Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 42	0.07 46	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 54	0.04 44	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 47	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 51	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

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

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

TCMNet	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

TCMNet-wrong-test	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.02 20	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet_1	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

Wz-Net-SNSev	0.03 29	0.09 64	0.07 57	0.09 52	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 65	0.07 56	0.01 9	0.01 9	0.01 10	0.01 10

EDNetEfficientorigin	0.04 37	0.06 54	0.04 42	0.05 42	0.04 76	0.05 83	0.04 76	0.05 83	0.04 77	0.05 85	0.04 84	0.05 85	0.04 80	0.05 76	0.04 71	0.05 50	0.03 35	0.06 87	0.03 53	0.04 73	0.03 50

EDNetEfficient	0.04 37	0.05 49	0.04 42	0.04 36	0.03 47	0.04 73	0.03 49	0.04 73	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.04 68	0.03 47	0.05 50	0.03 35	0.05 80	0.03 53	0.04 73	0.03 50

NVStereoNet_ROB	0.04 37	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 40	0.06 54	0.04 42	0.06 45	0.04 76	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.04 84	0.06 90	0.04 80	0.06 81	0.04 71	0.06 54	0.04 44	0.05 80	0.04 74	0.05 85	0.04 75

GASNet	0.05 40	0.04 37	0.12 99	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 77	0.12 115	0.04 84	0.06 90	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

WZ-Net	0.05 40	0.50 189	0.10 68	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.10 72	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 43	0.24 117	0.20 157	0.23 142	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 166	0.21 167	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 43	0.54 204	0.10 68	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.11 93	0.01 9	0.01 9	0.01 10	0.01 10

AASNet	0.06 43	0.08 58	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

SACVNet	0.06 43	0.08 58	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

AACVNet	0.06 43	0.08 58	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

FINET	0.07 48	0.08 58	0.07 57	0.07 46	0.07 101	0.08 96	0.06 98	0.08 100	0.07 102	0.08 97	0.07 102	0.08 97	0.06 99	0.07 95	0.07 93	0.08 59	0.07 56	0.07 92	0.07 97	0.06 89	0.06 95

ADCMid	0.08 49	0.02 12	0.02 14	1.01 326	0.03 47	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 68	0.09 98	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

test_sample7	0.09 50	1.00 257	0.11 88	0.11 73	0.02 21	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample6	0.09 50	0.97 253	0.10 68	0.10 56	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 50	0.87 232	0.10 68	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 50	1.03 269	0.11 88	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 50	0.87 232	0.12 99	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 50	1.01 263	0.09 64	0.09 52	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 50	0.95 250	0.09 64	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 50	1.01 263	0.10 68	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.03 50

SepStereo	0.09 50	0.09 64	0.10 68	0.09 52	0.09 105	0.09 100	0.09 103	0.10 102	0.08 104	0.10 101	0.09 105	0.09 101	0.09 106	0.09 101	0.08 95	0.09 65	0.08 58	0.09 99	0.08 101	0.09 102	0.08 98

APVNet	0.09 50	0.05 49	0.04 42	0.05 42	0.04 76	0.05 83	0.90 364	0.06 87	0.04 77	0.05 85	0.04 84	0.05 85	0.04 80	0.05 76	0.04 71	0.05 50	0.04 44	0.05 80	0.04 74	0.05 85	0.05 90

ADCS	0.09 50	0.02 12	0.04 42	0.90 304	0.06 100	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 120	0.36 255	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

DualNet (step1)	0.10 61	1.05 273	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample9	0.10 61	1.05 273	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample8	0.10 61	1.05 273	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample5	0.10 61	1.07 276	0.11 88	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

test_sample4	0.10 61	1.03 269	0.12 99	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.13 131	0.03 38	0.03 53	0.03 43	0.03 50

DualNet	0.10 61	1.07 276	0.11 88	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

ttt	0.10 61	1.09 278	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 61	1.14 283	0.13 118	0.14 96	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.11 93	0.03 38	0.02 20	0.03 43	0.02 20

AnonymousM	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

222	0.10 61	0.99 256	0.12 99	0.13 92	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.02 20	0.04 73	0.03 50

test_xeample	0.10 61	1.09 278	0.13 118	0.12 79	0.03 47	0.03 40	0.03 49	0.04 73	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.14 134	0.03 38	0.03 53	0.03 43	0.03 50

PVD	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SHD	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SAMSARA	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

XQC	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSC	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTS	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSA	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet+	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet++	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

ADCPNet	0.10 61	0.03 31	0.04 42	1.27 398	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.08 98	0.04 71	0.04 43	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ISRNet	0.11 82	0.05 49	0.36 225	0.24 147	0.07 101	0.13 116	0.05 86	0.06 87	0.05 91	0.05 85	0.05 93	0.13 117	0.05 87	0.05 76	0.09 98	0.24 171	0.20 163	0.10 100	0.05 89	0.06 89	0.13 139

JetRed	0.11 82	0.12 79	0.11 88	0.11 73	0.11 127	0.11 112	0.14 141	0.11 114	0.11 123	0.12 115	0.11 123	0.11 113	0.11 122	0.11 114	0.11 116	0.11 85	0.16 139	0.11 111	0.11 122	0.11 113	0.11 118

JetBlue	0.11 82	0.11 77	0.12 99	0.13 92	0.14 147	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.11 123	0.11 113	0.11 122	0.12 118	0.12 130	0.11 85	0.11 93	0.11 111	0.11 122	0.11 113	0.11 118

x	0.11 82	1.15 285	0.15 138	0.14 96	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.15 137	0.03 38	0.03 53	0.03 43	0.03 50

Wz-Net-LNSev-Ref	0.11 82	0.44 166	0.33 207	0.39 191	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 234	0.36 228	0.02 18	0.02 20	0.02 20	0.02 20

xxxx	0.11 82	1.16 286	0.16 139	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.16 139	0.03 38	0.04 74	0.04 73	0.04 75

BEATNet_4x	0.11 82	0.03 31	0.03 34	1.60 413	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 76	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 82	0.03 31	0.03 34	1.60 413	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 76	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

AnyNet_C01	0.11 82	0.02 12	0.02 14	1.62 416	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 81	0.04 71	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

S2M2	0.12 91	0.14 84	0.10 68	0.15 106	0.10 111	0.14 117	0.10 108	0.14 118	0.10 108	0.15 123	0.10 109	0.14 118	0.10 110	0.14 120	0.10 104	0.13 106	0.10 72	0.13 117	0.09 103	0.13 120	0.09 101

GwcNet	0.12 91	0.07 57	0.05 56	0.08 48	0.05 92	0.08 96	1.20 392	0.07 97	0.05 91	0.05 85	0.05 93	0.08 97	0.05 87	0.08 98	0.03 47	0.07 57	0.05 55	0.06 87	0.05 89	0.07 97	0.05 90

FADNet-RVC-Resample	0.12 91	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	1.57 453	0.04 43	0.04 44	0.04 70	0.05 89	0.04 73	0.06 95

FADNet_RVC	0.12 91	0.04 37	0.04 42	0.05 42	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.65 457	0.05 50	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

FADNet	0.12 91	0.05 49	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.66 458	0.06 54	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

ADCRef	0.12 91	0.03 31	0.04 42	1.71 419	0.04 76	0.03 40	0.03 49	0.04 73	0.04 77	0.04 70	0.03 51	0.04 73	0.03 51	0.06 81	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.03 43	0.04 75

testlalala2	0.13 97	0.16 86	0.11 88	0.15 106	0.11 127	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.14 113	0.11 93	0.14 119	0.11 122	0.14 122	0.11 118

testlalala_base	0.13 97	0.16 86	0.11 88	0.15 106	0.11 127	0.15 124	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.14 113	0.11 93	0.14 119	0.11 122	0.14 122	0.11 118

CIPLG	0.13 97	0.21 105	0.12 99	0.16 116	0.11 127	0.15 124	0.11 121	0.14 118	0.11 123	0.15 123	0.12 133	0.15 128	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 122	0.11 118

IPLG	0.13 97	0.20 99	0.14 123	0.15 106	0.11 127	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.11 123	0.14 118	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 122	0.11 118

ACRE	0.13 97	0.21 105	0.14 123	0.15 106	0.11 127	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.12 133	0.14 118	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 122	0.11 118

LRCNet_RVC	0.13 97	0.13 80	0.09 64	0.13 92	0.10 111	0.14 117	0.10 108	0.14 118	0.10 108	0.23 163	0.10 109	0.20 148	0.10 110	0.24 171	0.11 116	0.11 85	0.09 67	0.12 114	0.14 149	0.12 118	0.09 101

aanetorigin	0.13 97	0.11 77	0.11 88	0.11 73	0.11 127	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.12 133	0.11 113	0.11 122	0.11 114	0.11 116	0.11 85	0.11 93	0.14 119	0.11 122	0.49 275	0.11 118

FADNet-RVC	0.13 97	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 77	0.04 70	0.05 93	0.04 73	0.05 87	0.04 68	1.71 460	0.04 43	0.04 44	0.04 70	0.04 74	0.07 97	0.04 75

ELAS	0.13 97	0.16 86	0.11 88	0.15 106	0.09 105	0.18 143	0.11 121	0.18 141	0.11 123	0.17 137	0.11 123	0.18 142	0.11 122	0.18 141	0.11 116	0.14 113	0.08 58	0.14 119	0.08 101	0.14 122	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
mmm	0.14 106	1.83 363	0.12 99	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.04 77	0.03 40	0.03 51	0.03 42	0.03 51	0.06 81	0.04 71	0.12 90	0.11 93	0.05 80	0.04 74	0.05 85	0.04 75

ProNet	0.14 106	0.20 99	0.14 123	0.16 116	0.11 127	0.16 132	0.11 121	0.17 139	0.11 123	0.17 137	0.12 133	0.17 139	0.13 143	0.17 139	0.12 130	0.15 122	0.11 93	0.16 135	0.11 122	0.15 132	0.12 133

IPLGR_C	0.14 106	0.20 99	0.12 99	0.15 106	0.11 127	0.14 117	0.15 146	0.14 118	0.11 123	0.15 123	0.12 133	0.14 118	0.11 122	0.16 130	0.11 116	0.15 122	0.12 107	0.14 119	0.12 138	0.15 132	0.12 133

MIPNet	0.14 106	0.21 105	0.17 146	0.16 116	0.11 127	0.15 124	0.12 136	0.14 118	0.11 123	0.16 128	0.11 123	0.14 118	0.11 122	0.14 120	0.11 116	0.14 113	0.12 107	0.14 119	0.11 122	0.14 122	0.11 118

IPLGR	0.14 106	0.24 117	0.14 123	0.16 116	0.12 142	0.15 124	0.12 136	0.14 118	0.11 123	0.15 123	0.12 133	0.14 118	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 122	0.11 118

GMStereo	0.14 106	0.13 80	0.14 123	0.14 96	0.14 147	0.14 117	0.14 141	0.14 118	0.14 146	0.14 117	0.14 150	0.14 118	0.14 147	0.14 120	0.14 140	0.14 113	0.14 134	0.14 119	0.14 149	0.14 122	0.14 144
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 106	0.04 37	0.03 34	2.22 434	0.04 76	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.04 73	0.02 21	0.07 95	0.04 71	0.02 15	0.02 15	0.03 38	0.03 53	0.02 20	0.03 50

HSM	0.14 106	0.16 86	0.12 99	0.17 124	0.12 142	0.17 140	0.11 121	0.17 139	0.11 123	0.17 137	0.12 133	0.17 139	0.12 138	0.17 139	0.12 130	0.16 129	0.11 93	0.16 135	0.11 122	0.16 136	0.12 133

DRN-Test	0.14 106	0.13 80	0.09 64	0.14 96	0.09 105	0.15 124	0.09 103	0.14 118	0.10 108	0.14 117	0.09 105	0.14 118	0.09 106	0.13 119	0.09 98	0.12 90	0.09 67	0.12 114	0.09 103	0.12 118	0.73 346

ELAS_RVC	0.14 106	0.16 86	0.10 68	0.15 106	0.10 111	0.18 143	0.11 121	0.19 143	0.11 123	0.19 142	0.12 133	0.18 142	0.11 122	0.19 144	0.12 130	0.14 113	0.08 58	0.14 119	0.09 103	0.15 132	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 116	0.17 92	0.13 118	0.20 130	0.13 145	0.19 146	0.13 139	0.18 141	0.13 144	0.19 142	0.13 145	0.18 142	0.14 147	0.18 141	0.14 140	0.16 129	0.11 93	0.15 132	0.14 149	0.18 145	0.11 118

test_for_model	0.15 116	0.23 110	0.18 151	0.21 139	0.11 127	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.21 152	0.18 160	0.14 119	0.11 122	0.14 122	0.11 118

CoDeX	0.15 116	0.70 217	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 336	0.02 15	0.69 318	0.75 340	0.01 9	0.02 20	0.02 20

ICVP	0.15 116	0.53 201	0.11 88	0.16 116	0.11 127	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.16 129	0.11 93	0.16 135	0.11 122	0.16 136	0.11 118
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 116	0.04 37	0.04 42	2.20 433	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.05 93	0.04 73	0.04 80	0.08 98	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

StereoDRNet	0.15 116	0.14 84	0.10 68	0.14 96	0.09 105	0.15 124	0.09 103	0.14 118	0.09 107	0.14 117	0.10 109	0.14 118	0.09 106	0.14 120	0.09 98	0.13 106	0.10 72	0.13 117	0.09 103	0.13 120	0.82 357

LALA_ROB	0.15 116	0.19 95	0.12 99	0.18 125	0.11 127	0.20 151	0.12 136	0.21 155	0.12 141	0.20 147	0.12 133	0.20 148	0.12 138	0.21 159	0.13 136	0.17 136	0.10 72	0.18 152	0.11 122	0.18 145	0.11 118

SGM_RVC	0.15 116	0.17 92	0.11 88	0.18 125	0.11 127	0.19 146	0.11 121	0.19 143	0.12 141	0.19 142	0.12 133	0.20 148	0.12 138	0.19 144	0.12 130	0.16 129	0.11 93	0.17 142	0.10 110	0.17 141	0.10 106
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 124	0.16 86	0.16 139	0.16 116	0.16 165	0.16 132	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 135	0.16 154	0.16 136	0.16 145

qqq	0.16 124	2.01 378	0.12 99	0.15 106	0.04 76	0.06 85	0.05 86	0.06 87	0.04 77	0.06 89	0.03 51	0.06 90	0.03 51	0.06 81	0.03 47	0.12 90	0.14 134	0.04 70	0.04 74	0.03 43	0.03 50

DeepPruner_ROB	0.16 124	0.18 94	0.13 118	0.19 128	0.13 145	0.19 146	0.13 139	0.19 143	0.13 144	0.19 142	0.13 145	0.19 146	0.13 143	0.19 144	0.13 136	0.18 144	0.13 131	0.18 152	0.13 146	0.18 145	0.13 139

CAS++	0.17 127	0.27 121	0.21 161	0.10 56	0.21 188	0.15 124	0.22 178	0.10 102	0.21 176	0.22 159	0.10 109	0.19 146	0.18 168	0.10 103	0.19 171	0.20 147	0.19 161	0.18 152	0.10 110	0.19 151	0.18 161
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
11t1	0.17 127	2.16 387	0.13 118	0.13 92	0.04 76	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.03 51	0.06 90	0.03 51	0.06 81	0.05 82	0.18 144	0.12 107	0.06 87	0.03 53	0.05 85	0.03 50

SFCPSM	0.17 127	0.78 221	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 355	0.02 15	0.75 328	0.76 342	0.02 20	0.02 20	0.02 20

xyz-stereo-finetune2	0.18 130	0.48 183	0.16 139	0.16 116	0.15 158	0.15 124	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 135	0.16 154	0.16 136	0.16 145

xyz-stereo	0.18 130	0.50 189	0.16 139	0.15 106	0.16 165	0.16 132	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 135	0.16 154	0.16 136	0.16 145

BEATNet-Init1	0.19 132	0.08 58	0.08 59	2.23 435	0.08 103	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 97	0.07 103	0.11 114	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

DeepPrunerF	0.19 132	0.08 58	0.08 59	2.23 435	0.08 103	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 97	0.07 103	0.11 114	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

IGEV_Zeroshot_test	0.20 134	0.19 95	0.40 241	0.30 164	0.17 168	0.22 161	0.17 154	0.21 155	0.17 163	0.20 147	0.17 164	0.21 156	0.18 168	0.21 159	0.17 159	0.20 147	0.16 139	0.20 156	0.16 154	0.20 152	0.17 157

DAS	0.20 134	0.20 99	0.20 157	0.20 130	0.20 181	0.20 151	0.20 167	0.20 148	0.20 173	0.20 147	0.20 179	0.20 148	0.20 177	0.20 148	0.20 174	0.20 147	0.20 163	0.20 156	0.20 177	0.20 152	0.20 164

ASD4	0.20 134	0.20 99	0.20 157	0.20 130	0.20 181	0.20 151	0.20 167	0.20 148	0.20 173	0.20 147	0.20 179	0.20 148	0.20 177	0.20 148	0.20 174	0.20 147	0.20 163	0.20 156	0.20 177	0.20 152	0.20 164

ACVNet	0.20 134	0.19 95	0.14 123	0.20 130	0.14 147	0.20 151	0.96 371	0.21 155	0.14 146	0.20 147	0.13 145	0.21 156	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	0.17 141	0.12 133

acv_ft	0.20 134	0.19 95	0.14 123	0.20 130	0.14 147	0.20 151	0.96 371	0.21 155	0.14 146	0.20 147	0.13 145	0.21 156	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	0.17 141	0.12 133

iResNetv2_ROB	0.20 134	0.23 110	0.18 151	0.24 147	0.20 181	0.24 168	0.18 160	0.24 166	0.18 165	0.24 168	0.18 174	0.23 166	0.19 173	0.24 171	0.18 168	0.21 152	0.16 139	0.21 159	0.16 154	0.22 158	0.16 145

iResNet	0.20 134	0.23 110	0.18 151	0.24 147	0.18 175	0.24 168	0.20 167	0.24 166	0.18 165	0.23 163	0.17 164	0.23 166	0.18 168	0.23 167	0.18 168	0.22 155	0.16 139	0.21 159	0.16 154	0.21 156	0.16 145

tg	0.21 141	0.25 119	0.21 161	0.26 159	0.17 168	0.24 168	0.17 154	0.24 166	0.17 163	0.24 168	0.17 164	0.24 170	0.17 161	0.24 171	0.17 159	0.24 171	0.17 154	0.23 170	0.16 154	0.23 167	0.16 145

Pointernet	0.21 141	0.22 109	0.19 154	0.24 147	0.19 179	0.24 168	0.19 164	0.24 166	0.19 171	0.24 168	0.19 175	0.24 170	0.19 173	0.24 171	0.19 171	0.22 155	0.17 154	0.22 164	0.17 172	0.22 158	0.17 157

SuperB	0.21 141	0.10 66	2.51 472	0.12 79	0.09 105	0.10 101	0.09 103	0.08 100	0.07 102	0.10 101	0.09 105	0.09 101	0.07 103	0.07 95	0.07 93	0.07 57	0.08 58	0.07 92	0.07 97	0.08 99	0.07 97

WAO-6	0.22 144	0.23 110	0.22 163	0.23 142	0.22 190	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 162	0.22 183	0.22 163	0.22 179	0.22 155	0.22 171	0.22 164	0.22 182	0.22 158	0.22 170

IMH-64-1	0.22 144	0.23 110	0.23 166	0.22 140	0.22 190	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 162	0.22 183	0.22 163	0.22 179	0.22 155	0.22 171	0.23 170	0.22 182	0.22 158	0.23 172

IMH-64	0.22 144	0.23 110	0.23 166	0.22 140	0.22 190	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 162	0.22 183	0.22 163	0.22 179	0.22 155	0.22 171	0.23 170	0.22 182	0.22 158	0.23 172

ac_64	0.22 144	0.13 80	0.19 154	0.23 142	0.10 111	0.26 182	1.02 379	0.14 118	0.10 108	0.28 182	0.14 150	0.17 139	0.19 173	0.28 191	0.09 98	0.22 155	0.16 139	0.23 170	0.17 172	0.11 113	0.12 133

dd	0.23 148	0.98 254	0.16 139	0.23 142	0.15 158	0.23 167	0.15 146	0.23 163	0.15 156	0.23 163	0.15 158	0.24 170	0.17 161	0.23 167	0.15 150	0.22 155	0.15 137	0.21 159	0.15 153	0.22 158	0.16 145

dad	0.23 148	1.03 269	0.16 139	0.23 142	0.15 158	0.24 168	0.15 146	0.24 166	0.16 158	0.23 163	0.16 159	0.24 170	0.16 157	0.23 167	0.15 150	0.22 155	0.16 139	0.22 164	0.16 154	0.22 158	0.16 145

MSKI-zero shot	0.24 150	0.21 105	0.49 279	0.65 277	0.18 175	0.22 161	0.17 154	0.23 163	0.18 165	0.21 157	0.17 164	0.23 166	0.28 218	0.23 167	0.18 168	0.21 152	0.16 139	0.21 159	0.16 154	0.21 156	0.16 145

qqq1	0.25 151	3.70 432	0.14 123	0.14 96	0.04 76	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 73	0.05 87	0.06 81	0.05 82	0.13 106	0.12 107	0.06 87	0.05 89	0.03 43	0.04 75

fff1	0.25 151	3.70 432	0.14 123	0.14 96	0.04 76	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 73	0.05 87	0.06 81	0.05 82	0.13 106	0.12 107	0.06 87	0.05 89	0.03 43	0.04 75

UNDER WATER-64	0.25 151	0.26 120	0.25 175	0.26 159	0.25 202	0.25 175	0.25 193	0.25 172	0.25 192	0.25 172	0.25 201	0.25 175	0.25 195	0.26 186	0.25 195	0.25 177	0.25 178	0.25 178	0.25 200	0.25 169	0.25 183

ffm	0.25 151	3.83 438	0.12 99	0.12 79	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 90	0.05 87	0.06 81	0.05 82	0.12 90	0.12 107	0.05 80	0.04 74	0.06 89	0.04 75

ff1	0.25 151	3.83 438	0.12 99	0.12 79	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 90	0.05 87	0.06 81	0.05 82	0.12 90	0.12 107	0.05 80	0.04 74	0.06 89	0.04 75

mmx	0.25 151	3.83 438	0.12 99	0.12 79	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 90	0.05 87	0.06 81	0.05 82	0.12 90	0.12 107	0.05 80	0.04 74	0.06 89	0.04 75

MIM_Stereo	0.25 151	0.23 110	0.66 311	0.80 294	0.17 168	0.22 161	0.17 154	0.23 163	0.18 165	0.26 179	0.17 164	0.21 156	0.17 161	0.25 176	0.17 159	0.23 166	0.16 139	0.21 159	0.17 172	0.22 158	0.17 157

LoS	0.25 151	0.27 121	0.25 175	0.25 152	0.25 202	0.25 175	0.25 193	0.26 176	0.25 192	0.25 172	0.25 201	0.25 175	0.25 195	0.25 176	0.25 195	0.26 178	0.25 178	0.25 178	0.26 206	0.26 171	0.25 183
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Syn2CoEx	0.25 151	1.31 345	0.74 324	0.92 309	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 335	0.75 328	0.02 18	0.02 20	0.02 20	0.02 20

model_zeroshot	0.27 160	0.20 99	0.27 182	0.33 173	0.21 188	0.37 216	0.22 178	0.37 208	0.24 187	0.26 179	0.27 211	0.33 201	0.21 182	0.25 176	0.27 201	0.32 195	0.20 163	0.34 214	0.23 187	0.25 169	0.26 189

xyz-stereo-finetune	0.28 161	0.49 185	0.16 139	0.16 116	0.16 165	0.16 132	0.16 149	0.22 159	0.30 228	0.32 193	0.31 235	0.32 198	0.31 235	0.32 199	0.32 229	0.32 195	0.33 221	0.31 198	0.32 246	0.31 185	0.32 234

SQANet	0.28 161	0.28 124	0.28 186	0.28 162	0.28 215	0.28 186	0.28 209	0.28 179	0.28 213	0.28 182	0.28 217	0.28 186	0.28 218	0.28 191	0.28 207	0.28 183	0.28 191	0.28 187	0.28 217	0.28 176	0.28 210

HGLStereo	0.28 161	0.29 126	0.22 163	0.36 180	0.22 190	0.36 211	0.21 173	0.36 202	0.21 176	0.42 248	0.21 184	0.36 213	0.22 183	0.36 215	0.21 177	0.34 201	0.21 167	0.34 214	0.21 179	0.34 197	0.21 167

iResNet_ROB	0.28 161	0.32 129	0.24 172	0.32 170	0.25 202	0.32 200	0.24 190	0.32 188	0.24 187	0.33 198	0.24 195	0.35 207	0.24 192	0.33 205	0.24 189	0.31 194	0.24 177	0.32 199	0.24 195	0.32 187	0.24 182

UNet	0.29 165	0.90 239	0.10 68	0.14 96	0.10 111	0.14 117	0.10 108	0.91 341	0.69 343	0.14 117	0.11 123	0.14 118	0.11 122	0.14 120	0.10 104	0.12 90	0.09 67	0.12 114	0.09 103	0.88 330	0.76 351

DDVS	0.30 166	3.10 419	0.14 123	0.19 128	0.14 147	0.19 146	0.14 141	0.20 148	0.14 146	0.19 142	0.13 145	0.16 129	0.13 143	0.19 144	0.13 136	0.17 136	0.13 131	0.17 142	0.13 146	0.17 141	0.13 139

ACV-stereo	0.30 166	2.08 380	0.25 175	0.25 152	0.18 175	0.24 168	0.17 154	0.24 166	0.18 165	0.24 168	0.17 164	0.25 175	0.17 161	0.24 171	0.17 159	0.22 155	0.16 139	0.22 164	0.16 154	0.22 158	0.16 145

LoS_RVC	0.30 166	1.14 283	0.25 175	0.25 152	0.25 202	0.26 182	0.25 193	0.25 172	0.25 192	0.25 172	0.25 201	0.26 184	0.26 204	0.26 186	0.25 195	0.26 178	0.26 181	0.25 178	0.25 200	0.26 171	0.26 189

CAS	0.30 166	1.17 287	0.25 175	0.25 152	0.25 202	0.26 182	0.25 193	0.25 172	0.26 205	0.25 172	0.25 201	0.25 175	0.25 195	0.25 176	0.25 195	0.26 178	0.26 181	0.26 181	0.25 200	0.26 171	0.25 183

DANet	0.30 166	0.30 127	0.30 192	0.30 164	0.30 231	0.30 189	0.30 221	0.30 185	0.30 228	0.30 186	0.30 232	0.30 194	0.30 230	0.30 196	0.30 224	0.30 191	0.30 208	0.30 194	0.30 236	0.30 182	0.30 225
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 171	0.93 248	0.24 172	0.33 173	0.23 195	0.31 192	0.24 190	0.32 188	0.24 187	0.32 193	0.23 189	0.32 198	0.25 195	0.32 199	0.24 189	0.27 181	0.26 181	0.27 185	0.26 206	0.27 174	0.27 197

xxxxx1	0.31 171	0.91 241	0.23 166	0.31 167	0.23 195	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 201	0.25 195	0.32 199	0.24 189	0.28 183	0.28 191	0.28 187	0.28 217	0.29 179	0.27 197

DLNR_Zeroshot_test	0.31 171	0.28 124	0.47 268	0.79 292	0.24 200	0.30 189	0.26 201	0.30 185	0.24 187	0.32 193	0.23 189	0.31 196	0.24 192	0.30 196	0.23 185	0.29 190	0.26 181	0.29 192	0.24 195	0.33 193	0.23 172

tt_ll	0.31 171	0.91 241	0.23 166	0.31 167	0.23 195	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 201	0.25 195	0.32 199	0.24 189	0.28 183	0.28 191	0.28 187	0.28 217	0.29 179	0.27 197

ff	0.31 171	0.91 241	0.23 166	0.31 167	0.23 195	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 201	0.25 195	0.32 199	0.24 189	0.28 183	0.28 191	0.28 187	0.28 217	0.29 179	0.27 197

RAFT + AFF	0.31 171	0.45 169	0.34 215	0.39 191	0.28 215	0.38 220	0.33 235	0.29 183	0.31 232	0.30 186	0.30 232	0.29 191	0.27 212	0.29 194	0.30 224	0.28 183	0.29 200	0.29 192	0.29 226	0.27 174	0.32 234

MLCV	0.31 171	0.35 132	0.27 182	0.35 176	0.28 215	0.35 208	0.27 204	0.35 198	0.28 213	0.36 207	0.27 211	0.35 207	0.27 212	0.35 209	0.27 201	0.34 201	0.27 186	0.34 214	0.27 213	0.34 197	0.27 197

DN-CSS_ROB	0.31 171	0.35 132	0.28 186	0.35 176	0.28 215	0.34 204	0.27 204	0.34 195	0.25 192	0.35 204	0.27 211	0.36 213	0.26 204	0.34 207	0.28 207	0.35 210	0.28 191	0.34 214	0.28 217	0.34 197	0.27 197

WCG-NET（raft）	0.32 179	1.24 341	0.24 172	0.32 170	0.24 200	0.32 200	0.23 185	0.32 188	0.24 187	0.32 193	0.24 195	0.32 198	0.24 192	0.32 199	0.24 189	0.30 191	0.23 175	0.30 194	0.23 187	0.30 182	0.23 172

testlalala	0.32 179	0.81 227	0.31 198	0.39 191	0.26 210	0.33 202	0.24 190	0.33 191	0.26 205	0.32 193	0.26 207	0.33 201	0.23 189	0.33 205	0.23 185	0.35 210	0.31 212	0.30 194	0.24 195	0.31 185	0.21 167

Any-RAFT	0.32 179	0.36 135	0.27 182	0.36 180	0.27 212	0.36 211	0.27 204	0.36 202	0.27 210	0.36 207	0.27 211	0.36 213	0.27 212	0.36 215	0.28 207	0.36 214	0.28 191	0.36 232	0.28 217	0.36 216	0.28 210

GCAP-BAT	0.33 182	0.78 221	0.32 202	0.38 186	0.25 202	0.34 204	0.25 193	0.34 195	0.26 205	0.34 200	0.25 201	0.35 207	0.26 204	0.35 209	0.27 201	0.36 214	0.30 208	0.32 199	0.24 195	0.32 187	0.26 189

StereoDRNet-Refined	0.33 182	0.39 146	0.26 181	0.39 191	0.26 210	0.40 228	0.26 201	0.40 222	0.26 205	0.39 218	0.26 207	0.39 225	0.26 204	0.39 229	0.26 200	0.37 218	0.25 178	0.37 235	0.25 200	0.37 218	0.37 256
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LG-Stereo_L2	0.34 184	0.37 137	0.38 231	0.47 233	0.28 215	0.39 226	0.28 209	0.39 217	0.28 213	0.39 218	0.28 217	0.39 225	0.28 218	0.38 221	0.28 207	0.42 260	0.35 225	0.36 232	0.26 206	0.35 209	0.26 189

H2IRNET	0.34 184	0.34 131	0.34 215	0.34 175	0.34 256	0.34 204	0.34 244	0.34 195	0.34 248	0.34 200	0.34 249	0.34 206	0.34 247	0.34 207	0.34 249	0.34 201	0.34 224	0.34 214	0.34 256	0.34 197	0.34 245

IGEV++	0.34 184	0.43 163	0.30 192	0.40 204	0.29 222	0.40 228	0.29 216	0.40 222	0.29 218	0.40 223	0.29 221	0.40 232	0.29 224	0.40 232	0.30 224	0.38 225	0.29 200	0.37 235	0.29 226	0.37 218	0.29 215

iRaft-Stereo_5w	0.34 184	0.42 162	0.31 198	0.39 191	0.30 231	0.38 220	0.30 221	0.40 222	0.29 218	0.40 223	0.37 267	0.41 244	0.34 247	0.38 221	0.30 224	0.34 201	0.27 186	0.34 214	0.26 206	0.34 197	0.26 189

CSP-Net	0.34 184	1.29 343	1.19 369	1.36 405	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 413	1.21 420	0.03 38	0.09 103	0.02 20	0.09 101

iRaft-Stereo_20w	0.34 184	0.41 155	0.31 198	0.39 191	0.29 222	0.40 228	0.32 226	0.41 237	0.32 235	0.38 213	0.30 232	0.39 225	0.30 230	0.38 221	0.32 229	0.35 210	0.27 186	0.34 214	0.27 213	0.34 197	0.29 215

DGSMNet	0.34 184	0.41 155	0.27 182	0.41 214	0.28 215	0.41 244	0.28 209	0.41 237	0.27 210	0.41 236	0.27 211	0.42 260	0.27 212	0.41 246	0.28 207	0.40 238	0.29 200	0.40 256	0.28 217	0.40 238	0.27 197

gcap-zeroshot	0.35 191	0.32 129	0.37 228	0.49 243	0.39 280	0.33 202	0.21 173	0.26 176	0.35 251	0.42 248	0.34 249	0.49 284	0.29 224	0.47 273	0.39 272	0.34 201	0.17 154	0.38 242	0.23 187	0.48 272	0.34 245

CASnet	0.35 191	0.51 196	0.44 257	0.32 170	0.31 235	0.24 168	0.34 244	0.36 202	0.25 192	0.31 188	0.37 267	0.30 194	0.33 243	0.25 176	0.45 293	0.37 218	0.37 230	0.33 207	0.35 262	0.34 197	0.37 256
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 191	0.44 166	0.45 259	0.49 243	0.30 231	0.37 216	0.30 221	0.36 202	0.30 228	0.36 207	0.29 221	0.36 213	0.29 224	0.36 215	0.30 224	0.46 264	0.39 243	0.32 199	0.24 195	0.32 187	0.25 183
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 191	0.35 132	0.35 223	0.35 176	0.35 259	0.35 208	0.35 249	0.35 198	0.35 251	0.35 204	0.35 257	0.35 207	0.35 253	0.35 209	0.35 251	0.35 210	0.35 225	0.35 227	0.35 262	0.35 209	0.35 251

GIP-stereo	0.36 195	0.49 185	0.39 238	0.48 237	0.32 237	0.41 244	0.28 209	0.40 222	0.30 228	0.41 236	0.28 217	0.40 232	0.28 218	0.42 259	0.28 207	0.45 263	0.32 214	0.38 242	0.30 236	0.37 218	0.27 197

DCVSM-stereo	0.36 195	1.89 367	0.22 163	0.40 204	0.22 190	0.40 228	0.22 178	0.40 222	0.22 179	0.40 223	0.22 185	0.40 232	0.22 183	0.40 232	0.22 179	0.28 183	0.21 167	0.28 187	0.21 179	0.28 176	0.20 164

RSM	0.36 195	0.36 135	0.43 255	0.37 183	0.42 298	0.49 288	0.42 287	0.37 208	0.28 213	0.36 207	0.29 221	0.36 213	0.30 230	0.37 219	0.28 207	0.34 201	0.31 212	0.34 214	0.35 262	0.40 238	0.29 215

RAFT-Test	0.36 195	0.37 137	0.33 207	0.41 214	0.32 237	0.41 244	0.32 226	0.41 237	0.32 235	0.41 236	0.32 237	0.41 244	0.32 237	0.41 246	0.33 236	0.37 218	0.29 200	0.37 235	0.29 226	0.38 227	0.31 230

DMCA	0.36 195	0.38 140	0.37 228	0.35 176	0.35 259	0.36 211	0.36 256	0.36 202	0.35 251	0.35 204	0.37 267	0.36 213	0.36 256	0.35 209	0.36 255	0.36 214	0.36 228	0.35 227	0.36 268	0.36 216	0.36 252

ACVNet-DCA	0.37 200	1.00 257	0.30 192	0.40 204	0.29 222	0.40 228	0.29 216	0.40 222	0.29 218	0.40 223	0.29 221	0.40 232	0.29 224	0.39 229	0.28 207	0.33 198	0.32 214	0.33 207	0.32 246	0.33 193	0.32 234

1test111	0.37 200	1.02 267	0.30 192	0.39 191	0.29 222	0.40 228	0.28 209	0.39 217	0.29 218	0.39 218	0.29 221	0.39 225	0.28 218	0.40 232	0.29 217	0.33 198	0.32 214	0.33 207	0.31 242	0.32 187	0.31 230

cc1	0.37 200	1.02 267	0.30 192	0.39 191	0.29 222	0.40 228	0.28 209	0.39 217	0.29 218	0.39 218	0.29 221	0.39 225	0.28 218	0.40 232	0.29 217	0.33 198	0.32 214	0.33 207	0.31 242	0.32 187	0.31 230

EKT-Stereo	0.37 200	0.40 148	0.44 257	1.07 330	0.29 222	0.34 204	0.31 225	0.36 202	0.29 218	0.38 213	0.31 235	0.37 219	0.30 230	0.36 215	0.29 217	0.34 201	0.28 191	0.39 252	0.30 236	0.37 218	0.30 225

GMOStereo	0.37 200	0.45 169	0.23 166	0.30 164	0.37 268	0.41 244	0.36 256	0.41 237	0.35 251	0.43 254	0.36 261	0.41 244	0.40 270	0.41 246	0.36 255	0.34 201	0.22 171	0.47 292	0.37 270	0.39 234	0.33 239

XPNet_ROB	0.37 200	0.37 137	0.37 228	0.37 183	0.37 268	0.37 216	0.37 261	0.37 208	0.37 262	0.37 212	0.37 267	0.37 219	0.37 260	0.37 219	0.37 263	0.37 218	0.37 230	0.37 235	0.37 270	0.37 218	0.37 256

HART	0.38 206	0.45 169	0.34 215	0.42 222	0.33 248	0.41 244	0.34 244	0.42 253	0.33 240	0.43 254	0.34 249	0.42 260	0.34 247	0.41 246	0.38 266	0.40 238	0.32 214	0.42 278	0.32 246	0.40 238	0.32 234

GREAT-IGEV	0.38 206	0.43 163	0.36 225	0.48 237	0.32 237	0.45 269	0.32 226	0.45 259	0.32 235	0.45 259	0.32 237	0.45 266	0.32 237	0.45 266	0.32 229	0.44 262	0.33 221	0.41 268	0.29 226	0.41 248	0.29 215

fffy	0.38 206	0.43 163	0.33 207	0.46 227	0.33 248	0.45 269	0.32 226	0.45 259	0.32 235	0.45 259	0.32 237	0.45 266	0.33 243	0.45 266	0.32 229	0.38 225	0.38 236	0.38 242	0.37 270	0.37 218	0.36 252

WAO-8	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.38 220	0.38 267	0.38 213	0.38 266	0.38 213	0.38 272	0.38 221	0.38 264	0.38 221	0.38 266	0.38 225	0.38 236	0.38 242	0.37 270	0.38 227	0.38 263

WAO-7	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.38 220	0.38 267	0.38 213	0.38 266	0.38 213	0.38 272	0.38 221	0.38 264	0.38 221	0.38 266	0.38 225	0.38 236	0.38 242	0.38 282	0.38 227	0.38 263

xx1	0.38 206	1.03 269	0.31 198	0.40 204	0.31 235	0.41 244	0.28 209	0.40 222	0.29 218	0.40 223	0.29 221	0.40 232	0.29 224	0.40 232	0.29 217	0.34 201	0.33 221	0.34 214	0.32 246	0.34 197	0.32 234

Venus	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.37 216	0.38 267	0.37 208	0.37 262	0.41 236	0.37 267	0.39 225	0.37 260	0.38 221	0.38 266	0.37 218	0.38 236	0.38 242	0.37 270	0.37 218	0.38 263

IMH	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.38 220	0.38 267	0.38 213	0.38 266	0.42 248	0.38 272	0.40 232	0.38 264	0.38 221	0.38 266	0.38 225	0.38 236	0.39 252	0.38 282	0.38 227	0.38 263

PAM	0.39 214	1.88 366	0.34 215	0.37 183	0.41 288	0.45 269	0.22 178	0.28 179	0.23 185	0.28 182	0.24 195	0.29 191	0.23 189	0.29 194	0.23 185	0.38 225	0.32 214	0.38 242	0.37 270	0.32 187	0.22 170

HanzoNet	0.39 214	0.38 140	0.40 241	0.39 191	0.41 288	0.38 220	0.38 267	0.38 213	0.38 266	0.39 218	0.39 276	0.38 221	0.38 264	0.39 229	0.40 276	0.38 225	0.38 236	0.40 256	0.38 282	0.38 227	0.40 270

CES	0.39 214	0.47 177	0.36 225	0.36 180	0.37 268	0.45 269	0.35 249	0.35 198	0.40 275	0.36 207	0.44 298	0.47 274	0.36 256	0.44 263	0.36 255	0.37 218	0.39 243	0.44 281	0.35 262	0.37 218	0.36 252

PASM	0.39 214	3.06 418	1.36 432	1.58 411	0.09 105	0.11 112	0.11 121	0.11 114	0.11 123	0.09 100	0.09 105	0.11 113	0.09 106	0.09 101	0.09 98	0.11 85	0.11 93	0.11 111	0.09 103	0.11 113	0.11 118

mms	0.40 218	0.45 169	0.35 223	0.48 237	0.36 265	0.47 278	0.34 244	0.45 259	0.38 266	0.47 267	0.33 242	0.45 266	0.32 237	0.45 266	0.32 229	0.39 234	0.38 236	0.38 242	0.37 270	0.39 234	0.39 267

knoymous	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 232	0.40 270	0.40 232	0.40 276	0.40 238	0.40 246	0.40 256	0.40 286	0.40 238	0.40 270

anonymousa	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 232	0.40 270	0.40 232	0.40 276	0.40 238	0.40 246	0.40 256	0.40 286	0.40 238	0.40 270

riskmin	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 232	0.40 270	0.40 232	0.40 276	0.40 238	0.40 246	0.40 256	0.40 286	0.40 238	0.40 270

Anonymous_2	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 232	0.40 270	0.40 232	0.40 276	0.40 238	0.40 246	0.40 256	0.40 286	0.40 238	0.40 270

Anonymous_1	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 232	0.40 270	0.40 232	0.40 276	0.40 238	0.40 246	0.40 256	0.40 286	0.40 238	0.40 270

AdaStereo	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 232	0.40 270	0.40 232	0.40 276	0.40 238	0.40 246	0.40 256	0.40 286	0.40 238	0.40 270
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.
ccccc	0.41 225	0.44 166	0.34 215	0.48 237	0.35 259	0.48 283	0.35 249	0.51 292	0.35 251	0.47 267	0.35 257	0.47 274	0.34 247	0.47 273	0.35 251	0.41 246	0.40 246	0.40 256	0.40 286	0.41 248	0.39 267

GwcNet-ADL	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 244	0.41 281	0.41 246	0.41 283	0.41 246	0.41 255	0.41 268	0.41 293	0.41 248	0.41 277

PSMNet-ADL	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 244	0.41 281	0.41 246	0.41 283	0.41 246	0.41 255	0.41 268	0.41 293	0.41 248	0.41 277

GANet-ADL	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 244	0.41 281	0.41 246	0.41 283	0.41 246	0.41 255	0.41 268	0.41 293	0.41 248	0.41 277

ADLNet2	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 244	0.41 281	0.41 246	0.41 283	0.41 246	0.41 255	0.41 268	0.41 293	0.41 248	0.41 277

ADLNet	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 244	0.41 281	0.41 246	0.41 283	0.41 246	0.41 255	0.41 268	0.41 293	0.41 248	0.41 277

FCDSN-DC	0.41 225	0.59 209	0.64 307	0.54 259	0.33 248	0.50 296	0.37 261	0.42 253	0.40 275	0.61 316	0.43 296	0.50 298	0.49 310	0.38 221	0.32 229	0.28 183	0.23 175	0.26 181	0.22 182	0.35 209	0.28 210
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 225	0.46 173	0.33 207	0.49 243	0.33 248	0.49 288	0.33 235	0.49 275	0.33 240	0.49 280	0.33 242	0.49 284	0.33 243	0.51 299	0.33 236	0.41 246	0.30 208	0.41 268	0.30 236	0.79 318	0.29 215

Gwc-CoAtRS	0.41 225	1.49 350	0.32 202	0.42 222	0.32 237	0.41 244	0.32 226	0.41 237	0.33 240	0.41 236	0.32 237	0.41 244	0.32 237	0.41 246	0.32 229	0.39 234	0.28 191	0.39 252	0.28 217	0.40 238	0.28 210

UPFNet	0.42 234	1.20 291	0.17 146	0.24 147	0.17 168	0.25 175	0.17 154	1.19 370	0.90 366	0.25 172	0.17 164	0.24 170	0.17 161	0.25 176	0.17 159	0.22 155	0.17 154	0.22 164	0.16 154	1.15 356	0.93 366

psmg	0.43 235	1.91 370	0.92 345	1.91 423	0.02 21	0.02 19	0.03 49	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 444	1.44 434	0.04 70	0.03 53	0.02 20	0.03 50

delet	0.43 235	1.21 337	0.17 146	0.25 152	0.17 168	0.25 175	0.18 160	1.26 422	0.95 374	0.25 172	0.17 164	0.25 175	0.17 161	0.25 176	0.17 159	0.23 166	0.16 139	0.22 164	0.16 154	1.18 364	0.98 370

psm_up	0.43 235	1.19 290	0.17 146	0.25 152	0.18 175	0.25 175	0.19 164	1.26 422	0.91 367	0.26 179	0.17 164	0.25 175	0.17 161	0.25 176	0.17 159	0.22 155	0.17 154	0.23 170	0.16 154	1.18 364	0.99 371

MMNet	0.44 238	1.24 341	0.17 146	0.25 152	0.17 168	0.25 175	0.18 160	1.26 422	0.93 372	0.25 172	0.17 164	0.25 175	0.18 168	0.25 176	0.17 159	0.23 166	0.16 139	0.23 170	0.16 154	1.20 367	0.99 371

SCV_C0	0.45 239	0.88 234	0.49 279	0.54 259	0.37 268	0.48 283	0.37 261	0.48 271	0.37 262	0.48 273	0.36 261	0.48 280	0.37 260	0.49 286	0.37 263	0.50 282	0.41 255	0.44 281	0.34 256	0.44 257	0.34 245

RAFT-Stereo-weight	0.45 239	1.90 369	0.34 215	0.42 222	0.36 265	0.43 266	0.35 249	0.42 253	0.34 248	0.42 248	0.34 249	0.44 264	0.34 247	0.41 246	0.34 249	0.38 225	0.32 214	0.38 242	0.32 246	0.38 227	0.33 239

TorneroNet-64	0.45 239	0.27 121	0.30 192	0.58 265	0.27 212	0.70 329	0.30 221	0.28 179	0.73 353	0.73 332	0.28 217	0.71 331	0.66 335	0.75 335	0.27 201	0.27 181	0.29 200	0.37 235	0.75 356	0.28 176	0.30 225

SCV	0.46 242	0.94 249	0.45 259	0.54 259	0.37 268	0.48 283	0.38 267	0.48 271	0.37 262	0.48 273	0.39 276	0.48 280	0.37 260	0.49 286	0.37 263	0.50 282	0.46 267	0.44 281	0.34 256	0.44 257	0.34 245

otaku	0.46 242	0.46 173	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 262	0.46 296	0.46 262	0.46 303	0.46 269	0.46 296	0.46 269	0.46 297	0.46 264	0.46 267	0.46 288	0.46 305	0.46 262	0.46 291

Dean	0.46 242	0.46 173	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 262	0.46 296	0.47 267	0.46 303	0.46 269	0.46 296	0.46 269	0.46 297	0.46 264	0.46 267	0.46 288	0.46 305	0.46 262	0.46 291

ACVNet_1	0.46 242	0.47 177	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 262	0.47 301	0.46 262	0.46 303	0.46 269	0.46 296	0.46 269	0.46 297	0.46 264	0.46 267	0.47 292	0.46 305	0.46 262	0.46 291

ACVNet-4b	0.46 242	0.46 173	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 262	0.46 296	0.46 262	0.46 303	0.46 269	0.46 296	0.47 273	0.46 297	0.46 264	0.46 267	0.46 288	0.46 305	0.46 262	0.46 291

PML	0.46 242	1.36 348	0.29 188	0.58 265	0.30 231	0.57 316	0.29 216	0.57 302	0.29 218	0.57 311	0.29 221	0.57 315	0.29 224	0.56 309	0.29 217	0.52 290	0.30 208	0.53 318	0.31 242	0.53 291	0.30 225

LG-Stereo_L1	0.47 248	0.52 198	0.47 268	0.62 271	0.39 280	0.53 306	0.40 274	0.53 295	0.39 274	0.53 301	0.39 276	0.53 305	0.39 269	0.53 304	0.39 272	0.55 294	0.46 267	0.49 304	0.37 270	0.49 275	0.37 256

Ntro	0.47 248	0.47 177	0.46 263	0.46 227	0.46 305	0.47 278	0.47 301	0.46 262	0.47 301	0.46 262	0.46 303	0.47 274	0.46 296	0.47 273	0.47 303	0.47 269	0.46 267	0.46 288	0.46 305	0.46 262	0.46 291

HaxPig	0.47 248	0.47 177	0.47 268	0.49 243	0.47 311	0.47 278	0.47 301	0.47 267	0.47 301	0.47 267	0.47 311	0.47 274	0.47 304	0.47 273	0.47 303	0.47 269	0.47 275	0.47 292	0.47 312	0.47 269	0.48 300

UNDER WATER	0.47 248	0.47 177	0.47 268	0.47 233	0.47 311	0.47 278	0.47 301	0.47 267	0.47 301	0.47 267	0.47 311	0.47 274	0.46 296	0.47 273	0.47 303	0.47 269	0.47 275	0.47 292	0.46 305	0.47 269	0.47 298

LVE	0.47 248	0.47 177	0.47 268	0.47 233	0.49 317	0.47 278	0.47 301	0.47 267	0.49 310	0.47 267	0.47 311	0.47 274	0.46 296	0.47 273	0.47 303	0.47 269	0.47 275	0.48 300	0.47 312	0.47 269	0.47 298

LG-Stereo_Zeroshot	0.48 253	0.55 206	0.47 268	0.63 273	0.41 288	0.56 311	0.44 290	0.56 299	0.41 284	0.56 309	0.41 285	0.57 315	0.42 287	0.56 309	0.41 283	0.55 294	0.43 263	0.51 313	0.37 270	0.51 286	0.37 256

fffft	0.48 253	0.51 196	0.45 259	0.52 256	0.45 303	0.52 305	0.45 294	0.52 294	0.48 308	0.53 301	0.45 301	0.52 304	0.45 293	0.52 302	0.46 297	0.51 288	0.41 255	0.50 308	0.41 293	0.50 280	0.41 277
1: 1. 1
RainbowNet	0.48 253	0.48 183	0.48 275	0.48 237	0.48 315	0.48 283	0.48 310	0.48 271	0.48 308	0.48 273	0.48 315	0.48 280	0.48 305	0.48 280	0.48 309	0.48 273	0.48 278	0.48 300	0.48 315	0.48 272	0.48 300

notaker	0.48 253	0.49 185	0.48 275	0.48 237	0.48 315	0.48 283	0.48 310	0.48 271	0.49 310	0.48 273	0.48 315	0.48 280	0.48 305	0.48 280	0.48 309	0.48 273	0.48 278	0.48 300	0.48 315	0.48 272	0.49 305

LL-Strereo2	0.48 253	1.73 361	0.51 287	0.59 267	0.34 256	0.42 262	0.33 235	0.40 222	0.31 232	0.42 248	0.33 242	0.42 260	0.31 235	0.44 263	0.39 272	0.60 299	0.51 291	0.44 281	0.33 254	0.44 257	0.33 239

Former-RAFT_DAM_RVC	0.49 258	0.98 254	0.64 307	0.84 299	0.46 305	0.45 269	0.35 249	0.47 267	0.47 301	0.45 259	0.34 249	0.46 269	0.48 305	0.46 269	0.35 251	0.39 234	0.71 323	0.39 252	0.35 262	0.41 248	0.41 277

ACVNet_2	0.49 258	0.49 185	0.49 279	0.49 243	0.49 317	0.49 288	0.49 312	0.49 275	0.49 310	0.49 280	0.49 318	0.49 284	0.49 310	0.49 286	0.49 311	0.49 276	0.49 281	0.49 304	0.49 318	0.49 275	0.49 305

FoundationStereo	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 283	0.50 313	0.50 292	0.50 320	0.50 298	0.50 313	0.50 293	0.50 312	0.50 282	0.50 287	0.50 308	0.50 320	0.50 280	0.50 308

StereoAnything_RVC	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 283	0.50 313	0.50 292	0.50 320	0.50 298	0.50 313	0.50 293	0.50 312	0.50 282	0.50 287	0.50 308	0.50 320	0.50 280	0.50 308

dual_stereo	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 283	0.50 313	0.50 292	0.50 320	0.50 298	0.50 313	0.50 293	0.50 312	0.50 282	0.50 287	0.50 308	0.50 320	0.50 280	0.50 308

GCST	0.50 260	2.08 380	0.38 231	0.53 257	0.35 259	0.49 288	0.35 249	0.50 283	0.35 251	0.49 280	0.35 257	0.49 284	0.35 253	0.49 286	0.35 251	0.48 273	0.37 230	0.45 285	0.33 254	0.44 257	0.33 239

SANet	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 283	0.50 313	0.50 292	0.50 320	0.50 298	0.50 313	0.50 293	0.50 312	0.50 282	0.50 287	0.50 308	0.50 320	0.50 280	0.50 308

UGAM-zero	0.51 265	2.17 388	0.39 238	0.53 257	0.36 265	0.50 296	0.36 256	0.50 283	0.36 261	0.49 280	0.36 261	0.50 298	0.35 253	0.50 293	0.36 255	0.49 276	0.37 230	0.47 292	0.35 262	0.46 262	0.34 245

UGAM	0.51 265	2.23 391	0.39 238	0.54 259	0.35 259	0.50 296	0.35 249	0.49 275	0.35 251	0.49 280	0.35 257	0.49 284	0.36 256	0.50 293	0.36 255	0.49 276	0.37 230	0.45 285	0.34 256	0.45 261	0.34 245

Selective-IGEV	0.51 265	0.55 206	0.45 259	0.69 282	0.45 303	0.61 319	0.45 294	0.50 283	0.40 275	0.56 309	0.44 298	0.55 311	0.40 270	0.72 330	0.67 336	0.59 298	0.46 267	0.45 285	0.34 256	0.46 262	0.37 256

RCA-Stereo	0.51 265	3.22 424	0.34 215	0.44 225	0.34 256	0.44 268	0.34 244	0.43 257	0.34 248	0.43 254	0.34 249	0.44 264	0.33 243	0.43 261	0.33 236	0.38 225	0.29 200	0.38 242	0.29 226	0.38 227	0.29 215

AIO-test1	0.54 269	0.60 211	0.52 290	0.66 280	0.47 311	0.61 319	0.47 301	0.58 305	0.46 296	0.61 316	0.46 303	0.61 321	0.45 293	0.62 317	0.45 293	0.61 302	0.52 293	0.57 321	0.48 315	0.57 294	0.48 300

castereo++	0.54 269	3.59 429	1.15 363	1.31 401	0.14 147	0.16 132	0.14 141	0.16 131	0.14 146	0.16 128	0.14 150	0.16 129	0.13 143	0.16 130	0.14 140	1.45 425	1.16 369	0.15 132	0.14 149	0.15 132	0.13 139

FENet	0.54 269	1.52 351	1.19 369	1.41 408	0.23 195	0.35 208	0.23 185	0.35 198	0.23 185	0.34 200	0.23 189	0.35 207	0.23 189	0.35 209	0.23 185	1.40 423	1.07 353	0.32 199	0.23 187	0.33 193	0.23 172

PSMNet_ROB	0.54 269	0.54 204	0.54 294	0.54 259	0.53 330	0.54 309	0.54 322	0.53 295	0.54 323	0.54 304	0.54 330	0.54 307	0.53 320	0.54 305	0.54 322	0.54 292	0.53 295	0.54 319	0.54 325	0.54 292	0.54 316

AIO-test2	0.55 273	0.59 209	0.52 290	0.67 281	0.47 311	0.61 319	0.47 301	0.61 311	0.47 301	0.61 316	0.47 311	0.61 321	0.48 305	0.62 317	0.47 303	0.64 307	0.53 295	0.58 322	0.47 312	0.58 295	0.48 300

CFNet-ft	0.55 273	1.57 352	0.14 123	0.20 130	0.14 147	0.20 151	2.53 476	1.61 434	0.14 146	0.20 147	0.14 150	0.20 148	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	1.56 426	1.24 440

MyStereo04	0.56 275	3.72 435	0.59 299	0.49 243	0.41 288	0.36 211	0.32 226	0.37 208	0.31 232	0.34 200	0.46 303	0.35 207	0.32 237	0.35 209	0.33 236	0.49 276	0.45 265	0.34 214	0.32 246	0.35 209	0.43 285

CASS	0.57 276	0.89 237	0.56 296	0.57 264	0.56 333	0.56 311	0.56 323	0.56 299	0.53 321	0.57 311	0.57 333	0.59 319	0.48 305	0.56 309	0.57 325	0.55 294	0.56 299	0.47 292	0.56 329	0.62 298	0.56 323
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 277	0.58 208	0.47 268	0.64 276	0.74 362	1.00 358	0.69 341	0.57 302	0.41 284	0.57 311	0.41 285	0.57 315	0.41 281	1.00 363	0.75 352	0.91 337	0.51 291	0.52 316	0.37 270	0.52 288	0.37 256

MonSter	0.60 277	0.64 214	0.52 290	0.62 271	0.44 301	2.07 453	0.44 290	0.62 312	0.44 294	0.62 319	0.44 298	0.62 323	0.44 291	0.62 317	0.44 292	0.58 297	0.42 262	0.62 325	0.46 305	0.58 295	0.42 284

MyStereo07	0.60 277	3.72 435	0.48 275	0.49 243	0.41 288	0.36 211	0.32 226	0.49 275	0.43 291	0.51 296	0.42 294	0.49 284	0.43 289	0.51 299	0.64 331	0.49 276	0.45 265	0.34 214	0.32 246	0.35 209	0.43 285

castereo	0.61 280	3.79 437	1.35 427	1.52 410	0.15 158	0.17 140	0.16 149	0.20 148	0.21 176	0.18 140	0.16 159	0.21 156	0.12 138	0.26 186	0.17 159	1.43 424	1.38 431	0.17 142	0.16 154	0.18 145	0.16 145

WCG-NET	0.61 280	1.21 337	0.54 294	0.61 270	0.53 330	0.67 327	0.53 320	0.66 317	0.53 321	0.64 322	0.53 329	0.65 327	0.53 320	0.59 315	0.52 319	0.65 308	0.48 278	0.64 328	0.52 324	0.58 295	0.50 308

SMoEStereo_RVC	0.63 282	0.75 220	0.51 287	0.73 288	0.53 330	0.71 331	0.47 301	0.67 318	0.58 326	0.74 337	0.60 334	0.72 334	0.53 320	0.74 334	0.51 317	0.61 302	0.62 308	0.62 325	0.61 336	0.63 299	0.61 326

anonymity	0.63 282	0.69 216	0.56 296	0.71 286	0.56 333	0.71 331	0.56 323	0.71 323	0.56 324	0.72 330	0.56 332	0.71 331	0.56 324	0.71 329	0.58 326	0.68 312	0.55 297	0.68 333	0.55 326	0.68 303	0.54 316

PAM_32	0.64 284	2.38 397	0.51 287	0.92 309	0.43 300	0.53 306	0.44 290	0.87 335	0.43 291	0.52 299	0.45 301	0.53 305	0.40 270	0.54 305	0.46 297	0.62 305	0.56 299	0.48 300	0.45 303	0.76 314	0.44 288

CRFU-Net	0.65 285	1.67 356	1.22 419	1.96 426	0.27 212	0.41 244	0.27 204	0.41 237	0.27 210	0.40 223	0.26 207	0.41 244	0.27 212	0.40 232	0.27 201	1.80 438	1.62 445	0.34 214	0.23 187	0.33 193	0.23 172

LMCR-Stereo	0.65 285	0.63 212	0.65 310	0.65 277	0.65 347	0.66 326	0.63 329	0.58 305	0.65 336	0.63 321	0.64 341	0.65 327	0.65 332	0.66 324	0.66 335	0.66 310	0.64 311	0.65 331	0.67 345	0.68 303	0.73 346

KSHMR	0.66 287	0.50 189	0.48 275	1.15 340	0.52 327	0.49 288	0.51 318	0.49 275	0.71 349	0.67 326	0.50 320	1.16 381	1.11 375	0.66 324	0.52 319	0.49 276	0.49 281	0.51 313	0.66 341	0.50 280	1.14 387

TorneroNet	0.66 287	0.53 201	0.50 282	0.50 250	0.64 345	1.06 365	0.70 343	0.50 283	0.51 320	0.49 280	0.69 350	0.49 284	0.50 313	0.48 280	1.15 387	0.71 317	0.49 281	1.14 379	1.08 382	0.49 275	0.49 305

GES	0.66 287	2.34 395	0.29 188	0.41 214	0.29 222	0.41 244	0.29 216	0.42 253	0.29 218	0.40 223	0.41 285	0.41 244	0.30 230	0.51 299	0.29 217	0.32 195	0.29 200	0.32 199	2.46 479	2.49 452	0.30 225

cf-r	0.66 287	2.17 388	0.12 99	0.18 125	0.12 142	0.18 143	2.70 479	2.60 461	0.12 141	0.18 140	0.12 133	0.18 142	0.12 138	0.18 141	0.12 130	0.15 122	0.11 93	0.15 132	0.11 122	1.81 431	1.74 466

DSFCA	0.66 287	0.73 219	0.78 329	0.65 277	0.65 347	0.64 324	0.64 330	0.65 315	0.63 334	0.64 322	0.64 341	0.64 324	0.64 330	0.65 323	0.65 332	0.65 308	0.65 312	0.65 331	0.65 339	0.66 301	0.64 331

DEFOM-Stereo	0.68 292	3.11 420	1.40 437	1.63 417	0.25 202	0.31 192	0.25 193	0.31 187	0.28 213	0.31 188	0.29 221	0.29 191	0.27 212	0.31 198	0.28 207	1.59 431	1.47 436	0.30 194	0.29 226	0.30 182	0.28 210

ssnet_v2	0.68 292	1.96 377	1.25 423	0.29 163	0.20 181	0.30 189	0.20 167	0.29 183	0.22 179	1.50 436	0.20 179	0.31 196	0.20 177	0.27 189	0.22 179	0.24 171	1.49 437	0.26 181	0.18 176	3.90 464	0.19 163

ARAFT	0.68 292	0.81 227	0.63 305	0.74 289	0.60 336	0.78 336	0.62 328	0.77 327	0.66 338	0.74 337	0.63 339	0.75 338	0.62 329	0.83 341	0.60 328	0.70 316	0.55 297	0.70 336	0.60 334	0.78 316	0.55 320

NINENet	0.69 295	3.87 441	1.20 372	1.98 427	0.05 92	0.40 228	0.04 76	0.40 222	0.05 91	0.41 236	0.04 84	0.41 244	0.05 87	0.40 232	0.05 82	1.79 437	1.56 440	0.34 214	0.22 182	0.34 197	0.23 172

RAFT-Stereo + iAFF	0.70 296	0.72 218	0.71 320	0.80 294	0.62 344	0.82 341	0.61 327	0.81 333	0.62 332	0.81 344	0.63 339	0.80 344	0.70 341	0.73 332	0.61 330	0.76 321	0.61 307	0.74 339	0.61 336	0.77 315	0.61 326

DMCA-RVC	0.70 296	0.80 224	0.70 317	0.70 284	0.70 356	0.70 329	0.70 343	0.71 323	0.70 346	0.70 329	0.71 354	0.71 331	0.70 341	0.70 328	0.69 344	0.69 313	0.70 319	0.69 334	0.70 350	0.69 307	0.70 339

MyStereo8	0.71 298	3.92 442	0.52 290	0.59 267	0.52 327	0.57 316	0.53 320	0.59 307	0.50 313	0.59 315	0.51 326	0.57 315	0.50 313	0.56 309	0.52 319	0.54 292	0.49 281	0.54 319	0.49 318	0.55 293	0.50 308

HH	0.71 298	2.54 400	0.74 324	1.10 332	0.32 237	0.41 244	0.37 261	0.69 320	0.78 356	0.73 332	0.90 368	0.75 338	1.00 365	0.84 342	0.69 344	0.69 313	0.40 246	0.35 227	0.26 206	0.35 209	0.26 189

HanStereo	0.71 298	2.54 400	0.74 324	1.10 332	0.32 237	0.41 244	0.37 261	0.69 320	0.78 356	0.73 332	0.90 368	0.75 338	1.00 365	0.84 342	0.69 344	0.69 313	0.40 246	0.35 227	0.26 206	0.35 209	0.26 189

ktn	0.72 301	0.53 201	1.08 358	1.14 338	0.51 326	1.22 426	1.36 446	0.51 292	0.59 327	0.51 296	0.51 326	0.69 330	1.20 386	0.67 326	0.51 317	0.51 288	0.49 281	0.58 322	0.66 341	0.52 288	0.53 315

CroCo-Stereo	0.73 302	1.22 340	0.25 175	1.22 394	0.25 202	1.22 426	0.25 193	1.22 419	0.25 192	1.22 427	0.25 201	1.22 430	0.25 195	1.22 430	0.25 195	1.22 412	0.26 181	1.21 435	0.25 200	1.22 414	0.25 183
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
AFF-stereo	0.73 302	0.88 234	0.67 314	0.75 290	0.68 354	0.75 333	0.64 330	0.80 330	0.72 350	0.83 345	0.70 351	0.82 347	0.64 330	0.84 342	0.67 336	0.77 322	0.63 309	0.81 350	0.63 338	0.78 316	0.62 329

AIO-Stereo-zeroshot1	0.75 304	0.92 246	0.85 337	0.96 319	0.59 335	1.27 429	0.44 290	0.59 307	0.69 343	0.91 350	0.68 347	0.55 311	0.61 328	1.06 370	0.83 361	0.62 305	0.70 319	0.90 358	0.41 293	0.89 331	0.56 323

MyStereo06	0.75 304	4.12 443	0.60 301	0.63 273	0.61 341	0.62 322	0.66 333	0.56 299	0.45 295	0.55 307	0.48 315	0.54 307	0.46 296	0.57 313	0.45 293	0.60 299	0.57 301	0.64 328	0.55 326	0.72 309	0.55 320

GCAP-Stereo	0.75 304	4.15 446	0.42 254	0.75 290	0.35 259	0.78 336	0.40 274	0.79 328	0.38 266	0.78 340	0.36 261	0.78 341	0.36 256	0.79 337	0.39 272	0.75 320	0.39 243	0.76 342	0.39 285	0.75 313	0.39 267

GANet-RSSM	0.75 304	1.91 370	0.14 123	0.47 233	0.14 147	0.21 159	3.21 496	2.30 455	0.14 146	0.46 262	0.14 150	0.23 166	0.18 168	0.21 159	0.14 140	0.18 144	0.27 186	0.37 235	0.13 146	2.13 440	2.12 469

RSM++	0.76 308	0.82 229	0.66 311	0.85 301	0.64 345	0.85 342	0.71 346	0.94 348	0.64 335	0.87 346	0.67 346	0.87 349	0.65 332	0.84 342	0.65 332	0.81 327	0.70 319	0.79 345	0.71 353	0.83 326	0.70 339

CroCo-Stereo Lap2	0.77 309	1.29 343	0.29 188	1.27 398	0.29 222	1.27 429	0.26 201	1.26 422	0.26 205	1.26 428	0.26 207	1.27 432	0.26 204	1.26 431	0.27 201	1.27 414	0.27 186	1.27 438	0.27 213	1.27 416	0.27 197

PSMNet-RSSM	0.77 309	2.76 411	0.14 123	0.20 130	0.14 147	0.20 151	2.66 477	2.79 467	0.14 146	0.21 157	0.14 150	0.21 156	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	2.52 453	2.31 474

GwcNet-RSSM	0.77 309	2.77 413	0.14 123	0.20 130	0.14 147	0.20 151	2.67 478	2.78 466	0.14 146	0.20 147	0.14 150	0.20 148	0.14 147	0.21 159	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	2.52 453	2.31 474

4D-IteraStereo	0.78 312	3.13 421	0.89 338	0.69 282	0.32 237	0.40 228	0.32 226	0.76 326	0.97 377	0.52 299	0.65 343	0.89 352	0.32 237	0.76 336	0.98 373	0.83 330	0.94 345	0.35 227	0.27 213	0.70 308	0.89 362

hitnet-ft	0.79 313	2.78 414	0.14 123	0.20 130	0.14 147	0.21 159	2.89 480	2.80 468	0.14 146	0.20 147	0.14 150	0.20 148	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	2.54 455	2.33 476

G-Net	0.79 313	0.79 223	0.79 332	0.79 292	0.79 366	0.79 338	0.79 353	0.79 328	0.79 359	0.79 341	0.79 363	0.79 343	0.79 353	0.79 337	0.79 355	0.79 323	0.79 332	0.79 345	0.79 360	0.79 318	0.79 353

MyStereo05	0.80 315	4.12 443	0.63 305	0.63 273	0.61 341	0.62 322	0.66 333	0.65 315	0.62 332	0.67 326	0.61 337	0.65 327	0.58 325	0.67 326	0.55 324	0.60 299	0.57 301	0.64 328	0.55 326	0.72 309	0.55 320

UDG	0.80 315	2.21 390	0.60 301	0.91 306	0.60 336	0.90 348	0.58 325	0.88 338	0.60 328	0.90 348	0.60 334	0.88 350	0.60 327	0.90 350	0.58 326	0.86 334	0.60 303	0.84 354	0.59 333	0.84 327	0.61 326

ccnet	0.80 315	2.28 393	0.33 207	0.50 250	0.33 248	0.50 296	0.33 235	0.50 283	0.33 240	0.49 280	0.33 242	0.49 284	1.56 447	2.38 459	0.33 236	0.41 246	0.29 200	0.42 278	1.57 456	2.28 445	0.29 215

NaN_ROB	0.80 315	0.80 224	0.80 333	0.80 294	0.80 368	0.80 339	0.80 356	0.80 330	0.80 360	0.80 342	0.80 364	0.80 344	0.80 354	0.80 339	0.80 357	0.80 324	0.80 335	0.80 348	0.80 362	0.80 321	0.80 354

CSAN	0.80 315	0.80 224	0.80 333	0.80 294	0.80 368	0.80 339	0.80 356	0.80 330	0.80 360	0.80 342	0.80 364	0.80 344	0.80 354	0.80 339	0.80 357	0.80 324	0.80 335	0.80 348	0.80 362	0.80 321	0.80 354

BSDual-CNN	0.81 320	1.91 370	0.92 345	4.48 468	0.02 21	0.42 262	0.06 98	0.41 237	0.02 21	0.48 273	0.03 51	0.02 20	0.02 21	0.03 39	0.02 20	1.97 444	4.19 490	0.33 207	0.23 187	0.34 197	0.27 197

DDUNet	0.81 320	2.45 398	0.57 298	0.90 304	0.60 336	0.88 345	0.59 326	0.90 339	0.60 328	0.88 347	0.60 334	0.90 353	0.58 325	0.88 347	0.60 328	0.84 332	0.60 303	0.86 356	0.57 330	0.86 328	0.60 325

R-Stereo Train	0.81 320	0.96 251	0.67 314	0.95 316	0.67 351	0.95 353	0.68 338	0.95 350	0.68 340	0.95 358	0.68 347	0.96 361	0.68 338	0.96 360	0.68 340	0.94 344	0.68 314	0.94 364	0.68 346	0.94 340	0.68 337

RAFT-Stereo	0.81 320	0.96 251	0.67 314	0.95 316	0.67 351	0.95 353	0.68 338	0.95 350	0.68 340	0.95 358	0.68 347	0.96 361	0.68 338	0.96 360	0.68 340	0.94 344	0.68 314	0.94 364	0.68 346	0.94 340	0.68 337
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 324	1.72 357	1.48 439	0.39 191	0.15 158	0.31 192	0.21 173	0.20 148	0.25 192	1.61 438	0.23 189	0.28 186	0.26 204	0.20 148	0.15 150	0.24 171	1.33 425	0.32 199	0.16 154	6.75 502	0.23 172

scenet	0.82 324	1.72 357	1.48 439	0.39 191	0.15 158	0.31 192	0.21 173	0.20 148	0.25 192	1.61 438	0.23 189	0.28 186	0.26 204	0.20 148	0.15 150	0.24 171	1.33 425	0.32 199	0.16 154	6.75 502	0.23 172

ssnet	0.82 324	1.72 357	1.48 439	0.39 191	0.15 158	0.31 192	0.21 173	0.20 148	0.25 192	1.61 438	0.23 189	0.28 186	0.26 204	0.20 148	0.15 150	0.24 171	1.33 425	0.32 199	0.16 154	6.75 502	0.23 172

DEFOM-Stereo_RVC	0.83 327	5.18 459	1.98 463	2.19 432	0.17 168	0.19 146	0.18 160	0.19 143	0.16 158	0.20 147	0.19 175	0.22 162	0.22 183	0.20 148	0.15 150	2.28 452	2.13 460	0.24 177	0.17 172	0.18 145	0.16 145

BUS	0.83 327	1.91 370	0.92 345	4.48 468	0.02 21	0.40 228	0.04 76	0.41 237	0.02 21	0.48 273	0.03 51	0.41 244	0.05 87	0.03 39	0.05 82	1.97 444	4.19 490	0.33 207	0.23 187	0.34 197	0.27 197

PDISCO_ROB	0.83 327	2.80 415	3.49 489	0.14 96	0.11 127	0.17 140	0.09 103	0.15 130	0.10 108	0.15 123	0.12 133	0.16 129	0.14 147	3.30 474	0.13 136	0.14 113	2.34 465	0.16 135	0.12 138	2.62 456	0.10 106

AIO-Stereo	0.84 330	0.66 215	0.70 317	0.83 298	0.67 351	0.98 356	0.82 359	1.14 362	0.72 350	1.03 365	0.74 359	1.03 369	1.09 374	0.99 362	0.45 293	1.04 350	0.73 325	0.95 366	0.74 355	0.94 340	0.46 291

DCRE	0.84 330	1.89 367	0.77 328	0.94 314	0.72 359	0.88 345	0.73 348	0.87 335	0.78 356	0.90 348	0.71 354	0.88 350	0.67 337	0.88 347	0.73 349	0.81 327	0.68 314	0.81 350	0.70 350	0.82 325	0.70 339

iGMRVC	0.84 330	2.85 416	0.72 321	0.72 287	0.73 360	0.77 334	0.79 353	0.73 325	0.74 355	0.73 332	0.72 356	0.73 336	0.76 350	0.73 332	0.73 349	0.72 318	0.73 325	0.73 338	0.72 354	0.73 312	0.72 343

GEStereo_RVC	0.86 333	4.45 449	0.20 157	0.27 161	0.20 181	0.27 185	0.20 167	0.26 176	0.18 165	5.03 502	0.20 179	0.27 185	0.19 173	0.27 189	0.21 177	0.20 147	0.19 161	0.19 155	4.02 506	0.20 152	0.18 161

Selective-RAFT-Error	0.88 334	0.84 230	0.98 350	0.86 302	0.97 382	0.88 345	0.95 370	0.84 334	0.99 380	0.92 352	0.82 366	0.84 348	0.98 364	0.87 346	0.97 372	0.81 327	0.83 338	0.79 345	0.82 365	0.79 318	0.85 359

IER	0.88 334	7.04 478	2.23 466	2.75 450	0.28 215	0.43 266	0.25 193	0.39 217	0.25 192	0.41 236	0.27 211	0.39 225	0.25 195	0.40 232	0.28 207	0.37 218	0.28 191	0.37 235	0.25 200	0.37 218	0.25 183

Selective-RAFT	0.89 336	0.89 237	0.72 321	1.16 345	0.78 365	1.06 365	0.82 359	0.87 335	0.97 377	1.00 360	0.91 371	0.90 353	1.00 365	0.89 349	0.93 369	0.83 330	0.83 338	0.82 352	0.82 365	0.81 324	0.82 357

AIO-Stereo-zeroshot	0.91 337	0.86 231	0.89 338	1.25 397	0.69 355	1.05 364	0.81 358	1.16 365	0.50 313	1.12 374	0.97 376	0.72 334	0.82 356	1.06 370	0.95 370	0.61 302	0.87 340	1.03 376	0.85 368	1.04 349	1.01 376

CFNet-RSSM	0.91 337	4.89 455	0.34 215	0.44 225	1.07 391	1.62 444	1.40 452	0.91 341	0.35 251	1.60 437	1.39 451	0.64 324	0.34 247	0.44 263	0.33 236	0.41 246	0.35 225	0.75 340	0.30 236	0.41 248	0.29 215

MLG-Stereo	0.92 339	0.90 239	0.84 336	1.27 398	0.49 317	1.38 436	0.88 362	1.41 432	0.97 377	0.73 332	1.09 384	1.26 431	0.43 289	0.72 330	1.05 380	1.13 361	0.49 281	1.18 388	0.66 341	1.01 347	0.46 291

ToySt	0.92 339	2.11 383	0.90 341	0.95 316	0.79 366	0.99 357	0.78 352	0.94 348	0.81 363	0.94 356	0.78 362	0.95 360	0.77 351	0.94 356	0.86 363	0.91 337	0.79 332	0.85 355	0.77 357	0.89 331	0.73 346

DPSM_ROB	0.92 339	0.91 241	0.91 343	0.91 306	0.92 377	0.92 350	0.92 366	0.92 344	0.91 367	0.93 354	0.91 371	0.92 356	0.90 358	0.91 351	0.92 365	0.92 340	0.91 341	0.91 360	0.92 369	0.93 338	0.93 366

DPSM	0.92 339	0.91 241	0.91 343	0.91 306	0.92 377	0.92 350	0.92 366	0.92 344	0.91 367	0.93 354	0.91 371	0.92 356	0.90 358	0.91 351	0.92 365	0.92 340	0.91 341	0.91 360	0.92 369	0.93 338	0.93 366

pmcnn	0.92 339	0.92 246	0.92 345	0.92 309	0.92 377	0.92 350	0.92 366	0.92 344	0.92 371	0.92 352	0.92 374	0.92 356	0.92 360	0.92 355	0.92 365	0.92 340	0.92 343	0.92 362	0.92 369	0.92 337	0.92 365

error version	0.93 344	4.47 450	2.35 469	1.99 428	0.37 268	0.41 244	0.36 256	0.41 237	0.35 251	0.43 254	0.36 261	0.41 244	0.40 270	0.41 246	0.36 255	1.87 440	2.16 461	0.47 292	0.37 270	0.39 234	0.33 239

test_1	0.93 344	4.47 450	2.35 469	1.99 428	0.37 268	0.41 244	0.36 256	0.41 237	0.35 251	0.43 254	0.36 261	0.41 244	0.40 270	0.41 246	0.36 255	1.87 440	2.16 461	0.47 292	0.37 270	0.39 234	0.33 239

DGTPSM_ROB	0.93 344	1.00 257	0.92 345	0.94 314	0.96 381	0.91 349	0.92 366	0.91 341	0.96 376	0.91 350	0.96 375	0.93 359	0.92 360	0.94 356	0.92 365	0.92 340	0.92 343	0.90 358	0.92 369	0.94 340	0.91 364

HSM-Net_RVC	0.95 347	1.17 287	0.78 329	1.18 347	0.71 357	1.16 379	0.75 350	1.09 360	0.80 360	1.10 369	0.75 360	1.17 382	0.74 347	1.17 382	0.80 357	1.13 361	0.73 325	1.17 385	0.77 357	1.16 358	0.72 343
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 348	3.17 423	2.30 468	2.42 444	0.38 275	0.54 309	0.38 267	0.54 297	0.38 266	0.54 304	0.38 272	0.54 307	0.38 264	0.54 305	0.38 266	2.38 458	2.34 465	0.49 304	0.36 268	0.49 275	0.36 252

DPSimNet_ROB	0.97 348	1.18 289	0.81 335	1.10 332	0.91 376	1.02 363	0.82 359	1.04 357	0.91 367	1.03 365	0.86 367	1.28 433	0.82 356	1.03 368	0.89 364	1.17 364	0.81 337	1.02 375	0.82 365	1.08 351	0.81 356

test-3	0.98 350	4.13 445	1.85 454	1.85 420	0.61 341	0.69 328	0.37 261	0.63 313	0.61 331	0.66 325	0.51 326	0.73 336	0.44 291	0.57 313	0.54 322	1.68 435	1.81 455	0.40 256	0.43 301	0.66 301	0.50 308

999	1.00 351	1.12 282	0.59 299	1.10 332	1.21 448	1.09 371	0.52 319	1.08 358	1.43 456	1.18 379	1.35 446	0.98 363	0.52 319	0.91 351	0.85 362	0.72 318	1.46 435	0.83 353	0.98 374	0.68 303	1.41 452

DispNO	1.00 351	0.63 212	0.43 255	3.45 461	0.44 301	0.65 325	0.43 289	0.64 314	0.43 291	0.64 322	0.43 296	0.64 324	3.03 473	0.64 322	0.43 291	4.55 479	0.43 263	0.63 327	0.43 301	0.63 299	0.43 285

GANet	1.00 351	1.00 257	1.00 352	1.00 323	1.00 383	1.00 358	1.00 374	1.00 352	1.00 381	1.00 360	1.00 378	1.00 364	1.00 365	1.00 363	1.00 375	1.00 346	1.00 346	1.00 371	1.00 376	1.00 344	1.00 373

TDLM	1.00 351	1.00 257	1.00 352	1.00 323	1.00 383	1.00 358	1.00 374	1.00 352	1.00 381	1.00 360	1.00 378	1.00 364	1.00 365	1.00 363	1.00 375	1.00 346	1.00 346	1.00 371	1.00 376	1.00 344	1.00 373

CVANet_RVC	1.00 351	1.00 257	1.00 352	1.00 323	1.00 383	1.00 358	1.00 374	1.00 352	1.00 381	1.00 360	1.00 378	1.00 364	1.00 365	1.00 363	1.00 375	1.00 346	1.00 346	1.00 371	1.00 376	1.00 344	1.00 373

trnet	1.01 356	1.01 263	1.01 355	1.01 326	1.01 387	1.01 362	1.01 377	1.01 355	1.01 384	1.01 364	1.01 381	1.01 367	1.01 371	1.01 367	1.01 378	1.01 349	1.01 349	1.01 374	1.01 380	1.01 347	1.01 376

LL-Strereo	1.01 356	5.06 457	1.63 443	0.70 284	1.43 458	0.56 311	0.46 296	0.57 302	0.50 313	0.57 311	0.50 320	1.58 441	0.49 310	0.59 315	0.50 312	1.64 434	0.52 293	0.51 313	1.37 446	0.52 288	0.45 290

tt45	1.04 358	0.88 234	1.36 432	0.92 309	1.03 389	1.51 442	0.79 353	0.70 322	0.88 365	0.74 337	0.90 368	1.60 442	0.72 346	1.60 439	0.75 352	0.91 337	0.78 331	1.52 450	0.79 360	1.14 354	1.32 444

GLC_STEREO	1.07 359	1.01 263	1.06 357	1.07 330	1.05 390	1.06 365	1.08 381	1.08 358	1.05 387	1.07 367	1.06 383	1.08 371	1.05 373	1.06 370	1.10 382	1.07 352	1.09 359	1.05 377	1.05 381	1.06 350	1.12 383

FC-DCNN	1.07 359	1.09 278	0.98 350	0.89 303	0.52 327	1.41 439	0.91 365	1.21 418	1.24 445	1.96 446	2.05 478	1.91 446	1.30 439	1.27 432	1.08 381	0.80 324	0.60 303	0.58 322	0.41 293	0.68 303	0.54 316

hknet	1.10 361	1.85 364	3.49 489	4.48 468	0.02 21	0.42 262	0.06 98	0.41 237	0.02 21	0.48 273	0.03 51	0.41 244	0.03 51	0.42 259	0.03 47	4.39 476	4.19 490	0.33 207	0.23 187	0.34 197	0.27 197

test_xeample3	1.10 361	1.81 362	0.61 303	0.84 299	0.49 317	0.77 334	0.66 333	0.92 344	1.40 454	0.68 328	0.46 303	0.78 341	0.54 323	1.72 442	1.48 452	1.34 418	1.52 438	1.35 443	1.67 462	1.33 418	1.55 455

DISCO	1.11 363	0.39 146	5.28 502	0.39 191	0.20 181	0.39 226	0.27 204	0.39 217	0.22 179	0.38 213	0.20 179	0.38 221	0.20 177	6.95 513	0.22 179	0.30 191	0.21 167	0.27 185	0.21 179	5.25 495	0.21 167

Occ-G	1.12 364	0.52 198	3.72 494	3.50 462	0.50 321	0.56 311	0.47 301	0.54 297	0.46 296	0.54 304	0.41 285	0.54 307	0.42 287	0.52 302	0.42 289	3.42 470	4.02 489	0.52 316	0.45 303	0.51 286	0.44 288

AEACV	1.12 364	0.52 198	3.12 486	3.24 458	0.86 370	0.53 306	0.49 312	0.60 309	0.47 301	0.53 301	0.49 318	0.55 311	0.45 293	0.55 308	0.47 303	3.01 466	3.88 487	0.71 337	0.60 334	0.80 321	0.48 300

MSMD_ROB	1.19 366	1.10 281	0.70 317	1.10 332	0.60 336	1.10 372	0.70 343	1.10 361	0.70 346	1.10 369	0.70 351	1.10 375	0.70 341	7.00 514	0.70 347	1.10 355	0.70 319	1.10 378	0.70 350	1.10 352	0.70 339

MM-Stereo_test2	1.20 367	1.85 364	1.05 356	1.46 409	0.94 380	1.36 434	0.99 373	1.36 427	0.95 374	1.41 433	0.98 377	1.40 438	0.96 362	1.37 434	0.95 370	1.37 422	1.06 352	1.33 440	0.93 373	1.29 417	0.89 362

ours_stereo	1.20 367	1.21 337	0.90 341	1.64 418	1.11 392	1.35 432	0.67 337	1.76 439	0.93 372	1.70 443	1.10 385	1.39 436	0.75 349	1.41 436	0.81 360	1.60 433	1.03 351	1.33 440	1.00 376	1.61 428	0.72 343

DisPM	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

CrosDoStereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

PFNet+	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

LCNet	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

HHNet	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

Patchmatch Stereo++	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

STrans-v2	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

TransformOpticalFlow	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

OMP-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

IIG-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

NF-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

OCTAStereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

PSM-softLoss	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

KMStereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

NRIStereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

PSM-adaLoss	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

PSM-AAD	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

FTStereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

ROB_FTStereo_v2	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

ROB_FTStereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

Consistency-Raft	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

KYRaft	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

HUI-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

ASMatch	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

DeepStereo_LL	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

DEmStereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

SST-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

THIR-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

RAFT_R40	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

DRaft	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

PFNet	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

GrayStereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

RE-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

Pruner-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

TVStereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

DeepStereo_RVC	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

RAFT-RH_RVC	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

IRAFT_RVC	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

RAFT-345	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

iRAFT	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

CRE-IMP	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

GMM-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

RAFT-IKP	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

Prome-Stereo	1.20 367	1.20 291	1.20 372	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 384	1.20 386	1.20 384	1.20 394	1.20 366	1.20 374	1.20 390	1.20 393	1.20 367	1.20 392

HCRNet	1.22 414	7.11 479	3.00 474	3.55 463	0.33 248	0.29 188	0.14 141	0.19 143	0.15 156	0.33 198	0.29 221	0.25 175	0.14 147	0.22 163	0.33 236	3.64 471	3.00 468	0.76 342	0.32 246	0.18 145	0.13 139

HBP-ISP	1.24 415	1.72 357	1.65 444	1.15 340	0.76 363	1.40 438	0.88 362	1.67 438	1.02 385	1.69 442	1.38 450	1.69 444	1.21 432	1.87 443	1.21 439	1.05 351	0.79 332	0.97 369	0.80 362	1.19 366	0.75 350

AANet_RVC	1.26 416	0.31 128	4.99 500	5.93 493	0.20 181	0.25 175	0.20 167	0.25 172	0.20 173	0.23 163	0.19 175	0.25 175	0.20 177	0.25 176	0.20 174	5.66 500	4.76 493	0.26 181	0.30 236	0.24 168	0.27 197

MM-Stereo_test3	1.27 417	2.07 379	1.18 367	1.60 413	1.02 388	1.45 440	1.01 377	1.40 431	1.04 386	1.44 434	1.03 382	1.46 440	1.02 372	1.44 437	1.02 379	1.51 429	1.12 366	1.32 439	0.98 374	1.38 421	0.97 369

11t	1.27 417	2.70 407	1.34 425	1.32 402	0.89 372	1.30 431	1.34 444	1.64 435	0.57 325	1.45 435	0.72 356	1.05 370	1.29 438	1.07 373	1.29 444	1.49 426	1.02 350	0.97 369	1.15 386	1.48 423	1.31 443

MaskLacGwcNet_RVC	1.35 419	1.35 347	1.35 427	1.35 404	1.35 452	1.35 432	1.35 445	1.36 427	1.35 450	1.36 431	1.35 446	1.36 434	1.36 441	1.36 433	1.35 446	1.35 419	1.35 428	1.35 443	1.35 443	1.35 419	1.35 448

CC-Net-ROB	1.36 420	1.33 346	1.33 424	1.36 405	1.38 455	1.36 434	1.33 443	1.37 429	1.34 448	1.35 430	1.36 448	1.38 435	1.34 440	1.38 435	1.38 448	1.35 419	1.38 431	1.33 440	1.35 443	1.43 422	1.34 447

CFNet	1.37 421	5.27 462	0.19 154	5.49 490	0.19 179	0.28 186	0.19 164	0.28 179	0.19 171	0.28 182	0.19 175	0.28 186	4.35 500	0.28 191	0.19 171	0.23 166	0.17 154	0.23 170	4.21 508	4.81 486	0.17 157

PS-NSSS	1.38 422	1.39 349	1.34 425	1.34 403	1.35 452	1.38 436	1.37 451	1.35 426	1.38 453	1.34 429	1.34 445	1.39 436	1.38 443	1.70 441	1.40 449	1.36 421	1.36 429	1.36 445	1.37 446	1.37 420	1.36 449

RASNet	1.49 423	1.65 355	1.45 438	1.38 407	1.43 458	1.47 441	1.36 446	1.38 430	1.36 451	1.39 432	1.60 458	1.45 439	1.45 446	1.51 438	2.21 473	1.53 430	1.36 429	1.36 445	1.36 445	1.66 429	1.36 449

GANetREF_RVC	1.55 424	1.94 376	1.22 419	1.88 421	1.21 448	1.88 448	1.22 438	1.88 440	1.22 443	1.88 444	1.22 440	1.88 445	1.22 433	1.89 444	1.22 440	1.87 440	1.22 421	1.88 453	1.22 439	1.88 433	1.22 438
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
SPS-STEREO	1.59 425	1.91 370	1.21 418	1.94 424	1.20 402	2.00 450	1.23 439	1.99 443	1.24 445	2.00 448	1.25 443	2.03 449	1.26 435	2.00 447	1.29 444	1.90 443	1.18 373	1.89 454	1.21 438	1.89 434	1.20 392
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 426	1.59 353	1.70 446	1.59 412	1.59 460	1.61 443	1.61 456	1.60 433	1.60 458	1.62 441	1.59 457	1.60 442	1.60 448	1.60 439	1.59 454	1.59 431	1.60 444	1.59 451	1.59 459	1.59 427	1.59 459

ff7	1.68 427	2.68 404	1.35 427	0.97 320	0.89 372	1.84 445	2.15 471	2.12 445	1.80 464	2.05 451	1.56 454	2.33 456	2.12 464	2.23 453	2.25 474	1.31 415	1.07 353	1.48 447	1.41 449	0.90 333	1.04 378

ffff	1.68 427	2.68 404	1.35 427	0.97 320	0.89 372	1.84 445	2.15 471	2.12 445	1.80 464	2.05 451	1.56 454	2.33 456	2.12 464	2.23 453	2.25 474	1.31 415	1.07 353	1.48 447	1.41 449	0.90 333	1.04 378

ccc-4	1.68 427	2.68 404	1.35 427	0.97 320	0.89 372	1.84 445	2.15 471	2.12 445	1.80 464	2.05 451	1.56 454	2.33 456	2.12 464	2.23 453	2.25 474	1.31 415	1.07 353	1.48 447	1.41 449	0.90 333	1.04 378

MC-Stereo	1.76 430	2.96 417	1.37 434	2.14 431	1.37 454	2.14 454	1.36 446	2.14 448	1.37 452	2.14 454	1.37 449	2.14 451	1.37 442	2.14 452	1.37 447	1.97 444	1.32 422	1.97 456	1.32 442	1.98 435	1.33 445

IGEVStereo-DCA	1.77 431	4.21 447	1.84 452	2.49 447	2.11 478	2.54 465	1.36 446	1.65 436	1.17 394	2.75 466	1.90 470	2.54 464	1.15 379	0.94 356	1.11 383	1.50 427	1.32 422	0.96 367	1.46 453	1.49 424	0.88 360

rrr	1.77 431	4.21 447	1.84 452	2.49 447	2.11 478	2.54 465	1.36 446	1.65 436	1.17 394	2.75 466	1.90 470	2.54 464	1.15 379	0.94 356	1.11 383	1.50 427	1.32 422	0.96 367	1.46 453	1.49 424	0.88 360

MM-Stereo_test1	1.80 433	3.41 427	1.52 442	2.12 430	1.41 457	2.04 451	1.41 453	2.05 444	1.46 457	2.04 450	1.41 452	2.05 450	1.42 445	2.05 448	1.43 451	2.04 448	1.54 439	1.94 455	1.38 448	1.99 436	1.33 445

MFMNet_re	1.81 434	1.91 370	1.71 447	1.95 425	1.70 463	1.95 449	1.70 459	1.96 442	1.74 461	1.97 447	1.72 461	1.95 447	1.71 451	1.97 446	1.71 460	1.86 439	1.62 445	1.85 452	1.66 461	1.86 432	1.64 460

plain	1.88 435	3.16 422	0.64 307	3.10 456	0.65 347	3.10 473	0.64 330	3.12 471	0.65 336	3.10 472	0.65 343	3.11 472	0.65 332	3.12 471	0.65 332	3.12 467	0.65 312	3.13 473	0.65 339	3.13 459	0.65 332

RAFT_CTSACE	1.92 436	3.71 434	1.72 448	1.88 421	1.72 464	2.04 451	1.42 455	2.18 449	1.89 473	2.02 449	1.97 474	1.95 447	2.06 463	1.93 445	1.62 455	1.76 436	1.66 448	2.02 457	1.73 468	1.73 430	1.43 454

TRStereo	2.00 437	2.13 384	1.85 454	2.27 437	1.84 467	2.28 456	1.84 462	2.29 451	1.86 467	2.30 456	1.87 465	2.30 453	1.87 454	2.08 449	1.72 462	2.08 449	1.72 450	2.08 458	1.72 465	2.08 437	1.72 463

XX-Stereo	2.00 437	2.13 384	1.85 454	2.27 437	1.84 467	2.28 456	1.84 462	2.29 451	1.86 467	2.30 456	1.87 465	2.30 453	1.87 454	2.08 449	1.72 462	2.08 449	1.72 450	2.08 458	1.72 465	2.08 437	1.72 463

EAI-Stereo	2.00 437	2.13 384	1.85 454	2.27 437	1.84 467	2.28 456	1.84 462	2.29 451	1.86 467	2.30 456	1.87 465	2.30 453	1.87 454	2.08 449	1.72 462	2.08 449	1.72 450	2.08 458	1.72 465	2.08 437	1.72 463

UniTT-Stereo	2.03 440	3.43 428	0.72 321	3.42 460	0.73 360	3.27 476	0.68 338	3.38 475	0.69 343	3.29 475	0.72 356	3.28 475	0.70 341	3.35 476	0.68 340	3.39 469	0.68 314	3.31 475	0.69 348	3.37 460	0.73 346

sCroCo_RVC	2.10 441	2.76 411	1.92 462	2.78 454	1.39 456	2.73 467	1.41 453	2.73 462	1.40 454	2.77 471	1.41 452	2.74 467	1.40 444	2.74 466	1.40 449	2.72 464	1.42 433	2.72 471	1.44 452	2.79 457	1.42 453

MoCha-V2	2.11 442	26.97 521	0.78 329	0.92 309	0.77 364	0.96 355	0.72 347	0.90 339	0.72 350	0.94 356	0.70 351	0.90 353	0.71 345	0.91 351	0.71 348	0.85 333	0.71 323	0.88 357	0.69 348	0.87 329	0.67 336

FBW_ROB	2.12 443	2.46 399	1.77 450	2.49 447	1.79 466	2.38 460	1.83 461	2.46 459	1.78 463	2.48 461	1.97 474	2.40 460	1.78 452	2.42 462	1.83 466	2.31 455	1.85 456	2.38 466	1.82 470	2.35 447	1.84 467

AIO_rvc	2.18 444	2.34 395	1.87 458	2.32 441	1.94 475	2.40 461	1.89 468	2.37 457	2.07 476	2.52 463	1.95 473	2.44 462	1.99 462	2.41 460	1.89 471	2.32 456	2.09 458	2.24 461	2.18 473	2.21 441	2.23 472

HUF	2.18 444	2.30 394	1.99 464	2.34 442	2.02 477	2.41 462	2.06 470	2.38 458	1.89 473	2.36 460	1.85 463	2.56 466	1.98 461	2.31 458	1.97 472	2.30 454	2.03 457	2.30 463	2.11 472	2.23 442	2.16 470

AIO_test	2.18 444	2.09 382	2.04 465	2.42 444	2.01 476	2.47 463	1.94 469	2.34 456	2.03 475	2.56 464	1.94 472	2.43 461	1.94 460	2.41 460	1.87 470	2.39 459	2.10 459	2.35 465	1.91 471	2.25 443	2.19 471

LG-G_1	2.22 447	2.71 409	1.89 459	2.77 452	1.87 473	2.75 468	1.87 466	2.76 464	1.87 471	2.75 466	1.87 465	2.76 468	1.87 454	2.75 467	1.86 467	2.47 462	1.58 441	2.45 468	1.57 456	2.45 449	1.57 457

LG-G	2.22 447	2.71 409	1.89 459	2.77 452	1.87 473	2.75 468	1.87 466	2.76 464	1.87 471	2.75 466	1.87 465	2.76 468	1.87 454	2.75 467	1.86 467	2.47 462	1.58 441	2.45 468	1.57 456	2.45 449	1.57 457

LGtest1	2.22 447	2.70 407	1.89 459	2.76 451	1.86 470	2.75 468	1.86 465	2.75 463	1.86 467	2.75 466	1.86 464	2.77 470	1.87 454	2.75 467	1.86 467	2.46 461	1.58 441	2.45 468	1.56 455	2.45 449	1.56 456

RAStereo	2.23 450	3.64 431	0.76 327	3.65 465	0.86 370	3.66 480	0.76 351	3.67 479	0.81 363	3.66 476	0.76 361	3.66 477	0.77 351	3.68 478	0.77 354	3.68 472	0.77 330	3.69 480	0.77 357	3.70 462	0.77 352

UDGNet	2.23 450	5.40 467	1.72 448	2.48 446	1.69 462	2.51 464	1.69 458	2.51 460	1.72 460	2.50 462	1.69 460	2.52 463	1.69 450	2.50 463	1.68 459	2.41 460	1.70 449	2.42 467	1.69 464	2.42 448	1.64 460

NCCL2	2.28 452	2.27 392	2.28 467	2.28 440	2.28 480	2.27 455	2.29 474	2.28 450	2.28 477	2.27 455	2.28 479	2.28 452	2.27 467	2.27 456	2.28 478	2.28 452	2.28 464	2.27 462	2.29 477	2.27 444	2.29 473

Abc-Net	2.32 453	24.75 513	1.14 361	1.17 346	1.17 399	1.11 375	1.15 386	1.17 367	1.21 442	1.08 368	1.16 389	1.12 379	1.14 378	1.09 374	1.17 391	1.09 353	1.16 369	1.17 385	1.17 389	1.16 358	1.11 381
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 454	25.00 514	1.13 360	1.15 340	1.15 394	1.10 372	1.15 386	1.15 363	1.15 389	1.12 374	1.15 386	1.09 373	1.13 376	1.10 376	1.15 387	1.11 360	1.09 359	1.16 381	1.12 384	1.16 358	1.17 389

stereogan	2.33 454	24.38 512	1.18 367	1.18 347	1.18 401	1.14 377	1.18 390	1.19 370	1.19 396	1.14 377	1.18 393	1.14 380	1.18 384	1.14 380	1.18 392	1.14 363	1.14 367	1.19 389	1.19 390	1.15 356	1.19 391

RGC	2.36 456	25.48 515	1.19 369	1.15 340	1.15 394	1.10 372	1.16 388	1.17 367	1.16 390	1.12 374	1.16 389	1.11 378	1.13 376	1.09 374	1.18 392	1.10 355	1.15 368	1.16 381	1.12 384	1.14 354	1.12 383

NCC-stereo	2.36 456	25.52 516	1.17 365	1.15 340	1.17 399	1.11 375	1.11 382	1.15 363	1.16 390	1.10 369	1.16 389	1.10 375	1.15 379	1.14 380	1.13 385	1.09 353	1.11 363	1.15 380	1.16 388	1.17 363	1.17 389

AF-Net	2.37 458	25.71 517	1.17 365	1.13 337	1.15 394	1.15 378	1.18 390	1.19 370	1.16 390	1.10 369	1.15 386	1.10 375	1.18 384	1.12 379	1.15 387	1.10 355	1.10 362	1.17 385	1.15 386	1.16 358	1.12 383

Nwc_Net	2.37 458	25.95 518	1.15 363	1.14 338	1.15 394	1.08 369	1.14 385	1.17 367	1.16 390	1.14 377	1.15 386	1.08 371	1.15 379	1.11 378	1.14 386	1.10 355	1.11 363	1.16 381	1.09 383	1.16 358	1.15 388

CFNet_RVC	2.38 460	8.71 490	0.38 231	9.33 509	0.42 298	0.56 311	0.42 287	0.60 309	0.38 266	0.62 319	0.42 294	0.56 314	7.29 512	0.62 317	0.42 289	0.53 291	0.37 230	0.49 304	0.34 256	8.30 509	6.87 515

edge stereo	2.43 461	27.07 522	1.14 361	1.06 329	1.14 393	1.08 369	1.17 389	1.16 365	1.14 388	1.10 369	1.16 389	1.09 373	1.16 383	1.10 376	1.16 390	1.10 355	1.11 363	1.16 381	1.19 390	1.13 353	1.11 381

FAT-Stereo	2.46 462	26.05 519	1.23 421	1.23 396	1.22 450	1.20 380	1.24 440	1.23 421	1.23 444	1.19 380	1.22 440	1.21 429	1.24 434	1.20 384	1.24 441	1.21 411	1.17 372	1.22 436	1.25 440	1.20 367	1.24 440

S-Stereo	2.51 463	26.86 520	1.23 421	1.22 394	1.22 450	1.24 428	1.25 441	1.22 419	1.24 445	1.21 426	1.24 442	1.19 383	1.27 436	1.19 383	1.24 441	1.19 365	1.20 374	1.25 437	1.19 390	1.24 415	1.23 439

Anonymous3	2.55 464	3.26 425	1.65 444	3.28 459	1.63 461	3.24 475	1.68 457	3.27 473	1.66 459	3.28 474	1.67 459	3.25 474	1.66 449	3.27 473	1.64 456	3.26 468	1.65 447	3.30 474	1.65 460	4.95 491	1.65 462

MIF-Stereo (partial)	2.58 465	3.31 426	0.66 311	3.18 457	0.66 350	3.18 474	0.66 333	3.21 472	0.67 339	3.19 473	0.66 345	3.19 473	0.66 335	3.31 475	0.68 340	5.09 496	1.79 454	8.23 516	1.67 462	6.18 500	1.38 451

MSMDNet	2.65 466	10.14 501	0.33 207	9.74 512	0.32 237	0.87 344	0.33 235	2.95 470	0.68 340	0.49 280	0.34 249	0.49 284	5.70 507	0.49 286	0.33 236	0.42 260	9.57 512	0.41 268	0.31 242	8.36 510	0.65 332

pcwnet_v2	2.66 467	9.89 499	0.33 207	9.89 513	0.32 237	0.50 296	0.32 226	0.49 275	0.33 240	0.49 280	0.34 249	0.49 284	8.76 514	0.48 280	0.33 236	0.41 246	9.58 513	0.40 256	0.29 226	9.01 513	0.63 330

CFNet_pseudo	2.67 468	9.36 495	0.32 202	10.99 518	0.33 248	0.85 342	0.33 235	0.49 275	0.33 240	0.49 280	0.32 237	0.49 284	7.26 511	0.49 286	0.33 236	0.41 246	9.62 514	0.41 268	0.29 226	10.03 517	0.29 215

CFNet_ucs	2.73 469	9.64 497	0.33 207	9.92 514	0.32 237	0.49 288	0.33 235	0.49 275	0.33 240	0.49 280	0.33 242	0.49 284	8.98 515	0.48 280	0.33 236	0.41 246	9.96 517	0.40 256	0.29 226	10.12 518	0.54 316

UCFNet_RVC	2.75 470	10.06 500	0.29 188	10.31 517	0.29 222	0.42 262	0.29 216	0.43 257	0.29 218	0.42 248	0.29 221	0.42 260	9.87 517	0.43 261	0.29 217	0.36 214	9.84 516	0.36 232	0.26 206	9.77 516	0.26 189

ccs_rob	2.79 471	10.17 502	0.32 202	10.00 515	0.33 248	0.49 288	0.33 235	1.90 441	0.32 235	0.51 296	0.33 242	0.49 284	9.24 516	0.49 286	0.33 236	0.41 246	9.82 515	0.41 268	0.28 217	9.34 514	0.29 215

PCWNet_CMD	2.80 472	9.82 498	0.32 202	10.09 516	0.32 237	0.49 288	0.33 235	3.34 474	0.33 240	0.49 280	0.33 242	0.49 284	8.73 513	0.48 280	0.33 236	0.41 246	9.22 511	0.42 278	0.29 226	9.55 515	0.31 230

StereoVision	3.15 473	5.00 456	0.89 338	4.83 483	1.00 383	3.93 481	1.27 442	6.37 508	1.34 448	5.67 508	1.26 444	5.84 509	1.27 436	5.03 505	1.24 441	5.10 497	1.09 359	4.61 492	0.57 330	5.62 498	1.12 383

MaDis-Stereo	3.19 474	6.02 477	1.12 359	5.61 492	1.16 398	5.43 507	1.02 379	5.15 505	0.70 346	5.43 505	1.21 439	5.03 506	0.97 363	4.85 499	0.99 374	4.53 478	1.16 369	5.53 508	1.25 440	5.37 496	1.30 442

sAnonymous2	3.31 475	2.63 402	1.38 435	3.71 466	1.86 470	4.70 499	1.11 382	4.82 501	2.72 480	5.45 506	1.98 476	4.59 491	2.64 469	2.65 464	6.21 512	4.37 474	1.08 357	5.16 506	2.24 475	4.52 473	2.39 478

CroCo_RVC	3.31 475	2.63 402	1.38 435	3.71 466	1.86 470	4.70 499	1.11 382	4.82 501	2.72 480	5.45 506	1.98 476	4.59 491	2.64 469	2.65 464	6.21 512	4.37 474	1.08 357	5.16 506	2.24 475	4.52 473	2.39 478

DPSNet	3.66 477	3.60 430	3.62 492	3.63 464	3.64 503	3.65 479	3.65 501	3.66 478	3.67 498	3.67 477	3.65 499	3.67 478	3.66 489	3.66 477	3.68 496	3.68 472	3.66 485	3.67 479	3.68 501	3.67 461	3.67 500

STTStereo	3.73 478	30.40 526	2.37 471	2.39 443	2.31 482	2.35 459	2.33 475	2.29 451	2.42 478	2.32 459	2.34 480	2.33 456	2.36 468	2.30 457	2.27 477	2.35 457	2.22 463	2.31 464	2.22 474	2.29 446	2.34 477

rvit_105_1	3.83 479	5.22 460	3.01 475	4.53 471	3.01 485	4.51 487	3.01 482	4.56 488	3.04 483	4.53 487	3.03 484	4.55 489	3.03 473	4.56 488	3.04 480	4.57 480	3.05 469	4.57 487	3.05 484	4.57 475	3.05 484

rvit_stereo_0081	3.83 479	5.23 461	3.01 475	4.53 471	3.03 487	4.55 493	3.02 483	4.56 488	3.04 483	4.52 485	3.02 482	4.54 487	3.03 473	4.56 488	3.04 480	4.57 480	3.05 469	4.57 487	3.05 484	4.58 476	3.05 484

rvit_stereo_0081_aga	3.86 481	5.33 464	3.02 478	4.55 477	3.04 491	4.54 489	3.02 483	4.64 495	3.06 487	4.54 489	3.04 486	4.62 496	3.08 480	4.62 494	3.07 485	4.58 483	3.06 473	4.60 491	3.08 488	4.63 479	3.07 488

rvit_stereo_0082	3.86 481	5.82 475	3.01 475	4.53 471	3.03 487	4.54 489	3.02 483	4.56 488	3.04 483	4.53 487	3.02 482	4.55 489	3.04 476	4.57 491	3.05 482	4.57 480	3.05 469	4.58 489	3.05 484	4.58 476	3.06 487

rvit_0105_6	3.87 483	5.73 474	3.10 485	4.69 481	3.12 495	4.54 489	3.02 483	4.56 488	3.04 483	4.54 489	3.03 484	4.54 487	3.04 476	4.56 488	3.05 482	4.58 483	3.05 469	4.58 489	3.05 484	4.58 476	3.05 484

rvit_stereo_0080	3.89 484	5.70 472	3.04 480	4.54 474	3.03 487	4.56 494	3.05 489	4.60 492	3.07 488	4.58 492	3.06 487	4.59 491	3.06 478	4.61 492	3.08 486	4.63 485	3.09 474	4.64 493	3.10 489	4.65 480	3.10 489

whm_eth	3.89 484	5.70 472	3.04 480	4.54 474	3.03 487	4.56 494	3.05 489	4.60 492	3.07 488	4.58 492	3.06 487	4.59 491	3.06 478	4.61 492	3.08 486	4.63 485	3.09 474	4.64 493	3.10 489	4.65 480	3.10 489

rvit_0105_4	3.91 486	5.47 471	3.02 478	4.54 474	3.02 486	4.54 489	3.03 487	4.75 498	3.17 494	4.57 491	3.06 487	4.61 495	3.16 484	4.65 495	3.09 488	4.66 487	3.11 476	4.68 496	3.18 494	4.81 486	3.16 494

rvit_0105_3	3.91 486	5.33 464	3.06 483	4.60 479	3.07 493	4.60 496	3.06 491	4.62 494	3.08 491	4.60 494	3.07 490	4.62 496	3.08 480	4.67 496	3.10 489	4.70 488	3.11 476	4.77 500	3.19 495	4.77 485	3.14 493

rvit_stereo_0083	3.92 488	5.30 463	3.06 483	4.61 480	3.09 494	4.67 498	3.08 492	4.66 496	3.09 492	4.62 495	3.10 492	4.66 499	3.11 482	4.67 496	3.16 491	4.72 490	3.16 479	4.77 500	3.11 491	4.66 482	3.11 491

rvit_stereo_ft	3.93 489	5.44 469	3.05 482	4.59 478	3.06 492	4.61 497	3.08 492	4.67 497	3.12 493	4.63 496	3.10 492	4.65 498	3.11 482	4.69 498	3.13 490	4.70 488	3.14 478	4.71 498	3.15 493	4.74 483	3.16 494

rvit_0105_5	4.10 490	5.40 467	3.13 488	4.71 482	3.15 496	4.72 501	3.10 494	4.90 503	3.27 495	4.69 497	3.16 494	4.84 503	3.25 485	4.96 502	3.34 493	5.05 495	3.39 484	5.10 505	3.40 496	5.11 493	3.42 497

MLG-Stereo_test1	4.25 491	5.34 466	3.61 491	5.31 488	3.63 502	5.23 505	3.57 499	5.38 506	3.65 497	5.23 503	3.47 496	4.76 500	3.74 492	4.85 499	3.71 497	4.96 492	3.18 481	4.71 498	2.92 481	4.86 489	2.90 482

MLG-Stereo_test3	4.26 492	4.85 454	3.95 495	5.35 489	3.60 501	4.75 502	3.76 502	5.49 507	3.71 499	5.39 504	3.69 500	4.82 502	3.66 489	4.85 499	3.73 500	4.93 491	3.19 482	4.69 497	2.99 483	4.84 488	2.98 483

MLG-Stereo_test2	4.28 493	5.46 470	3.69 493	4.86 484	3.72 504	5.58 508	3.42 497	4.81 500	3.77 503	4.85 499	3.72 501	5.55 508	3.63 488	5.58 506	3.53 495	4.41 477	3.28 483	4.99 504	2.95 482	4.75 484	3.13 492

RAFT+CT+SA	4.28 493	7.62 483	4.91 499	5.55 491	2.28 480	3.09 472	3.64 500	4.49 486	3.07 488	4.80 498	3.35 495	4.77 501	3.70 491	4.29 485	3.05 482	5.58 499	5.98 500	3.58 478	3.78 503	4.26 469	3.72 501

SA	4.33 495	7.35 480	6.85 510	5.96 494	4.09 508	3.59 478	3.15 495	3.82 480	2.64 479	3.91 478	3.85 502	3.57 476	2.72 471	3.13 472	4.03 503	7.09 510	6.86 505	3.57 477	3.12 492	3.85 463	3.51 499

Sa-1000	4.34 496	8.37 486	6.84 509	6.98 501	4.45 511	3.58 477	3.00 481	3.42 476	3.39 496	2.61 465	4.00 505	3.83 480	4.01 498	3.90 480	3.90 501	5.98 503	5.62 498	3.76 481	2.34 478	4.35 471	2.47 480

TestStereo1	4.60 497	8.41 487	6.44 507	6.86 499	3.79 505	3.97 482	3.78 503	3.99 482	3.74 500	3.97 479	3.52 497	3.94 481	3.58 486	3.98 481	3.72 498	6.82 507	6.50 503	3.76 481	3.66 499	3.90 464	3.74 503

SA-5K	4.60 497	8.41 487	6.44 507	6.86 499	3.79 505	3.97 482	3.78 503	3.99 482	3.74 500	3.97 479	3.52 497	3.94 481	3.58 486	3.98 481	3.72 498	6.82 507	6.50 503	3.76 481	3.66 499	3.90 464	3.74 503

DispFullNet	4.61 499	4.84 453	3.12 486	5.00 486	3.57 500	4.75 502	3.03 487	7.75 514	4.17 507	4.91 501	3.09 491	6.20 510	3.95 496	6.71 510	3.51 494	5.30 498	3.67 486	5.86 512	3.63 498	5.61 497	3.46 498

test_5	4.62 500	7.55 482	6.23 505	6.32 496	3.40 499	5.29 506	3.50 498	3.53 477	4.11 506	4.28 482	4.47 509	4.26 485	4.38 501	3.68 478	3.24 492	5.89 501	5.60 497	4.84 502	3.50 497	4.33 470	3.93 507

raft_robust	4.71 501	7.75 484	5.40 504	6.81 498	3.31 497	4.28 486	4.20 508	4.32 485	4.37 509	4.35 484	4.35 508	4.14 483	3.75 493	4.30 486	4.20 506	6.67 506	6.37 501	3.36 476	4.24 509	4.86 489	3.25 496

cross-raft	4.83 502	7.52 481	6.43 506	6.63 497	3.96 507	4.51 487	3.99 506	4.49 486	3.96 505	4.52 485	3.96 504	4.50 486	3.97 497	4.50 487	3.97 502	6.65 505	6.44 502	4.33 484	3.92 505	4.35 471	3.91 506

test_4	4.88 503	8.13 485	6.98 511	7.46 502	4.44 510	4.25 485	3.85 505	4.04 484	3.92 504	4.13 481	3.91 503	4.18 484	3.84 494	4.14 483	4.06 504	7.01 509	7.13 506	4.53 485	3.72 502	4.09 467	3.72 501

TestStereo	4.88 503	4.75 452	4.79 498	4.87 485	4.92 512	4.81 504	4.90 511	4.78 499	4.77 510	4.87 500	4.89 510	4.90 504	4.91 503	4.99 503	4.79 508	4.98 493	4.87 494	4.87 503	4.92 511	5.00 492	5.00 510

test_3	5.01 505	8.86 492	7.77 513	8.09 504	2.76 484	4.13 484	4.05 507	3.88 481	3.76 502	4.33 483	4.13 506	3.71 479	3.91 495	4.21 484	4.06 504	7.93 511	7.69 508	4.53 485	3.91 504	4.17 468	4.29 509

NLCA_NET_v2_RVC	5.04 506	50.87 536	2.78 473	2.87 455	2.71 483	2.78 471	0.47 301	2.88 469	2.86 482	1.89 445	2.67 481	2.79 471	2.79 472	2.78 470	2.83 479	2.82 465	2.82 467	2.83 472	2.77 480	2.83 458	2.76 481
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
FC-DCNN v2	5.10 507	5.15 458	4.49 497	5.07 487	3.37 498	6.87 511	4.75 510	5.04 504	6.34 514	7.84 514	5.06 511	6.72 514	4.09 499	4.99 503	5.44 511	5.03 494	3.16 479	4.67 495	4.86 510	5.15 494	3.89 505

U	5.15 508	8.49 489	1.81 451	8.49 506	1.77 465	8.49 516	1.77 460	8.51 516	1.77 462	8.49 516	1.77 462	8.50 516	1.78 452	8.58 516	1.77 465	8.54 514	1.78 453	8.55 517	1.78 469	8.55 511	1.84 467

SGM-Forest	5.21 509	5.92 476	4.08 496	6.18 495	4.16 509	6.31 510	4.34 509	6.50 509	4.33 508	6.14 510	4.21 507	6.61 513	4.55 502	6.67 509	4.48 507	5.94 502	3.94 488	5.85 511	4.03 507	5.79 499	4.17 508
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 510	9.16 494	8.03 516	8.09 504	5.62 515	6.11 509	6.35 514	6.85 511	4.94 511	6.08 509	6.29 516	4.98 505	6.43 508	6.22 507	6.36 514	6.16 504	7.47 507	5.82 510	5.44 514	7.11 505	5.68 513

rvit_stereo_0075_2	6.64 511	8.80 491	5.25 501	7.89 503	5.27 514	7.90 515	5.27 512	7.92 515	5.28 512	7.91 515	5.29 513	7.93 515	5.27 504	7.92 515	5.28 509	7.93 511	5.28 496	7.93 515	5.29 513	7.93 508	5.28 512

RAFT	6.73 512	9.36 495	7.40 512	8.51 507	6.55 516	6.88 512	6.60 515	6.79 510	6.60 515	6.80 511	6.72 517	5.31 507	5.50 506	6.61 508	6.61 515	8.42 513	5.89 499	5.73 509	5.45 515	6.61 501	6.24 514

SGM+DAISY	7.06 513	9.15 493	5.38 503	8.84 508	5.18 513	8.80 517	5.31 513	8.79 517	5.28 512	8.89 517	5.20 512	8.93 517	5.33 505	8.95 517	5.36 510	8.70 515	5.21 495	8.74 518	5.20 512	8.89 512	5.15 511

test-v	7.53 514	11.89 503	7.98 514	9.36 510	7.14 517	7.06 513	7.09 516	7.37 512	6.91 516	7.29 512	5.71 514	6.45 511	6.93 509	6.73 511	7.27 516	8.93 516	7.85 509	6.98 513	6.80 516	7.56 506	7.34 516

test-2	7.53 514	11.89 503	7.98 514	9.36 510	7.14 517	7.06 513	7.09 516	7.37 512	6.91 516	7.29 512	5.71 514	6.45 511	6.93 509	6.73 511	7.27 516	8.93 516	7.85 509	6.98 513	6.80 516	7.56 506	7.34 516

PA-Net	11.80 516	223.51 543	0.62 304	0.59 267	0.71 357	0.59 318	0.73 348	0.67 318	0.73 353	0.55 307	0.61 337	0.60 320	0.74 347	0.63 321	0.73 349	0.66 310	0.60 303	0.69 334	0.66 341	0.72 309	0.65 332
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 517	23.00 511	15.00 517	23.00 525	15.00 519	24.00 524	16.00 518	24.00 524	16.00 518	22.00 524	15.00 518	23.00 524	16.00 518	23.00 524	15.00 518	22.00 524	15.00 518	22.00 525	15.00 518	22.00 525	15.00 518

rafts_anoy	20.00 518	20.00 505	20.00 518	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519

raft+_RVC	20.00 518	20.00 505	20.00 518	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519

raftrobust	20.00 518	20.00 505	20.00 518	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519

CasAABBNet	20.00 518	20.00 505	20.00 518	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519

RALCasStereoNet	20.00 518	20.00 505	20.00 518	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519

RALAANet	20.00 518	20.00 505	20.00 518	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 519	20.00 519

111	30.40 524	30.94 527	29.72 525	32.61 526	30.02 527	33.57 525	30.47 526	31.50 525	29.39 526	30.98 525	29.11 526	29.78 525	30.39 529	29.45 525	30.76 529	30.08 525	29.02 526	29.92 526	30.32 529	29.86 526	30.17 526

WCMA_ROB	31.10 525	35.43 531	27.12 524	39.51 537	23.10 526	38.78 536	25.30 525	37.49 536	25.39 525	37.29 535	27.02 525	38.52 536	26.48 525	37.80 535	26.44 525	36.28 532	22.65 525	33.90 530	22.30 525	37.10 534	24.18 525

DCANet-4	35.22 526	34.54 528	35.08 531	33.58 530	35.47 534	34.55 526	35.53 533	36.08 531	35.85 530	35.92 531	35.77 532	35.18 531	35.48 531	35.39 531	37.15 535	34.55 531	33.92 530	35.02 533	34.90 531	35.79 530	34.74 533

ADStereo(finetuned)	36.13 527	36.63 532	38.07 535	36.97 531	33.25 531	35.91 530	34.45 530	36.36 532	32.99 527	38.14 536	36.71 533	36.69 532	34.13 530	38.57 536	40.79 536	37.60 536	36.58 533	35.90 534	33.36 530	35.42 529	34.04 530

Reg-Stereo(zero)	37.00 528	37.00 533	37.00 532	37.00 532	37.00 535	37.00 533	37.00 534	37.00 533	37.00 531	37.00 532	37.00 534	37.00 533	37.00 532	37.00 532	37.00 532	37.00 533	37.00 534	37.00 535	37.00 534	37.00 531	37.00 534

HI	37.00 528	37.00 533	37.00 532	37.00 532	37.00 535	37.00 533	37.00 534	37.00 533	37.00 531	37.00 532	37.00 534	37.00 533	37.00 532	37.00 532	37.00 532	37.00 533	37.00 534	37.00 535	37.00 534	37.00 531	37.00 534

CoSv	37.00 528	37.00 533	37.00 532	37.00 532	37.00 535	37.00 533	37.00 534	37.00 533	37.00 531	37.00 532	37.00 534	37.00 533	37.00 532	37.00 532	37.00 532	37.00 533	37.00 534	37.00 535	37.00 534	37.00 531	37.00 534

MDST_ROB	69.83 531	87.70 537	41.95 536	113.75 540	65.62 540	75.05 537	55.25 538	75.64 538	45.04 534	71.61 537	41.75 537	72.81 537	44.06 535	68.38 537	44.63 537	101.89 539	59.57 539	107.10 540	61.05 539	104.38 537	59.38 539

NOSS_ROB	102.95 532	153.00 541	121.00 539	51.00 538	44.00 538	165.00 540	127.00 539	153.00 539	119.00 536	164.00 540	125.00 539	168.00 540	120.00 537	153.00 539	117.00 539	49.00 537	44.00 537	49.00 538	44.00 537	49.00 535	44.00 537

CBMV	128.50 533	1422.70 548	53.10 537	79.50 539	51.30 539	77.30 538	49.70 537	74.00 537	48.20 535	77.20 538	48.80 538	73.90 538	48.00 536	73.80 538	48.80 538	70.40 538	45.10 538	68.90 539	46.10 538	68.20 536	45.00 538
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 534	171.00 542	160.68 542	162.58 541	160.59 541	164.01 539	160.35 540	158.51 540	158.56 537	158.34 539	160.12 540	158.56 539	159.92 538	157.26 540	158.94 540	154.38 540	158.36 540	155.75 541	159.13 541	153.67 538	154.07 540
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 535	123.00 538	115.00 538	219.00 542	218.00 543	223.00 541	244.00 542	217.00 541	236.00 539	202.00 541	203.00 541	205.00 541	208.00 539	225.00 541	204.00 541	210.00 541	198.00 541	197.00 542	184.00 542	204.00 539	201.00 541

MGS-Stereo	239.45 536	123.00 538	135.00 540	266.00 543	286.00 544	277.00 542	305.00 543	271.00 542	242.00 540	274.00 542	279.00 543	255.00 542	270.00 541	268.00 542	297.00 543	221.00 542	247.00 543	216.00 543	123.00 540	217.00 540	217.00 543

EGLCR-Stereo	246.90 537	129.00 540	139.00 541	266.00 543	286.00 544	277.00 542	305.00 543	271.00 542	242.00 540	274.00 542	279.00 543	255.00 542	270.00 541	268.00 542	297.00 543	230.00 543	247.00 543	216.00 543	223.00 544	237.00 541	227.00 544

DLCB_ROB	284.23 538	354.61 544	207.27 543	363.24 545	206.46 542	364.72 544	210.41 541	364.72 544	210.41 538	364.81 544	208.64 542	364.81 544	208.64 540	364.72 544	210.41 542	354.70 544	205.53 542	354.70 545	205.53 543	354.70 542	205.53 542

LE_ROB	396.57 539	471.28 545	329.84 544	471.48 546	308.15 546	526.83 545	322.10 545	488.15 545	323.76 542	495.46 545	317.97 545	497.17 545	320.10 543	481.62 545	326.76 545	462.71 545	298.97 545	466.16 546	285.98 545	447.62 543	289.21 545

SGM-ForestM	596.69 540	677.77 546	444.52 545	699.85 547	517.25 547	732.94 546	488.29 546	770.79 546	460.11 543	750.81 546	487.98 546	792.79 546	499.41 544	730.90 546	475.81 546	720.03 546	491.16 546	663.96 547	418.60 546	674.76 544	436.05 546

CBMV_ROB	818.48 541	913.88 547	709.52 546	862.84 548	597.78 548	1073.99 547	700.52 547	1015.66 547	702.59 544	1115.65 547	760.02 547	1130.24 547	721.57 545	1037.41 547	692.65 547	814.05 547	564.29 547	843.28 548	595.31 547	915.51 545	602.92 547

tt	500032.53 542	34.60 529	29.72 525	37.47 535	34.41 532	36.85 531	35.22 531	34.71 529	33.55 528	34.50 526	35.43 530	33.81 529	10000000.00 546	33.57 529	33.13 530	33.68 529	35.00 531	34.03 531	35.26 532	30.96 527	34.63 531

DCANet	500032.53 542	34.60 529	29.72 525	37.47 535	34.41 532	36.85 531	35.22 531	34.71 529	33.55 528	34.50 526	35.43 530	33.81 529	10000000.00 546	33.57 529	33.13 530	33.68 529	35.00 531	34.03 531	35.26 532	30.96 527	34.63 531

fff	1000028.16 544	29.62 523	29.72 525	32.61 526	30.02 527	35.13 527	31.83 527	32.07 526	10000000.00 545	35.27 528	29.82 527	32.45 526	30.15 526	32.35 526	30.09 526	31.04 526	29.55 527	30.64 527	30.14 526	10000000.00 546	30.77 527

csc	1000028.16 544	29.62 523	29.72 525	32.61 526	30.02 527	35.13 527	31.83 527	32.07 526	10000000.00 545	35.27 528	29.82 527	32.45 526	30.15 526	32.35 526	30.09 526	31.04 526	29.55 527	30.64 527	30.14 526	10000000.00 546	30.77 527

cscssc	1000028.16 544	29.62 523	29.72 525	32.61 526	30.02 527	35.13 527	31.83 527	32.07 526	10000000.00 545	35.27 528	29.82 527	32.45 526	30.15 526	32.35 526	30.09 526	31.04 526	29.55 527	30.64 527	30.14 526	10000000.00 546	30.77 527

111111	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548

SGD-Stereo	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548

IGEV-Stereo++	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548

IGEV-BASED-STEREO-	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548

IGEV-Stereo+	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548

SDNR	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548

anonymousdsp2	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548

anonymousdsp	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548

test_example2	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548

DIP-Stereo	10000000.00 547	10000000.00 549	10000000.00 547	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 546	10000000.00 548
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
STTRV1_RVC		1.60 354		1.01 326	0.60 336	1.07 368	0.69 341	1.01 355	0.60 328	0.72 330	0.55 331	1.02 368	0.68 338	1.03 368	0.67 336	0.89 336	0.63 309	0.92 362	0.57 330	0.90 333	0.65 332

FADE		0.06 54		0.09 52	0.10 111													0.17 142		0.11 113

Low-res two-view benchmark