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

S2M2_L	0.64 16	0.55 116	1.07 16	0.89 162	0.54 149	1.08 12	0.20 1	1.16 8	1.37 100	0.59 25	0.81 50	0.86 129	0.47 18	0.70 3	0.65 84	0.31 251	0.33 387	0.27 156	0.27 251	0.36 278	0.31 222
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
252Zero-FE	0.72 31	0.46 36	1.08 25	1.01 250	0.41 58	1.27 31	0.22 2	1.79 58	1.03 60	2.52 456	1.24 131	0.32 1	0.41 10	1.03 52	0.45 19	0.21 37	0.17 48	0.20 8	0.17 35	0.20 19	0.20 27

S2M2_XL	0.46 1	0.41 14	1.09 33	0.65 28	0.34 11	0.29 1	0.23 3	0.67 1	0.50 1	0.53 9	0.92 69	0.65 72	0.53 31	0.54 1	0.50 38	0.28 162	0.24 279	0.25 96	0.21 119	0.23 55	0.22 76
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MLG-Stereo_test2	0.76 45	0.40 8	1.07 16	0.64 20	0.82 287	3.49 269	0.23 3	1.69 48	2.14 353	0.62 33	0.32 3	0.67 77	0.33 1	1.14 76	0.37 3	0.23 58	0.19 114	0.23 39	0.16 17	0.19 5	0.20 27

MS-F	0.52 3	0.42 18	0.89 2	0.61 9	0.36 16	1.64 72	0.25 5	0.96 4	0.91 42	0.62 33	0.42 8	0.56 53	0.53 31	0.71 4	0.45 19	0.17 7	0.15 22	0.18 2	0.14 2	0.19 5	0.20 27

HiDET	0.61 9	0.41 14	0.88 1	0.64 20	0.39 45	2.67 155	0.25 5	1.59 33	0.91 42	0.59 25	0.44 10	0.52 44	0.50 28	0.76 7	0.54 53	0.17 7	0.15 22	0.18 2	0.15 5	0.19 5	0.21 57

LGtest1	0.55 5	0.41 14	1.14 57	0.70 47	0.40 51	0.99 10	0.26 7	1.32 11	0.93 50	0.53 9	0.60 20	0.44 31	0.49 24	1.02 51	0.45 19	0.27 125	0.19 114	0.23 39	0.16 17	0.21 34	0.23 87

LCMNet	0.63 14	0.40 8	0.95 3	0.58 2	0.39 45	3.11 203	0.27 8	1.58 31	0.84 35	0.56 12	0.58 18	0.52 44	0.53 31	0.77 9	0.51 46	0.17 7	0.16 32	0.19 5	0.15 5	0.20 19	0.21 57

DLNR-FE	28.68 606	56.10 619	49.61 609	183.75 624	105.98 618	3.44 253	0.28 9	29.58 608	1.49 150	1.01 137	1.26 140	0.93 148	0.63 60	3.81 337	1.51 341	33.14 614	0.41 454	0.26 125	0.23 167	99.94 621	0.32 233

LG-Stereo_L2	0.63 14	0.46 36	1.15 59	0.70 47	0.43 71	2.32 122	0.28 9	1.86 62	0.68 4	0.56 12	0.42 8	0.37 8	0.45 16	1.36 134	0.40 6	0.23 58	0.18 79	0.22 25	0.18 59	0.21 34	0.20 27

DLNR_Zeroshot_test	28.62 605	55.50 618	49.94 611	183.62 623	115.05 622	3.43 252	0.28 9	29.49 607	1.49 150	1.01 137	1.26 140	0.93 148	0.63 60	3.92 344	1.51 341	29.81 613	0.41 454	0.26 125	0.23 167	93.28 619	0.32 233

MLG-Stereo_test1	0.80 62	0.39 4	1.02 7	0.65 28	1.20 412	3.14 206	0.29 12	1.59 33	3.05 512	0.50 5	0.24 1	0.67 77	0.43 13	1.33 128	0.40 6	0.21 37	0.18 79	0.23 39	0.15 5	0.19 5	0.20 27

Wavelet-MonSter	0.57 6	0.47 51	1.13 54	0.66 36	0.78 269	1.60 67	0.30 13	1.17 9	0.68 4	0.58 21	0.69 30	0.39 14	0.48 22	0.99 48	0.46 23	0.15 1	0.16 32	0.20 8	0.16 17	0.20 19	0.19 7

CSFM-Stereo	0.60 7	0.39 4	0.95 3	0.60 8	0.32 8	2.66 154	0.31 14	1.44 17	0.77 14	0.72 61	0.51 13	0.55 50	0.51 29	0.75 6	0.46 23	0.17 7	0.17 48	0.18 2	0.15 5	0.20 19	0.18 4

MLG-Stereo_test3	0.60 7	0.37 2	1.12 49	0.59 5	0.57 173	2.19 113	0.31 14	1.68 47	0.56 2	0.49 4	0.51 13	0.56 53	0.33 1	0.96 42	0.54 53	0.21 37	0.17 48	0.23 39	0.16 17	0.20 19	0.21 57

MLG-Stereo	0.77 52	0.39 4	1.04 8	0.64 20	0.41 58	3.01 190	0.31 14	1.89 66	2.92 498	0.47 1	0.29 2	0.66 76	0.47 18	1.35 132	0.39 4	0.20 32	0.18 79	0.24 70	0.16 17	0.19 5	0.20 27

CREStereo++_RVC	1.02 138	0.49 70	1.54 115	0.83 115	0.55 157	4.01 395	0.31 14	1.63 41	1.99 313	1.63 207	2.13 408	0.84 121	0.65 66	0.88 24	0.70 112	0.27 125	0.15 22	0.23 39	1.22 559	0.24 60	0.17 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
Monster-pub-mixall	0.64 16	0.42 18	1.00 6	0.83 115	0.48 116	1.39 48	0.32 18	1.45 18	0.82 29	0.88 118	0.85 55	0.39 14	0.36 4	1.99 243	0.47 27	0.20 32	0.16 32	0.17 1	0.15 5	0.18 1	0.21 57

RAStereo	0.75 36	0.52 86	2.86 241	0.58 2	0.62 199	1.19 21	0.32 18	1.81 60	0.99 58	0.75 71	1.05 96	0.64 67	0.47 18	0.80 12	0.94 214	0.22 46	0.20 154	0.27 156	0.21 119	0.34 247	0.22 76

111111	0.87 87	0.50 74	1.13 54	0.66 36	1.08 378	3.37 242	0.33 20	2.33 119	1.47 133	0.74 69	1.50 206	0.61 61	0.59 48	1.40 140	0.48 28	0.24 72	0.19 114	0.22 25	0.16 17	0.24 60	0.19 7

LG-Stereo_L1	0.61 9	0.47 51	1.10 39	0.73 64	0.49 124	1.72 74	0.33 20	1.95 77	0.65 3	0.56 12	0.40 7	0.40 16	0.43 13	1.40 140	0.42 9	0.23 58	0.19 114	0.23 39	0.18 59	0.21 34	0.19 7

IGEV-Stereo++	0.93 102	0.44 26	1.08 25	0.70 47	1.20 412	3.87 357	0.33 20	3.36 265	1.43 117	0.75 71	1.17 115	0.68 79	1.04 193	0.95 38	0.42 9	0.22 46	0.16 32	0.23 39	0.17 35	0.24 60	0.20 27

XX-TBD	1.03 139	0.95 398	1.94 150	1.30 404	0.43 71	3.97 389	0.33 20	1.74 51	1.73 266	1.59 197	2.02 379	0.69 82	0.60 52	1.16 83	0.66 89	0.30 228	0.25 303	0.23 39	0.15 5	0.31 183	0.22 76

Replicate-Monster	0.79 60	1.36 480	2.08 175	0.70 47	0.52 139	2.05 102	0.34 24	1.92 72	0.82 29	1.03 144	0.60 20	0.48 39	0.52 30	1.28 115	0.39 4	0.19 26	0.14 11	0.19 5	0.16 17	0.22 47	0.78 496

GREAT-IGEV	0.74 35	0.54 110	1.86 142	1.10 303	0.44 79	2.44 132	0.34 24	1.37 12	1.51 163	0.48 2	0.86 56	0.51 40	0.60 52	1.07 60	0.45 19	0.22 46	0.17 48	0.21 20	0.17 35	0.23 55	0.25 114

dual_stereo	0.68 22	0.40 8	1.05 10	0.64 20	0.37 31	0.84 8	0.34 24	3.40 270	1.03 60	0.50 5	0.46 12	0.58 56	0.40 8	1.85 233	0.49 32	0.23 58	0.17 48	0.21 20	0.16 17	0.20 19	0.19 7

U	12.82 592	0.38 3	1.99 156	0.66 36	58.94 614	63.38 619	0.34 24	1.91 71	0.94 54	0.59 25	0.80 46	0.46 35	0.57 40	0.83 17	0.44 17	0.29 185	0.17 48	63.35 619	59.81 618	0.29 141	0.20 27

UGAM-zero	2.79 445	0.57 137	20.87 555	0.98 230	0.77 268	2.08 105	0.35 28	3.88 358	1.51 163	2.05 325	1.64 248	5.07 549	3.42 513	9.83 468	1.24 279	0.28 162	0.21 188	0.27 156	0.29 308	0.29 141	0.28 173

OmniDepth	0.54 4	0.42 18	1.05 10	0.58 2	0.25 1	1.30 40	0.36 29	1.53 26	0.86 37	0.56 12	0.37 5	0.57 55	0.65 66	0.87 20	0.40 6	0.20 32	0.15 22	0.19 5	0.16 17	0.22 47	0.17 1
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: OmniDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
FoundationStereo	0.50 2	0.39 4	1.11 46	0.79 91	0.42 65	0.70 4	0.36 29	0.76 2	0.80 24	0.62 33	0.38 6	0.73 96	0.77 108	0.69 2	0.36 2	0.26 108	0.17 48	0.23 39	0.16 17	0.18 1	0.20 27

MaDis-Stereo	0.82 74	0.66 240	1.53 112	0.65 28	1.87 537	1.24 27	0.36 29	2.13 91	1.27 86	0.67 50	0.75 37	0.88 134	0.70 81	1.15 81	1.07 240	0.29 185	0.23 244	0.26 125	0.20 103	0.31 183	0.22 76

Pointernet	0.88 89	0.44 26	2.26 192	0.84 125	0.37 31	2.29 120	0.38 32	3.06 224	1.46 128	0.66 47	1.39 178	0.91 142	0.73 91	1.01 50	0.72 120	0.23 58	0.19 114	0.20 8	0.18 59	0.19 5	0.20 27

TANstereo	1.01 134	0.55 116	1.73 130	0.76 81	0.36 16	4.04 401	0.38 32	1.48 21	1.62 236	2.03 320	2.10 399	0.84 121	0.93 166	0.98 45	0.62 71	0.28 162	0.36 411	0.23 39	0.20 103	0.25 74	0.46 381

MonStereo	0.62 11	0.43 23	1.07 16	0.66 36	0.82 287	1.13 15	0.39 34	2.57 157	0.92 47	0.58 21	0.64 25	0.36 4	0.36 4	0.90 28	0.43 13	0.15 1	0.15 22	0.20 8	0.17 35	0.21 34	0.19 7

Monster-pub-eth3d	0.62 11	0.43 23	1.07 16	0.66 36	0.82 287	1.13 15	0.39 34	2.57 157	0.92 47	0.58 21	0.64 25	0.36 4	0.36 4	0.88 24	0.43 13	0.15 1	0.15 22	0.20 8	0.17 35	0.21 34	0.19 7

StereoAnything_RVC	0.94 105	2.66 541	2.20 183	0.76 81	0.34 11	1.18 20	0.39 34	2.31 116	0.69 7	0.51 8	0.34 4	0.32 1	0.89 155	1.57 176	0.35 1	0.32 272	0.16 32	0.23 39	0.15 5	3.31 564	0.18 4

MonSter	0.62 11	0.43 23	1.07 16	0.66 36	0.82 287	1.13 15	0.39 34	2.57 157	0.92 47	0.58 21	0.64 25	0.36 4	0.35 3	0.95 38	0.43 13	0.15 1	0.15 22	0.20 8	0.17 35	0.21 34	0.19 7

IGEV-Stereo+	0.94 105	0.47 51	1.19 64	0.86 144	2.02 547	1.40 49	0.39 34	1.17 9	0.88 38	0.61 31	0.44 10	0.47 36	0.79 120	2.14 259	0.42 9	0.27 125	0.19 114	0.22 25	0.17 35	2.26 559	2.41 565

UniTT-Stereo	0.82 74	0.47 51	2.63 227	0.96 215	1.19 406	0.78 6	0.39 34	1.12 7	1.54 188	1.19 158	1.26 140	0.51 40	0.64 63	1.13 74	1.03 233	0.30 228	0.20 154	0.24 70	0.21 119	0.40 308	0.25 114

FE-Mocha	1.06 142	0.74 307	2.45 212	0.97 222	0.69 237	1.57 63	0.40 40	2.92 207	1.47 133	1.82 246	1.81 317	1.62 245	0.88 149	1.36 134	0.78 142	0.29 185	0.20 154	0.35 345	0.31 343	0.26 93	0.33 251

2.25w	0.75 36	0.47 51	1.09 33	0.69 46	0.65 212	2.28 119	0.40 40	2.42 126	0.80 24	0.73 64	1.03 85	0.40 16	0.81 131	1.24 103	0.80 149	0.16 5	0.15 22	0.21 20	0.17 35	0.19 5	0.21 57

monsterstereo	0.82 74	0.50 74	1.26 75	0.77 87	1.41 469	2.54 146	0.40 40	3.14 230	0.71 9	0.70 55	1.11 106	0.41 23	0.39 7	1.50 164	0.50 38	0.19 26	0.16 32	0.22 25	0.16 17	0.21 34	0.17 1

monsters	0.82 74	0.58 150	1.16 60	0.76 81	1.52 485	2.92 177	0.40 40	2.66 172	0.72 10	0.66 47	0.84 52	0.38 12	0.41 10	1.84 227	0.48 28	0.20 32	0.16 32	0.20 8	0.16 17	0.19 5	0.19 7

LG-G_1	0.70 25	0.40 8	1.12 49	0.71 53	0.30 3	2.80 160	0.40 40	2.21 100	0.78 18	0.59 25	0.55 16	0.51 40	0.58 43	1.24 103	0.49 32	0.24 72	0.18 79	0.23 39	0.15 5	0.21 34	0.21 57

LG-G	0.70 25	0.40 8	1.12 49	0.71 53	0.30 3	2.80 160	0.40 40	2.21 100	0.78 18	0.59 25	0.55 16	0.51 40	0.58 43	1.24 103	0.49 32	0.24 72	0.18 79	0.23 39	0.15 5	0.21 34	0.21 57

CREStereo	0.92 100	0.53 98	1.45 103	0.61 9	0.34 11	4.42 487	0.40 40	2.21 100	1.54 188	0.94 127	1.12 108	0.87 131	0.87 147	1.12 71	0.72 120	0.28 162	0.19 114	0.22 25	0.15 5	0.22 47	0.19 7
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
IGEV	0.70 25	0.36 1	1.07 16	0.71 53	1.31 436	2.82 162	0.41 47	1.76 53	0.98 57	0.73 64	0.71 31	0.35 3	0.42 12	0.90 28	0.42 9	0.18 21	0.18 79	0.22 25	0.18 59	0.18 1	0.20 27

LG-Stereo_Zeroshot	0.89 92	0.47 51	2.08 175	0.76 81	0.73 251	3.91 362	0.41 47	2.07 87	1.07 64	0.77 90	0.89 61	0.64 67	0.86 143	0.95 38	0.77 141	0.26 108	0.18 79	0.26 125	0.19 83	0.32 210	0.32 233

tg	1.15 158	0.67 250	1.31 85	0.94 205	0.54 149	4.02 397	0.41 47	2.96 210	1.59 226	1.69 219	1.85 338	1.84 293	0.97 174	1.78 216	0.83 161	0.27 125	0.17 48	0.29 210	0.26 225	0.29 141	0.27 154

trnet	0.91 99	0.48 61	1.46 104	0.62 13	0.31 5	4.40 483	0.41 47	2.20 98	1.53 179	0.94 127	1.14 111	0.88 134	0.89 155	1.09 63	0.71 115	0.27 125	0.19 114	0.22 25	0.15 5	0.21 34	0.19 7

HART	1.03 139	0.85 367	3.13 251	0.84 125	0.38 42	1.17 19	0.42 51	3.54 289	1.47 133	1.08 148	2.17 414	1.48 227	0.57 40	1.37 139	0.74 129	0.23 58	0.18 79	0.28 189	0.21 119	0.32 210	0.24 104

GIP-stereo	0.88 89	0.50 74	1.34 90	1.32 410	0.94 333	2.90 171	0.42 51	3.41 271	1.06 63	0.63 37	0.76 38	0.90 140	0.76 106	0.91 31	0.52 47	0.27 125	0.18 79	0.25 96	0.16 17	0.25 74	0.19 7

EGLCR-Stereo	1.06 142	0.51 80	1.56 118	1.02 261	0.39 45	4.27 464	0.42 51	4.08 424	1.48 142	0.90 121	0.68 29	1.09 168	0.66 73	1.81 222	0.62 71	0.27 125	0.19 114	0.29 210	0.23 167	0.37 288	0.25 114

iRaftStereo_RVC	1.09 147	0.70 272	1.39 97	0.95 209	0.45 87	3.83 339	0.42 51	2.37 121	1.58 211	1.69 219	1.76 291	1.80 281	0.83 137	1.50 164	0.98 224	0.28 162	0.18 79	0.29 210	0.26 225	0.30 164	0.31 222

RAFT-Stereo + iAFF	1.25 187	0.72 288	1.74 133	1.05 271	0.36 16	4.13 423	0.42 51	2.95 209	2.84 492	2.02 316	2.40 460	1.61 244	1.11 222	1.26 110	0.97 221	0.21 37	0.15 22	0.26 125	0.23 167	0.29 141	0.23 87

AdaDepth	0.76 45	0.45 29	1.41 100	0.70 47	1.27 430	3.12 204	0.43 56	1.02 5	0.94 54	0.63 37	0.91 67	0.43 26	0.58 43	1.41 145	0.48 28	0.18 21	0.21 188	0.23 39	0.19 83	0.25 74	0.26 138

asd	0.70 25	0.45 29	1.10 39	0.67 43	0.90 323	2.88 169	0.43 56	1.64 43	0.79 21	0.68 52	0.88 58	0.43 26	0.74 96	0.85 19	0.49 32	0.19 26	0.13 1	0.24 70	0.17 35	0.22 47	0.20 27

DEFOM-Stereo_RVC	0.81 71	1.13 436	1.23 70	0.97 222	0.57 173	0.81 7	0.43 56	3.49 277	0.84 35	0.73 64	0.95 77	0.44 31	1.17 241	1.45 154	0.60 65	0.26 108	0.18 79	0.24 70	0.17 35	0.30 164	0.19 7

PMTNet	0.99 129	0.48 61	1.73 130	0.62 13	0.56 161	4.20 453	0.43 56	1.88 63	1.58 211	1.00 136	1.05 96	0.78 107	0.98 180	1.50 164	0.85 167	1.21 545	0.20 154	0.23 39	0.15 5	0.22 47	0.19 7

4w-stereo	0.67 19	0.49 70	1.07 16	0.63 16	0.75 258	1.63 71	0.44 60	2.23 104	0.77 14	0.56 12	0.92 69	0.40 16	0.82 133	1.08 61	0.53 48	0.18 21	0.13 1	0.25 96	0.18 59	0.19 5	0.20 27

DEFOM-Stereo	0.70 25	0.46 36	1.13 54	0.72 61	0.48 116	3.40 247	0.44 60	0.90 3	0.77 14	0.86 115	0.58 18	0.45 34	0.43 13	1.76 214	0.43 13	0.24 72	0.18 79	0.22 25	0.16 17	0.21 34	0.20 27

AIO-Stereo-zeroshot	2.35 381	0.99 407	19.62 500	1.09 294	0.96 337	1.51 59	0.44 60	4.05 413	1.64 240	1.31 164	1.67 257	4.93 542	2.45 462	2.52 292	1.40 310	0.30 228	0.20 154	0.31 253	0.50 485	0.57 432	0.60 449

H2IRNET	1.90 288	0.53 98	14.29 413	1.14 322	0.60 188	4.48 494	0.44 60	2.65 170	1.81 283	1.05 146	2.30 443	1.67 250	1.40 285	2.17 263	1.50 335	0.36 333	0.21 188	0.33 308	0.37 410	0.34 247	0.29 183

Zero-FE251	0.80 62	0.75 320	1.71 128	0.88 155	0.70 241	2.59 150	0.45 64	1.38 13	0.83 32	1.79 242	0.61 22	0.73 96	0.81 131	0.82 16	0.61 67	0.29 185	0.23 244	0.27 156	0.19 83	0.20 19	0.20 27

qwe	0.75 36	0.45 29	1.10 39	0.67 43	1.06 372	2.49 136	0.45 64	2.57 157	0.90 39	0.71 59	0.83 51	0.43 26	0.48 22	1.10 64	0.64 77	0.17 7	0.14 11	0.24 70	0.16 17	0.21 34	0.20 27

HI	1.27 199	0.90 379	2.33 201	1.10 303	0.68 231	2.92 177	0.45 64	2.49 139	1.76 276	2.13 348	1.65 254	2.42 363	1.84 405	1.58 177	1.61 358	0.26 108	0.16 32	0.28 189	0.29 308	0.26 93	0.25 114

CoSv	1.27 199	0.90 379	2.33 201	1.10 303	0.68 231	2.92 177	0.45 64	2.49 139	1.76 276	2.13 348	1.65 254	2.42 363	1.84 405	1.58 177	1.61 358	0.26 108	0.16 32	0.28 189	0.29 308	0.26 93	0.25 114

Select-FE	2.25 348	0.87 373	17.36 455	1.06 277	0.99 351	2.04 101	0.46 68	3.79 335	1.61 231	2.52 456	1.81 317	4.41 525	3.15 497	1.83 225	0.92 203	0.32 272	0.35 405	0.30 230	0.41 448	0.32 210	0.55 430

SGD-Stereo	0.65 18	0.41 14	1.06 14	0.85 137	0.31 5	2.44 132	0.46 68	1.09 6	0.69 7	0.84 112	0.52 15	0.55 50	0.53 31	1.49 163	0.46 23	0.31 251	0.14 11	0.25 96	0.18 59	0.23 55	0.20 27

PAM_32	2.45 397	0.63 206	20.74 550	1.05 271	0.65 212	2.83 163	0.46 68	2.91 206	1.54 188	1.95 284	2.66 486	4.99 545	3.78 520	1.96 241	0.92 203	0.27 125	0.22 217	0.27 156	0.25 205	0.36 278	0.48 391

CroCo-Stereo Lap2	0.99 129	0.89 377	2.55 216	0.99 236	1.80 534	0.54 3	0.46 68	3.10 226	1.24 77	1.07 147	1.21 124	1.05 167	0.78 116	1.26 110	1.08 242	0.27 125	0.23 244	0.27 156	0.21 119	0.43 362	0.34 264

raft_robust	1.92 295	1.15 441	3.34 262	1.02 261	0.43 71	3.84 344	0.46 68	4.42 528	2.52 441	1.67 217	1.36 172	2.17 336	6.37 561	6.78 406	1.04 235	0.28 162	0.24 279	0.30 230	0.35 388	0.31 183	0.32 233

XX-Stereo	2.54 416	0.61 187	20.21 524	1.78 516	1.19 406	4.30 468	0.46 68	4.39 524	1.58 211	2.32 419	1.89 351	4.64 537	0.60 52	4.16 349	0.82 158	0.31 251	0.21 188	0.28 189	0.27 251	0.51 406	0.26 138

water-stereo	0.78 57	0.45 29	1.94 150	0.79 91	0.48 116	2.36 125	0.47 74	1.53 26	1.09 66	0.88 118	1.04 90	0.82 117	0.75 99	0.72 5	0.78 142	0.22 46	0.23 244	0.25 96	0.23 167	0.24 60	0.29 183

Reg-Stereo(zero)	1.60 242	0.42 18	10.69 363	0.89 162	0.68 231	3.27 228	0.47 74	2.27 109	1.54 188	1.48 186	1.24 131	2.55 381	2.68 475	1.48 161	1.10 246	0.19 26	0.19 114	0.22 25	0.18 59	0.24 60	0.26 138

AFF-stereo	1.31 209	0.77 329	1.46 104	1.10 303	0.45 87	3.93 369	0.48 76	2.92 207	2.92 498	1.90 267	2.21 422	2.11 334	1.52 325	1.93 238	1.12 252	0.21 37	0.16 32	0.25 96	0.25 205	0.29 141	0.20 27

asda	0.77 52	0.46 36	1.10 39	0.64 20	0.82 287	3.33 238	0.49 77	2.40 122	0.81 28	0.63 37	0.80 46	0.44 31	0.85 140	0.88 24	0.60 65	0.17 7	0.13 1	0.24 70	0.17 35	0.20 19	0.20 27

MIF-Stereo (partial)	0.98 121	0.55 116	2.83 238	0.71 53	1.03 364	1.08 12	0.49 77	2.55 153	1.66 246	0.79 96	1.20 120	0.80 113	0.90 158	1.61 189	1.56 349	0.36 333	0.24 279	0.33 308	0.25 205	0.40 308	0.28 173

CES	1.01 134	0.55 116	1.74 133	0.92 185	2.15 551	2.15 108	0.50 79	2.01 81	1.45 120	0.76 85	1.02 82	0.61 61	0.47 18	1.29 120	0.79 148	0.22 46	0.17 48	0.24 70	0.14 2	0.63 452	2.29 562

IPLGR	2.53 414	0.58 150	20.46 540	0.82 104	0.52 139	4.56 519	0.50 79	4.30 500	2.38 412	1.87 257	1.53 216	1.68 252	1.72 383	6.95 409	1.15 255	0.28 162	0.21 188	0.27 156	0.23 167	0.33 229	0.32 233

CroCo-Stereo	0.98 121	0.87 373	3.44 264	0.87 150	0.53 148	0.49 2	0.50 79	3.99 396	1.49 150	0.81 100	1.25 139	1.00 158	0.75 99	1.10 64	1.09 245	0.24 72	0.21 188	0.24 70	0.19 83	0.35 265	0.27 154
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
s12784h	1.31 209	0.45 29	2.41 210	0.71 53	0.35 14	4.42 487	0.50 79	4.22 462	2.73 469	2.01 311	2.48 466	0.91 142	0.96 171	2.01 247	0.70 112	0.29 185	0.18 79	0.24 70	0.16 17	0.27 106	0.18 4

DilatedVolume-Stereo	0.81 71	0.60 170	1.51 111	1.01 250	0.59 185	1.34 43	0.51 83	1.56 29	1.08 65	1.26 162	1.24 131	0.77 106	0.87 147	1.79 220	0.72 120	0.23 58	0.24 279	0.22 25	0.21 119	0.25 74	0.23 87

4.5_new	0.67 19	0.46 36	1.11 46	0.63 16	0.78 269	1.97 92	0.51 83	2.18 95	0.78 18	0.73 64	0.90 65	0.42 24	0.49 24	0.81 13	0.49 32	0.21 37	0.14 11	0.26 125	0.19 83	0.22 47	0.20 27

4.5w-stereo	0.67 19	0.46 36	1.11 46	0.63 16	0.78 269	1.97 92	0.51 83	2.18 95	0.77 14	0.73 64	0.90 65	0.42 24	0.49 24	0.81 13	0.49 32	0.21 37	0.14 11	0.26 125	0.19 83	0.22 47	0.20 27

3.25w_new	0.69 23	0.46 36	1.10 39	0.61 9	0.61 193	2.23 116	0.51 83	2.45 132	0.90 39	0.63 37	0.78 43	0.47 36	0.71 83	0.78 10	0.50 38	0.17 7	0.14 11	0.20 8	0.17 35	0.20 19	0.20 27

3.25w	0.69 23	0.46 36	1.10 39	0.61 9	0.61 193	2.23 116	0.51 83	2.45 132	0.90 39	0.63 37	0.78 43	0.47 36	0.71 83	0.79 11	0.50 38	0.17 7	0.14 11	0.20 8	0.17 35	0.20 19	0.20 27

3.5w_stereo	0.77 52	0.53 98	1.09 33	0.65 28	0.72 246	2.52 140	0.51 83	2.43 129	0.80 24	0.76 85	1.20 120	0.43 26	0.66 73	1.23 102	0.73 123	0.17 7	0.13 1	0.23 39	0.17 35	0.20 19	0.21 57

GCST	2.56 421	1.79 514	18.02 467	1.92 531	1.33 447	1.72 74	0.51 83	3.67 310	2.03 323	1.70 223	1.61 241	1.55 236	1.29 262	5.06 361	1.24 279	2.06 562	0.77 543	1.45 560	0.97 545	1.14 534	1.34 539

LoS	0.94 105	0.52 86	1.88 144	0.86 144	0.36 16	4.15 427	0.51 83	2.18 95	1.45 120	0.97 135	0.88 58	0.62 63	0.79 120	1.59 182	0.86 174	0.26 108	0.19 114	0.24 70	0.16 17	0.21 34	0.20 27
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-RAFT	1.15 158	0.46 36	1.64 125	0.99 236	0.45 87	4.17 441	0.51 83	3.21 238	1.69 256	1.12 154	1.34 165	1.45 224	1.40 285	2.08 251	0.94 214	0.41 393	0.20 154	0.24 70	0.23 167	0.27 106	0.25 114

GCAP-Stereo	0.93 102	0.68 258	1.35 94	0.85 137	0.41 58	3.61 301	0.52 92	2.20 98	1.50 156	1.11 153	1.04 90	1.17 179	0.84 138	1.11 66	0.71 115	0.25 93	0.20 154	0.27 156	0.18 59	0.28 123	0.23 87

IGEV-FE	2.16 334	0.69 261	20.56 543	1.22 367	0.54 149	2.18 110	0.53 93	3.38 267	1.61 231	1.93 278	1.55 222	3.74 490	1.06 205	1.56 173	0.91 198	0.29 185	0.20 154	0.27 156	0.29 308	0.40 308	0.32 233

depthmonostereo	0.94 105	0.71 284	2.39 207	0.85 137	0.54 149	2.21 115	0.53 93	1.83 61	1.17 70	0.95 131	1.09 102	0.99 155	0.97 174	2.37 277	0.68 97	0.23 58	0.27 327	0.22 25	0.20 103	0.25 74	0.26 138

3.75w	0.75 36	0.47 51	1.09 33	0.63 16	1.10 384	2.61 151	0.53 93	2.46 135	0.97 56	0.62 33	0.80 46	0.40 16	0.66 73	1.11 66	0.48 28	0.19 26	0.13 1	0.23 39	0.18 59	0.20 19	0.21 57

PAM	2.43 394	0.61 187	20.86 553	1.07 280	0.73 251	2.93 181	0.53 93	3.24 244	1.53 179	1.89 266	2.43 461	5.29 555	2.76 477	1.84 227	1.02 231	0.27 125	0.24 279	0.26 125	0.25 205	0.40 308	0.50 405

Former-RAFT_DAM_RVC	0.92 100	0.73 299	1.42 101	0.92 185	1.08 378	2.97 187	0.53 93	1.77 56	1.39 104	1.16 156	1.54 218	0.58 56	0.65 66	1.03 52	0.84 164	0.25 93	0.23 244	0.30 230	0.24 193	0.43 362	0.29 183

GMStereo_Zeroshot	1.41 219	1.21 452	3.33 261	1.29 397	0.72 246	3.35 240	0.53 93	2.58 163	1.68 250	2.35 427	1.56 226	2.42 363	0.96 171	2.50 284	1.16 258	0.45 427	0.23 244	0.40 399	0.24 193	0.79 499	0.33 251

IGEV_Zeroshot_test	2.16 334	0.69 261	20.60 547	1.22 367	0.54 149	2.18 110	0.53 93	3.38 267	1.61 231	1.93 278	1.55 222	3.76 492	1.05 198	1.55 172	0.91 198	0.29 185	0.20 154	0.27 156	0.29 308	0.40 308	0.32 233

MLCV	1.87 281	0.91 384	8.59 333	1.10 303	0.57 173	3.59 295	0.53 93	3.70 322	2.20 364	2.80 497	2.25 428	2.00 317	1.42 295	4.13 348	1.86 399	0.30 228	0.20 154	0.32 273	0.21 119	0.33 229	0.36 284

LG-Stereo	0.85 81	0.60 170	2.71 232	0.59 5	0.45 87	2.85 166	0.55 101	2.41 123	1.34 94	0.59 25	1.19 118	0.43 26	0.40 8	0.76 7	0.75 132	0.20 32	0.17 48	0.31 253	0.24 193	0.29 141	0.19 7

MoCha-V2	0.87 87	0.48 61	1.87 143	0.88 155	0.32 8	1.37 46	0.55 101	2.71 178	1.42 113	0.92 125	1.75 282	0.65 72	1.17 241	1.45 154	0.57 59	0.21 37	0.21 188	0.20 8	0.19 83	0.24 60	0.23 87

riskmin	1.25 187	0.56 127	2.05 163	1.05 271	0.93 331	2.86 168	0.55 101	3.23 242	1.34 94	1.55 193	1.07 100	3.56 485	2.03 424	1.29 120	1.00 229	0.28 162	0.27 327	0.34 326	0.21 119	0.41 333	0.43 359

TestStereo	2.00 310	1.02 412	12.25 378	0.70 47	0.61 193	1.88 84	0.55 101	2.31 116	1.52 172	1.41 180	1.33 160	1.27 198	0.90 158	11.62 542	0.81 155	0.34 301	0.19 114	0.33 308	0.24 193	0.44 370	0.24 104

2.5w	0.75 36	0.44 26	1.06 14	0.66 36	0.69 237	2.39 128	0.56 105	2.77 187	0.82 29	0.63 37	0.88 58	0.37 8	0.75 99	1.36 134	0.50 38	0.18 21	0.14 11	0.22 25	0.17 35	0.19 5	0.21 57

2.75w_new	0.75 36	0.45 29	1.10 39	0.65 28	0.62 199	2.45 134	0.56 105	2.75 184	0.74 12	0.78 93	0.73 34	0.38 12	0.92 163	1.04 57	0.66 89	0.17 7	0.14 11	0.22 25	0.17 35	0.18 1	0.19 7

IPLG	2.48 405	0.65 229	19.63 501	0.91 179	0.79 273	4.60 524	0.56 105	4.31 503	1.84 291	1.91 272	2.00 377	1.31 204	1.38 278	6.61 397	1.53 345	0.27 125	0.20 154	0.27 156	0.23 167	0.31 183	0.36 284

ours_stereo	0.76 45	0.64 218	1.40 99	0.86 144	0.61 193	1.12 14	0.57 108	1.63 41	1.20 73	0.72 61	1.43 187	0.70 83	0.62 57	1.56 173	0.58 62	0.25 93	0.18 79	0.26 125	0.21 119	0.29 141	0.31 222

MyStereo8	2.33 372	1.13 436	19.26 491	1.22 367	1.62 504	4.16 436	0.57 108	3.50 280	2.36 401	2.15 359	1.75 282	2.28 342	1.14 232	1.46 158	2.20 441	0.24 72	0.21 188	0.32 273	0.27 251	0.36 278	0.43 359

plain	1.55 229	0.69 261	13.59 394	0.65 28	0.73 251	1.66 73	0.57 108	3.17 235	1.94 307	0.77 90	1.24 131	0.80 113	0.86 143	1.60 184	0.96 220	0.33 289	0.21 188	0.32 273	0.25 205	0.42 352	0.28 173

DCANet-4	1.96 302	0.51 80	14.31 414	0.82 104	0.40 51	4.16 436	0.57 108	4.29 492	2.98 506	2.30 409	1.80 305	1.03 163	1.54 335	1.44 150	1.44 319	0.29 185	0.23 244	0.23 39	0.18 59	0.24 60	0.42 350

fff	1.74 264	0.70 272	9.08 339	0.81 94	0.36 16	4.15 427	0.57 108	4.23 466	2.09 338	2.30 409	1.80 305	1.19 187	3.02 490	1.44 150	1.46 323	0.29 185	0.23 244	0.23 39	0.18 59	0.24 60	0.42 350

RAFT-RH_RVC	2.63 428	0.55 116	19.97 513	1.26 383	0.47 108	4.46 492	0.57 108	1.71 49	1.64 240	3.06 517	5.51 550	2.03 321	1.28 259	6.70 401	1.52 344	0.42 404	0.22 217	0.37 373	0.34 372	0.28 123	0.29 183

csc	1.74 264	0.70 272	9.08 339	0.81 94	0.36 16	4.15 427	0.57 108	4.23 466	2.09 338	2.30 409	1.80 305	1.19 187	3.02 490	1.44 150	1.46 323	0.29 185	0.23 244	0.23 39	0.18 59	0.24 60	0.42 350

cscssc	1.74 264	0.70 272	9.08 339	0.81 94	0.36 16	4.15 427	0.57 108	4.23 466	2.09 338	2.30 409	1.80 305	1.19 187	3.02 490	1.44 150	1.46 323	0.29 185	0.23 244	0.23 39	0.18 59	0.24 60	0.42 350

GMStereo	1.01 134	1.00 410	2.86 241	0.83 115	0.45 87	1.47 55	0.57 108	1.89 66	2.11 348	1.52 190	1.24 131	0.87 131	0.74 96	1.58 177	0.94 214	0.40 378	0.21 188	0.30 230	0.30 327	0.47 393	0.36 284
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
4.25_new	0.73 32	0.46 36	1.08 25	0.71 53	0.97 341	2.52 140	0.58 117	2.28 112	0.93 50	0.57 17	0.94 74	0.40 16	0.65 66	0.87 20	0.50 38	0.17 7	0.13 1	0.25 96	0.17 35	0.19 5	0.20 27

4.5w_new	0.73 32	0.46 36	1.08 25	0.71 53	0.97 341	2.52 140	0.58 117	2.28 112	0.93 50	0.57 17	0.94 74	0.40 16	0.65 66	0.87 20	0.50 38	0.17 7	0.13 1	0.25 96	0.17 35	0.19 5	0.20 27

4.25w-stereo	0.73 32	0.46 36	1.08 25	0.71 53	0.97 341	2.52 140	0.58 117	2.28 112	0.93 50	0.57 17	0.94 74	0.40 16	0.65 66	0.87 20	0.50 38	0.17 7	0.13 1	0.25 96	0.17 35	0.19 5	0.20 27

DIP-Stereo	1.24 183	0.69 261	1.77 135	0.65 28	0.61 193	4.29 466	0.58 117	4.44 532	2.53 442	1.98 292	1.33 160	0.91 142	0.86 143	1.25 109	1.25 282	0.36 333	0.23 244	0.32 273	0.23 167	0.32 210	0.29 183
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
LoS_RVC	0.94 105	1.30 469	1.31 85	0.84 125	1.63 506	2.02 95	0.59 121	1.51 23	1.36 99	0.81 100	1.33 160	0.84 121	0.88 149	1.36 134	0.73 123	0.21 37	0.17 48	0.20 8	0.14 2	0.20 19	1.45 544

ADStereo(finetuned)	2.04 317	0.73 299	13.28 388	0.82 104	0.40 51	4.16 436	0.59 121	4.25 476	2.97 503	2.35 427	1.84 331	1.18 183	3.40 509	1.52 169	1.54 346	0.29 185	0.24 279	0.23 39	0.18 59	0.30 164	0.51 413

DCANet	1.74 264	0.73 299	9.08 339	0.82 104	0.40 51	4.18 444	0.59 121	4.25 476	2.97 503	2.35 427	1.84 331	1.18 183	1.63 363	1.51 167	1.55 347	0.29 185	0.24 279	0.23 39	0.18 59	0.30 164	0.53 420

DFGA-Net	2.11 327	3.00 545	7.43 319	1.11 310	0.76 262	3.72 318	0.60 124	2.63 168	1.91 304	2.01 311	2.07 395	1.22 193	1.04 193	10.26 488	2.26 445	0.27 125	0.22 217	0.34 326	0.34 372	0.61 446	0.48 391

11t1	1.11 150	0.53 98	1.80 138	1.55 486	0.65 212	2.20 114	0.60 124	3.66 309	1.49 150	1.60 198	1.26 140	1.03 163	1.35 274	1.72 209	0.97 221	0.28 162	0.31 372	0.29 210	0.23 167	0.30 164	0.34 264

MIM_Stereo	1.20 170	0.78 335	3.30 259	1.05 271	0.43 71	3.04 191	0.60 124	2.46 135	1.51 163	1.60 198	1.58 229	1.82 287	1.29 262	2.00 244	1.07 240	0.24 72	0.24 279	0.28 189	0.25 205	0.27 106	0.27 154

FENet	2.25 348	0.50 74	20.29 532	1.35 427	0.67 226	4.01 395	0.60 124	3.95 383	1.99 313	1.96 288	1.11 106	2.43 366	1.43 298	1.60 184	1.39 309	0.32 272	0.22 217	0.33 308	0.26 225	0.29 141	0.39 320

2w_stereo	0.75 36	0.46 36	1.08 25	0.68 45	0.56 161	2.00 94	0.61 128	2.87 205	0.83 32	0.93 126	0.93 72	0.36 4	1.13 225	0.90 28	0.61 67	0.17 7	0.13 1	0.23 39	0.17 35	0.20 19	0.21 57

ISRNet	1.69 258	0.76 326	5.69 304	1.27 391	1.36 453	2.85 166	0.61 128	3.60 297	1.91 304	2.13 348	2.12 406	2.90 420	1.41 290	2.51 287	1.71 377	0.49 460	0.50 498	0.56 493	0.47 470	0.49 402	0.57 439

rvit_stereo_0081	0.80 62	0.63 206	1.19 64	0.91 179	0.64 204	1.27 31	0.61 128	2.05 83	1.71 260	0.82 102	0.73 34	0.85 125	0.75 99	1.30 124	0.80 149	0.31 251	0.26 316	0.27 156	0.25 205	0.38 293	0.27 154

rvit_stereo_0082	0.80 62	0.63 206	1.19 64	0.91 179	0.64 204	1.27 31	0.61 128	2.05 83	1.71 260	0.82 102	0.73 34	0.85 125	0.75 99	1.30 124	0.80 149	0.31 251	0.26 316	0.27 156	0.25 205	0.38 293	0.27 154

StereoVision	1.65 252	0.75 320	7.47 320	1.01 250	1.80 534	2.61 151	0.61 128	3.06 224	1.96 308	1.25 160	3.46 529	1.85 296	0.88 149	2.07 249	1.93 407	0.43 410	0.36 411	0.37 373	0.36 398	0.48 396	0.33 251

EKT-Stereo	6.79 568	0.64 218	4.24 283	1.77 515	106.39 619	4.51 507	0.61 128	3.16 233	1.53 179	1.88 260	1.22 126	1.98 314	1.36 276	3.81 337	0.84 164	0.35 321	0.24 279	0.29 210	0.26 225	0.34 247	0.48 391

MC-Stereo	1.06 142	0.48 61	1.55 116	1.15 335	0.41 58	4.56 519	0.61 128	2.06 85	1.46 128	1.90 267	1.61 241	0.89 136	1.12 223	1.35 132	0.73 123	0.25 93	0.18 79	0.26 125	0.22 152	0.25 74	0.24 104

MIPNet	2.33 372	0.71 284	19.82 506	0.89 162	0.56 161	4.76 553	0.61 128	4.32 507	2.37 407	1.83 248	1.48 204	1.48 227	1.98 423	2.63 302	1.44 319	0.29 185	0.20 154	0.26 125	0.23 167	0.30 164	0.39 320

rafts_anoy	1.24 183	0.80 343	3.61 274	1.17 343	1.20 412	3.00 188	0.61 128	3.17 235	1.58 211	1.37 173	1.26 140	1.19 187	1.12 223	1.78 216	1.25 282	0.32 272	0.23 244	0.32 273	0.32 355	0.31 183	0.30 212

sAnonymous2	1.37 214	1.22 458	9.79 349	0.92 185	0.88 315	1.23 23	0.61 128	2.56 155	1.69 256	0.85 113	1.02 82	0.73 96	1.23 253	0.98 45	0.78 142	0.29 185	0.25 303	0.31 253	0.30 327	1.06 523	0.71 477

CroCo_RVC	1.37 214	1.22 458	9.79 349	0.92 185	0.88 315	1.23 23	0.61 128	2.56 155	1.69 256	0.85 113	1.02 82	0.73 96	1.23 253	0.98 45	0.78 142	0.29 185	0.25 303	0.31 253	0.30 327	1.06 523	0.71 477

sCroCo_RVC	1.06 142	0.82 354	5.05 294	1.02 261	1.05 369	0.98 9	0.61 128	2.06 85	1.29 88	0.69 54	1.26 140	0.82 117	1.10 219	1.20 97	0.90 191	0.42 404	0.40 444	0.33 308	0.30 327	0.46 389	0.38 313

DN-CSS_ROB	1.91 292	1.55 499	11.13 369	1.82 523	0.88 315	3.99 392	0.61 128	4.01 400	1.67 248	1.64 210	1.89 351	1.39 214	1.06 205	3.23 321	1.50 335	0.31 251	0.19 114	0.44 427	0.29 308	0.37 288	0.31 222

IGEV-BASED-STEREO-	1.09 147	3.30 550	2.61 223	0.82 104	0.38 42	1.27 31	0.62 141	1.51 23	1.29 88	0.91 122	0.92 69	0.65 72	0.57 40	1.08 61	0.59 63	1.55 559	0.15 22	0.32 273	0.28 280	1.10 530	1.98 558

test-1	1.23 178	0.65 229	1.88 144	0.96 215	0.52 139	3.84 344	0.62 141	4.01 400	1.47 133	1.93 278	1.78 299	1.83 290	0.92 163	1.19 96	1.28 292	0.26 108	0.29 349	0.31 253	0.24 193	0.29 141	0.36 284

rvit_stereo_0081_aga	0.81 71	0.75 320	1.84 141	0.72 61	0.73 251	1.21 22	0.63 143	1.92 72	1.39 104	0.87 117	0.80 46	0.79 111	0.69 79	1.27 114	0.69 106	0.35 321	0.29 349	0.26 125	0.25 205	0.40 308	0.27 154

model_zeroshot	1.21 173	0.60 170	3.55 268	1.05 271	0.57 173	3.46 259	0.63 143	2.73 181	1.55 196	2.05 325	1.38 176	1.50 230	0.82 133	1.69 205	0.87 180	0.29 185	0.23 244	0.30 230	0.23 167	0.27 106	0.32 233

xxxx	2.67 434	0.54 110	2.03 160	1.22 367	0.81 278	3.49 269	0.63 143	4.49 541	2.49 436	2.22 388	2.23 425	2.05 325	1.38 278	10.05 480	17.91 584	0.32 272	0.32 380	0.30 230	0.27 251	0.33 229	0.34 264

SCV_C0	0.89 92	0.59 158	1.96 155	0.83 115	0.44 79	1.24 27	0.64 146	3.33 263	1.66 246	0.82 102	1.20 120	0.73 96	0.66 73	1.62 190	0.66 89	0.32 272	0.21 188	0.24 70	0.20 103	0.28 123	0.23 87

rvit_stereo_0083	0.86 83	0.67 250	1.42 101	0.87 150	0.65 212	1.23 23	0.64 146	1.67 45	2.28 382	0.79 96	0.93 72	0.93 148	1.07 208	1.46 158	0.75 132	0.32 272	0.36 411	0.30 230	0.26 225	0.33 229	0.28 173

test_sample1	1.62 246	0.55 116	1.88 144	1.44 458	0.79 273	2.27 118	0.64 146	4.00 398	1.82 284	1.87 257	1.35 168	1.57 237	1.62 350	9.55 461	1.24 279	0.30 228	0.27 327	0.31 253	0.28 280	0.32 210	0.32 233

PCWNet_CMD	2.23 344	0.65 229	17.36 455	0.83 115	0.76 262	3.51 276	0.64 146	3.60 297	1.97 310	1.70 223	1.63 246	3.22 447	3.05 494	2.09 254	1.11 249	0.31 251	0.36 411	0.47 443	0.26 225	0.64 460	0.47 386

TransformOpticalFlow	3.03 478	0.77 329	20.99 560	1.00 244	0.55 157	4.18 444	0.64 146	4.33 509	3.02 510	2.18 370	3.09 514	4.35 522	5.07 543	7.36 416	1.27 288	0.32 272	0.18 79	0.32 273	0.26 225	0.28 123	0.46 381

CFNet_pseudo	2.12 329	0.67 250	15.14 428	0.85 137	0.74 256	3.95 379	0.64 146	3.95 383	1.78 279	1.90 267	1.79 302	3.27 452	1.62 350	2.51 287	1.16 258	0.31 251	0.36 411	0.53 483	0.27 251	0.63 452	0.44 365

CFNet-RSSM	2.08 324	0.52 86	20.06 516	1.01 250	0.56 161	3.39 244	0.64 146	3.67 310	1.55 196	1.72 228	1.37 173	2.57 383	1.19 247	1.11 66	0.86 174	0.27 125	0.20 154	0.25 96	0.23 167	0.27 106	0.23 87

Gwc-CoAtRS	1.58 236	0.57 137	11.69 375	1.01 250	0.60 188	2.53 144	0.64 146	2.36 120	1.56 202	1.80 243	1.47 197	2.74 402	1.18 243	1.12 71	0.90 191	0.27 125	0.21 188	0.25 96	0.22 152	0.27 106	0.23 87

MSMDNet	2.23 344	0.64 218	17.32 451	0.84 125	0.75 258	3.53 280	0.64 146	3.61 300	1.98 312	1.71 227	1.64 248	3.22 447	2.99 487	2.08 251	1.11 249	0.31 251	0.37 424	0.45 434	0.26 225	0.62 450	0.45 371

xyz-stereo-finetune2	1.16 162	0.63 206	1.50 109	0.57 1	0.36 16	3.47 262	0.65 155	2.70 177	1.23 75	0.88 118	1.75 282	0.91 142	1.76 388	3.54 329	1.74 384	0.24 72	0.22 217	0.30 230	0.27 251	0.31 183	0.26 138

222	2.68 438	0.57 137	2.03 160	1.11 310	0.81 278	3.23 217	0.65 155	4.52 546	2.45 428	2.34 426	2.29 438	1.41 220	1.44 301	10.50 493	18.47 588	0.32 272	0.30 362	0.32 273	0.27 251	0.32 210	0.34 264

ccs_rob	2.13 331	0.67 250	15.11 427	0.84 125	0.75 258	3.96 384	0.65 155	3.95 383	1.78 279	1.88 260	1.79 302	3.26 451	1.64 366	2.51 287	1.16 258	0.31 251	0.36 411	0.54 490	0.27 251	0.65 463	0.45 371

FlowAnything_test	0.75 36	0.60 170	1.18 63	0.82 104	0.58 182	2.29 120	0.66 158	1.38 13	0.80 24	1.03 144	0.76 38	0.63 65	0.49 24	0.84 18	0.91 198	0.31 251	0.27 327	0.40 399	0.48 475	0.31 183	0.30 212

iResNet_ROB	1.89 286	1.02 412	8.60 334	1.39 447	0.98 348	3.72 318	0.66 158	3.84 346	2.65 460	1.88 260	2.05 390	1.98 314	1.27 257	4.52 353	1.67 373	0.30 228	0.20 154	0.28 189	0.18 59	0.31 183	0.40 340

FSD	0.75 36	0.64 218	1.23 70	0.76 81	0.60 188	0.77 5	0.67 160	1.57 30	0.68 4	0.72 61	0.62 23	1.02 160	0.72 86	0.81 13	0.73 123	0.59 490	0.54 503	0.57 496	0.54 499	0.57 432	0.55 430

1w_stereo	0.86 83	0.42 18	1.07 16	0.72 61	0.81 278	3.00 188	0.67 160	3.28 248	0.75 13	0.74 69	1.32 158	0.37 8	1.37 277	0.92 33	0.68 97	0.16 5	0.14 11	0.20 8	0.16 17	0.19 5	0.22 76

mms	0.77 52	0.68 258	1.17 62	0.83 115	0.71 244	1.41 50	0.67 160	1.61 35	1.12 67	0.77 90	1.37 173	0.63 65	0.54 36	1.75 213	0.63 74	0.24 72	0.19 114	0.26 125	0.21 119	0.31 183	0.34 264

SDNR	3.97 525	1.93 518	20.28 531	1.31 407	0.94 333	5.16 561	0.67 160	4.33 509	2.58 450	4.82 563	5.94 553	5.01 547	1.45 305	17.52 592	2.53 469	0.79 521	0.72 539	0.59 501	0.45 465	1.15 537	1.17 530

DCRE	1.44 221	0.74 307	3.50 267	1.13 321	0.72 246	1.78 77	0.67 160	2.14 93	1.56 202	1.99 297	8.09 562	1.73 263	1.07 208	1.24 103	0.83 161	0.23 58	0.25 303	0.26 125	0.26 225	0.28 123	0.30 212

NF-Stereo	1.58 236	0.61 187	2.66 230	2.26 548	0.47 108	4.68 535	0.67 160	3.31 252	1.48 142	2.11 341	1.59 233	1.36 210	1.09 213	6.08 387	1.20 267	0.40 378	0.20 154	0.36 361	0.34 372	0.31 183	0.36 284

OCTAStereo	1.58 236	0.61 187	2.72 233	2.27 551	0.46 98	4.68 535	0.67 160	3.30 251	1.48 142	2.11 341	1.59 233	1.36 210	1.09 213	6.02 384	1.21 271	0.41 393	0.20 154	0.36 361	0.34 372	0.31 183	0.37 298

3w_stereo	0.71 30	0.47 51	1.14 57	0.65 28	0.39 45	1.73 76	0.68 167	2.79 195	0.79 21	0.67 50	0.84 52	0.37 8	1.02 188	1.03 52	0.56 56	0.18 21	0.14 11	0.23 39	0.18 59	0.20 19	0.22 76

CFNet_ucs	2.36 386	0.68 258	18.42 476	0.89 162	0.81 278	3.85 352	0.68 167	4.29 492	2.37 407	2.09 334	2.04 384	3.31 456	1.24 255	2.63 302	1.14 254	0.36 333	0.45 473	0.56 493	0.29 308	0.66 468	0.49 398

UDGNet	1.40 217	1.52 497	2.22 188	1.38 445	0.62 199	4.39 479	0.68 167	1.80 59	2.18 361	1.34 167	1.18 116	0.99 155	1.00 183	2.16 261	1.19 264	1.09 539	0.34 399	1.30 557	0.98 546	1.10 530	0.58 444

RE-Stereo	1.58 236	0.61 187	2.72 233	2.26 548	0.46 98	4.68 535	0.68 167	3.31 252	1.48 142	2.11 341	1.59 233	1.36 210	1.09 213	6.01 382	1.22 274	0.41 393	0.20 154	0.36 361	0.34 372	0.31 183	0.37 298

TVStereo	1.58 236	0.61 187	2.72 233	2.26 548	0.46 98	4.68 535	0.68 167	3.31 252	1.48 142	2.11 341	1.59 233	1.36 210	1.09 213	6.01 382	1.22 274	0.41 393	0.20 154	0.36 361	0.34 372	0.31 183	0.37 298

raftrobust	1.19 165	0.72 288	2.30 198	1.26 383	1.31 436	3.55 287	0.68 167	2.75 184	1.47 133	2.21 386	1.38 176	1.17 179	1.22 250	1.20 97	1.11 249	0.28 162	0.24 279	0.21 20	0.19 83	0.25 74	0.28 173

rvit_stereo_0075_2	1.18 163	0.74 307	2.66 230	0.90 171	1.27 430	2.51 138	0.69 173	2.25 106	2.06 332	1.40 178	1.86 341	1.46 226	0.84 138	1.42 147	0.94 214	0.46 434	0.40 444	0.48 451	0.38 423	0.46 389	0.51 413

CASS	1.29 204	0.66 240	2.62 226	0.95 209	0.66 219	2.84 164	0.69 173	3.00 215	1.79 281	2.57 465	1.95 363	1.39 214	1.55 337	1.59 182	1.06 237	0.50 464	0.28 339	0.34 326	0.28 280	0.46 389	0.63 459
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PSM-softLoss	1.66 255	0.59 158	5.15 296	2.25 546	0.48 116	4.68 535	0.69 173	2.57 157	1.52 172	2.14 351	1.45 190	1.42 221	0.99 181	6.04 385	1.20 267	0.41 393	0.23 244	0.37 373	0.39 430	0.32 210	0.31 222

KMStereo	1.66 255	0.59 158	5.15 296	2.25 546	0.48 116	4.68 535	0.69 173	2.57 157	1.52 172	2.14 351	1.45 190	1.42 221	0.99 181	6.04 385	1.20 267	0.41 393	0.23 244	0.37 373	0.39 430	0.32 210	0.31 222

AnonymousM	1.22 177	1.32 475	0.97 5	0.88 155	0.56 161	4.03 399	0.69 173	2.41 123	1.68 250	1.48 186	1.31 157	1.15 177	1.00 183	1.18 95	0.73 123	0.32 272	0.40 444	2.07 565	1.70 568	0.24 60	0.22 76

RALAANet	1.28 202	1.08 427	3.21 253	1.25 376	0.94 333	1.44 52	0.69 173	3.15 232	2.57 449	2.01 311	1.80 305	1.29 202	1.05 198	2.00 244	1.48 331	0.27 125	0.20 154	0.27 156	0.24 193	0.40 308	0.27 154

MSKI-zero shot	2.22 341	0.64 218	20.09 520	0.96 215	0.56 161	4.04 401	0.70 179	3.91 370	1.50 156	1.92 274	2.28 434	1.92 301	0.71 83	2.93 315	0.67 94	0.26 108	0.23 244	0.26 125	0.21 119	0.28 123	0.26 138

RALCasStereoNet	1.19 165	1.02 412	2.06 172	1.12 314	1.14 390	3.08 199	0.70 179	2.99 213	1.73 266	1.34 167	1.68 260	1.18 183	0.91 160	2.16 261	1.00 229	0.30 228	0.26 316	0.24 70	0.21 119	0.29 141	0.30 212

RSM++	0.77 52	0.51 80	1.08 25	0.95 209	0.42 65	1.52 61	0.71 181	2.11 90	1.40 108	0.80 98	1.23 130	0.90 140	0.59 48	1.14 76	0.69 106	0.24 72	0.19 114	0.25 96	0.21 119	0.28 123	0.20 27

HCRNet	1.60 242	0.56 127	2.47 213	0.78 89	1.36 453	4.11 418	0.71 181	3.57 293	2.79 478	1.75 234	1.61 241	1.58 239	1.41 290	5.79 379	1.56 349	0.34 301	0.28 339	0.36 361	0.29 308	0.33 229	0.37 298

StereoDRNet-Refined	1.77 271	0.81 347	2.22 188	1.21 364	0.76 262	3.26 226	0.71 181	3.82 342	2.05 330	2.29 405	2.05 390	2.98 427	1.44 301	7.15 411	2.27 447	0.30 228	0.23 244	0.42 418	0.33 363	0.45 378	0.64 463
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
test_sample4	2.34 376	0.63 206	11.59 373	1.30 404	0.83 293	3.07 198	0.72 184	4.27 484	2.30 386	2.30 409	1.88 345	1.73 263	1.42 295	11.14 524	1.46 323	0.35 321	0.29 349	0.35 345	0.36 398	0.40 308	0.38 313

AE-Stereo	1.18 163	0.60 170	2.05 163	1.10 303	0.60 188	4.39 479	0.72 184	3.74 326	1.62 236	1.10 150	1.90 356	1.01 159	0.92 163	1.45 154	0.82 158	0.28 162	0.22 217	0.28 189	0.28 280	0.26 93	0.22 76

anonymousdsp2	1.26 194	0.60 170	3.74 278	1.02 261	0.41 58	3.60 297	0.72 184	3.68 312	1.47 133	1.37 173	1.56 226	1.83 290	1.01 185	2.00 244	0.66 89	0.29 185	0.20 154	0.28 189	0.20 103	0.32 210	0.29 183

DeepStereo_RVC	1.55 229	0.63 206	3.32 260	0.77 87	0.42 65	4.49 500	0.72 184	2.50 141	1.58 211	2.02 316	1.81 317	1.54 235	6.38 563	1.73 210	1.19 264	0.46 434	0.22 217	0.29 210	0.28 280	0.35 265	0.38 313

cross-raft	2.01 313	0.57 137	19.01 486	1.03 268	0.56 161	2.11 107	0.72 184	3.63 302	1.57 208	1.77 236	1.51 208	3.17 444	1.13 225	1.16 83	0.85 167	0.23 58	0.21 188	0.26 125	0.23 167	0.28 123	0.25 114

MM-Stereo_test2	1.79 273	0.53 98	20.16 522	1.43 455	0.47 108	2.57 147	0.73 189	1.67 45	1.47 133	0.94 127	0.96 79	0.84 121	0.79 120	1.16 83	0.68 97	0.24 72	0.17 48	0.25 96	0.22 152	0.30 164	0.22 76

DCVSM-stereo	2.31 365	0.66 240	20.69 549	1.11 310	0.93 331	2.58 149	0.73 189	2.61 166	1.60 227	2.57 465	1.53 216	3.30 455	1.72 383	2.19 266	1.23 277	0.34 301	0.53 501	0.41 411	0.32 355	0.45 378	0.62 455

test_sample3	2.34 376	0.61 187	11.94 376	1.33 415	0.85 301	3.10 202	0.73 189	4.24 474	2.19 362	2.21 386	1.75 282	1.80 281	1.41 290	11.11 523	1.46 323	0.35 321	0.29 349	0.34 326	0.35 388	0.39 303	0.37 298

MGS-Stereo	0.80 62	0.56 127	1.53 112	0.93 201	0.39 45	1.26 30	0.73 189	1.45 18	1.30 90	1.01 137	2.26 429	0.80 113	0.56 39	1.16 83	0.65 84	0.27 125	0.23 244	0.26 125	0.22 152	0.27 106	0.25 114

SMFormer	2.00 310	0.57 137	4.46 285	1.36 433	0.57 173	2.03 96	0.73 189	4.25 476	2.80 482	2.32 419	2.31 450	1.95 305	1.52 325	10.99 514	2.13 435	0.34 301	0.32 380	0.36 361	0.31 343	0.38 293	0.36 284

tta	2.00 310	0.57 137	4.46 285	1.36 433	0.57 173	2.03 96	0.73 189	4.25 476	2.80 482	2.32 419	2.31 450	1.95 305	1.52 325	10.99 514	2.13 435	0.34 301	0.32 380	0.36 361	0.31 343	0.29 141	0.29 183

qqq1	1.92 295	0.57 137	4.46 285	1.36 433	0.57 173	2.03 96	0.73 189	4.25 476	2.80 482	2.32 419	2.31 450	1.95 305	1.52 325	10.99 514	0.71 115	0.34 301	0.32 380	0.30 230	0.23 167	0.29 141	0.29 183

fff1	1.92 295	0.57 137	4.46 285	1.36 433	0.57 173	2.03 96	0.73 189	4.25 476	2.80 482	2.32 419	2.31 450	1.95 305	1.52 325	10.99 514	0.71 115	0.34 301	0.32 380	0.30 230	0.23 167	0.29 141	0.29 183

CAS	1.26 194	0.40 8	1.46 104	2.97 566	1.61 503	4.13 423	0.73 189	1.78 57	1.49 150	0.83 110	1.10 105	0.59 59	0.53 31	1.26 110	0.80 149	2.99 570	0.13 1	0.21 20	0.13 1	0.31 183	1.72 551

AACVNet	1.83 277	1.02 412	2.41 210	1.45 462	0.87 311	3.21 213	0.73 189	3.16 233	1.61 231	2.01 311	1.82 325	2.28 342	1.33 269	10.98 513	1.49 334	0.39 370	0.32 380	0.38 389	0.32 355	0.43 362	0.44 365

PSM-adaLoss	1.24 183	0.65 229	2.03 160	0.75 67	0.37 31	4.68 535	0.73 189	2.53 143	1.58 211	1.99 297	1.47 197	1.78 271	1.13 225	2.18 265	0.87 180	0.48 448	0.23 244	0.32 273	0.27 251	0.40 308	0.29 183

CFNet	2.34 376	1.10 431	8.96 338	1.34 422	1.24 422	4.09 411	0.73 189	4.04 409	2.77 475	1.62 206	1.87 344	2.27 341	1.45 305	11.41 532	1.82 394	0.31 251	0.24 279	0.43 422	0.36 398	0.43 362	0.33 251

AIO-test2	1.61 244	1.30 469	3.40 263	1.16 341	1.31 436	3.18 210	0.74 201	4.06 417	1.52 172	1.72 228	2.21 422	0.78 107	0.74 96	3.64 334	0.95 219	3.64 578	0.26 316	0.35 345	0.42 455	0.37 288	0.33 251

test_sample5	2.33 372	0.62 197	11.29 370	1.29 397	0.83 293	3.09 200	0.74 201	4.28 489	2.31 390	2.20 377	1.97 370	1.68 252	1.39 281	11.19 525	1.47 328	0.37 341	0.31 372	0.37 373	0.37 410	0.41 333	0.39 320

ACVNet-DCA	1.85 279	0.74 307	13.77 397	1.78 516	0.36 16	4.48 494	0.74 201	3.98 392	1.53 179	1.01 137	1.81 317	0.72 92	1.62 350	2.13 256	0.64 77	0.29 185	0.17 48	0.32 273	0.21 119	0.33 229	0.32 233

xx1	2.03 315	0.74 307	13.77 397	1.78 516	0.36 16	4.48 494	0.74 201	4.23 466	3.95 557	1.01 137	1.81 317	1.79 278	1.34 271	2.13 256	0.64 77	0.29 185	0.17 48	0.33 308	0.33 363	0.33 229	0.32 233

1test111	1.99 309	0.74 307	13.77 397	1.78 516	0.36 16	4.48 494	0.74 201	3.98 392	1.53 179	1.01 137	1.81 317	0.72 92	1.62 350	4.66 355	0.98 224	0.29 185	0.17 48	0.32 273	0.21 119	0.33 229	0.32 233

cc1	1.98 306	0.74 307	13.77 397	1.78 516	0.36 16	4.48 494	0.74 201	4.23 466	3.95 557	1.01 137	1.81 317	0.72 92	1.62 350	2.13 256	0.64 77	0.29 185	0.17 48	0.32 273	0.21 119	0.31 183	0.29 183

DualNet	2.33 372	0.62 197	11.29 370	1.29 397	0.83 293	3.09 200	0.74 201	4.28 489	2.31 390	2.26 401	2.04 384	1.68 252	1.39 281	11.19 525	1.47 328	0.37 341	0.31 372	0.37 373	0.37 410	0.41 333	0.39 320

CASnet	0.78 57	0.51 80	1.29 83	0.81 94	0.29 2	1.28 37	0.74 201	1.51 23	1.89 300	1.64 210	1.09 102	0.65 72	0.64 63	0.91 31	0.76 136	0.29 185	0.17 48	0.41 411	0.31 343	0.32 210	0.19 7
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iGMRVC	1.26 194	0.66 240	2.14 179	0.75 67	0.37 31	4.66 532	0.74 201	2.53 143	1.58 211	1.99 297	1.46 192	1.78 271	1.14 232	2.46 281	0.92 203	0.48 448	0.23 244	0.32 273	0.27 251	0.40 308	0.29 183

RAFT-IKP	1.25 187	0.66 240	2.23 190	0.75 67	0.37 31	4.64 529	0.74 201	2.53 143	1.58 211	1.99 297	1.47 197	1.78 271	1.13 225	2.22 271	0.92 203	0.48 448	0.22 217	0.32 273	0.27 251	0.40 308	0.29 183

rvit_stereo_0080	0.94 105	0.72 288	2.56 217	0.64 20	0.59 185	1.90 85	0.75 211	2.71 178	1.40 108	0.91 122	1.04 90	0.85 125	0.82 133	1.14 76	0.78 142	0.35 321	0.29 349	0.25 96	0.27 251	0.45 378	0.29 183

whm_eth	0.94 105	0.72 288	2.56 217	0.64 20	0.59 185	1.90 85	0.75 211	2.71 178	1.40 108	0.91 122	1.04 90	0.85 125	0.82 133	1.14 76	0.78 142	0.35 321	0.29 349	0.25 96	0.27 251	0.45 378	0.29 183

dd	1.26 194	1.15 441	2.47 213	0.92 185	0.49 124	4.35 474	0.75 211	1.92 72	2.11 348	1.44 183	1.24 131	1.19 187	1.05 198	1.78 216	1.70 376	0.57 487	0.34 399	0.35 345	0.33 363	0.60 441	0.46 381

tt45	0.96 117	0.48 61	1.19 64	0.89 162	0.66 219	3.91 362	0.76 214	1.90 69	1.26 85	0.70 55	1.30 152	0.71 90	0.63 60	2.59 299	0.74 129	0.22 46	0.17 48	0.28 189	0.23 167	0.27 106	0.27 154

fffy	0.80 62	0.59 158	1.56 118	1.00 244	0.47 108	1.27 31	0.76 214	1.90 69	1.02 59	0.75 71	1.35 168	0.83 119	0.72 86	1.70 207	0.62 71	0.23 58	0.19 114	0.27 156	0.21 119	0.28 123	0.32 233

testlalala2	2.31 365	0.63 206	20.54 542	2.56 559	2.87 564	3.79 333	0.76 214	4.20 453	1.48 142	1.42 182	1.43 187	2.45 371	0.80 127	1.03 52	0.68 97	0.27 125	0.25 303	0.24 70	0.21 119	0.33 229	0.28 173

BUS	1.49 228	0.59 158	1.94 150	0.87 150	0.85 301	4.50 503	0.76 214	4.48 538	1.88 296	2.93 505	1.83 326	3.63 487	0.97 174	1.60 184	1.17 261	0.34 301	0.25 303	0.31 253	0.28 280	0.35 265	0.33 251

NINENet	1.87 281	0.74 307	2.60 220	1.12 314	1.06 372	4.50 503	0.76 214	4.41 527	2.24 370	2.16 364	1.86 341	3.63 487	0.97 174	8.00 428	1.17 261	0.41 393	0.30 362	0.41 411	0.30 327	0.41 333	0.36 284

GANet-ADL	2.20 340	0.73 299	20.11 521	1.25 376	0.69 237	3.83 339	0.76 214	3.49 277	1.71 260	1.65 214	1.99 375	2.10 332	1.10 219	1.42 147	1.26 285	0.38 358	0.33 387	0.25 96	0.22 152	0.42 352	0.36 284

Patchmatch Stereo++	1.25 187	0.65 229	2.06 172	0.75 67	0.37 31	4.68 535	0.76 214	2.53 143	1.58 211	1.99 297	1.47 197	1.78 271	1.14 232	2.44 279	0.90 191	0.48 448	0.23 244	0.32 273	0.27 251	0.40 308	0.29 183
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
IIG-Stereo	1.95 300	0.79 339	2.14 179	2.78 563	0.66 219	4.62 526	0.76 214	4.27 484	1.53 179	2.63 480	3.14 518	3.35 459	1.61 347	7.65 422	1.41 314	0.39 370	0.20 154	0.31 253	0.25 205	0.33 229	0.22 76

ROB_FTStereo_v2	1.23 178	0.66 240	2.02 159	0.75 67	0.37 31	4.67 534	0.76 214	2.53 143	1.58 211	1.99 297	1.46 192	1.78 271	1.14 232	2.08 251	0.88 184	0.48 448	0.22 217	0.32 273	0.27 251	0.40 308	0.29 183

SST-Stereo	1.76 269	0.58 150	3.10 249	1.44 458	0.46 98	4.71 547	0.76 214	2.22 103	2.79 478	2.07 333	2.18 416	2.43 366	3.22 503	6.66 400	0.84 164	0.42 404	0.19 114	0.30 230	0.27 251	0.35 265	0.26 138

iRAFT	1.25 187	0.65 229	2.06 172	0.75 67	0.37 31	4.68 535	0.76 214	2.53 143	1.58 211	1.99 297	1.47 197	1.78 271	1.14 232	2.44 279	0.90 191	0.48 448	0.23 244	0.32 273	0.27 251	0.40 308	0.29 183

raft+_RVC	1.21 173	0.83 358	2.61 223	1.35 427	0.97 341	3.60 297	0.76 214	3.23 242	1.51 163	1.33 166	1.67 257	1.03 163	1.10 219	1.87 234	0.92 203	0.24 72	0.22 217	0.25 96	0.24 193	0.26 93	0.25 114

UNet	2.51 410	0.74 307	20.17 523	1.14 322	1.44 472	3.48 266	0.76 214	3.77 331	1.87 294	2.05 325	1.57 228	2.75 404	2.39 457	3.51 328	2.51 467	0.32 272	0.26 316	0.41 411	0.26 225	0.38 293	0.39 320

xyz-stereo	10.85 584	0.45 29	79.01 620	0.62 13	0.45 87	83.70 620	0.77 227	2.59 164	1.34 94	2.19 374	32.02 609	2.76 410	1.62 350	5.75 378	2.39 453	0.25 93	0.17 48	0.33 308	0.21 119	0.25 74	0.19 7

RSM	0.80 62	0.50 74	1.08 25	0.83 115	0.51 130	1.31 41	0.77 227	2.28 112	1.43 117	0.82 102	1.44 189	1.22 193	0.62 57	1.17 90	0.63 74	0.22 46	0.18 79	0.24 70	0.19 83	0.27 106	0.20 27

ttt	2.76 444	0.56 127	2.28 197	1.41 451	1.21 418	3.67 310	0.77 227	4.59 551	2.94 501	2.35 427	2.30 443	2.45 371	1.54 335	11.25 528	15.56 571	0.43 410	0.36 411	0.37 373	0.33 363	0.40 308	0.40 340

ROB_FTStereo	1.25 187	0.66 240	2.14 179	0.75 67	0.37 31	4.65 531	0.77 227	2.53 143	1.58 211	1.99 297	1.47 197	1.78 271	1.13 225	2.26 274	0.86 174	0.47 443	0.22 217	0.32 273	0.27 251	0.40 308	0.29 183

HUF	1.15 158	0.64 218	8.62 335	0.90 171	0.35 14	1.35 44	0.78 231	1.97 78	1.50 156	0.63 37	1.52 209	0.83 119	0.66 73	1.28 115	0.63 74	0.29 185	0.23 244	0.26 125	0.17 35	0.23 55	0.25 114

DDVS	1.68 257	0.79 339	2.52 215	1.26 383	1.16 397	3.17 208	0.78 231	3.12 228	1.82 284	1.86 255	1.91 357	2.92 425	1.43 298	6.20 389	1.63 366	0.45 427	0.65 528	0.34 326	0.38 423	0.48 396	0.79 500

iRaft-Stereo_20w	1.88 285	0.62 197	10.58 362	0.90 171	0.83 293	2.96 186	0.78 231	4.90 562	1.58 211	2.29 405	1.60 237	1.25 196	4.51 537	2.28 275	0.90 191	0.29 185	0.21 188	0.26 125	0.24 193	0.41 333	0.31 222

PSMNet-ADL	1.91 292	0.72 288	1.78 137	1.09 294	0.86 306	4.18 444	0.78 231	3.77 331	2.10 346	1.72 228	1.85 338	2.91 423	1.82 403	10.38 492	1.91 405	0.48 448	0.46 482	0.28 189	0.29 308	0.38 293	0.51 413

HUI-Stereo	1.25 187	0.66 240	2.33 201	0.75 67	0.37 31	4.68 535	0.78 231	2.53 143	1.58 211	1.99 297	1.46 192	1.79 278	1.13 225	2.17 263	0.85 167	0.48 448	0.23 244	0.32 273	0.27 251	0.40 308	0.29 183

ASMatch	2.62 427	0.60 170	20.65 548	1.37 443	0.64 204	4.39 479	0.78 231	1.97 78	1.58 211	1.70 223	3.89 537	1.94 303	3.79 521	5.46 369	1.64 369	0.31 251	0.24 279	0.34 326	0.28 280	0.33 229	0.50 405

RAFT-345	2.46 400	0.55 116	19.69 503	1.02 261	0.49 124	4.43 490	0.78 231	1.64 43	2.34 396	2.09 334	3.12 516	1.96 310	1.31 266	6.65 399	1.43 317	0.36 333	0.23 244	0.32 273	0.25 205	0.28 123	0.25 114

MM-Stereo_test1	1.90 288	0.53 98	19.85 508	1.39 447	0.48 116	1.81 80	0.79 238	3.00 215	1.82 284	1.69 219	1.09 102	0.87 131	0.97 174	1.45 154	0.74 129	0.24 72	0.21 188	0.27 156	0.24 193	0.35 265	0.24 104

SMoEStereo_RVC	0.80 62	0.53 98	1.12 49	0.92 185	0.44 79	2.41 130	0.79 238	1.49 22	1.16 68	0.70 55	1.12 108	0.64 67	0.64 63	1.69 205	0.87 180	0.22 46	0.16 32	0.31 253	0.22 152	0.26 93	0.25 114

rvit_0105_6	1.00 131	0.93 390	2.21 185	0.92 185	0.55 157	1.52 61	0.79 238	2.41 123	2.96 502	0.76 85	0.72 33	1.02 160	0.75 99	1.42 147	0.81 155	0.40 378	0.43 463	0.34 326	0.31 343	0.43 362	0.34 264

Occ-G	0.86 83	0.52 86	1.39 97	0.82 104	0.66 219	1.37 46	0.79 238	1.58 31	1.31 91	1.56 195	0.87 57	2.18 337	0.89 155	0.97 43	0.88 184	0.26 108	0.19 114	0.26 125	0.19 83	0.25 74	0.24 104

test_sample6	2.35 381	0.62 197	10.78 365	1.33 415	0.83 293	3.15 207	0.79 238	4.36 518	2.43 423	2.26 401	2.04 384	1.69 257	1.39 281	11.48 537	1.61 358	0.38 358	0.32 380	0.37 373	0.39 430	0.41 333	0.42 350

tt1	1.79 273	0.73 299	10.41 360	1.75 513	0.36 16	4.55 514	0.79 238	4.22 462	3.37 541	1.08 148	1.80 305	0.74 101	1.48 312	2.21 269	0.65 84	0.29 185	0.16 32	0.31 253	0.22 152	0.30 164	0.29 183

anonymousa	2.16 334	0.67 250	19.19 487	1.04 270	1.67 516	2.06 104	0.79 238	2.86 203	1.96 308	1.85 250	2.14 409	3.23 449	1.81 401	1.12 71	1.15 255	0.26 108	0.26 316	0.34 326	0.32 355	0.30 164	0.28 173

RCA-Stereo	1.21 173	0.52 86	1.58 120	0.90 171	0.46 98	4.68 535	0.79 238	4.13 437	1.74 272	1.92 274	1.80 305	0.94 152	1.48 312	1.14 76	0.70 112	0.27 125	0.18 79	0.25 96	0.19 83	0.25 74	0.23 87

DisPM	1.36 213	0.55 116	2.39 207	1.54 481	0.51 130	4.59 522	0.79 238	2.50 141	1.88 296	2.50 451	1.83 326	1.45 224	1.01 185	2.71 309	0.93 212	0.46 434	0.20 154	0.32 273	0.31 343	0.31 183	0.44 365

Pruner-Stereo	1.32 211	0.59 158	2.11 178	1.79 521	0.47 108	4.73 548	0.79 238	2.53 143	1.72 263	2.47 448	1.58 229	1.48 227	1.03 189	1.66 199	1.47 328	0.44 418	0.21 188	0.34 326	0.30 327	0.30 164	0.39 320

VIP-Stereo	0.85 81	0.83 358	1.59 122	0.76 81	0.87 311	3.18 210	0.80 248	1.94 76	0.83 32	0.78 93	1.04 90	0.64 67	0.59 48	1.24 103	0.61 67	0.28 162	0.18 79	0.23 39	0.17 35	0.22 47	0.19 7

IGEV-RUCA	0.90 96	0.53 98	1.05 10	0.81 94	0.74 256	3.89 359	0.80 248	1.92 72	1.41 111	0.96 134	0.71 31	0.70 83	0.73 91	1.30 124	0.68 97	0.29 185	0.20 154	0.25 96	0.19 83	0.43 362	0.34 264

fffft	0.76 45	0.47 51	1.28 82	0.82 104	0.54 149	1.51 59	0.80 248	2.09 89	1.18 71	0.63 37	0.84 52	0.59 59	0.55 37	1.80 221	0.85 167	0.19 26	0.18 79	0.27 156	0.20 103	0.26 93	0.24 104
1: 1. 1
rvit_stereo_ft	1.00 131	0.87 373	3.55 268	0.97 222	0.66 219	1.06 11	0.80 248	2.78 190	1.67 248	0.78 93	0.96 79	0.95 153	1.14 232	1.06 59	0.90 191	0.32 272	0.24 279	0.27 156	0.28 280	0.39 303	0.27 154

RAFT-Stereo-weight	1.11 150	0.48 61	1.22 69	0.99 236	0.42 65	4.17 441	0.80 248	3.60 297	1.50 156	1.97 290	1.50 206	1.30 203	0.65 66	1.24 103	0.85 167	0.25 93	0.19 114	0.26 125	0.22 152	0.27 106	0.23 87

RAFT-Test	1.44 221	0.59 158	6.10 306	1.01 250	0.69 237	2.90 171	0.80 248	3.68 312	1.70 259	1.85 250	1.68 260	3.15 442	1.03 189	1.20 97	0.99 227	0.27 125	0.22 217	0.25 96	0.23 167	0.27 106	0.25 114

test_xeample	2.67 434	0.56 127	2.05 163	1.09 294	0.81 278	3.24 221	0.80 248	4.55 548	2.70 466	2.42 441	2.27 430	1.39 214	1.40 285	10.75 502	17.51 583	0.30 228	0.30 362	0.32 273	0.28 280	0.34 247	0.33 251

ACVNet	1.46 224	0.64 218	3.56 270	0.93 201	0.85 301	4.22 454	0.80 248	2.85 200	2.08 335	1.78 238	1.88 345	3.10 437	1.46 308	1.33 128	1.89 402	0.29 185	0.26 316	0.30 230	0.26 225	0.39 303	0.27 154

hitnet-ft	2.37 387	0.73 299	8.34 329	0.96 215	0.89 320	3.77 327	0.80 248	3.55 291	2.58 450	2.24 395	2.04 384	3.65 489	1.49 318	11.71 552	1.89 402	0.44 418	0.53 501	0.44 427	0.35 388	0.52 410	0.48 391

HITNet	2.07 322	0.82 354	14.77 417	1.34 422	0.56 161	3.47 262	0.80 248	4.07 420	2.35 398	2.16 364	1.61 241	1.64 247	1.44 301	2.09 254	2.56 473	0.26 108	0.18 79	0.41 411	0.26 225	0.45 378	0.25 114
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
xyz-stereo-finetune	1.05 141	0.62 197	1.46 104	0.59 5	0.36 16	3.48 266	0.81 258	2.69 176	1.74 272	0.94 127	1.21 124	0.91 142	0.78 116	2.53 294	1.28 292	0.24 72	0.24 279	0.26 125	0.23 167	0.30 164	0.23 87

Any-RAFT	1.40 217	0.53 98	2.78 237	1.09 294	0.64 204	4.41 485	0.81 258	3.97 390	2.78 476	1.99 297	1.34 165	2.36 355	1.56 339	1.56 173	0.75 132	0.27 125	0.20 154	0.25 96	0.18 59	0.25 74	0.28 173

pcwnet_v2	2.70 441	0.65 229	22.48 586	1.08 288	1.03 364	3.56 289	0.81 258	4.29 492	3.14 520	2.29 405	2.29 438	3.01 430	1.71 381	3.32 325	1.43 317	0.43 410	0.50 498	0.41 411	0.34 372	0.61 446	0.56 435

iResNet	2.52 413	0.94 396	21.17 566	1.84 525	0.72 246	3.75 324	0.81 258	4.14 443	2.55 448	2.33 425	2.03 381	1.35 209	1.44 301	3.27 322	2.16 439	0.35 321	0.23 244	0.28 189	0.22 152	0.44 370	0.45 371

AIO-Stereo	0.76 45	0.54 110	1.07 16	0.73 64	0.40 51	1.28 37	0.82 262	2.26 107	1.49 150	0.70 55	1.58 229	0.89 136	0.45 16	1.03 52	0.55 55	0.24 72	0.18 79	0.25 96	0.20 103	0.26 93	0.21 57

HH	2.23 344	0.86 370	21.59 576	0.98 230	0.51 130	1.49 57	0.82 262	2.74 182	1.54 188	1.10 150	1.69 265	4.62 535	1.86 410	2.55 295	0.69 106	0.26 108	0.22 217	0.29 210	0.23 167	0.34 247	0.27 154

HanStereo	2.23 344	0.86 370	21.59 576	0.98 230	0.51 130	1.49 57	0.82 262	2.74 182	1.54 188	1.10 150	1.69 265	4.62 535	1.86 410	2.55 295	0.69 106	0.26 108	0.22 217	0.29 210	0.23 167	0.34 247	0.27 154

Selective-IGEV	0.80 62	0.52 86	1.05 10	0.75 67	0.61 193	1.31 41	0.82 262	2.60 165	1.41 111	0.82 102	1.64 248	0.71 90	0.62 57	1.22 100	0.64 77	0.22 46	0.19 114	0.24 70	0.18 59	0.25 74	0.20 27

GLC_STEREO	0.76 45	0.52 86	1.12 49	0.83 115	0.33 10	1.86 83	0.82 262	1.46 20	1.38 103	0.95 131	1.04 90	0.68 79	0.72 86	0.97 43	0.80 149	0.23 58	0.25 303	0.32 273	0.25 205	0.32 210	0.30 212

GEAStereo	0.84 80	0.48 61	1.09 33	0.85 137	0.45 87	4.54 509	0.83 267	1.88 63	0.91 42	0.75 71	0.89 61	0.53 46	0.80 127	0.92 33	0.53 48	0.30 228	0.19 114	0.27 156	0.19 83	0.28 123	0.19 7

GSStereo	0.96 117	0.48 61	1.09 33	0.97 222	0.45 87	4.54 509	0.83 267	3.32 257	1.37 100	0.75 71	0.89 61	0.76 104	0.80 127	0.92 33	0.53 48	0.26 108	0.18 79	0.26 125	0.20 103	0.28 123	0.21 57

GS-Stereo							0.83 267	3.32 257	1.37 100	0.75 71	0.89 61	0.76 104	0.80 127	0.92 33	0.53 48	0.26 108	0.18 79	0.26 125	0.20 103	0.28 123	0.21 57

ProNet	0.82 74	0.71 284	1.50 109	0.86 144	0.45 87	1.78 77	0.83 267	1.75 52	1.28 87	0.66 47	1.13 110	0.78 107	0.76 106	1.66 199	0.71 115	0.24 72	0.20 154	0.25 96	0.23 167	0.29 141	0.25 114

CRE-IMP	1.23 178	0.61 187	2.14 179	0.82 104	0.39 45	4.54 509	0.83 267	2.63 168	1.55 196	1.95 284	1.46 192	1.87 298	0.96 171	1.48 161	1.33 303	0.45 427	0.21 188	0.31 253	0.26 225	0.41 333	0.31 222

FADNet_RVC	2.65 430	2.28 533	16.51 442	0.98 230	0.92 326	4.09 411	0.83 267	4.26 483	1.73 266	1.46 184	1.78 299	1.60 242	1.50 319	8.88 441	2.39 453	0.47 443	0.38 430	0.44 427	0.58 507	0.89 508	0.97 518

rvit_0105_4	1.07 146	0.99 407	2.39 207	0.93 201	0.54 149	1.62 70	0.84 273	2.77 187	2.91 496	0.80 98	0.91 67	1.09 168	0.86 143	1.63 194	0.85 167	0.40 378	0.45 473	0.35 345	0.31 343	0.43 362	0.40 340

gcap-zeroshot	1.30 205	0.61 187	4.09 281	0.94 205	0.56 161	3.50 273	0.84 273	3.12 228	1.72 263	1.84 249	1.22 126	2.72 400	0.88 149	1.46 158	0.80 149	0.29 185	0.30 362	0.27 156	0.21 119	0.29 141	0.25 114

testlalala_base	1.62 246	0.74 307	1.63 123	1.19 352	1.40 462	2.63 153	0.84 273	4.09 426	1.31 91	1.22 159	1.42 185	1.21 192	0.85 140	1.16 83	0.73 123	3.92 584	2.10 573	0.27 156	0.18 59	4.49 582	1.11 528

anonymousdsp	0.95 112	0.69 261	1.27 80	0.83 115	0.52 139	4.54 509	0.84 273	1.76 53	1.24 77	0.76 85	1.06 98	0.78 107	0.77 108	1.67 203	0.69 106	0.27 125	0.17 48	0.29 210	0.21 119	0.31 183	0.26 138

IGEV-Stereo	0.95 112	0.69 261	1.27 80	0.84 125	0.52 139	4.54 509	0.84 273	1.76 53	1.24 77	0.75 71	1.06 98	0.79 111	0.77 108	1.68 204	0.69 106	0.27 125	0.17 48	0.29 210	0.21 119	0.31 183	0.26 138
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	2.10 325	0.83 358	8.57 332	0.81 94	0.76 262	3.21 213	0.84 273	3.71 323	1.65 244	1.56 195	2.50 468	2.20 338	2.23 446	9.13 449	2.01 420	0.38 358	0.19 114	0.35 345	0.27 251	0.45 378	0.39 320

dad	1.65 252	1.19 449	3.04 248	0.98 230	0.56 161	4.22 454	0.84 273	1.99 80	2.48 432	2.14 351	1.68 260	1.62 245	1.13 225	3.85 339	2.04 422	1.03 538	0.40 444	2.04 564	0.48 475	0.75 493	0.53 420

PFNet+	1.46 224	0.57 137	2.84 239	0.92 185	0.47 108	4.64 529	0.84 273	2.46 135	1.99 313	2.14 351	1.64 248	1.34 207	1.03 189	4.68 357	1.23 277	0.45 427	0.33 387	0.37 373	0.39 430	0.32 210	0.49 398

Anonymous3	1.72 261	0.76 326	11.61 374	0.83 115	0.84 300	4.46 492	0.84 273	3.57 293	1.16 68	1.34 167	1.37 173	1.11 173	1.03 189	1.58 177	1.13 253	0.70 515	0.58 516	0.33 308	0.35 388	0.47 393	0.42 350

DA	0.98 121	0.46 36	1.34 90	0.92 185	0.43 71	4.34 471	0.85 282	2.79 195	1.35 97	0.82 102	1.30 152	0.89 136	1.08 211	1.11 66	0.56 56	0.30 228	0.18 79	0.24 70	0.18 59	0.25 74	0.23 87

GGEV	0.98 121	0.46 36	1.34 90	0.92 185	0.43 71	4.34 471	0.85 282	2.79 195	1.35 97	0.82 102	1.30 152	0.89 136	1.08 211	1.11 66	0.56 56	0.30 228	0.18 79	0.24 70	0.18 59	0.25 74	0.23 87

coex_refinement	2.10 325	0.85 367	3.67 277	1.31 407	1.13 389	3.21 213	0.85 282	3.86 352	2.31 390	2.51 454	1.92 359	3.49 476	1.69 377	11.08 521	2.13 435	0.37 341	0.25 303	0.27 156	0.31 343	0.41 333	0.37 298

mmm	1.27 199	0.58 150	2.20 183	1.41 451	0.68 231	2.39 128	0.85 282	3.90 365	1.63 239	2.20 377	1.84 331	1.28 199	1.50 319	1.91 237	0.89 187	0.31 251	0.27 327	0.45 434	0.37 410	0.38 293	0.34 264

DMCA-RVC	2.45 397	1.22 458	18.29 471	1.23 372	1.14 390	2.49 136	0.85 282	3.29 250	1.68 250	3.02 512	1.41 183	2.00 317	1.53 332	6.39 393	2.00 418	0.38 358	0.30 362	0.44 427	0.35 388	0.45 378	0.44 365

DDF-Stereo	0.90 96	0.53 98	1.16 60	0.88 155	1.31 436	1.59 66	0.86 287	2.26 107	0.79 21	0.48 2	0.63 24	0.54 48	0.73 91	2.97 318	1.03 233	0.39 370	0.17 48	0.24 70	0.18 59	1.06 523	0.29 183

zero-FE	0.95 112	0.52 86	2.63 227	0.86 144	1.27 430	1.41 50	0.86 287	2.27 109	0.73 11	0.50 5	0.64 25	0.54 48	0.78 116	2.70 307	1.02 231	0.35 321	0.17 48	0.24 70	0.18 59	1.03 520	0.29 183

MM-Stereo_test3	1.09 147	0.59 158	1.55 116	1.73 511	1.18 399	1.91 87	0.86 287	3.52 284	1.76 276	1.25 160	1.86 341	1.10 171	0.69 79	1.32 127	0.86 174	0.27 125	0.23 244	0.27 156	0.22 152	0.34 247	0.30 212

AIO-Stereo-zeroshot1	2.68 438	1.26 465	22.01 583	1.08 288	0.99 351	1.61 68	0.86 287	3.69 317	1.64 240	1.52 190	5.62 552	3.35 459	3.44 514	2.20 267	1.33 303	0.26 108	0.21 188	0.30 230	0.62 515	0.93 513	0.67 467

test_sample2	1.75 268	0.56 127	2.25 191	1.41 451	0.80 275	2.91 174	0.86 287	4.05 413	2.04 327	1.91 272	1.39 178	1.57 237	1.55 337	10.65 499	1.06 237	0.32 272	0.28 339	0.32 273	0.30 327	0.36 278	0.33 251

CAS++	0.89 92	0.64 218	1.46 104	0.81 94	0.51 130	1.24 27	0.86 287	3.44 272	1.46 128	1.14 155	1.29 150	0.62 63	0.58 43	1.13 74	0.59 63	0.34 301	0.30 362	0.34 326	0.26 225	0.41 333	0.29 183
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MyStereo06	2.46 400	0.72 288	19.97 513	1.02 261	0.99 351	4.26 459	0.86 287	3.51 283	1.68 250	1.92 274	1.73 276	4.01 504	4.22 530	1.62 190	0.88 184	0.24 72	0.23 244	0.34 326	0.26 225	0.42 352	0.36 284

MyStereo05	2.37 387	0.72 288	19.94 511	1.02 261	0.99 351	4.26 459	0.86 287	4.01 400	2.62 455	2.14 351	1.26 140	2.28 342	1.63 363	2.07 249	1.68 374	0.24 72	0.23 244	0.34 326	0.26 225	0.42 352	0.36 284

ff7	0.98 121	0.69 261	2.05 163	0.84 125	0.52 139	4.55 514	0.86 287	1.62 36	1.24 77	0.75 71	1.03 85	0.70 83	0.77 108	1.84 227	0.68 97	0.27 125	0.17 48	0.29 210	0.21 119	0.31 183	0.27 154

IGEVStereo-DCA	0.86 83	0.65 229	2.05 163	0.90 171	0.46 98	1.57 63	0.86 287	1.62 36	1.24 77	0.65 45	0.77 41	0.74 101	0.72 86	2.59 299	0.86 174	0.28 162	0.21 188	0.28 189	0.21 119	0.29 141	0.27 154

ffff	0.98 121	0.69 261	2.05 163	0.84 125	0.52 139	4.55 514	0.86 287	1.62 36	1.24 77	0.75 71	1.03 85	0.70 83	0.77 108	1.84 227	0.68 97	0.27 125	0.17 48	0.29 210	0.21 119	0.31 183	0.27 154

ffm	1.72 261	0.60 170	5.21 298	1.14 322	0.99 351	3.62 302	0.86 287	4.22 462	3.37 541	2.20 377	2.30 443	3.48 470	1.62 350	2.21 269	0.65 84	0.29 185	0.16 32	0.48 451	0.37 410	0.30 164	0.29 183

ff1	2.96 464	0.60 170	5.21 298	1.14 322	0.99 351	3.62 302	0.86 287	4.22 462	3.37 541	2.20 377	2.30 443	3.48 470	1.62 350	11.62 542	16.09 573	0.29 185	0.16 32	0.48 451	0.37 410	0.30 164	0.29 183

mmx	2.98 470	0.60 170	5.21 298	1.14 322	0.99 351	3.62 302	0.86 287	4.49 541	3.05 512	2.20 377	2.30 443	3.48 470	1.62 350	11.62 542	16.09 573	0.33 289	0.28 339	0.48 451	0.37 410	0.44 370	0.37 298

11t	0.98 121	0.69 261	2.05 163	0.84 125	0.52 139	4.55 514	0.86 287	1.62 36	1.24 77	0.75 71	1.03 85	0.70 83	0.77 108	1.84 227	0.68 97	0.27 125	0.17 48	0.29 210	0.21 119	0.31 183	0.27 154

xxx	2.98 470	0.60 170	5.21 298	1.14 322	0.99 351	3.62 302	0.86 287	4.49 541	3.05 512	2.20 377	2.30 443	3.48 470	1.62 350	11.62 542	16.09 573	0.33 289	0.28 339	0.48 451	0.37 410	0.44 370	0.37 298

ccc-4	0.98 121	0.69 261	2.05 163	0.84 125	0.52 139	4.55 514	0.86 287	1.62 36	1.24 77	0.75 71	1.03 85	0.70 83	0.77 108	1.84 227	0.68 97	0.27 125	0.17 48	0.29 210	0.21 119	0.31 183	0.27 154

STTStereo	2.34 376	0.95 398	14.93 423	1.43 455	1.54 488	3.86 354	0.86 287	3.65 306	2.44 427	2.15 359	1.55 222	2.49 377	1.59 340	5.14 363	1.44 319	0.38 358	0.39 439	0.47 443	0.51 489	0.52 410	0.51 413

RTSC	2.95 461	2.51 535	15.49 432	1.54 481	1.30 434	3.51 276	0.86 287	3.89 360	2.48 432	3.64 537	3.12 516	3.04 432	2.30 450	5.70 377	6.67 526	0.55 483	0.35 405	0.37 373	0.39 430	0.70 476	0.60 449

PWCDC_ROB	2.95 461	3.26 548	14.06 407	1.59 491	1.56 495	4.19 448	0.86 287	4.30 500	4.08 559	2.06 330	7.37 556	2.75 404	2.42 459	3.59 331	2.67 477	1.34 557	0.36 411	0.39 393	0.34 372	1.13 533	0.62 455

Anonymous_2	3.01 476	0.89 377	4.53 290	1.06 277	1.18 399	2.93 181	0.87 307	3.24 244	1.46 128	1.86 255	1.35 168	4.11 510	2.35 455	1.64 196	1.28 292	0.82 526	0.90 548	8.71 604	15.84 607	4.44 581	0.74 487

ACRE	2.27 353	1.11 434	19.45 495	0.91 179	1.30 434	3.94 374	0.87 307	4.21 459	1.80 282	2.28 403	2.62 482	1.17 179	1.04 193	1.52 169	1.30 296	0.37 341	0.23 244	0.27 156	0.22 152	0.31 183	0.46 381

test_3	1.19 165	0.51 80	2.08 175	0.99 236	0.41 58	2.05 102	0.87 307	4.40 526	1.42 113	1.99 297	1.18 116	2.03 321	0.79 120	2.70 307	0.75 132	0.27 125	0.17 48	0.29 210	0.29 308	0.30 164	0.27 154

NLCA_NET_v2_RVC	2.54 416	1.04 418	16.73 445	1.53 479	2.00 543	3.96 384	0.87 307	3.87 355	2.31 390	2.54 460	1.67 257	2.85 417	1.63 363	5.55 372	1.62 363	0.46 434	0.33 387	0.38 389	0.38 423	0.53 416	0.62 455
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
GASTEREO	1.00 131	0.98 406	1.23 70	0.90 171	0.40 51	3.40 247	0.88 311	2.77 187	1.44 119	1.39 176	1.30 152	0.55 50	1.35 274	1.33 128	0.64 77	0.25 93	0.19 114	0.25 96	0.25 205	0.25 74	0.31 222

MSCF	0.97 119	0.82 354	1.26 75	0.88 155	0.40 51	3.17 208	0.88 311	2.79 195	1.39 104	1.32 165	1.19 118	0.58 56	1.33 269	1.28 115	0.64 77	0.25 93	0.19 114	0.25 96	0.25 205	0.28 123	0.32 233

AIO_test	0.76 45	0.47 51	1.31 85	0.81 94	0.70 241	1.36 45	0.88 311	1.40 15	1.45 120	0.55 11	0.95 77	1.81 286	0.58 43	1.16 83	0.46 23	0.27 125	0.17 48	0.24 70	0.19 83	0.24 60	0.21 57

1111x	3.13 487	0.57 137	8.38 331	1.20 357	0.76 262	3.80 335	0.88 311	4.61 553	2.63 457	2.31 415	2.16 412	1.95 305	1.81 401	11.54 538	18.13 586	0.32 272	0.31 372	0.32 273	0.30 327	0.35 265	0.34 264

FADNet	2.49 407	1.76 512	13.17 386	1.17 343	0.95 336	3.27 228	0.88 311	3.94 381	2.27 378	1.40 178	1.29 150	2.51 378	2.06 428	9.93 474	1.94 409	0.43 410	0.45 473	0.40 399	0.43 458	1.06 523	0.53 420

SCV	0.95 112	0.63 206	1.38 96	1.70 507	0.41 58	1.23 23	0.89 316	3.53 288	1.57 208	0.61 31	1.54 218	0.93 148	0.77 108	1.66 199	0.66 89	0.36 333	0.20 154	0.25 96	0.19 83	0.29 141	0.25 114

IER	1.69 258	0.65 229	7.19 316	0.94 205	1.15 392	3.28 232	0.89 316	3.48 274	1.97 310	2.10 337	1.98 372	2.28 342	2.12 433	2.25 273	1.75 387	0.29 185	0.23 244	0.36 361	0.30 327	0.32 210	0.34 264

CIPLG	2.27 353	1.18 447	19.24 488	0.92 185	1.34 449	3.95 379	0.89 316	4.23 466	1.82 284	2.31 415	2.67 487	1.17 179	1.06 205	1.53 171	1.32 299	0.37 341	0.23 244	0.27 156	0.22 152	0.31 183	0.45 371

IPLGR_C	2.28 358	1.31 473	19.46 496	0.92 185	1.32 443	3.93 369	0.89 316	4.20 453	1.82 284	2.30 409	2.63 484	1.16 178	1.07 208	1.41 145	1.29 295	0.37 341	0.23 244	0.27 156	0.22 152	0.31 183	0.45 371

MMNet	2.02 314	0.81 347	10.76 364	1.12 314	1.23 420	3.53 280	0.89 316	3.79 335	2.08 335	2.15 359	1.76 291	2.15 335	2.12 433	3.69 335	2.32 450	0.31 251	0.29 349	0.34 326	0.27 251	0.38 293	0.42 350

knoymous	1.30 205	0.60 170	5.57 303	0.88 155	0.75 258	3.04 191	0.90 321	2.68 174	1.33 93	1.48 186	1.07 100	2.78 412	0.88 149	1.29 120	0.85 167	0.31 251	0.22 217	0.35 345	0.20 103	0.45 378	0.37 298

test_1	1.19 165	0.52 86	2.00 157	1.01 250	0.42 65	1.95 90	0.90 321	4.36 518	1.47 133	2.17 368	1.16 113	2.06 327	0.78 116	2.68 305	0.76 136	0.27 125	0.18 79	0.28 189	0.26 225	0.26 93	0.25 114

NRIStereo	1.28 202	0.61 187	1.67 126	1.15 335	0.38 42	4.73 548	0.90 321	2.42 126	1.50 156	1.93 278	1.33 160	1.75 265	1.22 250	2.96 317	1.33 303	0.46 434	0.22 217	0.29 210	0.26 225	0.30 164	0.28 173

CFNet-ft	1.90 288	0.95 398	3.56 270	1.07 280	1.54 488	4.09 411	0.90 321	2.85 200	1.82 284	1.78 238	1.70 267	2.75 404	1.48 312	9.33 454	1.72 379	0.33 289	0.30 362	0.61 509	0.36 398	0.52 410	0.39 320

DMCA	1.72 261	0.74 307	6.63 309	1.14 322	0.96 337	3.98 391	0.90 321	3.75 327	2.76 474	2.83 500	1.58 229	2.35 353	1.18 243	1.58 177	1.98 416	0.40 378	0.27 327	0.42 418	0.26 225	0.36 278	0.38 313

R-Stereo Train	1.20 170	0.58 150	1.81 139	0.99 236	0.67 226	3.78 329	0.90 321	4.09 426	1.51 163	2.16 364	1.71 271	1.13 174	0.94 168	1.40 140	0.91 198	0.30 228	0.24 279	0.26 125	0.21 119	0.26 93	0.25 114

RAFT-Stereo	1.20 170	0.58 150	1.81 139	0.99 236	0.67 226	3.78 329	0.90 321	4.09 426	1.51 163	2.16 364	1.71 271	1.13 174	0.94 168	1.40 140	0.91 198	0.30 228	0.24 279	0.26 125	0.21 119	0.26 93	0.25 114
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CFNet_RVC	1.90 288	0.95 398	3.56 270	1.07 280	1.54 488	4.09 411	0.90 321	2.85 200	1.82 284	1.78 238	1.70 267	2.75 404	1.48 312	9.33 454	1.72 379	0.33 289	0.30 362	0.61 509	0.36 398	0.52 410	0.39 320

castereo	0.82 74	0.70 272	1.04 8	0.85 137	0.50 128	1.29 39	0.91 329	3.22 240	1.20 73	0.83 110	1.24 131	0.72 92	0.91 160	1.00 49	0.67 94	0.26 108	0.16 32	0.25 96	0.20 103	0.24 60	0.21 57

rvit_0105_5	1.13 152	0.93 390	2.60 220	0.91 179	0.56 161	1.92 88	0.91 329	3.02 218	2.63 457	0.95 131	1.20 120	1.18 183	0.93 166	1.51 167	0.93 212	0.40 378	0.43 463	0.37 373	0.35 388	0.42 352	0.44 365

ITSA-stereo	1.86 280	0.72 288	3.74 278	1.20 357	0.66 219	4.09 411	0.91 329	4.24 474	2.53 442	1.93 278	1.77 296	1.59 241	2.15 437	6.12 388	2.44 461	0.40 378	0.38 430	0.40 399	0.40 441	0.50 404	0.98 520

qqq	1.30 205	0.57 137	1.67 126	1.15 335	0.51 130	2.18 110	0.91 329	3.98 392	1.53 179	1.50 189	1.24 131	1.79 278	1.34 271	4.66 355	0.98 224	0.28 162	0.31 372	0.33 308	0.33 363	0.33 229	0.32 233

GMOStereo	1.13 152	0.70 272	2.26 192	0.75 67	0.44 79	3.05 193	0.91 329	2.78 190	1.45 120	2.37 432	1.52 209	1.53 231	1.05 198	1.17 90	0.92 203	0.25 93	0.19 114	0.35 345	0.28 280	0.34 247	0.26 138

error version	1.13 152	0.70 272	2.26 192	0.75 67	0.44 79	3.05 193	0.91 329	2.78 190	1.45 120	2.37 432	1.52 209	1.53 231	1.05 198	1.17 90	0.92 203	0.25 93	0.19 114	0.35 345	0.28 280	0.34 247	0.26 138

test-v	1.13 152	0.70 272	2.26 192	0.75 67	0.44 79	3.05 193	0.91 329	2.78 190	1.45 120	2.37 432	1.52 209	1.53 231	1.05 198	1.17 90	0.92 203	0.25 93	0.19 114	0.35 345	0.28 280	0.34 247	0.26 138

test-3	1.19 165	0.52 86	2.00 157	1.01 250	0.42 65	1.95 90	0.91 329	4.35 513	1.47 133	2.24 395	1.16 113	2.06 327	0.79 120	2.68 305	0.76 136	0.27 125	0.18 79	0.28 189	0.26 225	0.26 93	0.25 114

PFNet	2.47 403	0.60 170	16.95 449	2.15 545	0.81 278	4.63 528	0.91 329	2.55 153	1.52 172	2.40 439	2.79 496	1.83 290	1.42 295	7.54 418	1.34 306	0.33 289	0.21 188	0.36 361	0.27 251	0.32 210	0.39 320

test-2	1.13 152	0.70 272	2.26 192	0.75 67	0.44 79	3.05 193	0.91 329	2.78 190	1.45 120	2.37 432	1.52 209	1.53 231	1.05 198	1.17 90	0.92 203	0.25 93	0.19 114	0.35 345	0.28 280	0.34 247	0.26 138

111	1.83 277	0.92 386	9.08 339	0.81 94	0.36 16	4.25 458	0.91 329	4.44 532	2.70 466	2.39 437	1.96 364	2.30 348	1.64 366	1.28 115	1.82 394	0.28 162	0.22 217	0.24 70	0.20 103	0.31 183	0.54 426

GANet-RSSM	1.98 306	0.62 197	3.49 265	1.69 504	1.23 420	4.22 454	0.91 329	3.31 252	1.86 293	1.81 244	1.74 278	2.34 351	1.82 403	10.92 511	1.73 383	0.34 301	0.29 349	0.31 253	0.28 280	0.39 303	0.40 340

DeepPruner_ROB	2.05 319	1.09 430	10.50 361	1.01 250	1.20 412	4.39 479	0.91 329	3.14 230	1.72 263	2.60 473	1.54 218	2.78 412	1.27 257	4.52 353	1.72 379	0.51 470	0.40 444	0.37 373	0.34 372	0.48 396	0.52 418

999	0.97 119	0.48 61	1.24 73	1.03 268	0.64 204	3.25 224	0.92 342	1.40 15	1.39 104	0.71 59	1.68 260	0.70 83	0.66 73	3.03 320	0.89 187	0.23 58	0.19 114	0.25 96	0.21 119	0.25 74	0.29 183

AEACV	0.79 60	0.54 110	1.35 94	0.97 222	0.63 202	1.13 15	0.92 342	2.02 82	0.91 42	0.76 85	0.79 45	0.80 113	1.61 347	1.28 115	0.61 67	0.22 46	0.18 79	0.26 125	0.23 167	0.27 106	0.23 87

G2L-ROB	2.13 331	0.78 335	10.06 353	1.19 352	1.06 372	3.84 344	0.93 344	3.32 257	2.27 378	2.20 377	1.47 197	2.65 393	1.20 249	8.38 433	1.81 392	0.28 162	0.19 114	0.23 39	0.22 152	0.28 123	0.32 233

GCAP-BAT	1.21 173	0.74 307	3.23 254	0.95 209	0.70 241	3.86 354	0.93 344	1.89 66	1.48 142	1.85 250	1.96 364	1.68 252	0.79 120	1.78 216	0.81 155	0.29 185	0.20 154	0.24 70	0.20 103	0.26 93	0.35 278

testlalala	1.14 157	0.62 197	1.34 90	1.00 244	0.78 269	4.38 476	0.93 344	2.46 135	2.20 364	2.44 444	1.52 209	1.31 204	0.61 55	1.04 57	0.65 84	0.35 321	0.19 114	0.24 70	0.19 83	0.24 60	0.23 87

HHNet	2.48 405	0.71 284	20.52 541	0.64 20	0.64 204	4.07 409	0.93 344	3.76 329	1.56 202	2.15 359	4.92 546	0.98 154	3.37 508	1.66 199	1.79 391	0.32 272	0.20 154	0.31 253	0.27 251	0.36 278	0.42 350

ac_64	2.35 381	0.62 197	9.77 348	1.32 410	1.71 522	3.27 228	0.93 344	3.48 274	2.50 437	1.74 232	1.73 276	3.91 498	1.77 390	10.21 485	1.86 399	0.40 378	0.31 372	0.33 308	0.30 327	0.34 247	0.39 320

cf-r	2.57 424	0.79 339	16.09 436	1.48 470	1.35 450	4.19 448	0.93 344	3.68 312	2.36 401	1.97 290	1.81 317	3.42 466	1.45 305	8.24 430	1.83 396	0.32 272	0.26 316	0.33 308	0.30 327	0.34 247	0.37 298

DispNO	3.00 474	0.75 320	18.92 483	1.17 343	1.10 384	3.72 318	0.94 350	4.29 492	2.54 446	2.24 395	2.28 434	4.51 529	2.12 433	11.40 531	2.09 430	0.31 251	0.28 339	0.31 253	0.28 280	0.36 278	0.39 320

RAFT+CT+SA	1.62 246	0.72 288	7.42 318	0.97 222	1.42 471	4.04 401	0.94 350	3.90 365	1.61 231	1.61 203	1.63 246	1.33 206	1.18 243	2.73 311	1.10 246	0.27 125	0.19 114	0.31 253	0.34 372	0.33 229	0.33 251

RAFT	1.23 178	0.84 363	2.05 163	0.96 215	0.47 108	1.80 79	0.94 350	3.18 237	1.46 128	1.60 198	1.71 271	3.04 432	1.59 340	1.64 196	1.32 299	0.38 358	0.24 279	0.40 399	0.32 355	0.40 308	0.35 278

test_xeample3	2.12 329	0.63 206	21.55 575	0.91 179	0.47 108	1.85 82	0.94 350	7.96 582	1.23 75	0.75 71	0.76 38	0.64 67	0.70 81	1.77 215	0.83 161	0.30 228	0.21 188	0.27 156	0.21 119	0.27 106	0.24 104

gasm-f	0.89 92	0.49 70	1.30 84	0.85 137	0.44 79	4.42 487	0.95 354	1.88 63	0.91 42	0.75 71	1.46 192	0.53 46	0.88 149	0.88 24	0.57 59	0.30 228	0.19 114	0.27 156	0.19 83	0.28 123	0.19 7

G2L-Stereo	2.49 407	0.94 396	14.54 416	1.15 335	1.35 450	3.57 293	0.95 354	3.62 301	2.00 317	2.11 341	1.61 241	3.20 445	1.34 271	9.54 459	1.91 405	0.34 301	0.27 327	0.35 345	0.28 280	0.30 164	0.35 278

MyStereo07	1.01 134	0.80 343	1.26 75	1.00 244	1.04 367	3.95 379	0.95 354	2.07 87	1.42 113	0.75 71	1.22 126	0.68 79	0.91 160	1.63 194	0.67 94	0.24 72	0.24 279	0.34 326	0.26 225	0.41 333	0.37 298

MyStereo04	2.29 361	0.80 343	18.77 480	1.00 244	1.04 367	3.95 379	0.95 354	3.91 370	2.54 446	1.99 297	1.27 147	2.31 349	1.65 368	2.02 248	1.77 388	0.24 72	0.24 279	0.34 326	0.26 225	0.41 333	0.37 298

GwcNet-ADL	2.47 403	0.67 250	21.48 574	0.96 215	0.72 246	4.61 525	0.95 354	4.42 528	2.36 401	1.98 292	1.80 305	2.55 381	1.24 255	1.90 236	1.41 314	0.40 378	0.46 482	0.24 70	0.27 251	0.41 333	0.49 398

ICVP	2.26 351	0.66 240	21.18 567	0.99 236	0.88 315	4.28 465	0.95 354	3.32 257	1.60 227	1.66 215	1.76 291	1.34 207	1.14 232	1.62 190	1.32 299	0.53 479	0.35 405	0.33 308	0.29 308	0.40 308	0.51 413
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HGLStereo	2.03 315	0.74 307	7.50 321	1.23 372	1.56 495	3.62 302	0.95 354	3.78 334	1.89 300	2.03 320	2.20 420	3.12 440	2.14 436	5.68 376	2.04 422	0.37 341	0.31 372	0.32 273	0.29 308	0.40 308	0.45 371

test_for_model	2.16 334	3.87 554	1.58 120	4.16 581	3.64 577	2.51 138	0.96 361	3.63 302	2.62 455	2.45 445	1.39 178	1.02 160	0.73 91	0.92 33	0.57 59	2.97 569	2.19 575	0.26 125	0.17 35	5.32 586	2.24 561

rrr	2.27 353	0.65 229	23.82 594	0.90 171	0.46 98	1.57 63	0.96 361	7.98 583	1.19 72	0.65 45	0.77 41	0.74 101	0.72 86	2.59 299	0.86 174	0.28 162	0.21 188	0.28 189	0.21 119	0.29 141	0.25 114

PSMNet-RSSM	1.96 302	0.77 329	3.26 256	1.29 397	1.31 436	4.19 448	0.96 361	3.68 312	1.89 300	2.05 325	1.80 305	2.60 386	1.70 379	9.84 469	1.81 392	0.35 321	0.29 349	0.35 345	0.37 410	0.42 352	0.35 278

YMNet	2.40 389	1.41 488	13.46 391	1.36 433	1.67 516	3.96 384	0.97 364	3.81 339	2.37 407	2.64 481	2.57 478	3.35 459	1.53 332	3.28 323	2.42 458	0.48 448	0.54 503	0.52 478	0.49 479	0.70 476	0.54 426

YMNet_1	2.40 389	1.41 488	13.46 391	1.36 433	1.67 516	3.96 384	0.97 364	3.81 339	2.37 407	2.64 481	2.57 478	3.35 459	1.53 332	3.28 323	2.42 458	0.48 448	0.54 503	0.52 478	0.49 479	0.70 476	0.54 426

AIO-test1	2.18 338	0.66 240	18.95 484	0.89 162	1.48 479	3.40 247	0.97 364	4.19 452	1.68 250	0.86 115	1.35 168	0.99 155	0.75 99	4.47 352	1.27 288	0.23 58	0.23 244	0.28 189	0.33 363	0.31 183	0.35 278

x	1.15 158	0.57 137	1.53 112	1.44 458	0.67 226	1.94 89	0.97 364	3.87 355	1.57 208	1.61 203	1.28 148	1.58 239	1.22 250	1.93 238	1.04 235	0.28 162	0.30 362	0.34 326	0.29 308	0.32 210	0.31 222

acv_ft	1.55 229	0.64 218	3.29 258	1.14 322	2.01 544	2.93 181	0.97 364	3.81 339	2.08 335	2.22 388	1.88 345	3.10 437	1.66 370	1.33 128	2.22 443	0.29 185	0.26 316	0.30 230	0.26 225	0.39 303	0.27 154

NOSS_ROB	2.27 353	0.73 299	3.00 246	1.71 508	1.00 360	3.90 361	0.97 364	4.29 492	2.81 488	2.94 509	2.19 418	3.88 497	1.19 247	11.77 554	1.62 363	0.59 490	0.54 503	0.56 493	0.52 493	0.56 427	0.54 426

RAFT_R40	1.70 260	0.59 158	2.99 245	1.46 464	0.46 98	4.74 551	0.98 370	2.23 104	1.56 202	2.02 316	2.35 458	2.71 398	2.56 469	6.71 404	0.90 191	0.40 378	0.19 114	0.30 230	0.27 251	0.33 229	0.26 138

AIO_rvc	0.78 57	0.55 116	1.25 74	0.75 67	0.65 212	1.46 54	0.99 371	2.13 91	1.52 172	0.57 17	1.15 112	1.09 168	0.55 37	1.15 81	0.53 48	0.24 72	0.17 48	0.24 70	0.17 35	0.25 74	0.21 57

castereo++	0.93 102	0.56 127	1.26 75	0.92 185	0.73 251	2.48 135	1.00 372	2.99 213	1.03 60	0.68 52	1.41 183	1.92 301	0.59 48	1.26 110	0.44 17	0.25 93	0.19 114	0.28 189	0.19 83	0.23 55	0.23 87

IGEV++	0.90 96	0.58 150	1.32 88	0.94 205	0.45 87	1.27 31	1.00 372	3.32 257	1.55 196	0.82 102	1.34 165	0.86 129	1.09 213	1.16 83	0.89 187	0.33 289	0.18 79	0.23 39	0.19 83	0.29 141	0.22 76

RASNet	2.56 421	0.70 272	10.06 353	1.60 493	2.25 555	3.67 310	1.00 372	3.38 267	3.14 520	1.81 244	2.11 403	4.60 534	2.30 450	10.25 487	2.61 474	0.37 341	0.24 279	0.25 96	0.24 193	0.28 123	0.26 138

WCG-NET（raft）	0.95 112	0.55 116	1.20 68	0.84 125	0.31 5	1.44 52	1.01 375	1.55 28	2.37 407	1.64 210	1.42 185	2.38 357	1.01 185	1.29 120	0.76 136	0.22 46	0.19 114	0.22 25	0.20 103	0.25 74	0.21 57

ToySt	1.35 212	0.72 288	3.65 276	1.01 250	0.50 128	3.31 237	1.01 375	3.46 273	1.73 266	1.30 163	1.55 222	2.07 330	1.47 310	1.88 235	1.40 310	0.27 125	0.27 327	0.30 230	0.32 355	0.42 352	0.39 320

STrans-v2	3.03 478	0.77 329	20.91 557	0.81 94	0.63 202	3.89 359	1.01 375	4.27 484	2.64 459	2.28 403	3.70 533	4.13 511	5.20 545	7.33 413	1.27 288	0.31 251	0.18 79	0.29 210	0.25 205	0.29 141	0.41 346

UCFNet_RVC	1.57 235	0.84 363	3.25 255	1.36 433	1.40 462	4.07 409	1.01 375	2.68 174	1.50 156	2.11 341	1.88 345	2.37 356	1.50 319	3.41 326	1.42 316	0.36 333	0.28 339	0.52 478	0.40 441	0.53 416	0.43 359

G2L-Stereo_test	2.11 327	0.86 370	7.12 315	1.65 500	1.19 406	3.54 284	1.02 379	3.57 293	2.01 319	2.50 451	1.68 260	3.15 442	1.50 319	9.21 452	1.62 363	0.28 162	0.19 114	0.23 39	0.22 152	0.27 106	0.31 222

GES	1.38 216	0.64 218	2.61 223	1.09 294	0.57 173	4.30 468	1.02 379	3.86 352	1.51 163	1.72 228	1.74 278	1.28 199	1.77 390	1.62 190	1.61 358	0.39 370	0.27 327	0.33 308	0.30 327	0.41 333	0.47 386

UGAM	2.58 425	0.56 127	18.55 478	0.89 162	0.71 244	3.23 217	1.03 381	2.75 184	1.75 274	1.36 170	2.77 495	2.69 395	1.28 259	10.75 502	1.40 310	0.28 162	0.24 279	0.40 399	0.31 343	0.35 265	0.30 212

BEATNet_4x	1.92 295	1.36 480	8.75 337	1.20 357	0.56 161	3.46 259	1.03 381	4.00 398	2.43 423	2.25 398	1.70 267	2.10 332	1.59 340	2.57 298	3.05 489	0.37 341	0.22 217	0.47 443	0.29 308	0.60 441	0.40 340

HSM	2.35 381	0.81 347	2.21 185	1.14 322	1.55 492	3.44 253	1.03 381	3.99 396	2.25 373	2.29 405	2.11 403	8.04 571	3.05 494	11.60 540	1.71 377	0.33 289	0.22 217	0.28 189	0.23 167	0.32 210	0.35 278

gwcnet-sp	2.31 365	1.21 452	17.34 452	1.08 288	0.92 326	3.56 289	1.04 384	3.69 317	2.09 338	2.55 461	1.60 237	1.80 281	1.62 350	3.87 340	1.95 411	0.29 185	0.29 349	0.30 230	0.28 280	0.38 293	0.39 320

scenet	2.31 365	1.21 452	17.34 452	1.08 288	0.92 326	3.56 289	1.04 384	3.69 317	2.09 338	2.55 461	1.60 237	1.80 281	1.62 350	3.87 340	1.95 411	0.29 185	0.29 349	0.30 230	0.28 280	0.38 293	0.39 320

ssnet	2.31 365	1.21 452	17.34 452	1.08 288	0.92 326	3.56 289	1.04 384	3.69 317	2.09 338	2.55 461	1.60 237	1.80 281	1.62 350	3.87 340	1.95 411	0.29 185	0.29 349	0.30 230	0.28 280	0.38 293	0.39 320

4D-IteraStereo	1.97 304	0.84 363	20.43 539	0.78 89	1.56 495	2.09 106	1.05 387	2.43 129	1.56 202	1.41 180	1.00 81	1.94 303	0.61 55	1.22 100	1.06 237	0.27 125	0.18 79	0.31 253	0.26 225	0.27 106	0.23 87

RAFT_CTSACE	1.80 275	1.06 424	10.00 352	1.71 508	1.39 460	3.49 269	1.06 388	3.05 221	1.62 236	1.70 223	2.04 384	2.51 378	1.80 398	1.98 242	0.94 214	0.25 93	0.22 217	0.28 189	0.30 327	0.30 164	0.26 138

DispFullNet	4.64 540	3.48 551	23.95 595	3.99 579	3.03 567	3.35 240	1.06 388	4.18 449	2.80 482	6.33 574	2.94 504	4.04 506	7.81 574	3.92 344	5.16 516	2.75 566	1.61 566	3.10 583	2.68 590	3.32 565	3.31 583

WCG-NET	0.88 89	0.49 70	1.26 75	0.90 171	0.37 31	1.48 56	1.07 390	1.73 50	2.30 386	1.63 207	1.49 205	0.92 147	0.97 174	0.95 38	0.76 136	0.22 46	0.16 32	0.23 39	0.20 103	0.25 74	0.21 57

test_sample7	1.65 252	0.70 272	2.60 220	1.48 470	0.76 262	2.38 126	1.07 390	4.35 513	2.11 348	2.14 351	1.75 282	1.75 265	1.67 372	6.26 391	1.26 285	0.44 418	0.48 492	0.43 422	0.40 441	0.46 389	0.43 359

anonymity	1.76 269	1.26 465	2.73 236	1.66 501	1.32 443	1.84 81	1.07 390	3.49 277	2.30 386	2.11 341	2.11 403	1.71 261	3.90 524	1.82 224	1.48 331	1.10 540	1.09 553	1.08 551	1.08 552	1.05 522	1.09 526

AASNet	2.44 396	0.92 386	19.79 505	1.35 427	1.49 480	3.81 337	1.07 390	3.85 349	2.93 500	1.95 284	2.29 438	1.96 310	1.29 262	1.73 210	1.93 407	0.39 370	0.33 387	0.45 434	0.30 327	0.55 421	0.45 371

SHD	2.82 447	2.04 525	13.80 401	1.69 504	1.79 531	2.73 158	1.07 390	3.85 349	3.18 524	4.63 559	2.74 491	3.38 464	2.77 478	5.48 371	3.66 497	0.62 496	0.47 486	0.51 472	0.55 501	0.65 463	0.74 487

TCMNet	2.98 470	1.30 469	18.26 470	1.47 467	2.09 549	3.84 344	1.08 395	3.96 388	2.39 416	2.53 459	2.29 438	2.43 366	1.75 387	10.09 482	2.39 453	0.52 476	0.45 473	0.61 509	0.50 485	0.80 501	0.78 496

rvit_0105_3	1.24 183	0.93 390	2.84 239	0.97 222	0.58 182	2.38 126	1.08 395	3.26 247	2.53 442	1.18 157	1.40 181	1.24 195	1.04 193	1.73 210	0.97 221	0.44 418	0.44 468	0.40 399	0.42 455	0.42 352	0.50 405

TRStereo	2.31 365	1.87 516	19.74 504	1.53 479	1.16 397	4.26 459	1.08 395	4.73 558	1.45 120	1.55 193	1.28 148	1.75 265	0.85 140	1.81 222	1.20 267	0.36 333	0.26 316	0.32 273	0.36 398	0.34 247	0.33 251

PS-NSSS	2.22 341	1.33 478	2.90 243	0.97 222	1.53 487	4.11 418	1.08 395	4.55 548	2.65 460	2.10 337	2.32 455	1.77 270	1.40 285	11.79 555	1.61 358	0.68 511	0.45 473	0.96 545	0.43 458	0.95 514	0.92 514

LL-Strereo	3.01 476	1.81 515	17.59 463	1.12 314	2.10 550	2.90 171	1.09 399	4.33 509	2.00 317	3.12 520	2.24 426	3.29 453	3.15 497	11.31 529	1.84 397	0.30 228	0.28 339	0.46 440	0.34 372	0.49 402	0.45 371

AAGNet	2.86 450	0.60 170	1.77 135	2.05 540	0.46 98	4.76 553	1.09 399	2.27 109	1.56 202	2.17 368	1.84 331	2.41 360	4.00 525	6.23 390	24.22 600	0.46 434	0.19 114	0.30 230	0.29 308	0.32 210	0.24 104

ACV-stereo	2.92 459	0.92 386	20.27 530	1.33 415	1.05 369	4.68 535	1.10 401	2.66 172	1.64 240	1.46 184	1.32 158	5.41 557	4.24 531	7.83 425	1.90 404	0.44 418	0.52 500	0.32 273	0.29 308	0.45 378	0.63 459

iinet-f	2.26 351	1.18 447	13.71 395	1.14 322	1.11 386	3.77 327	1.10 401	4.14 443	2.17 359	2.06 330	1.76 291	2.99 428	2.99 487	2.50 284	2.49 465	0.35 321	0.39 439	0.27 156	0.28 280	0.45 378	0.39 320

FADNet-RVC	2.51 410	2.27 531	14.03 406	1.09 294	0.81 278	3.54 284	1.10 401	4.13 437	2.48 432	1.39 176	1.22 126	1.85 296	1.77 390	9.78 467	2.06 425	0.38 358	0.37 424	0.40 399	0.40 441	0.67 470	0.48 391

AANet_RVC	3.03 478	1.72 509	12.78 384	1.17 343	1.12 387	3.79 333	1.10 401	3.86 352	3.13 518	2.62 477	4.26 540	3.96 501	1.41 290	11.43 534	5.23 520	0.94 533	0.47 486	0.34 326	0.23 167	0.40 308	0.55 430

GASNet	3.24 495	5.55 563	20.58 546	1.56 488	1.25 425	2.32 122	1.12 405	4.04 409	2.67 463	1.88 260	2.10 399	3.00 429	2.16 440	10.59 496	2.43 460	0.65 503	0.37 424	0.61 509	0.45 465	0.87 507	0.58 444

test_4	1.30 205	0.50 74	6.16 307	0.84 125	0.45 87	1.61 68	1.12 405	2.14 93	1.42 113	1.52 190	2.31 450	1.84 293	0.79 120	2.52 292	1.19 264	0.27 125	0.17 48	0.29 210	0.29 308	0.29 141	0.25 114

GwcNet-RSSM	2.66 432	1.05 419	15.91 434	1.22 367	1.19 406	4.12 420	1.12 405	3.84 346	2.02 321	1.93 278	1.79 302	3.12 440	1.46 308	10.37 490	2.05 424	0.33 289	0.27 327	0.35 345	0.30 327	0.40 308	0.36 284

APVNet	3.13 487	1.25 464	21.14 563	1.31 407	1.52 485	3.94 374	1.13 408	3.32 257	2.14 353	2.20 377	2.03 381	3.05 435	1.96 421	11.79 555	2.53 469	0.42 404	0.45 473	0.64 517	0.46 467	0.67 470	0.57 439

iResNetv2_ROB	2.65 430	5.00 559	19.28 493	2.06 541	1.09 382	3.83 339	1.13 408	4.14 443	2.09 338	1.85 250	2.03 381	2.01 320	1.51 323	3.58 330	1.58 351	0.34 301	0.21 188	0.32 273	0.21 119	0.44 370	0.29 183

AdaStereo	1.45 223	0.83 358	2.34 204	1.28 393	0.81 278	3.21 213	1.14 410	4.20 453	2.46 431	2.05 325	1.77 296	2.48 375	1.18 243	1.71 208	1.44 319	0.43 410	0.25 303	0.43 422	0.28 280	0.44 370	0.34 264
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.
FACV-RUCA	1.26 194	0.65 229	2.21 185	1.06 277	1.50 482	2.69 157	1.15 411	3.05 221	1.87 294	1.36 170	1.99 375	1.03 163	1.15 240	1.36 134	1.10 246	0.41 393	0.41 454	0.73 533	0.41 448	0.61 446	0.41 346

LMCR-Stereo	2.40 389	1.31 473	18.61 479	1.59 491	0.86 306	3.87 357	1.15 411	4.32 507	1.60 227	2.25 398	2.27 430	1.13 174	2.43 460	2.48 283	1.60 355	0.88 531	0.24 279	0.29 210	0.24 193	0.56 427	0.30 212

BSDual-CNN	1.46 224	0.59 158	1.94 150	0.87 150	0.85 301	4.16 436	1.16 413	4.48 538	1.88 296	2.93 505	1.83 326	2.60 386	1.31 266	1.60 184	1.21 271	0.34 301	0.25 303	0.31 253	0.28 280	0.35 265	0.33 251

hknet	1.98 306	0.64 218	8.70 336	0.87 150	1.07 376	4.16 436	1.16 413	4.48 538	1.73 266	2.93 505	1.83 326	3.48 470	1.30 265	3.91 343	1.51 341	0.31 251	0.25 303	0.31 253	0.28 280	0.35 265	0.33 251

DANet	2.63 428	1.07 425	8.10 328	1.83 524	1.70 521	3.25 224	1.16 413	4.31 503	2.38 412	3.40 534	2.18 416	4.08 508	1.80 398	9.77 465	3.89 500	0.52 476	0.55 508	0.59 501	0.44 461	0.63 452	0.86 508
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
fast-acv-ft	2.54 416	1.19 449	20.08 519	1.41 451	1.40 462	3.18 210	1.17 416	3.37 266	2.28 382	1.90 267	2.15 411	2.69 395	2.17 442	2.91 313	2.31 449	0.37 341	0.39 439	0.45 434	0.39 430	0.57 432	0.45 371

LRCNet_RVC	25.52 603	33.45 607	23.21 593	31.79 608	32.78 604	6.74 573	1.18 417	25.88 604	4.46 561	28.94 603	30.89 603	24.91 603	17.57 594	27.66 603	24.34 601	35.26 615	25.60 616	35.91 615	33.81 614	31.90 615	34.10 616

Nwc_Net	2.88 456	1.16 444	18.30 472	1.35 427	1.68 519	3.52 279	1.18 417	3.90 365	2.06 332	2.52 456	2.82 501	3.82 495	2.34 454	6.78 406	2.55 472	0.86 530	0.40 444	0.59 501	0.67 519	0.57 432	0.55 430

PWC_ROB	2.69 440	2.01 523	8.36 330	1.33 415	1.90 539	3.23 217	1.18 417	4.33 509	3.25 532	3.11 519	3.41 527	2.71 398	2.18 444	9.15 450	4.48 504	0.56 485	0.31 372	0.61 509	0.36 398	0.69 475	0.74 487

DualNet (step1)	2.34 376	1.05 419	7.87 323	1.07 280	0.86 306	3.93 369	1.19 420	4.35 513	2.11 348	2.14 351	1.75 282	1.75 265	1.67 372	6.26 391	1.26 285	1.23 547	0.48 492	4.27 593	2.09 579	0.70 476	0.69 472

test_sample9	3.79 517	1.05 419	7.87 323	1.07 280	0.86 306	3.93 369	1.19 420	4.35 513	2.11 348	2.14 351	1.75 282	1.75 265	1.67 372	11.06 518	11.61 559	1.23 547	14.45 608	4.27 593	2.09 579	0.70 476	0.69 472

test_sample8	4.76 542	1.05 419	7.87 323	1.07 280	0.86 306	3.93 369	1.19 420	4.38 522	2.05 330	5.49 565	1.89 351	12.98 583	6.37 561	11.06 518	11.61 559	1.23 547	14.45 608	4.27 593	2.09 579	0.70 476	0.69 472

UDG	3.55 508	2.81 544	17.45 459	2.69 560	1.98 542	3.97 389	1.19 420	4.35 513	2.02 321	2.42 441	2.53 473	4.50 528	2.46 464	6.53 395	2.41 457	2.12 563	1.77 569	2.63 574	2.57 587	2.64 561	1.95 556

CBFPSM	2.05 319	0.95 398	10.12 356	1.07 280	1.05 369	2.84 164	1.20 424	3.28 248	1.73 266	1.82 246	1.30 152	4.56 533	4.06 526	2.34 276	2.34 452	0.25 93	0.38 430	0.32 273	0.27 251	0.37 288	0.79 500

psmorigin	6.59 565	1.15 441	88.11 621	1.52 477	0.97 341	2.88 169	1.20 424	3.21 238	2.04 327	3.73 540	2.46 463	5.15 553	2.55 468	10.60 497	2.47 464	0.55 483	0.68 535	0.48 451	0.51 489	0.70 476	0.88 512

HSM-Net_RVC	2.87 454	0.57 137	17.46 460	0.92 185	0.90 323	3.70 314	1.20 424	5.64 577	2.51 440	3.22 526	2.43 461	2.54 380	1.59 340	11.41 532	1.65 371	0.34 301	0.25 303	0.26 125	0.23 167	0.30 164	0.29 183
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
z-ln-s-r	2.67 434	1.16 444	12.43 380	1.34 422	1.26 428	3.70 314	1.21 427	4.20 453	2.38 412	2.04 323	1.92 359	2.43 366	1.60 346	10.58 495	5.19 519	0.29 185	0.20 154	0.32 273	0.24 193	0.51 406	0.38 313

LCNet	1.55 229	0.54 110	1.88 144	0.99 236	0.55 157	3.60 297	1.21 427	2.86 203	1.53 179	2.18 370	1.74 278	1.43 223	4.17 529	3.62 332	0.87 180	0.29 185	0.20 154	0.28 189	0.77 531	0.47 393	1.85 554

DRaft	2.28 358	0.56 127	2.64 229	0.74 66	0.46 98	3.94 374	1.23 429	2.32 118	1.55 196	2.64 481	2.80 498	1.60 242	5.34 548	6.96 410	10.99 555	0.34 301	0.22 217	0.27 156	0.27 251	0.29 141	0.37 298

psm_up	2.28 358	0.81 347	5.45 302	1.26 383	1.50 482	3.84 344	1.23 429	4.23 466	2.03 323	2.55 461	1.80 305	2.44 370	1.65 368	12.90 574	1.58 351	0.37 341	0.38 430	0.41 411	0.34 372	0.43 362	0.39 320

ADLNet	2.29 361	0.83 358	3.62 275	1.35 427	1.60 501	3.67 310	1.24 431	3.95 383	2.98 506	2.58 469	2.29 438	4.01 504	1.79 393	11.23 527	2.09 430	0.37 341	0.38 430	0.36 361	0.34 372	0.45 378	0.71 477

DISCO	2.25 348	0.73 299	10.06 353	1.76 514	1.12 387	3.47 262	1.25 432	3.24 244	2.26 376	2.65 485	1.96 364	4.53 531	1.92 418	4.17 350	3.61 496	0.32 272	0.25 303	0.31 253	0.29 308	0.66 468	0.41 346

rvit_105_1	1.43 220	0.90 379	3.27 257	1.08 288	0.68 231	2.79 159	1.27 433	3.52 284	2.35 398	1.38 175	1.54 218	1.28 199	1.14 232	2.91 313	1.40 310	0.54 481	0.47 486	0.45 434	0.59 509	0.44 370	0.58 444

test_5	1.87 281	0.75 320	10.23 357	1.14 322	1.40 462	3.85 352	1.27 433	3.91 370	1.93 306	1.69 219	1.78 299	1.67 250	1.79 393	2.99 319	1.17 261	0.30 228	0.18 79	0.35 345	0.33 363	0.34 247	0.33 251

SFCPSM	2.18 338	0.63 206	17.03 450	0.88 155	0.98 348	3.74 323	1.28 435	4.09 426	2.16 357	1.85 250	1.83 326	1.65 248	1.39 281	2.50 284	1.50 335	0.33 289	0.27 327	0.39 393	0.36 398	0.34 247	0.37 298

NLCSM	2.22 341	1.98 522	7.74 322	1.20 357	1.25 425	3.47 262	1.30 436	3.63 302	2.01 319	1.61 203	2.28 434	2.73 401	1.95 420	7.78 424	1.99 417	0.43 410	0.40 444	0.50 468	0.51 489	0.90 510	0.71 477

DLCB_ROB	2.05 319	0.95 398	2.37 205	1.24 374	1.02 363	2.92 177	1.30 436	3.68 312	2.30 386	2.91 503	2.17 414	3.32 457	1.52 325	10.37 490	2.50 466	0.40 378	0.33 387	0.40 399	0.36 398	0.41 333	0.47 386

CSP-Net	1.78 272	1.32 475	1.92 149	1.16 341	1.03 364	3.38 243	1.31 438	3.52 284	1.75 274	1.96 288	1.93 362	2.40 358	1.48 312	8.58 437	1.58 351	0.46 434	0.34 399	0.27 156	0.26 225	0.41 333	0.50 405

zh-mn7	3.15 490	9.61 584	12.45 381	1.26 383	0.99 351	2.91 174	1.32 439	4.12 435	2.74 470	3.33 530	3.07 511	2.84 416	1.89 415	8.91 443	4.69 508	0.49 460	0.40 444	0.38 389	0.38 423	0.56 427	0.63 459

CoDeX	2.40 389	0.78 335	13.21 387	1.00 244	1.18 399	3.24 221	1.32 439	4.14 443	2.41 419	1.74 232	1.84 331	2.05 325	1.47 310	10.03 479	1.60 355	0.34 301	0.28 339	0.32 273	0.27 251	0.32 210	0.39 320

Consistency-Raft	2.86 450	1.66 506	19.61 499	1.40 450	1.75 526	3.84 344	1.32 439	4.07 420	2.25 373	1.78 238	2.67 487	1.82 287	4.41 534	1.94 240	2.06 425	0.83 528	0.94 550	1.03 547	1.12 553	1.70 554	1.09 526

PVD	3.12 486	1.97 521	12.80 385	1.79 521	1.63 506	3.83 339	1.34 442	3.48 274	3.88 554	5.77 567	3.56 531	3.45 469	3.29 505	5.58 375	5.30 521	0.71 517	0.69 536	0.74 534	0.77 531	0.79 499	1.13 529

UPFNet	1.81 276	0.63 206	6.71 310	1.25 376	1.44 472	3.50 273	1.35 443	4.02 404	1.85 292	2.40 439	1.52 209	2.41 360	1.40 285	3.62 332	1.88 401	0.34 301	0.33 387	0.37 373	0.31 343	0.41 333	0.39 320

PDISCO_ROB	2.86 450	1.53 498	14.27 412	1.98 537	2.19 552	4.52 508	1.35 443	4.65 554	3.19 525	2.09 334	2.16 412	3.53 481	2.45 462	5.32 365	2.12 432	1.30 555	0.78 544	0.72 530	0.59 509	1.24 543	1.28 534

PSMNet-RUCA	1.64 251	1.50 496	2.57 219	1.50 474	1.38 458	3.05 193	1.36 445	3.31 252	2.24 370	1.36 170	2.07 395	1.40 219	1.09 213	1.83 225	1.55 347	1.15 543	0.69 536	1.26 556	0.96 544	1.64 552	0.94 516

TestStereo1	1.56 233	0.81 347	2.32 199	1.61 496	0.64 204	4.13 423	1.36 445	3.79 335	3.20 528	1.60 198	2.57 478	1.39 214	2.15 437	2.51 287	1.30 296	0.29 185	0.20 154	0.34 326	0.25 205	0.40 308	0.36 284

SA-5K	1.56 233	0.81 347	2.32 199	1.61 496	0.64 204	4.13 423	1.36 445	3.79 335	3.20 528	1.60 198	2.57 478	1.39 214	2.15 437	2.51 287	1.30 296	0.29 185	0.20 154	0.34 326	0.25 205	0.40 308	0.36 284

SA	1.62 246	0.75 320	3.78 280	1.07 280	0.43 71	4.26 459	1.36 445	4.45 535	3.12 517	1.63 207	1.97 370	1.68 252	2.26 448	2.55 295	1.27 288	0.27 125	0.22 217	0.37 373	0.37 410	0.35 265	0.30 212

DDUNet	2.91 457	2.78 543	6.94 314	3.53 573	2.26 556	3.28 232	1.36 445	3.77 331	2.04 327	2.62 477	2.49 467	4.18 514	1.69 377	5.38 367	1.85 398	2.21 564	1.77 569	2.61 573	2.43 585	2.60 560	2.34 564

LL-Strereo2	1.23 178	0.85 367	2.38 206	0.93 201	0.68 231	3.72 318	1.37 450	2.54 152	1.99 313	1.75 234	1.40 181	1.82 287	0.73 91	1.40 140	0.99 227	0.31 251	0.23 244	0.55 491	0.35 388	0.29 141	0.24 104

FADNet-RVC-Resample	2.83 448	2.02 524	21.07 561	1.12 314	0.91 325	3.53 280	1.37 450	4.08 424	2.09 338	1.68 218	1.33 160	2.03 321	1.51 323	9.54 459	1.69 375	0.38 358	0.37 424	0.42 418	0.44 461	0.56 427	0.56 435

MSAF-DinoV2	13.69 593	13.09 595	22.03 584	2.41 556	1.44 472	4.03 399	1.38 452	9.07 585	9.20 583	2.23 392	1.98 372	5.08 550	5.06 542	177.66 627	5.46 523	0.45 427	0.34 399	0.40 399	0.62 515	6.09 588	5.80 599

NVstereo2D	2.54 416	0.90 379	11.10 368	1.32 410	1.47 477	3.58 294	1.38 452	4.13 437	2.45 428	1.90 267	1.71 271	2.86 418	1.76 388	10.86 507	1.66 372	0.60 492	0.43 463	0.53 483	0.41 448	0.78 497	0.94 516

RGC	3.10 485	1.45 492	14.90 421	1.46 464	1.79 531	3.33 238	1.39 454	4.04 409	2.26 376	2.77 494	3.26 522	4.00 503	2.71 476	11.63 547	2.62 476	0.82 526	0.46 482	0.79 536	0.79 535	0.71 485	0.78 496

edge stereo	3.37 504	1.01 411	21.99 582	1.28 393	1.37 455	2.67 155	1.39 454	3.98 392	2.87 493	2.93 505	3.27 523	4.35 522	2.43 460	11.62 542	2.39 453	0.60 492	0.63 526	0.79 536	0.55 501	0.68 473	0.67 467

ARAFT	2.56 421	1.13 436	19.50 498	0.89 162	0.48 116	4.15 427	1.40 456	4.36 518	2.82 490	2.36 431	1.88 345	1.70 259	1.04 193	6.45 394	1.22 274	0.29 185	0.18 79	0.37 373	0.35 388	0.35 265	0.25 114

NCC-stereo	3.16 492	1.28 467	18.31 473	1.25 376	1.75 526	4.06 404	1.40 456	3.89 360	2.22 366	2.72 490	2.55 474	3.49 476	2.65 473	9.91 472	2.99 486	1.29 553	0.65 528	0.64 517	0.86 538	0.65 463	0.71 477

Abc-Net	3.16 492	1.28 467	18.31 473	1.25 376	1.75 526	4.06 404	1.40 456	3.89 360	2.22 366	2.72 490	2.55 474	3.49 476	2.65 473	9.91 472	2.99 486	1.29 553	0.65 528	0.64 517	0.86 538	0.65 463	0.71 477
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
CRFU-Net	2.49 407	0.78 335	10.36 358	2.30 552	1.08 378	3.91 362	1.41 459	3.85 349	1.65 244	2.15 359	1.76 291	3.34 458	7.95 575	5.56 373	1.48 331	0.47 443	0.35 405	0.30 230	0.28 280	0.37 288	0.43 359

Sa-1000	1.63 250	0.79 339	3.56 270	1.11 310	0.48 116	4.06 404	1.41 459	4.49 541	2.75 473	2.00 309	2.80 498	1.84 293	1.43 298	2.64 304	1.50 335	0.27 125	0.19 114	0.36 361	0.33 363	0.36 278	0.30 212

psmg	1.47 227	0.59 158	1.94 150	0.92 185	0.85 301	4.30 468	1.42 461	4.10 434	1.88 296	2.64 481	2.09 398	2.60 386	1.31 266	1.60 184	1.21 271	0.34 301	0.27 327	0.33 308	0.34 372	0.36 278	0.34 264

RYNet	2.97 468	0.93 390	15.09 426	1.12 314	1.38 458	3.66 309	1.42 461	4.03 405	2.29 385	2.10 337	1.70 267	3.79 493	2.16 440	13.64 584	3.02 488	0.37 341	0.41 454	0.48 451	0.34 372	0.81 502	0.75 490

z-mn7	3.36 503	9.42 582	14.16 409	1.28 393	1.22 419	3.78 329	1.43 463	3.92 375	3.35 540	2.85 501	3.36 525	3.06 436	1.97 422	9.66 463	5.16 516	0.42 404	0.35 405	0.43 422	0.33 363	0.63 452	0.48 391

GEStereo_RVC	1.91 292	0.80 343	6.57 308	1.20 357	1.06 372	4.02 397	1.43 463	4.13 437	1.89 300	2.03 320	1.80 305	2.34 351	1.86 410	4.94 359	1.77 388	0.48 448	0.38 430	0.32 273	0.28 280	0.42 352	0.50 405

SQANet	3.70 513	9.34 581	18.41 475	2.75 561	2.74 561	3.40 247	1.47 465	3.50 280	1.68 250	2.60 473	1.75 282	2.69 395	1.91 417	6.72 405	1.74 384	2.96 568	1.41 563	1.85 563	1.12 553	3.17 563	2.70 573

ADLNet2	3.15 490	0.92 386	20.06 516	1.20 357	1.79 531	3.83 339	1.48 466	3.94 381	3.59 547	2.19 374	2.47 465	4.65 538	1.93 419	10.69 501	1.96 414	0.39 370	0.37 424	0.28 189	0.30 327	0.48 396	0.43 359

OMP-Stereo	1.97 304	0.93 390	1.88 144	2.76 562	0.67 226	4.58 521	1.48 466	4.31 503	1.54 188	3.15 523	2.76 494	3.25 450	1.38 278	7.66 423	1.35 307	0.40 378	0.20 154	0.33 308	0.26 225	0.33 229	0.24 104

DRN-Test	3.03 478	0.99 407	18.18 468	1.35 427	1.60 501	3.59 295	1.48 466	4.13 437	2.45 428	3.47 536	1.92 359	2.58 385	2.53 467	10.88 508	2.80 482	0.39 370	0.36 411	0.44 427	0.41 448	0.55 421	0.57 439

FBW_ROB	3.24 495	1.02 412	9.21 345	1.49 473	1.07 376	3.78 329	1.48 466	4.31 503	3.08 515	2.46 446	2.32 455	4.20 517	2.08 431	15.19 590	7.16 536	0.84 529	0.62 524	1.33 558	0.92 541	0.99 519	1.31 536

SACVNet	2.46 400	1.14 440	9.47 346	1.44 458	1.18 399	4.06 404	1.49 470	3.84 346	2.24 370	2.62 477	1.89 351	2.57 383	1.28 259	11.35 530	1.64 369	0.50 464	0.39 439	0.48 451	0.41 448	0.55 421	0.75 490

FINET	2.96 464	1.07 425	23.18 592	1.29 397	1.86 536	2.03 96	1.52 471	4.30 500	4.71 565	2.23 392	2.34 457	1.65 248	1.48 312	5.89 381	2.81 483	0.51 470	0.47 486	0.49 465	0.40 441	0.59 437	0.49 398

PASM	2.67 434	2.05 526	9.71 347	1.73 511	1.37 455	2.53 144	1.52 471	3.10 226	2.17 359	2.79 496	1.84 331	2.90 420	1.85 409	11.89 559	2.19 440	0.81 525	0.85 546	0.87 542	1.01 548	1.14 534	1.05 523

XQC	2.96 464	2.42 534	14.85 418	1.36 433	1.32 443	3.29 236	1.53 473	4.28 489	2.78 476	3.21 525	2.46 463	3.53 481	2.92 485	6.58 396	4.67 506	0.70 515	0.41 454	0.59 501	0.56 503	0.96 518	0.83 507

CVANet_RVC	2.55 420	1.10 431	9.13 344	1.46 464	1.15 392	3.96 384	1.53 473	3.91 370	2.50 437	3.04 514	2.04 384	2.60 386	1.72 383	12.46 570	1.50 335	0.49 460	0.30 362	0.51 472	0.41 448	0.63 452	0.50 405

ETE_ROB	2.07 322	1.40 486	3.01 247	1.09 294	0.92 326	3.94 374	1.53 473	4.25 476	2.23 368	3.31 528	2.06 394	2.35 353	1.52 325	8.74 439	2.07 428	0.44 418	0.36 411	0.51 472	0.48 475	0.54 419	0.62 455

Wz-Net-LNSev	2.30 364	1.67 508	14.88 420	1.18 349	1.65 512	3.49 269	1.54 476	3.63 302	2.03 323	1.88 260	1.64 248	3.29 453	2.06 428	2.71 309	2.02 421	0.40 378	0.33 387	0.32 273	0.31 343	0.53 416	0.49 398

GwcNet	3.00 474	1.63 502	19.83 507	1.32 410	2.04 548	3.27 228	1.55 477	3.65 306	2.33 395	2.00 309	2.12 406	3.56 485	1.68 376	9.47 457	2.45 462	0.44 418	0.45 473	0.46 440	0.38 423	0.60 441	0.76 492

DeepPrunerF	3.70 513	1.72 509	14.87 419	1.33 415	1.74 525	3.70 314	1.55 477	4.20 453	14.00 592	2.02 316	1.77 296	2.74 402	2.30 450	10.88 508	6.88 532	0.68 511	0.60 521	0.78 535	0.78 534	0.81 502	0.71 477

STTRV1_RVC	3.52 507	1.03 417	20.87 555	1.47 467	1.47 477	3.23 217	1.55 477	4.06 417	3.22 530	1.95 284	3.50 530	2.63 390	2.07 430	11.96 562	2.21 442	1.86 560	4.03 596	0.81 539	0.73 526	1.06 523	0.70 476

w-ln-seven-2	2.73 443	2.13 527	12.47 382	1.18 349	1.01 361	3.54 284	1.58 480	3.93 377	3.26 533	2.43 443	2.02 379	2.63 390	2.28 449	7.93 427	5.45 522	0.40 378	0.40 444	0.44 427	0.34 372	0.62 450	0.47 386

w-ln-seven	2.86 450	3.06 546	14.02 405	1.27 391	1.32 443	4.10 417	1.59 481	3.90 365	2.59 453	3.03 513	2.27 430	3.42 466	2.25 447	6.70 401	4.81 512	0.39 370	0.34 399	0.48 451	0.40 441	0.74 490	0.55 430

IRAFT_RVC	1.87 281	0.60 170	4.33 284	2.40 555	0.66 219	4.59 522	1.59 481	2.96 210	1.51 163	2.23 392	1.75 282	2.09 331	2.63 472	6.70 401	1.50 335	0.33 289	0.21 188	0.33 308	0.29 308	0.32 210	0.32 233

AF-Net	2.87 454	1.30 469	16.24 437	1.33 415	1.75 526	3.26 226	1.59 481	4.09 426	2.43 423	2.69 488	2.94 504	4.51 529	3.20 502	5.84 380	2.75 480	0.76 519	0.36 411	0.72 530	0.49 479	0.70 476	0.56 435

CC-Net-ROB	3.35 502	1.76 512	13.89 403	2.33 554	1.65 512	4.49 500	1.62 484	4.73 558	2.90 495	1.92 274	2.05 390	1.99 316	1.61 347	12.57 573	1.60 355	2.46 565	2.18 574	2.68 575	1.04 551	2.11 557	1.38 542

MFN_U_SF_RVC	3.81 518	10.78 588	15.01 424	1.84 525	1.39 460	3.73 322	1.63 485	4.05 413	3.26 533	2.91 503	2.38 459	4.36 524	3.65 518	8.43 434	4.91 514	1.11 542	1.04 551	0.99 546	1.31 560	1.58 550	1.75 553

XPNet_ROB	2.27 353	1.11 434	4.10 282	1.36 433	0.97 341	3.94 374	1.63 485	4.07 420	2.14 353	2.82 499	2.00 377	2.32 350	1.73 386	10.81 506	3.39 493	0.51 470	0.47 486	0.48 451	0.40 441	0.51 406	0.56 435

ssnet_v2	2.04 317	0.88 376	7.87 323	1.20 357	0.87 311	3.86 354	1.64 487	4.01 400	2.60 454	2.61 475	1.96 364	3.79 493	1.71 381	2.20 267	2.96 485	0.41 393	0.35 405	0.42 418	0.37 410	0.55 421	0.52 418

Wz-Net-LNSev-Ref	2.42 393	1.47 493	14.14 408	1.30 404	1.35 450	3.51 276	1.64 487	4.04 409	2.10 346	2.46 446	1.88 345	2.28 342	2.51 466	4.73 358	3.17 491	0.38 358	0.19 114	0.35 345	0.20 103	0.40 308	0.36 284

ADCRef	3.30 498	1.23 462	14.90 421	1.17 343	1.41 469	3.95 379	1.64 487	3.88 358	2.36 401	3.05 516	2.21 422	2.40 358	2.81 481	5.04 360	16.63 578	0.46 434	0.34 399	0.63 514	0.62 515	0.54 419	0.67 467

Syn2CoEx	3.08 482	2.55 540	19.88 509	1.34 422	1.18 399	2.43 131	1.65 490	3.91 370	2.40 417	2.39 437	2.27 430	2.90 420	3.17 501	9.57 462	2.54 471	0.50 464	0.45 473	0.53 483	0.39 430	0.74 490	0.72 485

PSMNet_ROB	2.95 461	1.38 483	18.46 477	1.19 352	1.20 412	3.80 335	1.65 490	3.54 289	2.35 398	1.98 292	1.71 271	2.75 404	1.79 393	11.43 534	2.78 481	0.42 404	0.36 411	0.50 468	0.60 511	0.59 437	0.49 398

stereogan	3.09 483	0.93 390	16.43 440	1.37 443	1.66 515	3.70 314	1.67 492	3.87 355	3.15 522	3.04 514	2.70 490	5.04 548	2.79 479	9.96 475	1.78 390	0.63 497	0.49 497	0.69 523	0.47 470	0.83 505	0.68 470

MFMNet_re	2.91 457	1.91 517	18.25 469	3.06 567	1.89 538	3.13 205	1.67 492	3.52 284	2.97 503	3.14 521	2.87 503	2.26 340	2.41 458	2.42 278	2.00 418	1.10 540	1.05 552	0.94 544	0.90 540	1.28 544	1.46 546

MaskLacGwcNet_RVC	3.13 487	1.43 490	9.93 351	2.50 557	1.62 504	4.29 466	1.68 494	3.95 383	2.43 423	1.66 215	1.91 357	3.04 432	1.41 290	13.26 576	1.58 351	3.82 582	1.59 565	1.12 553	0.46 467	2.21 558	2.74 574

PA-Net	3.09 483	1.24 463	18.84 481	1.38 445	1.19 406	3.42 251	1.75 495	3.89 360	3.27 537	1.88 260	2.10 399	3.03 431	1.88 414	11.60 540	2.88 484	0.40 378	0.54 503	0.44 427	0.62 515	0.52 410	1.02 521
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CBMV_ROB	3.62 510	0.70 272	21.42 573	1.21 364	0.89 320	4.43 490	1.76 496	4.39 524	2.79 478	5.88 569	3.38 526	4.18 514	5.12 544	10.75 502	2.32 450	0.56 485	0.55 508	0.53 483	0.51 489	0.55 421	0.46 381

KYRaft	1.59 241	0.52 86	1.73 130	0.95 209	0.49 124	4.38 476	1.79 497	2.43 129	1.51 163	2.49 450	2.98 506	2.00 317	3.41 510	2.14 259	0.82 158	0.30 228	0.21 188	0.33 308	0.46 467	0.35 265	2.45 568

DSFCA	1.89 286	0.69 261	3.14 252	1.10 303	1.18 399	3.99 392	1.79 497	3.50 280	2.16 357	3.10 518	1.64 248	2.91 423	2.50 465	5.38 367	2.26 445	0.43 410	0.38 430	0.37 373	0.36 398	0.50 404	0.42 350

Wz-Net-SNSev	2.98 470	4.36 556	15.98 435	1.57 489	1.19 406	3.28 232	1.80 499	3.96 388	2.40 417	2.32 419	2.28 434	3.48 470	2.05 427	7.84 426	3.82 499	0.47 443	0.39 439	0.53 483	0.49 479	0.71 485	0.60 449

EDNetEfficientorigin	12.35 590	2.51 535	179.47 626	1.19 352	0.96 337	2.91 174	1.81 500	3.00 215	5.35 572	8.91 585	4.79 544	4.18 514	4.64 538	9.98 476	11.30 556	0.37 341	0.38 430	0.60 506	0.85 537	1.32 546	2.43 567

Prome-Stereo	1.61 244	0.55 116	1.71 128	0.98 230	0.60 188	4.41 485	1.82 501	3.03 219	1.53 179	2.18 370	3.45 528	1.72 262	3.49 516	2.23 272	1.08 242	0.29 185	0.20 154	0.26 125	0.25 205	0.34 247	2.16 560

GANetREF_RVC	3.20 494	1.93 518	18.84 481	1.51 476	0.80 275	4.12 420	1.82 501	4.16 448	2.91 496	1.87 257	1.74 278	2.48 375	1.84 405	13.18 575	1.74 384	0.80 523	0.57 511	0.79 536	0.74 527	1.20 542	0.86 508
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
LALA_ROB	1.95 300	1.48 494	3.11 250	1.05 271	0.98 348	3.99 392	1.82 501	4.44 532	2.28 382	3.31 528	1.85 338	2.76 410	1.67 372	4.04 347	3.23 492	0.46 434	0.41 454	0.55 491	0.52 493	0.60 441	0.57 439

DEmStereo	2.97 468	0.58 150	13.42 390	0.79 91	0.51 130	3.84 344	1.84 504	2.42 126	1.60 227	2.25 398	2.74 491	2.03 321	6.04 555	6.79 408	12.80 564	0.35 321	0.26 316	0.26 125	0.27 251	0.27 106	0.37 298

Ntro	4.21 532	8.94 577	19.89 510	3.22 569	2.96 566	4.15 427	1.89 505	3.92 375	2.36 401	1.77 236	2.14 409	3.35 459	2.17 442	9.48 458	2.24 444	3.52 577	1.76 568	2.13 566	1.31 560	3.83 573	3.09 575

GMM-Stereo	2.45 397	0.52 86	20.38 535	0.89 162	0.82 287	4.18 444	1.91 506	2.45 132	1.48 142	2.48 449	2.30 443	1.69 257	1.86 410	2.93 315	1.08 242	0.28 162	0.18 79	0.33 308	0.48 475	0.35 265	2.41 565

coex-ft	18.59 599	6.62 566	113.53 623	1.17 343	1.31 436	2.33 124	1.93 507	2.81 199	14.00 592	124.82 626	8.45 565	5.90 561	51.74 617	9.99 477	22.69 596	0.57 487	0.62 524	0.50 468	0.49 479	1.08 529	1.28 534

NVStereoNet_ROB	4.91 546	1.40 486	16.46 441	1.47 467	1.72 524	3.46 259	1.96 508	3.89 360	3.61 548	2.90 502	24.61 601	4.81 540	4.49 536	13.57 582	4.87 513	1.33 556	1.29 561	1.70 562	1.68 566	1.41 549	1.66 548
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RP	2.79 445	1.20 451	10.36 358	1.54 481	1.93 540	3.44 253	1.97 509	4.05 413	2.34 396	2.66 486	2.79 496	3.98 502	2.58 470	10.21 485	2.61 474	0.95 534	0.47 486	0.71 526	0.57 506	0.71 485	0.68 470

MDST_ROB	5.53 554	0.59 158	23.11 590	2.55 558	2.69 560	21.20 598	1.98 510	4.77 560	2.65 460	9.36 587	4.25 539	4.14 512	4.45 535	22.57 596	3.68 498	0.48 448	0.33 387	0.47 443	0.44 461	0.44 370	0.44 365

FAT-Stereo	3.34 501	0.81 347	20.05 515	1.25 376	1.20 412	3.44 253	1.99 511	4.23 466	2.67 463	3.14 521	3.82 536	3.51 479	3.32 507	11.68 550	1.94 409	0.64 500	0.67 532	0.48 451	0.52 493	0.61 446	0.81 502

RAFT + AFF	2.51 410	2.66 541	4.48 289	1.15 335	1.95 541	4.15 427	2.01 512	4.46 536	3.30 538	2.19 374	2.51 470	2.22 339	4.87 541	8.91 443	2.06 425	0.30 228	0.60 521	0.48 451	0.38 423	0.77 495	0.69 472

delet	1.92 295	0.76 326	5.14 295	1.01 250	1.65 512	3.44 253	2.03 513	3.76 329	2.48 432	2.01 311	2.05 390	2.63 390	1.90 416	5.34 366	2.12 432	0.28 162	0.29 349	0.40 399	0.31 343	0.41 333	0.45 371

DPSNet	3.43 505	1.37 482	12.19 377	1.39 447	1.24 422	4.15 427	2.06 514	4.51 545	3.34 539	2.69 488	1.96 364	3.52 480	5.56 550	10.68 500	9.68 549	0.93 532	0.73 540	0.40 399	0.37 410	1.06 523	0.86 508

StereoDRNet	2.84 449	1.49 495	14.48 415	1.33 415	1.57 499	3.44 253	2.06 514	3.69 317	2.36 401	3.26 527	1.84 331	2.79 414	1.80 398	10.88 508	3.16 490	0.41 393	0.33 387	0.39 393	0.36 398	0.59 437	0.58 444

MSMD_ROB	5.61 555	1.08 427	16.68 444	1.21 364	0.83 293	10.14 583	2.07 516	3.93 377	6.22 579	10.37 593	8.03 561	22.22 597	9.45 581	11.66 548	4.52 505	0.66 505	0.58 516	0.66 520	0.68 522	0.65 463	0.63 459

pmcnn	5.45 553	1.22 458	17.40 457	1.60 493	2.41 558	3.48 266	2.12 517	4.52 546	3.26 533	3.67 539	13.15 588	22.10 596	3.46 515	11.92 561	17.16 581	0.34 301	0.21 188	0.23 39	0.19 83	0.36 278	0.28 173

DAS	2.31 365	0.67 250	4.79 292	1.14 322	1.64 508	2.93 181	2.13 518	4.09 426	2.74 470	4.17 551	2.52 471	2.46 373	1.79 393	11.55 539	1.63 366	0.37 341	0.22 217	0.39 393	0.25 205	0.41 333	0.34 264

SepStereo	2.15 333	0.67 250	4.79 292	1.14 322	1.64 508	2.93 181	2.13 518	4.09 426	2.74 470	4.17 551	2.52 471	2.46 373	1.79 393	8.36 431	1.63 366	0.37 341	0.22 217	0.39 393	0.25 205	0.41 333	0.34 264

TDLM	2.29 361	1.08 427	4.61 291	1.29 397	1.01 361	4.26 459	2.17 520	3.75 327	2.79 478	2.31 415	1.98 372	2.06 327	1.59 340	12.45 569	1.72 379	0.51 470	0.28 339	0.52 478	0.35 388	0.56 427	0.50 405

ccnet	2.66 432	0.97 405	8.01 327	1.54 481	1.24 422	3.75 324	2.18 521	4.07 420	2.41 419	2.66 486	3.25 521	2.87 419	2.31 453	9.89 471	3.50 494	0.78 520	0.75 542	0.71 526	0.67 519	0.76 494	0.81 502

ACVNet-4b	6.73 567	13.67 597	21.87 581	3.54 574	3.07 568	4.19 448	2.25 522	4.03 405	3.65 549	1.64 210	3.98 538	5.88 560	2.89 483	10.01 478	16.98 580	23.29 612	2.24 577	2.53 570	1.78 571	3.87 574	3.21 580

ADCMid	3.96 524	3.27 549	15.48 431	1.26 383	1.40 462	4.66 532	2.28 523	4.06 417	3.54 546	3.94 544	3.02 508	3.85 496	3.67 519	4.03 346	18.65 589	0.68 511	0.61 523	1.09 552	1.18 557	1.38 547	1.08 525

WZ-Net	3.62 510	4.87 558	16.77 447	1.43 455	1.40 462	3.75 324	2.29 524	4.12 435	2.50 437	2.74 492	2.19 418	4.06 507	5.29 547	10.19 484	7.36 537	0.54 481	0.37 424	0.47 443	0.49 479	0.77 495	0.73 486

SPS-STEREO	3.97 525	1.44 491	20.85 552	1.72 510	1.71 522	3.24 221	2.30 525	3.55 291	2.68 465	4.79 562	3.66 532	5.44 558	2.97 486	9.11 448	9.35 548	1.15 543	1.10 554	1.06 550	1.02 550	1.16 538	1.18 531
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
FC-DCNN	6.64 566	0.77 329	19.26 491	1.68 503	1.64 508	8.27 580	2.35 526	6.35 579	9.23 584	10.85 595	11.27 581	19.89 593	13.33 585	12.51 571	11.79 561	0.66 505	0.57 511	0.58 498	0.56 503	0.63 452	0.61 452

FC-DCNN v2	6.91 571	0.77 329	19.25 489	1.69 504	1.64 508	9.13 582	2.40 527	7.20 581	9.47 585	11.07 597	11.62 583	20.05 595	15.79 590	12.55 572	11.99 562	0.66 505	0.57 511	0.58 498	0.56 503	0.63 452	0.61 452

Wz-Net-MNSev	2.71 442	2.54 539	13.91 404	1.52 477	1.37 455	3.28 232	2.47 528	4.03 405	2.32 394	2.57 465	2.07 395	2.29 347	3.01 489	7.55 419	2.74 479	0.38 358	0.36 411	0.36 361	0.37 410	0.57 432	0.47 386

ACVNet_1	6.04 562	13.97 599	21.36 571	3.58 575	3.14 571	4.73 548	2.48 529	4.20 453	3.17 523	2.98 511	2.83 502	23.31 598	4.34 533	11.06 518	2.45 462	3.68 579	2.33 580	2.60 572	1.79 572	3.69 570	3.19 579

Wz-Net-TNSev	3.67 512	8.83 573	13.47 393	1.48 470	1.18 399	3.60 297	2.49 530	4.27 484	3.13 518	2.18 370	1.89 351	4.21 518	2.80 480	12.10 563	7.58 540	0.57 487	0.55 508	0.47 443	0.54 499	0.91 512	1.05 523

MonStereo1	8.07 576	2.24 530	5.83 305	4.68 591	3.60 576	18.80 597	2.52 531	5.89 578	5.86 578	4.76 561	13.98 591	7.41 567	50.63 616	13.28 577	5.16 516	4.40 589	0.90 548	2.69 576	1.55 565	3.92 575	3.30 582

GANet	2.93 460	1.05 419	11.29 370	1.64 498	0.96 337	3.91 362	2.52 531	3.72 324	2.41 419	2.95 510	3.00 507	3.21 446	2.03 424	12.42 568	4.72 509	0.51 470	0.41 454	0.46 440	0.39 430	0.60 441	0.50 405

S-Stereo	3.48 506	0.91 384	22.06 585	1.36 433	1.50 482	3.55 287	2.53 533	4.21 459	2.81 488	2.37 432	3.81 535	3.75 491	1.84 405	11.90 560	2.51 467	0.63 497	0.71 538	0.48 451	0.76 529	0.67 470	1.19 532

NCCL2	2.53 414	1.35 479	10.90 367	1.15 335	0.97 341	3.53 280	2.56 534	3.65 306	2.23 368	2.76 493	1.80 305	2.41 360	1.66 370	10.35 489	2.07 428	0.44 418	0.40 444	0.57 496	0.53 497	0.59 437	0.65 465

otaku	4.58 539	8.93 576	19.95 512	3.11 568	2.67 559	3.91 362	2.57 535	3.82 342	2.25 373	2.22 388	9.72 574	4.08 508	2.35 455	8.57 436	2.13 435	3.51 576	1.65 567	2.15 567	1.17 556	3.69 570	3.15 577

zh-sn7	3.81 518	11.43 591	15.78 433	1.25 376	1.15 392	3.68 313	2.58 536	4.15 447	2.42 422	2.61 475	3.10 515	3.38 464	3.03 493	11.43 534	6.88 532	0.45 427	0.48 492	0.45 434	0.43 458	0.72 488	0.71 477

FCDSN-DC	6.04 562	0.84 363	19.25 489	1.24 374	1.09 382	4.38 476	2.62 537	4.38 522	4.71 565	9.59 590	11.22 580	19.19 592	17.40 593	12.30 565	8.55 545	0.69 514	0.57 511	0.60 506	0.60 511	0.70 476	0.78 496
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	3.55 508	2.16 529	14.18 410	1.86 528	1.49 480	4.62 526	2.65 538	3.58 296	2.80 482	7.05 577	3.05 510	5.16 554	4.07 527	9.18 451	4.80 511	0.64 500	0.67 532	0.59 501	0.68 522	0.89 508	0.91 513

ADCPNet	3.89 520	1.63 502	20.25 529	1.28 393	1.27 430	6.43 571	2.65 538	3.93 377	2.70 466	2.78 495	2.20 420	4.28 520	6.16 559	5.56 373	10.27 552	0.65 503	1.18 556	0.71 526	1.70 568	0.84 506	1.37 540

LVE	6.88 570	9.31 580	21.14 563	3.61 576	3.18 573	4.49 500	2.79 540	10.21 587	11.69 588	3.16 524	11.53 582	18.33 589	4.31 532	11.66 548	3.52 495	4.45 591	2.93 586	2.56 571	1.91 576	3.62 567	3.16 578

WAO-8	11.95 587	13.02 593	20.56 543	3.50 571	3.08 569	15.11 593	2.80 541	12.91 592	19.11 601	7.69 579	13.12 586	11.62 578	7.01 569	84.40 621	7.91 541	3.42 574	1.92 571	3.54 589	1.93 577	3.68 568	2.69 571

Venus	11.95 587	13.02 593	20.56 543	3.50 571	3.08 569	15.11 593	2.80 541	12.91 592	19.11 601	7.69 579	13.12 586	11.62 578	7.01 569	84.40 621	7.91 541	3.42 574	1.92 571	3.54 589	1.93 577	3.68 568	2.69 571

TorneroNet-64	10.12 580	8.74 572	20.95 559	4.27 583	3.76 582	13.86 590	2.85 543	15.05 597	23.15 604	10.07 591	23.84 600	13.47 584	8.24 578	13.96 587	17.21 582	3.96 585	2.72 583	3.23 584	2.48 586	6.29 589	4.27 593

MADNet+	3.97 525	9.54 583	13.83 402	1.87 529	1.69 520	4.19 448	2.87 544	4.80 561	4.10 560	2.51 454	2.67 487	4.55 532	3.41 510	8.72 438	6.92 534	1.25 550	1.27 560	1.04 548	0.93 542	1.39 548	1.85 554

HBP-ISP	3.25 497	1.10 431	20.86 553	1.54 481	1.15 392	4.50 503	2.89 545	4.43 531	2.38 412	4.14 550	1.96 364	1.90 299	2.04 426	11.08 521	1.32 299	0.66 505	0.57 511	0.66 520	0.61 514	0.64 460	0.61 452

G-Net	4.11 529	1.21 452	19.47 497	2.31 553	2.94 565	4.74 551	2.95 546	3.33 263	2.14 353	4.44 557	9.43 572	6.93 566	3.84 522	9.01 447	4.92 515	0.79 521	0.80 545	0.70 525	0.50 485	0.95 514	0.87 511

RTS	3.90 521	7.04 567	17.94 465	1.92 531	2.19 552	5.00 559	2.96 547	4.29 492	3.19 525	4.05 547	3.08 512	4.94 543	3.16 499	7.64 420	6.72 527	0.66 505	0.44 468	0.51 472	0.47 470	0.95 514	0.76 492

RTSA	3.90 521	7.04 567	17.94 465	1.92 531	2.19 552	5.00 559	2.96 547	4.29 492	3.19 525	4.05 547	3.08 512	4.94 543	3.16 499	7.64 420	6.72 527	0.66 505	0.44 468	0.51 472	0.47 470	0.95 514	0.76 492

RainbowNet	4.56 537	8.28 570	20.07 518	3.64 577	3.23 574	4.15 427	2.99 549	4.18 449	3.03 511	2.20 377	2.65 485	4.26 519	2.90 484	9.77 465	2.12 432	3.88 583	2.27 578	2.71 578	1.72 570	3.78 572	3.31 583

ACVNet_2	5.41 552	12.60 592	20.42 538	3.27 570	3.15 572	4.50 503	3.02 550	4.66 555	3.73 552	3.35 533	5.36 549	7.86 570	2.88 482	12.33 567	4.76 510	3.12 572	2.22 576	2.70 577	1.69 567	3.49 566	3.10 576

NaN_ROB	4.06 528	1.13 436	16.64 443	1.12 314	1.25 425	3.50 273	3.05 551	4.29 492	3.26 533	3.64 537	2.56 476	2.97 426	4.79 539	13.33 578	16.91 579	0.37 341	0.41 454	0.38 389	0.39 430	0.48 396	0.81 502

IMH	6.81 569	13.66 596	20.41 537	4.33 587	3.74 579	5.50 564	3.06 552	5.49 576	6.22 579	4.64 560	10.35 576	9.30 574	8.03 577	13.61 583	6.81 529	4.80 596	2.99 591	3.09 582	2.12 582	4.36 580	3.61 585

SuperB	4.79 543	4.41 557	21.08 562	1.45 462	1.08 378	3.91 362	3.08 553	4.18 449	3.01 509	2.50 451	2.10 399	2.75 404	3.49 516	8.80 440	19.60 593	0.44 418	0.33 387	0.53 483	0.39 430	12.01 603	0.64 463

WAO-7	5.16 548	3.21 547	18.98 485	1.88 530	1.44 472	5.34 563	3.09 554	4.91 563	5.81 577	4.35 556	8.92 571	6.55 563	6.06 556	13.40 580	10.81 554	1.34 557	1.20 559	1.48 561	1.35 563	1.60 551	1.45 544

TorneroNet	25.88 604	11.28 590	21.62 578	4.20 582	4.07 585	55.25 612	3.15 555	15.16 598	76.94 621	58.09 617	82.72 623	86.88 622	41.15 608	13.35 579	18.13 586	4.32 586	2.85 584	3.45 585	2.62 588	8.33 601	4.14 592

SGM-Forest	2.96 464	0.62 197	3.49 265	1.09 294	0.80 275	4.06 404	3.30 556	4.37 521	3.09 516	4.18 554	3.27 523	4.67 539	3.86 523	11.69 551	7.91 541	0.51 470	0.46 482	0.49 465	0.39 430	0.48 396	0.49 398
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
KSHMR	16.96 597	5.37 561	21.64 580	4.46 588	4.50 588	8.30 581	3.32 557	15.58 600	76.24 620	6.62 576	61.47 616	56.53 617	5.43 549	35.17 608	11.37 557	4.39 588	2.97 590	3.63 591	2.74 592	5.10 585	4.34 594

MFN_U_SF_DS_RVC	3.94 523	10.88 589	12.30 379	1.26 383	1.55 492	5.19 562	3.33 558	4.42 528	2.82 490	2.58 469	2.62 482	5.00 546	2.11 432	14.03 588	2.73 478	1.28 552	2.34 581	0.67 522	1.83 573	0.81 502	1.03 522

notaker	10.50 583	8.60 571	20.23 525	4.54 590	3.95 583	6.27 569	3.44 559	8.07 584	4.75 568	8.73 584	46.45 611	13.86 587	27.86 603	13.49 581	13.61 567	4.56 592	3.18 592	3.52 588	2.68 590	8.13 600	4.05 591

SGM_RVC	4.57 538	0.72 288	17.46 460	1.84 525	0.58 182	4.23 457	3.45 560	4.66 555	3.66 550	7.99 582	8.82 570	7.56 569	8.74 580	12.30 565	6.84 531	0.43 410	0.38 430	0.39 393	0.35 388	0.51 406	0.48 391
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
WCMA_ROB	5.12 547	0.90 379	21.33 569	1.50 474	1.33 447	4.09 411	3.49 561	4.03 405	4.59 564	6.57 575	10.95 579	12.92 582	8.41 579	9.86 470	8.78 546	0.75 518	0.58 516	0.51 472	0.50 485	0.68 473	0.57 439

CSAN	4.71 541	1.39 485	20.23 525	1.19 352	0.87 311	3.65 308	3.50 562	4.57 550	3.87 553	3.89 543	7.82 559	3.54 484	6.16 559	23.47 601	6.82 530	0.52 476	0.45 473	0.49 465	0.52 493	0.63 452	0.66 466

HanzoNet	31.60 607	17.23 602	21.22 568	7.32 597	5.84 593	7.25 576	3.53 563	13.82 596	14.20 594	50.38 613	47.01 612	44.45 608	56.61 618	36.61 609	32.00 609	63.89 619	56.57 620	7.97 602	89.20 622	28.69 607	28.25 610

Dean	7.52 573	9.08 578	21.41 572	3.74 578	3.53 575	4.81 555	3.53 563	5.33 573	5.25 571	4.17 551	26.53 602	25.62 604	4.09 528	10.97 512	4.32 502	3.69 580	2.30 579	2.91 579	1.87 575	4.03 576	3.24 581

MSC_U_SF_DS_RVC	4.48 536	10.62 587	15.18 429	1.55 486	1.45 476	6.16 568	3.54 565	5.41 575	3.68 551	2.59 472	2.74 491	4.81 540	2.20 445	13.79 585	4.40 503	2.04 561	3.36 594	1.05 549	1.20 558	2.09 556	1.72 551

WAO-6	5.87 560	2.27 531	15.05 425	2.96 565	2.77 562	12.01 586	3.58 566	5.37 574	11.91 590	3.34 531	9.69 573	6.78 565	5.84 553	11.82 557	8.89 547	2.87 567	2.35 582	2.50 569	1.84 574	2.85 562	2.67 570

ADCS	4.22 533	5.33 560	16.32 438	1.64 498	1.31 436	3.91 362	3.64 567	4.21 459	2.89 494	5.11 564	2.81 500	4.46 527	3.06 496	5.21 364	19.50 592	0.63 497	0.64 527	0.69 523	0.69 524	1.12 532	1.26 533

ADCP+	3.74 516	1.96 520	16.90 448	1.09 294	1.55 492	4.35 474	3.65 568	3.93 377	2.98 506	2.22 388	1.66 256	3.95 499	4.83 540	3.41 326	18.87 591	0.38 358	0.41 454	0.63 514	0.53 497	0.64 460	0.81 502

UNDER WATER	10.47 581	3.95 555	22.62 589	5.07 594	4.51 589	7.78 579	3.77 569	12.56 591	21.72 603	7.84 581	10.78 577	23.96 600	31.66 604	10.78 505	16.19 576	4.44 590	2.93 586	4.24 592	2.86 593	6.33 591	5.47 598

aanetorigin	3.30 498	1.66 506	17.52 462	1.18 349	1.58 500	2.57 147	3.80 570	2.65 170	2.03 323	6.12 572	4.30 541	2.82 415	5.70 551	5.47 370	4.67 506	0.50 464	0.44 468	0.43 422	0.47 470	1.17 539	0.92 514

SANet	5.65 557	1.72 509	20.94 558	1.26 383	0.88 315	7.20 575	3.81 571	4.60 552	11.23 586	4.56 558	8.78 569	7.49 568	6.95 566	11.85 558	18.11 585	0.49 460	0.44 468	0.50 468	0.42 455	0.90 510	0.82 506

MeshStereo	5.35 551	1.32 475	21.34 570	1.34 422	1.15 392	4.40 483	3.90 572	5.18 567	4.55 562	10.14 592	11.82 584	11.47 577	5.84 553	13.84 586	7.03 535	0.61 494	0.58 516	0.60 506	0.58 507	0.72 488	0.59 448
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
CBMV	3.32 500	0.96 404	21.16 565	1.32 410	0.83 293	3.81 337	3.91 573	4.47 537	2.53 442	3.34 531	2.24 426	4.45 526	2.58 470	10.07 481	1.96 414	0.45 427	0.43 463	0.48 451	0.38 423	0.52 410	0.53 420
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
AnyNet_C32	4.17 531	5.75 564	12.62 383	1.60 493	1.54 488	5.51 565	4.09 574	3.90 365	3.23 531	4.22 555	3.03 509	3.10 437	3.41 510	8.01 429	18.85 590	0.53 479	0.58 516	0.53 483	0.74 527	1.19 541	0.97 518

ktn	21.74 602	10.34 586	19.68 502	4.53 589	4.00 584	6.53 572	4.51 575	6.79 580	78.82 622	84.69 622	100.86 626	58.49 618	7.57 573	12.11 564	13.35 565	4.58 595	3.24 593	3.49 586	2.62 588	4.65 583	3.84 589

UNDER WATER-64	9.33 579	5.37 561	22.60 588	5.22 595	4.86 591	10.75 584	4.61 576	11.45 588	17.30 596	7.59 578	9.80 575	15.99 588	17.90 595	10.63 498	15.72 572	4.36 587	2.87 585	4.39 596	2.86 593	7.01 595	5.36 597

IMH-64-1	4.84 544	2.53 537	6.83 311	4.30 585	3.74 579	4.81 555	6.05 577	5.30 570	3.92 555	3.95 545	8.33 563	5.08 550	6.06 556	8.96 445	6.30 524	4.57 593	2.96 588	3.04 580	2.12 582	4.28 578	3.62 586

IMH-64	4.84 544	2.53 537	6.83 311	4.30 585	3.74 579	4.81 555	6.05 577	5.30 570	3.92 555	3.95 545	8.33 563	5.08 550	6.06 556	8.96 445	6.30 524	4.57 593	2.96 588	3.04 580	2.12 582	4.28 578	3.62 586

LSM	12.71 591	3.52 552	20.79 551	55.63 617	84.76 616	3.63 307	6.30 579	3.73 325	4.93 569	5.55 566	13.92 590	3.53 481	3.25 504	9.72 464	4.12 501	0.64 500	0.85 546	0.71 526	0.81 536	1.03 520	26.84 608

AnyNet_C01	4.37 535	7.80 569	16.40 439	1.98 537	1.40 462	6.37 570	6.47 580	4.09 426	5.03 570	4.06 549	3.78 534	4.16 513	3.31 506	6.62 398	10.00 550	0.61 494	0.67 532	0.63 514	0.67 519	2.01 555	1.31 536

PSM-AAD	2.43 394	0.54 110	1.32 88	0.92 185	0.54 149	4.48 494	7.47 581	2.96 210	1.55 196	2.31 415	2.56 476	1.26 197	16.23 591	2.46 281	0.89 187	0.28 162	0.21 188	0.58 498	0.41 448	0.34 247	1.32 538

EDNetEfficient	5.61 555	2.14 528	16.75 446	1.67 502	3.64 577	4.12 420	7.51 582	3.05 221	5.63 576	11.57 598	4.83 545	3.95 499	12.72 584	8.44 435	20.78 595	0.41 393	0.43 463	0.47 443	1.01 548	1.66 553	1.39 543

PWCK	5.85 559	9.95 585	15.22 430	2.90 564	1.56 495	5.66 567	7.69 583	5.27 569	4.74 567	3.88 542	7.51 557	8.04 571	5.28 546	15.18 589	8.40 544	3.08 571	1.51 564	2.24 568	1.37 564	5.55 587	1.96 557

MADNet++	7.57 575	5.80 565	13.28 388	6.38 596	5.26 592	7.18 574	7.77 584	5.32 572	5.62 575	6.11 571	7.78 558	6.02 562	8.01 576	11.74 553	16.36 577	9.36 601	4.95 599	8.57 603	5.66 599	4.83 584	5.34 596

GrayStereo	2.58 425	0.53 98	1.63 123	1.58 490	0.89 320	4.17 441	8.17 585	3.03 219	1.52 172	2.80 497	2.50 468	1.70 259	17.10 592	2.83 312	1.15 255	0.33 289	0.21 188	0.27 156	0.32 355	0.28 123	0.53 420

ELAS	5.99 561	1.62 500	20.29 532	1.96 536	2.01 544	15.09 592	8.38 586	5.23 568	5.54 574	9.02 586	8.61 566	6.74 564	9.75 582	7.48 417	11.40 558	0.96 535	1.18 556	0.72 530	0.93 542	1.30 545	1.67 549
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MultiAttention	8.74 578	0.56 127	7.25 317	2.07 542	22.74 602	35.86 608	8.44 587	4.97 564	2.58 450	2.57 465	5.11 548	5.55 559	1.59 340	52.70 619	7.50 539	0.47 443	0.24 279	0.52 478	1.00 547	6.84 594	6.30 600

ADCL	4.35 534	1.63 502	14.21 411	1.29 397	1.26 428	5.56 566	11.16 588	3.97 390	3.37 541	6.07 570	4.67 543	4.30 521	5.72 552	5.08 362	14.51 568	0.50 464	0.48 492	0.89 543	0.77 531	0.78 497	0.76 492

FTStereo	3.71 515	0.53 98	20.37 534	0.96 215	0.65 212	4.34 471	11.29 589	2.62 167	1.50 156	2.58 469	5.04 547	1.90 299	13.84 587	3.71 336	1.25 282	0.38 358	0.24 279	0.31 253	0.32 355	0.30 164	2.10 559

ELAS_RVC	5.72 558	1.64 505	20.40 536	2.09 543	2.01 544	4.95 558	11.47 590	4.66 555	6.31 581	8.09 583	8.01 560	8.06 573	11.65 583	8.36 431	10.22 551	0.99 537	1.17 555	0.81 539	0.76 529	1.14 534	1.58 547
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	6.27 564	9.15 579	13.76 396	1.94 535	4.60 590	11.91 585	12.00 591	5.12 566	3.45 545	3.79 541	4.52 542	9.54 575	6.56 565	9.40 456	13.48 566	1.26 551	1.37 562	1.17 555	1.34 562	7.06 596	3.95 590

TCMNet-wrong-test	12.32 589	14.13 600	19.38 494	22.38 604	19.85 599	15.99 596	12.34 592	22.95 602	4.56 563	6.24 573	6.27 554	18.40 591	15.71 589	10.10 483	10.72 553	9.06 600	4.78 597	5.35 597	3.95 597	12.28 604	11.97 603

JetRed	10.48 582	27.10 606	35.70 602	4.27 583	4.09 586	15.55 595	12.83 593	12.16 589	5.50 573	5.83 568	5.56 551	10.14 576	7.43 571	8.88 441	26.39 604	3.32 573	3.81 595	3.51 587	2.96 595	7.85 598	6.69 601

EAI-Stereo	2.35 381	0.63 206	2.97 244	0.95 209	0.65 212	3.84 344	14.27 594	5.04 565	2.19 362	2.06 330	7.25 555	1.10 171	0.94 168	1.65 198	1.37 308	0.31 251	0.22 217	0.27 156	0.60 511	0.27 106	0.32 233

MANE	11.39 585	1.38 483	23.16 591	4.82 593	2.79 563	22.02 599	14.51 595	25.81 603	26.28 605	10.93 596	13.17 589	19.90 594	18.03 596	15.69 591	20.41 594	0.96 535	0.74 541	1.42 559	3.24 596	0.74 490	1.71 550

THIR-Stereo	4.14 530	0.82 354	10.85 366	0.86 144	0.43 71	2.16 109	16.77 596	3.22 240	1.54 188	2.04 323	12.05 585	2.68 394	7.53 572	7.30 412	12.62 563	0.30 228	0.21 188	0.29 210	0.28 280	0.33 229	0.41 346

SGM+DAISY	8.36 577	3.82 553	24.83 596	2.02 539	1.75 526	14.80 591	17.22 597	4.27 484	11.79 589	13.88 599	14.38 592	11.74 580	13.83 586	10.56 494	15.12 569	1.21 545	1.19 558	1.14 554	1.13 555	1.17 539	1.37 540

CrosDoStereo	5.24 549	0.60 170	20.23 525	0.82 104	0.51 130	3.39 244	18.11 598	3.82 342	2.27 378	1.98 292	8.74 567	1.96 310	6.96 567	7.35 414	26.35 602	0.30 228	0.22 217	0.30 230	0.28 280	0.33 229	0.38 313

DeepStereo_LL	5.24 549	0.60 170	20.23 525	0.82 104	0.51 130	3.39 244	18.11 598	3.82 342	2.27 378	1.98 292	8.74 567	1.96 310	6.96 567	7.35 414	26.35 602	0.30 228	0.22 217	0.30 230	0.28 280	0.33 229	0.38 313

SGM-ForestM	11.55 586	1.16 444	21.62 578	2.14 544	0.81 278	22.25 600	19.08 600	16.50 601	11.34 587	15.94 602	14.44 593	27.12 605	22.61 602	24.76 602	28.39 608	0.50 464	0.48 492	0.47 443	0.44 461	0.55 421	0.53 420

LE_ROB	18.58 598	1.21 452	48.38 608	8.60 599	23.00 603	7.32 577	19.74 601	9.94 586	38.69 612	43.53 610	21.91 597	28.40 606	40.92 607	23.18 598	54.71 613	0.34 301	0.33 387	0.32 273	0.36 398	0.42 352	0.40 340

tt	7.19 572	0.51 80	6.83 311	4.03 580	2.30 557	12.05 587	20.19 602	15.46 599	6.58 582	3.42 535	3.22 520	5.37 556	6.39 564	4.20 351	7.46 538	9.81 602	11.53 607	7.05 600	7.46 602	6.31 590	3.71 588

HaxPig	43.25 613	43.65 614	45.00 606	33.85 609	35.61 606	32.69 605	30.52 603	45.09 612	42.97 613	48.77 611	48.17 613	43.00 607	40.26 606	44.58 610	43.61 610	47.18 616	49.30 617	51.54 617	50.25 616	43.73 616	45.29 617

AVERAGE_ROB	44.46 614	45.91 615	46.59 607	40.59 611	38.66 607	32.99 606	30.52 603	46.19 613	43.26 614	49.59 612	48.97 614	44.62 609	39.89 605	45.04 611	43.94 611	48.74 617	50.69 618	50.80 616	49.79 615	45.54 617	46.97 618

DGTPSM_ROB	15.31 594	8.85 574	28.14 600	9.90 600	18.89 597	12.44 588	33.21 605	13.48 594	17.86 599	9.50 588	22.89 598	13.78 585	19.67 597	21.26 594	23.68 598	5.08 598	8.84 601	5.62 598	11.50 603	6.72 592	14.87 604

DPSMNet_ROB	15.52 595	8.89 575	31.44 601	10.07 601	18.91 598	12.44 588	33.22 606	13.51 595	17.94 600	9.58 589	22.91 599	13.79 586	19.67 597	21.43 595	23.73 599	5.17 599	8.84 601	5.63 599	11.52 606	6.79 593	14.90 605

MEDIAN_ROB	47.37 615	49.08 616	49.92 610	40.32 610	39.97 608	34.95 607	33.43 607	49.17 614	46.39 616	53.06 614	52.65 615	47.65 610	42.23 615	48.35 618	47.29 612	52.10 618	54.04 619	54.28 618	53.48 617	48.76 618	50.33 619

USTest	15.98 596	15.58 601	22.56 587	18.49 603	16.99 596	26.43 601	36.08 608	27.68 606	12.77 591	10.69 594	10.80 578	18.35 590	15.09 588	18.62 593	23.37 597	4.85 597	5.34 600	7.38 601	7.43 601	9.90 602	11.23 602

Anonymous_1	57.11 618	19.68 603	26.15 597	23.10 605	142.31 624	30.84 602	39.75 609	33.86 611	16.98 595	70.53 621	15.42 594	23.46 599	19.75 599	23.04 597	27.23 605	164.73 627	9.02 603	130.38 621	137.40 624	161.27 628	27.24 609

DPSM_ROB	20.78 600	20.03 604	26.57 598	23.62 606	22.46 600	31.10 603	39.97 610	33.52 609	17.41 597	15.25 600	15.80 595	24.06 601	20.71 600	23.30 599	27.62 606	10.78 603	9.41 604	11.69 606	11.50 603	14.49 605	16.36 606

DPSM	20.78 600	20.03 604	26.57 598	23.62 606	22.46 600	31.10 603	39.97 610	33.52 609	17.41 597	15.25 600	15.80 595	24.06 601	20.71 600	23.30 599	27.62 606	10.78 603	9.41 604	11.69 606	11.50 603	14.49 605	16.36 606

DGSMNet	7.55 574	1.62 500	17.42 458	1.92 531	12.73 594	7.45 578	42.99 612	4.13 437	2.07 334	2.10 337	3.16 519	3.42 466	1.70 379	9.24 453	2.30 448	3.70 581	10.89 606	11.80 608	5.54 598	4.24 577	2.66 569

BEATNet-Init1	49.72 617	64.32 620	97.77 622	4.68 591	4.28 587	84.75 621	60.42 613	73.38 621	68.59 619	88.29 623	88.51 625	91.94 623	97.99 623	85.26 623	70.96 623	0.80 523	0.65 528	0.85 541	0.70 525	7.96 599	2.33 563

xxxxx1	112.33 624	88.53 621	37.76 603	227.84 626	157.23 625	39.05 609	61.41 614	93.76 622	79.29 623	62.45 618	74.79 620	78.32 619	70.96 620	33.47 605	70.69 620	114.00 622	130.36 625	259.31 626	274.34 626	145.54 625	147.50 625

tt_ll	112.33 624	88.53 621	37.76 603	227.84 626	157.23 625	39.05 609	61.41 614	93.76 622	79.29 623	62.45 618	74.79 620	78.32 619	70.96 620	33.47 605	70.69 620	114.00 622	130.36 625	259.31 626	274.34 626	145.54 625	147.50 625

ff	112.33 624	88.53 621	37.76 603	227.84 626	157.23 625	39.05 609	61.41 614	93.76 622	79.29 623	62.45 618	74.79 620	78.32 619	70.96 620	33.47 605	70.69 620	114.00 622	130.36 625	259.31 626	274.34 626	145.54 625	147.50 625

LSM0	49.58 616	40.04 609	53.62 617	97.15 618	128.68 623	62.75 618	79.89 617	67.63 620	35.11 611	33.02 609	32.61 610	48.43 616	41.60 609	46.60 613	55.43 616	21.63 610	18.99 615	23.62 614	23.13 608	29.47 614	52.26 620

FlowAnything	41.75 608	39.90 608	53.36 615	47.83 616	45.06 609	62.45 613	80.51 618	67.34 619	34.89 609	30.56 607	31.52 604	48.18 612	42.05 613	46.66 617	55.24 615	21.71 611	18.88 611	23.49 613	23.13 608	29.12 609	33.04 611

Selective-RAFT-Error	41.77 609	40.16 610	53.34 614	47.73 612	45.25 613	62.51 614	80.64 619	67.22 615	34.93 610	30.64 608	31.81 605	48.11 611	42.11 614	46.57 612	54.95 614	21.61 607	18.87 610	23.48 609	23.15 610	29.16 610	33.08 615

CasAABBNet	41.80 612	40.20 611	53.41 616	47.73 612	45.18 610	62.51 614	80.71 620	67.26 616	34.80 608	30.49 604	31.88 606	48.24 613	41.81 610	46.63 614	55.64 619	21.60 606	18.88 611	23.48 609	23.22 611	29.19 611	33.05 612

RAFT-FEzeroshot	41.78 610	40.21 612	53.07 612	47.74 614	45.19 611	62.51 614	80.73 621	67.30 617	34.75 606	30.51 605	31.88 606	48.27 614	41.88 611	46.64 615	55.54 617	21.62 608	18.89 613	23.48 609	23.22 611	29.20 612	33.05 612

RAFT-FE	41.78 610	40.21 612	53.07 612	47.74 614	45.19 611	62.51 614	80.73 621	67.30 617	34.75 606	30.51 605	31.88 606	48.27 614	41.88 611	46.64 615	55.54 617	21.62 608	18.89 613	23.48 609	23.22 611	29.20 612	33.05 612

ASD4	103.30 621	113.98 626	120.24 624	106.67 619	79.75 615	115.36 622	120.35 623	119.13 625	79.65 626	120.04 625	74.64 619	101.45 624	65.48 619	109.11 624	84.31 625	104.31 620	90.04 624	133.15 622	103.58 623	130.15 624	94.66 624

DPSimNet_ROB	102.30 620	119.72 627	143.59 625	109.42 620	94.10 617	127.22 625	127.15 624	26.62 605	102.36 627	149.58 627	83.99 624	139.34 628	137.54 627	64.62 620	82.36 624	105.18 621	66.15 621	120.15 620	69.61 619	99.58 620	77.72 621

RSGM-EC	108.14 622	104.44 624	68.66 618	115.42 621	109.31 620	116.48 623	139.19 625	127.02 626	55.95 617	55.27 615	71.01 617	116.54 626	111.76 625	176.57 625	175.06 626	117.34 625	71.64 622	140.65 623	83.55 620	123.96 622	82.91 622

acva	108.14 622	104.44 624	68.66 618	115.42 621	109.31 620	116.48 623	139.19 625	127.02 626	55.95 617	55.27 615	71.01 617	116.54 626	111.76 625	176.57 625	175.06 626	117.34 625	71.64 622	140.65 623	83.55 620	123.96 622	82.91 622

test_example2	212.63 627	219.92 628	221.87 627	213.67 625	221.17 628	199.47 627	200.74 627	185.30 628	141.66 628	209.52 628	213.45 627	210.82 629	205.48 628	221.27 628	216.64 628	236.83 628	242.07 629	213.93 625	217.01 625	235.69 629	226.10 628

PML	64.32 619	53.22 617	17.88 464	8.10 598	32.94 605	148.46 626	247.79 628	12.18 590	45.42 615	111.41 624	288.92 628	101.47 625	101.31 624	31.67 604	15.55 570	14.03 605	4.83 598	10.98 605	6.18 600	28.82 608	5.17 595

ccccc	590.94 628	629.75 629	645.59 628	567.84 629	570.84 629	582.44 628	641.68 629	613.82 629	494.59 629	614.58 629	651.20 629	555.57 630	637.59 629	666.94 629	652.42 629	781.57 630	507.24 630	391.36 630	342.44 630	689.82 630	581.48 629

FADE		13.79 598		10.71 602	13.34 595							11.85 581				474.90 629	161.58 628	347.36 629	322.13 629	7.29 597

Low-res two-view benchmark