Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

FACV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-RUCA	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCMid	0.08 40	0.02 12	0.02 13	1.01 300	0.03 43	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 60	0.09 89	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 41	0.02 12	0.04 34	0.90 278	0.06 91	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 110	0.36 237	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 73	0.02 12	0.02 13	1.62 385	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.02 21	0.06 72	0.04 63	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 46

RYNet	0.02 14	0.02 12	0.02 13	0.03 28	0.03 43	0.03 39	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.03 47	0.03 36	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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

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

BEATNet_4x	0.11 73	0.03 30	0.03 31	1.60 383	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCL	0.11 73	0.03 30	0.03 31	1.60 383	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCRef	0.12 81	0.03 30	0.04 34	1.71 388	0.04 68	0.03 39	0.03 43	0.04 65	0.04 69	0.04 63	0.03 47	0.04 65	0.03 47	0.06 72	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.03 42	0.04 67

ADCPNet	0.10 52	0.03 30	0.04 34	1.27 372	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.08 88	0.04 63	0.04 35	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

GASNet	0.05 32	0.04 34	0.12 89	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.12 105	0.04 76	0.06 83	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet-RVC-Resample	0.12 81	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	1.57 421	0.04 35	0.04 36	0.04 62	0.05 80	0.04 65	0.06 86

FADNet_RVC	0.12 81	0.04 34	0.04 34	0.05 35	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.65 425	0.05 42	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet-RVC	0.13 86	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.05 78	0.04 60	1.71 428	0.04 35	0.04 36	0.04 62	0.04 66	0.07 87	0.04 67

AnyNet_C32	0.14 95	0.04 34	0.03 31	2.22 401	0.04 68	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.04 65	0.02 21	0.07 85	0.04 63	0.02 14	0.02 14	0.03 37	0.03 49	0.02 19	0.03 46

ADCP+	0.15 105	0.04 34	0.04 34	2.20 400	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.04 72	0.08 88	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

NVStereoNet_ROB	0.04 29	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-TNSev	0.02 14	0.05 41	0.04 34	0.07 38	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 46	0.04 36	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 41	0.05 41	0.04 34	0.05 35	0.04 68	0.05 75	0.90 335	0.06 79	0.04 69	0.05 77	0.04 76	0.05 77	0.04 72	0.05 68	0.04 63	0.05 42	0.04 36	0.05 72	0.04 66	0.05 77	0.05 81

EDNetEfficient	0.04 29	0.05 41	0.04 34	0.04 29	0.03 43	0.04 65	0.03 43	0.04 65	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.04 60	0.03 42	0.05 42	0.03 31	0.05 72	0.03 49	0.04 65	0.03 46

FADNet	0.12 81	0.05 41	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.66 426	0.06 46	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

EDNetEfficientorigin	0.04 29	0.06 45	0.04 34	0.05 35	0.04 68	0.05 75	0.04 68	0.05 75	0.04 69	0.05 77	0.04 76	0.05 77	0.04 72	0.05 68	0.04 63	0.05 42	0.03 31	0.06 78	0.03 49	0.04 65	0.03 46

FADE		0.06 45		0.09 44	0.10 101							0.05 77				0.15 112	0.10 63	0.17 128	0.13 135	0.11 103

GwcNet	0.12 81	0.07 47	0.05 47	0.08 40	0.05 83	0.08 87	1.20 361	0.07 87	0.05 82	0.05 77	0.05 84	0.08 89	0.05 78	0.08 88	0.03 42	0.07 48	0.05 46	0.06 78	0.05 80	0.07 87	0.05 81

AASNet	0.06 34	0.08 48	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 89	0.06 80	0.06 89	0.05 77	0.06 89	0.06 72	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

SACVNet	0.06 34	0.08 48	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 89	0.06 80	0.06 89	0.05 77	0.06 89	0.06 72	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

AACVNet	0.06 34	0.08 48	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 89	0.06 80	0.06 89	0.05 77	0.06 89	0.06 72	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

FINET	0.07 39	0.08 48	0.07 48	0.07 38	0.07 92	0.08 87	0.06 88	0.08 90	0.07 92	0.08 87	0.07 92	0.08 89	0.06 89	0.07 85	0.07 84	0.08 50	0.07 47	0.07 83	0.07 87	0.06 80	0.06 86

BEATNet-Init1	0.19 119	0.08 48	0.08 50	2.23 402	0.08 93	0.08 87	0.07 91	0.07 87	0.08 94	0.08 87	0.07 92	0.08 89	0.07 93	0.11 104	0.08 86	0.08 50	0.08 49	0.08 85	0.07 87	0.08 89	0.08 89

DeepPrunerF	0.19 119	0.08 48	0.08 50	2.23 402	0.08 93	0.08 87	0.07 91	0.07 87	0.08 94	0.08 87	0.07 92	0.08 89	0.07 93	0.11 104	0.08 86	0.08 50	0.08 49	0.08 85	0.07 87	0.08 89	0.08 89

Wz-Net-SNSev	0.03 28	0.09 54	0.07 48	0.09 44	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 56	0.07 47	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 41	0.09 54	0.10 59	0.09 44	0.09 95	0.09 91	0.09 93	0.10 92	0.08 94	0.10 91	0.09 95	0.09 93	0.09 96	0.09 91	0.08 86	0.09 56	0.08 49	0.09 90	0.08 91	0.09 92	0.08 89

AnonymousM	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

SuperB	0.21 128	0.10 56	2.51 434	0.12 71	0.09 95	0.10 92	0.09 93	0.08 90	0.07 92	0.10 91	0.09 95	0.09 93	0.07 93	0.07 85	0.07 84	0.07 48	0.08 49	0.07 83	0.07 87	0.08 89	0.07 88

PVD	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

SHD	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

SAMSARA	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

XQC	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

RTSC	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

RTS	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

RTSA	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

MADNet+	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

MADNet++	0.10 52	0.10 56	0.10 59	0.10 48	0.10 101	0.10 92	0.10 98	0.10 92	0.10 98	0.10 91	0.10 99	0.10 95	0.10 100	0.10 93	0.10 94	0.10 61	0.10 63	0.10 91	0.10 99	0.10 93	0.10 96

JetBlue	0.11 73	0.11 67	0.12 89	0.13 84	0.14 136	0.11 103	0.11 110	0.11 104	0.11 112	0.11 103	0.11 112	0.11 105	0.11 111	0.12 108	0.12 119	0.11 76	0.11 84	0.11 101	0.11 111	0.11 103	0.11 108

aanetorigin	0.13 86	0.11 67	0.11 78	0.11 65	0.11 116	0.11 103	0.11 110	0.11 104	0.11 112	0.11 103	0.12 122	0.11 105	0.11 111	0.11 104	0.11 105	0.11 76	0.11 84	0.14 108	0.11 111	0.49 255	0.11 108

JetRed	0.11 73	0.12 69	0.11 78	0.11 65	0.11 116	0.11 103	0.14 130	0.11 104	0.11 112	0.12 105	0.11 112	0.11 105	0.11 111	0.11 104	0.11 105	0.11 76	0.16 130	0.11 101	0.11 111	0.11 103	0.11 108

LRCNet_RVC	0.13 86	0.13 70	0.09 55	0.13 84	0.10 101	0.14 107	0.10 98	0.14 108	0.10 98	0.23 147	0.10 99	0.20 135	0.10 100	0.24 156	0.11 105	0.11 76	0.09 58	0.12 104	0.14 139	0.12 108	0.09 92

GMStereo	0.14 95	0.13 70	0.14 113	0.14 88	0.14 136	0.14 107	0.14 130	0.14 108	0.14 135	0.14 107	0.14 139	0.14 109	0.14 134	0.14 110	0.14 129	0.14 103	0.14 125	0.14 108	0.14 139	0.14 111	0.14 132
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 131	0.13 70	0.19 141	0.23 129	0.10 101	0.26 165	1.02 348	0.14 108	0.10 98	0.28 166	0.14 139	0.17 126	0.19 158	0.28 175	0.09 89	0.22 144	0.16 130	0.23 155	0.17 158	0.11 103	0.12 123

DRN-Test	0.14 95	0.13 70	0.09 55	0.14 88	0.09 95	0.15 113	0.09 93	0.14 108	0.10 98	0.14 107	0.09 95	0.14 109	0.09 96	0.13 109	0.09 89	0.12 81	0.09 58	0.12 104	0.09 93	0.12 108	0.73 317

StereoDRNet	0.15 105	0.14 74	0.10 59	0.14 88	0.09 95	0.15 113	0.09 93	0.14 108	0.09 97	0.14 107	0.10 99	0.14 109	0.09 96	0.14 110	0.09 89	0.13 97	0.10 63	0.13 107	0.09 93	0.13 110	0.82 328

testlalala2	0.13 86	0.16 75	0.11 78	0.15 97	0.11 116	0.16 120	0.11 110	0.16 120	0.11 112	0.16 117	0.11 112	0.16 119	0.11 111	0.16 119	0.11 105	0.14 103	0.11 84	0.14 108	0.11 111	0.14 111	0.11 108

GMStereo_Zeroshot	0.16 113	0.16 75	0.16 129	0.16 105	0.16 151	0.16 120	0.16 137	0.16 120	0.16 146	0.16 117	0.16 147	0.16 119	0.16 144	0.16 119	0.16 143	0.16 120	0.16 130	0.16 123	0.16 143	0.16 124	0.16 133

testlalala_base	0.13 86	0.16 75	0.11 78	0.15 97	0.11 116	0.15 113	0.11 110	0.16 120	0.11 112	0.16 117	0.11 112	0.16 119	0.11 111	0.16 119	0.11 105	0.14 103	0.11 84	0.14 108	0.11 111	0.14 111	0.11 108

HSM	0.14 95	0.16 75	0.12 89	0.17 111	0.12 131	0.17 125	0.11 110	0.17 125	0.11 112	0.17 123	0.12 122	0.17 126	0.12 127	0.17 125	0.12 119	0.16 120	0.11 84	0.16 123	0.11 111	0.16 124	0.12 123

ELAS_RVC	0.14 95	0.16 75	0.10 59	0.15 97	0.10 101	0.18 127	0.11 110	0.19 129	0.11 112	0.19 127	0.12 122	0.18 129	0.11 111	0.19 130	0.12 119	0.14 103	0.08 49	0.14 108	0.09 93	0.15 121	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 86	0.16 75	0.11 78	0.15 97	0.09 95	0.18 127	0.11 110	0.18 127	0.11 112	0.17 123	0.11 112	0.18 129	0.11 111	0.18 127	0.11 105	0.14 103	0.08 49	0.14 108	0.08 91	0.14 111	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 105	0.17 81	0.13 108	0.20 117	0.13 134	0.19 130	0.13 128	0.18 127	0.13 133	0.19 127	0.13 134	0.18 129	0.14 134	0.18 127	0.14 129	0.16 120	0.11 84	0.15 121	0.14 139	0.18 131	0.11 108

SGM_RVC	0.15 105	0.17 81	0.11 78	0.18 112	0.11 116	0.19 130	0.11 110	0.19 129	0.12 130	0.19 127	0.12 122	0.20 135	0.12 127	0.19 130	0.12 119	0.16 120	0.11 84	0.17 128	0.10 99	0.17 127	0.10 96
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 113	0.18 83	0.13 108	0.19 115	0.13 134	0.19 130	0.13 128	0.19 129	0.13 133	0.19 127	0.13 134	0.19 133	0.13 131	0.19 130	0.13 125	0.18 133	0.13 122	0.18 137	0.13 135	0.18 131	0.13 129

IGEV_Zeroshot_test	0.20 121	0.19 84	0.40 225	0.30 150	0.17 152	0.22 144	0.17 138	0.21 139	0.17 148	0.20 132	0.17 149	0.21 143	0.18 153	0.21 144	0.17 144	0.20 136	0.16 130	0.20 141	0.16 143	0.20 136	0.17 141

ACVNet	0.20 121	0.19 84	0.14 113	0.20 117	0.14 136	0.20 134	0.96 342	0.21 139	0.14 135	0.20 132	0.13 134	0.21 143	0.14 134	0.20 134	0.14 129	0.17 125	0.12 98	0.17 128	0.12 127	0.17 127	0.12 123

acv_ft	0.20 121	0.19 84	0.14 113	0.20 117	0.14 136	0.20 134	0.96 342	0.21 139	0.14 135	0.20 132	0.13 134	0.21 143	0.14 134	0.20 134	0.14 129	0.17 125	0.12 98	0.17 128	0.12 127	0.17 127	0.12 123

LALA_ROB	0.15 105	0.19 84	0.12 89	0.18 112	0.11 116	0.20 134	0.12 125	0.21 139	0.12 130	0.20 132	0.12 122	0.20 135	0.12 127	0.21 144	0.13 125	0.17 125	0.10 63	0.18 137	0.11 111	0.18 131	0.11 108

model_zeroshot	0.27 147	0.20 88	0.27 170	0.33 160	0.21 171	0.37 200	0.22 161	0.37 191	0.24 171	0.26 163	0.27 196	0.33 185	0.21 167	0.25 161	0.27 185	0.32 183	0.20 152	0.34 197	0.23 172	0.25 153	0.26 173

ProNet	0.14 95	0.20 88	0.14 113	0.16 105	0.11 116	0.16 120	0.11 110	0.17 125	0.11 112	0.17 123	0.12 122	0.17 126	0.13 131	0.17 125	0.12 119	0.15 112	0.11 84	0.16 123	0.11 111	0.15 121	0.12 123

DAS	0.20 121	0.20 88	0.20 144	0.20 117	0.20 164	0.20 134	0.20 150	0.20 133	0.20 158	0.20 132	0.20 163	0.20 135	0.20 162	0.20 134	0.20 158	0.20 136	0.20 152	0.20 141	0.20 162	0.20 136	0.20 148

IPLG	0.13 86	0.20 88	0.14 113	0.15 97	0.11 116	0.14 107	0.11 110	0.14 108	0.11 112	0.14 107	0.11 112	0.14 109	0.11 111	0.14 110	0.11 105	0.15 112	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

IPLGR_C	0.14 95	0.20 88	0.12 89	0.15 97	0.11 116	0.14 107	0.15 134	0.14 108	0.11 112	0.15 113	0.12 122	0.14 109	0.11 111	0.16 119	0.11 105	0.15 112	0.12 98	0.14 108	0.12 127	0.15 121	0.12 123

ASD4	0.20 121	0.20 88	0.20 144	0.20 117	0.20 164	0.20 134	0.20 150	0.20 133	0.20 158	0.20 132	0.20 163	0.20 135	0.20 162	0.20 134	0.20 158	0.20 136	0.20 152	0.20 141	0.20 162	0.20 136	0.20 148

MSKI-zero shot	0.24 137	0.21 94	0.49 259	0.65 252	0.18 158	0.22 144	0.17 138	0.23 146	0.18 150	0.21 141	0.17 149	0.23 151	0.28 203	0.23 152	0.18 152	0.21 141	0.16 130	0.21 144	0.16 143	0.21 140	0.16 133

CIPLG	0.13 86	0.21 94	0.12 89	0.16 105	0.11 116	0.15 113	0.11 110	0.14 108	0.11 112	0.15 113	0.12 122	0.15 118	0.11 111	0.14 110	0.11 105	0.15 112	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

MIPNet	0.14 95	0.21 94	0.17 133	0.16 105	0.11 116	0.15 113	0.12 125	0.14 108	0.11 112	0.16 117	0.11 112	0.14 109	0.11 111	0.14 110	0.11 105	0.14 103	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

ACRE	0.13 86	0.21 94	0.14 113	0.15 97	0.11 116	0.14 107	0.11 110	0.14 108	0.11 112	0.14 107	0.12 122	0.14 109	0.11 111	0.14 110	0.11 105	0.15 112	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

Pointernet	0.21 128	0.22 98	0.19 141	0.24 134	0.19 162	0.24 151	0.19 147	0.24 149	0.19 156	0.24 152	0.19 160	0.24 155	0.19 158	0.24 156	0.19 155	0.22 144	0.17 143	0.22 149	0.17 158	0.22 142	0.17 141

test_for_model	0.15 105	0.23 99	0.18 138	0.21 126	0.11 116	0.16 120	0.11 110	0.16 120	0.11 112	0.16 117	0.11 112	0.16 119	0.11 111	0.16 119	0.11 105	0.21 141	0.18 149	0.14 108	0.11 111	0.14 111	0.11 108

WAO-6	0.22 131	0.23 99	0.22 150	0.23 129	0.22 173	0.22 144	0.22 161	0.22 143	0.22 163	0.22 143	0.22 169	0.22 148	0.22 168	0.22 148	0.22 163	0.22 144	0.22 159	0.22 149	0.22 167	0.22 142	0.22 154

IMH-64-1	0.22 131	0.23 99	0.23 153	0.22 127	0.22 173	0.22 144	0.22 161	0.22 143	0.22 163	0.22 143	0.22 169	0.22 148	0.22 168	0.22 148	0.22 163	0.22 144	0.22 159	0.23 155	0.22 167	0.22 142	0.23 156

IMH-64	0.22 131	0.23 99	0.23 153	0.22 127	0.22 173	0.22 144	0.22 161	0.22 143	0.22 163	0.22 143	0.22 169	0.22 148	0.22 168	0.22 148	0.22 163	0.22 144	0.22 159	0.23 155	0.22 167	0.22 142	0.23 156

MIM_Stereo	0.25 138	0.23 99	0.66 284	0.80 267	0.17 152	0.22 144	0.17 138	0.23 146	0.18 150	0.26 163	0.17 149	0.21 143	0.17 146	0.25 161	0.17 144	0.23 155	0.16 130	0.21 144	0.17 158	0.22 142	0.17 141

iResNetv2_ROB	0.20 121	0.23 99	0.18 138	0.24 134	0.20 164	0.24 151	0.18 144	0.24 149	0.18 150	0.24 152	0.18 159	0.23 151	0.19 158	0.24 156	0.18 152	0.21 141	0.16 130	0.21 144	0.16 143	0.22 142	0.16 133

iResNet	0.20 121	0.23 99	0.18 138	0.24 134	0.18 158	0.24 151	0.20 150	0.24 149	0.18 150	0.23 147	0.17 149	0.23 151	0.18 153	0.23 152	0.18 152	0.22 144	0.16 130	0.21 144	0.16 143	0.21 140	0.16 133

Wz-Net-LNSev	0.06 34	0.24 106	0.20 144	0.23 129	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 155	0.21 155	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 95	0.24 106	0.14 113	0.16 105	0.12 131	0.15 113	0.12 125	0.14 108	0.11 112	0.15 113	0.12 122	0.14 109	0.11 111	0.14 110	0.11 105	0.15 112	0.12 98	0.14 108	0.11 111	0.14 111	0.11 108

tg	0.21 128	0.25 108	0.21 148	0.26 145	0.17 152	0.24 151	0.17 138	0.24 149	0.17 148	0.24 152	0.17 149	0.24 155	0.17 146	0.24 156	0.17 144	0.24 160	0.17 143	0.23 155	0.16 143	0.23 151	0.16 133

UNDER WATER-64	0.25 138	0.26 109	0.25 163	0.26 145	0.25 185	0.25 158	0.25 176	0.25 155	0.25 176	0.25 156	0.25 185	0.25 160	0.25 179	0.26 171	0.25 179	0.25 165	0.25 166	0.25 162	0.25 185	0.25 153	0.25 167

CAS++	0.17 116	0.27 110	0.21 148	0.10 48	0.21 171	0.15 113	0.22 161	0.10 92	0.21 161	0.22 143	0.10 99	0.19 133	0.18 153	0.10 93	0.19 155	0.20 136	0.19 150	0.18 137	0.10 99	0.19 135	0.18 145
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
TorneroNet-64	0.45 223	0.27 110	0.30 180	0.58 245	0.27 196	0.70 302	0.30 205	0.28 162	0.73 325	0.73 303	0.28 203	0.71 303	0.66 306	0.75 306	0.27 185	0.27 169	0.29 189	0.37 218	0.75 328	0.28 160	0.30 209

LoS	0.25 138	0.27 110	0.25 163	0.25 138	0.25 185	0.25 158	0.25 176	0.26 159	0.25 176	0.25 156	0.25 185	0.25 160	0.25 179	0.25 161	0.25 179	0.26 166	0.25 166	0.25 162	0.26 192	0.26 155	0.25 167
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DLNR_Zeroshot_test	0.31 157	0.28 113	0.47 251	0.79 265	0.24 183	0.30 172	0.26 184	0.30 168	0.24 171	0.32 177	0.23 173	0.31 181	0.24 176	0.30 180	0.23 169	0.29 178	0.26 170	0.29 176	0.24 180	0.33 176	0.23 156

SQANet	0.28 148	0.28 113	0.28 174	0.28 148	0.28 200	0.28 169	0.28 194	0.28 162	0.28 198	0.28 166	0.28 203	0.28 171	0.28 203	0.28 175	0.28 192	0.28 171	0.28 180	0.28 171	0.28 203	0.28 160	0.28 195

HGLStereo	0.28 148	0.29 115	0.22 150	0.36 167	0.22 173	0.36 195	0.21 156	0.36 185	0.21 161	0.42 232	0.21 168	0.36 198	0.22 168	0.36 199	0.21 161	0.34 188	0.21 155	0.34 197	0.21 164	0.34 180	0.21 151

DANet	0.30 152	0.30 116	0.30 180	0.30 150	0.30 215	0.30 172	0.30 205	0.30 168	0.30 212	0.30 170	0.30 217	0.30 179	0.30 215	0.30 180	0.30 208	0.30 179	0.30 197	0.30 178	0.30 221	0.30 166	0.30 209
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 386	0.31 117	4.99 459	5.93 452	0.20 164	0.25 158	0.20 150	0.25 155	0.20 158	0.23 147	0.19 160	0.25 160	0.20 162	0.25 161	0.20 158	5.66 460	4.76 452	0.26 165	0.30 221	0.24 152	0.27 182

gcap-zeroshot	0.35 176	0.32 118	0.37 213	0.49 227	0.39 260	0.33 186	0.21 156	0.26 159	0.35 232	0.42 232	0.34 232	0.49 265	0.29 209	0.47 255	0.39 251	0.34 188	0.17 143	0.38 225	0.23 172	0.48 251	0.34 227

iResNet_ROB	0.28 148	0.32 118	0.24 159	0.32 156	0.25 185	0.32 183	0.24 173	0.32 171	0.24 171	0.33 181	0.24 179	0.35 191	0.24 176	0.33 188	0.24 173	0.31 182	0.24 165	0.32 182	0.24 180	0.32 170	0.24 166

H2IRNET	0.34 170	0.34 120	0.34 203	0.34 162	0.34 238	0.34 188	0.34 227	0.34 178	0.34 229	0.34 183	0.34 232	0.34 190	0.34 230	0.34 190	0.34 231	0.34 188	0.34 210	0.34 197	0.34 239	0.34 180	0.34 227

MLCV	0.31 157	0.35 121	0.27 170	0.35 163	0.28 200	0.35 192	0.27 187	0.35 181	0.28 198	0.36 191	0.27 196	0.35 191	0.27 196	0.35 192	0.27 185	0.34 188	0.27 175	0.34 197	0.27 199	0.34 180	0.27 182

ETE_ROB	0.35 176	0.35 121	0.35 210	0.35 163	0.35 241	0.35 192	0.35 231	0.35 181	0.35 232	0.35 187	0.35 239	0.35 191	0.35 235	0.35 192	0.35 233	0.35 197	0.35 211	0.35 210	0.35 243	0.35 192	0.35 231

DN-CSS_ROB	0.31 157	0.35 121	0.28 174	0.35 163	0.28 200	0.34 188	0.27 187	0.34 178	0.25 176	0.35 187	0.27 196	0.36 198	0.26 188	0.34 190	0.28 192	0.35 197	0.28 180	0.34 197	0.28 203	0.34 180	0.27 182

RSM	0.36 180	0.36 124	0.43 239	0.37 170	0.42 276	0.49 268	0.42 266	0.37 191	0.28 198	0.36 191	0.29 206	0.36 198	0.30 215	0.37 203	0.28 192	0.34 188	0.31 201	0.34 197	0.35 243	0.40 221	0.29 200

Any-RAFT	0.32 165	0.36 124	0.27 170	0.36 167	0.27 196	0.36 195	0.27 187	0.36 185	0.27 194	0.36 191	0.27 196	0.36 198	0.27 196	0.36 199	0.28 192	0.36 201	0.28 180	0.36 215	0.28 203	0.36 198	0.28 195

RAFT-Test	0.36 180	0.37 126	0.33 195	0.41 201	0.32 221	0.41 228	0.32 210	0.41 220	0.32 218	0.41 220	0.32 221	0.41 229	0.32 221	0.41 230	0.33 218	0.37 205	0.29 189	0.37 218	0.29 212	0.38 210	0.31 214

XPNet_ROB	0.37 185	0.37 126	0.37 213	0.37 170	0.37 250	0.37 200	0.37 243	0.37 191	0.37 243	0.37 196	0.37 248	0.37 204	0.37 242	0.37 203	0.37 245	0.37 205	0.37 215	0.37 218	0.37 251	0.37 201	0.37 236

WAO-8	0.38 191	0.38 128	0.38 216	0.38 173	0.38 255	0.38 204	0.38 248	0.38 196	0.38 245	0.38 197	0.38 253	0.38 206	0.38 244	0.38 205	0.38 246	0.38 212	0.38 221	0.38 225	0.37 251	0.38 210	0.38 240

WAO-7	0.38 191	0.38 128	0.38 216	0.38 173	0.38 255	0.38 204	0.38 248	0.38 196	0.38 245	0.38 197	0.38 253	0.38 206	0.38 244	0.38 205	0.38 246	0.38 212	0.38 221	0.38 225	0.38 260	0.38 210	0.38 240

HanzoNet	0.39 197	0.38 128	0.40 225	0.39 178	0.41 267	0.38 204	0.38 248	0.38 196	0.38 245	0.39 203	0.39 257	0.38 206	0.38 244	0.39 213	0.40 254	0.38 212	0.38 221	0.40 239	0.38 260	0.38 210	0.40 247

Venus	0.38 191	0.38 128	0.38 216	0.38 173	0.38 255	0.37 200	0.38 248	0.37 191	0.37 243	0.41 220	0.37 248	0.39 211	0.37 242	0.38 205	0.38 246	0.37 205	0.38 221	0.38 225	0.37 251	0.37 201	0.38 240

IMH	0.38 191	0.38 128	0.38 216	0.38 173	0.38 255	0.38 204	0.38 248	0.38 196	0.38 245	0.42 232	0.38 253	0.40 217	0.38 244	0.38 205	0.38 246	0.38 212	0.38 221	0.39 235	0.38 260	0.38 210	0.38 240

DMCA	0.36 180	0.38 128	0.37 213	0.35 163	0.35 241	0.36 195	0.36 238	0.36 185	0.35 232	0.35 187	0.37 248	0.36 198	0.36 238	0.35 192	0.36 237	0.36 201	0.36 213	0.35 210	0.36 249	0.36 198	0.36 232

StereoDRNet-Refined	0.33 168	0.39 134	0.26 169	0.39 178	0.26 194	0.40 212	0.26 184	0.40 205	0.26 189	0.39 203	0.26 191	0.39 211	0.26 188	0.39 213	0.26 184	0.37 205	0.25 166	0.37 218	0.25 185	0.37 201	0.37 236
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 334	0.39 134	5.28 462	0.39 178	0.20 164	0.39 211	0.27 187	0.39 200	0.22 163	0.38 197	0.20 163	0.38 206	0.20 162	6.95 472	0.22 163	0.30 179	0.21 155	0.27 169	0.21 164	5.25 454	0.21 151

EKT-Stereo	0.37 185	0.40 136	0.44 241	1.07 304	0.29 206	0.34 188	0.31 209	0.36 185	0.29 202	0.38 197	0.31 220	0.37 204	0.30 215	0.36 199	0.29 201	0.34 188	0.28 180	0.39 235	0.30 221	0.37 201	0.30 209

knoymous	0.40 201	0.40 136	0.40 225	0.40 191	0.40 261	0.40 212	0.40 254	0.40 205	0.40 253	0.40 207	0.40 258	0.40 217	0.40 249	0.40 216	0.40 254	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 247

anonymousa	0.40 201	0.40 136	0.40 225	0.40 191	0.40 261	0.40 212	0.40 254	0.40 205	0.40 253	0.40 207	0.40 258	0.40 217	0.40 249	0.40 216	0.40 254	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 247

riskmin	0.40 201	0.40 136	0.40 225	0.40 191	0.40 261	0.40 212	0.40 254	0.40 205	0.40 253	0.40 207	0.40 258	0.40 217	0.40 249	0.40 216	0.40 254	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 247

Anonymous_2	0.40 201	0.40 136	0.40 225	0.40 191	0.40 261	0.40 212	0.40 254	0.40 205	0.40 253	0.40 207	0.40 258	0.40 217	0.40 249	0.40 216	0.40 254	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 247

Anonymous_1	0.40 201	0.40 136	0.40 225	0.40 191	0.40 261	0.40 212	0.40 254	0.40 205	0.40 253	0.40 207	0.40 258	0.40 217	0.40 249	0.40 216	0.40 254	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 247

AdaStereo	0.40 201	0.40 136	0.40 225	0.40 191	0.40 261	0.40 212	0.40 254	0.40 205	0.40 253	0.40 207	0.40 258	0.40 217	0.40 249	0.40 216	0.40 254	0.40 225	0.40 231	0.40 239	0.40 264	0.40 221	0.40 247
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.
iRaft-Stereo_20w	0.34 170	0.41 143	0.31 186	0.39 178	0.29 206	0.40 212	0.32 210	0.41 220	0.32 218	0.38 197	0.30 217	0.39 211	0.30 215	0.38 205	0.32 213	0.35 197	0.27 175	0.34 197	0.27 199	0.34 180	0.29 200

GwcNet-ADL	0.41 209	0.41 143	0.41 233	0.41 201	0.41 267	0.41 228	0.41 261	0.41 220	0.41 262	0.41 220	0.41 264	0.41 229	0.41 260	0.41 230	0.41 261	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 254

PSMNet-ADL	0.41 209	0.41 143	0.41 233	0.41 201	0.41 267	0.41 228	0.41 261	0.41 220	0.41 262	0.41 220	0.41 264	0.41 229	0.41 260	0.41 230	0.41 261	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 254

GANet-ADL	0.41 209	0.41 143	0.41 233	0.41 201	0.41 267	0.41 228	0.41 261	0.41 220	0.41 262	0.41 220	0.41 264	0.41 229	0.41 260	0.41 230	0.41 261	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 254

ADLNet2	0.41 209	0.41 143	0.41 233	0.41 201	0.41 267	0.41 228	0.41 261	0.41 220	0.41 262	0.41 220	0.41 264	0.41 229	0.41 260	0.41 230	0.41 261	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 254

ADLNet	0.41 209	0.41 143	0.41 233	0.41 201	0.41 267	0.41 228	0.41 261	0.41 220	0.41 262	0.41 220	0.41 264	0.41 229	0.41 260	0.41 230	0.41 261	0.41 232	0.41 240	0.41 251	0.41 271	0.41 230	0.41 254

DGSMNet	0.34 170	0.41 143	0.27 170	0.41 201	0.28 200	0.41 228	0.28 194	0.41 220	0.27 194	0.41 220	0.27 196	0.42 245	0.27 196	0.41 230	0.28 192	0.40 225	0.29 189	0.40 239	0.28 203	0.40 221	0.27 182

iRaft-Stereo_5w	0.34 170	0.42 150	0.31 186	0.39 178	0.30 215	0.38 204	0.30 205	0.40 205	0.29 202	0.40 207	0.37 248	0.41 229	0.34 230	0.38 205	0.30 208	0.34 188	0.27 175	0.34 197	0.26 192	0.34 180	0.26 173

fffy	0.38 191	0.43 151	0.33 195	0.46 213	0.33 231	0.45 252	0.32 210	0.45 242	0.32 218	0.45 242	0.32 221	0.45 250	0.33 226	0.45 249	0.32 213	0.38 212	0.38 221	0.38 225	0.37 251	0.37 201	0.36 232

IGEV++	0.34 170	0.43 151	0.30 180	0.40 191	0.29 206	0.40 212	0.29 200	0.40 205	0.29 202	0.40 207	0.29 206	0.40 217	0.29 209	0.40 216	0.30 208	0.38 212	0.29 189	0.37 218	0.29 212	0.37 201	0.29 200

ccccc	0.41 209	0.44 153	0.34 203	0.48 222	0.35 241	0.48 265	0.35 231	0.51 270	0.35 232	0.47 249	0.35 239	0.47 257	0.34 230	0.47 255	0.35 233	0.41 232	0.40 231	0.40 239	0.40 264	0.41 230	0.39 244

Wz-Net-LNSev-Ref	0.11 73	0.44 153	0.33 195	0.39 178	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 221	0.36 213	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 176	0.44 153	0.45 243	0.49 227	0.30 215	0.37 200	0.30 205	0.36 185	0.30 212	0.36 191	0.29 206	0.36 198	0.29 209	0.36 199	0.30 208	0.46 249	0.39 228	0.32 182	0.24 180	0.32 170	0.25 167
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
mms	0.40 201	0.45 156	0.35 210	0.48 222	0.36 247	0.47 260	0.34 227	0.45 242	0.38 245	0.47 249	0.33 225	0.45 250	0.32 221	0.45 249	0.32 213	0.39 221	0.38 221	0.38 225	0.37 251	0.39 217	0.39 244

GMOStereo	0.37 185	0.45 156	0.23 153	0.30 150	0.37 250	0.41 228	0.36 238	0.41 220	0.35 232	0.43 238	0.36 243	0.41 229	0.40 249	0.41 230	0.36 237	0.34 188	0.22 159	0.47 271	0.37 251	0.39 217	0.33 221

RAFT + AFF	0.31 157	0.45 156	0.34 203	0.39 178	0.28 200	0.38 204	0.33 218	0.29 166	0.31 215	0.30 170	0.30 217	0.29 176	0.27 196	0.29 178	0.30 208	0.28 171	0.29 189	0.29 176	0.29 212	0.27 158	0.32 218

otaku	0.46 225	0.46 159	0.46 246	0.46 213	0.46 282	0.46 256	0.46 273	0.46 244	0.46 271	0.46 244	0.46 279	0.46 252	0.46 270	0.46 251	0.46 273	0.46 249	0.46 249	0.46 267	0.46 283	0.46 241	0.46 267

Dean	0.46 225	0.46 159	0.46 246	0.46 213	0.46 282	0.46 256	0.46 273	0.46 244	0.46 271	0.47 249	0.46 279	0.46 252	0.46 270	0.46 251	0.46 273	0.46 249	0.46 249	0.46 267	0.46 283	0.46 241	0.46 267

ACVNet-4b	0.46 225	0.46 159	0.46 246	0.46 213	0.46 282	0.46 256	0.46 273	0.46 244	0.46 271	0.46 244	0.46 279	0.46 252	0.46 270	0.47 255	0.46 273	0.46 249	0.46 249	0.46 267	0.46 283	0.46 241	0.46 267

psmorigin	0.41 209	0.46 159	0.33 195	0.49 227	0.33 231	0.49 268	0.33 218	0.49 255	0.33 222	0.49 260	0.33 225	0.49 265	0.33 226	0.51 277	0.33 218	0.41 232	0.30 197	0.41 251	0.30 221	0.79 289	0.29 200

Ntro	0.47 230	0.47 163	0.46 246	0.46 213	0.46 282	0.47 260	0.47 278	0.46 244	0.47 276	0.46 244	0.46 279	0.47 257	0.46 270	0.47 255	0.47 279	0.47 254	0.46 249	0.46 267	0.46 283	0.46 241	0.46 267

HaxPig	0.47 230	0.47 163	0.47 251	0.49 227	0.47 288	0.47 260	0.47 278	0.47 249	0.47 276	0.47 249	0.47 286	0.47 257	0.47 278	0.47 255	0.47 279	0.47 254	0.47 255	0.47 271	0.47 289	0.47 248	0.48 275

UNDER WATER	0.47 230	0.47 163	0.47 251	0.47 219	0.47 288	0.47 260	0.47 278	0.47 249	0.47 276	0.47 249	0.47 286	0.47 257	0.46 270	0.47 255	0.47 279	0.47 254	0.47 255	0.47 271	0.46 283	0.47 248	0.47 273

LVE	0.47 230	0.47 163	0.47 251	0.47 219	0.49 292	0.47 260	0.47 278	0.47 249	0.49 284	0.47 249	0.47 286	0.47 257	0.46 270	0.47 255	0.47 279	0.47 254	0.47 255	0.48 279	0.47 289	0.47 248	0.47 273

ACVNet_1	0.46 225	0.47 163	0.46 246	0.46 213	0.46 282	0.46 256	0.46 273	0.46 244	0.47 276	0.46 244	0.46 279	0.46 252	0.46 270	0.46 251	0.46 273	0.46 249	0.46 249	0.47 271	0.46 283	0.46 241	0.46 267

CES	0.39 197	0.47 163	0.36 212	0.36 167	0.37 250	0.45 252	0.35 231	0.35 181	0.40 253	0.36 191	0.44 275	0.47 257	0.36 238	0.44 246	0.36 237	0.37 205	0.39 228	0.44 262	0.35 243	0.37 201	0.36 232

RainbowNet	0.48 234	0.48 169	0.48 255	0.48 222	0.48 290	0.48 265	0.48 285	0.48 253	0.48 282	0.48 255	0.48 289	0.48 263	0.48 279	0.48 262	0.48 284	0.48 258	0.48 258	0.48 279	0.48 291	0.48 251	0.48 275

xy-stereo	0.36 180	0.49 170	0.39 222	0.48 222	0.32 221	0.41 228	0.28 194	0.40 205	0.30 212	0.41 220	0.28 203	0.40 217	0.28 203	0.42 242	0.28 192	0.45 248	0.32 203	0.38 225	0.30 221	0.37 201	0.27 182

notaker	0.48 234	0.49 170	0.48 255	0.48 222	0.48 290	0.48 265	0.48 285	0.48 253	0.49 284	0.48 255	0.48 289	0.48 263	0.48 279	0.48 262	0.48 284	0.48 258	0.48 258	0.48 279	0.48 291	0.48 251	0.49 278

ACVNet_2	0.49 238	0.49 170	0.49 259	0.49 227	0.49 292	0.49 268	0.49 287	0.49 255	0.49 284	0.49 260	0.49 292	0.49 265	0.49 283	0.49 268	0.49 286	0.49 261	0.49 260	0.49 283	0.49 293	0.49 255	0.49 278

dual_stereo	0.50 240	0.50 173	0.50 261	0.50 234	0.50 295	0.50 276	0.50 289	0.50 263	0.50 287	0.50 272	0.50 294	0.50 279	0.50 286	0.50 273	0.50 287	0.50 267	0.50 265	0.50 286	0.50 295	0.50 259	0.50 281

KSHMR	0.66 258	0.50 173	0.48 255	1.15 314	0.52 299	0.49 268	0.51 291	0.49 255	0.71 321	0.67 297	0.50 294	1.16 354	1.11 344	0.66 296	0.52 292	0.49 261	0.49 260	0.51 289	0.66 314	0.50 259	1.14 356

WZ-Net	0.05 32	0.50 173	0.10 59	0.12 71	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.10 63	0.01 9	0.01 9	0.01 9	0.01 9

SANet	0.50 240	0.50 173	0.50 261	0.50 234	0.50 295	0.50 276	0.50 289	0.50 263	0.50 287	0.50 272	0.50 294	0.50 279	0.50 286	0.50 273	0.50 287	0.50 267	0.50 265	0.50 286	0.50 295	0.50 259	0.50 281

fffft	0.48 234	0.51 177	0.45 243	0.52 238	0.45 280	0.52 283	0.45 271	0.52 272	0.48 282	0.53 279	0.45 277	0.52 283	0.45 268	0.52 280	0.46 273	0.51 269	0.41 240	0.50 286	0.41 271	0.50 259	0.41 254
1: 1. 1
CASnet	0.35 176	0.51 177	0.44 241	0.32 156	0.31 219	0.24 151	0.34 227	0.36 185	0.25 176	0.31 172	0.37 248	0.30 179	0.33 226	0.25 161	0.45 269	0.37 205	0.37 215	0.33 190	0.35 243	0.34 180	0.37 236
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Occ-G	1.12 335	0.52 179	3.72 454	3.50 423	0.50 295	0.56 288	0.47 278	0.54 274	0.46 271	0.54 281	0.41 264	0.54 285	0.42 265	0.52 280	0.42 266	3.42 432	4.02 448	0.52 291	0.45 281	0.51 263	0.44 264

AEACV	1.12 335	0.52 179	3.12 448	3.24 419	0.86 341	0.53 284	0.49 287	0.60 283	0.47 276	0.53 279	0.49 292	0.55 289	0.45 268	0.55 285	0.47 279	3.01 428	3.88 446	0.71 308	0.60 306	0.80 292	0.48 275

ktn	0.72 272	0.53 181	1.08 331	1.14 312	0.51 298	1.22 398	1.36 415	0.51 270	0.59 298	0.51 274	0.51 298	0.69 302	1.20 355	0.67 298	0.51 290	0.51 269	0.49 260	0.58 295	0.66 314	0.52 264	0.53 285

TorneroNet	0.66 258	0.53 181	0.50 261	0.50 234	0.64 316	1.06 337	0.70 315	0.50 263	0.51 292	0.49 260	0.69 322	0.49 265	0.50 286	0.48 262	1.15 356	0.71 292	0.49 260	1.14 351	1.08 352	0.49 255	0.49 278

ICVP	0.15 105	0.53 181	0.11 78	0.16 105	0.11 116	0.16 120	0.11 110	0.16 120	0.11 112	0.16 117	0.11 112	0.16 119	0.11 111	0.16 119	0.11 105	0.16 120	0.11 84	0.16 123	0.11 111	0.16 124	0.11 108
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 34	0.54 184	0.10 59	0.12 71	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.11 84	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 247	0.54 184	0.54 268	0.54 241	0.53 302	0.54 286	0.54 294	0.53 273	0.54 294	0.54 281	0.54 301	0.54 285	0.53 291	0.54 282	0.54 294	0.54 273	0.53 269	0.54 293	0.54 297	0.54 267	0.54 286

Selective-IGEV	0.51 243	0.55 186	0.45 243	0.69 255	0.45 280	0.61 295	0.45 271	0.50 263	0.40 253	0.56 286	0.44 275	0.55 289	0.40 249	0.72 302	0.67 309	0.59 276	0.46 249	0.45 264	0.34 239	0.46 241	0.37 236

FCDSN-DC	0.41 209	0.59 187	0.64 280	0.54 241	0.33 231	0.50 276	0.37 243	0.42 236	0.40 253	0.61 291	0.43 273	0.50 279	0.49 283	0.38 205	0.32 213	0.28 171	0.23 163	0.26 165	0.22 167	0.35 192	0.28 195
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispNO	1.00 322	0.63 188	0.43 239	3.45 422	0.44 279	0.65 299	0.43 268	0.64 286	0.43 267	0.64 294	0.43 273	0.64 297	3.03 435	0.64 294	0.43 268	4.55 440	0.43 246	0.63 299	0.43 279	0.63 270	0.43 261

LMCR-Stereo	0.65 256	0.63 188	0.65 283	0.65 252	0.65 319	0.66 300	0.63 301	0.58 280	0.65 308	0.63 293	0.64 312	0.65 300	0.65 303	0.66 296	0.66 308	0.66 285	0.64 285	0.65 302	0.67 317	0.68 274	0.73 317

AIO-Stereo	0.84 302	0.66 190	0.70 290	0.83 271	0.67 323	0.98 329	0.82 331	1.14 334	0.72 322	1.03 336	0.74 331	1.03 342	1.09 343	0.99 334	0.45 269	1.04 325	0.73 299	0.95 338	0.74 327	0.94 312	0.46 267

anonymity	0.63 253	0.69 191	0.56 269	0.71 259	0.56 304	0.71 304	0.56 295	0.71 294	0.56 295	0.72 301	0.56 303	0.71 303	0.56 294	0.71 301	0.58 298	0.68 287	0.55 270	0.68 304	0.55 298	0.68 274	0.54 286

CoDeX	0.15 105	0.70 192	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 309	0.02 14	0.69 292	0.75 311	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 267	0.72 193	0.71 294	0.80 267	0.62 315	0.82 314	0.61 299	0.81 304	0.62 303	0.81 314	0.63 310	0.80 316	0.70 312	0.73 303	0.61 302	0.76 296	0.61 280	0.74 310	0.61 308	0.77 286	0.61 296

DSFCA	0.66 258	0.73 194	0.78 304	0.65 252	0.65 319	0.64 298	0.64 302	0.65 287	0.63 305	0.64 294	0.64 312	0.64 297	0.64 300	0.65 295	0.65 305	0.65 284	0.65 286	0.65 302	0.65 311	0.66 272	0.64 302

SMoEStereo_RVC	0.63 253	0.75 195	0.51 264	0.73 261	0.53 302	0.71 304	0.47 278	0.67 289	0.58 297	0.74 307	0.60 305	0.72 306	0.53 291	0.74 305	0.51 290	0.61 280	0.62 282	0.62 297	0.61 308	0.63 270	0.61 296

GCAP-BAT	0.33 168	0.78 196	0.32 190	0.38 173	0.25 185	0.34 188	0.25 176	0.34 178	0.26 189	0.34 183	0.25 185	0.35 191	0.26 188	0.35 192	0.27 185	0.36 201	0.30 197	0.32 182	0.24 180	0.32 170	0.26 173

SFCPSM	0.17 116	0.78 196	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 327	0.02 14	0.75 302	0.76 313	0.02 20	0.02 19	0.02 19

G-Net	0.79 284	0.79 198	0.79 307	0.79 265	0.79 337	0.79 311	0.79 325	0.79 299	0.79 331	0.79 311	0.79 335	0.79 315	0.79 324	0.79 308	0.79 327	0.79 298	0.79 306	0.79 316	0.79 332	0.79 289	0.79 324

DMCA-RVC	0.70 267	0.80 199	0.70 290	0.70 257	0.70 328	0.70 302	0.70 315	0.71 294	0.70 318	0.70 300	0.71 326	0.71 303	0.70 312	0.70 300	0.69 317	0.69 288	0.70 293	0.69 305	0.70 322	0.69 278	0.70 310

NaN_ROB	0.80 286	0.80 199	0.80 308	0.80 267	0.80 339	0.80 312	0.80 328	0.80 301	0.80 332	0.80 312	0.80 336	0.80 316	0.80 325	0.80 310	0.80 329	0.80 299	0.80 309	0.80 319	0.80 334	0.80 292	0.80 325

CSAN	0.80 286	0.80 199	0.80 308	0.80 267	0.80 339	0.80 312	0.80 328	0.80 301	0.80 332	0.80 312	0.80 336	0.80 316	0.80 325	0.80 310	0.80 329	0.80 299	0.80 309	0.80 319	0.80 334	0.80 292	0.80 325

testlalala	0.32 165	0.81 202	0.31 186	0.39 178	0.26 194	0.33 186	0.24 173	0.33 174	0.26 189	0.32 177	0.26 191	0.33 185	0.23 173	0.33 188	0.23 169	0.35 197	0.31 201	0.30 178	0.24 180	0.31 169	0.21 151

ARAFT	0.68 263	0.81 202	0.63 278	0.74 262	0.60 307	0.78 309	0.62 300	0.77 298	0.66 310	0.74 307	0.63 310	0.75 310	0.62 299	0.83 312	0.60 300	0.70 291	0.55 270	0.70 307	0.60 306	0.78 287	0.55 290

RSM++	0.76 279	0.82 204	0.66 284	0.85 274	0.64 316	0.85 315	0.71 318	0.94 320	0.64 306	0.87 316	0.67 318	0.87 321	0.65 303	0.84 313	0.65 305	0.81 302	0.70 293	0.79 316	0.71 325	0.83 297	0.70 310

Selective-RAFT-Error	0.88 306	0.84 205	0.98 324	0.86 275	0.97 352	0.88 318	0.95 341	0.84 305	0.99 350	0.92 323	0.82 338	0.84 320	0.98 334	0.87 317	0.97 343	0.81 302	0.83 312	0.79 316	0.82 337	0.79 289	0.85 330

AIO-Stereo-zeroshot	0.91 309	0.86 206	0.89 312	1.25 371	0.69 327	1.05 336	0.81 330	1.16 337	0.50 287	1.12 345	0.97 348	0.72 306	0.82 327	1.06 341	0.95 342	0.61 280	0.87 314	1.03 348	0.85 340	1.04 320	1.01 345

test_sample3	0.09 41	0.87 207	0.10 59	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample1	0.09 41	0.87 207	0.12 89	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

tt45	1.04 329	0.88 209	1.36 402	0.92 283	1.03 358	1.51 411	0.79 325	0.70 293	0.88 337	0.74 307	0.90 340	1.60 412	0.72 317	1.60 408	0.75 325	0.91 313	0.78 305	1.52 419	0.79 332	1.14 325	1.32 413

AFF-stereo	0.73 273	0.88 209	0.67 287	0.75 263	0.68 326	0.75 306	0.64 302	0.80 301	0.72 322	0.83 315	0.70 323	0.82 319	0.64 300	0.84 313	0.67 309	0.77 297	0.63 283	0.81 321	0.63 310	0.78 287	0.62 300

MonoStereo	0.83 299	0.89 211	0.72 295	0.88 276	0.64 316	2.26 422	0.64 302	0.88 309	0.64 306	0.89 318	0.64 312	0.88 322	0.64 300	0.88 318	0.64 303	0.83 305	0.61 280	0.86 327	0.65 311	0.83 297	0.61 296

CASS	0.57 251	0.89 211	0.56 269	0.57 244	0.56 304	0.56 288	0.56 295	0.56 276	0.53 293	0.57 287	0.57 304	0.59 295	0.48 279	0.56 286	0.57 297	0.55 275	0.56 272	0.47 271	0.56 301	0.62 269	0.56 293
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 308	0.89 211	0.72 295	1.16 319	0.78 336	1.06 337	0.82 331	0.87 306	0.97 348	1.00 331	0.91 343	0.90 326	1.00 335	0.89 321	0.93 341	0.83 305	0.83 312	0.82 323	0.82 337	0.81 295	0.82 328

UNet	0.29 151	0.90 214	0.10 59	0.14 88	0.10 101	0.14 107	0.10 98	0.91 313	0.69 315	0.14 107	0.11 112	0.14 109	0.11 111	0.14 110	0.10 94	0.12 81	0.09 58	0.12 104	0.09 93	0.88 302	0.76 322

xxxxx1	0.31 157	0.91 215	0.23 153	0.31 153	0.23 178	0.31 175	0.23 168	0.33 174	0.25 176	0.31 172	0.24 179	0.33 185	0.25 179	0.32 183	0.24 173	0.28 171	0.28 180	0.28 171	0.28 203	0.29 163	0.27 182

tt_ll	0.31 157	0.91 215	0.23 153	0.31 153	0.23 178	0.31 175	0.23 168	0.33 174	0.25 176	0.31 172	0.24 179	0.33 185	0.25 179	0.32 183	0.24 173	0.28 171	0.28 180	0.28 171	0.28 203	0.29 163	0.27 182

ff	0.31 157	0.91 215	0.23 153	0.31 153	0.23 178	0.31 175	0.23 168	0.33 174	0.25 176	0.31 172	0.24 179	0.33 185	0.25 179	0.32 183	0.24 173	0.28 171	0.28 180	0.28 171	0.28 203	0.29 163	0.27 182

DPSM_ROB	0.92 311	0.91 215	0.91 317	0.91 280	0.92 348	0.92 323	0.92 337	0.92 316	0.91 339	0.93 325	0.91 343	0.92 329	0.90 329	0.91 323	0.92 337	0.92 315	0.91 315	0.91 332	0.92 341	0.93 310	0.93 336

DPSM	0.92 311	0.91 215	0.91 317	0.91 280	0.92 348	0.92 323	0.92 337	0.92 316	0.91 339	0.93 325	0.91 343	0.92 329	0.90 329	0.91 323	0.92 337	0.92 315	0.91 315	0.91 332	0.92 341	0.93 310	0.93 336

AIO-Stereo-zeroshot1	0.75 275	0.92 220	0.85 311	0.96 293	0.59 306	1.27 401	0.44 269	0.59 281	0.69 315	0.91 321	0.68 319	0.55 289	0.61 298	1.06 341	0.83 333	0.62 282	0.70 293	0.90 330	0.41 271	0.89 303	0.56 293

pmcnn	0.92 311	0.92 220	0.92 319	0.92 283	0.92 348	0.92 323	0.92 337	0.92 316	0.92 343	0.92 323	0.92 346	0.92 329	0.92 331	0.92 327	0.92 337	0.92 315	0.92 317	0.92 334	0.92 341	0.92 309	0.92 335

tt1	0.31 157	0.93 222	0.24 159	0.33 160	0.23 178	0.31 175	0.24 173	0.32 171	0.24 171	0.32 177	0.23 173	0.32 183	0.25 179	0.32 183	0.24 173	0.27 169	0.26 170	0.27 169	0.26 192	0.27 158	0.27 182

tta	0.09 41	0.95 223	0.09 55	0.10 48	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

R-Stereo Train	0.81 291	0.96 224	0.67 287	0.95 290	0.67 323	0.95 326	0.68 311	0.95 322	0.68 312	0.95 329	0.68 319	0.96 334	0.68 309	0.96 332	0.68 313	0.94 319	0.68 288	0.94 336	0.68 318	0.94 312	0.68 308

RAFT-Stereo	0.81 291	0.96 224	0.67 287	0.95 290	0.67 323	0.95 326	0.68 311	0.95 322	0.68 312	0.95 329	0.68 319	0.96 334	0.68 309	0.96 332	0.68 313	0.94 319	0.68 288	0.94 336	0.68 318	0.94 312	0.68 308
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
test_sample6	0.09 41	0.97 226	0.10 59	0.10 48	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

Former-RAFT_DAM_RVC	0.49 238	0.98 227	0.64 280	0.84 272	0.46 282	0.45 252	0.35 231	0.47 249	0.47 276	0.45 242	0.34 232	0.46 252	0.48 279	0.46 251	0.35 233	0.39 221	0.71 297	0.39 235	0.35 243	0.41 230	0.41 254

dd	0.23 135	0.98 227	0.16 129	0.23 129	0.15 146	0.23 150	0.15 134	0.23 146	0.15 144	0.23 147	0.15 146	0.24 155	0.17 146	0.23 152	0.15 138	0.22 144	0.15 128	0.21 144	0.15 142	0.22 142	0.16 133

222	0.10 52	0.99 229	0.12 89	0.13 84	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.04 65	0.03 46

test_sample7	0.09 41	1.00 230	0.11 78	0.11 65	0.02 20	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

ACVNet-DCA	0.37 185	1.00 230	0.30 180	0.40 191	0.29 206	0.40 212	0.29 200	0.40 205	0.29 202	0.40 207	0.29 206	0.40 217	0.29 209	0.39 213	0.28 192	0.33 185	0.32 203	0.33 190	0.32 231	0.33 176	0.32 218

GANet	1.00 322	1.00 230	1.00 326	1.00 297	1.00 353	1.00 331	1.00 344	1.00 324	1.00 351	1.00 331	1.00 349	1.00 337	1.00 335	1.00 335	1.00 346	1.00 321	1.00 320	1.00 343	1.00 346	1.00 316	1.00 342

TDLM	1.00 322	1.00 230	1.00 326	1.00 297	1.00 353	1.00 331	1.00 344	1.00 324	1.00 351	1.00 331	1.00 349	1.00 337	1.00 335	1.00 335	1.00 346	1.00 321	1.00 320	1.00 343	1.00 346	1.00 316	1.00 342

CVANet_RVC	1.00 322	1.00 230	1.00 326	1.00 297	1.00 353	1.00 331	1.00 344	1.00 324	1.00 351	1.00 331	1.00 349	1.00 337	1.00 335	1.00 335	1.00 346	1.00 321	1.00 320	1.00 343	1.00 346	1.00 316	1.00 342

DGTPSM_ROB	0.93 315	1.00 230	0.92 319	0.94 288	0.96 351	0.91 322	0.92 337	0.91 313	0.96 347	0.91 321	0.96 347	0.93 332	0.92 331	0.94 328	0.92 337	0.92 315	0.92 317	0.90 330	0.92 341	0.94 312	0.91 334

trnet	1.01 327	1.01 236	1.01 329	1.01 300	1.01 357	1.01 334	1.01 347	1.01 327	1.01 354	1.01 335	1.01 352	1.01 340	1.01 341	1.01 338	1.01 349	1.01 324	1.01 323	1.01 346	1.01 350	1.01 319	1.01 345

SMFormer	0.09 41	1.01 236	0.09 55	0.09 44	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

xxx	0.09 41	1.01 236	0.10 59	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.03 46

GLC_STEREO	1.07 330	1.01 236	1.06 330	1.07 304	1.05 359	1.06 337	1.08 350	1.08 330	1.05 356	1.07 338	1.06 353	1.08 344	1.05 342	1.06 341	1.10 351	1.07 327	1.09 332	1.05 349	1.05 351	1.06 321	1.12 352

1test111	0.37 185	1.02 240	0.30 180	0.39 178	0.29 206	0.40 212	0.28 194	0.39 200	0.29 202	0.39 203	0.29 206	0.39 211	0.28 203	0.40 216	0.29 201	0.33 185	0.32 203	0.33 190	0.31 227	0.32 170	0.31 214

cc1	0.37 185	1.02 240	0.30 180	0.39 178	0.29 206	0.40 212	0.28 194	0.39 200	0.29 202	0.39 203	0.29 206	0.39 211	0.28 203	0.40 216	0.29 201	0.33 185	0.32 203	0.33 190	0.31 227	0.32 170	0.31 214

test_sample4	0.10 52	1.03 242	0.12 89	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.13 122	0.03 37	0.03 49	0.03 42	0.03 46

test_sample2	0.09 41	1.03 242	0.11 78	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

xx1	0.38 191	1.03 242	0.31 186	0.40 191	0.31 219	0.41 228	0.28 194	0.40 205	0.29 202	0.40 207	0.29 206	0.40 217	0.29 209	0.40 216	0.29 201	0.34 188	0.33 209	0.34 197	0.32 231	0.34 180	0.32 218

dad	0.23 135	1.03 242	0.16 129	0.23 129	0.15 146	0.24 151	0.15 134	0.24 149	0.16 146	0.23 147	0.16 147	0.24 155	0.16 144	0.23 152	0.15 138	0.22 144	0.16 130	0.22 149	0.16 143	0.22 142	0.16 133

DualNet (step1)	0.10 52	1.05 246	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample9	0.10 52	1.05 246	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample8	0.10 52	1.05 246	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample5	0.10 52	1.07 249	0.11 78	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

DualNet	0.10 52	1.07 249	0.11 78	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

ttt	0.10 52	1.09 251	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.03 42	0.02 19

test_xeample	0.10 52	1.09 251	0.13 108	0.12 71	0.03 43	0.03 39	0.03 43	0.04 65	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.14 125	0.03 37	0.03 49	0.03 42	0.03 46

FC-DCNN	1.07 330	1.09 251	0.98 324	0.89 277	0.52 299	1.41 409	0.91 336	1.21 390	1.24 414	1.96 415	2.05 440	1.91 416	1.30 408	1.27 403	1.08 350	0.80 299	0.60 276	0.58 295	0.41 271	0.68 274	0.54 286

MSMD_ROB	1.19 337	1.10 254	0.70 290	1.10 306	0.60 307	1.10 344	0.70 315	1.10 333	0.70 318	1.10 340	0.70 323	1.10 348	0.70 312	7.00 473	0.70 320	1.10 330	0.70 293	1.10 350	0.70 322	1.10 323	0.70 310

999	1.00 322	1.12 255	0.59 272	1.10 306	1.21 417	1.09 343	0.52 292	1.08 330	1.43 425	1.18 350	1.35 415	0.98 336	0.52 290	0.91 323	0.85 334	0.72 293	1.46 405	0.83 324	0.98 345	0.68 274	1.41 420

1111x	0.10 52	1.14 256	0.13 108	0.14 88	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.11 84	0.03 37	0.02 20	0.03 42	0.02 19

LoS_RVC	0.30 152	1.14 256	0.25 163	0.25 138	0.25 185	0.26 165	0.25 176	0.25 155	0.25 176	0.25 156	0.25 185	0.26 169	0.26 188	0.26 171	0.25 179	0.26 166	0.26 170	0.25 162	0.25 185	0.26 155	0.26 173

x	0.11 73	1.15 258	0.15 128	0.14 88	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.15 128	0.03 37	0.03 49	0.03 42	0.03 46

xxxx	0.11 73	1.16 259	0.16 129	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.16 130	0.03 37	0.04 66	0.04 65	0.04 67

CAS	0.30 152	1.17 260	0.25 163	0.25 138	0.25 185	0.26 165	0.25 176	0.25 155	0.26 189	0.25 156	0.25 185	0.25 160	0.25 179	0.25 161	0.25 179	0.26 166	0.26 170	0.26 165	0.25 185	0.26 155	0.25 167

HSM-Net_RVC	0.95 318	1.17 260	0.78 304	1.18 321	0.71 329	1.16 351	0.75 322	1.09 332	0.80 332	1.10 340	0.75 332	1.17 355	0.74 318	1.17 353	0.80 329	1.13 336	0.73 299	1.17 357	0.77 329	1.16 329	0.72 314
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 319	1.18 262	0.81 310	1.10 306	0.91 347	1.02 335	0.82 331	1.04 329	0.91 339	1.03 336	0.86 339	1.28 405	0.82 327	1.03 339	0.89 336	1.17 338	0.81 311	1.02 347	0.82 337	1.08 322	0.81 327

psm_up	0.43 219	1.19 263	0.17 133	0.25 138	0.18 158	0.25 158	0.19 147	1.26 394	0.91 339	0.26 163	0.17 149	0.25 160	0.17 146	0.25 161	0.17 144	0.22 144	0.17 143	0.23 155	0.16 143	1.18 335	0.99 340

DisPM	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

CrosDoStereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

PFNet+	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

LCNet	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

HHNet	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

Patchmatch Stereo++	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

STrans-v2	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

TransformOpticalFlow	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

OMP-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

IIG-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

NF-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

OCTAStereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

PSM-softLoss	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

KMStereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

NRIStereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

PSM-adaLoss	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

PSM-AAD	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

FTStereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

ROB_FTStereo_v2	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

ROB_FTStereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

Consistency-Raft	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

KYRaft	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

HUI-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

ASMatch	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

DeepStereo_LL	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

DEmStereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

SST-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

THIR-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

RAFT_R40	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

DRaft	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

PFNet	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

GrayStereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

RE-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

Pruner-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

TVStereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

DeepStereo_RVC	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

RAFT-RH_RVC	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

IRAFT_RVC	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

RAFT-345	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

iRAFT	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

CRE-IMP	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

GMM-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

RAFT-IKP	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

Prome-Stereo	1.20 338	1.20 264	1.20 343	1.20 323	1.20 371	1.20 352	1.20 361	1.20 345	1.20 366	1.20 352	1.20 363	1.20 357	1.20 355	1.20 355	1.20 363	1.20 340	1.20 345	1.20 361	1.20 363	1.20 338	1.20 361

UPFNet	0.42 218	1.20 264	0.17 133	0.24 134	0.17 152	0.25 158	0.17 138	1.19 342	0.90 338	0.25 156	0.17 149	0.24 155	0.17 146	0.25 161	0.17 144	0.22 144	0.17 143	0.22 149	0.16 143	1.15 327	0.93 336

ours_stereo	1.20 338	1.21 310	0.90 315	1.64 387	1.11 361	1.35 404	0.67 310	1.76 408	0.93 344	1.70 412	1.10 354	1.39 408	0.75 320	1.41 406	0.81 332	1.60 403	1.03 325	1.33 410	1.00 346	1.61 397	0.72 314

delet	0.43 219	1.21 310	0.17 133	0.25 138	0.17 152	0.25 158	0.18 144	1.26 394	0.95 346	0.25 156	0.17 149	0.25 160	0.17 146	0.25 161	0.17 144	0.23 155	0.16 130	0.22 149	0.16 143	1.18 335	0.98 339

CroCo-Stereo	0.73 273	1.22 312	0.25 163	1.22 368	0.25 185	1.22 398	0.25 176	1.22 391	0.25 176	1.22 398	0.25 185	1.22 403	0.25 179	1.22 401	0.25 179	1.22 386	0.26 170	1.21 406	0.25 185	1.22 385	0.25 167
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
WCG-NET（raft）	0.32 165	1.24 313	0.24 159	0.32 156	0.24 183	0.32 183	0.23 168	0.32 171	0.24 171	0.32 177	0.24 179	0.32 183	0.24 176	0.32 183	0.24 173	0.30 179	0.23 163	0.30 178	0.23 172	0.30 166	0.23 156

MMNet	0.44 222	1.24 313	0.17 133	0.25 138	0.17 152	0.25 158	0.18 144	1.26 394	0.93 344	0.25 156	0.17 149	0.25 160	0.18 153	0.25 161	0.17 144	0.23 155	0.16 130	0.23 155	0.16 143	1.20 338	0.99 340

WCG-NET	0.40 201	1.29 315	0.24 159	0.32 156	0.25 185	0.32 183	0.27 187	0.44 241	0.46 271	0.35 187	0.26 191	0.35 191	0.27 196	0.35 192	0.45 269	0.42 246	0.25 166	0.62 297	0.25 185	0.48 251	0.26 173

CroCo-Stereo Lap2	0.77 280	1.29 315	0.29 176	1.27 372	0.29 206	1.27 401	0.26 184	1.26 394	0.26 189	1.26 399	0.26 191	1.27 404	0.26 188	1.26 402	0.27 185	1.27 388	0.27 175	1.27 409	0.27 199	1.27 387	0.27 182

CSP-Net	0.34 170	1.29 315	1.19 340	1.36 377	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 387	1.21 391	0.03 37	0.09 93	0.02 19	0.09 92

Syn2CoEx	0.25 138	1.31 318	0.74 299	0.92 283	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 41	0.02 21	0.02 19	0.02 19	0.87 311	0.75 302	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 389	1.33 319	1.33 395	1.36 377	1.38 424	1.36 406	1.33 412	1.37 400	1.34 417	1.35 401	1.36 417	1.38 407	1.34 409	1.38 405	1.38 417	1.35 393	1.38 402	1.33 410	1.35 413	1.43 391	1.34 415

MaskLacGwcNet_RVC	1.35 388	1.35 320	1.35 398	1.35 376	1.35 421	1.35 404	1.35 414	1.36 399	1.35 419	1.36 402	1.35 415	1.36 406	1.36 410	1.36 404	1.35 415	1.35 393	1.35 399	1.35 412	1.35 413	1.35 389	1.35 416

PML	0.46 225	1.36 321	0.29 176	0.58 245	0.30 215	0.57 292	0.29 200	0.57 278	0.29 202	0.57 287	0.29 206	0.57 293	0.29 209	0.56 286	0.29 201	0.52 271	0.30 197	0.53 292	0.31 227	0.53 266	0.30 209

PS-NSSS	1.38 391	1.39 322	1.34 396	1.34 375	1.35 421	1.38 407	1.37 420	1.35 398	1.38 422	1.34 400	1.34 414	1.39 408	1.38 412	1.70 410	1.40 418	1.36 395	1.36 400	1.36 414	1.37 416	1.37 390	1.36 417

Gwc-CoAtRS	0.41 209	1.49 323	0.32 190	0.42 209	0.32 221	0.41 228	0.32 210	0.41 220	0.33 222	0.41 220	0.32 221	0.41 229	0.32 221	0.41 230	0.32 213	0.39 221	0.28 180	0.39 235	0.28 203	0.40 221	0.28 195

FENet	0.54 247	1.52 324	1.19 340	1.41 380	0.23 178	0.35 192	0.23 168	0.35 181	0.23 169	0.34 183	0.23 173	0.35 191	0.23 173	0.35 192	0.23 169	1.40 396	1.07 326	0.32 182	0.23 172	0.33 176	0.23 156

CFNet-ft	0.55 249	1.57 325	0.14 113	0.20 117	0.14 136	0.20 134	2.53 438	1.61 403	0.14 135	0.20 132	0.14 139	0.20 135	0.14 134	0.20 134	0.14 129	0.17 125	0.12 98	0.17 128	0.12 127	1.56 395	1.24 409

DPSMNet_ROB	1.60 396	1.59 326	1.70 415	1.59 382	1.59 428	1.61 412	1.61 424	1.60 402	1.60 426	1.62 410	1.59 425	1.60 412	1.60 416	1.60 408	1.59 422	1.59 401	1.60 410	1.59 420	1.59 425	1.59 396	1.59 424

STTRV1_RVC	0.82 295	1.60 327	0.70 290	1.01 300	0.60 307	1.07 340	0.69 314	1.01 327	0.60 299	0.72 301	0.55 302	1.02 341	0.68 309	1.03 339	0.67 309	0.89 312	0.63 283	0.92 334	0.57 302	0.90 305	0.65 303

RASNet	1.49 392	1.65 328	1.45 408	1.38 379	1.43 426	1.47 410	1.36 415	1.38 401	1.36 420	1.39 403	1.60 426	1.45 410	1.45 414	1.51 407	2.21 435	1.53 400	1.36 400	1.36 414	1.36 415	1.66 398	1.36 417

CRFU-Net	0.65 256	1.67 329	1.22 390	1.96 395	0.27 196	0.41 228	0.27 187	0.41 220	0.27 194	0.40 207	0.26 191	0.41 229	0.27 196	0.40 216	0.27 185	1.80 408	1.62 411	0.34 197	0.23 172	0.33 176	0.23 156

gwcnet-sp	0.82 295	1.72 330	1.48 409	0.39 178	0.15 146	0.31 175	0.21 156	0.20 133	0.25 176	1.61 407	0.23 173	0.28 171	0.26 188	0.20 134	0.15 138	0.24 160	1.33 396	0.32 182	0.16 143	6.75 461	0.23 156

scenet	0.82 295	1.72 330	1.48 409	0.39 178	0.15 146	0.31 175	0.21 156	0.20 133	0.25 176	1.61 407	0.23 173	0.28 171	0.26 188	0.20 134	0.15 138	0.24 160	1.33 396	0.32 182	0.16 143	6.75 461	0.23 156

ssnet	0.82 295	1.72 330	1.48 409	0.39 178	0.15 146	0.31 175	0.21 156	0.20 133	0.25 176	1.61 407	0.23 173	0.28 171	0.26 188	0.20 134	0.15 138	0.24 160	1.33 396	0.32 182	0.16 143	6.75 461	0.23 156

HBP-ISP	1.24 385	1.72 330	1.65 413	1.15 314	0.76 334	1.40 408	0.88 334	1.67 407	1.02 355	1.69 411	1.38 419	1.69 414	1.21 401	1.87 412	1.21 408	1.05 326	0.79 306	0.97 341	0.80 334	1.19 337	0.75 321

LL-Strereo2	0.48 234	1.73 334	0.51 264	0.59 247	0.34 238	0.42 245	0.33 218	0.40 205	0.31 215	0.42 232	0.33 225	0.42 245	0.31 220	0.44 246	0.39 251	0.60 277	0.51 267	0.44 262	0.33 237	0.44 238	0.33 221

test_xeample3	1.10 332	1.81 335	0.61 276	0.84 272	0.49 292	0.77 307	0.66 306	0.92 316	1.40 423	0.68 299	0.46 279	0.78 313	0.54 293	1.72 411	1.48 420	1.34 392	1.52 408	1.35 412	1.67 428	1.33 388	1.55 423

mmm	0.14 95	1.83 336	0.12 89	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.04 69	0.03 39	0.03 47	0.03 41	0.03 47	0.06 72	0.04 63	0.12 81	0.11 84	0.05 72	0.04 66	0.05 77	0.04 67

hknet	1.10 332	1.85 337	3.49 451	4.48 429	0.02 20	0.42 245	0.06 88	0.41 220	0.02 20	0.48 255	0.03 47	0.41 229	0.03 47	0.42 242	0.03 42	4.39 438	4.19 449	0.33 190	0.23 172	0.34 180	0.27 182

PAM	0.39 197	1.88 338	0.34 203	0.37 170	0.41 267	0.45 252	0.22 161	0.28 162	0.23 169	0.28 166	0.24 179	0.29 176	0.23 173	0.29 178	0.23 169	0.38 212	0.32 203	0.38 225	0.37 251	0.32 170	0.22 154

DCVSM-stereo	0.36 180	1.89 339	0.22 150	0.40 191	0.22 173	0.40 212	0.22 161	0.40 205	0.22 163	0.40 207	0.22 169	0.40 217	0.22 168	0.40 216	0.22 163	0.28 171	0.21 155	0.28 171	0.21 164	0.28 160	0.20 148

DCRE	0.84 302	1.89 339	0.77 303	0.94 288	0.72 331	0.88 318	0.73 320	0.87 306	0.78 328	0.90 319	0.71 326	0.88 322	0.67 308	0.88 318	0.73 322	0.81 302	0.68 288	0.81 321	0.70 322	0.82 296	0.70 310

RAFT-Stereo-weight	0.45 223	1.90 341	0.34 203	0.42 209	0.36 247	0.43 249	0.35 231	0.42 236	0.34 229	0.42 232	0.34 232	0.44 248	0.34 230	0.41 230	0.34 231	0.38 212	0.32 203	0.38 225	0.32 231	0.38 210	0.33 221

BUS	0.83 299	1.91 342	0.92 319	4.48 429	0.02 20	0.40 212	0.04 68	0.41 220	0.02 20	0.48 255	0.03 47	0.41 229	0.05 78	0.03 36	0.05 73	1.97 414	4.19 449	0.33 190	0.23 172	0.34 180	0.27 182

BSDual-CNN	0.81 291	1.91 342	0.92 319	4.48 429	0.02 20	0.42 245	0.06 88	0.41 220	0.02 20	0.48 255	0.03 47	0.02 19	0.02 21	0.03 36	0.02 19	1.97 414	4.19 449	0.33 190	0.23 172	0.34 180	0.27 182

psmg	0.43 219	1.91 342	0.92 319	1.91 392	0.02 20	0.02 18	0.03 43	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 36	0.02 19	1.97 414	1.44 404	0.04 62	0.03 49	0.02 19	0.03 46

GANet-RSSM	0.75 275	1.91 342	0.14 113	0.47 219	0.14 136	0.21 142	3.21 458	2.30 423	0.14 135	0.46 244	0.14 139	0.23 151	0.18 153	0.21 144	0.14 129	0.18 133	0.27 175	0.37 218	0.13 135	2.13 408	2.12 434

MFMNet_re	1.81 403	1.91 342	1.71 416	1.95 394	1.70 431	1.95 418	1.70 427	1.96 411	1.74 429	1.97 416	1.72 429	1.95 417	1.71 419	1.97 415	1.71 428	1.86 409	1.62 411	1.85 421	1.66 427	1.86 401	1.64 425

SPS-STEREO	1.59 394	1.91 342	1.21 389	1.94 393	1.20 371	2.00 419	1.23 408	1.99 412	1.24 414	2.00 417	1.25 412	2.03 419	1.26 404	2.00 416	1.29 413	1.90 413	1.18 344	1.89 423	1.21 408	1.89 403	1.20 361
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 393	1.94 348	1.22 390	1.88 390	1.21 417	1.88 417	1.22 407	1.88 409	1.22 412	1.88 413	1.22 409	1.88 415	1.22 402	1.89 413	1.22 409	1.87 410	1.22 392	1.88 422	1.22 409	1.88 402	1.22 407
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
ssnet_v2	0.68 263	1.96 349	1.25 394	0.29 149	0.20 164	0.30 172	0.20 150	0.29 166	0.22 163	1.50 405	0.20 163	0.31 181	0.20 162	0.27 173	0.22 163	0.24 160	1.49 407	0.26 165	0.18 161	3.90 426	0.19 147

qqq	0.16 113	2.01 350	0.12 89	0.15 97	0.04 68	0.06 77	0.05 77	0.06 79	0.04 69	0.06 80	0.03 47	0.06 83	0.03 47	0.06 72	0.03 42	0.12 81	0.14 125	0.04 62	0.04 66	0.03 42	0.03 46

ACV-stereo	0.30 152	2.08 351	0.25 163	0.25 138	0.18 158	0.24 151	0.17 138	0.24 149	0.18 150	0.24 152	0.17 149	0.25 160	0.17 146	0.24 156	0.17 144	0.22 144	0.16 130	0.22 149	0.16 143	0.22 142	0.16 133

GCST	0.50 240	2.08 351	0.38 216	0.53 239	0.35 241	0.49 268	0.35 231	0.50 263	0.35 232	0.49 260	0.35 239	0.49 265	0.35 235	0.49 268	0.35 233	0.48 258	0.37 215	0.45 264	0.33 237	0.44 238	0.33 221

ToySt	0.92 311	2.11 353	0.90 315	0.95 290	0.79 337	0.99 330	0.78 324	0.94 320	0.81 335	0.94 327	0.78 334	0.95 333	0.77 322	0.94 328	0.86 335	0.91 313	0.79 306	0.85 326	0.77 329	0.89 303	0.73 317

TRStereo	2.00 406	2.13 354	1.85 423	2.27 404	1.84 435	2.28 424	1.84 430	2.29 419	1.86 435	2.30 424	1.87 431	2.30 422	1.87 422	2.08 417	1.72 430	2.08 418	1.72 416	2.08 426	1.72 431	2.08 405	1.72 428

XX-Stereo	2.00 406	2.13 354	1.85 423	2.27 404	1.84 435	2.28 424	1.84 430	2.29 419	1.86 435	2.30 424	1.87 431	2.30 422	1.87 422	2.08 417	1.72 430	2.08 418	1.72 416	2.08 426	1.72 431	2.08 405	1.72 428

EAI-Stereo	2.00 406	2.13 354	1.85 423	2.27 404	1.84 435	2.28 424	1.84 430	2.29 419	1.86 435	2.30 424	1.87 431	2.30 422	1.87 422	2.08 417	1.72 430	2.08 418	1.72 416	2.08 426	1.72 431	2.08 405	1.72 428

11t1	0.17 116	2.16 357	0.13 108	0.13 84	0.04 68	0.06 77	0.04 68	0.06 79	0.04 69	0.06 80	0.03 47	0.06 83	0.03 47	0.06 72	0.05 73	0.18 133	0.12 98	0.06 78	0.03 49	0.05 77	0.03 46

UGAM-zero	0.51 243	2.17 358	0.39 222	0.53 239	0.36 247	0.50 276	0.36 238	0.50 263	0.36 242	0.49 260	0.36 243	0.50 279	0.35 235	0.50 273	0.36 237	0.49 261	0.37 215	0.47 271	0.35 243	0.46 241	0.34 227

cf-r	0.66 258	2.17 358	0.12 89	0.18 112	0.12 131	0.18 127	2.70 441	2.60 426	0.12 130	0.18 126	0.12 122	0.18 129	0.12 127	0.18 127	0.12 119	0.15 112	0.11 84	0.15 121	0.11 111	1.81 400	1.74 431

UDG	0.80 286	2.21 360	0.60 274	0.91 280	0.60 307	0.90 321	0.58 297	0.88 309	0.60 299	0.90 319	0.60 305	0.88 322	0.60 297	0.90 322	0.58 298	0.86 310	0.60 276	0.84 325	0.59 305	0.84 299	0.61 296

UGAM	0.51 243	2.23 361	0.39 222	0.54 241	0.35 241	0.50 276	0.35 231	0.49 255	0.35 232	0.49 260	0.35 239	0.49 265	0.36 238	0.50 273	0.36 237	0.49 261	0.37 215	0.45 264	0.34 239	0.45 240	0.34 227

NCCL2	2.28 415	2.27 362	2.28 429	2.28 407	2.28 442	2.27 423	2.29 436	2.28 418	2.28 439	2.27 423	2.28 441	2.28 421	2.27 429	2.27 424	2.28 440	2.28 421	2.28 426	2.27 429	2.29 440	2.27 409	2.29 435

ccnet	0.80 286	2.28 363	0.33 195	0.50 234	0.33 231	0.50 276	0.33 218	0.50 263	0.33 222	0.49 260	0.33 225	0.49 265	1.56 415	2.38 426	0.33 218	0.41 232	0.29 189	0.42 260	1.57 424	2.28 410	0.29 200

GES	0.66 258	2.34 364	0.29 176	0.41 201	0.29 206	0.41 228	0.29 200	0.42 236	0.29 202	0.40 207	0.41 264	0.41 229	0.30 215	0.51 277	0.29 201	0.32 183	0.29 189	0.32 182	2.46 442	2.49 414	0.30 209

PAM_32	0.64 255	2.38 365	0.51 264	0.92 283	0.43 278	0.53 284	0.44 269	0.87 306	0.43 267	0.52 277	0.45 277	0.53 284	0.40 249	0.54 282	0.46 273	0.62 282	0.56 272	0.48 279	0.45 281	0.76 285	0.44 264

DDUNet	0.81 291	2.45 366	0.57 271	0.90 278	0.60 307	0.88 318	0.59 298	0.90 311	0.60 299	0.88 317	0.60 305	0.90 326	0.58 295	0.88 318	0.60 300	0.84 308	0.60 276	0.86 327	0.57 302	0.86 300	0.60 295

FBW_ROB	2.12 412	2.46 367	1.77 419	2.49 411	1.79 434	2.38 428	1.83 429	2.46 424	1.78 431	2.48 428	1.97 436	2.40 429	1.78 420	2.42 427	1.83 434	2.31 422	1.85 422	2.38 431	1.82 436	2.35 412	1.84 432

HH	0.71 269	2.54 368	0.74 299	1.10 306	0.32 221	0.41 228	0.37 243	0.69 291	0.78 328	0.73 303	0.90 340	0.75 310	1.00 335	0.84 313	0.69 317	0.69 288	0.40 231	0.35 210	0.26 192	0.35 192	0.26 173

HanStereo	0.71 269	2.54 368	0.74 299	1.10 306	0.32 221	0.41 228	0.37 243	0.69 291	0.78 328	0.73 303	0.90 340	0.75 310	1.00 335	0.84 313	0.69 317	0.69 288	0.40 231	0.35 210	0.26 192	0.35 192	0.26 173

sAnonymous2	3.31 438	2.63 370	1.38 405	3.71 427	1.86 438	4.70 461	1.11 351	4.82 462	2.72 442	5.45 465	1.98 438	4.59 454	2.64 431	2.65 429	6.21 471	4.37 436	1.08 330	5.16 465	2.24 438	4.52 435	2.39 440

CroCo_RVC	3.31 438	2.63 370	1.38 405	3.71 427	1.86 438	4.70 461	1.11 351	4.82 462	2.72 442	5.45 465	1.98 438	4.59 454	2.64 431	2.65 429	6.21 471	4.37 436	1.08 330	5.16 465	2.24 438	4.52 435	2.39 440

ff7	1.68 397	2.68 372	1.35 398	0.97 294	0.89 343	1.84 414	2.15 433	2.12 413	1.80 432	2.05 419	1.56 422	2.33 425	2.12 426	2.23 421	2.25 436	1.31 389	1.07 326	1.48 416	1.41 418	0.90 305	1.04 347

ffff	1.68 397	2.68 372	1.35 398	0.97 294	0.89 343	1.84 414	2.15 433	2.12 413	1.80 432	2.05 419	1.56 422	2.33 425	2.12 426	2.23 421	2.25 436	1.31 389	1.07 326	1.48 416	1.41 418	0.90 305	1.04 347

ccc-4	1.68 397	2.68 372	1.35 398	0.97 294	0.89 343	1.84 414	2.15 433	2.12 413	1.80 432	2.05 419	1.56 422	2.33 425	2.12 426	2.23 421	2.25 436	1.31 389	1.07 326	1.48 416	1.41 418	0.90 305	1.04 347

11t	1.27 387	2.70 375	1.34 396	1.32 374	0.89 343	1.30 403	1.34 413	1.64 404	0.57 296	1.45 404	0.72 328	1.05 343	1.29 407	1.07 344	1.29 413	1.49 397	1.02 324	0.97 341	1.15 356	1.48 392	1.31 412

sCroCo_RVC	2.10 410	2.76 376	1.92 427	2.78 415	1.39 425	2.73 432	1.41 422	2.73 427	1.40 423	2.77 433	1.41 421	2.74 433	1.40 413	2.74 431	1.40 418	2.72 426	1.42 403	2.72 433	1.44 421	2.79 419	1.42 421

PSMNet-RSSM	0.77 280	2.76 376	0.14 113	0.20 117	0.14 136	0.20 134	2.66 439	2.79 429	0.14 135	0.21 141	0.14 139	0.21 143	0.14 134	0.20 134	0.14 129	0.17 125	0.12 98	0.17 128	0.12 127	2.52 415	2.31 436

GwcNet-RSSM	0.77 280	2.77 378	0.14 113	0.20 117	0.14 136	0.20 134	2.67 440	2.78 428	0.14 135	0.20 132	0.14 139	0.20 135	0.14 134	0.21 144	0.14 129	0.17 125	0.12 98	0.17 128	0.12 127	2.52 415	2.31 436

hitnet-ft	0.79 284	2.78 379	0.14 113	0.20 117	0.14 136	0.21 142	2.89 442	2.80 430	0.14 135	0.20 132	0.14 139	0.20 135	0.14 134	0.20 134	0.14 129	0.17 125	0.12 98	0.17 128	0.12 127	2.54 417	2.33 438

PDISCO_ROB	0.83 299	2.80 380	3.49 451	0.14 88	0.11 116	0.17 125	0.09 93	0.15 119	0.10 98	0.15 113	0.12 122	0.16 119	0.14 134	3.30 436	0.13 125	0.14 103	2.34 427	0.16 123	0.12 127	2.62 418	0.10 96

iGMRVC	0.84 302	2.85 381	0.72 295	0.72 260	0.73 332	0.77 307	0.79 325	0.73 296	0.74 327	0.73 303	0.72 328	0.73 308	0.76 321	0.73 303	0.73 322	0.72 293	0.73 299	0.73 309	0.72 326	0.73 283	0.72 314

MC-Stereo	1.76 400	2.96 382	1.37 404	2.14 399	1.37 423	2.14 421	1.36 415	2.14 416	1.37 421	2.14 422	1.37 418	2.14 420	1.37 411	2.14 420	1.37 416	1.97 414	1.32 393	1.97 424	1.32 412	1.98 404	1.33 414

PASM	0.39 197	3.06 383	1.36 402	1.58 381	0.09 95	0.11 103	0.11 110	0.11 104	0.11 112	0.09 90	0.09 95	0.11 105	0.09 96	0.09 91	0.09 89	0.11 76	0.11 84	0.11 101	0.09 93	0.11 103	0.11 108

DDVS	0.30 152	3.10 384	0.14 113	0.19 115	0.14 136	0.19 130	0.14 130	0.20 133	0.14 135	0.19 127	0.13 134	0.16 119	0.13 131	0.19 130	0.13 125	0.17 125	0.13 122	0.17 128	0.13 135	0.17 127	0.13 129

DEFOM-Stereo	0.68 263	3.11 385	1.40 407	1.63 386	0.25 185	0.31 175	0.25 176	0.31 170	0.28 198	0.31 172	0.29 206	0.29 176	0.27 196	0.31 182	0.28 192	1.59 401	1.47 406	0.30 178	0.29 212	0.30 166	0.28 195

4D-IteraStereo	0.78 283	3.13 386	0.89 312	0.69 255	0.32 221	0.40 212	0.32 210	0.76 297	0.97 348	0.52 277	0.65 315	0.89 325	0.32 221	0.76 307	0.98 344	0.83 305	0.94 319	0.35 210	0.27 199	0.70 279	0.89 333

plain	1.88 404	3.16 387	0.64 280	3.10 417	0.65 319	3.10 435	0.64 302	3.12 433	0.65 308	3.10 434	0.65 315	3.11 435	0.65 303	3.12 433	0.65 305	3.12 429	0.65 286	3.13 435	0.65 311	3.13 421	0.65 303

iRaftStereo_RVC	0.97 319	3.17 388	2.30 430	2.42 409	0.38 255	0.54 286	0.38 248	0.54 274	0.38 245	0.54 281	0.38 253	0.54 285	0.38 244	0.54 282	0.38 246	2.38 424	2.34 427	0.49 283	0.36 249	0.49 255	0.36 232

RCA-Stereo	0.51 243	3.22 389	0.34 203	0.44 211	0.34 238	0.44 251	0.34 227	0.43 239	0.34 229	0.43 238	0.34 232	0.44 248	0.33 226	0.43 244	0.33 218	0.38 212	0.29 189	0.38 225	0.29 212	0.38 210	0.29 200

Anonymous3	2.55 427	3.26 390	1.65 413	3.28 420	1.63 429	3.24 437	1.68 425	3.27 435	1.66 427	3.28 436	1.67 427	3.25 437	1.66 417	3.27 435	1.64 424	3.26 430	1.65 413	3.30 436	1.65 426	4.95 450	1.65 427

MIF-Stereo (partial)	2.58 428	3.31 391	0.66 284	3.18 418	0.66 322	3.18 436	0.66 306	3.21 434	0.67 311	3.19 435	0.66 317	3.19 436	0.66 306	3.31 437	0.68 313	5.09 455	1.79 420	8.23 475	1.67 428	6.18 459	1.38 419

UniTT-Stereo	2.03 409	3.43 392	0.72 295	3.42 421	0.73 332	3.27 438	0.68 311	3.38 437	0.69 315	3.29 437	0.72 328	3.28 438	0.70 312	3.35 438	0.68 313	3.39 431	0.68 288	3.31 437	0.69 320	3.37 422	0.73 317

DPSNet	3.66 440	3.60 393	3.62 453	3.63 425	3.64 463	3.65 441	3.65 461	3.66 440	3.67 459	3.67 439	3.65 460	3.67 441	3.66 450	3.66 439	3.68 457	3.68 434	3.66 444	3.67 441	3.68 461	3.67 423	3.67 459

RAStereo	2.23 413	3.64 394	0.76 302	3.65 426	0.86 341	3.66 442	0.76 323	3.67 441	0.81 335	3.66 438	0.76 333	3.66 440	0.77 322	3.68 440	0.77 326	3.68 434	0.77 304	3.69 442	0.77 329	3.70 424	0.77 323

qqq1	0.25 138	3.70 395	0.14 113	0.14 88	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 80	0.05 84	0.04 65	0.05 78	0.06 72	0.05 73	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

fff1	0.25 138	3.70 395	0.14 113	0.14 88	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 80	0.05 84	0.04 65	0.05 78	0.06 72	0.05 73	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

RAFT_CTSACE	1.92 405	3.71 397	1.72 417	1.88 390	1.72 432	2.04 420	1.42 423	2.18 417	1.89 438	2.02 418	1.97 436	1.95 417	2.06 425	1.93 414	1.62 423	1.76 406	1.66 414	2.02 425	1.73 434	1.73 399	1.43 422

MyStereo07	0.60 252	3.72 398	0.48 255	0.49 227	0.41 267	0.36 195	0.32 210	0.49 255	0.43 267	0.51 274	0.42 271	0.49 265	0.43 266	0.51 277	0.64 303	0.49 261	0.45 247	0.34 197	0.32 231	0.35 192	0.43 261

MyStereo04	0.56 250	3.72 398	0.59 272	0.49 227	0.41 267	0.36 195	0.32 210	0.37 191	0.31 215	0.34 183	0.46 279	0.35 191	0.32 221	0.35 192	0.33 218	0.49 261	0.45 247	0.34 197	0.32 231	0.35 192	0.43 261

ffm	0.25 138	3.83 400	0.12 89	0.12 71	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 83	0.05 78	0.06 72	0.05 73	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

ff1	0.25 138	3.83 400	0.12 89	0.12 71	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 83	0.05 78	0.06 72	0.05 73	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

mmx	0.25 138	3.83 400	0.12 89	0.12 71	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 83	0.05 78	0.06 72	0.05 73	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

NINENet	0.69 266	3.87 403	1.20 343	1.98 396	0.05 83	0.40 212	0.04 68	0.40 205	0.05 82	0.41 220	0.04 76	0.41 229	0.05 78	0.40 216	0.05 73	1.79 407	1.56 409	0.34 197	0.22 167	0.34 180	0.23 156

MyStereo8	0.71 269	3.92 404	0.52 267	0.59 247	0.52 299	0.57 292	0.53 293	0.59 281	0.50 287	0.59 290	0.51 298	0.57 293	0.50 286	0.56 286	0.52 292	0.54 273	0.49 260	0.54 293	0.49 293	0.55 268	0.50 281

MyStereo06	0.75 275	4.12 405	0.60 274	0.63 250	0.61 312	0.62 296	0.66 306	0.56 276	0.45 270	0.55 284	0.48 289	0.54 285	0.46 270	0.57 289	0.45 269	0.60 277	0.57 274	0.64 300	0.55 298	0.72 280	0.55 290

MyStereo05	0.80 286	4.12 405	0.63 278	0.63 250	0.61 312	0.62 296	0.66 306	0.65 287	0.62 303	0.67 297	0.61 308	0.65 300	0.58 295	0.67 298	0.55 296	0.60 277	0.57 274	0.64 300	0.55 298	0.72 280	0.55 290

test-3	0.98 321	4.13 407	1.85 423	1.85 389	0.61 312	0.69 301	0.37 243	0.63 285	0.61 302	0.66 296	0.51 298	0.73 308	0.44 267	0.57 289	0.54 294	1.68 405	1.81 421	0.40 239	0.43 279	0.66 272	0.50 281

GCAP-Stereo	0.75 275	4.15 408	0.42 238	0.75 263	0.35 241	0.78 309	0.40 254	0.79 299	0.38 245	0.78 310	0.36 243	0.78 313	0.36 238	0.79 308	0.39 251	0.75 295	0.39 228	0.76 313	0.39 263	0.75 284	0.39 244

IGEVStereo-DCA	1.77 401	4.21 409	1.84 421	2.49 411	2.11 440	2.54 430	1.36 415	1.65 405	1.17 363	2.75 431	1.90 434	2.54 431	1.15 348	0.94 328	1.11 352	1.50 398	1.32 393	0.96 339	1.46 422	1.49 393	0.88 331

rrr	1.77 401	4.21 409	1.84 421	2.49 411	2.11 440	2.54 430	1.36 415	1.65 405	1.17 363	2.75 431	1.90 434	2.54 431	1.15 348	0.94 328	1.11 352	1.50 398	1.32 393	0.96 339	1.46 422	1.49 393	0.88 331

GEStereo_RVC	0.86 305	4.45 411	0.20 144	0.27 147	0.20 164	0.27 168	0.20 150	0.26 159	0.18 150	5.03 463	0.20 163	0.27 170	0.19 158	0.27 173	0.21 161	0.20 136	0.19 150	0.19 140	4.02 466	0.20 136	0.18 145

error version	0.93 315	4.47 412	2.35 431	1.99 397	0.37 250	0.41 228	0.36 238	0.41 220	0.35 232	0.43 238	0.36 243	0.41 229	0.40 249	0.41 230	0.36 237	1.87 410	2.16 423	0.47 271	0.37 251	0.39 217	0.33 221

test_1	0.93 315	4.47 412	2.35 431	1.99 397	0.37 250	0.41 228	0.36 238	0.41 220	0.35 232	0.43 238	0.36 243	0.41 229	0.40 249	0.41 230	0.36 237	1.87 410	2.16 423	0.47 271	0.37 251	0.39 217	0.33 221

TestStereo	4.88 463	4.75 414	4.79 457	4.87 445	4.92 471	4.81 465	4.90 470	4.78 461	4.77 469	4.87 461	4.89 469	4.90 465	4.91 462	4.99 463	4.79 467	4.98 452	4.87 453	4.87 463	4.92 471	5.00 451	5.00 469

DispFullNet	4.61 459	4.84 415	3.12 448	5.00 446	3.57 462	4.75 464	3.03 449	7.75 473	4.17 466	4.91 462	3.09 453	6.20 470	3.95 455	6.71 469	3.51 456	5.30 457	3.67 445	5.86 471	3.63 458	5.61 456	3.46 457

CFNet-RSSM	0.91 309	4.89 416	0.34 203	0.44 211	1.07 360	1.62 413	1.40 421	0.91 313	0.35 232	1.60 406	1.39 420	0.64 297	0.34 230	0.44 246	0.33 218	0.41 232	0.35 211	0.75 311	0.30 221	0.41 230	0.29 200

StereoVision	3.15 436	5.00 417	0.89 312	4.83 444	1.00 353	3.93 443	1.27 411	6.37 467	1.34 417	5.67 467	1.26 413	5.84 469	1.27 405	5.03 465	1.24 410	5.10 456	1.09 332	4.61 454	0.57 302	5.62 457	1.12 352

LL-Strereo	1.01 327	5.06 418	1.63 412	0.70 257	1.43 426	0.56 288	0.46 273	0.57 278	0.50 287	0.57 287	0.50 294	1.58 411	0.49 283	0.59 291	0.50 287	1.64 404	0.52 268	0.51 289	1.37 416	0.52 264	0.45 266

FC-DCNN v2	5.10 467	5.15 419	4.49 456	5.07 447	3.37 460	6.87 470	4.75 469	5.04 465	6.34 473	7.84 473	5.06 470	6.72 474	4.09 458	4.99 463	5.44 470	5.03 453	3.16 441	4.67 457	4.86 470	5.15 453	3.89 464

rvit_105_1	3.83 442	5.22 420	3.01 437	4.53 432	3.01 447	4.51 449	3.01 444	4.56 450	3.04 445	4.53 449	3.03 446	4.55 452	3.03 435	4.56 450	3.04 442	4.57 441	3.05 431	4.57 449	3.05 444	4.57 437	3.05 444

rvit_stereo_0081	3.83 442	5.23 421	3.01 437	4.53 432	3.03 449	4.55 455	3.02 445	4.56 450	3.04 445	4.52 447	3.02 444	4.54 450	3.03 435	4.56 450	3.04 442	4.57 441	3.05 431	4.57 449	3.05 444	4.58 438	3.05 444

CFNet	1.37 390	5.27 422	0.19 141	5.49 449	0.19 162	0.28 169	0.19 147	0.28 162	0.19 156	0.28 166	0.19 160	0.28 171	4.35 459	0.28 175	0.19 155	0.23 155	0.17 143	0.23 155	4.21 468	4.81 447	0.17 141

rvit_stereo_0083	3.92 451	5.30 423	3.06 445	4.61 441	3.09 456	4.67 460	3.08 454	4.66 458	3.09 454	4.62 457	3.10 454	4.66 462	3.11 444	4.67 458	3.16 453	4.72 451	3.16 441	4.77 460	3.11 451	4.66 444	3.11 451

rvit_0105_3	3.91 449	5.33 424	3.06 445	4.60 440	3.07 455	4.60 458	3.06 453	4.62 456	3.08 453	4.60 456	3.07 452	4.62 459	3.08 442	4.67 458	3.10 451	4.70 449	3.11 438	4.77 460	3.19 455	4.77 446	3.14 452

rvit_stereo_0081_aga	3.86 444	5.33 424	3.02 440	4.55 438	3.04 453	4.54 451	3.02 445	4.64 457	3.06 449	4.54 451	3.04 448	4.62 459	3.08 442	4.62 456	3.07 447	4.58 444	3.06 435	4.60 453	3.08 448	4.63 441	3.07 448

rvit_0105_5	4.10 453	5.40 426	3.13 450	4.71 443	3.15 458	4.72 463	3.10 456	4.90 464	3.27 457	4.69 459	3.16 456	4.84 464	3.25 447	4.96 462	3.34 455	5.05 454	3.39 443	5.10 464	3.40 456	5.11 452	3.42 456

UDGNet	2.23 413	5.40 426	1.72 417	2.48 410	1.69 430	2.51 429	1.69 426	2.51 425	1.72 428	2.50 429	1.69 428	2.52 430	1.69 418	2.50 428	1.68 427	2.41 425	1.70 415	2.42 432	1.69 430	2.42 413	1.64 425

rvit_stereo_ft	3.93 452	5.44 428	3.05 444	4.59 439	3.06 454	4.61 459	3.08 454	4.67 459	3.12 455	4.63 458	3.10 454	4.65 461	3.11 444	4.69 460	3.13 452	4.70 449	3.14 440	4.71 459	3.15 453	4.74 445	3.16 453

rvit_0105_4	3.91 449	5.47 429	3.02 440	4.54 435	3.02 448	4.54 451	3.03 449	4.75 460	3.17 456	4.57 453	3.06 449	4.61 458	3.16 446	4.65 457	3.09 450	4.66 448	3.11 438	4.68 458	3.18 454	4.81 447	3.16 453

rvit_stereo_0080	3.89 447	5.70 430	3.04 442	4.54 435	3.03 449	4.56 456	3.05 451	4.60 454	3.07 450	4.58 454	3.06 449	4.59 454	3.06 440	4.61 454	3.08 448	4.63 446	3.09 436	4.64 455	3.10 449	4.65 442	3.10 449

whm_eth	3.89 447	5.70 430	3.04 442	4.54 435	3.03 449	4.56 456	3.05 451	4.60 454	3.07 450	4.58 454	3.06 449	4.59 454	3.06 440	4.61 454	3.08 448	4.63 446	3.09 436	4.64 455	3.10 449	4.65 442	3.10 449

rvit_0105_6	3.87 446	5.73 432	3.10 447	4.69 442	3.12 457	4.54 451	3.02 445	4.56 450	3.04 445	4.54 451	3.03 446	4.54 450	3.04 438	4.56 450	3.05 444	4.58 444	3.05 431	4.58 451	3.05 444	4.58 438	3.05 444

rvit_stereo_0082	3.86 444	5.82 433	3.01 437	4.53 432	3.03 449	4.54 451	3.02 445	4.56 450	3.04 445	4.53 449	3.02 444	4.55 452	3.04 438	4.57 453	3.05 444	4.57 441	3.05 431	4.58 451	3.05 444	4.58 438	3.06 447

castereo	1.59 394	5.89 434	5.27 461	5.38 448	0.27 196	0.38 204	0.27 187	0.39 200	0.27 194	0.38 197	0.27 196	0.38 206	0.28 203	0.38 205	0.27 185	5.34 458	5.09 454	0.36 215	0.26 192	0.36 198	0.26 173

SGM-Forest	5.21 469	5.92 435	4.08 455	6.18 454	4.16 468	6.31 469	4.34 468	6.50 468	4.33 467	6.14 469	4.21 466	6.61 473	4.55 461	6.67 468	4.48 466	5.94 462	3.94 447	5.85 470	4.03 467	5.79 458	4.17 467
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaDis-Stereo	3.19 437	6.02 436	1.12 332	5.61 451	1.16 367	5.43 467	1.02 348	5.15 466	0.70 318	5.43 464	1.21 408	5.03 467	0.97 333	4.85 461	0.99 345	4.53 439	1.16 341	5.53 467	1.25 410	5.37 455	1.30 411

IER	0.88 306	7.04 437	2.23 428	2.75 414	0.28 200	0.43 249	0.25 176	0.39 200	0.25 176	0.41 220	0.27 196	0.39 211	0.25 179	0.40 216	0.28 192	0.37 205	0.28 180	0.37 218	0.25 185	0.37 201	0.25 167

HCRNet	1.22 384	7.11 438	3.00 436	3.55 424	0.33 231	0.29 171	0.14 130	0.19 129	0.15 144	0.33 181	0.29 206	0.25 160	0.14 134	0.22 148	0.33 218	3.64 433	3.00 430	0.76 313	0.32 231	0.18 131	0.13 129

SA	4.33 455	7.35 439	6.85 470	5.96 453	4.09 467	3.59 440	3.15 457	3.82 442	2.64 441	3.91 440	3.85 461	3.57 439	2.72 433	3.13 434	4.03 462	7.09 470	6.86 465	3.57 439	3.12 452	3.85 425	3.51 458

cross-raft	4.83 462	7.52 440	6.43 466	6.63 456	3.96 466	4.51 449	3.99 465	4.49 448	3.96 464	4.52 447	3.96 463	4.50 449	3.97 456	4.50 449	3.97 461	6.65 465	6.44 462	4.33 446	3.92 465	4.35 433	3.91 465

test_5	4.62 460	7.55 441	6.23 465	6.32 455	3.40 461	5.29 466	3.50 459	3.53 439	4.11 465	4.28 444	4.47 468	4.26 448	4.38 460	3.68 440	3.24 454	5.89 461	5.60 457	4.84 462	3.50 457	4.33 432	3.93 466

RAFT+CT+SA	4.28 454	7.62 442	4.91 458	5.55 450	2.28 442	3.09 434	3.64 460	4.49 448	3.07 450	4.80 460	3.35 457	4.77 463	3.70 451	4.29 447	3.05 444	5.58 459	5.98 460	3.58 440	3.78 463	4.26 431	3.72 460

raft_robust	4.71 461	7.75 443	5.40 464	6.81 457	3.31 459	4.28 448	4.20 467	4.32 447	4.37 468	4.35 446	4.35 467	4.14 446	3.75 452	4.30 448	4.20 465	6.67 466	6.37 461	3.36 438	4.24 469	4.86 449	3.25 455

test_4	4.88 463	8.13 444	6.98 471	7.46 461	4.44 469	4.25 447	3.85 464	4.04 446	3.92 463	4.13 443	3.91 462	4.18 447	3.84 453	4.14 445	4.06 463	7.01 469	7.13 466	4.53 447	3.72 462	4.09 429	3.72 460

Sa-1000	4.34 456	8.37 445	6.84 469	6.98 460	4.45 470	3.58 439	3.00 443	3.42 438	3.39 458	2.61 430	4.00 464	3.83 443	4.01 457	3.90 442	3.90 460	5.98 463	5.62 458	3.76 443	2.34 441	4.35 433	2.47 442

TestStereo1	4.60 457	8.41 446	6.44 467	6.86 458	3.79 464	3.97 444	3.78 462	3.99 444	3.74 460	3.97 441	3.52 458	3.94 444	3.58 448	3.98 443	3.72 458	6.82 467	6.50 463	3.76 443	3.66 459	3.90 426	3.74 462

SA-5K	4.60 457	8.41 446	6.44 467	6.86 458	3.79 464	3.97 444	3.78 462	3.99 444	3.74 460	3.97 441	3.52 458	3.94 444	3.58 448	3.98 443	3.72 458	6.82 467	6.50 463	3.76 443	3.66 459	3.90 426	3.74 462

U	5.15 468	8.49 448	1.81 420	8.49 465	1.77 433	8.49 475	1.77 428	8.51 475	1.77 430	8.49 475	1.77 430	8.50 476	1.78 420	8.58 475	1.77 433	8.54 474	1.78 419	8.55 476	1.78 435	8.55 470	1.84 432

CFNet_RVC	2.38 423	8.71 449	0.38 216	9.33 468	0.42 276	0.56 288	0.42 266	0.60 283	0.38 245	0.62 292	0.42 271	0.56 292	7.29 471	0.62 292	0.42 266	0.53 272	0.37 215	0.49 283	0.34 239	8.30 468	6.87 474

rvit_stereo_0075_2	6.64 471	8.80 450	5.25 460	7.89 462	5.27 473	7.90 474	5.27 471	7.92 474	5.28 471	7.91 474	5.29 472	7.93 475	5.27 463	7.92 474	5.28 468	7.93 471	5.28 456	7.93 474	5.29 473	7.93 467	5.28 471

test_3	5.01 465	8.86 451	7.77 473	8.09 463	2.76 446	4.13 446	4.05 466	3.88 443	3.76 462	4.33 445	4.13 465	3.71 442	3.91 454	4.21 446	4.06 463	7.93 471	7.69 468	4.53 447	3.91 464	4.17 430	4.29 468

SGM+DAISY	7.06 473	9.15 452	5.38 463	8.84 467	5.18 472	8.80 476	5.31 472	8.79 476	5.28 471	8.89 476	5.20 471	8.93 477	5.33 464	8.95 476	5.36 469	8.70 475	5.21 455	8.74 477	5.20 472	8.89 471	5.15 470

test-1	6.46 470	9.16 453	8.03 476	8.09 463	5.62 474	6.11 468	6.35 473	6.85 470	4.94 470	6.08 468	6.29 475	4.98 466	6.43 467	6.22 466	6.36 473	6.16 464	7.47 467	5.82 469	5.44 474	7.11 464	5.68 472

RAFT	6.73 472	9.36 454	7.40 472	8.51 466	6.55 475	6.88 471	6.60 474	6.79 469	6.60 474	6.80 470	6.72 476	5.31 468	5.50 465	6.61 467	6.61 474	8.42 473	5.89 459	5.73 468	5.45 475	6.61 460	6.24 473

CFNet_pseudo	2.67 431	9.36 454	0.32 190	10.99 477	0.33 231	0.85 315	0.33 218	0.49 255	0.33 222	0.49 260	0.32 221	0.49 265	7.26 470	0.49 268	0.33 218	0.41 232	9.62 474	0.41 251	0.29 212	10.03 476	0.29 200

CFNet_ucs	2.73 432	9.64 456	0.33 195	9.92 473	0.32 221	0.49 268	0.33 218	0.49 255	0.33 222	0.49 260	0.33 225	0.49 265	8.98 474	0.48 262	0.33 218	0.41 232	9.96 477	0.40 239	0.29 212	10.12 477	0.54 286

PCWNet_CMD	2.80 435	9.82 457	0.32 190	10.09 475	0.32 221	0.49 268	0.33 218	3.34 436	0.33 222	0.49 260	0.33 225	0.49 265	8.73 472	0.48 262	0.33 218	0.41 232	9.22 471	0.42 260	0.29 212	9.55 474	0.31 214

pcwnet_v2	2.66 430	9.89 458	0.33 195	9.89 472	0.32 221	0.50 276	0.32 210	0.49 255	0.33 222	0.49 260	0.34 232	0.49 265	8.76 473	0.48 262	0.33 218	0.41 232	9.58 473	0.40 239	0.29 212	9.01 472	0.63 301

UCFNet_RVC	2.75 433	10.06 459	0.29 176	10.31 476	0.29 206	0.42 245	0.29 200	0.43 239	0.29 202	0.42 232	0.29 206	0.42 245	9.87 476	0.43 244	0.29 201	0.36 201	9.84 476	0.36 215	0.26 192	9.77 475	0.26 173

MSMDNet	2.65 429	10.14 460	0.33 195	9.74 471	0.32 221	0.87 317	0.33 218	2.95 432	0.68 312	0.49 260	0.34 232	0.49 265	5.70 466	0.49 268	0.33 218	0.42 246	9.57 472	0.41 251	0.31 227	8.36 469	0.65 303

ccs_rob	2.79 434	10.17 461	0.32 190	10.00 474	0.33 231	0.49 268	0.33 218	1.90 410	0.32 218	0.51 274	0.33 225	0.49 265	9.24 475	0.49 268	0.33 218	0.41 232	9.82 475	0.41 251	0.28 203	9.34 473	0.29 200

test-v	7.53 474	11.89 462	7.98 474	9.36 469	7.14 476	7.06 472	7.09 475	7.37 471	6.91 475	7.29 471	5.71 473	6.45 471	6.93 468	6.73 470	7.27 475	8.93 476	7.85 469	6.98 472	6.80 476	7.56 465	7.34 475

test-2	7.53 474	11.89 462	7.98 474	9.36 469	7.14 476	7.06 472	7.09 475	7.37 471	6.91 475	7.29 471	5.71 473	6.45 471	6.93 468	6.73 470	7.27 475	8.93 476	7.85 469	6.98 472	6.80 476	7.56 465	7.34 475

rafts_anoy	20.00 478	20.00 464	20.00 478	20.00 478	20.00 479	20.00 477	20.00 478	20.00 477	20.00 478	20.00 477	20.00 478	20.00 478	20.00 478	20.00 477	20.00 478	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 478

raft+_RVC	20.00 478	20.00 464	20.00 478	20.00 478	20.00 479	20.00 477	20.00 478	20.00 477	20.00 478	20.00 477	20.00 478	20.00 478	20.00 478	20.00 477	20.00 478	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 478

raftrobust	20.00 478	20.00 464	20.00 478	20.00 478	20.00 479	20.00 477	20.00 478	20.00 477	20.00 478	20.00 477	20.00 478	20.00 478	20.00 478	20.00 477	20.00 478	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 478

CasAABBNet	20.00 478	20.00 464	20.00 478	20.00 478	20.00 479	20.00 477	20.00 478	20.00 477	20.00 478	20.00 477	20.00 478	20.00 478	20.00 478	20.00 477	20.00 478	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 478

RALCasStereoNet	20.00 478	20.00 464	20.00 478	20.00 478	20.00 479	20.00 477	20.00 478	20.00 477	20.00 478	20.00 477	20.00 478	20.00 478	20.00 478	20.00 477	20.00 478	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 478

RALAANet	20.00 478	20.00 464	20.00 478	20.00 478	20.00 479	20.00 477	20.00 478	20.00 477	20.00 478	20.00 477	20.00 478	20.00 478	20.00 478	20.00 477	20.00 478	20.00 478	20.00 479	20.00 478	20.00 479	20.00 478	20.00 478

MANE	19.05 477	23.00 470	15.00 477	23.00 484	15.00 478	24.00 483	16.00 477	24.00 483	16.00 477	22.00 483	15.00 477	23.00 484	16.00 477	23.00 483	15.00 477	22.00 484	15.00 478	22.00 484	15.00 478	22.00 484	15.00 477

stereogan	2.33 417	24.38 471	1.18 339	1.18 321	1.18 370	1.14 349	1.18 359	1.19 342	1.19 365	1.14 348	1.18 362	1.14 353	1.18 353	1.14 351	1.18 361	1.14 337	1.14 339	1.19 360	1.19 360	1.15 327	1.19 360

Abc-Net	2.32 416	24.75 472	1.14 334	1.17 320	1.17 368	1.11 347	1.15 355	1.17 339	1.21 411	1.08 339	1.16 358	1.12 352	1.14 347	1.09 345	1.17 360	1.09 328	1.16 341	1.17 357	1.17 359	1.16 329	1.11 350
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 417	25.00 473	1.13 333	1.15 314	1.15 363	1.10 344	1.15 355	1.15 335	1.15 358	1.12 345	1.15 355	1.09 346	1.13 345	1.10 347	1.15 356	1.11 335	1.09 332	1.16 353	1.12 354	1.16 329	1.17 358

RGC	2.36 419	25.48 474	1.19 340	1.15 314	1.15 363	1.10 344	1.16 357	1.17 339	1.16 359	1.12 345	1.16 358	1.11 351	1.13 345	1.09 345	1.18 361	1.10 330	1.15 340	1.16 353	1.12 354	1.14 325	1.12 352

NCC-stereo	2.36 419	25.52 475	1.17 337	1.15 314	1.17 368	1.11 347	1.11 351	1.15 335	1.16 359	1.10 340	1.16 358	1.10 348	1.15 348	1.14 351	1.13 354	1.09 328	1.11 336	1.15 352	1.16 358	1.17 334	1.17 358

AF-Net	2.37 421	25.71 476	1.17 337	1.13 311	1.15 363	1.15 350	1.18 359	1.19 342	1.16 359	1.10 340	1.15 355	1.10 348	1.18 353	1.12 350	1.15 356	1.10 330	1.10 335	1.17 357	1.15 356	1.16 329	1.12 352

Nwc_Net	2.37 421	25.95 477	1.15 336	1.14 312	1.15 363	1.08 341	1.14 354	1.17 339	1.16 359	1.14 348	1.15 355	1.08 344	1.15 348	1.11 349	1.14 355	1.10 330	1.11 336	1.16 353	1.09 353	1.16 329	1.15 357

FAT-Stereo	2.46 425	26.05 478	1.23 392	1.23 370	1.22 419	1.20 352	1.24 409	1.23 393	1.23 413	1.19 351	1.22 409	1.21 402	1.24 403	1.20 355	1.24 410	1.21 385	1.17 343	1.22 407	1.25 410	1.20 338	1.24 409

S-Stereo	2.51 426	26.86 479	1.23 392	1.22 368	1.22 419	1.24 400	1.25 410	1.22 391	1.24 414	1.21 397	1.24 411	1.19 356	1.27 405	1.19 354	1.24 410	1.19 339	1.20 345	1.25 408	1.19 360	1.24 386	1.23 408

MoCha-V2	2.11 411	26.97 480	0.78 304	0.92 283	0.77 335	0.96 328	0.72 319	0.90 311	0.72 322	0.94 327	0.70 323	0.90 326	0.71 316	0.91 323	0.71 321	0.85 309	0.71 297	0.88 329	0.69 320	0.87 301	0.67 307

edge stereo	2.43 424	27.07 481	1.14 334	1.06 303	1.14 362	1.08 341	1.17 358	1.16 337	1.14 357	1.10 340	1.16 358	1.09 346	1.16 352	1.10 347	1.16 359	1.10 330	1.11 336	1.16 353	1.19 360	1.13 324	1.11 350

fff	1000028.16 501	29.62 482	29.72 485	32.61 485	30.02 486	35.13 486	31.83 486	32.07 485	10000000.00 501	35.27 487	29.82 486	32.45 486	30.15 485	32.35 485	30.09 485	31.04 486	29.55 487	30.64 486	30.14 486	10000000.00 502	30.77 486

csc	1000028.16 501	29.62 482	29.72 485	32.61 485	30.02 486	35.13 486	31.83 486	32.07 485	10000000.00 501	35.27 487	29.82 486	32.45 486	30.15 485	32.35 485	30.09 485	31.04 486	29.55 487	30.64 486	30.14 486	10000000.00 502	30.77 486

cscssc	1000028.16 501	29.62 482	29.72 485	32.61 485	30.02 486	35.13 486	31.83 486	32.07 485	10000000.00 501	35.27 487	29.82 486	32.45 486	30.15 485	32.35 485	30.09 485	31.04 486	29.55 487	30.64 486	30.14 486	10000000.00 502	30.77 486

STTStereo	3.73 441	30.40 485	2.37 433	2.39 408	2.31 444	2.35 427	2.33 437	2.29 419	2.42 440	2.32 427	2.34 442	2.33 425	2.36 430	2.30 425	2.27 439	2.35 423	2.22 425	2.31 430	2.22 437	2.29 411	2.34 439

111	30.40 484	30.94 486	29.72 485	32.61 485	30.02 486	33.57 484	30.47 485	31.50 484	29.39 485	30.98 484	29.11 485	29.78 485	30.39 488	29.45 484	30.76 488	30.08 485	29.02 486	29.92 485	30.32 489	29.86 485	30.17 485

DCANet-4	35.22 486	34.54 487	35.08 491	33.58 489	35.47 493	34.55 485	35.53 492	36.08 490	35.85 489	35.92 490	35.77 491	35.18 491	35.48 490	35.39 490	37.15 491	34.55 491	33.92 490	35.02 492	34.90 491	35.79 489	34.74 492

tt	500032.53 499	34.60 488	29.72 485	37.47 491	34.41 491	36.85 490	35.22 490	34.71 488	33.55 487	34.50 485	35.43 489	33.81 489	10000000.00 502	33.57 488	33.13 489	33.68 489	35.00 491	34.03 490	35.26 492	30.96 486	34.63 490

DCANet	500032.53 499	34.60 488	29.72 485	37.47 491	34.41 491	36.85 490	35.22 490	34.71 488	33.55 487	34.50 485	35.43 489	33.81 489	10000000.00 502	33.57 488	33.13 489	33.68 489	35.00 491	34.03 490	35.26 492	30.96 486	34.63 490

WCMA_ROB	31.10 485	35.43 490	27.12 484	39.51 493	23.10 485	38.78 492	25.30 484	37.49 492	25.39 484	37.29 491	27.02 484	38.52 493	26.48 484	37.80 491	26.44 484	36.28 492	22.65 485	33.90 489	22.30 485	37.10 490	24.18 484

ADStereo(finetuned)	36.13 487	36.63 491	38.07 492	36.97 490	33.25 490	35.91 489	34.45 489	36.36 491	32.99 486	38.14 492	36.71 492	36.69 492	34.13 489	38.57 492	40.79 492	37.60 493	36.58 493	35.90 493	33.36 490	35.42 488	34.04 489

NLCA_NET_v2_RVC	5.04 466	50.87 492	2.78 435	2.87 416	2.71 445	2.78 433	0.47 278	2.88 431	2.86 444	1.89 414	2.67 443	2.79 434	2.79 434	2.78 432	2.83 441	2.82 427	2.82 429	2.83 434	2.77 443	2.83 420	2.76 443
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 488	87.70 493	41.95 493	113.75 496	65.62 496	75.05 493	55.25 494	75.64 494	45.04 490	71.61 493	41.75 493	72.81 494	44.06 491	68.38 493	44.63 493	101.89 496	59.57 496	107.10 496	61.05 496	104.38 493	59.38 495

MGS-Stereo	239.45 493	123.00 494	135.00 497	266.00 499	286.00 500	277.00 498	305.00 499	271.00 498	242.00 496	274.00 498	279.00 499	255.00 499	270.00 497	268.00 498	297.00 499	221.00 499	247.00 500	216.00 499	123.00 497	217.00 496	217.00 499

AE-Stereo	201.80 492	123.00 494	115.00 495	219.00 498	218.00 499	223.00 497	244.00 498	217.00 497	236.00 495	202.00 497	203.00 497	205.00 498	208.00 495	225.00 497	204.00 497	210.00 498	198.00 498	197.00 498	184.00 499	204.00 495	201.00 497

EGLCR-Stereo	246.90 494	129.00 496	139.00 498	266.00 499	286.00 500	277.00 498	305.00 499	271.00 498	242.00 496	274.00 498	279.00 499	255.00 499	270.00 497	268.00 498	297.00 499	230.00 500	247.00 500	216.00 499	223.00 501	237.00 497	227.00 500

NOSS_ROB	102.95 489	153.00 497	121.00 496	51.00 494	44.00 494	165.00 496	127.00 495	153.00 495	119.00 492	164.00 496	125.00 495	168.00 497	120.00 493	153.00 495	117.00 495	49.00 494	44.00 494	49.00 494	44.00 494	49.00 491	44.00 493

MeshStereo	159.24 491	171.00 498	160.68 499	162.58 497	160.59 497	164.01 495	160.35 496	158.51 496	158.56 493	158.34 495	160.12 496	158.56 496	159.92 494	157.26 496	158.94 496	154.38 497	158.36 497	155.75 497	159.13 498	153.67 494	154.07 496
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
PA-Net	11.80 476	223.51 499	0.62 277	0.59 247	0.71 329	0.59 294	0.73 320	0.67 289	0.73 325	0.55 284	0.61 308	0.60 296	0.74 318	0.63 293	0.73 322	0.66 285	0.60 276	0.69 305	0.66 314	0.72 280	0.65 303
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 495	354.61 500	207.27 500	363.24 501	206.46 498	364.72 500	210.41 497	364.72 500	210.41 494	364.81 500	208.64 498	364.81 501	208.64 496	364.72 500	210.41 498	354.70 501	205.53 499	354.70 501	205.53 500	354.70 498	205.53 498

LE_ROB	396.57 496	471.28 501	329.84 501	471.48 502	308.15 502	526.83 501	322.10 501	488.15 501	323.76 498	495.46 501	317.97 501	497.17 502	320.10 499	481.62 501	326.76 501	462.71 502	298.97 502	466.16 502	285.98 502	447.62 499	289.21 501

SGM-ForestM	596.69 497	677.77 502	444.52 502	699.85 503	517.25 503	732.94 502	488.29 502	770.79 502	460.11 499	750.81 502	487.98 502	792.79 503	499.41 500	730.90 502	475.81 502	720.03 503	491.16 503	663.96 503	418.60 503	674.76 500	436.05 502

CBMV_ROB	818.48 498	913.88 503	709.52 503	862.84 504	597.78 504	1073.99 503	700.52 503	1015.66 503	702.59 500	1115.65 503	760.02 503	1130.24 504	721.57 501	1037.41 503	692.65 503	814.05 504	564.29 504	843.28 504	595.31 504	915.51 501	602.92 503

CBMV	128.50 490	1422.70 504	53.10 494	79.50 495	51.30 495	77.30 494	49.70 493	74.00 493	48.20 491	77.20 494	48.80 494	73.90 495	48.00 492	73.80 494	48.80 494	70.40 495	45.10 495	68.90 495	46.10 495	68.20 492	45.00 494
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IGEV-Stereo++	10000000.00 504	10000000.00 505	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 504	10000000.00 504	10000000.00 504	10000000.00 501	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 502	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 504

IGEV-BASED-STEREO-	10000000.00 504	10000000.00 505	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 504	10000000.00 504	10000000.00 504	10000000.00 501	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 502	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 504

IGEV-Stereo+	10000000.00 504	10000000.00 505	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 504	10000000.00 504	10000000.00 504	10000000.00 501	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 502	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 504

SDNR	10000000.00 504	10000000.00 505	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 504	10000000.00 504	10000000.00 504	10000000.00 501	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 502	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 504

anonymousdsp2	10000000.00 504	10000000.00 505	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 504	10000000.00 504	10000000.00 504	10000000.00 501	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 502	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 504

anonymousdsp	10000000.00 504	10000000.00 505	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 504	10000000.00 504	10000000.00 504	10000000.00 501	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 502	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 504

test_example2	10000000.00 504	10000000.00 505	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 504	10000000.00 504	10000000.00 504	10000000.00 501	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 502	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 504

DIP-Stereo	10000000.00 504	10000000.00 505	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 504	10000000.00 504	10000000.00 504	10000000.00 501	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 502	10000000.00 504	10000000.00 504	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 505	10000000.00 502	10000000.00 504
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark