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

StereoAnything_RVC	0.21 4	0.68 451	0.39 117	0.28 2	0.15 1	0.23 10	0.18 2	0.20 1	0.19 2	0.16 1	0.16 2	0.15 1	0.22 23	0.30 6	0.18 1	0.16 165	0.09 4	0.12 4	0.08 1	0.16 163	0.09 1

FoundationStereo	0.17 1	0.14 2	0.25 9	0.30 7	0.16 5	0.23 10	0.20 4	0.22 2	0.15 1	0.18 2	0.16 2	0.20 5	0.19 9	0.26 1	0.21 4	0.13 31	0.09 4	0.12 4	0.09 9	0.10 1	0.09 1

GREAT-IGEV	0.22 6	0.15 10	0.31 28	0.29 4	0.22 70	0.21 6	0.26 62	0.33 6	0.31 20	0.20 3	0.30 26	0.22 6	0.22 23	0.47 79	0.22 6	0.11 2	0.09 4	0.12 4	0.09 9	0.13 44	0.10 8

MonSter	0.20 3	0.14 2	0.25 9	0.31 10	0.15 1	0.22 7	0.22 22	0.39 12	0.33 30	0.20 3	0.25 16	0.17 2	0.15 2	0.38 27	0.18 1	0.09 1	0.08 1	0.11 1	0.09 9	0.11 3	0.09 1

IGEV-Stereo+	0.23 8	0.14 2	0.26 12	0.32 15	0.19 19	0.12 1	0.17 1	0.29 3	0.29 14	0.21 5	0.15 1	0.22 6	0.22 23	0.40 35	0.22 6	0.14 64	0.10 23	0.12 4	0.09 9	0.15 125	0.86 478

IGEV-Stereo++	0.21 4	0.15 10	0.27 16	0.37 84	0.19 19	0.22 7	0.18 2	0.42 24	0.35 45	0.22 6	0.28 23	0.24 9	0.18 5	0.27 3	0.22 6	0.12 6	0.09 4	0.12 4	0.10 25	0.12 17	0.10 8

castereo++	0.26 24	0.16 21	0.26 12	0.33 20	0.19 19	0.75 342	0.20 4	0.37 7	0.47 111	0.23 7	0.23 7	0.35 52	0.28 77	0.39 31	0.19 3	0.14 64	0.09 4	0.14 40	0.09 9	0.11 3	0.10 8

DEFOM-Stereo	0.22 6	0.15 10	0.26 12	0.33 20	0.20 38	0.61 278	0.21 15	0.30 5	0.31 20	0.23 7	0.19 4	0.18 3	0.18 5	0.41 41	0.22 6	0.12 6	0.10 23	0.12 4	0.09 9	0.11 3	0.11 29

dual_stereo	0.19 2	0.14 2	0.24 4	0.31 10	0.16 5	0.16 2	0.20 4	0.29 3	0.20 3	0.23 7	0.20 5	0.22 6	0.14 1	0.52 110	0.24 24	0.13 31	0.10 23	0.11 1	0.09 9	0.10 1	0.09 1

RAStereo	0.24 11	0.17 42	0.29 22	0.40 173	0.21 52	0.23 10	0.26 62	0.42 24	0.45 102	0.23 7	0.34 42	0.30 19	0.19 9	0.34 14	0.25 37	0.15 119	0.12 150	0.16 103	0.13 95	0.14 80	0.11 29

SCV	0.26 24	0.19 88	0.33 42	0.35 52	0.21 52	0.27 40	0.34 176	0.56 78	0.28 12	0.24 11	0.28 23	0.37 63	0.23 32	0.49 93	0.22 6	0.18 230	0.10 23	0.14 40	0.11 41	0.15 125	0.11 29

GIP-stereo	0.24 11	0.18 61	0.30 25	0.37 84	0.24 136	0.26 28	0.20 4	0.46 39	0.36 51	0.24 11	0.39 53	0.35 52	0.20 13	0.31 7	0.21 4	0.15 119	0.10 23	0.13 23	0.10 25	0.12 17	0.11 29

CroCo-Stereo Lap2	0.28 40	0.24 243	0.39 117	0.50 368	0.29 285	0.20 3	0.31 136	0.49 47	0.38 69	0.24 11	0.27 19	0.46 122	0.31 111	0.39 31	0.30 119	0.14 64	0.15 269	0.16 103	0.13 95	0.16 163	0.15 166

HUF	0.24 11	0.16 21	0.33 42	0.32 15	0.18 12	0.25 25	0.40 287	0.42 24	0.34 32	0.25 14	0.23 7	0.32 27	0.28 77	0.34 14	0.24 24	0.13 31	0.10 23	0.13 23	0.09 9	0.12 17	0.10 8

AIO_test	0.23 8	0.16 21	0.28 19	0.34 26	0.20 38	0.30 74	0.39 277	0.38 10	0.25 8	0.25 14	0.28 23	0.32 27	0.22 23	0.38 27	0.25 37	0.12 6	0.09 4	0.13 23	0.10 25	0.12 17	0.09 1

RSM++	0.25 16	0.18 61	0.34 57	0.36 68	0.20 38	0.28 54	0.30 114	0.51 57	0.32 26	0.25 14	0.22 6	0.37 63	0.21 18	0.50 98	0.24 24	0.12 6	0.10 23	0.14 40	0.12 65	0.14 80	0.10 8

DEFOM-Stereo_RVC	0.25 16	0.31 341	0.24 4	0.51 384	0.19 19	0.29 65	0.22 22	0.40 17	0.37 64	0.26 17	0.24 13	0.24 9	0.31 111	0.44 59	0.22 6	0.14 64	0.09 4	0.12 4	0.09 9	0.14 80	0.10 8

AIO_rvc	0.23 8	0.16 21	0.32 35	0.34 26	0.19 19	0.26 28	0.33 165	0.40 17	0.22 4	0.26 17	0.24 13	0.34 43	0.15 2	0.51 104	0.24 24	0.12 6	0.09 4	0.13 23	0.10 25	0.12 17	0.10 8

IGEV-RUCA	0.25 16	0.16 21	0.34 57	0.39 140	0.27 236	0.33 106	0.20 4	0.38 10	0.36 51	0.26 17	0.31 33	0.25 13	0.21 18	0.48 89	0.24 24	0.20 283	0.11 96	0.13 23	0.10 25	0.17 197	0.15 166

castereo	0.28 40	0.16 21	0.32 35	0.35 52	0.21 52	0.40 160	0.42 311	0.50 55	0.66 175	0.26 17	0.41 56	0.37 63	0.36 150	0.33 12	0.24 24	0.13 31	0.09 4	0.13 23	0.10 25	0.11 3	0.10 8

999	0.27 33	0.16 21	0.35 66	0.36 68	0.24 136	0.31 89	0.27 76	0.49 47	0.38 69	0.26 17	0.30 26	0.39 74	0.23 32	0.63 219	0.25 37	0.13 31	0.10 23	0.14 40	0.12 65	0.12 17	0.14 143

ours_stereo	0.26 24	0.21 152	0.33 42	0.38 112	0.23 108	0.30 74	0.33 165	0.42 24	0.38 69	0.26 17	0.34 42	0.35 52	0.23 32	0.47 79	0.27 82	0.13 31	0.11 96	0.16 103	0.12 65	0.14 80	0.10 8

U	0.45 226	0.16 21	0.32 35	0.40 173	0.71 463	3.55 497	0.20 4	0.41 21	0.38 69	0.26 17	0.23 7	0.24 9	0.22 23	0.26 1	0.22 6	0.15 119	0.09 4	0.88 474	0.13 95	0.13 44	0.11 29

RSM	0.25 16	0.18 61	0.33 42	0.36 68	0.20 38	0.27 40	0.34 176	0.51 57	0.27 9	0.26 17	0.23 7	0.39 74	0.21 18	0.56 140	0.22 6	0.12 6	0.10 23	0.14 40	0.11 41	0.14 80	0.10 8

MaDis-Stereo	0.26 24	0.18 61	0.36 73	0.36 68	0.26 208	0.27 40	0.27 76	0.43 32	0.35 45	0.27 25	0.26 18	0.41 90	0.28 77	0.40 35	0.28 99	0.16 165	0.14 240	0.16 103	0.13 95	0.14 80	0.12 70

Selective-IGEV	0.24 11	0.18 61	0.35 66	0.35 52	0.19 19	0.27 40	0.25 53	0.55 76	0.23 5	0.27 25	0.25 16	0.34 43	0.19 9	0.58 171	0.22 6	0.12 6	0.10 23	0.14 40	0.11 41	0.12 17	0.10 8

mms	0.26 24	0.21 152	0.33 42	0.37 84	0.25 168	0.30 74	0.33 165	0.40 17	0.32 26	0.28 27	0.34 42	0.34 43	0.20 13	0.45 62	0.26 65	0.12 6	0.11 96	0.16 103	0.12 65	0.14 80	0.11 29

IGEV-BASED-STEREO-	0.56 339	3.08 510	2.43 485	0.31 10	0.18 12	0.29 65	0.20 4	0.37 7	0.32 26	0.28 27	0.24 13	0.18 3	0.18 5	0.31 7	0.22 6	1.09 486	0.08 1	0.17 137	0.16 179	0.14 80	0.97 487

IGEV++	0.24 11	0.17 42	0.31 28	0.38 112	0.22 70	0.24 16	0.22 22	0.50 55	0.23 5	0.28 27	0.35 46	0.30 19	0.22 23	0.31 7	0.28 99	0.14 64	0.10 23	0.13 23	0.10 25	0.13 44	0.13 100

EGLCR-Stereo	0.25 16	0.16 21	0.33 42	0.34 26	0.20 38	0.35 124	0.20 4	0.52 66	0.36 51	0.28 27	0.27 19	0.41 90	0.18 5	0.45 62	0.26 65	0.14 64	0.10 23	0.16 103	0.14 123	0.13 44	0.11 29

CroCo-Stereo	0.26 24	0.22 187	0.36 73	0.48 339	0.22 70	0.20 3	0.29 99	0.51 57	0.44 95	0.28 27	0.23 7	0.42 99	0.26 56	0.29 4	0.26 65	0.15 119	0.13 209	0.13 23	0.11 41	0.16 163	0.12 70
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
Occ-G	0.26 24	0.14 2	0.28 19	0.34 26	0.20 38	0.27 40	0.34 176	0.41 21	0.31 20	0.29 32	0.43 61	0.49 135	0.25 44	0.47 79	0.28 99	0.13 31	0.11 96	0.14 40	0.11 41	0.12 17	0.12 70

AIO-Stereo	0.25 16	0.18 61	0.34 57	0.37 84	0.18 12	0.28 54	0.30 114	0.48 44	0.27 9	0.29 32	0.30 26	0.32 27	0.17 4	0.52 110	0.23 20	0.12 6	0.10 23	0.14 40	0.11 41	0.13 44	0.10 8

UniTT-Stereo	0.27 33	0.17 42	0.37 88	0.40 173	0.27 236	0.30 74	0.28 89	0.39 12	0.31 20	0.29 32	0.46 69	0.27 15	0.25 44	0.47 79	0.34 163	0.17 201	0.13 209	0.13 23	0.12 65	0.14 80	0.12 70

AEACV	0.27 33	0.17 42	0.31 28	0.34 26	0.45 418	0.26 28	0.28 89	0.37 7	0.32 26	0.30 35	0.46 69	0.31 25	0.37 154	0.36 19	0.24 24	0.14 64	0.10 23	0.15 78	0.12 65	0.13 44	0.11 29

SCV_C0	0.26 24	0.18 61	0.34 57	0.35 52	0.24 136	0.23 10	0.28 89	0.51 57	0.36 51	0.31 36	0.36 48	0.37 63	0.20 13	0.57 151	0.22 6	0.13 31	0.10 23	0.13 23	0.11 41	0.16 163	0.12 70

MGS-Stereo	0.28 40	0.19 88	0.40 127	0.36 68	0.23 108	0.37 137	0.30 114	0.39 12	0.44 95	0.31 36	0.51 92	0.40 84	0.24 39	0.43 50	0.26 65	0.15 119	0.12 150	0.15 78	0.13 95	0.14 80	0.13 100

plain	0.31 68	0.20 119	0.50 263	0.39 140	0.29 285	0.27 40	0.30 114	0.44 34	0.35 45	0.31 36	0.66 143	0.30 19	0.31 111	0.65 238	0.31 126	0.17 201	0.13 209	0.20 249	0.15 148	0.17 197	0.12 70

MIF-Stereo (partial)	0.31 68	0.18 61	0.37 88	0.41 204	0.31 320	0.28 54	0.23 35	0.47 42	0.42 89	0.31 36	0.63 130	0.36 61	0.35 136	0.57 151	0.31 126	0.17 201	0.13 209	0.19 220	0.17 227	0.18 219	0.14 143

LoS_RVC	0.27 33	0.16 21	0.27 16	0.32 15	0.30 299	0.44 189	0.34 176	0.41 21	0.33 30	0.31 36	0.51 92	0.29 18	0.32 116	0.36 19	0.28 99	0.11 2	0.10 23	0.11 1	0.08 1	0.11 3	0.19 278

sCroCo_RVC	0.35 104	0.28 316	0.69 362	0.51 384	0.39 384	0.41 174	0.31 136	0.49 47	0.45 102	0.31 36	0.48 77	0.38 71	0.32 116	0.46 72	0.32 136	0.21 298	0.22 374	0.19 220	0.19 282	0.21 290	0.20 300

fffy	0.28 40	0.21 152	0.34 57	0.37 84	0.23 108	0.33 106	0.29 99	0.51 57	0.41 82	0.32 42	0.37 51	0.39 74	0.27 64	0.50 98	0.27 82	0.12 6	0.11 96	0.16 103	0.13 95	0.14 80	0.11 29

AE-Stereo	0.34 89	0.21 152	0.42 156	0.48 339	0.31 320	0.48 207	0.35 199	0.61 107	0.62 149	0.32 42	0.55 111	0.52 145	0.27 64	0.47 79	0.29 113	0.13 31	0.13 209	0.18 180	0.16 179	0.15 125	0.12 70

HART	0.29 50	0.16 21	0.32 35	0.40 173	0.21 52	0.32 100	0.26 62	0.62 113	0.31 20	0.33 44	0.65 136	0.41 90	0.22 23	0.55 130	0.25 37	0.12 6	0.10 23	0.15 78	0.11 41	0.15 125	0.11 29

ProNet	0.29 50	0.21 152	0.38 99	0.35 52	0.24 136	0.32 100	0.43 315	0.57 82	0.37 64	0.33 44	0.30 26	0.32 27	0.28 77	0.57 151	0.26 65	0.13 31	0.11 96	0.16 103	0.13 95	0.13 44	0.13 100

rvit_stereo_ft	0.33 84	0.25 266	0.47 219	0.52 396	0.32 336	0.33 106	0.47 338	0.49 47	0.50 118	0.34 46	0.41 56	0.41 90	0.32 116	0.48 89	0.34 163	0.22 322	0.14 240	0.19 220	0.18 254	0.19 253	0.14 143

CAS	0.34 89	0.13 1	0.25 9	1.28 482	0.30 299	0.46 202	0.38 255	0.48 44	0.47 111	0.34 46	0.52 100	0.24 9	0.19 9	0.29 4	0.27 82	0.69 472	0.08 1	0.12 4	0.08 1	0.12 17	0.15 166

LoS	0.29 50	0.15 10	0.30 25	0.29 4	0.18 12	0.33 106	0.29 99	0.51 57	0.72 200	0.34 46	0.52 100	0.41 90	0.28 77	0.47 79	0.28 99	0.15 119	0.11 96	0.13 23	0.09 9	0.11 3	0.11 29
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.28 40	0.14 2	0.23 1	0.30 7	0.70 462	0.37 137	0.27 76	0.48 44	0.46 106	0.34 46	0.48 77	0.27 15	0.22 23	0.39 31	0.23 20	0.13 31	0.11 96	0.12 4	0.08 1	0.13 44	0.17 229

rvit_stereo_0080	0.31 68	0.25 266	0.40 127	0.39 140	0.28 259	0.27 40	0.46 331	0.49 47	0.44 95	0.35 50	0.42 59	0.40 84	0.28 77	0.41 41	0.33 148	0.22 322	0.17 319	0.17 137	0.16 179	0.22 311	0.15 166

whm_eth	0.31 68	0.25 266	0.40 127	0.39 140	0.28 259	0.27 40	0.46 331	0.49 47	0.44 95	0.35 50	0.42 59	0.40 84	0.28 77	0.41 41	0.33 148	0.22 322	0.17 319	0.17 137	0.16 179	0.22 311	0.15 166

AIO-test2	0.39 169	0.21 152	0.41 135	0.47 333	0.25 168	0.45 197	0.35 199	0.77 226	1.27 434	0.36 52	0.87 244	0.37 63	0.30 104	0.47 79	0.27 82	0.15 119	0.13 209	0.21 290	0.23 358	0.15 125	0.13 100

fffft	0.25 16	0.17 42	0.37 88	0.36 68	0.22 70	0.28 54	0.36 220	0.42 24	0.24 7	0.36 52	0.23 7	0.27 15	0.22 23	0.52 110	0.27 82	0.12 6	0.09 4	0.16 103	0.12 65	0.12 17	0.12 70
1: 1. 1
rvit_stereo_0081	0.32 74	0.24 243	0.47 219	0.43 263	0.26 208	0.30 74	0.37 234	0.42 24	0.55 135	0.36 52	0.40 54	0.39 74	0.35 136	0.43 50	0.33 148	0.22 322	0.16 300	0.19 220	0.16 179	0.19 253	0.13 100

rvit_stereo_0082	0.32 74	0.24 243	0.47 219	0.43 263	0.26 208	0.30 74	0.37 234	0.42 24	0.55 135	0.36 52	0.40 54	0.39 74	0.35 136	0.43 50	0.33 148	0.22 322	0.16 300	0.19 220	0.16 179	0.19 253	0.13 100

MoCha-V2	0.25 16	0.15 10	0.29 22	0.40 173	0.18 12	0.27 40	0.26 62	0.49 47	0.27 9	0.36 52	0.27 19	0.33 39	0.35 136	0.49 93	0.22 6	0.12 6	0.10 23	0.12 4	0.10 25	0.13 44	0.11 29

MM-Stereo_test2	0.30 63	0.18 61	0.39 117	0.40 173	0.24 136	0.42 181	0.42 311	0.63 120	0.41 82	0.37 57	0.35 46	0.32 27	0.26 56	0.53 119	0.25 37	0.12 6	0.10 23	0.15 78	0.12 65	0.15 125	0.10 8

SMoEStereo_RVC	0.26 24	0.19 88	0.35 66	0.35 52	0.22 70	0.36 133	0.32 155	0.39 12	0.34 32	0.37 57	0.30 26	0.33 39	0.24 39	0.53 119	0.24 24	0.12 6	0.10 23	0.16 103	0.12 65	0.12 17	0.11 29

rvit_stereo_0083	0.34 89	0.24 243	0.50 263	0.44 281	0.27 236	0.34 116	0.35 199	0.45 37	0.62 149	0.37 57	0.47 75	0.42 99	0.35 136	0.40 35	0.36 196	0.22 322	0.20 358	0.20 249	0.17 227	0.20 269	0.14 143

MyStereo07	0.32 74	0.22 187	0.34 57	0.42 244	0.28 259	0.40 160	0.50 355	0.72 197	0.37 64	0.37 57	0.34 42	0.32 27	0.31 111	0.59 186	0.27 82	0.14 64	0.13 209	0.18 180	0.17 227	0.17 197	0.16 211

MC-Stereo	0.28 40	0.17 42	0.32 35	0.38 112	0.20 38	0.26 28	0.26 62	0.49 47	0.37 64	0.37 57	0.61 127	0.41 90	0.31 111	0.55 130	0.25 37	0.13 31	0.09 4	0.14 40	0.12 65	0.12 17	0.11 29

GLC_STEREO	0.29 50	0.19 88	0.27 16	0.44 281	0.19 19	0.31 89	0.26 62	0.47 42	0.43 91	0.37 57	0.47 75	0.41 90	0.23 32	0.50 98	0.34 163	0.14 64	0.18 335	0.19 220	0.16 179	0.16 163	0.13 100

ff7	0.29 50	0.21 152	0.38 99	0.36 68	0.26 208	0.31 89	0.35 199	0.62 113	0.34 32	0.38 63	0.33 36	0.32 27	0.29 91	0.58 171	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

IGEVStereo-DCA	0.29 50	0.22 187	0.38 99	0.35 52	0.27 236	0.37 137	0.35 199	0.62 113	0.34 32	0.38 63	0.30 26	0.35 52	0.27 64	0.51 104	0.22 6	0.15 119	0.12 150	0.16 103	0.12 65	0.13 44	0.15 166

ffff	0.29 50	0.21 152	0.38 99	0.36 68	0.26 208	0.31 89	0.35 199	0.62 113	0.34 32	0.38 63	0.33 36	0.32 27	0.29 91	0.58 171	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

rrr	0.29 50	0.22 187	0.41 135	0.35 52	0.27 236	0.37 137	0.32 155	0.52 66	0.42 89	0.38 63	0.30 26	0.35 52	0.27 64	0.51 104	0.22 6	0.15 119	0.12 150	0.16 103	0.13 95	0.13 44	0.14 143

11t	0.29 50	0.21 152	0.38 99	0.36 68	0.26 208	0.31 89	0.35 199	0.62 113	0.34 32	0.38 63	0.33 36	0.32 27	0.29 91	0.58 171	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

ccc-4	0.29 50	0.21 152	0.38 99	0.36 68	0.26 208	0.31 89	0.35 199	0.62 113	0.34 32	0.38 63	0.33 36	0.32 27	0.29 91	0.58 171	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

sAnonymous2	0.40 181	0.39 389	0.85 405	0.48 339	0.37 371	0.40 160	0.46 331	0.57 82	0.52 123	0.38 63	0.46 69	0.35 52	0.42 182	0.43 50	0.30 119	0.19 260	0.14 240	0.18 180	0.17 227	0.57 460	0.44 444

CroCo_RVC	0.40 181	0.39 389	0.85 405	0.48 339	0.37 371	0.40 160	0.46 331	0.57 82	0.52 123	0.38 63	0.46 69	0.35 52	0.42 182	0.43 50	0.30 119	0.19 260	0.14 240	0.18 180	0.17 227	0.57 460	0.44 444

rvit_stereo_0081_aga	0.31 68	0.28 316	0.44 178	0.42 244	0.29 285	0.34 116	0.31 136	0.44 34	0.40 78	0.39 71	0.44 62	0.40 84	0.32 116	0.42 46	0.29 113	0.23 336	0.17 319	0.19 220	0.16 179	0.20 269	0.15 166

Pointernet	0.27 33	0.14 2	0.33 42	0.35 52	0.23 108	0.35 124	0.21 15	0.72 197	0.38 69	0.39 71	0.36 48	0.34 43	0.25 44	0.36 19	0.25 37	0.15 119	0.10 23	0.12 4	0.08 1	0.11 3	0.10 8

H2IRNET	0.37 138	0.20 119	0.33 42	0.38 112	0.25 168	0.27 40	0.23 35	0.59 91	0.72 200	0.39 71	0.90 260	0.74 277	0.55 255	0.52 110	0.43 244	0.15 119	0.13 209	0.18 180	0.20 306	0.16 163	0.13 100

anonymousdsp	0.29 50	0.21 152	0.38 99	0.37 84	0.25 168	0.30 74	0.35 199	0.63 120	0.35 45	0.39 71	0.33 36	0.33 39	0.28 77	0.59 186	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166

IGEV-Stereo	0.29 50	0.21 152	0.38 99	0.37 84	0.25 168	0.30 74	0.35 199	0.63 120	0.35 45	0.39 71	0.33 36	0.33 39	0.28 77	0.59 186	0.25 37	0.14 64	0.10 23	0.17 137	0.12 65	0.14 80	0.15 166
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
AIO-test1	0.38 153	0.18 61	0.38 99	0.50 368	0.24 136	0.46 202	0.30 114	0.70 185	1.19 416	0.40 76	0.71 155	0.45 114	0.29 91	0.53 119	0.27 82	0.15 119	0.13 209	0.19 220	0.21 327	0.13 44	0.17 229

tt45	0.27 33	0.17 42	0.34 57	0.35 52	0.23 108	0.38 150	0.28 89	0.46 39	0.28 12	0.40 76	0.27 19	0.38 71	0.25 44	0.57 151	0.26 65	0.13 31	0.11 96	0.16 103	0.13 95	0.12 17	0.14 143

rvit_0105_6	0.38 153	0.28 316	0.64 336	0.50 368	0.30 299	0.39 156	0.38 255	0.51 57	0.67 178	0.40 76	0.45 64	0.50 137	0.41 180	0.54 125	0.36 196	0.27 375	0.26 407	0.24 338	0.21 327	0.22 311	0.16 211

Selective-RAFT	0.35 104	0.23 207	0.51 275	0.44 281	0.21 52	0.64 302	0.27 76	0.59 91	0.63 160	0.40 76	0.38 52	0.55 156	0.40 174	0.57 151	0.35 180	0.13 31	0.11 96	0.14 40	0.12 65	0.16 163	0.13 100

ACVNet-DCA	0.35 104	0.23 207	0.33 42	0.41 204	0.22 70	0.55 237	0.38 255	0.85 252	0.54 130	0.41 80	0.50 84	0.34 43	0.49 218	0.57 151	0.25 37	0.16 165	0.10 23	0.19 220	0.13 95	0.18 219	0.17 229

xx1	0.39 169	0.23 207	0.33 42	0.41 204	0.22 70	0.55 237	0.38 255	0.67 153	1.06 389	0.41 80	0.50 84	0.65 226	0.53 239	0.57 151	0.25 37	0.16 165	0.10 23	0.20 249	0.19 282	0.18 219	0.17 229

1test111	0.36 122	0.23 207	0.33 42	0.41 204	0.22 70	0.55 237	0.38 255	0.85 252	0.54 130	0.41 80	0.50 84	0.34 43	0.49 218	0.55 130	0.45 268	0.16 165	0.10 23	0.19 220	0.13 95	0.18 219	0.17 229

cc1	0.37 138	0.23 207	0.33 42	0.41 204	0.22 70	0.55 237	0.38 255	0.67 153	1.06 389	0.41 80	0.50 84	0.34 43	0.49 218	0.57 151	0.25 37	0.16 165	0.10 23	0.19 220	0.13 95	0.16 163	0.15 166

tt1	0.36 122	0.24 243	0.32 35	0.41 204	0.22 70	0.54 232	0.38 255	0.68 163	1.04 378	0.41 80	0.46 69	0.35 52	0.45 202	0.57 151	0.25 37	0.16 165	0.10 23	0.19 220	0.13 95	0.16 163	0.16 211

trnet	0.27 33	0.14 2	0.23 1	0.28 2	0.15 1	0.37 137	0.23 35	0.52 66	0.72 200	0.42 85	0.51 92	0.34 43	0.26 56	0.39 31	0.25 37	0.15 119	0.11 96	0.12 4	0.08 1	0.11 3	0.10 8

Former-RAFT_DAM_RVC	0.34 89	0.27 302	0.45 190	0.36 68	0.25 168	0.48 207	0.30 114	0.58 88	0.90 313	0.42 85	0.36 48	0.30 19	0.29 91	0.49 93	0.30 119	0.16 165	0.14 240	0.18 180	0.15 148	0.18 219	0.15 166

CREStereo	0.28 40	0.15 10	0.24 4	0.27 1	0.17 8	0.37 137	0.25 53	0.51 57	0.72 200	0.42 85	0.51 92	0.32 27	0.26 56	0.38 27	0.25 37	0.16 165	0.11 96	0.12 4	0.08 1	0.12 17	0.11 29
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
HH	0.35 104	0.20 119	0.47 219	0.40 173	0.25 168	0.33 106	0.31 136	0.76 223	0.38 69	0.43 88	0.57 117	0.79 294	0.44 197	0.71 282	0.25 37	0.15 119	0.11 96	0.15 78	0.14 123	0.14 80	0.12 70

HanStereo	0.35 104	0.20 119	0.47 219	0.40 173	0.25 168	0.33 106	0.31 136	0.76 223	0.38 69	0.43 88	0.57 117	0.79 294	0.44 197	0.71 282	0.25 37	0.15 119	0.11 96	0.15 78	0.14 123	0.14 80	0.12 70

test_xeample3	0.29 50	0.21 152	0.41 135	0.35 52	0.26 208	0.35 124	0.32 155	0.56 78	0.36 51	0.43 88	0.32 35	0.34 43	0.28 77	0.54 125	0.23 20	0.14 64	0.11 96	0.16 103	0.12 65	0.14 80	0.13 100

StereoVision	0.42 199	0.28 316	0.45 190	0.49 354	0.28 259	0.38 150	0.38 255	0.72 197	0.62 149	0.44 91	1.14 363	0.54 153	0.39 169	0.56 140	0.34 163	0.21 298	0.24 392	0.25 351	0.24 373	0.26 355	0.16 211

DLNR_Zeroshot_test	20.09 517	36.28 524	38.04 521	169.85 530	61.80 526	0.23 10	0.20 4	13.88 516	0.37 64	0.44 91	0.66 143	0.43 107	0.21 18	0.62 208	0.28 99	5.46 514	0.10 23	0.15 78	0.11 41	72.60 529	0.11 29

rvit_0105_4	0.41 192	0.29 328	0.71 371	0.50 368	0.29 285	0.41 174	0.41 302	0.55 76	0.73 207	0.45 93	0.48 77	0.55 156	0.44 197	0.57 151	0.36 196	0.28 383	0.26 407	0.25 351	0.22 345	0.23 328	0.18 246

WCG-NET（raft）	0.31 68	0.15 10	0.36 73	0.32 15	0.19 19	0.35 124	0.27 76	0.51 57	0.78 239	0.45 93	0.55 111	0.48 130	0.27 64	0.54 125	0.26 65	0.13 31	0.10 23	0.12 4	0.11 41	0.12 17	0.11 29

EKT-Stereo	0.35 104	0.23 207	0.39 117	0.43 263	0.29 285	0.38 150	0.31 136	0.69 171	0.64 167	0.45 93	0.63 130	0.49 135	0.27 64	0.56 140	0.33 148	0.18 230	0.14 240	0.18 180	0.15 148	0.16 163	0.16 211

GCAP-Stereo	0.28 40	0.19 88	0.40 127	0.38 112	0.19 19	0.38 150	0.23 35	0.57 82	0.41 82	0.45 93	0.49 80	0.39 74	0.27 64	0.33 12	0.23 20	0.14 64	0.12 150	0.14 40	0.11 41	0.12 17	0.11 29

RCA-Stereo	0.35 104	0.17 42	0.34 57	0.38 112	0.22 70	0.31 89	0.34 176	0.68 163	1.24 425	0.45 93	0.65 136	0.47 125	0.43 188	0.38 27	0.27 82	0.13 31	0.10 23	0.14 40	0.11 41	0.11 3	0.11 29

MM-Stereo_test3	0.34 89	0.19 88	0.31 28	0.41 204	0.25 168	0.35 124	0.44 324	0.72 197	0.92 323	0.46 98	0.52 100	0.41 90	0.29 91	0.44 59	0.28 99	0.16 165	0.15 269	0.17 137	0.13 95	0.14 80	0.13 100

WCG-NET	0.28 40	0.15 10	0.33 42	0.33 20	0.19 19	0.33 106	0.27 76	0.39 12	0.80 249	0.46 98	0.49 80	0.39 74	0.25 44	0.40 35	0.25 37	0.12 6	0.09 4	0.13 23	0.11 41	0.12 17	0.10 8

CREStereo++_RVC	0.32 74	0.15 10	0.23 1	0.31 10	0.24 136	0.27 40	0.22 22	0.46 39	0.88 298	0.46 98	0.80 202	0.30 19	0.26 56	0.36 19	0.33 148	0.13 31	0.09 4	0.13 23	0.51 469	0.13 44	0.09 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
XX-Stereo	0.37 138	0.17 42	0.45 190	0.55 412	0.36 365	0.38 150	0.20 4	0.60 101	0.30 17	0.46 98	1.30 399	0.73 271	0.26 56	0.56 140	0.26 65	0.16 165	0.11 96	0.17 137	0.16 179	0.14 80	0.10 8

PMTNet	0.32 74	0.16 21	0.24 4	0.29 4	0.18 12	0.45 197	0.22 22	0.56 78	0.63 160	0.46 98	0.54 106	0.39 74	0.34 133	0.48 89	0.24 24	0.75 474	0.10 23	0.12 4	0.08 1	0.12 17	0.11 29

tg	0.33 84	0.18 61	0.37 88	0.39 140	0.22 70	0.38 150	0.26 62	0.70 185	0.56 141	0.47 103	0.65 136	0.42 99	0.24 39	0.55 130	0.33 148	0.14 64	0.10 23	0.18 180	0.17 227	0.14 80	0.11 29

CAS++	0.32 74	0.24 243	0.36 73	0.37 84	0.26 208	0.28 54	0.23 35	0.87 263	0.50 118	0.47 103	0.45 64	0.26 14	0.21 18	0.49 93	0.24 24	0.23 336	0.19 349	0.22 304	0.17 227	0.21 290	0.16 211
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DCRE	0.37 138	0.18 61	0.46 207	0.45 303	0.32 336	0.42 181	0.37 234	0.63 120	0.51 120	0.47 103	0.94 271	0.56 159	0.36 150	0.52 110	0.32 136	0.14 64	0.13 209	0.15 78	0.14 123	0.14 80	0.13 100

test-1	0.36 122	0.19 88	0.71 371	0.46 324	0.26 208	0.44 189	0.36 220	0.60 101	0.59 145	0.48 106	0.67 147	0.53 149	0.36 150	0.40 35	0.29 113	0.14 64	0.11 96	0.16 103	0.14 123	0.15 125	0.16 211

riskmin	0.38 153	0.20 119	0.39 117	0.32 15	0.23 108	0.53 228	0.30 114	0.63 120	0.80 249	0.49 107	0.56 114	0.73 271	0.58 272	0.55 130	0.36 196	0.17 201	0.11 96	0.19 220	0.13 95	0.19 253	0.20 300

iRaftStereo_RVC	0.32 74	0.19 88	0.37 88	0.39 140	0.22 70	0.31 89	0.29 99	0.68 163	0.51 120	0.49 107	0.66 143	0.37 63	0.23 32	0.45 62	0.33 148	0.14 64	0.10 23	0.18 180	0.17 227	0.15 125	0.12 70

EAI-Stereo	0.34 89	0.19 88	0.44 178	0.39 140	0.21 52	0.31 89	0.30 114	1.15 372	0.30 17	0.49 107	0.75 171	0.36 61	0.28 77	0.62 208	0.27 82	0.14 64	0.11 96	0.14 40	0.13 95	0.13 44	0.12 70

Reg-Stereo(zero)	0.30 63	0.16 21	0.28 19	0.34 26	0.18 12	0.32 100	0.20 4	0.63 120	0.68 183	0.50 110	0.52 100	0.51 141	0.30 104	0.45 62	0.25 37	0.13 31	0.10 23	0.12 4	0.10 25	0.12 17	0.11 29

RALCasStereoNet	0.36 122	0.21 152	0.37 88	0.42 244	0.26 208	0.35 124	0.38 255	0.63 120	0.64 167	0.50 110	0.72 156	0.51 141	0.29 91	0.59 186	0.36 196	0.16 165	0.14 240	0.15 78	0.13 95	0.17 197	0.16 211

111	0.40 181	0.17 42	0.41 135	0.34 26	0.19 19	0.52 222	0.28 89	0.74 210	1.16 410	0.50 110	0.91 263	0.63 206	0.48 215	0.61 200	0.35 180	0.14 64	0.10 23	0.14 40	0.12 65	0.13 44	0.13 100

rvit_0105_5	0.42 199	0.31 341	0.73 379	0.50 368	0.29 285	0.44 189	0.42 311	0.61 107	0.74 214	0.51 113	0.51 92	0.60 193	0.47 210	0.57 151	0.38 219	0.27 375	0.25 400	0.25 351	0.23 358	0.22 311	0.18 246

testlalala_base	0.46 235	0.25 266	0.41 135	0.46 324	0.33 346	0.58 257	0.25 53	0.57 82	0.34 32	0.51 113	0.56 114	0.46 122	0.30 104	0.43 50	0.31 126	1.47 494	0.11 96	0.14 40	0.09 9	1.59 484	0.13 100

RAFT+CT+SA	0.39 169	0.23 207	0.36 73	0.51 384	0.27 236	0.29 65	0.46 331	0.75 216	0.80 249	0.51 113	0.89 256	0.41 90	0.40 174	0.78 318	0.32 136	0.14 64	0.11 96	0.18 180	0.18 254	0.15 125	0.14 143

Anonymous3	0.46 235	0.34 358	0.86 410	0.50 368	0.37 371	0.81 363	0.50 355	0.72 197	0.65 172	0.51 113	0.65 136	0.45 114	0.45 202	0.64 231	0.38 219	0.24 347	0.24 392	0.22 304	0.21 327	0.23 328	0.23 340

raft+_RVC	0.38 153	0.19 88	0.35 66	0.37 84	0.25 168	0.45 197	0.37 234	0.78 232	0.89 311	0.51 113	0.78 190	0.50 137	0.29 91	0.53 119	0.40 232	0.15 119	0.12 150	0.17 137	0.15 148	0.14 80	0.12 70

MSKI-zero shot	0.32 74	0.17 42	0.34 57	0.39 140	0.21 52	0.32 100	0.22 22	0.61 107	0.43 91	0.52 118	0.64 133	0.61 198	0.20 13	0.74 299	0.25 37	0.14 64	0.10 23	0.14 40	0.10 25	0.12 17	0.12 70

CASnet	0.30 63	0.20 119	0.33 42	0.41 204	0.16 5	0.26 28	0.24 46	0.52 66	0.53 126	0.52 118	0.54 106	0.39 74	0.24 39	0.40 35	0.26 65	0.14 64	0.10 23	0.22 304	0.18 254	0.18 219	0.11 29
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
TRStereo	0.37 138	0.27 302	0.59 312	0.47 333	0.41 396	0.29 65	0.30 114	0.84 249	0.59 145	0.52 118	0.41 56	0.52 145	0.26 56	0.73 292	0.27 82	0.17 201	0.12 150	0.19 220	0.19 282	0.13 44	0.11 29

AIO-Stereo-zeroshot	0.42 199	0.20 119	0.74 384	0.38 112	0.43 407	0.39 156	0.26 62	0.94 287	0.49 114	0.53 121	0.77 179	0.93 344	0.45 202	0.63 219	0.24 24	0.16 165	0.10 23	0.17 137	0.18 254	0.20 269	0.20 300

RAFT-Stereo-weight	0.32 74	0.18 61	0.33 42	0.39 140	0.22 70	0.26 28	0.29 99	0.67 153	0.80 249	0.53 121	0.51 92	0.58 172	0.20 13	0.47 79	0.27 82	0.13 31	0.10 23	0.14 40	0.11 41	0.13 44	0.11 29

Any-RAFT	0.35 104	0.16 21	0.30 25	0.34 26	0.21 52	0.52 222	0.22 22	0.88 268	0.73 207	0.53 121	0.73 160	0.64 213	0.28 77	0.46 72	0.24 24	0.15 119	0.10 23	0.13 23	0.10 25	0.13 44	0.12 70

TestStereo	0.38 153	0.31 341	0.40 127	0.45 303	0.20 38	0.40 160	0.37 234	0.66 143	0.65 172	0.53 121	0.78 190	0.47 125	0.40 174	0.55 130	0.37 211	0.18 230	0.13 209	0.20 249	0.15 148	0.22 311	0.13 100

LL-Strereo2	0.35 104	0.24 243	0.48 239	0.41 204	0.26 208	0.35 124	0.24 46	0.67 153	0.44 95	0.54 125	0.51 92	0.66 231	0.25 44	0.66 246	0.30 119	0.14 64	0.12 150	0.23 323	0.20 306	0.18 219	0.13 100

XX-TBD	0.32 74	0.53 432	0.26 12	0.51 384	0.20 38	0.37 137	0.24 46	0.40 17	0.73 207	0.54 125	0.69 150	0.31 25	0.25 44	0.32 10	0.27 82	0.16 165	0.10 23	0.12 4	0.09 9	0.13 44	0.11 29

rvit_stereo_0075_2	0.47 250	0.37 375	0.70 366	0.53 402	0.46 425	0.43 184	0.36 220	0.81 241	0.67 178	0.55 127	0.74 169	0.59 187	0.43 188	0.63 219	0.43 244	0.32 411	0.23 384	0.35 418	0.25 382	0.30 381	0.25 353

anonymousdsp2	0.35 104	0.20 119	0.43 166	0.37 84	0.24 136	0.48 207	0.31 136	0.86 256	0.65 172	0.55 127	0.50 84	0.50 137	0.34 133	0.56 140	0.31 126	0.14 64	0.10 23	0.14 40	0.10 25	0.16 163	0.14 143

GMStereo	0.39 169	0.37 375	0.54 292	0.40 173	0.26 208	0.42 181	0.36 220	0.59 91	1.04 378	0.55 127	0.51 92	0.37 63	0.35 136	0.54 125	0.41 235	0.19 260	0.13 209	0.16 103	0.17 227	0.24 341	0.18 246
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
qqq	0.40 181	0.26 285	0.44 178	0.36 68	0.22 70	0.46 202	0.36 220	0.85 252	0.54 130	0.56 130	0.69 150	0.65 226	0.53 239	0.55 130	0.45 268	0.17 201	0.16 300	0.20 249	0.19 282	0.18 219	0.17 229

s12784h	0.36 122	0.15 10	0.24 4	0.34 26	0.15 1	0.77 348	0.29 99	0.80 238	0.83 267	0.56 130	0.57 117	0.43 107	0.40 174	0.57 151	0.33 148	0.12 6	0.10 23	0.14 40	0.09 9	0.14 80	0.09 1

FACV-RUCA	0.43 209	0.28 316	0.47 219	0.45 303	0.33 346	0.58 257	0.34 176	0.82 243	0.73 207	0.57 132	0.84 224	0.47 125	0.50 229	0.54 125	0.39 225	0.22 322	0.15 269	0.35 418	0.16 179	0.28 368	0.21 318

x	0.39 169	0.24 243	0.41 135	0.34 26	0.23 108	0.52 222	0.32 155	0.86 256	0.52 123	0.57 132	0.70 153	0.59 187	0.50 229	0.49 93	0.46 278	0.17 201	0.15 269	0.17 137	0.15 148	0.17 197	0.16 211

rafts_anoy	0.37 138	0.21 152	0.36 73	0.41 204	0.26 208	0.30 74	0.33 165	0.67 153	0.90 313	0.58 134	0.66 143	0.45 114	0.33 126	0.47 79	0.39 225	0.16 165	0.11 96	0.21 290	0.23 358	0.17 197	0.14 143

raftrobust	0.34 89	0.19 88	0.36 73	0.41 204	0.27 236	0.30 74	0.25 53	0.71 193	0.63 160	0.58 134	0.55 111	0.45 114	0.46 206	0.51 104	0.29 113	0.16 165	0.12 150	0.14 40	0.12 65	0.12 17	0.13 100

SA	0.44 216	0.25 266	0.46 207	0.46 324	0.24 136	0.43 184	0.36 220	0.75 216	0.96 343	0.59 136	1.03 319	0.48 130	0.52 236	0.94 387	0.32 136	0.16 165	0.12 150	0.21 290	0.19 282	0.15 125	0.13 100

test_4	0.36 122	0.18 61	0.31 28	0.44 281	0.25 168	0.20 3	0.34 176	0.56 78	0.41 82	0.59 136	1.45 426	0.43 107	0.25 44	0.63 219	0.28 99	0.12 6	0.10 23	0.17 137	0.19 282	0.15 125	0.11 29

dd	0.43 209	0.38 385	0.55 297	0.44 281	0.25 168	0.47 205	0.38 255	0.70 185	1.05 382	0.59 136	0.65 136	0.42 99	0.39 169	0.66 246	0.50 292	0.24 347	0.15 269	0.21 290	0.15 148	0.22 311	0.18 246

TANstereo	0.30 63	0.15 10	0.31 28	0.30 7	0.17 8	0.55 237	0.23 35	0.44 34	0.55 135	0.59 136	0.68 149	0.37 63	0.26 56	0.35 18	0.27 82	0.15 119	0.16 300	0.12 4	0.10 25	0.13 44	0.14 143

MM-Stereo_test1	0.33 84	0.19 88	0.36 73	0.41 204	0.23 108	0.36 133	0.45 327	0.58 88	0.54 130	0.60 140	0.50 84	0.38 71	0.37 154	0.60 192	0.26 65	0.15 119	0.13 209	0.17 137	0.14 123	0.15 125	0.12 70

GCAP-BAT	0.30 63	0.21 152	0.42 156	0.33 20	0.27 236	0.26 28	0.27 76	0.45 37	0.30 17	0.60 140	0.64 133	0.45 114	0.23 32	0.56 140	0.26 65	0.15 119	0.12 150	0.15 78	0.10 25	0.12 17	0.11 29

11t1	0.36 122	0.21 152	0.42 156	0.35 52	0.22 70	0.62 286	0.29 99	0.69 171	0.43 91	0.60 140	0.53 104	0.53 149	0.48 215	0.56 140	0.40 232	0.18 230	0.14 240	0.16 103	0.13 95	0.17 197	0.17 229

RAFT-Test	0.34 89	0.18 61	0.37 88	0.38 112	0.23 108	0.50 214	0.23 35	0.69 171	0.40 78	0.60 140	0.85 234	0.61 198	0.28 77	0.46 72	0.27 82	0.14 64	0.11 96	0.14 40	0.11 41	0.13 44	0.12 70

ToySt	0.49 278	0.27 302	0.75 388	0.40 173	0.27 236	0.64 302	0.49 352	0.84 249	0.77 232	0.60 140	0.83 219	0.88 329	0.66 324	0.70 277	0.56 323	0.16 165	0.17 319	0.21 290	0.20 306	0.21 290	0.19 278

cross-raft	0.34 89	0.20 119	0.37 88	0.44 281	0.23 108	0.32 100	0.35 199	0.74 210	0.40 78	0.60 140	0.77 179	0.57 164	0.27 64	0.43 50	0.28 99	0.12 6	0.10 23	0.15 78	0.13 95	0.15 125	0.11 29

Gwc-CoAtRS	0.34 89	0.17 42	0.44 178	0.39 140	0.23 108	0.34 116	0.22 22	0.70 185	0.75 217	0.60 140	0.59 122	0.58 172	0.29 91	0.45 62	0.26 65	0.14 64	0.11 96	0.14 40	0.12 65	0.12 17	0.12 70

model_zeroshot	0.33 84	0.18 61	0.48 239	0.39 140	0.28 259	0.45 197	0.25 53	0.63 120	0.45 102	0.61 147	0.50 84	0.51 141	0.25 44	0.45 62	0.26 65	0.16 165	0.13 209	0.15 78	0.14 123	0.13 44	0.13 100

PSMNet-ADL	0.48 261	0.27 302	0.40 127	0.48 339	0.30 299	0.68 318	0.37 234	0.90 275	0.80 249	0.61 147	0.80 202	0.92 342	0.62 295	0.72 287	0.63 341	0.23 336	0.18 335	0.18 180	0.20 306	0.22 311	0.20 300

test_sample1	0.42 199	0.22 187	0.46 207	0.34 26	0.23 108	0.58 257	0.35 199	0.99 306	0.49 114	0.62 149	0.75 171	0.69 243	0.61 289	0.58 171	0.44 260	0.18 230	0.14 240	0.17 137	0.15 148	0.17 197	0.17 229

MyStereo06	0.38 153	0.21 152	0.61 319	0.41 204	0.28 259	0.41 174	0.50 355	0.95 294	0.35 45	0.62 149	0.54 106	0.76 285	0.27 64	0.50 98	0.29 113	0.14 64	0.13 209	0.18 180	0.17 227	0.17 197	0.15 166

MyStereo04	0.44 216	0.22 187	0.44 178	0.42 244	0.28 259	0.40 160	0.50 355	1.00 310	1.08 398	0.62 149	0.58 121	0.55 156	0.57 263	0.71 282	0.44 260	0.14 64	0.13 209	0.18 180	0.17 227	0.17 197	0.16 211

IGEV_Zeroshot_test	0.34 89	0.18 61	0.67 352	0.39 140	0.28 259	0.30 74	0.25 53	0.74 210	0.31 20	0.62 149	0.57 117	0.54 153	0.25 44	0.53 119	0.27 82	0.14 64	0.10 23	0.15 78	0.14 123	0.14 80	0.12 70

test_5	0.43 209	0.24 243	0.43 166	0.52 396	0.28 259	0.28 54	0.42 311	0.72 197	0.82 262	0.62 149	0.91 263	0.72 260	0.55 255	0.79 322	0.35 180	0.14 64	0.11 96	0.18 180	0.18 254	0.18 219	0.16 211

iRaft-Stereo_5w	0.45 226	0.21 152	0.48 239	0.42 244	0.28 259	0.31 89	0.54 381	0.63 120	0.62 149	0.62 149	0.89 256	1.01 362	0.69 337	0.75 303	0.66 349	0.13 31	0.12 150	0.17 137	0.15 148	0.14 80	0.15 166

PSM-softLoss	0.38 153	0.20 119	0.48 239	0.41 204	0.26 208	0.30 74	0.35 199	0.69 171	0.46 106	0.62 149	0.82 213	0.59 187	0.33 126	0.70 277	0.39 225	0.19 260	0.12 150	0.20 249	0.18 254	0.16 163	0.22 334

KMStereo	0.38 153	0.20 119	0.48 239	0.41 204	0.26 208	0.30 74	0.35 199	0.69 171	0.46 106	0.62 149	0.82 213	0.59 187	0.33 126	0.70 277	0.39 225	0.19 260	0.12 150	0.20 249	0.18 254	0.16 163	0.22 334

test_sample2	0.42 199	0.22 187	0.43 166	0.33 20	0.21 52	0.58 257	0.39 277	0.95 294	0.67 178	0.63 157	0.77 179	0.69 243	0.57 263	0.61 200	0.38 219	0.19 260	0.14 240	0.18 180	0.16 179	0.19 253	0.18 246

GANet-ADL	0.42 199	0.25 266	0.45 190	0.43 263	0.29 285	0.54 232	0.35 199	0.89 270	0.86 285	0.63 157	0.72 156	0.68 239	0.42 182	0.52 110	0.41 235	0.21 298	0.14 240	0.15 78	0.13 95	0.18 219	0.19 278

Patchmatch Stereo++	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.22 22	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.58 171	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166
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
PSM-adaLoss	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.31 136	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.56 140	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

ROB_FTStereo_v2	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.31 136	0.59 91	0.36 51	0.63 157	0.73 160	0.57 164	0.38 158	0.57 151	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

ROB_FTStereo	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.25 25	0.21 15	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.57 151	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

HUI-Stereo	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.22 22	0.60 101	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.50 98	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

iGMRVC	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.30 114	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.58 171	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

iRAFT	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.22 22	0.59 91	0.36 51	0.63 157	0.73 160	0.58 172	0.38 158	0.58 171	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

RAFT-IKP	0.35 104	0.23 207	0.47 219	0.41 204	0.22 70	0.24 16	0.28 89	0.59 91	0.36 51	0.63 157	0.73 160	0.57 164	0.38 158	0.58 171	0.36 196	0.18 230	0.12 150	0.20 249	0.16 179	0.20 269	0.15 166

ACV-stereo	0.62 366	0.34 358	1.00 422	0.43 263	0.31 320	1.20 434	0.40 287	0.75 216	0.83 267	0.64 167	0.77 179	2.10 466	1.03 429	0.81 326	0.64 344	0.21 298	0.17 319	0.18 180	0.18 254	0.21 290	0.21 318

gcap-zeroshot	0.34 89	0.18 61	0.52 280	0.38 112	0.22 70	0.49 211	0.27 76	0.52 66	0.34 32	0.64 167	0.50 84	0.83 307	0.34 133	0.48 89	0.24 24	0.13 31	0.11 96	0.15 78	0.12 65	0.13 44	0.12 70

test_3	0.36 122	0.19 88	0.44 178	0.44 281	0.23 108	0.48 207	0.36 220	0.66 143	0.82 262	0.64 167	0.45 64	0.68 239	0.25 44	0.41 41	0.31 126	0.12 6	0.10 23	0.18 180	0.16 179	0.15 125	0.11 29

NRIStereo	0.36 122	0.20 119	0.45 190	0.41 204	0.23 108	0.34 116	0.26 62	0.65 134	0.55 135	0.64 167	0.63 130	0.56 159	0.37 154	0.65 238	0.37 211	0.15 119	0.11 96	0.18 180	0.15 148	0.17 197	0.14 143

AFF-stereo	0.38 153	0.19 88	0.39 117	0.37 84	0.21 52	0.27 40	0.31 136	0.65 134	0.66 175	0.64 167	1.13 358	0.76 285	0.39 169	0.55 130	0.33 148	0.11 2	0.09 4	0.16 103	0.16 179	0.13 44	0.11 29

ACVNet	0.46 235	0.23 207	0.36 73	0.39 140	0.28 259	0.58 257	0.40 287	0.87 263	0.80 249	0.64 167	0.96 283	0.79 294	0.60 283	0.63 219	0.67 352	0.17 201	0.15 269	0.16 103	0.15 148	0.18 219	0.15 166

CFNet-ft	0.48 261	0.23 207	0.36 73	0.40 173	0.26 208	0.64 302	0.37 234	0.87 263	0.85 280	0.64 167	1.00 304	1.01 362	0.64 312	0.61 200	0.53 312	0.23 336	0.15 269	0.24 338	0.21 327	0.23 328	0.18 246

DIP-Stereo	0.39 169	0.21 152	0.50 263	0.41 204	0.28 259	0.62 286	0.27 76	0.77 226	0.40 78	0.64 167	0.86 237	0.52 145	0.33 126	0.66 246	0.42 239	0.15 119	0.13 209	0.17 137	0.14 123	0.15 125	0.15 166
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
CFNet_RVC	0.48 261	0.23 207	0.36 73	0.40 173	0.26 208	0.64 302	0.37 234	0.87 263	0.85 280	0.64 167	1.00 304	1.01 362	0.64 312	0.61 200	0.53 312	0.23 336	0.15 269	0.24 338	0.21 327	0.23 328	0.18 246

rvit_0105_3	0.47 250	0.34 358	0.77 398	0.54 408	0.31 320	0.49 211	0.47 338	0.63 120	0.79 247	0.65 176	0.59 122	0.64 213	0.50 229	0.65 238	0.39 225	0.29 390	0.27 414	0.29 395	0.28 404	0.21 290	0.20 300

4D-IteraStereo	0.33 84	0.18 61	0.40 127	0.40 173	0.24 136	0.32 100	0.27 76	0.58 88	0.72 200	0.65 176	0.54 106	0.42 99	0.23 32	0.45 62	0.28 99	0.14 64	0.09 4	0.19 220	0.16 179	0.16 163	0.11 29

UDGNet	0.48 261	0.77 457	0.50 263	0.48 339	0.31 320	0.41 174	0.34 176	0.70 185	0.92 323	0.65 176	0.60 124	0.58 172	0.43 188	0.63 219	0.41 235	0.32 411	0.15 269	0.66 468	0.19 282	0.36 411	0.21 318

MIPNet	0.37 138	0.21 152	0.59 312	0.39 140	0.25 168	0.50 214	0.28 89	0.77 226	0.70 189	0.65 176	0.60 124	0.40 84	0.49 218	0.44 59	0.37 211	0.14 64	0.11 96	0.16 103	0.13 95	0.14 80	0.13 100

STrans-v2	0.46 235	0.20 119	0.48 239	0.40 173	0.24 136	0.55 237	0.50 355	1.07 339	0.73 207	0.65 176	1.05 329	0.72 260	0.69 337	0.72 287	0.33 148	0.14 64	0.10 23	0.17 137	0.14 123	0.13 44	0.12 70

TransformOpticalFlow	0.44 216	0.20 119	0.47 219	0.41 204	0.23 108	0.37 137	0.47 338	0.94 287	0.76 225	0.65 176	1.14 363	0.73 271	0.56 262	0.76 307	0.32 136	0.15 119	0.10 23	0.17 137	0.15 148	0.14 80	0.13 100

NF-Stereo	0.38 153	0.20 119	0.45 190	0.41 204	0.25 168	0.26 28	0.31 136	0.69 171	0.70 189	0.65 176	0.77 179	0.57 164	0.30 104	0.67 257	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.16 163	0.27 367

OCTAStereo	0.38 153	0.20 119	0.46 207	0.41 204	0.25 168	0.26 28	0.31 136	0.69 171	0.70 189	0.65 176	0.77 179	0.58 172	0.30 104	0.67 257	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.16 163	0.27 367

RE-Stereo	0.38 153	0.20 119	0.46 207	0.41 204	0.25 168	0.26 28	0.31 136	0.69 171	0.70 189	0.65 176	0.77 179	0.58 172	0.30 104	0.67 257	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.16 163	0.27 367

TVStereo	0.38 153	0.20 119	0.46 207	0.41 204	0.25 168	0.26 28	0.31 136	0.69 171	0.70 189	0.65 176	0.77 179	0.58 172	0.30 104	0.67 257	0.35 180	0.18 230	0.12 150	0.20 249	0.16 179	0.16 163	0.27 367

CRE-IMP	0.36 122	0.23 207	0.49 250	0.42 244	0.24 136	0.41 174	0.21 15	0.57 82	0.41 82	0.65 176	0.72 156	0.53 149	0.37 154	0.61 200	0.38 219	0.17 201	0.11 96	0.19 220	0.15 148	0.21 290	0.18 246

CFNet-RSSM	0.34 89	0.17 42	0.45 190	0.39 140	0.22 70	0.35 124	0.23 35	0.73 208	0.84 272	0.65 176	0.54 106	0.57 164	0.28 77	0.46 72	0.26 65	0.13 31	0.10 23	0.14 40	0.12 65	0.13 44	0.11 29

UGAM-zero	0.46 235	0.19 88	0.62 322	0.37 84	0.23 108	0.34 116	0.21 15	1.15 372	0.39 77	0.66 188	0.61 127	1.70 454	0.91 407	0.75 303	0.25 37	0.14 64	0.11 96	0.15 78	0.12 65	0.13 44	0.13 100

NVstereo2D	0.60 363	0.30 336	0.75 388	0.48 339	0.43 407	0.89 382	0.48 346	1.05 332	1.15 409	0.66 188	0.86 237	0.88 329	0.70 350	0.99 390	0.65 346	0.32 411	0.15 269	0.28 387	0.20 306	0.40 423	0.36 416

knoymous	0.36 122	0.20 119	0.31 28	0.31 10	0.22 70	0.36 133	0.29 99	0.61 107	0.64 167	0.67 190	0.70 153	0.60 193	0.40 174	0.58 171	0.34 163	0.17 201	0.11 96	0.20 249	0.11 41	0.17 197	0.18 246

ICVP	0.46 235	0.25 266	0.38 99	0.48 339	0.28 259	0.58 257	0.43 315	1.00 310	0.70 189	0.67 190	0.95 279	0.75 279	0.55 255	0.53 119	0.54 316	0.23 336	0.17 319	0.19 220	0.17 227	0.19 253	0.20 300
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RALAANet	0.38 153	0.23 207	0.48 239	0.42 244	0.29 285	0.35 124	0.25 53	0.86 256	0.64 167	0.67 190	0.65 136	0.60 193	0.29 91	0.60 192	0.34 163	0.15 119	0.12 150	0.17 137	0.15 148	0.21 290	0.13 100

FADNet_RVC	0.55 328	0.37 375	1.17 442	0.44 281	0.31 320	0.56 250	0.34 176	1.06 335	0.88 298	0.67 190	0.90 260	0.61 198	0.65 318	0.93 380	0.70 359	0.21 298	0.18 335	0.26 367	0.23 358	0.31 387	0.28 374

UCFNet_RVC	0.49 278	0.26 285	0.35 66	0.39 140	0.26 208	0.64 302	0.36 220	1.15 372	0.84 272	0.67 190	0.88 252	0.88 329	0.59 279	0.58 171	0.45 268	0.24 347	0.17 319	0.27 379	0.27 399	0.25 349	0.23 340

NOSS_ROB	0.57 346	0.39 389	0.39 117	0.44 281	0.30 299	0.73 338	0.54 381	1.03 324	1.08 398	0.67 190	0.87 244	0.76 285	0.57 263	0.77 314	0.47 285	0.38 438	0.38 454	0.44 445	0.42 453	0.37 416	0.34 409

PAM_32	0.46 235	0.19 88	0.67 352	0.39 140	0.24 136	0.75 342	0.27 76	0.95 294	0.34 32	0.68 196	0.44 62	1.91 462	0.65 318	0.62 208	0.26 65	0.15 119	0.10 23	0.16 103	0.15 148	0.14 80	0.13 100

AIO-Stereo-zeroshot1	0.48 261	0.21 152	1.26 451	0.39 140	0.51 434	0.28 54	0.30 114	1.25 417	0.44 95	0.68 196	1.11 348	0.86 318	0.33 126	0.67 257	0.27 82	0.15 119	0.11 96	0.17 137	0.20 306	0.22 311	0.24 346

testlalala2	0.36 122	0.18 61	0.45 190	0.89 467	0.53 439	0.44 189	0.26 62	0.61 107	0.49 114	0.68 196	0.56 114	0.44 112	0.24 39	0.34 14	0.31 126	0.15 119	0.12 150	0.14 40	0.10 25	0.13 44	0.13 100

testlalala	0.28 40	0.19 88	0.43 166	0.34 26	0.23 108	0.45 197	0.30 114	0.43 32	0.29 14	0.68 196	0.49 80	0.35 52	0.25 44	0.32 10	0.25 37	0.14 64	0.11 96	0.14 40	0.09 9	0.11 3	0.11 29

TestStereo1	0.43 209	0.23 207	0.41 135	0.51 384	0.24 136	0.34 116	0.40 287	0.77 226	0.90 313	0.68 196	0.96 283	0.48 130	0.46 206	0.91 371	0.32 136	0.16 165	0.13 209	0.18 180	0.15 148	0.14 80	0.13 100

SA-5K	0.43 209	0.23 207	0.41 135	0.51 384	0.24 136	0.34 116	0.40 287	0.77 226	0.90 313	0.68 196	0.96 283	0.48 130	0.46 206	0.91 371	0.32 136	0.16 165	0.13 209	0.18 180	0.15 148	0.14 80	0.13 100

test_1	0.34 89	0.16 21	0.43 166	0.39 140	0.21 52	0.43 184	0.23 35	0.63 120	0.78 239	0.68 196	0.45 64	0.64 213	0.27 64	0.43 50	0.31 126	0.12 6	0.09 4	0.17 137	0.13 95	0.12 17	0.10 8

RAFT-Stereo + iAFF	0.36 122	0.17 42	0.41 135	0.35 52	0.19 19	0.33 106	0.29 99	0.65 134	0.73 207	0.68 196	1.01 307	0.56 159	0.40 174	0.42 46	0.30 119	0.11 2	0.09 4	0.15 78	0.14 123	0.13 44	0.10 8

GANet-RSSM	0.47 250	0.21 152	0.37 88	0.38 112	0.25 168	0.58 257	0.36 220	1.07 339	0.78 239	0.68 196	1.01 307	0.86 318	0.67 327	0.62 208	0.44 260	0.21 298	0.15 269	0.18 180	0.18 254	0.18 219	0.17 229

DCANet-4	0.36 122	0.20 119	0.48 239	0.34 26	0.19 19	0.29 65	0.30 114	0.66 143	0.92 323	0.69 205	0.78 190	0.40 84	0.47 210	0.45 62	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.11 3	0.13 100

fff	0.37 138	0.16 21	0.41 135	0.34 26	0.19 19	0.29 65	0.30 114	0.69 171	1.06 389	0.69 205	0.78 190	0.42 99	0.63 301	0.46 72	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.11 3	0.13 100

iRaft-Stereo_20w	0.39 169	0.19 88	0.57 307	0.37 84	0.27 236	0.31 89	0.24 46	1.44 452	0.29 14	0.69 205	0.53 104	0.60 193	0.42 182	0.83 337	0.27 82	0.14 64	0.11 96	0.14 40	0.13 95	0.15 125	0.13 100

DeepStereo_RVC	0.36 122	0.21 152	0.47 219	0.40 173	0.24 136	0.26 28	0.22 22	0.60 101	0.38 69	0.69 205	0.67 147	0.57 164	0.51 234	0.56 140	0.39 225	0.16 165	0.12 150	0.18 180	0.15 148	0.19 253	0.18 246

csc	0.37 138	0.16 21	0.41 135	0.34 26	0.19 19	0.29 65	0.30 114	0.69 171	1.06 389	0.69 205	0.78 190	0.42 99	0.63 301	0.46 72	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.11 3	0.13 100

cscssc	0.37 138	0.16 21	0.41 135	0.34 26	0.19 19	0.29 65	0.30 114	0.69 171	1.06 389	0.69 205	0.78 190	0.42 99	0.63 301	0.46 72	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.11 3	0.13 100

PAM	0.46 235	0.19 88	0.70 366	0.40 173	0.26 208	0.75 342	0.33 165	0.85 252	0.34 32	0.70 211	0.46 69	1.83 457	0.63 301	0.61 200	0.26 65	0.15 119	0.10 23	0.16 103	0.14 123	0.14 80	0.13 100

ADStereo(finetuned)	0.37 138	0.16 21	0.49 250	0.34 26	0.19 19	0.30 74	0.30 114	0.68 163	0.91 318	0.70 211	0.77 179	0.43 107	0.69 337	0.45 62	0.33 148	0.14 64	0.10 23	0.14 40	0.11 41	0.13 44	0.12 70

AnonymousM	0.41 192	0.81 460	0.29 22	0.34 26	0.22 70	0.28 54	0.38 255	0.53 75	0.41 82	0.70 211	0.49 80	0.47 125	0.27 64	0.41 41	0.31 126	0.15 119	0.12 150	1.51 483	0.26 393	0.12 17	0.10 8

DCANet	0.36 122	0.16 21	0.41 135	0.34 26	0.19 19	0.30 74	0.30 114	0.68 163	0.91 318	0.70 211	0.77 179	0.43 107	0.57 263	0.45 62	0.34 163	0.14 64	0.10 23	0.14 40	0.11 41	0.13 44	0.12 70

PSMNet-RSSM	0.48 261	0.22 187	0.38 99	0.42 244	0.25 168	0.50 214	0.37 234	1.10 348	0.77 232	0.70 211	1.06 335	0.84 311	0.64 312	0.62 208	0.47 285	0.23 336	0.15 269	0.23 323	0.25 382	0.20 269	0.19 278

FADNet-RVC	0.60 363	0.53 432	1.14 436	0.46 324	0.39 384	0.61 278	0.39 277	1.12 358	0.87 294	0.70 211	0.84 224	1.04 371	0.55 255	0.94 387	0.69 356	0.26 367	0.25 400	0.28 387	0.28 404	0.31 387	0.31 394

FADNet	0.61 365	0.51 422	1.10 431	0.45 303	0.44 414	0.65 309	0.41 302	1.19 388	1.05 382	0.70 211	0.84 224	0.98 355	0.66 324	0.82 329	0.50 292	0.29 390	0.30 427	0.27 379	0.30 411	0.46 441	0.35 414

test_for_model	0.82 407	3.60 511	0.39 117	2.35 499	2.07 499	0.39 156	0.28 89	0.42 24	0.45 102	0.71 218	0.31 33	0.30 19	0.27 64	0.34 14	0.25 37	0.34 425	0.11 96	0.13 23	0.09 9	3.49 510	0.18 246

MyStereo8	0.40 181	0.20 119	0.54 292	0.41 204	0.29 285	0.53 228	0.29 99	0.65 134	0.49 114	0.71 218	0.98 297	0.58 172	0.43 188	0.50 98	0.51 302	0.15 119	0.12 150	0.16 103	0.14 123	0.19 253	0.19 278

1111x	0.55 328	0.22 187	0.46 207	0.38 112	0.20 38	0.66 312	0.43 315	1.23 406	0.99 355	0.71 218	0.99 302	0.95 348	0.69 337	0.90 364	1.08 433	0.18 230	0.17 319	0.18 180	0.19 282	0.20 269	0.18 246

CASS	0.45 226	0.27 302	0.42 156	0.48 339	0.22 70	0.61 278	0.34 176	0.97 301	0.62 149	0.71 218	0.85 234	0.61 198	0.55 255	0.57 151	0.41 235	0.29 390	0.16 300	0.22 304	0.18 254	0.22 311	0.28 374
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Anonymous_2	0.82 407	0.44 405	0.63 331	0.40 173	0.43 407	0.80 358	0.52 373	0.72 197	0.77 232	0.71 218	0.60 124	0.87 324	0.76 368	0.75 303	0.58 326	0.52 461	0.54 475	0.54 462	4.82 513	0.56 458	0.40 432

test-3	0.34 89	0.16 21	0.43 166	0.39 140	0.21 52	0.43 184	0.22 22	0.63 120	0.78 239	0.71 218	0.45 64	0.64 213	0.27 64	0.43 50	0.31 126	0.12 6	0.09 4	0.17 137	0.13 95	0.12 17	0.10 8

GwcNet-ADL	0.44 216	0.22 187	0.48 239	0.45 303	0.30 299	0.40 160	0.37 234	0.92 281	0.97 346	0.71 218	0.78 190	0.61 198	0.42 182	0.62 208	0.50 292	0.19 260	0.14 240	0.15 78	0.14 123	0.18 219	0.18 246

HCRNet	0.44 216	0.34 358	0.41 135	0.53 402	0.26 208	0.53 228	0.29 99	0.83 246	0.63 160	0.71 218	0.81 209	0.77 291	0.50 229	0.66 246	0.36 196	0.24 347	0.16 300	0.24 338	0.20 306	0.21 290	0.18 246

xxxx	1.01 434	0.22 187	0.43 166	0.36 68	0.21 52	0.82 371	0.36 220	1.32 430	0.88 298	0.71 218	0.94 271	0.97 352	0.63 301	0.64 231	10.58 506	0.20 283	0.16 300	0.18 180	0.17 227	0.19 253	0.19 278

FENet	0.42 199	0.22 187	0.38 99	0.39 140	0.24 136	0.55 237	0.32 155	0.79 235	0.70 189	0.71 218	0.72 156	0.63 206	0.57 263	0.62 208	0.44 260	0.19 260	0.13 209	0.19 220	0.17 227	0.18 219	0.19 278

GwcNet-RSSM	0.49 278	0.24 243	0.42 156	0.40 173	0.23 108	0.55 237	0.38 255	0.93 283	0.93 329	0.71 218	1.16 373	0.86 318	0.60 283	0.62 208	0.66 349	0.21 298	0.14 240	0.19 220	0.20 306	0.16 163	0.15 166

HITNet	0.41 192	0.26 285	0.45 190	0.33 20	0.17 8	0.63 295	0.30 114	0.93 283	0.64 167	0.71 218	0.82 213	0.64 213	0.52 236	0.59 186	0.43 244	0.14 64	0.10 23	0.15 78	0.13 95	0.19 253	0.12 70
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
mmm	0.44 216	0.27 302	0.46 207	0.38 112	0.24 136	0.61 278	0.35 199	0.94 287	0.53 126	0.72 230	1.05 329	0.63 206	0.50 229	0.57 151	0.45 268	0.18 230	0.15 269	0.23 323	0.20 306	0.20 269	0.18 246

ttt	0.51 300	0.25 266	0.43 166	0.38 112	0.24 136	0.65 309	0.38 255	1.18 386	1.05 382	0.72 230	1.08 341	0.63 206	0.49 218	0.84 342	0.59 331	0.24 347	0.21 368	0.22 304	0.20 306	0.24 341	0.24 346

MIM_Stereo	0.38 153	0.17 42	0.53 288	0.37 84	0.24 136	0.27 40	0.24 46	0.70 185	0.54 130	0.72 230	1.00 304	0.63 206	0.29 91	0.64 231	0.38 219	0.13 31	0.14 240	0.17 137	0.16 179	0.14 80	0.11 29

LCNet	0.41 192	0.20 119	0.32 35	0.44 281	0.24 136	0.47 205	0.29 99	0.67 153	0.53 126	0.72 230	1.03 319	0.66 231	0.60 283	0.58 171	0.34 163	0.14 64	0.10 23	0.19 220	0.19 282	0.21 290	0.36 416

cf-r	0.47 250	0.23 207	0.41 135	0.39 140	0.23 108	0.59 270	0.37 234	0.88 268	0.85 280	0.72 230	1.05 329	0.94 346	0.62 295	0.56 140	0.54 316	0.21 298	0.14 240	0.17 137	0.19 282	0.15 125	0.15 166

CFNet	0.51 300	0.29 328	0.46 207	0.41 204	0.27 236	0.70 325	0.32 155	1.13 360	1.00 361	0.72 230	1.07 338	0.85 313	0.60 283	0.76 307	0.52 309	0.19 260	0.14 240	0.23 323	0.23 358	0.21 290	0.16 211

DN-CSS_ROB	0.43 209	0.26 285	0.62 322	0.40 173	0.29 285	0.44 189	0.27 76	0.77 226	0.75 217	0.72 230	1.09 345	0.48 130	0.43 188	0.69 272	0.37 211	0.15 119	0.12 150	0.21 290	0.19 282	0.18 219	0.16 211

ffm	0.44 216	0.26 285	0.49 250	0.37 84	0.25 168	0.55 237	0.37 234	0.68 163	1.04 378	0.73 237	0.96 283	0.71 251	0.53 239	0.57 151	0.25 37	0.16 165	0.10 23	0.25 351	0.21 327	0.16 163	0.16 211

ff1	0.49 278	0.26 285	0.49 250	0.37 84	0.25 168	0.55 237	0.37 234	0.68 163	1.04 378	0.73 237	0.96 283	0.71 251	0.53 239	1.01 394	0.88 397	0.16 165	0.10 23	0.25 351	0.21 327	0.16 163	0.16 211

mmx	0.53 315	0.26 285	0.49 250	0.37 84	0.25 168	0.55 237	0.37 234	1.16 378	1.03 373	0.73 237	0.96 283	0.71 251	0.53 239	1.01 394	0.88 397	0.20 283	0.15 269	0.25 351	0.21 327	0.22 311	0.20 300

xxx	0.53 315	0.26 285	0.49 250	0.37 84	0.25 168	0.55 237	0.37 234	1.16 378	1.03 373	0.73 237	0.96 283	0.71 251	0.53 239	1.01 394	0.88 397	0.20 283	0.15 269	0.25 351	0.21 327	0.22 311	0.20 300

RASNet	0.53 315	0.22 187	0.52 280	0.38 112	0.22 70	0.68 318	0.38 255	0.97 301	0.88 298	0.73 237	1.04 325	1.03 369	0.92 411	0.90 364	0.86 390	0.16 165	0.14 240	0.14 40	0.17 227	0.15 125	0.13 100

RAFT-345	0.40 181	0.18 61	0.40 127	0.38 112	0.22 70	0.33 106	0.26 62	0.61 107	0.51 120	0.74 242	1.79 449	0.45 114	0.33 126	0.66 246	0.36 196	0.14 64	0.11 96	0.18 180	0.14 123	0.13 44	0.13 100

GES	0.44 216	0.23 207	0.57 307	0.40 173	0.30 299	0.59 270	0.36 220	0.96 298	0.68 183	0.74 242	0.83 219	0.47 125	0.48 215	0.67 257	0.43 244	0.22 322	0.16 300	0.17 137	0.16 179	0.18 219	0.23 340

test_sample3	0.46 235	0.25 266	0.50 263	0.35 52	0.23 108	0.69 320	0.37 234	1.15 372	0.81 257	0.75 244	0.79 199	0.66 231	0.49 218	0.63 219	0.46 278	0.21 298	0.15 269	0.20 249	0.19 282	0.21 290	0.19 278

DispNO	0.47 250	0.23 207	0.71 371	0.39 140	0.31 320	0.60 276	0.38 255	0.89 270	0.77 232	0.75 244	0.84 224	0.72 260	0.54 250	0.73 292	0.46 278	0.19 260	0.14 240	0.20 249	0.18 254	0.16 163	0.17 229

BUS	0.45 226	0.25 266	0.43 166	0.45 303	0.28 259	0.70 325	0.34 176	0.94 287	0.76 225	0.75 244	0.80 202	0.65 226	0.49 218	0.64 231	0.51 302	0.20 283	0.14 240	0.22 304	0.19 282	0.18 219	0.18 246

BSDual-CNN	0.46 235	0.25 266	0.43 166	0.45 303	0.28 259	0.77 348	0.40 287	0.94 287	0.76 225	0.75 244	0.80 202	0.76 285	0.54 250	0.64 231	0.43 244	0.20 283	0.14 240	0.22 304	0.19 282	0.18 219	0.18 246

hknet	0.49 278	0.25 266	0.51 275	0.45 303	0.29 285	0.77 348	0.40 287	0.94 287	0.83 267	0.75 244	0.80 202	0.97 352	0.61 289	0.73 292	0.45 268	0.18 230	0.14 240	0.22 304	0.19 282	0.18 219	0.18 246

DMCA	0.45 226	0.26 285	0.50 263	0.38 112	0.28 259	0.51 218	0.34 176	0.93 283	0.68 183	0.75 244	0.83 219	0.79 294	0.53 239	0.51 104	0.54 316	0.21 298	0.16 300	0.21 290	0.16 179	0.19 253	0.21 318

AdaStereo	0.50 293	0.32 345	0.47 219	0.48 339	0.25 168	0.67 316	0.32 155	1.17 383	0.88 298	0.75 244	0.99 302	0.75 279	0.49 218	0.67 257	0.46 278	0.27 375	0.12 150	0.28 387	0.18 254	0.23 328	0.18 246
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.
UGAM	0.52 309	0.22 187	0.46 207	0.45 303	0.25 168	0.41 174	0.52 373	0.62 113	1.16 410	0.76 251	1.13 358	1.32 419	0.57 263	1.00 393	0.53 312	0.17 201	0.14 240	0.25 351	0.21 327	0.15 125	0.13 100

MyStereo05	0.44 216	0.21 152	0.45 190	0.41 204	0.28 259	0.41 174	0.50 355	0.93 283	1.09 400	0.76 251	0.61 127	0.51 141	0.57 263	0.73 292	0.42 239	0.14 64	0.13 209	0.18 180	0.17 227	0.17 197	0.15 166

RAFT_CTSACE	0.45 226	0.20 119	0.44 178	0.45 303	0.27 236	0.34 116	0.39 277	0.60 101	0.73 207	0.76 251	1.44 423	0.83 307	0.38 158	1.08 409	0.26 65	0.12 6	0.13 209	0.18 180	0.16 179	0.15 125	0.11 29

ASMatch	0.48 261	0.19 88	0.45 190	0.39 140	0.28 259	0.37 137	0.26 62	0.74 210	0.68 183	0.76 251	2.34 464	0.61 198	0.52 236	0.62 208	0.37 211	0.14 64	0.12 150	0.17 137	0.15 148	0.14 80	0.21 318

IRAFT_RVC	0.42 199	0.20 119	0.48 239	0.44 281	0.24 136	0.27 40	0.54 381	0.74 210	0.77 232	0.76 251	0.80 202	0.73 271	0.51 234	0.70 277	0.36 196	0.17 201	0.10 23	0.21 290	0.16 179	0.16 163	0.14 143

GMM-Stereo	0.44 216	0.19 88	0.36 73	0.42 244	0.25 168	0.51 218	0.47 338	0.71 193	0.53 126	0.76 251	1.37 409	0.76 285	0.38 158	0.60 192	0.33 148	0.15 119	0.10 23	0.20 249	0.19 282	0.16 163	0.27 367

test_sample5	0.47 250	0.26 285	0.49 250	0.36 68	0.22 70	0.64 302	0.39 277	1.13 360	0.81 257	0.77 257	0.94 271	0.64 213	0.54 250	0.65 238	0.43 244	0.21 298	0.16 300	0.22 304	0.20 306	0.22 311	0.20 300

OMP-Stereo	0.42 199	0.22 187	0.46 207	0.52 396	0.24 136	0.36 133	0.25 53	0.71 193	0.78 239	0.77 257	0.64 133	0.89 333	0.39 169	0.91 371	0.35 180	0.15 119	0.12 150	0.20 249	0.15 148	0.15 125	0.12 70

BEATNet_4x	0.46 235	0.32 345	0.56 303	0.37 84	0.19 19	0.63 295	0.35 199	1.01 317	0.72 200	0.77 257	0.83 219	0.70 247	0.59 279	0.68 267	0.53 312	0.16 165	0.12 150	0.16 103	0.14 123	0.24 341	0.16 211

PS-NSSS	0.58 353	0.44 405	0.62 322	0.42 244	0.33 346	0.66 312	0.58 394	1.02 320	0.86 285	0.77 257	1.28 395	0.72 260	0.64 312	0.82 329	0.59 331	0.31 400	0.26 407	0.40 436	0.27 399	0.33 397	0.26 358

PSMNet-RUCA	0.76 394	0.75 455	1.08 430	1.01 473	0.90 467	0.69 320	0.50 355	1.11 353	1.03 373	0.78 261	1.11 348	0.80 302	0.72 358	0.88 356	0.63 341	0.53 465	0.27 414	0.76 470	0.46 455	0.66 467	0.47 454

test_sample4	0.47 250	0.26 285	0.50 263	0.35 52	0.22 70	0.69 320	0.38 255	1.15 372	0.81 257	0.78 261	0.82 213	0.62 204	0.53 239	0.63 219	0.44 260	0.21 298	0.15 269	0.21 290	0.19 282	0.21 290	0.19 278

IPLGR	0.39 169	0.21 152	0.63 331	0.39 140	0.22 70	0.49 211	0.29 99	0.76 223	0.74 214	0.78 261	0.77 179	0.44 112	0.42 182	0.47 79	0.38 219	0.13 31	0.12 150	0.16 103	0.14 123	0.15 125	0.13 100

RAFT + AFF	0.53 315	0.29 328	0.75 388	0.51 384	0.32 336	0.63 295	0.60 398	1.00 310	0.91 318	0.78 261	0.87 244	0.83 307	0.58 272	0.80 323	0.47 285	0.17 201	0.20 358	0.23 323	0.22 345	0.18 219	0.18 246

raft_robust	0.41 192	0.23 207	0.36 73	0.42 244	0.21 52	0.40 160	0.33 165	0.79 235	0.98 350	0.79 265	0.87 244	0.39 74	0.33 126	0.84 342	0.29 113	0.13 31	0.12 150	0.16 103	0.17 227	0.15 125	0.12 70

PSMNet_ROB	0.64 369	0.37 375	0.65 342	0.56 415	0.42 402	0.97 395	0.83 444	1.21 394	0.92 323	0.79 265	1.02 315	1.08 384	0.63 301	0.82 329	0.91 411	0.29 390	0.20 358	0.31 404	0.31 418	0.26 355	0.23 340

ITSA-stereo	0.53 315	0.28 316	0.52 280	0.40 173	0.23 108	0.56 250	0.34 176	1.24 413	1.24 425	0.80 267	0.81 209	0.72 260	0.58 272	0.82 329	0.65 346	0.21 298	0.17 319	0.23 323	0.21 327	0.22 311	0.26 358

test_sample6	0.49 278	0.26 285	0.50 263	0.37 84	0.22 70	0.63 295	0.40 287	1.12 358	0.83 267	0.80 267	1.03 319	0.66 231	0.55 255	0.67 257	0.46 278	0.22 322	0.16 300	0.22 304	0.22 345	0.23 328	0.21 318

DualNet	0.48 261	0.26 285	0.49 250	0.36 68	0.22 70	0.64 302	0.39 277	1.13 360	0.81 257	0.80 267	1.03 319	0.64 213	0.54 250	0.65 238	0.43 244	0.21 298	0.16 300	0.22 304	0.20 306	0.22 311	0.20 300

CBFPSM	0.59 360	0.22 187	1.31 455	0.38 112	0.27 236	1.12 423	0.65 409	0.79 235	0.82 262	0.80 267	0.81 209	1.35 428	0.87 401	0.67 257	0.76 371	0.16 165	0.15 269	0.15 78	0.16 179	0.17 197	0.22 334

iinet-f	0.67 374	0.26 285	2.15 482	0.39 140	0.31 320	1.19 433	0.56 390	0.84 249	0.84 272	0.80 267	1.17 375	1.05 375	0.84 395	0.71 282	1.21 444	0.20 283	0.18 335	0.17 137	0.15 148	0.20 269	0.20 300

NINENet	0.50 293	0.29 328	0.51 275	0.45 303	0.32 336	0.70 325	0.34 176	1.10 348	0.88 298	0.80 267	0.94 271	0.65 226	0.49 218	0.73 292	0.51 302	0.22 322	0.20 358	0.25 351	0.18 254	0.22 311	0.21 318

ACRE	0.40 181	0.21 152	0.65 342	0.45 303	0.33 346	0.51 218	0.33 165	0.66 143	0.63 160	0.80 267	0.92 267	0.45 114	0.32 116	0.52 110	0.45 268	0.16 165	0.12 150	0.15 78	0.14 123	0.13 44	0.14 143

ADLNet2	0.55 328	0.25 266	0.65 342	0.47 333	0.30 299	0.83 373	0.50 355	1.05 332	0.95 342	0.80 267	0.98 297	0.99 356	0.69 337	0.77 314	0.73 366	0.20 283	0.16 300	0.17 137	0.18 254	0.21 290	0.21 318

RAFT	0.45 226	0.22 187	0.45 190	0.47 333	0.26 208	0.54 232	0.47 338	0.66 143	0.58 144	0.80 267	0.82 213	0.94 346	0.57 263	0.75 303	0.34 163	0.17 201	0.15 269	0.22 304	0.20 306	0.16 163	0.12 70

SFCPSM	0.47 250	0.21 152	0.55 297	0.40 173	0.27 236	0.87 381	0.37 234	1.33 432	0.77 232	0.80 267	0.84 224	0.54 153	0.49 218	0.57 151	0.37 211	0.18 230	0.13 209	0.18 180	0.20 306	0.16 163	0.15 166

PA-Net	0.67 374	0.43 401	0.83 403	0.50 368	0.53 439	0.94 388	0.68 417	1.10 348	1.14 408	0.80 267	0.88 252	0.87 324	0.77 374	1.02 399	0.88 397	0.24 347	0.41 461	0.29 395	0.44 454	0.26 355	0.34 409
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SMFormer	0.51 300	0.23 207	0.62 322	0.34 26	0.20 38	0.62 286	0.34 176	1.21 394	1.02 368	0.81 278	1.01 307	0.71 251	0.65 318	0.84 342	0.55 321	0.19 260	0.15 269	0.18 180	0.16 179	0.18 219	0.18 246

tta	0.51 300	0.23 207	0.62 322	0.34 26	0.20 38	0.62 286	0.34 176	1.21 394	1.02 368	0.81 278	1.01 307	0.71 251	0.65 318	0.84 342	0.55 321	0.19 260	0.15 269	0.18 180	0.16 179	0.15 125	0.14 143

qqq1	0.49 278	0.23 207	0.62 322	0.34 26	0.20 38	0.62 286	0.34 176	1.21 394	1.02 368	0.81 278	1.01 307	0.71 251	0.65 318	0.84 342	0.34 163	0.19 260	0.15 269	0.14 40	0.12 65	0.15 125	0.14 143

fff1	0.49 278	0.23 207	0.62 322	0.34 26	0.20 38	0.62 286	0.34 176	1.21 394	1.02 368	0.81 278	1.01 307	0.71 251	0.65 318	0.84 342	0.34 163	0.19 260	0.15 269	0.14 40	0.12 65	0.15 125	0.14 143

AACVNet	0.50 293	0.23 207	0.49 250	0.46 324	0.29 285	0.52 222	0.38 255	0.90 275	0.55 135	0.81 278	1.03 319	1.00 359	0.70 350	0.83 337	0.54 316	0.21 298	0.18 335	0.24 338	0.18 254	0.23 328	0.20 300

test_xeample	1.01 434	0.21 152	0.42 156	0.35 52	0.21 52	0.71 330	0.39 277	1.23 406	0.86 285	0.81 278	1.04 325	0.69 243	0.61 289	0.69 272	10.93 507	0.19 260	0.15 269	0.18 180	0.17 227	0.18 219	0.17 229

APVNet	0.71 385	0.37 375	0.89 413	0.56 415	0.45 418	1.18 432	0.68 417	1.41 448	0.85 280	0.81 278	1.15 368	1.04 371	0.81 385	1.10 412	1.17 441	0.26 367	0.28 418	0.32 409	0.31 418	0.29 372	0.30 387

HSM	0.51 300	0.24 243	0.41 135	0.39 140	0.24 136	0.75 342	0.40 287	1.22 402	0.75 217	0.81 278	0.91 263	1.21 403	0.69 337	0.87 353	0.46 278	0.17 201	0.13 209	0.17 137	0.14 123	0.17 197	0.17 229

DISCO	0.70 381	0.26 285	0.68 356	0.44 281	0.31 320	1.14 425	0.51 370	1.23 406	1.23 423	0.81 278	1.05 329	1.50 442	0.85 396	1.82 470	1.03 427	0.19 260	0.15 269	0.18 180	0.16 179	0.24 341	0.23 340

rvit_105_1	0.54 326	0.40 393	0.76 393	0.58 422	0.37 371	0.59 270	0.68 417	0.70 185	0.94 336	0.82 287	0.69 150	0.73 271	0.58 272	0.78 318	0.54 316	0.32 411	0.29 423	0.31 404	0.34 429	0.23 328	0.20 300

CoDeX	0.47 250	0.20 119	0.49 250	0.42 244	0.25 168	0.75 342	0.36 220	1.27 421	0.80 249	0.82 287	0.96 283	0.62 204	0.57 263	0.60 192	0.36 196	0.17 201	0.12 150	0.17 137	0.15 148	0.16 163	0.14 143

Sa-1000	0.48 261	0.24 243	0.41 135	0.45 303	0.25 168	0.59 270	0.34 176	0.81 241	0.93 329	0.82 287	1.50 430	0.53 149	0.45 202	0.92 374	0.30 119	0.15 119	0.12 150	0.21 290	0.19 282	0.15 125	0.13 100

CIPLG	0.41 192	0.21 152	0.63 331	0.45 303	0.33 346	0.52 222	0.33 165	0.65 134	0.60 147	0.82 287	0.96 283	0.46 122	0.32 116	0.55 130	0.44 260	0.16 165	0.12 150	0.15 78	0.14 123	0.13 44	0.14 143

IPLGR_C	0.40 181	0.21 152	0.64 336	0.45 303	0.33 346	0.52 222	0.34 176	0.66 143	0.62 149	0.82 287	0.92 267	0.45 114	0.32 116	0.52 110	0.46 278	0.17 201	0.12 150	0.15 78	0.14 123	0.13 44	0.14 143

GEStereo_RVC	0.55 328	0.29 328	0.63 331	0.49 354	0.31 320	0.70 325	0.54 381	1.22 402	0.92 323	0.82 287	0.85 234	0.85 313	0.63 301	0.90 364	0.65 346	0.24 347	0.16 300	0.19 220	0.16 179	0.21 290	0.22 334

CFNet_pseudo	0.46 235	0.24 243	0.52 280	0.37 84	0.27 236	0.58 257	0.30 114	0.86 256	0.88 298	0.82 287	1.03 319	0.75 279	0.47 210	0.58 171	0.44 260	0.17 201	0.12 150	0.24 338	0.16 179	0.24 341	0.19 278

psm_up	0.55 328	0.26 285	0.47 219	0.49 354	0.32 336	0.65 309	0.56 390	1.04 327	0.82 262	0.82 287	0.88 252	1.01 362	0.94 417	0.74 299	0.61 336	0.21 298	0.25 400	0.26 367	0.23 358	0.21 290	0.20 300

hitnet-ft	0.55 328	0.27 302	0.39 117	0.41 204	0.28 259	0.78 352	0.40 287	0.92 281	0.90 313	0.82 287	1.01 307	1.13 398	0.70 350	0.78 318	0.67 352	0.28 383	0.20 358	0.28 387	0.22 345	0.29 372	0.26 358

FADNet-RVC-Resample	0.56 339	0.33 353	1.16 437	0.49 354	0.34 355	0.71 330	0.43 315	1.01 317	0.93 329	0.82 287	0.87 244	0.74 277	0.67 327	0.73 292	0.45 268	0.18 230	0.18 335	0.26 367	0.27 399	0.26 355	0.27 367

TDLM	0.57 346	0.33 353	0.49 250	0.51 384	0.30 299	0.66 312	0.73 434	1.03 324	1.01 365	0.82 287	1.10 347	0.84 311	0.70 350	0.86 351	0.58 326	0.28 383	0.17 319	0.25 351	0.22 345	0.26 355	0.19 278

ccs_rob	0.46 235	0.24 243	0.52 280	0.37 84	0.27 236	0.58 257	0.31 136	0.86 256	0.88 298	0.82 287	1.02 315	0.75 279	0.47 210	0.58 171	0.44 260	0.17 201	0.12 150	0.24 338	0.16 179	0.24 341	0.19 278

LL-Strereo	0.57 346	0.27 302	0.68 356	0.48 339	0.34 355	0.39 156	0.48 346	0.94 287	0.97 346	0.83 299	0.78 190	1.10 390	1.18 444	1.33 440	0.49 291	0.17 201	0.14 240	0.22 304	0.19 282	0.16 163	0.17 229

HBP-ISP	0.59 360	0.45 409	0.43 166	0.45 303	0.33 346	0.70 325	0.28 89	1.11 353	1.00 361	0.83 299	1.18 377	0.65 226	0.68 333	0.88 356	0.52 309	0.35 430	0.38 454	0.47 450	0.41 449	0.38 420	0.31 394

IER	0.46 235	0.23 207	0.50 263	0.38 112	0.28 259	0.69 320	0.35 199	0.80 238	0.66 175	0.83 299	0.94 271	0.75 279	0.77 374	0.60 192	0.42 239	0.17 201	0.14 240	0.17 137	0.17 227	0.17 197	0.15 166

IIG-Stereo	0.43 209	0.21 152	0.44 178	0.50 368	0.25 168	0.44 189	0.21 15	0.71 193	0.76 225	0.83 299	0.95 279	0.83 307	0.43 188	0.90 364	0.35 180	0.15 119	0.12 150	0.19 220	0.14 123	0.15 125	0.11 29

DGSMNet	0.76 394	0.55 434	1.29 454	0.58 422	0.62 455	0.94 388	0.70 427	1.26 419	1.11 402	0.83 299	1.24 388	1.00 359	0.71 354	1.03 401	0.81 381	0.34 425	0.29 423	0.41 440	0.40 444	0.57 460	0.55 466

UNet	0.54 326	0.26 285	0.66 348	0.44 281	0.40 389	0.99 400	0.41 302	0.98 304	0.75 217	0.83 299	0.89 256	1.04 371	0.72 358	0.73 292	0.62 338	0.19 260	0.14 240	0.20 249	0.17 227	0.20 269	0.17 229

CC-Net-ROB	0.82 407	0.96 471	0.85 405	0.58 422	0.45 418	1.27 441	0.70 427	1.17 383	1.02 368	0.83 299	1.23 387	0.90 337	0.77 374	1.06 404	0.69 356	0.46 451	0.34 447	1.71 485	0.38 437	0.59 464	0.36 416

IPLG	0.39 169	0.20 119	0.59 312	0.40 173	0.24 136	0.54 232	0.27 76	0.75 216	0.63 160	0.84 306	0.81 209	0.32 27	0.32 116	0.60 192	0.45 268	0.13 31	0.11 96	0.16 103	0.13 95	0.13 44	0.12 70

DDVS	0.52 309	0.30 336	0.56 303	0.41 204	0.31 320	0.71 330	0.34 176	0.91 279	0.67 178	0.85 307	0.89 256	1.12 394	0.46 206	0.86 351	0.60 334	0.22 322	0.16 300	0.22 304	0.18 254	0.25 349	0.26 358

anonymousa	0.49 278	0.20 119	0.42 156	0.38 112	0.23 108	0.91 383	0.35 199	0.75 216	0.62 149	0.85 307	1.54 434	1.06 377	0.66 324	0.51 104	0.43 244	0.16 165	0.13 209	0.19 220	0.21 327	0.16 163	0.14 143

PFNet+	0.40 181	0.19 88	0.49 250	0.39 140	0.25 168	0.28 54	0.23 35	0.64 133	0.70 189	0.85 307	0.79 199	0.64 213	0.35 136	0.72 287	0.34 163	0.19 260	0.14 240	0.23 323	0.20 306	0.16 163	0.20 300

delet	0.55 328	0.24 243	0.55 297	0.44 281	0.33 346	1.07 414	0.50 355	1.00 310	0.86 285	0.85 307	0.96 283	0.90 337	0.63 301	0.83 337	0.74 369	0.18 230	0.18 335	0.20 249	0.21 327	0.16 163	0.15 166

CVANet_RVC	0.57 346	0.33 353	0.44 178	0.47 333	0.32 336	0.67 316	0.61 403	1.05 332	0.93 329	0.85 307	1.04 325	1.01 362	0.73 361	0.83 337	0.52 309	0.29 390	0.19 349	0.27 379	0.25 382	0.31 387	0.21 318

DeepPruner_ROB	0.53 315	0.34 358	0.59 312	0.41 204	0.30 299	0.50 214	0.43 315	1.19 388	0.70 189	0.85 307	1.05 329	0.86 318	0.55 255	0.84 342	0.51 302	0.29 390	0.23 384	0.22 304	0.22 345	0.26 355	0.25 353

GMStereo_Zeroshot	0.49 278	0.44 405	0.74 384	0.49 354	0.27 236	0.56 250	0.29 99	0.73 208	0.76 225	0.86 313	0.94 271	0.91 339	0.36 150	0.74 299	0.43 244	0.26 367	0.14 240	0.26 367	0.15 148	0.36 411	0.18 246

PCWNet_CMD	0.48 261	0.24 243	0.52 280	0.39 140	0.27 236	0.63 295	0.30 114	0.95 294	0.96 343	0.86 313	1.07 338	0.79 294	0.44 197	0.57 151	0.43 244	0.17 201	0.12 150	0.21 290	0.16 179	0.24 341	0.19 278

AASNet	0.53 315	0.25 266	0.52 280	0.49 354	0.32 336	0.74 339	0.40 287	1.50 458	0.86 285	0.86 313	0.92 267	0.64 213	0.59 279	0.59 186	0.79 376	0.23 336	0.19 349	0.20 249	0.16 179	0.21 290	0.19 278

HHNet	0.41 192	0.17 42	0.41 135	0.34 26	0.37 371	0.33 106	0.34 176	0.69 171	0.75 217	0.86 313	1.30 399	0.52 145	0.32 116	0.52 110	0.35 180	0.15 119	0.11 96	0.19 220	0.15 148	0.15 125	0.24 346

HGLStereo	0.56 339	0.28 316	0.57 307	0.50 368	0.37 371	0.80 358	0.45 327	1.02 320	0.78 239	0.86 313	1.14 363	0.89 333	0.82 389	0.76 307	0.73 366	0.21 298	0.20 358	0.19 220	0.18 254	0.19 253	0.21 318

MSMDNet	0.48 261	0.24 243	0.52 280	0.39 140	0.27 236	0.63 295	0.30 114	0.96 298	0.96 343	0.86 313	1.07 338	0.79 294	0.44 197	0.57 151	0.43 244	0.17 201	0.12 150	0.20 249	0.16 179	0.23 328	0.19 278

AANet_RVC	0.57 346	0.32 345	0.54 292	0.45 303	0.27 236	0.57 255	0.48 346	1.00 310	1.28 435	0.86 313	1.33 403	0.87 324	0.58 272	1.07 407	0.75 370	0.18 230	0.12 150	0.15 78	0.13 95	0.18 219	0.18 246

HI	0.45 226	0.21 152	0.36 73	0.34 26	0.35 361	0.28 54	0.31 136	0.72 197	0.46 106	0.87 320	1.13 358	1.09 388	0.76 368	0.69 272	0.56 323	0.12 6	0.10 23	0.17 137	0.17 227	0.17 197	0.15 166

CoSv	0.45 226	0.21 152	0.36 73	0.34 26	0.35 361	0.28 54	0.31 136	0.72 197	0.46 106	0.87 320	1.13 358	1.09 388	0.76 368	0.69 272	0.56 323	0.12 6	0.10 23	0.17 137	0.17 227	0.17 197	0.15 166

DisPM	0.39 169	0.19 88	0.44 178	0.41 204	0.27 236	0.24 16	0.31 136	0.65 134	0.57 143	0.87 320	0.87 244	0.60 193	0.32 116	0.76 307	0.32 136	0.18 230	0.12 150	0.19 220	0.17 227	0.15 125	0.20 300

GMOStereo	0.37 138	0.19 88	0.38 99	0.43 263	0.24 136	0.37 137	0.38 255	0.52 66	0.62 149	0.87 320	0.84 224	0.64 213	0.35 136	0.37 23	0.28 99	0.13 31	0.11 96	0.20 249	0.18 254	0.15 125	0.11 29

error version	0.37 138	0.19 88	0.38 99	0.43 263	0.24 136	0.37 137	0.38 255	0.52 66	0.62 149	0.87 320	0.84 224	0.64 213	0.35 136	0.37 23	0.28 99	0.13 31	0.11 96	0.20 249	0.18 254	0.15 125	0.11 29

test-v	0.37 138	0.19 88	0.38 99	0.43 263	0.24 136	0.37 137	0.38 255	0.52 66	0.62 149	0.87 320	0.84 224	0.64 213	0.35 136	0.37 23	0.28 99	0.13 31	0.11 96	0.20 249	0.18 254	0.15 125	0.11 29

test-2	0.37 138	0.19 88	0.38 99	0.43 263	0.24 136	0.37 137	0.38 255	0.52 66	0.62 149	0.87 320	0.84 224	0.64 213	0.35 136	0.37 23	0.28 99	0.13 31	0.11 96	0.20 249	0.18 254	0.15 125	0.11 29

FINET	0.67 374	0.42 399	1.00 422	0.46 324	0.43 407	0.83 373	0.89 452	1.08 343	1.50 454	0.87 320	1.14 363	0.71 251	0.68 333	0.92 374	0.70 359	0.36 434	0.30 427	0.26 367	0.24 373	0.35 407	0.33 402

UPFNet	0.53 315	0.24 243	0.51 275	0.45 303	0.38 380	0.84 376	0.49 352	0.99 306	0.75 217	0.87 320	0.88 252	0.86 318	0.64 312	0.80 323	0.71 363	0.20 283	0.20 358	0.20 249	0.20 306	0.19 253	0.15 166

iResNet	0.49 278	0.29 328	0.79 400	0.42 244	0.21 52	0.61 278	0.40 287	0.82 243	0.99 355	0.87 320	1.12 352	0.69 243	0.53 239	0.78 318	0.51 302	0.15 119	0.11 96	0.14 40	0.12 65	0.17 197	0.15 166

CFNet_ucs	0.50 293	0.24 243	0.55 297	0.38 112	0.31 320	0.58 257	0.33 165	0.98 304	0.93 329	0.88 330	1.19 381	0.80 302	0.49 218	0.63 219	0.43 244	0.21 298	0.15 269	0.26 367	0.18 254	0.26 355	0.22 334

LMCR-Stereo	0.53 315	0.30 336	0.53 288	0.58 422	0.30 299	0.83 373	0.36 220	1.19 388	0.76 225	0.88 330	1.04 325	0.56 159	0.62 295	0.82 329	0.67 352	0.19 260	0.15 269	0.19 220	0.14 123	0.23 328	0.17 229

MaskLacGwcNet_RVC	0.67 374	0.81 460	0.73 379	0.53 402	0.37 371	1.40 447	0.53 377	1.04 327	0.79 247	0.88 330	0.94 271	0.95 348	0.53 239	0.93 380	0.58 326	0.39 440	0.30 427	0.57 464	0.31 418	0.53 454	0.30 387

Nwc_Net	0.78 399	0.38 385	0.73 379	0.60 431	0.55 444	1.05 412	0.55 385	1.67 473	1.05 382	0.88 330	1.86 453	1.40 433	1.09 435	1.10 412	0.87 394	0.30 397	0.25 400	0.36 423	0.38 437	0.29 372	0.29 380

DAS	0.51 300	0.25 266	0.60 317	0.48 339	0.31 320	0.58 257	0.41 302	0.83 246	0.97 346	0.89 334	1.12 352	0.70 247	0.75 365	0.82 329	0.43 244	0.17 201	0.13 209	0.18 180	0.15 148	0.20 269	0.18 246

SepStereo	0.51 300	0.25 266	0.60 317	0.48 339	0.31 320	0.58 257	0.41 302	0.83 246	0.97 346	0.89 334	1.12 352	0.70 247	0.75 365	0.93 380	0.43 244	0.17 201	0.13 209	0.18 180	0.15 148	0.20 269	0.18 246

DEmStereo	0.48 261	0.17 42	0.50 263	0.38 112	0.25 168	0.59 270	0.34 176	0.63 120	0.74 214	0.89 334	1.66 441	0.58 172	1.06 432	0.60 192	0.42 239	0.14 64	0.11 96	0.16 103	0.16 179	0.14 80	0.15 166

Pruner-Stereo	0.38 153	0.20 119	0.45 190	0.40 173	0.25 168	0.22 7	0.24 46	0.67 153	0.55 135	0.89 334	0.76 175	0.68 239	0.29 91	0.62 208	0.35 180	0.18 230	0.12 150	0.20 249	0.17 227	0.17 197	0.18 246

ARAFT	0.47 250	0.24 243	0.79 400	0.42 244	0.25 168	0.55 237	0.55 385	0.75 216	0.81 257	0.89 334	0.75 171	0.73 271	0.47 210	0.88 356	0.37 211	0.15 119	0.12 150	0.23 323	0.22 345	0.14 80	0.13 100

R-Stereo Train	0.39 169	0.18 61	0.42 156	0.42 244	0.26 208	0.40 160	0.32 155	0.72 197	0.34 32	0.89 334	1.28 395	0.57 164	0.35 136	0.42 46	0.32 136	0.15 119	0.12 150	0.14 40	0.12 65	0.14 80	0.13 100

RAFT-Stereo	0.39 169	0.18 61	0.42 156	0.42 244	0.26 208	0.40 160	0.32 155	0.72 197	0.34 32	0.89 334	1.28 395	0.57 164	0.35 136	0.42 46	0.32 136	0.15 119	0.12 150	0.14 40	0.12 65	0.14 80	0.13 100
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
UDG	0.88 420	0.82 463	0.67 352	1.00 472	0.96 472	1.02 404	0.57 393	1.13 360	0.99 355	0.90 341	0.97 296	1.31 414	0.99 425	0.85 349	0.84 385	0.54 466	0.32 439	1.77 486	0.40 444	0.94 474	0.66 469

NCC-stereo	0.78 399	0.40 393	0.76 393	0.61 433	0.67 458	0.81 363	0.69 422	1.54 465	1.11 402	0.90 341	1.36 406	1.33 422	1.16 441	1.19 421	0.88 397	0.31 400	0.30 427	0.37 428	0.48 462	0.33 397	0.33 402

Abc-Net	0.78 399	0.40 393	0.76 393	0.61 433	0.67 458	0.81 363	0.69 422	1.54 465	1.11 402	0.90 341	1.36 406	1.33 422	1.16 441	1.19 421	0.88 397	0.31 400	0.30 427	0.37 428	0.48 462	0.33 397	0.33 402
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.53 315	0.22 187	0.35 66	0.37 84	0.21 52	0.85 377	0.37 234	1.23 406	0.93 329	0.90 341	1.15 368	1.26 407	0.63 301	0.72 287	0.48 289	0.17 201	0.13 209	0.16 103	0.15 148	0.17 197	0.15 166
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iResNet_ROB	0.52 309	0.21 152	0.53 288	0.37 84	0.21 52	0.61 278	0.29 99	1.51 461	1.32 439	0.90 341	1.02 315	0.80 302	0.62 295	0.76 307	0.43 244	0.16 165	0.12 150	0.13 23	0.09 9	0.15 125	0.18 246

SQANet	0.82 407	0.74 454	0.67 352	1.13 477	0.98 475	1.11 420	0.47 338	1.07 339	0.83 267	0.91 346	1.05 329	1.03 369	0.74 363	1.01 394	0.64 344	0.61 469	0.24 392	1.03 478	0.35 432	1.18 481	0.58 467

gwcnet-sp	0.48 261	0.23 207	0.70 366	0.40 173	0.26 208	0.81 363	0.41 302	0.89 270	0.84 272	0.91 346	0.76 175	0.66 231	0.61 289	0.66 246	0.50 292	0.18 230	0.17 319	0.18 180	0.18 254	0.18 219	0.18 246

scenet	0.48 261	0.23 207	0.70 366	0.40 173	0.26 208	0.81 363	0.41 302	0.89 270	0.84 272	0.91 346	0.76 175	0.66 231	0.61 289	0.66 246	0.50 292	0.18 230	0.17 319	0.18 180	0.18 254	0.18 219	0.18 246

ssnet	0.48 261	0.23 207	0.70 366	0.40 173	0.26 208	0.81 363	0.41 302	0.89 270	0.84 272	0.91 346	0.76 175	0.66 231	0.61 289	0.66 246	0.50 292	0.18 230	0.17 319	0.18 180	0.18 254	0.18 219	0.18 246

psmg	0.49 278	0.25 266	0.43 166	0.41 204	0.28 259	0.85 377	0.43 315	0.99 306	0.76 225	0.91 346	0.94 271	0.76 285	0.54 250	0.64 231	0.43 244	0.20 283	0.15 269	0.20 249	0.20 306	0.18 219	0.18 246

MMNet	0.55 328	0.25 266	0.61 319	0.43 263	0.34 355	1.07 414	0.39 277	0.87 263	0.91 318	0.91 346	0.93 270	0.86 318	0.76 368	0.81 326	0.76 371	0.15 119	0.14 240	0.18 180	0.19 282	0.20 269	0.16 211

ac_64	0.52 309	0.22 187	0.50 263	0.45 303	0.28 259	0.80 358	0.45 327	1.02 320	0.61 148	0.91 346	0.83 219	1.07 382	0.68 333	0.74 299	0.70 359	0.21 298	0.18 335	0.20 249	0.19 282	0.18 219	0.15 166

NLCA_NET_v2_RVC	0.53 315	0.32 345	0.64 336	0.44 281	0.30 299	0.66 312	0.44 324	1.04 327	0.88 298	0.91 346	0.91 263	0.99 356	0.60 283	0.68 267	0.60 334	0.21 298	0.17 319	0.22 304	0.22 345	0.21 290	0.21 318
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DualNet (step1)	0.57 346	0.36 369	0.72 376	0.38 112	0.30 299	0.71 330	0.43 315	1.06 335	0.88 298	0.92 354	0.86 237	0.85 313	0.69 337	0.68 267	0.50 292	0.41 445	0.20 358	0.40 436	0.41 449	0.36 411	0.33 402

test_sample9	1.05 442	0.36 369	0.72 376	0.38 112	0.30 299	0.71 330	0.43 315	1.06 335	0.88 298	0.92 354	0.86 237	0.85 313	0.69 337	1.20 423	1.36 452	0.41 445	8.41 513	0.40 436	0.41 449	0.36 411	0.33 402

test_sample7	0.52 309	0.29 328	0.50 263	0.36 68	0.27 236	0.62 286	0.41 302	1.06 335	0.88 298	0.92 354	0.86 237	0.85 313	0.69 337	0.68 267	0.50 292	0.26 367	0.20 358	0.27 379	0.26 393	0.27 365	0.24 346

222	1.18 454	0.22 187	0.44 178	0.37 84	0.22 70	0.79 355	0.37 234	1.31 429	0.89 311	0.92 354	1.08 341	0.72 260	0.71 354	0.66 246	13.89 510	0.20 283	0.15 269	0.17 137	0.16 179	0.18 219	0.19 278

ssnet_v2	0.58 353	0.28 316	0.56 303	0.43 263	0.29 285	0.95 391	0.59 396	1.13 360	0.99 355	0.93 358	0.80 202	0.99 356	0.64 312	0.82 329	0.94 413	0.25 357	0.22 374	0.23 323	0.24 373	0.20 269	0.19 278

Syn2CoEx	0.71 385	0.51 422	0.95 416	0.64 439	0.45 418	0.91 383	0.53 377	1.48 455	1.13 406	0.93 358	1.35 405	1.02 367	0.99 425	0.92 374	0.80 378	0.30 397	0.27 414	0.28 387	0.24 373	0.23 328	0.24 346

DeepPrunerF	0.89 422	0.52 429	3.43 491	0.68 454	0.81 464	0.72 337	0.72 433	1.22 402	1.99 474	0.93 358	1.01 307	0.87 324	0.86 398	1.08 409	0.95 416	0.34 425	0.28 418	0.43 442	0.39 441	0.30 381	0.32 398

GASNet	0.67 374	0.72 452	0.96 418	0.70 457	0.48 427	0.62 286	0.47 338	1.08 343	1.03 373	0.94 361	0.82 213	0.93 344	0.83 393	1.33 440	0.80 378	0.31 400	0.22 374	0.29 395	0.28 404	0.44 434	0.24 346

CrosDoStereo	0.50 293	0.18 61	0.45 190	0.38 112	0.24 136	0.40 160	1.18 471	0.67 153	0.86 285	0.94 361	1.37 409	0.63 206	0.77 374	0.65 238	0.45 268	0.15 119	0.12 150	0.17 137	0.18 254	0.14 80	0.14 143

KYRaft	0.48 261	0.20 119	0.38 99	0.44 281	0.23 108	0.44 189	0.37 234	0.66 143	0.41 82	0.94 361	1.73 445	0.79 294	0.41 180	0.63 219	0.31 126	0.16 165	0.11 96	0.18 180	0.22 345	0.16 163	0.78 473

DeepStereo_LL	0.50 293	0.18 61	0.45 190	0.38 112	0.24 136	0.40 160	1.18 471	0.67 153	0.86 285	0.94 361	1.37 409	0.63 206	0.77 374	0.65 238	0.45 268	0.15 119	0.12 150	0.17 137	0.18 254	0.14 80	0.14 143

DMCA-RVC	0.51 300	0.30 336	0.59 312	0.50 368	0.32 336	0.54 232	0.38 255	0.86 256	0.68 183	0.94 361	0.86 237	0.91 339	0.68 333	0.70 277	0.59 331	0.23 336	0.18 335	0.31 404	0.23 358	0.26 355	0.19 278

MLCV	0.47 250	0.24 243	0.61 319	0.37 84	0.17 8	0.61 278	0.33 165	0.80 238	0.87 294	0.94 361	1.13 358	0.72 260	0.43 188	0.89 362	0.51 302	0.13 31	0.10 23	0.13 23	0.11 41	0.14 80	0.12 70

CBMV_ROB	0.59 360	0.37 375	0.38 99	0.39 140	0.28 259	0.74 339	0.28 89	1.00 310	0.98 350	0.94 361	1.25 390	0.81 305	0.78 379	0.87 353	0.50 292	0.36 434	0.37 452	0.43 442	0.40 444	0.33 397	0.30 387

CSP-Net	0.56 339	0.27 302	0.49 250	0.41 204	0.28 259	1.22 436	0.50 355	1.23 406	0.72 200	0.95 368	0.95 279	0.89 333	0.62 295	0.83 337	0.62 338	0.26 367	0.17 319	0.17 137	0.17 227	0.18 219	0.17 229

DDUNet	1.06 443	2.56 507	0.68 356	1.21 479	1.26 484	1.03 407	0.69 422	1.11 353	0.94 336	0.96 369	1.22 383	1.27 408	0.82 389	0.93 380	0.72 365	0.84 477	0.38 454	1.99 489	0.60 474	1.10 480	0.85 477

Prome-Stereo	0.46 235	0.19 88	0.35 66	0.44 281	0.26 208	0.40 160	0.45 327	0.68 163	0.44 95	0.96 369	1.84 451	0.59 187	0.67 327	0.61 200	0.32 136	0.14 64	0.11 96	0.16 103	0.14 123	0.16 163	0.29 380

S-Stereo	0.74 392	0.35 364	0.96 418	0.56 415	0.45 418	0.82 371	0.60 398	1.24 413	1.60 464	0.96 369	1.41 417	1.12 394	0.94 417	0.80 323	1.04 430	0.26 367	0.31 436	0.28 387	0.25 382	0.32 392	0.47 454

AF-Net	0.81 406	0.39 389	0.68 356	0.64 439	0.54 442	0.91 383	0.51 370	1.61 469	1.31 438	0.96 369	2.02 458	1.46 436	1.26 452	1.11 414	0.99 423	0.32 411	0.24 392	0.39 433	0.27 399	0.30 381	0.25 353

GCST	0.83 414	1.22 480	0.74 384	1.58 485	1.01 478	1.06 413	0.23 35	0.78 232	0.78 239	0.97 373	0.65 136	0.78 292	0.35 136	0.92 374	0.34 163	0.96 480	0.65 480	1.20 480	0.81 483	0.91 472	0.70 470

Wz-Net-LNSev-Ref	0.63 368	0.28 316	0.99 421	0.40 173	0.30 299	1.03 407	0.56 390	1.10 348	0.99 355	0.97 373	1.22 383	1.06 377	0.69 337	1.07 407	0.95 416	0.19 260	0.11 96	0.16 103	0.13 95	0.22 311	0.21 318

AAGNet	1.43 468	0.20 119	0.48 239	0.44 281	0.25 168	0.29 65	0.31 136	0.65 134	0.68 183	0.97 373	0.86 237	0.67 238	0.62 295	0.64 231	20.63 515	0.16 165	0.11 96	0.19 220	0.15 148	0.19 253	0.12 70

acv_ft	0.51 300	0.23 207	0.56 303	0.44 281	0.28 259	0.86 380	0.39 277	0.91 279	0.80 249	0.97 373	0.96 283	0.79 294	0.59 279	0.63 219	0.87 394	0.17 201	0.15 269	0.16 103	0.15 148	0.17 197	0.15 166

RP	0.76 394	0.36 369	0.63 331	0.66 447	0.58 452	0.80 358	0.55 385	1.14 369	1.22 422	0.97 373	1.65 439	1.43 435	1.32 454	1.01 394	0.84 385	0.33 419	0.30 427	0.36 423	0.30 411	0.34 403	0.34 409

RAFT_R40	0.40 181	0.19 88	0.44 178	0.43 263	0.25 168	0.23 10	0.26 62	0.67 153	0.67 178	0.98 378	0.78 190	0.72 260	0.43 188	0.76 307	0.35 180	0.16 165	0.11 96	0.20 249	0.16 179	0.18 219	0.14 143

STTRV1_RVC	0.82 407	0.59 439	1.16 437	0.67 450	0.81 464	1.11 420	0.63 405	1.30 427	1.11 402	0.98 378	1.33 403	1.08 384	0.95 420	1.26 432	0.87 394	0.55 467	0.25 400	0.43 442	0.39 441	0.58 463	0.40 432

NCCL2	0.72 389	0.41 397	0.65 342	0.64 439	0.44 414	0.98 399	1.20 473	1.11 353	1.00 361	0.98 378	0.96 283	1.49 441	0.87 401	0.90 364	0.79 376	0.31 400	0.26 407	0.39 433	0.39 441	0.32 392	0.32 398

SDNR	0.86 417	0.37 375	1.47 468	0.40 173	0.38 380	3.38 496	0.33 165	0.90 275	0.98 350	0.99 381	2.09 461	0.59 187	0.71 354	1.29 436	0.70 359	0.51 460	0.56 476	0.36 423	0.26 393	0.43 433	0.46 449

pcwnet_v2	0.58 353	0.28 316	0.84 404	0.45 303	0.35 361	0.61 278	0.35 199	1.27 421	1.21 420	0.99 381	1.27 393	0.72 260	0.58 272	0.67 257	0.48 289	0.27 375	0.21 368	0.24 338	0.23 358	0.29 372	0.29 380

ADLNet	0.55 328	0.27 302	0.51 275	0.44 281	0.35 361	0.78 352	0.46 331	1.08 343	0.86 285	0.99 381	0.98 297	0.92 342	0.63 301	0.69 272	0.81 381	0.22 322	0.16 300	0.22 304	0.22 345	0.21 290	0.21 318

STTStereo	0.55 328	0.37 375	0.76 393	0.44 281	0.31 320	0.60 276	0.44 324	0.96 298	0.86 285	0.99 381	0.90 260	0.96 350	0.58 272	0.71 282	0.61 336	0.25 357	0.23 384	0.26 367	0.32 424	0.24 341	0.23 340

iResNetv2_ROB	0.52 309	0.27 302	0.69 362	0.38 112	0.25 168	0.62 286	0.35 199	1.17 383	1.01 365	0.99 381	1.06 335	0.88 329	0.67 327	0.66 246	0.39 225	0.19 260	0.13 209	0.15 78	0.11 41	0.18 219	0.16 211

Ntro	1.09 447	0.97 474	0.91 414	1.44 484	1.19 483	1.69 468	0.80 442	1.35 437	1.25 430	1.00 386	1.29 398	1.31 414	0.97 423	1.26 432	0.84 385	0.84 477	0.43 467	1.36 482	0.50 467	1.56 483	0.78 473

CRFU-Net	0.57 346	0.27 302	0.57 307	0.46 324	0.30 299	1.20 434	0.52 373	1.10 348	0.56 141	1.00 386	0.98 297	1.06 377	0.79 381	0.81 326	0.71 363	0.21 298	0.19 349	0.18 180	0.16 179	0.18 219	0.19 278

PFNet	0.42 199	0.18 61	0.58 311	0.43 263	0.24 136	0.43 184	0.32 155	0.74 210	0.78 239	1.00 386	0.74 169	0.68 239	0.39 169	0.72 287	0.37 211	0.16 165	0.10 23	0.20 249	0.15 148	0.16 163	0.13 100

GwcNet	0.69 379	0.36 369	1.10 431	0.51 384	0.42 402	1.08 418	0.50 355	1.21 394	1.16 410	1.00 386	1.37 409	1.06 377	0.79 381	0.92 374	0.94 413	0.25 357	0.24 392	0.24 338	0.22 345	0.23 328	0.26 358

stereogan	0.80 403	0.31 341	0.71 371	0.59 426	0.50 431	1.72 469	0.48 346	1.35 437	1.37 442	1.00 386	1.46 428	1.56 448	0.95 420	1.29 436	0.84 385	0.28 383	0.29 423	0.29 395	0.25 382	0.38 420	0.38 427

dad	0.58 353	0.50 419	0.64 336	0.43 263	0.30 299	0.59 270	0.36 220	0.78 232	1.25 430	1.01 391	1.17 375	1.15 401	0.53 239	0.68 267	0.50 292	0.35 430	0.23 384	0.37 428	0.21 327	0.29 372	0.20 300

GANetREF_RVC	0.80 403	0.75 455	0.86 410	0.66 447	0.42 402	1.15 427	0.98 459	1.14 369	1.19 416	1.01 391	1.02 315	1.10 390	0.90 406	1.15 417	0.76 371	0.48 455	0.39 458	0.57 464	0.38 437	0.63 466	0.46 449
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
fast-acv-ft	0.64 369	0.30 336	0.73 379	0.45 303	0.34 355	1.17 430	0.49 352	0.86 256	0.98 350	1.02 393	1.36 406	1.29 411	0.85 396	0.76 307	0.81 381	0.21 298	0.23 384	0.23 323	0.23 358	0.21 290	0.20 300

Wz-Net-SNSev	0.91 426	0.73 453	2.13 481	0.56 415	0.45 418	0.95 391	1.13 470	1.34 434	1.24 425	1.02 393	1.30 399	1.46 436	0.86 398	1.81 469	1.50 457	0.25 357	0.23 384	0.25 351	0.26 393	0.32 392	0.29 380

Wz-Net-LNSev	0.71 385	0.51 422	1.36 463	0.50 368	0.41 396	1.15 427	0.69 422	1.21 394	1.07 395	1.02 393	1.12 352	1.08 384	0.87 401	0.89 362	0.89 407	0.24 347	0.22 374	0.21 290	0.19 282	0.26 355	0.26 358

SACVNet	0.58 353	0.34 358	0.55 297	0.55 412	0.36 365	0.63 295	0.48 346	1.13 360	0.77 232	1.02 393	1.06 335	1.02 367	0.74 363	0.90 364	0.51 302	0.27 375	0.21 368	0.25 351	0.24 373	0.29 372	0.36 416

THIR-Stereo	0.50 293	0.18 61	0.45 190	0.38 112	0.23 108	0.75 342	0.67 412	0.66 143	0.87 294	1.02 393	1.40 415	0.72 260	0.76 368	0.62 208	0.42 239	0.15 119	0.11 96	0.17 137	0.18 254	0.14 80	0.15 166

DRaft	0.49 278	0.17 42	0.47 219	0.37 84	0.25 168	0.58 257	0.40 287	0.65 134	0.85 280	1.02 393	1.75 448	0.50 137	0.82 389	0.63 219	0.40 232	0.13 31	0.11 96	0.16 103	0.16 179	0.14 80	0.15 166

GrayStereo	0.49 278	0.19 88	0.42 156	0.46 324	0.28 259	0.53 228	0.67 412	0.69 171	0.63 160	1.02 393	1.47 429	0.78 292	0.76 368	0.56 140	0.33 148	0.14 64	0.12 150	0.17 137	0.17 227	0.15 125	0.29 380

PWCDC_ROB	0.89 422	0.49 415	0.80 402	0.74 461	0.40 389	1.03 407	0.39 277	1.33 432	2.35 482	1.02 393	3.77 490	0.81 305	0.92 411	1.20 423	0.90 409	0.34 425	0.22 374	0.24 338	0.20 306	0.34 403	0.29 380

FAT-Stereo	0.73 391	0.33 353	0.75 388	0.49 354	0.37 371	0.71 330	0.59 396	1.36 440	1.30 437	1.03 401	1.40 415	1.59 451	1.15 440	0.87 353	0.86 390	0.28 383	0.28 418	0.28 387	0.23 358	0.28 368	0.38 427

GANet	0.70 381	0.37 375	0.55 297	0.51 384	0.34 355	0.94 388	0.96 458	1.08 343	0.94 336	1.04 402	1.98 457	1.13 398	0.88 404	1.12 415	0.66 349	0.25 357	0.26 407	0.27 379	0.22 345	0.31 387	0.22 334

DLCB_ROB	0.58 353	0.28 316	0.47 219	0.49 354	0.32 336	0.77 348	0.50 355	0.99 306	0.92 323	1.04 402	1.14 363	1.21 403	0.69 337	0.88 356	0.69 356	0.20 283	0.20 358	0.22 304	0.22 345	0.21 290	0.18 246

ACVNet-4b	1.35 464	1.31 483	1.10 431	1.90 492	1.59 487	1.92 472	0.77 438	1.52 464	1.62 465	1.05 404	1.60 438	2.11 467	0.94 417	1.64 462	0.77 375	1.30 490	0.35 449	2.03 493	0.67 477	1.88 492	0.84 476

Consistency-Raft	1.01 434	0.81 460	1.24 449	0.84 464	0.97 473	0.81 363	0.84 447	1.30 427	1.59 461	1.05 404	1.68 444	1.12 394	0.91 407	0.92 374	1.11 435	0.65 470	0.74 484	0.79 472	0.90 486	1.06 479	0.79 475

RYNet	0.72 389	0.35 364	0.64 336	0.53 402	0.67 458	1.31 443	0.67 412	1.20 392	1.18 414	1.05 404	0.87 244	1.27 408	0.93 416	0.93 380	1.27 449	0.22 322	0.16 300	0.26 367	0.23 358	0.40 423	0.39 429

DSFCA	0.55 328	0.25 266	0.62 322	0.40 173	0.36 365	0.74 339	0.52 373	1.04 327	0.82 262	1.06 407	0.84 224	0.89 333	0.63 301	0.99 390	0.58 326	0.25 357	0.21 368	0.21 290	0.21 327	0.21 290	0.19 278

PDISCO_ROB	0.91 426	0.48 412	1.06 427	0.99 470	0.97 473	1.67 467	0.63 405	1.64 471	1.59 461	1.06 407	1.18 377	1.31 414	0.79 381	1.55 453	0.97 419	0.49 457	0.22 374	0.45 446	0.40 444	0.45 438	0.37 421

SGM-Forest	0.62 366	0.32 345	0.39 117	0.43 263	0.30 299	1.02 404	0.55 385	1.09 347	1.05 382	1.06 407	1.18 377	1.10 390	0.67 327	0.88 356	0.62 338	0.31 400	0.33 445	0.33 414	0.30 411	0.30 381	0.28 374
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ISRNet	0.56 339	0.24 243	0.66 348	0.56 415	0.36 365	0.44 189	0.25 53	0.82 243	0.84 272	1.07 410	1.25 390	0.91 339	0.60 283	0.66 246	0.58 326	0.35 430	0.26 407	0.36 423	0.33 427	0.30 381	0.42 437

anonymity	0.97 431	0.89 466	1.05 426	0.92 468	1.03 479	0.97 395	0.81 443	1.29 424	0.91 318	1.07 410	0.98 297	1.00 359	0.95 420	1.02 399	0.92 412	0.96 480	0.95 499	0.90 475	0.91 489	0.92 473	0.94 481

PSM-AAD	0.48 261	0.20 119	0.37 88	0.43 263	0.23 108	0.56 250	0.50 355	0.65 134	0.70 189	1.07 410	1.12 352	0.58 172	0.92 411	0.61 200	0.32 136	0.15 119	0.11 96	0.25 351	0.26 393	0.18 219	0.43 443

RGC	0.79 402	0.59 439	0.71 371	0.65 444	0.65 457	0.92 387	0.58 394	1.29 424	1.05 382	1.07 410	1.45 426	1.47 439	1.03 429	1.21 427	0.88 397	0.32 411	0.30 427	0.48 454	0.40 444	0.37 416	0.37 421

otaku	1.04 439	0.93 468	0.88 412	1.33 483	1.05 481	1.66 465	0.70 427	1.40 447	1.18 414	1.08 414	1.32 402	1.33 422	0.91 407	1.23 429	0.76 371	0.72 473	0.46 472	1.24 481	0.50 467	1.40 482	0.75 471

SST-Stereo	0.40 181	0.19 88	0.45 190	0.42 244	0.25 168	0.25 25	0.21 15	0.66 143	0.47 111	1.08 414	0.79 199	0.72 260	0.43 188	0.77 314	0.35 180	0.16 165	0.11 96	0.20 249	0.16 179	0.19 253	0.15 166

FTStereo	0.56 339	0.20 119	0.37 88	0.41 204	0.25 168	0.40 160	0.79 441	0.66 143	0.43 91	1.09 416	3.27 484	0.70 247	0.73 361	0.55 130	0.33 148	0.14 64	0.13 209	0.19 220	0.17 227	0.15 125	0.30 387

SuperB	1.04 439	0.37 375	4.81 498	0.43 263	0.31 320	0.99 400	0.46 331	1.02 320	2.09 475	1.09 416	1.09 345	0.75 279	0.81 385	1.06 404	1.76 463	0.19 260	0.15 269	0.17 137	0.15 148	2.82 505	0.26 358

DPSNet	0.99 433	0.42 399	1.88 478	0.53 402	0.41 396	1.59 461	1.26 479	2.21 484	1.43 448	1.10 418	1.11 348	1.46 436	1.95 481	1.34 442	1.26 447	0.34 425	0.25 400	0.25 351	0.21 327	0.46 441	0.37 421

StereoDRNet	0.64 369	0.33 353	0.68 356	0.51 384	0.43 407	1.03 407	0.53 377	1.47 454	0.99 355	1.10 418	0.87 244	1.07 382	0.71 354	0.82 329	0.88 397	0.23 336	0.19 349	0.25 351	0.23 358	0.27 365	0.19 278

DCVSM-stereo	0.49 278	0.27 302	0.53 288	0.39 140	0.29 285	0.51 218	0.26 62	0.75 216	0.75 217	1.11 420	0.75 171	1.05 375	0.72 358	0.60 192	0.47 285	0.20 283	0.19 349	0.24 338	0.20 306	0.25 349	0.30 387

ccnet	0.82 407	0.57 437	0.75 388	0.54 408	0.59 453	1.09 419	0.66 410	1.38 443	0.94 336	1.12 421	1.44 423	1.29 411	0.92 411	0.95 389	1.24 445	0.49 457	0.42 463	0.50 459	0.47 460	0.51 449	0.46 449

StereoDRNet-Refined	0.58 353	0.32 345	0.54 292	0.46 324	0.30 299	0.96 394	0.40 287	1.00 310	0.94 336	1.12 421	1.08 341	0.96 350	0.67 327	0.90 364	0.89 407	0.17 201	0.13 209	0.22 304	0.21 327	0.20 269	0.19 278
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.66 373	0.32 345	0.66 348	0.50 368	0.39 384	1.15 427	0.61 403	1.49 457	1.01 365	1.12 421	1.08 341	1.06 377	0.69 337	0.77 314	0.94 413	0.23 336	0.17 319	0.26 367	0.25 382	0.25 349	0.21 318

XQC	0.89 422	0.65 448	1.31 455	0.67 450	0.52 438	1.22 436	0.68 417	1.26 419	1.52 455	1.14 424	1.11 348	1.28 410	1.04 431	1.40 450	1.77 464	0.38 438	0.24 392	0.37 428	0.31 418	0.53 454	0.47 454

ADCP+	1.06 443	0.35 364	1.51 470	0.49 354	0.51 434	1.45 453	0.55 385	1.25 417	1.03 373	1.16 425	1.15 368	1.10 390	1.07 434	1.56 455	6.75 503	0.19 260	0.16 300	0.23 323	0.21 327	0.28 368	0.21 318

ADCRef	0.80 403	0.43 401	1.32 457	0.50 368	0.45 418	1.07 414	0.51 370	1.07 339	0.98 350	1.17 426	1.42 418	0.87 324	0.91 407	0.85 349	3.19 484	0.18 230	0.16 300	0.23 323	0.23 358	0.22 311	0.21 318

CBMV	0.64 369	0.35 364	0.41 135	0.42 244	0.25 168	1.01 402	0.77 438	1.13 360	1.09 400	1.17 426	1.22 383	1.04 371	0.75 365	0.88 356	0.63 341	0.28 383	0.30 427	0.34 416	0.30 411	0.26 355	0.26 358
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RAFT-RH_RVC	0.56 339	0.17 42	0.41 135	0.37 84	0.23 108	0.57 255	0.24 46	0.60 101	0.70 189	1.19 428	3.94 495	0.56 159	0.38 158	0.65 238	0.36 196	0.13 31	0.11 96	0.20 249	0.14 123	0.12 17	0.13 100

PASM	0.90 425	0.64 447	1.69 472	0.69 456	0.69 461	0.78 352	0.84 447	1.03 324	1.26 433	1.19 428	1.15 368	1.31 414	0.98 424	1.24 430	1.03 427	0.52 461	0.56 476	0.59 467	0.66 476	0.56 458	0.54 465

ETE_ROB	0.70 381	0.49 415	0.73 379	0.56 415	0.36 365	0.79 355	0.87 451	1.14 369	0.93 329	1.19 428	1.18 377	1.39 431	0.82 389	0.99 390	0.80 378	0.26 367	0.21 368	0.31 404	0.26 393	0.33 397	0.34 409

RainbowNet	1.35 464	1.49 487	1.19 444	1.88 491	1.45 485	1.48 454	1.07 467	1.61 469	1.55 458	1.20 431	1.59 437	1.54 446	1.13 438	1.34 442	0.97 419	1.36 493	0.70 481	1.82 487	0.79 482	1.71 486	1.07 490

DANet	0.71 385	0.45 409	0.91 414	0.59 426	0.40 389	0.81 363	0.40 287	0.97 301	0.84 272	1.20 431	1.22 383	1.33 422	0.88 404	1.16 418	1.24 445	0.27 375	0.23 384	0.31 404	0.25 382	0.35 407	0.32 398
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-TNSev	1.14 449	1.06 477	4.32 497	0.49 354	0.42 402	1.51 456	1.11 469	1.48 455	1.40 447	1.22 433	1.26 392	1.58 450	1.43 460	1.76 467	1.70 460	0.32 411	0.31 436	0.26 367	0.30 411	0.41 429	0.41 436

ADCPNet	1.03 438	0.48 412	2.70 486	0.54 408	0.42 402	1.40 447	0.75 436	1.13 360	1.07 395	1.22 433	1.42 418	1.68 453	1.09 435	1.36 447	3.45 488	0.30 397	0.28 418	0.29 395	0.32 424	0.37 416	0.35 414

LALA_ROB	0.74 392	0.43 401	0.69 362	0.54 408	0.40 389	1.01 402	0.95 457	1.21 394	1.07 395	1.22 433	1.12 352	1.56 448	0.79 381	1.04 403	0.86 390	0.33 419	0.22 374	0.35 418	0.30 411	0.35 407	0.31 394

NaN_ROB	0.69 379	0.44 405	0.69 362	0.51 384	0.33 346	0.97 395	1.06 465	1.22 402	1.19 416	1.24 436	0.96 283	1.08 384	0.78 379	1.20 423	0.67 352	0.24 347	0.30 427	0.23 323	0.24 373	0.23 328	0.25 353

Wz-Net-MNSev	0.76 394	0.40 393	1.34 458	0.50 368	0.40 389	1.44 452	0.83 444	1.15 372	1.16 410	1.25 437	1.20 382	1.13 398	0.81 385	1.16 418	1.00 426	0.22 322	0.19 349	0.24 338	0.23 358	0.28 368	0.26 358

edge stereo	0.76 394	0.38 385	0.74 384	0.52 396	0.43 407	0.80 358	0.53 377	1.28 423	1.06 389	1.28 438	1.38 414	1.81 456	1.11 437	1.08 409	0.85 389	0.33 419	0.32 439	0.41 440	0.28 404	0.32 392	0.36 416

ADCL	1.04 439	0.38 385	1.35 459	0.50 368	0.39 384	1.61 462	0.89 452	1.29 424	1.39 445	1.29 439	1.50 430	1.24 406	1.24 449	1.37 448	4.87 496	0.21 298	0.19 349	0.25 351	0.25 382	0.29 372	0.27 367

MADNet+	2.23 489	2.43 504	10.85 505	1.22 480	0.91 469	2.76 485	1.40 487	2.12 483	1.67 467	1.32 440	1.74 447	1.86 461	1.74 473	6.25 505	4.41 494	0.65 470	0.64 479	0.58 466	0.54 471	0.80 470	0.76 472

CSAN	0.83 414	0.49 415	0.77 398	0.60 431	0.41 396	1.14 425	1.06 465	1.19 388	1.46 452	1.32 440	1.43 421	1.37 429	1.19 446	1.27 435	0.86 390	0.39 440	0.31 436	0.36 423	0.37 434	0.35 407	0.34 409

FBW_ROB	0.88 420	0.50 419	0.85 405	0.55 412	0.40 389	1.17 430	0.78 440	1.50 458	1.37 442	1.33 442	1.27 393	1.48 440	1.00 427	2.57 490	0.98 422	0.25 357	0.32 439	0.45 446	0.30 411	0.34 403	0.28 374

XPNet_ROB	0.70 381	0.35 364	0.68 356	0.52 396	0.40 389	0.79 355	0.85 450	1.16 378	0.94 336	1.33 442	1.15 368	1.38 430	0.83 393	1.03 401	0.90 409	0.32 411	0.25 400	0.26 367	0.24 373	0.31 387	0.28 374

MFN_U_SF_DS_RVC	1.02 437	0.57 437	1.51 470	0.67 450	0.50 431	2.57 481	1.66 494	1.20 392	1.43 448	1.38 444	1.57 436	1.33 422	0.92 411	1.64 462	0.88 397	0.37 437	0.39 458	0.46 449	0.60 474	0.41 429	0.40 432

ACVNet_1	1.46 469	1.33 484	1.12 434	1.91 493	1.62 488	1.83 471	0.98 459	2.00 481	1.85 471	1.39 445	1.53 433	2.32 471	1.53 462	1.34 442	1.11 435	1.30 490	0.50 474	2.06 495	0.58 473	1.93 494	0.95 483

psmorigin	0.82 407	0.51 422	2.09 480	0.49 354	0.41 396	0.85 377	0.50 355	1.04 327	0.88 298	1.45 446	1.43 421	1.50 442	1.06 432	1.22 428	0.97 419	0.31 400	0.32 439	0.27 379	0.27 399	0.33 397	0.42 437

AnyNet_C32	1.16 453	0.62 446	2.40 484	0.57 421	0.55 444	1.41 449	1.34 484	1.18 386	1.24 425	1.49 447	1.42 418	1.39 431	1.20 448	1.55 453	4.82 495	0.29 390	0.28 418	0.29 395	0.34 429	0.38 420	0.42 437

test_sample8	1.25 459	0.36 369	0.72 376	0.38 112	0.30 299	0.71 330	0.43 315	1.13 360	0.75 217	1.50 448	0.95 279	3.29 487	1.59 467	1.20 423	1.36 452	0.41 445	8.41 513	0.40 436	0.41 449	0.36 411	0.33 402

SAMSARA	1.07 445	0.65 448	1.19 444	1.06 476	0.90 467	1.76 470	1.76 498	1.46 453	1.44 450	1.51 449	1.16 373	2.00 465	1.14 439	1.48 451	1.31 451	0.39 440	0.44 469	0.35 418	0.38 437	0.49 446	0.49 460

RTSC	0.87 418	0.48 412	1.23 448	0.52 396	0.37 371	1.13 424	0.50 355	1.34 434	1.79 469	1.51 449	1.24 388	1.12 394	0.81 385	1.62 459	2.16 473	0.25 357	0.19 349	0.23 323	0.24 373	0.30 381	0.31 394

WZ-Net	1.19 455	0.59 439	4.07 495	0.62 437	0.51 434	1.34 444	1.31 483	1.32 430	1.74 468	1.53 451	1.65 439	1.74 455	1.28 453	2.25 484	2.01 470	0.27 375	0.21 368	0.23 323	0.25 382	0.40 423	0.39 429

SHD	0.93 429	0.50 419	1.18 443	0.59 426	0.46 425	0.97 395	0.48 346	1.70 474	2.15 476	1.58 452	1.37 409	1.42 434	1.19 446	1.31 438	1.60 458	0.31 400	0.26 407	0.32 409	0.33 427	0.40 423	0.42 437

SANet	1.07 445	0.41 397	1.06 427	0.48 339	0.30 299	1.41 449	0.94 456	1.42 449	3.36 493	1.58 452	2.43 467	2.33 472	1.70 472	1.34 442	1.07 432	0.28 383	0.24 392	0.26 367	0.23 358	0.34 403	0.30 387

NVStereoNet_ROB	1.24 458	0.90 467	1.13 435	0.86 465	0.88 466	1.11 420	0.99 461	1.42 449	1.53 456	1.59 454	2.48 468	2.24 469	1.53 462	1.96 477	1.30 450	0.76 475	0.70 481	0.78 471	1.00 491	0.71 469	0.88 479
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFN_U_SF_RVC	1.09 447	0.59 439	1.97 479	0.67 450	0.44 414	1.93 473	0.60 398	1.85 477	1.36 440	1.61 455	1.54 434	1.95 464	1.37 456	1.64 462	1.73 461	0.40 444	0.37 452	0.45 446	0.48 462	0.44 434	0.44 444

MSC_U_SF_DS_RVC	1.34 462	0.87 465	1.76 475	0.86 465	0.56 447	4.29 501	1.79 499	1.50 458	1.98 473	1.61 455	1.85 452	1.84 458	1.41 458	1.89 472	1.36 452	0.48 455	0.40 460	0.56 463	0.57 472	0.69 468	0.48 457

PWC_ROB	0.87 418	0.52 429	1.28 452	0.50 368	0.32 336	0.91 383	0.37 234	1.36 440	1.46 452	1.61 455	2.59 473	1.16 402	1.01 428	1.34 442	1.40 456	0.25 357	0.18 335	0.28 387	0.20 306	0.29 372	0.28 374

AnyNet_C01	1.56 472	1.05 476	7.45 502	0.64 439	0.54 442	1.99 474	1.38 486	1.43 451	1.36 440	1.63 458	1.92 454	1.84 458	1.33 455	2.40 486	4.03 490	0.33 419	0.32 439	0.32 409	0.34 429	0.44 434	0.45 448

IMH-64-1	1.86 479	1.62 492	1.16 437	2.20 496	1.89 496	2.33 478	1.30 480	2.89 489	2.29 479	1.66 459	2.80 478	2.49 474	1.61 468	2.10 480	1.78 465	1.60 495	0.74 484	2.43 499	1.02 492	2.12 495	1.17 494

IMH-64	1.86 479	1.62 492	1.16 437	2.20 496	1.89 496	2.33 478	1.30 480	2.89 489	2.29 479	1.66 459	2.80 478	2.49 474	1.61 468	2.10 480	1.78 465	1.60 495	0.74 484	2.43 499	1.02 492	2.12 495	1.17 494

pmcnn	1.23 457	0.29 328	0.96 418	0.40 173	0.23 108	0.95 391	0.69 422	1.16 378	1.28 435	1.67 461	2.33 463	11.15 513	0.86 398	0.93 380	0.88 397	0.15 119	0.12 150	0.12 4	0.10 25	0.15 125	0.15 166

MFMNet_re	1.14 449	0.97 474	1.19 444	0.99 470	0.95 471	1.25 440	1.22 476	1.39 444	1.55 458	1.69 462	1.67 443	1.21 403	1.53 462	1.12 415	0.99 423	0.87 479	0.75 488	0.79 472	0.75 480	0.90 471	0.94 481

G-Net	0.95 430	0.46 411	1.04 425	0.64 439	0.48 427	2.12 476	0.64 408	1.01 317	0.87 294	1.75 463	2.82 480	1.30 413	1.64 471	1.06 404	0.96 418	0.36 434	0.29 423	0.35 418	0.25 382	0.45 438	0.42 437

ACVNet_2	1.65 477	1.27 482	1.41 466	1.75 488	1.62 488	2.22 477	1.20 473	2.30 485	2.62 484	1.78 464	2.56 470	3.03 480	1.61 468	1.54 452	1.12 439	1.06 485	0.58 478	1.82 487	0.70 479	1.82 488	0.96 484

IMH	2.04 486	1.62 492	1.20 447	2.20 496	1.89 496	2.91 493	1.30 480	3.11 492	3.03 489	1.81 465	3.35 488	3.03 480	1.90 478	2.48 487	1.80 467	1.66 498	0.77 490	2.45 501	1.04 495	2.15 497	1.19 497

DispFullNet	1.60 474	2.63 508	2.75 487	2.56 503	1.79 494	1.24 439	0.47 338	1.37 442	1.45 451	1.87 466	1.50 430	1.55 447	2.46 487	2.04 479	1.04 430	0.59 468	0.18 335	2.32 498	0.68 478	2.29 498	1.14 491

RTS	1.98 483	0.96 471	11.36 506	0.65 444	0.57 450	2.77 486	1.40 487	1.39 444	2.26 477	1.89 467	2.56 470	1.32 419	1.25 450	5.20 503	4.05 491	0.31 400	0.22 374	0.29 395	0.29 409	0.40 423	0.37 421

RTSA	1.98 483	0.96 471	11.36 506	0.65 444	0.57 450	2.77 486	1.40 487	1.39 444	2.26 477	1.89 467	2.56 470	1.32 419	1.25 450	5.20 503	4.05 491	0.31 400	0.22 374	0.29 395	0.29 409	0.40 423	0.37 421

LVE	2.12 488	1.44 486	1.36 463	1.99 494	1.78 493	2.75 484	1.79 499	2.82 488	3.95 498	1.90 469	4.33 500	3.52 490	1.81 474	2.24 483	1.74 462	1.74 499	0.87 493	2.06 495	1.13 497	1.91 493	1.35 499

ADCS	1.51 471	0.61 443	3.42 490	0.59 426	0.51 434	1.27 441	1.08 468	1.59 467	1.81 470	1.91 470	1.66 441	1.51 445	1.42 459	1.94 476	8.60 505	0.33 419	0.32 439	0.33 414	0.36 433	0.44 434	0.42 437

WAO-6	2.04 486	1.50 488	1.16 437	1.70 487	1.67 492	2.69 482	1.44 490	3.06 491	3.63 496	1.98 471	3.27 484	3.54 491	2.07 484	2.36 485	2.22 476	1.31 492	0.91 494	2.04 494	1.22 501	1.73 487	1.27 498

LSM	4.74 505	0.77 457	10.16 504	0.70 457	56.56 525	1.02 404	1.00 463	1.24 413	1.62 465	2.04 472	2.34 464	1.33 422	1.17 443	1.38 449	1.09 434	0.33 419	0.49 473	0.39 433	0.46 455	0.51 449	10.09 514

Dean	1.98 483	1.36 485	1.36 463	2.12 495	1.81 495	2.74 483	1.36 485	3.37 498	3.80 497	2.08 473	3.32 486	3.21 485	1.82 475	1.71 466	1.67 459	1.27 487	0.77 490	1.99 489	0.90 486	1.86 489	1.03 489

SPS-STEREO	1.25 459	0.93 468	1.06 427	1.04 475	1.03 479	1.41 449	0.91 455	1.51 461	1.19 416	2.09 474	1.83 450	1.94 463	1.39 457	1.62 459	1.39 455	0.97 482	0.94 498	0.90 475	0.89 485	0.96 476	0.96 484
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
JetBlue	2.78 492	1.26 481	7.04 501	1.16 478	1.48 486	8.00 509	6.02 510	2.60 487	1.92 472	2.12 475	2.64 474	3.34 488	3.05 497	6.49 506	3.39 486	0.78 476	0.76 489	0.75 469	0.76 481	0.97 477	1.18 496

ADCMid	1.14 449	0.52 429	2.23 483	0.53 402	0.43 407	1.07 414	0.75 436	1.23 406	1.05 382	2.15 476	1.44 423	1.50 442	1.43 460	1.56 455	5.01 497	0.26 367	0.24 392	0.29 395	0.31 418	0.37 416	0.33 402

PVD	1.28 461	0.67 450	1.28 452	0.74 461	0.62 455	1.50 455	0.84 447	1.99 480	2.96 488	2.18 477	2.36 466	1.85 460	1.95 481	1.92 474	1.94 468	0.39 440	0.36 451	0.49 457	0.37 434	0.51 449	0.64 468

WAO-7	1.90 481	1.20 479	1.35 459	1.27 481	1.06 482	2.84 488	1.56 493	3.23 494	3.06 491	2.23 478	3.33 487	3.17 484	2.28 486	3.12 491	2.21 474	1.02 484	0.91 494	1.06 479	1.03 494	1.04 478	0.97 487

SGM_RVC	0.97 431	0.28 316	0.41 135	0.39 140	0.22 70	1.55 458	0.73 434	1.51 461	1.25 430	2.25 479	1.92 454	2.58 476	1.56 465	2.02 478	1.19 443	0.27 375	0.27 414	0.27 379	0.25 382	0.25 349	0.25 353
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
TorneroNet-64	3.44 496	1.86 496	1.42 467	2.58 504	2.28 502	6.87 506	1.68 495	4.70 506	12.03 506	2.31 480	5.59 507	8.25 508	2.55 490	3.97 500	2.73 481	1.81 500	0.74 484	2.57 503	1.07 496	2.35 499	1.44 500

PWCK	1.92 482	1.66 495	3.12 489	1.65 486	0.91 469	2.84 488	2.26 504	2.10 482	2.41 483	2.36 481	2.31 462	2.22 468	1.82 475	3.43 494	2.03 471	1.61 497	0.71 483	1.51 483	0.82 484	1.69 485	0.91 480

aanetorigin	0.83 414	0.56 435	1.87 477	0.49 354	0.38 380	0.56 250	0.66 410	0.70 185	1.00 361	2.42 482	2.02 458	1.31 414	1.18 444	0.93 380	1.13 440	0.20 283	0.18 335	0.20 249	0.19 282	0.27 365	0.30 387

MSMD_ROB	1.21 456	0.49 415	0.62 322	0.59 426	0.50 431	1.62 464	0.67 412	1.23 406	1.24 425	2.45 483	3.77 490	3.09 483	2.98 496	1.32 439	0.81 381	0.45 450	0.41 461	0.49 457	0.51 469	0.47 443	0.44 444

KSHMR	2.57 490	1.93 498	1.69 472	2.63 505	2.42 504	2.86 490	2.07 502	3.27 496	6.50 502	2.49 484	3.36 489	3.41 489	1.92 479	2.49 488	1.94 468	2.13 504	1.40 504	2.79 508	1.50 504	2.73 503	1.77 502

SGM+DAISY	1.35 464	0.94 470	1.25 450	0.96 469	1.00 477	1.52 457	1.02 464	1.34 434	1.21 420	2.64 485	2.65 475	2.44 473	1.56 465	1.64 462	1.26 447	0.97 482	0.95 499	0.90 475	0.90 486	0.94 474	0.96 484

tt	6.20 507	0.20 119	5.89 499	3.55 511	2.07 499	11.26 512	19.21 513	11.74 514	5.46 500	2.69 486	2.04 460	4.87 499	6.25 507	3.70 498	7.09 504	8.32 515	11.17 520	4.93 512	5.41 514	5.74 513	2.37 507

ktn	2.98 495	2.25 502	1.73 474	2.84 506	2.53 507	3.76 500	2.15 503	3.70 500	5.47 501	2.75 487	5.17 506	5.94 503	2.48 488	3.23 492	2.46 480	2.34 508	1.44 505	2.78 507	2.03 507	2.45 501	2.01 505

notaker	2.76 491	2.29 503	1.80 476	2.96 507	2.58 508	2.90 492	1.75 497	3.24 495	3.05 490	2.78 488	4.24 499	6.15 505	2.51 489	3.34 493	2.75 482	2.31 506	1.18 502	3.00 509	1.65 505	2.84 506	1.97 503

MDST_ROB	0.91 426	0.27 302	0.85 405	0.63 438	0.41 396	2.53 480	0.71 432	1.60 468	1.13 406	2.83 489	1.73 445	0.97 352	0.69 337	1.61 458	0.73 366	0.25 357	0.22 374	0.32 409	0.28 404	0.25 349	0.24 346

WAO-8	2.92 493	1.55 490	1.35 459	1.79 489	1.63 490	5.23 503	1.22 476	4.58 504	12.56 509	2.84 490	4.07 498	4.83 496	2.72 493	3.49 495	2.25 477	1.27 487	0.91 494	1.99 489	1.15 499	1.86 489	1.15 492

Venus	2.92 493	1.55 490	1.35 459	1.79 489	1.63 490	5.23 503	1.22 476	4.58 504	12.56 509	2.84 490	4.06 497	4.83 496	2.72 493	3.49 495	2.25 477	1.27 487	0.91 494	1.99 489	1.15 499	1.86 489	1.15 492

WCMA_ROB	1.14 449	0.36 369	0.76 393	0.49 354	0.44 414	1.23 438	0.67 412	1.11 353	1.23 423	2.84 490	3.95 496	3.28 486	1.83 477	1.25 431	0.99 423	0.44 449	0.34 447	0.34 416	0.37 434	0.41 429	0.40 432

TorneroNet	4.53 504	1.89 497	1.48 469	2.55 502	2.27 501	13.78 514	1.69 496	4.84 508	23.73 523	2.89 493	7.70 510	7.06 507	2.69 492	4.26 502	3.42 487	1.84 501	0.77 490	2.68 505	1.13 497	2.42 500	1.47 501

UNDER WATER	3.46 497	2.07 501	3.64 493	3.09 508	2.48 505	3.75 499	2.42 506	3.31 497	13.77 511	2.90 494	2.95 481	5.84 501	3.69 502	3.69 497	3.48 489	2.07 503	1.11 501	2.70 506	1.40 502	2.84 506	1.98 504

UNDER WATER-64	3.53 498	2.01 499	3.94 494	3.22 510	2.49 506	5.41 505	2.60 507	3.43 499	12.41 508	3.03 495	2.68 476	6.07 504	4.04 503	3.79 499	3.33 485	2.02 502	1.24 503	2.63 504	1.46 503	2.78 504	2.08 506

EDNetEfficientorigin	9.93 510	1.15 478	175.16 529	0.48 339	0.36 365	1.04 411	0.68 417	1.24 413	2.69 486	3.17 496	2.50 469	2.30 470	2.07 484	1.76 467	2.21 474	0.20 283	0.18 335	0.24 338	0.19 282	0.51 449	0.50 461

FCDSN-DC	1.39 467	0.56 435	0.65 342	0.74 461	0.59 453	1.38 446	0.63 405	1.35 437	1.39 445	3.26 497	4.50 501	4.61 493	2.63 491	1.58 457	1.03 427	0.46 451	0.42 463	0.48 454	0.47 460	0.50 448	0.50 461
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ELAS_RVC	1.60 474	0.61 443	1.01 424	0.70 457	0.56 447	2.00 475	1.89 501	1.96 479	2.65 485	3.33 498	3.26 483	3.03 480	3.41 501	2.49 488	2.09 472	0.52 461	0.45 470	0.50 459	0.48 462	0.54 456	0.52 463
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	1.46 469	0.80 459	6.12 500	0.47 333	0.39 384	0.69 320	0.83 444	0.90 275	2.77 487	3.50 499	1.96 456	1.66 452	2.03 483	1.26 432	4.18 493	0.21 298	0.18 335	0.21 290	0.20 306	0.41 429	0.39 429

ELAS	1.63 476	0.61 443	0.95 416	0.68 454	0.55 444	3.01 494	1.55 492	2.39 486	2.33 481	3.64 500	3.89 494	2.75 478	2.90 495	2.15 482	2.27 479	0.52 461	0.45 470	0.50 459	0.48 462	0.54 456	0.52 463
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetRed	5.27 506	5.84 512	12.81 509	2.36 500	2.83 509	12.23 513	10.50 512	4.46 503	3.60 494	3.86 501	3.83 492	4.85 498	4.18 504	6.78 507	11.96 508	2.17 505	2.96 510	2.18 497	1.97 506	3.38 509	2.68 509

MADNet++	4.03 500	2.70 509	3.44 492	3.72 512	3.44 511	4.44 502	3.52 508	3.95 502	3.61 495	4.46 502	4.98 505	4.10 492	4.58 505	7.00 508	5.89 499	3.74 509	3.67 511	3.27 511	2.71 510	3.70 511	3.66 511

MeshStereo	1.34 462	0.43 401	0.54 292	0.44 281	0.34 355	1.66 465	0.60 398	1.94 478	1.37 442	4.47 503	3.25 482	4.71 495	1.94 480	1.92 474	1.17 441	0.35 430	0.35 449	0.37 428	0.31 418	0.32 392	0.32 398
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
FC-DCNN	1.59 473	0.51 422	0.66 348	0.61 433	0.49 429	1.56 459	0.70 427	1.66 472	1.53 456	4.64 504	4.62 502	5.85 502	3.34 500	1.84 471	1.11 435	0.46 451	0.42 463	0.47 450	0.46 455	0.48 444	0.46 449

DPSimNet_ROB	3.58 499	2.45 505	8.57 503	2.53 501	2.37 503	2.88 491	3.77 509	3.14 493	3.23 492	4.71 505	3.86 493	4.68 494	4.87 506	4.07 501	5.62 498	2.33 507	2.33 508	2.47 502	2.52 508	2.51 502	2.64 508

FC-DCNN v2	1.65 477	0.51 422	0.65 342	0.61 433	0.49 429	1.61 462	0.70 427	1.75 476	1.56 460	4.74 506	4.91 504	6.46 506	3.31 498	1.91 473	1.11 435	0.46 451	0.42 463	0.47 450	0.46 455	0.48 444	0.46 449

DGTPSM_ROB	12.07 512	8.00 513	20.99 511	8.93 515	16.78 514	10.67 510	30.87 518	9.01 511	15.16 513	6.50 507	15.41 519	9.04 510	14.85 512	9.25 510	21.67 516	4.57 512	8.57 515	5.08 513	9.28 515	5.90 514	10.95 515

DPSMNet_ROB	12.08 513	8.00 513	21.00 512	8.97 516	16.79 515	10.67 510	30.89 519	9.02 512	15.17 514	6.51 508	15.41 519	9.04 510	14.85 512	9.27 511	21.67 516	4.58 513	8.57 515	5.09 514	9.29 516	5.90 514	10.95 515

MANE	4.13 502	0.51 422	0.64 336	0.66 447	0.56 447	6.89 507	0.99 461	7.55 509	12.04 507	6.68 509	8.57 511	10.69 512	9.45 509	7.59 509	6.39 501	0.49 457	0.43 467	0.48 454	0.98 490	0.49 446	0.48 457

ASD4	9.96 511	8.86 515	17.78 510	7.17 513	9.80 512	16.08 515	28.92 517	9.77 513	8.20 505	7.02 510	7.08 509	8.47 509	9.57 510	11.17 513	20.26 514	4.12 510	4.14 512	5.57 515	4.74 512	5.53 512	4.90 513

SGM-ForestM	4.04 501	0.32 345	0.46 207	0.43 263	0.27 236	7.50 508	1.45 491	3.84 501	4.24 499	8.19 511	6.76 508	19.00 519	9.08 508	10.74 512	6.62 502	0.31 400	0.33 445	0.32 409	0.32 424	0.29 372	0.29 380

coex-ft	6.43 508	1.51 489	87.33 528	0.49 354	0.38 380	1.34 444	1.21 475	1.16 378	8.09 504	12.12 512	2.79 477	2.77 479	3.31 498	1.16 418	3.15 483	0.24 347	0.23 384	0.27 379	0.24 373	0.45 438	0.37 421

Anonymous_1	33.25 520	18.26 516	23.92 514	20.54 517	21.28 518	25.59 517	35.94 520	22.01 524	15.57 515	13.33 513	13.49 516	18.08 518	15.29 514	20.36 515	24.60 518	16.28 523	8.84 517	66.59 527	118.00 527	155.73 530	11.23 517

DPSM_ROB	17.78 515	18.63 517	24.31 518	20.90 518	19.47 516	25.97 518	36.21 521	21.23 522	16.24 516	13.38 514	14.06 517	19.18 520	16.30 515	20.78 516	25.67 519	9.38 517	9.23 518	9.49 517	9.82 517	13.51 517	11.91 518

DPSM	17.78 515	18.63 517	24.31 518	20.90 518	19.47 516	25.97 518	36.21 521	21.23 522	16.24 516	13.38 514	14.06 517	19.18 520	16.30 515	20.78 516	25.67 519	9.38 517	9.23 518	9.49 517	9.82 517	13.51 517	11.91 518

HanzoNet	6.76 509	2.45 505	4.22 496	3.19 509	2.94 510	3.62 498	2.28 505	4.79 507	7.20 503	14.00 516	13.19 515	17.49 517	22.30 521	13.25 514	6.19 500	4.20 511	1.93 507	3.10 510	2.56 509	3.35 508	2.88 510

xxxxx1	36.64 523	19.51 519	24.21 515	61.66 527	64.63 527	27.28 521	40.10 523	20.25 517	18.63 519	14.07 517	12.97 512	17.26 514	17.36 517	21.70 519	27.93 521	13.18 520	18.50 523	111.26 528	133.37 528	29.24 522	39.73 524

tt_ll	36.64 523	19.51 519	24.21 515	61.66 527	64.63 527	27.28 521	40.10 523	20.25 517	18.63 519	14.07 517	12.97 512	17.26 514	17.36 517	21.70 519	27.93 521	13.18 520	18.50 523	111.26 528	133.37 528	29.24 522	39.73 524

ff	36.64 523	19.51 519	24.21 515	61.66 527	64.63 527	27.28 521	40.10 523	20.25 517	18.63 519	14.07 517	12.97 512	17.26 514	17.36 517	21.70 519	27.93 521	13.18 520	18.50 523	111.26 528	133.37 528	29.24 522	39.73 524

LE_ROB	4.42 503	0.24 243	2.75 487	0.42 244	0.23 108	1.57 460	0.90 454	1.71 475	17.88 518	16.56 520	4.88 503	5.17 500	18.85 520	1.63 461	14.62 511	0.17 201	0.14 240	0.16 103	0.16 179	0.19 253	0.17 229

LRCNet_RVC	21.24 518	31.15 523	21.41 513	28.98 521	23.82 519	3.13 495	0.60 398	20.96 521	1.59 461	25.58 521	28.15 523	21.99 522	14.79 511	21.94 522	16.41 512	28.89 527	14.87 521	33.53 523	31.28 523	29.51 525	26.16 522

CasAABBNet	35.74 521	37.43 526	48.72 525	42.22 524	39.20 523	52.24 526	73.12 528	42.61 527	32.62 526	26.78 522	27.95 521	38.58 526	32.60 525	41.67 527	51.65 528	18.74 524	18.57 526	19.15 520	19.77 521	27.20 519	23.98 520

Selective-RAFT-Error	35.84 522	37.49 527	48.83 526	42.26 525	39.24 524	52.30 527	73.09 527	42.66 528	32.61 525	26.80 523	28.30 524	38.84 528	33.51 527	41.68 528	51.59 527	18.82 525	18.58 527	19.17 521	19.80 522	27.28 520	24.05 521

LSM0	38.95 528	37.60 528	48.58 524	43.57 526	91.06 530	52.57 528	72.57 526	43.17 529	32.63 527	26.97 524	27.97 522	38.65 527	32.94 526	41.86 529	51.78 529	18.89 526	18.41 522	19.13 519	19.63 520	27.29 521	33.77 523

BEATNet-Init1	15.13 514	0.82 463	50.86 527	0.72 460	0.53 439	38.10 525	7.03 511	11.83 515	14.25 512	29.78 525	30.17 525	48.21 529	22.64 522	26.78 523	18.11 513	0.42 448	0.38 454	0.47 450	0.46 455	0.51 449	0.48 457

HaxPig	31.96 519	37.24 525	34.27 520	24.37 520	24.88 520	18.26 516	19.86 514	20.64 520	28.52 524	35.97 526	38.75 526	25.57 523	28.72 524	33.88 524	34.39 524	35.94 528	38.87 528	37.80 524	40.48 524	39.68 526	41.15 527

AVERAGE_ROB	37.58 527	40.13 529	40.15 522	34.81 523	33.82 522	28.55 524	25.10 516	32.02 526	34.06 529	41.28 527	40.66 527	34.46 525	34.81 529	39.18 525	37.57 526	42.78 529	43.44 529	43.82 525	43.03 525	40.47 527	41.51 528

MEDIAN_ROB	37.38 526	40.85 530	40.60 523	32.31 522	31.85 521	27.20 520	24.55 515	29.10 525	33.19 528	42.09 528	41.76 528	33.35 524	34.39 528	39.78 526	37.07 525	43.64 530	44.10 530	44.12 526	43.40 526	41.51 528	42.76 529

PML	40.80 529	29.24 522	11.87 508	7.20 514	14.47 513	92.13 529	213.69 530	7.63 510	23.35 522	74.72 529	190.14 530	50.17 530	26.15 523	21.39 518	12.70 509	8.76 516	2.92 509	8.45 516	3.25 511	13.26 516	4.42 512

test_example2	176.61 530	205.14 531	198.86 530	188.60 531	190.98 531	152.67 530	170.61 529	94.86 530	123.55 530	178.88 530	179.48 529	158.94 531	141.34 530	192.61 530	198.96 530	203.76 531	236.37 531	164.13 531	173.55 531	218.58 531	160.41 530

ccccc	429.48 531	429.19 532	527.00 531	507.10 532	501.20 532	356.95 531	342.70 531	380.82 531	297.90 531	334.51 531	389.17 531	372.86 532	449.39 531	499.17 531	553.56 531	561.44 532	431.22 532	334.28 532	290.86 532	540.88 532	489.46 531

FADE		2.05 500		1.03 474	0.99 476							2.73 477				11.57 519	1.70 506	23.09 522	15.86 519	0.62 465

Low-res two-view benchmark