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

FoundationStereo	0.06 1	0.04 1	0.08 12	0.13 8	0.05 1	0.09 51	0.13 68	0.06 1	0.09 6	0.05 1	0.05 1	0.06 8	0.04 1	0.07 2	0.07 1	0.06 79	0.04 3	0.05 3	0.04 15	0.05 61	0.04 10

GREAT-IGEV	0.07 2	0.06 33	0.09 42	0.13 8	0.07 33	0.07 19	0.14 112	0.10 5	0.09 6	0.06 3	0.08 41	0.06 8	0.05 7	0.10 31	0.07 1	0.05 4	0.04 3	0.05 3	0.04 15	0.05 61	0.04 10

StereoAnything_RVC	0.07 2	0.16 408	0.17 303	0.11 1	0.05 1	0.06 5	0.11 19	0.08 3	0.08 1	0.06 3	0.06 3	0.05 1	0.05 7	0.09 17	0.08 14	0.08 250	0.04 3	0.05 3	0.03 1	0.05 61	0.04 10

AIO_rvc	0.07 2	0.06 33	0.08 12	0.15 53	0.06 8	0.08 30	0.14 112	0.09 4	0.08 1	0.07 11	0.08 41	0.07 37	0.04 1	0.10 31	0.08 14	0.05 4	0.04 3	0.05 3	0.04 15	0.04 2	0.03 1

AIO_test	0.07 2	0.06 33	0.07 2	0.15 53	0.07 33	0.07 19	0.14 112	0.10 5	0.10 14	0.07 11	0.07 20	0.06 8	0.05 7	0.08 10	0.10 85	0.05 4	0.04 3	0.05 3	0.04 15	0.04 2	0.03 1

MonSter	0.07 2	0.06 33	0.06 1	0.15 53	0.05 1	0.08 30	0.10 9	0.15 63	0.15 113	0.05 1	0.06 3	0.05 1	0.06 26	0.07 2	0.09 34	0.04 1	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 2	0.05 7	0.07 2	0.14 20	0.06 8	0.09 51	0.13 68	0.07 2	0.13 77	0.06 3	0.07 20	0.06 8	0.05 7	0.10 31	0.09 34	0.05 4	0.04 3	0.05 3	0.03 1	0.04 2	0.04 10

dual_stereo	0.07 2	0.05 7	0.08 12	0.15 53	0.05 1	0.05 2	0.13 68	0.12 22	0.08 1	0.07 11	0.06 3	0.05 1	0.05 7	0.07 2	0.09 34	0.06 79	0.04 3	0.05 3	0.03 1	0.04 2	0.04 10

IGEV-Stereo++	0.07 2	0.06 33	0.08 12	0.18 241	0.06 8	0.05 2	0.10 9	0.11 11	0.11 30	0.06 3	0.07 20	0.07 37	0.06 26	0.09 17	0.09 34	0.05 4	0.04 3	0.05 3	0.04 15	0.05 61	0.04 10

IGEV-Stereo+	0.07 2	0.04 1	0.08 12	0.15 53	0.06 8	0.04 1	0.09 5	0.10 5	0.09 6	0.06 3	0.06 3	0.06 8	0.06 26	0.06 1	0.09 34	0.06 79	0.04 3	0.05 3	0.04 15	0.06 139	0.06 148

Selective-IGEV	0.07 2	0.06 33	0.09 42	0.17 166	0.06 8	0.08 30	0.12 38	0.13 36	0.08 1	0.08 29	0.07 20	0.06 8	0.04 1	0.10 31	0.09 34	0.05 4	0.04 3	0.05 3	0.04 15	0.04 2	0.03 1

HART	0.08 12	0.07 92	0.09 42	0.18 241	0.07 33	0.10 87	0.16 238	0.13 36	0.11 30	0.09 51	0.10 76	0.08 56	0.05 7	0.10 31	0.08 14	0.05 4	0.04 3	0.06 60	0.04 15	0.05 61	0.04 10

SCV_C0	0.08 12	0.07 92	0.08 12	0.16 101	0.10 284	0.08 30	0.14 112	0.11 11	0.13 77	0.08 29	0.07 20	0.06 8	0.05 7	0.11 69	0.07 1	0.05 4	0.05 117	0.05 3	0.04 15	0.06 139	0.05 77

SCV	0.08 12	0.09 251	0.08 12	0.15 53	0.08 82	0.10 87	0.12 38	0.11 11	0.12 51	0.07 11	0.07 20	0.06 8	0.04 1	0.10 31	0.08 14	0.05 4	0.05 117	0.06 60	0.04 15	0.06 139	0.04 10

DEFOM-Stereo_RVC	0.08 12	0.07 92	0.09 42	0.22 393	0.06 8	0.08 30	0.12 38	0.10 5	0.10 14	0.07 11	0.07 20	0.06 8	0.05 7	0.11 69	0.09 34	0.06 79	0.04 3	0.05 3	0.03 1	0.06 139	0.04 10

HUF	0.08 12	0.05 7	0.08 12	0.14 20	0.06 8	0.09 51	0.13 68	0.13 36	0.13 77	0.07 11	0.07 20	0.09 83	0.06 26	0.10 31	0.09 34	0.06 79	0.04 3	0.05 3	0.04 15	0.05 61	0.04 10

castereo++	0.08 12	0.06 33	0.08 12	0.15 53	0.05 1	0.14 223	0.11 19	0.11 11	0.15 113	0.07 11	0.07 20	0.08 56	0.06 26	0.08 10	0.08 14	0.06 79	0.04 3	0.05 3	0.04 15	0.04 2	0.03 1

IGEV-RUCA	0.08 12	0.06 33	0.11 100	0.14 20	0.09 180	0.10 87	0.12 38	0.10 5	0.12 51	0.06 3	0.07 20	0.08 56	0.06 26	0.09 17	0.08 14	0.06 79	0.05 117	0.05 3	0.04 15	0.05 61	0.06 148

GIP-stereo	0.08 12	0.06 33	0.11 100	0.15 53	0.07 33	0.09 51	0.13 68	0.15 63	0.11 30	0.07 11	0.08 41	0.05 1	0.04 1	0.10 31	0.07 1	0.05 4	0.04 3	0.05 3	0.04 15	0.05 61	0.04 10

SMoEStereo_RVC	0.08 12	0.06 33	0.12 132	0.16 101	0.07 33	0.09 51	0.13 68	0.11 11	0.14 96	0.09 51	0.07 20	0.07 37	0.07 70	0.12 139	0.10 85	0.05 4	0.04 3	0.06 60	0.05 68	0.04 2	0.04 10

WCG-NET	0.08 12	0.05 7	0.10 66	0.15 53	0.06 8	0.11 122	0.14 112	0.13 36	0.14 96	0.07 11	0.09 55	0.07 37	0.06 26	0.13 186	0.08 14	0.05 4	0.04 3	0.06 60	0.04 15	0.04 2	0.03 1

Occ-G	0.08 12	0.05 7	0.07 2	0.14 20	0.07 33	0.09 51	0.14 112	0.14 49	0.15 113	0.07 11	0.12 115	0.07 37	0.05 7	0.09 17	0.10 85	0.06 79	0.05 117	0.05 3	0.04 15	0.05 61	0.06 148

U	0.08 12	0.07 92	0.10 66	0.19 297	0.10 284	0.10 87	0.13 68	0.12 22	0.17 158	0.07 11	0.07 20	0.06 8	0.05 7	0.07 2	0.09 34	0.06 79	0.04 3	0.06 60	0.04 15	0.06 139	0.05 77

AIO-Stereo	0.08 12	0.06 33	0.10 66	0.18 241	0.06 8	0.09 51	0.11 19	0.16 87	0.09 6	0.09 51	0.08 41	0.07 37	0.05 7	0.11 69	0.08 14	0.05 4	0.05 117	0.05 3	0.04 15	0.04 2	0.04 10

WCG-NET（raft）	0.08 12	0.05 7	0.10 66	0.15 53	0.06 8	0.11 122	0.13 68	0.15 63	0.12 51	0.08 29	0.07 20	0.06 8	0.06 26	0.13 186	0.08 14	0.05 4	0.04 3	0.05 3	0.04 15	0.05 61	0.04 10

RSM++	0.08 12	0.06 33	0.09 42	0.17 166	0.07 33	0.09 51	0.12 38	0.11 11	0.11 30	0.08 29	0.06 3	0.07 37	0.05 7	0.10 31	0.09 34	0.05 4	0.04 3	0.06 60	0.05 68	0.05 61	0.03 1

RSM	0.08 12	0.06 33	0.09 42	0.17 166	0.07 33	0.08 30	0.12 38	0.12 22	0.10 14	0.08 29	0.07 20	0.06 8	0.05 7	0.11 69	0.09 34	0.04 1	0.04 3	0.05 3	0.04 15	0.04 2	0.04 10

trnet	0.08 12	0.05 7	0.07 2	0.12 4	0.05 1	0.12 159	0.10 9	0.13 36	0.10 14	0.08 29	0.13 129	0.09 83	0.08 100	0.11 69	0.10 85	0.08 250	0.05 117	0.05 3	0.03 1	0.06 139	0.05 77

MoCha-V2	0.08 12	0.05 7	0.11 100	0.20 346	0.07 33	0.10 87	0.14 112	0.12 22	0.08 1	0.07 11	0.08 41	0.07 37	0.06 26	0.09 17	0.08 14	0.05 4	0.05 117	0.05 3	0.04 15	0.04 2	0.04 10

IGEV++	0.08 12	0.06 33	0.09 42	0.18 241	0.07 33	0.10 87	0.13 68	0.10 5	0.10 14	0.08 29	0.08 41	0.06 8	0.05 7	0.13 186	0.09 34	0.05 4	0.04 3	0.05 3	0.04 15	0.05 61	0.04 10

testlalala	0.08 12	0.07 92	0.17 303	0.16 101	0.08 82	0.09 51	0.12 38	0.15 63	0.10 14	0.07 11	0.09 55	0.06 8	0.06 26	0.11 69	0.09 34	0.05 4	0.04 3	0.06 60	0.04 15	0.04 2	0.04 10

LoS_RVC	0.08 12	0.05 7	0.07 2	0.15 53	0.07 33	0.08 30	0.15 181	0.12 22	0.11 30	0.08 29	0.09 55	0.06 8	0.09 125	0.10 31	0.09 34	0.05 4	0.04 3	0.05 3	0.03 1	0.04 2	0.04 10

CAS	0.08 12	0.04 1	0.07 2	0.17 166	0.08 82	0.10 87	0.13 68	0.12 22	0.09 6	0.09 51	0.10 76	0.08 56	0.06 26	0.09 17	0.09 34	0.08 250	0.04 3	0.05 3	0.03 1	0.05 61	0.04 10

CES	0.08 12	0.04 1	0.08 12	0.14 20	0.07 33	0.09 51	0.14 112	0.11 11	0.09 6	0.08 29	0.09 55	0.11 128	0.07 70	0.12 139	0.08 14	0.06 79	0.04 3	0.05 3	0.03 1	0.05 61	0.05 77

EGLCR-Stereo	0.08 12	0.05 7	0.08 12	0.14 20	0.07 33	0.11 122	0.12 38	0.11 11	0.16 135	0.06 3	0.05 1	0.07 37	0.05 7	0.10 31	0.11 129	0.06 79	0.04 3	0.06 60	0.05 68	0.04 2	0.04 10

CREStereo++_RVC	0.08 12	0.04 1	0.07 2	0.13 8	0.07 33	0.09 51	0.12 38	0.14 49	0.14 96	0.10 80	0.14 142	0.08 56	0.07 70	0.10 31	0.11 129	0.06 79	0.04 3	0.05 3	0.05 68	0.04 2	0.04 10
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
MM-Stereo_test2	0.09 37	0.07 92	0.09 42	0.19 297	0.08 82	0.12 159	0.18 308	0.15 63	0.14 96	0.07 11	0.10 76	0.07 37	0.06 26	0.12 139	0.09 34	0.05 4	0.04 3	0.06 60	0.05 68	0.06 139	0.04 10

Reg-Stereo(zero)	0.09 37	0.05 7	0.08 12	0.16 101	0.06 8	0.12 159	0.11 19	0.15 63	0.11 30	0.12 142	0.09 55	0.10 108	0.08 100	0.11 69	0.09 34	0.06 79	0.05 117	0.05 3	0.04 15	0.04 2	0.05 77

castereo	0.09 37	0.06 33	0.11 100	0.15 53	0.06 8	0.11 122	0.14 112	0.14 49	0.18 172	0.08 29	0.10 76	0.11 128	0.08 100	0.09 17	0.10 85	0.05 4	0.04 3	0.05 3	0.04 15	0.04 2	0.04 10

fffft	0.09 37	0.06 33	0.12 132	0.16 101	0.07 33	0.09 51	0.16 238	0.12 22	0.11 30	0.09 51	0.07 20	0.09 83	0.06 26	0.11 69	0.12 182	0.05 4	0.04 3	0.06 60	0.05 68	0.04 2	0.05 77
1: 1. 1
tt45	0.09 37	0.06 33	0.11 100	0.15 53	0.07 33	0.12 159	0.15 181	0.13 36	0.12 51	0.09 51	0.06 3	0.08 56	0.06 26	0.13 186	0.10 85	0.06 79	0.04 3	0.06 60	0.05 68	0.05 61	0.06 148

999	0.09 37	0.06 33	0.13 163	0.15 53	0.08 82	0.10 87	0.14 112	0.15 63	0.12 51	0.10 80	0.08 41	0.08 56	0.08 100	0.16 255	0.10 85	0.06 79	0.04 3	0.06 60	0.05 68	0.04 2	0.06 148

mms	0.09 37	0.07 92	0.08 12	0.17 166	0.08 82	0.11 122	0.15 181	0.12 22	0.11 30	0.09 51	0.09 55	0.08 56	0.06 26	0.11 69	0.12 182	0.05 4	0.04 3	0.07 150	0.05 68	0.04 2	0.04 10

ours_stereo	0.09 37	0.07 92	0.09 42	0.17 166	0.08 82	0.11 122	0.16 238	0.11 11	0.12 51	0.08 29	0.10 76	0.08 56	0.06 26	0.12 139	0.12 182	0.05 4	0.04 3	0.06 60	0.05 68	0.04 2	0.04 10

fffy	0.09 37	0.08 192	0.10 66	0.16 101	0.07 33	0.13 186	0.17 264	0.13 36	0.12 51	0.08 29	0.09 55	0.08 56	0.09 125	0.13 186	0.11 129	0.05 4	0.05 117	0.07 150	0.05 68	0.04 2	0.05 77

GCAP-BAT	0.09 37	0.07 92	0.14 203	0.15 53	0.08 82	0.10 87	0.12 38	0.15 63	0.11 30	0.11 112	0.10 76	0.09 83	0.07 70	0.12 139	0.10 85	0.06 79	0.05 117	0.06 60	0.04 15	0.04 2	0.04 10

Pointernet	0.09 37	0.05 7	0.10 66	0.16 101	0.08 82	0.13 186	0.10 9	0.15 63	0.18 172	0.09 51	0.07 20	0.06 8	0.06 26	0.11 69	0.10 85	0.08 250	0.04 3	0.05 3	0.03 1	0.06 139	0.05 77

IGEV-BASED-STEREO-	0.09 37	0.10 313	0.32 428	0.15 53	0.06 8	0.08 30	0.14 112	0.11 11	0.10 14	0.07 11	0.07 20	0.06 8	0.04 1	0.11 69	0.07 1	0.12 392	0.04 3	0.07 150	0.05 68	0.05 61	0.05 77

RAFT-Stereo-weight	0.09 37	0.06 33	0.11 100	0.16 101	0.07 33	0.09 51	0.14 112	0.19 168	0.16 135	0.11 112	0.10 76	0.08 56	0.06 26	0.10 31	0.11 129	0.06 79	0.04 3	0.06 60	0.04 15	0.04 2	0.04 10

gcap-zeroshot	0.09 37	0.06 33	0.10 66	0.16 101	0.07 33	0.14 223	0.13 68	0.11 11	0.12 51	0.13 170	0.12 115	0.09 83	0.08 100	0.09 17	0.09 34	0.06 79	0.05 117	0.06 60	0.05 68	0.04 2	0.04 10

test_for_model	0.09 37	0.12 354	0.14 203	0.23 412	0.11 333	0.08 30	0.13 68	0.12 22	0.13 77	0.10 80	0.07 20	0.07 37	0.06 26	0.11 69	0.10 85	0.06 79	0.05 117	0.05 3	0.04 15	0.08 266	0.05 77

MGS-Stereo	0.09 37	0.07 92	0.12 132	0.16 101	0.08 82	0.09 51	0.15 181	0.12 22	0.12 51	0.07 11	0.10 76	0.08 56	0.06 26	0.11 69	0.09 34	0.05 4	0.04 3	0.06 60	0.05 68	0.06 139	0.05 77

ff7	0.09 37	0.07 92	0.11 100	0.16 101	0.09 180	0.11 122	0.15 181	0.16 87	0.12 51	0.10 80	0.06 3	0.06 8	0.06 26	0.11 69	0.09 34	0.05 4	0.04 3	0.06 60	0.05 68	0.05 61	0.06 148

IGEVStereo-DCA	0.09 37	0.07 92	0.11 100	0.16 101	0.10 284	0.11 122	0.15 181	0.16 87	0.12 51	0.10 80	0.06 3	0.08 56	0.06 26	0.10 31	0.09 34	0.06 79	0.05 117	0.06 60	0.05 68	0.05 61	0.06 148

ffff	0.09 37	0.07 92	0.11 100	0.16 101	0.09 180	0.11 122	0.15 181	0.16 87	0.12 51	0.10 80	0.06 3	0.06 8	0.06 26	0.11 69	0.09 34	0.05 4	0.04 3	0.06 60	0.05 68	0.05 61	0.06 148

rrr	0.09 37	0.07 92	0.13 163	0.16 101	0.10 284	0.11 122	0.15 181	0.16 87	0.15 113	0.10 80	0.06 3	0.08 56	0.06 26	0.10 31	0.09 34	0.06 79	0.05 117	0.06 60	0.05 68	0.05 61	0.06 148

11t	0.09 37	0.07 92	0.11 100	0.16 101	0.09 180	0.11 122	0.15 181	0.16 87	0.12 51	0.10 80	0.06 3	0.06 8	0.06 26	0.11 69	0.09 34	0.05 4	0.04 3	0.06 60	0.05 68	0.05 61	0.06 148

MaDis-Stereo	0.09 37	0.09 251	0.08 12	0.17 166	0.09 180	0.14 223	0.11 19	0.16 87	0.16 135	0.09 51	0.11 103	0.06 8	0.06 26	0.09 17	0.13 215	0.07 196	0.06 251	0.08 224	0.05 68	0.05 61	0.04 10

IGEV_Zeroshot_test	0.09 37	0.05 7	0.13 163	0.14 20	0.08 82	0.12 159	0.13 68	0.17 119	0.11 30	0.10 80	0.06 3	0.09 83	0.06 26	0.11 69	0.09 34	0.06 79	0.04 3	0.06 60	0.06 134	0.05 61	0.05 77

MSKI-zero shot	0.09 37	0.05 7	0.09 42	0.16 101	0.07 33	0.10 87	0.13 68	0.15 63	0.14 96	0.09 51	0.09 55	0.09 83	0.06 26	0.12 139	0.11 129	0.06 79	0.04 3	0.05 3	0.04 15	0.04 2	0.05 77

UniTT-Stereo	0.09 37	0.07 92	0.08 12	0.18 241	0.08 82	0.13 186	0.11 19	0.12 22	0.11 30	0.10 80	0.12 115	0.05 1	0.06 26	0.09 17	0.10 85	0.07 196	0.06 251	0.05 3	0.05 68	0.06 139	0.05 77

CASnet	0.09 37	0.09 251	0.09 42	0.19 297	0.06 8	0.07 19	0.11 19	0.18 144	0.14 96	0.11 112	0.10 76	0.09 83	0.07 70	0.10 31	0.10 85	0.06 79	0.04 3	0.10 348	0.08 285	0.06 139	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.09 37	0.05 7	0.08 12	0.14 20	0.13 387	0.14 223	0.13 68	0.15 63	0.09 6	0.07 11	0.09 55	0.07 37	0.08 100	0.10 31	0.09 34	0.06 79	0.04 3	0.06 60	0.05 68	0.05 61	0.04 10

GCAP-Stereo	0.09 37	0.07 92	0.13 163	0.18 241	0.06 8	0.11 122	0.07 1	0.14 49	0.12 51	0.09 51	0.10 76	0.07 37	0.09 125	0.13 186	0.10 85	0.06 79	0.05 117	0.05 3	0.04 15	0.04 2	0.05 77

RAFT-Test	0.09 37	0.06 33	0.10 66	0.16 101	0.07 33	0.11 122	0.15 181	0.16 87	0.13 77	0.09 51	0.10 76	0.11 128	0.09 125	0.12 139	0.09 34	0.06 79	0.04 3	0.05 3	0.04 15	0.05 61	0.05 77

HH	0.09 37	0.06 33	0.13 163	0.17 166	0.08 82	0.11 122	0.16 238	0.15 63	0.10 14	0.08 29	0.10 76	0.08 56	0.07 70	0.10 31	0.09 34	0.06 79	0.04 3	0.06 60	0.05 68	0.05 61	0.04 10

HanStereo	0.09 37	0.06 33	0.13 163	0.17 166	0.08 82	0.11 122	0.16 238	0.15 63	0.10 14	0.08 29	0.10 76	0.08 56	0.07 70	0.10 31	0.09 34	0.06 79	0.04 3	0.06 60	0.05 68	0.05 61	0.04 10

anonymousdsp	0.09 37	0.07 92	0.11 100	0.17 166	0.09 180	0.11 122	0.15 181	0.16 87	0.12 51	0.10 80	0.06 3	0.06 8	0.06 26	0.11 69	0.09 34	0.05 4	0.04 3	0.06 60	0.05 68	0.05 61	0.06 148

LoS	0.09 37	0.05 7	0.11 100	0.13 8	0.07 33	0.14 223	0.11 19	0.15 63	0.15 113	0.09 51	0.09 55	0.12 149	0.09 125	0.15 228	0.10 85	0.07 196	0.05 117	0.05 3	0.03 1	0.05 61	0.05 77
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 37	0.07 92	0.11 100	0.17 166	0.08 82	0.11 122	0.15 181	0.15 63	0.12 51	0.10 80	0.06 3	0.07 37	0.06 26	0.11 69	0.09 34	0.05 4	0.05 117	0.06 60	0.05 68	0.04 2	0.06 148

MC-Stereo	0.09 37	0.07 92	0.09 42	0.17 166	0.06 8	0.10 87	0.14 112	0.12 22	0.11 30	0.09 51	0.12 115	0.09 83	0.06 26	0.11 69	0.10 85	0.06 79	0.04 3	0.06 60	0.05 68	0.04 2	0.04 10

RCA-Stereo	0.09 37	0.06 33	0.09 42	0.16 101	0.06 8	0.09 51	0.13 68	0.18 144	0.14 96	0.10 80	0.11 103	0.08 56	0.07 70	0.12 139	0.11 129	0.06 79	0.04 3	0.06 60	0.05 68	0.05 61	0.04 10

CroCo-Stereo Lap2	0.09 37	0.09 251	0.08 12	0.22 393	0.09 180	0.09 51	0.18 308	0.16 87	0.12 51	0.09 51	0.10 76	0.05 1	0.05 7	0.08 10	0.08 14	0.06 79	0.06 251	0.07 150	0.05 68	0.06 139	0.05 77

ccc-4	0.09 37	0.07 92	0.11 100	0.16 101	0.09 180	0.11 122	0.15 181	0.16 87	0.12 51	0.10 80	0.06 3	0.06 8	0.06 26	0.11 69	0.09 34	0.05 4	0.04 3	0.06 60	0.05 68	0.05 61	0.06 148

IGEV-Stereo	0.09 37	0.07 92	0.11 100	0.17 166	0.09 180	0.11 122	0.15 181	0.16 87	0.12 51	0.10 80	0.06 3	0.06 8	0.06 26	0.11 69	0.09 34	0.05 4	0.04 3	0.06 60	0.05 68	0.05 61	0.06 148
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 37	0.05 7	0.13 163	0.14 20	0.09 180	0.12 159	0.15 181	0.19 168	0.11 30	0.11 112	0.08 41	0.08 56	0.05 7	0.10 31	0.09 34	0.06 79	0.04 3	0.06 60	0.05 68	0.06 139	0.05 77

test-3	0.09 37	0.06 33	0.10 66	0.18 241	0.07 33	0.07 19	0.14 112	0.12 22	0.16 135	0.10 80	0.08 41	0.08 56	0.08 100	0.11 69	0.10 85	0.05 4	0.04 3	0.07 150	0.05 68	0.04 2	0.04 10

test_1	0.09 37	0.06 33	0.10 66	0.18 241	0.07 33	0.07 19	0.14 112	0.12 22	0.16 135	0.10 80	0.08 41	0.08 56	0.08 100	0.11 69	0.10 85	0.05 4	0.04 3	0.07 150	0.05 68	0.04 2	0.04 10

CroCo-Stereo	0.09 37	0.08 192	0.08 12	0.22 393	0.09 180	0.09 51	0.18 308	0.16 87	0.12 51	0.07 11	0.07 20	0.08 56	0.06 26	0.08 10	0.07 1	0.07 196	0.05 117	0.06 60	0.04 15	0.05 61	0.04 10
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
TANstereo	0.09 37	0.04 1	0.08 12	0.13 8	0.06 8	0.11 122	0.13 68	0.15 63	0.19 193	0.11 112	0.15 154	0.10 108	0.07 70	0.12 139	0.09 34	0.07 196	0.05 117	0.05 3	0.04 15	0.06 139	0.05 77

XX-TBD	0.09 37	0.06 33	0.07 2	0.14 20	0.07 33	0.13 186	0.16 238	0.14 49	0.14 96	0.11 112	0.12 115	0.09 83	0.08 100	0.10 31	0.10 85	0.06 79	0.04 3	0.05 3	0.04 15	0.06 139	0.05 77

raftrobust	0.09 37	0.06 33	0.11 100	0.17 166	0.08 82	0.09 51	0.10 9	0.18 144	0.16 135	0.10 80	0.09 55	0.12 149	0.08 100	0.12 139	0.10 85	0.08 250	0.05 117	0.06 60	0.05 68	0.05 61	0.06 148

XX-Stereo	0.09 37	0.05 7	0.09 42	0.17 166	0.09 180	0.15 248	0.12 38	0.21 196	0.10 14	0.10 80	0.14 142	0.07 37	0.06 26	0.13 186	0.08 14	0.06 79	0.05 117	0.06 60	0.06 134	0.04 2	0.04 10

test_xeample3	0.09 37	0.07 92	0.12 132	0.16 101	0.09 180	0.11 122	0.15 181	0.16 87	0.14 96	0.10 80	0.07 20	0.08 56	0.06 26	0.10 31	0.09 34	0.06 79	0.04 3	0.06 60	0.05 68	0.05 61	0.06 148

RAFT-Stereo + iAFF	0.09 37	0.06 33	0.10 66	0.17 166	0.07 33	0.10 87	0.15 181	0.17 119	0.15 113	0.10 80	0.10 76	0.08 56	0.09 125	0.12 139	0.10 85	0.05 4	0.04 3	0.06 60	0.06 134	0.04 2	0.03 1

AFF-stereo	0.09 37	0.07 92	0.10 66	0.17 166	0.07 33	0.10 87	0.15 181	0.18 144	0.10 14	0.10 80	0.11 103	0.09 83	0.10 145	0.12 139	0.10 85	0.05 4	0.04 3	0.07 150	0.07 222	0.04 2	0.04 10

EAI-Stereo	0.09 37	0.07 92	0.11 100	0.16 101	0.07 33	0.10 87	0.15 181	0.16 87	0.09 6	0.08 29	0.09 55	0.08 56	0.07 70	0.09 17	0.11 129	0.05 4	0.05 117	0.05 3	0.05 68	0.05 61	0.04 10

CFNet-RSSM	0.09 37	0.07 92	0.10 66	0.16 101	0.07 33	0.09 51	0.15 181	0.17 119	0.18 172	0.08 29	0.12 115	0.11 128	0.09 125	0.12 139	0.10 85	0.06 79	0.04 3	0.06 60	0.04 15	0.04 2	0.04 10

Gwc-CoAtRS	0.09 37	0.07 92	0.10 66	0.16 101	0.07 33	0.10 87	0.15 181	0.18 144	0.17 158	0.08 29	0.10 76	0.12 149	0.09 125	0.12 139	0.09 34	0.06 79	0.04 3	0.06 60	0.04 15	0.04 2	0.05 77

CREStereo	0.09 37	0.05 7	0.08 12	0.11 1	0.06 8	0.14 223	0.14 112	0.14 49	0.10 14	0.09 51	0.13 129	0.09 83	0.08 100	0.12 139	0.10 85	0.08 250	0.04 3	0.05 3	0.03 1	0.06 139	0.06 148
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	0.09 37	0.05 7	0.09 42	0.12 4	0.06 8	0.13 186	0.14 112	0.16 87	0.11 30	0.09 51	0.13 129	0.10 108	0.07 70	0.14 210	0.10 85	0.15 430	0.04 3	0.05 3	0.03 1	0.07 204	0.06 148

MM-Stereo_test3	0.10 92	0.07 92	0.07 2	0.18 241	0.07 33	0.12 159	0.19 350	0.24 259	0.19 193	0.06 3	0.10 76	0.08 56	0.06 26	0.11 69	0.09 34	0.06 79	0.06 251	0.07 150	0.05 68	0.05 61	0.04 10

MM-Stereo_test1	0.10 92	0.07 92	0.09 42	0.18 241	0.07 33	0.12 159	0.18 308	0.21 196	0.20 212	0.09 51	0.11 103	0.08 56	0.06 26	0.10 31	0.10 85	0.06 79	0.05 117	0.07 150	0.06 134	0.05 61	0.04 10

AIO-test2	0.10 92	0.08 192	0.10 66	0.23 412	0.09 180	0.11 122	0.11 19	0.23 237	0.24 267	0.08 29	0.09 55	0.08 56	0.05 7	0.10 31	0.08 14	0.06 79	0.05 117	0.08 224	0.09 328	0.05 61	0.05 77

AIO-test1	0.10 92	0.07 92	0.11 100	0.24 422	0.07 33	0.09 51	0.13 68	0.22 219	0.15 113	0.11 112	0.12 115	0.09 83	0.07 70	0.11 69	0.09 34	0.06 79	0.05 117	0.09 303	0.10 361	0.04 2	0.07 218

tg	0.10 92	0.06 33	0.10 66	0.18 241	0.08 82	0.11 122	0.16 238	0.20 181	0.12 51	0.08 29	0.11 103	0.11 128	0.07 70	0.11 69	0.10 85	0.05 4	0.04 3	0.08 224	0.08 285	0.04 2	0.04 10

PAM_32	0.10 92	0.06 33	0.17 303	0.15 53	0.08 82	0.10 87	0.15 181	0.14 49	0.16 135	0.09 51	0.08 41	0.10 108	0.07 70	0.14 210	0.09 34	0.06 79	0.05 117	0.06 60	0.06 134	0.05 61	0.06 148

PAM	0.10 92	0.06 33	0.17 303	0.15 53	0.09 180	0.10 87	0.16 238	0.15 63	0.16 135	0.12 142	0.09 55	0.10 108	0.07 70	0.13 186	0.09 34	0.06 79	0.05 117	0.06 60	0.06 134	0.05 61	0.06 148

UGAM-zero	0.10 92	0.05 7	0.15 239	0.15 53	0.08 82	0.10 87	0.13 68	0.20 181	0.15 113	0.11 112	0.15 154	0.07 37	0.08 100	0.09 17	0.10 85	0.06 79	0.05 117	0.06 60	0.05 68	0.05 61	0.06 148

model_zeroshot	0.10 92	0.05 7	0.12 132	0.15 53	0.09 180	0.13 186	0.14 112	0.20 181	0.14 96	0.11 112	0.10 76	0.12 149	0.07 70	0.12 139	0.11 129	0.07 196	0.06 251	0.06 60	0.05 68	0.06 139	0.06 148

RAStereo	0.10 92	0.09 251	0.08 12	0.20 346	0.08 82	0.13 186	0.18 308	0.16 87	0.17 158	0.10 80	0.12 115	0.05 1	0.06 26	0.09 17	0.08 14	0.07 196	0.05 117	0.07 150	0.05 68	0.05 61	0.04 10

rvit_stereo_0080	0.10 92	0.08 192	0.15 239	0.15 53	0.10 284	0.07 19	0.15 181	0.16 87	0.16 135	0.11 112	0.10 76	0.15 215	0.09 125	0.12 139	0.10 85	0.09 301	0.07 319	0.07 150	0.06 134	0.07 204	0.05 77

testlalala2	0.10 92	0.06 33	0.11 100	0.20 346	0.10 284	0.10 87	0.11 19	0.17 119	0.13 77	0.12 142	0.13 129	0.09 83	0.08 100	0.11 69	0.13 215	0.06 79	0.05 117	0.05 3	0.04 15	0.05 61	0.05 77

H2IRNET	0.10 92	0.09 251	0.10 66	0.18 241	0.09 180	0.12 159	0.15 181	0.14 49	0.21 226	0.10 80	0.10 76	0.10 108	0.11 173	0.10 31	0.10 85	0.06 79	0.04 3	0.08 224	0.08 285	0.06 139	0.05 77

MyStereo07	0.10 92	0.07 92	0.10 66	0.17 166	0.09 180	0.14 223	0.17 264	0.15 63	0.15 113	0.09 51	0.06 3	0.06 8	0.07 70	0.12 139	0.09 34	0.06 79	0.05 117	0.08 224	0.07 222	0.06 139	0.06 148

MyStereo06	0.10 92	0.07 92	0.12 132	0.17 166	0.09 180	0.13 186	0.18 308	0.19 168	0.12 51	0.13 170	0.08 41	0.07 37	0.07 70	0.11 69	0.09 34	0.06 79	0.05 117	0.08 224	0.07 222	0.06 139	0.06 148

AE-Stereo	0.10 92	0.08 192	0.11 100	0.19 297	0.09 180	0.10 87	0.15 181	0.14 49	0.20 212	0.09 51	0.15 154	0.12 149	0.08 100	0.11 69	0.10 85	0.05 4	0.06 251	0.07 150	0.06 134	0.05 61	0.04 10

ACVNet-DCA	0.10 92	0.08 192	0.13 163	0.17 166	0.09 180	0.13 186	0.15 181	0.24 259	0.16 135	0.09 51	0.09 55	0.06 8	0.06 26	0.10 31	0.07 1	0.06 79	0.05 117	0.06 60	0.05 68	0.07 204	0.07 218

cc1	0.10 92	0.08 192	0.13 163	0.17 166	0.09 180	0.13 186	0.15 181	0.16 87	0.18 172	0.09 51	0.09 55	0.06 8	0.06 26	0.10 31	0.07 1	0.06 79	0.05 117	0.06 60	0.05 68	0.06 139	0.06 148

tt1	0.10 92	0.08 192	0.13 163	0.17 166	0.09 180	0.13 186	0.15 181	0.15 63	0.19 193	0.09 51	0.08 41	0.06 8	0.06 26	0.10 31	0.08 14	0.06 79	0.05 117	0.06 60	0.05 68	0.06 139	0.06 148

whm_eth	0.10 92	0.08 192	0.15 239	0.15 53	0.10 284	0.07 19	0.15 181	0.16 87	0.16 135	0.11 112	0.10 76	0.15 215	0.09 125	0.12 139	0.10 85	0.09 301	0.07 319	0.07 150	0.06 134	0.07 204	0.05 77

MIM_Stereo	0.10 92	0.07 92	0.11 100	0.15 53	0.07 33	0.07 19	0.12 38	0.20 181	0.14 96	0.13 170	0.14 142	0.09 83	0.05 7	0.12 139	0.08 14	0.05 4	0.06 251	0.07 150	0.06 134	0.06 139	0.05 77

testlalala_base	0.10 92	0.09 251	0.14 203	0.21 376	0.08 82	0.10 87	0.14 112	0.13 36	0.11 30	0.08 29	0.15 154	0.07 37	0.08 100	0.11 69	0.12 182	0.08 250	0.05 117	0.05 3	0.03 1	0.07 204	0.05 77

Any-RAFT	0.10 92	0.05 7	0.10 66	0.15 53	0.07 33	0.13 186	0.14 112	0.21 196	0.15 113	0.11 112	0.12 115	0.13 172	0.10 145	0.13 186	0.10 85	0.07 196	0.04 3	0.05 3	0.04 15	0.06 139	0.05 77

4D-IteraStereo	0.10 92	0.07 92	0.10 66	0.18 241	0.07 33	0.09 51	0.15 181	0.18 144	0.15 113	0.10 80	0.11 103	0.10 108	0.07 70	0.12 139	0.09 34	0.05 4	0.03 1	0.08 224	0.07 222	0.06 139	0.05 77

fff	0.10 92	0.06 33	0.12 132	0.15 53	0.07 33	0.09 51	0.17 264	0.16 87	0.21 226	0.13 170	0.17 188	0.10 108	0.11 173	0.12 139	0.13 215	0.06 79	0.04 3	0.05 3	0.04 15	0.04 2	0.05 77

ADStereo(finetuned)	0.10 92	0.06 33	0.13 163	0.16 101	0.06 8	0.09 51	0.17 264	0.16 87	0.20 212	0.13 170	0.18 211	0.10 108	0.12 202	0.12 139	0.12 182	0.06 79	0.04 3	0.05 3	0.04 15	0.05 61	0.05 77

TRStereo	0.10 92	0.05 7	0.12 132	0.16 101	0.12 362	0.10 87	0.13 68	0.18 144	0.19 193	0.09 51	0.09 55	0.09 83	0.07 70	0.10 31	0.08 14	0.07 196	0.05 117	0.07 150	0.07 222	0.04 2	0.04 10

STrans-v2	0.10 92	0.07 92	0.13 163	0.18 241	0.08 82	0.10 87	0.14 112	0.22 219	0.11 30	0.11 112	0.15 154	0.12 149	0.10 145	0.11 69	0.12 182	0.05 4	0.04 3	0.06 60	0.06 134	0.05 61	0.05 77

TransformOpticalFlow	0.10 92	0.08 192	0.13 163	0.18 241	0.07 33	0.09 51	0.15 181	0.19 168	0.16 135	0.12 142	0.16 170	0.11 128	0.11 173	0.11 69	0.11 129	0.05 4	0.04 3	0.06 60	0.06 134	0.05 61	0.05 77

AnonymousM	0.10 92	0.06 33	0.10 66	0.14 20	0.07 33	0.09 51	0.13 68	0.19 168	0.14 96	0.13 170	0.12 115	0.09 83	0.08 100	0.13 186	0.10 85	0.08 250	0.05 117	0.08 224	0.05 68	0.05 61	0.05 77

cross-raft	0.10 92	0.09 251	0.09 42	0.19 297	0.07 33	0.11 122	0.24 411	0.13 36	0.15 113	0.08 29	0.10 76	0.12 149	0.10 145	0.09 17	0.11 129	0.05 4	0.04 3	0.06 60	0.05 68	0.04 2	0.04 10

test-1	0.10 92	0.07 92	0.17 303	0.19 297	0.08 82	0.11 122	0.24 411	0.15 63	0.18 172	0.09 51	0.07 20	0.10 108	0.08 100	0.08 10	0.09 34	0.06 79	0.04 3	0.06 60	0.06 134	0.04 2	0.05 77

iRaftStereo_RVC	0.10 92	0.07 92	0.10 66	0.17 166	0.09 180	0.11 122	0.17 264	0.18 144	0.12 51	0.09 51	0.11 103	0.10 108	0.07 70	0.11 69	0.10 85	0.05 4	0.04 3	0.08 224	0.08 285	0.04 2	0.04 10

s12784h	0.10 92	0.06 33	0.08 12	0.15 53	0.05 1	0.16 276	0.18 308	0.16 87	0.15 113	0.10 80	0.11 103	0.11 128	0.11 173	0.11 69	0.12 182	0.05 4	0.04 3	0.06 60	0.04 15	0.04 2	0.04 10

DCANet	0.10 92	0.06 33	0.12 132	0.16 101	0.06 8	0.09 51	0.17 264	0.16 87	0.20 212	0.13 170	0.18 211	0.10 108	0.11 173	0.11 69	0.12 182	0.06 79	0.04 3	0.05 3	0.04 15	0.05 61	0.05 77

csc	0.10 92	0.06 33	0.12 132	0.15 53	0.07 33	0.09 51	0.17 264	0.16 87	0.21 226	0.13 170	0.17 188	0.10 108	0.11 173	0.12 139	0.13 215	0.06 79	0.04 3	0.05 3	0.04 15	0.04 2	0.05 77

cscssc	0.10 92	0.06 33	0.12 132	0.15 53	0.07 33	0.09 51	0.17 264	0.16 87	0.21 226	0.13 170	0.17 188	0.10 108	0.11 173	0.12 139	0.13 215	0.06 79	0.04 3	0.05 3	0.04 15	0.04 2	0.05 77

R-Stereo Train	0.10 92	0.06 33	0.11 100	0.17 166	0.08 82	0.11 122	0.14 112	0.24 259	0.11 30	0.12 142	0.19 225	0.11 128	0.08 100	0.10 31	0.11 129	0.07 196	0.05 117	0.06 60	0.05 68	0.05 61	0.05 77

RAFT-Stereo	0.10 92	0.06 33	0.11 100	0.17 166	0.08 82	0.11 122	0.14 112	0.24 259	0.11 30	0.12 142	0.19 225	0.11 128	0.08 100	0.10 31	0.11 129	0.07 196	0.05 117	0.06 60	0.05 68	0.05 61	0.05 77
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HI	0.11 131	0.06 33	0.12 132	0.13 8	0.09 180	0.09 51	0.14 112	0.22 219	0.11 30	0.20 321	0.17 188	0.14 190	0.10 145	0.16 255	0.09 34	0.05 4	0.04 3	0.07 150	0.08 285	0.07 204	0.06 148

CoSv	0.11 131	0.06 33	0.12 132	0.13 8	0.09 180	0.09 51	0.14 112	0.22 219	0.11 30	0.20 321	0.17 188	0.14 190	0.10 145	0.16 255	0.09 34	0.05 4	0.04 3	0.07 150	0.08 285	0.07 204	0.06 148

rvit_stereo_0081	0.11 131	0.08 192	0.16 280	0.16 101	0.09 180	0.11 122	0.14 112	0.14 49	0.24 267	0.11 112	0.13 129	0.14 190	0.09 125	0.11 69	0.12 182	0.10 337	0.07 319	0.08 224	0.07 222	0.07 204	0.06 148

rvit_stereo_0082	0.11 131	0.08 192	0.16 280	0.16 101	0.09 180	0.11 122	0.14 112	0.14 49	0.24 267	0.11 112	0.13 129	0.14 190	0.09 125	0.11 69	0.12 182	0.10 337	0.07 319	0.08 224	0.07 222	0.07 204	0.06 148

AIO-Stereo-zeroshot1	0.11 131	0.05 7	0.14 203	0.16 101	0.21 457	0.09 51	0.17 264	0.21 196	0.16 135	0.11 112	0.15 154	0.10 108	0.07 70	0.10 31	0.08 14	0.06 79	0.05 117	0.07 150	0.07 222	0.07 204	0.09 327

AIO-Stereo-zeroshot	0.11 131	0.05 7	0.12 132	0.15 53	0.13 387	0.14 223	0.16 238	0.23 237	0.18 172	0.10 80	0.13 129	0.10 108	0.07 70	0.12 139	0.09 34	0.06 79	0.05 117	0.06 60	0.06 134	0.07 204	0.08 285

CAS++	0.11 131	0.07 92	0.11 100	0.14 20	0.10 284	0.13 186	0.14 112	0.24 259	0.14 96	0.11 112	0.09 55	0.11 128	0.07 70	0.14 210	0.09 34	0.11 368	0.09 372	0.09 303	0.07 222	0.07 204	0.08 285
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
Former-RAFT_DAM_RVC	0.11 131	0.08 192	0.13 163	0.16 101	0.08 82	0.15 248	0.16 238	0.18 144	0.19 193	0.10 80	0.09 55	0.09 83	0.08 100	0.11 69	0.12 182	0.07 196	0.05 117	0.08 224	0.06 134	0.07 204	0.06 148

xx1	0.11 131	0.08 192	0.13 163	0.17 166	0.09 180	0.13 186	0.15 181	0.16 87	0.18 172	0.09 51	0.09 55	0.16 234	0.16 303	0.10 31	0.07 1	0.06 79	0.05 117	0.08 224	0.08 285	0.07 204	0.07 218

1test111	0.11 131	0.08 192	0.13 163	0.17 166	0.09 180	0.13 186	0.15 181	0.24 259	0.16 135	0.09 51	0.09 55	0.06 8	0.06 26	0.15 228	0.16 303	0.06 79	0.05 117	0.06 60	0.05 68	0.07 204	0.07 218

plain	0.11 131	0.09 251	0.10 66	0.19 297	0.09 180	0.11 122	0.14 112	0.14 49	0.13 77	0.13 170	0.15 154	0.09 83	0.12 202	0.13 186	0.12 182	0.07 196	0.05 117	0.09 303	0.06 134	0.06 139	0.06 148

MIF-Stereo (partial)	0.11 131	0.06 33	0.10 66	0.19 297	0.10 284	0.10 87	0.12 38	0.17 119	0.19 193	0.14 193	0.16 170	0.10 108	0.11 173	0.12 139	0.12 182	0.08 250	0.05 117	0.08 224	0.07 222	0.06 139	0.07 218

EKT-Stereo	0.11 131	0.07 92	0.14 203	0.16 101	0.10 284	0.13 186	0.14 112	0.19 168	0.21 226	0.11 112	0.08 41	0.13 172	0.10 145	0.11 69	0.12 182	0.08 250	0.06 251	0.07 150	0.06 134	0.08 266	0.07 218

LL-Strereo2	0.11 131	0.10 313	0.16 280	0.18 241	0.08 82	0.15 248	0.09 5	0.17 119	0.14 96	0.14 193	0.11 103	0.09 83	0.07 70	0.16 255	0.10 85	0.05 4	0.05 117	0.11 376	0.07 222	0.06 139	0.05 77

anonymousdsp2	0.11 131	0.07 92	0.11 100	0.16 101	0.09 180	0.13 186	0.14 112	0.19 168	0.23 257	0.13 170	0.14 142	0.12 149	0.09 125	0.14 210	0.11 129	0.05 4	0.05 117	0.05 3	0.04 15	0.06 139	0.06 148

DCRE	0.11 131	0.07 92	0.13 163	0.16 101	0.11 333	0.11 122	0.17 264	0.18 144	0.17 158	0.11 112	0.18 211	0.11 128	0.10 145	0.15 228	0.11 129	0.06 79	0.05 117	0.06 60	0.06 134	0.05 61	0.05 77

knoymous	0.11 131	0.06 33	0.12 132	0.14 20	0.07 33	0.15 248	0.13 68	0.20 181	0.14 96	0.11 112	0.17 188	0.13 172	0.09 125	0.14 210	0.11 129	0.09 301	0.05 117	0.06 60	0.05 68	0.07 204	0.07 218

riskmin	0.11 131	0.06 33	0.13 163	0.14 20	0.08 82	0.14 223	0.14 112	0.18 144	0.15 113	0.12 142	0.15 154	0.17 251	0.11 173	0.14 210	0.12 182	0.09 301	0.05 117	0.07 150	0.05 68	0.08 266	0.08 285

Selective-RAFT	0.11 131	0.11 337	0.12 132	0.21 376	0.08 82	0.16 276	0.13 68	0.21 196	0.23 257	0.10 80	0.10 76	0.11 128	0.10 145	0.15 228	0.11 129	0.05 4	0.05 117	0.06 60	0.05 68	0.06 139	0.05 77

DCANet-4	0.11 131	0.07 92	0.13 163	0.16 101	0.06 8	0.09 51	0.17 264	0.18 144	0.20 212	0.13 170	0.17 188	0.09 83	0.14 262	0.12 139	0.13 215	0.06 79	0.04 3	0.05 3	0.04 15	0.04 2	0.05 77

DisPM	0.11 131	0.07 92	0.13 163	0.16 101	0.09 180	0.06 5	0.13 68	0.18 144	0.17 158	0.14 193	0.19 225	0.12 149	0.10 145	0.12 139	0.11 129	0.07 196	0.05 117	0.07 150	0.06 134	0.06 139	0.11 373

test_4	0.11 131	0.10 313	0.08 12	0.19 297	0.09 180	0.08 30	0.21 382	0.15 63	0.18 172	0.12 142	0.18 211	0.12 149	0.09 125	0.08 10	0.11 129	0.04 1	0.04 3	0.08 224	0.08 285	0.04 2	0.04 10

CIPLG	0.11 131	0.08 192	0.15 239	0.17 166	0.08 82	0.13 186	0.15 181	0.17 119	0.16 135	0.14 193	0.11 103	0.16 234	0.10 145	0.17 293	0.12 182	0.07 196	0.05 117	0.06 60	0.06 134	0.05 61	0.06 148

GLC_STEREO	0.11 131	0.07 92	0.11 100	0.18 241	0.07 33	0.08 30	0.13 68	0.16 87	0.24 267	0.12 142	0.13 129	0.12 149	0.08 100	0.18 308	0.12 182	0.06 79	0.08 349	0.08 224	0.06 134	0.05 61	0.05 77

IPLG	0.11 131	0.08 192	0.15 239	0.17 166	0.08 82	0.11 122	0.14 112	0.20 181	0.15 113	0.13 170	0.18 211	0.07 37	0.07 70	0.14 210	0.14 251	0.06 79	0.04 3	0.06 60	0.05 68	0.04 2	0.04 10

IPLGR_C	0.11 131	0.08 192	0.15 239	0.17 166	0.08 82	0.12 159	0.15 181	0.17 119	0.15 113	0.14 193	0.11 103	0.16 234	0.10 145	0.16 255	0.12 182	0.07 196	0.05 117	0.06 60	0.06 134	0.05 61	0.06 148

MIPNet	0.11 131	0.08 192	0.15 239	0.17 166	0.09 180	0.12 159	0.14 112	0.21 196	0.25 291	0.12 142	0.10 76	0.09 83	0.07 70	0.13 186	0.13 215	0.06 79	0.04 3	0.06 60	0.05 68	0.04 2	0.04 10

IPLGR	0.11 131	0.09 251	0.17 303	0.18 241	0.08 82	0.13 186	0.16 238	0.21 196	0.24 267	0.12 142	0.12 115	0.11 128	0.09 125	0.13 186	0.12 182	0.06 79	0.05 117	0.06 60	0.06 134	0.05 61	0.04 10

GMOStereo	0.11 131	0.09 251	0.08 12	0.19 297	0.08 82	0.12 159	0.28 444	0.13 36	0.18 172	0.11 112	0.17 188	0.14 190	0.12 202	0.07 2	0.07 1	0.05 4	0.05 117	0.09 303	0.07 222	0.04 2	0.04 10

error version	0.11 131	0.09 251	0.08 12	0.19 297	0.08 82	0.12 159	0.28 444	0.13 36	0.18 172	0.11 112	0.17 188	0.14 190	0.12 202	0.07 2	0.07 1	0.05 4	0.05 117	0.09 303	0.07 222	0.04 2	0.04 10

test-v	0.11 131	0.09 251	0.08 12	0.19 297	0.08 82	0.12 159	0.28 444	0.13 36	0.18 172	0.11 112	0.17 188	0.14 190	0.12 202	0.07 2	0.07 1	0.05 4	0.05 117	0.09 303	0.07 222	0.04 2	0.04 10

ACRE	0.11 131	0.08 192	0.15 239	0.17 166	0.08 82	0.13 186	0.15 181	0.17 119	0.14 96	0.14 193	0.11 103	0.16 234	0.10 145	0.16 255	0.12 182	0.07 196	0.05 117	0.06 60	0.06 134	0.05 61	0.06 148

test_3	0.11 131	0.09 251	0.10 66	0.21 376	0.08 82	0.13 186	0.25 427	0.14 49	0.21 226	0.10 80	0.10 76	0.09 83	0.10 145	0.08 10	0.11 129	0.05 4	0.04 3	0.08 224	0.07 222	0.04 2	0.04 10

LCNet	0.11 131	0.07 92	0.09 42	0.19 297	0.09 180	0.08 30	0.14 112	0.21 196	0.15 113	0.12 142	0.15 154	0.16 234	0.11 173	0.12 139	0.11 129	0.05 4	0.04 3	0.08 224	0.07 222	0.06 139	0.14 419

HHNet	0.11 131	0.06 33	0.16 280	0.15 53	0.14 403	0.07 19	0.13 68	0.20 181	0.18 172	0.15 217	0.25 307	0.11 128	0.09 125	0.13 186	0.10 85	0.06 79	0.04 3	0.08 224	0.06 134	0.05 61	0.09 327

Patchmatch Stereo++	0.11 131	0.09 251	0.17 303	0.19 297	0.08 82	0.06 5	0.11 19	0.17 119	0.13 77	0.15 217	0.16 170	0.14 190	0.12 202	0.11 69	0.11 129	0.06 79	0.05 117	0.08 224	0.06 134	0.08 266	0.07 218
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
OMP-Stereo	0.11 131	0.07 92	0.14 203	0.18 241	0.08 82	0.09 51	0.12 38	0.21 196	0.21 226	0.13 170	0.14 142	0.11 128	0.12 202	0.11 69	0.13 215	0.06 79	0.05 117	0.07 150	0.06 134	0.05 61	0.04 10

IIG-Stereo	0.11 131	0.06 33	0.13 163	0.17 166	0.08 82	0.11 122	0.12 38	0.22 219	0.18 172	0.14 193	0.17 188	0.12 149	0.13 232	0.12 139	0.13 215	0.06 79	0.05 117	0.07 150	0.06 134	0.06 139	0.05 77

NF-Stereo	0.11 131	0.07 92	0.13 163	0.17 166	0.09 180	0.10 87	0.13 68	0.23 237	0.19 193	0.12 142	0.17 188	0.12 149	0.12 202	0.11 69	0.11 129	0.06 79	0.04 3	0.07 150	0.06 134	0.07 204	0.12 392

OCTAStereo	0.11 131	0.07 92	0.14 203	0.17 166	0.09 180	0.10 87	0.13 68	0.23 237	0.19 193	0.12 142	0.17 188	0.12 149	0.12 202	0.11 69	0.11 129	0.06 79	0.04 3	0.07 150	0.06 134	0.07 204	0.11 373

NRIStereo	0.11 131	0.08 192	0.15 239	0.18 241	0.08 82	0.10 87	0.13 68	0.17 119	0.15 113	0.12 142	0.15 154	0.13 172	0.13 232	0.13 186	0.10 85	0.06 79	0.04 3	0.07 150	0.06 134	0.06 139	0.07 218

PSM-adaLoss	0.11 131	0.09 251	0.17 303	0.19 297	0.08 82	0.06 5	0.12 38	0.17 119	0.13 77	0.15 217	0.16 170	0.14 190	0.12 202	0.11 69	0.11 129	0.06 79	0.05 117	0.08 224	0.06 134	0.08 266	0.07 218

PSM-AAD	0.11 131	0.07 92	0.10 66	0.20 346	0.09 180	0.10 87	0.14 112	0.21 196	0.13 77	0.12 142	0.14 142	0.18 265	0.11 173	0.11 69	0.10 85	0.05 4	0.05 117	0.09 303	0.08 285	0.06 139	0.14 419

ROB_FTStereo_v2	0.11 131	0.09 251	0.17 303	0.19 297	0.08 82	0.06 5	0.12 38	0.17 119	0.13 77	0.15 217	0.16 170	0.14 190	0.12 202	0.11 69	0.11 129	0.06 79	0.05 117	0.08 224	0.06 134	0.08 266	0.07 218

ROB_FTStereo	0.11 131	0.09 251	0.17 303	0.19 297	0.08 82	0.06 5	0.11 19	0.17 119	0.13 77	0.15 217	0.16 170	0.14 190	0.12 202	0.11 69	0.11 129	0.06 79	0.05 117	0.08 224	0.06 134	0.08 266	0.07 218

HUI-Stereo	0.11 131	0.09 251	0.17 303	0.19 297	0.08 82	0.06 5	0.11 19	0.17 119	0.13 77	0.15 217	0.16 170	0.14 190	0.12 202	0.11 69	0.11 129	0.06 79	0.05 117	0.08 224	0.06 134	0.08 266	0.07 218

ASMatch	0.11 131	0.06 33	0.13 163	0.17 166	0.10 284	0.08 30	0.14 112	0.18 144	0.16 135	0.12 142	0.16 170	0.16 234	0.11 173	0.13 186	0.11 129	0.05 4	0.04 3	0.06 60	0.06 134	0.04 2	0.09 327

SST-Stereo	0.11 131	0.07 92	0.16 280	0.18 241	0.09 180	0.06 5	0.12 38	0.18 144	0.10 14	0.15 217	0.18 211	0.13 172	0.12 202	0.10 31	0.11 129	0.06 79	0.04 3	0.09 303	0.06 134	0.07 204	0.06 148

RAFT_R40	0.11 131	0.07 92	0.15 239	0.18 241	0.09 180	0.06 5	0.13 68	0.17 119	0.15 113	0.14 193	0.18 211	0.15 215	0.12 202	0.10 31	0.11 129	0.06 79	0.04 3	0.09 303	0.06 134	0.06 139	0.05 77

GrayStereo	0.11 131	0.06 33	0.11 100	0.19 297	0.09 180	0.09 51	0.16 238	0.18 144	0.17 158	0.14 193	0.17 188	0.17 251	0.11 173	0.12 139	0.11 129	0.05 4	0.05 117	0.07 150	0.06 134	0.06 139	0.10 351

RE-Stereo	0.11 131	0.07 92	0.13 163	0.17 166	0.09 180	0.10 87	0.13 68	0.23 237	0.19 193	0.12 142	0.17 188	0.12 149	0.12 202	0.11 69	0.11 129	0.06 79	0.04 3	0.07 150	0.06 134	0.07 204	0.11 373

Pruner-Stereo	0.11 131	0.07 92	0.12 132	0.17 166	0.09 180	0.06 5	0.12 38	0.18 144	0.17 158	0.14 193	0.19 225	0.13 172	0.10 145	0.11 69	0.11 129	0.06 79	0.04 3	0.07 150	0.06 134	0.06 139	0.08 285

TVStereo	0.11 131	0.07 92	0.13 163	0.17 166	0.09 180	0.10 87	0.13 68	0.23 237	0.19 193	0.12 142	0.17 188	0.12 149	0.12 202	0.11 69	0.11 129	0.06 79	0.04 3	0.07 150	0.06 134	0.07 204	0.11 373

DeepStereo_RVC	0.11 131	0.08 192	0.17 303	0.18 241	0.08 82	0.08 30	0.11 19	0.17 119	0.12 51	0.13 170	0.15 154	0.12 149	0.12 202	0.12 139	0.11 129	0.06 79	0.04 3	0.07 150	0.06 134	0.07 204	0.08 285

iGMRVC	0.11 131	0.09 251	0.17 303	0.19 297	0.08 82	0.06 5	0.12 38	0.17 119	0.13 77	0.15 217	0.16 170	0.14 190	0.12 202	0.11 69	0.11 129	0.06 79	0.05 117	0.08 224	0.06 134	0.08 266	0.07 218

RAFT-345	0.11 131	0.07 92	0.16 280	0.17 166	0.08 82	0.08 30	0.12 38	0.16 87	0.10 14	0.11 112	0.34 394	0.09 83	0.10 145	0.11 69	0.12 182	0.05 4	0.05 117	0.07 150	0.06 134	0.04 2	0.05 77

iRAFT	0.11 131	0.09 251	0.17 303	0.19 297	0.08 82	0.06 5	0.11 19	0.17 119	0.13 77	0.15 217	0.16 170	0.14 190	0.12 202	0.11 69	0.11 129	0.06 79	0.05 117	0.08 224	0.06 134	0.08 266	0.07 218

CRE-IMP	0.11 131	0.09 251	0.16 280	0.19 297	0.09 180	0.10 87	0.12 38	0.18 144	0.10 14	0.14 193	0.14 142	0.14 190	0.13 232	0.12 139	0.12 182	0.07 196	0.04 3	0.08 224	0.06 134	0.08 266	0.08 285

test-2	0.11 131	0.09 251	0.08 12	0.19 297	0.08 82	0.12 159	0.28 444	0.13 36	0.18 172	0.11 112	0.17 188	0.14 190	0.12 202	0.07 2	0.07 1	0.05 4	0.05 117	0.09 303	0.07 222	0.04 2	0.04 10

GMM-Stereo	0.11 131	0.07 92	0.10 66	0.18 241	0.09 180	0.08 30	0.14 112	0.24 259	0.16 135	0.11 112	0.15 154	0.13 172	0.11 173	0.11 69	0.11 129	0.05 4	0.04 3	0.08 224	0.07 222	0.06 139	0.09 327

RAFT-IKP	0.11 131	0.09 251	0.17 303	0.19 297	0.08 82	0.06 5	0.11 19	0.17 119	0.13 77	0.15 217	0.16 170	0.14 190	0.12 202	0.11 69	0.11 129	0.06 79	0.05 117	0.08 224	0.06 134	0.08 266	0.07 218

Prome-Stereo	0.11 131	0.07 92	0.11 100	0.18 241	0.09 180	0.12 159	0.14 112	0.23 237	0.13 77	0.13 170	0.16 170	0.13 172	0.08 100	0.12 139	0.10 85	0.05 4	0.05 117	0.07 150	0.06 134	0.06 139	0.10 351

rafts_anoy	0.11 131	0.06 33	0.10 66	0.17 166	0.08 82	0.10 87	0.14 112	0.18 144	0.14 96	0.13 170	0.13 129	0.12 149	0.11 173	0.11 69	0.13 215	0.07 196	0.05 117	0.09 303	0.11 388	0.07 204	0.06 148

raft+_RVC	0.11 131	0.07 92	0.09 42	0.16 101	0.07 33	0.10 87	0.11 19	0.24 259	0.20 212	0.12 142	0.15 154	0.12 149	0.08 100	0.12 139	0.13 215	0.07 196	0.04 3	0.07 150	0.06 134	0.05 61	0.05 77

RALCasStereoNet	0.11 131	0.07 92	0.09 42	0.16 101	0.08 82	0.13 186	0.14 112	0.17 119	0.11 30	0.12 142	0.17 188	0.14 190	0.10 145	0.12 139	0.11 129	0.07 196	0.06 251	0.06 60	0.05 68	0.08 266	0.07 218

RALAANet	0.11 131	0.08 192	0.10 66	0.17 166	0.09 180	0.14 223	0.10 9	0.20 181	0.16 135	0.14 193	0.13 129	0.16 234	0.09 125	0.12 139	0.12 182	0.06 79	0.05 117	0.08 224	0.07 222	0.06 139	0.04 10

111	0.11 131	0.06 33	0.12 132	0.15 53	0.07 33	0.10 87	0.14 112	0.21 196	0.24 267	0.11 112	0.12 115	0.14 190	0.12 202	0.13 186	0.10 85	0.06 79	0.04 3	0.06 60	0.04 15	0.06 139	0.05 77

DIP-Stereo	0.11 131	0.08 192	0.15 239	0.17 166	0.09 180	0.13 186	0.09 5	0.16 87	0.16 135	0.12 142	0.16 170	0.14 190	0.12 202	0.16 255	0.14 251	0.06 79	0.05 117	0.06 60	0.05 68	0.05 61	0.07 218
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.11 131	0.06 33	0.12 132	0.14 20	0.06 8	0.12 159	0.10 9	0.18 144	0.18 172	0.13 170	0.17 188	0.15 215	0.11 173	0.15 228	0.14 251	0.06 79	0.04 3	0.04 1	0.04 15	0.06 139	0.05 77
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
rvit_stereo_0083	0.12 200	0.08 192	0.17 303	0.16 101	0.09 180	0.11 122	0.15 181	0.15 63	0.26 303	0.11 112	0.14 142	0.13 172	0.10 145	0.12 139	0.13 215	0.10 337	0.08 349	0.09 303	0.07 222	0.07 204	0.06 148

rvit_stereo_0081_aga	0.12 200	0.09 251	0.15 239	0.18 241	0.10 284	0.14 223	0.14 112	0.14 49	0.19 193	0.10 80	0.18 211	0.16 234	0.09 125	0.12 139	0.10 85	0.10 337	0.06 251	0.08 224	0.07 222	0.07 204	0.06 148

rvit_stereo_ft	0.12 200	0.07 92	0.13 163	0.19 297	0.10 284	0.12 159	0.17 264	0.16 87	0.16 135	0.13 170	0.13 129	0.15 215	0.10 145	0.14 210	0.13 215	0.10 337	0.06 251	0.08 224	0.07 222	0.07 204	0.06 148

MyStereo8	0.12 200	0.07 92	0.15 239	0.15 53	0.09 180	0.18 314	0.14 112	0.19 168	0.22 248	0.12 142	0.18 211	0.11 128	0.10 145	0.16 255	0.18 332	0.07 196	0.05 117	0.07 150	0.05 68	0.08 266	0.09 327

CoDeX	0.12 200	0.07 92	0.13 163	0.17 166	0.08 82	0.12 159	0.16 238	0.23 237	0.27 315	0.13 170	0.17 188	0.15 215	0.12 202	0.14 210	0.11 129	0.07 196	0.05 117	0.07 150	0.06 134	0.06 139	0.05 77

11t1	0.12 200	0.07 92	0.14 203	0.14 20	0.08 82	0.17 298	0.15 181	0.19 168	0.15 113	0.15 217	0.15 154	0.17 251	0.16 303	0.15 228	0.13 215	0.08 250	0.05 117	0.06 60	0.05 68	0.08 266	0.07 218

ffm	0.12 200	0.09 251	0.15 239	0.16 101	0.09 180	0.17 298	0.17 264	0.15 63	0.19 193	0.15 217	0.26 320	0.19 274	0.13 232	0.10 31	0.08 14	0.06 79	0.05 117	0.09 303	0.08 285	0.06 139	0.06 148

RAFT_CTSACE	0.12 200	0.09 251	0.10 66	0.22 393	0.08 82	0.12 159	0.24 411	0.18 144	0.17 158	0.21 335	0.27 336	0.13 172	0.07 70	0.13 186	0.09 34	0.05 4	0.06 251	0.08 224	0.07 222	0.04 2	0.04 10

Sa-1000	0.12 200	0.08 192	0.09 42	0.18 241	0.08 82	0.15 248	0.22 393	0.22 219	0.19 193	0.15 217	0.20 234	0.17 251	0.11 173	0.10 31	0.10 85	0.06 79	0.05 117	0.09 303	0.09 328	0.05 61	0.05 77

iRaft-Stereo_5w	0.12 200	0.09 251	0.12 132	0.20 346	0.08 82	0.09 51	0.12 38	0.22 219	0.22 248	0.19 300	0.14 142	0.11 128	0.09 125	0.20 347	0.16 303	0.05 4	0.05 117	0.07 150	0.06 134	0.05 61	0.06 148

CrosDoStereo	0.12 200	0.07 92	0.12 132	0.14 20	0.09 180	0.12 159	0.15 181	0.17 119	0.22 248	0.19 300	0.24 280	0.15 215	0.11 173	0.11 69	0.12 182	0.06 79	0.05 117	0.07 150	0.07 222	0.05 61	0.05 77

PFNet+	0.12 200	0.06 33	0.14 203	0.16 101	0.09 180	0.05 2	0.12 38	0.18 144	0.21 226	0.16 244	0.19 225	0.14 190	0.10 145	0.11 69	0.11 129	0.08 250	0.05 117	0.09 303	0.08 285	0.06 139	0.11 373

AAGNet	0.12 200	0.08 192	0.17 303	0.19 297	0.09 180	0.08 30	0.13 68	0.19 168	0.13 77	0.16 244	0.21 251	0.13 172	0.14 262	0.11 69	0.14 251	0.06 79	0.04 3	0.09 303	0.06 134	0.06 139	0.05 77

PSM-softLoss	0.12 200	0.07 92	0.15 239	0.17 166	0.09 180	0.08 30	0.12 38	0.24 259	0.17 158	0.15 217	0.19 225	0.13 172	0.11 173	0.11 69	0.11 129	0.07 196	0.05 117	0.08 224	0.07 222	0.07 204	0.12 392

KMStereo	0.12 200	0.07 92	0.15 239	0.17 166	0.09 180	0.08 30	0.12 38	0.24 259	0.17 158	0.15 217	0.19 225	0.13 172	0.11 173	0.11 69	0.11 129	0.07 196	0.05 117	0.08 224	0.07 222	0.07 204	0.12 392

FTStereo	0.12 200	0.07 92	0.14 203	0.18 241	0.09 180	0.07 19	0.15 181	0.22 219	0.18 172	0.12 142	0.24 280	0.11 128	0.13 232	0.13 186	0.14 251	0.05 4	0.05 117	0.07 150	0.07 222	0.06 139	0.10 351

KYRaft	0.12 200	0.07 92	0.10 66	0.19 297	0.09 180	0.08 30	0.15 181	0.23 237	0.12 51	0.13 170	0.16 170	0.20 291	0.10 145	0.12 139	0.11 129	0.06 79	0.04 3	0.08 224	0.08 285	0.06 139	0.15 433

DeepStereo_LL	0.12 200	0.07 92	0.12 132	0.14 20	0.09 180	0.12 159	0.15 181	0.17 119	0.22 248	0.19 300	0.24 280	0.15 215	0.11 173	0.11 69	0.12 182	0.06 79	0.05 117	0.07 150	0.07 222	0.05 61	0.05 77

DEmStereo	0.12 200	0.06 33	0.14 203	0.14 20	0.10 284	0.16 276	0.15 181	0.16 87	0.24 267	0.17 255	0.23 269	0.12 149	0.14 262	0.12 139	0.14 251	0.05 4	0.04 3	0.07 150	0.06 134	0.05 61	0.05 77

THIR-Stereo	0.12 200	0.07 92	0.11 100	0.15 53	0.08 82	0.14 223	0.16 238	0.18 144	0.25 291	0.17 255	0.24 280	0.13 172	0.13 232	0.12 139	0.14 251	0.06 79	0.05 117	0.07 150	0.07 222	0.05 61	0.05 77

DRaft	0.12 200	0.06 33	0.12 132	0.14 20	0.09 180	0.14 223	0.17 264	0.21 196	0.30 342	0.18 286	0.27 336	0.10 108	0.16 303	0.11 69	0.12 182	0.05 4	0.04 3	0.07 150	0.07 222	0.05 61	0.05 77

PFNet	0.12 200	0.06 33	0.17 303	0.18 241	0.08 82	0.09 51	0.15 181	0.26 291	0.20 212	0.16 244	0.16 170	0.14 190	0.12 202	0.13 186	0.11 129	0.06 79	0.04 3	0.07 150	0.06 134	0.05 61	0.05 77

RAFT-RH_RVC	0.12 200	0.06 33	0.14 203	0.16 101	0.09 180	0.12 159	0.12 38	0.17 119	0.12 51	0.13 170	0.40 422	0.11 128	0.10 145	0.13 186	0.12 182	0.05 4	0.04 3	0.08 224	0.05 68	0.05 61	0.06 148

IRAFT_RVC	0.12 200	0.08 192	0.17 303	0.19 297	0.08 82	0.07 19	0.14 112	0.25 279	0.23 257	0.14 193	0.15 154	0.15 215	0.12 202	0.12 139	0.11 129	0.06 79	0.04 3	0.09 303	0.06 134	0.06 139	0.06 148

sCroCo_RVC	0.12 200	0.09 251	0.24 390	0.24 422	0.11 333	0.19 335	0.14 112	0.17 119	0.15 113	0.10 80	0.13 129	0.12 149	0.07 70	0.14 210	0.11 129	0.08 250	0.08 349	0.08 224	0.08 285	0.05 61	0.07 218

ARAFT	0.12 200	0.08 192	0.18 335	0.19 297	0.09 180	0.15 248	0.17 264	0.20 181	0.13 77	0.12 142	0.13 129	0.14 190	0.12 202	0.15 228	0.13 215	0.06 79	0.05 117	0.10 348	0.09 328	0.06 139	0.04 10

BEATNet_4x	0.12 200	0.09 251	0.15 239	0.18 241	0.07 33	0.15 248	0.07 1	0.23 237	0.19 193	0.16 244	0.19 225	0.19 274	0.14 262	0.17 293	0.15 285	0.07 196	0.05 117	0.05 3	0.05 68	0.06 139	0.07 218

FACV-RUCA	0.13 227	0.11 337	0.13 163	0.19 297	0.12 362	0.15 248	0.16 238	0.22 219	0.21 226	0.16 244	0.16 170	0.15 215	0.16 303	0.14 210	0.13 215	0.07 196	0.05 117	0.08 224	0.06 134	0.10 357	0.08 285

UGAM	0.13 227	0.10 313	0.09 42	0.22 393	0.08 82	0.13 186	0.20 366	0.18 144	0.24 267	0.22 348	0.16 170	0.13 172	0.13 232	0.19 329	0.13 215	0.07 196	0.05 117	0.13 408	0.11 388	0.07 204	0.05 77

test_sample2	0.13 227	0.07 92	0.12 132	0.14 20	0.08 82	0.16 276	0.18 308	0.21 196	0.16 135	0.14 193	0.21 251	0.20 291	0.15 282	0.15 228	0.13 215	0.08 250	0.06 251	0.07 150	0.06 134	0.08 266	0.08 285

test_sample1	0.13 227	0.07 92	0.14 203	0.14 20	0.08 82	0.19 335	0.17 264	0.20 181	0.15 113	0.14 193	0.22 265	0.18 265	0.16 303	0.17 293	0.15 285	0.07 196	0.06 251	0.06 60	0.06 134	0.08 266	0.08 285

MyStereo05	0.13 227	0.07 92	0.10 66	0.17 166	0.09 180	0.13 186	0.18 308	0.28 327	0.35 383	0.17 255	0.14 142	0.15 215	0.11 173	0.15 228	0.13 215	0.06 79	0.05 117	0.08 224	0.07 222	0.06 139	0.06 148

MyStereo04	0.13 227	0.07 92	0.10 66	0.17 166	0.09 180	0.14 223	0.17 264	0.29 344	0.38 399	0.17 255	0.14 142	0.16 234	0.11 173	0.15 228	0.13 215	0.06 79	0.05 117	0.08 224	0.07 222	0.06 139	0.06 148

ff1	0.13 227	0.09 251	0.15 239	0.16 101	0.09 180	0.17 298	0.17 264	0.15 63	0.19 193	0.15 217	0.26 320	0.19 274	0.13 232	0.15 228	0.22 379	0.06 79	0.05 117	0.09 303	0.08 285	0.06 139	0.06 148

LL-Strereo	0.13 227	0.10 313	0.12 132	0.20 346	0.10 284	0.11 122	0.18 308	0.33 386	0.25 291	0.16 244	0.16 170	0.14 190	0.14 262	0.19 329	0.11 129	0.06 79	0.05 117	0.09 303	0.08 285	0.04 2	0.05 77

anonymousa	0.13 227	0.07 92	0.14 203	0.18 241	0.09 180	0.13 186	0.17 264	0.20 181	0.29 337	0.15 217	0.24 280	0.16 234	0.14 262	0.14 210	0.14 251	0.07 196	0.05 117	0.07 150	0.09 328	0.05 61	0.07 218

TestStereo1	0.13 227	0.08 192	0.08 12	0.20 346	0.08 82	0.18 314	0.29 455	0.23 237	0.17 158	0.17 255	0.20 234	0.16 234	0.11 173	0.12 139	0.13 215	0.06 79	0.06 251	0.08 224	0.06 134	0.05 61	0.05 77

qqq	0.13 227	0.09 251	0.15 239	0.16 101	0.08 82	0.13 186	0.15 181	0.24 259	0.16 135	0.15 217	0.19 225	0.16 234	0.16 303	0.15 228	0.16 303	0.07 196	0.06 251	0.08 224	0.08 285	0.07 204	0.07 218

x	0.13 227	0.08 192	0.15 239	0.14 20	0.08 82	0.19 335	0.14 112	0.22 219	0.21 226	0.15 217	0.20 234	0.20 291	0.18 337	0.18 308	0.18 332	0.07 196	0.05 117	0.06 60	0.06 134	0.07 204	0.07 218

raft_robust	0.13 227	0.10 313	0.07 2	0.18 241	0.08 82	0.13 186	0.24 411	0.29 344	0.34 372	0.20 321	0.20 234	0.15 215	0.10 145	0.11 69	0.12 182	0.05 4	0.05 117	0.07 150	0.07 222	0.05 61	0.04 10

RAFT+CT+SA	0.13 227	0.11 337	0.09 42	0.19 297	0.09 180	0.15 248	0.28 444	0.22 219	0.22 248	0.15 217	0.26 320	0.10 108	0.10 145	0.11 69	0.12 182	0.05 4	0.04 3	0.07 150	0.08 285	0.07 204	0.06 148

SA-5K	0.13 227	0.08 192	0.08 12	0.20 346	0.08 82	0.18 314	0.29 455	0.23 237	0.17 158	0.17 255	0.20 234	0.16 234	0.11 173	0.12 139	0.13 215	0.06 79	0.06 251	0.08 224	0.06 134	0.05 61	0.05 77

SA	0.13 227	0.09 251	0.09 42	0.18 241	0.08 82	0.12 159	0.24 411	0.23 237	0.19 193	0.17 255	0.27 336	0.15 215	0.11 173	0.11 69	0.11 129	0.05 4	0.05 117	0.09 303	0.08 285	0.05 61	0.05 77

GwcNet-ADL	0.13 227	0.08 192	0.14 203	0.20 346	0.09 180	0.12 159	0.20 366	0.30 354	0.25 291	0.14 193	0.14 142	0.18 265	0.14 262	0.13 186	0.15 285	0.07 196	0.05 117	0.06 60	0.05 68	0.07 204	0.06 148

GANet-ADL	0.13 227	0.07 92	0.15 239	0.17 166	0.10 284	0.19 335	0.15 181	0.30 354	0.21 226	0.13 170	0.18 211	0.19 274	0.13 232	0.16 255	0.14 251	0.08 250	0.06 251	0.06 60	0.05 68	0.07 204	0.08 285

RAFT	0.13 227	0.09 251	0.11 100	0.18 241	0.08 82	0.15 248	0.23 403	0.21 196	0.20 212	0.21 335	0.21 251	0.18 265	0.13 232	0.17 293	0.10 85	0.06 79	0.07 319	0.10 348	0.09 328	0.06 139	0.05 77

sAnonymous2	0.13 227	0.12 354	0.25 393	0.20 346	0.12 362	0.18 314	0.14 112	0.27 305	0.21 226	0.11 112	0.12 115	0.13 172	0.08 100	0.11 69	0.11 129	0.09 301	0.05 117	0.08 224	0.06 134	0.15 431	0.10 351

CroCo_RVC	0.13 227	0.12 354	0.25 393	0.20 346	0.12 362	0.18 314	0.14 112	0.27 305	0.21 226	0.11 112	0.12 115	0.13 172	0.08 100	0.11 69	0.11 129	0.09 301	0.05 117	0.08 224	0.06 134	0.15 431	0.10 351

RAFT + AFF	0.13 227	0.08 192	0.21 368	0.20 346	0.10 284	0.14 223	0.23 403	0.27 305	0.21 226	0.12 142	0.10 76	0.12 149	0.10 145	0.16 255	0.12 182	0.08 250	0.07 319	0.09 303	0.09 328	0.06 139	0.09 327

GMStereo	0.13 227	0.15 400	0.14 203	0.18 241	0.09 180	0.16 276	0.16 238	0.20 181	0.25 291	0.17 255	0.17 188	0.11 128	0.11 173	0.16 255	0.13 215	0.07 196	0.06 251	0.06 60	0.06 134	0.07 204	0.06 148
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 227	0.07 92	0.15 239	0.17 166	0.09 180	0.15 248	0.16 238	0.28 327	0.27 315	0.14 193	0.18 211	0.12 149	0.13 232	0.14 210	0.11 129	0.08 250	0.05 117	0.07 150	0.07 222	0.07 204	0.06 148

FENet	0.13 227	0.08 192	0.13 163	0.16 101	0.08 82	0.15 248	0.16 238	0.23 237	0.23 257	0.17 255	0.24 280	0.16 234	0.13 232	0.14 210	0.15 285	0.08 250	0.05 117	0.08 224	0.08 285	0.08 266	0.08 285

MLCV	0.13 227	0.08 192	0.17 303	0.18 241	0.06 8	0.16 276	0.17 264	0.19 168	0.22 248	0.19 300	0.25 307	0.17 251	0.13 232	0.15 228	0.14 251	0.05 4	0.04 3	0.05 3	0.04 15	0.05 61	0.04 10

iResNet	0.13 227	0.10 313	0.18 335	0.19 297	0.08 82	0.14 223	0.18 308	0.21 196	0.27 315	0.16 244	0.24 280	0.15 215	0.13 232	0.14 210	0.15 285	0.06 79	0.04 3	0.06 60	0.05 68	0.06 139	0.05 77

DN-CSS_ROB	0.13 227	0.13 379	0.17 303	0.18 241	0.10 284	0.16 276	0.08 3	0.22 219	0.19 193	0.17 255	0.23 269	0.13 172	0.13 232	0.13 186	0.14 251	0.05 4	0.05 117	0.10 348	0.10 361	0.08 266	0.06 148

rvit_0105_6	0.14 255	0.09 251	0.18 335	0.17 166	0.10 284	0.10 87	0.17 264	0.19 168	0.26 303	0.12 142	0.18 211	0.17 251	0.13 232	0.18 308	0.13 215	0.15 430	0.11 407	0.12 394	0.10 361	0.09 326	0.06 148

rvit_0105_5	0.14 255	0.10 313	0.14 203	0.17 166	0.09 180	0.14 223	0.23 403	0.24 259	0.27 315	0.14 193	0.15 154	0.18 265	0.13 232	0.17 293	0.14 251	0.14 426	0.11 407	0.10 348	0.11 388	0.08 266	0.07 218

test_sample6	0.14 255	0.09 251	0.14 203	0.17 166	0.08 82	0.17 298	0.19 350	0.26 291	0.18 172	0.18 286	0.28 345	0.19 274	0.15 282	0.15 228	0.13 215	0.08 250	0.05 117	0.08 224	0.07 222	0.08 266	0.08 285

test_sample5	0.14 255	0.08 192	0.14 203	0.16 101	0.08 82	0.18 314	0.18 308	0.25 279	0.17 158	0.17 255	0.28 345	0.18 265	0.15 282	0.16 255	0.13 215	0.08 250	0.06 251	0.08 224	0.07 222	0.09 326	0.08 285

test_sample4	0.14 255	0.08 192	0.15 239	0.15 53	0.08 82	0.19 335	0.18 308	0.26 291	0.18 172	0.17 255	0.26 320	0.18 265	0.15 282	0.17 293	0.13 215	0.08 250	0.06 251	0.08 224	0.06 134	0.09 326	0.08 285

test_sample3	0.14 255	0.08 192	0.15 239	0.14 20	0.09 180	0.20 354	0.17 264	0.27 305	0.18 172	0.17 255	0.22 265	0.19 274	0.15 282	0.17 293	0.14 251	0.09 301	0.06 251	0.07 150	0.06 134	0.09 326	0.08 285

SMFormer	0.14 255	0.07 92	0.18 335	0.14 20	0.08 82	0.17 298	0.17 264	0.27 305	0.27 315	0.19 300	0.20 234	0.19 274	0.15 282	0.15 228	0.17 319	0.08 250	0.05 117	0.07 150	0.06 134	0.08 266	0.07 218

tta	0.14 255	0.07 92	0.18 335	0.14 20	0.08 82	0.17 298	0.17 264	0.27 305	0.27 315	0.19 300	0.20 234	0.19 274	0.15 282	0.15 228	0.17 319	0.08 250	0.05 117	0.07 150	0.06 134	0.06 139	0.06 148

qqq1	0.14 255	0.07 92	0.18 335	0.14 20	0.08 82	0.17 298	0.17 264	0.27 305	0.27 315	0.19 300	0.20 234	0.19 274	0.15 282	0.15 228	0.12 182	0.08 250	0.05 117	0.05 3	0.05 68	0.06 139	0.06 148

fff1	0.14 255	0.07 92	0.18 335	0.14 20	0.08 82	0.17 298	0.17 264	0.27 305	0.27 315	0.19 300	0.20 234	0.19 274	0.15 282	0.15 228	0.12 182	0.08 250	0.05 117	0.05 3	0.05 68	0.06 139	0.06 148

mmm	0.14 255	0.08 192	0.18 335	0.17 166	0.09 180	0.17 298	0.18 308	0.21 196	0.16 135	0.16 244	0.23 269	0.21 298	0.16 303	0.16 255	0.17 319	0.08 250	0.05 117	0.08 224	0.08 285	0.08 266	0.07 218

DualNet	0.14 255	0.08 192	0.14 203	0.16 101	0.08 82	0.18 314	0.18 308	0.25 279	0.17 158	0.18 286	0.28 345	0.18 265	0.15 282	0.16 255	0.13 215	0.08 250	0.06 251	0.08 224	0.07 222	0.09 326	0.08 285

ttt	0.14 255	0.08 192	0.14 203	0.15 53	0.08 82	0.15 248	0.18 308	0.27 305	0.30 342	0.16 244	0.24 280	0.17 251	0.14 262	0.13 186	0.14 251	0.11 368	0.08 349	0.09 303	0.08 285	0.09 326	0.09 327

StereoVision	0.14 255	0.13 379	0.10 66	0.24 422	0.10 284	0.16 276	0.21 382	0.21 196	0.20 212	0.12 142	0.25 307	0.10 108	0.10 145	0.16 255	0.10 85	0.09 301	0.10 394	0.12 394	0.12 408	0.06 139	0.05 77

PCWNet_CMD	0.14 255	0.08 192	0.15 239	0.17 166	0.09 180	0.14 223	0.14 112	0.29 344	0.36 389	0.14 193	0.20 234	0.21 298	0.13 232	0.17 293	0.14 251	0.07 196	0.05 117	0.07 150	0.07 222	0.07 204	0.07 218

gwcnet-sp	0.14 255	0.07 92	0.13 163	0.18 241	0.09 180	0.16 276	0.18 308	0.24 259	0.24 267	0.19 300	0.24 280	0.15 215	0.16 303	0.16 255	0.15 285	0.08 250	0.07 319	0.07 150	0.08 285	0.08 266	0.07 218

scenet	0.14 255	0.07 92	0.13 163	0.18 241	0.09 180	0.16 276	0.18 308	0.24 259	0.24 267	0.19 300	0.24 280	0.15 215	0.16 303	0.16 255	0.15 285	0.08 250	0.07 319	0.07 150	0.08 285	0.08 266	0.07 218

CASS	0.14 255	0.12 354	0.12 132	0.23 412	0.09 180	0.15 248	0.17 264	0.19 168	0.20 212	0.17 255	0.18 211	0.15 215	0.15 282	0.15 228	0.14 251	0.09 301	0.06 251	0.10 348	0.08 285	0.09 326	0.07 218
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.14 255	0.07 92	0.13 163	0.18 241	0.09 180	0.16 276	0.18 308	0.24 259	0.24 267	0.19 300	0.24 280	0.15 215	0.16 303	0.16 255	0.15 285	0.08 250	0.07 319	0.07 150	0.08 285	0.08 266	0.07 218

IER	0.14 255	0.08 192	0.13 163	0.17 166	0.09 180	0.14 223	0.16 238	0.26 291	0.27 315	0.18 286	0.26 320	0.17 251	0.20 365	0.17 293	0.14 251	0.08 250	0.05 117	0.07 150	0.06 134	0.08 266	0.07 218

test_5	0.14 255	0.12 354	0.08 12	0.20 346	0.10 284	0.14 223	0.28 444	0.21 196	0.24 267	0.19 300	0.28 345	0.11 128	0.15 282	0.12 139	0.13 215	0.06 79	0.05 117	0.07 150	0.08 285	0.08 266	0.07 218

psmg	0.14 255	0.09 251	0.14 203	0.17 166	0.10 284	0.15 248	0.17 264	0.29 344	0.20 212	0.17 255	0.21 251	0.25 351	0.16 303	0.16 255	0.14 251	0.08 250	0.07 319	0.08 224	0.08 285	0.07 204	0.07 218

UDGNet	0.14 255	0.13 379	0.17 303	0.18 241	0.10 284	0.12 159	0.16 238	0.21 196	0.27 315	0.20 321	0.20 234	0.17 251	0.13 232	0.16 255	0.14 251	0.10 337	0.06 251	0.09 303	0.07 222	0.07 204	0.07 218

TestStereo	0.14 255	0.15 400	0.11 100	0.23 412	0.08 82	0.15 248	0.21 382	0.20 181	0.23 257	0.14 193	0.25 307	0.16 234	0.13 232	0.16 255	0.14 251	0.06 79	0.06 251	0.08 224	0.06 134	0.09 326	0.05 77

CFNet_pseudo	0.14 255	0.08 192	0.16 280	0.16 101	0.09 180	0.13 186	0.14 112	0.27 305	0.34 372	0.15 217	0.21 251	0.22 315	0.13 232	0.18 308	0.14 251	0.07 196	0.05 117	0.08 224	0.06 134	0.07 204	0.07 218

GES	0.14 255	0.08 192	0.16 280	0.15 53	0.10 284	0.13 186	0.13 68	0.28 327	0.26 303	0.17 255	0.24 280	0.19 274	0.14 262	0.16 255	0.14 251	0.08 250	0.08 349	0.07 150	0.06 134	0.08 266	0.09 327

cf-r	0.14 255	0.07 92	0.13 163	0.16 101	0.08 82	0.14 223	0.19 350	0.21 196	0.25 291	0.17 255	0.26 320	0.22 315	0.17 326	0.14 210	0.15 285	0.10 337	0.05 117	0.06 60	0.08 285	0.06 139	0.06 148

GANet-RSSM	0.14 255	0.07 92	0.13 163	0.13 8	0.08 82	0.14 223	0.18 308	0.23 237	0.21 226	0.17 255	0.25 307	0.24 339	0.16 303	0.16 255	0.16 303	0.10 337	0.06 251	0.07 150	0.08 285	0.08 266	0.07 218

PSMNet-RSSM	0.14 255	0.07 92	0.14 203	0.15 53	0.08 82	0.13 186	0.16 238	0.25 279	0.24 267	0.17 255	0.28 345	0.23 330	0.14 262	0.16 255	0.14 251	0.11 368	0.06 251	0.09 303	0.12 408	0.08 266	0.07 218

GwcNet-RSSM	0.14 255	0.07 92	0.12 132	0.16 101	0.08 82	0.15 248	0.20 366	0.22 219	0.28 331	0.18 286	0.28 345	0.23 330	0.17 326	0.15 228	0.16 303	0.10 337	0.06 251	0.07 150	0.09 328	0.07 204	0.07 218

CFNet-ft	0.14 255	0.07 92	0.15 239	0.12 4	0.09 180	0.17 298	0.18 308	0.22 219	0.24 267	0.17 255	0.26 320	0.24 339	0.14 262	0.16 255	0.15 285	0.11 368	0.06 251	0.08 224	0.09 328	0.09 326	0.08 285

DMCA	0.14 255	0.09 251	0.17 303	0.19 297	0.09 180	0.15 248	0.17 264	0.23 237	0.28 331	0.14 193	0.20 234	0.17 251	0.18 337	0.15 228	0.17 319	0.10 337	0.06 251	0.08 224	0.06 134	0.09 326	0.10 351

MSMDNet	0.14 255	0.08 192	0.15 239	0.17 166	0.09 180	0.14 223	0.14 112	0.29 344	0.36 389	0.14 193	0.20 234	0.21 298	0.13 232	0.18 308	0.14 251	0.07 196	0.05 117	0.07 150	0.07 222	0.07 204	0.07 218

HSM-Net_RVC	0.14 255	0.08 192	0.12 132	0.15 53	0.08 82	0.16 276	0.15 181	0.27 305	0.29 337	0.20 321	0.21 251	0.29 382	0.14 262	0.18 308	0.13 215	0.06 79	0.06 251	0.06 60	0.06 134	0.07 204	0.06 148
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 255	0.07 92	0.15 239	0.12 4	0.09 180	0.17 298	0.18 308	0.22 219	0.24 267	0.17 255	0.26 320	0.24 339	0.14 262	0.16 255	0.15 285	0.11 368	0.06 251	0.08 224	0.09 328	0.09 326	0.08 285

ccs_rob	0.14 255	0.09 251	0.16 280	0.16 101	0.09 180	0.13 186	0.14 112	0.27 305	0.34 372	0.15 217	0.21 251	0.22 315	0.13 232	0.18 308	0.14 251	0.07 196	0.05 117	0.08 224	0.07 222	0.07 204	0.07 218

iResNet_ROB	0.14 255	0.07 92	0.13 163	0.15 53	0.07 33	0.19 335	0.14 112	0.26 291	0.32 356	0.23 362	0.26 320	0.23 330	0.16 303	0.15 228	0.14 251	0.07 196	0.05 117	0.05 3	0.04 15	0.08 266	0.08 285

rvit_0105_4	0.15 292	0.09 251	0.17 303	0.17 166	0.10 284	0.12 159	0.20 366	0.23 237	0.27 315	0.14 193	0.20 234	0.17 251	0.14 262	0.17 293	0.13 215	0.15 430	0.11 407	0.11 376	0.10 361	0.09 326	0.06 148

DCVSM-stereo	0.15 292	0.09 251	0.16 280	0.16 101	0.10 284	0.15 248	0.09 5	0.20 181	0.24 267	0.20 321	0.24 280	0.26 360	0.15 282	0.19 329	0.14 251	0.09 301	0.07 319	0.09 303	0.08 285	0.10 357	0.12 392

ACV-stereo	0.15 292	0.10 313	0.29 415	0.18 241	0.12 362	0.15 248	0.13 68	0.23 237	0.21 226	0.19 300	0.23 269	0.22 315	0.15 282	0.23 387	0.17 319	0.08 250	0.07 319	0.07 150	0.07 222	0.08 266	0.07 218

DispNO	0.15 292	0.09 251	0.18 335	0.19 297	0.12 362	0.11 122	0.21 382	0.23 237	0.29 337	0.18 286	0.23 269	0.19 274	0.17 326	0.16 255	0.16 303	0.07 196	0.05 117	0.08 224	0.08 285	0.07 204	0.06 148

mmx	0.15 292	0.09 251	0.15 239	0.16 101	0.09 180	0.17 298	0.17 264	0.27 305	0.26 303	0.15 217	0.26 320	0.19 274	0.13 232	0.15 228	0.22 379	0.08 250	0.06 251	0.09 303	0.08 285	0.08 266	0.08 285

xxx	0.15 292	0.09 251	0.15 239	0.16 101	0.09 180	0.17 298	0.17 264	0.27 305	0.26 303	0.15 217	0.26 320	0.19 274	0.13 232	0.15 228	0.22 379	0.08 250	0.06 251	0.09 303	0.08 285	0.08 266	0.08 285

CFNet_ucs	0.15 292	0.09 251	0.17 303	0.16 101	0.11 333	0.14 223	0.14 112	0.30 354	0.34 372	0.16 244	0.24 280	0.23 330	0.14 262	0.18 308	0.15 285	0.09 301	0.06 251	0.08 224	0.07 222	0.09 326	0.09 327

CBFPSM	0.15 292	0.07 92	0.27 403	0.17 166	0.09 180	0.13 186	0.15 181	0.22 219	0.23 257	0.20 321	0.27 336	0.23 330	0.16 303	0.16 255	0.19 345	0.06 79	0.06 251	0.06 60	0.07 222	0.07 204	0.07 218

BUS	0.15 292	0.09 251	0.14 203	0.22 393	0.10 284	0.20 354	0.14 112	0.34 400	0.20 212	0.17 255	0.23 269	0.16 234	0.14 262	0.16 255	0.14 251	0.08 250	0.06 251	0.10 348	0.09 328	0.07 204	0.07 218

BSDual-CNN	0.15 292	0.09 251	0.14 203	0.22 393	0.10 284	0.15 248	0.15 181	0.34 400	0.20 212	0.17 255	0.23 269	0.25 351	0.16 303	0.16 255	0.14 251	0.08 250	0.06 251	0.10 348	0.09 328	0.07 204	0.07 218

hknet	0.15 292	0.11 337	0.14 203	0.22 393	0.11 333	0.15 248	0.15 181	0.34 400	0.26 303	0.17 255	0.23 269	0.22 315	0.18 337	0.17 293	0.13 215	0.07 196	0.06 251	0.10 348	0.09 328	0.07 204	0.07 218

dd	0.15 292	0.17 418	0.17 303	0.19 297	0.09 180	0.15 248	0.18 308	0.22 219	0.26 303	0.23 362	0.20 234	0.21 298	0.10 145	0.21 363	0.17 319	0.10 337	0.06 251	0.08 224	0.06 134	0.08 266	0.07 218

DAS	0.15 292	0.08 192	0.18 335	0.19 297	0.10 284	0.19 335	0.17 264	0.28 327	0.30 342	0.18 286	0.26 320	0.21 298	0.16 303	0.16 255	0.13 215	0.08 250	0.06 251	0.06 60	0.06 134	0.07 204	0.07 218

SepStereo	0.15 292	0.08 192	0.18 335	0.19 297	0.10 284	0.19 335	0.17 264	0.28 327	0.30 342	0.18 286	0.26 320	0.21 298	0.16 303	0.26 407	0.13 215	0.08 250	0.06 251	0.06 60	0.06 134	0.07 204	0.07 218

PSMNet-ADL	0.15 292	0.12 354	0.13 163	0.22 393	0.09 180	0.13 186	0.20 366	0.26 291	0.23 257	0.18 286	0.20 234	0.23 330	0.17 326	0.18 308	0.18 332	0.09 301	0.08 349	0.08 224	0.11 388	0.08 266	0.07 218

LMCR-Stereo	0.15 292	0.08 192	0.14 203	0.21 376	0.09 180	0.18 314	0.19 350	0.28 327	0.19 193	0.24 373	0.24 280	0.23 330	0.17 326	0.20 347	0.17 319	0.07 196	0.06 251	0.08 224	0.06 134	0.10 357	0.09 327

xxxx	0.15 292	0.07 92	0.14 203	0.14 20	0.08 82	0.24 395	0.18 308	0.32 374	0.20 212	0.14 193	0.28 345	0.22 315	0.14 262	0.15 228	0.29 437	0.09 301	0.05 117	0.07 150	0.07 222	0.08 266	0.08 285

test_xeample	0.15 292	0.07 92	0.14 203	0.15 53	0.08 82	0.22 377	0.20 366	0.29 344	0.21 226	0.16 244	0.29 359	0.19 274	0.17 326	0.16 255	0.28 430	0.09 301	0.05 117	0.07 150	0.07 222	0.07 204	0.07 218

ACVNet	0.15 292	0.09 251	0.15 239	0.13 8	0.12 362	0.14 223	0.20 366	0.22 219	0.34 372	0.17 255	0.26 320	0.21 298	0.17 326	0.18 308	0.21 366	0.07 196	0.06 251	0.06 60	0.06 134	0.08 266	0.06 148

acv_ft	0.15 292	0.09 251	0.16 280	0.19 297	0.10 284	0.16 276	0.17 264	0.25 279	0.34 372	0.19 300	0.26 320	0.21 298	0.17 326	0.18 308	0.19 345	0.07 196	0.06 251	0.06 60	0.06 134	0.08 266	0.06 148

RASNet	0.15 292	0.07 92	0.15 239	0.16 101	0.08 82	0.19 335	0.14 112	0.30 354	0.21 226	0.17 255	0.25 307	0.21 298	0.19 353	0.20 347	0.20 353	0.07 196	0.06 251	0.06 60	0.08 285	0.06 139	0.06 148

CFNet	0.15 292	0.11 337	0.17 303	0.17 166	0.08 82	0.19 335	0.10 9	0.29 344	0.26 303	0.19 300	0.24 280	0.24 339	0.18 337	0.18 308	0.15 285	0.08 250	0.06 251	0.09 303	0.10 361	0.08 266	0.07 218

UCFNet_RVC	0.15 292	0.08 192	0.13 163	0.11 1	0.10 284	0.20 354	0.10 9	0.24 259	0.23 257	0.17 255	0.21 251	0.24 339	0.15 282	0.18 308	0.15 285	0.12 392	0.07 319	0.11 376	0.13 418	0.11 376	0.10 351

AdaStereo	0.15 292	0.11 337	0.16 280	0.19 297	0.09 180	0.21 365	0.11 19	0.33 386	0.28 331	0.21 335	0.23 269	0.21 298	0.13 232	0.19 329	0.15 285	0.13 409	0.05 117	0.10 348	0.07 222	0.09 326	0.07 218
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iResNetv2_ROB	0.15 292	0.08 192	0.16 280	0.16 101	0.08 82	0.16 276	0.13 68	0.26 291	0.36 389	0.21 335	0.29 359	0.24 339	0.13 232	0.14 210	0.14 251	0.06 79	0.06 251	0.06 60	0.04 15	0.09 326	0.08 285

HSM	0.15 292	0.09 251	0.15 239	0.16 101	0.09 180	0.16 276	0.14 112	0.28 327	0.25 291	0.20 321	0.24 280	0.37 428	0.17 326	0.20 347	0.15 285	0.07 196	0.05 117	0.07 150	0.06 134	0.07 204	0.06 148

pmcnn	0.15 292	0.07 92	0.20 361	0.15 53	0.07 33	0.21 365	0.16 238	0.25 279	0.26 303	0.21 335	0.33 384	0.29 382	0.19 353	0.18 308	0.17 319	0.07 196	0.05 117	0.05 3	0.04 15	0.07 204	0.06 148

DDVS	0.16 319	0.10 313	0.22 377	0.16 101	0.12 362	0.15 248	0.14 112	0.25 279	0.19 193	0.18 286	0.30 365	0.27 365	0.13 232	0.20 347	0.16 303	0.09 301	0.06 251	0.09 303	0.07 222	0.11 376	0.11 373

rvit_0105_3	0.16 319	0.10 313	0.15 239	0.20 346	0.12 362	0.15 248	0.26 433	0.25 279	0.30 342	0.15 217	0.17 188	0.21 298	0.14 262	0.18 308	0.14 251	0.14 426	0.11 407	0.12 394	0.14 423	0.07 204	0.07 218

ITSA-stereo	0.16 319	0.11 337	0.14 203	0.19 297	0.08 82	0.13 186	0.14 112	0.30 354	0.49 441	0.17 255	0.18 211	0.22 315	0.15 282	0.17 293	0.16 303	0.10 337	0.06 251	0.08 224	0.08 285	0.08 266	0.09 327

test_sample7	0.16 319	0.10 313	0.16 280	0.14 20	0.12 362	0.16 276	0.17 264	0.28 327	0.24 267	0.21 335	0.21 251	0.24 339	0.20 365	0.16 255	0.16 303	0.12 392	0.06 251	0.10 348	0.09 328	0.11 376	0.10 351

1111x	0.16 319	0.09 251	0.13 163	0.18 241	0.08 82	0.18 314	0.25 427	0.32 374	0.25 291	0.17 255	0.24 280	0.27 365	0.15 282	0.14 210	0.24 399	0.07 196	0.07 319	0.08 224	0.09 328	0.07 204	0.07 218

GMStereo_Zeroshot	0.16 319	0.13 379	0.25 393	0.20 346	0.10 284	0.17 298	0.13 68	0.30 354	0.25 291	0.23 362	0.32 378	0.25 351	0.11 173	0.19 329	0.14 251	0.09 301	0.06 251	0.11 376	0.06 134	0.12 391	0.08 285

CRFU-Net	0.16 319	0.08 192	0.15 239	0.17 166	0.09 180	0.20 354	0.14 112	0.27 305	0.21 226	0.28 408	0.28 345	0.29 382	0.18 337	0.19 329	0.18 332	0.09 301	0.09 372	0.07 150	0.07 222	0.08 266	0.09 327

NINENet	0.16 319	0.10 313	0.16 280	0.17 166	0.11 333	0.20 354	0.14 112	0.41 447	0.37 393	0.18 286	0.21 251	0.16 234	0.14 262	0.16 255	0.14 251	0.08 250	0.08 349	0.10 348	0.07 222	0.10 357	0.09 327

CSP-Net	0.16 319	0.09 251	0.14 203	0.17 166	0.09 180	0.19 335	0.18 308	0.25 279	0.33 361	0.26 389	0.31 369	0.25 351	0.16 303	0.21 363	0.19 345	0.09 301	0.06 251	0.07 150	0.07 222	0.08 266	0.08 285

AASNet	0.16 319	0.08 192	0.13 163	0.19 297	0.09 180	0.19 335	0.15 181	0.38 434	0.37 393	0.20 321	0.24 280	0.20 291	0.17 326	0.17 293	0.21 366	0.10 337	0.08 349	0.08 224	0.07 222	0.09 326	0.09 327

AACVNet	0.16 319	0.08 192	0.15 239	0.15 53	0.10 284	0.18 314	0.15 181	0.24 259	0.25 291	0.27 396	0.27 336	0.28 375	0.18 337	0.19 329	0.17 319	0.09 301	0.07 319	0.09 303	0.07 222	0.10 357	0.09 327

ADLNet2	0.16 319	0.09 251	0.14 203	0.17 166	0.09 180	0.20 354	0.16 238	0.32 374	0.39 403	0.17 255	0.20 234	0.20 291	0.19 353	0.21 363	0.23 388	0.08 250	0.07 319	0.07 150	0.07 222	0.09 326	0.07 218

ICVP	0.16 319	0.09 251	0.12 132	0.22 393	0.09 180	0.18 314	0.21 382	0.26 291	0.24 267	0.18 286	0.30 365	0.27 365	0.18 337	0.18 308	0.15 285	0.10 337	0.07 319	0.08 224	0.07 222	0.07 204	0.08 285
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.16 319	0.14 394	0.34 433	0.26 438	0.14 403	0.27 421	0.18 308	0.28 327	0.28 331	0.15 217	0.17 188	0.14 190	0.11 173	0.16 255	0.12 182	0.08 250	0.08 349	0.08 224	0.08 285	0.08 266	0.11 373

ADLNet	0.16 319	0.08 192	0.15 239	0.16 101	0.10 284	0.16 276	0.17 264	0.33 386	0.27 315	0.23 362	0.27 336	0.24 339	0.16 303	0.18 308	0.21 366	0.10 337	0.06 251	0.10 348	0.10 361	0.08 266	0.09 327

HCRNet	0.16 319	0.23 449	0.12 132	0.35 470	0.11 333	0.15 248	0.17 264	0.26 291	0.22 248	0.19 300	0.24 280	0.21 298	0.14 262	0.15 228	0.13 215	0.11 368	0.07 319	0.11 376	0.10 361	0.09 326	0.07 218

222	0.16 319	0.07 92	0.15 239	0.14 20	0.08 82	0.25 403	0.18 308	0.30 354	0.21 226	0.18 286	0.29 359	0.17 251	0.16 303	0.16 255	0.44 476	0.10 337	0.05 117	0.07 150	0.06 134	0.08 266	0.08 285

UPFNet	0.16 319	0.08 192	0.12 132	0.20 346	0.12 362	0.20 354	0.23 403	0.28 327	0.26 303	0.18 286	0.24 280	0.22 315	0.20 365	0.19 329	0.22 379	0.09 301	0.07 319	0.08 224	0.09 328	0.08 266	0.06 148

ac_64	0.16 319	0.09 251	0.15 239	0.18 241	0.10 284	0.22 377	0.17 264	0.24 259	0.22 248	0.19 300	0.24 280	0.29 382	0.18 337	0.19 329	0.22 379	0.09 301	0.08 349	0.08 224	0.09 328	0.07 204	0.06 148

DSFCA	0.16 319	0.09 251	0.14 203	0.16 101	0.10 284	0.21 365	0.19 350	0.28 327	0.31 351	0.23 362	0.25 307	0.22 315	0.16 303	0.20 347	0.20 353	0.10 337	0.07 319	0.09 303	0.09 328	0.08 266	0.08 285

AANet_RVC	0.16 319	0.10 313	0.11 100	0.18 241	0.09 180	0.19 335	0.18 308	0.27 305	0.32 356	0.22 348	0.35 399	0.21 298	0.22 379	0.22 380	0.17 319	0.06 79	0.05 117	0.06 60	0.06 134	0.07 204	0.06 148

DeepPruner_ROB	0.16 319	0.11 337	0.16 280	0.17 166	0.10 284	0.17 298	0.15 181	0.32 374	0.21 226	0.19 300	0.21 251	0.22 315	0.19 353	0.21 363	0.16 303	0.13 409	0.09 372	0.09 303	0.10 361	0.11 376	0.11 373

rvit_stereo_0075_2	0.17 341	0.12 354	0.25 393	0.23 412	0.16 428	0.13 186	0.10 9	0.30 354	0.27 315	0.20 321	0.28 345	0.22 315	0.15 282	0.18 308	0.13 215	0.16 447	0.10 394	0.17 442	0.10 361	0.10 357	0.10 351

DualNet (step1)	0.17 341	0.12 354	0.21 368	0.13 8	0.14 403	0.18 314	0.14 112	0.28 327	0.24 267	0.21 335	0.21 251	0.24 339	0.20 365	0.16 255	0.16 303	0.15 430	0.06 251	0.14 421	0.14 423	0.15 431	0.13 403

iinet-f	0.17 341	0.07 92	0.46 453	0.14 20	0.10 284	0.21 365	0.14 112	0.27 305	0.23 257	0.22 348	0.25 307	0.21 298	0.16 303	0.18 308	0.22 379	0.09 301	0.07 319	0.07 150	0.06 134	0.09 326	0.10 351

ToySt	0.17 341	0.11 337	0.19 358	0.17 166	0.11 333	0.16 276	0.26 433	0.24 259	0.33 361	0.19 300	0.24 280	0.26 360	0.24 392	0.19 329	0.21 366	0.07 196	0.08 349	0.09 303	0.10 361	0.09 326	0.08 285

ssnet_v2	0.17 341	0.10 313	0.18 335	0.17 166	0.11 333	0.21 365	0.22 393	0.34 400	0.25 291	0.23 362	0.23 269	0.27 365	0.19 353	0.22 380	0.21 366	0.11 368	0.10 394	0.09 303	0.09 328	0.08 266	0.08 285

GEStereo_RVC	0.17 341	0.12 354	0.16 280	0.22 393	0.11 333	0.19 335	0.18 308	0.32 374	0.49 441	0.20 321	0.25 307	0.17 251	0.13 232	0.21 363	0.16 303	0.10 337	0.06 251	0.08 224	0.07 222	0.09 326	0.08 285

MMNet	0.17 341	0.10 313	0.17 303	0.20 346	0.11 333	0.27 421	0.20 366	0.26 291	0.42 416	0.22 348	0.30 365	0.22 315	0.20 365	0.18 308	0.20 353	0.06 79	0.06 251	0.07 150	0.07 222	0.08 266	0.07 218

delet	0.17 341	0.09 251	0.18 335	0.19 297	0.11 333	0.21 365	0.22 393	0.30 354	0.38 399	0.17 255	0.27 336	0.19 274	0.19 353	0.19 329	0.21 366	0.08 250	0.08 349	0.09 303	0.11 388	0.06 139	0.07 218

UNet	0.17 341	0.09 251	0.18 335	0.19 297	0.12 362	0.28 429	0.19 350	0.33 386	0.30 342	0.21 335	0.25 307	0.23 330	0.19 353	0.20 347	0.19 345	0.07 196	0.06 251	0.08 224	0.07 222	0.08 266	0.07 218

HGLStereo	0.17 341	0.09 251	0.19 358	0.17 166	0.12 362	0.18 314	0.18 308	0.31 370	0.33 361	0.22 348	0.33 384	0.24 339	0.18 337	0.20 347	0.21 366	0.10 337	0.09 372	0.07 150	0.07 222	0.09 326	0.10 351

DMCA-RVC	0.17 341	0.10 313	0.16 280	0.24 422	0.11 333	0.19 335	0.18 308	0.26 291	0.24 267	0.21 335	0.27 336	0.25 351	0.27 412	0.18 308	0.21 366	0.12 392	0.08 349	0.13 408	0.10 361	0.10 357	0.08 285

FADNet-RVC-Resample	0.17 341	0.12 354	0.32 428	0.22 393	0.12 362	0.19 335	0.14 112	0.25 279	0.24 267	0.24 373	0.27 336	0.20 291	0.15 282	0.17 293	0.16 303	0.07 196	0.08 349	0.12 394	0.10 361	0.09 326	0.11 373

FADNet_RVC	0.17 341	0.14 394	0.41 447	0.20 346	0.11 333	0.13 186	0.13 68	0.27 305	0.22 248	0.21 335	0.23 269	0.20 291	0.18 337	0.15 228	0.17 319	0.08 250	0.08 349	0.12 394	0.09 328	0.11 376	0.10 351

NLCA_NET_v2_RVC	0.17 341	0.10 313	0.23 384	0.20 346	0.10 284	0.15 248	0.18 308	0.31 370	0.25 291	0.21 335	0.31 369	0.25 351	0.17 326	0.21 363	0.20 353	0.09 301	0.06 251	0.08 224	0.09 328	0.07 204	0.08 285
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 341	0.12 354	0.16 280	0.20 346	0.10 284	0.18 314	0.18 308	0.27 305	0.24 267	0.26 389	0.41 432	0.23 330	0.18 337	0.21 363	0.21 366	0.09 301	0.05 117	0.09 303	0.10 361	0.07 204	0.07 218
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 356	0.08 192	0.20 361	0.19 297	0.13 387	0.15 248	0.12 38	0.30 354	0.33 361	0.21 335	0.26 320	0.27 365	0.18 337	0.17 293	0.20 353	0.20 462	0.08 349	0.14 421	0.14 423	0.14 419	0.17 451

test_sample9	0.18 356	0.12 354	0.21 368	0.13 8	0.14 403	0.18 314	0.14 112	0.28 327	0.24 267	0.21 335	0.21 251	0.24 339	0.20 365	0.19 329	0.18 332	0.15 430	0.30 478	0.14 421	0.14 423	0.15 431	0.13 403

fast-acv-ft	0.18 356	0.11 337	0.20 361	0.19 297	0.12 362	0.26 413	0.21 382	0.26 291	0.35 383	0.22 348	0.34 394	0.27 365	0.21 372	0.21 363	0.23 388	0.09 301	0.09 372	0.08 224	0.10 361	0.08 266	0.07 218

HBP-ISP	0.18 356	0.13 379	0.17 303	0.15 53	0.11 333	0.08 30	0.13 68	0.28 327	0.30 342	0.22 348	0.33 384	0.21 298	0.25 399	0.23 387	0.18 332	0.15 430	0.17 453	0.21 456	0.17 450	0.10 357	0.09 327

Wz-Net-LNSev-Ref	0.18 356	0.09 251	0.30 421	0.15 53	0.11 333	0.23 389	0.20 366	0.27 305	0.40 407	0.26 389	0.43 442	0.25 351	0.15 282	0.21 363	0.20 353	0.07 196	0.05 117	0.06 60	0.05 68	0.10 357	0.09 327

dad	0.18 356	0.20 438	0.21 368	0.17 166	0.11 333	0.20 354	0.19 350	0.21 196	0.28 331	0.30 420	0.24 280	0.30 389	0.13 232	0.19 329	0.17 319	0.18 453	0.09 372	0.11 376	0.09 328	0.11 376	0.07 218

hitnet-ft	0.18 356	0.10 313	0.17 303	0.14 20	0.09 180	0.27 421	0.20 366	0.25 279	0.26 303	0.24 373	0.32 378	0.32 408	0.23 385	0.24 398	0.21 366	0.12 392	0.07 319	0.10 348	0.08 285	0.12 391	0.11 373

STTStereo	0.18 356	0.13 379	0.28 406	0.20 346	0.11 333	0.16 276	0.21 382	0.29 344	0.23 257	0.22 348	0.30 365	0.29 382	0.18 337	0.20 347	0.20 353	0.12 392	0.11 407	0.11 376	0.14 423	0.09 326	0.08 285

TDLM	0.18 356	0.12 354	0.14 203	0.24 422	0.10 284	0.18 314	0.18 308	0.37 427	0.30 342	0.22 348	0.28 345	0.28 375	0.18 337	0.23 387	0.19 345	0.11 368	0.07 319	0.10 348	0.10 361	0.08 266	0.08 285

CVANet_RVC	0.18 356	0.11 337	0.14 203	0.21 376	0.11 333	0.19 335	0.18 308	0.34 400	0.34 372	0.22 348	0.31 369	0.28 375	0.18 337	0.24 398	0.18 332	0.12 392	0.08 349	0.12 394	0.12 408	0.09 326	0.08 285

DLCB_ROB	0.18 356	0.10 313	0.16 280	0.23 412	0.11 333	0.24 395	0.18 308	0.30 354	0.28 331	0.27 396	0.29 359	0.28 375	0.25 399	0.20 347	0.20 353	0.08 250	0.08 349	0.09 303	0.09 328	0.07 204	0.07 218

rvit_105_1	0.19 367	0.12 354	0.25 393	0.21 376	0.16 428	0.22 377	0.28 444	0.32 374	0.42 416	0.20 321	0.21 251	0.22 315	0.18 337	0.19 329	0.18 332	0.12 392	0.12 420	0.13 408	0.15 439	0.08 266	0.07 218

SACVNet	0.19 367	0.12 354	0.15 239	0.17 166	0.13 387	0.22 377	0.18 308	0.31 370	0.31 351	0.24 373	0.31 369	0.30 389	0.23 385	0.23 387	0.17 319	0.11 368	0.08 349	0.10 348	0.10 361	0.12 391	0.14 419

pcwnet_v2	0.19 367	0.11 337	0.26 401	0.18 241	0.14 403	0.18 314	0.15 181	0.37 427	0.46 437	0.19 300	0.24 280	0.21 298	0.19 353	0.21 363	0.20 353	0.13 409	0.10 394	0.10 348	0.10 361	0.11 376	0.13 403

psm_up	0.19 367	0.10 313	0.18 335	0.21 376	0.11 333	0.17 298	0.19 350	0.38 434	0.34 372	0.22 348	0.28 345	0.29 382	0.25 399	0.20 347	0.22 379	0.09 301	0.10 394	0.11 376	0.11 388	0.08 266	0.08 285

NVstereo2D	0.19 367	0.11 337	0.16 280	0.17 166	0.16 428	0.28 429	0.23 403	0.44 462	0.42 416	0.15 217	0.28 345	0.25 351	0.19 353	0.23 387	0.18 332	0.09 301	0.06 251	0.10 348	0.08 285	0.15 431	0.10 351

StereoDRNet	0.19 367	0.11 337	0.18 335	0.22 393	0.11 333	0.22 377	0.22 393	0.37 427	0.34 372	0.24 373	0.28 345	0.30 389	0.19 353	0.20 347	0.21 366	0.10 337	0.08 349	0.11 376	0.09 328	0.09 326	0.07 218

CBMV_ROB	0.19 367	0.13 379	0.18 335	0.16 101	0.11 333	0.16 276	0.12 38	0.27 305	0.29 337	0.27 396	0.31 369	0.27 365	0.24 392	0.24 398	0.16 303	0.15 430	0.18 455	0.22 460	0.20 456	0.10 357	0.12 392

NOSS_ROB	0.19 367	0.13 379	0.18 335	0.16 101	0.12 362	0.16 276	0.12 38	0.30 354	0.33 361	0.20 321	0.22 265	0.27 365	0.24 392	0.21 363	0.16 303	0.16 447	0.18 455	0.23 461	0.21 458	0.13 404	0.13 403

test_sample8	0.20 375	0.12 354	0.21 368	0.13 8	0.14 403	0.18 314	0.14 112	0.32 374	0.21 226	0.28 408	0.22 265	0.36 425	0.26 406	0.19 329	0.18 332	0.15 430	0.30 478	0.14 421	0.14 423	0.15 431	0.13 403

SDNR	0.20 375	0.09 251	0.19 358	0.16 101	0.12 362	0.79 492	0.13 68	0.26 291	0.33 361	0.19 300	0.25 307	0.19 274	0.12 202	0.19 329	0.15 285	0.16 447	0.18 455	0.14 421	0.11 388	0.08 266	0.12 392

GwcNet	0.20 375	0.14 394	0.20 361	0.18 241	0.12 362	0.25 403	0.20 366	0.36 420	0.45 430	0.20 321	0.33 384	0.33 414	0.21 372	0.22 380	0.25 406	0.11 368	0.09 372	0.09 303	0.09 328	0.09 326	0.10 351

SuperB	0.20 375	0.10 313	0.57 465	0.16 101	0.09 180	0.19 335	0.18 308	0.25 279	0.51 447	0.27 396	0.39 419	0.17 251	0.22 379	0.22 380	0.21 366	0.08 250	0.06 251	0.06 60	0.06 134	0.12 391	0.11 373

ADCRef	0.20 375	0.12 354	0.43 451	0.20 346	0.12 362	0.23 389	0.18 308	0.32 374	0.37 393	0.26 389	0.33 384	0.18 265	0.23 385	0.25 403	0.26 418	0.07 196	0.06 251	0.09 303	0.09 328	0.08 266	0.09 327

ADCP+	0.20 375	0.10 313	0.35 439	0.21 376	0.12 362	0.22 377	0.27 438	0.31 370	0.35 383	0.26 389	0.37 405	0.22 315	0.22 379	0.27 409	0.28 430	0.09 301	0.06 251	0.08 224	0.08 285	0.10 357	0.10 351

PS-NSSS	0.20 375	0.21 443	0.23 384	0.20 346	0.10 284	0.19 335	0.17 264	0.36 420	0.26 303	0.27 396	0.34 394	0.27 365	0.24 392	0.20 347	0.20 353	0.15 430	0.12 420	0.17 442	0.14 423	0.10 357	0.09 327

DRN-Test	0.20 375	0.11 337	0.21 368	0.22 393	0.10 284	0.22 377	0.22 393	0.40 442	0.38 399	0.24 373	0.33 384	0.26 360	0.22 379	0.22 380	0.25 406	0.11 368	0.07 319	0.11 376	0.10 361	0.09 326	0.08 285

DISCO	0.20 375	0.09 251	0.22 377	0.17 166	0.10 284	0.25 403	0.18 308	0.28 327	0.45 430	0.23 362	0.32 378	0.34 418	0.26 406	0.29 425	0.29 437	0.08 250	0.06 251	0.07 150	0.07 222	0.09 326	0.10 351

SGM-Forest	0.20 375	0.14 394	0.18 335	0.20 346	0.13 387	0.21 365	0.22 393	0.33 386	0.31 351	0.24 373	0.29 359	0.28 375	0.20 365	0.23 387	0.18 332	0.15 430	0.16 449	0.15 432	0.14 423	0.13 404	0.12 392
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.20 375	0.15 400	0.18 335	0.18 241	0.10 284	0.20 354	0.11 19	0.30 354	0.31 351	0.29 415	0.31 369	0.31 401	0.23 385	0.28 417	0.19 345	0.13 409	0.15 444	0.17 442	0.16 443	0.10 357	0.10 351
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.21 386	0.17 418	0.20 361	0.23 412	0.15 416	0.31 437	0.20 366	0.33 386	0.35 383	0.24 373	0.28 345	0.31 401	0.29 424	0.21 363	0.23 388	0.15 430	0.12 420	0.13 408	0.09 328	0.14 419	0.15 433

FAT-Stereo	0.21 386	0.13 379	0.22 377	0.21 376	0.12 362	0.18 314	0.18 308	0.35 414	0.40 407	0.28 408	0.37 405	0.33 414	0.33 445	0.21 363	0.20 353	0.09 301	0.11 407	0.10 348	0.09 328	0.11 376	0.14 419

FADNet-RVC	0.21 386	0.20 438	0.40 445	0.21 376	0.16 428	0.21 365	0.15 181	0.27 305	0.27 315	0.26 389	0.32 378	0.26 360	0.21 372	0.22 380	0.19 345	0.12 392	0.13 432	0.12 394	0.14 423	0.13 404	0.18 454

FADNet	0.21 386	0.23 449	0.37 442	0.18 241	0.17 440	0.25 403	0.13 68	0.32 374	0.32 356	0.23 362	0.25 307	0.27 365	0.21 372	0.19 329	0.16 303	0.13 409	0.15 444	0.12 394	0.15 439	0.17 449	0.18 454

S-Stereo	0.21 386	0.12 354	0.25 393	0.21 376	0.13 387	0.21 365	0.19 350	0.33 386	0.45 430	0.23 362	0.36 402	0.28 375	0.29 424	0.20 347	0.23 388	0.09 301	0.12 420	0.10 348	0.10 361	0.13 404	0.14 419

DANet	0.21 386	0.16 408	0.29 415	0.25 429	0.13 387	0.23 389	0.19 350	0.28 327	0.27 315	0.28 408	0.32 378	0.35 423	0.32 443	0.31 432	0.24 399	0.11 368	0.09 372	0.11 376	0.10 361	0.13 404	0.11 373
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PWC_ROB	0.21 386	0.16 408	0.27 403	0.18 241	0.11 333	0.22 377	0.13 68	0.33 386	0.49 441	0.30 420	0.40 422	0.32 408	0.25 399	0.31 432	0.23 388	0.10 337	0.07 319	0.11 376	0.08 285	0.11 376	0.10 351

PWCDC_ROB	0.21 386	0.13 379	0.23 384	0.25 429	0.12 362	0.20 354	0.15 181	0.34 400	0.55 457	0.29 415	0.49 452	0.21 298	0.15 282	0.28 417	0.20 353	0.11 368	0.09 372	0.10 348	0.08 285	0.11 376	0.09 327

GASNet	0.22 394	0.24 452	0.34 433	0.26 438	0.17 440	0.27 421	0.16 238	0.45 464	0.42 416	0.27 396	0.24 280	0.30 389	0.16 303	0.27 409	0.18 332	0.12 392	0.09 372	0.12 394	0.11 388	0.16 442	0.08 285

Anonymous_2	0.22 394	0.17 418	0.28 406	0.15 53	0.16 428	0.33 441	0.22 393	0.23 237	0.18 172	0.23 362	0.24 280	0.26 360	0.27 412	0.27 409	0.24 399	0.22 468	0.26 474	0.17 442	0.17 450	0.16 442	0.18 454

Wz-Net-LNSev	0.22 394	0.16 408	0.41 447	0.22 393	0.13 387	0.25 403	0.24 411	0.33 386	0.44 426	0.30 420	0.42 439	0.32 408	0.19 353	0.23 387	0.27 423	0.10 337	0.09 372	0.08 224	0.08 285	0.12 391	0.11 373

FINET	0.22 394	0.18 431	0.28 406	0.19 297	0.16 428	0.24 395	0.24 411	0.33 386	0.49 441	0.26 389	0.33 384	0.22 315	0.23 385	0.23 387	0.18 332	0.18 453	0.16 449	0.11 376	0.10 361	0.15 431	0.14 419

Syn2CoEx	0.22 394	0.16 408	0.29 415	0.29 459	0.15 416	0.26 413	0.21 382	0.34 400	0.32 356	0.29 415	0.36 402	0.28 375	0.25 399	0.20 347	0.25 406	0.16 447	0.12 420	0.14 421	0.11 388	0.09 326	0.08 285

aanetorigin	0.22 394	0.17 418	0.57 465	0.18 241	0.10 284	0.16 276	0.19 350	0.20 181	0.33 361	0.49 468	0.48 451	0.30 389	0.28 421	0.21 363	0.24 399	0.08 250	0.07 319	0.08 224	0.07 222	0.10 357	0.09 327

MaskLacGwcNet_RVC	0.22 394	0.21 443	0.25 393	0.26 438	0.11 333	0.24 395	0.14 112	0.39 439	0.24 267	0.32 432	0.36 402	0.30 389	0.21 372	0.19 329	0.22 379	0.17 452	0.14 440	0.21 456	0.16 443	0.13 404	0.12 392

RP	0.22 394	0.13 379	0.22 377	0.23 412	0.12 362	0.21 365	0.20 366	0.26 291	0.45 430	0.22 348	0.38 412	0.37 428	0.25 399	0.28 417	0.25 406	0.11 368	0.12 420	0.13 408	0.12 408	0.13 404	0.14 419

stereogan	0.22 394	0.11 337	0.21 368	0.20 346	0.12 362	0.32 439	0.19 350	0.36 420	0.45 430	0.23 362	0.39 419	0.35 423	0.27 412	0.33 439	0.23 388	0.10 337	0.12 420	0.10 348	0.10 361	0.14 419	0.14 419

GANet	0.22 394	0.13 379	0.21 368	0.25 429	0.14 403	0.23 389	0.22 393	0.42 452	0.27 315	0.31 425	0.43 442	0.37 428	0.29 424	0.23 387	0.23 388	0.10 337	0.12 420	0.10 348	0.09 328	0.10 357	0.08 285

MDST_ROB	0.22 394	0.10 313	0.18 335	0.18 241	0.11 333	0.40 463	0.19 350	0.44 462	0.42 416	0.40 451	0.40 422	0.29 382	0.21 372	0.27 409	0.19 345	0.11 368	0.10 394	0.14 421	0.11 388	0.10 357	0.08 285

XPNet_ROB	0.22 394	0.12 354	0.20 361	0.22 393	0.13 387	0.22 377	0.19 350	0.35 414	0.40 407	0.30 420	0.40 422	0.38 434	0.27 412	0.26 407	0.29 437	0.15 430	0.10 394	0.10 348	0.10 361	0.13 404	0.12 392

PSMNet_ROB	0.22 394	0.12 354	0.15 239	0.27 446	0.15 416	0.25 403	0.36 474	0.43 458	0.37 393	0.27 396	0.33 384	0.32 408	0.23 385	0.21 363	0.27 423	0.12 392	0.08 349	0.13 408	0.11 388	0.10 357	0.09 327

Wz-Net-MNSev	0.23 407	0.13 379	0.33 430	0.20 346	0.15 416	0.36 453	0.25 427	0.34 400	0.45 430	0.29 415	0.41 432	0.39 439	0.19 353	0.25 403	0.27 423	0.09 301	0.07 319	0.09 303	0.09 328	0.12 391	0.10 351

DDUNet	0.23 407	0.18 431	0.22 377	0.22 393	0.15 416	0.25 403	0.24 411	0.30 354	0.31 351	0.31 425	0.37 405	0.34 418	0.26 406	0.25 403	0.21 366	0.18 453	0.13 432	0.17 442	0.11 388	0.16 442	0.17 451

APVNet	0.23 407	0.12 354	0.20 361	0.18 241	0.14 403	0.32 439	0.31 463	0.40 442	0.33 361	0.27 396	0.40 422	0.30 389	0.29 424	0.27 409	0.25 406	0.11 368	0.12 420	0.11 376	0.14 423	0.12 391	0.13 403

AF-Net	0.23 407	0.17 418	0.17 303	0.27 446	0.13 387	0.26 413	0.24 411	0.33 386	0.51 447	0.25 386	0.33 384	0.39 439	0.27 412	0.28 417	0.26 418	0.11 368	0.10 394	0.16 439	0.12 408	0.11 376	0.11 373

edge stereo	0.23 407	0.14 394	0.21 368	0.21 376	0.13 387	0.24 395	0.16 238	0.32 374	0.42 416	0.32 432	0.40 422	0.39 439	0.35 449	0.25 403	0.25 406	0.13 409	0.11 407	0.14 421	0.11 388	0.12 391	0.14 419

Nwc_Net	0.23 407	0.17 418	0.22 377	0.25 429	0.15 416	0.25 403	0.27 438	0.38 434	0.39 403	0.22 348	0.41 432	0.30 389	0.29 424	0.28 417	0.25 406	0.11 368	0.10 394	0.17 442	0.20 456	0.10 357	0.11 373

RTSC	0.23 407	0.13 379	0.30 421	0.21 376	0.13 387	0.29 431	0.17 264	0.36 420	0.68 475	0.27 396	0.34 394	0.30 389	0.22 379	0.32 436	0.31 447	0.10 337	0.08 349	0.09 303	0.10 361	0.13 404	0.14 419

RYNet	0.23 407	0.12 354	0.22 377	0.19 297	0.17 440	0.47 468	0.26 433	0.39 439	0.49 441	0.24 373	0.29 359	0.34 418	0.24 392	0.20 347	0.31 447	0.10 337	0.06 251	0.09 303	0.09 328	0.14 419	0.15 433

NaN_ROB	0.23 407	0.20 438	0.25 393	0.25 429	0.13 387	0.31 437	0.27 438	0.34 400	0.41 414	0.31 425	0.31 369	0.32 408	0.23 385	0.31 432	0.22 379	0.11 368	0.17 453	0.10 348	0.11 388	0.08 266	0.09 327

ETE_ROB	0.23 407	0.17 418	0.23 384	0.25 429	0.14 403	0.26 413	0.29 455	0.32 374	0.37 393	0.28 408	0.37 405	0.45 456	0.27 412	0.28 417	0.27 423	0.11 368	0.09 372	0.12 394	0.10 361	0.14 419	0.13 403

SQANet	0.24 417	0.24 452	0.31 424	0.31 463	0.19 452	0.27 421	0.13 68	0.30 354	0.33 361	0.25 386	0.37 405	0.31 401	0.22 379	0.27 409	0.23 388	0.15 430	0.10 394	0.21 456	0.16 443	0.22 458	0.16 442

DeepPrunerF	0.24 417	0.17 418	0.45 452	0.26 438	0.16 428	0.23 389	0.29 455	0.37 427	0.51 447	0.27 396	0.31 369	0.24 339	0.28 421	0.22 380	0.23 388	0.15 430	0.11 407	0.20 455	0.18 454	0.12 391	0.14 419

PA-Net	0.24 417	0.18 431	0.34 433	0.28 452	0.22 460	0.22 377	0.39 479	0.29 344	0.39 403	0.22 348	0.33 384	0.25 351	0.26 406	0.21 363	0.25 406	0.10 337	0.23 472	0.15 432	0.22 461	0.09 326	0.13 403
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.24 417	0.15 400	0.18 335	0.34 468	0.18 449	0.24 395	0.24 411	0.34 400	0.29 337	0.31 425	0.38 412	0.38 434	0.29 424	0.23 387	0.25 406	0.15 430	0.12 420	0.18 451	0.21 458	0.13 404	0.13 403

WCMA_ROB	0.24 417	0.11 337	0.24 390	0.17 166	0.14 403	0.34 445	0.16 238	0.33 386	0.33 361	0.39 448	0.54 459	0.40 445	0.35 449	0.35 447	0.26 418	0.12 392	0.12 420	0.12 394	0.11 388	0.14 419	0.14 419

SGM_RVC	0.24 417	0.12 354	0.16 280	0.15 53	0.09 180	0.34 445	0.19 350	0.35 414	0.32 356	0.44 462	0.38 412	0.53 470	0.36 452	0.36 451	0.26 418	0.13 409	0.13 432	0.13 408	0.13 418	0.11 376	0.11 373
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DGSMNet	0.25 423	0.19 434	0.34 433	0.21 376	0.24 464	0.24 395	0.21 382	0.36 420	0.42 416	0.25 386	0.32 378	0.38 434	0.21 372	0.29 425	0.24 399	0.13 409	0.11 407	0.14 421	0.16 443	0.23 461	0.23 467

psmorigin	0.25 423	0.16 408	0.35 439	0.17 166	0.13 387	0.24 395	0.14 112	0.34 400	0.34 372	0.41 455	0.55 460	0.41 448	0.38 455	0.35 447	0.28 430	0.11 368	0.15 444	0.11 376	0.11 388	0.12 391	0.17 451

RGC	0.25 423	0.20 438	0.29 415	0.28 452	0.16 428	0.22 377	0.23 403	0.33 386	0.44 426	0.27 396	0.40 422	0.38 434	0.28 421	0.37 455	0.23 388	0.11 368	0.13 432	0.17 442	0.17 450	0.15 431	0.16 442

G-Net	0.25 423	0.17 418	0.38 443	0.23 412	0.16 428	0.51 471	0.23 403	0.29 344	0.35 383	0.36 440	0.38 412	0.31 401	0.29 424	0.28 417	0.27 423	0.11 368	0.09 372	0.12 394	0.10 361	0.16 442	0.14 419

NCC-stereo	0.25 423	0.15 400	0.31 424	0.26 438	0.17 440	0.21 365	0.31 463	0.41 447	0.40 407	0.24 373	0.38 412	0.33 414	0.29 424	0.37 455	0.28 430	0.13 409	0.11 407	0.15 432	0.22 461	0.13 404	0.13 403

Abc-Net	0.25 423	0.15 400	0.31 424	0.26 438	0.17 440	0.21 365	0.31 463	0.41 447	0.40 407	0.24 373	0.38 412	0.33 414	0.29 424	0.37 455	0.28 430	0.13 409	0.11 407	0.15 432	0.22 461	0.13 404	0.13 403
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.25 423	0.12 354	0.49 458	0.22 393	0.12 362	0.36 453	0.29 455	0.30 354	0.57 460	0.24 373	0.47 450	0.30 389	0.31 440	0.30 431	0.30 442	0.09 301	0.07 319	0.09 303	0.09 328	0.10 357	0.10 351

FBW_ROB	0.25 423	0.17 418	0.23 384	0.27 446	0.14 403	0.26 413	0.22 393	0.42 452	0.43 424	0.42 457	0.41 432	0.43 452	0.27 412	0.32 436	0.24 399	0.09 301	0.15 444	0.15 432	0.12 408	0.12 391	0.10 351

SANet	0.25 423	0.14 394	0.29 415	0.21 376	0.11 333	0.29 431	0.25 427	0.40 442	0.65 474	0.36 440	0.40 422	0.42 450	0.27 412	0.27 409	0.25 406	0.12 392	0.09 372	0.10 348	0.09 328	0.13 404	0.12 392

LALA_ROB	0.25 423	0.16 408	0.23 384	0.27 446	0.17 440	0.27 421	0.27 438	0.42 452	0.38 399	0.33 436	0.39 419	0.51 466	0.26 406	0.29 425	0.28 430	0.16 447	0.09 372	0.13 408	0.12 408	0.13 404	0.13 403

Wz-Net-SNSev	0.26 433	0.17 418	0.46 453	0.25 429	0.14 403	0.26 413	0.24 411	0.38 434	0.57 460	0.30 420	0.56 461	0.39 439	0.26 406	0.24 398	0.32 452	0.10 337	0.09 372	0.10 348	0.11 388	0.11 376	0.11 373

SHD	0.26 433	0.15 400	0.31 424	0.24 422	0.18 449	0.23 389	0.15 181	0.39 439	0.72 480	0.32 432	0.42 439	0.36 425	0.29 424	0.33 439	0.30 442	0.13 409	0.11 407	0.14 421	0.13 418	0.16 442	0.20 462

ADCMid	0.26 433	0.15 400	0.42 449	0.20 346	0.14 403	0.25 403	0.26 433	0.35 414	0.40 407	0.37 445	0.45 446	0.34 418	0.42 465	0.36 451	0.36 459	0.10 337	0.09 372	0.11 376	0.11 388	0.13 404	0.13 403

AnyNet_C32	0.26 433	0.16 408	0.39 444	0.20 346	0.17 440	0.26 413	0.31 463	0.32 374	0.45 430	0.31 425	0.50 454	0.30 389	0.34 446	0.41 469	0.36 459	0.12 392	0.12 420	0.12 394	0.14 423	0.14 419	0.15 433

ADCPNet	0.26 433	0.17 418	0.62 470	0.21 376	0.15 416	0.36 453	0.25 427	0.33 386	0.37 393	0.31 425	0.41 432	0.36 425	0.29 424	0.29 425	0.34 457	0.12 392	0.10 394	0.11 376	0.12 408	0.14 419	0.13 403

DispFullNet	0.27 438	0.22 447	0.66 473	0.28 452	0.17 440	0.27 421	0.17 264	0.34 400	0.57 460	0.27 396	0.37 405	0.43 452	0.24 392	0.39 461	0.25 406	0.12 392	0.06 251	0.19 453	0.11 388	0.23 461	0.16 442

MeshStereo	0.27 438	0.13 379	0.18 335	0.15 53	0.11 333	0.33 441	0.24 411	0.41 447	0.36 389	0.53 471	0.58 468	0.67 480	0.41 461	0.36 451	0.27 423	0.14 426	0.13 432	0.13 408	0.11 388	0.11 376	0.11 373
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
PSMNet-RUCA	0.28 440	0.33 472	0.42 449	0.36 472	0.32 478	0.18 314	0.20 366	0.42 452	0.30 342	0.33 436	0.41 432	0.40 445	0.24 392	0.31 432	0.20 353	0.19 457	0.11 407	0.25 463	0.15 439	0.22 458	0.16 442

CC-Net-ROB	0.28 440	0.31 470	0.36 441	0.30 461	0.15 416	0.25 403	0.19 350	0.45 464	0.34 372	0.39 448	0.37 405	0.39 439	0.31 440	0.27 409	0.27 423	0.24 475	0.18 455	0.30 476	0.23 465	0.19 455	0.15 433

DPSNet	0.28 440	0.16 408	0.33 430	0.18 241	0.13 387	0.55 474	0.42 482	0.52 474	0.68 475	0.29 415	0.38 412	0.39 439	0.30 435	0.32 436	0.23 388	0.11 368	0.10 394	0.11 376	0.08 285	0.20 457	0.16 442

PDISCO_ROB	0.28 440	0.16 408	0.28 406	0.28 452	0.20 455	0.33 441	0.27 438	0.45 464	0.58 463	0.28 408	0.41 432	0.45 456	0.30 435	0.34 442	0.35 458	0.12 392	0.09 372	0.17 442	0.16 443	0.17 449	0.13 403

Wz-Net-TNSev	0.29 444	0.20 438	0.69 481	0.19 297	0.15 416	0.38 459	0.27 438	0.36 420	0.56 459	0.35 438	0.42 439	0.45 456	0.39 456	0.33 439	0.31 447	0.13 409	0.13 432	0.10 348	0.12 408	0.15 431	0.15 433

WZ-Net	0.29 444	0.17 418	0.82 489	0.23 412	0.16 428	0.35 449	0.29 455	0.40 442	0.59 465	0.24 373	0.57 465	0.37 428	0.25 399	0.34 442	0.37 463	0.09 301	0.08 349	0.09 303	0.10 361	0.14 419	0.16 442

XQC	0.29 444	0.23 449	0.53 460	0.29 459	0.19 452	0.36 453	0.28 444	0.37 427	0.58 463	0.31 425	0.31 369	0.37 428	0.30 435	0.39 461	0.39 467	0.13 409	0.09 372	0.15 432	0.12 408	0.18 451	0.18 454

ccnet	0.30 447	0.28 461	0.24 390	0.20 346	0.28 473	0.41 464	0.22 393	0.46 467	0.33 361	0.37 445	0.46 448	0.37 428	0.30 435	0.40 464	0.43 473	0.23 473	0.14 440	0.21 456	0.17 450	0.23 461	0.19 459

EDNetEfficient	0.30 447	0.24 452	1.18 497	0.18 241	0.10 284	0.20 354	0.20 366	0.21 196	0.61 467	0.74 485	0.56 461	0.30 389	0.40 460	0.23 387	0.32 452	0.09 301	0.07 319	0.08 224	0.07 222	0.11 376	0.10 351

MFN_U_SF_DS_RVC	0.30 447	0.24 452	0.30 421	0.36 472	0.16 428	0.36 453	0.31 463	0.34 400	0.43 424	0.41 455	0.46 448	0.38 434	0.30 435	0.35 447	0.29 437	0.19 457	0.20 461	0.26 464	0.29 474	0.18 451	0.19 459

ADCS	0.30 447	0.19 434	0.48 457	0.21 376	0.18 449	0.29 431	0.24 411	0.42 452	0.64 472	0.40 451	0.50 454	0.40 445	0.37 453	0.40 464	0.43 473	0.13 409	0.13 432	0.13 408	0.14 423	0.16 442	0.16 442

CSAN	0.30 447	0.24 452	0.28 406	0.34 468	0.19 452	0.34 445	0.42 482	0.38 434	0.51 447	0.38 447	0.40 422	0.44 455	0.34 446	0.29 425	0.31 447	0.19 457	0.16 449	0.19 453	0.19 455	0.14 419	0.15 433

GANetREF_RVC	0.31 452	0.34 473	0.29 415	0.35 470	0.16 428	0.33 441	0.42 482	0.48 469	0.52 453	0.35 438	0.35 399	0.34 418	0.32 443	0.40 464	0.33 455	0.27 477	0.20 461	0.29 474	0.15 439	0.19 455	0.18 454
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
MSMD_ROB	0.31 452	0.26 458	0.26 401	0.24 422	0.21 457	0.34 445	0.25 427	0.34 400	0.39 403	0.40 451	0.69 476	0.45 456	0.41 461	0.34 442	0.28 430	0.20 462	0.20 461	0.26 464	0.25 467	0.23 461	0.22 466

FC-DCNN v2	0.33 454	0.28 461	0.28 406	0.26 438	0.23 461	0.39 461	0.29 455	0.41 447	0.44 426	0.46 465	0.57 465	0.51 466	0.41 461	0.38 459	0.30 442	0.21 465	0.20 461	0.27 467	0.26 468	0.25 470	0.24 468

FCDSN-DC	0.33 454	0.28 461	0.28 406	0.30 461	0.24 464	0.39 461	0.28 444	0.43 458	0.42 416	0.44 462	0.53 458	0.51 466	0.42 465	0.37 455	0.30 442	0.21 465	0.20 461	0.27 467	0.26 468	0.25 470	0.25 470
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	0.33 454	0.22 447	0.58 468	0.31 463	0.15 416	0.36 453	0.17 264	0.54 477	0.46 437	0.47 467	0.56 461	0.58 473	0.39 456	0.36 451	0.38 466	0.15 430	0.15 444	0.18 451	0.21 458	0.16 442	0.16 442

FC-DCNN	0.33 454	0.28 461	0.28 406	0.26 438	0.23 461	0.38 459	0.29 455	0.40 442	0.44 426	0.46 465	0.56 461	0.51 466	0.41 461	0.38 459	0.31 447	0.21 465	0.20 461	0.27 467	0.26 468	0.25 470	0.24 468

PASM	0.33 454	0.25 457	0.51 459	0.28 452	0.27 472	0.30 434	0.31 463	0.35 414	0.51 447	0.36 440	0.40 422	0.47 463	0.35 449	0.34 442	0.36 459	0.23 473	0.26 474	0.26 464	0.28 473	0.23 461	0.21 463

SGM-ForestM	0.33 454	0.12 354	0.17 303	0.16 101	0.11 333	0.42 465	0.20 366	0.43 458	0.53 456	0.53 471	0.57 465	1.41 502	0.44 470	0.42 470	0.29 437	0.14 426	0.16 449	0.16 439	0.16 443	0.12 391	0.13 403

LSM	0.34 460	0.21 443	0.62 470	0.27 446	0.62 497	0.35 449	0.26 433	0.43 458	0.49 441	0.45 464	0.60 471	0.42 450	0.37 453	0.35 447	0.26 418	0.13 409	0.21 469	0.14 421	0.16 443	0.18 451	0.34 482

GCST	0.37 461	0.42 481	0.27 403	1.03 505	0.39 480	0.18 314	0.08 3	0.21 196	0.18 172	0.28 408	0.25 307	0.15 215	0.12 202	0.16 255	0.14 251	0.64 497	0.43 485	0.75 495	0.65 496	0.64 492	0.46 490

AnyNet_C01	0.37 461	0.26 458	1.41 500	0.22 393	0.17 440	0.51 471	0.28 444	0.36 420	0.40 407	0.39 448	0.75 482	0.46 460	0.39 456	0.46 472	0.50 483	0.13 409	0.13 432	0.13 408	0.14 423	0.14 419	0.16 442

otaku	0.39 463	0.38 477	0.53 460	0.44 479	0.28 473	0.57 476	0.24 411	0.42 452	0.62 470	0.40 451	0.50 454	0.46 460	0.34 446	0.40 464	0.33 455	0.30 478	0.30 478	0.39 480	0.33 479	0.30 476	0.29 476

ACVNet-4b	0.39 463	0.53 484	0.56 463	0.45 480	0.24 464	0.46 467	0.18 308	0.50 471	0.64 472	0.42 457	0.45 446	0.60 474	0.27 412	0.34 442	0.24 399	0.33 480	0.14 440	0.48 484	0.42 483	0.31 479	0.27 475

PVD	0.40 465	0.21 443	0.40 445	0.32 466	0.23 461	0.30 434	0.45 486	0.53 476	0.97 493	0.55 473	0.80 486	0.54 471	0.60 483	0.53 478	0.40 469	0.19 457	0.14 440	0.17 442	0.14 423	0.24 468	0.32 480

Ntro	0.41 466	0.40 479	0.54 462	0.46 483	0.30 477	0.64 480	0.24 411	0.47 468	0.68 475	0.42 457	0.49 452	0.47 463	0.42 465	0.40 464	0.32 452	0.32 479	0.28 476	0.37 479	0.31 477	0.33 481	0.29 476

SAMSARA	0.41 466	0.28 461	0.34 433	0.55 486	0.39 480	0.85 495	1.25 510	0.49 470	0.52 453	0.36 440	0.35 399	0.56 472	0.39 456	0.39 461	0.41 470	0.15 430	0.20 461	0.15 432	0.14 423	0.23 461	0.21 463

ELAS_RVC	0.42 468	0.29 468	0.33 430	0.28 452	0.24 464	0.56 475	0.38 477	0.50 471	0.61 467	0.74 485	0.76 483	0.67 480	0.56 479	0.55 480	0.42 472	0.22 468	0.21 469	0.27 467	0.26 468	0.27 475	0.26 473
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 468	0.29 468	0.34 433	0.28 452	0.24 464	0.63 479	0.37 475	0.52 474	0.52 453	0.72 482	0.82 487	0.68 482	0.56 479	0.52 476	0.45 479	0.22 468	0.21 469	0.27 467	0.26 468	0.26 473	0.26 473
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Consistency-Raft	0.44 470	0.40 479	0.46 453	0.37 474	0.43 484	0.42 465	0.41 480	0.57 479	0.55 457	0.32 432	0.73 480	0.32 408	0.50 474	0.42 470	0.49 482	0.39 482	0.36 482	0.45 483	0.52 492	0.42 483	0.30 478

MSC_U_SF_DS_RVC	0.44 470	0.39 478	0.56 463	0.40 475	0.20 455	0.66 482	0.33 472	0.54 477	0.72 480	0.71 481	0.72 479	0.62 475	0.55 477	0.52 476	0.47 480	0.20 462	0.19 460	0.29 474	0.30 476	0.24 468	0.19 459

ACVNet_1	0.45 472	0.51 483	0.61 469	0.45 480	0.28 473	0.50 469	0.28 444	0.58 484	0.71 479	0.63 476	0.59 470	0.74 485	0.50 474	0.50 474	0.36 459	0.26 476	0.25 473	0.39 480	0.29 474	0.32 480	0.25 470

RTS	0.46 473	0.19 434	3.33 506	0.25 429	0.15 416	0.72 487	0.21 382	0.37 427	0.78 486	0.42 457	0.44 444	0.31 401	0.43 468	0.55 480	0.37 463	0.10 337	0.09 372	0.13 408	0.13 418	0.15 431	0.15 433

RTSA	0.46 473	0.19 434	3.33 506	0.25 429	0.15 416	0.72 487	0.21 382	0.37 427	0.78 486	0.42 457	0.44 444	0.31 401	0.43 468	0.55 480	0.37 463	0.10 337	0.09 372	0.13 408	0.13 418	0.15 431	0.15 433

MANE	0.47 475	0.28 461	0.28 406	0.27 446	0.24 464	0.50 469	0.32 471	0.57 479	0.62 470	0.74 485	1.20 504	1.21 495	0.64 485	0.54 479	0.39 467	0.22 468	0.20 461	0.27 467	0.31 477	0.26 473	0.25 470

NVStereoNet_ROB	0.47 475	0.37 476	0.47 456	0.42 478	0.29 476	0.35 449	0.35 473	0.50 471	0.61 467	0.73 483	0.94 491	0.70 484	0.68 487	0.48 473	0.62 490	0.22 468	0.33 481	0.34 478	0.34 481	0.30 476	0.31 479
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LE_ROB	0.50 477	0.07 92	0.14 203	0.15 53	0.08 82	0.26 413	0.17 264	0.23 237	1.71 508	4.68 513	0.67 473	0.46 460	0.47 471	0.21 363	0.30 442	0.07 196	0.06 251	0.06 60	0.06 134	0.08 266	0.06 148

anonymity	0.53 478	0.58 485	0.66 473	0.41 476	0.61 496	0.54 473	0.41 480	0.57 479	0.41 414	0.56 474	0.50 454	0.50 465	0.55 477	0.59 485	0.50 483	0.58 493	0.50 495	0.51 486	0.51 490	0.52 485	0.58 492

RainbowNet	0.54 479	0.61 488	0.71 486	0.57 487	0.43 484	0.66 482	0.37 475	0.60 485	0.87 490	0.51 469	0.67 473	0.63 476	0.47 471	0.50 474	0.44 476	0.47 488	0.48 491	0.53 488	0.41 482	0.53 487	0.41 487

BEATNet-Init1	0.54 479	0.28 461	0.68 480	0.31 463	0.21 457	0.85 495	0.31 463	0.57 479	0.69 478	0.89 492	1.00 494	2.17 510	0.66 486	0.58 484	0.44 476	0.19 457	0.18 455	0.23 461	0.22 461	0.22 458	0.21 463

SGM+DAISY	0.57 481	0.58 485	0.67 477	0.41 476	0.55 490	0.68 484	0.51 488	0.57 479	0.46 437	0.67 477	0.70 477	0.69 483	0.57 481	0.64 487	0.58 488	0.59 494	0.49 492	0.50 485	0.50 489	0.52 485	0.59 495

SPS-STEREO	0.58 482	0.59 487	0.66 473	0.45 480	0.55 490	0.65 481	0.44 485	0.63 486	0.51 447	0.69 479	0.65 472	0.66 479	0.58 482	0.62 486	0.62 490	0.62 496	0.47 490	0.51 486	0.49 487	0.55 488	0.58 492
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.65 483	0.66 492	0.66 473	0.51 484	0.69 501	0.70 485	0.58 492	0.65 487	0.75 484	0.61 475	0.73 480	0.63 476	0.68 487	0.65 488	0.60 489	0.66 498	0.58 504	0.63 490	0.59 493	0.68 496	0.69 502

IMH-64-1	0.66 484	0.62 489	0.69 481	0.72 490	0.51 487	0.60 477	0.51 488	0.92 493	0.84 488	0.75 488	1.02 495	0.81 486	0.78 492	0.80 491	0.50 483	0.43 484	0.46 486	0.72 492	0.48 485	0.55 488	0.40 485

IMH-64	0.66 484	0.62 489	0.69 481	0.72 490	0.51 487	0.60 477	0.51 488	0.92 493	0.84 488	0.75 488	1.02 495	0.81 486	0.78 492	0.80 491	0.50 483	0.43 484	0.46 486	0.72 492	0.48 485	0.55 488	0.40 485

ACVNet_2	0.67 486	0.68 493	0.70 484	0.64 488	0.41 482	0.75 490	0.50 487	0.98 499	1.38 503	0.90 493	1.09 498	1.04 490	0.74 490	0.55 480	0.48 481	0.43 484	0.40 484	0.53 488	0.45 484	0.48 484	0.36 484

IMH	0.72 487	0.65 491	0.70 484	0.77 492	0.54 489	0.71 486	0.56 491	0.99 501	1.08 494	0.82 491	1.09 498	0.89 488	0.88 496	0.88 499	0.53 487	0.44 487	0.50 495	0.75 495	0.51 490	0.58 491	0.42 488

PWCK	0.72 487	0.95 503	0.99 495	0.77 492	0.32 478	0.79 492	0.38 477	0.92 493	0.90 491	0.96 496	0.76 483	0.97 489	0.62 484	0.87 497	0.68 493	0.73 500	0.46 486	0.76 497	0.49 487	0.71 499	0.44 489

JetBlue	0.73 489	0.46 482	1.21 498	0.52 485	0.47 486	2.16 510	0.67 498	0.78 489	0.72 480	0.70 480	0.79 485	1.21 495	0.84 494	1.06 506	1.04 506	0.40 483	0.28 476	0.33 477	0.33 479	0.30 476	0.34 482

TorneroNet-64	0.76 490	0.73 495	0.77 487	0.78 494	0.58 495	0.94 500	0.58 492	0.85 492	1.26 498	0.67 477	0.88 489	1.41 502	0.76 491	0.87 497	0.68 493	0.49 489	0.46 486	0.73 494	0.59 493	0.68 496	0.54 491

MADNet+	0.76 490	0.72 494	3.76 509	0.67 489	0.41 482	0.99 501	0.97 508	0.72 488	0.75 484	0.52 470	0.58 468	0.64 478	0.68 487	0.89 500	1.04 506	0.35 481	0.36 482	0.28 473	0.23 465	0.38 482	0.33 481

WAO-7	0.80 492	0.78 497	0.57 465	0.85 497	0.67 500	0.76 491	0.69 501	1.07 503	1.30 500	0.90 493	1.20 504	1.05 491	0.93 498	0.71 489	0.68 493	0.60 495	0.62 505	0.67 491	0.68 499	0.64 492	0.59 495

WAO-6	0.82 493	0.81 498	0.63 472	0.87 499	0.63 498	0.79 492	0.60 494	0.98 499	1.52 507	0.91 495	0.97 493	1.08 492	1.04 502	0.72 490	0.70 496	0.72 499	0.49 492	0.91 503	0.71 500	0.70 498	0.59 495

TorneroNet	0.83 494	0.75 496	0.83 491	0.85 497	0.63 498	1.03 504	0.65 496	0.96 497	1.14 496	0.80 490	1.10 500	1.36 500	0.88 496	0.95 502	0.82 501	0.57 491	0.49 492	0.79 500	0.66 498	0.74 502	0.64 501

LVE	0.84 495	0.87 501	0.86 492	0.81 495	0.56 492	1.09 506	0.66 497	1.07 503	1.45 505	0.97 497	1.23 506	1.11 493	0.86 495	0.84 494	0.72 497	0.49 489	0.56 501	0.76 497	0.60 495	0.66 494	0.60 498

Dean	0.88 496	0.88 502	0.81 488	0.82 496	0.57 493	0.91 497	0.62 495	1.17 508	1.71 508	1.15 503	1.16 502	1.31 499	1.00 501	0.82 493	0.83 502	0.57 491	0.56 501	0.78 499	0.65 496	0.67 495	0.58 492

WAO-8	0.92 497	0.83 499	0.67 477	0.94 502	0.70 502	0.92 498	0.68 499	1.08 505	1.80 510	1.06 501	1.42 508	1.29 497	1.08 504	0.86 495	0.80 499	0.74 501	0.54 498	0.86 501	0.75 501	0.71 499	0.63 499

Venus	0.92 497	0.83 499	0.67 477	0.94 502	0.70 502	0.92 498	0.68 499	1.08 505	1.80 510	1.06 501	1.42 508	1.29 497	1.08 504	0.86 495	0.80 499	0.74 501	0.54 498	0.86 501	0.75 501	0.71 499	0.63 499

UNDER WATER-64	0.97 499	0.96 504	1.48 502	0.88 500	0.57 493	1.24 509	0.90 506	0.78 489	0.96 492	1.05 499	0.85 488	1.56 507	1.26 508	0.97 504	0.99 504	0.88 505	0.57 503	1.04 506	0.88 505	0.81 503	0.75 503

notaker	0.98 500	1.13 506	1.02 496	1.14 507	0.81 505	0.73 489	0.69 501	0.94 496	1.15 497	1.19 505	1.19 503	1.41 502	1.17 507	1.10 508	0.74 498	0.82 504	0.64 506	1.18 508	0.79 503	1.02 506	0.82 506

UNDER WATER	0.99 501	1.00 505	1.47 501	1.00 504	0.71 504	1.18 508	0.86 504	0.81 491	1.09 495	1.02 498	0.90 490	1.53 506	1.26 508	1.06 506	1.02 505	0.79 503	0.54 498	1.02 505	0.88 505	0.83 504	0.75 503

ktn	1.02 502	1.23 508	0.82 489	1.24 509	0.86 507	1.00 503	0.86 504	0.96 497	1.37 502	1.05 499	1.12 501	1.16 494	1.06 503	0.95 502	0.62 490	1.28 510	0.71 507	1.39 512	0.83 504	1.06 508	0.77 505

KSHMR	1.10 503	1.19 507	0.90 494	1.26 510	1.00 509	0.99 501	0.96 507	1.13 507	1.35 501	1.16 504	1.28 507	1.40 501	0.97 500	1.03 505	0.93 503	1.03 507	1.08 509	1.20 509	1.03 509	1.03 507	0.98 508

DPSimNet_ROB	1.14 504	1.25 509	0.87 493	1.15 508	0.90 508	1.15 507	1.18 509	1.20 509	1.26 498	1.45 507	1.05 497	1.44 505	1.13 506	0.92 501	1.70 509	1.47 511	0.52 497	1.22 510	1.04 510	0.92 505	1.03 509

HanzoNet	1.31 505	1.29 510	1.22 499	1.13 506	0.85 506	1.05 505	0.84 503	1.06 502	1.47 506	1.66 508	1.63 510	2.48 512	1.78 510	1.63 510	1.69 508	1.27 509	0.80 508	1.32 511	1.02 508	1.07 509	0.90 507

JetRed	1.66 506	1.51 511	3.09 505	0.93 501	1.21 510	5.28 512	1.61 512	1.29 510	1.42 504	1.84 509	1.77 511	1.59 508	0.95 499	1.43 509	2.51 512	0.91 506	1.61 511	0.93 504	0.91 507	1.36 510	1.03 509

MADNet++	1.97 507	1.75 512	1.66 503	1.83 512	1.69 512	2.38 511	1.45 511	2.36 512	2.11 512	2.58 512	2.37 512	2.25 511	2.21 511	2.28 511	2.36 511	1.87 512	1.67 512	1.53 513	1.34 512	1.87 512	1.78 513

coex-ft	3.24 508	0.35 475	57.83 528	0.18 241	0.13 387	0.27 421	0.23 403	0.28 327	0.72 480	1.89 510	0.70 477	0.43 452	0.47 471	0.29 425	0.43 473	0.09 301	0.09 372	0.12 394	0.09 328	0.14 419	0.14 419

ASD4	3.59 509	3.47 514	2.05 504	1.75 511	2.54 514	9.22 516	17.86 517	2.29 511	5.54 514	2.49 511	2.86 513	2.05 509	3.46 512	2.77 512	5.29 513	1.23 508	1.36 510	1.13 507	1.33 511	1.71 511	1.50 512

tt	4.65 510	0.07 92	3.54 508	2.01 513	1.55 511	10.25 517	16.66 516	8.90 520	5.03 513	1.33 506	0.96 492	4.71 513	4.74 513	3.33 513	5.86 515	6.06 519	10.30 523	1.87 514	2.09 514	2.61 513	1.19 511

xxxxx1	7.75 511	5.06 517	7.26 511	3.15 514	3.91 515	16.37 520	22.88 521	5.87 517	8.68 516	7.99 516	8.55 514	9.13 518	8.46 516	10.05 518	10.47 516	2.43 513	2.48 514	3.56 517	12.26 520	3.48 514	3.02 515

tt_ll	7.75 511	5.06 517	7.26 511	3.15 514	3.91 515	16.37 520	22.88 521	5.87 517	8.68 516	7.99 516	8.55 514	9.13 518	8.46 516	10.05 518	10.47 516	2.43 513	2.48 514	3.56 517	12.26 520	3.48 514	3.02 515

ff	7.75 511	5.06 517	7.26 511	3.15 514	3.91 515	16.37 520	22.88 521	5.87 517	8.68 516	7.99 516	8.55 514	9.13 518	8.46 516	10.05 518	10.47 516	2.43 513	2.48 514	3.56 517	12.26 520	3.48 514	3.02 515

EDNetEfficientorigin	7.92 514	0.32 471	152.98 529	0.20 346	0.10 284	0.22 377	0.17 264	0.23 237	0.60 466	0.73 483	0.67 473	0.41 448	0.51 476	0.24 398	0.41 470	0.08 250	0.07 319	0.09 303	0.07 222	0.12 391	0.11 373

DPSMNet_ROB	8.06 515	4.50 515	8.69 518	5.36 519	10.74 521	8.32 514	22.71 519	5.47 515	13.38 520	5.13 514	9.98 517	5.10 514	10.47 519	5.53 515	12.77 520	3.80 517	8.00 518	3.49 515	6.95 517	3.75 518	7.09 519

DGTPSM_ROB	8.06 515	4.50 515	8.69 518	5.34 517	10.73 520	8.32 514	22.71 519	5.47 515	13.38 520	5.13 514	9.98 517	5.10 514	10.47 519	5.53 515	12.77 520	3.79 516	8.00 518	3.49 515	6.95 517	3.74 517	7.09 519

PML	8.57 517	9.39 523	6.24 510	5.34 517	6.36 518	13.21 519	20.99 518	5.35 514	6.68 515	17.75 524	26.46 529	7.58 516	6.08 515	7.89 517	5.76 514	5.33 518	1.83 513	5.95 523	1.93 513	8.75 521	2.53 514

DLNR_Zeroshot_test	10.48 518	2.27 513	19.78 524	120.28 531	13.29 524	0.06 5	0.13 68	0.24 259	0.10 14	0.08 29	0.10 76	0.09 83	0.07 70	0.10 31	0.09 34	0.13 409	0.04 3	0.06 60	0.04 15	52.68 530	0.04 10

LRCNet_RVC	10.76 519	13.97 524	7.97 517	19.07 524	2.04 513	0.35 449	0.31 463	5.29 513	0.48 440	13.02 522	17.65 523	8.69 517	5.73 514	4.78 514	2.22 510	23.53 527	2.69 517	27.60 529	25.75 528	17.60 526	16.54 526

Anonymous_1	10.87 520	7.82 520	7.41 514	10.29 520	10.08 519	18.64 524	26.11 524	11.02 521	13.45 522	9.43 519	10.10 519	9.73 521	11.31 521	10.69 521	12.47 519	6.42 520	8.38 520	5.70 520	10.22 519	11.41 522	6.65 518

DPSM_ROB	11.10 521	8.47 521	7.95 515	10.84 521	11.58 522	19.10 525	26.50 525	12.02 522	14.09 523	10.38 520	10.91 520	10.39 522	11.92 522	11.67 522	13.39 522	6.99 521	8.79 521	5.82 521	6.92 515	6.97 519	7.31 521

DPSM	11.10 521	8.47 521	7.95 515	10.84 521	11.58 522	19.10 525	26.50 525	12.02 522	14.09 523	10.38 520	10.91 520	10.39 522	11.92 522	11.67 522	13.39 522	6.99 521	8.79 521	5.82 521	6.92 515	6.97 519	7.31 521

HaxPig	15.73 523	18.55 528	19.19 523	16.92 523	15.89 525	7.80 513	7.57 513	13.37 524	10.80 519	15.40 523	14.87 522	15.95 524	14.81 524	15.67 524	15.97 524	18.96 526	16.72 524	19.47 527	18.10 526	19.45 527	19.06 527

MEDIAN_ROB	20.38 524	24.05 529	23.36 525	21.18 525	21.62 526	10.51 518	8.17 514	17.68 525	15.46 525	20.04 525	19.65 524	20.30 525	20.16 525	21.17 525	21.03 525	23.81 528	21.77 528	24.98 528	23.75 527	25.01 528	23.94 528

CasAABBNet	22.33 525	17.11 525	15.84 520	21.94 526	23.28 527	38.30 527	53.40 529	24.05 527	28.44 528	20.66 526	21.86 526	21.03 527	24.04 527	23.35 526	27.03 528	14.06 523	17.69 526	11.70 524	13.94 524	14.04 523	14.76 524

Selective-RAFT-Error	22.39 526	17.14 526	16.01 521	22.00 527	23.34 528	38.37 528	53.36 528	24.24 529	28.53 529	20.80 527	21.94 527	20.94 526	24.02 526	23.48 528	27.33 529	14.07 524	17.70 527	11.70 524	13.93 523	14.05 524	14.83 525

LSM0	22.80 527	17.22 527	19.17 522	22.12 528	28.90 530	38.38 529	53.27 527	24.21 528	28.36 527	20.84 528	21.11 525	21.63 528	24.25 528	23.42 527	26.98 527	14.08 525	17.39 525	11.72 526	13.98 525	14.22 525	14.66 523

AVERAGE_ROB	24.89 528	29.12 530	27.98 526	24.83 529	24.59 529	17.82 523	11.61 515	21.45 526	19.91 526	25.04 529	24.38 528	25.06 529	25.31 529	24.69 529	22.86 526	29.74 529	27.09 529	28.97 530	27.94 529	30.07 529	29.35 529

test_example2	97.69 529	92.93 531	45.57 527	96.02 530	109.84 531	88.44 530	93.70 530	25.54 530	94.63 530	130.46 531	126.87 531	58.93 530	75.48 530	87.99 530	77.94 530	150.16 530	221.11 530	76.29 531	98.21 530	108.42 531	95.33 530

ccccc	243.87 530	285.89 532	306.04 530	366.70 532	366.78 532	118.88 531	141.79 531	113.97 531	107.77 531	125.77 530	108.41 530	120.54 531	160.89 531	252.62 531	276.01 531	382.79 531	352.84 531	254.30 532	222.62 531	426.61 532	386.14 531

STTRV1_RVC		0.26 458		0.19 297	0.26 471	0.30 434	0.24 411	0.35 414	0.35 383	0.36 440	0.34 394	0.31 401	0.31 440	0.28 417	0.25 406	0.18 453	0.10 394	0.16 439	0.14 423	0.18 451	0.12 392

FADE		0.34 473		0.33 467	0.25 470													0.41 482		0.23 461

Low-res two-view benchmark