256	0.48 280

notaker	0.48 236	0.49 172	0.48 256	0.48 221	0.48 297	0.48 268	0.48 292	0.48 256	0.49 291	0.48 258	0.48 296	0.48 265	0.48 285	0.48 265	0.48 291	0.48 258	0.48 261	0.48 284	0.48 297	0.48 256	0.49 285

UGAM	0.51 247	2.23 371	0.39 222	0.54 243	0.35 243	0.50 281	0.35 234	0.49 260	0.35 236	0.49 265	0.35 242	0.49 269	0.36 240	0.50 278	0.36 239	0.49 261	0.37 215	0.45 269	0.34 241	0.45 245	0.34 230

GCST	0.50 242	2.08 360	0.38 216	0.53 241	0.35 243	0.49 273	0.35 234	0.50 268	0.35 236	0.49 265	0.35 242	0.49 269	0.35 237	0.49 271	0.35 236	0.48 258	0.37 215	0.45 269	0.33 239	0.44 241	0.33 224

gcap-zeroshot	0.35 176	0.32 118	0.37 213	0.49 227	0.39 264	0.33 188	0.21 159	0.26 162	0.35 236	0.42 233	0.34 234	0.49 269	0.29 210	0.47 258	0.39 256	0.34 187	0.17 142	0.38 226	0.23 174	0.48 256	0.34 230

MyStereo07	0.60 259	3.72 412	0.48 256	0.49 227	0.41 271	0.36 197	0.32 211	0.49 260	0.43 272	0.51 281	0.42 275	0.49 269	0.43 270	0.51 284	0.64 313	0.49 261	0.45 249	0.34 199	0.32 232	0.35 194	0.43 266

TorneroNet	0.66 268	0.53 185	0.50 263	0.50 234	0.64 325	1.06 347	0.70 323	0.50 268	0.51 301	0.49 265	0.69 330	0.49 269	0.50 293	0.48 265	1.15 366	0.71 300	0.49 264	1.14 359	1.08 362	0.49 259	0.49 285

ACVNet_2	0.49 240	0.49 172	0.49 260	0.49 227	0.49 299	0.49 273	0.49 294	0.49 260	0.49 291	0.49 265	0.49 299	0.49 269	0.49 290	0.49 271	0.49 293	0.49 261	0.49 264	0.49 288	0.49 300	0.49 259	0.49 285

PCWNet_CMD	2.80 449	9.82 472	0.32 188	10.09 489	0.32 221	0.49 273	0.33 220	3.34 451	0.33 225	0.49 265	0.33 227	0.49 269	8.73 486	0.48 265	0.33 221	0.41 232	9.22 485	0.42 262	0.29 212	9.55 488	0.31 216

CFNet_ucs	2.73 446	9.64 471	0.33 193	9.92 487	0.32 221	0.49 273	0.33 220	0.49 260	0.33 225	0.49 265	0.33 227	0.49 269	8.98 488	0.48 265	0.33 221	0.41 232	9.96 491	0.40 240	0.29 212	10.12 491	0.54 296

CFNet_pseudo	2.67 445	9.36 469	0.32 188	10.99 491	0.33 232	0.85 325	0.33 220	0.49 260	0.33 225	0.49 265	0.32 222	0.49 269	7.26 484	0.49 271	0.33 221	0.41 232	9.62 488	0.41 252	0.29 212	10.03 490	0.29 201

pcwnet_v2	2.66 444	9.89 473	0.33 193	9.89 486	0.32 221	0.50 281	0.32 211	0.49 260	0.33 225	0.49 265	0.34 234	0.49 269	8.76 487	0.48 265	0.33 221	0.41 232	9.58 487	0.40 240	0.29 212	9.01 486	0.63 310

ccnet	0.80 296	2.28 373	0.33 193	0.50 234	0.33 232	0.50 281	0.33 220	0.50 268	0.33 225	0.49 265	0.33 227	0.49 269	1.56 426	2.38 439	0.33 221	0.41 232	0.29 187	0.42 262	1.57 435	2.28 424	0.29 201

psmorigin	0.41 210	0.46 161	0.33 193	0.49 227	0.33 232	0.49 273	0.33 220	0.49 260	0.33 225	0.49 265	0.33 227	0.49 269	0.33 228	0.51 284	0.33 221	0.41 232	0.30 195	0.41 252	0.30 222	0.79 299	0.29 201

MSMDNet	2.65 443	10.14 475	0.33 193	9.74 485	0.32 221	0.87 327	0.33 220	2.95 447	0.68 320	0.49 265	0.34 234	0.49 269	5.70 480	0.49 271	0.33 221	0.42 246	9.57 486	0.41 252	0.31 228	8.36 483	0.65 312

ccs_rob	2.79 448	10.17 476	0.32 188	10.00 488	0.33 232	0.49 273	0.33 220	1.90 421	0.32 220	0.51 281	0.33 227	0.49 269	9.24 489	0.49 271	0.33 221	0.41 232	9.82 489	0.41 252	0.28 203	9.34 487	0.29 201

FoundationStereo	0.50 242	0.50 175	0.50 263	0.50 234	0.50 302	0.50 281	0.50 296	0.50 268	0.50 294	0.50 277	0.50 301	0.50 283	0.50 293	0.50 278	0.50 294	0.50 267	0.50 269	0.50 291	0.50 302	0.50 263	0.50 288

StereoAnything_RVC	0.50 242	0.50 175	0.50 263	0.50 234	0.50 302	0.50 281	0.50 296	0.50 268	0.50 294	0.50 277	0.50 301	0.50 283	0.50 293	0.50 278	0.50 294	0.50 267	0.50 269	0.50 291	0.50 302	0.50 263	0.50 288

dual_stereo	0.50 242	0.50 175	0.50 263	0.50 234	0.50 302	0.50 281	0.50 296	0.50 268	0.50 294	0.50 277	0.50 301	0.50 283	0.50 293	0.50 278	0.50 294	0.50 267	0.50 269	0.50 291	0.50 302	0.50 263	0.50 288

UGAM-zero	0.51 247	2.17 368	0.39 222	0.53 241	0.36 249	0.50 281	0.36 240	0.50 268	0.36 245	0.49 265	0.36 245	0.50 283	0.35 237	0.50 278	0.36 239	0.49 261	0.37 215	0.47 276	0.35 247	0.46 246	0.34 230

FCDSN-DC	0.41 210	0.59 191	0.64 288	0.54 243	0.33 232	0.50 281	0.37 245	0.42 238	0.40 258	0.61 298	0.43 277	0.50 283	0.49 290	0.38 207	0.32 215	0.28 170	0.23 162	0.26 167	0.22 169	0.35 194	0.28 196
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SANet	0.50 242	0.50 175	0.50 263	0.50 234	0.50 302	0.50 281	0.50 296	0.50 268	0.50 294	0.50 277	0.50 301	0.50 283	0.50 293	0.50 278	0.50 294	0.50 267	0.50 269	0.50 291	0.50 302	0.50 263	0.50 288

fffft	0.48 236	0.51 181	0.45 243	0.52 240	0.45 285	0.52 290	0.45 276	0.52 279	0.48 289	0.53 286	0.45 282	0.52 289	0.45 273	0.52 287	0.46 279	0.51 273	0.41 240	0.50 291	0.41 275	0.50 263	0.41 258
1: 1. 1
PAM_32	0.64 265	2.38 377	0.51 268	0.92 290	0.43 282	0.53 291	0.44 273	0.87 317	0.43 272	0.52 284	0.45 282	0.53 290	0.40 253	0.54 289	0.46 279	0.62 288	0.56 280	0.48 284	0.45 285	0.76 295	0.44 269

Occ-G	1.12 344	0.52 183	3.72 469	3.50 438	0.50 302	0.56 295	0.47 283	0.54 281	0.46 277	0.54 288	0.41 268	0.54 291	0.42 269	0.52 287	0.42 271	3.42 447	4.02 463	0.52 298	0.45 285	0.51 269	0.44 269

MyStereo06	0.75 285	4.12 420	0.60 282	0.63 256	0.61 321	0.62 305	0.66 315	0.56 283	0.45 276	0.55 291	0.48 296	0.54 291	0.46 276	0.57 296	0.45 275	0.60 282	0.57 282	0.64 309	0.55 308	0.72 290	0.55 300

iRaftStereo_RVC	0.97 328	3.17 400	2.30 445	2.42 423	0.38 259	0.54 293	0.38 251	0.54 281	0.38 250	0.54 288	0.38 256	0.54 291	0.38 248	0.54 289	0.38 250	2.38 438	2.34 442	0.49 288	0.36 253	0.49 259	0.36 237

PSMNet_ROB	0.54 251	0.54 188	0.54 275	0.54 243	0.53 311	0.54 293	0.54 304	0.53 280	0.54 304	0.54 288	0.54 311	0.54 291	0.53 300	0.54 289	0.54 304	0.54 277	0.53 276	0.54 300	0.54 307	0.54 273	0.54 296

AIO-Stereo-zeroshot1	0.75 285	0.92 227	0.85 317	0.96 300	0.59 316	1.27 410	0.44 273	0.59 289	0.69 323	0.91 330	0.68 327	0.55 295	0.61 308	1.06 350	0.83 341	0.62 288	0.70 299	0.90 339	0.41 275	0.89 312	0.56 303

AEACV	1.12 344	0.52 183	3.12 463	3.24 434	0.86 349	0.53 291	0.49 294	0.60 291	0.47 282	0.53 286	0.49 299	0.55 295	0.45 273	0.55 292	0.47 285	3.01 443	3.88 461	0.71 318	0.60 315	0.80 302	0.48 280

Selective-IGEV	0.51 247	0.55 190	0.45 243	0.69 263	0.45 285	0.61 302	0.45 276	0.50 268	0.40 258	0.56 293	0.44 279	0.55 295	0.40 253	0.72 313	0.67 318	0.59 281	0.46 251	0.45 269	0.34 241	0.46 246	0.37 241

CFNet_RVC	2.38 437	8.71 464	0.38 216	9.33 482	0.42 280	0.56 295	0.42 270	0.60 291	0.38 250	0.62 301	0.42 275	0.56 298	7.29 485	0.62 300	0.42 271	0.53 276	0.37 215	0.49 288	0.34 241	8.30 482	6.87 488

MyStereo8	0.71 279	3.92 419	0.52 271	0.59 251	0.52 308	0.57 299	0.53 302	0.59 289	0.50 294	0.59 297	0.51 307	0.57 299	0.50 293	0.56 293	0.52 301	0.54 277	0.49 264	0.54 300	0.49 300	0.55 274	0.50 288

PML	0.46 226	1.36 329	0.29 174	0.58 249	0.30 215	0.57 299	0.29 201	0.57 285	0.29 204	0.57 294	0.29 207	0.57 299	0.29 210	0.56 293	0.29 203	0.52 275	0.30 195	0.53 299	0.31 228	0.53 272	0.30 211

CASS	0.57 258	0.89 219	0.56 277	0.57 248	0.56 314	0.56 295	0.56 305	0.56 283	0.53 302	0.57 294	0.57 313	0.59 301	0.48 285	0.56 293	0.57 307	0.55 279	0.56 280	0.47 276	0.56 311	0.62 279	0.56 303
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PA-Net	11.80 490	223.51 517	0.62 285	0.59 251	0.71 337	0.59 301	0.73 328	0.67 300	0.73 333	0.55 291	0.61 317	0.60 302	0.74 326	0.63 304	0.73 330	0.66 293	0.60 284	0.69 315	0.66 322	0.72 290	0.65 312
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test2	0.55 255	0.59 191	0.52 271	0.67 262	0.47 293	0.61 302	0.47 283	0.61 293	0.47 282	0.61 298	0.47 292	0.61 303	0.48 285	0.62 300	0.47 285	0.64 290	0.53 276	0.58 303	0.47 294	0.58 276	0.48 280

AIO-test1	0.54 251	0.60 193	0.52 271	0.66 261	0.47 293	0.61 302	0.47 283	0.58 287	0.46 277	0.61 298	0.46 284	0.61 303	0.45 273	0.62 300	0.45 275	0.61 285	0.52 274	0.57 302	0.48 297	0.57 275	0.48 280

MonSter	0.60 259	0.64 196	0.52 271	0.62 255	0.44 283	2.07 433	0.44 273	0.62 294	0.44 275	0.62 301	0.44 279	0.62 305	0.44 271	0.62 300	0.44 274	0.58 280	0.42 247	0.62 306	0.46 287	0.58 276	0.42 265

DispNO	1.00 331	0.63 194	0.43 239	3.45 437	0.44 283	0.65 308	0.43 272	0.64 296	0.43 272	0.64 304	0.43 277	0.64 306	3.03 449	0.64 305	0.43 273	4.55 455	0.43 248	0.63 308	0.43 283	0.63 280	0.43 266

CFNet-RSSM	0.91 318	4.89 431	0.34 201	0.44 210	1.07 370	1.62 424	1.40 431	0.91 323	0.35 236	1.60 417	1.39 430	0.64 306	0.34 232	0.44 248	0.33 221	0.41 232	0.35 211	0.75 321	0.30 222	0.41 232	0.29 201

DSFCA	0.66 268	0.73 201	0.78 310	0.65 258	0.65 327	0.64 307	0.64 312	0.65 297	0.63 314	0.64 304	0.64 321	0.64 306	0.64 310	0.65 306	0.65 314	0.65 291	0.65 292	0.65 312	0.65 320	0.66 282	0.64 311

WCG-NET	0.61 261	1.21 318	0.54 275	0.61 254	0.53 311	0.67 310	0.53 302	0.66 299	0.53 302	0.64 304	0.53 310	0.65 309	0.53 300	0.59 298	0.52 301	0.65 291	0.48 261	0.64 309	0.52 306	0.58 276	0.50 288

MyStereo05	0.80 296	4.12 420	0.63 286	0.63 256	0.61 321	0.62 305	0.66 315	0.65 297	0.62 312	0.67 308	0.61 317	0.65 309	0.58 305	0.67 309	0.55 306	0.60 282	0.57 282	0.64 309	0.55 308	0.72 290	0.55 300

LMCR-Stereo	0.65 266	0.63 194	0.65 291	0.65 258	0.65 327	0.66 309	0.63 311	0.58 287	0.65 316	0.63 303	0.64 321	0.65 309	0.65 312	0.66 307	0.66 317	0.66 293	0.64 291	0.65 312	0.67 325	0.68 284	0.73 325

ktn	0.72 282	0.53 185	1.08 338	1.14 318	0.51 307	1.22 407	1.36 425	0.51 277	0.59 308	0.51 281	0.51 307	0.69 312	1.20 365	0.67 309	0.51 299	0.51 273	0.49 264	0.58 303	0.66 322	0.52 270	0.53 295

TorneroNet-64	0.45 223	0.27 110	0.30 178	0.58 249	0.27 197	0.70 312	0.30 206	0.28 165	0.73 333	0.73 313	0.28 204	0.71 313	0.66 315	0.75 317	0.27 188	0.27 168	0.29 187	0.37 219	0.75 336	0.28 162	0.30 211

anonymity	0.63 263	0.69 198	0.56 277	0.71 267	0.56 314	0.71 314	0.56 305	0.71 305	0.56 305	0.72 312	0.56 312	0.71 313	0.56 304	0.71 312	0.58 308	0.68 295	0.55 278	0.68 314	0.55 308	0.68 284	0.54 296

DMCA-RVC	0.70 277	0.80 206	0.70 298	0.70 265	0.70 336	0.70 312	0.70 323	0.71 305	0.70 326	0.70 311	0.71 334	0.71 313	0.70 320	0.70 311	0.69 325	0.69 296	0.70 299	0.69 315	0.70 330	0.69 288	0.70 318

SMoEStereo_RVC	0.63 263	0.75 202	0.51 268	0.73 269	0.53 311	0.71 314	0.47 283	0.67 300	0.58 307	0.74 317	0.60 314	0.72 316	0.53 300	0.74 316	0.51 299	0.61 285	0.62 289	0.62 306	0.61 317	0.63 280	0.61 306

AIO-Stereo-zeroshot	0.91 318	0.86 213	0.89 318	1.25 377	0.69 335	1.05 346	0.81 338	1.16 346	0.50 294	1.12 354	0.97 356	0.72 316	0.82 335	1.06 350	0.95 350	0.61 285	0.87 320	1.03 356	0.85 348	1.04 328	1.01 355

test-3	0.98 330	4.13 422	1.85 434	1.85 399	0.61 321	0.69 311	0.37 245	0.63 295	0.61 311	0.66 307	0.51 307	0.73 318	0.44 271	0.57 296	0.54 304	1.68 415	1.81 432	0.40 240	0.43 283	0.66 282	0.50 288

iGMRVC	0.84 311	2.85 393	0.72 302	0.72 268	0.73 340	0.77 317	0.79 333	0.73 307	0.74 335	0.73 313	0.72 336	0.73 318	0.76 329	0.73 314	0.73 330	0.72 301	0.73 305	0.73 319	0.72 334	0.73 293	0.72 322

HH	0.71 279	2.54 380	0.74 305	1.10 312	0.32 221	0.41 229	0.37 245	0.69 302	0.78 336	0.73 313	0.90 348	0.75 320	1.00 344	0.84 324	0.69 325	0.69 296	0.40 231	0.35 212	0.26 193	0.35 194	0.26 176

HanStereo	0.71 279	2.54 380	0.74 305	1.10 312	0.32 221	0.41 229	0.37 245	0.69 302	0.78 336	0.73 313	0.90 348	0.75 320	1.00 344	0.84 324	0.69 325	0.69 296	0.40 231	0.35 212	0.26 193	0.35 194	0.26 176

ARAFT	0.68 273	0.81 209	0.63 286	0.74 270	0.60 317	0.78 319	0.62 310	0.77 309	0.66 318	0.74 317	0.63 319	0.75 320	0.62 309	0.83 323	0.60 310	0.70 299	0.55 278	0.70 317	0.60 315	0.78 297	0.55 300

GCAP-Stereo	0.75 285	4.15 423	0.42 238	0.75 271	0.35 243	0.78 319	0.40 258	0.79 310	0.38 250	0.78 320	0.36 245	0.78 323	0.36 240	0.79 319	0.39 256	0.75 303	0.39 228	0.76 323	0.39 267	0.75 294	0.39 249

test_xeample3	1.10 341	1.81 342	0.61 284	0.84 280	0.49 299	0.77 317	0.66 315	0.92 326	1.40 433	0.68 310	0.46 284	0.78 323	0.54 303	1.72 422	1.48 431	1.34 398	1.52 418	1.35 422	1.67 439	1.33 397	1.55 434

G-Net	0.79 294	0.79 205	0.79 313	0.79 273	0.79 345	0.79 321	0.79 333	0.79 310	0.79 339	0.79 321	0.79 343	0.79 325	0.79 332	0.79 319	0.79 335	0.79 306	0.79 312	0.79 326	0.79 340	0.79 299	0.79 332

RAFT-Stereo + iAFF	0.70 277	0.72 200	0.71 301	0.80 275	0.62 324	0.82 324	0.61 309	0.81 315	0.62 312	0.81 324	0.63 319	0.80 326	0.70 320	0.73 314	0.61 312	0.76 304	0.61 288	0.74 320	0.61 317	0.77 296	0.61 306

NaN_ROB	0.80 296	0.80 206	0.80 314	0.80 275	0.80 347	0.80 322	0.80 336	0.80 312	0.80 340	0.80 322	0.80 344	0.80 326	0.80 333	0.80 321	0.80 337	0.80 307	0.80 315	0.80 329	0.80 342	0.80 302	0.80 333

CSAN	0.80 296	0.80 206	0.80 314	0.80 275	0.80 347	0.80 322	0.80 336	0.80 312	0.80 340	0.80 322	0.80 344	0.80 326	0.80 333	0.80 321	0.80 337	0.80 307	0.80 315	0.80 329	0.80 342	0.80 302	0.80 333

AFF-stereo	0.73 283	0.88 216	0.67 295	0.75 271	0.68 334	0.75 316	0.64 312	0.80 312	0.72 330	0.83 325	0.70 331	0.82 329	0.64 310	0.84 324	0.67 318	0.77 305	0.63 290	0.81 331	0.63 319	0.78 297	0.62 309

Selective-RAFT-Error	0.88 315	0.84 212	0.98 330	0.86 283	0.97 361	0.88 328	0.95 349	0.84 316	0.99 359	0.92 332	0.82 346	0.84 330	0.98 343	0.87 328	0.97 352	0.81 310	0.83 318	0.79 326	0.82 345	0.79 299	0.85 338

RSM++	0.76 289	0.82 211	0.66 292	0.85 282	0.64 325	0.85 325	0.71 326	0.94 330	0.64 315	0.87 326	0.67 326	0.87 331	0.65 312	0.84 324	0.65 314	0.81 310	0.70 299	0.79 326	0.71 333	0.83 307	0.70 318

DCRE	0.84 311	1.89 347	0.77 309	0.94 295	0.72 339	0.88 328	0.73 328	0.87 317	0.78 336	0.90 328	0.71 334	0.88 332	0.67 317	0.88 329	0.73 330	0.81 310	0.68 294	0.81 331	0.70 330	0.82 306	0.70 318

UDG	0.80 296	2.21 370	0.60 282	0.91 287	0.60 317	0.90 331	0.58 307	0.88 320	0.60 309	0.90 328	0.60 314	0.88 332	0.60 307	0.90 332	0.58 308	0.86 317	0.60 284	0.84 335	0.59 314	0.84 308	0.61 306

4D-IteraStereo	0.78 293	3.13 398	0.89 318	0.69 263	0.32 221	0.40 213	0.32 211	0.76 308	0.97 357	0.52 284	0.65 323	0.89 334	0.32 222	0.76 318	0.98 353	0.83 313	0.94 325	0.35 212	0.27 199	0.70 289	0.89 341

MoCha-V2	2.11 422	26.97 495	0.78 310	0.92 290	0.77 343	0.96 338	0.72 327	0.90 321	0.72 330	0.94 336	0.70 331	0.90 335	0.71 324	0.91 333	0.71 329	0.85 316	0.71 303	0.88 338	0.69 328	0.87 310	0.67 315

Selective-RAFT	0.89 317	0.89 219	0.72 302	1.16 325	0.78 344	1.06 347	0.82 339	0.87 317	0.97 357	1.00 340	0.91 351	0.90 335	1.00 344	0.89 331	0.93 349	0.83 313	0.83 318	0.82 333	0.82 345	0.81 305	0.82 336

DDUNet	0.81 301	2.45 378	0.57 279	0.90 285	0.60 317	0.88 328	0.59 308	0.90 321	0.60 309	0.88 327	0.60 314	0.90 335	0.58 305	0.88 329	0.60 310	0.84 315	0.60 284	0.86 337	0.57 312	0.86 309	0.60 305

DPSM_ROB	0.92 320	0.91 222	0.91 323	0.91 287	0.92 356	0.92 333	0.92 345	0.92 326	0.91 347	0.93 334	0.91 351	0.92 338	0.90 337	0.91 333	0.92 345	0.92 321	0.91 321	0.91 341	0.92 349	0.93 318	0.93 345

DPSM	0.92 320	0.91 222	0.91 323	0.91 287	0.92 356	0.92 333	0.92 345	0.92 326	0.91 347	0.93 334	0.91 351	0.92 338	0.90 337	0.91 333	0.92 345	0.92 321	0.91 321	0.91 341	0.92 349	0.93 318	0.93 345

pmcnn	0.92 320	0.92 227	0.92 325	0.92 290	0.92 356	0.92 333	0.92 345	0.92 326	0.92 351	0.92 332	0.92 354	0.92 338	0.92 339	0.92 337	0.92 345	0.92 321	0.92 323	0.92 343	0.92 349	0.92 317	0.92 344

DGTPSM_ROB	0.93 324	1.00 238	0.92 325	0.94 295	0.96 360	0.91 332	0.92 345	0.91 323	0.96 356	0.91 330	0.96 355	0.93 341	0.92 339	0.94 338	0.92 345	0.92 321	0.92 323	0.90 339	0.92 349	0.94 320	0.91 343

ToySt	0.92 320	2.11 363	0.90 321	0.95 297	0.79 345	0.99 340	0.78 332	0.94 330	0.81 343	0.94 336	0.78 342	0.95 342	0.77 330	0.94 338	0.86 343	0.91 319	0.79 312	0.85 336	0.77 337	0.89 312	0.73 325

R-Stereo Train	0.81 301	0.96 232	0.67 295	0.95 297	0.67 331	0.95 336	0.68 320	0.95 332	0.68 320	0.95 338	0.68 327	0.96 343	0.68 318	0.96 342	0.68 321	0.94 325	0.68 294	0.94 344	0.68 326	0.94 320	0.68 316

RAFT-Stereo	0.81 301	0.96 232	0.67 295	0.95 297	0.67 331	0.95 336	0.68 320	0.95 332	0.68 320	0.95 338	0.68 327	0.96 343	0.68 318	0.96 342	0.68 321	0.94 325	0.68 294	0.94 344	0.68 326	0.94 320	0.68 316
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
999	1.00 331	1.12 263	0.59 280	1.10 312	1.21 427	1.09 352	0.52 301	1.08 339	1.43 435	1.18 359	1.35 425	0.98 345	0.52 299	0.91 333	0.85 342	0.72 301	1.46 415	0.83 334	0.98 354	0.68 284	1.41 431

GANet	1.00 331	1.00 238	1.00 332	1.00 304	1.00 362	1.00 341	1.00 353	1.00 334	1.00 360	1.00 340	1.00 358	1.00 346	1.00 344	1.00 345	1.00 355	1.00 327	1.00 326	1.00 351	1.00 356	1.00 324	1.00 352

TDLM	1.00 331	1.00 238	1.00 332	1.00 304	1.00 362	1.00 341	1.00 353	1.00 334	1.00 360	1.00 340	1.00 358	1.00 346	1.00 344	1.00 345	1.00 355	1.00 327	1.00 326	1.00 351	1.00 356	1.00 324	1.00 352

CVANet_RVC	1.00 331	1.00 238	1.00 332	1.00 304	1.00 362	1.00 341	1.00 353	1.00 334	1.00 360	1.00 340	1.00 358	1.00 346	1.00 344	1.00 345	1.00 355	1.00 327	1.00 326	1.00 351	1.00 356	1.00 324	1.00 352

trnet	1.01 336	1.01 244	1.01 335	1.01 307	1.01 366	1.01 344	1.01 356	1.01 337	1.01 363	1.01 344	1.01 361	1.01 349	1.01 350	1.01 348	1.01 358	1.01 330	1.01 329	1.01 354	1.01 360	1.01 327	1.01 355

AIO-Stereo	0.84 311	0.66 197	0.70 298	0.83 279	0.67 331	0.98 339	0.82 339	1.14 343	0.72 330	1.03 345	0.74 339	1.03 350	1.09 353	0.99 344	0.45 275	1.04 331	0.73 305	0.95 346	0.74 335	0.94 320	0.46 272

11t	1.27 397	2.70 387	1.34 405	1.32 381	0.89 351	1.30 412	1.34 423	1.64 415	0.57 306	1.45 415	0.72 336	1.05 351	1.29 417	1.07 353	1.29 423	1.49 406	1.02 330	0.97 349	1.15 366	1.48 402	1.31 422

GLC_STEREO	1.07 339	1.01 244	1.06 337	1.07 310	1.05 369	1.06 347	1.08 360	1.08 339	1.05 366	1.07 347	1.06 363	1.08 352	1.05 352	1.06 350	1.10 361	1.07 333	1.09 339	1.05 357	1.05 361	1.06 329	1.12 362

Nwc_Net	2.37 435	25.95 492	1.15 343	1.14 318	1.15 373	1.08 350	1.14 364	1.17 348	1.16 369	1.14 357	1.15 365	1.08 352	1.15 358	1.11 358	1.14 365	1.10 336	1.11 343	1.16 361	1.09 363	1.16 337	1.15 367

RP	2.33 431	25.00 488	1.13 340	1.15 320	1.15 373	1.10 353	1.15 365	1.15 344	1.15 368	1.12 354	1.15 365	1.09 354	1.13 355	1.10 356	1.15 366	1.11 341	1.09 339	1.16 361	1.12 364	1.16 337	1.17 368

edge stereo	2.43 438	27.07 496	1.14 341	1.06 309	1.14 372	1.08 350	1.17 368	1.16 346	1.14 367	1.10 349	1.16 368	1.09 354	1.16 362	1.10 356	1.16 369	1.10 336	1.11 343	1.16 361	1.19 370	1.13 332	1.11 360

AF-Net	2.37 435	25.71 491	1.17 345	1.13 317	1.15 373	1.15 359	1.18 369	1.19 351	1.16 369	1.10 349	1.15 365	1.10 356	1.18 363	1.12 359	1.15 366	1.10 336	1.10 342	1.17 365	1.15 366	1.16 337	1.12 362

NCC-stereo	2.36 433	25.52 490	1.17 345	1.15 320	1.17 378	1.11 356	1.11 361	1.15 344	1.16 369	1.10 349	1.16 368	1.10 356	1.15 358	1.14 360	1.13 364	1.09 334	1.11 343	1.15 360	1.16 368	1.17 342	1.17 368

MSMD_ROB	1.19 346	1.10 262	0.70 298	1.10 312	0.60 317	1.10 353	0.70 323	1.10 342	0.70 326	1.10 349	0.70 331	1.10 356	0.70 320	7.00 488	0.70 328	1.10 336	0.70 299	1.10 358	0.70 330	1.10 331	0.70 318

RGC	2.36 433	25.48 489	1.19 349	1.15 320	1.15 373	1.10 353	1.16 367	1.17 348	1.16 369	1.12 354	1.16 368	1.11 359	1.13 355	1.09 354	1.18 371	1.10 336	1.15 348	1.16 361	1.12 364	1.14 333	1.12 362

Abc-Net	2.32 430	24.75 487	1.14 341	1.17 326	1.17 378	1.11 356	1.15 365	1.17 348	1.21 421	1.08 348	1.16 368	1.12 360	1.14 357	1.09 354	1.17 370	1.09 334	1.16 349	1.17 365	1.17 369	1.16 337	1.11 360
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 431	24.38 486	1.18 347	1.18 327	1.18 380	1.14 358	1.18 369	1.19 351	1.19 375	1.14 357	1.18 372	1.14 361	1.18 363	1.14 360	1.18 371	1.14 343	1.14 347	1.19 368	1.19 370	1.15 335	1.19 370

KSHMR	0.66 268	0.50 175	0.48 256	1.15 320	0.52 308	0.49 273	0.51 300	0.49 260	0.71 329	0.67 308	0.50 301	1.16 362	1.11 354	0.66 307	0.52 301	0.49 261	0.49 264	0.51 296	0.66 322	0.50 263	1.14 366

HSM-Net_RVC	0.95 327	1.17 268	0.78 310	1.18 327	0.71 337	1.16 360	0.75 330	1.09 341	0.80 340	1.10 349	0.75 340	1.17 363	0.74 326	1.17 362	0.80 337	1.13 342	0.73 305	1.17 365	0.77 337	1.16 337	0.72 322
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
S-Stereo	2.51 440	26.86 494	1.23 401	1.22 374	1.22 429	1.24 409	1.25 420	1.22 400	1.24 424	1.21 406	1.24 421	1.19 364	1.27 415	1.19 363	1.24 420	1.19 345	1.20 354	1.25 416	1.19 370	1.24 394	1.23 418

DisPM	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

CrosDoStereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PFNet+	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

LCNet	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

HHNet	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

Patchmatch Stereo++	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

STrans-v2	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

TransformOpticalFlow	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

OMP-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

IIG-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

NF-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

OCTAStereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PSM-softLoss	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

KMStereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

NRIStereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PSM-adaLoss	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PSM-AAD	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

FTStereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

ROB_FTStereo_v2	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

ROB_FTStereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

Consistency-Raft	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

KYRaft	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

HUI-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

ASMatch	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

DeepStereo_LL	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

DEmStereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

SST-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

THIR-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RAFT_R40	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

DRaft	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

PFNet	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

GrayStereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RE-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

Pruner-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

TVStereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

DeepStereo_RVC	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RAFT-RH_RVC	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

IRAFT_RVC	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RAFT-345	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

iRAFT	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

CRE-IMP	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

GMM-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

RAFT-IKP	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

Prome-Stereo	1.20 347	1.20 272	1.20 352	1.20 329	1.20 381	1.20 361	1.20 371	1.20 354	1.20 376	1.20 361	1.20 373	1.20 365	1.20 365	1.20 364	1.20 373	1.20 346	1.20 354	1.20 369	1.20 373	1.20 346	1.20 371

FAT-Stereo	2.46 439	26.05 493	1.23 401	1.23 376	1.22 429	1.20 361	1.24 419	1.23 402	1.23 423	1.19 360	1.22 419	1.21 410	1.24 413	1.20 364	1.24 420	1.21 391	1.17 352	1.22 415	1.25 420	1.20 346	1.24 419

CroCo-Stereo	0.73 283	1.22 321	0.25 161	1.22 374	0.25 187	1.22 407	0.25 179	1.22 400	0.25 179	1.22 407	0.25 188	1.22 411	0.25 182	1.22 410	0.25 182	1.22 392	0.26 168	1.21 414	0.25 187	1.22 393	0.25 170
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
CroCo-Stereo Lap2	0.77 290	1.29 324	0.29 174	1.27 378	0.29 206	1.27 410	0.26 187	1.26 403	0.26 192	1.26 408	0.26 194	1.27 412	0.26 191	1.26 411	0.27 188	1.27 394	0.27 173	1.27 417	0.27 199	1.27 395	0.27 183

DPSimNet_ROB	0.97 328	1.18 270	0.81 316	1.10 312	0.91 355	1.02 345	0.82 339	1.04 338	0.91 347	1.03 345	0.86 347	1.28 413	0.82 335	1.03 349	0.89 344	1.17 344	0.81 317	1.02 355	0.82 345	1.08 330	0.81 335

MaskLacGwcNet_RVC	1.35 399	1.35 328	1.35 407	1.35 383	1.35 431	1.35 413	1.35 424	1.36 408	1.35 429	1.36 411	1.35 425	1.36 414	1.36 420	1.36 413	1.35 425	1.35 399	1.35 408	1.35 422	1.35 423	1.35 398	1.35 427

CC-Net-ROB	1.36 400	1.33 327	1.33 404	1.36 384	1.38 434	1.36 415	1.33 422	1.37 410	1.34 427	1.35 410	1.36 427	1.38 415	1.34 419	1.38 415	1.38 427	1.35 399	1.38 411	1.33 419	1.35 423	1.43 401	1.34 426

ours_stereo	1.20 347	1.21 318	0.90 321	1.64 397	1.11 371	1.35 413	0.67 319	1.76 419	0.93 352	1.70 423	1.10 364	1.39 416	0.75 328	1.41 416	0.81 340	1.60 413	1.03 331	1.33 419	1.00 356	1.61 407	0.72 322

PS-NSSS	1.38 402	1.39 330	1.34 405	1.34 382	1.35 431	1.38 417	1.37 430	1.35 407	1.38 432	1.34 409	1.34 424	1.39 416	1.38 422	1.70 421	1.40 428	1.36 401	1.36 409	1.36 424	1.37 426	1.37 399	1.36 428

MM-Stereo_test2	1.20 347	1.85 344	1.05 336	1.46 388	0.94 359	1.36 415	0.99 352	1.36 408	0.95 354	1.41 413	0.98 357	1.40 418	0.96 341	1.37 414	0.95 350	1.37 402	1.06 332	1.33 419	0.93 353	1.29 396	0.89 341

RASNet	1.49 403	1.65 335	1.45 418	1.38 386	1.43 437	1.47 421	1.36 425	1.38 411	1.36 430	1.39 412	1.60 437	1.45 419	1.45 425	1.51 418	2.21 449	1.53 410	1.36 409	1.36 424	1.36 425	1.66 408	1.36 428

MM-Stereo_test3	1.27 397	2.07 359	1.18 347	1.60 392	1.02 367	1.45 420	1.01 356	1.40 412	1.04 365	1.44 414	1.03 362	1.46 420	1.02 351	1.44 417	1.02 359	1.51 409	1.12 346	1.32 418	0.98 354	1.38 400	0.97 348

LL-Strereo	1.01 336	5.06 433	1.63 423	0.70 265	1.43 437	0.56 295	0.46 278	0.57 285	0.50 294	0.57 294	0.50 301	1.58 421	0.49 290	0.59 298	0.50 294	1.64 414	0.52 274	0.51 296	1.37 426	0.52 270	0.45 271

tt45	1.04 338	0.88 216	1.36 412	0.92 290	1.03 368	1.51 422	0.79 333	0.70 304	0.88 345	0.74 317	0.90 348	1.60 422	0.72 325	1.60 419	0.75 333	0.91 319	0.78 311	1.52 429	0.79 340	1.14 333	1.32 423

DPSMNet_ROB	1.60 406	1.59 334	1.70 426	1.59 391	1.59 439	1.61 423	1.61 435	1.60 413	1.60 437	1.62 421	1.59 436	1.60 422	1.60 427	1.60 419	1.59 433	1.59 411	1.60 421	1.59 430	1.59 436	1.59 406	1.59 435

HBP-ISP	1.24 395	1.72 337	1.65 424	1.15 320	0.76 342	1.40 418	0.88 342	1.67 418	1.02 364	1.69 422	1.38 429	1.69 424	1.21 411	1.87 423	1.21 418	1.05 332	0.79 312	0.97 349	0.80 342	1.19 345	0.75 329

GANetREF_RVC	1.55 404	1.94 356	1.22 399	1.88 400	1.21 427	1.88 428	1.22 417	1.88 420	1.22 422	1.88 424	1.22 419	1.88 425	1.22 412	1.89 424	1.22 419	1.87 420	1.22 401	1.88 432	1.22 419	1.88 412	1.22 417
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
FC-DCNN	1.07 339	1.09 259	0.98 330	0.89 284	0.52 308	1.41 419	0.91 344	1.21 399	1.24 424	1.96 426	2.05 454	1.91 426	1.30 418	1.27 412	1.08 360	0.80 307	0.60 284	0.58 303	0.41 275	0.68 284	0.54 296

RAFT_CTSACE	1.92 416	3.71 411	1.72 428	1.88 400	1.72 443	2.04 431	1.42 434	2.18 429	1.89 449	2.02 429	1.97 450	1.95 427	2.06 439	1.93 425	1.62 434	1.76 416	1.66 425	2.02 436	1.73 445	1.73 409	1.43 433

MFMNet_re	1.81 414	1.91 350	1.71 427	1.95 404	1.70 442	1.95 429	1.70 438	1.96 422	1.74 440	1.97 427	1.72 440	1.95 427	1.71 430	1.97 426	1.71 439	1.86 419	1.62 422	1.85 431	1.66 438	1.86 411	1.64 436

SPS-STEREO	1.59 405	1.91 350	1.21 398	1.94 403	1.20 381	2.00 430	1.23 418	1.99 423	1.24 424	2.00 428	1.25 422	2.03 429	1.26 414	2.00 427	1.29 423	1.90 423	1.18 353	1.89 433	1.21 418	1.89 413	1.20 371
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 413	3.41 404	1.52 422	2.12 409	1.41 436	2.04 431	1.41 432	2.05 424	1.46 436	2.04 430	1.41 431	2.05 430	1.42 424	2.05 428	1.43 430	2.04 428	1.54 419	1.94 434	1.38 428	1.99 415	1.33 424

MC-Stereo	1.76 410	2.96 394	1.37 414	2.14 410	1.37 433	2.14 434	1.36 425	2.14 428	1.37 431	2.14 434	1.37 428	2.14 431	1.37 421	2.14 432	1.37 426	1.97 424	1.32 402	1.97 435	1.32 422	1.98 414	1.33 424

NCCL2	2.28 429	2.27 372	2.28 444	2.28 419	2.28 456	2.27 435	2.29 450	2.28 430	2.28 453	2.27 435	2.28 455	2.28 432	2.27 443	2.27 436	2.28 454	2.28 432	2.28 441	2.27 441	2.29 454	2.27 423	2.29 449

TRStereo	2.00 417	2.13 364	1.85 434	2.27 416	1.84 446	2.28 436	1.84 441	2.29 431	1.86 446	2.30 436	1.87 443	2.30 433	1.87 433	2.08 429	1.72 441	2.08 429	1.72 427	2.08 437	1.72 442	2.08 416	1.72 439

XX-Stereo	2.00 417	2.13 364	1.85 434	2.27 416	1.84 446	2.28 436	1.84 441	2.29 431	1.86 446	2.30 436	1.87 443	2.30 433	1.87 433	2.08 429	1.72 441	2.08 429	1.72 427	2.08 437	1.72 442	2.08 416	1.72 439

EAI-Stereo	2.00 417	2.13 364	1.85 434	2.27 416	1.84 446	2.28 436	1.84 441	2.29 431	1.86 446	2.30 436	1.87 443	2.30 433	1.87 433	2.08 429	1.72 441	2.08 429	1.72 427	2.08 437	1.72 442	2.08 416	1.72 439

ff7	1.68 407	2.68 384	1.35 407	0.97 301	0.89 351	1.84 425	2.15 447	2.12 425	1.80 443	2.05 431	1.56 433	2.33 436	2.12 440	2.23 433	2.25 450	1.31 395	1.07 333	1.48 426	1.41 429	0.90 314	1.04 357

ffff	1.68 407	2.68 384	1.35 407	0.97 301	0.89 351	1.84 425	2.15 447	2.12 425	1.80 443	2.05 431	1.56 433	2.33 436	2.12 440	2.23 433	2.25 450	1.31 395	1.07 333	1.48 426	1.41 429	0.90 314	1.04 357

ccc-4	1.68 407	2.68 384	1.35 407	0.97 301	0.89 351	1.84 425	2.15 447	2.12 425	1.80 443	2.05 431	1.56 433	2.33 436	2.12 440	2.23 433	2.25 450	1.31 395	1.07 333	1.48 426	1.41 429	0.90 314	1.04 357

STTStereo	3.73 455	30.40 500	2.37 448	2.39 422	2.31 458	2.35 439	2.33 451	2.29 431	2.42 454	2.32 439	2.34 456	2.33 436	2.36 444	2.30 437	2.27 453	2.35 437	2.22 440	2.31 443	2.22 451	2.29 425	2.34 453

FBW_ROB	2.12 423	2.46 379	1.77 430	2.49 426	1.79 445	2.38 440	1.83 440	2.46 439	1.78 442	2.48 441	1.97 450	2.40 440	1.78 431	2.42 442	1.83 445	2.31 435	1.85 433	2.38 445	1.82 447	2.35 426	1.84 443

AIO_test	2.18 424	2.09 362	2.04 442	2.42 423	2.01 452	2.47 443	1.94 445	2.34 436	2.03 451	2.56 444	1.94 448	2.43 441	1.94 436	2.41 440	1.87 446	2.39 439	2.10 436	2.35 444	1.91 448	2.25 422	2.19 447

AIO_rvc	2.18 424	2.34 375	1.87 438	2.32 420	1.94 451	2.40 441	1.89 444	2.37 437	2.07 452	2.52 443	1.95 449	2.44 442	1.99 438	2.41 440	1.89 447	2.32 436	2.09 435	2.24 440	2.18 450	2.21 420	2.23 448

UDGNet	2.23 427	5.40 442	1.72 428	2.48 425	1.69 441	2.51 444	1.69 437	2.51 440	1.72 439	2.50 442	1.69 439	2.52 443	1.69 429	2.50 443	1.68 438	2.41 440	1.70 426	2.42 446	1.69 441	2.42 427	1.64 436

IGEVStereo-DCA	1.77 411	4.21 424	1.84 432	2.49 426	2.11 454	2.54 445	1.36 425	1.65 416	1.17 373	2.75 446	1.90 446	2.54 444	1.15 358	0.94 338	1.11 362	1.50 407	1.32 402	0.96 347	1.46 433	1.49 403	0.88 339

rrr	1.77 411	4.21 424	1.84 432	2.49 426	2.11 454	2.54 445	1.36 425	1.65 416	1.17 373	2.75 446	1.90 446	2.54 444	1.15 358	0.94 338	1.11 362	1.50 407	1.32 402	0.96 347	1.46 433	1.49 403	0.88 339

HUF	2.18 424	2.30 374	1.99 441	2.34 421	2.02 453	2.41 442	2.06 446	2.38 438	1.89 449	2.36 440	1.85 442	2.56 446	1.98 437	2.31 438	1.97 448	2.30 434	2.03 434	2.30 442	2.11 449	2.23 421	2.16 446

sCroCo_RVC	2.10 421	2.76 388	1.92 439	2.78 430	1.39 435	2.73 447	1.41 432	2.73 442	1.40 433	2.77 448	1.41 431	2.74 447	1.40 423	2.74 446	1.40 428	2.72 441	1.42 413	2.72 447	1.44 432	2.79 433	1.42 432

NLCA_NET_v2_RVC	5.04 480	50.87 510	2.78 450	2.87 431	2.71 459	2.78 448	0.47 283	2.88 446	2.86 458	1.89 425	2.67 457	2.79 448	2.79 448	2.78 447	2.83 455	2.82 442	2.82 444	2.83 448	2.77 457	2.83 434	2.76 457
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 415	3.16 399	0.64 288	3.10 432	0.65 327	3.10 450	0.64 312	3.12 448	0.65 316	3.10 449	0.65 323	3.11 449	0.65 312	3.12 448	0.65 314	3.12 444	0.65 292	3.13 449	0.65 320	3.13 435	0.65 312

MIF-Stereo (partial)	2.58 442	3.31 403	0.66 292	3.18 433	0.66 330	3.18 451	0.66 315	3.21 449	0.67 319	3.19 450	0.66 325	3.19 450	0.66 315	3.31 452	0.68 321	5.09 470	1.79 431	8.23 489	1.67 439	6.18 473	1.38 430

Anonymous3	2.55 441	3.26 402	1.65 424	3.28 435	1.63 440	3.24 452	1.68 436	3.27 450	1.66 438	3.28 451	1.67 438	3.25 451	1.66 428	3.27 450	1.64 435	3.26 445	1.65 424	3.30 450	1.65 437	4.95 464	1.65 438

UniTT-Stereo	2.03 420	3.43 405	0.72 302	3.42 436	0.73 340	3.27 453	0.68 320	3.38 452	0.69 323	3.29 452	0.72 336	3.28 452	0.70 320	3.35 453	0.68 321	3.39 446	0.68 294	3.31 451	0.69 328	3.37 436	0.73 325

SA	4.33 469	7.35 454	6.85 484	5.96 467	4.09 481	3.59 455	3.15 471	3.82 457	2.64 455	3.91 455	3.85 475	3.57 453	2.72 447	3.13 449	4.03 476	7.09 484	6.86 479	3.57 453	3.12 466	3.85 439	3.51 472

RAStereo	2.23 427	3.64 408	0.76 308	3.65 441	0.86 349	3.66 457	0.76 331	3.67 456	0.81 343	3.66 453	0.76 341	3.66 454	0.77 330	3.68 455	0.77 334	3.68 449	0.77 310	3.69 456	0.77 337	3.70 438	0.77 331

DPSNet	3.66 454	3.60 407	3.62 468	3.63 440	3.64 477	3.65 456	3.65 475	3.66 455	3.67 473	3.67 454	3.65 474	3.67 455	3.66 464	3.66 454	3.68 471	3.68 449	3.66 459	3.67 455	3.68 475	3.67 437	3.67 473

test_3	5.01 479	8.86 466	7.77 487	8.09 477	2.76 460	4.13 461	4.05 480	3.88 458	3.76 476	4.33 460	4.13 479	3.71 456	3.91 468	4.21 461	4.06 477	7.93 485	7.69 482	4.53 461	3.91 478	4.17 444	4.29 482

Sa-1000	4.34 470	8.37 460	6.84 483	6.98 474	4.45 484	3.58 454	3.00 457	3.42 453	3.39 472	2.61 445	4.00 478	3.83 457	4.01 471	3.90 457	3.90 474	5.98 477	5.62 472	3.76 457	2.34 455	4.35 447	2.47 456

TestStereo1	4.60 471	8.41 461	6.44 481	6.86 472	3.79 478	3.97 459	3.78 476	3.99 459	3.74 474	3.97 456	3.52 472	3.94 458	3.58 462	3.98 458	3.72 472	6.82 481	6.50 477	3.76 457	3.66 473	3.90 440	3.74 476

SA-5K	4.60 471	8.41 461	6.44 481	6.86 472	3.79 478	3.97 459	3.78 476	3.99 459	3.74 474	3.97 456	3.52 472	3.94 458	3.58 462	3.98 458	3.72 472	6.82 481	6.50 477	3.76 457	3.66 473	3.90 440	3.74 476

raft_robust	4.71 475	7.75 458	5.40 478	6.81 471	3.31 473	4.28 463	4.20 481	4.32 462	4.37 482	4.35 461	4.35 481	4.14 460	3.75 466	4.30 463	4.20 479	6.67 480	6.37 475	3.36 452	4.24 483	4.86 463	3.25 469

test_4	4.88 477	8.13 459	6.98 485	7.46 475	4.44 483	4.25 462	3.85 478	4.04 461	3.92 477	4.13 458	3.91 476	4.18 461	3.84 467	4.14 460	4.06 477	7.01 483	7.13 480	4.53 461	3.72 476	4.09 443	3.72 474

test_5	4.62 474	7.55 456	6.23 479	6.32 469	3.40 475	5.29 481	3.50 473	3.53 454	4.11 479	4.28 459	4.47 482	4.26 462	4.38 474	3.68 455	3.24 468	5.89 475	5.60 471	4.84 476	3.50 471	4.33 446	3.93 480

cross-raft	4.83 476	7.52 455	6.43 480	6.63 470	3.96 480	4.51 464	3.99 479	4.49 463	3.96 478	4.52 462	3.96 477	4.50 463	3.97 470	4.50 464	3.97 475	6.65 479	6.44 476	4.33 460	3.92 479	4.35 447	3.91 479

rvit_0105_6	3.87 460	5.73 448	3.10 462	4.69 457	3.12 471	4.54 466	3.02 459	4.56 465	3.04 459	4.54 466	3.03 460	4.54 464	3.04 452	4.56 465	3.05 458	4.58 459	3.05 446	4.58 465	3.05 458	4.58 452	3.05 458

rvit_stereo_0081	3.83 456	5.23 437	3.01 452	4.53 447	3.03 463	4.55 470	3.02 459	4.56 465	3.04 459	4.52 462	3.02 458	4.54 464	3.03 449	4.56 465	3.04 456	4.57 456	3.05 446	4.57 463	3.05 458	4.58 452	3.05 458

rvit_105_1	3.83 456	5.22 436	3.01 452	4.53 447	3.01 461	4.51 464	3.01 458	4.56 465	3.04 459	4.53 464	3.03 460	4.55 466	3.03 449	4.56 465	3.04 456	4.57 456	3.05 446	4.57 463	3.05 458	4.57 451	3.05 458

rvit_stereo_0082	3.86 458	5.82 449	3.01 452	4.53 447	3.03 463	4.54 466	3.02 459	4.56 465	3.04 459	4.53 464	3.02 458	4.55 466	3.04 452	4.57 468	3.05 458	4.57 456	3.05 446	4.58 465	3.05 458	4.58 452	3.06 461

rvit_stereo_0080	3.89 461	5.70 446	3.04 457	4.54 450	3.03 463	4.56 471	3.05 465	4.60 469	3.07 464	4.58 469	3.06 463	4.59 468	3.06 454	4.61 469	3.08 462	4.63 461	3.09 451	4.64 469	3.10 463	4.65 456	3.10 463

whm_eth	3.89 461	5.70 446	3.04 457	4.54 450	3.03 463	4.56 471	3.05 465	4.60 469	3.07 464	4.58 469	3.06 463	4.59 468	3.06 454	4.61 469	3.08 462	4.63 461	3.09 451	4.64 469	3.10 463	4.65 456	3.10 463

sAnonymous2	3.31 452	2.63 382	1.38 415	3.71 442	1.86 449	4.70 476	1.11 361	4.82 477	2.72 456	5.45 480	1.98 452	4.59 468	2.64 445	2.65 444	6.21 485	4.37 451	1.08 337	5.16 479	2.24 452	4.52 449	2.39 454

CroCo_RVC	3.31 452	2.63 382	1.38 415	3.71 442	1.86 449	4.70 476	1.11 361	4.82 477	2.72 456	5.45 480	1.98 452	4.59 468	2.64 445	2.65 444	6.21 485	4.37 451	1.08 337	5.16 479	2.24 452	4.52 449	2.39 454

rvit_0105_4	3.91 463	5.47 445	3.02 455	4.54 450	3.02 462	4.54 466	3.03 463	4.75 475	3.17 470	4.57 468	3.06 463	4.61 472	3.16 460	4.65 472	3.09 464	4.66 463	3.11 453	4.68 472	3.18 468	4.81 461	3.16 467

rvit_0105_3	3.91 463	5.33 440	3.06 460	4.60 455	3.07 469	4.60 473	3.06 467	4.62 471	3.08 467	4.60 471	3.07 466	4.62 473	3.08 456	4.67 473	3.10 465	4.70 464	3.11 453	4.77 474	3.19 469	4.77 460	3.14 466

rvit_stereo_0081_aga	3.86 458	5.33 440	3.02 455	4.55 453	3.04 467	4.54 466	3.02 459	4.64 472	3.06 463	4.54 466	3.04 462	4.62 473	3.08 456	4.62 471	3.07 461	4.58 459	3.06 450	4.60 467	3.08 462	4.63 455	3.07 462

rvit_stereo_ft	3.93 466	5.44 444	3.05 459	4.59 454	3.06 468	4.61 474	3.08 468	4.67 474	3.12 469	4.63 473	3.10 468	4.65 475	3.11 458	4.69 475	3.13 466	4.70 464	3.14 455	4.71 473	3.15 467	4.74 459	3.16 467

rvit_stereo_0083	3.92 465	5.30 439	3.06 460	4.61 456	3.09 470	4.67 475	3.08 468	4.66 473	3.09 468	4.62 472	3.10 468	4.66 476	3.11 458	4.67 473	3.16 467	4.72 466	3.16 456	4.77 474	3.11 465	4.66 458	3.11 465

RAFT+CT+SA	4.28 468	7.62 457	4.91 473	5.55 464	2.28 456	3.09 449	3.64 474	4.49 463	3.07 464	4.80 475	3.35 471	4.77 477	3.70 465	4.29 462	3.05 458	5.58 473	5.98 474	3.58 454	3.78 477	4.26 445	3.72 474

rvit_0105_5	4.10 467	5.40 442	3.13 465	4.71 458	3.15 472	4.72 478	3.10 470	4.90 479	3.27 471	4.69 474	3.16 470	4.84 478	3.25 461	4.96 477	3.34 469	5.05 469	3.39 458	5.10 478	3.40 470	5.11 466	3.42 470

TestStereo	4.88 477	4.75 429	4.79 472	4.87 460	4.92 485	4.81 480	4.90 484	4.78 476	4.77 483	4.87 476	4.89 483	4.90 479	4.91 476	4.99 478	4.79 481	4.98 467	4.87 468	4.87 477	4.92 485	5.00 465	5.00 483

test-1	6.46 484	9.16 468	8.03 490	8.09 477	5.62 488	6.11 483	6.35 487	6.85 485	4.94 484	6.08 483	6.29 489	4.98 480	6.43 481	6.22 481	6.36 487	6.16 478	7.47 481	5.82 483	5.44 488	7.11 478	5.68 486

MaDis-Stereo	3.19 451	6.02 451	1.12 339	5.61 465	1.16 377	5.43 482	1.02 358	5.15 481	0.70 326	5.43 479	1.21 418	5.03 481	0.97 342	4.85 476	0.99 354	4.53 454	1.16 349	5.53 481	1.25 420	5.37 469	1.30 421

RAFT	6.73 486	9.36 469	7.40 486	8.51 480	6.55 489	6.88 486	6.60 488	6.79 484	6.60 488	6.80 485	6.72 490	5.31 482	5.50 479	6.61 482	6.61 488	8.42 487	5.89 473	5.73 482	5.45 489	6.61 474	6.24 487

StereoVision	3.15 450	5.00 432	0.89 318	4.83 459	1.00 362	3.93 458	1.27 421	6.37 482	1.34 427	5.67 482	1.26 423	5.84 483	1.27 415	5.03 480	1.24 420	5.10 471	1.09 339	4.61 468	0.57 312	5.62 471	1.12 362

DispFullNet	4.61 473	4.84 430	3.12 463	5.00 461	3.57 476	4.75 479	3.03 463	7.75 488	4.17 480	4.91 477	3.09 467	6.20 484	3.95 469	6.71 484	3.51 470	5.30 472	3.67 460	5.86 485	3.63 472	5.61 470	3.46 471

test-v	7.53 488	11.89 477	7.98 488	9.36 483	7.14 490	7.06 487	7.09 489	7.37 486	6.91 489	7.29 486	5.71 487	6.45 485	6.93 482	6.73 485	7.27 489	8.93 490	7.85 483	6.98 486	6.80 490	7.56 479	7.34 489

test-2	7.53 488	11.89 477	7.98 488	9.36 483	7.14 490	7.06 487	7.09 489	7.37 486	6.91 489	7.29 486	5.71 487	6.45 485	6.93 482	6.73 485	7.27 489	8.93 490	7.85 483	6.98 486	6.80 490	7.56 479	7.34 489

SGM-Forest	5.21 483	5.92 450	4.08 470	6.18 468	4.16 482	6.31 484	4.34 482	6.50 483	4.33 481	6.14 484	4.21 480	6.61 487	4.55 475	6.67 483	4.48 480	5.94 476	3.94 462	5.85 484	4.03 481	5.79 472	4.17 481
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 481	5.15 434	4.49 471	5.07 462	3.37 474	6.87 485	4.75 483	5.04 480	6.34 487	7.84 488	5.06 484	6.72 488	4.09 472	4.99 478	5.44 484	5.03 468	3.16 456	4.67 471	4.86 484	5.15 467	3.89 478

rvit_stereo_0075_2	6.64 485	8.80 465	5.25 475	7.89 476	5.27 487	7.90 489	5.27 485	7.92 489	5.28 485	7.91 489	5.29 486	7.93 489	5.27 477	7.92 489	5.28 482	7.93 485	5.28 470	7.93 488	5.29 487	7.93 481	5.28 485

U	5.15 482	8.49 463	1.81 431	8.49 479	1.77 444	8.49 490	1.77 439	8.51 490	1.77 441	8.49 490	1.77 441	8.50 490	1.78 431	8.58 490	1.77 444	8.54 488	1.78 430	8.55 490	1.78 446	8.55 484	1.84 443

SGM+DAISY	7.06 487	9.15 467	5.38 477	8.84 481	5.18 486	8.80 491	5.31 486	8.79 491	5.28 485	8.89 491	5.20 485	8.93 491	5.33 478	8.95 491	5.36 483	8.70 489	5.21 469	8.74 491	5.20 486	8.89 485	5.15 484

rafts_anoy	20.00 492	20.00 479	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

raft+_RVC	20.00 492	20.00 479	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

raftrobust	20.00 492	20.00 479	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

CasAABBNet	20.00 492	20.00 479	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

RALCasStereoNet	20.00 492	20.00 479	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

RALAANet	20.00 492	20.00 479	20.00 492	20.00 492	20.00 493	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 492	20.00 493	20.00 492	20.00 493	20.00 492	20.00 492

MANE	19.05 491	23.00 485	15.00 491	23.00 498	15.00 492	24.00 498	16.00 491	24.00 498	16.00 491	22.00 498	15.00 491	23.00 498	16.00 491	23.00 498	15.00 491	22.00 498	15.00 492	22.00 498	15.00 492	22.00 498	15.00 491

111	30.40 498	30.94 501	29.72 499	32.61 499	30.02 500	33.57 499	30.47 499	31.50 499	29.39 499	30.98 499	29.11 499	29.78 499	30.39 502	29.45 499	30.76 502	30.08 499	29.02 500	29.92 499	30.32 503	29.86 499	30.17 499

fff	1000028.16 518	29.62 497	29.72 499	32.61 499	30.02 500	35.13 501	31.83 500	32.07 500	10000000.00 518	35.27 502	29.82 500	32.45 500	30.15 499	32.35 500	30.09 499	31.04 500	29.55 501	30.64 500	30.14 500	10000000.00 519	30.77 500

csc	1000028.16 518	29.62 497	29.72 499	32.61 499	30.02 500	35.13 501	31.83 500	32.07 500	10000000.00 518	35.27 502	29.82 500	32.45 500	30.15 499	32.35 500	30.09 499	31.04 500	29.55 501	30.64 500	30.14 500	10000000.00 519	30.77 500

cscssc	1000028.16 518	29.62 497	29.72 499	32.61 499	30.02 500	35.13 501	31.83 500	32.07 500	10000000.00 518	35.27 502	29.82 500	32.45 500	30.15 499	32.35 500	30.09 499	31.04 500	29.55 501	30.64 500	30.14 500	10000000.00 519	30.77 500

tt	500032.53 516	34.60 503	29.72 499	37.47 508	34.41 505	36.85 505	35.22 504	34.71 503	33.55 501	34.50 500	35.43 503	33.81 503	10000000.00 519	33.57 503	33.13 503	33.68 503	35.00 505	34.03 504	35.26 506	30.96 500	34.63 504

DCANet	500032.53 516	34.60 503	29.72 499	37.47 508	34.41 505	36.85 505	35.22 504	34.71 503	33.55 501	34.50 500	35.43 503	33.81 503	10000000.00 519	33.57 503	33.13 503	33.68 503	35.00 505	34.03 504	35.26 506	30.96 500	34.63 504

DCANet-4	35.22 500	34.54 502	35.08 505	33.58 503	35.47 507	34.55 500	35.53 506	36.08 505	35.85 503	35.92 505	35.77 505	35.18 505	35.48 504	35.39 505	37.15 508	34.55 505	33.92 504	35.02 506	34.90 505	35.79 503	34.74 506

ADStereo(finetuned)	36.13 501	36.63 506	38.07 509	36.97 504	33.25 504	35.91 504	34.45 503	36.36 506	32.99 500	38.14 510	36.71 506	36.69 506	34.13 503	38.57 510	40.79 509	37.60 510	36.58 507	35.90 507	33.36 504	35.42 502	34.04 503

Reg-Stereo(zero)	37.00 502	37.00 507	37.00 506	37.00 505	37.00 508	37.00 507	37.00 507	37.00 507	37.00 504	37.00 506	37.00 507	37.00 507	37.00 505	37.00 506	37.00 505	37.00 507	37.00 508	37.00 508	37.00 508	37.00 504	37.00 507

HI	37.00 502	37.00 507	37.00 506	37.00 505	37.00 508	37.00 507	37.00 507	37.00 507	37.00 504	37.00 506	37.00 507	37.00 507	37.00 505	37.00 506	37.00 505	37.00 507	37.00 508	37.00 508	37.00 508	37.00 504	37.00 507

CoSv	37.00 502	37.00 507	37.00 506	37.00 505	37.00 508	37.00 507	37.00 507	37.00 507	37.00 504	37.00 506	37.00 507	37.00 507	37.00 505	37.00 506	37.00 505	37.00 507	37.00 508	37.00 508	37.00 508	37.00 504	37.00 507

WCMA_ROB	31.10 499	35.43 505	27.12 498	39.51 510	23.10 499	38.78 510	25.30 498	37.49 510	25.39 498	37.29 509	27.02 498	38.52 510	26.48 498	37.80 509	26.44 498	36.28 506	22.65 499	33.90 503	22.30 499	37.10 507	24.18 498

MDST_ROB	69.83 505	87.70 511	41.95 510	113.75 513	65.62 513	75.05 511	55.25 511	75.64 512	45.04 507	71.61 511	41.75 510	72.81 511	44.06 508	68.38 511	44.63 510	101.89 513	59.57 513	107.10 513	61.05 513	104.38 510	59.38 512

CBMV	128.50 507	1422.70 522	53.10 511	79.50 512	51.30 512	77.30 512	49.70 510	74.00 511	48.20 508	77.20 512	48.80 511	73.90 512	48.00 509	73.80 512	48.80 511	70.40 512	45.10 512	68.90 512	46.10 512	68.20 509	45.00 511
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 508	171.00 516	160.68 516	162.58 514	160.59 514	164.01 513	160.35 513	158.51 514	158.56 510	158.34 513	160.12 513	158.56 513	159.92 511	157.26 514	158.94 513	154.38 514	158.36 514	155.75 514	159.13 515	153.67 511	154.07 513
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
NOSS_ROB	102.95 506	153.00 515	121.00 513	51.00 511	44.00 511	165.00 514	127.00 512	153.00 513	119.00 509	164.00 514	125.00 512	168.00 514	120.00 510	153.00 513	117.00 512	49.00 511	44.00 511	49.00 511	44.00 511	49.00 508	44.00 510

AE-Stereo	201.80 509	123.00 512	115.00 512	219.00 515	218.00 516	223.00 515	244.00 515	217.00 515	236.00 512	202.00 515	203.00 514	205.00 515	208.00 512	225.00 515	204.00 514	210.00 515	198.00 515	197.00 515	184.00 516	204.00 512	201.00 514

MGS-Stereo	239.45 510	123.00 512	135.00 514	266.00 516	286.00 517	277.00 516	305.00 516	271.00 516	242.00 513	274.00 516	279.00 516	255.00 516	270.00 514	268.00 516	297.00 516	221.00 516	247.00 517	216.00 516	123.00 514	217.00 513	217.00 516

EGLCR-Stereo	246.90 511	129.00 514	139.00 515	266.00 516	286.00 517	277.00 516	305.00 516	271.00 516	242.00 513	274.00 516	279.00 516	255.00 516	270.00 514	268.00 516	297.00 516	230.00 517	247.00 517	216.00 516	223.00 518	237.00 514	227.00 517

DLCB_ROB	284.23 512	354.61 518	207.27 517	363.24 518	206.46 515	364.72 518	210.41 514	364.72 518	210.41 511	364.81 518	208.64 515	364.81 518	208.64 513	364.72 518	210.41 515	354.70 518	205.53 516	354.70 518	205.53 517	354.70 515	205.53 515

LE_ROB	396.57 513	471.28 519	329.84 518	471.48 519	308.15 519	526.83 519	322.10 518	488.15 519	323.76 515	495.46 519	317.97 518	497.17 519	320.10 516	481.62 519	326.76 518	462.71 519	298.97 519	466.16 519	285.98 519	447.62 516	289.21 518

SGM-ForestM	596.69 514	677.77 520	444.52 519	699.85 520	517.25 520	732.94 520	488.29 519	770.79 520	460.11 516	750.81 520	487.98 519	792.79 520	499.41 517	730.90 520	475.81 519	720.03 520	491.16 520	663.96 520	418.60 520	674.76 517	436.05 519

CBMV_ROB	818.48 515	913.88 521	709.52 520	862.84 521	597.78 521	1073.99 521	700.52 520	1015.66 521	702.59 517	1115.65 521	760.02 520	1130.24 521	721.57 518	1037.41 521	692.65 520	814.05 521	564.29 521	843.28 521	595.31 521	915.51 518	602.92 520

IGEV-Stereo++	10000000.00 521	10000000.00 523	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

IGEV-BASED-STEREO-	10000000.00 521	10000000.00 523	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

IGEV-Stereo+	10000000.00 521	10000000.00 523	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

SDNR	10000000.00 521	10000000.00 523	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

anonymousdsp2	10000000.00 521	10000000.00 523	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

anonymousdsp	10000000.00 521	10000000.00 523	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

test_example2	10000000.00 521	10000000.00 523	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521

DIP-Stereo	10000000.00 521	10000000.00 523	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 518	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 519	10000000.00 522	10000000.00 521	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 522	10000000.00 519	10000000.00 521
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ASD4		0.20 88

Low-res two-view benchmark