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

CoDeX	0.15 121	0.70 220	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 350	0.02 15	0.69 335	0.75 354	0.01 9	0.02 20	0.02 20

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 64	0.07 58	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 118	0.20 161	0.23 144	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 169	0.21 170	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 207	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 192	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

USTest	0.01 9	0.02 12	0.00 1	0.14 96	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

test_sample6	0.09 51	0.97 260	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 51	0.87 238	0.10 69	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 277	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 238	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 271	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 257	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

ttt	0.10 62	1.09 286	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 62	1.14 291	0.13 120	0.14 96	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 271	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev-Ref	0.11 84	0.44 169	0.33 213	0.39 196	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 242	0.36 236	0.02 18	0.02 20	0.02 20	0.02 20

222	0.10 62	0.99 264	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 77	0.03 51

SFCPSM	0.17 133	0.78 224	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 371	0.02 15	0.75 345	0.76 356	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 158	1.31 357	0.74 341	0.92 322	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 352	0.75 345	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 50	0.02 12	0.02 14	1.01 340	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 105	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 51	0.02 12	0.04 43	0.90 317	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 127	0.36 266	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 432	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

zh-sn7	0.10 62	0.98 261	0.14 125	0.15 106	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 93	1.14 291	0.17 149	0.20 132	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 147	0.16 142	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 109	1.22 351	0.28 189	0.32 174	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 200	0.27 189	0.04 73	0.03 54	0.03 43	0.03 51

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 62	1.05 281	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 281	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 281	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 265	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 62	1.07 284	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 62	1.03 277	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

11t1	0.17 133	2.16 406	0.13 120	0.13 92	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 147	0.12 109	0.06 94	0.03 54	0.05 92	0.03 51

DualNet	0.10 62	1.07 284	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

x	0.11 84	1.15 294	0.15 141	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

psmg	0.43 244	1.91 389	0.92 362	1.91 439	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 464	1.44 457	0.04 73	0.03 54	0.02 20	0.03 51

test_xeample	0.10 62	1.09 286	0.13 120	0.12 79	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 77	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 429	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 36	1.60 429	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 450	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 102	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 412	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 105	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

z-mn7	0.16 129	1.21 346	0.33 213	0.41 220	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 216	0.31 218	0.04 73	0.04 78	0.04 77	0.04 79

z-ln-s-r	0.21 147	1.40 363	0.53 306	0.56 274	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 309	0.44 277	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 136	1.47 365	0.33 213	0.40 209	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 232	0.32 221	0.05 86	0.04 78	0.04 77	0.04 79

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

mmm	0.14 109	1.83 380	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 91	0.11 94	0.05 86	0.04 78	0.05 92	0.04 79

ffm	0.25 158	3.83 477	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 158	3.83 477	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 158	3.83 477	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 122	0.04 88	0.06 97	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

qqq	0.16 129	2.01 397	0.12 100	0.15 106	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 91	0.14 137	0.04 73	0.04 78	0.03 43	0.03 51

xxxx	0.11 84	1.16 295	0.16 142	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 142	0.03 38	0.04 78	0.04 77	0.04 79

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 380	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 481	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 486	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 483	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 93	0.03 31	0.04 43	1.71 435	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCP+	0.15 121	0.04 37	0.04 43	2.20 449	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 105	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ISRNet	0.11 84	0.05 49	0.36 232	0.24 149	0.07 108	0.13 123	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 124	0.05 94	0.05 82	0.09 105	0.24 174	0.20 167	0.10 107	0.05 96	0.06 96	0.13 147

qqq1	0.25 158	3.70 471	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 158	3.70 471	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

GwcNet	0.12 93	0.07 57	0.05 57	0.08 49	0.05 99	0.08 103	1.20 408	0.07 104	0.05 97	0.05 91	0.05 100	0.08 104	0.05 94	0.08 105	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 477	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 108	0.08 103	0.06 105	0.08 107	0.07 109	0.08 104	0.07 109	0.08 104	0.06 106	0.07 102	0.07 100	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

BEATNet-Init1	0.19 139	0.08 58	0.08 60	2.23 451	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SuperB	0.21 147	0.10 66	2.51 511	0.12 79	0.09 112	0.10 108	0.09 110	0.08 107	0.07 109	0.10 108	0.09 112	0.09 108	0.07 110	0.07 102	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

DeepPrunerF	0.19 139	0.08 58	0.08 60	2.23 451	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SepStereo	0.09 51	0.09 64	0.10 69	0.09 53	0.09 112	0.09 107	0.09 110	0.10 109	0.08 111	0.10 108	0.09 112	0.09 108	0.09 113	0.09 108	0.08 102	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

ELAS	0.13 100	0.16 86	0.11 89	0.15 106	0.09 112	0.18 151	0.11 128	0.18 149	0.11 130	0.17 144	0.11 130	0.18 150	0.11 129	0.18 149	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 128	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2	0.12 93	0.14 84	0.10 69	0.15 106	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.15 130	0.10 116	0.14 125	0.10 117	0.14 127	0.10 111	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.09 108

CSP-Net	0.34 193	1.29 355	1.19 386	1.36 419	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 430	1.21 437	0.03 38	0.09 110	0.02 20	0.09 108

UNet	0.29 172	0.90 245	0.10 69	0.14 96	0.10 118	0.14 124	0.10 115	0.91 356	0.69 356	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 346	0.76 367

PASM	0.39 223	3.06 457	1.36 452	1.58 425	0.09 112	0.11 119	0.11 128	0.11 121	0.11 130	0.09 107	0.09 112	0.11 120	0.09 113	0.09 108	0.09 105	0.11 86	0.11 94	0.11 118	0.09 110	0.11 120	0.11 125

DRN-Test	0.14 109	0.13 80	0.09 65	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.10 115	0.14 124	0.09 112	0.14 125	0.09 113	0.13 126	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 124	0.73 362

StereoDRNet	0.15 121	0.14 84	0.10 69	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.09 114	0.14 124	0.10 116	0.14 125	0.09 113	0.14 127	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.82 373

ELAS_RVC	0.14 109	0.16 86	0.10 69	0.15 106	0.10 118	0.18 151	0.11 128	0.19 151	0.11 130	0.19 150	0.12 141	0.18 150	0.11 129	0.19 152	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 138	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CAS++	0.17 133	0.27 122	0.21 164	0.10 56	0.21 194	0.15 131	0.22 185	0.10 109	0.21 183	0.22 166	0.10 116	0.19 154	0.18 176	0.10 110	0.19 179	0.20 151	0.19 165	0.18 159	0.10 117	0.19 158	0.18 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

PVD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SGM_RVC	0.15 121	0.17 92	0.11 89	0.18 127	0.11 133	0.19 154	0.11 128	0.19 151	0.12 149	0.19 150	0.12 141	0.20 156	0.12 146	0.19 152	0.12 138	0.16 131	0.11 94	0.17 150	0.10 117	0.17 148	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
S2M2_XL	0.14 109	0.17 92	0.12 100	0.17 125	0.11 133	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.11 130	0.17 146	0.11 129	0.17 146	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125

test_for_model	0.15 121	0.23 111	0.18 155	0.21 141	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.21 155	0.18 164	0.14 126	0.11 129	0.14 128	0.11 125

testlalala2	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

JetRed	0.11 84	0.12 79	0.11 89	0.11 73	0.11 133	0.11 119	0.14 149	0.11 121	0.11 130	0.12 122	0.11 130	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.16 142	0.11 118	0.11 129	0.11 120	0.11 125

JetBlue	0.11 84	0.11 77	0.12 100	0.13 92	0.14 154	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.11 130	0.11 120	0.11 129	0.12 125	0.12 138	0.11 86	0.11 94	0.11 118	0.11 129	0.11 120	0.11 125

testlalala_base	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.15 131	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

ProNet	0.14 109	0.20 100	0.14 125	0.16 117	0.11 133	0.16 139	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.13 151	0.17 146	0.12 138	0.15 123	0.11 94	0.16 142	0.11 129	0.15 138	0.12 141

CIPLG	0.13 100	0.21 106	0.12 100	0.16 117	0.11 133	0.15 131	0.11 128	0.14 125	0.11 130	0.15 130	0.12 141	0.15 135	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

IPLG	0.13 100	0.20 100	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

MIPNet	0.14 109	0.21 106	0.17 149	0.16 117	0.11 133	0.15 131	0.12 144	0.14 125	0.11 130	0.16 135	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.14 114	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

IPLGR	0.14 109	0.24 118	0.14 125	0.16 117	0.12 149	0.15 131	0.12 144	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

ACRE	0.13 100	0.21 106	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

ICVP	0.15 121	0.53 204	0.11 89	0.16 117	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 100	0.11 77	0.11 89	0.11 73	0.11 133	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.12 141	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.11 94	0.14 126	0.11 129	0.49 288	0.11 125

cf-r	0.66 300	2.17 407	0.12 100	0.18 127	0.12 149	0.18 151	2.70 517	2.60 493	0.12 149	0.18 148	0.12 141	0.18 150	0.12 146	0.18 149	0.12 138	0.15 123	0.11 94	0.15 139	0.11 129	1.81 454	1.74 497

HSM	0.14 109	0.16 86	0.12 100	0.17 125	0.12 149	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.12 146	0.17 146	0.12 138	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.12 141

LALA_ROB	0.15 121	0.19 96	0.12 100	0.18 127	0.11 133	0.20 159	0.12 144	0.21 162	0.12 149	0.20 155	0.12 141	0.20 156	0.12 146	0.21 166	0.13 144	0.17 139	0.10 73	0.18 159	0.11 129	0.18 152	0.11 125

IPLGR_C	0.14 109	0.20 100	0.12 100	0.15 106	0.11 133	0.14 124	0.15 154	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.16 137	0.11 123	0.15 123	0.12 109	0.14 126	0.12 146	0.15 138	0.12 141

ACVNet	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 387	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

acv_ft	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 387	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

hitnet-ft	0.79 327	2.78 453	0.14 125	0.20 132	0.14 154	0.21 166	2.89 518	2.80 507	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.54 493	2.33 514

PSMNet-RSSM	0.77 323	2.76 449	0.14 125	0.20 132	0.14 154	0.20 159	2.66 515	2.79 506	0.14 154	0.21 164	0.14 158	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 485	2.31 512

GwcNet-RSSM	0.77 323	2.77 451	0.14 125	0.20 132	0.14 154	0.20 159	2.67 516	2.78 505	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.21 166	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 485	2.31 512

CFNet-ft	0.55 286	1.57 368	0.14 125	0.20 132	0.14 154	0.20 159	2.53 514	1.61 449	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	1.56 442	1.24 462

PDISCO_ROB	0.83 341	2.80 454	3.49 528	0.14 96	0.11 133	0.17 147	0.09 110	0.15 137	0.10 115	0.15 130	0.12 141	0.16 136	0.14 155	3.30 513	0.13 144	0.14 114	2.34 504	0.16 142	0.12 146	2.62 494	0.10 113

DDVS	0.30 173	3.10 458	0.14 125	0.19 130	0.14 154	0.19 154	0.14 149	0.20 156	0.14 154	0.19 150	0.13 153	0.16 136	0.13 151	0.19 152	0.13 144	0.17 139	0.13 133	0.17 150	0.13 154	0.17 148	0.13 147

GANet-RSSM	0.75 318	1.91 389	0.14 125	0.47 240	0.14 154	0.21 166	3.21 534	2.30 481	0.14 154	0.46 272	0.14 158	0.23 173	0.18 176	0.21 166	0.14 148	0.18 147	0.27 189	0.37 243	0.13 154	2.13 463	2.12 507

DeepPruner_ROB	0.16 129	0.18 95	0.13 120	0.19 130	0.13 152	0.19 154	0.13 147	0.19 151	0.13 152	0.19 150	0.13 153	0.19 154	0.13 151	0.19 152	0.13 144	0.18 147	0.13 133	0.18 159	0.13 154	0.18 152	0.13 147

castereo++	0.54 282	3.59 468	1.15 380	1.31 415	0.14 154	0.16 139	0.14 149	0.16 138	0.14 154	0.16 135	0.14 158	0.16 136	0.13 151	0.16 137	0.14 148	1.45 442	1.16 386	0.15 139	0.14 157	0.15 138	0.13 147

ITSA-stereo	0.15 121	0.17 92	0.13 120	0.20 132	0.13 152	0.19 154	0.13 147	0.18 149	0.13 152	0.19 150	0.13 153	0.18 150	0.14 155	0.18 149	0.14 148	0.16 131	0.11 94	0.15 139	0.14 157	0.18 152	0.11 125

LRCNet_RVC	0.13 100	0.13 80	0.09 65	0.13 92	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.23 170	0.10 116	0.20 156	0.10 117	0.24 178	0.11 123	0.11 86	0.09 68	0.12 121	0.14 157	0.12 124	0.09 108

GMStereo	0.14 109	0.13 80	0.14 125	0.14 96	0.14 154	0.14 124	0.14 149	0.14 125	0.14 154	0.14 124	0.14 158	0.14 125	0.14 155	0.14 127	0.14 148	0.14 114	0.14 137	0.14 126	0.14 157	0.14 128	0.14 152
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
dd	0.23 155	0.98 261	0.16 142	0.23 144	0.15 165	0.23 174	0.15 154	0.23 170	0.15 164	0.23 170	0.15 166	0.24 177	0.17 169	0.23 174	0.15 158	0.22 158	0.15 140	0.21 165	0.15 161	0.22 164	0.16 153

xyz-stereo-finetune2	0.18 136	0.48 186	0.16 142	0.16 117	0.15 165	0.15 131	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

xyz-stereo	0.18 136	0.50 192	0.16 142	0.15 106	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

castereo	0.61 293	3.79 476	1.35 444	1.52 424	0.15 165	0.17 147	0.16 157	0.20 156	0.21 183	0.18 148	0.16 167	0.21 163	0.12 146	0.26 193	0.17 167	1.43 441	1.38 454	0.17 150	0.16 162	0.18 152	0.16 153

tg	0.21 147	0.25 120	0.21 164	0.26 161	0.17 175	0.24 175	0.17 162	0.24 173	0.17 171	0.24 175	0.17 172	0.24 177	0.17 169	0.24 178	0.17 167	0.24 174	0.17 158	0.23 176	0.16 162	0.23 173	0.16 153

ACV-stereo	0.30 173	2.08 399	0.25 178	0.25 154	0.18 182	0.24 175	0.17 162	0.24 173	0.18 173	0.24 175	0.17 172	0.25 182	0.17 169	0.24 178	0.17 167	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

GMStereo_Zeroshot	0.16 129	0.16 86	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

IGEV_Zeroshot_test	0.20 141	0.19 96	0.40 248	0.30 166	0.17 175	0.22 168	0.17 162	0.21 162	0.17 171	0.20 155	0.17 172	0.21 163	0.18 176	0.21 166	0.17 167	0.20 151	0.16 142	0.20 163	0.16 162	0.20 159	0.17 165

MSKI-zero shot	0.24 157	0.21 106	0.49 290	0.65 290	0.18 182	0.22 168	0.17 162	0.23 170	0.18 173	0.21 164	0.17 172	0.23 173	0.28 225	0.23 174	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

gwcnet-sp	0.82 338	1.72 373	1.48 462	0.39 196	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 455	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 446	0.32 207	0.16 162	6.75 540	0.23 179

scenet	0.82 338	1.72 373	1.48 462	0.39 196	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 455	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 446	0.32 207	0.16 162	6.75 540	0.23 179

ssnet	0.82 338	1.72 373	1.48 462	0.39 196	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 455	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 446	0.32 207	0.16 162	6.75 540	0.23 179

dad	0.23 155	1.03 277	0.16 142	0.23 144	0.15 165	0.24 175	0.15 154	0.24 173	0.16 166	0.23 170	0.16 167	0.24 177	0.16 165	0.23 174	0.15 158	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

MMNet	0.44 248	1.24 353	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 437	0.93 388	0.25 179	0.17 172	0.25 182	0.18 176	0.25 183	0.17 167	0.23 169	0.16 142	0.23 176	0.16 162	1.20 383	0.99 387

delet	0.43 244	1.21 346	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 437	0.95 390	0.25 179	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.22 170	0.16 162	1.18 380	0.98 386

psm_up	0.43 244	1.19 299	0.17 149	0.25 154	0.18 182	0.25 182	0.19 172	1.26 437	0.91 383	0.26 186	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.23 176	0.16 162	1.18 380	0.99 387

UPFNet	0.42 243	1.20 300	0.17 149	0.24 149	0.17 175	0.25 182	0.17 162	1.19 385	0.90 382	0.25 179	0.17 172	0.24 177	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.22 170	0.16 162	1.15 372	0.93 382

iResNetv2_ROB	0.20 141	0.23 111	0.18 155	0.24 149	0.20 188	0.24 175	0.18 168	0.24 173	0.18 173	0.24 175	0.18 182	0.23 173	0.19 181	0.24 178	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.22 164	0.16 153

iResNet	0.20 141	0.23 111	0.18 155	0.24 149	0.18 182	0.24 175	0.20 175	0.24 173	0.18 173	0.23 170	0.17 172	0.23 173	0.18 176	0.23 174	0.18 176	0.22 158	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

DEFOM-Stereo_RVC	0.83 341	5.18 498	1.98 500	2.19 448	0.17 175	0.19 154	0.18 168	0.19 151	0.16 166	0.20 155	0.19 183	0.22 169	0.22 190	0.20 156	0.15 158	2.28 481	2.13 499	0.24 183	0.17 180	0.18 152	0.16 153

Pointernet	0.21 147	0.22 110	0.19 158	0.24 149	0.19 186	0.24 175	0.19 172	0.24 173	0.19 179	0.24 175	0.19 183	0.24 177	0.19 181	0.24 178	0.19 179	0.22 158	0.17 158	0.22 170	0.17 180	0.22 164	0.17 165

MIM_Stereo	0.25 158	0.23 111	0.66 324	0.80 307	0.17 175	0.22 168	0.17 162	0.23 170	0.18 173	0.26 186	0.17 172	0.21 163	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.21 165	0.17 180	0.22 164	0.17 165

ac_64	0.22 151	0.13 80	0.19 158	0.23 144	0.10 118	0.26 189	1.02 395	0.14 125	0.10 115	0.28 189	0.14 158	0.17 146	0.19 181	0.28 198	0.09 105	0.22 158	0.16 142	0.23 176	0.17 180	0.11 120	0.12 141

ssnet_v2	0.68 305	1.96 396	1.25 440	0.29 165	0.20 188	0.30 196	0.20 175	0.29 190	0.22 186	1.50 451	0.20 187	0.31 205	0.20 185	0.27 196	0.22 186	0.24 174	1.49 460	0.26 187	0.18 184	3.90 502	0.19 171

DAS	0.20 141	0.20 100	0.20 161	0.20 132	0.20 188	0.20 159	0.20 175	0.20 156	0.20 181	0.20 155	0.20 187	0.20 156	0.20 185	0.20 156	0.20 182	0.20 151	0.20 167	0.20 163	0.20 185	0.20 159	0.20 172

DCVSM-stereo	0.36 204	1.89 386	0.22 166	0.40 209	0.22 196	0.40 237	0.22 185	0.40 231	0.22 186	0.40 232	0.22 192	0.40 241	0.22 190	0.40 241	0.22 186	0.28 186	0.21 170	0.28 193	0.21 186	0.28 182	0.20 172

HGLStereo	0.28 168	0.29 127	0.22 166	0.36 185	0.22 196	0.36 220	0.21 180	0.36 211	0.21 183	0.42 257	0.21 191	0.36 222	0.22 190	0.36 224	0.21 184	0.34 207	0.21 170	0.34 222	0.21 186	0.34 205	0.21 174

DISCO	1.11 380	0.39 149	5.28 541	0.39 196	0.20 188	0.39 235	0.27 211	0.39 226	0.22 186	0.38 222	0.20 187	0.38 230	0.20 185	6.95 552	0.22 186	0.30 194	0.21 170	0.27 191	0.21 186	5.25 533	0.21 174

WAO-6	0.22 151	0.23 111	0.22 166	0.23 144	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.22 170	0.22 189	0.22 164	0.22 177

IMH-64-1	0.22 151	0.23 111	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

IMH-64	0.22 151	0.23 111	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

NINENet	0.69 308	3.87 480	1.20 389	1.98 443	0.05 99	0.40 237	0.04 81	0.40 231	0.05 97	0.41 245	0.04 88	0.41 253	0.05 94	0.40 241	0.05 88	1.79 454	1.56 466	0.34 222	0.22 189	0.34 205	0.23 179

FCDSN-DC	0.41 234	0.59 212	0.64 320	0.54 268	0.33 256	0.50 307	0.37 271	0.42 262	0.40 287	0.61 330	0.43 309	0.50 310	0.49 323	0.38 230	0.32 238	0.28 186	0.23 178	0.26 187	0.22 189	0.35 217	0.28 217
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
model_zeroshot	0.27 167	0.20 100	0.27 185	0.33 178	0.21 194	0.37 225	0.22 185	0.37 217	0.24 194	0.26 186	0.27 218	0.33 210	0.21 189	0.25 183	0.27 208	0.32 200	0.20 167	0.34 222	0.23 194	0.25 175	0.26 196

WCG-NET（raft）	0.32 188	1.24 353	0.24 175	0.32 174	0.24 206	0.32 209	0.23 192	0.32 197	0.24 194	0.32 202	0.24 202	0.32 207	0.24 199	0.32 208	0.24 196	0.30 194	0.23 178	0.30 200	0.23 194	0.30 188	0.23 179

gcap-zeroshot	0.35 200	0.32 132	0.37 235	0.49 250	0.39 292	0.33 211	0.21 180	0.26 183	0.35 262	0.42 257	0.34 260	0.49 296	0.29 231	0.47 283	0.39 284	0.34 207	0.17 158	0.38 250	0.23 194	0.48 284	0.34 256

BUS	0.83 341	1.91 389	0.92 362	4.48 506	0.02 21	0.40 237	0.04 81	0.41 246	0.02 21	0.48 285	0.03 52	0.41 253	0.05 94	0.03 39	0.05 88	1.97 464	4.19 529	0.33 215	0.23 194	0.34 205	0.27 204

CRFU-Net	0.65 298	1.67 371	1.22 436	1.96 442	0.27 218	0.41 253	0.27 211	0.41 246	0.27 217	0.40 232	0.26 214	0.41 253	0.27 219	0.40 241	0.27 208	1.80 455	1.62 473	0.34 222	0.23 194	0.33 201	0.23 179

BSDual-CNN	0.81 334	1.91 389	0.92 362	4.48 506	0.02 21	0.42 271	0.06 105	0.41 246	0.02 21	0.48 285	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 464	4.19 529	0.33 215	0.23 194	0.34 205	0.27 204

hknet	1.10 378	1.85 382	3.49 528	4.48 506	0.02 21	0.42 271	0.06 105	0.41 246	0.02 21	0.48 285	0.03 52	0.41 253	0.03 52	0.42 268	0.03 48	4.39 515	4.19 529	0.33 215	0.23 194	0.34 205	0.27 204

FENet	0.54 282	1.52 367	1.19 386	1.41 422	0.23 201	0.35 217	0.23 192	0.35 207	0.23 192	0.34 209	0.23 196	0.35 216	0.23 196	0.35 218	0.23 192	1.40 440	1.07 370	0.32 207	0.23 194	0.33 201	0.23 179

GCAP-BAT	0.33 191	0.78 224	0.32 208	0.38 191	0.25 208	0.34 213	0.25 200	0.34 204	0.26 212	0.34 209	0.25 208	0.35 216	0.26 211	0.35 218	0.27 208	0.36 221	0.30 212	0.32 207	0.24 202	0.32 195	0.26 196

DLNR_Zeroshot_test	0.31 180	0.28 125	0.47 277	0.79 305	0.24 206	0.30 196	0.26 208	0.30 192	0.24 194	0.32 202	0.23 196	0.31 205	0.24 199	0.30 203	0.23 192	0.29 193	0.26 184	0.29 198	0.24 202	0.33 201	0.23 179

testlalala	0.32 188	0.81 230	0.31 204	0.39 196	0.26 216	0.33 211	0.24 197	0.33 200	0.26 212	0.32 202	0.26 214	0.33 210	0.23 196	0.33 214	0.23 192	0.35 216	0.31 218	0.30 200	0.24 202	0.31 193	0.21 174

IGEV-Stereo	0.35 200	0.44 169	0.45 266	0.49 250	0.30 237	0.37 225	0.30 228	0.36 211	0.30 235	0.36 216	0.29 228	0.36 222	0.29 231	0.36 224	0.30 231	0.46 275	0.39 251	0.32 207	0.24 202	0.32 195	0.25 190
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 168	0.32 132	0.24 175	0.32 174	0.25 208	0.32 209	0.24 197	0.32 197	0.24 194	0.33 207	0.24 202	0.35 216	0.24 199	0.33 214	0.24 196	0.31 199	0.24 180	0.32 207	0.24 202	0.32 195	0.24 189

UNDER WATER-64	0.25 158	0.26 121	0.25 178	0.26 161	0.25 208	0.25 182	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.26 193	0.25 202	0.25 180	0.25 181	0.25 184	0.25 207	0.25 175	0.25 190

LoS_RVC	0.30 173	1.14 291	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.26 191	0.26 211	0.26 193	0.25 202	0.26 181	0.26 184	0.25 184	0.25 207	0.26 177	0.26 196

CAS	0.30 173	1.17 296	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.26 212	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.26 184	0.26 187	0.25 207	0.26 177	0.25 190

IER	0.88 349	7.04 517	2.23 505	2.75 466	0.28 221	0.43 275	0.25 200	0.39 226	0.25 199	0.41 245	0.27 218	0.39 234	0.25 202	0.40 241	0.28 214	0.37 225	0.28 195	0.37 243	0.25 207	0.37 226	0.25 190

CroCo-Stereo	0.73 316	1.22 351	0.25 178	1.22 408	0.25 208	1.22 441	0.25 200	1.22 434	0.25 199	1.22 442	0.25 208	1.22 445	0.25 202	1.22 445	0.25 202	1.22 429	0.26 184	1.21 451	0.25 207	1.22 430	0.25 190
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
StereoDRNet-Refined	0.33 191	0.39 149	0.26 184	0.39 196	0.26 216	0.40 237	0.26 208	0.40 231	0.26 212	0.39 227	0.26 214	0.39 234	0.26 211	0.39 238	0.26 207	0.37 225	0.25 181	0.37 243	0.25 207	0.37 226	0.37 268
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LG-Stereo_L2	0.34 193	0.37 140	0.38 238	0.47 240	0.28 221	0.39 235	0.28 216	0.39 226	0.28 220	0.39 227	0.28 224	0.39 234	0.28 225	0.38 230	0.28 214	0.42 268	0.35 233	0.36 240	0.26 213	0.35 217	0.26 196

tt1	0.31 180	0.93 254	0.24 175	0.33 178	0.23 201	0.31 201	0.24 197	0.32 197	0.24 194	0.32 202	0.23 196	0.32 207	0.25 202	0.32 208	0.24 196	0.27 184	0.26 184	0.27 191	0.26 213	0.27 180	0.27 204

HH	0.71 311	2.54 432	0.74 341	1.10 346	0.32 245	0.41 253	0.37 271	0.69 334	0.78 372	0.73 345	0.90 384	0.75 352	1.00 381	0.84 357	0.69 357	0.69 327	0.40 254	0.35 235	0.26 213	0.35 217	0.26 196

HanStereo	0.71 311	2.54 432	0.74 341	1.10 346	0.32 245	0.41 253	0.37 271	0.69 334	0.78 372	0.73 345	0.90 384	0.75 352	1.00 381	0.84 357	0.69 357	0.69 327	0.40 254	0.35 235	0.26 213	0.35 217	0.26 196

LoS	0.25 158	0.27 122	0.25 178	0.25 154	0.25 208	0.25 182	0.25 200	0.26 183	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.25 181	0.25 184	0.26 213	0.26 177	0.25 190
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
iRaft-Stereo_5w	0.34 193	0.42 165	0.31 204	0.39 196	0.30 237	0.38 229	0.30 228	0.40 231	0.29 225	0.40 232	0.37 278	0.41 253	0.34 258	0.38 230	0.30 231	0.34 207	0.27 189	0.34 222	0.26 213	0.34 205	0.26 196

UCFNet_RVC	2.75 509	10.06 539	0.29 192	10.31 555	0.29 228	0.42 271	0.29 223	0.43 266	0.29 225	0.42 257	0.29 228	0.42 269	9.87 555	0.43 270	0.29 224	0.36 221	9.84 555	0.36 240	0.26 213	9.77 554	0.26 196

4D-IteraStereo	0.78 326	3.13 460	0.89 355	0.69 295	0.32 245	0.40 237	0.32 235	0.76 340	0.97 393	0.52 312	0.65 356	0.89 367	0.32 246	0.76 350	0.98 389	0.83 347	0.94 362	0.35 235	0.27 220	0.70 321	0.89 378

CroCo-Stereo Lap2	0.77 323	1.29 355	0.29 192	1.27 412	0.29 228	1.27 444	0.26 208	1.26 437	0.26 212	1.26 443	0.26 214	1.27 447	0.26 211	1.26 446	0.27 208	1.27 431	0.27 189	1.27 454	0.27 220	1.27 432	0.27 204

iRaft-Stereo_20w	0.34 193	0.41 158	0.31 204	0.39 196	0.29 228	0.40 237	0.32 235	0.41 246	0.32 244	0.38 222	0.30 239	0.39 234	0.30 237	0.38 230	0.32 238	0.35 216	0.27 189	0.34 222	0.27 220	0.34 205	0.29 222

MLCV	0.31 180	0.35 135	0.27 185	0.35 181	0.28 221	0.35 217	0.27 211	0.35 207	0.28 220	0.36 216	0.27 218	0.35 216	0.27 219	0.35 218	0.27 208	0.34 207	0.27 189	0.34 222	0.27 220	0.34 205	0.27 204

xxxxx1	0.31 180	0.91 247	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 195	0.28 193	0.28 224	0.29 185	0.27 204

SQANet	0.28 168	0.28 125	0.28 189	0.28 164	0.28 221	0.28 193	0.28 216	0.28 186	0.28 220	0.28 189	0.28 224	0.28 193	0.28 225	0.28 198	0.28 214	0.28 186	0.28 195	0.28 193	0.28 224	0.28 182	0.28 217

Any-RAFT	0.32 188	0.36 138	0.27 185	0.36 185	0.27 218	0.36 220	0.27 211	0.36 211	0.27 217	0.36 216	0.27 218	0.36 222	0.27 219	0.36 224	0.28 214	0.36 221	0.28 195	0.36 240	0.28 224	0.36 224	0.28 217

tt_ll	0.31 180	0.91 247	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 195	0.28 193	0.28 224	0.29 185	0.27 204

ff	0.31 180	0.91 247	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 195	0.28 193	0.28 224	0.29 185	0.27 204

DGSMNet	0.34 193	0.41 158	0.27 185	0.41 220	0.28 221	0.41 253	0.28 216	0.41 246	0.27 217	0.41 245	0.27 218	0.42 269	0.27 219	0.41 255	0.28 214	0.40 246	0.29 204	0.40 265	0.28 224	0.40 247	0.27 204

Gwc-CoAtRS	0.41 234	1.49 366	0.32 208	0.42 229	0.32 245	0.41 253	0.32 235	0.41 246	0.33 250	0.41 245	0.32 246	0.41 253	0.32 246	0.41 255	0.32 238	0.39 242	0.28 195	0.39 260	0.28 224	0.40 247	0.28 217

ccs_rob	2.79 510	10.17 541	0.32 208	10.00 553	0.33 256	0.49 299	0.33 244	1.90 460	0.32 244	0.51 309	0.33 252	0.49 296	9.24 554	0.49 298	0.33 246	0.41 254	9.82 554	0.41 278	0.28 224	9.34 552	0.29 222

DN-CSS_ROB	0.31 180	0.35 135	0.28 189	0.35 181	0.28 221	0.34 213	0.27 211	0.34 204	0.25 199	0.35 213	0.27 218	0.36 222	0.26 211	0.34 216	0.28 214	0.35 216	0.28 195	0.34 222	0.28 224	0.34 205	0.27 204

GREAT-IGEV	0.38 215	0.43 166	0.36 232	0.48 244	0.32 245	0.45 278	0.32 235	0.45 268	0.32 244	0.45 268	0.32 246	0.45 275	0.32 246	0.45 275	0.32 238	0.44 270	0.33 229	0.41 278	0.29 233	0.41 257	0.29 222

DEFOM-Stereo	0.68 305	3.11 459	1.40 458	1.63 433	0.25 208	0.31 201	0.25 200	0.31 196	0.28 220	0.31 197	0.29 228	0.29 198	0.27 219	0.31 207	0.28 214	1.59 448	1.47 459	0.30 200	0.29 233	0.30 188	0.28 217

IGEV++	0.34 193	0.43 166	0.30 196	0.40 209	0.29 228	0.40 237	0.29 223	0.40 231	0.29 225	0.40 232	0.29 228	0.40 241	0.29 231	0.40 241	0.30 231	0.38 232	0.29 204	0.37 243	0.29 233	0.37 226	0.29 222

PCWNet_CMD	2.80 511	9.82 537	0.32 208	10.09 554	0.32 245	0.49 299	0.33 244	3.34 513	0.33 250	0.49 292	0.33 252	0.49 296	8.73 551	0.48 292	0.33 246	0.41 254	9.22 550	0.42 289	0.29 233	9.55 553	0.31 239

CFNet_ucs	2.73 508	9.64 536	0.33 213	9.92 552	0.32 245	0.49 299	0.33 244	0.49 286	0.33 250	0.49 292	0.33 252	0.49 296	8.98 553	0.48 292	0.33 246	0.41 254	9.96 556	0.40 265	0.29 233	10.12 556	0.54 330

RAFT-Test	0.36 204	0.37 140	0.33 213	0.41 220	0.32 245	0.41 253	0.32 235	0.41 246	0.32 244	0.41 245	0.32 246	0.41 253	0.32 246	0.41 255	0.33 246	0.37 225	0.29 204	0.37 243	0.29 233	0.38 235	0.31 239

RCA-Stereo	0.51 277	3.22 463	0.34 223	0.44 232	0.34 266	0.44 277	0.34 255	0.43 266	0.34 259	0.43 263	0.34 260	0.44 273	0.33 253	0.43 270	0.33 246	0.38 232	0.29 204	0.38 250	0.29 233	0.38 235	0.29 222

CFNet_pseudo	2.67 507	9.36 534	0.32 208	10.99 556	0.33 256	0.85 357	0.33 244	0.49 286	0.33 250	0.49 292	0.32 246	0.49 296	7.26 549	0.49 298	0.33 246	0.41 254	9.62 553	0.41 278	0.29 233	10.03 555	0.29 222

pcwnet_v2	2.66 506	9.89 538	0.33 213	9.89 551	0.32 245	0.50 307	0.32 235	0.49 286	0.33 250	0.49 292	0.34 260	0.49 296	8.76 552	0.48 292	0.33 246	0.41 254	9.58 552	0.40 265	0.29 233	9.01 551	0.63 346

RAFT + AFF	0.31 180	0.45 172	0.34 223	0.39 196	0.28 221	0.38 229	0.33 244	0.29 190	0.31 241	0.30 193	0.30 239	0.29 198	0.27 219	0.29 201	0.30 231	0.28 186	0.29 204	0.29 198	0.29 233	0.27 180	0.32 243

MultiAttention	0.30 173	0.30 128	0.30 196	0.30 166	0.30 237	0.30 196	0.30 228	0.30 192	0.30 235	0.30 193	0.30 239	0.30 201	0.30 237	0.30 203	0.30 231	0.30 194	0.30 212	0.30 200	0.30 243	0.30 188	0.30 232

MSAF-DinoV2	0.30 173	0.30 128	0.30 196	0.30 166	0.30 237	0.30 196	0.30 228	0.30 192	0.30 235	0.30 193	0.30 239	0.30 201	0.30 237	0.30 203	0.30 231	0.30 194	0.30 212	0.30 200	0.30 243	0.30 188	0.30 232

GIP-stereo	0.36 204	0.49 188	0.39 245	0.48 244	0.32 245	0.41 253	0.28 216	0.40 231	0.30 235	0.41 245	0.28 224	0.40 241	0.28 225	0.42 268	0.28 214	0.45 272	0.32 221	0.38 250	0.30 243	0.37 226	0.27 204

EKT-Stereo	0.37 209	0.40 151	0.44 264	1.07 344	0.29 228	0.34 213	0.31 234	0.36 211	0.29 225	0.38 222	0.31 244	0.37 228	0.30 237	0.36 224	0.29 224	0.34 207	0.28 195	0.39 260	0.30 243	0.37 226	0.30 232

CFNet-RSSM	0.91 352	4.89 494	0.34 223	0.44 232	1.07 406	1.62 461	1.40 473	0.91 356	0.35 262	1.60 452	1.39 473	0.64 338	0.34 258	0.44 272	0.33 246	0.41 254	0.35 233	0.75 354	0.30 243	0.41 257	0.29 222

psmorigin	0.41 234	0.46 176	0.33 213	0.49 250	0.33 256	0.49 299	0.33 244	0.49 286	0.33 250	0.49 292	0.33 252	0.49 296	0.33 253	0.51 312	0.33 246	0.41 254	0.30 212	0.41 278	0.30 243	0.79 332	0.29 222

DANet	0.30 173	0.30 128	0.30 196	0.30 166	0.30 237	0.30 196	0.30 228	0.30 192	0.30 235	0.30 193	0.30 239	0.30 201	0.30 237	0.30 203	0.30 231	0.30 194	0.30 212	0.30 200	0.30 243	0.30 188	0.30 232
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 433	0.31 131	4.99 539	5.93 531	0.20 188	0.25 182	0.20 175	0.25 179	0.20 181	0.23 170	0.19 183	0.25 182	0.20 185	0.25 183	0.20 182	5.66 539	4.76 532	0.26 187	0.30 243	0.24 174	0.27 204

water-stereo	0.41 234	0.84 233	0.46 270	0.50 257	0.33 256	0.45 278	0.33 244	0.45 268	0.32 244	0.45 268	0.32 246	0.45 275	0.32 246	0.45 275	0.32 238	0.44 270	0.41 263	0.39 260	0.31 251	0.39 242	0.32 243

1test111	0.37 209	1.02 275	0.30 196	0.39 196	0.29 228	0.40 237	0.28 216	0.39 226	0.29 225	0.39 227	0.29 228	0.39 234	0.28 225	0.40 241	0.29 224	0.33 204	0.32 221	0.33 215	0.31 251	0.32 195	0.31 239

cc1	0.37 209	1.02 275	0.30 196	0.39 196	0.29 228	0.40 237	0.28 216	0.39 226	0.29 225	0.39 227	0.29 228	0.39 234	0.28 225	0.40 241	0.29 224	0.33 204	0.32 221	0.33 215	0.31 251	0.32 195	0.31 239

PML	0.46 253	1.36 361	0.29 192	0.58 277	0.30 237	0.57 330	0.29 223	0.57 316	0.29 225	0.57 325	0.29 228	0.57 329	0.29 231	0.56 323	0.29 224	0.52 301	0.30 212	0.53 331	0.31 251	0.53 304	0.30 232

MSMDNet	2.65 505	10.14 540	0.33 213	9.74 550	0.32 245	0.87 359	0.33 244	2.95 509	0.68 353	0.49 292	0.34 260	0.49 296	5.70 545	0.49 298	0.33 246	0.42 268	9.57 551	0.41 278	0.31 251	8.36 548	0.65 348

xyz-stereo-finetune	0.28 168	0.49 188	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.22 166	0.30 235	0.32 202	0.31 244	0.32 207	0.31 244	0.32 208	0.32 238	0.32 200	0.33 229	0.31 206	0.32 256	0.31 193	0.32 243

HART	0.38 215	0.45 172	0.34 223	0.42 229	0.33 256	0.41 253	0.34 255	0.42 262	0.33 250	0.43 263	0.34 260	0.42 269	0.34 258	0.41 255	0.38 277	0.40 246	0.32 221	0.42 289	0.32 256	0.40 247	0.32 243

RAFT-Stereo-weight	0.45 250	1.90 388	0.34 223	0.42 229	0.36 275	0.43 275	0.35 260	0.42 262	0.34 259	0.42 257	0.34 260	0.44 273	0.34 258	0.41 255	0.34 259	0.38 232	0.32 221	0.38 250	0.32 256	0.38 235	0.33 250

MyStereo07	0.60 290	3.72 474	0.48 285	0.49 250	0.41 301	0.36 220	0.32 235	0.49 286	0.43 304	0.51 309	0.42 307	0.49 296	0.43 302	0.51 312	0.64 345	0.49 287	0.45 278	0.34 222	0.32 256	0.35 217	0.43 298

MyStereo04	0.56 288	3.72 474	0.59 312	0.49 250	0.41 301	0.36 220	0.32 235	0.37 217	0.31 241	0.34 209	0.46 316	0.35 216	0.32 246	0.35 218	0.33 246	0.49 287	0.45 278	0.34 222	0.32 256	0.35 217	0.43 298

ACVNet-DCA	0.37 209	1.00 265	0.30 196	0.40 209	0.29 228	0.40 237	0.29 223	0.40 231	0.29 225	0.40 232	0.29 228	0.40 241	0.29 231	0.39 238	0.28 214	0.33 204	0.32 221	0.33 215	0.32 256	0.33 201	0.32 243

xx1	0.38 215	1.03 277	0.31 204	0.40 209	0.31 243	0.41 253	0.28 216	0.40 231	0.29 225	0.40 232	0.29 228	0.40 241	0.29 231	0.40 241	0.29 224	0.34 207	0.33 229	0.34 222	0.32 256	0.34 205	0.32 243

HCRNet	1.22 431	7.11 518	3.00 513	3.55 497	0.33 256	0.29 195	0.14 149	0.19 151	0.15 164	0.33 207	0.29 228	0.25 182	0.14 155	0.22 170	0.33 246	3.64 510	3.00 507	0.76 356	0.32 256	0.18 152	0.13 147

depthmonostereo	0.44 248	0.85 235	0.46 270	0.54 268	0.40 294	0.52 318	0.38 277	0.52 306	0.35 262	0.47 278	0.34 260	0.46 279	0.34 258	0.47 283	0.34 259	0.45 272	0.43 274	0.41 278	0.33 264	0.41 257	0.32 243

DilatedVolume-Stereo	0.43 244	0.86 236	0.48 285	0.50 257	0.33 256	0.46 284	0.33 244	0.46 272	0.33 250	0.46 272	0.33 252	0.47 285	0.33 253	0.47 283	0.34 259	0.45 272	0.42 271	0.40 265	0.33 264	0.47 280	0.38 275

GCST	0.50 272	2.08 399	0.38 238	0.53 266	0.35 269	0.49 299	0.35 260	0.50 294	0.35 262	0.49 292	0.35 269	0.49 296	0.35 264	0.49 298	0.35 263	0.48 284	0.37 238	0.45 296	0.33 264	0.44 267	0.33 250

LL-Strereo2	0.48 264	1.73 378	0.51 299	0.59 280	0.34 266	0.42 271	0.33 244	0.40 231	0.31 241	0.42 257	0.33 252	0.42 269	0.31 244	0.44 272	0.39 284	0.60 312	0.51 305	0.44 292	0.33 264	0.44 267	0.33 250

GASTEREO	0.48 264	1.21 346	0.47 277	0.57 275	0.38 285	0.50 307	0.38 277	0.50 294	0.38 277	0.50 304	0.38 283	0.50 310	0.38 275	0.50 305	0.38 277	0.52 301	0.42 271	0.46 299	0.34 268	0.46 272	0.34 256

SCV_C0	0.45 250	0.88 240	0.49 290	0.54 268	0.37 278	0.48 294	0.37 271	0.48 282	0.37 273	0.48 285	0.36 272	0.48 292	0.37 271	0.49 298	0.37 274	0.50 293	0.41 263	0.44 292	0.34 268	0.44 267	0.34 256

SCV	0.46 253	0.94 256	0.45 266	0.54 268	0.37 278	0.48 294	0.38 277	0.48 282	0.37 273	0.48 285	0.39 288	0.48 292	0.37 271	0.49 298	0.37 274	0.50 293	0.46 280	0.44 292	0.34 268	0.44 267	0.34 256

UGAM	0.51 277	2.23 412	0.39 245	0.54 268	0.35 269	0.50 307	0.35 260	0.49 286	0.35 262	0.49 292	0.35 269	0.49 296	0.36 267	0.50 305	0.36 266	0.49 287	0.37 238	0.45 296	0.34 268	0.45 271	0.34 256

H2IRNET	0.34 193	0.34 134	0.34 223	0.34 180	0.34 266	0.34 213	0.34 255	0.34 204	0.34 259	0.34 209	0.34 260	0.34 215	0.34 258	0.34 216	0.34 259	0.34 207	0.34 232	0.34 222	0.34 268	0.34 205	0.34 256

Selective-IGEV	0.51 277	0.55 209	0.45 266	0.69 295	0.45 316	0.61 333	0.45 307	0.50 294	0.40 287	0.56 323	0.44 311	0.55 325	0.40 282	0.72 344	0.67 350	0.59 311	0.46 280	0.45 296	0.34 268	0.46 272	0.37 268

CFNet_RVC	2.38 499	8.71 529	0.38 238	9.33 547	0.42 311	0.56 325	0.42 300	0.60 323	0.38 277	0.62 333	0.42 307	0.56 328	7.29 550	0.62 331	0.42 302	0.53 303	0.37 238	0.49 317	0.34 268	8.30 547	6.87 553

UGAM-zero	0.51 277	2.17 407	0.39 245	0.53 266	0.36 275	0.50 307	0.36 266	0.50 294	0.36 272	0.49 292	0.36 272	0.50 310	0.35 264	0.50 305	0.36 266	0.49 287	0.37 238	0.47 304	0.35 275	0.46 272	0.34 256

RSM	0.36 204	0.36 138	0.43 262	0.37 188	0.42 311	0.49 299	0.42 300	0.37 217	0.28 220	0.36 216	0.29 228	0.36 222	0.30 237	0.37 228	0.28 214	0.34 207	0.31 218	0.34 222	0.35 275	0.40 247	0.29 222

Former-RAFT_DAM_RVC	0.49 270	0.98 261	0.64 320	0.84 312	0.46 318	0.45 278	0.35 260	0.47 278	0.47 314	0.45 268	0.34 260	0.46 279	0.48 318	0.46 279	0.35 263	0.39 242	0.71 340	0.39 260	0.35 275	0.41 257	0.41 290

CASnet	0.35 200	0.51 199	0.44 264	0.32 174	0.31 243	0.24 175	0.34 255	0.36 211	0.25 199	0.31 197	0.37 278	0.30 201	0.33 253	0.25 183	0.45 306	0.37 225	0.37 238	0.33 215	0.35 275	0.34 205	0.37 268
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CES	0.39 223	0.47 180	0.36 232	0.36 185	0.37 278	0.45 278	0.35 260	0.35 207	0.40 287	0.36 216	0.44 311	0.47 285	0.36 267	0.44 272	0.36 266	0.37 225	0.39 251	0.44 292	0.35 275	0.37 226	0.36 264

ETE_ROB	0.35 200	0.35 135	0.35 230	0.35 181	0.35 269	0.35 217	0.35 260	0.35 207	0.35 262	0.35 213	0.35 269	0.35 216	0.35 264	0.35 218	0.35 263	0.35 216	0.35 233	0.35 235	0.35 275	0.35 217	0.35 263

iRaftStereo_RVC	0.97 363	3.17 462	2.30 507	2.42 460	0.38 285	0.54 323	0.38 277	0.54 310	0.38 277	0.54 318	0.38 283	0.54 321	0.38 275	0.54 319	0.38 277	2.38 488	2.34 504	0.49 317	0.36 281	0.49 288	0.36 264

DMCA	0.36 204	0.38 143	0.37 235	0.35 181	0.35 269	0.36 220	0.36 266	0.36 211	0.35 262	0.35 213	0.37 278	0.36 222	0.36 267	0.35 218	0.36 266	0.36 221	0.36 236	0.35 235	0.36 281	0.36 224	0.36 264

MSCF	0.51 277	1.40 363	0.49 290	0.58 277	0.38 285	0.50 307	0.38 277	0.54 310	0.41 296	0.52 312	0.41 297	0.53 318	0.42 299	0.53 317	0.41 295	0.60 312	0.47 288	0.48 312	0.37 283	0.48 284	0.38 275

LG-Stereo_L1	0.47 259	0.52 201	0.47 277	0.62 284	0.39 292	0.53 320	0.40 287	0.53 308	0.39 286	0.53 315	0.39 288	0.53 318	0.39 281	0.53 317	0.39 284	0.55 306	0.46 280	0.49 317	0.37 283	0.49 288	0.37 268

LG-Stereo_Zeroshot	0.48 264	0.55 209	0.47 277	0.63 286	0.41 301	0.56 325	0.44 303	0.56 313	0.41 296	0.56 323	0.41 297	0.57 329	0.42 299	0.56 323	0.41 295	0.55 306	0.43 274	0.51 326	0.37 283	0.51 299	0.37 268

LG-Stereo	0.60 290	0.58 211	0.47 277	0.64 289	0.74 377	1.00 373	0.69 355	0.57 316	0.41 296	0.57 325	0.41 297	0.57 329	0.41 293	1.00 378	0.75 368	0.91 353	0.51 305	0.52 329	0.37 283	0.52 301	0.37 268

mms	0.40 227	0.45 172	0.35 230	0.48 244	0.36 275	0.47 289	0.34 255	0.45 268	0.38 277	0.47 278	0.33 252	0.45 275	0.32 246	0.45 275	0.32 238	0.39 242	0.38 244	0.38 250	0.37 283	0.39 242	0.39 281

fffy	0.38 215	0.43 166	0.33 213	0.46 234	0.33 256	0.45 278	0.32 235	0.45 268	0.32 244	0.45 268	0.32 246	0.45 275	0.33 253	0.45 275	0.32 238	0.38 232	0.38 244	0.38 250	0.37 283	0.37 226	0.36 264

PAM	0.39 223	1.88 385	0.34 223	0.37 188	0.41 301	0.45 278	0.22 185	0.28 186	0.23 192	0.28 189	0.24 202	0.29 198	0.23 196	0.29 201	0.23 192	0.38 232	0.32 221	0.38 250	0.37 283	0.32 195	0.22 177

WAO-8	0.38 215	0.38 143	0.38 238	0.38 191	0.38 285	0.38 229	0.38 277	0.38 222	0.38 277	0.38 222	0.38 283	0.38 230	0.38 275	0.38 230	0.38 277	0.38 232	0.38 244	0.38 250	0.37 283	0.38 235	0.38 275

Venus	0.38 215	0.38 143	0.38 238	0.38 191	0.38 285	0.37 225	0.38 277	0.37 217	0.37 273	0.41 245	0.37 278	0.39 234	0.37 271	0.38 230	0.38 277	0.37 225	0.38 244	0.38 250	0.37 283	0.37 226	0.38 275

GMOStereo	0.37 209	0.45 172	0.23 169	0.30 166	0.37 278	0.41 253	0.36 266	0.41 246	0.35 262	0.43 263	0.36 272	0.41 253	0.40 282	0.41 255	0.36 266	0.34 207	0.22 174	0.47 304	0.37 283	0.39 242	0.33 250

error version	0.93 359	4.47 489	2.35 508	1.99 444	0.37 278	0.41 253	0.36 266	0.41 246	0.35 262	0.43 263	0.36 272	0.41 253	0.40 282	0.41 255	0.36 266	1.87 457	2.16 500	0.47 304	0.37 283	0.39 242	0.33 250

test_1	0.93 359	4.47 489	2.35 508	1.99 444	0.37 278	0.41 253	0.36 266	0.41 246	0.35 262	0.43 263	0.36 272	0.41 253	0.40 282	0.41 255	0.36 266	1.87 457	2.16 500	0.47 304	0.37 283	0.39 242	0.33 250

XPNet_ROB	0.37 209	0.37 140	0.37 235	0.37 188	0.37 278	0.37 225	0.37 271	0.37 217	0.37 273	0.37 221	0.37 278	0.37 228	0.37 271	0.37 228	0.37 274	0.37 225	0.37 238	0.37 243	0.37 283	0.37 226	0.37 268

WAO-7	0.38 215	0.38 143	0.38 238	0.38 191	0.38 285	0.38 229	0.38 277	0.38 222	0.38 277	0.38 222	0.38 283	0.38 230	0.38 275	0.38 230	0.38 277	0.38 232	0.38 244	0.38 250	0.38 296	0.38 235	0.38 275

HanzoNet	0.39 223	0.38 143	0.40 248	0.39 196	0.41 301	0.38 229	0.38 277	0.38 222	0.38 277	0.39 227	0.39 288	0.38 230	0.38 275	0.39 238	0.40 288	0.38 232	0.38 244	0.40 265	0.38 296	0.38 235	0.40 283

IMH	0.38 215	0.38 143	0.38 238	0.38 191	0.38 285	0.38 229	0.38 277	0.38 222	0.38 277	0.42 257	0.38 283	0.40 241	0.38 275	0.38 230	0.38 277	0.38 232	0.38 244	0.39 260	0.38 296	0.38 235	0.38 275

GCAP-Stereo	0.75 318	4.15 485	0.42 261	0.75 303	0.35 269	0.78 350	0.40 287	0.79 342	0.38 277	0.78 353	0.36 272	0.78 355	0.36 267	0.79 351	0.39 284	0.75 335	0.39 251	0.76 356	0.39 299	0.75 326	0.39 281

ccccc		0.44 169		0.48 244	0.35 269	0.48 294		0.51 304		0.47 278		0.47 285		0.47 283		0.41 254	0.40 254	0.40 265	0.40 300	0.41 257

knoymous	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

anonymousa	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

riskmin	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

Anonymous_2	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

Anonymous_1	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

AdaStereo	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283
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.
fffft	0.48 264	0.51 199	0.45 266	0.52 265	0.45 316	0.52 318	0.45 307	0.52 306	0.48 321	0.53 315	0.45 314	0.52 317	0.45 306	0.52 315	0.46 310	0.51 299	0.41 263	0.50 321	0.41 307	0.50 293	0.41 290
1: 1. 1
AIO-Stereo-zeroshot1	0.75 318	0.92 252	0.85 354	0.96 333	0.59 348	1.27 444	0.44 303	0.59 321	0.69 356	0.91 364	0.68 360	0.55 325	0.61 342	1.06 384	0.83 377	0.62 319	0.70 336	0.90 374	0.41 307	0.89 347	0.56 337

GwcNet-ADL	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

PSMNet-ADL	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

GANet-ADL	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

ADLNet2	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

ADLNet	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

FC-DCNN	1.07 376	1.09 286	0.98 367	0.89 316	0.52 340	1.41 454	0.91 381	1.21 433	1.24 461	1.96 464	2.05 516	1.91 465	1.30 455	1.27 447	1.08 397	0.80 339	0.60 320	0.58 335	0.41 307	0.68 316	0.54 330

DispNO	1.00 366	0.63 215	0.43 262	3.45 492	0.44 314	0.65 339	0.43 302	0.64 328	0.43 304	0.64 336	0.43 309	0.64 338	3.03 511	0.64 336	0.43 304	4.55 518	0.43 274	0.63 340	0.43 315	0.63 312	0.43 298

test-3	0.98 365	4.13 484	1.85 489	1.85 436	0.61 354	0.69 342	0.37 271	0.63 327	0.61 344	0.66 339	0.51 339	0.73 350	0.44 304	0.57 327	0.54 335	1.68 452	1.81 484	0.40 265	0.43 315	0.66 314	0.50 321

PAM_32	0.64 297	2.38 427	0.51 299	0.92 322	0.43 313	0.53 320	0.44 303	0.87 350	0.43 304	0.52 312	0.45 314	0.53 318	0.40 282	0.54 319	0.46 310	0.62 319	0.56 313	0.48 312	0.45 317	0.76 327	0.44 301

Occ-G	1.12 381	0.52 201	3.72 533	3.50 496	0.50 334	0.56 325	0.47 314	0.54 310	0.46 309	0.54 318	0.41 297	0.54 321	0.42 299	0.52 315	0.42 302	3.42 509	4.02 528	0.52 329	0.45 317	0.51 299	0.44 301

MonSter	0.60 290	0.64 217	0.52 302	0.62 284	0.44 314	2.07 476	0.44 303	0.62 326	0.44 307	0.62 333	0.44 311	0.62 337	0.44 304	0.62 331	0.44 305	0.58 310	0.42 271	0.62 338	0.46 319	0.58 308	0.42 297

otaku	0.46 253	0.46 176	0.46 270	0.46 234	0.46 318	0.46 284	0.46 309	0.46 272	0.46 309	0.46 272	0.46 316	0.46 279	0.46 309	0.46 279	0.46 310	0.46 275	0.46 280	0.46 299	0.46 319	0.46 272	0.46 304

Ntro	0.47 259	0.47 180	0.46 270	0.46 234	0.46 318	0.47 289	0.47 314	0.46 272	0.47 314	0.46 272	0.46 316	0.47 285	0.46 309	0.47 283	0.47 316	0.47 280	0.46 280	0.46 299	0.46 319	0.46 272	0.46 304

UNDER WATER	0.47 259	0.47 180	0.47 277	0.47 240	0.47 324	0.47 289	0.47 314	0.47 278	0.47 314	0.47 278	0.47 324	0.47 285	0.46 309	0.47 283	0.47 316	0.47 280	0.47 288	0.47 304	0.46 319	0.47 280	0.47 311

Dean	0.46 253	0.46 176	0.46 270	0.46 234	0.46 318	0.46 284	0.46 309	0.46 272	0.46 309	0.47 278	0.46 316	0.46 279	0.46 309	0.46 279	0.46 310	0.46 275	0.46 280	0.46 299	0.46 319	0.46 272	0.46 304

ACVNet_1	0.46 253	0.47 180	0.46 270	0.46 234	0.46 318	0.46 284	0.46 309	0.46 272	0.47 314	0.46 272	0.46 316	0.46 279	0.46 309	0.46 279	0.46 310	0.46 275	0.46 280	0.47 304	0.46 319	0.46 272	0.46 304

ACVNet-4b	0.46 253	0.46 176	0.46 270	0.46 234	0.46 318	0.46 284	0.46 309	0.46 272	0.46 309	0.46 272	0.46 316	0.46 279	0.46 309	0.47 283	0.46 310	0.46 275	0.46 280	0.46 299	0.46 319	0.46 272	0.46 304

AIO-test2	0.55 286	0.59 212	0.52 302	0.67 294	0.47 324	0.61 333	0.47 314	0.61 325	0.47 314	0.61 330	0.47 324	0.61 335	0.48 318	0.62 331	0.47 316	0.64 321	0.53 309	0.58 335	0.47 326	0.58 308	0.48 313

HaxPig	0.47 259	0.47 180	0.47 277	0.49 250	0.47 324	0.47 289	0.47 314	0.47 278	0.47 314	0.47 278	0.47 324	0.47 285	0.47 317	0.47 283	0.47 316	0.47 280	0.47 288	0.47 304	0.47 326	0.47 280	0.48 313

LVE	0.47 259	0.47 180	0.47 277	0.47 240	0.49 330	0.47 289	0.47 314	0.47 278	0.49 323	0.47 278	0.47 324	0.47 285	0.46 309	0.47 283	0.47 316	0.47 280	0.47 288	0.48 312	0.47 326	0.47 280	0.47 311

AIO-test1	0.54 282	0.60 214	0.52 302	0.66 293	0.47 324	0.61 333	0.47 314	0.58 319	0.46 309	0.61 330	0.46 316	0.61 335	0.45 306	0.62 331	0.45 306	0.61 316	0.52 307	0.57 334	0.48 329	0.57 307	0.48 313

RainbowNet	0.48 264	0.48 186	0.48 285	0.48 244	0.48 328	0.48 294	0.48 323	0.48 282	0.48 321	0.48 285	0.48 328	0.48 292	0.48 318	0.48 292	0.48 322	0.48 284	0.48 292	0.48 312	0.48 329	0.48 284	0.48 313

notaker	0.48 264	0.49 188	0.48 285	0.48 244	0.48 328	0.48 294	0.48 323	0.48 282	0.49 323	0.48 285	0.48 328	0.48 292	0.48 318	0.48 292	0.48 322	0.48 284	0.48 292	0.48 312	0.48 329	0.48 284	0.49 318

MyStereo8	0.71 311	3.92 481	0.52 302	0.59 280	0.52 340	0.57 330	0.53 333	0.59 321	0.50 326	0.59 329	0.51 339	0.57 329	0.50 326	0.56 323	0.52 332	0.54 304	0.49 295	0.54 332	0.49 332	0.55 306	0.50 321

ACVNet_2	0.49 270	0.49 188	0.49 290	0.49 250	0.49 330	0.49 299	0.49 325	0.49 286	0.49 323	0.49 292	0.49 331	0.49 296	0.49 323	0.49 298	0.49 324	0.49 287	0.49 295	0.49 317	0.49 332	0.49 288	0.49 318

FoundationStereo	0.50 272	0.50 192	0.50 294	0.50 257	0.50 334	0.50 307	0.50 327	0.50 294	0.50 326	0.50 304	0.50 333	0.50 310	0.50 326	0.50 305	0.50 325	0.50 293	0.50 301	0.50 321	0.50 334	0.50 293	0.50 321

StereoAnything_RVC	0.50 272	0.50 192	0.50 294	0.50 257	0.50 334	0.50 307	0.50 327	0.50 294	0.50 326	0.50 304	0.50 333	0.50 310	0.50 326	0.50 305	0.50 325	0.50 293	0.50 301	0.50 321	0.50 334	0.50 293	0.50 321

dual_stereo	0.50 272	0.50 192	0.50 294	0.50 257	0.50 334	0.50 307	0.50 327	0.50 294	0.50 326	0.50 304	0.50 333	0.50 310	0.50 326	0.50 305	0.50 325	0.50 293	0.50 301	0.50 321	0.50 334	0.50 293	0.50 321

SANet	0.50 272	0.50 192	0.50 294	0.50 257	0.50 334	0.50 307	0.50 327	0.50 294	0.50 326	0.50 304	0.50 333	0.50 310	0.50 326	0.50 305	0.50 325	0.50 293	0.50 301	0.50 321	0.50 334	0.50 293	0.50 321

zero-FE	0.72 314	1.31 357	0.66 324	0.92 322	0.60 349	0.82 355	0.58 338	0.82 348	0.58 339	0.81 357	0.60 346	0.81 361	0.60 340	0.82 355	0.58 339	0.74 334	0.59 319	0.73 351	0.52 338	0.76 327	0.51 328

WCG-NET	0.61 293	1.21 346	0.54 307	0.61 283	0.53 343	0.67 341	0.53 333	0.66 331	0.53 334	0.64 336	0.53 342	0.65 341	0.53 333	0.59 329	0.52 332	0.65 322	0.48 292	0.64 341	0.52 338	0.58 308	0.50 321

PSMNet_ROB	0.54 282	0.54 207	0.54 307	0.54 268	0.53 343	0.54 323	0.54 335	0.53 308	0.54 336	0.54 318	0.54 343	0.54 321	0.53 333	0.54 319	0.54 335	0.54 304	0.53 309	0.54 332	0.54 340	0.54 305	0.54 330

FlowAnything_test	1.02 373	1.72 373	0.71 334	1.59 426	0.70 370	1.61 459	0.69 355	1.61 449	0.70 359	1.60 452	0.70 365	1.61 460	0.69 354	1.61 456	0.70 361	0.81 342	0.58 317	0.81 364	0.55 341	0.81 338	0.56 337

MyStereo06	0.75 318	4.12 482	0.60 314	0.63 286	0.61 354	0.62 336	0.66 347	0.56 313	0.45 308	0.55 321	0.48 328	0.54 321	0.46 309	0.57 327	0.45 306	0.60 312	0.57 315	0.64 341	0.55 341	0.72 322	0.55 334

MyStereo05	0.80 329	4.12 482	0.63 318	0.63 286	0.61 354	0.62 336	0.66 347	0.65 329	0.62 345	0.67 340	0.61 350	0.65 341	0.58 338	0.67 340	0.55 337	0.60 312	0.57 315	0.64 341	0.55 341	0.72 322	0.55 334

anonymity	0.63 295	0.69 219	0.56 309	0.71 299	0.56 346	0.71 345	0.56 336	0.71 337	0.56 337	0.72 344	0.56 344	0.71 345	0.56 337	0.71 343	0.58 339	0.68 326	0.55 311	0.68 346	0.55 341	0.68 316	0.54 330

FlowAnything	1.02 373	1.71 372	0.72 337	1.59 426	0.69 368	1.60 458	0.69 355	1.61 449	0.70 359	1.60 452	0.69 363	1.60 457	0.69 354	1.61 456	0.69 357	0.81 342	0.58 317	0.81 364	0.56 345	0.82 340	0.56 337

CASS	0.57 289	0.89 243	0.56 309	0.57 275	0.56 346	0.56 325	0.56 336	0.56 313	0.53 334	0.57 325	0.57 345	0.59 333	0.48 318	0.56 323	0.57 338	0.55 306	0.56 313	0.47 304	0.56 345	0.62 311	0.56 337
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
StereoVision	3.15 512	5.00 495	0.89 355	4.83 521	1.00 398	3.93 520	1.27 460	6.37 547	1.34 466	5.67 547	1.26 460	5.84 548	1.27 452	5.03 544	1.24 457	5.10 536	1.09 376	4.61 530	0.57 347	5.62 536	1.12 399

DDUNet	0.81 334	2.45 430	0.57 311	0.90 317	0.60 349	0.88 360	0.59 340	0.90 354	0.60 342	0.88 361	0.60 346	0.90 368	0.58 338	0.88 362	0.60 342	0.84 349	0.60 320	0.86 372	0.57 347	0.86 344	0.60 341

UDG	0.80 329	2.21 411	0.60 314	0.91 319	0.60 349	0.90 363	0.58 338	0.88 353	0.60 342	0.90 362	0.60 346	0.88 365	0.60 340	0.90 365	0.58 339	0.86 351	0.60 320	0.84 370	0.59 349	0.84 343	0.61 342

AEACV	1.12 381	0.52 201	3.12 525	3.24 481	0.86 385	0.53 320	0.49 325	0.60 323	0.47 314	0.53 315	0.49 331	0.55 325	0.45 306	0.55 322	0.47 316	3.01 505	3.88 526	0.71 350	0.60 350	0.80 335	0.48 313

ARAFT	0.68 305	0.81 230	0.63 318	0.74 302	0.60 349	0.78 350	0.62 342	0.77 341	0.66 351	0.74 350	0.63 352	0.75 352	0.62 343	0.83 356	0.60 342	0.70 330	0.55 311	0.70 349	0.60 350	0.78 330	0.55 334

SMoEStereo_RVC	0.63 295	0.75 223	0.51 299	0.73 301	0.53 343	0.71 345	0.47 314	0.67 332	0.58 339	0.74 350	0.60 346	0.72 348	0.53 333	0.74 348	0.51 330	0.61 316	0.62 325	0.62 338	0.61 352	0.63 312	0.61 342

RAFT-Stereo + iAFF	0.70 309	0.72 221	0.71 334	0.80 307	0.62 357	0.82 355	0.61 341	0.81 347	0.62 345	0.81 357	0.63 352	0.80 358	0.70 356	0.73 346	0.61 344	0.76 336	0.61 324	0.74 353	0.61 352	0.77 329	0.61 342

AFF-stereo	0.73 316	0.88 240	0.67 328	0.75 303	0.68 367	0.75 347	0.64 344	0.80 344	0.72 366	0.83 359	0.70 365	0.82 362	0.64 344	0.84 357	0.67 350	0.77 337	0.63 326	0.81 364	0.63 354	0.78 330	0.62 345

AdaDepth	0.86 347	0.93 254	0.71 334	1.01 340	1.07 406	1.02 378	0.71 361	1.00 367	0.71 364	1.01 378	0.71 369	1.00 379	0.72 361	1.14 394	0.71 363	0.92 356	0.64 327	0.90 374	0.64 355	0.89 347	0.69 354

plain	1.88 452	3.16 461	0.64 320	3.10 476	0.65 360	3.10 512	0.64 344	3.12 510	0.65 349	3.10 511	0.65 356	3.11 511	0.65 346	3.12 510	0.65 346	3.12 506	0.65 329	3.13 511	0.65 356	3.13 497	0.65 348

DSFCA	0.66 300	0.73 222	0.78 346	0.65 290	0.65 360	0.64 338	0.64 344	0.65 329	0.63 347	0.64 336	0.64 354	0.64 338	0.64 344	0.65 337	0.65 346	0.65 322	0.65 329	0.65 344	0.65 356	0.66 314	0.64 347

MLG-Stereo	0.92 354	0.90 245	0.84 353	1.27 412	0.49 330	1.38 451	0.88 378	1.41 447	0.97 393	0.73 345	1.09 400	1.26 446	0.43 302	0.72 344	1.05 396	1.13 378	0.49 295	1.18 404	0.66 358	1.01 363	0.46 304

ktn	0.72 314	0.53 204	1.08 375	1.14 352	0.51 339	1.22 441	1.36 466	0.51 304	0.59 341	0.51 309	0.51 339	0.69 344	1.20 402	0.67 340	0.51 330	0.51 299	0.49 295	0.58 335	0.66 358	0.52 301	0.53 329

KSHMR	0.66 300	0.50 192	0.48 285	1.15 354	0.52 340	0.49 299	0.51 331	0.49 286	0.71 364	0.67 340	0.50 333	1.16 396	1.11 391	0.66 338	0.52 332	0.49 287	0.49 295	0.51 326	0.66 358	0.50 293	1.14 403

PA-Net	11.80 555	223.51 582	0.62 317	0.59 280	0.71 372	0.59 332	0.73 364	0.67 332	0.73 369	0.55 321	0.61 350	0.60 334	0.74 363	0.63 335	0.73 365	0.66 324	0.60 320	0.69 347	0.66 358	0.72 322	0.65 348
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LMCR-Stereo	0.65 298	0.63 215	0.65 323	0.65 290	0.65 360	0.66 340	0.63 343	0.58 319	0.65 349	0.63 335	0.64 354	0.65 341	0.65 346	0.66 338	0.66 349	0.66 324	0.64 327	0.65 344	0.67 362	0.68 316	0.73 362

R-Stereo Train	0.81 334	0.96 258	0.67 328	0.95 330	0.67 364	0.95 368	0.68 352	0.95 365	0.68 353	0.95 372	0.68 360	0.96 376	0.68 352	0.96 375	0.68 353	0.94 361	0.68 331	0.94 380	0.68 363	0.94 356	0.68 352

RAFT-Stereo	0.81 334	0.96 258	0.67 328	0.95 330	0.67 364	0.95 368	0.68 352	0.95 365	0.68 353	0.95 372	0.68 360	0.96 376	0.68 352	0.96 375	0.68 353	0.94 361	0.68 331	0.94 380	0.68 363	0.94 356	0.68 352
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MoCha-V2	2.11 476	26.97 560	0.78 346	0.92 322	0.77 379	0.96 370	0.72 363	0.90 354	0.72 366	0.94 370	0.70 365	0.90 368	0.71 360	0.91 366	0.71 363	0.85 350	0.71 340	0.88 373	0.69 365	0.87 345	0.67 351

UniTT-Stereo	2.03 469	3.43 467	0.72 337	3.42 491	0.73 375	3.27 515	0.68 352	3.38 514	0.69 356	3.29 514	0.72 372	3.28 514	0.70 356	3.35 515	0.68 353	3.39 508	0.68 331	3.31 513	0.69 365	3.37 498	0.73 362

DCRE	0.84 344	1.89 386	0.77 345	0.94 328	0.72 374	0.88 360	0.73 364	0.87 350	0.78 372	0.90 362	0.71 369	0.88 365	0.67 351	0.88 362	0.73 365	0.81 342	0.68 331	0.81 364	0.70 367	0.82 340	0.70 355

DMCA-RVC	0.70 309	0.80 227	0.70 331	0.70 297	0.70 370	0.70 343	0.70 358	0.71 337	0.70 359	0.70 343	0.71 369	0.71 345	0.70 356	0.70 342	0.69 357	0.69 327	0.70 336	0.69 347	0.70 367	0.69 320	0.70 355

MSMD_ROB	1.19 383	1.10 289	0.70 331	1.10 346	0.60 349	1.10 387	0.70 358	1.10 376	0.70 359	1.10 384	0.70 365	1.10 390	0.70 356	7.00 553	0.70 361	1.10 372	0.70 336	1.10 394	0.70 367	1.10 368	0.70 355

RSM++	0.76 322	0.82 232	0.66 324	0.85 314	0.64 358	0.85 357	0.71 361	0.94 363	0.64 348	0.87 360	0.67 359	0.87 364	0.65 346	0.84 357	0.65 346	0.81 342	0.70 336	0.79 359	0.71 370	0.83 342	0.70 355

iGMRVC	0.84 344	2.85 455	0.72 337	0.72 300	0.73 375	0.77 348	0.79 369	0.73 339	0.74 371	0.73 345	0.72 372	0.73 350	0.76 366	0.73 346	0.73 365	0.72 332	0.73 342	0.73 351	0.72 371	0.73 325	0.72 359

AIO-Stereo	0.84 344	0.66 218	0.70 331	0.83 311	0.67 364	0.98 371	0.82 375	1.14 377	0.72 366	1.03 380	0.74 375	1.03 384	1.09 390	0.99 377	0.45 306	1.04 367	0.73 342	0.95 382	0.74 372	0.94 356	0.46 304

TorneroNet-64	0.45 250	0.27 122	0.30 196	0.58 277	0.27 218	0.70 343	0.30 228	0.28 186	0.73 369	0.73 345	0.28 224	0.71 345	0.66 349	0.75 349	0.27 208	0.27 184	0.29 204	0.37 243	0.75 373	0.28 182	0.30 232

RAStereo	2.23 489	3.64 470	0.76 344	3.65 500	0.86 385	3.66 519	0.76 367	3.67 518	0.81 379	3.66 515	0.76 377	3.66 516	0.77 367	3.68 517	0.77 370	3.68 511	0.77 347	3.69 518	0.77 374	3.70 500	0.77 368

ToySt	0.92 354	2.11 402	0.90 358	0.95 330	0.79 381	0.99 372	0.78 368	0.94 363	0.81 379	0.94 370	0.78 378	0.95 375	0.77 367	0.94 371	0.86 379	0.91 353	0.79 349	0.85 371	0.77 374	0.89 347	0.73 362

HSM-Net_RVC	0.95 362	1.17 296	0.78 346	1.18 361	0.71 372	1.16 394	0.75 366	1.09 375	0.80 376	1.10 384	0.75 376	1.17 397	0.74 363	1.17 397	0.80 373	1.13 378	0.73 342	1.17 401	0.77 374	1.16 374	0.72 359
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
tt45	1.04 375	0.88 240	1.36 452	0.92 322	1.03 404	1.51 457	0.79 369	0.70 336	0.88 381	0.74 350	0.90 384	1.60 457	0.72 361	1.60 454	0.75 368	0.91 353	0.78 348	1.52 466	0.79 377	1.14 370	1.32 467

G-Net	0.79 327	0.79 226	0.79 349	0.79 305	0.79 381	0.79 352	0.79 369	0.79 342	0.79 375	0.79 354	0.79 379	0.79 357	0.79 369	0.79 351	0.79 371	0.79 338	0.79 349	0.79 359	0.79 377	0.79 332	0.79 369

HBP-ISP	1.24 432	1.72 373	1.65 470	1.15 354	0.76 378	1.40 453	0.88 378	1.67 455	1.02 401	1.69 459	1.38 472	1.69 461	1.21 448	1.87 466	1.21 455	1.05 368	0.79 349	0.97 385	0.80 379	1.19 382	0.75 366

NaN_ROB	0.80 329	0.80 227	0.80 350	0.80 307	0.80 383	0.80 353	0.80 372	0.80 344	0.80 376	0.80 355	0.80 380	0.80 358	0.80 370	0.80 353	0.80 373	0.80 339	0.80 352	0.80 362	0.80 379	0.80 335	0.80 370

CSAN	0.80 329	0.80 227	0.80 350	0.80 307	0.80 383	0.80 353	0.80 372	0.80 344	0.80 376	0.80 355	0.80 380	0.80 358	0.80 370	0.80 353	0.80 373	0.80 339	0.80 352	0.80 362	0.80 379	0.80 335	0.80 370

Selective-RAFT-Error	0.88 349	0.84 233	0.98 367	0.86 315	0.97 397	0.88 360	0.95 386	0.84 349	0.99 396	0.92 366	0.82 382	0.84 363	0.98 380	0.87 361	0.97 388	0.81 342	0.83 355	0.79 359	0.82 382	0.79 332	0.85 375

Selective-RAFT	0.89 351	0.89 243	0.72 337	1.16 359	0.78 380	1.06 381	0.82 375	0.87 350	0.97 393	1.00 374	0.91 387	0.90 368	1.00 381	0.89 364	0.93 385	0.83 347	0.83 355	0.82 368	0.82 382	0.81 338	0.82 373

DPSimNet_ROB	0.97 363	1.18 298	0.81 352	1.10 346	0.91 391	1.02 378	0.82 375	1.04 372	0.91 383	1.03 380	0.86 383	1.28 448	0.82 372	1.03 383	0.89 380	1.17 381	0.81 354	1.02 391	0.82 382	1.08 367	0.81 372

AIO-Stereo-zeroshot	0.91 352	0.86 236	0.89 355	1.25 411	0.69 368	1.05 380	0.81 374	1.16 380	0.50 326	1.12 389	0.97 392	0.72 348	0.82 372	1.06 384	0.95 386	0.61 316	0.87 357	1.03 392	0.85 385	1.04 365	1.01 392

DGTPSM_ROB	0.93 359	1.00 265	0.92 362	0.94 328	0.96 396	0.91 364	0.92 382	0.91 356	0.96 392	0.91 364	0.96 391	0.93 374	0.92 376	0.94 371	0.92 381	0.92 356	0.92 360	0.90 374	0.92 386	0.94 356	0.91 380

DPSM_ROB	0.92 354	0.91 247	0.91 360	0.91 319	0.92 392	0.92 365	0.92 382	0.92 359	0.91 383	0.93 368	0.91 387	0.92 371	0.90 374	0.91 366	0.92 381	0.92 356	0.91 358	0.91 377	0.92 386	0.93 354	0.93 382

DPSM	0.92 354	0.91 247	0.91 360	0.91 319	0.92 392	0.92 365	0.92 382	0.92 359	0.91 383	0.93 368	0.91 387	0.92 371	0.90 374	0.91 366	0.92 381	0.92 356	0.91 358	0.91 377	0.92 386	0.93 354	0.93 382

pmcnn	0.92 354	0.92 252	0.92 362	0.92 322	0.92 392	0.92 365	0.92 382	0.92 359	0.92 387	0.92 366	0.92 390	0.92 371	0.92 376	0.92 370	0.92 381	0.92 356	0.92 360	0.92 379	0.92 386	0.92 353	0.92 381

MM-Stereo_test2	1.20 384	1.85 382	1.05 373	1.46 423	0.94 395	1.36 449	0.99 389	1.36 442	0.95 390	1.41 448	0.98 393	1.40 453	0.96 378	1.37 449	0.95 386	1.37 439	1.06 369	1.33 456	0.93 390	1.29 433	0.89 378

MM-Stereo_test3	1.27 434	2.07 398	1.18 384	1.60 429	1.02 403	1.45 455	1.01 393	1.40 446	1.04 402	1.44 449	1.03 398	1.46 455	1.02 388	1.44 452	1.02 395	1.51 446	1.12 383	1.32 455	0.98 391	1.38 437	0.97 385

999	1.00 366	1.12 290	0.59 312	1.10 346	1.21 464	1.09 386	0.52 332	1.08 373	1.43 475	1.18 394	1.35 467	0.98 378	0.52 332	0.91 366	0.85 378	0.72 332	1.46 458	0.83 369	0.98 391	0.68 316	1.41 475

ours_stereo	1.20 384	1.21 346	0.90 358	1.64 434	1.11 408	1.35 447	0.67 351	1.76 456	0.93 388	1.70 460	1.10 401	1.39 451	0.75 365	1.41 451	0.81 376	1.60 450	1.03 368	1.33 456	1.00 393	1.61 444	0.72 359

GANet	1.00 366	1.00 265	1.00 369	1.00 337	1.00 398	1.00 373	1.00 390	1.00 367	1.00 397	1.00 374	1.00 394	1.00 379	1.00 381	1.00 378	1.00 391	1.00 363	1.00 363	1.00 387	1.00 393	1.00 360	1.00 389

TDLM	1.00 366	1.00 265	1.00 369	1.00 337	1.00 398	1.00 373	1.00 390	1.00 367	1.00 397	1.00 374	1.00 394	1.00 379	1.00 381	1.00 378	1.00 391	1.00 363	1.00 363	1.00 387	1.00 393	1.00 360	1.00 389

CVANet_RVC	1.00 366	1.00 265	1.00 369	1.00 337	1.00 398	1.00 373	1.00 390	1.00 367	1.00 397	1.00 374	1.00 394	1.00 379	1.00 381	1.00 378	1.00 391	1.00 363	1.00 363	1.00 387	1.00 393	1.00 360	1.00 389

trnet	1.01 371	1.01 271	1.01 372	1.01 340	1.01 402	1.01 377	1.01 393	1.01 371	1.01 400	1.01 378	1.01 397	1.01 383	1.01 387	1.01 382	1.01 394	1.01 366	1.01 366	1.01 390	1.01 397	1.01 363	1.01 392

GLC_STEREO	1.07 376	1.01 271	1.06 374	1.07 344	1.05 405	1.06 381	1.08 397	1.08 373	1.05 403	1.07 382	1.06 399	1.08 386	1.05 389	1.06 384	1.10 398	1.07 369	1.09 376	1.05 393	1.05 398	1.06 366	1.12 399

TorneroNet	0.66 300	0.53 204	0.50 294	0.50 257	0.64 358	1.06 381	0.70 358	0.50 294	0.51 333	0.49 292	0.69 363	0.49 296	0.50 326	0.48 292	1.15 403	0.71 331	0.49 295	1.14 395	1.08 399	0.49 288	0.49 318

Nwc_Net	2.37 497	25.95 557	1.15 380	1.14 352	1.15 410	1.08 384	1.14 401	1.17 382	1.16 406	1.14 392	1.15 402	1.08 386	1.15 395	1.11 392	1.14 402	1.10 372	1.11 380	1.16 397	1.09 400	1.16 374	1.15 404

RP	2.33 493	25.00 553	1.13 377	1.15 354	1.15 410	1.10 387	1.15 402	1.15 378	1.15 405	1.12 389	1.15 402	1.09 388	1.13 392	1.10 390	1.15 403	1.11 377	1.09 376	1.16 397	1.12 401	1.16 374	1.17 408

RGC	2.36 495	25.48 554	1.19 386	1.15 354	1.15 410	1.10 387	1.16 404	1.17 382	1.16 406	1.12 389	1.16 405	1.11 393	1.13 392	1.09 388	1.18 408	1.10 372	1.15 385	1.16 397	1.12 401	1.14 370	1.12 399

11t	1.27 434	2.70 441	1.34 442	1.32 416	0.89 387	1.30 446	1.34 463	1.64 452	0.57 338	1.45 450	0.72 372	1.05 385	1.29 454	1.07 387	1.29 464	1.49 443	1.02 367	0.97 385	1.15 403	1.48 439	1.31 466

AF-Net	2.37 497	25.71 556	1.17 382	1.13 351	1.15 410	1.15 393	1.18 406	1.19 385	1.16 406	1.10 384	1.15 402	1.10 390	1.18 400	1.12 393	1.15 403	1.10 372	1.10 379	1.17 401	1.15 403	1.16 374	1.12 399

NCC-stereo	2.36 495	25.52 555	1.17 382	1.15 354	1.17 415	1.11 390	1.11 398	1.15 378	1.16 406	1.10 384	1.16 405	1.10 390	1.15 395	1.14 394	1.13 401	1.09 370	1.11 380	1.15 396	1.16 405	1.17 379	1.17 408

Abc-Net	2.32 492	24.75 552	1.14 378	1.17 360	1.17 415	1.11 390	1.15 402	1.17 382	1.21 458	1.08 383	1.16 405	1.12 394	1.14 394	1.09 388	1.17 407	1.09 370	1.16 386	1.17 401	1.17 406	1.16 374	1.11 397
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
S-Stereo	2.51 502	26.86 559	1.23 438	1.22 408	1.22 466	1.24 443	1.25 457	1.22 434	1.24 461	1.21 441	1.24 458	1.19 398	1.27 452	1.19 398	1.24 457	1.19 382	1.20 391	1.25 453	1.19 407	1.24 431	1.23 461

stereogan	2.33 493	24.38 551	1.18 384	1.18 361	1.18 417	1.14 392	1.18 406	1.19 385	1.19 412	1.14 392	1.18 409	1.14 395	1.18 400	1.14 394	1.18 408	1.14 380	1.14 384	1.19 405	1.19 407	1.15 372	1.19 412

edge stereo	2.43 500	27.07 561	1.14 378	1.06 343	1.14 409	1.08 384	1.17 405	1.16 380	1.14 404	1.10 384	1.16 405	1.09 388	1.16 399	1.10 390	1.16 406	1.10 372	1.11 380	1.16 397	1.19 407	1.13 369	1.11 397

DisPM	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

CrosDoStereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

PFNet+	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

LCNet	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

HHNet	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

Patchmatch Stereo++	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413
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	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

STrans-v2	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

TransformOpticalFlow	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

OMP-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

IIG-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

NF-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

OCTAStereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

PSM-softLoss	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

KMStereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

NRIStereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

PSM-adaLoss	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

PSM-AAD	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

FTStereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

ROB_FTStereo_v2	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

ROB_FTStereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

Consistency-Raft	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

KYRaft	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

HUI-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

ASMatch	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

DeepStereo_LL	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

DEmStereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

SST-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

THIR-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

RAFT_R40	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

DRaft	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

PFNet	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

GrayStereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

RE-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

Pruner-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

TVStereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

DeepStereo_RVC	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

RAFT-RH_RVC	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

IRAFT_RVC	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

RAFT-345	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

iRAFT	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

CRE-IMP	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

GMM-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

RAFT-IKP	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

Prome-Stereo	1.20 384	1.20 300	1.20 389	1.20 363	1.20 418	1.20 395	1.20 408	1.20 388	1.20 413	1.20 396	1.20 410	1.20 399	1.20 402	1.20 399	1.20 410	1.20 383	1.20 391	1.20 406	1.20 410	1.20 383	1.20 413

SPS-STEREO	1.59 442	1.91 389	1.21 435	1.94 440	1.20 418	2.00 473	1.23 455	1.99 463	1.24 461	2.00 469	1.25 459	2.03 473	1.26 451	2.00 471	1.29 464	1.90 461	1.18 390	1.89 480	1.21 455	1.89 457	1.20 413
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 441	1.94 395	1.22 436	1.88 437	1.21 464	1.88 465	1.22 454	1.88 458	1.22 459	1.88 461	1.22 456	1.88 463	1.22 449	1.89 467	1.22 456	1.87 457	1.22 438	1.88 479	1.22 456	1.88 456	1.22 459
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
2.5w	2.01 466	2.40 428	1.37 454	3.28 483	2.01 505	2.71 502	1.43 478	1.82 457	1.83 497	1.90 463	1.41 474	2.71 500	1.35 459	2.71 500	1.85 498	2.66 499	1.53 463	1.64 468	1.23 457	2.53 488	1.87 503

4w-stereo	2.02 467	2.72 445	1.44 459	3.36 489	1.59 479	2.48 491	1.72 487	2.28 475	1.24 461	2.24 481	1.65 486	2.56 493	1.32 457	2.39 485	1.98 508	2.67 501	1.51 461	1.66 469	1.24 458	2.53 488	1.88 506

3.5w_stereo	2.03 469	2.72 445	1.35 444	3.41 490	1.57 477	2.72 503	1.49 479	2.01 465	1.34 466	2.15 479	1.61 484	2.63 497	1.36 460	2.72 502	1.99 509	2.66 499	1.58 468	1.68 470	1.24 458	2.53 488	1.87 503

3.25w_new	2.03 469	2.72 445	1.35 444	3.33 488	1.57 477	2.72 503	1.53 480	2.15 473	1.33 465	2.15 479	1.60 482	2.63 497	1.30 455	2.72 502	1.99 509	2.67 501	1.53 463	1.75 471	1.25 460	2.53 488	1.87 503

MaDis-Stereo	3.19 513	6.02 516	1.12 376	5.61 530	1.16 414	5.43 546	1.02 395	5.15 544	0.70 359	5.43 544	1.21 455	5.03 545	0.97 379	4.85 538	0.99 390	4.53 517	1.16 386	5.53 546	1.25 460	5.37 534	1.30 465

FAT-Stereo	2.46 501	26.05 558	1.23 438	1.23 410	1.22 466	1.20 395	1.24 456	1.23 436	1.23 460	1.19 395	1.22 456	1.21 444	1.24 450	1.20 399	1.24 457	1.21 428	1.17 389	1.22 452	1.25 460	1.20 383	1.24 462

MC-Stereo	1.76 447	2.96 456	1.37 454	2.14 447	1.37 470	2.14 478	1.36 466	2.14 472	1.37 471	2.14 478	1.37 470	2.14 475	1.37 462	2.14 476	1.37 470	1.97 464	1.32 439	1.97 482	1.32 463	1.98 458	1.33 468

MaskLacGwcNet_RVC	1.35 436	1.35 360	1.35 444	1.35 418	1.35 468	1.35 447	1.35 464	1.36 442	1.35 469	1.36 446	1.35 467	1.36 449	1.36 460	1.36 448	1.35 468	1.35 436	1.35 451	1.35 459	1.35 464	1.35 435	1.35 471

CC-Net-ROB	1.36 437	1.33 359	1.33 441	1.36 419	1.38 471	1.36 449	1.33 462	1.37 444	1.34 466	1.35 445	1.36 469	1.38 450	1.34 458	1.38 450	1.38 471	1.35 436	1.38 454	1.33 456	1.35 464	1.43 438	1.34 470

RASNet	1.49 440	1.65 370	1.45 460	1.38 421	1.43 474	1.47 456	1.36 466	1.38 445	1.36 470	1.39 447	1.60 482	1.45 454	1.45 466	1.51 453	2.21 511	1.53 447	1.36 452	1.36 461	1.36 466	1.66 447	1.36 472

LL-Strereo	1.01 371	5.06 496	1.63 469	0.70 297	1.43 474	0.56 325	0.46 309	0.57 316	0.50 326	0.57 325	0.50 333	1.58 456	0.49 323	0.59 329	0.50 325	1.64 451	0.52 307	0.51 326	1.37 467	0.52 301	0.45 303

PS-NSSS	1.38 439	1.39 362	1.34 442	1.34 417	1.35 468	1.38 451	1.37 471	1.35 441	1.38 472	1.34 444	1.34 466	1.39 451	1.38 463	1.70 458	1.40 472	1.36 438	1.36 452	1.36 461	1.37 467	1.37 436	1.36 472

MM-Stereo_test1	1.80 450	3.41 466	1.52 466	2.12 446	1.41 473	2.04 474	1.41 474	2.05 467	1.46 476	2.04 473	1.41 474	2.05 474	1.42 465	2.05 472	1.43 474	2.04 468	1.54 465	1.94 481	1.38 469	1.99 459	1.33 468

ff7	1.68 444	2.68 438	1.35 444	0.97 334	0.89 387	1.84 462	2.15 509	2.12 469	1.80 494	2.05 474	1.56 478	2.33 480	2.12 502	2.23 477	2.25 512	1.31 432	1.07 370	1.48 463	1.41 470	0.90 350	1.04 394

ffff	1.68 444	2.68 438	1.35 444	0.97 334	0.89 387	1.84 462	2.15 509	2.12 469	1.80 494	2.05 474	1.56 478	2.33 480	2.12 502	2.23 477	2.25 512	1.31 432	1.07 370	1.48 463	1.41 470	0.90 350	1.04 394

ccc-4	1.68 444	2.68 438	1.35 444	0.97 334	0.89 387	1.84 462	2.15 509	2.12 469	1.80 494	2.05 474	1.56 478	2.33 480	2.12 502	2.23 477	2.25 512	1.31 432	1.07 370	1.48 463	1.41 470	0.90 350	1.04 394

2.75w_new	1.99 455	2.34 423	1.81 478	3.14 477	1.62 481	1.94 467	1.99 504	2.72 495	1.71 484	2.72 499	1.99 514	1.90 464	1.73 477	1.82 465	1.29 464	2.37 487	2.01 491	2.31 493	1.42 473	1.77 453	1.22 459

3.75w	1.99 455	2.31 417	1.83 486	3.16 479	1.65 483	1.93 466	1.98 501	2.72 495	1.68 480	2.73 504	1.97 505	2.00 470	1.72 476	1.81 464	1.25 460	2.27 480	2.01 491	2.38 498	1.42 473	1.71 449	1.24 462

sCroCo_RVC	2.10 475	2.76 449	1.92 497	2.78 471	1.39 472	2.73 505	1.41 474	2.73 501	1.40 473	2.77 510	1.41 474	2.74 506	1.40 464	2.74 505	1.40 472	2.72 503	1.42 456	2.72 509	1.44 475	2.79 495	1.42 476

IGEVStereo-DCA	1.77 448	4.21 486	1.84 487	2.49 463	2.11 511	2.54 498	1.36 466	1.65 453	1.17 410	2.75 505	1.90 499	2.54 491	1.15 395	0.94 371	1.11 399	1.50 444	1.32 439	0.96 383	1.46 476	1.49 440	0.88 376

rrr	1.77 448	4.21 486	1.84 487	2.49 463	2.11 511	2.54 498	1.36 466	1.65 453	1.17 410	2.75 505	1.90 499	2.54 491	1.15 395	0.94 371	1.11 399	1.50 444	1.32 439	0.96 383	1.46 476	1.49 440	0.88 376

LGtest1	2.22 486	2.70 441	1.89 494	2.76 467	1.86 497	2.75 507	1.86 494	2.75 502	1.86 499	2.75 505	1.86 493	2.77 509	1.87 485	2.75 506	1.86 499	2.46 492	1.58 468	2.45 501	1.56 478	2.45 477	1.56 480

LG-G_1	2.22 486	2.71 443	1.89 494	2.77 468	1.87 500	2.75 507	1.87 496	2.76 503	1.87 503	2.75 505	1.87 494	2.76 507	1.87 485	2.75 506	1.86 499	2.47 493	1.58 468	2.45 501	1.57 479	2.45 477	1.57 481

LG-G	2.22 486	2.71 443	1.89 494	2.77 468	1.87 500	2.75 507	1.87 496	2.76 503	1.87 503	2.75 505	1.87 494	2.76 507	1.87 485	2.75 506	1.86 499	2.47 493	1.58 468	2.45 501	1.57 479	2.45 477	1.57 481

ccnet	0.80 329	2.28 415	0.33 213	0.50 257	0.33 256	0.50 307	0.33 244	0.50 294	0.33 250	0.49 292	0.33 252	0.49 296	1.56 467	2.38 484	0.33 246	0.41 254	0.29 204	0.42 289	1.57 479	2.28 469	0.29 222

4.25_new	2.00 459	2.33 419	1.82 483	3.32 486	1.69 486	1.95 470	1.99 504	2.72 495	1.71 484	2.72 499	1.97 505	2.01 471	1.74 479	1.77 461	1.28 462	2.18 472	2.01 491	2.48 504	1.58 482	1.65 445	1.17 408

4.5w_new	2.00 459	2.33 419	1.82 483	3.32 486	1.69 486	1.95 470	1.99 504	2.72 495	1.71 484	2.72 499	1.97 505	2.01 471	1.74 479	1.77 461	1.28 462	2.18 472	2.01 491	2.48 504	1.58 482	1.65 445	1.17 408

DPSMNet_ROB	1.60 443	1.59 369	1.70 472	1.59 426	1.59 479	1.61 459	1.61 481	1.60 448	1.60 478	1.62 458	1.59 481	1.60 457	1.60 468	1.60 454	1.59 478	1.59 448	1.60 472	1.59 467	1.59 484	1.59 443	1.59 484

2w_stereo	1.99 455	2.36 426	1.81 478	3.24 481	1.67 484	1.94 467	1.98 501	2.72 495	1.68 480	2.72 499	1.94 502	1.98 469	1.74 479	1.79 463	1.27 461	1.95 463	2.00 489	2.53 506	1.60 485	1.68 448	1.15 404

4.5w-stereo	1.99 455	2.33 419	1.81 478	3.28 483	1.68 485	1.94 467	1.99 504	2.72 495	1.70 483	2.72 499	1.99 514	1.97 468	1.68 472	1.76 460	1.29 464	1.91 462	2.02 495	2.53 506	1.61 486	1.75 452	1.16 407

4.25w-stereo	1.98 454	2.72 445	1.46 461	3.47 493	1.43 474	2.07 476	1.98 501	2.53 492	1.52 477	2.71 498	1.98 511	1.81 462	1.62 470	1.96 469	1.36 469	1.88 460	2.00 489	2.53 506	1.61 486	1.74 451	1.15 404

asda	2.17 478	2.54 432	1.81 478	3.47 493	1.78 492	2.50 494	1.86 494	2.61 494	1.68 480	2.61 496	1.83 491	2.37 484	1.73 477	2.44 489	1.88 503	2.51 496	1.84 485	2.34 495	1.62 488	2.23 465	1.77 498

asd	2.18 479	2.77 451	1.58 467	3.59 498	2.00 504	2.58 500	1.85 493	2.39 485	1.71 484	2.47 491	1.97 505	2.59 495	1.61 469	2.56 492	1.79 495	2.51 496	1.99 488	2.11 488	1.62 488	2.36 473	1.60 485

Anonymous3	2.55 503	3.26 464	1.65 470	3.28 483	1.63 482	3.24 514	1.68 484	3.27 512	1.66 479	3.28 513	1.67 487	3.25 513	1.66 471	3.27 512	1.64 480	3.26 507	1.65 475	3.30 512	1.65 490	4.95 529	1.65 492

MFMNet_re	1.81 451	1.91 389	1.71 474	1.95 441	1.70 489	1.95 470	1.70 486	1.96 461	1.74 491	1.97 466	1.72 489	1.95 466	1.71 475	1.97 470	1.71 486	1.86 456	1.62 473	1.85 473	1.66 491	1.86 455	1.64 490

MIF-Stereo (partial)	2.58 504	3.31 465	0.66 324	3.18 480	0.66 363	3.18 513	0.66 347	3.21 511	0.67 352	3.19 512	0.66 358	3.19 512	0.66 349	3.31 514	0.68 353	5.09 535	1.79 483	8.23 554	1.67 492	6.18 538	1.38 474

test_xeample3	1.10 378	1.81 379	0.61 316	0.84 312	0.49 330	0.77 348	0.66 347	0.92 359	1.40 473	0.68 342	0.46 316	0.78 355	0.54 336	1.72 459	1.48 475	1.34 435	1.52 462	1.35 459	1.67 492	1.33 434	1.55 479

qwe	2.18 479	2.60 435	1.58 467	3.83 505	1.90 502	2.53 496	1.90 499	2.48 488	1.73 489	2.37 488	1.92 501	2.53 489	1.68 472	2.56 492	1.83 496	2.52 498	1.87 487	2.07 484	1.68 494	2.32 471	1.71 493

monsterstereo	2.20 485	2.33 419	1.95 498	3.65 500	2.07 510	2.49 492	1.61 481	2.48 488	1.83 497	2.45 490	1.61 484	2.67 499	1.86 484	2.64 496	1.94 505	2.48 495	1.66 476	2.34 495	1.68 494	2.40 474	1.86 501

UDGNet	2.23 489	5.40 506	1.72 475	2.48 462	1.69 486	2.51 495	1.69 485	2.51 491	1.72 488	2.50 493	1.69 488	2.52 488	1.69 474	2.50 490	1.68 484	2.41 490	1.70 478	2.42 500	1.69 496	2.42 475	1.64 490

TRStereo	2.00 459	2.13 403	1.85 489	2.27 453	1.84 494	2.28 482	1.84 490	2.29 477	1.86 499	2.30 483	1.87 494	2.30 477	1.87 485	2.08 473	1.72 488	2.08 469	1.72 479	2.08 485	1.72 497	2.08 460	1.72 494

XX-Stereo	2.00 459	2.13 403	1.85 489	2.27 453	1.84 494	2.28 482	1.84 490	2.29 477	1.86 499	2.30 483	1.87 494	2.30 477	1.87 485	2.08 473	1.72 488	2.08 469	1.72 479	2.08 485	1.72 497	2.08 460	1.72 494

EAI-Stereo	2.00 459	2.13 403	1.85 489	2.27 453	1.84 494	2.28 482	1.84 490	2.29 477	1.86 499	2.30 483	1.87 494	2.30 477	1.87 485	2.08 473	1.72 488	2.08 469	1.72 479	2.08 485	1.72 497	2.08 460	1.72 494

RAFT_CTSACE	1.92 453	3.71 473	1.72 475	1.88 437	1.72 490	2.04 474	1.42 476	2.18 474	1.89 505	2.02 471	1.97 505	1.95 466	2.06 501	1.93 468	1.62 479	1.76 453	1.66 476	2.02 483	1.73 500	1.73 450	1.43 477

U	5.15 547	8.49 528	1.81 478	8.49 544	1.77 491	8.49 555	1.77 488	8.51 555	1.77 492	8.49 555	1.77 490	8.50 555	1.78 482	8.58 555	1.77 494	8.54 553	1.78 482	8.55 555	1.78 501	8.55 549	1.84 499

FBW_ROB	2.12 477	2.46 431	1.77 477	2.49 463	1.79 493	2.38 486	1.83 489	2.46 487	1.78 493	2.48 492	1.97 505	2.40 485	1.78 482	2.42 488	1.83 496	2.31 484	1.85 486	2.38 498	1.82 502	2.35 472	1.84 499

1w_stereo	2.05 474	2.32 418	1.35 444	3.74 504	2.01 505	2.73 505	1.42 476	1.88 458	1.93 507	2.03 472	1.28 462	2.71 500	1.99 497	2.72 502	1.72 488	2.20 474	1.32 439	1.87 476	1.86 503	2.45 477	1.54 478

2.25w	2.00 459	1.86 384	1.98 500	2.95 474	2.17 515	2.26 479	1.35 464	2.42 486	2.00 512	2.07 477	1.27 461	2.53 489	1.99 497	2.29 481	1.49 476	2.21 475	1.32 439	1.85 473	1.87 504	2.52 485	1.62 488

4.5_new	2.00 459	1.84 381	1.98 500	2.77 468	2.16 513	2.27 480	1.28 461	2.09 468	1.98 509	2.01 470	1.28 462	2.71 500	1.98 495	2.51 491	1.65 481	2.26 477	1.33 446	1.87 476	1.87 504	2.49 481	1.60 485

3.25w	2.04 472	2.20 409	1.48 462	3.03 475	2.17 515	2.63 501	1.39 472	1.96 461	1.95 508	1.96 464	1.37 470	2.71 500	1.96 494	2.71 500	1.73 493	2.26 477	1.32 439	1.87 476	1.87 504	2.51 484	1.63 489

monsters	2.18 479	2.41 429	1.96 499	3.47 493	2.03 509	2.53 496	1.64 483	2.48 488	1.73 489	2.40 489	1.50 477	2.62 496	1.94 492	2.59 494	1.94 505	2.44 491	1.57 467	2.28 491	1.87 504	2.42 475	1.86 501

IGEV	2.02 467	2.20 409	1.82 483	2.90 473	2.16 513	2.41 488	1.25 457	2.00 464	1.98 509	1.99 468	1.31 464	2.72 504	1.93 491	2.67 499	1.69 485	2.26 477	1.32 439	1.83 472	1.87 504	2.53 488	1.61 487

3w_stereo	2.04 472	2.24 413	1.70 472	3.15 478	2.18 517	2.49 492	1.26 459	2.03 466	1.98 509	1.98 467	1.33 465	2.72 504	1.99 497	2.59 494	1.72 488	2.22 476	1.33 446	1.85 473	1.88 509	2.50 483	1.58 483

AIO_test	2.18 479	2.09 401	2.04 504	2.42 460	2.01 505	2.47 490	1.94 500	2.34 482	2.03 513	2.56 495	1.94 502	2.43 486	1.94 492	2.41 486	1.87 502	2.39 489	2.10 498	2.35 497	1.91 510	2.25 467	2.19 509

HUF	2.18 479	2.30 416	1.99 503	2.34 458	2.02 508	2.41 488	2.06 508	2.38 484	1.89 505	2.36 487	1.85 492	2.56 493	1.98 495	2.31 483	1.97 507	2.30 483	2.03 496	2.30 492	2.11 511	2.23 465	2.16 508

AIO_rvc	2.18 479	2.34 423	1.87 493	2.32 457	1.94 503	2.40 487	1.89 498	2.37 483	2.07 514	2.52 494	1.95 504	2.44 487	1.99 497	2.41 486	1.89 504	2.32 485	2.09 497	2.24 489	2.18 512	2.21 464	2.23 510

STTStereo	3.73 517	30.40 565	2.37 510	2.39 459	2.31 520	2.35 485	2.33 513	2.29 477	2.42 516	2.32 486	2.34 518	2.33 480	2.36 506	2.30 482	2.27 515	2.35 486	2.22 502	2.31 493	2.22 513	2.29 470	2.34 515

sAnonymous2	3.31 514	2.63 436	1.38 456	3.71 502	1.86 497	4.70 538	1.11 398	4.82 540	2.72 518	5.45 545	1.98 511	4.59 530	2.64 507	2.65 497	6.21 550	4.37 513	1.08 374	5.16 544	2.24 514	4.52 511	2.39 516

CroCo_RVC	3.31 514	2.63 436	1.38 456	3.71 502	1.86 497	4.70 538	1.11 398	4.82 540	2.72 518	5.45 545	1.98 511	4.59 530	2.64 507	2.65 497	6.21 550	4.37 513	1.08 374	5.16 544	2.24 514	4.52 511	2.39 516

NCCL2	2.28 491	2.27 414	2.28 506	2.28 456	2.28 518	2.27 480	2.29 512	2.28 475	2.28 515	2.27 482	2.28 517	2.28 476	2.27 505	2.27 480	2.28 516	2.28 481	2.28 503	2.27 490	2.29 516	2.27 468	2.29 511

Sa-1000	4.34 535	8.37 525	6.84 548	6.98 539	4.45 549	3.58 516	3.00 519	3.42 515	3.39 534	2.61 496	4.00 543	3.83 519	4.01 536	3.90 519	3.90 539	5.98 542	5.62 537	3.76 519	2.34 517	4.35 509	2.47 518

GES	0.66 300	2.34 423	0.29 192	0.41 220	0.29 228	0.41 253	0.29 223	0.42 262	0.29 225	0.40 232	0.41 297	0.41 253	0.30 237	0.51 312	0.29 224	0.32 200	0.29 204	0.32 207	2.46 518	2.49 481	0.30 232

NLCA_NET_v2_RVC	5.04 545	50.87 575	2.78 512	2.87 472	2.71 521	2.78 510	0.47 314	2.88 508	2.86 520	1.89 462	2.67 519	2.79 510	2.79 510	2.78 509	2.83 517	2.82 504	2.82 506	2.83 510	2.77 519	2.83 496	2.76 519
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MLG-Stereo_test1	4.25 530	5.34 505	3.61 530	5.31 526	3.63 540	5.23 544	3.57 537	5.38 545	3.65 535	5.23 542	3.47 534	4.76 539	3.74 530	4.85 538	3.71 535	4.96 531	3.18 520	4.71 536	2.92 520	4.86 527	2.90 520

MLG-Stereo_test2	4.28 532	5.46 509	3.69 532	4.86 522	3.72 542	5.58 547	3.42 535	4.81 539	3.77 541	4.85 538	3.72 539	5.55 547	3.63 526	5.58 545	3.53 533	4.41 516	3.28 522	4.99 542	2.95 521	4.75 522	3.13 530

MLG-Stereo_test3	4.26 531	4.85 493	3.95 534	5.35 527	3.60 539	4.75 541	3.76 540	5.49 546	3.71 537	5.39 543	3.69 538	4.82 541	3.66 527	4.85 538	3.73 538	4.93 530	3.19 521	4.69 535	2.99 522	4.84 526	2.98 521

rvit_0105_6	3.87 522	5.73 513	3.10 524	4.69 519	3.12 533	4.54 528	3.02 521	4.56 527	3.04 521	4.54 528	3.03 522	4.54 526	3.04 514	4.56 527	3.05 520	4.58 522	3.05 508	4.58 527	3.05 523	4.58 514	3.05 522

rvit_105_1	3.83 518	5.22 499	3.01 514	4.53 509	3.01 523	4.51 526	3.01 520	4.56 527	3.04 521	4.53 526	3.03 522	4.55 528	3.03 511	4.56 527	3.04 518	4.57 519	3.05 508	4.57 525	3.05 523	4.57 513	3.05 522

rvit_stereo_0081	3.83 518	5.23 500	3.01 514	4.53 509	3.03 525	4.55 532	3.02 521	4.56 527	3.04 521	4.52 524	3.02 520	4.54 526	3.03 511	4.56 527	3.04 518	4.57 519	3.05 508	4.57 525	3.05 523	4.58 514	3.05 522

rvit_stereo_0082	3.86 520	5.82 514	3.01 514	4.53 509	3.03 525	4.54 528	3.02 521	4.56 527	3.04 521	4.53 526	3.02 520	4.55 528	3.04 514	4.57 530	3.05 520	4.57 519	3.05 508	4.58 527	3.05 523	4.58 514	3.06 525

rvit_stereo_0081_aga	3.86 520	5.33 503	3.02 517	4.55 515	3.04 529	4.54 528	3.02 521	4.64 534	3.06 525	4.54 528	3.04 524	4.62 535	3.08 518	4.62 533	3.07 523	4.58 522	3.06 512	4.60 529	3.08 527	4.63 517	3.07 526

rvit_stereo_0080	3.89 523	5.70 511	3.04 519	4.54 512	3.03 525	4.56 533	3.05 527	4.60 531	3.07 526	4.58 531	3.06 525	4.59 530	3.06 516	4.61 531	3.08 524	4.63 524	3.09 513	4.64 531	3.10 528	4.65 518	3.10 527

whm_eth	3.89 523	5.70 511	3.04 519	4.54 512	3.03 525	4.56 533	3.05 527	4.60 531	3.07 526	4.58 531	3.06 525	4.59 530	3.06 516	4.61 531	3.08 524	4.63 524	3.09 513	4.64 531	3.10 528	4.65 518	3.10 527

rvit_stereo_0083	3.92 527	5.30 502	3.06 522	4.61 518	3.09 532	4.67 537	3.08 530	4.66 535	3.09 530	4.62 534	3.10 530	4.66 538	3.11 520	4.67 535	3.16 529	4.72 529	3.16 518	4.77 538	3.11 530	4.66 520	3.11 529

SA	4.33 534	7.35 519	6.85 549	5.96 532	4.09 546	3.59 517	3.15 533	3.82 519	2.64 517	3.91 517	3.85 540	3.57 515	2.72 509	3.13 511	4.03 541	7.09 549	6.86 544	3.57 515	3.12 531	3.85 501	3.51 537

rvit_stereo_ft	3.93 528	5.44 508	3.05 521	4.59 516	3.06 530	4.61 536	3.08 530	4.67 536	3.12 531	4.63 535	3.10 530	4.65 537	3.11 520	4.69 537	3.13 528	4.70 527	3.14 517	4.71 536	3.15 532	4.74 521	3.16 532

rvit_0105_4	3.91 525	5.47 510	3.02 517	4.54 512	3.02 524	4.54 528	3.03 525	4.75 537	3.17 532	4.57 530	3.06 525	4.61 534	3.16 522	4.65 534	3.09 526	4.66 526	3.11 515	4.68 534	3.18 533	4.81 524	3.16 532

rvit_0105_3	3.91 525	5.33 503	3.06 522	4.60 517	3.07 531	4.60 535	3.06 529	4.62 533	3.08 529	4.60 533	3.07 528	4.62 535	3.08 518	4.67 535	3.10 527	4.70 527	3.11 515	4.77 538	3.19 534	4.77 523	3.14 531

rvit_0105_5	4.10 529	5.40 506	3.13 527	4.71 520	3.15 534	4.72 540	3.10 532	4.90 542	3.27 533	4.69 536	3.16 532	4.84 542	3.25 523	4.96 541	3.34 531	5.05 534	3.39 523	5.10 543	3.40 535	5.11 531	3.42 535

test_5	4.62 539	7.55 521	6.23 544	6.32 534	3.40 537	5.29 545	3.50 536	3.53 516	4.11 544	4.28 521	4.47 547	4.26 524	4.38 539	3.68 517	3.24 530	5.89 540	5.60 536	4.84 540	3.50 536	4.33 508	3.93 545

DispFullNet	4.61 538	4.84 492	3.12 525	5.00 524	3.57 538	4.75 541	3.03 525	7.75 553	4.17 545	4.91 540	3.09 529	6.20 549	3.95 534	6.71 549	3.51 532	5.30 537	3.67 525	5.86 550	3.63 537	5.61 535	3.46 536

TestStereo1	4.60 536	8.41 526	6.44 546	6.86 537	3.79 543	3.97 521	3.78 541	3.99 521	3.74 538	3.97 518	3.52 535	3.94 520	3.58 524	3.98 520	3.72 536	6.82 546	6.50 542	3.76 519	3.66 538	3.90 502	3.74 541

SA-5K	4.60 536	8.41 526	6.44 546	6.86 537	3.79 543	3.97 521	3.78 541	3.99 521	3.74 538	3.97 518	3.52 535	3.94 520	3.58 524	3.98 520	3.72 536	6.82 546	6.50 542	3.76 519	3.66 538	3.90 502	3.74 541

DPSNet	3.66 516	3.60 469	3.62 531	3.63 499	3.64 541	3.65 518	3.65 539	3.66 517	3.67 536	3.67 516	3.65 537	3.67 517	3.66 527	3.66 516	3.68 534	3.68 511	3.66 524	3.67 517	3.68 540	3.67 499	3.67 538

test_4	4.88 542	8.13 524	6.98 550	7.46 540	4.44 548	4.25 524	3.85 543	4.04 523	3.92 542	4.13 520	3.91 541	4.18 523	3.84 532	4.14 522	4.06 542	7.01 548	7.13 545	4.53 523	3.72 541	4.09 505	3.72 539

RAFT+CT+SA	4.28 532	7.62 522	4.91 538	5.55 529	2.28 518	3.09 511	3.64 538	4.49 525	3.07 526	4.80 537	3.35 533	4.77 540	3.70 529	4.29 524	3.05 520	5.58 538	5.98 539	3.58 516	3.78 542	4.26 507	3.72 539

test_3	5.01 544	8.86 531	7.77 552	8.09 542	2.76 522	4.13 523	4.05 545	3.88 520	3.76 540	4.33 522	4.13 544	3.71 518	3.91 533	4.21 523	4.06 542	7.93 550	7.69 547	4.53 523	3.91 543	4.17 506	4.29 547

cross-raft	4.83 541	7.52 520	6.43 545	6.63 535	3.96 545	4.51 526	3.99 544	4.49 525	3.96 543	4.52 524	3.96 542	4.50 525	3.97 535	4.50 526	3.97 540	6.65 544	6.44 541	4.33 522	3.92 544	4.35 509	3.91 544

GEStereo_RVC	0.86 347	4.45 488	0.20 161	0.27 163	0.20 188	0.27 192	0.20 175	0.26 183	0.18 173	5.03 541	0.20 187	0.27 192	0.19 181	0.27 196	0.21 184	0.20 151	0.19 165	0.19 162	4.02 545	0.20 159	0.18 169

SGM-Forest	5.21 548	5.92 515	4.08 535	6.18 533	4.16 547	6.31 549	4.34 547	6.50 548	4.33 546	6.14 549	4.21 545	6.61 552	4.55 540	6.67 548	4.48 545	5.94 541	3.94 527	5.85 549	4.03 546	5.79 537	4.17 546
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CFNet	1.37 438	5.27 501	0.19 158	5.49 528	0.19 186	0.28 193	0.19 172	0.28 186	0.19 179	0.28 189	0.19 183	0.28 193	4.35 538	0.28 198	0.19 179	0.23 169	0.17 158	0.23 176	4.21 547	4.81 524	0.17 165

raft_robust	4.71 540	7.75 523	5.40 543	6.81 536	3.31 535	4.28 525	4.20 546	4.32 524	4.37 547	4.35 523	4.35 546	4.14 522	3.75 531	4.30 525	4.20 544	6.67 545	6.37 540	3.36 514	4.24 548	4.86 527	3.25 534

FC-DCNN v2	5.10 546	5.15 497	4.49 536	5.07 525	3.37 536	6.87 550	4.75 548	5.04 543	6.34 552	7.84 553	5.06 549	6.72 553	4.09 537	4.99 542	5.44 549	5.03 533	3.16 518	4.67 533	4.86 549	5.15 532	3.89 543

TestStereo	4.88 542	4.75 491	4.79 537	4.87 523	4.92 550	4.81 543	4.90 549	4.78 538	4.77 548	4.87 539	4.89 548	4.90 543	4.91 541	4.99 542	4.79 546	4.98 532	4.87 533	4.87 541	4.92 550	5.00 530	5.00 548

SGM+DAISY	7.06 552	9.15 532	5.38 542	8.84 546	5.18 551	8.80 556	5.31 551	8.79 556	5.28 550	8.89 556	5.20 550	8.93 556	5.33 543	8.95 556	5.36 548	8.70 554	5.21 534	8.74 556	5.20 551	8.89 550	5.15 549

rvit_stereo_0075_2	6.64 550	8.80 530	5.25 540	7.89 541	5.27 552	7.90 554	5.27 550	7.92 554	5.28 550	7.91 554	5.29 551	7.93 554	5.27 542	7.92 554	5.28 547	7.93 550	5.28 535	7.93 553	5.29 552	7.93 546	5.28 550

test-1	6.46 549	9.16 533	8.03 555	8.09 542	5.62 553	6.11 548	6.35 552	6.85 550	4.94 549	6.08 548	6.29 554	4.98 544	6.43 546	6.22 546	6.36 552	6.16 543	7.47 546	5.82 548	5.44 553	7.11 543	5.68 551

RAFT	6.73 551	9.36 534	7.40 551	8.51 545	6.55 554	6.88 551	6.60 553	6.79 549	6.60 553	6.80 550	6.72 555	5.31 546	5.50 544	6.61 547	6.61 553	8.42 552	5.89 538	5.73 547	5.45 554	6.61 539	6.24 552

test-v	7.53 553	11.89 542	7.98 553	9.36 548	7.14 555	7.06 552	7.09 554	7.37 551	6.91 554	7.29 551	5.71 552	6.45 550	6.93 547	6.73 550	7.27 554	8.93 555	7.85 548	6.98 551	6.80 555	7.56 544	7.34 554

test-2	7.53 553	11.89 542	7.98 553	9.36 548	7.14 555	7.06 552	7.09 554	7.37 551	6.91 554	7.29 551	5.71 552	6.45 550	6.93 547	6.73 550	7.27 554	8.93 555	7.85 548	6.98 551	6.80 555	7.56 544	7.34 554

MANE	19.05 556	23.00 550	15.00 556	23.00 563	15.00 557	24.00 563	16.00 556	24.00 563	16.00 556	22.00 563	15.00 556	23.00 563	16.00 556	23.00 563	15.00 556	22.00 563	15.00 557	22.00 563	15.00 557	22.00 563	15.00 556

rafts_anoy	20.00 557	20.00 544	20.00 557	20.00 557	20.00 558	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 557

raft+_RVC	20.00 557	20.00 544	20.00 557	20.00 557	20.00 558	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 557

raftrobust	20.00 557	20.00 544	20.00 557	20.00 557	20.00 558	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 557

CasAABBNet	20.00 557	20.00 544	20.00 557	20.00 557	20.00 558	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 557

RALCasStereoNet	20.00 557	20.00 544	20.00 557	20.00 557	20.00 558	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 557

RALAANet	20.00 557	20.00 544	20.00 557	20.00 557	20.00 558	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 557

WCMA_ROB	31.10 564	35.43 570	27.12 563	39.51 575	23.10 564	38.78 575	25.30 563	37.49 575	25.39 563	37.29 574	27.02 563	38.52 575	26.48 563	37.80 574	26.44 563	36.28 571	22.65 564	33.90 568	22.30 564	37.10 572	24.18 563

fff	1000028.16 583	29.62 562	29.72 564	32.61 564	30.02 565	35.13 566	31.83 565	32.07 565	10000000.00 583	35.27 567	29.82 565	32.45 565	30.15 564	32.35 565	30.09 564	31.04 565	29.55 566	30.64 565	30.14 565	10000000.00 584	30.77 565

csc	1000028.16 583	29.62 562	29.72 564	32.61 564	30.02 565	35.13 566	31.83 565	32.07 565	10000000.00 583	35.27 567	29.82 565	32.45 565	30.15 564	32.35 565	30.09 564	31.04 565	29.55 566	30.64 565	30.14 565	10000000.00 584	30.77 565

cscssc	1000028.16 583	29.62 562	29.72 564	32.61 564	30.02 565	35.13 566	31.83 565	32.07 565	10000000.00 583	35.27 567	29.82 565	32.45 565	30.15 564	32.35 565	30.09 564	31.04 565	29.55 566	30.64 565	30.14 565	10000000.00 584	30.77 565

111	30.40 563	30.94 566	29.72 564	32.61 564	30.02 565	33.57 564	30.47 564	31.50 564	29.39 564	30.98 564	29.11 564	29.78 564	30.39 567	29.45 564	30.76 567	30.08 564	29.02 565	29.92 564	30.32 568	29.86 564	30.17 564

ADStereo(finetuned)	36.13 566	36.63 571	38.07 574	36.97 569	33.25 569	35.91 569	34.45 568	36.36 571	32.99 565	38.14 575	36.71 571	36.69 571	34.13 568	38.57 575	40.79 574	37.60 575	36.58 572	35.90 572	33.36 569	35.42 567	34.04 568

DCANet-4	35.22 565	34.54 567	35.08 570	33.58 568	35.47 572	34.55 565	35.53 571	36.08 570	35.85 568	35.92 570	35.77 570	35.18 570	35.48 569	35.39 570	37.15 573	34.55 570	33.92 569	35.02 571	34.90 570	35.79 568	34.74 571

tt	500032.53 581	34.60 568	29.72 564	37.47 573	34.41 570	36.85 570	35.22 569	34.71 568	33.55 566	34.50 565	35.43 568	33.81 568	10000000.00 584	33.57 568	33.13 568	33.68 568	35.00 570	34.03 569	35.26 571	30.96 565	34.63 569

DCANet	500032.53 581	34.60 568	29.72 564	37.47 573	34.41 570	36.85 570	35.22 569	34.71 568	33.55 566	34.50 565	35.43 568	33.81 568	10000000.00 584	33.57 568	33.13 568	33.68 568	35.00 570	34.03 569	35.26 571	30.96 565	34.63 569

Reg-Stereo(zero)	37.00 567	37.00 572	37.00 571	37.00 570	37.00 573	37.00 572	37.00 572	37.00 572	37.00 569	37.00 571	37.00 572	37.00 572	37.00 570	37.00 571	37.00 570	37.00 572	37.00 573	37.00 573	37.00 573	37.00 569	37.00 572

HI	37.00 567	37.00 572	37.00 571	37.00 570	37.00 573	37.00 572	37.00 572	37.00 572	37.00 569	37.00 571	37.00 572	37.00 572	37.00 570	37.00 571	37.00 570	37.00 572	37.00 573	37.00 573	37.00 573	37.00 569	37.00 572

CoSv	37.00 567	37.00 572	37.00 571	37.00 570	37.00 573	37.00 572	37.00 572	37.00 572	37.00 569	37.00 571	37.00 572	37.00 572	37.00 570	37.00 571	37.00 570	37.00 572	37.00 573	37.00 573	37.00 573	37.00 569	37.00 572

NOSS_ROB	102.95 571	153.00 580	121.00 578	51.00 576	44.00 576	165.00 579	127.00 577	153.00 578	119.00 574	164.00 579	125.00 577	168.00 579	120.00 575	153.00 578	117.00 577	49.00 576	44.00 576	49.00 576	44.00 576	49.00 573	44.00 575

CBMV	128.50 572	1422.70 587	53.10 576	79.50 577	51.30 577	77.30 577	49.70 575	74.00 576	48.20 573	77.20 577	48.80 576	73.90 577	48.00 574	73.80 577	48.80 576	70.40 577	45.10 577	68.90 577	46.10 577	68.20 574	45.00 576
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 570	87.70 576	41.95 575	113.75 578	65.62 578	75.05 576	55.25 576	75.64 577	45.04 572	71.61 576	41.75 575	72.81 576	44.06 573	68.38 576	44.63 575	101.89 578	59.57 578	107.10 578	61.05 578	104.38 575	59.38 577

MGS-Stereo	239.45 575	123.00 577	135.00 579	266.00 581	286.00 582	277.00 581	305.00 581	271.00 581	242.00 578	274.00 581	279.00 581	255.00 581	270.00 579	268.00 581	297.00 581	221.00 581	247.00 582	216.00 581	123.00 579	217.00 578	217.00 581

MeshStereo	159.24 573	171.00 581	160.68 581	162.58 579	160.59 579	164.01 578	160.35 578	158.51 579	158.56 575	158.34 578	160.12 578	158.56 578	159.92 576	157.26 579	158.94 578	154.38 579	158.36 579	155.75 579	159.13 580	153.67 576	154.07 578
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 574	123.00 577	115.00 577	219.00 580	218.00 581	223.00 580	244.00 580	217.00 580	236.00 577	202.00 580	203.00 579	205.00 580	208.00 577	225.00 580	204.00 579	210.00 580	198.00 580	197.00 580	184.00 581	204.00 577	201.00 579

DLCB_ROB	284.23 577	354.61 583	207.27 582	363.24 583	206.46 580	364.72 583	210.41 579	364.72 583	210.41 576	364.81 583	208.64 580	364.81 583	208.64 578	364.72 583	210.41 580	354.70 583	205.53 581	354.70 583	205.53 582	354.70 580	205.53 580

EGLCR-Stereo	246.90 576	129.00 579	139.00 580	266.00 581	286.00 582	277.00 581	305.00 581	271.00 581	242.00 578	274.00 581	279.00 581	255.00 581	270.00 579	268.00 581	297.00 581	230.00 582	247.00 582	216.00 581	223.00 583	237.00 579	227.00 582

LE_ROB	396.57 578	471.28 584	329.84 583	471.48 584	308.15 584	526.83 584	322.10 583	488.15 584	323.76 580	495.46 584	317.97 583	497.17 584	320.10 581	481.62 584	326.76 583	462.71 584	298.97 584	466.16 584	285.98 584	447.62 581	289.21 583

SGM-ForestM	596.69 579	677.77 585	444.52 584	699.85 585	517.25 585	732.94 585	488.29 584	770.79 585	460.11 581	750.81 585	487.98 584	792.79 585	499.41 582	730.90 585	475.81 584	720.03 585	491.16 585	663.96 585	418.60 585	674.76 582	436.05 584

CBMV_ROB	818.48 580	913.88 586	709.52 585	862.84 586	597.78 586	1073.99 586	700.52 585	1015.66 586	702.59 582	1115.65 586	760.02 585	1130.24 586	721.57 583	1037.41 586	692.65 585	814.05 586	564.29 586	843.28 586	595.31 586	915.51 583	602.92 585

111111	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586

SGD-Stereo	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586

IGEV-Stereo++	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586

IGEV-BASED-STEREO-	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586

IGEV-Stereo+	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586

SDNR	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586

anonymousdsp2	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586

anonymousdsp	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586

test_example2	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586

DIP-Stereo	10000000.00 586	10000000.00 588	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 583	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 586	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 586
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		0.20 100

Low-res two-view benchmark