Low-res two-view results

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

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

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

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

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

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

CREStereo++_RVC	1.02 87	0.49 35	1.54 70	0.83 78	0.55 137	4.01 338	0.31 7	1.63 27	1.99 258	1.63 155	2.13 347	0.84 73	0.65 45	0.88 6	0.70 68	0.27 84	0.15 3	0.23 17	1.22 493	0.24 24	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
StereoAnything_RVC	0.94 61	2.66 481	2.20 134	0.76 50	0.34 9	1.18 16	0.39 23	2.31 86	0.69 4	0.51 6	0.34 4	0.32 1	0.89 110	1.57 128	0.35 1	0.32 219	0.16 7	0.23 17	0.15 4	3.31 501	0.18 2

s12784h	1.31 157	0.45 17	2.41 160	0.71 27	0.35 11	4.42 426	0.50 53	4.22 399	2.73 407	2.01 256	2.48 404	0.91 92	0.96 125	2.01 195	0.70 68	0.29 141	0.18 45	0.24 40	0.16 12	0.27 62	0.18 2

xyz-stereo	10.85 520	0.45 17	79.01 549	0.62 7	0.45 74	83.70 551	0.77 182	2.59 125	1.34 48	2.19 318	32.02 539	2.76 352	1.62 291	5.75 322	2.39 394	0.25 56	0.17 18	0.33 253	0.21 75	0.25 37	0.19 4

111111	0.87 45	0.50 37	1.13 23	0.66 20	1.08 328	3.37 194	0.33 11	2.33 89	1.47 81	0.74 38	1.50 152	0.61 21	0.59 29	1.40 95	0.48 18	0.24 35	0.19 74	0.22 9	0.16 12	0.24 24	0.19 4

LG-Stereo_L1	0.61 4	0.47 22	1.10 16	0.73 33	0.49 107	1.72 60	0.33 11	1.95 55	0.65 2	0.56 9	0.40 6	0.40 4	0.43 6	1.40 95	0.42 7	0.23 23	0.19 74	0.23 17	0.18 31	0.21 9	0.19 4

LG-Stereo	0.85 41	0.60 127	2.71 180	0.59 3	0.45 74	2.85 126	0.55 66	2.41 92	1.34 48	0.59 13	1.19 75	0.43 5	0.40 4	0.76 3	0.75 85	0.20 4	0.17 18	0.31 198	0.24 143	0.29 90	0.19 4

DEFOM-Stereo_RVC	0.81 35	1.13 381	1.23 34	0.97 174	0.57 152	0.81 5	0.43 38	3.49 222	0.84 10	0.73 37	0.95 39	0.44 6	1.17 189	1.45 108	0.60 31	0.26 69	0.18 45	0.24 40	0.17 23	0.30 113	0.19 4

MonSter	0.62 5	0.43 14	1.07 9	0.66 20	0.82 250	1.13 13	0.39 23	2.57 121	0.92 13	0.58 12	0.64 16	0.36 2	0.35 3	0.95 10	0.43 10	0.15 1	0.15 3	0.20 1	0.17 23	0.21 9	0.19 4

GIP-stereo	0.88 47	0.50 37	1.34 49	1.32 350	0.94 291	2.90 130	0.42 33	3.41 216	1.06 20	0.63 22	0.76 23	0.90 90	0.76 72	0.91 7	0.52 22	0.27 84	0.18 45	0.25 59	0.16 12	0.25 37	0.19 4

dual_stereo	0.68 9	0.40 6	1.05 5	0.64 10	0.37 27	0.84 6	0.34 15	3.40 215	1.03 18	0.50 4	0.46 9	0.58 17	0.40 4	1.85 182	0.49 19	0.23 23	0.17 18	0.21 5	0.16 12	0.20 6	0.19 4

trnet	0.91 55	0.48 28	1.46 60	0.62 7	0.31 4	4.40 422	0.41 30	2.20 74	1.53 125	0.94 83	1.14 68	0.88 86	0.89 110	1.09 30	0.71 71	0.27 84	0.19 74	0.22 9	0.15 4	0.21 9	0.19 4

CASnet	0.78 24	0.51 42	1.29 43	0.81 58	0.29 1	1.28 32	0.74 156	1.51 15	1.89 245	1.64 158	1.09 61	0.65 30	0.64 42	0.91 7	0.76 89	0.29 141	0.17 18	0.41 352	0.31 289	0.32 159	0.19 4
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CREStereo	0.92 56	0.53 59	1.45 59	0.61 6	0.34 9	4.42 426	0.40 27	2.21 76	1.54 134	0.94 83	1.12 65	0.87 83	0.87 105	1.12 34	0.72 76	0.28 121	0.19 74	0.22 9	0.15 4	0.22 18	0.19 4
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.99 79	0.48 28	1.73 83	0.62 7	0.56 141	4.20 394	0.43 38	1.88 45	1.58 157	1.00 91	1.05 55	0.78 60	0.98 133	1.50 118	0.85 117	1.21 480	0.20 108	0.23 17	0.15 4	0.22 18	0.19 4

LG-Stereo_L2	0.63 6	0.46 19	1.15 26	0.70 23	0.43 61	2.32 96	0.28 4	1.86 44	0.68 3	0.56 9	0.42 7	0.37 3	0.45 9	1.36 91	0.40 5	0.23 23	0.18 45	0.22 9	0.18 31	0.21 9	0.20 16

MLG-Stereo_test2	0.76 15	0.40 6	1.07 9	0.64 10	0.82 250	3.49 218	0.23 2	1.69 33	2.14 296	0.62 20	0.32 3	0.67 34	0.33 1	1.14 39	0.37 3	0.23 23	0.19 74	0.23 17	0.16 12	0.19 2	0.20 16

MLG-Stereo_test1	0.80 27	0.39 3	1.02 2	0.65 16	1.20 360	3.14 161	0.29 6	1.59 20	3.05 449	0.50 4	0.24 1	0.67 34	0.43 6	1.33 86	0.40 5	0.21 6	0.18 45	0.23 17	0.15 4	0.19 2	0.20 16

MLG-Stereo	0.77 21	0.39 3	1.04 3	0.64 10	0.41 49	3.01 146	0.31 7	1.89 46	2.92 435	0.47 1	0.29 2	0.66 33	0.47 11	1.35 89	0.39 4	0.20 4	0.18 45	0.24 40	0.16 12	0.19 2	0.20 16

SGD-Stereo	0.65 8	0.41 11	1.06 8	0.85 99	0.31 4	2.44 104	0.46 45	1.09 3	0.69 4	0.84 71	0.52 11	0.55 15	0.53 16	1.49 117	0.46 16	0.31 199	0.14 2	0.25 59	0.18 31	0.23 20	0.20 16

FoundationStereo	0.50 1	0.39 3	1.11 17	0.79 56	0.42 55	0.70 3	0.36 19	0.76 1	0.80 9	0.62 20	0.38 5	0.73 53	0.77 74	0.69 1	0.36 2	0.26 69	0.17 18	0.23 17	0.16 12	0.18 1	0.20 16

DEFOM-Stereo	0.70 10	0.46 19	1.13 23	0.72 31	0.48 101	3.40 199	0.44 40	0.90 2	0.77 6	0.86 74	0.58 14	0.45 8	0.43 6	1.76 166	0.43 10	0.24 35	0.18 45	0.22 9	0.16 12	0.21 9	0.20 16

IGEV-Stereo++	0.93 58	0.44 15	1.08 13	0.70 23	1.20 360	3.87 300	0.33 11	3.36 211	1.43 66	0.75 39	1.17 72	0.68 36	1.04 145	0.95 10	0.42 7	0.22 12	0.16 7	0.23 17	0.17 23	0.24 24	0.20 16

Pointernet	0.88 47	0.44 15	2.26 143	0.84 87	0.37 27	2.29 95	0.38 21	3.06 175	1.46 76	0.66 27	1.39 126	0.91 92	0.73 61	1.01 21	0.72 76	0.23 23	0.19 74	0.20 1	0.18 31	0.19 2	0.20 16

U	12.82 528	0.38 2	1.99 108	0.66 20	58.94 546	63.38 550	0.34 15	1.91 51	0.94 15	0.59 13	0.80 28	0.46 9	0.57 22	0.83 5	0.44 12	0.29 141	0.17 18	63.35 549	59.81 548	0.29 90	0.20 16

RSM++	0.77 21	0.51 42	1.08 13	0.95 161	0.42 55	1.52 52	0.71 136	2.11 68	1.40 57	0.80 59	1.23 85	0.90 90	0.59 29	1.14 39	0.69 62	0.24 35	0.19 74	0.25 59	0.21 75	0.28 78	0.20 16

RSM	0.80 27	0.50 37	1.08 13	0.83 78	0.51 113	1.31 35	0.77 182	2.28 85	1.43 66	0.82 63	1.44 137	1.22 140	0.62 37	1.17 53	0.63 36	0.22 12	0.18 45	0.24 40	0.19 47	0.27 62	0.20 16

LoS	0.94 61	0.52 48	1.88 97	0.86 103	0.36 13	4.15 368	0.51 57	2.18 73	1.45 68	0.97 90	0.88 34	0.62 23	0.79 85	1.59 134	0.86 124	0.26 69	0.19 74	0.24 40	0.16 12	0.21 9	0.20 16
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-IGEV	0.80 27	0.52 48	1.05 5	0.75 36	0.61 169	1.31 35	0.82 216	2.60 126	1.41 60	0.82 63	1.64 193	0.71 47	0.62 37	1.22 63	0.64 39	0.22 12	0.19 74	0.24 40	0.18 31	0.25 37	0.20 16

AFF-stereo	1.31 157	0.77 280	1.46 60	1.10 250	0.45 74	3.93 312	0.48 51	2.92 159	2.92 435	1.90 213	2.21 362	2.11 280	1.52 268	1.93 187	1.12 197	0.21 6	0.16 7	0.25 59	0.25 154	0.29 90	0.20 16

MLG-Stereo_test3	0.60 3	0.37 1	1.12 18	0.59 3	0.57 152	2.19 92	0.31 7	1.68 32	0.56 1	0.49 3	0.51 10	0.56 16	0.33 1	0.96 14	0.54 24	0.21 6	0.17 18	0.23 17	0.16 12	0.20 6	0.21 31

LG-G_1	0.70 10	0.40 6	1.12 18	0.71 27	0.30 2	2.80 121	0.40 27	2.21 76	0.78 7	0.59 13	0.55 12	0.51 11	0.58 25	1.24 65	0.49 19	0.24 35	0.18 45	0.23 17	0.15 4	0.21 9	0.21 31

LG-G	0.70 10	0.40 6	1.12 18	0.71 27	0.30 2	2.80 121	0.40 27	2.21 76	0.78 7	0.59 13	0.55 12	0.51 11	0.58 25	1.24 65	0.49 19	0.24 35	0.18 45	0.23 17	0.15 4	0.21 9	0.21 31

AIO_rvc	0.78 24	0.55 75	1.25 36	0.75 36	0.65 185	1.46 45	0.99 315	2.13 69	1.52 118	0.57 11	1.15 69	1.09 115	0.55 19	1.15 44	0.53 23	0.24 35	0.17 18	0.24 40	0.17 23	0.25 37	0.21 31

AIO_test	0.76 15	0.47 22	1.31 44	0.81 58	0.70 211	1.36 38	0.88 258	1.40 9	1.45 68	0.55 8	0.95 39	1.81 232	0.58 25	1.16 46	0.46 16	0.27 84	0.17 18	0.24 40	0.19 47	0.24 24	0.21 31

castereo	0.82 37	0.70 226	1.04 3	0.85 99	0.50 111	1.29 34	0.91 275	3.22 190	1.20 27	0.83 69	1.24 86	0.72 49	0.91 115	1.00 20	0.67 52	0.26 69	0.16 7	0.25 59	0.20 61	0.24 24	0.21 31

WCG-NET	0.88 47	0.49 35	1.26 37	0.90 126	0.37 27	1.48 47	1.07 333	1.73 35	2.30 328	1.63 155	1.49 151	0.92 97	0.97 128	0.95 10	0.76 89	0.22 12	0.16 7	0.23 17	0.20 61	0.25 37	0.21 31

AIO-Stereo	0.76 15	0.54 69	1.07 9	0.73 33	0.40 44	1.28 32	0.82 216	2.26 82	1.49 97	0.70 32	1.58 174	0.89 88	0.45 9	1.03 23	0.55 25	0.24 35	0.18 45	0.25 59	0.20 61	0.26 50	0.21 31

WCG-NET（raft）	0.95 67	0.55 75	1.20 32	0.84 87	0.31 4	1.44 43	1.01 319	1.55 18	2.37 349	1.64 158	1.42 133	2.38 303	1.01 138	1.29 78	0.76 89	0.22 12	0.19 74	0.22 9	0.20 61	0.25 37	0.21 31

MM-Stereo_test2	1.79 221	0.53 59	20.16 459	1.43 394	0.47 93	2.57 112	0.73 144	1.67 30	1.47 81	0.94 83	0.96 41	0.84 73	0.79 85	1.16 46	0.68 55	0.24 35	0.17 18	0.25 59	0.22 106	0.30 113	0.22 40

RAStereo	0.75 14	0.52 48	2.86 189	0.58 2	0.62 173	1.19 17	0.32 10	1.81 43	0.99 16	0.75 39	1.05 55	0.64 26	0.47 11	0.80 4	0.94 161	0.22 12	0.20 108	0.27 106	0.21 75	0.34 195	0.22 40

IGEV++	0.90 53	0.58 108	1.32 47	0.94 157	0.45 74	1.27 27	1.00 316	3.32 206	1.55 142	0.82 63	1.34 113	0.86 81	1.09 162	1.16 46	0.89 137	0.33 235	0.18 45	0.23 17	0.19 47	0.29 90	0.22 40

AE-Stereo	1.18 111	0.60 127	2.05 115	1.10 250	0.60 165	4.39 418	0.72 139	3.74 270	1.62 180	1.10 102	1.90 298	1.01 107	0.92 118	1.45 108	0.82 108	0.28 121	0.22 168	0.28 135	0.28 227	0.26 50	0.22 40

MaDis-Stereo	0.82 37	0.66 195	1.53 67	0.65 16	1.87 474	1.24 23	0.36 19	2.13 69	1.27 40	0.67 29	0.75 22	0.88 86	0.70 54	1.15 44	1.07 185	0.29 141	0.23 195	0.26 80	0.20 61	0.31 133	0.22 40

IIG-Stereo	1.95 248	0.79 289	2.14 130	2.78 499	0.66 191	4.62 462	0.76 169	4.27 421	1.53 125	2.63 417	3.14 454	3.35 399	1.61 288	7.65 366	1.41 259	0.39 315	0.20 108	0.31 198	0.25 154	0.33 177	0.22 40

AnonymousM	1.22 125	1.32 419	0.97 1	0.88 113	0.56 141	4.03 342	0.69 128	2.41 92	1.68 194	1.48 135	1.31 106	1.15 124	1.00 136	1.18 58	0.73 78	0.32 219	0.40 384	2.07 499	1.70 501	0.24 24	0.22 40

XX-TBD	1.03 88	0.95 344	1.94 103	1.30 344	0.43 61	3.97 332	0.33 11	1.74 36	1.73 210	1.59 146	2.02 319	0.69 39	0.60 32	1.16 46	0.66 48	0.30 180	0.25 249	0.23 17	0.15 4	0.31 133	0.22 40

xyz-stereo-finetune	1.05 90	0.62 152	1.46 60	0.59 3	0.36 13	3.48 215	0.81 212	2.69 136	1.74 216	0.94 83	1.21 79	0.91 92	0.78 82	2.53 241	1.28 237	0.24 35	0.24 228	0.26 80	0.23 119	0.30 113	0.23 48

LGtest1	0.55 2	0.41 11	1.14 25	0.70 23	0.40 44	0.99 8	0.26 3	1.32 7	0.93 14	0.53 7	0.60 15	0.44 6	0.49 15	1.02 22	0.45 14	0.27 84	0.19 74	0.23 17	0.16 12	0.21 9	0.23 48

SCV_C0	0.89 50	0.59 115	1.96 107	0.83 78	0.44 67	1.24 23	0.64 105	3.33 209	1.66 190	0.82 63	1.20 76	0.73 53	0.66 48	1.62 142	0.66 48	0.32 219	0.21 139	0.24 40	0.20 61	0.28 78	0.23 48

castereo++	0.93 58	0.56 86	1.26 37	0.92 139	0.73 219	2.48 106	1.00 316	2.99 164	1.03 18	0.68 30	1.41 131	1.92 247	0.59 29	1.26 70	0.44 12	0.25 56	0.19 74	0.28 135	0.19 47	0.23 20	0.23 48

RAFT-Stereo-weight	1.11 98	0.48 28	1.22 33	0.99 186	0.42 55	4.17 382	0.80 203	3.60 241	1.50 102	1.97 235	1.50 152	1.30 150	0.65 45	1.24 65	0.85 117	0.25 56	0.19 74	0.26 80	0.22 106	0.27 62	0.23 48

MoCha-V2	0.87 45	0.48 28	1.87 96	0.88 113	0.32 7	1.37 39	0.55 66	2.71 138	1.42 62	0.92 82	1.75 226	0.65 30	1.17 189	1.45 108	0.57 26	0.21 6	0.21 139	0.20 1	0.19 47	0.24 24	0.23 48

testlalala	1.14 105	0.62 152	1.34 49	1.00 194	0.78 236	4.38 415	0.93 290	2.46 100	2.20 307	2.44 386	1.52 155	1.31 151	0.61 35	1.04 26	0.65 43	0.35 267	0.19 74	0.24 40	0.19 47	0.24 24	0.23 48

AEACV	0.79 26	0.54 69	1.35 51	0.97 174	0.63 175	1.13 13	0.92 288	2.02 60	0.91 12	0.76 49	0.79 27	0.80 66	1.61 288	1.28 75	0.61 32	0.22 12	0.18 45	0.26 80	0.23 119	0.27 62	0.23 48

GCAP-Stereo	0.93 58	0.68 213	1.35 51	0.85 99	0.41 49	3.61 248	0.52 60	2.20 74	1.50 102	1.11 105	1.04 51	1.17 126	0.84 97	1.11 32	0.71 71	0.25 56	0.20 108	0.27 106	0.18 31	0.28 78	0.23 48

4D-IteraStereo	1.97 252	0.84 311	20.43 476	0.78 54	1.56 432	2.09 86	1.05 330	2.43 97	1.56 148	1.41 129	1.00 43	1.94 249	0.61 35	1.22 63	1.06 182	0.27 84	0.18 45	0.31 198	0.26 172	0.27 62	0.23 48

RCA-Stereo	1.21 121	0.52 48	1.58 75	0.90 126	0.46 83	4.68 471	0.79 193	4.13 376	1.74 216	1.92 220	1.80 249	0.94 101	1.48 256	1.14 39	0.70 68	0.27 84	0.18 45	0.25 59	0.19 47	0.25 37	0.23 48

RAFT-Stereo + iAFF	1.25 135	0.72 241	1.74 86	1.05 219	0.36 13	4.13 364	0.42 33	2.95 160	2.84 429	2.02 261	2.40 398	1.61 191	1.11 171	1.26 70	0.97 168	0.21 6	0.15 3	0.26 80	0.23 119	0.29 90	0.23 48

CFNet-RSSM	2.08 272	0.52 48	20.06 453	1.01 200	0.56 141	3.39 196	0.64 105	3.67 254	1.55 142	1.72 176	1.37 121	2.57 328	1.19 195	1.11 32	0.86 124	0.27 84	0.20 108	0.25 59	0.23 119	0.27 62	0.23 48

Gwc-CoAtRS	1.58 184	0.57 95	11.69 318	1.01 200	0.60 165	2.53 110	0.64 105	2.36 90	1.56 148	1.80 190	1.47 144	2.74 344	1.18 191	1.12 34	0.90 141	0.27 84	0.21 139	0.25 59	0.22 106	0.27 62	0.23 48

MM-Stereo_test1	1.90 236	0.53 59	19.85 445	1.39 386	0.48 101	1.81 65	0.79 193	3.00 166	1.82 228	1.69 167	1.09 61	0.87 83	0.97 128	1.45 108	0.74 82	0.24 35	0.21 139	0.27 106	0.24 143	0.35 213	0.24 62

HART	1.03 88	0.85 315	3.13 199	0.84 87	0.38 38	1.17 15	0.42 33	3.54 234	1.47 81	1.08 100	2.17 354	1.48 174	0.57 22	1.37 94	0.74 82	0.23 23	0.18 45	0.28 135	0.21 75	0.32 159	0.24 62

fffft	0.76 15	0.47 22	1.28 42	0.82 68	0.54 131	1.51 50	0.80 203	2.09 67	1.18 25	0.63 22	0.84 31	0.59 19	0.55 19	1.80 172	0.85 117	0.19 2	0.18 45	0.27 106	0.20 61	0.26 50	0.24 62
1: 1. 1
Occ-G	0.86 42	0.52 48	1.39 54	0.82 68	0.66 191	1.37 39	0.79 193	1.58 19	1.31 45	1.56 144	0.87 33	2.18 283	0.89 110	0.97 15	0.88 134	0.26 69	0.19 74	0.26 80	0.19 47	0.25 37	0.24 62

LL-Strereo2	1.23 126	0.85 315	2.38 157	0.93 153	0.68 203	3.72 263	1.37 390	2.54 116	1.99 258	1.75 182	1.40 129	1.82 233	0.73 61	1.40 95	0.99 174	0.31 199	0.23 195	0.55 426	0.35 331	0.29 90	0.24 62

MC-Stereo	1.06 91	0.48 28	1.55 71	1.15 282	0.41 49	4.56 455	0.61 88	2.06 63	1.46 76	1.90 213	1.61 186	0.89 88	1.12 172	1.35 89	0.73 78	0.25 56	0.18 45	0.26 80	0.22 106	0.25 37	0.24 62

AAGNet	2.86 392	0.60 127	1.77 88	2.05 478	0.46 83	4.76 489	1.09 342	2.27 83	1.56 148	2.17 312	1.84 273	2.41 306	4.00 460	6.23 334	24.22 533	0.46 372	0.19 74	0.30 176	0.29 255	0.32 159	0.24 62

OMP-Stereo	1.97 252	0.93 336	1.88 97	2.76 498	0.67 198	4.58 457	1.48 404	4.31 440	1.54 134	3.15 458	2.76 432	3.25 390	1.38 222	7.66 367	1.35 252	0.40 321	0.20 108	0.33 253	0.26 172	0.33 177	0.24 62

TestStereo	2.00 258	1.02 357	12.25 321	0.70 23	0.61 169	1.88 69	0.55 66	2.31 86	1.52 118	1.41 129	1.33 108	1.27 145	0.90 113	11.62 478	0.81 105	0.34 247	0.19 74	0.33 253	0.24 143	0.44 317	0.24 62

test_xeample3	2.12 276	0.63 161	21.55 511	0.91 133	0.47 93	1.85 67	0.94 295	7.96 517	1.23 29	0.75 39	0.76 23	0.64 26	0.70 54	1.77 167	0.83 111	0.30 180	0.21 139	0.27 106	0.21 75	0.27 62	0.24 62

GREAT-IGEV	0.74 13	0.54 69	1.86 95	1.10 250	0.44 67	2.44 104	0.34 15	1.37 8	1.51 109	0.48 2	0.86 32	0.51 11	0.60 32	1.07 28	0.45 14	0.22 12	0.17 18	0.21 5	0.17 23	0.23 20	0.25 72

HI	1.27 147	0.90 325	2.33 152	1.10 250	0.68 203	2.92 135	0.45 43	2.49 103	1.76 220	2.13 292	1.65 199	2.42 309	1.84 346	1.58 129	1.61 302	0.26 69	0.16 7	0.28 135	0.29 255	0.26 50	0.25 72

CoSv	1.27 147	0.90 325	2.33 152	1.10 250	0.68 203	2.92 135	0.45 43	2.49 103	1.76 220	2.13 292	1.65 199	2.42 309	1.84 346	1.58 129	1.61 302	0.26 69	0.16 7	0.28 135	0.29 255	0.26 50	0.25 72

SCV	0.95 67	0.63 161	1.38 53	1.70 445	0.41 49	1.23 19	0.89 261	3.53 233	1.57 154	0.61 18	1.54 164	0.93 98	0.77 74	1.66 151	0.66 48	0.36 278	0.20 108	0.25 59	0.19 47	0.29 90	0.25 72

HUF	1.15 106	0.64 174	8.62 279	0.90 126	0.35 11	1.35 37	0.78 186	1.97 56	1.50 102	0.63 22	1.52 155	0.83 71	0.66 48	1.28 75	0.63 36	0.29 141	0.23 195	0.26 80	0.17 23	0.23 20	0.25 72

SMoEStereo_RVC	0.80 27	0.53 59	1.12 18	0.92 139	0.44 67	2.41 102	0.79 193	1.49 14	1.16 23	0.70 32	1.12 65	0.64 26	0.64 42	1.69 157	0.87 130	0.22 12	0.16 7	0.31 198	0.22 106	0.26 50	0.25 72

gcap-zeroshot	1.30 153	0.61 142	4.09 229	0.94 157	0.56 141	3.50 222	0.84 224	3.12 179	1.72 207	1.84 195	1.22 81	2.72 343	0.88 106	1.46 112	0.80 100	0.29 141	0.30 306	0.27 106	0.21 75	0.29 90	0.25 72

MGS-Stereo	0.80 27	0.56 86	1.53 67	0.93 153	0.39 41	1.26 26	0.73 144	1.45 11	1.30 44	1.01 92	2.26 369	0.80 66	0.56 21	1.16 46	0.65 43	0.27 84	0.23 195	0.26 80	0.22 106	0.27 62	0.25 72

rrr	2.27 296	0.65 184	23.82 529	0.90 126	0.46 83	1.57 54	0.96 305	7.98 518	1.19 26	0.65 25	0.77 25	0.74 57	0.72 57	2.59 246	0.86 124	0.28 121	0.21 139	0.28 135	0.21 75	0.29 90	0.25 72

UniTT-Stereo	0.82 37	0.47 22	2.63 176	0.96 167	1.19 355	0.78 4	0.39 23	1.12 4	1.54 134	1.19 110	1.26 93	0.51 11	0.64 42	1.13 37	1.03 179	0.30 180	0.20 108	0.24 40	0.21 75	0.40 256	0.25 72

RAFT-Test	1.44 169	0.59 115	6.10 253	1.01 200	0.69 209	2.90 130	0.80 203	3.68 256	1.70 203	1.85 196	1.68 205	3.15 383	1.03 141	1.20 60	0.99 174	0.27 84	0.22 168	0.25 59	0.23 119	0.27 62	0.25 72

EGLCR-Stereo	1.06 91	0.51 42	1.56 73	1.02 209	0.39 41	4.27 405	0.42 33	4.08 364	1.48 89	0.90 78	0.68 17	1.09 115	0.66 48	1.81 173	0.62 33	0.27 84	0.19 74	0.29 156	0.23 119	0.37 236	0.25 72

Selective-RAFT	1.15 106	0.46 19	1.64 79	0.99 186	0.45 74	4.17 382	0.51 57	3.21 188	1.69 200	1.12 106	1.34 113	1.45 171	1.40 229	2.08 199	0.94 161	0.41 335	0.20 108	0.24 40	0.23 119	0.27 62	0.25 72

ProNet	0.82 37	0.71 238	1.50 65	0.86 103	0.45 74	1.78 62	0.83 221	1.75 37	1.28 41	0.66 27	1.13 67	0.78 60	0.76 72	1.66 151	0.71 71	0.24 35	0.20 108	0.25 59	0.23 119	0.29 90	0.25 72

test_4	1.30 153	0.50 37	6.16 254	0.84 87	0.45 74	1.61 56	1.12 348	2.14 71	1.42 62	1.52 139	2.31 388	1.84 239	0.79 85	2.52 239	1.19 209	0.27 84	0.17 18	0.29 156	0.29 255	0.29 90	0.25 72

test-3	1.19 113	0.52 48	2.00 109	1.01 200	0.42 55	1.95 75	0.91 275	4.35 450	1.47 81	2.24 338	1.16 70	2.06 273	0.79 85	2.68 252	0.76 89	0.27 84	0.18 45	0.28 135	0.26 172	0.26 50	0.25 72

test_1	1.19 113	0.52 48	2.00 109	1.01 200	0.42 55	1.95 75	0.90 267	4.36 455	1.47 81	2.17 312	1.16 70	2.06 273	0.78 82	2.68 252	0.76 89	0.27 84	0.18 45	0.28 135	0.26 172	0.26 50	0.25 72

RAFT-345	2.46 343	0.55 75	19.69 440	1.02 209	0.49 107	4.43 428	0.78 186	1.64 29	2.34 338	2.09 278	3.12 452	1.96 256	1.31 213	6.65 343	1.43 262	0.36 278	0.23 195	0.32 218	0.25 154	0.28 78	0.25 72

cross-raft	2.01 261	0.57 95	19.01 423	1.03 216	0.56 141	2.11 87	0.72 139	3.63 246	1.57 154	1.77 184	1.51 154	3.17 384	1.13 174	1.16 46	0.85 117	0.23 23	0.21 139	0.26 80	0.23 119	0.28 78	0.25 72

raft+_RVC	1.21 121	0.83 307	2.61 172	1.35 366	0.97 299	3.60 244	0.76 169	3.23 192	1.51 109	1.33 116	1.67 202	1.03 110	1.10 168	1.87 183	0.92 151	0.24 35	0.22 168	0.25 59	0.24 143	0.26 50	0.25 72

ARAFT	2.56 364	1.13 381	19.50 435	0.89 117	0.48 101	4.15 368	1.40 395	4.36 455	2.82 427	2.36 374	1.88 287	1.70 205	1.04 145	6.45 338	1.22 219	0.29 141	0.18 45	0.37 317	0.35 331	0.35 213	0.25 72

R-Stereo Train	1.20 118	0.58 108	1.81 92	0.99 186	0.67 198	3.78 274	0.90 267	4.09 366	1.51 109	2.16 308	1.71 215	1.13 121	0.94 122	1.40 95	0.91 148	0.30 180	0.24 228	0.26 80	0.21 75	0.26 50	0.25 72

RAFT-Stereo	1.20 118	0.58 108	1.81 92	0.99 186	0.67 198	3.78 274	0.90 267	4.09 366	1.51 109	2.16 308	1.71 215	1.13 121	0.94 122	1.40 95	0.91 148	0.30 180	0.24 228	0.26 80	0.21 75	0.26 50	0.25 72
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	2.07 270	0.82 304	14.77 355	1.34 362	0.56 141	3.47 212	0.80 203	4.07 360	2.35 340	2.16 308	1.61 186	1.64 193	1.44 245	2.09 202	2.56 415	0.26 69	0.18 45	0.41 352	0.26 172	0.45 325	0.25 72
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-finetune2	1.16 110	0.63 161	1.50 65	0.57 1	0.36 13	3.47 212	0.65 114	2.70 137	1.23 29	0.88 77	1.75 226	0.91 92	1.76 329	3.54 274	1.74 327	0.24 35	0.22 168	0.30 176	0.27 198	0.31 133	0.26 96

Reg-Stereo(zero)	1.60 190	0.42 13	10.69 306	0.89 117	0.68 203	3.27 181	0.47 50	2.27 83	1.54 134	1.48 135	1.24 86	2.55 326	2.68 412	1.48 115	1.10 191	0.19 2	0.19 74	0.22 9	0.18 31	0.24 24	0.26 96

MSKI-zero shot	2.22 286	0.64 174	20.09 457	0.96 167	0.56 141	4.04 343	0.70 134	3.91 312	1.50 102	1.92 220	2.28 373	1.92 247	0.71 56	2.93 261	0.67 52	0.26 69	0.23 195	0.26 80	0.21 75	0.28 78	0.26 96

anonymousdsp	0.95 67	0.69 216	1.27 40	0.83 78	0.52 122	4.54 447	0.84 224	1.76 38	1.24 31	0.76 49	1.06 57	0.78 60	0.77 74	1.67 155	0.69 62	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.26 96

RAFT_CTSACE	1.80 223	1.06 369	10.00 296	1.71 446	1.39 400	3.49 218	1.06 331	3.05 172	1.62 180	1.70 171	2.04 323	2.51 323	1.80 339	1.98 191	0.94 161	0.25 56	0.22 168	0.28 135	0.30 273	0.30 113	0.26 96

IGEV-Stereo	0.95 67	0.69 216	1.27 40	0.84 87	0.52 122	4.54 447	0.84 224	1.76 38	1.24 31	0.75 39	1.06 57	0.79 64	0.77 74	1.68 156	0.69 62	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.26 96
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 375	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

error version	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 375	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

test-v	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 375	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

SST-Stereo	1.76 217	0.58 108	3.10 197	1.44 397	0.46 83	4.71 483	0.76 169	2.22 79	2.79 415	2.07 277	2.18 356	2.43 312	3.22 438	6.66 344	0.84 114	0.42 346	0.19 74	0.30 176	0.27 198	0.35 213	0.26 96

RAFT_R40	1.70 208	0.59 115	2.99 193	1.46 403	0.46 83	4.74 487	0.98 314	2.23 80	1.56 148	2.02 261	2.35 396	2.71 341	2.56 406	6.71 347	0.90 141	0.40 321	0.19 74	0.30 176	0.27 198	0.33 177	0.26 96

test-2	1.13 100	0.70 226	2.26 143	0.75 36	0.44 67	3.05 149	0.91 275	2.78 147	1.45 68	2.37 375	1.52 155	1.53 178	1.05 150	1.17 53	0.92 151	0.25 56	0.19 74	0.35 290	0.28 227	0.34 195	0.26 96

XX-Stereo	2.54 359	0.61 142	20.21 461	1.78 454	1.19 355	4.30 409	0.46 45	4.39 461	1.58 157	2.32 362	1.89 293	4.64 473	0.60 32	4.16 293	0.82 108	0.31 199	0.21 139	0.28 135	0.27 198	0.51 353	0.26 96

RASNet	2.56 364	0.70 226	10.06 297	1.60 432	2.25 492	3.67 257	1.00 316	3.38 213	3.14 457	1.81 191	2.11 342	4.60 470	2.30 387	10.25 425	2.61 416	0.37 286	0.24 228	0.25 59	0.24 143	0.28 78	0.26 96

tt45	0.96 71	0.48 28	1.19 28	0.89 117	0.66 191	3.91 305	0.76 169	1.90 49	1.26 39	0.70 32	1.30 104	0.71 47	0.63 40	2.59 246	0.74 82	0.22 12	0.17 18	0.28 135	0.23 119	0.27 62	0.27 110

tg	1.15 106	0.67 205	1.31 44	0.94 157	0.54 131	4.02 340	0.41 30	2.96 161	1.59 172	1.69 167	1.85 280	1.84 239	0.97 128	1.78 168	0.83 111	0.27 84	0.17 18	0.29 156	0.26 172	0.29 90	0.27 110

rvit_stereo_0081_aga	0.81 35	0.75 272	1.84 94	0.72 31	0.73 219	1.21 18	0.63 102	1.92 52	1.39 54	0.87 76	0.80 28	0.79 64	0.69 52	1.27 74	0.69 62	0.35 267	0.29 293	0.26 80	0.25 154	0.40 256	0.27 110

rvit_stereo_0081	0.80 27	0.63 161	1.19 28	0.91 133	0.64 177	1.27 27	0.61 88	2.05 61	1.71 204	0.82 63	0.73 20	0.85 77	0.75 67	1.30 82	0.80 100	0.31 199	0.26 262	0.27 106	0.25 154	0.38 241	0.27 110

rvit_stereo_0082	0.80 27	0.63 161	1.19 28	0.91 133	0.64 177	1.27 27	0.61 88	2.05 61	1.71 204	0.82 63	0.73 20	0.85 77	0.75 67	1.30 82	0.80 100	0.31 199	0.26 262	0.27 106	0.25 154	0.38 241	0.27 110

rvit_stereo_ft	1.00 81	0.87 320	3.55 216	0.97 174	0.66 191	1.06 9	0.80 203	2.78 147	1.67 192	0.78 56	0.96 41	0.95 102	1.14 180	1.06 27	0.90 141	0.32 219	0.24 228	0.27 106	0.28 227	0.39 251	0.27 110

ff7	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 450	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

IGEVStereo-DCA	0.86 42	0.65 184	2.05 115	0.90 126	0.46 83	1.57 54	0.86 236	1.62 22	1.24 31	0.65 25	0.77 25	0.74 57	0.72 57	2.59 246	0.86 124	0.28 121	0.21 139	0.28 135	0.21 75	0.29 90	0.27 110

ffff	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 450	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

11t	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 450	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

MIM_Stereo	1.20 118	0.78 286	3.30 207	1.05 219	0.43 61	3.04 147	0.60 84	2.46 100	1.51 109	1.60 147	1.58 174	1.82 233	1.29 209	2.00 192	1.07 185	0.24 35	0.24 228	0.28 135	0.25 154	0.27 62	0.27 110

HH	2.23 288	0.86 318	21.59 512	0.98 180	0.51 113	1.49 48	0.82 216	2.74 142	1.54 134	1.10 102	1.69 209	4.62 471	1.86 351	2.55 242	0.69 62	0.26 69	0.22 168	0.29 156	0.23 119	0.34 195	0.27 110

HanStereo	2.23 288	0.86 318	21.59 512	0.98 180	0.51 113	1.49 48	0.82 216	2.74 142	1.54 134	1.10 102	1.69 209	4.62 471	1.86 351	2.55 242	0.69 62	0.26 69	0.22 168	0.29 156	0.23 119	0.34 195	0.27 110

ccc-4	0.98 73	0.69 216	2.05 115	0.84 87	0.52 122	4.55 450	0.86 236	1.62 22	1.24 31	0.75 39	1.03 47	0.70 40	0.77 74	1.84 177	0.68 55	0.27 84	0.17 18	0.29 156	0.21 75	0.31 133	0.27 110

test_3	1.19 113	0.51 42	2.08 127	0.99 186	0.41 49	2.05 83	0.87 254	4.40 463	1.42 62	1.99 242	1.18 73	2.03 267	0.79 85	2.70 254	0.75 85	0.27 84	0.17 18	0.29 156	0.29 255	0.30 113	0.27 110

CroCo-Stereo	0.98 73	0.87 320	3.44 212	0.87 108	0.53 130	0.49 1	0.50 53	3.99 336	1.49 97	0.81 61	1.25 92	1.00 106	0.75 67	1.10 31	1.09 190	0.24 35	0.21 139	0.24 40	0.19 47	0.35 213	0.27 110
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
RALAANet	1.28 150	1.08 372	3.21 201	1.25 319	0.94 291	1.44 43	0.69 128	3.15 182	2.57 389	2.01 256	1.80 249	1.29 149	1.05 150	2.00 192	1.48 276	0.27 84	0.20 108	0.27 106	0.24 143	0.40 256	0.27 110

ACVNet	1.46 172	0.64 174	3.56 218	0.93 153	0.85 261	4.22 395	0.80 203	2.85 153	2.08 278	1.78 186	1.88 287	3.10 378	1.46 252	1.33 86	1.89 344	0.29 141	0.26 262	0.30 176	0.26 172	0.39 251	0.27 110

acv_ft	1.55 177	0.64 174	3.29 206	1.14 269	2.01 481	2.93 138	0.97 308	3.81 282	2.08 278	2.22 332	1.88 287	3.10 378	1.66 311	1.33 86	2.22 384	0.29 141	0.26 262	0.30 176	0.26 172	0.39 251	0.27 110

UGAM-zero	2.79 387	0.57 95	20.87 491	0.98 180	0.77 235	2.08 85	0.35 18	3.88 301	1.51 109	2.05 269	1.64 193	5.07 485	3.42 448	9.83 406	1.24 224	0.28 121	0.21 139	0.27 106	0.29 255	0.29 90	0.28 129

rvit_stereo_0083	0.86 42	0.67 205	1.42 57	0.87 108	0.65 185	1.23 19	0.64 105	1.67 30	2.28 324	0.79 57	0.93 38	0.93 98	1.07 159	1.46 112	0.75 85	0.32 219	0.36 351	0.30 176	0.26 172	0.33 177	0.28 129

testlalala2	2.31 308	0.63 161	20.54 479	2.56 495	2.87 501	3.79 277	0.76 169	4.20 391	1.48 89	1.42 131	1.43 135	2.45 316	0.80 92	1.03 23	0.68 55	0.27 84	0.25 249	0.24 40	0.21 75	0.33 177	0.28 129

plain	1.55 177	0.69 216	13.59 334	0.65 16	0.73 219	1.66 59	0.57 71	3.17 185	1.94 252	0.77 53	1.24 86	0.80 66	0.86 101	1.60 136	0.96 167	0.33 235	0.21 139	0.32 218	0.25 154	0.42 299	0.28 129

MIF-Stereo (partial)	0.98 73	0.55 75	2.83 186	0.71 27	1.03 316	1.08 10	0.49 52	2.55 117	1.66 190	0.79 57	1.20 76	0.80 66	0.90 113	1.61 141	1.56 293	0.36 278	0.24 228	0.33 253	0.25 154	0.40 256	0.28 129

Any-RAFT	1.40 165	0.53 59	2.78 185	1.09 241	0.64 177	4.41 424	0.81 212	3.97 330	2.78 413	1.99 242	1.34 113	2.36 301	1.56 282	1.56 126	0.75 85	0.27 84	0.20 108	0.25 59	0.18 31	0.25 37	0.28 129

anonymousa	2.16 280	0.67 205	19.19 424	1.04 218	1.67 453	2.06 84	0.79 193	2.86 156	1.96 253	1.85 196	2.14 348	3.23 389	1.81 342	1.12 34	1.15 200	0.26 69	0.26 262	0.34 271	0.32 300	0.30 113	0.28 129

NRIStereo	1.28 150	0.61 142	1.67 80	1.15 282	0.38 38	4.73 484	0.90 267	2.42 95	1.50 102	1.93 224	1.33 108	1.75 211	1.22 197	2.96 263	1.33 248	0.46 372	0.22 168	0.29 156	0.26 172	0.30 113	0.28 129

raftrobust	1.19 113	0.72 241	2.30 149	1.26 325	1.31 379	3.55 234	0.68 123	2.75 144	1.47 81	2.21 329	1.38 124	1.17 126	1.22 197	1.20 60	1.11 194	0.28 121	0.24 228	0.21 5	0.19 47	0.25 37	0.28 129

pmcnn	5.45 491	1.22 402	17.40 393	1.60 432	2.41 495	3.48 215	2.12 453	4.52 483	3.26 470	3.67 473	13.15 522	22.10 529	3.46 450	11.92 497	17.16 514	0.34 247	0.21 139	0.23 17	0.19 47	0.36 226	0.28 129

999	0.97 72	0.48 28	1.24 35	1.03 216	0.64 177	3.25 177	0.92 288	1.40 9	1.39 54	0.71 35	1.68 205	0.70 40	0.66 48	3.03 265	0.89 137	0.23 23	0.19 74	0.25 59	0.21 75	0.25 37	0.29 139

rvit_stereo_0080	0.94 61	0.72 241	2.56 166	0.64 10	0.59 163	1.90 70	0.75 166	2.71 138	1.40 57	0.91 79	1.04 51	0.85 77	0.82 93	1.14 39	0.78 95	0.35 267	0.29 293	0.25 59	0.27 198	0.45 325	0.29 139

CAS++	0.89 50	0.64 174	1.46 60	0.81 58	0.51 113	1.24 23	0.86 236	3.44 217	1.46 76	1.14 107	1.29 102	0.62 23	0.58 25	1.13 37	0.59 29	0.34 247	0.30 306	0.34 271	0.26 172	0.41 280	0.29 139
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
H2IRNET	1.90 236	0.53 59	14.29 351	1.14 269	0.60 165	4.48 432	0.44 40	2.65 131	1.81 227	1.05 98	2.30 381	1.67 196	1.40 229	2.17 211	1.50 280	0.36 278	0.21 139	0.33 253	0.37 353	0.34 195	0.29 139

Former-RAFT_DAM_RVC	0.92 56	0.73 252	1.42 57	0.92 139	1.08 328	2.97 144	0.53 61	1.77 40	1.39 54	1.16 108	1.54 164	0.58 17	0.65 45	1.03 23	0.84 114	0.25 56	0.23 195	0.30 176	0.24 143	0.43 309	0.29 139

tta	2.00 258	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 413	2.80 419	2.32 362	2.31 388	1.95 251	1.52 268	10.99 451	2.13 376	0.34 247	0.32 324	0.36 305	0.31 289	0.29 90	0.29 139

qqq1	1.92 243	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 413	2.80 419	2.32 362	2.31 388	1.95 251	1.52 268	10.99 451	0.71 71	0.34 247	0.32 324	0.30 176	0.23 119	0.29 90	0.29 139

fff1	1.92 243	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 413	2.80 419	2.32 362	2.31 388	1.95 251	1.52 268	10.99 451	0.71 71	0.34 247	0.32 324	0.30 176	0.23 119	0.29 90	0.29 139

cc1	1.98 254	0.74 260	13.77 337	1.78 454	0.36 13	4.48 432	0.74 156	4.23 403	3.95 492	1.01 92	1.81 261	0.72 49	1.62 291	2.13 204	0.64 39	0.29 141	0.17 18	0.32 218	0.21 75	0.31 133	0.29 139

ffm	1.72 209	0.60 127	5.21 246	1.14 269	0.99 306	3.62 249	0.86 236	4.22 399	3.37 476	2.20 321	2.30 381	3.48 408	1.62 291	2.21 217	0.65 43	0.29 141	0.16 7	0.48 389	0.37 353	0.30 113	0.29 139

ff1	2.96 405	0.60 127	5.21 246	1.14 269	0.99 306	3.62 249	0.86 236	4.22 399	3.37 476	2.20 321	2.30 381	3.48 408	1.62 291	11.62 478	16.09 506	0.29 141	0.16 7	0.48 389	0.37 353	0.30 113	0.29 139

tt1	1.79 221	0.73 252	10.41 303	1.75 451	0.36 13	4.55 450	0.79 193	4.22 399	3.37 476	1.08 100	1.80 249	0.74 57	1.48 256	2.21 217	0.65 43	0.29 141	0.16 7	0.31 198	0.22 106	0.30 113	0.29 139

whm_eth	0.94 61	0.72 241	2.56 166	0.64 10	0.59 163	1.90 70	0.75 166	2.71 138	1.40 57	0.91 79	1.04 51	0.85 77	0.82 93	1.14 39	0.78 95	0.35 267	0.29 293	0.25 59	0.27 198	0.45 325	0.29 139

anonymousdsp2	1.26 142	0.60 127	3.74 226	1.02 209	0.41 49	3.60 244	0.72 139	3.68 256	1.47 81	1.37 123	1.56 171	1.83 236	1.01 138	2.00 192	0.66 48	0.29 141	0.20 108	0.28 135	0.20 61	0.32 159	0.29 139

Patchmatch Stereo++	1.25 135	0.65 184	2.06 124	0.75 36	0.37 27	4.68 471	0.76 169	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.14 180	2.44 226	0.90 141	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	1.24 131	0.65 184	2.03 112	0.75 36	0.37 27	4.68 471	0.73 144	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.13 174	2.18 213	0.87 130	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

ROB_FTStereo_v2	1.23 126	0.66 195	2.02 111	0.75 36	0.37 27	4.67 470	0.76 169	2.53 107	1.58 157	1.99 242	1.46 140	1.78 217	1.14 180	2.08 199	0.88 134	0.48 385	0.22 168	0.32 218	0.27 198	0.40 256	0.29 139

ROB_FTStereo	1.25 135	0.66 195	2.14 130	0.75 36	0.37 27	4.65 467	0.77 182	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.13 174	2.26 222	0.86 124	0.47 381	0.22 168	0.32 218	0.27 198	0.40 256	0.29 139

HUI-Stereo	1.25 135	0.66 195	2.33 152	0.75 36	0.37 27	4.68 471	0.78 186	2.53 107	1.58 157	1.99 242	1.46 140	1.79 224	1.13 174	2.17 211	0.85 117	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

iGMRVC	1.26 142	0.66 195	2.14 130	0.75 36	0.37 27	4.66 468	0.74 156	2.53 107	1.58 157	1.99 242	1.46 140	1.78 217	1.14 180	2.46 228	0.92 151	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

RAFT-RH_RVC	2.63 372	0.55 75	19.97 450	1.26 325	0.47 93	4.46 430	0.57 71	1.71 34	1.64 184	3.06 452	5.51 484	2.03 267	1.28 206	6.70 345	1.52 288	0.42 346	0.22 168	0.37 317	0.34 316	0.28 78	0.29 139

iRAFT	1.25 135	0.65 184	2.06 124	0.75 36	0.37 27	4.68 471	0.76 169	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.14 180	2.44 226	0.90 141	0.48 385	0.23 195	0.32 218	0.27 198	0.40 256	0.29 139

RAFT-IKP	1.25 135	0.66 195	2.23 141	0.75 36	0.37 27	4.64 465	0.74 156	2.53 107	1.58 157	1.99 242	1.47 144	1.78 217	1.13 174	2.22 219	0.92 151	0.48 385	0.22 168	0.32 218	0.27 198	0.40 256	0.29 139

DIP-Stereo	1.24 131	0.69 216	1.77 88	0.65 16	0.61 169	4.29 407	0.58 80	4.44 469	2.53 382	1.98 237	1.33 108	0.91 92	0.86 101	1.25 69	1.25 227	0.36 278	0.23 195	0.32 218	0.23 119	0.32 159	0.29 139
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	2.87 395	0.57 95	17.46 396	0.92 139	0.90 282	3.70 260	1.20 367	5.64 513	2.51 380	3.22 461	2.43 399	2.54 325	1.59 283	11.41 469	1.65 314	0.34 247	0.25 249	0.26 80	0.23 119	0.30 113	0.29 139
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iResNetv2_ROB	2.65 374	5.00 498	19.28 430	2.06 479	1.09 332	3.83 283	1.13 351	4.14 382	2.09 281	1.85 196	2.03 320	2.01 266	1.51 266	3.58 275	1.58 295	0.34 247	0.21 139	0.32 218	0.21 75	0.44 317	0.29 139

MM-Stereo_test3	1.09 95	0.59 115	1.55 71	1.73 449	1.18 348	1.91 72	0.86 236	3.52 229	1.76 220	1.25 112	1.86 283	1.10 118	0.69 52	1.32 85	0.86 124	0.27 84	0.23 195	0.27 106	0.22 106	0.34 195	0.30 165

UGAM	2.58 368	0.56 86	18.55 414	0.89 117	0.71 213	3.23 170	1.03 324	2.75 144	1.75 218	1.36 120	2.77 433	2.69 338	1.28 206	10.75 439	1.40 255	0.28 121	0.24 228	0.40 342	0.31 289	0.35 213	0.30 165

DCRE	1.44 169	0.74 260	3.50 215	1.13 268	0.72 215	1.78 62	0.67 118	2.14 71	1.56 148	1.99 242	8.09 496	1.73 209	1.07 159	1.24 65	0.83 111	0.23 23	0.25 249	0.26 80	0.26 172	0.28 78	0.30 165

Sa-1000	1.63 198	0.79 289	3.56 218	1.11 257	0.48 101	4.06 346	1.41 398	4.49 478	2.75 410	2.00 254	2.80 436	1.84 239	1.43 242	2.64 251	1.50 280	0.27 84	0.19 74	0.36 305	0.33 308	0.36 226	0.30 165

SA	1.62 194	0.75 272	3.78 228	1.07 227	0.43 61	4.26 400	1.36 385	4.45 472	3.12 454	1.63 155	1.97 311	1.68 198	2.26 386	2.55 242	1.27 233	0.27 84	0.22 168	0.37 317	0.37 353	0.35 213	0.30 165

GLC_STEREO	0.76 15	0.52 48	1.12 18	0.83 78	0.33 8	1.86 68	0.82 216	1.46 12	1.38 53	0.95 87	1.04 51	0.68 36	0.72 57	0.97 15	0.80 100	0.23 23	0.25 249	0.32 218	0.25 154	0.32 159	0.30 165

LMCR-Stereo	2.40 332	1.31 417	18.61 415	1.59 430	0.86 266	3.87 300	1.15 354	4.32 444	1.60 173	2.25 341	2.27 370	1.13 121	2.43 397	2.48 230	1.60 299	0.88 466	0.24 228	0.29 156	0.24 143	0.56 373	0.30 165

rafts_anoy	1.24 131	0.80 293	3.61 222	1.17 290	1.20 360	3.00 145	0.61 88	3.17 185	1.58 157	1.37 123	1.26 93	1.19 134	1.12 172	1.78 168	1.25 227	0.32 219	0.23 195	0.32 218	0.32 300	0.31 133	0.30 165

RALCasStereoNet	1.19 113	1.02 357	2.06 124	1.12 261	1.14 340	3.08 155	0.70 134	2.99 164	1.73 210	1.34 117	1.68 205	1.18 130	0.91 115	2.16 209	1.00 176	0.30 180	0.26 262	0.24 40	0.21 75	0.29 90	0.30 165

S2M2	0.64 7	0.55 75	1.07 9	0.89 117	0.54 131	1.08 10	0.20 1	1.16 5	1.37 52	0.59 13	0.81 30	0.86 81	0.47 11	0.70 2	0.65 43	0.31 199	0.33 331	0.27 106	0.27 198	0.36 226	0.31 174

ours_stereo	0.76 15	0.64 174	1.40 56	0.86 103	0.61 169	1.12 12	0.57 71	1.63 27	1.20 27	0.72 36	1.43 135	0.70 40	0.62 37	1.56 126	0.58 28	0.25 56	0.18 45	0.26 80	0.21 75	0.29 90	0.31 174

x	1.15 106	0.57 95	1.53 67	1.44 397	0.67 198	1.94 74	0.97 308	3.87 298	1.57 154	1.61 152	1.28 100	1.58 186	1.22 197	1.93 187	1.04 180	0.28 121	0.30 306	0.34 271	0.29 255	0.32 159	0.31 174

iRaft-Stereo_20w	1.88 233	0.62 152	10.58 305	0.90 126	0.83 253	2.96 143	0.78 186	4.90 499	1.58 157	2.29 348	1.60 182	1.25 143	4.51 472	2.28 223	0.90 141	0.29 141	0.21 139	0.26 80	0.24 143	0.41 280	0.31 174

PSM-softLoss	1.66 203	0.59 115	5.15 244	2.25 483	0.48 101	4.68 471	0.69 128	2.57 121	1.52 118	2.14 295	1.45 138	1.42 168	0.99 134	6.04 329	1.20 212	0.41 335	0.23 195	0.37 317	0.39 372	0.32 159	0.31 174

KMStereo	1.66 203	0.59 115	5.15 244	2.25 483	0.48 101	4.68 471	0.69 128	2.57 121	1.52 118	2.14 295	1.45 138	1.42 168	0.99 134	6.04 329	1.20 212	0.41 335	0.23 195	0.37 317	0.39 372	0.32 159	0.31 174

CRE-IMP	1.23 126	0.61 142	2.14 130	0.82 68	0.39 41	4.54 447	0.83 221	2.63 129	1.55 142	1.95 229	1.46 140	1.87 244	0.96 125	1.48 115	1.33 248	0.45 367	0.21 139	0.31 198	0.26 172	0.41 280	0.31 174

iRaftStereo_RVC	1.09 95	0.70 226	1.39 54	0.95 161	0.45 74	3.83 283	0.42 33	2.37 91	1.58 157	1.69 167	1.76 235	1.80 227	0.83 96	1.50 118	0.98 171	0.28 121	0.18 45	0.29 156	0.26 172	0.30 113	0.31 174

DN-CSS_ROB	1.91 240	1.55 442	11.13 312	1.82 461	0.88 274	3.99 335	0.61 88	4.01 340	1.67 192	1.64 158	1.89 293	1.39 161	1.06 157	3.23 266	1.50 280	0.31 199	0.19 74	0.44 367	0.29 255	0.37 236	0.31 174

LG-Stereo_Zeroshot	0.89 50	0.47 22	2.08 127	0.76 50	0.73 219	3.91 305	0.41 30	2.07 65	1.07 21	0.77 53	0.89 35	0.64 26	0.86 101	0.95 10	0.77 94	0.26 69	0.18 45	0.26 80	0.19 47	0.32 159	0.32 183

fffy	0.80 27	0.59 115	1.56 73	1.00 194	0.47 93	1.27 27	0.76 169	1.90 49	1.02 17	0.75 39	1.35 116	0.83 71	0.72 57	1.70 159	0.62 33	0.23 23	0.19 74	0.27 106	0.21 75	0.28 78	0.32 183

model_zeroshot	1.21 121	0.60 127	3.55 216	1.05 219	0.57 152	3.46 209	0.63 102	2.73 141	1.55 142	2.05 269	1.38 124	1.50 177	0.82 93	1.69 157	0.87 130	0.29 141	0.23 195	0.30 176	0.23 119	0.27 62	0.32 183

test_sample1	1.62 194	0.55 75	1.88 97	1.44 397	0.79 237	2.27 94	0.64 105	4.00 338	1.82 228	1.87 203	1.35 116	1.57 184	1.62 291	9.55 400	1.24 224	0.30 180	0.27 273	0.31 198	0.28 227	0.32 159	0.32 183

ACVNet-DCA	1.85 227	0.74 260	13.77 337	1.78 454	0.36 13	4.48 432	0.74 156	3.98 332	1.53 125	1.01 92	1.81 261	0.72 49	1.62 291	2.13 204	0.64 39	0.29 141	0.17 18	0.32 218	0.21 75	0.33 177	0.32 183

xx1	2.03 263	0.74 260	13.77 337	1.78 454	0.36 13	4.48 432	0.74 156	4.23 403	3.95 492	1.01 92	1.81 261	1.79 224	1.34 217	2.13 204	0.64 39	0.29 141	0.17 18	0.33 253	0.33 308	0.33 177	0.32 183

1test111	1.99 257	0.74 260	13.77 337	1.78 454	0.36 13	4.48 432	0.74 156	3.98 332	1.53 125	1.01 92	1.81 261	0.72 49	1.62 291	4.66 299	0.98 171	0.29 141	0.17 18	0.32 218	0.21 75	0.33 177	0.32 183

IGEV_Zeroshot_test	2.16 280	0.69 216	20.60 483	1.22 311	0.54 131	2.18 90	0.53 61	3.38 213	1.61 177	1.93 224	1.55 168	3.76 429	1.05 150	1.55 125	0.91 148	0.29 141	0.20 108	0.27 106	0.29 255	0.40 256	0.32 183

DLNR_Zeroshot_test	28.62 540	55.50 550	49.94 545	183.62 553	115.05 551	3.43 203	0.28 4	29.49 541	1.49 97	1.01 92	1.26 93	0.93 98	0.63 40	3.92 288	1.51 286	29.81 544	0.41 391	0.26 80	0.23 119	93.28 550	0.32 183

qqq	1.30 153	0.57 95	1.67 80	1.15 282	0.51 113	2.18 90	0.91 275	3.98 332	1.53 125	1.50 138	1.24 86	1.79 224	1.34 217	4.66 299	0.98 171	0.28 121	0.31 316	0.33 253	0.33 308	0.33 177	0.32 183

raft_robust	1.92 243	1.15 386	3.34 210	1.02 209	0.43 61	3.84 288	0.46 45	4.42 465	2.52 381	1.67 165	1.36 120	2.17 282	6.37 495	6.78 349	1.04 180	0.28 121	0.24 228	0.30 176	0.35 331	0.31 133	0.32 183

IPLGR	2.53 357	0.58 108	20.46 477	0.82 68	0.52 122	4.56 455	0.50 53	4.30 437	2.38 354	1.87 203	1.53 162	1.68 198	1.72 324	6.95 352	1.15 200	0.28 121	0.21 139	0.27 106	0.23 119	0.33 177	0.32 183

IRAFT_RVC	1.87 229	0.60 127	4.33 232	2.40 492	0.66 191	4.59 458	1.59 418	2.96 161	1.51 109	2.23 336	1.75 226	2.09 277	2.63 409	6.70 345	1.50 280	0.33 235	0.21 139	0.33 253	0.29 255	0.32 159	0.32 183

EAI-Stereo	2.35 324	0.63 161	2.97 192	0.95 161	0.65 185	3.84 288	14.27 527	5.04 501	2.19 305	2.06 274	7.25 489	1.10 118	0.94 122	1.65 150	1.37 253	0.31 199	0.22 168	0.27 106	0.60 447	0.27 62	0.32 183

G2L-Stereo_aug	2.62 370	0.63 161	18.80 417	1.29 336	1.11 335	3.13 159	0.89 261	3.65 249	1.84 235	2.21 329	2.16 351	3.04 373	2.10 370	7.62 363	2.39 394	0.28 121	0.21 139	0.32 218	0.20 61	0.30 113	0.33 197

AIO-test2	1.61 192	1.30 413	3.40 211	1.16 288	1.31 379	3.18 164	0.74 156	4.06 357	1.52 118	1.72 176	2.21 362	0.78 60	0.74 65	3.64 279	0.95 166	3.64 513	0.26 262	0.35 290	0.42 395	0.37 236	0.33 197

test_sample2	1.75 216	0.56 86	2.25 142	1.41 390	0.80 239	2.91 133	0.86 236	4.05 353	2.04 270	1.91 218	1.39 126	1.57 184	1.55 280	10.65 436	1.06 182	0.32 219	0.28 283	0.32 218	0.30 273	0.36 226	0.33 197

GMStereo_Zeroshot	1.41 167	1.21 396	3.33 209	1.29 336	0.72 215	3.35 192	0.53 61	2.58 124	1.68 194	2.35 370	1.56 171	2.42 309	0.96 125	2.50 231	1.16 203	0.45 367	0.23 195	0.40 342	0.24 143	0.79 439	0.33 197

StereoVision	1.65 200	0.75 272	7.47 265	1.01 200	1.80 471	2.61 115	0.61 88	3.06 175	1.96 253	1.25 112	3.46 464	1.85 242	0.88 106	2.07 197	1.93 349	0.43 351	0.36 351	0.37 317	0.36 341	0.48 343	0.33 197

BUS	1.49 176	0.59 115	1.94 103	0.87 108	0.85 261	4.50 441	0.76 169	4.48 475	1.88 241	2.93 441	1.83 268	3.63 425	0.97 128	1.60 136	1.17 206	0.34 247	0.25 249	0.31 198	0.28 227	0.35 213	0.33 197

RAFT+CT+SA	1.62 194	0.72 241	7.42 263	0.97 174	1.42 410	4.04 343	0.94 295	3.90 308	1.61 177	1.61 152	1.63 191	1.33 153	1.18 191	2.73 257	1.10 191	0.27 84	0.19 74	0.31 198	0.34 316	0.33 177	0.33 197

test_5	1.87 229	0.75 272	10.23 300	1.14 269	1.40 402	3.85 295	1.27 375	3.91 312	1.93 251	1.69 167	1.78 243	1.67 196	1.79 334	2.99 264	1.17 206	0.30 180	0.18 45	0.35 290	0.33 308	0.34 195	0.33 197

BSDual-CNN	1.46 172	0.59 115	1.94 103	0.87 108	0.85 261	4.16 377	1.16 356	4.48 475	1.88 241	2.93 441	1.83 268	2.60 331	1.31 213	1.60 136	1.21 216	0.34 247	0.25 249	0.31 198	0.28 227	0.35 213	0.33 197

hknet	1.98 254	0.64 174	8.70 280	0.87 108	1.07 326	4.16 377	1.16 356	4.48 475	1.73 210	2.93 441	1.83 268	3.48 408	1.30 212	3.91 287	1.51 286	0.31 199	0.25 249	0.31 198	0.28 227	0.35 213	0.33 197

TRStereo	2.31 308	1.87 459	19.74 441	1.53 418	1.16 346	4.26 400	1.08 338	4.73 495	1.45 68	1.55 142	1.28 100	1.75 211	0.85 99	1.81 173	1.20 212	0.36 278	0.26 262	0.32 218	0.36 341	0.34 195	0.33 197

test_xeample	2.67 378	0.56 86	2.05 115	1.09 241	0.81 242	3.24 174	0.80 203	4.55 485	2.70 404	2.42 384	2.27 370	1.39 161	1.40 229	10.75 439	17.51 516	0.30 180	0.30 306	0.32 218	0.28 227	0.34 195	0.33 197

CFNet	2.34 319	1.10 376	8.96 282	1.34 362	1.24 369	4.09 353	0.73 144	4.04 349	2.77 412	1.62 154	1.87 286	2.27 287	1.45 249	11.41 469	1.82 336	0.31 199	0.24 228	0.43 363	0.36 341	0.43 309	0.33 197

IGEV-RUCA	0.90 53	0.53 59	1.05 5	0.81 58	0.74 224	3.89 302	0.80 203	1.92 52	1.41 60	0.96 89	0.71 18	0.70 40	0.73 61	1.30 82	0.68 55	0.29 141	0.20 108	0.25 59	0.19 47	0.43 309	0.34 210

mms	0.77 21	0.68 213	1.17 27	0.83 78	0.71 213	1.41 42	0.67 118	1.61 21	1.12 22	0.77 53	1.37 121	0.63 25	0.54 18	1.75 165	0.63 36	0.24 35	0.19 74	0.26 80	0.21 75	0.31 133	0.34 210

rvit_0105_6	1.00 81	0.93 336	2.21 136	0.92 139	0.55 137	1.52 52	0.79 193	2.41 92	2.96 439	0.76 49	0.72 19	1.02 108	0.75 67	1.42 101	0.81 105	0.40 321	0.43 399	0.34 271	0.31 289	0.43 309	0.34 210

mmm	1.27 147	0.58 108	2.20 134	1.41 390	0.68 203	2.39 101	0.85 233	3.90 308	1.63 183	2.20 321	1.84 273	1.28 146	1.50 263	1.91 186	0.89 137	0.31 199	0.27 273	0.45 373	0.37 353	0.38 241	0.34 210

11t1	1.11 98	0.53 59	1.80 91	1.55 425	0.65 185	2.20 93	0.60 84	3.66 253	1.49 97	1.60 147	1.26 93	1.03 110	1.35 220	1.72 161	0.97 168	0.28 121	0.31 316	0.29 156	0.23 119	0.30 113	0.34 210

1111x	3.13 428	0.57 95	8.38 275	1.20 302	0.76 229	3.80 279	0.88 258	4.61 490	2.63 395	2.31 358	2.16 351	1.95 251	1.81 342	11.54 474	18.13 519	0.32 219	0.31 316	0.32 218	0.30 273	0.35 213	0.34 210

CroCo-Stereo Lap2	0.99 79	0.89 323	2.55 165	0.99 186	1.80 471	0.54 2	0.46 45	3.10 177	1.24 31	1.07 99	1.21 79	1.05 114	0.78 82	1.26 70	1.08 187	0.27 84	0.23 195	0.27 106	0.21 75	0.43 309	0.34 210

IER	1.69 206	0.65 184	7.19 262	0.94 157	1.15 342	3.28 185	0.89 261	3.48 219	1.97 255	2.10 281	1.98 313	2.28 288	2.12 372	2.25 221	1.75 330	0.29 141	0.23 195	0.36 305	0.30 273	0.32 159	0.34 210

psmg	1.47 175	0.59 115	1.94 103	0.92 139	0.85 261	4.30 409	1.42 400	4.10 374	1.88 241	2.64 418	2.09 337	2.60 331	1.31 213	1.60 136	1.21 216	0.34 247	0.27 273	0.33 253	0.34 316	0.36 226	0.34 210

DAS	2.31 308	0.67 205	4.79 240	1.14 269	1.64 445	2.93 138	2.13 454	4.09 366	2.74 408	4.17 485	2.52 409	2.46 318	1.79 334	11.55 475	1.63 309	0.37 286	0.22 168	0.39 336	0.25 154	0.41 280	0.34 210

SepStereo	2.15 279	0.67 205	4.79 240	1.14 269	1.64 445	2.93 138	2.13 454	4.09 366	2.74 408	4.17 485	2.52 409	2.46 318	1.79 334	8.36 373	1.63 309	0.37 286	0.22 168	0.39 336	0.25 154	0.41 280	0.34 210

222	2.68 381	0.57 95	2.03 112	1.11 257	0.81 242	3.23 170	0.65 114	4.52 483	2.45 368	2.34 369	2.29 376	1.41 167	1.44 245	10.50 431	18.47 521	0.32 219	0.30 306	0.32 218	0.27 198	0.32 159	0.34 210

xxxx	2.67 378	0.54 69	2.03 112	1.22 311	0.81 242	3.49 218	0.63 102	4.49 478	2.49 376	2.22 332	2.23 365	2.05 271	1.38 222	10.05 418	17.91 517	0.32 219	0.32 324	0.30 176	0.27 198	0.33 177	0.34 210

AdaStereo	1.45 171	0.83 307	2.34 155	1.28 333	0.81 242	3.21 166	1.14 353	4.20 391	2.46 371	2.05 269	1.77 240	2.48 320	1.18 191	1.71 160	1.44 264	0.43 351	0.25 249	0.43 363	0.28 227	0.44 317	0.34 210
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.
G2L-Stereo	2.49 350	0.94 342	14.54 354	1.15 282	1.35 390	3.57 240	0.95 299	3.62 245	2.00 262	2.11 285	1.61 186	3.20 385	1.34 217	9.54 398	1.91 347	0.34 247	0.27 273	0.35 290	0.28 227	0.30 113	0.35 224

AIO-test1	2.18 283	0.66 195	18.95 421	0.89 117	1.48 417	3.40 199	0.97 308	4.19 390	1.68 194	0.86 74	1.35 116	0.99 104	0.75 67	4.47 296	1.27 233	0.23 23	0.23 195	0.28 135	0.33 308	0.31 133	0.35 224

GCAP-BAT	1.21 121	0.74 260	3.23 202	0.95 161	0.70 211	3.86 297	0.93 290	1.89 46	1.48 89	1.85 196	1.96 305	1.68 198	0.79 85	1.78 168	0.81 105	0.29 141	0.20 108	0.24 40	0.20 61	0.26 50	0.35 224

RAFT	1.23 126	0.84 311	2.05 115	0.96 167	0.47 93	1.80 64	0.94 295	3.18 187	1.46 76	1.60 147	1.71 215	3.04 373	1.59 283	1.64 148	1.32 244	0.38 303	0.24 228	0.40 342	0.32 300	0.40 256	0.35 224

PSMNet-RSSM	1.96 250	0.77 280	3.26 204	1.29 336	1.31 379	4.19 389	0.96 305	3.68 256	1.89 245	2.05 269	1.80 249	2.60 331	1.70 320	9.84 407	1.81 335	0.35 267	0.29 293	0.35 290	0.37 353	0.42 299	0.35 224

HSM	2.35 324	0.81 297	2.21 136	1.14 269	1.55 429	3.44 204	1.03 324	3.99 336	2.25 316	2.29 348	2.11 342	8.04 504	3.05 430	11.60 476	1.71 320	0.33 235	0.22 168	0.28 135	0.23 119	0.32 159	0.35 224

SMFormer	2.00 258	0.57 95	4.46 233	1.36 372	0.57 152	2.03 78	0.73 144	4.25 413	2.80 419	2.32 362	2.31 388	1.95 251	1.52 268	10.99 451	2.13 376	0.34 247	0.32 324	0.36 305	0.31 289	0.38 241	0.36 230

MyStereo06	2.46 343	0.72 241	19.97 450	1.02 209	0.99 306	4.26 400	0.86 236	3.51 228	1.68 194	1.92 220	1.73 220	4.01 441	4.22 465	1.62 142	0.88 134	0.24 35	0.23 195	0.34 271	0.26 172	0.42 299	0.36 230

MyStereo05	2.37 330	0.72 241	19.94 448	1.02 209	0.99 306	4.26 400	0.86 236	4.01 340	2.62 393	2.14 295	1.26 93	2.28 288	1.63 304	2.07 197	1.68 317	0.24 35	0.23 195	0.34 271	0.26 172	0.42 299	0.36 230

TestStereo1	1.56 181	0.81 297	2.32 150	1.61 435	0.64 177	4.13 364	1.36 385	3.79 279	3.20 465	1.60 147	2.57 416	1.39 161	2.15 376	2.51 234	1.30 241	0.29 141	0.20 108	0.34 271	0.25 154	0.40 256	0.36 230

Wz-Net-LNSev-Ref	2.42 336	1.47 436	14.14 347	1.30 344	1.35 390	3.51 225	1.64 423	4.04 349	2.10 289	2.46 388	1.88 287	2.28 288	2.51 403	4.73 302	3.17 433	0.38 303	0.19 74	0.35 290	0.20 61	0.40 256	0.36 230

NINENet	1.87 229	0.74 260	2.60 169	1.12 261	1.06 324	4.50 441	0.76 169	4.41 464	2.24 313	2.16 308	1.86 283	3.63 425	0.97 128	8.00 370	1.17 206	0.41 335	0.30 306	0.41 352	0.30 273	0.41 280	0.36 230

SA-5K	1.56 181	0.81 297	2.32 150	1.61 435	0.64 177	4.13 364	1.36 385	3.79 279	3.20 465	1.60 147	2.57 416	1.39 161	2.15 376	2.51 234	1.30 241	0.29 141	0.20 108	0.34 271	0.25 154	0.40 256	0.36 230

IPLG	2.48 348	0.65 184	19.63 438	0.91 133	0.79 237	4.60 460	0.56 70	4.31 440	1.84 235	1.91 218	2.00 317	1.31 151	1.38 222	6.61 341	1.53 289	0.27 84	0.20 108	0.27 106	0.23 119	0.31 133	0.36 230

GANet-ADL	2.20 285	0.73 252	20.11 458	1.25 319	0.69 209	3.83 283	0.76 169	3.49 222	1.71 204	1.65 162	1.99 315	2.10 278	1.10 168	1.42 101	1.26 230	0.38 303	0.33 331	0.25 59	0.22 106	0.42 299	0.36 230

NF-Stereo	1.58 184	0.61 142	2.66 178	2.26 485	0.47 93	4.68 471	0.67 118	3.31 201	1.48 89	2.11 285	1.59 178	1.36 157	1.09 162	6.08 331	1.20 212	0.40 321	0.20 108	0.36 305	0.34 316	0.31 133	0.36 230

test-1	1.23 126	0.65 184	1.88 97	0.96 167	0.52 122	3.84 288	0.62 100	4.01 340	1.47 81	1.93 224	1.78 243	1.83 236	0.92 118	1.19 59	1.28 237	0.26 69	0.29 293	0.31 198	0.24 143	0.29 90	0.36 230

GMStereo	1.01 83	1.00 355	2.86 189	0.83 78	0.45 74	1.47 46	0.57 71	1.89 46	2.11 291	1.52 139	1.24 86	0.87 83	0.74 65	1.58 129	0.94 161	0.40 321	0.21 139	0.30 176	0.30 273	0.47 340	0.36 230
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
GwcNet-RSSM	2.66 376	1.05 364	15.91 371	1.22 311	1.19 355	4.12 361	1.12 348	3.84 289	2.02 264	1.93 224	1.79 246	3.12 381	1.46 252	10.37 428	2.05 365	0.33 235	0.27 273	0.35 290	0.30 273	0.40 256	0.36 230

MLCV	1.87 229	0.91 330	8.59 277	1.10 250	0.57 152	3.59 242	0.53 61	3.70 266	2.20 307	2.80 434	2.25 368	2.00 263	1.42 239	4.13 292	1.86 341	0.30 180	0.20 108	0.32 218	0.21 75	0.33 177	0.36 230

coex_refinement	2.10 273	0.85 315	3.67 225	1.31 347	1.13 339	3.21 166	0.85 233	3.86 295	2.31 332	2.51 395	1.92 301	3.49 414	1.69 318	11.08 458	2.13 376	0.37 286	0.25 249	0.27 106	0.31 289	0.41 280	0.37 244

test_sample3	2.34 319	0.61 142	11.94 319	1.33 355	0.85 261	3.10 158	0.73 144	4.24 411	2.19 305	2.21 329	1.75 226	1.80 227	1.41 234	11.11 460	1.46 268	0.35 267	0.29 293	0.34 271	0.35 331	0.39 251	0.37 244

MyStereo07	1.01 83	0.80 293	1.26 37	1.00 194	1.04 319	3.95 322	0.95 299	2.07 65	1.42 62	0.75 39	1.22 81	0.68 36	0.91 115	1.63 146	0.67 52	0.24 35	0.24 228	0.34 271	0.26 172	0.41 280	0.37 244

MyStereo04	2.29 304	0.80 293	18.77 416	1.00 194	1.04 319	3.95 322	0.95 299	3.91 312	2.54 386	1.99 242	1.27 99	2.31 295	1.65 309	2.02 196	1.77 331	0.24 35	0.24 228	0.34 271	0.26 172	0.41 280	0.37 244

mmx	2.98 411	0.60 127	5.21 246	1.14 269	0.99 306	3.62 249	0.86 236	4.49 478	3.05 449	2.20 321	2.30 381	3.48 408	1.62 291	11.62 478	16.09 506	0.33 235	0.28 283	0.48 389	0.37 353	0.44 317	0.37 244

xxx	2.98 411	0.60 127	5.21 246	1.14 269	0.99 306	3.62 249	0.86 236	4.49 478	3.05 449	2.20 321	2.30 381	3.48 408	1.62 291	11.62 478	16.09 506	0.33 235	0.28 283	0.48 389	0.37 353	0.44 317	0.37 244

knoymous	1.30 153	0.60 127	5.57 251	0.88 113	0.75 226	3.04 147	0.90 267	2.68 134	1.33 47	1.48 135	1.07 59	2.78 354	0.88 106	1.29 78	0.85 117	0.31 199	0.22 168	0.35 290	0.20 61	0.45 325	0.37 244

OCTAStereo	1.58 184	0.61 142	2.72 181	2.27 488	0.46 83	4.68 471	0.67 118	3.30 200	1.48 89	2.11 285	1.59 178	1.36 157	1.09 162	6.02 328	1.21 216	0.41 335	0.20 108	0.36 305	0.34 316	0.31 133	0.37 244

DEmStereo	2.97 409	0.58 108	13.42 330	0.79 56	0.51 113	3.84 288	1.84 440	2.42 95	1.60 173	2.25 341	2.74 429	2.03 267	6.04 489	6.79 351	12.80 497	0.35 267	0.26 262	0.26 80	0.27 198	0.27 62	0.37 244

DRaft	2.28 301	0.56 86	2.64 177	0.74 35	0.46 83	3.94 317	1.23 371	2.32 88	1.55 142	2.64 418	2.80 436	1.60 189	5.34 482	6.96 353	10.99 488	0.34 247	0.22 168	0.27 106	0.27 198	0.29 90	0.37 244

RE-Stereo	1.58 184	0.61 142	2.72 181	2.26 485	0.46 83	4.68 471	0.68 123	3.31 201	1.48 89	2.11 285	1.59 178	1.36 157	1.09 162	6.01 326	1.22 219	0.41 335	0.20 108	0.36 305	0.34 316	0.31 133	0.37 244

TVStereo	1.58 184	0.61 142	2.72 181	2.26 485	0.46 83	4.68 471	0.68 123	3.31 201	1.48 89	2.11 285	1.59 178	1.36 157	1.09 162	6.01 326	1.22 219	0.41 335	0.20 108	0.36 305	0.34 316	0.31 133	0.37 244

HCRNet	1.60 190	0.56 86	2.47 162	0.78 54	1.36 393	4.11 359	0.71 136	3.57 238	2.79 415	1.75 182	1.61 186	1.58 186	1.41 234	5.79 323	1.56 293	0.34 247	0.28 283	0.36 305	0.29 255	0.33 177	0.37 244

SFCPSM	2.18 283	0.63 161	17.03 387	0.88 113	0.98 303	3.74 268	1.28 377	4.09 366	2.16 300	1.85 196	1.83 268	1.65 194	1.39 225	2.50 231	1.50 280	0.33 235	0.27 273	0.39 336	0.36 341	0.34 195	0.37 244

cf-r	2.57 367	0.79 289	16.09 373	1.48 409	1.35 390	4.19 389	0.93 290	3.68 256	2.36 343	1.97 235	1.81 261	3.42 405	1.45 249	8.24 372	1.83 338	0.32 219	0.26 262	0.33 253	0.30 273	0.34 195	0.37 244

test_sample4	2.34 319	0.63 161	11.59 316	1.30 344	0.83 253	3.07 154	0.72 139	4.27 421	2.30 328	2.30 352	1.88 287	1.73 209	1.42 239	11.14 461	1.46 268	0.35 267	0.29 293	0.35 290	0.36 341	0.40 256	0.38 259

CrosDoStereo	5.24 487	0.60 127	20.23 462	0.82 68	0.51 113	3.39 196	18.11 531	3.82 285	2.27 321	1.98 237	8.74 501	1.96 256	6.96 501	7.35 357	26.35 535	0.30 180	0.22 168	0.30 176	0.28 227	0.33 177	0.38 259

DeepStereo_LL	5.24 487	0.60 127	20.23 462	0.82 68	0.51 113	3.39 196	18.11 531	3.82 285	2.27 321	1.98 237	8.74 501	1.96 256	6.96 501	7.35 357	26.35 535	0.30 180	0.22 168	0.30 176	0.28 227	0.33 177	0.38 259

DeepStereo_RVC	1.55 177	0.63 161	3.32 208	0.77 53	0.42 55	4.49 438	0.72 139	2.50 105	1.58 157	2.02 261	1.81 261	1.54 182	6.38 497	1.73 162	1.19 209	0.46 372	0.22 168	0.29 156	0.28 227	0.35 213	0.38 259

sCroCo_RVC	1.06 91	0.82 304	5.05 242	1.02 209	1.05 321	0.98 7	0.61 88	2.06 63	1.29 42	0.69 31	1.26 93	0.82 70	1.10 168	1.20 60	0.90 141	0.42 346	0.40 384	0.33 253	0.30 273	0.46 336	0.38 259

DMCA	1.72 209	0.74 260	6.63 256	1.14 269	0.96 295	3.98 334	0.90 267	3.75 271	2.76 411	2.83 437	1.58 174	2.35 299	1.18 191	1.58 129	1.98 358	0.40 321	0.27 273	0.42 359	0.26 172	0.36 226	0.38 259

test_sample5	2.33 315	0.62 152	11.29 313	1.29 336	0.83 253	3.09 156	0.74 156	4.28 426	2.31 332	2.20 321	1.97 311	1.68 198	1.39 225	11.19 462	1.47 273	0.37 286	0.31 316	0.37 317	0.37 353	0.41 280	0.39 265

DispNO	3.00 415	0.75 272	18.92 420	1.17 290	1.10 334	3.72 263	0.94 295	4.29 429	2.54 386	2.24 338	2.28 373	4.51 465	2.12 372	11.40 468	2.09 371	0.31 199	0.28 283	0.31 198	0.28 227	0.36 226	0.39 265

CoDeX	2.40 332	0.78 286	13.21 327	1.00 194	1.18 348	3.24 174	1.32 380	4.14 382	2.41 360	1.74 180	1.84 273	2.05 271	1.47 254	10.03 417	1.60 299	0.34 247	0.28 283	0.32 218	0.27 198	0.32 159	0.39 265

DualNet	2.33 315	0.62 152	11.29 313	1.29 336	0.83 253	3.09 156	0.74 156	4.28 426	2.31 332	2.26 344	2.04 323	1.68 198	1.39 225	11.19 462	1.47 273	0.37 286	0.31 316	0.37 317	0.37 353	0.41 280	0.39 265

iinet-f	2.26 294	1.18 391	13.71 335	1.14 269	1.11 335	3.77 272	1.10 344	4.14 382	2.17 302	2.06 274	1.76 235	2.99 369	2.99 424	2.50 231	2.49 407	0.35 267	0.39 379	0.27 106	0.28 227	0.45 325	0.39 265

gwcnet-sp	2.31 308	1.21 396	17.34 389	1.08 235	0.92 284	3.56 236	1.04 327	3.69 261	2.09 281	2.55 400	1.60 182	1.80 227	1.62 291	3.87 284	1.95 353	0.29 141	0.29 293	0.30 176	0.28 227	0.38 241	0.39 265

scenet	2.31 308	1.21 396	17.34 389	1.08 235	0.92 284	3.56 236	1.04 327	3.69 261	2.09 281	2.55 400	1.60 182	1.80 227	1.62 291	3.87 284	1.95 353	0.29 141	0.29 293	0.30 176	0.28 227	0.38 241	0.39 265

ToySt	1.35 160	0.72 241	3.65 224	1.01 200	0.50 111	3.31 190	1.01 319	3.46 218	1.73 210	1.30 114	1.55 168	2.07 276	1.47 254	1.88 184	1.40 255	0.27 84	0.27 273	0.30 176	0.32 300	0.42 299	0.39 265

ssnet	2.31 308	1.21 396	17.34 389	1.08 235	0.92 284	3.56 236	1.04 327	3.69 261	2.09 281	2.55 400	1.60 182	1.80 227	1.62 291	3.87 284	1.95 353	0.29 141	0.29 293	0.30 176	0.28 227	0.38 241	0.39 265

iRaft-Stereo_5w	2.10 273	0.83 307	8.57 276	0.81 58	0.76 229	3.21 166	0.84 224	3.71 267	1.65 188	1.56 144	2.50 406	2.20 284	2.23 385	9.13 389	2.01 361	0.38 303	0.19 74	0.35 290	0.27 198	0.45 325	0.39 265

MIPNet	2.33 315	0.71 238	19.82 443	0.89 117	0.56 141	4.76 489	0.61 88	4.32 444	2.37 349	1.83 194	1.48 150	1.48 174	1.98 361	2.63 249	1.44 264	0.29 141	0.20 108	0.26 80	0.23 119	0.30 113	0.39 265

PFNet	2.47 346	0.60 127	16.95 386	2.15 482	0.81 242	4.63 464	0.91 275	2.55 117	1.52 118	2.40 382	2.79 434	1.83 236	1.42 239	7.54 361	1.34 251	0.33 235	0.21 139	0.36 305	0.27 198	0.32 159	0.39 265

Pruner-Stereo	1.32 159	0.59 115	2.11 129	1.79 459	0.47 93	4.73 484	0.79 193	2.53 107	1.72 207	2.47 390	1.58 174	1.48 174	1.03 141	1.66 151	1.47 273	0.44 358	0.21 139	0.34 271	0.30 273	0.30 113	0.39 265

psm_up	2.28 301	0.81 297	5.45 250	1.26 325	1.50 420	3.84 288	1.23 371	4.23 403	2.03 266	2.55 400	1.80 249	2.44 315	1.65 309	12.90 510	1.58 295	0.37 286	0.38 370	0.41 352	0.34 316	0.43 309	0.39 265

UNet	2.51 353	0.74 260	20.17 460	1.14 269	1.44 411	3.48 215	0.76 169	3.77 275	1.87 239	2.05 269	1.57 173	2.75 346	2.39 394	3.51 273	2.51 409	0.32 219	0.26 262	0.41 352	0.26 172	0.38 241	0.39 265

UPFNet	1.81 224	0.63 161	6.71 257	1.25 319	1.44 411	3.50 222	1.35 383	4.02 344	1.85 237	2.40 382	1.52 155	2.41 306	1.40 229	3.62 277	1.88 343	0.34 247	0.33 331	0.37 317	0.31 289	0.41 280	0.39 265

FENet	2.25 292	0.50 37	20.29 469	1.35 366	0.67 198	4.01 338	0.60 84	3.95 323	1.99 258	1.96 233	1.11 64	2.43 312	1.43 242	1.60 136	1.39 254	0.32 219	0.22 168	0.33 253	0.26 172	0.29 90	0.39 265

ac_64	2.35 324	0.62 152	9.77 292	1.32 350	1.71 459	3.27 181	0.93 290	3.48 219	2.50 377	1.74 180	1.73 220	3.91 435	1.77 331	10.21 423	1.86 341	0.40 321	0.31 316	0.33 253	0.30 273	0.34 195	0.39 265

CFNet-ft	1.90 236	0.95 344	3.56 218	1.07 227	1.54 425	4.09 353	0.90 267	2.85 153	1.82 228	1.78 186	1.70 211	2.75 346	1.48 256	9.33 393	1.72 322	0.33 235	0.30 306	0.61 443	0.36 341	0.52 356	0.39 265

CFNet_RVC	1.90 236	0.95 344	3.56 218	1.07 227	1.54 425	4.09 353	0.90 267	2.85 153	1.82 228	1.78 186	1.70 211	2.75 346	1.48 256	9.33 393	1.72 322	0.33 235	0.30 306	0.61 443	0.36 341	0.52 356	0.39 265

rvit_0105_4	1.07 94	0.99 352	2.39 158	0.93 153	0.54 131	1.62 58	0.84 224	2.77 146	2.91 433	0.80 59	0.91 36	1.09 115	0.86 101	1.63 146	0.85 117	0.40 321	0.45 409	0.35 290	0.31 289	0.43 309	0.40 285

ttt	2.76 386	0.56 86	2.28 148	1.41 390	1.21 366	3.67 257	0.77 182	4.59 488	2.94 438	2.35 370	2.30 381	2.45 316	1.54 278	11.25 465	15.56 504	0.43 351	0.36 351	0.37 317	0.33 308	0.40 256	0.40 285

GANet-RSSM	1.98 254	0.62 152	3.49 213	1.69 442	1.23 367	4.22 395	0.91 275	3.31 201	1.86 238	1.81 191	1.74 222	2.34 297	1.82 344	10.92 448	1.73 326	0.34 247	0.29 293	0.31 198	0.28 227	0.39 251	0.40 285

BEATNet_4x	1.92 243	1.36 424	8.75 281	1.20 302	0.56 141	3.46 209	1.03 324	4.00 338	2.43 363	2.25 341	1.70 211	2.10 278	1.59 283	2.57 245	3.05 431	0.37 286	0.22 168	0.47 381	0.29 255	0.60 385	0.40 285

iResNet_ROB	1.89 234	1.02 357	8.60 278	1.39 386	0.98 303	3.72 263	0.66 117	3.84 289	2.65 398	1.88 206	2.05 329	1.98 260	1.27 204	4.52 297	1.67 316	0.30 180	0.20 108	0.28 135	0.18 31	0.31 133	0.40 285

LE_ROB	18.58 533	1.21 396	48.38 543	8.60 534	23.00 538	7.32 513	19.74 534	9.94 520	38.69 542	43.53 540	21.91 530	28.40 539	40.92 541	23.18 533	54.71 546	0.34 247	0.33 331	0.32 218	0.36 341	0.42 299	0.40 285

FACV-RUCA	1.26 142	0.65 184	2.21 136	1.06 225	1.50 420	2.69 118	1.15 354	3.05 172	1.87 239	1.36 120	1.99 315	1.03 110	1.15 188	1.36 91	1.10 191	0.41 335	0.41 391	0.73 467	0.41 389	0.61 390	0.41 291

STrans-v2	3.03 419	0.77 280	20.91 493	0.81 58	0.63 175	3.89 302	1.01 319	4.27 421	2.64 397	2.28 346	3.70 468	4.13 448	5.20 479	7.33 356	1.27 233	0.31 199	0.18 45	0.29 156	0.25 154	0.29 90	0.41 291

THIR-Stereo	4.14 468	0.82 304	10.85 309	0.86 103	0.43 61	2.16 89	16.77 529	3.22 190	1.54 134	2.04 268	12.05 519	2.68 337	7.53 506	7.30 355	12.62 496	0.30 180	0.21 139	0.29 156	0.28 227	0.33 177	0.41 291

DISCO	2.25 292	0.73 252	10.06 297	1.76 452	1.12 337	3.47 212	1.25 374	3.24 194	2.26 319	2.65 422	1.96 305	4.53 467	1.92 358	4.17 294	3.61 438	0.32 219	0.25 249	0.31 198	0.29 255	0.66 410	0.41 291

test_sample6	2.35 324	0.62 152	10.78 308	1.33 355	0.83 253	3.15 162	0.79 193	4.36 455	2.43 363	2.26 344	2.04 323	1.69 203	1.39 225	11.48 473	1.61 302	0.38 303	0.32 324	0.37 317	0.39 372	0.41 280	0.42 295

DCANet-4	1.96 250	0.51 42	14.31 352	0.82 68	0.40 44	4.16 377	0.57 71	4.29 429	2.98 443	2.30 352	1.80 249	1.03 110	1.54 278	1.44 104	1.44 264	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

fff	1.74 212	0.70 226	9.08 283	0.81 58	0.36 13	4.15 368	0.57 71	4.23 403	2.09 281	2.30 352	1.80 249	1.19 134	3.02 427	1.44 104	1.46 268	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

HHNet	2.48 348	0.71 238	20.52 478	0.64 10	0.64 177	4.07 351	0.93 290	3.76 273	1.56 148	2.15 303	4.92 481	0.98 103	3.37 443	1.66 151	1.79 334	0.32 219	0.20 108	0.31 198	0.27 198	0.36 226	0.42 295

Anonymous3	1.72 209	0.76 277	11.61 317	0.83 78	0.84 260	4.46 430	0.84 224	3.57 238	1.16 23	1.34 117	1.37 121	1.11 120	1.03 141	1.58 129	1.13 198	0.70 450	0.58 450	0.33 253	0.35 331	0.47 340	0.42 295

csc	1.74 212	0.70 226	9.08 283	0.81 58	0.36 13	4.15 368	0.57 71	4.23 403	2.09 281	2.30 352	1.80 249	1.19 134	3.02 427	1.44 104	1.46 268	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

cscssc	1.74 212	0.70 226	9.08 283	0.81 58	0.36 13	4.15 368	0.57 71	4.23 403	2.09 281	2.30 352	1.80 249	1.19 134	3.02 427	1.44 104	1.46 268	0.29 141	0.23 195	0.23 17	0.18 31	0.24 24	0.42 295

MMNet	2.02 262	0.81 297	10.76 307	1.12 261	1.23 367	3.53 229	0.89 261	3.79 279	2.08 278	2.15 303	1.76 235	2.15 281	2.12 372	3.69 280	2.32 391	0.31 199	0.29 293	0.34 271	0.27 198	0.38 241	0.42 295

DSFCA	1.89 234	0.69 216	3.14 200	1.10 250	1.18 348	3.99 335	1.79 433	3.50 225	2.16 300	3.10 453	1.64 193	2.91 364	2.50 402	5.38 311	2.26 386	0.43 351	0.38 370	0.37 317	0.36 341	0.50 351	0.42 295

test_sample7	1.65 200	0.70 226	2.60 169	1.48 409	0.76 229	2.38 99	1.07 333	4.35 450	2.11 291	2.14 295	1.75 226	1.75 211	1.67 313	6.26 335	1.26 230	0.44 358	0.48 428	0.43 363	0.40 383	0.46 336	0.43 304

MyStereo8	2.33 315	1.13 381	19.26 428	1.22 311	1.62 441	4.16 377	0.57 71	3.50 225	2.36 343	2.15 303	1.75 226	2.28 288	1.14 180	1.46 112	2.20 382	0.24 35	0.21 139	0.32 218	0.27 198	0.36 226	0.43 304

riskmin	1.25 135	0.56 86	2.05 115	1.05 219	0.93 289	2.86 128	0.55 66	3.23 192	1.34 48	1.55 142	1.07 59	3.56 423	2.03 362	1.29 78	1.00 176	0.28 121	0.27 273	0.34 271	0.21 75	0.41 280	0.43 304

CRFU-Net	2.49 350	0.78 286	10.36 301	2.30 489	1.08 328	3.91 305	1.41 398	3.85 292	1.65 188	2.15 303	1.76 235	3.34 398	7.95 509	5.56 317	1.48 276	0.47 381	0.35 347	0.30 176	0.28 227	0.37 236	0.43 304

ADLNet2	3.15 431	0.92 332	20.06 453	1.20 302	1.79 468	3.83 283	1.48 404	3.94 321	3.59 482	2.19 318	2.47 403	4.65 474	1.93 359	10.69 438	1.96 356	0.39 315	0.37 364	0.28 135	0.30 273	0.48 343	0.43 304

UCFNet_RVC	1.57 183	0.84 311	3.25 203	1.36 372	1.40 402	4.07 351	1.01 319	2.68 134	1.50 102	2.11 285	1.88 287	2.37 302	1.50 263	3.41 271	1.42 261	0.36 278	0.28 283	0.52 414	0.40 383	0.53 362	0.43 304

rvit_0105_5	1.13 100	0.93 336	2.60 169	0.91 133	0.56 141	1.92 73	0.91 275	3.02 169	2.63 395	0.95 87	1.20 76	1.18 130	0.93 120	1.51 120	0.93 159	0.40 321	0.43 399	0.37 317	0.35 331	0.42 299	0.44 310

DisPM	1.36 161	0.55 75	2.39 158	1.54 420	0.51 113	4.59 458	0.79 193	2.50 105	1.88 241	2.50 393	1.83 268	1.45 171	1.01 138	2.71 255	0.93 159	0.46 372	0.20 108	0.32 218	0.31 289	0.31 133	0.44 310

AACVNet	1.83 225	1.02 357	2.41 160	1.45 401	0.87 271	3.21 166	0.73 144	3.16 183	1.61 177	2.01 256	1.82 267	2.28 288	1.33 216	10.98 450	1.49 279	0.39 315	0.32 324	0.38 333	0.32 300	0.43 309	0.44 310

CFNet_pseudo	2.12 276	0.67 205	15.14 366	0.85 99	0.74 224	3.95 322	0.64 105	3.95 323	1.78 223	1.90 213	1.79 246	3.27 392	1.62 291	2.51 234	1.16 203	0.31 199	0.36 351	0.53 418	0.27 198	0.63 395	0.44 310

DMCA-RVC	2.45 340	1.22 402	18.29 407	1.23 315	1.14 340	2.49 107	0.85 233	3.29 199	1.68 194	3.02 448	1.41 131	2.00 263	1.53 275	6.39 337	2.00 359	0.38 303	0.30 306	0.44 367	0.35 331	0.45 325	0.44 310

MDST_ROB	5.53 492	0.59 115	23.11 525	2.55 494	2.69 497	21.20 533	1.98 446	4.77 497	2.65 398	9.36 520	4.25 474	4.14 449	4.45 470	22.57 531	3.68 440	0.48 385	0.33 331	0.47 381	0.44 400	0.44 317	0.44 310

LL-Strereo	3.01 417	1.81 458	17.59 399	1.12 261	2.10 487	2.90 130	1.09 342	4.33 446	2.00 262	3.12 455	2.24 366	3.29 393	3.15 433	11.31 466	1.84 339	0.30 180	0.28 283	0.46 378	0.34 316	0.49 349	0.45 316

fast-acv-ft	2.54 359	1.19 393	20.08 456	1.41 390	1.40 402	3.18 164	1.17 359	3.37 212	2.28 324	1.90 213	2.15 350	2.69 338	2.17 381	2.91 259	2.31 390	0.37 286	0.39 379	0.45 373	0.39 372	0.57 377	0.45 316

CIPLG	2.27 296	1.18 391	19.24 425	0.92 139	1.34 389	3.95 322	0.89 261	4.23 403	1.82 228	2.31 358	2.67 425	1.17 126	1.06 157	1.53 124	1.32 244	0.37 286	0.23 195	0.27 106	0.22 106	0.31 133	0.45 316

IPLGR_C	2.28 301	1.31 417	19.46 433	0.92 139	1.32 384	3.93 312	0.89 261	4.20 391	1.82 228	2.30 352	2.63 422	1.16 125	1.07 159	1.41 100	1.29 240	0.37 286	0.23 195	0.27 106	0.22 106	0.31 133	0.45 316

AASNet	2.44 339	0.92 332	19.79 442	1.35 366	1.49 418	3.81 281	1.07 333	3.85 292	2.93 437	1.95 229	2.29 376	1.96 256	1.29 209	1.73 162	1.93 349	0.39 315	0.33 331	0.45 373	0.30 273	0.55 367	0.45 316

delet	1.92 243	0.76 277	5.14 243	1.01 200	1.65 449	3.44 204	2.03 449	3.76 273	2.48 372	2.01 256	2.05 329	2.63 335	1.90 356	5.34 310	2.12 373	0.28 121	0.29 293	0.40 342	0.31 289	0.41 280	0.45 316

HGLStereo	2.03 263	0.74 260	7.50 266	1.23 315	1.56 432	3.62 249	0.95 299	3.78 278	1.89 245	2.03 265	2.20 360	3.12 381	2.14 375	5.68 320	2.04 363	0.37 286	0.31 316	0.32 218	0.29 255	0.40 256	0.45 316

MSMDNet	2.23 288	0.64 174	17.32 388	0.84 87	0.75 226	3.53 229	0.64 105	3.61 244	1.98 257	1.71 175	1.64 193	3.22 387	2.99 424	2.08 199	1.11 194	0.31 199	0.37 364	0.45 373	0.26 172	0.62 394	0.45 316

ccs_rob	2.13 278	0.67 205	15.11 365	0.84 87	0.75 226	3.96 327	0.65 114	3.95 323	1.78 223	1.88 206	1.79 246	3.26 391	1.64 307	2.51 234	1.16 203	0.31 199	0.36 351	0.54 425	0.27 198	0.65 405	0.45 316

iResNet	2.52 356	0.94 342	21.17 502	1.84 463	0.72 215	3.75 269	0.81 212	4.14 382	2.55 388	2.33 368	2.03 320	1.35 156	1.44 245	3.27 267	2.16 380	0.35 267	0.23 195	0.28 135	0.22 106	0.44 317	0.45 316

dd	1.26 142	1.15 386	2.47 162	0.92 139	0.49 107	4.35 413	0.75 166	1.92 52	2.11 291	1.44 132	1.24 86	1.19 134	1.05 150	1.78 168	1.70 319	0.57 423	0.34 343	0.35 290	0.33 308	0.60 385	0.46 326

ACRE	2.27 296	1.11 379	19.45 432	0.91 133	1.30 377	3.94 317	0.87 254	4.21 396	1.80 226	2.28 346	2.62 420	1.17 126	1.04 145	1.52 122	1.30 241	0.37 286	0.23 195	0.27 106	0.22 106	0.31 133	0.46 326

TransformOpticalFlow	3.03 419	0.77 280	20.99 496	1.00 194	0.55 137	4.18 385	0.64 105	4.33 446	3.02 447	2.18 314	3.09 451	4.35 459	5.07 477	7.36 359	1.27 233	0.32 219	0.18 45	0.32 218	0.26 172	0.28 78	0.46 326

TANstereo	1.01 83	0.55 75	1.73 83	0.76 50	0.36 13	4.04 343	0.38 21	1.48 13	1.62 180	2.03 265	2.10 338	0.84 73	0.93 120	0.98 17	0.62 33	0.28 121	0.36 351	0.23 17	0.20 61	0.25 37	0.46 326

CBMV_ROB	3.62 449	0.70 226	21.42 509	1.21 308	0.89 279	4.43 428	1.76 432	4.39 461	2.79 415	5.88 502	3.38 461	4.18 451	5.12 478	10.75 439	2.32 391	0.56 421	0.55 442	0.53 418	0.51 427	0.55 367	0.46 326

PCWNet_CMD	2.23 288	0.65 184	17.36 392	0.83 78	0.76 229	3.51 225	0.64 105	3.60 241	1.97 255	1.70 171	1.63 191	3.22 387	3.05 430	2.09 202	1.11 194	0.31 199	0.36 351	0.47 381	0.26 172	0.64 402	0.47 331

Wz-Net-MNSev	2.71 385	2.54 479	13.91 344	1.52 416	1.37 395	3.28 185	2.47 464	4.03 345	2.32 336	2.57 404	2.07 334	2.29 293	3.01 426	7.55 362	2.74 421	0.38 303	0.36 351	0.36 305	0.37 353	0.57 377	0.47 331

GES	1.38 164	0.64 174	2.61 172	1.09 241	0.57 152	4.30 409	1.02 323	3.86 295	1.51 109	1.72 176	1.74 222	1.28 146	1.77 331	1.62 142	1.61 302	0.39 315	0.27 273	0.33 253	0.30 273	0.41 280	0.47 331

DLCB_ROB	2.05 267	0.95 344	2.37 156	1.24 317	1.02 315	2.92 135	1.30 378	3.68 256	2.30 328	2.91 439	2.17 354	3.32 397	1.52 268	10.37 428	2.50 408	0.40 321	0.33 331	0.40 342	0.36 341	0.41 280	0.47 331

DFGA-Net	2.11 275	3.00 485	7.43 264	1.11 257	0.76 229	3.72 263	0.60 84	2.63 129	1.91 249	2.01 256	2.07 334	1.22 140	1.04 145	10.26 426	2.26 386	0.27 84	0.22 168	0.34 271	0.34 316	0.61 390	0.48 335

PAM_32	2.45 340	0.63 161	20.74 486	1.05 219	0.65 185	2.83 123	0.46 45	2.91 158	1.54 134	1.95 229	2.66 424	4.99 481	3.78 455	1.96 190	0.92 151	0.27 84	0.22 168	0.27 106	0.25 154	0.36 226	0.48 335

EKT-Stereo	6.79 506	0.64 174	4.24 231	1.77 453	106.39 550	4.51 445	0.61 88	3.16 183	1.53 125	1.88 206	1.22 81	1.98 260	1.36 221	3.81 282	0.84 114	0.35 267	0.24 228	0.29 156	0.26 172	0.34 195	0.48 335

hitnet-ft	2.37 330	0.73 252	8.34 273	0.96 167	0.89 279	3.77 272	0.80 203	3.55 236	2.58 390	2.24 338	2.04 323	3.65 427	1.49 262	11.71 488	1.89 344	0.44 358	0.53 436	0.44 367	0.35 331	0.52 356	0.48 335

FADNet-RVC	2.51 353	2.27 471	14.03 345	1.09 241	0.81 242	3.54 233	1.10 344	4.13 376	2.48 372	1.39 126	1.22 81	1.85 242	1.77 331	9.78 405	2.06 366	0.38 303	0.37 364	0.40 342	0.40 383	0.67 412	0.48 335

SGM_RVC	4.57 476	0.72 241	17.46 396	1.84 463	0.58 161	4.23 398	3.45 494	4.66 492	3.66 485	7.99 515	8.82 504	7.56 502	8.74 514	12.30 501	6.84 466	0.43 351	0.38 370	0.39 336	0.35 331	0.51 353	0.48 335
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CFNet_ucs	2.36 329	0.68 213	18.42 412	0.89 117	0.81 242	3.85 295	0.68 123	4.29 429	2.37 349	2.09 278	2.04 323	3.31 396	1.24 202	2.63 249	1.14 199	0.36 278	0.45 409	0.56 428	0.29 255	0.66 410	0.49 341

Wz-Net-LNSev	2.30 307	1.67 451	14.88 358	1.18 296	1.65 449	3.49 218	1.54 414	3.63 246	2.03 266	1.88 206	1.64 193	3.29 393	2.06 366	2.71 255	2.02 362	0.40 321	0.33 331	0.32 218	0.31 289	0.53 362	0.49 341

GwcNet-ADL	2.47 346	0.67 205	21.48 510	0.96 167	0.72 215	4.61 461	0.95 299	4.42 465	2.36 343	1.98 237	1.80 249	2.55 326	1.24 202	1.90 185	1.41 259	0.40 321	0.46 418	0.24 40	0.27 198	0.41 280	0.49 341

PFNet+	1.46 172	0.57 95	2.84 187	0.92 139	0.47 93	4.64 465	0.84 224	2.46 100	1.99 258	2.14 295	1.64 193	1.34 154	1.03 141	4.68 301	1.23 222	0.45 367	0.33 331	0.37 317	0.39 372	0.32 159	0.49 341

FINET	2.96 405	1.07 370	23.18 527	1.29 336	1.86 473	2.03 78	1.52 409	4.30 437	4.71 500	2.23 336	2.34 395	1.65 194	1.48 256	5.89 325	2.81 425	0.51 406	0.47 422	0.49 402	0.40 383	0.59 381	0.49 341

PSMNet_ROB	2.95 402	1.38 426	18.46 413	1.19 298	1.20 360	3.80 279	1.65 426	3.54 234	2.35 340	1.98 237	1.71 215	2.75 346	1.79 334	11.43 471	2.78 423	0.42 346	0.36 351	0.50 405	0.60 447	0.59 381	0.49 341

SGM-Forest	2.96 405	0.62 152	3.49 213	1.09 241	0.80 239	4.06 346	3.30 490	4.37 458	3.09 453	4.18 488	3.27 459	4.67 475	3.86 458	11.69 487	7.91 474	0.51 406	0.46 418	0.49 402	0.39 372	0.48 343	0.49 341
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
PAM	2.43 337	0.61 142	20.86 489	1.07 227	0.73 219	2.93 138	0.53 61	3.24 194	1.53 125	1.89 212	2.43 399	5.29 490	2.76 414	1.84 177	1.02 178	0.27 84	0.24 228	0.26 80	0.25 154	0.40 256	0.50 348

rvit_0105_3	1.24 131	0.93 336	2.84 187	0.97 174	0.58 161	2.38 99	1.08 338	3.26 197	2.53 382	1.18 109	1.40 129	1.24 142	1.04 145	1.73 162	0.97 168	0.44 358	0.44 404	0.40 342	0.42 395	0.42 299	0.50 348

CSP-Net	1.78 220	1.32 419	1.92 102	1.16 288	1.03 316	3.38 195	1.31 379	3.52 229	1.75 218	1.96 233	1.93 303	2.40 304	1.48 256	8.58 378	1.58 295	0.46 372	0.34 343	0.27 106	0.26 172	0.41 280	0.50 348

ASMatch	2.62 370	0.60 127	20.65 484	1.37 382	0.64 177	4.39 418	0.78 186	1.97 56	1.58 157	1.70 171	3.89 472	1.94 249	3.79 456	5.46 313	1.64 312	0.31 199	0.24 228	0.34 271	0.28 227	0.33 177	0.50 348

GEStereo_RVC	1.91 240	0.80 293	6.57 255	1.20 302	1.06 324	4.02 340	1.43 402	4.13 376	1.89 245	2.03 265	1.80 249	2.34 297	1.86 351	4.94 303	1.77 331	0.48 385	0.38 370	0.32 218	0.28 227	0.42 299	0.50 348

GANet	2.93 401	1.05 364	11.29 313	1.64 437	0.96 295	3.91 305	2.52 467	3.72 268	2.41 360	2.95 446	3.00 445	3.21 386	2.03 362	12.42 504	4.72 450	0.51 406	0.41 391	0.46 378	0.39 372	0.60 385	0.50 348

TDLM	2.29 304	1.08 372	4.61 239	1.29 336	1.01 314	4.26 400	2.17 456	3.75 271	2.79 415	2.31 358	1.98 313	2.06 273	1.59 283	12.45 505	1.72 322	0.51 406	0.28 283	0.52 414	0.35 331	0.56 373	0.50 348

CVANet_RVC	2.55 363	1.10 376	9.13 288	1.46 403	1.15 342	3.96 327	1.53 411	3.91 312	2.50 377	3.04 449	2.04 323	2.60 331	1.72 324	12.46 506	1.50 280	0.49 397	0.30 306	0.51 408	0.41 389	0.63 395	0.50 348

rvit_stereo_0075_2	1.18 111	0.74 260	2.66 178	0.90 126	1.27 375	2.51 108	0.69 128	2.25 81	2.06 275	1.40 127	1.86 283	1.46 173	0.84 97	1.42 101	0.94 161	0.46 372	0.40 384	0.48 389	0.38 366	0.46 336	0.51 356

ADStereo(finetuned)	2.04 265	0.73 252	13.28 328	0.82 68	0.40 44	4.16 377	0.59 81	4.25 413	2.97 440	2.35 370	1.84 273	1.18 130	3.40 444	1.52 122	1.54 290	0.29 141	0.24 228	0.23 17	0.18 31	0.30 113	0.51 356

PSMNet-ADL	1.91 240	0.72 241	1.78 90	1.09 241	0.86 266	4.18 385	0.78 186	3.77 275	2.10 289	1.72 176	1.85 280	2.91 364	1.82 344	10.38 430	1.91 347	0.48 385	0.46 418	0.28 135	0.29 255	0.38 241	0.51 356

ICVP	2.26 294	0.66 195	21.18 503	0.99 186	0.88 274	4.28 406	0.95 299	3.32 206	1.60 173	1.66 163	1.76 235	1.34 154	1.14 180	1.62 142	1.32 244	0.53 415	0.35 347	0.33 253	0.29 255	0.40 256	0.51 356
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
STTStereo	2.34 319	0.95 344	14.93 361	1.43 394	1.54 425	3.86 297	0.86 236	3.65 249	2.44 367	2.15 303	1.55 168	2.49 322	1.59 283	5.14 307	1.44 264	0.38 303	0.39 379	0.47 381	0.51 427	0.52 356	0.51 356

ssnet_v2	2.04 265	0.88 322	7.87 267	1.20 302	0.87 271	3.86 297	1.64 423	4.01 340	2.60 392	2.61 413	1.96 305	3.79 430	1.71 322	2.20 215	2.96 427	0.41 335	0.35 347	0.42 359	0.37 353	0.55 367	0.52 361

DeepPruner_ROB	2.05 267	1.09 375	10.50 304	1.01 200	1.20 360	4.39 418	0.91 275	3.14 181	1.72 207	2.60 411	1.54 164	2.78 354	1.27 204	4.52 297	1.72 322	0.51 406	0.40 384	0.37 317	0.34 316	0.48 343	0.52 361

dad	1.65 200	1.19 393	3.04 196	0.98 180	0.56 141	4.22 395	0.84 224	1.99 58	2.48 372	2.14 295	1.68 205	1.62 192	1.13 174	3.85 283	2.04 363	1.03 473	0.40 384	2.04 498	0.48 414	0.75 433	0.53 363

GrayStereo	2.58 368	0.53 59	1.63 77	1.58 429	0.89 279	4.17 382	8.17 519	3.03 170	1.52 118	2.80 434	2.50 406	1.70 205	17.10 526	2.83 258	1.15 200	0.33 235	0.21 139	0.27 106	0.32 300	0.28 78	0.53 363

DCANet	1.74 212	0.73 252	9.08 283	0.82 68	0.40 44	4.18 385	0.59 81	4.25 413	2.97 440	2.35 370	1.84 273	1.18 130	1.63 304	1.51 120	1.55 291	0.29 141	0.24 228	0.23 17	0.18 31	0.30 113	0.53 363

FADNet	2.49 350	1.76 455	13.17 326	1.17 290	0.95 294	3.27 181	0.88 258	3.94 321	2.27 321	1.40 127	1.29 102	2.51 323	2.06 366	9.93 412	1.94 351	0.43 351	0.45 409	0.40 342	0.43 398	1.06 461	0.53 363

SGM-ForestM	11.55 522	1.16 389	21.62 514	2.14 481	0.81 242	22.25 535	19.08 533	16.50 535	11.34 520	15.94 535	14.44 526	27.12 538	22.61 536	24.76 537	28.39 541	0.50 400	0.48 428	0.47 381	0.44 400	0.55 367	0.53 363

CBMV	3.32 440	0.96 350	21.16 501	1.32 350	0.83 253	3.81 281	3.91 507	4.47 474	2.53 382	3.34 465	2.24 366	4.45 462	2.58 407	10.07 419	1.96 356	0.45 367	0.43 399	0.48 389	0.38 366	0.52 356	0.53 363
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
YMNet	2.40 332	1.41 431	13.46 331	1.36 372	1.67 453	3.96 327	0.97 308	3.81 282	2.37 349	2.64 418	2.57 416	3.35 399	1.53 275	3.28 268	2.42 400	0.48 385	0.54 438	0.52 414	0.49 417	0.70 418	0.54 369

YMNet_1	2.40 332	1.41 431	13.46 331	1.36 372	1.67 453	3.96 327	0.97 308	3.81 282	2.37 349	2.64 418	2.57 416	3.35 399	1.53 275	3.28 268	2.42 400	0.48 385	0.54 438	0.52 414	0.49 417	0.70 418	0.54 369

111	1.83 225	0.92 332	9.08 283	0.81 58	0.36 13	4.25 399	0.91 275	4.44 469	2.70 404	2.39 380	1.96 305	2.30 294	1.64 307	1.28 75	1.82 336	0.28 121	0.22 168	0.24 40	0.20 61	0.31 133	0.54 369

NOSS_ROB	2.27 296	0.73 252	3.00 194	1.71 446	1.00 313	3.90 304	0.97 308	4.29 429	2.81 425	2.94 445	2.19 358	3.88 434	1.19 195	11.77 490	1.62 307	0.59 426	0.54 438	0.56 428	0.52 430	0.56 373	0.54 369

Nwc_Net	2.88 397	1.16 389	18.30 408	1.35 366	1.68 456	3.52 228	1.18 360	3.90 308	2.06 275	2.52 397	2.82 439	3.82 432	2.34 391	6.78 349	2.55 414	0.86 465	0.40 384	0.59 435	0.67 454	0.57 377	0.55 373

AANet_RVC	3.03 419	1.72 452	12.78 324	1.17 290	1.12 337	3.79 277	1.10 344	3.86 295	3.13 455	2.62 414	4.26 475	3.96 438	1.41 234	11.43 471	5.23 457	0.94 468	0.47 422	0.34 271	0.23 119	0.40 256	0.55 373

pcwnet_v2	2.70 384	0.65 184	22.48 521	1.08 235	1.03 316	3.56 236	0.81 212	4.29 429	3.14 457	2.29 348	2.29 376	3.01 371	1.71 322	3.32 270	1.43 262	0.43 351	0.50 433	0.41 352	0.34 316	0.61 390	0.56 375

FADNet-RVC-Resample	2.83 390	2.02 466	21.07 497	1.12 261	0.91 283	3.53 229	1.37 390	4.08 364	2.09 281	1.68 166	1.33 108	2.03 267	1.51 266	9.54 398	1.69 318	0.38 303	0.37 364	0.42 359	0.44 400	0.56 373	0.56 375

AF-Net	2.87 395	1.30 413	16.24 374	1.33 355	1.75 463	3.26 179	1.59 418	4.09 366	2.43 363	2.69 425	2.94 442	4.51 465	3.20 437	5.84 324	2.75 422	0.76 454	0.36 351	0.72 464	0.49 417	0.70 418	0.56 375

XPNet_ROB	2.27 296	1.11 379	4.10 230	1.36 372	0.97 299	3.94 317	1.63 421	4.07 360	2.14 296	2.82 436	2.00 317	2.32 296	1.73 327	10.81 443	3.39 435	0.51 406	0.47 422	0.48 389	0.40 383	0.51 353	0.56 375

ISRNet	1.69 206	0.76 277	5.69 252	1.27 332	1.36 393	2.85 126	0.61 88	3.60 241	1.91 249	2.13 292	2.12 345	2.90 361	1.41 234	2.51 234	1.71 320	0.49 397	0.50 433	0.56 428	0.47 409	0.49 349	0.57 379

APVNet	3.13 428	1.25 408	21.14 499	1.31 347	1.52 423	3.94 317	1.13 351	3.32 206	2.14 296	2.20 321	2.03 320	3.05 377	1.96 360	11.79 491	2.53 411	0.42 346	0.45 409	0.64 451	0.46 406	0.67 412	0.57 379

DRN-Test	3.03 419	0.99 352	18.18 404	1.35 366	1.60 438	3.59 242	1.48 404	4.13 376	2.45 368	3.47 470	1.92 301	2.58 330	2.53 404	10.88 445	2.80 424	0.39 315	0.36 351	0.44 367	0.41 389	0.55 367	0.57 379

LALA_ROB	1.95 248	1.48 437	3.11 198	1.05 219	0.98 303	3.99 335	1.82 437	4.44 469	2.28 324	3.31 463	1.85 280	2.76 352	1.67 313	4.04 291	3.23 434	0.46 372	0.41 391	0.55 426	0.52 430	0.60 385	0.57 379

WCMA_ROB	5.12 485	0.90 325	21.33 505	1.50 413	1.33 387	4.09 353	3.49 495	4.03 345	4.59 499	6.57 508	10.95 513	12.92 515	8.41 513	9.86 408	8.78 479	0.75 453	0.58 450	0.51 408	0.50 423	0.68 415	0.57 379

rvit_105_1	1.43 168	0.90 325	3.27 205	1.08 235	0.68 203	2.79 120	1.27 375	3.52 229	2.35 340	1.38 125	1.54 164	1.28 146	1.14 180	2.91 259	1.40 255	0.54 417	0.47 422	0.45 373	0.59 445	0.44 317	0.58 384

GASNet	3.24 435	5.55 502	20.58 482	1.56 427	1.25 372	2.32 96	1.12 348	4.04 349	2.67 401	1.88 206	2.10 338	3.00 370	2.16 379	10.59 433	2.43 402	0.65 438	0.37 364	0.61 443	0.45 404	0.87 447	0.58 384

UDGNet	1.40 165	1.52 440	2.22 139	1.38 384	0.62 173	4.39 418	0.68 123	1.80 42	2.18 304	1.34 117	1.18 73	0.99 104	1.00 136	2.16 209	1.19 209	1.09 474	0.34 343	1.30 491	0.98 481	1.10 467	0.58 384

StereoDRNet	2.84 391	1.49 438	14.48 353	1.33 355	1.57 436	3.44 204	2.06 450	3.69 261	2.36 343	3.26 462	1.84 273	2.79 356	1.80 339	10.88 445	3.16 432	0.41 335	0.33 331	0.39 336	0.36 341	0.59 381	0.58 384

MeshStereo	5.35 489	1.32 419	21.34 506	1.34 362	1.15 342	4.40 422	3.90 506	5.18 503	4.55 497	10.14 525	11.82 518	11.47 510	5.84 487	13.84 521	7.03 469	0.61 429	0.58 450	0.60 440	0.58 443	0.72 430	0.59 388
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
AIO-Stereo-zeroshot	2.35 324	0.99 352	19.62 437	1.09 241	0.96 295	1.51 50	0.44 40	4.05 353	1.64 184	1.31 115	1.67 202	4.93 478	2.45 399	2.52 239	1.40 255	0.30 180	0.20 108	0.31 198	0.50 423	0.57 377	0.60 389

Wz-Net-SNSev	2.98 411	4.36 495	15.98 372	1.57 428	1.19 355	3.28 185	1.80 435	3.96 328	2.40 358	2.32 362	2.28 373	3.48 408	2.05 365	7.84 369	3.82 441	0.47 381	0.39 379	0.53 418	0.49 417	0.71 427	0.60 389

RTSC	2.95 402	2.51 475	15.49 370	1.54 420	1.30 377	3.51 225	0.86 236	3.89 303	2.48 372	3.64 471	3.12 452	3.04 373	2.30 387	5.70 321	6.67 461	0.55 419	0.35 347	0.37 317	0.39 372	0.70 418	0.60 389

FC-DCNN v2	6.91 509	0.77 280	19.25 426	1.69 442	1.64 445	9.13 518	2.40 463	7.20 516	9.47 518	11.07 530	11.62 517	20.05 528	15.79 524	12.55 508	11.99 495	0.66 440	0.57 445	0.58 432	0.56 439	0.63 395	0.61 392

HBP-ISP	3.25 437	1.10 376	20.86 489	1.54 420	1.15 342	4.50 441	2.89 479	4.43 468	2.38 354	4.14 484	1.96 305	1.90 245	2.04 364	11.08 458	1.32 244	0.66 440	0.57 445	0.66 454	0.61 450	0.64 402	0.61 392

FC-DCNN	6.64 504	0.77 280	19.26 428	1.68 441	1.64 445	8.27 516	2.35 462	6.35 514	9.23 517	10.85 528	11.27 515	19.89 526	13.33 519	12.51 507	11.79 494	0.66 440	0.57 445	0.58 432	0.56 439	0.63 395	0.61 392

DCVSM-stereo	2.31 308	0.66 195	20.69 485	1.11 257	0.93 289	2.58 114	0.73 144	2.61 127	1.60 173	2.57 404	1.53 162	3.30 395	1.72 324	2.19 214	1.23 222	0.34 247	0.53 436	0.41 352	0.32 300	0.45 325	0.62 395

NLCA_NET_v2_RVC	2.54 359	1.04 363	16.73 382	1.53 418	2.00 480	3.96 327	0.87 254	3.87 298	2.31 332	2.54 399	1.67 202	2.85 358	1.63 304	5.55 316	1.62 307	0.46 372	0.33 331	0.38 333	0.38 366	0.53 362	0.62 395
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ETE_ROB	2.07 270	1.40 429	3.01 195	1.09 241	0.92 284	3.94 317	1.53 411	4.25 413	2.23 311	3.31 463	2.06 333	2.35 299	1.52 268	8.74 380	2.07 369	0.44 358	0.36 351	0.51 408	0.48 414	0.54 365	0.62 395

PWCDC_ROB	2.95 402	3.26 487	14.06 346	1.59 430	1.56 432	4.19 389	0.86 236	4.30 437	4.08 494	2.06 274	7.37 490	2.75 346	2.42 396	3.59 276	2.67 419	1.34 492	0.36 351	0.39 336	0.34 316	1.13 470	0.62 395

ACV-stereo	2.92 400	0.92 332	20.27 467	1.33 355	1.05 321	4.68 471	1.10 344	2.66 133	1.64 184	1.46 133	1.32 107	5.41 492	4.24 466	7.83 368	1.90 346	0.44 358	0.52 435	0.32 218	0.29 255	0.45 325	0.63 399

CASS	1.29 152	0.66 195	2.62 175	0.95 161	0.66 191	2.84 124	0.69 128	3.00 166	1.79 225	2.57 404	1.95 304	1.39 161	1.55 280	1.59 134	1.06 182	0.50 400	0.28 283	0.34 271	0.28 227	0.46 336	0.63 399
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MSMD_ROB	5.61 493	1.08 372	16.68 381	1.21 308	0.83 253	10.14 519	2.07 452	3.93 318	6.22 513	10.37 526	8.03 495	22.22 530	9.45 515	11.66 484	4.52 447	0.66 440	0.58 450	0.66 454	0.68 457	0.65 405	0.63 399

SuperB	4.79 481	4.41 496	21.08 498	1.45 401	1.08 328	3.91 305	3.08 487	4.18 387	3.01 446	2.50 393	2.10 338	2.75 346	3.49 451	8.80 381	19.60 526	0.44 358	0.33 331	0.53 418	0.39 372	12.01 537	0.64 402

StereoDRNet-Refined	1.77 219	0.81 297	2.22 139	1.21 308	0.76 229	3.26 179	0.71 136	3.82 285	2.05 273	2.29 348	2.05 329	2.98 368	1.44 245	7.15 354	2.27 388	0.30 180	0.23 195	0.42 359	0.33 308	0.45 325	0.64 402
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NCCL2	2.53 357	1.35 423	10.90 310	1.15 282	0.97 299	3.53 229	2.56 469	3.65 249	2.23 311	2.76 430	1.80 249	2.41 306	1.66 311	10.35 427	2.07 369	0.44 358	0.40 384	0.57 431	0.53 434	0.59 381	0.65 404

CSAN	4.71 479	1.39 428	20.23 462	1.19 298	0.87 271	3.65 255	3.50 496	4.57 487	3.87 488	3.89 477	7.82 493	3.54 422	6.16 493	23.47 536	6.82 465	0.52 412	0.45 409	0.49 402	0.52 430	0.63 395	0.66 405

AIO-Stereo-zeroshot1	2.68 381	1.26 409	22.01 519	1.08 235	0.99 306	1.61 56	0.86 236	3.69 261	1.64 184	1.52 139	5.62 486	3.35 399	3.44 449	2.20 215	1.33 248	0.26 69	0.21 139	0.30 176	0.62 451	0.93 452	0.67 406

edge stereo	3.37 443	1.01 356	21.99 518	1.28 333	1.37 395	2.67 117	1.39 393	3.98 332	2.87 430	2.93 441	3.27 459	4.35 459	2.43 397	11.62 478	2.39 394	0.60 427	0.63 460	0.79 470	0.55 437	0.68 415	0.67 406

ADCRef	3.30 438	1.23 406	14.90 359	1.17 290	1.41 409	3.95 322	1.64 423	3.88 301	2.36 343	3.05 451	2.21 362	2.40 304	2.81 418	5.04 304	16.63 511	0.46 372	0.34 343	0.63 448	0.62 451	0.54 365	0.67 406

RP	2.79 387	1.20 395	10.36 301	1.54 420	1.93 477	3.44 204	1.97 445	4.05 353	2.34 338	2.66 423	2.79 434	3.98 439	2.58 407	10.21 423	2.61 416	0.95 469	0.47 422	0.71 460	0.57 442	0.71 427	0.68 409

stereogan	3.09 424	0.93 336	16.43 377	1.37 382	1.66 452	3.70 260	1.67 428	3.87 298	3.15 459	3.04 449	2.70 428	5.04 484	2.79 416	9.96 413	1.78 333	0.63 432	0.49 432	0.69 457	0.47 409	0.83 445	0.68 409

DualNet (step1)	2.34 319	1.05 364	7.87 267	1.07 227	0.86 266	3.93 312	1.19 363	4.35 450	2.11 291	2.14 295	1.75 226	1.75 211	1.67 313	6.26 335	1.26 230	1.23 482	0.48 428	4.27 526	2.09 512	0.70 418	0.69 411

test_sample9	3.79 456	1.05 364	7.87 267	1.07 227	0.86 266	3.93 312	1.19 363	4.35 450	2.11 291	2.14 295	1.75 226	1.75 211	1.67 313	11.06 455	11.61 492	1.23 482	14.45 541	4.27 526	2.09 512	0.70 418	0.69 411

test_sample8	4.76 480	1.05 364	7.87 267	1.07 227	0.86 266	3.93 312	1.19 363	4.38 459	2.05 273	5.49 498	1.89 293	12.98 516	6.37 495	11.06 455	11.61 492	1.23 482	14.45 541	4.27 526	2.09 512	0.70 418	0.69 411

RAFT + AFF	2.51 353	2.66 481	4.48 237	1.15 282	1.95 478	4.15 368	2.01 448	4.46 473	3.30 474	2.19 318	2.51 408	2.22 285	4.87 476	8.91 384	2.06 366	0.30 180	0.60 455	0.48 389	0.38 366	0.77 435	0.69 411

STTRV1_RVC	3.52 446	1.03 362	20.87 491	1.47 406	1.47 415	3.23 170	1.55 415	4.06 357	3.22 467	1.95 229	3.50 465	2.63 335	2.07 368	11.96 498	2.21 383	1.86 495	4.03 529	0.81 473	0.73 461	1.06 461	0.70 415

sAnonymous2	1.37 162	1.22 402	9.79 293	0.92 139	0.88 274	1.23 19	0.61 88	2.56 119	1.69 200	0.85 72	1.02 44	0.73 53	1.23 200	0.98 17	0.78 95	0.29 141	0.25 249	0.31 198	0.30 273	1.06 461	0.71 416

CroCo_RVC	1.37 162	1.22 402	9.79 293	0.92 139	0.88 274	1.23 19	0.61 88	2.56 119	1.69 200	0.85 72	1.02 44	0.73 53	1.23 200	0.98 17	0.78 95	0.29 141	0.25 249	0.31 198	0.30 273	1.06 461	0.71 416

ADLNet	2.29 304	0.83 307	3.62 223	1.35 366	1.60 438	3.67 257	1.24 373	3.95 323	2.98 443	2.58 407	2.29 376	4.01 441	1.79 334	11.23 464	2.09 371	0.37 286	0.38 370	0.36 305	0.34 316	0.45 325	0.71 416

NCC-stereo	3.16 432	1.28 411	18.31 409	1.25 319	1.75 463	4.06 346	1.40 395	3.89 303	2.22 309	2.72 427	2.55 412	3.49 414	2.65 410	9.91 410	2.99 428	1.29 488	0.65 462	0.64 451	0.86 473	0.65 405	0.71 416

Abc-Net	3.16 432	1.28 411	18.31 409	1.25 319	1.75 463	4.06 346	1.40 395	3.89 303	2.22 309	2.72 427	2.55 412	3.49 414	2.65 410	9.91 410	2.99 428	1.29 488	0.65 462	0.64 451	0.86 473	0.65 405	0.71 416
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DeepPrunerF	3.70 452	1.72 452	14.87 357	1.33 355	1.74 462	3.70 260	1.55 415	4.20 391	14.00 525	2.02 261	1.77 240	2.74 344	2.30 387	10.88 445	6.88 467	0.68 446	0.60 455	0.78 469	0.78 469	0.81 442	0.71 416

Syn2CoEx	3.08 423	2.55 480	19.88 446	1.34 362	1.18 348	2.43 103	1.65 426	3.91 312	2.40 358	2.39 380	2.27 370	2.90 361	3.17 436	9.57 401	2.54 413	0.50 400	0.45 409	0.53 418	0.39 372	0.74 431	0.72 422

WZ-Net	3.62 449	4.87 497	16.77 384	1.43 394	1.40 402	3.75 269	2.29 460	4.12 375	2.50 377	2.74 429	2.19 358	4.06 444	5.29 481	10.19 422	7.36 471	0.54 417	0.37 364	0.47 381	0.49 417	0.77 435	0.73 423

Anonymous_2	3.01 417	0.89 323	4.53 238	1.06 225	1.18 348	2.93 138	0.87 254	3.24 194	1.46 76	1.86 201	1.35 116	4.11 447	2.35 392	1.64 148	1.28 237	0.82 461	0.90 482	8.71 537	15.84 540	4.44 517	0.74 424

SHD	2.82 389	2.04 467	13.80 341	1.69 442	1.79 468	2.73 119	1.07 333	3.85 292	3.18 461	4.63 493	2.74 429	3.38 404	2.77 415	5.48 315	3.66 439	0.62 431	0.47 422	0.51 408	0.55 437	0.65 405	0.74 424

PWC_ROB	2.69 383	2.01 465	8.36 274	1.33 355	1.90 476	3.23 170	1.18 360	4.33 446	3.25 469	3.11 454	3.41 462	2.71 341	2.18 383	9.15 390	4.48 446	0.56 421	0.31 316	0.61 443	0.36 341	0.69 417	0.74 424

SACVNet	2.46 343	1.14 385	9.47 290	1.44 397	1.18 348	4.06 346	1.49 408	3.84 289	2.24 313	2.62 414	1.89 293	2.57 328	1.28 206	11.35 467	1.64 312	0.50 400	0.39 379	0.48 389	0.41 389	0.55 367	0.75 427

RYNet	2.97 409	0.93 336	15.09 364	1.12 261	1.38 398	3.66 256	1.42 400	4.03 345	2.29 327	2.10 281	1.70 211	3.79 430	2.16 379	13.64 519	3.02 430	0.37 286	0.41 391	0.48 389	0.34 316	0.81 442	0.75 427

GwcNet	3.00 415	1.63 445	19.83 444	1.32 350	2.04 485	3.27 181	1.55 415	3.65 249	2.33 337	2.00 254	2.12 345	3.56 423	1.68 317	9.47 396	2.45 404	0.44 358	0.45 409	0.46 378	0.38 366	0.60 385	0.76 429

RTS	3.90 459	7.04 506	17.94 401	1.92 469	2.19 489	5.00 495	2.96 481	4.29 429	3.19 462	4.05 481	3.08 449	4.94 479	3.16 434	7.64 364	6.72 462	0.66 440	0.44 404	0.51 408	0.47 409	0.95 453	0.76 429

RTSA	3.90 459	7.04 506	17.94 401	1.92 469	2.19 489	5.00 495	2.96 481	4.29 429	3.19 462	4.05 481	3.08 449	4.94 479	3.16 434	7.64 364	6.72 462	0.66 440	0.44 404	0.51 408	0.47 409	0.95 453	0.76 429

ADCL	4.35 472	1.63 445	14.21 349	1.29 336	1.26 374	5.56 502	11.16 521	3.97 330	3.37 476	6.07 503	4.67 478	4.30 458	5.72 486	5.08 306	14.51 501	0.50 400	0.48 428	0.89 477	0.77 466	0.78 437	0.76 429

TCMNet	2.98 411	1.30 413	18.26 406	1.47 406	2.09 486	3.84 288	1.08 338	3.96 328	2.39 357	2.53 398	2.29 376	2.43 312	1.75 328	10.09 420	2.39 394	0.52 412	0.45 409	0.61 443	0.50 423	0.80 441	0.78 433

FCDSN-DC	6.04 500	0.84 311	19.25 426	1.24 317	1.09 332	4.38 415	2.62 471	4.38 459	4.71 500	9.59 523	11.22 514	19.19 525	17.40 527	12.30 501	8.55 478	0.69 449	0.57 445	0.60 440	0.60 447	0.70 418	0.78 433
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RGC	3.10 426	1.45 435	14.90 359	1.46 403	1.79 468	3.33 191	1.39 393	4.04 349	2.26 319	2.77 431	3.26 458	4.00 440	2.71 413	11.63 483	2.62 418	0.82 461	0.46 418	0.79 470	0.79 470	0.71 427	0.78 433

DDVS	1.68 205	0.79 289	2.52 164	1.26 325	1.16 346	3.17 163	0.78 186	3.12 179	1.82 228	1.86 201	1.91 299	2.92 366	1.43 242	6.20 333	1.63 309	0.45 367	0.65 462	0.34 271	0.38 366	0.48 343	0.79 436

CBFPSM	2.05 267	0.95 344	10.12 299	1.07 227	1.05 321	2.84 124	1.20 367	3.28 198	1.73 210	1.82 193	1.30 104	4.56 469	4.06 461	2.34 224	2.34 393	0.25 56	0.38 370	0.32 218	0.27 198	0.37 236	0.79 436

ccnet	2.66 376	0.97 351	8.01 271	1.54 420	1.24 369	3.75 269	2.18 457	4.07 360	2.41 360	2.66 423	3.25 457	2.87 360	2.31 390	9.89 409	3.50 436	0.78 455	0.75 476	0.71 460	0.67 454	0.76 434	0.81 438

FAT-Stereo	3.34 441	0.81 297	20.05 452	1.25 319	1.20 360	3.44 204	1.99 447	4.23 403	2.67 401	3.14 456	3.82 471	3.51 417	3.32 442	11.68 486	1.94 351	0.64 435	0.67 466	0.48 389	0.52 430	0.61 390	0.81 438

ADCP+	3.74 455	1.96 463	16.90 385	1.09 241	1.55 429	4.35 413	3.65 502	3.93 318	2.98 443	2.22 332	1.66 201	3.95 436	4.83 475	3.41 271	18.87 524	0.38 303	0.41 391	0.63 448	0.53 434	0.64 402	0.81 438

NaN_ROB	4.06 466	1.13 381	16.64 380	1.12 261	1.25 372	3.50 222	3.05 485	4.29 429	3.26 470	3.64 471	2.56 414	2.97 367	4.79 474	13.33 513	16.91 512	0.37 286	0.41 391	0.38 333	0.39 372	0.48 343	0.81 438

SANet	5.65 495	1.72 452	20.94 494	1.26 325	0.88 274	7.20 511	3.81 505	4.60 489	11.23 519	4.56 492	8.78 503	7.49 501	6.95 500	11.85 494	18.11 518	0.49 397	0.44 404	0.50 405	0.42 395	0.90 450	0.82 442

XQC	2.96 405	2.42 474	14.85 356	1.36 372	1.32 384	3.29 189	1.53 411	4.28 426	2.78 413	3.21 460	2.46 401	3.53 419	2.92 422	6.58 340	4.67 448	0.70 450	0.41 391	0.59 435	0.56 439	0.96 457	0.83 443

DANet	2.63 372	1.07 370	8.10 272	1.83 462	1.70 458	3.25 177	1.16 356	4.31 440	2.38 354	3.40 468	2.18 356	4.08 445	1.80 339	9.77 403	3.89 442	0.52 412	0.55 442	0.59 435	0.44 400	0.63 395	0.86 444
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANetREF_RVC	3.20 434	1.93 461	18.84 418	1.51 415	0.80 239	4.12 361	1.82 437	4.16 386	2.91 433	1.87 203	1.74 222	2.48 320	1.84 346	13.18 511	1.74 327	0.80 458	0.57 445	0.79 470	0.74 462	1.20 479	0.86 444
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
DPSNet	3.43 444	1.37 425	12.19 320	1.39 386	1.24 369	4.15 368	2.06 450	4.51 482	3.34 475	2.69 425	1.96 305	3.52 418	5.56 484	10.68 437	9.68 482	0.93 467	0.73 474	0.40 342	0.37 353	1.06 461	0.86 444

G-Net	4.11 467	1.21 396	19.47 434	2.31 490	2.94 502	4.74 487	2.95 480	3.33 209	2.14 296	4.44 491	9.43 506	6.93 500	3.84 457	9.01 387	4.92 455	0.79 456	0.80 479	0.70 459	0.50 423	0.95 453	0.87 447

psmorigin	6.59 503	1.15 386	88.11 550	1.52 416	0.97 299	2.88 129	1.20 367	3.21 188	2.04 270	3.73 474	2.46 401	5.15 488	2.55 405	10.60 434	2.47 406	0.55 419	0.68 469	0.48 389	0.51 427	0.70 418	0.88 448

SAMSARA	3.55 447	2.16 470	14.18 348	1.86 466	1.49 418	4.62 462	2.65 472	3.58 240	2.80 419	7.05 510	3.05 448	5.16 489	4.07 462	9.18 391	4.80 452	0.64 435	0.67 466	0.59 435	0.68 457	0.89 448	0.91 449

aanetorigin	3.30 438	1.66 449	17.52 398	1.18 296	1.58 437	2.57 112	3.80 504	2.65 131	2.03 266	6.12 505	4.30 476	2.82 357	5.70 485	5.47 314	4.67 448	0.50 400	0.44 404	0.43 363	0.47 409	1.17 476	0.92 450

PS-NSSS	2.22 286	1.33 422	2.90 191	0.97 174	1.53 424	4.11 359	1.08 338	4.55 485	2.65 398	2.10 281	2.32 393	1.77 216	1.40 229	11.79 491	1.61 302	0.68 446	0.45 409	0.96 479	0.43 398	0.95 453	0.92 450

PSMNet-RUCA	1.64 199	1.50 439	2.57 168	1.50 413	1.38 398	3.05 149	1.36 385	3.31 201	2.24 313	1.36 120	2.07 334	1.40 166	1.09 162	1.83 176	1.55 291	1.15 478	0.69 470	1.26 490	0.96 479	1.64 489	0.94 452

NVstereo2D	2.54 359	0.90 325	11.10 311	1.32 350	1.47 415	3.58 241	1.38 392	4.13 376	2.45 368	1.90 213	1.71 215	2.86 359	1.76 329	10.86 444	1.66 315	0.60 427	0.43 399	0.53 418	0.41 389	0.78 437	0.94 452

FADNet_RVC	2.65 374	2.28 473	16.51 379	0.98 180	0.92 284	4.09 353	0.83 221	4.26 420	1.73 210	1.46 133	1.78 243	1.60 189	1.50 263	8.88 382	2.39 394	0.47 381	0.38 370	0.44 367	0.58 443	0.89 448	0.97 454

AnyNet_C32	4.17 469	5.75 503	12.62 323	1.60 432	1.54 425	5.51 501	4.09 508	3.90 308	3.23 468	4.22 489	3.03 447	3.10 378	3.41 445	8.01 371	18.85 523	0.53 415	0.58 450	0.53 418	0.74 462	1.19 478	0.97 454

ITSA-stereo	1.86 228	0.72 241	3.74 226	1.20 302	0.66 191	4.09 353	0.91 275	4.24 411	2.53 382	1.93 224	1.77 240	1.59 188	2.15 376	6.12 332	2.44 403	0.40 321	0.38 370	0.40 342	0.40 383	0.50 351	0.98 456

PA-Net	3.09 424	1.24 407	18.84 418	1.38 384	1.19 355	3.42 202	1.75 431	3.89 303	3.27 473	1.88 206	2.10 338	3.03 372	1.88 355	11.60 476	2.88 426	0.40 321	0.54 438	0.44 367	0.62 451	0.52 356	1.02 457
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MFN_U_SF_DS_RVC	3.94 461	10.88 526	12.30 322	1.26 325	1.55 429	5.19 498	3.33 492	4.42 465	2.82 427	2.58 407	2.62 420	5.00 482	2.11 371	14.03 523	2.73 420	1.28 487	2.34 514	0.67 456	1.83 506	0.81 442	1.03 458

Wz-Net-TNSev	3.67 451	8.83 512	13.47 333	1.48 409	1.18 348	3.60 244	2.49 466	4.27 421	3.13 455	2.18 314	1.89 293	4.21 455	2.80 417	12.10 499	7.58 473	0.57 423	0.55 442	0.47 381	0.54 436	0.91 451	1.05 459

PASM	2.67 378	2.05 468	9.71 291	1.73 449	1.37 395	2.53 110	1.52 409	3.10 177	2.17 302	2.79 433	1.84 273	2.90 361	1.85 350	11.89 495	2.19 381	0.81 460	0.85 480	0.87 476	1.01 482	1.14 471	1.05 459

ADCMid	3.96 462	3.27 488	15.48 369	1.26 325	1.40 402	4.66 468	2.28 459	4.06 357	3.54 481	3.94 478	3.02 446	3.85 433	3.67 454	4.03 290	18.65 522	0.68 446	0.61 457	1.09 486	1.18 491	1.38 484	1.08 461

anonymity	1.76 217	1.26 409	2.73 184	1.66 439	1.32 384	1.84 66	1.07 333	3.49 222	2.30 328	2.11 285	2.11 342	1.71 207	3.90 459	1.82 175	1.48 276	1.10 475	1.09 486	1.08 485	1.08 486	1.05 460	1.09 462

Consistency-Raft	2.86 392	1.66 449	19.61 436	1.40 389	1.75 463	3.84 288	1.32 380	4.07 360	2.25 316	1.78 186	2.67 425	1.82 233	4.41 469	1.94 189	2.06 366	0.83 463	0.94 483	1.03 481	1.12 487	1.70 491	1.09 462

testlalala_base	1.62 194	0.74 260	1.63 77	1.19 298	1.40 402	2.63 116	0.84 224	4.09 366	1.31 45	1.22 111	1.42 133	1.21 139	0.85 99	1.16 46	0.73 78	3.92 519	2.10 506	0.27 106	0.18 31	4.49 518	1.11 464

PVD	3.12 427	1.97 464	12.80 325	1.79 459	1.63 443	3.83 283	1.34 382	3.48 219	3.88 489	5.77 500	3.56 466	3.45 407	3.29 440	5.58 319	5.30 458	0.71 452	0.69 470	0.74 468	0.77 466	0.79 439	1.13 465

SDNR	3.97 463	1.93 461	20.28 468	1.31 347	0.94 291	5.16 497	0.67 118	4.33 446	2.58 390	4.82 496	5.94 487	5.01 483	1.45 249	17.52 527	2.53 411	0.79 456	0.72 473	0.59 435	0.45 404	1.15 474	1.17 466

SPS-STEREO	3.97 463	1.44 434	20.85 488	1.72 448	1.71 459	3.24 174	2.30 461	3.55 236	2.68 403	4.79 495	3.66 467	5.44 493	2.97 423	9.11 388	9.35 481	1.15 478	1.10 487	1.06 484	1.02 484	1.16 475	1.18 467
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
S-Stereo	3.48 445	0.91 330	22.06 520	1.36 372	1.50 420	3.55 234	2.53 468	4.21 396	2.81 425	2.37 375	3.81 470	3.75 428	1.84 346	11.90 496	2.51 409	0.63 432	0.71 472	0.48 389	0.76 464	0.67 412	1.19 468

ADCS	4.22 471	5.33 499	16.32 375	1.64 437	1.31 379	3.91 305	3.64 501	4.21 396	2.89 431	5.11 497	2.81 438	4.46 463	3.06 432	5.21 308	19.50 525	0.63 432	0.64 461	0.69 457	0.69 459	1.12 469	1.26 469

coex-ft	18.59 534	6.62 505	113.53 552	1.17 290	1.31 379	2.33 98	1.93 443	2.81 152	14.00 525	124.82 554	8.45 499	5.90 495	51.74 547	9.99 415	22.69 529	0.57 423	0.62 458	0.50 405	0.49 417	1.08 466	1.28 470

PDISCO_ROB	2.86 392	1.53 441	14.27 350	1.98 475	2.19 489	4.52 446	1.35 383	4.65 491	3.19 462	2.09 278	2.16 351	3.53 419	2.45 399	5.32 309	2.12 373	1.30 490	0.78 478	0.72 464	0.59 445	1.24 480	1.28 470

AnyNet_C01	4.37 473	7.80 508	16.40 376	1.98 475	1.40 402	6.37 506	6.47 514	4.09 366	5.03 505	4.06 483	3.78 469	4.16 450	3.31 441	6.62 342	10.00 483	0.61 429	0.67 466	0.63 448	0.67 454	2.01 492	1.31 472

FBW_ROB	3.24 435	1.02 357	9.21 289	1.49 412	1.07 326	3.78 274	1.48 404	4.31 440	3.08 452	2.46 388	2.32 393	4.20 454	2.08 369	15.19 525	7.16 470	0.84 464	0.62 458	1.33 492	0.92 476	0.99 458	1.31 472

PSM-AAD	2.43 337	0.54 69	1.32 47	0.92 139	0.54 131	4.48 432	7.47 515	2.96 161	1.55 142	2.31 358	2.56 414	1.26 144	16.23 525	2.46 228	0.89 137	0.28 121	0.21 139	0.58 432	0.41 389	0.34 195	1.32 474

GCST	2.56 364	1.79 457	18.02 403	1.92 469	1.33 387	1.72 60	0.51 57	3.67 254	2.03 266	1.70 171	1.61 186	1.55 183	1.29 209	5.06 305	1.24 224	2.06 497	0.77 477	1.45 494	0.97 480	1.14 471	1.34 475

ADCPNet	3.89 458	1.63 445	20.25 466	1.28 333	1.27 375	6.43 507	2.65 472	3.93 318	2.70 404	2.78 432	2.20 360	4.28 457	6.16 493	5.56 317	10.27 485	0.65 438	1.18 489	0.71 460	1.70 501	0.84 446	1.37 476

SGM+DAISY	8.36 514	3.82 492	24.83 531	2.02 477	1.75 463	14.80 527	17.22 530	4.27 421	11.79 522	13.88 532	14.38 525	11.74 513	13.83 520	10.56 432	15.12 502	1.21 480	1.19 491	1.14 488	1.13 489	1.17 476	1.37 476

CC-Net-ROB	3.35 442	1.76 455	13.89 343	2.33 491	1.65 449	4.49 438	1.62 420	4.73 495	2.90 432	1.92 220	2.05 329	1.99 262	1.61 288	12.57 509	1.60 299	2.46 500	2.18 507	2.68 509	1.04 485	2.11 494	1.38 478

EDNetEfficient	5.61 493	2.14 469	16.75 383	1.67 440	3.64 513	4.12 361	7.51 516	3.05 172	5.63 511	11.57 531	4.83 480	3.95 436	12.72 518	8.44 376	20.78 528	0.41 335	0.43 399	0.47 381	1.01 482	1.66 490	1.39 479

WAO-7	5.16 486	3.21 486	18.98 422	1.88 468	1.44 411	5.34 499	3.09 488	4.91 500	5.81 512	4.35 490	8.92 505	6.55 497	6.06 490	13.40 515	10.81 487	1.34 492	1.20 492	1.48 495	1.35 497	1.60 488	1.45 480

LoS_RVC	0.94 61	1.30 413	1.31 44	0.84 87	1.63 443	2.02 77	0.59 81	1.51 15	1.36 51	0.81 61	1.33 108	0.84 73	0.88 106	1.36 91	0.73 78	0.21 6	0.17 18	0.20 1	0.14 2	0.20 6	1.45 480

MFMNet_re	2.91 398	1.91 460	18.25 405	3.06 503	1.89 475	3.13 159	1.67 428	3.52 229	2.97 440	3.14 456	2.87 441	2.26 286	2.41 395	2.42 225	2.00 359	1.10 475	1.05 485	0.94 478	0.90 475	1.28 481	1.46 482

ELAS_RVC	5.72 496	1.64 448	20.40 473	2.09 480	2.01 481	4.95 494	11.47 523	4.66 492	6.31 515	8.09 516	8.01 494	8.06 506	11.65 517	8.36 373	10.22 484	0.99 472	1.17 488	0.81 473	0.76 464	1.14 471	1.58 483
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
NVStereoNet_ROB	4.91 484	1.40 429	16.46 378	1.47 406	1.72 461	3.46 209	1.96 444	3.89 303	3.61 483	2.90 438	24.61 534	4.81 476	4.49 471	13.57 517	4.87 453	1.33 491	1.29 494	1.70 496	1.68 499	1.41 486	1.66 484
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ELAS	5.99 499	1.62 443	20.29 469	1.96 474	2.01 481	15.09 528	8.38 520	5.23 504	5.54 509	9.02 519	8.61 500	6.74 498	9.75 516	7.48 360	11.40 491	0.96 470	1.18 489	0.72 464	0.93 477	1.30 482	1.67 485
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MANE	11.39 521	1.38 426	23.16 526	4.82 528	2.79 500	22.02 534	14.51 528	25.81 537	26.28 538	10.93 529	13.17 523	19.90 527	18.03 530	15.69 526	20.41 527	0.96 470	0.74 475	1.42 493	3.24 529	0.74 431	1.71 486

CAS	1.26 142	0.40 6	1.46 60	2.97 502	1.61 440	4.13 364	0.73 144	1.78 41	1.49 97	0.83 69	1.10 63	0.59 19	0.53 16	1.26 70	0.80 100	2.99 505	0.13 1	0.21 5	0.13 1	0.31 133	1.72 487

MSC_U_SF_DS_RVC	4.48 474	10.62 524	15.18 367	1.55 425	1.45 414	6.16 504	3.54 499	5.41 511	3.68 486	2.59 410	2.74 429	4.81 476	2.20 384	13.79 520	4.40 445	2.04 496	3.36 527	1.05 483	1.20 492	2.09 493	1.72 487

MFN_U_SF_RVC	3.81 457	10.78 525	15.01 362	1.84 463	1.39 400	3.73 267	1.63 421	4.05 353	3.26 470	2.91 439	2.38 397	4.36 461	3.65 453	8.43 375	4.91 454	1.11 477	1.04 484	0.99 480	1.31 494	1.58 487	1.75 489

LCNet	1.55 177	0.54 69	1.88 97	0.99 186	0.55 137	3.60 244	1.21 370	2.86 156	1.53 125	2.18 314	1.74 222	1.43 170	4.17 464	3.62 277	0.87 130	0.29 141	0.20 108	0.28 135	0.77 466	0.47 340	1.85 490

MADNet+	3.97 463	9.54 521	13.83 342	1.87 467	1.69 457	4.19 389	2.87 478	4.80 498	4.10 495	2.51 395	2.67 425	4.55 468	3.41 445	8.72 379	6.92 468	1.25 485	1.27 493	1.04 482	0.93 477	1.39 485	1.85 490

UDG	3.55 447	2.81 484	17.45 395	2.69 496	1.98 479	3.97 332	1.19 363	4.35 450	2.02 264	2.42 384	2.53 411	4.50 464	2.46 401	6.53 339	2.41 399	2.12 498	1.77 502	2.63 508	2.57 520	2.64 498	1.95 492

PWCK	5.85 497	9.95 522	15.22 368	2.90 500	1.56 432	5.66 503	7.69 517	5.27 505	4.74 502	3.88 476	7.51 491	8.04 504	5.28 480	15.18 524	8.40 477	3.08 506	1.51 497	2.24 502	1.37 498	5.55 523	1.96 493

IGEV-BASED-STEREO-	1.09 95	3.30 489	2.61 172	0.82 68	0.38 38	1.27 27	0.62 100	1.51 15	1.29 42	0.91 79	0.92 37	0.65 30	0.57 22	1.08 29	0.59 29	1.55 494	0.15 3	0.32 218	0.28 227	1.10 467	1.98 494

FTStereo	3.71 454	0.53 59	20.37 471	0.96 167	0.65 185	4.34 412	11.29 522	2.62 128	1.50 102	2.58 407	5.04 482	1.90 245	13.84 521	3.71 281	1.25 227	0.38 303	0.24 228	0.31 198	0.32 300	0.30 113	2.10 495

Prome-Stereo	1.61 192	0.55 75	1.71 82	0.98 180	0.60 165	4.41 424	1.82 437	3.03 170	1.53 125	2.18 314	3.45 463	1.72 208	3.49 451	2.23 220	1.08 187	0.29 141	0.20 108	0.26 80	0.25 154	0.34 195	2.16 496

test_for_model	2.16 280	3.87 493	1.58 75	4.16 517	3.64 513	2.51 108	0.96 305	3.63 246	2.62 393	2.45 387	1.39 126	1.02 108	0.73 61	0.92 9	0.57 26	2.97 504	2.19 508	0.26 80	0.17 23	5.32 522	2.24 497

CES	1.01 83	0.55 75	1.74 86	0.92 139	2.15 488	2.15 88	0.50 53	2.01 59	1.45 68	0.76 49	1.02 44	0.61 21	0.47 11	1.29 78	0.79 99	0.22 12	0.17 18	0.24 40	0.14 2	0.63 395	2.29 498

BEATNet-Init1	49.72 548	64.32 551	97.77 551	4.68 527	4.28 523	84.75 552	60.42 546	73.38 551	68.59 547	88.29 551	88.51 553	91.94 553	97.99 553	85.26 554	70.96 553	0.80 458	0.65 462	0.85 475	0.70 460	7.96 533	2.33 499

DDUNet	2.91 398	2.78 483	6.94 261	3.53 509	2.26 493	3.28 185	1.36 385	3.77 275	2.04 270	2.62 414	2.49 405	4.18 451	1.69 318	5.38 311	1.85 340	2.21 499	1.77 502	2.61 507	2.43 518	2.60 497	2.34 500

IGEV-Stereo+	0.94 61	0.47 22	1.19 28	0.86 103	2.02 484	1.40 41	0.39 23	1.17 6	0.88 11	0.61 18	0.44 8	0.47 10	0.79 85	2.14 207	0.42 7	0.27 84	0.19 74	0.22 9	0.17 23	2.26 496	2.41 501

GMM-Stereo	2.45 340	0.52 48	20.38 472	0.89 117	0.82 250	4.18 385	1.91 442	2.45 99	1.48 89	2.48 391	2.30 381	1.69 203	1.86 351	2.93 261	1.08 187	0.28 121	0.18 45	0.33 253	0.48 414	0.35 213	2.41 501

EDNetEfficientorigin	12.35 526	2.51 475	179.47 555	1.19 298	0.96 295	2.91 133	1.81 436	3.00 166	5.35 507	8.91 518	4.79 479	4.18 451	4.64 473	9.98 414	11.30 489	0.37 286	0.38 370	0.60 440	0.85 472	1.32 483	2.43 503

KYRaft	1.59 189	0.52 48	1.73 83	0.95 161	0.49 107	4.38 415	1.79 433	2.43 97	1.51 109	2.49 392	2.98 444	2.00 263	3.41 445	2.14 207	0.82 108	0.30 180	0.21 139	0.33 253	0.46 406	0.35 213	2.45 504

DGSMNet	7.55 512	1.62 443	17.42 394	1.92 469	12.73 530	7.45 514	42.99 545	4.13 376	2.07 277	2.10 281	3.16 455	3.42 405	1.70 320	9.24 392	2.30 389	3.70 516	10.89 539	11.80 541	5.54 531	4.24 513	2.66 505

WAO-6	5.87 498	2.27 471	15.05 363	2.96 501	2.77 499	12.01 522	3.58 500	5.37 510	11.91 523	3.34 465	9.69 507	6.78 499	5.84 487	11.82 493	8.89 480	2.87 502	2.35 515	2.50 503	1.84 507	2.85 499	2.67 506

WAO-8	11.95 523	13.02 529	20.56 480	3.50 507	3.08 506	15.11 529	2.80 475	12.91 526	19.11 534	7.69 512	13.12 520	11.62 511	7.01 503	84.40 552	7.91 474	3.42 509	1.92 504	3.54 522	1.93 510	3.68 505	2.69 507

Venus	11.95 523	13.02 529	20.56 480	3.50 507	3.08 506	15.11 529	2.80 475	12.91 526	19.11 534	7.69 512	13.12 520	11.62 511	7.01 503	84.40 552	7.91 474	3.42 509	1.92 504	3.54 522	1.93 510	3.68 505	2.69 507

SQANet	3.70 452	9.34 520	18.41 411	2.75 497	2.74 498	3.40 199	1.47 403	3.50 225	1.68 194	2.60 411	1.75 226	2.69 338	1.91 357	6.72 348	1.74 327	2.96 503	1.41 496	1.85 497	1.12 487	3.17 500	2.70 509

MaskLacGwcNet_RVC	3.13 428	1.43 433	9.93 295	2.50 493	1.62 441	4.29 407	1.68 430	3.95 323	2.43 363	1.66 163	1.91 299	3.04 373	1.41 234	13.26 512	1.58 295	3.82 517	1.59 498	1.12 487	0.46 406	2.21 495	2.74 510

Ntro	4.21 470	8.94 516	19.89 447	3.22 505	2.96 503	4.15 368	1.89 441	3.92 317	2.36 343	1.77 184	2.14 348	3.35 399	2.17 381	9.48 397	2.24 385	3.52 512	1.76 501	2.13 500	1.31 494	3.83 510	3.09 511

ACVNet_2	5.41 490	12.60 528	20.42 475	3.27 506	3.15 509	4.50 441	3.02 484	4.66 492	3.73 487	3.35 467	5.36 483	7.86 503	2.88 419	12.33 503	4.76 451	3.12 507	2.22 509	2.70 510	1.69 500	3.49 503	3.10 512

otaku	4.58 477	8.93 515	19.95 449	3.11 504	2.67 496	3.91 305	2.57 470	3.82 285	2.25 316	2.22 332	9.72 508	4.08 445	2.35 392	8.57 377	2.13 376	3.51 511	1.65 500	2.15 501	1.17 490	3.69 507	3.15 513

LVE	6.88 508	9.31 519	21.14 499	3.61 512	3.18 510	4.49 438	2.79 474	10.21 521	11.69 521	3.16 459	11.53 516	18.33 522	4.31 467	11.66 484	3.52 437	4.45 525	2.93 519	2.56 505	1.91 509	3.62 504	3.16 514

ACVNet_1	6.04 500	13.97 534	21.36 507	3.58 511	3.14 508	4.73 484	2.48 465	4.20 391	3.17 460	2.98 447	2.83 440	23.31 531	4.34 468	11.06 455	2.45 404	3.68 514	2.33 513	2.60 506	1.79 505	3.69 507	3.19 515

ACVNet-4b	6.73 505	13.67 532	21.87 517	3.54 510	3.07 505	4.19 389	2.25 458	4.03 345	3.65 484	1.64 158	3.98 473	5.88 494	2.89 420	10.01 416	16.98 513	23.29 543	2.24 510	2.53 504	1.78 504	3.87 511	3.21 516

Dean	7.52 511	9.08 517	21.41 508	3.74 514	3.53 512	4.81 491	3.53 497	5.33 509	5.25 506	4.17 485	26.53 535	25.62 537	4.09 463	10.97 449	4.32 444	3.69 515	2.30 512	2.91 512	1.87 508	4.03 512	3.24 517

RainbowNet	4.56 475	8.28 509	20.07 455	3.64 513	3.23 511	4.15 368	2.99 483	4.18 387	3.03 448	2.20 321	2.65 423	4.26 456	2.90 421	9.77 403	2.12 373	3.88 518	2.27 511	2.71 511	1.72 503	3.78 509	3.31 518

DispFullNet	4.64 478	3.48 490	23.95 530	3.99 515	3.03 504	3.35 192	1.06 331	4.18 387	2.80 419	6.33 507	2.94 442	4.04 443	7.81 508	3.92 288	5.16 456	2.75 501	1.61 499	3.10 516	2.68 523	3.32 502	3.31 518

IMH	6.81 507	13.66 531	20.41 474	4.33 523	3.74 515	5.50 500	3.06 486	5.49 512	6.22 513	4.64 494	10.35 510	9.30 507	8.03 511	13.61 518	6.81 464	4.80 530	2.99 524	3.09 515	2.12 515	4.36 516	3.61 520

IMH-64-1	4.84 482	2.53 477	6.83 258	4.30 521	3.74 515	4.81 491	6.05 511	5.30 506	3.92 490	3.95 479	8.33 497	5.08 486	6.06 490	8.96 385	6.30 459	4.57 527	2.96 521	3.04 513	2.12 515	4.28 514	3.62 521

IMH-64	4.84 482	2.53 477	6.83 258	4.30 521	3.74 515	4.81 491	6.05 511	5.30 506	3.92 490	3.95 479	8.33 497	5.08 486	6.06 490	8.96 385	6.30 459	4.57 527	2.96 521	3.04 513	2.12 515	4.28 514	3.62 521

tt	7.19 510	0.51 42	6.83 258	4.03 516	2.30 494	12.05 523	20.19 535	15.46 533	6.58 516	3.42 469	3.22 456	5.37 491	6.39 498	4.20 295	7.46 472	9.81 536	11.53 540	7.05 533	7.46 535	6.31 525	3.71 523

ktn	21.74 537	10.34 523	19.68 439	4.53 525	4.00 520	6.53 508	4.51 509	6.79 515	78.82 550	84.69 550	100.86 554	58.49 548	7.57 507	12.11 500	13.35 498	4.58 529	3.24 526	3.49 519	2.62 521	4.65 519	3.84 524

JetBlue	6.27 502	9.15 518	13.76 336	1.94 473	4.60 526	11.91 521	12.00 524	5.12 502	3.45 480	3.79 475	4.52 477	9.54 508	6.56 499	9.40 395	13.48 499	1.26 486	1.37 495	1.17 489	1.34 496	7.06 530	3.95 525

notaker	10.50 519	8.60 510	20.23 462	4.54 526	3.95 519	6.27 505	3.44 493	8.07 519	4.75 503	8.73 517	46.45 541	13.86 520	27.86 537	13.49 516	13.61 500	4.56 526	3.18 525	3.52 521	2.68 523	8.13 534	4.05 526

TorneroNet	25.88 539	11.28 527	21.62 514	4.20 518	4.07 521	55.25 546	3.15 489	15.16 532	76.94 549	58.09 545	82.72 551	86.88 552	41.15 542	13.35 514	18.13 519	4.32 521	2.85 517	3.45 518	2.62 521	8.33 535	4.14 527

TorneroNet-64	10.12 516	8.74 511	20.95 495	4.27 519	3.76 518	13.86 526	2.85 477	15.05 531	23.15 537	10.07 524	23.84 533	13.47 517	8.24 512	13.96 522	17.21 515	3.96 520	2.72 516	3.23 517	2.48 519	6.29 524	4.27 528

KSHMR	16.96 532	5.37 500	21.64 516	4.46 524	4.50 524	8.30 517	3.32 491	15.58 534	76.24 548	6.62 509	61.47 546	56.53 547	5.43 483	35.17 543	11.37 490	4.39 523	2.97 523	3.63 524	2.74 525	5.10 521	4.34 529

PML	64.32 550	53.22 549	17.88 400	8.10 533	32.94 540	148.46 555	247.79 556	12.18 524	45.42 545	111.41 552	288.92 556	101.47 555	101.31 554	31.67 539	15.55 503	14.03 539	4.83 531	10.98 538	6.18 533	28.82 542	5.17 530

MADNet++	7.57 513	5.80 504	13.28 328	6.38 531	5.26 528	7.18 510	7.77 518	5.32 508	5.62 510	6.11 504	7.78 492	6.02 496	8.01 510	11.74 489	16.36 510	9.36 535	4.95 532	8.57 536	5.66 532	4.83 520	5.34 531

UNDER WATER-64	9.33 515	5.37 500	22.60 523	5.22 530	4.86 527	10.75 520	4.61 510	11.45 522	17.30 529	7.59 511	9.80 509	15.99 521	17.90 529	10.63 435	15.72 505	4.36 522	2.87 518	4.39 529	2.86 526	7.01 529	5.36 532

UNDER WATER	10.47 517	3.95 494	22.62 524	5.07 529	4.51 525	7.78 515	3.77 503	12.56 525	21.72 536	7.84 514	10.78 511	23.96 533	31.66 538	10.78 442	16.19 509	4.44 524	2.93 519	4.24 525	2.86 526	6.33 526	5.47 533

JetRed	10.48 518	27.10 541	35.70 537	4.27 519	4.09 522	15.55 531	12.83 526	12.16 523	5.50 508	5.83 501	5.56 485	10.14 509	7.43 505	8.88 382	26.39 537	3.32 508	3.81 528	3.51 520	2.96 528	7.85 532	6.69 534

USTest	15.98 531	15.58 536	22.56 522	18.49 538	16.99 532	26.43 536	36.08 541	27.68 540	12.77 524	10.69 527	10.80 512	18.35 523	15.09 522	18.62 528	23.37 530	4.85 531	5.34 533	7.38 534	7.43 534	9.90 536	11.23 535

TCMNet-wrong-test	12.32 525	14.13 535	19.38 431	22.38 539	19.85 535	15.99 532	12.34 525	22.95 536	4.56 498	6.24 506	6.27 488	18.40 524	15.71 523	10.10 421	10.72 486	9.06 534	4.78 530	5.35 530	3.95 530	12.28 538	11.97 536

DGTPSM_ROB	15.31 529	8.85 513	28.14 535	9.90 535	18.89 533	12.44 524	33.21 538	13.48 528	17.86 532	9.50 521	22.89 531	13.78 518	19.67 531	21.26 529	23.68 531	5.08 532	8.84 534	5.62 531	11.50 536	6.72 527	14.87 537

DPSMNet_ROB	15.52 530	8.89 514	31.44 536	10.07 536	18.91 534	12.44 524	33.22 539	13.51 529	17.94 533	9.58 522	22.91 532	13.79 519	19.67 531	21.43 530	23.73 532	5.17 533	8.84 534	5.63 532	11.52 539	6.79 528	14.90 538

DPSM_ROB	20.78 535	20.03 539	26.57 533	23.62 541	22.46 536	31.10 538	39.97 543	33.52 542	17.41 530	15.25 533	15.80 528	24.06 534	20.71 534	23.30 534	27.62 539	10.78 537	9.41 537	11.69 539	11.50 536	14.49 539	16.36 539

DPSM	20.78 535	20.03 539	26.57 533	23.62 541	22.46 536	31.10 538	39.97 543	33.52 542	17.41 530	15.25 533	15.80 528	24.06 534	20.71 534	23.30 534	27.62 539	10.78 537	9.41 537	11.69 539	11.50 536	14.49 539	16.36 539

LSM	12.71 527	3.52 491	20.79 487	55.63 549	84.76 548	3.63 254	6.30 513	3.73 269	4.93 504	5.55 499	13.92 524	3.53 419	3.25 439	9.72 402	4.12 443	0.64 435	0.85 480	0.71 460	0.81 471	1.03 459	26.84 541

Anonymous_1	57.11 549	19.68 538	26.15 532	23.10 540	142.31 553	30.84 537	39.75 542	33.86 544	16.98 528	70.53 549	15.42 527	23.46 532	19.75 533	23.04 532	27.23 538	164.73 555	9.02 536	130.38 551	137.40 552	161.27 556	27.24 542

HanzoNet	31.60 541	17.23 537	21.22 504	7.32 532	5.84 529	7.25 512	3.53 497	13.82 530	14.20 527	50.38 543	47.01 542	44.45 541	56.61 548	36.61 544	32.00 542	63.89 549	56.57 550	7.97 535	89.20 550	28.69 541	28.25 543

CasAABBNet	41.80 543	40.20 545	53.41 547	47.73 547	45.18 544	62.51 547	80.71 552	67.26 549	34.80 539	30.49 537	31.88 538	48.24 545	41.81 544	46.63 549	55.64 549	21.60 540	18.88 544	23.48 542	23.22 543	29.19 544	33.05 544

Selective-RAFT-Error	41.77 542	40.16 544	53.34 546	47.73 547	45.25 545	62.51 547	80.64 551	67.22 548	34.93 540	30.64 538	31.81 537	48.11 544	42.11 545	46.57 547	54.95 547	21.61 541	18.87 543	23.48 542	23.15 542	29.16 543	33.08 545

LRCNet_RVC	25.52 538	33.45 542	23.21 528	31.79 543	32.78 539	6.74 509	1.18 360	25.88 538	4.46 496	28.94 536	30.89 536	24.91 536	17.57 528	27.66 538	24.34 534	35.26 545	25.60 546	35.91 545	33.81 544	31.90 546	34.10 546

HaxPig	43.25 544	43.65 546	45.00 541	33.85 544	35.61 541	32.69 540	30.52 536	45.09 545	42.97 543	48.77 541	48.17 543	43.00 540	40.26 540	44.58 545	43.61 543	47.18 546	49.30 547	51.54 547	50.25 546	43.73 547	45.29 547

AVERAGE_ROB	44.46 545	45.91 547	46.59 542	40.59 546	38.66 542	32.99 541	30.52 536	46.19 546	43.26 544	49.59 542	48.97 544	44.62 542	39.89 539	45.04 546	43.94 544	48.74 547	50.69 548	50.80 546	49.79 545	45.54 548	46.97 548

MEDIAN_ROB	47.37 546	49.08 548	49.92 544	40.32 545	39.97 543	34.95 542	33.43 540	49.17 547	46.39 546	53.06 544	52.65 545	47.65 543	42.23 546	48.35 550	47.29 545	52.10 548	54.04 549	54.28 548	53.48 547	48.76 549	50.33 549

LSM0	49.58 547	40.04 543	53.62 548	97.15 550	128.68 552	62.75 549	79.89 550	67.63 550	35.11 541	33.02 539	32.61 540	48.43 546	41.60 543	46.60 548	55.43 548	21.63 542	18.99 545	23.62 544	23.13 541	29.47 545	52.26 550

DPSimNet_ROB	102.30 551	119.72 556	143.59 554	109.42 552	94.10 549	127.22 554	127.15 554	26.62 539	102.36 555	149.58 555	83.99 552	139.34 556	137.54 555	64.62 551	82.36 554	105.18 551	66.15 551	120.15 550	69.61 549	99.58 551	77.72 551

ASD4	103.30 552	113.98 555	120.24 553	106.67 551	79.75 547	115.36 553	120.35 553	119.13 555	79.65 554	120.04 553	74.64 547	101.45 554	65.48 549	109.11 555	84.31 555	104.31 550	90.04 552	133.15 552	103.58 551	130.15 552	94.66 552

xxxxx1	112.33 553	88.53 552	37.76 538	227.84 555	157.23 554	39.05 543	61.41 547	93.76 552	79.29 551	62.45 546	74.79 548	78.32 549	70.96 550	33.47 540	70.69 550	114.00 552	130.36 553	259.31 554	274.34 554	145.54 553	147.50 553

tt_ll	112.33 553	88.53 552	37.76 538	227.84 555	157.23 554	39.05 543	61.41 547	93.76 552	79.29 551	62.45 546	74.79 548	78.32 549	70.96 550	33.47 540	70.69 550	114.00 552	130.36 553	259.31 554	274.34 554	145.54 553	147.50 553

ff	112.33 553	88.53 552	37.76 538	227.84 555	157.23 554	39.05 543	61.41 547	93.76 552	79.29 551	62.45 546	74.79 548	78.32 549	70.96 550	33.47 540	70.69 550	114.00 552	130.36 553	259.31 554	274.34 554	145.54 553	147.50 553

test_example2	212.63 556	219.92 557	221.87 556	213.67 554	221.17 557	199.47 556	200.74 555	185.30 556	141.66 556	209.52 556	213.45 555	210.82 557	205.48 556	221.27 556	216.64 556	236.83 556	242.07 557	213.93 553	217.01 553	235.69 557	226.10 556

ccccc	590.94 557	629.75 558	645.59 557	567.84 558	570.84 558	582.44 557	641.68 557	613.82 557	494.59 557	614.58 557	651.20 557	555.57 558	637.59 557	666.94 557	652.42 557	781.57 558	507.24 558	391.36 558	342.44 558	689.82 558	581.48 557

FADE		13.79 533		10.71 537	13.34 531							11.85 514				474.90 557	161.58 556	347.36 557	322.13 557	7.29 531

Low-res two-view benchmark