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

Selective-IGEV	0.07 1	0.06 31	0.08 13	0.17 149	0.06 3	0.08 27	0.12 30	0.13 20	0.07 1	0.08 14	0.07 16	0.06 4	0.04 1	0.10 26	0.09 27	0.05 4	0.04 2	0.05 2	0.04 12	0.04 1	0.03 1

MoCha-V2	0.08 4	0.05 9	0.10 57	0.20 319	0.07 26	0.09 44	0.14 94	0.11 4	0.08 2	0.07 4	0.08 26	0.07 26	0.06 12	0.09 12	0.08 12	0.05 4	0.04 2	0.05 2	0.04 12	0.04 1	0.04 9

WCG-NET	0.09 23	0.05 9	0.10 57	0.15 48	0.07 26	0.11 106	0.11 18	0.16 67	0.09 3	0.09 30	0.11 75	0.08 43	0.06 12	0.14 181	0.09 27	0.07 162	0.04 2	0.06 45	0.04 12	0.06 118	0.05 64

IGEV-Stereo+	0.07 1	0.04 1	0.08 13	0.15 48	0.06 3	0.04 1	0.09 5	0.10 1	0.09 3	0.06 1	0.06 2	0.06 4	0.06 12	0.06 1	0.08 12	0.06 64	0.04 2	0.05 2	0.04 12	0.06 118	0.06 129

AIO-Stereo	0.08 4	0.06 31	0.09 34	0.18 221	0.06 3	0.08 27	0.12 30	0.15 47	0.09 3	0.08 14	0.08 26	0.07 26	0.05 3	0.11 58	0.08 12	0.05 4	0.05 120	0.05 2	0.04 12	0.04 1	0.04 9

IGEV++	0.08 4	0.06 31	0.08 13	0.18 221	0.07 26	0.09 44	0.13 58	0.10 1	0.09 3	0.08 14	0.08 26	0.06 4	0.06 12	0.13 163	0.09 27	0.05 4	0.04 2	0.05 2	0.04 12	0.05 49	0.04 9

AEACV	0.08 4	0.05 9	0.08 13	0.14 18	0.13 351	0.14 195	0.13 58	0.14 30	0.09 3	0.07 4	0.09 35	0.07 26	0.08 74	0.10 26	0.09 27	0.06 64	0.04 2	0.06 45	0.05 50	0.05 49	0.04 9

CAS	0.08 4	0.04 1	0.07 3	0.17 149	0.08 62	0.10 73	0.13 58	0.12 11	0.09 3	0.09 30	0.10 52	0.08 43	0.06 12	0.09 12	0.08 12	0.08 217	0.04 2	0.05 2	0.03 1	0.05 49	0.04 9

CES	0.08 4	0.04 1	0.08 13	0.14 18	0.07 26	0.09 44	0.14 94	0.11 4	0.09 3	0.08 14	0.09 35	0.11 101	0.06 12	0.12 125	0.08 12	0.06 64	0.04 2	0.05 2	0.03 1	0.05 49	0.05 64

AFF-stereo	0.09 23	0.06 31	0.10 57	0.17 149	0.07 26	0.10 73	0.16 211	0.17 101	0.09 3	0.10 58	0.12 85	0.09 59	0.09 97	0.12 125	0.09 27	0.05 4	0.04 2	0.07 124	0.07 194	0.04 1	0.03 1

EAI-Stereo	0.09 23	0.07 88	0.11 88	0.15 48	0.06 3	0.10 73	0.15 152	0.16 67	0.09 3	0.08 14	0.09 35	0.08 43	0.07 49	0.09 12	0.11 115	0.05 4	0.04 2	0.05 2	0.05 50	0.05 49	0.04 9

GCAP-BAT	0.09 23	0.07 88	0.14 182	0.15 48	0.08 62	0.10 73	0.13 58	0.14 30	0.10 12	0.11 82	0.10 52	0.08 43	0.07 49	0.12 125	0.10 70	0.06 64	0.05 120	0.06 45	0.04 12	0.04 1	0.04 9

IGEV-BASED-STEREO-	0.09 23	0.10 283	0.31 389	0.15 48	0.06 3	0.08 27	0.14 94	0.10 1	0.10 12	0.07 4	0.07 16	0.06 4	0.04 1	0.11 58	0.07 1	0.12 357	0.04 2	0.07 124	0.05 50	0.05 49	0.05 64

RSM	0.08 4	0.06 31	0.09 34	0.17 149	0.06 3	0.08 27	0.12 30	0.12 11	0.10 12	0.08 14	0.07 16	0.06 4	0.05 3	0.11 58	0.09 27	0.04 1	0.04 2	0.05 2	0.04 12	0.04 1	0.03 1

trnet	0.08 4	0.05 9	0.07 3	0.12 3	0.05 1	0.12 133	0.11 18	0.13 20	0.10 12	0.08 14	0.13 97	0.09 59	0.08 74	0.11 58	0.10 70	0.08 217	0.05 120	0.05 2	0.03 1	0.06 118	0.05 64

DLNR_Zeroshot_test	10.40 481	1.82 475	19.49 487	120.77 493	13.11 486	0.06 4	0.13 58	0.23 211	0.10 12	0.07 4	0.10 52	0.09 59	0.06 12	0.10 26	0.09 27	0.13 380	0.04 2	0.06 45	0.04 12	51.54 492	0.04 9

testlalala	0.08 4	0.07 88	0.17 292	0.16 91	0.08 62	0.09 44	0.12 30	0.15 47	0.10 12	0.07 4	0.09 35	0.06 4	0.06 12	0.11 58	0.09 27	0.05 4	0.04 2	0.06 45	0.04 12	0.04 1	0.04 9

testlalala_base	0.10 72	0.09 229	0.14 182	0.21 345	0.08 62	0.10 73	0.14 94	0.13 20	0.10 12	0.07 4	0.15 127	0.07 26	0.08 74	0.10 26	0.12 158	0.08 217	0.05 120	0.05 2	0.03 1	0.06 118	0.05 64

HH	0.09 23	0.06 31	0.13 152	0.17 149	0.08 62	0.10 73	0.16 211	0.14 30	0.10 12	0.08 14	0.09 35	0.08 43	0.07 49	0.10 26	0.09 27	0.06 64	0.04 2	0.06 45	0.05 50	0.05 49	0.04 9

HanStereo	0.09 23	0.06 31	0.13 152	0.17 149	0.08 62	0.10 73	0.16 211	0.14 30	0.10 12	0.08 14	0.09 35	0.08 43	0.07 49	0.10 26	0.09 27	0.06 64	0.04 2	0.06 45	0.05 50	0.05 49	0.04 9

LoS_RVC	0.08 4	0.05 9	0.07 3	0.15 48	0.07 26	0.08 27	0.15 152	0.11 4	0.10 12	0.08 14	0.09 35	0.06 4	0.09 97	0.10 26	0.09 27	0.05 4	0.04 2	0.05 2	0.03 1	0.04 1	0.03 1

MC-Stereo	0.08 4	0.06 31	0.09 34	0.17 149	0.06 3	0.10 73	0.14 94	0.12 11	0.10 12	0.09 30	0.12 85	0.09 59	0.06 12	0.11 58	0.10 70	0.06 64	0.04 2	0.06 45	0.05 50	0.04 1	0.04 9

iRaft-Stereo_20w	0.09 23	0.05 9	0.13 152	0.14 18	0.08 62	0.12 133	0.15 152	0.18 127	0.10 12	0.11 82	0.08 26	0.08 43	0.05 3	0.10 26	0.09 27	0.06 64	0.04 2	0.06 45	0.05 50	0.06 118	0.05 64

RAFT-345	0.11 109	0.07 88	0.15 231	0.16 91	0.08 62	0.08 27	0.12 30	0.15 47	0.10 12	0.11 82	0.36 364	0.09 59	0.09 97	0.11 58	0.12 158	0.05 4	0.05 120	0.07 124	0.06 112	0.04 1	0.05 64

CRE-IMP	0.11 109	0.09 229	0.16 265	0.19 273	0.08 62	0.10 73	0.12 30	0.18 127	0.10 12	0.14 162	0.13 97	0.13 140	0.12 175	0.12 125	0.11 115	0.07 162	0.04 2	0.08 196	0.06 112	0.08 237	0.08 259

XX-Stereo	0.09 23	0.05 9	0.08 13	0.17 149	0.09 160	0.15 219	0.12 30	0.20 157	0.10 12	0.10 58	0.14 111	0.07 26	0.06 12	0.12 125	0.08 12	0.06 64	0.05 120	0.06 45	0.06 112	0.04 1	0.04 9

CREStereo	0.09 23	0.04 1	0.08 13	0.11 1	0.06 3	0.13 165	0.14 94	0.14 30	0.10 12	0.08 14	0.13 97	0.09 59	0.08 74	0.11 58	0.10 70	0.08 217	0.04 2	0.05 2	0.03 1	0.06 118	0.06 129
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
IGEV-Stereo++	0.07 1	0.06 31	0.08 13	0.18 221	0.06 3	0.04 1	0.10 10	0.11 4	0.11 28	0.06 1	0.07 16	0.07 26	0.06 12	0.09 12	0.09 27	0.05 4	0.04 2	0.05 2	0.04 12	0.05 49	0.04 9

RSM++	0.08 4	0.06 31	0.09 34	0.17 149	0.07 26	0.09 44	0.12 30	0.11 4	0.11 28	0.08 14	0.06 2	0.07 26	0.05 3	0.10 26	0.09 27	0.04 1	0.04 2	0.06 45	0.05 50	0.05 49	0.03 1

IGEV_Zeroshot_test	0.09 23	0.05 9	0.12 112	0.13 10	0.08 62	0.12 133	0.13 58	0.17 101	0.11 28	0.10 58	0.06 2	0.09 59	0.06 12	0.11 58	0.09 27	0.06 64	0.04 2	0.06 45	0.06 112	0.05 49	0.05 64

UniTT-Stereo	0.09 23	0.07 88	0.08 13	0.18 221	0.08 62	0.13 165	0.11 18	0.12 11	0.11 28	0.10 58	0.12 85	0.05 1	0.07 49	0.09 12	0.09 27	0.07 162	0.05 120	0.05 2	0.05 50	0.05 49	0.05 64

STrans-v2	0.10 72	0.07 88	0.12 112	0.18 221	0.07 26	0.10 73	0.14 94	0.21 176	0.11 28	0.11 82	0.15 127	0.12 116	0.10 122	0.11 58	0.12 158	0.05 4	0.04 2	0.06 45	0.06 112	0.04 1	0.04 9

SST-Stereo	0.10 72	0.07 88	0.15 231	0.18 221	0.09 160	0.06 4	0.12 30	0.17 101	0.11 28	0.15 189	0.17 157	0.13 140	0.12 175	0.10 26	0.11 115	0.06 64	0.04 2	0.09 269	0.06 112	0.06 118	0.05 64

RALCasStereoNet	0.10 72	0.06 31	0.09 34	0.16 91	0.08 62	0.12 133	0.14 94	0.17 101	0.11 28	0.12 117	0.17 157	0.14 159	0.10 122	0.12 125	0.11 115	0.07 162	0.06 222	0.06 45	0.05 50	0.08 237	0.07 196

PMTNet	0.09 23	0.05 9	0.09 34	0.12 3	0.06 3	0.12 133	0.14 94	0.15 47	0.11 28	0.09 30	0.13 97	0.10 82	0.07 49	0.13 163	0.10 70	0.15 395	0.04 2	0.05 2	0.03 1	0.07 180	0.06 129

R-Stereo Train	0.10 72	0.06 31	0.10 57	0.17 149	0.08 62	0.11 106	0.14 94	0.23 211	0.11 28	0.12 117	0.19 188	0.11 101	0.08 74	0.09 12	0.11 115	0.07 162	0.05 120	0.06 45	0.05 50	0.05 49	0.05 64

RAFT-Stereo	0.10 72	0.06 31	0.10 57	0.17 149	0.08 62	0.11 106	0.14 94	0.23 211	0.11 28	0.12 117	0.19 188	0.11 101	0.08 74	0.09 12	0.11 115	0.07 162	0.05 120	0.06 45	0.05 50	0.05 49	0.05 64
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
WCG-NET（raft）	0.08 4	0.05 9	0.10 57	0.15 48	0.06 3	0.11 106	0.13 58	0.15 47	0.12 38	0.08 14	0.07 16	0.06 4	0.06 12	0.13 163	0.08 12	0.05 4	0.04 2	0.05 2	0.04 12	0.04 1	0.04 9

gcap-zeroshot	0.09 23	0.05 9	0.10 57	0.16 91	0.07 26	0.13 165	0.13 58	0.11 4	0.12 38	0.13 141	0.12 85	0.09 59	0.08 74	0.09 12	0.09 27	0.06 64	0.05 120	0.06 45	0.05 50	0.04 1	0.04 9

test_for_model	0.09 23	0.12 323	0.14 182	0.23 379	0.11 300	0.08 27	0.13 58	0.12 11	0.12 38	0.10 58	0.07 16	0.07 26	0.06 12	0.11 58	0.10 70	0.06 64	0.05 120	0.05 2	0.03 1	0.07 180	0.04 9

testlalala2	0.10 72	0.06 31	0.11 88	0.20 319	0.10 256	0.10 73	0.12 30	0.17 101	0.12 38	0.12 117	0.13 97	0.09 59	0.07 49	0.11 58	0.13 195	0.06 64	0.05 120	0.05 2	0.04 12	0.05 49	0.05 64

MGS-Stereo	0.09 23	0.07 88	0.12 112	0.15 48	0.08 62	0.09 44	0.15 152	0.12 11	0.12 38	0.07 4	0.10 52	0.08 43	0.06 12	0.10 26	0.09 27	0.05 4	0.04 2	0.06 45	0.05 50	0.06 118	0.05 64

MyStereo06	0.10 72	0.07 88	0.12 112	0.17 149	0.09 160	0.13 165	0.18 278	0.19 146	0.12 38	0.12 117	0.08 26	0.07 26	0.07 49	0.11 58	0.09 27	0.06 64	0.05 120	0.07 124	0.07 194	0.06 118	0.06 129

ff7	0.09 23	0.07 88	0.11 88	0.16 91	0.09 160	0.11 106	0.15 152	0.16 67	0.12 38	0.10 58	0.06 2	0.06 4	0.06 12	0.11 58	0.09 27	0.05 4	0.04 2	0.06 45	0.05 50	0.05 49	0.06 129

IGEVStereo-DCA	0.09 23	0.06 31	0.11 88	0.15 48	0.10 256	0.11 106	0.15 152	0.16 67	0.12 38	0.10 58	0.06 2	0.08 43	0.06 12	0.10 26	0.08 12	0.06 64	0.05 120	0.06 45	0.05 50	0.05 49	0.06 129

ffff	0.09 23	0.07 88	0.11 88	0.16 91	0.09 160	0.11 106	0.15 152	0.16 67	0.12 38	0.10 58	0.06 2	0.06 4	0.06 12	0.11 58	0.09 27	0.05 4	0.04 2	0.06 45	0.05 50	0.05 49	0.06 129

11t	0.09 23	0.07 88	0.11 88	0.16 91	0.09 160	0.11 106	0.15 152	0.16 67	0.12 38	0.10 58	0.06 2	0.06 4	0.06 12	0.11 58	0.09 27	0.05 4	0.04 2	0.06 45	0.05 50	0.05 49	0.06 129

SPstereo	0.09 23	0.07 88	0.13 152	0.18 221	0.06 3	0.11 106	0.07 1	0.13 20	0.12 38	0.09 30	0.10 52	0.07 26	0.09 97	0.13 163	0.10 70	0.06 64	0.05 120	0.05 2	0.04 12	0.04 1	0.05 64

anonymousdsp	0.09 23	0.07 88	0.11 88	0.16 91	0.09 160	0.11 106	0.15 152	0.16 67	0.12 38	0.09 30	0.06 2	0.06 4	0.06 12	0.11 58	0.09 27	0.05 4	0.04 2	0.06 45	0.05 50	0.05 49	0.06 129

ProNet	0.09 23	0.07 88	0.10 57	0.17 149	0.08 62	0.10 73	0.15 152	0.15 47	0.12 38	0.09 30	0.06 2	0.07 26	0.06 12	0.11 58	0.09 27	0.05 4	0.04 2	0.06 45	0.05 50	0.04 1	0.06 129

CroCo-Stereo Lap2	0.09 23	0.09 229	0.08 13	0.22 360	0.09 160	0.09 44	0.19 314	0.16 67	0.12 38	0.09 30	0.10 52	0.05 1	0.05 3	0.08 8	0.08 12	0.06 64	0.06 222	0.07 124	0.05 50	0.05 49	0.05 64

ccc-4	0.09 23	0.07 88	0.11 88	0.16 91	0.09 160	0.11 106	0.15 152	0.16 67	0.12 38	0.10 58	0.06 2	0.06 4	0.06 12	0.11 58	0.09 27	0.05 4	0.04 2	0.06 45	0.05 50	0.05 49	0.06 129

IGEV-Stereo	0.09 23	0.07 88	0.11 88	0.16 91	0.09 160	0.11 106	0.15 152	0.16 67	0.12 38	0.09 30	0.06 2	0.06 4	0.06 12	0.11 58	0.09 27	0.05 4	0.04 2	0.06 45	0.05 50	0.05 49	0.06 129
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
KYRaft	0.11 109	0.07 88	0.10 57	0.19 273	0.09 160	0.08 27	0.15 152	0.22 194	0.12 38	0.13 141	0.16 138	0.20 257	0.10 122	0.12 125	0.10 70	0.05 4	0.04 2	0.08 196	0.08 255	0.06 118	0.16 409

DeepStereo_RVC	0.11 109	0.08 168	0.16 265	0.18 221	0.08 62	0.08 27	0.12 30	0.17 101	0.12 38	0.13 141	0.14 111	0.12 116	0.12 175	0.12 125	0.11 115	0.06 64	0.04 2	0.07 124	0.06 112	0.07 180	0.08 259

RAFT-RH_RVC	0.11 109	0.06 31	0.14 182	0.16 91	0.09 160	0.12 133	0.12 30	0.17 101	0.12 38	0.13 141	0.41 398	0.11 101	0.10 122	0.13 163	0.12 158	0.05 4	0.04 2	0.08 196	0.05 50	0.04 1	0.06 129

CroCo-Stereo	0.09 23	0.08 168	0.08 13	0.22 360	0.09 160	0.09 44	0.19 314	0.15 47	0.12 38	0.07 4	0.07 16	0.08 43	0.06 12	0.08 8	0.07 1	0.07 162	0.05 120	0.06 45	0.04 12	0.05 49	0.04 9
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
iRaftStereo_RVC	0.10 72	0.07 88	0.09 34	0.17 149	0.09 160	0.11 106	0.17 236	0.18 127	0.12 38	0.09 30	0.12 85	0.10 82	0.07 49	0.11 58	0.10 70	0.05 4	0.04 2	0.08 196	0.08 255	0.04 1	0.04 9

ARAFT	0.12 170	0.08 168	0.17 292	0.19 273	0.09 160	0.14 195	0.18 278	0.20 157	0.12 38	0.12 117	0.13 97	0.14 159	0.11 146	0.15 202	0.12 158	0.06 64	0.05 120	0.10 313	0.09 296	0.05 49	0.04 9

model_zeroshot	0.10 72	0.04 1	0.11 88	0.15 48	0.09 160	0.12 133	0.14 94	0.20 157	0.13 60	0.11 82	0.10 52	0.12 116	0.07 49	0.12 125	0.10 70	0.07 162	0.06 222	0.06 45	0.05 50	0.06 118	0.06 129

plain	0.10 72	0.08 168	0.10 57	0.19 273	0.09 160	0.10 73	0.15 152	0.14 30	0.13 60	0.13 141	0.15 127	0.09 59	0.12 175	0.13 163	0.12 158	0.07 162	0.05 120	0.09 269	0.06 112	0.06 118	0.06 129

MSKI-zero shot	0.09 23	0.05 9	0.09 34	0.15 48	0.07 26	0.10 73	0.13 58	0.14 30	0.13 60	0.09 30	0.09 35	0.09 59	0.06 12	0.12 125	0.10 70	0.06 64	0.04 2	0.05 2	0.04 12	0.04 1	0.04 9

RAFT-Test	0.09 23	0.06 31	0.10 57	0.15 48	0.07 26	0.11 106	0.15 152	0.16 67	0.13 60	0.09 30	0.10 52	0.10 82	0.09 97	0.12 125	0.09 27	0.06 64	0.04 2	0.05 2	0.04 12	0.04 1	0.05 64

knoymous	0.11 109	0.05 9	0.12 112	0.13 10	0.07 26	0.15 219	0.14 94	0.19 146	0.13 60	0.11 82	0.17 157	0.13 140	0.09 97	0.13 163	0.11 115	0.08 217	0.05 120	0.06 45	0.05 50	0.08 237	0.07 196

Patchmatch Stereo++	0.11 109	0.09 229	0.16 265	0.18 221	0.08 62	0.06 4	0.11 18	0.16 67	0.13 60	0.15 189	0.16 138	0.14 159	0.12 175	0.11 58	0.10 70	0.06 64	0.04 2	0.08 196	0.06 112	0.08 237	0.07 196
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	0.11 109	0.07 88	0.16 265	0.19 273	0.09 160	0.08 27	0.13 58	0.18 127	0.13 60	0.16 214	0.21 220	0.13 140	0.14 234	0.11 58	0.14 231	0.06 64	0.04 2	0.09 269	0.06 112	0.06 118	0.05 64

PSM-adaLoss	0.11 109	0.09 229	0.16 265	0.18 221	0.08 62	0.06 4	0.12 30	0.16 67	0.13 60	0.15 189	0.16 138	0.14 159	0.12 175	0.11 58	0.10 70	0.06 64	0.04 2	0.08 196	0.06 112	0.08 237	0.07 196

PSM-AAD	0.11 109	0.07 88	0.10 57	0.19 273	0.09 160	0.10 73	0.15 152	0.20 157	0.13 60	0.12 117	0.14 111	0.18 231	0.11 146	0.11 58	0.10 70	0.05 4	0.05 120	0.09 269	0.08 255	0.06 118	0.14 391

ROB_FTStereo_v2	0.11 109	0.09 229	0.16 265	0.19 273	0.08 62	0.06 4	0.12 30	0.16 67	0.13 60	0.15 189	0.16 138	0.14 159	0.12 175	0.11 58	0.10 70	0.06 64	0.04 2	0.08 196	0.06 112	0.08 237	0.07 196

ROB_FTStereo	0.11 109	0.09 229	0.16 265	0.19 273	0.08 62	0.06 4	0.11 18	0.16 67	0.13 60	0.15 189	0.16 138	0.14 159	0.12 175	0.11 58	0.10 70	0.06 64	0.04 2	0.08 196	0.06 112	0.08 237	0.07 196

HUI-Stereo	0.11 109	0.09 229	0.16 265	0.18 221	0.08 62	0.06 4	0.12 30	0.16 67	0.13 60	0.15 189	0.16 138	0.14 159	0.12 175	0.11 58	0.10 70	0.06 64	0.04 2	0.08 196	0.06 112	0.08 237	0.07 196

iGMRVC	0.11 109	0.09 229	0.16 265	0.19 273	0.08 62	0.06 4	0.12 30	0.16 67	0.13 60	0.15 189	0.16 138	0.14 159	0.12 175	0.11 58	0.10 70	0.06 64	0.04 2	0.08 196	0.06 112	0.08 237	0.07 196

iRAFT	0.11 109	0.09 229	0.16 265	0.18 221	0.08 62	0.06 4	0.11 18	0.16 67	0.13 60	0.15 189	0.16 138	0.14 159	0.12 175	0.11 58	0.10 70	0.06 64	0.04 2	0.08 196	0.06 112	0.08 237	0.07 196

RAFT-IKP	0.11 109	0.09 229	0.16 265	0.19 273	0.08 62	0.06 4	0.12 30	0.16 67	0.13 60	0.15 189	0.16 138	0.14 159	0.12 175	0.11 58	0.10 70	0.06 64	0.04 2	0.08 196	0.06 112	0.08 237	0.07 196

Prome-Stereo	0.11 109	0.06 31	0.10 57	0.18 221	0.08 62	0.12 133	0.15 152	0.22 194	0.13 60	0.12 117	0.17 157	0.13 140	0.08 74	0.12 125	0.10 70	0.05 4	0.04 2	0.07 124	0.06 112	0.06 118	0.09 300

XX-TBD	0.09 23	0.06 31	0.07 3	0.14 18	0.07 26	0.12 133	0.16 211	0.14 30	0.13 60	0.11 82	0.12 85	0.09 59	0.08 74	0.10 26	0.10 70	0.06 64	0.04 2	0.05 2	0.03 1	0.06 118	0.05 64

test_xeample3	0.09 23	0.06 31	0.12 112	0.16 91	0.09 160	0.11 106	0.15 152	0.16 67	0.13 60	0.10 58	0.06 2	0.08 43	0.06 12	0.10 26	0.09 27	0.05 4	0.04 2	0.06 45	0.05 50	0.05 49	0.06 129

CAS++	0.11 109	0.07 88	0.11 88	0.14 18	0.09 160	0.12 133	0.14 94	0.24 232	0.14 78	0.11 82	0.09 35	0.11 101	0.07 49	0.14 181	0.09 27	0.11 332	0.09 339	0.09 269	0.07 194	0.07 180	0.08 259
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MIM_Stereo	0.09 23	0.07 88	0.11 88	0.15 48	0.07 26	0.06 4	0.12 30	0.20 157	0.14 78	0.13 141	0.13 97	0.09 59	0.05 3	0.12 125	0.08 12	0.05 4	0.06 222	0.07 124	0.06 112	0.06 118	0.05 64

CASnet	0.09 23	0.09 229	0.09 34	0.19 273	0.06 3	0.07 18	0.11 18	0.18 127	0.14 78	0.11 82	0.10 52	0.09 59	0.07 49	0.10 26	0.10 70	0.06 64	0.04 2	0.10 313	0.08 255	0.05 49	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.10 72	0.10 283	0.15 231	0.18 221	0.08 62	0.15 219	0.09 5	0.17 101	0.14 78	0.14 162	0.10 52	0.09 59	0.07 49	0.16 236	0.10 70	0.05 4	0.05 120	0.10 313	0.07 194	0.06 118	0.05 64

riskmin	0.11 109	0.06 31	0.13 152	0.14 18	0.08 62	0.14 195	0.14 94	0.18 127	0.14 78	0.11 82	0.14 111	0.16 198	0.11 146	0.14 181	0.12 158	0.09 270	0.05 120	0.07 124	0.05 50	0.08 237	0.08 259

RCA-Stereo	0.09 23	0.06 31	0.09 34	0.16 91	0.06 3	0.09 44	0.13 58	0.18 127	0.14 78	0.09 30	0.10 52	0.08 43	0.07 49	0.12 125	0.11 115	0.06 64	0.04 2	0.06 45	0.05 50	0.05 49	0.04 9

ACRE	0.11 109	0.08 168	0.14 182	0.17 149	0.08 62	0.12 133	0.15 152	0.17 101	0.14 78	0.14 162	0.10 52	0.16 198	0.09 97	0.16 236	0.11 115	0.07 162	0.05 120	0.06 45	0.05 50	0.05 49	0.06 129

AnonymousM	0.09 23	0.05 9	0.10 57	0.14 18	0.06 3	0.09 44	0.13 58	0.19 146	0.14 78	0.13 141	0.11 75	0.09 59	0.08 74	0.13 163	0.10 70	0.08 217	0.05 120	0.08 196	0.05 50	0.05 49	0.05 64

rafts_anoy	0.11 109	0.06 31	0.10 57	0.17 149	0.08 62	0.10 73	0.14 94	0.17 101	0.14 78	0.13 141	0.13 97	0.12 116	0.10 122	0.11 58	0.12 158	0.07 162	0.04 2	0.09 269	0.11 356	0.07 180	0.06 129

CREStereo++_RVC	0.08 4	0.04 1	0.06 1	0.13 10	0.07 26	0.09 44	0.12 30	0.14 30	0.14 78	0.10 58	0.14 111	0.08 43	0.07 49	0.09 12	0.11 115	0.06 64	0.04 2	0.05 2	0.05 50	0.04 1	0.04 9
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
sCroCo_RVC	0.12 170	0.09 229	0.23 353	0.24 386	0.11 300	0.19 307	0.14 94	0.17 101	0.14 78	0.10 58	0.13 97	0.12 116	0.07 49	0.14 181	0.11 115	0.08 217	0.08 315	0.08 196	0.08 255	0.05 49	0.07 196

RAFT-Stereo + iAFF	0.09 23	0.06 31	0.10 57	0.17 149	0.06 3	0.10 73	0.16 211	0.17 101	0.14 78	0.09 30	0.10 52	0.08 43	0.09 97	0.11 58	0.09 27	0.05 4	0.04 2	0.06 45	0.06 112	0.04 1	0.03 1

UGAM-zero	0.09 23	0.05 9	0.15 231	0.15 48	0.08 62	0.09 44	0.13 58	0.19 146	0.15 90	0.11 82	0.15 127	0.07 26	0.07 49	0.09 12	0.09 27	0.06 64	0.05 120	0.06 45	0.05 50	0.05 49	0.06 129

Occ-G	0.08 4	0.05 9	0.06 1	0.14 18	0.07 26	0.08 27	0.14 94	0.13 20	0.15 90	0.07 4	0.11 75	0.07 26	0.05 3	0.09 12	0.10 70	0.06 64	0.05 120	0.05 2	0.04 12	0.05 49	0.05 64

AIO-Stereo-zeroshot1	0.11 109	0.05 9	0.14 182	0.15 48	0.20 418	0.09 44	0.17 236	0.21 176	0.15 90	0.11 82	0.14 111	0.10 82	0.07 49	0.10 26	0.08 12	0.06 64	0.05 120	0.07 124	0.07 194	0.07 180	0.09 300

test_sample1	0.13 195	0.07 88	0.14 182	0.13 10	0.08 62	0.19 307	0.16 211	0.20 157	0.15 90	0.14 162	0.22 229	0.18 231	0.16 277	0.17 263	0.14 231	0.07 162	0.06 222	0.06 45	0.06 112	0.08 237	0.07 196

MyStereo07	0.10 72	0.07 88	0.10 57	0.17 149	0.09 160	0.14 195	0.18 278	0.15 47	0.15 90	0.09 30	0.06 2	0.06 4	0.07 49	0.12 125	0.09 27	0.06 64	0.05 120	0.08 196	0.07 194	0.06 118	0.06 129

mmm	0.14 225	0.08 168	0.17 292	0.17 149	0.09 160	0.17 267	0.18 278	0.21 176	0.15 90	0.15 189	0.23 238	0.21 264	0.16 277	0.16 236	0.17 288	0.08 217	0.05 120	0.08 196	0.07 194	0.07 180	0.07 196

11t1	0.12 170	0.06 31	0.13 152	0.14 18	0.08 62	0.17 267	0.15 152	0.18 127	0.15 90	0.15 189	0.15 127	0.16 198	0.16 277	0.15 202	0.13 195	0.08 217	0.05 120	0.06 45	0.05 50	0.08 237	0.07 196

rrr	0.09 23	0.06 31	0.12 112	0.15 48	0.10 256	0.11 106	0.16 211	0.16 67	0.15 90	0.10 58	0.06 2	0.08 43	0.06 12	0.10 26	0.08 12	0.06 64	0.05 120	0.06 45	0.05 50	0.05 49	0.06 129

Any-RAFT	0.10 72	0.05 9	0.09 34	0.14 18	0.07 26	0.13 165	0.14 94	0.21 176	0.15 90	0.11 82	0.12 85	0.12 116	0.09 97	0.12 125	0.09 27	0.07 162	0.04 2	0.05 2	0.04 12	0.06 118	0.05 64

4D-IteraStereo	0.09 23	0.07 88	0.10 57	0.18 221	0.07 26	0.09 44	0.15 152	0.17 101	0.15 90	0.10 58	0.11 75	0.10 82	0.07 49	0.11 58	0.09 27	0.05 4	0.03 1	0.08 196	0.07 194	0.06 118	0.05 64

LoS	0.09 23	0.05 9	0.11 88	0.13 10	0.07 26	0.14 195	0.11 18	0.15 47	0.15 90	0.09 30	0.09 35	0.12 116	0.09 97	0.15 202	0.10 70	0.07 162	0.05 120	0.05 2	0.03 1	0.05 49	0.05 64
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CIPLG	0.11 109	0.08 168	0.14 182	0.17 149	0.08 62	0.12 133	0.15 152	0.17 101	0.15 90	0.14 162	0.11 75	0.16 198	0.09 97	0.16 236	0.11 115	0.07 162	0.05 120	0.06 45	0.05 50	0.05 49	0.06 129

IPLG	0.10 72	0.07 88	0.15 231	0.17 149	0.08 62	0.11 106	0.14 94	0.20 157	0.15 90	0.12 117	0.17 157	0.07 26	0.07 49	0.14 181	0.13 195	0.06 64	0.04 2	0.06 45	0.05 50	0.04 1	0.04 9

IPLGR_C	0.11 109	0.08 168	0.14 182	0.17 149	0.08 62	0.12 133	0.15 152	0.17 101	0.15 90	0.14 162	0.10 52	0.16 198	0.09 97	0.16 236	0.11 115	0.07 162	0.05 120	0.06 45	0.05 50	0.05 49	0.06 129

test-3	0.08 4	0.06 31	0.09 34	0.17 149	0.07 26	0.07 18	0.14 94	0.12 11	0.15 90	0.09 30	0.08 26	0.07 26	0.08 74	0.11 58	0.10 70	0.05 4	0.04 2	0.07 124	0.05 50	0.04 1	0.04 9

test_1	0.08 4	0.06 31	0.09 34	0.17 149	0.07 26	0.07 18	0.14 94	0.12 11	0.15 90	0.09 30	0.08 26	0.07 26	0.08 74	0.11 58	0.10 70	0.05 4	0.04 2	0.07 124	0.05 50	0.04 1	0.04 9

LCNet	0.11 109	0.07 88	0.09 34	0.19 273	0.09 160	0.08 27	0.15 152	0.21 176	0.15 90	0.11 82	0.15 127	0.16 198	0.11 146	0.12 125	0.11 115	0.05 4	0.04 2	0.08 196	0.07 194	0.06 118	0.15 398

TransformOpticalFlow	0.10 72	0.08 168	0.13 152	0.18 221	0.07 26	0.09 44	0.15 152	0.19 146	0.15 90	0.12 117	0.17 157	0.11 101	0.11 146	0.11 58	0.10 70	0.05 4	0.04 2	0.06 45	0.06 112	0.05 49	0.05 64

NRIStereo	0.11 109	0.08 168	0.14 182	0.18 221	0.08 62	0.10 73	0.14 94	0.16 67	0.15 90	0.12 117	0.14 111	0.13 140	0.12 175	0.13 163	0.10 70	0.06 64	0.04 2	0.07 124	0.06 112	0.06 118	0.07 196

cross-raft	0.10 72	0.09 229	0.09 34	0.19 273	0.07 26	0.11 106	0.25 390	0.13 20	0.15 90	0.08 14	0.11 75	0.12 116	0.10 122	0.09 12	0.11 115	0.05 4	0.04 2	0.06 45	0.05 50	0.04 1	0.04 9

s12784h	0.09 23	0.06 31	0.07 3	0.15 48	0.05 1	0.16 246	0.18 278	0.15 47	0.15 90	0.10 58	0.11 75	0.11 101	0.11 146	0.10 26	0.12 158	0.05 4	0.04 2	0.05 2	0.04 12	0.04 1	0.04 9

RALAANet	0.11 109	0.08 168	0.10 57	0.17 149	0.09 160	0.14 195	0.10 10	0.20 157	0.15 90	0.14 162	0.13 97	0.16 198	0.09 97	0.12 125	0.11 115	0.06 64	0.05 120	0.07 124	0.06 112	0.05 49	0.04 9

rvit_stereo_0080	0.10 72	0.08 168	0.14 182	0.15 48	0.09 160	0.07 18	0.15 152	0.16 67	0.16 112	0.11 82	0.10 52	0.14 159	0.08 74	0.12 125	0.10 70	0.09 270	0.07 290	0.07 124	0.06 112	0.07 180	0.05 64

rvit_stereo_ft	0.12 170	0.07 88	0.13 152	0.19 273	0.10 256	0.12 133	0.17 236	0.16 67	0.16 112	0.12 117	0.13 97	0.15 185	0.10 122	0.14 181	0.13 195	0.09 270	0.06 222	0.08 196	0.07 194	0.07 180	0.05 64

RAFT-Stereo-weight	0.09 23	0.06 31	0.10 57	0.16 91	0.07 26	0.09 44	0.14 94	0.19 146	0.16 112	0.11 82	0.10 52	0.08 43	0.06 12	0.10 26	0.11 115	0.06 64	0.04 2	0.06 45	0.04 12	0.04 1	0.04 9

test_sample2	0.12 170	0.07 88	0.12 112	0.14 18	0.08 62	0.16 246	0.18 278	0.21 176	0.16 112	0.14 162	0.20 200	0.19 245	0.15 251	0.15 202	0.12 158	0.08 217	0.05 120	0.07 124	0.06 112	0.08 237	0.07 196

ACVNet-DCA	0.10 72	0.08 168	0.12 112	0.17 149	0.09 160	0.13 165	0.15 152	0.23 211	0.16 112	0.09 30	0.09 35	0.06 4	0.06 12	0.10 26	0.07 1	0.06 64	0.04 2	0.06 45	0.05 50	0.07 180	0.07 196

1test111	0.11 109	0.08 168	0.12 112	0.17 149	0.09 160	0.13 165	0.15 152	0.23 211	0.16 112	0.09 30	0.09 35	0.06 4	0.06 12	0.15 202	0.16 274	0.06 64	0.04 2	0.06 45	0.05 50	0.07 180	0.07 196

whm_eth	0.10 72	0.08 168	0.14 182	0.15 48	0.09 160	0.07 18	0.15 152	0.16 67	0.16 112	0.11 82	0.10 52	0.14 159	0.08 74	0.12 125	0.10 70	0.09 270	0.07 290	0.07 124	0.06 112	0.07 180	0.05 64

MaDis-Stereo	0.09 23	0.09 229	0.08 13	0.17 149	0.09 160	0.13 165	0.10 10	0.16 67	0.16 112	0.09 30	0.11 75	0.06 4	0.06 12	0.09 12	0.13 195	0.07 162	0.06 222	0.07 124	0.05 50	0.05 49	0.04 9

EGLCR-Stereo	0.08 4	0.05 9	0.08 13	0.14 18	0.06 3	0.10 73	0.12 30	0.11 4	0.16 112	0.06 1	0.05 1	0.07 26	0.05 3	0.10 26	0.11 115	0.06 64	0.04 2	0.06 45	0.05 50	0.04 1	0.04 9

TestStereo1	0.13 195	0.08 168	0.08 13	0.19 273	0.08 62	0.18 285	0.29 419	0.23 211	0.16 112	0.17 228	0.20 200	0.16 198	0.10 122	0.12 125	0.13 195	0.06 64	0.06 222	0.08 196	0.06 112	0.05 49	0.05 64

qqq	0.13 195	0.09 229	0.15 231	0.16 91	0.08 62	0.13 165	0.15 152	0.23 211	0.16 112	0.15 189	0.19 188	0.16 198	0.16 277	0.15 202	0.16 274	0.07 162	0.06 222	0.08 196	0.08 255	0.07 180	0.07 196

RAFT_CTSACE	0.12 170	0.09 229	0.10 57	0.22 360	0.08 62	0.12 133	0.24 376	0.18 127	0.16 112	0.20 291	0.27 301	0.13 140	0.07 49	0.13 163	0.09 27	0.05 4	0.06 222	0.08 196	0.07 194	0.04 1	0.04 9

SA-5K	0.13 195	0.08 168	0.08 13	0.19 273	0.08 62	0.18 285	0.29 419	0.23 211	0.16 112	0.17 228	0.20 200	0.16 198	0.10 122	0.12 125	0.13 195	0.06 64	0.06 222	0.08 196	0.06 112	0.05 49	0.05 64

RAFT_R40	0.11 109	0.07 88	0.14 182	0.18 221	0.09 160	0.06 4	0.13 58	0.17 101	0.16 112	0.14 162	0.18 180	0.15 185	0.12 175	0.10 26	0.11 115	0.06 64	0.04 2	0.09 269	0.06 112	0.06 118	0.05 64

GMM-Stereo	0.11 109	0.07 88	0.10 57	0.18 221	0.09 160	0.08 27	0.15 152	0.23 211	0.16 112	0.11 82	0.15 127	0.13 140	0.11 146	0.11 58	0.11 115	0.05 4	0.04 2	0.08 196	0.07 194	0.06 118	0.09 300

raftrobust	0.09 23	0.06 31	0.10 57	0.17 149	0.08 62	0.09 44	0.10 10	0.18 127	0.16 112	0.10 58	0.09 35	0.12 116	0.07 49	0.12 125	0.10 70	0.08 217	0.05 120	0.06 45	0.05 50	0.05 49	0.05 64

DIP-Stereo	0.11 109	0.07 88	0.14 182	0.17 149	0.09 160	0.13 165	0.09 5	0.16 67	0.16 112	0.11 82	0.16 138	0.14 159	0.12 175	0.15 202	0.13 195	0.06 64	0.05 120	0.06 45	0.05 50	0.05 49	0.06 129
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RAStereo	0.10 72	0.09 229	0.08 13	0.20 319	0.08 62	0.13 165	0.18 278	0.15 47	0.17 129	0.10 58	0.12 85	0.05 1	0.06 12	0.09 12	0.08 12	0.07 162	0.05 120	0.07 124	0.05 50	0.05 49	0.04 9

Pointernet	0.09 23	0.04 1	0.09 34	0.16 91	0.08 62	0.13 165	0.10 10	0.15 47	0.17 129	0.09 30	0.07 16	0.06 4	0.06 12	0.11 58	0.09 27	0.08 217	0.04 2	0.05 2	0.03 1	0.06 118	0.05 64

AIO-Stereo-zeroshot	0.11 109	0.05 9	0.11 88	0.15 48	0.13 351	0.13 165	0.16 211	0.23 211	0.17 129	0.10 58	0.12 85	0.10 82	0.07 49	0.11 58	0.09 27	0.06 64	0.05 120	0.06 45	0.06 112	0.07 180	0.08 259

U	0.08 4	0.07 88	0.09 34	0.19 273	0.10 256	0.10 73	0.13 58	0.12 11	0.17 129	0.07 4	0.07 16	0.06 4	0.05 3	0.07 2	0.08 12	0.06 64	0.04 2	0.06 45	0.04 12	0.06 118	0.05 64

GCST	0.37 425	0.42 443	0.26 364	1.02 467	0.39 442	0.18 285	0.08 3	0.20 157	0.17 129	0.28 373	0.25 278	0.15 185	0.12 175	0.16 236	0.14 231	0.64 460	0.43 448	0.75 457	0.65 460	0.63 454	0.46 452

test_sample6	0.14 225	0.08 168	0.13 152	0.16 91	0.08 62	0.17 267	0.19 314	0.25 247	0.17 129	0.17 228	0.27 301	0.19 245	0.14 234	0.15 202	0.13 195	0.08 217	0.05 120	0.08 196	0.07 194	0.08 237	0.08 259

test_sample5	0.14 225	0.08 168	0.14 182	0.16 91	0.08 62	0.18 285	0.18 278	0.25 247	0.17 129	0.17 228	0.27 301	0.18 231	0.14 234	0.16 236	0.13 195	0.08 217	0.05 120	0.08 196	0.07 194	0.08 237	0.08 259

test_sample4	0.14 225	0.08 168	0.14 182	0.15 48	0.08 62	0.19 307	0.18 278	0.26 264	0.17 129	0.16 214	0.25 278	0.18 231	0.14 234	0.16 236	0.13 195	0.08 217	0.06 222	0.08 196	0.06 112	0.08 237	0.08 259

DualNet	0.14 225	0.08 168	0.14 182	0.16 91	0.08 62	0.18 285	0.18 278	0.25 247	0.17 129	0.17 228	0.27 301	0.18 231	0.14 234	0.16 236	0.13 195	0.08 217	0.05 120	0.08 196	0.07 194	0.08 237	0.08 259

DCRE	0.11 109	0.07 88	0.13 152	0.16 91	0.11 300	0.11 106	0.17 236	0.18 127	0.17 129	0.11 82	0.18 180	0.10 82	0.10 122	0.15 202	0.11 115	0.06 64	0.05 120	0.06 45	0.06 112	0.05 49	0.04 9

Anonymous_2	0.22 362	0.17 385	0.28 376	0.15 48	0.16 392	0.32 402	0.22 357	0.22 194	0.17 129	0.23 330	0.24 249	0.26 324	0.27 378	0.27 374	0.23 358	0.22 431	0.25 437	0.17 405	0.17 412	0.17 412	0.17 416

DisPM	0.11 109	0.07 88	0.12 112	0.16 91	0.09 160	0.06 4	0.13 58	0.17 101	0.17 129	0.14 162	0.20 200	0.12 116	0.10 122	0.11 58	0.10 70	0.06 64	0.04 2	0.07 124	0.06 112	0.06 118	0.11 344

test_4	0.10 72	0.10 283	0.08 13	0.19 273	0.09 160	0.08 27	0.22 357	0.15 47	0.17 129	0.12 117	0.18 180	0.12 116	0.09 97	0.08 8	0.11 115	0.04 1	0.04 2	0.08 196	0.08 255	0.04 1	0.03 1

GMOStereo	0.11 109	0.09 229	0.07 3	0.19 273	0.08 62	0.12 133	0.28 410	0.13 20	0.17 129	0.11 82	0.17 157	0.14 159	0.12 175	0.07 2	0.07 1	0.05 4	0.05 120	0.09 269	0.07 194	0.04 1	0.04 9

error version	0.11 109	0.09 229	0.07 3	0.19 273	0.08 62	0.12 133	0.28 410	0.13 20	0.17 129	0.11 82	0.17 157	0.14 159	0.12 175	0.07 2	0.07 1	0.05 4	0.05 120	0.09 269	0.07 194	0.04 1	0.04 9

test-v	0.11 109	0.09 229	0.07 3	0.19 273	0.08 62	0.12 133	0.28 410	0.13 20	0.17 129	0.11 82	0.17 157	0.14 159	0.12 175	0.07 2	0.07 1	0.05 4	0.05 120	0.09 269	0.07 194	0.04 1	0.04 9

HHNet	0.11 109	0.06 31	0.16 265	0.15 48	0.14 368	0.07 18	0.13 58	0.20 157	0.17 129	0.14 162	0.25 278	0.11 101	0.08 74	0.13 163	0.10 70	0.05 4	0.04 2	0.08 196	0.06 112	0.05 49	0.09 300

IIG-Stereo	0.11 109	0.06 31	0.13 152	0.17 149	0.08 62	0.11 106	0.12 30	0.22 194	0.17 129	0.14 162	0.17 157	0.11 101	0.12 175	0.12 125	0.12 158	0.06 64	0.05 120	0.07 124	0.06 112	0.05 49	0.04 9

PSM-softLoss	0.12 170	0.07 88	0.15 231	0.17 149	0.09 160	0.08 27	0.13 58	0.24 232	0.17 129	0.14 162	0.19 188	0.13 140	0.11 146	0.11 58	0.11 115	0.07 162	0.05 120	0.08 196	0.07 194	0.06 118	0.12 356

KMStereo	0.12 170	0.07 88	0.15 231	0.17 149	0.09 160	0.08 27	0.13 58	0.24 232	0.17 129	0.14 162	0.19 188	0.13 140	0.11 146	0.11 58	0.11 115	0.07 162	0.05 120	0.08 196	0.07 194	0.06 118	0.12 356

ASMatch	0.11 109	0.06 31	0.13 152	0.16 91	0.10 256	0.07 18	0.14 94	0.17 101	0.17 129	0.12 117	0.16 138	0.16 198	0.10 122	0.13 163	0.10 70	0.05 4	0.04 2	0.06 45	0.05 50	0.04 1	0.08 259

GrayStereo	0.11 109	0.06 31	0.11 88	0.19 273	0.09 160	0.09 44	0.16 211	0.18 127	0.17 129	0.14 162	0.17 157	0.17 218	0.11 146	0.12 125	0.11 115	0.05 4	0.05 120	0.07 124	0.06 112	0.05 49	0.10 321

Pruner-Stereo	0.11 109	0.07 88	0.12 112	0.17 149	0.09 160	0.06 4	0.12 30	0.17 101	0.17 129	0.13 141	0.19 188	0.13 140	0.09 97	0.11 58	0.11 115	0.06 64	0.04 2	0.07 124	0.06 112	0.06 118	0.08 259

test-2	0.11 109	0.09 229	0.07 3	0.19 273	0.08 62	0.12 133	0.28 410	0.13 20	0.17 129	0.11 82	0.17 157	0.14 159	0.12 175	0.07 2	0.07 1	0.05 4	0.05 120	0.09 269	0.07 194	0.04 1	0.04 9

CFNet-RSSM	0.09 23	0.07 88	0.09 34	0.16 91	0.07 26	0.09 44	0.15 152	0.16 67	0.17 129	0.08 14	0.12 85	0.10 82	0.09 97	0.11 58	0.09 27	0.06 64	0.04 2	0.06 45	0.04 12	0.04 1	0.04 9

Gwc-CoAtRS	0.09 23	0.06 31	0.10 57	0.16 91	0.07 26	0.10 73	0.14 94	0.17 101	0.17 129	0.08 14	0.10 52	0.12 116	0.09 97	0.12 125	0.09 27	0.06 64	0.04 2	0.06 45	0.04 12	0.04 1	0.04 9

test_sample3	0.14 225	0.08 168	0.15 231	0.14 18	0.09 160	0.19 307	0.17 236	0.26 264	0.18 155	0.16 214	0.22 229	0.19 245	0.15 251	0.17 263	0.13 195	0.08 217	0.06 222	0.07 124	0.06 112	0.09 294	0.08 259

Former-RAFT_DAM_RVC	0.10 72	0.08 168	0.12 112	0.16 91	0.08 62	0.15 219	0.16 211	0.18 127	0.18 155	0.10 58	0.09 35	0.09 59	0.08 74	0.11 58	0.12 158	0.07 162	0.05 120	0.08 196	0.06 112	0.07 180	0.06 129

xx1	0.11 109	0.08 168	0.12 112	0.17 149	0.09 160	0.13 165	0.15 152	0.16 67	0.18 155	0.09 30	0.09 35	0.16 198	0.16 277	0.10 26	0.07 1	0.06 64	0.04 2	0.08 196	0.08 255	0.07 180	0.07 196

cc1	0.10 72	0.08 168	0.12 112	0.17 149	0.09 160	0.13 165	0.15 152	0.16 67	0.18 155	0.09 30	0.09 35	0.06 4	0.06 12	0.10 26	0.07 1	0.06 64	0.04 2	0.06 45	0.05 50	0.06 118	0.06 129

MIF-Stereo (partial)	0.11 109	0.06 31	0.10 57	0.19 273	0.10 256	0.10 73	0.11 18	0.17 101	0.18 155	0.14 162	0.16 138	0.09 59	0.11 146	0.12 125	0.12 158	0.08 217	0.05 120	0.08 196	0.07 194	0.06 118	0.07 196

Sa-1000	0.12 170	0.08 168	0.08 13	0.18 221	0.08 62	0.14 195	0.22 357	0.22 194	0.18 155	0.15 189	0.20 200	0.17 218	0.11 146	0.10 26	0.10 70	0.06 64	0.05 120	0.09 269	0.09 296	0.05 49	0.05 64

SA	0.12 170	0.09 229	0.08 13	0.18 221	0.08 62	0.12 133	0.24 376	0.23 211	0.18 155	0.17 228	0.27 301	0.14 159	0.11 146	0.11 58	0.11 115	0.05 4	0.05 120	0.09 269	0.08 255	0.05 49	0.04 9

TRStereo	0.09 23	0.05 9	0.12 112	0.15 48	0.12 331	0.10 73	0.13 58	0.18 127	0.18 155	0.09 30	0.09 35	0.09 59	0.06 12	0.10 26	0.08 12	0.07 162	0.05 120	0.07 124	0.07 194	0.04 1	0.04 9

FTStereo	0.12 170	0.06 31	0.14 182	0.18 221	0.09 160	0.07 18	0.15 152	0.21 176	0.18 155	0.12 117	0.24 249	0.12 116	0.12 175	0.13 163	0.13 195	0.05 4	0.05 120	0.07 124	0.06 112	0.06 118	0.10 321

test-1	0.10 72	0.07 88	0.16 265	0.19 273	0.08 62	0.11 106	0.24 376	0.14 30	0.18 155	0.09 30	0.07 16	0.09 59	0.08 74	0.07 2	0.09 27	0.06 64	0.04 2	0.06 45	0.05 50	0.04 1	0.04 9

BEATNet_4x	0.12 170	0.08 168	0.14 182	0.18 221	0.07 26	0.15 219	0.07 1	0.22 194	0.18 155	0.16 214	0.19 188	0.18 231	0.14 234	0.16 236	0.15 258	0.07 162	0.05 120	0.05 2	0.05 50	0.06 118	0.06 129

HITNet	0.10 72	0.06 31	0.12 112	0.14 18	0.06 3	0.11 106	0.10 10	0.18 127	0.18 155	0.13 141	0.16 138	0.14 159	0.11 146	0.15 202	0.13 195	0.06 64	0.04 2	0.04 1	0.04 12	0.06 118	0.05 64
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
DN-CSS_ROB	0.13 195	0.13 349	0.16 265	0.18 221	0.10 256	0.16 246	0.08 3	0.22 194	0.18 155	0.17 228	0.22 229	0.13 140	0.13 210	0.12 125	0.13 195	0.05 4	0.05 120	0.10 313	0.10 329	0.08 237	0.06 129

DDVS	0.15 266	0.10 283	0.21 338	0.16 91	0.12 331	0.15 219	0.14 94	0.25 247	0.19 168	0.18 258	0.29 325	0.27 331	0.12 175	0.19 293	0.15 258	0.09 270	0.06 222	0.09 269	0.07 194	0.11 342	0.11 344

rvit_stereo_0081_aga	0.11 109	0.09 229	0.14 182	0.18 221	0.09 160	0.13 165	0.14 94	0.14 30	0.19 168	0.10 58	0.18 180	0.16 198	0.09 97	0.12 125	0.09 27	0.10 306	0.06 222	0.08 196	0.07 194	0.07 180	0.06 129

AE-Stereo	0.10 72	0.08 168	0.10 57	0.18 221	0.09 160	0.10 73	0.15 152	0.14 30	0.19 168	0.09 30	0.14 111	0.12 116	0.08 74	0.11 58	0.10 70	0.05 4	0.06 222	0.07 124	0.06 112	0.05 49	0.04 9

ffm	0.12 170	0.09 229	0.14 182	0.16 91	0.08 62	0.17 267	0.17 236	0.15 47	0.19 168	0.15 189	0.25 278	0.19 245	0.13 210	0.10 26	0.07 1	0.06 64	0.04 2	0.09 269	0.08 255	0.06 118	0.06 129

ff1	0.13 195	0.09 229	0.14 182	0.16 91	0.08 62	0.17 267	0.17 236	0.15 47	0.19 168	0.15 189	0.25 278	0.19 245	0.13 210	0.14 181	0.20 321	0.06 64	0.04 2	0.09 269	0.08 255	0.06 118	0.06 129

tt1	0.10 72	0.08 168	0.12 112	0.17 149	0.09 160	0.12 133	0.16 211	0.15 47	0.19 168	0.09 30	0.08 26	0.06 4	0.06 12	0.10 26	0.07 1	0.06 64	0.04 2	0.06 45	0.05 50	0.06 118	0.06 129

CASS	0.13 195	0.12 323	0.11 88	0.23 379	0.09 160	0.15 219	0.17 236	0.18 127	0.19 168	0.17 228	0.18 180	0.15 185	0.15 251	0.14 181	0.14 231	0.09 270	0.06 222	0.10 313	0.08 255	0.09 294	0.07 196
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCANet-4	0.10 72	0.06 31	0.12 112	0.16 91	0.06 3	0.09 44	0.17 236	0.18 127	0.19 168	0.13 141	0.16 138	0.09 59	0.14 234	0.11 58	0.12 158	0.06 64	0.04 2	0.05 2	0.04 12	0.04 1	0.05 64

ADStereo(finetuned)	0.10 72	0.06 31	0.12 112	0.16 91	0.06 3	0.09 44	0.17 236	0.15 47	0.19 168	0.13 141	0.17 157	0.10 82	0.12 175	0.11 58	0.12 158	0.06 64	0.04 2	0.05 2	0.04 12	0.05 49	0.04 9

BUS	0.14 225	0.09 229	0.14 182	0.22 360	0.10 256	0.19 307	0.14 94	0.34 370	0.19 168	0.17 228	0.22 229	0.16 198	0.13 210	0.15 202	0.13 195	0.08 217	0.06 222	0.10 313	0.09 296	0.07 180	0.07 196

BSDual-CNN	0.15 266	0.09 229	0.14 182	0.22 360	0.10 256	0.14 195	0.15 152	0.34 370	0.19 168	0.17 228	0.22 229	0.25 316	0.16 277	0.15 202	0.14 231	0.08 217	0.06 222	0.10 313	0.09 296	0.07 180	0.07 196

psmg	0.14 225	0.09 229	0.14 182	0.17 149	0.10 256	0.15 219	0.17 236	0.29 311	0.19 168	0.17 228	0.21 220	0.25 316	0.16 277	0.15 202	0.14 231	0.08 217	0.06 222	0.08 196	0.08 255	0.07 180	0.06 129

NF-Stereo	0.11 109	0.07 88	0.13 152	0.17 149	0.09 160	0.10 73	0.14 94	0.23 211	0.19 168	0.12 117	0.17 157	0.12 116	0.11 146	0.11 58	0.11 115	0.06 64	0.04 2	0.07 124	0.06 112	0.06 118	0.12 356

OCTAStereo	0.11 109	0.07 88	0.13 152	0.17 149	0.09 160	0.10 73	0.14 94	0.23 211	0.19 168	0.12 117	0.17 157	0.12 116	0.11 146	0.11 58	0.11 115	0.06 64	0.04 2	0.07 124	0.06 112	0.06 118	0.12 356

RE-Stereo	0.11 109	0.07 88	0.13 152	0.17 149	0.09 160	0.10 73	0.14 94	0.23 211	0.19 168	0.12 117	0.17 157	0.12 116	0.11 146	0.11 58	0.11 115	0.06 64	0.04 2	0.07 124	0.06 112	0.06 118	0.12 356

TVStereo	0.11 109	0.07 88	0.13 152	0.17 149	0.09 160	0.10 73	0.14 94	0.23 211	0.19 168	0.12 117	0.17 157	0.12 116	0.11 146	0.11 58	0.11 115	0.06 64	0.04 2	0.07 124	0.06 112	0.06 118	0.12 356

RAFT	0.13 195	0.09 229	0.11 88	0.18 221	0.08 62	0.15 219	0.24 376	0.20 157	0.19 168	0.21 304	0.21 220	0.17 218	0.12 175	0.16 236	0.09 27	0.06 64	0.07 290	0.10 313	0.09 296	0.05 49	0.05 64

LMCR-Stereo	0.15 266	0.08 168	0.13 152	0.21 345	0.09 160	0.17 267	0.20 331	0.27 284	0.19 168	0.24 338	0.24 249	0.23 297	0.17 297	0.20 317	0.17 288	0.07 162	0.06 222	0.08 196	0.06 112	0.10 324	0.08 259

TANstereo	0.09 23	0.04 1	0.08 13	0.13 10	0.06 3	0.11 106	0.14 94	0.15 47	0.19 168	0.11 82	0.15 127	0.10 82	0.06 12	0.12 125	0.09 27	0.07 162	0.05 120	0.05 2	0.04 12	0.06 118	0.05 64

DCANet	0.10 72	0.06 31	0.12 112	0.16 91	0.06 3	0.09 44	0.17 236	0.15 47	0.19 168	0.13 141	0.17 157	0.10 82	0.11 146	0.11 58	0.12 158	0.06 64	0.04 2	0.05 2	0.04 12	0.05 49	0.04 9

xxxx	0.15 266	0.07 88	0.14 182	0.14 18	0.08 62	0.23 357	0.18 278	0.31 333	0.19 168	0.14 162	0.28 313	0.22 281	0.14 234	0.15 202	0.26 387	0.09 270	0.05 120	0.07 124	0.07 194	0.08 237	0.07 196

StereoVision	0.13 195	0.12 323	0.09 34	0.24 386	0.10 256	0.15 219	0.21 348	0.21 176	0.20 189	0.12 117	0.24 249	0.10 82	0.10 122	0.16 236	0.10 70	0.09 270	0.11 369	0.12 358	0.12 375	0.06 118	0.05 64

fff	0.10 72	0.06 31	0.12 112	0.15 48	0.07 26	0.09 44	0.17 236	0.16 67	0.20 189	0.13 141	0.16 138	0.10 82	0.11 146	0.11 58	0.12 158	0.06 64	0.04 2	0.05 2	0.04 12	0.04 1	0.05 64

x	0.13 195	0.07 88	0.14 182	0.14 18	0.08 62	0.18 285	0.14 94	0.22 194	0.20 189	0.15 189	0.19 188	0.19 245	0.17 297	0.18 280	0.18 306	0.07 162	0.05 120	0.06 45	0.06 112	0.07 180	0.07 196

CRFU-Net	0.16 289	0.08 168	0.14 182	0.17 149	0.09 160	0.19 307	0.14 94	0.26 264	0.20 189	0.28 373	0.27 301	0.29 346	0.17 297	0.19 293	0.17 288	0.09 270	0.09 339	0.07 124	0.07 194	0.08 237	0.08 259

GANet-ADL	0.13 195	0.07 88	0.15 231	0.17 149	0.10 256	0.18 285	0.15 152	0.30 325	0.20 189	0.13 141	0.18 180	0.19 245	0.12 175	0.16 236	0.13 195	0.08 217	0.06 222	0.06 45	0.05 50	0.07 180	0.08 259

PFNet	0.12 170	0.06 31	0.17 292	0.17 149	0.08 62	0.09 44	0.15 152	0.26 264	0.20 189	0.16 214	0.16 138	0.14 159	0.11 146	0.12 125	0.11 115	0.06 64	0.04 2	0.07 124	0.06 112	0.05 49	0.05 64

raft+_RVC	0.11 109	0.07 88	0.09 34	0.16 91	0.07 26	0.10 73	0.11 18	0.24 232	0.20 189	0.12 117	0.15 127	0.12 116	0.08 74	0.12 125	0.13 195	0.07 162	0.04 2	0.07 124	0.06 112	0.05 49	0.05 64

csc	0.10 72	0.06 31	0.12 112	0.15 48	0.07 26	0.09 44	0.17 236	0.16 67	0.20 189	0.13 141	0.16 138	0.10 82	0.11 146	0.11 58	0.12 158	0.06 64	0.04 2	0.05 2	0.04 12	0.04 1	0.05 64

cscssc	0.10 72	0.06 31	0.12 112	0.15 48	0.07 26	0.09 44	0.17 236	0.16 67	0.20 189	0.13 141	0.16 138	0.10 82	0.11 146	0.11 58	0.12 158	0.06 64	0.04 2	0.05 2	0.04 12	0.04 1	0.05 64

222	0.16 289	0.07 88	0.14 182	0.14 18	0.08 62	0.24 362	0.18 278	0.30 325	0.20 189	0.17 228	0.28 313	0.17 218	0.16 277	0.15 202	0.40 434	0.10 306	0.05 120	0.07 124	0.06 112	0.07 180	0.08 259

test_xeample	0.15 266	0.06 31	0.13 152	0.14 18	0.08 62	0.21 336	0.20 331	0.28 301	0.20 189	0.16 214	0.29 325	0.19 245	0.16 277	0.15 202	0.26 387	0.09 270	0.05 120	0.07 124	0.07 194	0.07 180	0.07 196

RAFT + AFF	0.13 195	0.07 88	0.20 331	0.20 319	0.10 256	0.14 195	0.24 376	0.26 264	0.20 189	0.11 82	0.10 52	0.12 116	0.10 122	0.15 202	0.12 158	0.07 162	0.06 222	0.09 269	0.08 255	0.06 118	0.08 259

RASNet	0.14 225	0.07 88	0.14 182	0.16 91	0.08 62	0.18 285	0.14 94	0.29 311	0.20 189	0.17 228	0.25 278	0.21 264	0.18 308	0.20 317	0.19 315	0.07 162	0.06 222	0.06 45	0.08 255	0.06 118	0.06 129

ACV-stereo	0.15 266	0.10 283	0.28 376	0.18 221	0.12 331	0.14 195	0.12 30	0.23 211	0.21 202	0.19 272	0.23 238	0.22 281	0.15 251	0.23 355	0.17 288	0.07 162	0.06 222	0.07 124	0.07 194	0.07 180	0.07 196

test_sample8	0.19 333	0.12 323	0.20 331	0.12 3	0.14 368	0.17 267	0.13 58	0.31 333	0.21 202	0.27 361	0.22 229	0.36 388	0.25 366	0.19 293	0.17 288	0.15 395	0.30 441	0.14 385	0.14 387	0.14 384	0.12 356

H2IRNET	0.10 72	0.09 229	0.09 34	0.18 221	0.09 160	0.12 133	0.15 152	0.14 30	0.21 202	0.10 58	0.10 52	0.10 82	0.10 122	0.10 26	0.10 70	0.05 4	0.04 2	0.08 196	0.08 255	0.06 118	0.05 64

EKT-Stereo	0.11 109	0.07 88	0.14 182	0.15 48	0.10 256	0.13 165	0.14 94	0.18 127	0.21 202	0.11 82	0.08 26	0.12 116	0.09 97	0.11 58	0.12 158	0.08 217	0.06 222	0.07 124	0.06 112	0.08 237	0.07 196

iRaft-Stereo_5w	0.12 170	0.09 229	0.12 112	0.19 273	0.08 62	0.09 44	0.12 30	0.21 176	0.21 202	0.19 272	0.14 111	0.11 101	0.09 97	0.20 317	0.16 274	0.05 4	0.05 120	0.07 124	0.06 112	0.05 49	0.06 129

test_3	0.10 72	0.09 229	0.10 57	0.20 319	0.08 62	0.13 165	0.26 397	0.14 30	0.21 202	0.10 58	0.10 52	0.09 59	0.09 97	0.08 8	0.11 115	0.05 4	0.04 2	0.08 196	0.07 194	0.04 1	0.04 9

PFNet+	0.11 109	0.06 31	0.13 152	0.16 91	0.09 160	0.05 3	0.12 30	0.17 101	0.21 202	0.16 214	0.19 188	0.14 159	0.10 122	0.11 58	0.11 115	0.08 217	0.05 120	0.09 269	0.08 255	0.06 118	0.11 344

OMP-Stereo	0.11 109	0.06 31	0.14 182	0.18 221	0.08 62	0.09 44	0.12 30	0.21 176	0.21 202	0.13 141	0.14 111	0.11 101	0.12 175	0.11 58	0.13 195	0.06 64	0.04 2	0.07 124	0.06 112	0.05 49	0.04 9

sAnonymous2	0.13 195	0.12 323	0.24 356	0.20 319	0.12 331	0.17 267	0.13 58	0.26 264	0.21 202	0.11 82	0.11 75	0.13 140	0.08 74	0.10 26	0.10 70	0.09 270	0.05 120	0.08 196	0.06 112	0.15 398	0.10 321

CroCo_RVC	0.13 195	0.12 323	0.24 356	0.20 319	0.12 331	0.17 267	0.13 58	0.26 264	0.21 202	0.11 82	0.11 75	0.13 140	0.08 74	0.10 26	0.10 70	0.09 270	0.05 120	0.08 196	0.06 112	0.15 398	0.10 321

ac_64	0.16 289	0.08 168	0.15 231	0.18 221	0.10 256	0.22 344	0.18 278	0.24 232	0.21 202	0.18 258	0.24 249	0.29 346	0.18 308	0.19 293	0.22 348	0.09 270	0.07 290	0.08 196	0.09 296	0.07 180	0.06 129

GANet-RSSM	0.14 225	0.07 88	0.13 152	0.13 10	0.08 62	0.14 195	0.17 236	0.22 194	0.21 202	0.17 228	0.24 249	0.23 297	0.15 251	0.16 236	0.15 258	0.10 306	0.06 222	0.07 124	0.08 255	0.08 237	0.07 196

DeepPruner_ROB	0.16 289	0.11 308	0.15 231	0.17 149	0.10 256	0.17 267	0.15 152	0.32 344	0.21 202	0.19 272	0.21 220	0.22 281	0.18 308	0.20 317	0.15 258	0.13 380	0.09 339	0.09 269	0.09 296	0.11 342	0.10 321

MLCV	0.12 170	0.07 88	0.16 265	0.18 221	0.06 3	0.15 219	0.17 236	0.19 146	0.21 202	0.18 258	0.25 278	0.17 218	0.13 210	0.14 181	0.13 195	0.05 4	0.04 2	0.05 2	0.04 12	0.05 49	0.04 9

MyStereo8	0.12 170	0.07 88	0.15 231	0.15 48	0.09 160	0.18 285	0.14 94	0.19 146	0.22 216	0.12 117	0.18 180	0.11 101	0.10 122	0.16 236	0.18 306	0.07 162	0.05 120	0.07 124	0.05 50	0.08 237	0.09 300

anonymousdsp2	0.11 109	0.07 88	0.10 57	0.16 91	0.09 160	0.13 165	0.14 94	0.18 127	0.22 216	0.13 141	0.14 111	0.12 116	0.09 97	0.14 181	0.11 115	0.05 4	0.04 2	0.05 2	0.04 12	0.06 118	0.05 64

Selective-RAFT	0.11 109	0.10 283	0.11 88	0.21 345	0.08 62	0.16 246	0.13 58	0.20 157	0.22 216	0.10 58	0.10 52	0.11 101	0.10 122	0.15 202	0.11 115	0.05 4	0.05 120	0.06 45	0.05 50	0.06 118	0.05 64

RAFT+CT+SA	0.13 195	0.11 308	0.09 34	0.19 273	0.09 160	0.15 219	0.28 410	0.22 194	0.22 216	0.15 189	0.26 294	0.10 82	0.10 122	0.11 58	0.12 158	0.05 4	0.04 2	0.07 124	0.08 255	0.07 180	0.06 129

CrosDoStereo	0.12 170	0.06 31	0.12 112	0.14 18	0.08 62	0.12 133	0.15 152	0.17 101	0.22 216	0.19 272	0.24 249	0.15 185	0.11 146	0.11 58	0.12 158	0.06 64	0.04 2	0.07 124	0.07 194	0.05 49	0.05 64

DeepStereo_LL	0.12 170	0.06 31	0.12 112	0.14 18	0.08 62	0.12 133	0.15 152	0.17 101	0.22 216	0.19 272	0.24 249	0.15 185	0.11 146	0.11 58	0.12 158	0.06 64	0.04 2	0.07 124	0.07 194	0.05 49	0.05 64

HCRNet	0.16 289	0.24 416	0.12 112	0.35 433	0.11 300	0.15 219	0.17 236	0.26 264	0.22 216	0.19 272	0.24 249	0.21 264	0.14 234	0.15 202	0.13 195	0.11 332	0.07 290	0.11 342	0.10 329	0.09 294	0.07 196

FADNet_RVC	0.16 289	0.14 361	0.40 412	0.20 319	0.11 300	0.13 165	0.13 58	0.26 264	0.22 216	0.21 304	0.23 238	0.20 257	0.17 297	0.14 181	0.16 274	0.08 217	0.08 315	0.12 358	0.09 296	0.11 342	0.10 321

UCFNet_RVC	0.14 225	0.08 168	0.13 152	0.11 1	0.10 256	0.20 322	0.10 10	0.24 232	0.22 216	0.17 228	0.20 200	0.23 297	0.15 251	0.17 263	0.15 258	0.12 357	0.07 290	0.10 313	0.13 384	0.11 342	0.10 321

UGAM	0.13 195	0.10 283	0.09 34	0.22 360	0.08 62	0.12 133	0.20 331	0.17 101	0.23 225	0.21 304	0.16 138	0.13 140	0.13 210	0.19 293	0.12 158	0.07 162	0.05 120	0.13 373	0.11 356	0.07 180	0.05 64

DCVSM-stereo	0.14 225	0.09 229	0.16 265	0.16 91	0.10 256	0.15 219	0.09 5	0.19 146	0.23 225	0.20 291	0.23 238	0.26 324	0.15 251	0.18 280	0.14 231	0.09 270	0.07 290	0.09 269	0.08 255	0.10 324	0.12 356

DualNet (step1)	0.16 289	0.12 323	0.20 331	0.12 3	0.14 368	0.17 267	0.13 58	0.27 284	0.23 225	0.20 291	0.20 200	0.24 303	0.19 322	0.16 236	0.16 274	0.15 395	0.06 222	0.14 385	0.14 387	0.14 384	0.12 356

test_sample9	0.18 322	0.12 323	0.20 331	0.12 3	0.14 368	0.17 267	0.13 58	0.27 284	0.23 225	0.20 291	0.20 200	0.24 303	0.19 322	0.19 293	0.17 288	0.15 395	0.30 441	0.14 385	0.14 387	0.14 384	0.12 356

test_sample7	0.15 266	0.10 283	0.16 265	0.14 18	0.11 300	0.16 246	0.16 211	0.27 284	0.23 225	0.20 291	0.20 200	0.24 303	0.19 322	0.16 236	0.16 274	0.12 357	0.06 222	0.10 313	0.09 296	0.10 324	0.10 321

CBFPSM	0.14 225	0.06 31	0.26 364	0.17 149	0.09 160	0.13 165	0.15 152	0.22 194	0.23 225	0.20 291	0.27 301	0.24 303	0.16 277	0.16 236	0.18 306	0.06 64	0.06 222	0.06 45	0.07 194	0.07 180	0.07 196

iinet-f	0.16 289	0.06 31	0.45 417	0.14 18	0.10 256	0.21 336	0.14 94	0.27 284	0.23 225	0.21 304	0.24 249	0.21 264	0.15 251	0.18 280	0.21 339	0.09 270	0.07 290	0.07 124	0.06 112	0.09 294	0.10 321

PSMNet-ADL	0.15 266	0.12 323	0.13 152	0.22 360	0.09 160	0.13 165	0.20 331	0.26 264	0.23 225	0.18 258	0.20 200	0.24 303	0.16 277	0.18 280	0.17 288	0.08 217	0.08 315	0.08 196	0.11 356	0.08 237	0.07 196

IRAFT_RVC	0.12 170	0.08 168	0.16 265	0.19 273	0.08 62	0.07 18	0.15 152	0.24 232	0.23 225	0.14 162	0.14 111	0.15 185	0.12 175	0.12 125	0.10 70	0.06 64	0.04 2	0.09 269	0.06 112	0.06 118	0.06 129

ICVP	0.15 266	0.09 229	0.12 112	0.22 360	0.09 160	0.17 267	0.21 348	0.25 247	0.23 225	0.18 258	0.30 330	0.26 324	0.18 308	0.17 263	0.14 231	0.09 270	0.07 290	0.08 196	0.07 194	0.07 180	0.07 196
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TestStereo	0.13 195	0.14 361	0.11 88	0.23 379	0.08 62	0.15 219	0.21 348	0.20 157	0.23 225	0.14 162	0.24 249	0.16 198	0.12 175	0.16 236	0.14 231	0.05 4	0.06 222	0.08 196	0.06 112	0.09 294	0.05 64

111	0.10 72	0.06 31	0.12 112	0.15 48	0.07 26	0.10 73	0.14 94	0.21 176	0.23 225	0.11 82	0.12 85	0.14 159	0.11 146	0.13 163	0.10 70	0.06 64	0.04 2	0.06 45	0.04 12	0.05 49	0.05 64

FENet	0.13 195	0.08 168	0.12 112	0.16 91	0.08 62	0.14 195	0.15 152	0.22 194	0.23 225	0.17 228	0.23 238	0.16 198	0.12 175	0.14 181	0.15 258	0.08 217	0.05 120	0.08 196	0.08 255	0.07 180	0.07 196

STTStereo	0.18 322	0.12 323	0.27 371	0.20 319	0.11 300	0.16 246	0.21 348	0.29 311	0.23 225	0.21 304	0.30 330	0.29 346	0.18 308	0.20 317	0.19 315	0.12 357	0.11 369	0.11 342	0.14 387	0.09 294	0.08 259

StereoDRNet-Refined	0.17 309	0.12 323	0.15 231	0.20 319	0.09 160	0.18 285	0.18 278	0.26 264	0.23 225	0.26 355	0.40 388	0.22 281	0.17 297	0.21 333	0.20 321	0.08 217	0.05 120	0.09 269	0.10 329	0.07 180	0.07 196
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
rvit_stereo_0081	0.11 109	0.08 168	0.15 231	0.16 91	0.09 160	0.10 73	0.14 94	0.14 30	0.24 240	0.11 82	0.13 97	0.13 140	0.09 97	0.11 58	0.12 158	0.10 306	0.07 290	0.08 196	0.07 194	0.07 180	0.05 64

rvit_stereo_0082	0.11 109	0.08 168	0.15 231	0.16 91	0.09 160	0.10 73	0.14 94	0.14 30	0.24 240	0.11 82	0.13 97	0.13 140	0.09 97	0.11 58	0.12 158	0.10 306	0.07 290	0.08 196	0.07 194	0.07 180	0.05 64

1111x	0.15 266	0.08 168	0.12 112	0.18 221	0.07 26	0.18 285	0.25 390	0.31 333	0.24 240	0.17 228	0.24 249	0.26 324	0.15 251	0.13 163	0.23 358	0.07 162	0.07 290	0.08 196	0.09 296	0.07 180	0.06 129

LL-Strereo	0.13 195	0.09 229	0.11 88	0.20 319	0.10 256	0.11 106	0.18 278	0.32 344	0.24 240	0.15 189	0.15 127	0.14 159	0.13 210	0.19 293	0.11 115	0.06 64	0.04 2	0.09 269	0.08 255	0.04 1	0.05 64

gwcnet-sp	0.14 225	0.07 88	0.12 112	0.18 221	0.09 160	0.16 246	0.17 236	0.24 232	0.24 240	0.18 258	0.24 249	0.15 185	0.16 277	0.15 202	0.15 258	0.08 217	0.06 222	0.07 124	0.08 255	0.08 237	0.07 196

scenet	0.14 225	0.07 88	0.12 112	0.18 221	0.09 160	0.16 246	0.17 236	0.24 232	0.24 240	0.18 258	0.24 249	0.15 185	0.16 277	0.15 202	0.15 258	0.08 217	0.06 222	0.07 124	0.08 255	0.08 237	0.07 196

ssnet	0.14 225	0.07 88	0.12 112	0.18 221	0.09 160	0.16 246	0.17 236	0.24 232	0.24 240	0.18 258	0.24 249	0.15 185	0.16 277	0.15 202	0.15 258	0.08 217	0.06 222	0.07 124	0.08 255	0.08 237	0.07 196

test_5	0.14 225	0.12 323	0.08 13	0.20 319	0.10 256	0.14 195	0.29 419	0.21 176	0.24 240	0.18 258	0.28 313	0.11 101	0.15 251	0.12 125	0.13 195	0.06 64	0.05 120	0.07 124	0.08 255	0.08 237	0.07 196

GLC_STEREO	0.11 109	0.07 88	0.11 88	0.17 149	0.07 26	0.09 44	0.13 58	0.15 47	0.24 240	0.12 117	0.13 97	0.12 116	0.08 74	0.18 280	0.11 115	0.06 64	0.08 315	0.08 196	0.06 112	0.05 49	0.05 64

MIPNet	0.11 109	0.08 168	0.14 182	0.17 149	0.09 160	0.12 133	0.14 94	0.20 157	0.24 240	0.11 82	0.10 52	0.09 59	0.07 49	0.13 163	0.12 158	0.06 64	0.04 2	0.06 45	0.05 50	0.04 1	0.04 9

IPLGR	0.11 109	0.09 229	0.16 265	0.18 221	0.08 62	0.12 133	0.17 236	0.21 176	0.24 240	0.11 82	0.12 85	0.11 101	0.08 74	0.12 125	0.12 158	0.06 64	0.05 120	0.06 45	0.06 112	0.04 1	0.04 9

AACVNet	0.16 289	0.08 168	0.14 182	0.15 48	0.10 256	0.18 285	0.15 152	0.23 211	0.24 240	0.27 361	0.27 301	0.28 339	0.17 297	0.19 293	0.16 274	0.09 270	0.07 290	0.09 269	0.07 194	0.10 324	0.09 300

GwcNet-ADL	0.13 195	0.08 168	0.14 182	0.20 319	0.09 160	0.11 106	0.20 331	0.30 325	0.24 240	0.13 141	0.14 111	0.18 231	0.14 234	0.13 163	0.14 231	0.07 162	0.05 120	0.06 45	0.05 50	0.07 180	0.06 129

DEmStereo	0.12 170	0.06 31	0.14 182	0.14 18	0.10 256	0.16 246	0.15 152	0.16 67	0.24 240	0.17 228	0.24 249	0.13 140	0.14 234	0.12 125	0.13 195	0.05 4	0.04 2	0.07 124	0.06 112	0.05 49	0.05 64

GMStereo	0.13 195	0.14 361	0.14 182	0.18 221	0.09 160	0.15 219	0.16 211	0.20 157	0.24 240	0.16 214	0.17 157	0.10 82	0.10 122	0.16 236	0.13 195	0.07 162	0.06 222	0.06 45	0.06 112	0.07 180	0.06 129
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 225	0.07 88	0.13 152	0.15 48	0.08 62	0.13 165	0.16 211	0.24 232	0.24 240	0.16 214	0.28 313	0.22 281	0.14 234	0.15 202	0.13 195	0.11 332	0.06 222	0.09 269	0.12 375	0.08 237	0.07 196

CFNet-ft	0.14 225	0.07 88	0.15 231	0.12 3	0.09 160	0.16 246	0.18 278	0.22 194	0.24 240	0.17 228	0.26 294	0.24 303	0.14 234	0.16 236	0.14 231	0.11 332	0.06 222	0.08 196	0.09 296	0.09 294	0.08 259

DMCA-RVC	0.17 309	0.10 283	0.15 231	0.24 386	0.11 300	0.18 285	0.18 278	0.25 247	0.24 240	0.21 304	0.26 294	0.25 316	0.27 378	0.18 280	0.20 321	0.12 357	0.08 315	0.13 373	0.10 329	0.10 324	0.08 259

FADNet-RVC-Resample	0.16 289	0.11 308	0.31 389	0.22 360	0.11 300	0.19 307	0.14 94	0.25 247	0.24 240	0.24 338	0.27 301	0.20 257	0.15 251	0.16 236	0.15 258	0.07 162	0.08 315	0.12 358	0.10 329	0.09 294	0.10 321

MaskLacGwcNet_RVC	0.22 362	0.21 408	0.24 356	0.26 401	0.11 300	0.23 357	0.14 94	0.39 405	0.24 240	0.32 395	0.36 364	0.30 354	0.21 337	0.19 293	0.21 339	0.17 416	0.14 402	0.21 419	0.16 405	0.12 356	0.12 356

CFNet_RVC	0.14 225	0.07 88	0.15 231	0.12 3	0.09 160	0.16 246	0.18 278	0.22 194	0.24 240	0.17 228	0.26 294	0.24 303	0.14 234	0.16 236	0.14 231	0.11 332	0.06 222	0.08 196	0.09 296	0.09 294	0.08 259

mmx	0.14 225	0.09 229	0.14 182	0.16 91	0.08 62	0.17 267	0.17 236	0.27 284	0.25 261	0.15 189	0.25 278	0.19 245	0.13 210	0.14 181	0.20 321	0.08 217	0.06 222	0.09 269	0.08 255	0.08 237	0.08 259

xxx	0.14 225	0.09 229	0.14 182	0.16 91	0.08 62	0.17 267	0.17 236	0.27 284	0.25 261	0.15 189	0.25 278	0.19 245	0.13 210	0.14 181	0.20 321	0.08 217	0.06 222	0.09 269	0.08 255	0.08 237	0.08 259

GMStereo_Zeroshot	0.16 289	0.13 349	0.24 356	0.20 319	0.10 256	0.17 267	0.13 58	0.29 311	0.25 261	0.23 330	0.32 342	0.25 316	0.11 146	0.19 293	0.14 231	0.09 270	0.06 222	0.11 342	0.06 112	0.12 356	0.08 259

ssnet_v2	0.17 309	0.10 283	0.17 292	0.17 149	0.11 300	0.21 336	0.21 348	0.33 361	0.25 261	0.22 318	0.22 229	0.27 331	0.18 308	0.22 344	0.20 321	0.11 332	0.09 339	0.09 269	0.09 296	0.08 237	0.08 259

hknet	0.15 266	0.11 308	0.13 152	0.22 360	0.11 300	0.14 195	0.15 152	0.34 370	0.25 261	0.17 228	0.22 229	0.22 281	0.18 308	0.17 263	0.12 158	0.07 162	0.06 222	0.10 313	0.09 296	0.07 180	0.07 196

dd	0.15 266	0.16 374	0.16 265	0.19 273	0.09 160	0.15 219	0.18 278	0.21 176	0.25 261	0.23 330	0.20 200	0.21 264	0.09 97	0.21 333	0.16 274	0.10 306	0.06 222	0.08 196	0.06 112	0.08 237	0.06 129

THIR-Stereo	0.12 170	0.07 88	0.11 88	0.15 48	0.08 62	0.14 195	0.16 211	0.17 101	0.25 261	0.16 214	0.24 249	0.14 159	0.12 175	0.12 125	0.14 231	0.06 64	0.04 2	0.07 124	0.07 194	0.05 49	0.05 64

GES	0.14 225	0.08 168	0.16 265	0.15 48	0.10 256	0.13 165	0.13 58	0.28 301	0.25 261	0.16 214	0.23 238	0.18 231	0.13 210	0.16 236	0.13 195	0.08 217	0.07 290	0.07 124	0.06 112	0.08 237	0.09 300

cf-r	0.13 195	0.07 88	0.12 112	0.16 91	0.08 62	0.14 195	0.19 314	0.20 157	0.25 261	0.17 228	0.25 278	0.21 264	0.16 277	0.14 181	0.14 231	0.10 306	0.05 120	0.06 45	0.08 255	0.06 118	0.06 129

CFNet	0.15 266	0.10 283	0.17 292	0.17 149	0.08 62	0.18 285	0.09 5	0.28 301	0.25 261	0.19 272	0.24 249	0.24 303	0.17 297	0.17 263	0.14 231	0.08 217	0.06 222	0.09 269	0.10 329	0.07 180	0.06 129

NLCA_NET_v2_RVC	0.17 309	0.10 283	0.22 344	0.20 319	0.10 256	0.15 219	0.18 278	0.31 333	0.25 261	0.21 304	0.30 330	0.25 316	0.17 297	0.21 333	0.20 321	0.09 270	0.06 222	0.08 196	0.08 255	0.07 180	0.08 259
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 344	0.21 408	0.23 353	0.20 319	0.10 256	0.19 307	0.17 236	0.36 389	0.25 261	0.27 361	0.33 354	0.27 331	0.24 358	0.20 317	0.20 321	0.15 395	0.12 382	0.17 405	0.14 387	0.10 324	0.08 259

HSM	0.15 266	0.08 168	0.14 182	0.16 91	0.09 160	0.16 246	0.14 94	0.28 301	0.25 261	0.19 272	0.23 238	0.37 393	0.16 277	0.20 317	0.15 258	0.07 162	0.05 120	0.07 124	0.06 112	0.07 180	0.06 129

rvit_0105_6	0.14 225	0.09 229	0.18 313	0.17 149	0.10 256	0.10 73	0.16 211	0.19 146	0.26 274	0.12 117	0.18 180	0.17 218	0.12 175	0.18 280	0.12 158	0.15 395	0.11 369	0.12 358	0.10 329	0.09 294	0.06 129

rvit_stereo_0083	0.12 170	0.08 168	0.17 292	0.16 91	0.09 160	0.11 106	0.15 152	0.14 30	0.26 274	0.11 82	0.14 111	0.13 140	0.10 122	0.12 125	0.12 158	0.10 306	0.08 315	0.09 269	0.07 194	0.07 180	0.05 64

IER	0.14 225	0.07 88	0.13 152	0.17 149	0.09 160	0.14 195	0.16 211	0.25 247	0.26 274	0.18 258	0.25 278	0.17 218	0.20 333	0.16 236	0.14 231	0.08 217	0.05 120	0.07 124	0.06 112	0.08 237	0.07 196

UPFNet	0.16 289	0.08 168	0.12 112	0.20 319	0.12 331	0.20 322	0.23 366	0.28 301	0.26 274	0.17 228	0.24 249	0.22 281	0.19 322	0.19 293	0.21 339	0.09 270	0.07 290	0.08 196	0.09 296	0.08 237	0.06 129

hitnet-ft	0.18 322	0.09 229	0.17 292	0.14 18	0.09 160	0.26 380	0.20 331	0.25 247	0.26 274	0.24 338	0.32 342	0.31 364	0.22 346	0.24 364	0.21 339	0.12 357	0.07 290	0.10 313	0.08 255	0.12 356	0.11 344

FADNet-RVC	0.20 344	0.20 402	0.38 408	0.21 345	0.16 392	0.20 322	0.15 152	0.26 264	0.26 274	0.26 355	0.32 342	0.26 324	0.21 337	0.22 344	0.19 315	0.12 357	0.13 395	0.12 358	0.14 387	0.13 372	0.18 418

GANet	0.21 353	0.12 323	0.21 338	0.24 386	0.13 351	0.22 344	0.22 357	0.41 415	0.26 274	0.31 389	0.42 403	0.37 393	0.28 386	0.23 355	0.22 348	0.10 306	0.12 382	0.10 313	0.09 296	0.10 324	0.08 259

iResNet	0.13 195	0.10 283	0.18 313	0.19 273	0.08 62	0.13 165	0.18 278	0.20 157	0.26 274	0.15 189	0.23 238	0.15 185	0.13 210	0.14 181	0.14 231	0.06 64	0.04 2	0.06 45	0.05 50	0.06 118	0.05 64

pmcnn	0.15 266	0.07 88	0.19 323	0.15 48	0.07 26	0.20 322	0.15 152	0.24 232	0.26 274	0.21 304	0.34 358	0.28 339	0.18 308	0.18 280	0.17 288	0.07 162	0.05 120	0.05 2	0.04 12	0.07 180	0.06 129

rvit_0105_5	0.14 225	0.09 229	0.13 152	0.17 149	0.09 160	0.14 195	0.23 366	0.24 232	0.27 283	0.14 162	0.15 127	0.18 231	0.12 175	0.17 263	0.14 231	0.14 391	0.11 369	0.10 313	0.10 329	0.08 237	0.06 129

rvit_0105_4	0.14 225	0.09 229	0.17 292	0.17 149	0.10 256	0.12 133	0.19 314	0.23 211	0.27 283	0.14 162	0.20 200	0.17 218	0.13 210	0.17 263	0.13 195	0.15 395	0.11 369	0.11 342	0.10 329	0.09 294	0.06 129

rvit_stereo_0075_2	0.17 309	0.12 323	0.25 361	0.23 379	0.16 392	0.13 165	0.10 10	0.30 325	0.27 283	0.20 291	0.28 313	0.22 281	0.15 251	0.18 280	0.13 195	0.16 411	0.10 358	0.17 405	0.10 329	0.10 324	0.09 300

SMFormer	0.14 225	0.07 88	0.17 292	0.14 18	0.08 62	0.16 246	0.17 236	0.26 264	0.27 283	0.19 272	0.20 200	0.18 231	0.15 251	0.15 202	0.17 288	0.08 217	0.05 120	0.07 124	0.06 112	0.07 180	0.06 129

tta	0.14 225	0.07 88	0.17 292	0.14 18	0.08 62	0.16 246	0.17 236	0.26 264	0.27 283	0.19 272	0.20 200	0.18 231	0.15 251	0.15 202	0.17 288	0.08 217	0.05 120	0.07 124	0.06 112	0.06 118	0.06 129

qqq1	0.13 195	0.07 88	0.17 292	0.14 18	0.08 62	0.16 246	0.17 236	0.26 264	0.27 283	0.19 272	0.20 200	0.18 231	0.15 251	0.15 202	0.11 115	0.08 217	0.05 120	0.05 2	0.05 50	0.06 118	0.06 129

fff1	0.13 195	0.07 88	0.17 292	0.14 18	0.08 62	0.16 246	0.17 236	0.26 264	0.27 283	0.19 272	0.20 200	0.18 231	0.15 251	0.15 202	0.11 115	0.08 217	0.05 120	0.05 2	0.05 50	0.06 118	0.06 129

CoDeX	0.12 170	0.07 88	0.12 112	0.17 149	0.08 62	0.12 133	0.15 152	0.23 211	0.27 283	0.13 141	0.17 157	0.16 198	0.11 146	0.14 181	0.11 115	0.07 162	0.05 120	0.07 124	0.06 112	0.06 118	0.05 64

UDGNet	0.14 225	0.13 349	0.16 265	0.17 149	0.10 256	0.12 133	0.16 211	0.21 176	0.27 283	0.20 291	0.20 200	0.16 198	0.13 210	0.16 236	0.13 195	0.10 306	0.06 222	0.09 269	0.07 194	0.06 118	0.07 196

ADLNet	0.16 289	0.08 168	0.15 231	0.16 91	0.10 256	0.16 246	0.17 236	0.32 344	0.27 283	0.22 318	0.27 301	0.24 303	0.16 277	0.18 280	0.21 339	0.10 306	0.06 222	0.10 313	0.10 329	0.08 237	0.09 300

SFCPSM	0.13 195	0.07 88	0.14 182	0.17 149	0.09 160	0.15 219	0.16 211	0.28 301	0.27 283	0.14 162	0.17 157	0.12 116	0.13 210	0.14 181	0.11 115	0.08 217	0.05 120	0.07 124	0.07 194	0.07 180	0.06 129

GwcNet-RSSM	0.14 225	0.07 88	0.12 112	0.15 48	0.08 62	0.15 219	0.20 331	0.21 176	0.27 283	0.18 258	0.27 301	0.22 281	0.16 277	0.14 181	0.15 258	0.10 306	0.05 120	0.07 124	0.09 296	0.07 180	0.07 196

DMCA	0.14 225	0.09 229	0.16 265	0.19 273	0.09 160	0.15 219	0.17 236	0.23 211	0.27 283	0.14 162	0.19 188	0.17 218	0.18 308	0.15 202	0.17 288	0.10 306	0.06 222	0.08 196	0.06 112	0.09 294	0.10 321

DANet	0.21 353	0.15 367	0.28 376	0.25 396	0.13 351	0.22 344	0.19 314	0.27 284	0.27 283	0.28 373	0.32 342	0.35 386	0.31 402	0.31 396	0.23 358	0.11 332	0.09 339	0.11 342	0.10 329	0.13 372	0.11 344
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
dad	0.17 309	0.20 402	0.20 331	0.16 91	0.11 300	0.20 322	0.18 278	0.21 176	0.28 297	0.30 383	0.24 249	0.29 346	0.13 210	0.19 293	0.16 274	0.18 418	0.09 339	0.11 342	0.09 296	0.11 342	0.07 196

Anonymous3	0.16 289	0.13 349	0.33 395	0.26 401	0.14 368	0.27 387	0.17 236	0.28 301	0.28 297	0.15 189	0.17 157	0.14 159	0.10 122	0.15 202	0.12 158	0.08 217	0.08 315	0.08 196	0.08 255	0.08 237	0.11 344

AdaStereo	0.15 266	0.11 308	0.15 231	0.18 221	0.09 160	0.20 322	0.11 18	0.32 344	0.28 297	0.20 291	0.23 238	0.20 257	0.13 210	0.19 293	0.14 231	0.12 357	0.05 120	0.10 313	0.07 194	0.09 294	0.07 196
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.
NCCL2	0.23 377	0.15 367	0.17 292	0.34 431	0.18 413	0.24 362	0.23 366	0.34 370	0.28 297	0.31 389	0.38 375	0.38 397	0.28 386	0.23 355	0.24 368	0.15 395	0.12 382	0.18 414	0.21 420	0.13 372	0.13 374

CBMV_ROB	0.19 333	0.13 349	0.17 292	0.16 91	0.11 300	0.15 219	0.13 58	0.26 264	0.28 297	0.27 361	0.30 330	0.27 331	0.24 358	0.23 355	0.16 274	0.15 395	0.17 416	0.22 423	0.20 418	0.10 324	0.11 344

DLCB_ROB	0.18 322	0.10 283	0.15 231	0.23 379	0.11 300	0.24 362	0.18 278	0.29 311	0.28 297	0.27 361	0.28 313	0.28 339	0.24 358	0.19 293	0.20 321	0.08 217	0.08 315	0.09 269	0.09 296	0.07 180	0.07 196

rvit_0105_3	0.15 266	0.09 229	0.14 182	0.19 273	0.12 331	0.15 219	0.25 390	0.25 247	0.29 303	0.15 189	0.17 157	0.20 257	0.13 210	0.17 263	0.14 231	0.13 380	0.11 369	0.12 358	0.14 387	0.07 180	0.06 129

DispNO	0.14 225	0.08 168	0.17 292	0.19 273	0.12 331	0.11 106	0.21 348	0.23 211	0.29 303	0.17 228	0.23 238	0.18 231	0.17 297	0.15 202	0.15 258	0.07 162	0.05 120	0.08 196	0.08 255	0.07 180	0.06 129

ttt	0.14 225	0.08 168	0.14 182	0.15 48	0.08 62	0.15 219	0.18 278	0.27 284	0.29 303	0.16 214	0.24 249	0.17 218	0.13 210	0.13 163	0.14 231	0.11 332	0.08 315	0.09 269	0.08 255	0.09 294	0.08 259

anonymousa	0.13 195	0.07 88	0.13 152	0.18 221	0.09 160	0.13 165	0.17 236	0.19 146	0.29 303	0.15 189	0.24 249	0.15 185	0.14 234	0.14 181	0.14 231	0.07 162	0.05 120	0.07 124	0.09 296	0.05 49	0.06 129

HBP-ISP	0.18 322	0.13 349	0.16 265	0.15 48	0.11 300	0.08 27	0.13 58	0.28 301	0.29 303	0.22 318	0.33 354	0.21 264	0.25 366	0.23 355	0.17 288	0.14 391	0.16 411	0.21 419	0.17 412	0.10 324	0.08 259

DAS	0.15 266	0.08 168	0.18 313	0.19 273	0.10 256	0.19 307	0.17 236	0.27 284	0.29 303	0.18 258	0.25 278	0.21 264	0.15 251	0.16 236	0.12 158	0.08 217	0.06 222	0.06 45	0.06 112	0.07 180	0.07 196

SepStereo	0.15 266	0.08 168	0.18 313	0.19 273	0.10 256	0.19 307	0.17 236	0.27 284	0.29 303	0.18 258	0.25 278	0.21 264	0.15 251	0.25 369	0.12 158	0.08 217	0.06 222	0.06 45	0.06 112	0.07 180	0.07 196

UNet	0.17 309	0.09 229	0.18 313	0.19 273	0.12 331	0.27 387	0.19 314	0.33 361	0.29 303	0.21 304	0.24 249	0.23 297	0.19 322	0.19 293	0.18 306	0.07 162	0.06 222	0.08 196	0.07 194	0.08 237	0.06 129

HSM-Net_RVC	0.14 225	0.08 168	0.11 88	0.15 48	0.08 62	0.15 219	0.15 152	0.27 284	0.29 303	0.19 272	0.21 220	0.29 346	0.14 234	0.17 263	0.13 195	0.06 64	0.06 222	0.06 45	0.06 112	0.07 180	0.06 129
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DDUNet	0.22 362	0.17 385	0.21 338	0.22 360	0.15 382	0.25 372	0.24 376	0.29 311	0.30 312	0.31 389	0.36 364	0.33 376	0.25 366	0.24 364	0.20 321	0.18 418	0.13 395	0.17 405	0.11 356	0.16 405	0.16 409

SACVNet	0.18 322	0.12 323	0.14 182	0.17 149	0.13 351	0.22 344	0.18 278	0.31 333	0.30 312	0.23 330	0.31 338	0.30 354	0.22 346	0.22 344	0.17 288	0.11 332	0.08 315	0.10 313	0.10 329	0.12 356	0.14 391

DRaft	0.12 170	0.06 31	0.11 88	0.14 18	0.09 160	0.14 195	0.17 236	0.21 176	0.30 312	0.17 228	0.28 313	0.10 82	0.15 251	0.10 26	0.12 158	0.05 4	0.04 2	0.07 124	0.06 112	0.05 49	0.05 64

TDLM	0.17 309	0.12 323	0.13 152	0.24 386	0.10 256	0.18 285	0.18 278	0.36 389	0.30 312	0.21 304	0.28 313	0.28 339	0.18 308	0.23 355	0.18 306	0.11 332	0.07 290	0.10 313	0.10 329	0.08 237	0.08 259

SGM-Forest	0.20 344	0.14 361	0.18 313	0.19 273	0.13 351	0.20 322	0.22 357	0.33 361	0.30 312	0.24 338	0.29 325	0.28 339	0.19 322	0.23 355	0.17 288	0.15 395	0.16 411	0.15 396	0.14 387	0.12 356	0.12 356
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.19 333	0.14 361	0.17 292	0.18 221	0.10 256	0.20 322	0.11 18	0.29 311	0.30 312	0.29 380	0.30 330	0.30 354	0.23 352	0.27 374	0.19 315	0.13 380	0.15 408	0.17 405	0.16 405	0.10 324	0.10 321
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Syn2CoEx	0.21 353	0.16 374	0.27 371	0.29 423	0.14 368	0.26 380	0.20 331	0.33 361	0.31 318	0.28 373	0.36 364	0.27 331	0.25 366	0.19 293	0.24 368	0.16 411	0.12 382	0.14 385	0.11 356	0.09 294	0.08 259

DSFCA	0.16 289	0.09 229	0.14 182	0.16 91	0.10 256	0.20 322	0.19 314	0.28 301	0.31 318	0.23 330	0.24 249	0.22 281	0.15 251	0.19 293	0.20 321	0.10 306	0.07 290	0.09 269	0.09 296	0.08 237	0.08 259

FADNet	0.21 353	0.22 412	0.36 404	0.18 221	0.17 407	0.24 362	0.13 58	0.31 333	0.31 318	0.23 330	0.25 278	0.27 331	0.21 337	0.19 293	0.15 258	0.13 380	0.15 408	0.12 358	0.15 402	0.16 405	0.18 418

AANet_RVC	0.16 289	0.10 283	0.10 57	0.18 221	0.09 160	0.18 285	0.19 314	0.26 264	0.31 318	0.22 318	0.35 361	0.21 264	0.21 337	0.22 344	0.16 274	0.06 64	0.05 120	0.06 45	0.06 112	0.07 180	0.06 129

iResNet_ROB	0.14 225	0.07 88	0.13 152	0.14 18	0.07 26	0.18 285	0.14 94	0.26 264	0.31 318	0.22 318	0.25 278	0.23 297	0.15 251	0.15 202	0.13 195	0.07 162	0.05 120	0.05 2	0.04 12	0.08 237	0.08 259

SGM_RVC	0.23 377	0.12 323	0.15 231	0.15 48	0.09 160	0.33 408	0.18 278	0.34 370	0.31 318	0.44 425	0.37 370	0.53 433	0.35 413	0.35 412	0.24 368	0.13 380	0.13 395	0.13 373	0.13 384	0.10 324	0.11 344
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SDNR	0.19 333	0.08 168	0.19 323	0.16 91	0.12 331	0.77 457	0.14 94	0.25 247	0.32 324	0.19 272	0.24 249	0.19 245	0.13 210	0.19 293	0.15 258	0.16 411	0.18 418	0.14 385	0.11 356	0.08 237	0.11 344

CSP-Net	0.16 289	0.09 229	0.14 182	0.16 91	0.09 160	0.19 307	0.17 236	0.25 247	0.32 324	0.25 351	0.30 330	0.24 303	0.15 251	0.21 333	0.18 306	0.09 270	0.06 222	0.07 124	0.07 194	0.08 237	0.07 196

APVNet	0.22 362	0.12 323	0.19 323	0.18 221	0.14 368	0.32 402	0.31 432	0.39 405	0.32 324	0.27 361	0.40 388	0.30 354	0.29 394	0.26 371	0.25 377	0.11 332	0.12 382	0.11 342	0.14 387	0.12 356	0.12 356

HGLStereo	0.17 309	0.08 168	0.19 323	0.17 149	0.12 331	0.18 285	0.18 278	0.31 333	0.32 324	0.21 304	0.32 342	0.25 316	0.18 308	0.19 293	0.20 321	0.09 270	0.09 339	0.07 124	0.07 194	0.09 294	0.10 321

NOSS_ROB	0.19 333	0.12 323	0.18 313	0.16 91	0.12 331	0.15 219	0.12 30	0.30 325	0.32 324	0.20 291	0.22 229	0.27 331	0.23 352	0.21 333	0.16 274	0.16 411	0.18 418	0.23 424	0.21 420	0.12 356	0.13 374

WCMA_ROB	0.24 384	0.11 308	0.22 344	0.17 149	0.14 368	0.32 402	0.15 152	0.32 344	0.32 324	0.38 409	0.53 420	0.40 408	0.34 411	0.34 406	0.25 377	0.11 332	0.12 382	0.12 358	0.10 329	0.14 384	0.14 391

SQANet	0.23 377	0.23 413	0.30 387	0.30 425	0.19 415	0.27 387	0.13 58	0.29 311	0.33 330	0.24 338	0.37 370	0.31 364	0.22 346	0.27 374	0.23 358	0.15 395	0.10 358	0.21 419	0.16 405	0.21 421	0.15 398

ToySt	0.17 309	0.11 308	0.18 313	0.17 149	0.11 300	0.16 246	0.25 390	0.24 232	0.33 330	0.19 272	0.24 249	0.26 324	0.24 358	0.19 293	0.20 321	0.07 162	0.08 315	0.09 269	0.10 329	0.09 294	0.08 259

raft_robust	0.13 195	0.10 283	0.07 3	0.18 221	0.08 62	0.13 165	0.24 376	0.28 301	0.33 330	0.20 291	0.19 188	0.14 159	0.10 122	0.11 58	0.12 158	0.05 4	0.05 120	0.07 124	0.07 194	0.05 49	0.04 9

ccnet	0.29 409	0.28 428	0.23 353	0.20 319	0.28 436	0.41 427	0.21 348	0.45 428	0.33 330	0.36 403	0.46 410	0.36 388	0.30 398	0.39 426	0.42 438	0.23 435	0.14 402	0.21 419	0.17 412	0.23 424	0.18 418

psmorigin	0.25 393	0.15 367	0.34 403	0.17 149	0.13 351	0.23 357	0.14 94	0.34 370	0.33 330	0.41 418	0.55 423	0.41 410	0.37 417	0.34 406	0.27 394	0.11 332	0.15 408	0.11 342	0.11 356	0.12 356	0.16 409

aanetorigin	0.22 362	0.17 385	0.56 430	0.17 149	0.10 256	0.15 219	0.19 314	0.20 157	0.33 330	0.49 430	0.48 413	0.29 346	0.27 378	0.20 317	0.23 358	0.08 217	0.07 290	0.08 196	0.07 194	0.10 324	0.09 300

ACVNet	0.15 266	0.09 229	0.15 231	0.13 10	0.12 331	0.14 195	0.20 331	0.22 194	0.33 330	0.17 228	0.26 294	0.21 264	0.16 277	0.17 263	0.21 339	0.07 162	0.06 222	0.06 45	0.06 112	0.08 237	0.06 129

acv_ft	0.15 266	0.09 229	0.15 231	0.19 273	0.10 256	0.16 246	0.17 236	0.25 247	0.33 330	0.19 272	0.26 294	0.21 264	0.17 297	0.17 263	0.18 306	0.07 162	0.06 222	0.06 45	0.06 112	0.08 237	0.06 129

CC-Net-ROB	0.28 405	0.31 433	0.36 404	0.29 423	0.15 382	0.25 372	0.19 314	0.45 428	0.33 330	0.39 411	0.37 370	0.39 405	0.31 402	0.27 374	0.26 387	0.24 437	0.19 421	0.30 438	0.23 427	0.18 416	0.15 398

CVANet_RVC	0.18 322	0.10 283	0.14 182	0.21 345	0.10 256	0.18 285	0.17 236	0.34 370	0.33 330	0.22 318	0.31 338	0.28 339	0.18 308	0.23 355	0.17 288	0.12 357	0.08 315	0.12 358	0.11 356	0.09 294	0.07 196

StereoDRNet	0.18 322	0.11 308	0.17 292	0.22 360	0.11 300	0.21 336	0.22 357	0.37 394	0.33 330	0.24 338	0.28 313	0.30 354	0.19 322	0.20 317	0.20 321	0.09 270	0.08 315	0.11 342	0.09 296	0.09 294	0.07 196

CFNet_ucs	0.15 266	0.08 168	0.16 265	0.16 91	0.11 300	0.14 195	0.14 94	0.30 325	0.34 341	0.16 214	0.24 249	0.23 297	0.14 234	0.18 280	0.15 258	0.09 270	0.06 222	0.08 196	0.07 194	0.09 294	0.09 300

fast-acv-ft	0.18 322	0.11 308	0.19 323	0.19 273	0.12 331	0.24 362	0.21 348	0.25 247	0.34 341	0.22 318	0.34 358	0.27 331	0.20 333	0.21 333	0.23 358	0.09 270	0.09 339	0.08 196	0.10 329	0.08 237	0.07 196

CFNet_pseudo	0.14 225	0.08 168	0.15 231	0.16 91	0.09 160	0.13 165	0.14 94	0.27 284	0.34 341	0.14 162	0.21 220	0.22 281	0.13 210	0.18 280	0.14 231	0.07 162	0.05 120	0.08 196	0.06 112	0.07 180	0.07 196

psm_up	0.18 322	0.10 283	0.18 313	0.20 319	0.11 300	0.17 267	0.19 314	0.37 394	0.34 341	0.21 304	0.28 313	0.29 346	0.24 358	0.20 317	0.22 348	0.09 270	0.10 358	0.11 342	0.11 356	0.08 237	0.08 259

G-Net	0.24 384	0.16 374	0.36 404	0.22 360	0.16 392	0.51 434	0.23 366	0.29 311	0.34 341	0.36 403	0.38 375	0.31 364	0.29 394	0.27 374	0.26 387	0.11 332	0.09 339	0.12 358	0.09 296	0.16 405	0.13 374

ADCP+	0.20 344	0.10 283	0.33 395	0.20 319	0.12 331	0.22 344	0.26 397	0.31 333	0.34 341	0.26 355	0.37 370	0.22 281	0.22 346	0.27 374	0.27 394	0.09 270	0.06 222	0.08 196	0.08 255	0.09 294	0.10 321

ccs_rob	0.14 225	0.08 168	0.15 231	0.16 91	0.09 160	0.12 133	0.14 94	0.27 284	0.34 341	0.14 162	0.21 220	0.22 281	0.13 210	0.18 280	0.14 231	0.07 162	0.05 120	0.08 196	0.07 194	0.07 180	0.07 196

MyStereo05	0.13 195	0.07 88	0.10 57	0.17 149	0.09 160	0.13 165	0.18 278	0.27 284	0.35 348	0.17 228	0.14 111	0.15 185	0.11 146	0.15 202	0.13 195	0.06 64	0.05 120	0.07 124	0.07 194	0.06 118	0.06 129

UDG	0.21 353	0.17 385	0.19 323	0.23 379	0.15 382	0.30 399	0.20 331	0.33 361	0.35 348	0.23 330	0.28 313	0.31 364	0.27 378	0.20 317	0.22 348	0.15 395	0.12 382	0.13 373	0.09 296	0.14 384	0.14 391

ADCPNet	0.25 393	0.16 374	0.61 434	0.21 345	0.15 382	0.35 419	0.25 390	0.32 344	0.35 348	0.30 383	0.40 388	0.36 388	0.28 386	0.28 385	0.32 417	0.12 357	0.10 358	0.11 342	0.12 375	0.14 384	0.13 374

STTRV1_RVC	0.25 393	0.26 422	0.39 410	0.19 273	0.26 434	0.30 399	0.24 376	0.34 370	0.35 348	0.36 403	0.34 358	0.31 364	0.31 402	0.28 385	0.25 377	0.17 416	0.10 358	0.16 402	0.14 387	0.17 412	0.12 356

iResNetv2_ROB	0.14 225	0.08 168	0.15 231	0.16 91	0.08 62	0.16 246	0.12 30	0.25 247	0.35 348	0.21 304	0.29 325	0.24 303	0.13 210	0.14 181	0.14 231	0.06 64	0.05 120	0.06 45	0.04 12	0.09 294	0.08 259

PCWNet_CMD	0.14 225	0.08 168	0.15 231	0.17 149	0.09 160	0.14 195	0.14 94	0.29 311	0.36 353	0.14 162	0.20 200	0.21 264	0.12 175	0.17 263	0.13 195	0.07 162	0.05 120	0.07 124	0.07 194	0.07 180	0.07 196

NINENet	0.16 289	0.10 283	0.15 231	0.17 149	0.11 300	0.19 307	0.14 94	0.40 409	0.36 353	0.18 258	0.21 220	0.16 198	0.13 210	0.15 202	0.13 195	0.08 217	0.08 315	0.10 313	0.07 194	0.10 324	0.09 300

ADCRef	0.19 333	0.12 323	0.41 414	0.20 319	0.12 331	0.22 344	0.18 278	0.32 344	0.36 353	0.26 355	0.32 342	0.17 218	0.23 352	0.24 364	0.24 368	0.07 162	0.06 222	0.09 269	0.09 296	0.08 237	0.08 259

MSMDNet	0.14 225	0.08 168	0.15 231	0.17 149	0.09 160	0.14 195	0.14 94	0.29 311	0.36 353	0.14 162	0.21 220	0.21 264	0.12 175	0.17 263	0.14 231	0.07 162	0.05 120	0.07 124	0.07 194	0.07 180	0.07 196

ETE_ROB	0.23 377	0.17 385	0.22 344	0.25 396	0.13 351	0.26 380	0.29 419	0.31 333	0.36 353	0.28 373	0.36 364	0.45 419	0.26 370	0.27 374	0.26 387	0.11 332	0.08 315	0.12 358	0.09 296	0.14 384	0.13 374

MeshStereo	0.27 402	0.13 349	0.18 313	0.15 48	0.11 300	0.32 402	0.24 376	0.40 409	0.36 353	0.52 432	0.57 430	0.67 444	0.40 423	0.35 412	0.26 387	0.14 391	0.13 395	0.13 373	0.11 356	0.11 342	0.10 321
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
AASNet	0.16 289	0.08 168	0.12 112	0.19 273	0.09 160	0.18 285	0.15 152	0.37 394	0.37 359	0.19 272	0.23 238	0.20 257	0.16 277	0.17 263	0.20 321	0.10 306	0.08 315	0.08 196	0.07 194	0.09 294	0.09 300

delet	0.17 309	0.08 168	0.17 292	0.19 273	0.11 300	0.20 322	0.21 348	0.30 325	0.37 359	0.17 228	0.26 294	0.19 245	0.19 322	0.19 293	0.21 339	0.08 217	0.08 315	0.09 269	0.11 356	0.06 118	0.06 129

DRN-Test	0.19 333	0.11 308	0.20 331	0.22 360	0.10 256	0.22 344	0.22 357	0.39 405	0.37 359	0.24 338	0.32 342	0.26 324	0.21 337	0.22 344	0.24 368	0.11 332	0.07 290	0.11 342	0.10 329	0.09 294	0.07 196

LALA_ROB	0.25 393	0.16 374	0.22 344	0.26 401	0.17 407	0.27 387	0.27 404	0.42 420	0.37 359	0.33 399	0.38 375	0.51 429	0.26 370	0.28 385	0.27 394	0.16 411	0.09 339	0.12 358	0.11 356	0.13 372	0.12 356

PSMNet_ROB	0.21 353	0.11 308	0.15 231	0.27 413	0.15 382	0.24 362	0.35 436	0.43 423	0.37 359	0.27 361	0.32 342	0.32 373	0.22 346	0.21 333	0.26 387	0.12 357	0.08 315	0.13 373	0.11 356	0.09 294	0.09 300

MyStereo04	0.13 195	0.07 88	0.10 57	0.17 149	0.09 160	0.14 195	0.18 278	0.29 311	0.38 364	0.17 228	0.14 111	0.16 198	0.10 122	0.15 202	0.13 195	0.06 64	0.05 120	0.08 196	0.07 194	0.06 118	0.06 129

Nwc_Net	0.23 377	0.16 374	0.21 338	0.25 396	0.14 368	0.24 362	0.26 397	0.37 394	0.38 364	0.22 318	0.41 398	0.30 354	0.28 386	0.28 385	0.25 377	0.11 332	0.10 358	0.17 405	0.20 418	0.10 324	0.10 321

ADCMid	0.25 393	0.15 367	0.40 412	0.20 319	0.14 368	0.25 372	0.26 397	0.34 370	0.38 364	0.36 403	0.44 408	0.34 382	0.40 423	0.35 412	0.33 420	0.10 306	0.09 339	0.11 342	0.11 356	0.13 372	0.12 356

Wz-Net-LNSev-Ref	0.18 322	0.09 229	0.29 384	0.15 48	0.10 256	0.22 344	0.20 331	0.26 264	0.39 367	0.25 351	0.42 403	0.24 303	0.15 251	0.20 317	0.19 315	0.07 162	0.05 120	0.06 45	0.05 50	0.10 324	0.09 300

ADLNet2	0.16 289	0.09 229	0.13 152	0.16 91	0.09 160	0.20 322	0.16 211	0.31 333	0.39 367	0.16 214	0.20 200	0.20 257	0.18 308	0.21 333	0.22 348	0.08 217	0.06 222	0.07 124	0.07 194	0.09 294	0.07 196

FAT-Stereo	0.20 344	0.12 323	0.22 344	0.21 345	0.12 331	0.17 267	0.18 278	0.34 370	0.39 367	0.27 361	0.37 370	0.34 382	0.32 406	0.21 333	0.20 321	0.09 270	0.11 369	0.10 313	0.09 296	0.11 342	0.14 391

AnyNet_C01	0.36 424	0.25 421	1.37 463	0.22 360	0.17 407	0.48 432	0.27 404	0.35 383	0.39 367	0.39 411	0.74 444	0.46 423	0.38 418	0.45 434	0.47 443	0.13 380	0.13 395	0.13 373	0.14 387	0.14 384	0.15 398

PA-Net	0.23 377	0.18 395	0.33 395	0.28 416	0.22 423	0.21 336	0.38 441	0.29 311	0.39 367	0.22 318	0.32 342	0.25 316	0.26 370	0.20 317	0.25 377	0.09 270	0.23 435	0.15 396	0.22 423	0.09 294	0.13 374
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MSMD_ROB	0.31 415	0.26 422	0.26 364	0.24 386	0.21 421	0.34 411	0.25 390	0.34 370	0.39 367	0.40 414	0.69 438	0.45 419	0.40 423	0.34 406	0.27 394	0.20 424	0.19 421	0.26 426	0.25 429	0.23 424	0.22 428

NCC-stereo	0.24 384	0.15 367	0.31 389	0.26 401	0.16 392	0.20 322	0.30 426	0.40 409	0.40 373	0.24 338	0.38 375	0.33 376	0.28 386	0.36 417	0.27 394	0.12 357	0.11 369	0.15 396	0.22 423	0.13 372	0.13 374

Abc-Net	0.24 384	0.15 367	0.31 389	0.26 401	0.16 392	0.20 322	0.30 426	0.40 409	0.40 373	0.24 338	0.38 375	0.33 376	0.28 386	0.36 417	0.27 394	0.12 357	0.11 369	0.15 396	0.22 423	0.13 372	0.13 374
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XPNet_ROB	0.22 362	0.11 308	0.19 323	0.22 360	0.13 351	0.22 344	0.19 314	0.34 370	0.40 373	0.30 383	0.39 383	0.39 405	0.26 370	0.26 371	0.28 401	0.15 395	0.10 358	0.10 313	0.10 329	0.13 372	0.12 356

rvit_105_1	0.19 333	0.11 308	0.25 361	0.21 345	0.16 392	0.21 336	0.27 404	0.31 333	0.41 376	0.19 272	0.20 200	0.22 281	0.17 297	0.19 293	0.17 288	0.12 357	0.12 382	0.13 373	0.15 402	0.08 237	0.07 196

anonymity	0.53 442	0.58 448	0.65 437	0.41 439	0.61 459	0.53 435	0.41 442	0.56 443	0.41 376	0.55 435	0.50 418	0.49 428	0.55 442	0.58 447	0.50 448	0.58 456	0.50 458	0.51 448	0.51 453	0.51 447	0.57 454

DGSMNet	0.24 384	0.19 398	0.33 395	0.21 345	0.24 427	0.24 362	0.20 331	0.35 383	0.41 376	0.24 338	0.32 342	0.38 397	0.21 337	0.29 392	0.23 358	0.12 357	0.11 369	0.14 385	0.16 405	0.23 424	0.23 429

MMNet	0.17 309	0.09 229	0.16 265	0.20 319	0.11 300	0.27 387	0.20 331	0.25 247	0.41 376	0.22 318	0.30 330	0.21 264	0.20 333	0.17 263	0.20 321	0.06 64	0.06 222	0.07 124	0.07 194	0.08 237	0.07 196

NaN_ROB	0.22 362	0.19 398	0.24 356	0.25 396	0.13 351	0.29 396	0.26 397	0.33 361	0.41 376	0.31 389	0.31 338	0.32 373	0.23 352	0.30 395	0.21 339	0.11 332	0.17 416	0.10 313	0.10 329	0.08 237	0.09 300

MDST_ROB	0.22 362	0.10 283	0.17 292	0.18 221	0.11 300	0.37 421	0.19 314	0.43 423	0.41 376	0.39 411	0.39 383	0.29 346	0.21 337	0.26 371	0.18 306	0.11 332	0.10 358	0.14 385	0.11 356	0.10 324	0.08 259

FBW_ROB	0.24 384	0.17 385	0.22 344	0.26 401	0.14 368	0.25 372	0.22 357	0.41 415	0.41 376	0.41 418	0.41 398	0.42 411	0.27 378	0.31 396	0.23 358	0.09 270	0.14 402	0.14 385	0.12 375	0.11 342	0.09 300

GASNet	0.22 362	0.23 413	0.33 395	0.26 401	0.17 407	0.26 380	0.16 211	0.44 425	0.42 383	0.27 361	0.24 249	0.30 354	0.15 251	0.27 374	0.18 306	0.12 357	0.08 315	0.12 358	0.11 356	0.16 405	0.07 196

FCDSN-DC	0.33 420	0.28 428	0.28 376	0.30 425	0.24 427	0.39 425	0.28 410	0.42 420	0.42 383	0.43 424	0.53 420	0.51 429	0.41 428	0.36 417	0.30 409	0.21 427	0.20 424	0.27 429	0.26 430	0.25 432	0.24 430
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.30 414	0.24 416	0.29 384	0.36 435	0.16 392	0.34 411	0.30 426	0.32 344	0.42 383	0.40 414	0.46 410	0.38 397	0.31 402	0.34 406	0.28 401	0.19 422	0.20 424	0.26 426	0.29 436	0.18 416	0.19 423

edge stereo	0.22 362	0.13 349	0.20 331	0.21 345	0.13 351	0.23 357	0.16 211	0.32 344	0.42 383	0.32 395	0.40 388	0.38 397	0.35 413	0.25 369	0.24 368	0.13 380	0.11 369	0.14 385	0.11 356	0.12 356	0.13 374

NVstereo2D	0.19 333	0.10 283	0.15 231	0.17 149	0.15 382	0.28 393	0.23 366	0.44 425	0.42 383	0.15 189	0.27 301	0.25 316	0.19 322	0.22 344	0.17 288	0.09 270	0.06 222	0.10 313	0.08 255	0.15 398	0.09 300

FC-DCNN v2	0.33 420	0.27 424	0.28 376	0.26 401	0.23 425	0.37 421	0.28 410	0.40 409	0.43 388	0.45 426	0.56 428	0.51 429	0.40 423	0.37 421	0.29 404	0.21 427	0.20 424	0.27 429	0.26 430	0.25 432	0.24 430

Wz-Net-LNSev	0.22 362	0.16 374	0.38 408	0.21 345	0.13 351	0.25 372	0.23 366	0.32 344	0.43 388	0.30 383	0.41 398	0.31 364	0.18 308	0.22 344	0.25 377	0.10 306	0.09 339	0.08 196	0.08 255	0.12 356	0.11 344

GwcNet	0.20 344	0.13 349	0.19 323	0.18 221	0.12 331	0.24 362	0.19 314	0.35 383	0.43 388	0.20 291	0.32 342	0.33 376	0.20 333	0.22 344	0.24 368	0.11 332	0.09 339	0.09 269	0.09 296	0.09 294	0.10 321

S-Stereo	0.20 344	0.12 323	0.25 361	0.21 345	0.13 351	0.20 322	0.18 278	0.32 344	0.43 388	0.23 330	0.36 364	0.28 339	0.30 398	0.19 293	0.22 348	0.09 270	0.12 382	0.10 313	0.10 329	0.13 372	0.13 374

FC-DCNN	0.33 420	0.27 424	0.28 376	0.26 401	0.23 425	0.37 421	0.28 410	0.40 409	0.43 388	0.45 426	0.55 423	0.51 429	0.40 423	0.37 421	0.30 409	0.21 427	0.20 424	0.27 429	0.26 430	0.25 432	0.24 430

Wz-Net-MNSev	0.22 362	0.13 349	0.31 389	0.20 319	0.14 368	0.36 420	0.24 376	0.33 361	0.44 393	0.28 373	0.40 388	0.38 397	0.19 322	0.24 364	0.25 377	0.09 270	0.07 290	0.09 269	0.09 296	0.12 356	0.10 321

RP	0.21 353	0.13 349	0.21 338	0.23 379	0.11 300	0.21 336	0.20 331	0.25 247	0.44 393	0.21 304	0.38 375	0.36 388	0.24 358	0.27 374	0.25 377	0.11 332	0.12 382	0.13 373	0.12 375	0.12 356	0.14 391

RGC	0.25 393	0.20 402	0.29 384	0.28 416	0.16 392	0.22 344	0.23 366	0.32 344	0.44 393	0.27 361	0.40 388	0.38 397	0.27 378	0.36 417	0.22 348	0.11 332	0.13 395	0.17 405	0.17 412	0.14 384	0.16 409

stereogan	0.22 362	0.11 308	0.21 338	0.20 319	0.12 331	0.31 401	0.19 314	0.35 383	0.44 393	0.22 318	0.39 383	0.35 386	0.27 378	0.33 403	0.22 348	0.10 306	0.12 382	0.10 313	0.10 329	0.14 384	0.13 374

AnyNet_C32	0.26 400	0.16 374	0.36 404	0.20 319	0.16 392	0.25 372	0.30 426	0.32 344	0.44 393	0.31 389	0.49 414	0.30 354	0.33 407	0.40 430	0.33 420	0.12 357	0.12 382	0.12 358	0.14 387	0.14 384	0.15 398

DISCO	0.19 333	0.09 229	0.22 344	0.17 149	0.10 256	0.25 372	0.18 278	0.27 284	0.44 393	0.22 318	0.31 338	0.33 376	0.26 370	0.28 385	0.28 401	0.08 217	0.06 222	0.07 124	0.07 194	0.09 294	0.09 300

SGM+DAISY	0.56 444	0.57 447	0.65 437	0.40 437	0.54 451	0.66 446	0.49 449	0.56 443	0.45 399	0.66 439	0.69 438	0.67 444	0.56 443	0.63 449	0.56 450	0.59 457	0.48 454	0.50 447	0.50 452	0.52 448	0.58 455

pcwnet_v2	0.19 333	0.10 283	0.26 364	0.17 149	0.14 368	0.18 285	0.15 152	0.37 394	0.46 400	0.19 272	0.24 249	0.21 264	0.19 322	0.20 317	0.19 315	0.13 380	0.10 358	0.10 313	0.10 329	0.11 342	0.13 374

MFN_U_SF_RVC	0.32 417	0.21 408	0.55 428	0.30 425	0.15 382	0.34 411	0.17 236	0.52 438	0.46 400	0.46 429	0.55 423	0.59 436	0.39 420	0.35 412	0.37 428	0.15 395	0.14 402	0.18 414	0.21 420	0.16 405	0.15 398

LRCNet_RVC	10.62 482	13.42 486	7.30 474	18.92 486	2.07 475	0.33 408	0.30 426	5.59 478	0.48 402	13.03 484	17.94 485	8.87 480	5.65 476	4.79 476	1.89 472	23.51 490	2.73 480	27.55 491	25.71 491	16.07 488	16.33 488

GEStereo_RVC	0.17 309	0.12 323	0.15 231	0.22 360	0.11 300	0.19 307	0.17 236	0.32 344	0.48 402	0.20 291	0.25 278	0.17 218	0.13 210	0.21 333	0.16 274	0.10 306	0.06 222	0.08 196	0.07 194	0.09 294	0.08 259

FINET	0.21 353	0.18 395	0.26 364	0.18 221	0.16 392	0.23 357	0.23 366	0.32 344	0.48 402	0.25 351	0.32 342	0.22 281	0.22 346	0.22 344	0.17 288	0.18 418	0.16 411	0.11 342	0.10 329	0.15 398	0.13 374

RYNet	0.22 362	0.12 323	0.22 344	0.19 273	0.17 407	0.46 428	0.26 397	0.38 401	0.48 402	0.24 338	0.28 313	0.34 382	0.23 352	0.20 317	0.30 409	0.10 306	0.06 222	0.09 269	0.09 296	0.13 372	0.15 398

LSM	0.33 420	0.20 402	0.58 432	0.26 401	0.60 458	0.34 411	0.25 390	0.42 420	0.48 402	0.45 426	0.58 432	0.42 411	0.36 415	0.35 412	0.25 377	0.12 357	0.20 424	0.14 385	0.16 405	0.19 419	0.33 444

ITSA-stereo	0.15 266	0.10 283	0.14 182	0.19 273	0.08 62	0.12 133	0.14 94	0.30 325	0.49 407	0.17 228	0.19 188	0.22 281	0.15 251	0.17 263	0.16 274	0.10 306	0.06 222	0.08 196	0.08 255	0.08 237	0.08 259

PASM	0.32 417	0.24 416	0.48 422	0.28 416	0.27 435	0.29 396	0.30 426	0.34 370	0.49 407	0.35 401	0.39 383	0.46 423	0.34 411	0.34 406	0.35 423	0.23 435	0.25 437	0.26 426	0.28 435	0.23 424	0.21 426

PWC_ROB	0.21 353	0.16 374	0.26 364	0.18 221	0.11 300	0.22 344	0.13 58	0.32 344	0.49 407	0.30 383	0.40 388	0.32 373	0.24 358	0.31 396	0.22 348	0.10 306	0.07 290	0.11 342	0.08 255	0.11 342	0.10 321

SuperB	0.20 344	0.10 283	0.56 430	0.16 91	0.09 160	0.18 285	0.18 278	0.24 232	0.50 410	0.26 355	0.39 383	0.17 218	0.21 337	0.22 344	0.21 339	0.08 217	0.06 222	0.06 45	0.06 112	0.12 356	0.10 321

AF-Net	0.22 362	0.17 385	0.17 292	0.26 401	0.13 351	0.25 372	0.24 376	0.32 344	0.50 410	0.25 351	0.33 354	0.38 397	0.26 370	0.28 385	0.25 377	0.11 332	0.10 358	0.16 402	0.11 356	0.11 342	0.10 321

DeepPrunerF	0.24 384	0.17 385	0.42 415	0.26 401	0.16 392	0.22 344	0.28 410	0.37 394	0.50 410	0.26 355	0.29 325	0.24 303	0.28 386	0.21 333	0.22 348	0.15 395	0.11 369	0.20 418	0.18 416	0.12 356	0.13 374

SGM-ForestM	0.32 417	0.12 323	0.16 265	0.16 91	0.11 300	0.39 425	0.19 314	0.41 415	0.50 410	0.52 432	0.54 422	1.32 463	0.42 431	0.40 430	0.27 394	0.14 391	0.16 411	0.16 402	0.16 405	0.12 356	0.12 356

CSAN	0.29 409	0.24 416	0.27 371	0.34 431	0.19 415	0.33 408	0.42 445	0.37 394	0.50 410	0.38 409	0.40 388	0.44 417	0.33 407	0.28 385	0.30 409	0.20 424	0.16 411	0.19 416	0.19 417	0.14 384	0.15 398

SPS-STEREO	0.57 445	0.58 448	0.65 437	0.45 442	0.55 453	0.62 442	0.44 448	0.62 448	0.50 410	0.68 441	0.64 434	0.66 443	0.57 444	0.61 448	0.60 452	0.62 459	0.47 453	0.51 448	0.49 450	0.55 452	0.58 455
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
ELAS	0.41 431	0.29 431	0.33 395	0.27 413	0.24 427	0.60 441	0.36 437	0.50 436	0.50 410	0.71 443	0.79 448	0.67 444	0.54 439	0.51 438	0.42 438	0.22 431	0.20 424	0.27 429	0.26 430	0.26 436	0.25 435
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SAMSARA	0.40 429	0.28 428	0.33 395	0.55 448	0.39 442	0.82 458	1.23 472	0.47 431	0.51 417	0.36 403	0.35 361	0.55 435	0.39 420	0.38 423	0.39 432	0.15 395	0.20 424	0.15 396	0.14 387	0.23 424	0.20 424

GANetREF_RVC	0.31 415	0.34 436	0.27 371	0.35 433	0.16 392	0.32 402	0.41 442	0.48 432	0.51 417	0.35 401	0.35 361	0.34 382	0.33 407	0.39 426	0.32 417	0.27 439	0.20 424	0.29 436	0.15 402	0.18 416	0.17 416
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
PWCDC_ROB	0.20 344	0.13 349	0.22 344	0.24 386	0.11 300	0.19 307	0.15 152	0.33 361	0.54 419	0.29 380	0.50 418	0.21 264	0.15 251	0.27 374	0.20 321	0.11 332	0.09 339	0.10 313	0.08 255	0.11 342	0.09 300

Wz-Net-TNSev	0.29 409	0.20 402	0.65 437	0.19 273	0.15 382	0.38 424	0.27 404	0.35 383	0.55 420	0.34 400	0.42 403	0.45 419	0.38 418	0.32 401	0.30 409	0.12 357	0.13 395	0.10 313	0.12 375	0.15 398	0.14 391

Consistency-Raft	0.44 434	0.40 441	0.45 417	0.37 436	0.43 446	0.46 428	0.41 442	0.57 445	0.55 420	0.32 395	0.73 442	0.33 376	0.48 436	0.42 433	0.49 445	0.39 445	0.35 445	0.45 445	0.51 453	0.42 445	0.29 439

Wz-Net-SNSev	0.25 393	0.17 385	0.44 416	0.25 396	0.14 368	0.26 380	0.23 366	0.38 401	0.56 422	0.30 383	0.55 423	0.39 405	0.26 370	0.23 355	0.30 409	0.10 306	0.09 339	0.09 269	0.10 329	0.11 342	0.11 344

ADCL	0.24 384	0.11 308	0.47 421	0.22 360	0.12 331	0.34 411	0.29 419	0.29 311	0.56 422	0.24 338	0.46 410	0.30 354	0.30 398	0.29 392	0.29 404	0.08 217	0.07 290	0.09 269	0.09 296	0.10 324	0.10 321

WZ-Net	0.28 405	0.17 385	0.78 451	0.22 360	0.16 392	0.34 411	0.29 419	0.39 405	0.57 424	0.24 338	0.55 423	0.37 393	0.24 358	0.33 403	0.35 423	0.09 270	0.08 315	0.09 269	0.10 329	0.14 384	0.16 409

XQC	0.28 405	0.23 413	0.51 423	0.28 416	0.19 415	0.34 411	0.27 404	0.36 389	0.57 424	0.31 389	0.30 330	0.37 393	0.30 398	0.38 423	0.38 430	0.13 380	0.09 339	0.15 396	0.12 375	0.17 412	0.18 418

PDISCO_ROB	0.27 402	0.16 374	0.26 364	0.28 416	0.20 418	0.32 402	0.26 397	0.44 425	0.57 424	0.28 373	0.40 388	0.45 419	0.29 394	0.33 403	0.34 422	0.12 357	0.09 339	0.17 405	0.16 405	0.17 412	0.13 374

DispFullNet	0.27 402	0.21 408	0.65 437	0.28 416	0.16 392	0.26 380	0.17 236	0.33 361	0.58 427	0.27 361	0.38 375	0.43 415	0.23 352	0.38 423	0.23 358	0.12 357	0.06 222	0.19 416	0.11 356	0.21 421	0.15 398

EDNetEfficientorigin	7.91 477	0.31 433	153.02 492	0.19 273	0.09 160	0.21 336	0.16 211	0.22 194	0.59 428	0.72 445	0.67 436	0.42 411	0.50 438	0.24 364	0.39 432	0.08 217	0.07 290	0.08 196	0.07 194	0.12 356	0.10 321

MANE	0.45 436	0.27 424	0.27 371	0.27 413	0.24 427	0.47 430	0.31 432	0.55 442	0.59 428	0.72 445	1.13 464	1.15 457	0.61 446	0.52 440	0.37 428	0.21 427	0.20 424	0.27 429	0.31 440	0.25 432	0.24 430

ELAS_RVC	0.41 431	0.29 431	0.33 395	0.28 416	0.24 427	0.54 436	0.36 437	0.49 434	0.59 428	0.72 445	0.74 444	0.65 442	0.54 439	0.54 444	0.40 434	0.22 431	0.20 424	0.27 429	0.26 430	0.26 436	0.25 435
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	0.29 409	0.24 416	1.13 460	0.18 221	0.10 256	0.19 307	0.20 331	0.20 157	0.60 431	0.74 449	0.56 428	0.31 364	0.39 420	0.22 344	0.30 409	0.09 270	0.07 290	0.08 196	0.07 194	0.11 342	0.09 300

NVStereoNet_ROB	0.46 439	0.36 438	0.46 420	0.41 439	0.28 436	0.34 411	0.34 435	0.48 432	0.60 431	0.72 445	0.93 453	0.70 447	0.66 449	0.47 435	0.60 452	0.22 431	0.33 444	0.34 440	0.34 443	0.30 439	0.30 441
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 426	0.37 439	0.52 424	0.44 441	0.28 436	0.58 438	0.24 376	0.41 415	0.62 433	0.40 414	0.49 414	0.46 423	0.33 407	0.40 430	0.32 417	0.30 440	0.30 441	0.39 442	0.33 441	0.29 438	0.28 438

ADCS	0.29 409	0.18 395	0.45 417	0.21 345	0.17 407	0.28 393	0.23 366	0.41 415	0.63 434	0.40 414	0.49 414	0.40 408	0.36 415	0.39 426	0.40 434	0.13 380	0.12 382	0.13 373	0.14 387	0.16 405	0.16 409

ACVNet-4b	0.39 426	0.53 446	0.55 428	0.45 442	0.24 427	0.47 430	0.18 278	0.49 434	0.64 435	0.42 421	0.45 409	0.60 437	0.27 378	0.34 406	0.24 368	0.33 443	0.14 402	0.48 446	0.42 446	0.30 439	0.26 437

SANet	0.24 384	0.14 361	0.28 376	0.21 345	0.11 300	0.27 387	0.24 376	0.38 401	0.64 435	0.36 403	0.40 388	0.43 415	0.26 370	0.27 374	0.24 368	0.12 357	0.09 339	0.10 313	0.09 296	0.13 372	0.11 344

BEATNet-Init1	0.52 441	0.27 424	0.62 435	0.30 425	0.21 421	0.76 455	0.29 419	0.54 441	0.65 437	0.86 454	0.95 455	2.07 473	0.62 448	0.56 446	0.42 438	0.18 418	0.18 418	0.23 424	0.22 423	0.22 423	0.21 426

RTSC	0.23 377	0.12 323	0.28 376	0.21 345	0.13 351	0.28 393	0.16 211	0.35 383	0.66 438	0.27 361	0.33 354	0.30 354	0.21 337	0.31 396	0.29 404	0.10 306	0.08 315	0.09 269	0.10 329	0.13 372	0.13 374

DPSNet	0.28 405	0.16 374	0.31 389	0.18 221	0.13 351	0.54 436	0.42 445	0.51 437	0.67 439	0.29 380	0.38 375	0.38 397	0.29 394	0.31 396	0.23 358	0.11 332	0.10 358	0.11 342	0.08 255	0.20 420	0.16 409

Ntro	0.40 429	0.40 441	0.53 425	0.46 445	0.30 440	0.65 444	0.24 376	0.46 430	0.68 440	0.41 418	0.49 414	0.48 427	0.42 431	0.39 426	0.31 416	0.32 442	0.28 439	0.37 441	0.30 438	0.32 443	0.29 439

JetBlue	0.71 450	0.45 444	1.14 461	0.51 446	0.47 448	2.02 472	0.64 459	0.75 451	0.70 441	0.69 442	0.77 447	1.22 459	0.83 456	1.03 468	1.01 468	0.40 446	0.28 439	0.33 439	0.33 441	0.30 439	0.34 445

SHD	0.26 400	0.15 367	0.30 387	0.24 386	0.18 413	0.22 344	0.15 152	0.38 401	0.71 442	0.32 395	0.41 398	0.36 388	0.28 386	0.32 401	0.29 404	0.12 357	0.11 369	0.14 385	0.13 384	0.16 405	0.20 424

ACVNet_1	0.44 434	0.49 445	0.60 433	0.45 442	0.28 436	0.49 433	0.27 404	0.57 445	0.72 443	0.62 438	0.58 432	0.74 448	0.49 437	0.50 437	0.35 423	0.26 438	0.24 436	0.39 442	0.29 436	0.31 442	0.24 430

coex-ft	3.30 471	0.34 436	59.09 491	0.18 221	0.13 351	0.26 380	0.22 357	0.27 284	0.72 443	1.90 472	0.70 440	0.44 417	0.45 434	0.29 392	0.41 437	0.09 270	0.09 339	0.12 358	0.09 296	0.14 384	0.13 374

MSC_U_SF_DS_RVC	0.43 433	0.39 440	0.54 426	0.40 437	0.20 418	0.64 443	0.32 434	0.53 440	0.72 443	0.71 443	0.72 441	0.61 438	0.54 439	0.51 438	0.46 442	0.20 424	0.19 421	0.29 436	0.30 438	0.23 424	0.18 418

MADNet+	0.75 453	0.71 456	3.70 472	0.66 451	0.41 444	0.98 463	0.97 470	0.69 450	0.73 446	0.52 432	0.57 430	0.64 440	0.68 451	0.86 460	1.01 468	0.34 444	0.36 446	0.28 435	0.23 427	0.36 444	0.31 442

MFMNet_re	0.64 446	0.66 454	0.65 437	0.51 446	0.69 463	0.69 447	0.57 455	0.64 449	0.73 446	0.60 437	0.73 442	0.62 439	0.67 450	0.65 450	0.60 452	0.66 461	0.58 467	0.63 452	0.59 456	0.68 459	0.69 464

RTS	0.45 436	0.19 398	3.26 469	0.24 386	0.15 382	0.74 451	0.20 331	0.36 389	0.76 448	0.42 421	0.43 406	0.31 364	0.41 428	0.53 442	0.35 423	0.10 306	0.08 315	0.13 373	0.12 375	0.15 398	0.15 398

RTSA	0.45 436	0.19 398	3.26 469	0.24 386	0.15 382	0.74 451	0.20 331	0.36 389	0.76 448	0.42 421	0.43 406	0.31 364	0.41 428	0.53 442	0.35 423	0.10 306	0.08 315	0.13 373	0.12 375	0.15 398	0.15 398

IMH-64-1	0.65 447	0.61 450	0.68 445	0.71 452	0.51 449	0.59 439	0.49 449	0.91 456	0.85 450	0.74 449	1.02 457	0.81 449	0.78 454	0.79 453	0.49 445	0.42 447	0.46 449	0.71 454	0.47 448	0.52 448	0.39 447

IMH-64	0.65 447	0.61 450	0.68 445	0.71 452	0.51 449	0.59 439	0.49 449	0.91 456	0.85 450	0.74 449	1.02 457	0.81 449	0.78 454	0.79 453	0.49 445	0.42 447	0.46 449	0.71 454	0.47 448	0.52 448	0.39 447

RainbowNet	0.54 443	0.61 450	0.70 449	0.57 449	0.43 446	0.65 444	0.37 440	0.60 447	0.87 452	0.50 431	0.66 435	0.64 440	0.47 435	0.49 436	0.43 441	0.47 451	0.48 454	0.52 450	0.41 445	0.52 448	0.40 449

PWCK	0.71 450	0.94 465	0.95 458	0.76 454	0.31 441	0.74 451	0.36 437	0.90 455	0.90 453	0.96 458	0.75 446	0.95 452	0.61 446	0.87 461	0.66 455	0.72 462	0.46 449	0.75 457	0.49 450	0.69 461	0.44 451

UNDER WATER-64	0.95 462	0.94 465	1.43 465	0.87 462	0.56 454	1.18 471	0.87 467	0.77 452	0.94 454	1.04 461	0.85 450	1.58 470	1.21 470	0.94 465	0.96 466	0.87 468	0.57 466	1.03 468	0.88 469	0.78 465	0.73 465

PVD	0.39 426	0.20 402	0.39 410	0.31 429	0.22 423	0.29 396	0.43 447	0.52 438	0.96 455	0.55 435	0.79 448	0.53 433	0.59 445	0.52 440	0.38 430	0.19 422	0.14 402	0.17 405	0.14 387	0.24 431	0.31 442

UNDER WATER	0.97 463	0.97 467	1.42 464	0.99 466	0.70 466	1.12 470	0.84 466	0.80 453	1.08 456	1.01 460	0.90 451	1.55 469	1.22 471	1.03 468	1.00 467	0.78 466	0.53 461	1.02 467	0.87 468	0.80 466	0.74 466

IMH	0.71 450	0.64 453	0.68 445	0.76 454	0.54 451	0.69 447	0.54 453	0.98 462	1.10 457	0.82 453	1.09 460	0.89 451	0.88 459	0.87 461	0.52 449	0.44 450	0.50 458	0.75 457	0.51 453	0.56 453	0.41 450

TorneroNet	0.82 457	0.74 458	0.81 455	0.84 459	0.63 460	0.99 464	0.63 457	0.96 460	1.16 458	0.80 452	1.11 462	1.36 464	0.86 458	0.93 464	0.80 463	0.56 454	0.49 456	0.78 462	0.66 461	0.73 464	0.63 463

notaker	0.97 463	1.11 468	0.98 459	1.13 469	0.81 467	0.73 450	0.68 463	0.93 458	1.16 458	1.18 467	1.18 466	1.41 466	1.16 469	1.08 470	0.69 459	0.81 467	0.64 469	1.17 470	0.79 466	0.98 468	0.80 468

DPSimNet_ROB	1.11 467	1.23 471	0.78 451	1.13 469	0.88 470	1.10 469	1.13 471	1.16 471	1.23 460	1.43 469	1.02 457	1.41 466	1.10 468	0.90 463	1.60 470	1.46 474	0.51 460	1.21 472	1.03 472	0.90 467	1.01 472

TorneroNet-64	0.76 454	0.72 457	0.74 450	0.78 456	0.58 457	0.91 462	0.56 454	0.84 454	1.29 461	0.66 439	0.90 451	1.40 465	0.75 453	0.85 459	0.67 458	0.49 452	0.46 449	0.72 456	0.59 456	0.67 458	0.53 453

WAO-7	0.79 455	0.78 459	0.54 426	0.85 460	0.67 462	0.74 451	0.68 463	1.05 465	1.32 462	0.90 456	1.20 467	1.04 453	0.92 460	0.69 451	0.66 455	0.60 458	0.62 468	0.67 453	0.68 462	0.64 455	0.58 455

KSHMR	1.09 466	1.17 469	0.88 457	1.25 472	1.00 471	0.99 464	0.96 469	1.13 469	1.37 463	1.16 466	1.29 469	1.41 466	0.96 462	1.01 467	0.92 465	1.03 470	1.08 472	1.20 471	1.03 472	1.01 469	0.97 470

JetRed	1.62 469	1.46 473	2.98 468	0.92 463	1.21 472	4.99 474	1.53 474	1.27 472	1.39 464	1.83 471	1.74 473	1.60 471	0.95 461	1.41 471	2.45 474	0.90 469	1.60 474	0.93 466	0.90 470	1.35 472	0.99 471

ktn	1.01 465	1.21 470	0.80 454	1.23 471	0.86 469	1.01 466	0.87 467	0.94 459	1.39 464	1.04 461	1.12 463	1.15 457	1.07 465	0.94 465	0.59 451	1.28 473	0.71 470	1.38 474	0.83 467	1.02 470	0.75 467

ACVNet_2	0.66 449	0.66 454	0.68 445	0.63 450	0.41 444	0.71 449	0.49 449	0.96 460	1.39 464	0.89 455	1.09 460	1.04 453	0.73 452	0.54 444	0.47 443	0.43 449	0.40 447	0.53 451	0.44 447	0.47 446	0.35 446

LVE	0.83 458	0.85 463	0.85 456	0.80 457	0.56 454	1.04 468	0.65 460	1.05 465	1.47 467	0.96 458	1.22 468	1.10 456	0.85 457	0.83 456	0.71 460	0.49 452	0.55 464	0.76 460	0.60 458	0.65 456	0.59 460

HanzoNet	1.29 468	1.26 472	1.19 462	1.12 468	0.85 468	1.02 467	0.83 465	1.03 464	1.48 468	1.64 470	1.61 472	2.50 475	1.72 472	1.61 472	1.61 471	1.26 472	0.80 471	1.31 473	1.01 471	1.02 470	0.86 469

WAO-6	0.81 456	0.80 460	0.62 435	0.86 461	0.63 460	0.76 455	0.58 456	0.98 462	1.54 469	0.90 456	0.96 456	1.07 455	1.03 464	0.70 452	0.66 455	0.72 462	0.49 456	0.90 465	0.71 463	0.68 459	0.58 455

Dean	0.87 459	0.86 464	0.79 453	0.81 458	0.56 454	0.90 459	0.63 457	1.15 470	1.73 470	1.15 465	1.15 465	1.31 462	0.99 463	0.81 455	0.81 464	0.57 455	0.56 465	0.77 461	0.64 459	0.66 457	0.58 455

LE_ROB	0.50 440	0.07 88	0.14 182	0.15 48	0.08 62	0.24 362	0.16 211	0.22 194	1.81 471	4.63 475	0.67 436	0.47 426	0.44 433	0.20 317	0.29 404	0.07 162	0.06 222	0.06 45	0.06 112	0.08 237	0.06 129

WAO-8	0.91 460	0.81 461	0.65 437	0.94 464	0.69 463	0.90 459	0.67 461	1.07 467	1.83 472	1.06 463	1.45 470	1.30 460	1.07 465	0.84 457	0.78 461	0.74 464	0.53 461	0.86 463	0.75 464	0.69 461	0.62 461

Venus	0.91 460	0.81 461	0.65 437	0.94 464	0.69 463	0.90 459	0.67 461	1.07 467	1.83 472	1.06 463	1.45 470	1.30 460	1.07 465	0.84 457	0.78 461	0.74 464	0.53 461	0.86 463	0.75 464	0.69 461	0.62 461

MADNet++	1.95 470	1.75 474	1.59 466	1.82 474	1.69 474	2.33 473	1.40 473	2.35 474	2.09 474	2.57 474	2.36 474	2.24 474	2.17 473	2.28 473	2.34 473	1.87 475	1.66 475	1.54 475	1.34 475	1.92 474	1.77 475

tt	4.67 473	0.06 31	3.55 471	2.02 475	1.55 473	10.25 479	16.71 478	8.91 482	5.03 475	1.31 468	0.94 454	4.71 476	4.76 475	3.33 475	5.87 477	6.06 482	10.30 486	1.88 476	2.11 477	2.75 475	1.21 473

ASD4	3.54 472	3.38 476	2.05 467	1.72 473	2.51 476	9.03 478	17.71 479	2.25 473	5.51 476	2.46 473	2.81 475	2.03 472	3.36 474	2.73 474	5.06 475	1.22 471	1.34 473	1.13 469	1.33 474	1.68 473	1.49 474

PML	8.91 480	9.34 485	6.13 473	5.35 479	6.41 480	14.99 481	23.38 485	5.27 475	6.83 477	18.04 486	28.19 491	7.67 479	6.83 477	7.85 479	5.75 476	5.35 481	1.83 476	5.95 485	1.93 476	8.64 483	2.52 476

xxxxx1	7.79 474	5.02 479	7.31 475	3.12 476	3.85 477	16.35 482	22.88 480	5.86 479	8.69 478	7.97 478	8.54 476	9.12 481	8.27 478	10.18 480	10.92 478	2.42 476	2.45 477	3.56 479	12.37 483	3.77 476	3.06 477

tt_ll	7.79 474	5.02 479	7.31 475	3.12 476	3.85 477	16.35 482	22.88 480	5.86 479	8.69 478	7.97 478	8.54 476	9.12 481	8.27 478	10.18 480	10.92 478	2.42 476	2.45 477	3.56 479	12.37 483	3.77 476	3.06 477

ff	7.79 474	5.02 479	7.31 475	3.12 476	3.85 477	16.35 482	22.88 480	5.86 479	8.69 478	7.97 478	8.54 476	9.12 481	8.27 478	10.18 480	10.92 478	2.42 476	2.45 477	3.56 479	12.37 483	3.77 476	3.06 477

HaxPig	15.71 486	18.52 490	19.18 486	16.89 485	15.89 487	7.73 475	7.60 475	13.31 486	10.82 481	15.42 485	14.91 484	15.98 487	14.92 486	15.58 486	15.98 486	18.95 489	16.73 487	19.46 489	18.08 489	19.26 489	19.05 489

DGTPSM_ROB	8.06 478	4.48 477	8.63 481	5.35 479	10.72 482	8.32 476	22.97 483	5.46 476	13.35 482	5.12 476	9.92 479	5.08 477	10.40 481	5.52 477	12.58 481	3.79 479	8.00 481	3.50 477	7.02 480	3.83 479	7.14 481

DPSMNet_ROB	8.06 478	4.48 477	8.63 481	5.37 481	10.74 483	8.32 476	22.98 484	5.46 476	13.36 483	5.12 476	9.92 479	5.08 477	10.40 481	5.53 478	12.58 481	3.80 480	8.00 481	3.50 477	7.02 480	3.83 479	7.14 481

Anonymous_1	10.96 483	7.92 482	7.46 478	10.33 482	10.06 481	18.65 486	26.34 486	11.06 483	13.44 484	9.40 481	10.05 481	9.67 484	11.23 483	10.73 483	12.72 483	6.42 483	8.38 483	5.77 482	10.61 482	12.12 484	6.77 480

DPSM_ROB	11.15 484	8.58 483	8.00 479	10.88 483	11.58 484	19.10 487	26.71 487	12.05 484	14.07 485	10.36 482	10.84 482	10.33 485	11.86 484	11.70 484	13.54 484	6.99 484	8.79 484	5.89 483	6.95 478	7.29 481	7.42 483

DPSM	11.15 484	8.58 483	8.00 479	10.88 483	11.58 484	19.10 487	26.71 487	12.05 484	14.07 485	10.36 482	10.84 482	10.33 485	11.86 484	11.70 484	13.54 484	6.99 484	8.79 484	5.89 483	6.95 478	7.29 481	7.42 483

MEDIAN_ROB	20.38 487	24.04 491	23.31 488	21.23 487	21.71 488	10.40 480	7.92 476	17.64 487	15.50 487	20.12 487	19.70 486	20.34 488	20.32 487	21.19 487	21.13 487	23.81 491	21.81 491	24.98 490	23.76 490	24.71 490	23.93 490

AVERAGE_ROB	24.90 491	29.20 492	28.14 489	24.89 491	24.64 491	17.75 485	11.12 477	21.45 488	19.93 488	25.12 491	24.46 490	25.12 492	25.46 491	24.69 491	22.83 488	29.76 492	27.13 492	28.97 492	27.95 492	29.91 491	29.47 491

LSM0	22.87 490	17.28 487	18.96 485	22.19 490	29.04 492	38.42 491	53.71 489	24.28 490	28.31 489	20.78 490	21.00 487	21.43 491	24.16 490	23.50 489	27.39 490	14.09 488	17.38 488	11.84 488	14.04 488	14.73 487	14.89 485

CasAABBNet	22.42 488	17.33 488	16.01 483	22.01 488	23.28 489	38.32 489	53.80 490	24.14 489	28.41 490	20.60 488	21.77 488	20.89 490	23.91 489	23.43 488	27.36 489	14.07 486	17.69 489	11.83 487	14.01 487	14.67 485	14.95 486

Selective-RAFT-Error	22.47 489	17.37 489	16.09 484	22.06 489	23.34 490	38.39 490	53.83 491	24.29 491	28.47 491	20.74 489	21.83 489	20.81 489	23.90 488	23.54 490	27.53 491	14.08 487	17.69 489	11.82 486	14.00 486	14.69 486	15.00 487

test_example2	98.32 492	94.13 493	45.89 490	96.35 492	109.85 493	88.61 492	95.45 492	25.75 492	94.37 492	130.00 492	126.06 492	58.17 493	74.63 492	88.51 492	79.96 492	150.23 493	221.02 493	77.62 493	99.10 493	113.75 493	96.94 492

FADE		0.33 435		0.33 430	0.25 433							0.42 411				0.30 440	0.21 434	0.41 444	0.38 444	0.23 424

Low-res two-view benchmark