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

Wz-Net-TNSev	0.02 14	0.05 48	0.04 41	0.07 46	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 53	0.04 43	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 28	0.09 63	0.07 56	0.09 52	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 64	0.07 55	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 42	0.24 116	0.20 153	0.23 138	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	0.23 164	0.21 165	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 42	0.54 198	0.10 67	0.12 79	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 89	0.11 93	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 39	0.50 185	0.10 67	0.12 79	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 89	0.10 71	0.01 9	0.01 9	0.01 9	0.01 9

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

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

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

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

G2L-Stereo_aug	0.03 28	0.04 36	0.03 33	0.03 28	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 38	0.02 19	0.03 33	0.02 14	0.03 37	0.02 20	0.03 42	0.02 19

coex_refinement	0.03 28	0.03 30	0.02 13	0.03 28	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 38	0.02 19	0.03 33	0.02 14	0.03 37	0.02 20	0.03 42	0.02 19

G2L-Stereo	0.03 28	0.03 30	0.02 13	0.03 28	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 38	0.02 19	0.03 33	0.02 14	0.03 37	0.02 20	0.03 42	0.02 19

YMNet	0.03 28	0.04 36	0.03 33	0.03 28	0.03 46	0.03 39	0.02 19	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.02 19	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

YMNet_1	0.03 28	0.04 36	0.03 33	0.03 28	0.03 46	0.03 39	0.02 19	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.02 19	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

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

test_sample6	0.09 49	0.97 246	0.10 67	0.10 56	0.03 46	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 50	0.03 41	0.02 21	0.03 38	0.02 19	0.10 69	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

SMFormer	0.09 49	1.01 256	0.09 63	0.09 52	0.03 46	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 38	0.02 19	0.09 64	0.09 66	0.03 37	0.02 20	0.03 42	0.02 19

tta	0.09 49	0.95 243	0.09 63	0.10 56	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 38	0.02 19	0.09 64	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

CoDeX	0.15 115	0.70 211	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	0.67 330	0.02 14	0.69 312	0.75 334	0.01 9	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

Wz-Net-LNSev-Ref	0.11 81	0.44 164	0.33 203	0.39 187	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	0.39 231	0.36 224	0.02 18	0.02 20	0.02 19	0.02 19

CSP-Net	0.34 180	1.29 336	1.19 363	1.36 398	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	1.26 407	1.21 414	0.03 37	0.09 102	0.02 19	0.09 100

SFCPSM	0.17 126	0.78 215	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	0.79 349	0.02 14	0.75 322	0.76 336	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 148	1.31 338	0.74 319	0.92 303	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	0.87 330	0.75 322	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 48	0.02 12	0.02 13	1.01 320	0.03 46	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 67	0.09 97	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 49	0.02 12	0.04 41	0.90 298	0.06 99	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 119	0.36 250	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 81	0.02 12	0.02 13	1.62 409	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 80	0.04 70	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 49

RYNet	0.02 14	0.02 12	0.02 13	0.03 28	0.03 46	0.03 39	0.02 19	0.02 19	0.02 20	0.03 39	0.02 19	0.02 19	0.03 50	0.03 38	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

TCMNet	0.03 28	0.04 36	0.03 33	0.03 28	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

TCMNet-wrong-test	0.03 28	0.04 36	0.03 33	0.03 28	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.02 19	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

DualNet (step1)	0.10 60	1.05 266	0.12 98	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.02 19	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.03 52	0.03 42	0.03 49

test_sample9	0.10 60	1.05 266	0.12 98	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.02 19	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.03 52	0.03 42	0.03 49

test_sample8	0.10 60	1.05 266	0.12 98	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.03 52	0.03 42	0.03 49

test_sample7	0.09 49	1.00 250	0.11 87	0.11 73	0.02 20	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.03 52	0.03 42	0.03 49

test_sample5	0.10 60	1.07 269	0.11 87	0.10 56	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.10 69	0.10 71	0.03 37	0.03 52	0.04 72	0.03 49

test_sample4	0.10 60	1.03 262	0.12 98	0.10 56	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.13 105	0.13 131	0.03 37	0.03 52	0.03 42	0.03 49

test_sample3	0.09 49	0.87 226	0.10 67	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

test_sample2	0.09 49	1.03 262	0.11 87	0.11 73	0.03 46	0.03 39	0.03 48	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 38	0.02 19	0.09 64	0.09 66	0.03 37	0.02 20	0.03 42	0.02 19

test_sample1	0.09 49	0.87 226	0.12 98	0.11 73	0.03 46	0.03 39	0.03 48	0.03 41	0.02 20	0.04 69	0.02 19	0.03 41	0.03 50	0.03 38	0.03 46	0.10 69	0.10 71	0.03 37	0.02 20	0.03 42	0.02 19

mmm	0.14 105	1.83 356	0.12 98	0.11 73	0.03 46	0.03 39	0.03 48	0.03 41	0.04 76	0.03 39	0.03 50	0.03 41	0.03 50	0.06 80	0.04 70	0.12 89	0.11 93	0.05 79	0.04 73	0.05 84	0.04 74

DualNet	0.10 60	1.07 269	0.11 87	0.10 56	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.10 69	0.10 71	0.03 37	0.03 52	0.04 72	0.03 49

ttt	0.10 60	1.09 271	0.12 98	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.02 20	0.03 42	0.02 19

1111x	0.10 60	1.14 276	0.13 117	0.14 96	0.03 46	0.04 72	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.13 105	0.11 93	0.03 37	0.02 20	0.03 42	0.02 19

xxx	0.09 49	1.01 256	0.10 67	0.10 56	0.03 46	0.03 39	0.03 48	0.03 41	0.02 20	0.03 39	0.03 50	0.03 41	0.02 21	0.03 38	0.02 19	0.10 69	0.10 71	0.03 37	0.02 20	0.03 42	0.03 49

x	0.11 81	1.15 278	0.15 137	0.14 96	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.14 112	0.15 137	0.03 37	0.03 52	0.03 42	0.03 49

psmg	0.43 230	1.91 363	0.92 339	1.91 416	0.02 20	0.02 18	0.03 48	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 38	0.02 19	1.97 438	1.44 428	0.04 69	0.03 52	0.02 19	0.03 49

222	0.10 60	0.99 249	0.12 98	0.13 92	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.12 89	0.12 107	0.03 37	0.02 20	0.04 72	0.03 49

xxxx	0.11 81	1.16 279	0.16 138	0.12 79	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.13 105	0.16 139	0.03 37	0.04 73	0.04 72	0.04 74

test_xeample	0.10 60	1.09 271	0.13 117	0.12 79	0.03 46	0.03 39	0.03 48	0.04 72	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.03 38	0.03 46	0.14 112	0.14 134	0.03 37	0.03 52	0.03 42	0.03 49

EDNetEfficient	0.04 36	0.05 48	0.04 41	0.04 36	0.03 46	0.04 72	0.03 48	0.04 72	0.03 53	0.04 69	0.03 50	0.04 72	0.03 50	0.04 67	0.03 46	0.05 49	0.03 34	0.05 79	0.03 52	0.04 72	0.03 49

BEATNet_4x	0.11 81	0.03 30	0.03 33	1.60 406	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.05 75	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

ADCL	0.11 81	0.03 30	0.03 33	1.60 406	0.03 46	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.03 41	0.03 50	0.05 75	0.03 46	0.03 33	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

ADCRef	0.12 90	0.03 30	0.04 41	1.71 412	0.04 75	0.03 39	0.03 48	0.04 72	0.04 76	0.04 69	0.03 50	0.04 72	0.03 50	0.06 80	0.04 70	0.04 42	0.04 43	0.04 69	0.04 73	0.03 42	0.04 74

AnyNet_C32	0.14 105	0.04 36	0.03 33	2.22 427	0.04 75	0.03 39	0.03 48	0.03 41	0.03 53	0.03 39	0.03 50	0.04 72	0.02 21	0.07 94	0.04 70	0.02 14	0.02 14	0.03 37	0.03 52	0.02 19	0.03 49

ADCPNet	0.10 60	0.03 30	0.04 41	1.27 392	0.03 46	0.04 72	0.03 48	0.03 41	0.03 53	0.04 69	0.03 50	0.04 72	0.03 50	0.08 97	0.04 70	0.04 42	0.03 34	0.03 37	0.03 52	0.03 42	0.03 49

DFGA-Net	0.05 39	0.06 53	0.04 41	0.06 45	0.04 75	0.06 84	0.04 75	0.06 86	0.04 76	0.06 88	0.04 83	0.06 90	0.04 79	0.06 80	0.04 70	0.06 53	0.04 43	0.05 79	0.04 73	0.05 84	0.04 74

11t1	0.17 126	2.16 380	0.13 117	0.13 92	0.04 75	0.06 84	0.04 75	0.06 86	0.04 76	0.06 88	0.03 50	0.06 90	0.03 50	0.06 80	0.05 81	0.18 142	0.12 107	0.06 86	0.03 52	0.05 84	0.03 49

BUS	0.83 322	1.91 363	0.92 339	4.48 459	0.02 20	0.40 223	0.04 75	0.41 232	0.02 20	0.48 268	0.03 50	0.41 240	0.05 86	0.03 38	0.05 81	1.97 438	4.19 479	0.33 203	0.23 185	0.34 193	0.27 193

NINENet	0.69 289	3.87 432	1.20 366	1.98 420	0.05 91	0.40 223	0.04 75	0.40 217	0.05 90	0.41 231	0.04 83	0.41 240	0.05 86	0.40 227	0.05 81	1.79 431	1.56 434	0.34 210	0.22 180	0.34 193	0.23 169

EDNetEfficientorigin	0.04 36	0.06 53	0.04 41	0.05 42	0.04 75	0.05 82	0.04 75	0.05 82	0.04 76	0.05 84	0.04 83	0.05 84	0.04 79	0.05 75	0.04 70	0.05 49	0.03 34	0.06 86	0.03 52	0.04 72	0.03 49

FADNet-RVC-Resample	0.12 90	0.04 36	0.04 41	0.04 36	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.04 83	0.04 72	0.04 79	0.04 67	1.57 446	0.04 42	0.04 43	0.04 69	0.05 88	0.04 72	0.06 94

FADNet_RVC	0.12 90	0.04 36	0.04 41	0.05 42	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.04 83	0.04 72	0.05 86	0.04 67	1.65 450	0.05 49	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

FADNet	0.12 90	0.05 48	0.04 41	0.04 36	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.04 83	0.04 72	0.05 86	0.04 67	1.66 451	0.06 53	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

ADCP+	0.15 115	0.04 36	0.04 41	2.20 426	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.05 92	0.04 72	0.04 79	0.08 97	0.04 70	0.04 42	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

NVStereoNet_ROB	0.04 36	0.04 36	0.04 41	0.04 36	0.04 75	0.04 72	0.04 75	0.04 72	0.04 76	0.04 69	0.04 83	0.04 72	0.04 79	0.04 67	0.04 70	0.04 42	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ISRNet	0.11 81	0.05 48	0.36 221	0.24 143	0.07 100	0.13 115	0.05 85	0.06 86	0.05 90	0.05 84	0.05 92	0.13 117	0.05 86	0.05 75	0.09 97	0.24 169	0.20 161	0.10 99	0.05 88	0.06 88	0.13 138

qqq1	0.25 148	3.70 423	0.14 122	0.14 96	0.04 75	0.06 84	0.05 85	0.06 86	0.05 90	0.06 88	0.05 92	0.04 72	0.05 86	0.06 80	0.05 81	0.13 105	0.12 107	0.06 86	0.05 88	0.03 42	0.04 74

fff1	0.25 148	3.70 423	0.14 122	0.14 96	0.04 75	0.06 84	0.05 85	0.06 86	0.05 90	0.06 88	0.05 92	0.04 72	0.05 86	0.06 80	0.05 81	0.13 105	0.12 107	0.06 86	0.05 88	0.03 42	0.04 74

ffm	0.25 148	3.83 429	0.12 98	0.12 79	0.05 91	0.06 84	0.05 85	0.06 86	0.05 90	0.03 39	0.03 50	0.06 90	0.05 86	0.06 80	0.05 81	0.12 89	0.12 107	0.05 79	0.04 73	0.06 88	0.04 74

ff1	0.25 148	3.83 429	0.12 98	0.12 79	0.05 91	0.06 84	0.05 85	0.06 86	0.05 90	0.03 39	0.03 50	0.06 90	0.05 86	0.06 80	0.05 81	0.12 89	0.12 107	0.05 79	0.04 73	0.06 88	0.04 74

mmx	0.25 148	3.83 429	0.12 98	0.12 79	0.05 91	0.06 84	0.05 85	0.06 86	0.05 90	0.03 39	0.03 50	0.06 90	0.05 86	0.06 80	0.05 81	0.12 89	0.12 107	0.05 79	0.04 73	0.06 88	0.04 74

GASNet	0.05 39	0.04 36	0.12 98	0.04 36	0.04 75	0.04 72	0.05 85	0.04 72	0.04 76	0.12 114	0.04 83	0.06 90	0.04 79	0.04 67	0.04 70	0.04 42	0.04 43	0.04 69	0.04 73	0.04 72	0.04 74

qqq	0.16 123	2.01 371	0.12 98	0.15 105	0.04 75	0.06 84	0.05 85	0.06 86	0.04 76	0.06 88	0.03 50	0.06 90	0.03 50	0.06 80	0.03 46	0.12 89	0.14 134	0.04 69	0.04 73	0.03 42	0.03 49

AASNet	0.06 42	0.08 57	0.08 58	0.08 48	0.05 91	0.06 84	0.05 85	0.05 82	0.06 98	0.06 88	0.06 98	0.05 84	0.06 98	0.06 80	0.05 81	0.08 58	0.08 57	0.08 93	0.05 88	0.06 88	0.05 89

SACVNet	0.06 42	0.08 57	0.08 58	0.08 48	0.05 91	0.06 84	0.05 85	0.05 82	0.06 98	0.06 88	0.06 98	0.05 84	0.06 98	0.06 80	0.05 81	0.08 58	0.08 57	0.08 93	0.05 88	0.06 88	0.05 89

AACVNet	0.06 42	0.08 57	0.08 58	0.08 48	0.05 91	0.06 84	0.05 85	0.05 82	0.06 98	0.06 88	0.06 98	0.05 84	0.06 98	0.06 80	0.05 81	0.08 58	0.08 57	0.08 93	0.05 88	0.06 88	0.05 89

FADNet-RVC	0.13 96	0.04 36	0.04 41	0.04 36	0.04 75	0.04 72	0.05 85	0.04 72	0.04 76	0.04 69	0.05 92	0.04 72	0.05 86	0.04 67	1.71 453	0.04 42	0.04 43	0.04 69	0.04 73	0.07 96	0.04 74

BSDual-CNN	0.81 314	1.91 363	0.92 339	4.48 459	0.02 20	0.42 257	0.06 97	0.41 232	0.02 20	0.48 268	0.03 50	0.02 19	0.02 21	0.03 38	0.02 19	1.97 438	4.19 479	0.33 203	0.23 185	0.34 193	0.27 193

hknet	1.10 355	1.85 357	3.49 481	4.48 459	0.02 20	0.42 257	0.06 97	0.41 232	0.02 20	0.48 268	0.03 50	0.41 240	0.03 50	0.42 254	0.03 46	4.39 468	4.19 479	0.33 203	0.23 185	0.34 193	0.27 193

FINET	0.07 47	0.08 57	0.07 56	0.07 46	0.07 100	0.08 95	0.06 97	0.08 99	0.07 101	0.08 96	0.07 101	0.08 97	0.06 98	0.07 94	0.07 92	0.08 58	0.07 55	0.07 91	0.07 96	0.06 88	0.06 94

BEATNet-Init1	0.19 129	0.08 57	0.08 58	2.23 428	0.08 102	0.08 95	0.07 100	0.07 96	0.08 103	0.08 96	0.07 101	0.08 97	0.07 102	0.11 113	0.08 94	0.08 58	0.08 57	0.08 93	0.07 96	0.08 98	0.08 97

DeepPrunerF	0.19 129	0.08 57	0.08 58	2.23 428	0.08 102	0.08 95	0.07 100	0.07 96	0.08 103	0.08 96	0.07 101	0.08 97	0.07 102	0.11 113	0.08 94	0.08 58	0.08 57	0.08 93	0.07 96	0.08 98	0.08 97

SepStereo	0.09 49	0.09 63	0.10 67	0.09 52	0.09 104	0.09 99	0.09 102	0.10 101	0.08 103	0.10 100	0.09 104	0.09 101	0.09 105	0.09 100	0.08 94	0.09 64	0.08 57	0.09 98	0.08 100	0.09 101	0.08 97

SuperB	0.21 138	0.10 65	2.51 464	0.12 79	0.09 104	0.10 100	0.09 102	0.08 99	0.07 101	0.10 100	0.09 104	0.09 101	0.07 102	0.07 94	0.07 92	0.07 56	0.08 57	0.07 91	0.07 96	0.08 98	0.07 96

DRN-Test	0.14 105	0.13 79	0.09 63	0.14 96	0.09 104	0.15 123	0.09 102	0.14 117	0.10 107	0.14 116	0.09 104	0.14 118	0.09 105	0.13 118	0.09 97	0.12 89	0.09 66	0.12 113	0.09 102	0.12 117	0.73 339

StereoDRNet	0.15 115	0.14 83	0.10 67	0.14 96	0.09 104	0.15 123	0.09 102	0.14 117	0.09 106	0.14 116	0.10 108	0.14 118	0.09 105	0.14 119	0.09 97	0.13 105	0.10 71	0.13 116	0.09 102	0.13 119	0.82 350

PDISCO_ROB	0.83 322	2.80 406	3.49 481	0.14 96	0.11 126	0.17 136	0.09 102	0.15 129	0.10 107	0.15 122	0.12 132	0.16 129	0.14 146	3.30 465	0.13 135	0.14 112	2.34 457	0.16 134	0.12 137	2.62 447	0.10 105

S2M2	0.12 90	0.14 83	0.10 67	0.15 105	0.10 110	0.14 116	0.10 107	0.14 117	0.10 107	0.15 122	0.10 108	0.14 118	0.10 109	0.14 119	0.10 103	0.13 105	0.10 71	0.13 116	0.09 102	0.13 119	0.09 100

AnonymousM	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

LRCNet_RVC	0.13 96	0.13 79	0.09 63	0.13 92	0.10 110	0.14 116	0.10 107	0.14 117	0.10 107	0.23 160	0.10 108	0.20 146	0.10 109	0.24 168	0.11 115	0.11 84	0.09 66	0.12 113	0.14 149	0.12 117	0.09 100

UNet	0.29 161	0.90 233	0.10 67	0.14 96	0.10 110	0.14 116	0.10 107	0.91 335	0.69 337	0.14 116	0.11 122	0.14 118	0.11 121	0.14 119	0.10 103	0.12 89	0.09 66	0.12 113	0.09 102	0.88 324	0.76 344

PVD	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

SHD	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

SAMSARA	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

XQC	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

RTSC	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

RTS	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

RTSA	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

MADNet+	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

MADNet++	0.10 60	0.10 65	0.10 67	0.10 56	0.10 110	0.10 100	0.10 107	0.10 101	0.10 107	0.10 100	0.10 108	0.10 103	0.10 109	0.10 102	0.10 103	0.10 69	0.10 71	0.10 99	0.10 109	0.10 102	0.10 105

test_for_model	0.15 115	0.23 109	0.18 147	0.21 135	0.11 126	0.16 130	0.11 120	0.16 130	0.11 122	0.16 127	0.11 122	0.16 129	0.11 121	0.16 129	0.11 115	0.21 150	0.18 158	0.14 118	0.11 121	0.14 121	0.11 117

testlalala2	0.13 96	0.16 85	0.11 87	0.15 105	0.11 126	0.16 130	0.11 120	0.16 130	0.11 122	0.16 127	0.11 122	0.16 129	0.11 121	0.16 129	0.11 115	0.14 112	0.11 93	0.14 118	0.11 121	0.14 121	0.11 117

JetBlue	0.11 81	0.11 76	0.12 98	0.13 92	0.14 146	0.11 111	0.11 120	0.11 113	0.11 122	0.11 112	0.11 122	0.11 113	0.11 121	0.12 117	0.12 129	0.11 84	0.11 93	0.11 110	0.11 121	0.11 112	0.11 117

testlalala_base	0.13 96	0.16 85	0.11 87	0.15 105	0.11 126	0.15 123	0.11 120	0.16 130	0.11 122	0.16 127	0.11 122	0.16 129	0.11 121	0.16 129	0.11 115	0.14 112	0.11 93	0.14 118	0.11 121	0.14 121	0.11 117

ProNet	0.14 105	0.20 98	0.14 122	0.16 114	0.11 126	0.16 130	0.11 120	0.17 136	0.11 122	0.17 134	0.12 132	0.17 137	0.13 142	0.17 136	0.12 129	0.15 121	0.11 93	0.16 134	0.11 121	0.15 131	0.12 132

CIPLG	0.13 96	0.21 104	0.12 98	0.16 114	0.11 126	0.15 123	0.11 120	0.14 117	0.11 122	0.15 122	0.12 132	0.15 128	0.11 121	0.14 119	0.11 115	0.15 121	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

IPLG	0.13 96	0.20 98	0.14 122	0.15 105	0.11 126	0.14 116	0.11 120	0.14 117	0.11 122	0.14 116	0.11 122	0.14 118	0.11 121	0.14 119	0.11 115	0.15 121	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

ACRE	0.13 96	0.21 104	0.14 122	0.15 105	0.11 126	0.14 116	0.11 120	0.14 117	0.11 122	0.14 116	0.12 132	0.14 118	0.11 121	0.14 119	0.11 115	0.15 121	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

ICVP	0.15 115	0.53 195	0.11 87	0.16 114	0.11 126	0.16 130	0.11 120	0.16 130	0.11 122	0.16 127	0.11 122	0.16 129	0.11 121	0.16 129	0.11 115	0.16 129	0.11 93	0.16 134	0.11 121	0.16 135	0.11 117
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 96	0.11 76	0.11 87	0.11 73	0.11 126	0.11 111	0.11 120	0.11 113	0.11 122	0.11 112	0.12 132	0.11 113	0.11 121	0.11 113	0.11 115	0.11 84	0.11 93	0.14 118	0.11 121	0.49 270	0.11 117

PASM	0.39 209	3.06 409	1.36 426	1.58 404	0.09 104	0.11 111	0.11 120	0.11 113	0.11 122	0.09 99	0.09 104	0.11 113	0.09 105	0.09 100	0.09 97	0.11 84	0.11 93	0.11 110	0.09 102	0.11 112	0.11 117

HSM	0.14 105	0.16 85	0.12 98	0.17 120	0.12 141	0.17 136	0.11 120	0.17 136	0.11 122	0.17 134	0.12 132	0.17 137	0.12 137	0.17 136	0.12 129	0.16 129	0.11 93	0.16 134	0.11 121	0.16 135	0.12 132

ELAS_RVC	0.14 105	0.16 85	0.10 67	0.15 105	0.10 110	0.18 139	0.11 120	0.19 140	0.11 122	0.19 139	0.12 132	0.18 140	0.11 121	0.19 141	0.12 129	0.14 112	0.08 57	0.14 118	0.09 102	0.15 131	0.09 100
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 115	0.17 91	0.11 87	0.18 121	0.11 126	0.19 142	0.11 120	0.19 140	0.12 140	0.19 139	0.12 132	0.20 146	0.12 137	0.19 141	0.12 129	0.16 129	0.11 93	0.17 139	0.10 109	0.17 138	0.10 105
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.13 96	0.16 85	0.11 87	0.15 105	0.09 104	0.18 139	0.11 120	0.18 138	0.11 122	0.17 134	0.11 122	0.18 140	0.11 121	0.18 138	0.11 115	0.14 112	0.08 57	0.14 118	0.08 100	0.14 121	0.09 100
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MIPNet	0.14 105	0.21 104	0.17 142	0.16 114	0.11 126	0.15 123	0.12 135	0.14 117	0.11 122	0.16 127	0.11 122	0.14 118	0.11 121	0.14 119	0.11 115	0.14 112	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

IPLGR	0.14 105	0.24 116	0.14 122	0.16 114	0.12 141	0.15 123	0.12 135	0.14 117	0.11 122	0.15 122	0.12 132	0.14 118	0.11 121	0.14 119	0.11 115	0.15 121	0.12 107	0.14 118	0.11 121	0.14 121	0.11 117

LALA_ROB	0.15 115	0.19 94	0.12 98	0.18 121	0.11 126	0.20 147	0.12 135	0.21 152	0.12 140	0.20 144	0.12 132	0.20 146	0.12 137	0.21 156	0.13 135	0.17 134	0.10 71	0.18 149	0.11 121	0.18 142	0.11 117

ITSA-stereo	0.15 115	0.17 91	0.13 117	0.20 126	0.13 144	0.19 142	0.13 138	0.18 138	0.13 143	0.19 139	0.13 144	0.18 140	0.14 146	0.18 138	0.14 139	0.16 129	0.11 93	0.15 131	0.14 149	0.18 142	0.11 117

DeepPruner_ROB	0.16 123	0.18 93	0.13 117	0.19 124	0.13 144	0.19 142	0.13 138	0.19 140	0.13 143	0.19 139	0.13 144	0.19 144	0.13 142	0.19 141	0.13 135	0.18 142	0.13 131	0.18 149	0.13 145	0.18 142	0.13 138

castereo++	0.54 263	3.59 420	1.15 357	1.31 394	0.14 146	0.16 130	0.14 140	0.16 130	0.14 145	0.16 127	0.14 149	0.16 129	0.13 142	0.16 129	0.14 139	1.45 419	1.16 363	0.15 131	0.14 149	0.15 131	0.13 138

DDVS	0.30 162	3.10 410	0.14 122	0.19 124	0.14 146	0.19 142	0.14 140	0.20 145	0.14 145	0.19 139	0.13 144	0.16 129	0.13 142	0.19 141	0.13 135	0.17 134	0.13 131	0.17 139	0.13 145	0.17 138	0.13 138

JetRed	0.11 81	0.12 78	0.11 87	0.11 73	0.11 126	0.11 111	0.14 140	0.11 113	0.11 122	0.12 114	0.11 122	0.11 113	0.11 121	0.11 113	0.11 115	0.11 84	0.16 139	0.11 110	0.11 121	0.11 112	0.11 117

HCRNet	1.22 408	7.11 467	3.00 466	3.55 454	0.33 243	0.29 184	0.14 140	0.19 140	0.15 155	0.33 194	0.29 217	0.25 173	0.14 146	0.22 160	0.33 231	3.64 463	3.00 460	0.76 336	0.32 243	0.18 142	0.13 138

GMStereo	0.14 105	0.13 79	0.14 122	0.14 96	0.14 146	0.14 116	0.14 140	0.14 117	0.14 145	0.14 116	0.14 149	0.14 118	0.14 146	0.14 119	0.14 139	0.14 112	0.14 134	0.14 118	0.14 149	0.14 121	0.14 143
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
dd	0.23 145	0.98 247	0.16 138	0.23 138	0.15 157	0.23 163	0.15 145	0.23 159	0.15 155	0.23 160	0.15 157	0.24 168	0.17 158	0.23 164	0.15 149	0.22 153	0.15 137	0.21 156	0.15 153	0.22 155	0.16 144

dad	0.23 145	1.03 262	0.16 138	0.23 138	0.15 157	0.24 164	0.15 145	0.24 162	0.16 157	0.23 160	0.16 158	0.24 168	0.16 156	0.23 164	0.15 149	0.22 153	0.16 139	0.22 161	0.16 154	0.22 155	0.16 144

IPLGR_C	0.14 105	0.20 98	0.12 98	0.15 105	0.11 126	0.14 116	0.15 145	0.14 117	0.11 122	0.15 122	0.12 132	0.14 118	0.11 121	0.16 129	0.11 115	0.15 121	0.12 107	0.14 118	0.12 137	0.15 131	0.12 132

castereo	0.61 274	3.79 428	1.35 421	1.52 403	0.15 157	0.17 136	0.16 148	0.20 145	0.21 173	0.18 137	0.16 158	0.21 154	0.12 137	0.26 183	0.17 156	1.43 418	1.38 425	0.17 139	0.16 154	0.18 142	0.16 144

GMStereo_Zeroshot	0.16 123	0.16 85	0.16 138	0.16 114	0.16 163	0.16 130	0.16 148	0.16 130	0.16 157	0.16 127	0.16 158	0.16 129	0.16 156	0.16 129	0.16 155	0.16 129	0.16 139	0.16 134	0.16 154	0.16 135	0.16 144

tg	0.21 138	0.25 118	0.21 157	0.26 155	0.17 164	0.24 164	0.17 150	0.24 162	0.17 160	0.24 165	0.17 161	0.24 168	0.17 158	0.24 168	0.17 156	0.24 169	0.17 152	0.23 167	0.16 154	0.23 164	0.16 144

ACV-stereo	0.30 162	2.08 373	0.25 171	0.25 148	0.18 171	0.24 164	0.17 150	0.24 162	0.18 162	0.24 165	0.17 161	0.25 173	0.17 158	0.24 168	0.17 156	0.22 153	0.16 139	0.22 161	0.16 154	0.22 155	0.16 144

IGEV_Zeroshot_test	0.20 131	0.19 94	0.40 236	0.30 160	0.17 164	0.22 157	0.17 150	0.21 152	0.17 160	0.20 144	0.17 161	0.21 154	0.18 165	0.21 156	0.17 156	0.20 145	0.16 139	0.20 153	0.16 154	0.20 149	0.17 154

MSKI-zero shot	0.24 147	0.21 104	0.49 273	0.65 271	0.18 171	0.22 157	0.17 150	0.23 159	0.18 162	0.21 154	0.17 161	0.23 164	0.28 215	0.23 164	0.18 165	0.21 150	0.16 139	0.21 156	0.16 154	0.21 153	0.16 144

MIM_Stereo	0.25 148	0.23 109	0.66 305	0.80 288	0.17 164	0.22 157	0.17 150	0.23 159	0.18 162	0.26 176	0.17 161	0.21 154	0.17 158	0.25 173	0.17 156	0.23 164	0.16 139	0.21 156	0.17 170	0.22 155	0.17 154

UPFNet	0.42 229	1.20 284	0.17 142	0.24 143	0.17 164	0.25 171	0.17 150	1.19 364	0.90 360	0.25 169	0.17 161	0.24 168	0.17 158	0.25 173	0.17 156	0.22 153	0.17 152	0.22 161	0.16 154	1.15 349	0.93 359

DEFOM-Stereo_RVC	0.83 322	5.18 449	1.98 455	2.19 425	0.17 164	0.19 142	0.18 156	0.19 140	0.16 157	0.20 144	0.19 172	0.22 160	0.22 180	0.20 145	0.15 149	2.28 446	2.13 452	0.24 174	0.17 170	0.18 142	0.16 144

MMNet	0.44 233	1.24 334	0.17 142	0.25 148	0.17 164	0.25 171	0.18 156	1.26 416	0.93 366	0.25 169	0.17 161	0.25 173	0.18 165	0.25 173	0.17 156	0.23 164	0.16 139	0.23 167	0.16 154	1.20 360	0.99 364

delet	0.43 230	1.21 330	0.17 142	0.25 148	0.17 164	0.25 171	0.18 156	1.26 416	0.95 368	0.25 169	0.17 161	0.25 173	0.17 158	0.25 173	0.17 156	0.23 164	0.16 139	0.22 161	0.16 154	1.18 357	0.98 363

iResNetv2_ROB	0.20 131	0.23 109	0.18 147	0.24 143	0.20 177	0.24 164	0.18 156	0.24 162	0.18 162	0.24 165	0.18 171	0.23 164	0.19 170	0.24 168	0.18 165	0.21 150	0.16 139	0.21 156	0.16 154	0.22 155	0.16 144

Pointernet	0.21 138	0.22 108	0.19 150	0.24 143	0.19 175	0.24 164	0.19 160	0.24 162	0.19 168	0.24 165	0.19 172	0.24 168	0.19 170	0.24 168	0.19 168	0.22 153	0.17 152	0.22 161	0.17 170	0.22 155	0.17 154

psm_up	0.43 230	1.19 283	0.17 142	0.25 148	0.18 171	0.25 171	0.19 160	1.26 416	0.91 361	0.26 176	0.17 161	0.25 173	0.17 158	0.25 173	0.17 156	0.22 153	0.17 152	0.23 167	0.16 154	1.18 357	0.99 364

CFNet	1.37 415	5.27 452	0.19 150	5.49 478	0.19 175	0.28 182	0.19 160	0.28 175	0.19 168	0.28 179	0.19 172	0.28 184	4.35 488	0.28 188	0.19 168	0.23 164	0.17 152	0.23 167	4.21 497	4.81 476	0.17 154

ssnet_v2	0.68 286	1.96 370	1.25 417	0.29 159	0.20 177	0.30 185	0.20 163	0.29 179	0.22 176	1.50 429	0.20 176	0.31 194	0.20 174	0.27 186	0.22 176	0.24 169	1.49 431	0.26 178	0.18 174	3.90 455	0.19 160

DAS	0.20 131	0.20 98	0.20 153	0.20 126	0.20 177	0.20 147	0.20 163	0.20 145	0.20 170	0.20 144	0.20 176	0.20 146	0.20 174	0.20 145	0.20 171	0.20 145	0.20 161	0.20 153	0.20 175	0.20 149	0.20 161

GEStereo_RVC	0.86 328	4.45 440	0.20 153	0.27 157	0.20 177	0.27 181	0.20 163	0.26 172	0.18 162	5.03 492	0.20 176	0.27 183	0.19 170	0.27 186	0.21 174	0.20 145	0.19 159	0.19 152	4.02 495	0.20 149	0.18 158

ASD4	0.20 131	0.20 98	0.20 153	0.20 126	0.20 177	0.20 147	0.20 163	0.20 145	0.20 170	0.20 144	0.20 176	0.20 146	0.20 174	0.20 145	0.20 171	0.20 145	0.20 161	0.20 153	0.20 175	0.20 149	0.20 161

AANet_RVC	1.26 410	0.31 127	4.99 489	5.93 481	0.20 177	0.25 171	0.20 163	0.25 168	0.20 170	0.23 160	0.19 172	0.25 173	0.20 174	0.25 173	0.20 171	5.66 489	4.76 482	0.26 178	0.30 233	0.24 165	0.27 193

iResNet	0.20 131	0.23 109	0.18 147	0.24 143	0.18 171	0.24 164	0.20 163	0.24 162	0.18 162	0.23 160	0.17 161	0.23 164	0.18 165	0.23 164	0.18 165	0.22 153	0.16 139	0.21 156	0.16 154	0.21 153	0.16 144

gcap-zeroshot	0.35 186	0.32 128	0.37 224	0.49 238	0.39 275	0.33 198	0.21 169	0.26 172	0.35 246	0.42 243	0.34 244	0.49 280	0.29 220	0.47 268	0.39 267	0.34 198	0.17 152	0.38 237	0.23 185	0.48 267	0.34 240

gwcnet-sp	0.82 318	1.72 350	1.48 433	0.39 187	0.15 157	0.31 188	0.21 169	0.20 145	0.25 189	1.61 431	0.23 186	0.28 184	0.26 201	0.20 145	0.15 149	0.24 169	1.33 419	0.32 195	0.16 154	6.75 490	0.23 169

scenet	0.82 318	1.72 350	1.48 433	0.39 187	0.15 157	0.31 188	0.21 169	0.20 145	0.25 189	1.61 431	0.23 186	0.28 184	0.26 201	0.20 145	0.15 149	0.24 169	1.33 419	0.32 195	0.16 154	6.75 490	0.23 169

ssnet	0.82 318	1.72 350	1.48 433	0.39 187	0.15 157	0.31 188	0.21 169	0.20 145	0.25 189	1.61 431	0.23 186	0.28 184	0.26 201	0.20 145	0.15 149	0.24 169	1.33 419	0.32 195	0.16 154	6.75 490	0.23 169

HGLStereo	0.28 158	0.29 125	0.22 159	0.36 176	0.22 186	0.36 207	0.21 169	0.36 198	0.21 173	0.42 243	0.21 181	0.36 210	0.22 180	0.36 211	0.21 174	0.34 198	0.21 165	0.34 210	0.21 177	0.34 193	0.21 164

PAM	0.39 209	1.88 359	0.34 211	0.37 179	0.41 282	0.45 264	0.22 174	0.28 175	0.23 182	0.28 179	0.24 192	0.29 189	0.23 186	0.29 191	0.23 182	0.38 222	0.32 212	0.38 237	0.37 266	0.32 183	0.22 167

model_zeroshot	0.27 157	0.20 98	0.27 178	0.33 169	0.21 184	0.37 212	0.22 174	0.37 204	0.24 184	0.26 176	0.27 208	0.33 198	0.21 179	0.25 173	0.27 198	0.32 193	0.20 161	0.34 210	0.23 185	0.25 166	0.26 186

DCVSM-stereo	0.36 190	1.89 360	0.22 159	0.40 200	0.22 186	0.40 223	0.22 174	0.40 217	0.22 176	0.40 218	0.22 182	0.40 228	0.22 180	0.40 227	0.22 176	0.28 181	0.21 165	0.28 184	0.21 177	0.28 173	0.20 161

CAS++	0.17 126	0.27 120	0.21 157	0.10 56	0.21 184	0.15 123	0.22 174	0.10 101	0.21 173	0.22 156	0.10 108	0.19 144	0.18 165	0.10 102	0.19 168	0.20 145	0.19 159	0.18 149	0.10 109	0.19 148	0.18 158
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
WAO-6	0.22 141	0.23 109	0.22 159	0.23 138	0.22 186	0.22 157	0.22 174	0.22 156	0.22 176	0.22 156	0.22 182	0.22 160	0.22 180	0.22 160	0.22 176	0.22 153	0.22 169	0.22 161	0.22 180	0.22 155	0.22 167

IMH-64-1	0.22 141	0.23 109	0.23 162	0.22 136	0.22 186	0.22 157	0.22 174	0.22 156	0.22 176	0.22 156	0.22 182	0.22 160	0.22 180	0.22 160	0.22 176	0.22 153	0.22 169	0.23 167	0.22 180	0.22 155	0.23 169

IMH-64	0.22 141	0.23 109	0.23 162	0.22 136	0.22 186	0.22 157	0.22 174	0.22 156	0.22 176	0.22 156	0.22 182	0.22 160	0.22 180	0.22 160	0.22 176	0.22 153	0.22 169	0.23 167	0.22 180	0.22 155	0.23 169

WCG-NET（raft）	0.32 175	1.24 334	0.24 168	0.32 166	0.24 196	0.32 196	0.23 181	0.32 184	0.24 184	0.32 190	0.24 192	0.32 196	0.24 189	0.32 196	0.24 186	0.30 189	0.23 173	0.30 191	0.23 185	0.30 179	0.23 169

xxxxx1	0.31 167	0.91 234	0.23 162	0.31 163	0.23 191	0.31 188	0.23 181	0.33 187	0.25 189	0.31 185	0.24 192	0.33 198	0.25 192	0.32 196	0.24 186	0.28 181	0.28 189	0.28 184	0.28 214	0.29 176	0.27 193

tt_ll	0.31 167	0.91 234	0.23 162	0.31 163	0.23 191	0.31 188	0.23 181	0.33 187	0.25 189	0.31 185	0.24 192	0.33 198	0.25 192	0.32 196	0.24 186	0.28 181	0.28 189	0.28 184	0.28 214	0.29 176	0.27 193

ff	0.31 167	0.91 234	0.23 162	0.31 163	0.23 191	0.31 188	0.23 181	0.33 187	0.25 189	0.31 185	0.24 192	0.33 198	0.25 192	0.32 196	0.24 186	0.28 181	0.28 189	0.28 184	0.28 214	0.29 176	0.27 193

FENet	0.54 263	1.52 344	1.19 363	1.41 401	0.23 191	0.35 204	0.23 181	0.35 194	0.23 182	0.34 196	0.23 186	0.35 204	0.23 186	0.35 205	0.23 182	1.40 417	1.07 347	0.32 195	0.23 185	0.33 189	0.23 169

tt1	0.31 167	0.93 241	0.24 168	0.33 169	0.23 191	0.31 188	0.24 186	0.32 184	0.24 184	0.32 190	0.23 186	0.32 196	0.25 192	0.32 196	0.24 186	0.27 179	0.26 179	0.27 182	0.26 204	0.27 171	0.27 193

testlalala	0.32 175	0.81 221	0.31 194	0.39 187	0.26 206	0.33 198	0.24 186	0.33 187	0.26 202	0.32 190	0.26 204	0.33 198	0.23 186	0.33 201	0.23 182	0.35 207	0.31 210	0.30 191	0.24 193	0.31 182	0.21 164

iResNet_ROB	0.28 158	0.32 128	0.24 168	0.32 166	0.25 198	0.32 196	0.24 186	0.32 184	0.24 184	0.33 194	0.24 192	0.35 204	0.24 189	0.33 201	0.24 186	0.31 192	0.24 175	0.32 195	0.24 193	0.32 183	0.24 179

DEFOM-Stereo	0.68 286	3.11 411	1.40 431	1.63 410	0.25 198	0.31 188	0.25 189	0.31 183	0.28 210	0.31 185	0.29 217	0.29 189	0.27 209	0.31 195	0.28 204	1.59 425	1.47 430	0.30 191	0.29 223	0.30 179	0.28 206

GCAP-BAT	0.33 178	0.78 215	0.32 198	0.38 182	0.25 198	0.34 200	0.25 189	0.34 191	0.26 202	0.34 196	0.25 198	0.35 204	0.26 201	0.35 205	0.27 198	0.36 211	0.30 206	0.32 195	0.24 193	0.32 183	0.26 186

UNDER WATER-64	0.25 148	0.26 119	0.25 171	0.26 155	0.25 198	0.25 171	0.25 189	0.25 168	0.25 189	0.25 169	0.25 198	0.25 173	0.25 192	0.26 183	0.25 192	0.25 175	0.25 176	0.25 175	0.25 198	0.25 166	0.25 180

LoS_RVC	0.30 162	1.14 276	0.25 171	0.25 148	0.25 198	0.26 178	0.25 189	0.25 168	0.25 189	0.25 169	0.25 198	0.26 182	0.26 201	0.26 183	0.25 192	0.26 176	0.26 179	0.25 175	0.25 198	0.26 168	0.26 186

CAS	0.30 162	1.17 280	0.25 171	0.25 148	0.25 198	0.26 178	0.25 189	0.25 168	0.26 202	0.25 169	0.25 198	0.25 173	0.25 192	0.25 173	0.25 192	0.26 176	0.26 179	0.26 178	0.25 198	0.26 168	0.25 180

LoS	0.25 148	0.27 120	0.25 171	0.25 148	0.25 198	0.25 171	0.25 189	0.26 172	0.25 189	0.25 169	0.25 198	0.25 173	0.25 192	0.25 173	0.25 192	0.26 176	0.25 176	0.25 175	0.26 204	0.26 168	0.25 180
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
IER	0.88 329	7.04 466	2.23 458	2.75 443	0.28 211	0.43 261	0.25 189	0.39 213	0.25 189	0.41 231	0.27 208	0.39 222	0.25 192	0.40 227	0.28 204	0.37 215	0.28 189	0.37 230	0.25 198	0.37 213	0.25 180

CroCo-Stereo	0.73 296	1.22 333	0.25 171	1.22 388	0.25 198	1.22 420	0.25 189	1.22 413	0.25 189	1.22 420	0.25 198	1.22 425	0.25 192	1.22 423	0.25 192	1.22 406	0.26 179	1.21 428	0.25 198	1.22 407	0.25 180
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
DLNR_Zeroshot_test	0.31 167	0.28 123	0.47 263	0.79 286	0.24 196	0.30 185	0.26 197	0.30 181	0.24 184	0.32 190	0.23 186	0.31 194	0.24 189	0.30 193	0.23 182	0.29 188	0.26 179	0.29 189	0.24 193	0.33 189	0.23 169

CroCo-Stereo Lap2	0.77 303	1.29 336	0.29 184	1.27 392	0.29 217	1.27 423	0.26 197	1.26 416	0.26 202	1.26 421	0.26 204	1.27 426	0.26 201	1.26 424	0.27 198	1.27 408	0.27 184	1.27 431	0.27 210	1.27 409	0.27 193

StereoDRNet-Refined	0.33 178	0.39 144	0.26 177	0.39 187	0.26 206	0.40 223	0.26 197	0.40 217	0.26 202	0.39 214	0.26 204	0.39 222	0.26 201	0.39 224	0.26 197	0.37 215	0.25 176	0.37 230	0.25 198	0.37 213	0.37 251
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Any-RAFT	0.32 175	0.36 134	0.27 178	0.36 176	0.27 208	0.36 207	0.27 200	0.36 198	0.27 207	0.36 203	0.27 208	0.36 210	0.27 209	0.36 211	0.28 204	0.36 211	0.28 189	0.36 228	0.28 214	0.36 211	0.28 206

CRFU-Net	0.65 279	1.67 349	1.22 413	1.96 419	0.27 208	0.41 239	0.27 200	0.41 232	0.27 207	0.40 218	0.26 204	0.41 240	0.27 209	0.40 227	0.27 198	1.80 432	1.62 437	0.34 210	0.23 185	0.33 189	0.23 169

MLCV	0.31 167	0.35 131	0.27 178	0.35 172	0.28 211	0.35 204	0.27 200	0.35 194	0.28 210	0.36 203	0.27 208	0.35 204	0.27 209	0.35 205	0.27 198	0.34 198	0.27 184	0.34 210	0.27 210	0.34 193	0.27 193

DISCO	1.11 357	0.39 144	5.28 491	0.39 187	0.20 177	0.39 222	0.27 200	0.39 213	0.22 176	0.38 209	0.20 176	0.38 218	0.20 174	6.95 501	0.22 176	0.30 189	0.21 165	0.27 182	0.21 177	5.25 483	0.21 164

DN-CSS_ROB	0.31 167	0.35 131	0.28 182	0.35 172	0.28 211	0.34 200	0.27 200	0.34 191	0.25 189	0.35 200	0.27 208	0.36 210	0.26 201	0.34 203	0.28 204	0.35 207	0.28 189	0.34 210	0.28 214	0.34 193	0.27 193

GIP-stereo	0.36 190	0.49 182	0.39 233	0.48 232	0.32 232	0.41 239	0.28 205	0.40 217	0.30 224	0.41 231	0.28 214	0.40 228	0.28 215	0.42 254	0.28 204	0.45 259	0.32 212	0.38 237	0.30 233	0.37 213	0.27 193

xx1	0.38 201	1.03 262	0.31 194	0.40 200	0.31 230	0.41 239	0.28 205	0.40 217	0.29 214	0.40 218	0.29 217	0.40 228	0.29 220	0.40 227	0.29 213	0.34 198	0.33 219	0.34 210	0.32 243	0.34 193	0.32 230

1test111	0.37 195	1.02 260	0.30 188	0.39 187	0.29 217	0.40 223	0.28 205	0.39 213	0.29 214	0.39 214	0.29 217	0.39 222	0.28 215	0.40 227	0.29 213	0.33 195	0.32 212	0.33 203	0.31 239	0.32 183	0.31 226

cc1	0.37 195	1.02 260	0.30 188	0.39 187	0.29 217	0.40 223	0.28 205	0.39 213	0.29 214	0.39 214	0.29 217	0.39 222	0.28 215	0.40 227	0.29 213	0.33 195	0.32 212	0.33 203	0.31 239	0.32 183	0.31 226

SQANet	0.28 158	0.28 123	0.28 182	0.28 158	0.28 211	0.28 182	0.28 205	0.28 175	0.28 210	0.28 179	0.28 214	0.28 184	0.28 215	0.28 188	0.28 204	0.28 181	0.28 189	0.28 184	0.28 214	0.28 173	0.28 206

DGSMNet	0.34 180	0.41 153	0.27 178	0.41 210	0.28 211	0.41 239	0.28 205	0.41 232	0.27 207	0.41 231	0.27 208	0.42 256	0.27 209	0.41 241	0.28 204	0.40 235	0.29 198	0.40 251	0.28 214	0.40 233	0.27 193

IGEV++	0.34 180	0.43 161	0.30 188	0.40 200	0.29 217	0.40 223	0.29 211	0.40 217	0.29 214	0.40 218	0.29 217	0.40 228	0.29 220	0.40 227	0.30 220	0.38 222	0.29 198	0.37 230	0.29 223	0.37 213	0.29 211

ACVNet-DCA	0.37 195	1.00 250	0.30 188	0.40 200	0.29 217	0.40 223	0.29 211	0.40 217	0.29 214	0.40 218	0.29 217	0.40 228	0.29 220	0.39 224	0.28 204	0.33 195	0.32 212	0.33 203	0.32 243	0.33 189	0.32 230

PML	0.46 237	1.36 341	0.29 184	0.58 260	0.30 226	0.57 310	0.29 211	0.57 296	0.29 214	0.57 305	0.29 217	0.57 310	0.29 220	0.56 303	0.29 213	0.52 286	0.30 206	0.53 312	0.31 239	0.53 285	0.30 221

GES	0.66 281	2.34 388	0.29 184	0.41 210	0.29 217	0.41 239	0.29 211	0.42 248	0.29 214	0.40 218	0.41 279	0.41 240	0.30 226	0.51 294	0.29 213	0.32 193	0.29 198	0.32 195	2.46 471	2.49 443	0.30 221

UCFNet_RVC	2.75 462	10.06 488	0.29 184	10.31 505	0.29 217	0.42 257	0.29 211	0.43 252	0.29 214	0.42 243	0.29 217	0.42 256	9.87 505	0.43 256	0.29 213	0.36 211	9.84 505	0.36 228	0.26 204	9.77 504	0.26 186

TorneroNet-64	0.45 234	0.27 120	0.30 188	0.58 260	0.27 208	0.70 323	0.30 216	0.28 175	0.73 347	0.73 326	0.28 214	0.71 326	0.66 328	0.75 328	0.27 198	0.27 179	0.29 198	0.37 230	0.75 350	0.28 173	0.30 221

IGEV-Stereo	0.35 186	0.44 164	0.45 254	0.49 238	0.30 226	0.37 212	0.30 216	0.36 198	0.30 224	0.36 203	0.29 217	0.36 210	0.29 220	0.36 211	0.30 220	0.46 260	0.39 239	0.32 195	0.24 193	0.32 183	0.25 180
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 180	0.42 160	0.31 194	0.39 187	0.30 226	0.38 216	0.30 216	0.40 217	0.29 214	0.40 218	0.37 262	0.41 240	0.34 242	0.38 217	0.30 220	0.34 198	0.27 184	0.34 210	0.26 204	0.34 193	0.26 186

DANet	0.30 162	0.30 126	0.30 188	0.30 160	0.30 226	0.30 185	0.30 216	0.30 181	0.30 224	0.30 183	0.30 228	0.30 192	0.30 226	0.30 193	0.30 220	0.30 189	0.30 206	0.30 191	0.30 233	0.30 179	0.30 221
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
EKT-Stereo	0.37 195	0.40 146	0.44 252	1.07 324	0.29 217	0.34 200	0.31 220	0.36 198	0.29 214	0.38 209	0.31 231	0.37 216	0.30 226	0.36 211	0.29 213	0.34 198	0.28 189	0.39 247	0.30 233	0.37 213	0.30 221

GREAT-IGEV	0.38 201	0.43 161	0.36 221	0.48 232	0.32 232	0.45 264	0.32 221	0.45 254	0.32 230	0.45 254	0.32 232	0.45 262	0.32 232	0.45 261	0.32 225	0.44 258	0.33 219	0.41 263	0.29 223	0.41 243	0.29 211

fffy	0.38 201	0.43 161	0.33 203	0.46 223	0.33 243	0.45 264	0.32 221	0.45 254	0.32 230	0.45 254	0.32 232	0.45 262	0.33 238	0.45 261	0.32 225	0.38 222	0.38 232	0.38 237	0.37 266	0.37 213	0.36 247

MyStereo07	0.60 271	3.72 426	0.48 269	0.49 238	0.41 282	0.36 207	0.32 221	0.49 270	0.43 285	0.51 291	0.42 288	0.49 280	0.43 283	0.51 294	0.64 325	0.49 272	0.45 261	0.34 210	0.32 243	0.35 205	0.43 279

MyStereo04	0.56 269	3.72 426	0.59 293	0.49 238	0.41 282	0.36 207	0.32 221	0.37 204	0.31 227	0.34 196	0.46 297	0.35 204	0.32 232	0.35 205	0.33 231	0.49 272	0.45 261	0.34 210	0.32 243	0.35 205	0.43 279

RAFT-Test	0.36 190	0.37 136	0.33 203	0.41 210	0.32 232	0.41 239	0.32 221	0.41 232	0.32 230	0.41 231	0.32 232	0.41 240	0.32 232	0.41 241	0.33 231	0.37 215	0.29 198	0.37 230	0.29 223	0.38 222	0.31 226

4D-IteraStereo	0.78 306	3.13 412	0.89 332	0.69 276	0.32 232	0.40 223	0.32 221	0.76 320	0.97 371	0.52 294	0.65 337	0.89 347	0.32 232	0.76 329	0.98 367	0.83 325	0.94 339	0.35 223	0.27 210	0.70 302	0.89 355

iRaft-Stereo_20w	0.34 180	0.41 153	0.31 194	0.39 187	0.29 217	0.40 223	0.32 221	0.41 232	0.32 230	0.38 209	0.30 228	0.39 222	0.30 226	0.38 217	0.32 225	0.35 207	0.27 184	0.34 210	0.27 210	0.34 193	0.29 211

pcwnet_v2	2.66 459	9.89 487	0.33 203	9.89 501	0.32 232	0.50 291	0.32 221	0.49 270	0.33 235	0.49 275	0.34 244	0.49 280	8.76 502	0.48 275	0.33 231	0.41 243	9.58 502	0.40 251	0.29 223	9.01 501	0.63 323

Gwc-CoAtRS	0.41 220	1.49 343	0.32 198	0.42 218	0.32 232	0.41 239	0.32 221	0.41 232	0.33 235	0.41 231	0.32 232	0.41 240	0.32 232	0.41 241	0.32 225	0.39 231	0.28 189	0.39 247	0.28 214	0.40 233	0.28 206

PCWNet_CMD	2.80 464	9.82 486	0.32 198	10.09 504	0.32 232	0.49 283	0.33 230	3.34 465	0.33 235	0.49 275	0.33 237	0.49 280	8.73 501	0.48 275	0.33 231	0.41 243	9.22 500	0.42 273	0.29 223	9.55 503	0.31 226

CFNet_ucs	2.73 461	9.64 485	0.33 203	9.92 502	0.32 232	0.49 283	0.33 230	0.49 270	0.33 235	0.49 275	0.33 237	0.49 280	8.98 503	0.48 275	0.33 231	0.41 243	9.96 506	0.40 251	0.29 223	10.12 506	0.54 309

LL-Strereo2	0.48 247	1.73 354	0.51 281	0.59 262	0.34 251	0.42 257	0.33 230	0.40 217	0.31 227	0.42 243	0.33 237	0.42 256	0.31 231	0.44 258	0.39 267	0.60 294	0.51 285	0.44 276	0.33 250	0.44 252	0.33 234

CFNet_pseudo	2.67 460	9.36 483	0.32 198	10.99 506	0.33 243	0.85 336	0.33 230	0.49 270	0.33 235	0.49 275	0.32 232	0.49 280	7.26 499	0.49 281	0.33 231	0.41 243	9.62 503	0.41 263	0.29 223	10.03 505	0.29 211

RAFT + AFF	0.31 167	0.45 167	0.34 211	0.39 187	0.28 211	0.38 216	0.33 230	0.29 179	0.31 227	0.30 183	0.30 228	0.29 189	0.27 209	0.29 191	0.30 220	0.28 181	0.29 198	0.29 189	0.29 223	0.27 171	0.32 230

ccnet	0.80 309	2.28 386	0.33 203	0.50 245	0.33 243	0.50 291	0.33 230	0.50 278	0.33 235	0.49 275	0.33 237	0.49 280	1.56 440	2.38 452	0.33 231	0.41 243	0.29 198	0.42 273	1.57 450	2.28 438	0.29 211

psmorigin	0.41 220	0.46 171	0.33 203	0.49 238	0.33 243	0.49 283	0.33 230	0.49 270	0.33 235	0.49 275	0.33 237	0.49 280	0.33 238	0.51 294	0.33 231	0.41 243	0.30 206	0.41 263	0.30 233	0.79 312	0.29 211

MSMDNet	2.65 458	10.14 489	0.33 203	9.74 500	0.32 232	0.87 338	0.33 230	2.95 461	0.68 334	0.49 275	0.34 244	0.49 280	5.70 495	0.49 281	0.33 231	0.42 257	9.57 501	0.41 263	0.31 239	8.36 498	0.65 325

ccs_rob	2.79 463	10.17 490	0.32 198	10.00 503	0.33 243	0.49 283	0.33 230	1.90 434	0.32 230	0.51 291	0.33 237	0.49 280	9.24 504	0.49 281	0.33 231	0.41 243	9.82 504	0.41 263	0.28 214	9.34 502	0.29 211

HART	0.38 201	0.45 167	0.34 211	0.42 218	0.33 243	0.41 239	0.34 239	0.42 248	0.33 235	0.43 249	0.34 244	0.42 256	0.34 242	0.41 241	0.38 261	0.40 235	0.32 212	0.42 273	0.32 243	0.40 233	0.32 230

mms	0.40 213	0.45 167	0.35 219	0.48 232	0.36 260	0.47 273	0.34 239	0.45 254	0.38 261	0.47 262	0.33 237	0.45 262	0.32 232	0.45 261	0.32 225	0.39 231	0.38 232	0.38 237	0.37 266	0.39 229	0.39 261

H2IRNET	0.34 180	0.34 130	0.34 211	0.34 171	0.34 251	0.34 200	0.34 239	0.34 191	0.34 243	0.34 196	0.34 244	0.34 203	0.34 242	0.34 203	0.34 244	0.34 198	0.34 221	0.34 210	0.34 252	0.34 193	0.34 240

CASnet	0.35 186	0.51 191	0.44 252	0.32 166	0.31 230	0.24 164	0.34 239	0.36 198	0.25 189	0.31 185	0.37 262	0.30 192	0.33 238	0.25 173	0.45 287	0.37 215	0.37 226	0.33 203	0.35 258	0.34 193	0.37 251
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.51 259	3.22 415	0.34 211	0.44 221	0.34 251	0.44 263	0.34 239	0.43 252	0.34 243	0.43 249	0.34 244	0.44 260	0.33 238	0.43 256	0.33 231	0.38 222	0.29 198	0.38 237	0.29 223	0.38 222	0.29 211

ccccc	0.41 220	0.44 164	0.34 211	0.48 232	0.35 254	0.48 278	0.35 244	0.51 287	0.35 246	0.47 262	0.35 252	0.47 270	0.34 242	0.47 268	0.35 246	0.41 243	0.40 242	0.40 251	0.40 281	0.41 243	0.39 261

UGAM	0.51 259	2.23 384	0.39 233	0.54 254	0.35 254	0.50 291	0.35 244	0.49 270	0.35 246	0.49 275	0.35 252	0.49 280	0.36 251	0.50 288	0.36 250	0.49 272	0.37 226	0.45 280	0.34 252	0.45 256	0.34 240

GCST	0.50 254	2.08 373	0.38 227	0.53 252	0.35 254	0.49 283	0.35 244	0.50 278	0.35 246	0.49 275	0.35 252	0.49 280	0.35 248	0.49 281	0.35 246	0.48 269	0.37 226	0.45 280	0.33 250	0.44 252	0.33 234

RAFT-Stereo-weight	0.45 234	1.90 362	0.34 211	0.42 218	0.36 260	0.43 261	0.35 244	0.42 248	0.34 243	0.42 243	0.34 244	0.44 260	0.34 242	0.41 241	0.34 244	0.38 222	0.32 212	0.38 237	0.32 243	0.38 222	0.33 234

Former-RAFT_DAM_RVC	0.49 252	0.98 247	0.64 301	0.84 293	0.46 299	0.45 264	0.35 244	0.47 262	0.47 295	0.45 254	0.34 244	0.46 265	0.48 298	0.46 264	0.35 246	0.39 231	0.71 317	0.39 247	0.35 258	0.41 243	0.41 271

CES	0.39 209	0.47 175	0.36 221	0.36 176	0.37 263	0.45 264	0.35 244	0.35 194	0.40 269	0.36 203	0.44 292	0.47 270	0.36 251	0.44 258	0.36 250	0.37 215	0.39 239	0.44 276	0.35 258	0.37 213	0.36 247

ETE_ROB	0.35 186	0.35 131	0.35 219	0.35 172	0.35 254	0.35 204	0.35 244	0.35 194	0.35 246	0.35 200	0.35 252	0.35 204	0.35 248	0.35 205	0.35 246	0.35 207	0.35 222	0.35 223	0.35 258	0.35 205	0.35 246

UGAM-zero	0.51 259	2.17 381	0.39 233	0.53 252	0.36 260	0.50 291	0.36 251	0.50 278	0.36 256	0.49 275	0.36 256	0.50 294	0.35 248	0.50 288	0.36 250	0.49 272	0.37 226	0.47 287	0.35 258	0.46 257	0.34 240

GMOStereo	0.37 195	0.45 167	0.23 162	0.30 160	0.37 263	0.41 239	0.36 251	0.41 232	0.35 246	0.43 249	0.36 256	0.41 240	0.40 264	0.41 241	0.36 250	0.34 198	0.22 169	0.47 287	0.37 266	0.39 229	0.33 234

error version	0.93 338	4.47 441	2.35 461	1.99 421	0.37 263	0.41 239	0.36 251	0.41 232	0.35 246	0.43 249	0.36 256	0.41 240	0.40 264	0.41 241	0.36 250	1.87 434	2.16 453	0.47 287	0.37 266	0.39 229	0.33 234

test_1	0.93 338	4.47 441	2.35 461	1.99 421	0.37 263	0.41 239	0.36 251	0.41 232	0.35 246	0.43 249	0.36 256	0.41 240	0.40 264	0.41 241	0.36 250	1.87 434	2.16 453	0.47 287	0.37 266	0.39 229	0.33 234

DMCA	0.36 190	0.38 138	0.37 224	0.35 172	0.35 254	0.36 207	0.36 251	0.36 198	0.35 246	0.35 200	0.37 262	0.36 210	0.36 251	0.35 205	0.36 250	0.36 211	0.36 224	0.35 223	0.36 264	0.36 211	0.36 247

SCV_C0	0.45 234	0.88 228	0.49 273	0.54 254	0.37 263	0.48 278	0.37 256	0.48 266	0.37 257	0.48 268	0.36 256	0.48 276	0.37 255	0.49 281	0.37 258	0.50 278	0.41 251	0.44 276	0.34 252	0.44 252	0.34 240

HH	0.71 292	2.54 393	0.74 319	1.10 326	0.32 232	0.41 239	0.37 256	0.69 314	0.78 350	0.73 326	0.90 362	0.75 333	1.00 358	0.84 335	0.69 338	0.69 308	0.40 242	0.35 223	0.26 204	0.35 205	0.26 186

HanStereo	0.71 292	2.54 393	0.74 319	1.10 326	0.32 232	0.41 239	0.37 256	0.69 314	0.78 350	0.73 326	0.90 362	0.75 333	1.00 358	0.84 335	0.69 338	0.69 308	0.40 242	0.35 223	0.26 204	0.35 205	0.26 186

test-3	0.98 344	4.13 436	1.85 448	1.85 413	0.61 334	0.69 322	0.37 256	0.63 307	0.61 325	0.66 319	0.51 320	0.73 331	0.44 284	0.57 307	0.54 316	1.68 429	1.81 447	0.40 251	0.43 296	0.66 295	0.50 301

FCDSN-DC	0.41 220	0.59 203	0.64 301	0.54 254	0.33 243	0.50 291	0.37 256	0.42 248	0.40 269	0.61 310	0.43 290	0.50 294	0.49 303	0.38 217	0.32 225	0.28 181	0.23 173	0.26 178	0.22 180	0.35 205	0.28 206
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
XPNet_ROB	0.37 195	0.37 136	0.37 224	0.37 179	0.37 263	0.37 212	0.37 256	0.37 204	0.37 257	0.37 208	0.37 262	0.37 216	0.37 255	0.37 215	0.37 258	0.37 215	0.37 226	0.37 230	0.37 266	0.37 213	0.37 251

SCV	0.46 237	0.94 242	0.45 254	0.54 254	0.37 263	0.48 278	0.38 262	0.48 266	0.37 257	0.48 268	0.39 271	0.48 276	0.37 255	0.49 281	0.37 258	0.50 278	0.46 263	0.44 276	0.34 252	0.44 252	0.34 240

WAO-8	0.38 201	0.38 138	0.38 227	0.38 182	0.38 270	0.38 216	0.38 262	0.38 209	0.38 261	0.38 209	0.38 267	0.38 218	0.38 259	0.38 217	0.38 261	0.38 222	0.38 232	0.38 237	0.37 266	0.38 222	0.38 257

WAO-7	0.38 201	0.38 138	0.38 227	0.38 182	0.38 270	0.38 216	0.38 262	0.38 209	0.38 261	0.38 209	0.38 267	0.38 218	0.38 259	0.38 217	0.38 261	0.38 222	0.38 232	0.38 237	0.38 277	0.38 222	0.38 257

HanzoNet	0.39 209	0.38 138	0.40 236	0.39 187	0.41 282	0.38 216	0.38 262	0.38 209	0.38 261	0.39 214	0.39 271	0.38 218	0.38 259	0.39 224	0.40 270	0.38 222	0.38 232	0.40 251	0.38 277	0.38 222	0.40 264

Venus	0.38 201	0.38 138	0.38 227	0.38 182	0.38 270	0.37 212	0.38 262	0.37 204	0.37 257	0.41 231	0.37 262	0.39 222	0.37 255	0.38 217	0.38 261	0.37 215	0.38 232	0.38 237	0.37 266	0.37 213	0.38 257

IMH	0.38 201	0.38 138	0.38 227	0.38 182	0.38 270	0.38 216	0.38 262	0.38 209	0.38 261	0.42 243	0.38 267	0.40 228	0.38 259	0.38 217	0.38 261	0.38 222	0.38 232	0.39 247	0.38 277	0.38 222	0.38 257

iRaftStereo_RVC	0.97 342	3.17 414	2.30 460	2.42 437	0.38 270	0.54 303	0.38 262	0.54 291	0.38 261	0.54 298	0.38 267	0.54 302	0.38 259	0.54 299	0.38 261	2.38 452	2.34 457	0.49 299	0.36 264	0.49 270	0.36 247

GCAP-Stereo	0.75 298	4.15 437	0.42 249	0.75 284	0.35 254	0.78 330	0.40 269	0.79 322	0.38 261	0.78 333	0.36 256	0.78 336	0.36 251	0.79 330	0.39 267	0.75 315	0.39 239	0.76 336	0.39 280	0.75 307	0.39 261

knoymous	0.40 213	0.40 146	0.40 236	0.40 200	0.40 276	0.40 223	0.40 269	0.40 217	0.40 269	0.40 218	0.40 273	0.40 228	0.40 264	0.40 227	0.40 270	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 264

anonymousa	0.40 213	0.40 146	0.40 236	0.40 200	0.40 276	0.40 223	0.40 269	0.40 217	0.40 269	0.40 218	0.40 273	0.40 228	0.40 264	0.40 227	0.40 270	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 264

riskmin	0.40 213	0.40 146	0.40 236	0.40 200	0.40 276	0.40 223	0.40 269	0.40 217	0.40 269	0.40 218	0.40 273	0.40 228	0.40 264	0.40 227	0.40 270	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 264

Anonymous_2	0.40 213	0.40 146	0.40 236	0.40 200	0.40 276	0.40 223	0.40 269	0.40 217	0.40 269	0.40 218	0.40 273	0.40 228	0.40 264	0.40 227	0.40 270	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 264

Anonymous_1	0.40 213	0.40 146	0.40 236	0.40 200	0.40 276	0.40 223	0.40 269	0.40 217	0.40 269	0.40 218	0.40 273	0.40 228	0.40 264	0.40 227	0.40 270	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 264

AdaStereo	0.40 213	0.40 146	0.40 236	0.40 200	0.40 276	0.40 223	0.40 269	0.40 217	0.40 269	0.40 218	0.40 273	0.40 228	0.40 264	0.40 227	0.40 270	0.40 235	0.40 242	0.40 251	0.40 281	0.40 233	0.40 264
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
GwcNet-ADL	0.41 220	0.41 153	0.41 244	0.41 210	0.41 282	0.41 239	0.41 276	0.41 232	0.41 278	0.41 231	0.41 279	0.41 240	0.41 275	0.41 241	0.41 277	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 271

PSMNet-ADL	0.41 220	0.41 153	0.41 244	0.41 210	0.41 282	0.41 239	0.41 276	0.41 232	0.41 278	0.41 231	0.41 279	0.41 240	0.41 275	0.41 241	0.41 277	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 271

GANet-ADL	0.41 220	0.41 153	0.41 244	0.41 210	0.41 282	0.41 239	0.41 276	0.41 232	0.41 278	0.41 231	0.41 279	0.41 240	0.41 275	0.41 241	0.41 277	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 271

ADLNet2	0.41 220	0.41 153	0.41 244	0.41 210	0.41 282	0.41 239	0.41 276	0.41 232	0.41 278	0.41 231	0.41 279	0.41 240	0.41 275	0.41 241	0.41 277	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 271

ADLNet	0.41 220	0.41 153	0.41 244	0.41 210	0.41 282	0.41 239	0.41 276	0.41 232	0.41 278	0.41 231	0.41 279	0.41 240	0.41 275	0.41 241	0.41 277	0.41 243	0.41 251	0.41 263	0.41 288	0.41 243	0.41 271

RSM	0.36 190	0.36 134	0.43 250	0.37 179	0.42 292	0.49 283	0.42 281	0.37 204	0.28 210	0.36 203	0.29 217	0.36 210	0.30 226	0.37 215	0.28 204	0.34 198	0.31 210	0.34 210	0.35 258	0.40 233	0.29 211

CFNet_RVC	2.38 452	8.71 478	0.38 227	9.33 497	0.42 292	0.56 305	0.42 281	0.60 303	0.38 261	0.62 313	0.42 288	0.56 309	7.29 500	0.62 311	0.42 283	0.53 287	0.37 226	0.49 299	0.34 252	8.30 497	6.87 503

DispNO	1.00 345	0.63 206	0.43 250	3.45 452	0.44 295	0.65 319	0.43 283	0.64 308	0.43 285	0.64 316	0.43 290	0.64 319	3.03 464	0.64 316	0.43 285	4.55 470	0.43 259	0.63 321	0.43 296	0.63 293	0.43 279

LG-Stereo_Zeroshot	0.48 247	0.55 200	0.47 263	0.63 267	0.41 282	0.56 305	0.44 284	0.56 293	0.41 278	0.56 303	0.41 279	0.57 310	0.42 281	0.56 303	0.41 277	0.55 290	0.43 259	0.51 307	0.37 266	0.51 280	0.37 251

MonSter	0.60 271	0.64 208	0.52 284	0.62 266	0.44 295	2.07 446	0.44 284	0.62 306	0.44 288	0.62 313	0.44 292	0.62 318	0.44 284	0.62 311	0.44 286	0.58 292	0.42 258	0.62 319	0.46 300	0.58 289	0.42 278

PAM_32	0.64 278	2.38 390	0.51 281	0.92 303	0.43 294	0.53 301	0.44 284	0.87 329	0.43 285	0.52 294	0.45 295	0.53 301	0.40 264	0.54 299	0.46 291	0.62 300	0.56 293	0.48 295	0.45 298	0.76 308	0.44 282

AIO-Stereo-zeroshot1	0.75 298	0.92 239	0.85 331	0.96 313	0.59 328	1.27 423	0.44 284	0.59 301	0.69 337	0.91 343	0.68 341	0.55 306	0.61 321	1.06 363	0.83 355	0.62 300	0.70 313	0.90 352	0.41 288	0.89 325	0.56 316

fffft	0.48 247	0.51 191	0.45 254	0.52 251	0.45 297	0.52 300	0.45 288	0.52 289	0.48 302	0.53 296	0.45 295	0.52 300	0.45 286	0.52 297	0.46 291	0.51 284	0.41 251	0.50 302	0.41 288	0.50 274	0.41 271
1: 1. 1
Selective-IGEV	0.51 259	0.55 200	0.45 254	0.69 276	0.45 297	0.61 313	0.45 288	0.50 278	0.40 269	0.56 303	0.44 292	0.55 306	0.40 264	0.72 324	0.67 330	0.59 293	0.46 263	0.45 280	0.34 252	0.46 257	0.37 251

otaku	0.46 237	0.46 171	0.46 258	0.46 223	0.46 299	0.46 269	0.46 290	0.46 257	0.46 290	0.46 257	0.46 297	0.46 265	0.46 289	0.46 264	0.46 291	0.46 260	0.46 263	0.46 283	0.46 300	0.46 257	0.46 285

Dean	0.46 237	0.46 171	0.46 258	0.46 223	0.46 299	0.46 269	0.46 290	0.46 257	0.46 290	0.47 262	0.46 297	0.46 265	0.46 289	0.46 264	0.46 291	0.46 260	0.46 263	0.46 283	0.46 300	0.46 257	0.46 285

ACVNet_1	0.46 237	0.47 175	0.46 258	0.46 223	0.46 299	0.46 269	0.46 290	0.46 257	0.47 295	0.46 257	0.46 297	0.46 265	0.46 289	0.46 264	0.46 291	0.46 260	0.46 263	0.47 287	0.46 300	0.46 257	0.46 285

ACVNet-4b	0.46 237	0.46 171	0.46 258	0.46 223	0.46 299	0.46 269	0.46 290	0.46 257	0.46 290	0.46 257	0.46 297	0.46 265	0.46 289	0.47 268	0.46 291	0.46 260	0.46 263	0.46 283	0.46 300	0.46 257	0.46 285

LL-Strereo	1.01 350	5.06 447	1.63 437	0.70 278	1.43 451	0.56 305	0.46 290	0.57 296	0.50 307	0.57 305	0.50 314	1.58 435	0.49 303	0.59 309	0.50 306	1.64 428	0.52 287	0.51 307	1.37 440	0.52 282	0.45 284

AIO-test2	0.55 267	0.59 203	0.52 284	0.67 275	0.47 305	0.61 313	0.47 295	0.61 305	0.47 295	0.61 310	0.47 305	0.61 316	0.48 298	0.62 311	0.47 297	0.64 302	0.53 289	0.58 316	0.47 307	0.58 289	0.48 293

AIO-test1	0.54 263	0.60 205	0.52 284	0.66 274	0.47 305	0.61 313	0.47 295	0.58 299	0.46 290	0.61 310	0.46 297	0.61 316	0.45 286	0.62 311	0.45 287	0.61 297	0.52 287	0.57 315	0.48 310	0.57 288	0.48 293

SMoEStereo_RVC	0.63 276	0.75 214	0.51 281	0.73 282	0.53 323	0.71 325	0.47 295	0.67 312	0.58 320	0.74 330	0.60 328	0.72 329	0.53 313	0.74 327	0.51 311	0.61 297	0.62 302	0.62 319	0.61 331	0.63 293	0.61 319

Occ-G	1.12 358	0.52 193	3.72 484	3.50 453	0.50 314	0.56 305	0.47 295	0.54 291	0.46 290	0.54 298	0.41 279	0.54 302	0.42 281	0.52 297	0.42 283	3.42 462	4.02 478	0.52 310	0.45 298	0.51 280	0.44 282

Ntro	0.47 243	0.47 175	0.46 258	0.46 223	0.46 299	0.47 273	0.47 295	0.46 257	0.47 295	0.46 257	0.46 297	0.47 270	0.46 289	0.47 268	0.47 297	0.47 265	0.46 263	0.46 283	0.46 300	0.46 257	0.46 285

HaxPig	0.47 243	0.47 175	0.47 263	0.49 238	0.47 305	0.47 273	0.47 295	0.47 262	0.47 295	0.47 262	0.47 305	0.47 270	0.47 297	0.47 268	0.47 297	0.47 265	0.47 270	0.47 287	0.47 307	0.47 264	0.48 293

UNDER WATER	0.47 243	0.47 175	0.47 263	0.47 229	0.47 305	0.47 273	0.47 295	0.47 262	0.47 295	0.47 262	0.47 305	0.47 270	0.46 289	0.47 268	0.47 297	0.47 265	0.47 270	0.47 287	0.46 300	0.47 264	0.47 291

LVE	0.47 243	0.47 175	0.47 263	0.47 229	0.49 311	0.47 273	0.47 295	0.47 262	0.49 304	0.47 262	0.47 305	0.47 270	0.46 289	0.47 268	0.47 297	0.47 265	0.47 270	0.48 295	0.47 307	0.47 264	0.47 291

NLCA_NET_v2_RVC	5.04 495	50.87 524	2.78 465	2.87 446	2.71 474	2.78 462	0.47 295	2.88 460	2.86 473	1.89 438	2.67 472	2.79 463	2.79 463	2.78 461	2.83 470	2.82 457	2.82 459	2.83 463	2.77 472	2.83 449	2.76 472
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RainbowNet	0.48 247	0.48 181	0.48 269	0.48 232	0.48 309	0.48 278	0.48 304	0.48 266	0.48 302	0.48 268	0.48 309	0.48 276	0.48 298	0.48 275	0.48 303	0.48 269	0.48 273	0.48 295	0.48 310	0.48 267	0.48 293

notaker	0.48 247	0.49 182	0.48 269	0.48 232	0.48 309	0.48 278	0.48 304	0.48 266	0.49 304	0.48 268	0.48 309	0.48 276	0.48 298	0.48 275	0.48 303	0.48 269	0.48 273	0.48 295	0.48 310	0.48 267	0.49 298

ACVNet_2	0.49 252	0.49 182	0.49 273	0.49 238	0.49 311	0.49 283	0.49 306	0.49 270	0.49 304	0.49 275	0.49 312	0.49 280	0.49 303	0.49 281	0.49 305	0.49 272	0.49 276	0.49 299	0.49 313	0.49 270	0.49 298

AEACV	1.12 358	0.52 193	3.12 478	3.24 449	0.86 363	0.53 301	0.49 306	0.60 303	0.47 295	0.53 296	0.49 312	0.55 306	0.45 286	0.55 302	0.47 297	3.01 458	3.88 476	0.71 331	0.60 329	0.80 315	0.48 293

FoundationStereo	0.50 254	0.50 185	0.50 276	0.50 245	0.50 314	0.50 291	0.50 308	0.50 278	0.50 307	0.50 287	0.50 314	0.50 294	0.50 306	0.50 288	0.50 306	0.50 278	0.50 281	0.50 302	0.50 315	0.50 274	0.50 301

StereoAnything_RVC	0.50 254	0.50 185	0.50 276	0.50 245	0.50 314	0.50 291	0.50 308	0.50 278	0.50 307	0.50 287	0.50 314	0.50 294	0.50 306	0.50 288	0.50 306	0.50 278	0.50 281	0.50 302	0.50 315	0.50 274	0.50 301

dual_stereo	0.50 254	0.50 185	0.50 276	0.50 245	0.50 314	0.50 291	0.50 308	0.50 278	0.50 307	0.50 287	0.50 314	0.50 294	0.50 306	0.50 288	0.50 306	0.50 278	0.50 281	0.50 302	0.50 315	0.50 274	0.50 301

SANet	0.50 254	0.50 185	0.50 276	0.50 245	0.50 314	0.50 291	0.50 308	0.50 278	0.50 307	0.50 287	0.50 314	0.50 294	0.50 306	0.50 288	0.50 306	0.50 278	0.50 281	0.50 302	0.50 315	0.50 274	0.50 301

KSHMR	0.66 281	0.50 185	0.48 269	1.15 334	0.52 320	0.49 283	0.51 312	0.49 270	0.71 343	0.67 320	0.50 314	1.16 376	1.11 368	0.66 318	0.52 313	0.49 272	0.49 276	0.51 307	0.66 336	0.50 274	1.14 380

999	1.00 345	1.12 275	0.59 293	1.10 326	1.21 441	1.09 365	0.52 313	1.08 352	1.43 449	1.18 372	1.35 439	0.98 358	0.52 312	0.91 344	0.85 356	0.72 313	1.46 429	0.83 347	0.98 368	0.68 297	1.41 445

WCG-NET	0.61 274	1.21 330	0.54 288	0.61 265	0.53 323	0.67 321	0.53 314	0.66 311	0.53 315	0.64 316	0.53 323	0.65 322	0.53 313	0.59 309	0.52 313	0.65 303	0.48 273	0.64 322	0.52 319	0.58 289	0.50 301

MyStereo8	0.71 292	3.92 433	0.52 284	0.59 262	0.52 320	0.57 310	0.53 314	0.59 301	0.50 307	0.59 309	0.51 320	0.57 310	0.50 306	0.56 303	0.52 313	0.54 288	0.49 276	0.54 313	0.49 313	0.55 287	0.50 301

PSMNet_ROB	0.54 263	0.54 198	0.54 288	0.54 254	0.53 323	0.54 303	0.54 316	0.53 290	0.54 317	0.54 298	0.54 324	0.54 302	0.53 313	0.54 299	0.54 316	0.54 288	0.53 289	0.54 313	0.54 320	0.54 286	0.54 309

CASS	0.57 270	0.89 231	0.56 290	0.57 259	0.56 326	0.56 305	0.56 317	0.56 293	0.53 315	0.57 305	0.57 327	0.59 314	0.48 298	0.56 303	0.57 319	0.55 290	0.56 293	0.47 287	0.56 324	0.62 292	0.56 316
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 276	0.69 210	0.56 290	0.71 280	0.56 326	0.71 325	0.56 317	0.71 317	0.56 318	0.72 324	0.56 326	0.71 326	0.56 317	0.71 323	0.58 320	0.68 307	0.55 291	0.68 327	0.55 321	0.68 297	0.54 309

UDG	0.80 309	2.21 383	0.60 295	0.91 300	0.60 329	0.90 342	0.58 319	0.88 332	0.60 322	0.90 341	0.60 328	0.88 345	0.60 320	0.90 343	0.58 320	0.86 329	0.60 297	0.84 348	0.59 328	0.84 321	0.61 319

DDUNet	0.81 314	2.45 391	0.57 292	0.90 298	0.60 329	0.88 339	0.59 320	0.90 333	0.60 322	0.88 340	0.60 328	0.90 348	0.58 318	0.88 340	0.60 322	0.84 327	0.60 297	0.86 350	0.57 325	0.86 322	0.60 318

RAFT-Stereo + iAFF	0.70 290	0.72 212	0.71 315	0.80 288	0.62 337	0.82 335	0.61 321	0.81 327	0.62 326	0.81 337	0.63 333	0.80 339	0.70 334	0.73 325	0.61 324	0.76 316	0.61 301	0.74 333	0.61 331	0.77 309	0.61 319

ARAFT	0.68 286	0.81 221	0.63 299	0.74 283	0.60 329	0.78 330	0.62 322	0.77 321	0.66 332	0.74 330	0.63 333	0.75 333	0.62 322	0.83 334	0.60 322	0.70 311	0.55 291	0.70 330	0.60 329	0.78 310	0.55 313

LMCR-Stereo	0.65 279	0.63 206	0.65 304	0.65 271	0.65 340	0.66 320	0.63 323	0.58 299	0.65 330	0.63 315	0.64 335	0.65 322	0.65 325	0.66 318	0.66 329	0.66 305	0.64 305	0.65 325	0.67 339	0.68 297	0.73 339

plain	1.88 429	3.16 413	0.64 301	3.10 447	0.65 340	3.10 464	0.64 324	3.12 462	0.65 330	3.10 463	0.65 337	3.11 464	0.65 325	3.12 462	0.65 326	3.12 459	0.65 306	3.13 464	0.65 334	3.13 450	0.65 325

AFF-stereo	0.73 296	0.88 228	0.67 308	0.75 284	0.68 347	0.75 327	0.64 324	0.80 324	0.72 344	0.83 338	0.70 345	0.82 342	0.64 323	0.84 335	0.67 330	0.77 317	0.63 303	0.81 344	0.63 333	0.78 310	0.62 322

DSFCA	0.66 281	0.73 213	0.78 324	0.65 271	0.65 340	0.64 318	0.64 324	0.65 309	0.63 328	0.64 316	0.64 335	0.64 319	0.64 323	0.65 317	0.65 326	0.65 303	0.65 306	0.65 325	0.65 334	0.66 295	0.64 324

MyStereo06	0.75 298	4.12 434	0.60 295	0.63 267	0.61 334	0.62 316	0.66 327	0.56 293	0.45 289	0.55 301	0.48 309	0.54 302	0.46 289	0.57 307	0.45 287	0.60 294	0.57 295	0.64 322	0.55 321	0.72 303	0.55 313

MyStereo05	0.80 309	4.12 434	0.63 299	0.63 267	0.61 334	0.62 316	0.66 327	0.65 309	0.62 326	0.67 320	0.61 331	0.65 322	0.58 318	0.67 320	0.55 318	0.60 294	0.57 295	0.64 322	0.55 321	0.72 303	0.55 313

MIF-Stereo (partial)	2.58 457	3.31 417	0.66 305	3.18 448	0.66 343	3.18 465	0.66 327	3.21 463	0.67 333	3.19 464	0.66 339	3.19 465	0.66 328	3.31 466	0.68 334	5.09 485	1.79 446	8.23 504	1.67 454	6.18 488	1.38 444

test_xeample3	1.10 355	1.81 355	0.61 297	0.84 293	0.49 311	0.77 328	0.66 327	0.92 338	1.40 447	0.68 322	0.46 297	0.78 336	0.54 316	1.72 435	1.48 445	1.34 412	1.52 432	1.35 436	1.67 454	1.33 411	1.55 448

ours_stereo	1.20 361	1.21 330	0.90 335	1.64 411	1.11 385	1.35 426	0.67 331	1.76 432	0.93 366	1.70 436	1.10 378	1.39 430	0.75 342	1.41 429	0.81 354	1.60 427	1.03 345	1.33 433	1.00 370	1.61 421	0.72 336

UniTT-Stereo	2.03 434	3.43 419	0.72 316	3.42 451	0.73 353	3.27 467	0.68 332	3.38 466	0.69 337	3.29 466	0.72 350	3.28 467	0.70 334	3.35 467	0.68 334	3.39 461	0.68 308	3.31 466	0.69 342	3.37 451	0.73 339

R-Stereo Train	0.81 314	0.96 244	0.67 308	0.95 310	0.67 344	0.95 347	0.68 332	0.95 344	0.68 334	0.95 351	0.68 341	0.96 356	0.68 331	0.96 353	0.68 334	0.94 339	0.68 308	0.94 358	0.68 340	0.94 334	0.68 330

RAFT-Stereo	0.81 314	0.96 244	0.67 308	0.95 310	0.67 344	0.95 347	0.68 332	0.95 344	0.68 334	0.95 351	0.68 341	0.96 356	0.68 331	0.96 353	0.68 334	0.94 339	0.68 308	0.94 358	0.68 340	0.94 334	0.68 330
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
LG-Stereo	0.60 271	0.58 202	0.47 263	0.64 270	0.74 355	1.00 352	0.69 335	0.57 296	0.41 278	0.57 305	0.41 279	0.57 310	0.41 275	1.00 356	0.75 346	0.91 332	0.51 285	0.52 310	0.37 266	0.52 282	0.37 251

STTRV1_RVC	0.82 318	1.60 347	0.70 311	1.01 320	0.60 329	1.07 362	0.69 335	1.01 349	0.60 322	0.72 324	0.55 325	1.02 363	0.68 331	1.03 361	0.67 330	0.89 331	0.63 303	0.92 356	0.57 325	0.90 327	0.65 325

TorneroNet	0.66 281	0.53 195	0.50 276	0.50 245	0.64 338	1.06 359	0.70 337	0.50 278	0.51 314	0.49 275	0.69 344	0.49 280	0.50 306	0.48 275	1.15 380	0.71 312	0.49 276	1.14 373	1.08 376	0.49 270	0.49 298

DMCA-RVC	0.70 290	0.80 218	0.70 311	0.70 278	0.70 349	0.70 323	0.70 337	0.71 317	0.70 340	0.70 323	0.71 348	0.71 326	0.70 334	0.70 322	0.69 338	0.69 308	0.70 313	0.69 328	0.70 344	0.69 301	0.70 332

MSMD_ROB	1.19 360	1.10 274	0.70 311	1.10 326	0.60 329	1.10 366	0.70 337	1.10 355	0.70 340	1.10 362	0.70 345	1.10 370	0.70 334	7.00 502	0.70 341	1.10 350	0.70 313	1.10 372	0.70 344	1.10 345	0.70 332

RSM++	0.76 302	0.82 223	0.66 305	0.85 295	0.64 338	0.85 336	0.71 340	0.94 342	0.64 329	0.87 339	0.67 340	0.87 344	0.65 325	0.84 335	0.65 326	0.81 322	0.70 313	0.79 339	0.71 347	0.83 320	0.70 332

MoCha-V2	2.11 436	26.97 509	0.78 324	0.92 303	0.77 357	0.96 349	0.72 341	0.90 333	0.72 344	0.94 349	0.70 345	0.90 348	0.71 338	0.91 344	0.71 342	0.85 328	0.71 317	0.88 351	0.69 342	0.87 323	0.67 329

DCRE	0.84 325	1.89 360	0.77 323	0.94 308	0.72 352	0.88 339	0.73 342	0.87 329	0.78 350	0.90 341	0.71 348	0.88 345	0.67 330	0.88 340	0.73 343	0.81 322	0.68 308	0.81 344	0.70 344	0.82 319	0.70 332

PA-Net	11.80 505	223.51 531	0.62 298	0.59 262	0.71 350	0.59 312	0.73 342	0.67 312	0.73 347	0.55 301	0.61 331	0.60 315	0.74 340	0.63 315	0.73 343	0.66 305	0.60 297	0.69 328	0.66 336	0.72 303	0.65 325
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
HSM-Net_RVC	0.95 341	1.17 280	0.78 324	1.18 341	0.71 350	1.16 373	0.75 344	1.09 354	0.80 354	1.10 362	0.75 354	1.17 377	0.74 340	1.17 375	0.80 351	1.13 356	0.73 319	1.17 379	0.77 351	1.16 351	0.72 336
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAStereo	2.23 442	3.64 422	0.76 322	3.65 456	0.86 363	3.66 471	0.76 345	3.67 470	0.81 357	3.66 467	0.76 355	3.66 469	0.77 344	3.68 469	0.77 348	3.68 464	0.77 324	3.69 471	0.77 351	3.70 453	0.77 345

ToySt	0.92 334	2.11 376	0.90 335	0.95 310	0.79 359	0.99 351	0.78 346	0.94 342	0.81 357	0.94 349	0.78 356	0.95 355	0.77 344	0.94 349	0.86 357	0.91 332	0.79 326	0.85 349	0.77 351	0.89 325	0.73 339

tt45	1.04 352	0.88 228	1.36 426	0.92 303	1.03 382	1.51 435	0.79 347	0.70 316	0.88 359	0.74 330	0.90 362	1.60 436	0.72 339	1.60 432	0.75 346	0.91 332	0.78 325	1.52 443	0.79 354	1.14 347	1.32 437

iGMRVC	0.84 325	2.85 407	0.72 316	0.72 281	0.73 353	0.77 328	0.79 347	0.73 319	0.74 349	0.73 326	0.72 350	0.73 331	0.76 343	0.73 325	0.73 343	0.72 313	0.73 319	0.73 332	0.72 348	0.73 306	0.72 336

G-Net	0.79 307	0.79 217	0.79 327	0.79 286	0.79 359	0.79 332	0.79 347	0.79 322	0.79 353	0.79 334	0.79 357	0.79 338	0.79 346	0.79 330	0.79 349	0.79 318	0.79 326	0.79 339	0.79 354	0.79 312	0.79 346

NaN_ROB	0.80 309	0.80 218	0.80 328	0.80 288	0.80 361	0.80 333	0.80 350	0.80 324	0.80 354	0.80 335	0.80 358	0.80 339	0.80 347	0.80 332	0.80 351	0.80 319	0.80 329	0.80 342	0.80 356	0.80 315	0.80 347

CSAN	0.80 309	0.80 218	0.80 328	0.80 288	0.80 361	0.80 333	0.80 350	0.80 324	0.80 354	0.80 335	0.80 358	0.80 339	0.80 347	0.80 332	0.80 351	0.80 319	0.80 329	0.80 342	0.80 356	0.80 315	0.80 347

AIO-Stereo-zeroshot	0.91 332	0.86 225	0.89 332	1.25 391	0.69 348	1.05 358	0.81 352	1.16 359	0.50 307	1.12 367	0.97 370	0.72 329	0.82 349	1.06 363	0.95 364	0.61 297	0.87 334	1.03 370	0.85 362	1.04 342	1.01 369

AIO-Stereo	0.84 325	0.66 209	0.70 311	0.83 292	0.67 344	0.98 350	0.82 353	1.14 356	0.72 344	1.03 358	0.74 353	1.03 364	1.09 367	0.99 355	0.45 287	1.04 345	0.73 319	0.95 360	0.74 349	0.94 334	0.46 285

Selective-RAFT	0.89 331	0.89 231	0.72 316	1.16 339	0.78 358	1.06 359	0.82 353	0.87 329	0.97 371	1.00 353	0.91 365	0.90 348	1.00 358	0.89 342	0.93 363	0.83 325	0.83 332	0.82 346	0.82 359	0.81 318	0.82 350

DPSimNet_ROB	0.97 342	1.18 282	0.81 330	1.10 326	0.91 369	1.02 357	0.82 353	1.04 351	0.91 361	1.03 358	0.86 361	1.28 427	0.82 349	1.03 361	0.89 358	1.17 358	0.81 331	1.02 369	0.82 359	1.08 344	0.81 349

HBP-ISP	1.24 409	1.72 350	1.65 438	1.15 334	0.76 356	1.40 431	0.88 356	1.67 431	1.02 378	1.69 435	1.38 443	1.69 438	1.21 425	1.87 436	1.21 432	1.05 346	0.79 326	0.97 363	0.80 356	1.19 359	0.75 343

APVNet	0.09 49	0.05 48	0.04 41	0.05 42	0.04 75	0.05 82	0.90 357	0.06 86	0.04 76	0.05 84	0.04 83	0.05 84	0.04 79	0.05 75	0.04 70	0.05 49	0.04 43	0.05 79	0.04 73	0.05 84	0.05 89

FC-DCNN	1.07 353	1.09 271	0.98 344	0.89 297	0.52 320	1.41 432	0.91 358	1.21 412	1.24 438	1.96 439	2.05 469	1.91 440	1.30 432	1.27 425	1.08 374	0.80 319	0.60 297	0.58 316	0.41 288	0.68 297	0.54 309

DGTPSM_ROB	0.93 338	1.00 250	0.92 339	0.94 308	0.96 374	0.91 343	0.92 359	0.91 335	0.96 370	0.91 343	0.96 369	0.93 354	0.92 353	0.94 349	0.92 359	0.92 335	0.92 337	0.90 352	0.92 363	0.94 334	0.91 357

DPSM_ROB	0.92 334	0.91 234	0.91 337	0.91 300	0.92 370	0.92 344	0.92 359	0.92 338	0.91 361	0.93 347	0.91 365	0.92 351	0.90 351	0.91 344	0.92 359	0.92 335	0.91 335	0.91 354	0.92 363	0.93 332	0.93 359

DPSM	0.92 334	0.91 234	0.91 337	0.91 300	0.92 370	0.92 344	0.92 359	0.92 338	0.91 361	0.93 347	0.91 365	0.92 351	0.90 351	0.91 344	0.92 359	0.92 335	0.91 335	0.91 354	0.92 363	0.93 332	0.93 359

pmcnn	0.92 334	0.92 239	0.92 339	0.92 303	0.92 370	0.92 344	0.92 359	0.92 338	0.92 365	0.92 345	0.92 368	0.92 351	0.92 353	0.92 348	0.92 359	0.92 335	0.92 337	0.92 356	0.92 363	0.92 331	0.92 358

Selective-RAFT-Error	0.88 329	0.84 224	0.98 344	0.86 296	0.97 375	0.88 339	0.95 363	0.84 328	0.99 373	0.92 345	0.82 360	0.84 343	0.98 357	0.87 339	0.97 366	0.81 322	0.83 332	0.79 339	0.82 359	0.79 312	0.85 352

ACVNet	0.20 131	0.19 94	0.14 122	0.20 126	0.14 146	0.20 147	0.96 364	0.21 152	0.14 145	0.20 144	0.13 144	0.21 154	0.14 146	0.20 145	0.14 139	0.17 134	0.12 107	0.17 139	0.12 137	0.17 138	0.12 132

acv_ft	0.20 131	0.19 94	0.14 122	0.20 126	0.14 146	0.20 147	0.96 364	0.21 152	0.14 145	0.20 144	0.13 144	0.21 154	0.14 146	0.20 145	0.14 139	0.17 134	0.12 107	0.17 139	0.12 137	0.17 138	0.12 132

MM-Stereo_test2	1.20 361	1.85 357	1.05 350	1.46 402	0.94 373	1.36 428	0.99 366	1.36 421	0.95 368	1.41 426	0.98 371	1.40 432	0.96 355	1.37 427	0.95 364	1.37 416	1.06 346	1.33 433	0.93 367	1.29 410	0.89 355

GANet	1.00 345	1.00 250	1.00 346	1.00 317	1.00 376	1.00 352	1.00 367	1.00 346	1.00 374	1.00 353	1.00 372	1.00 359	1.00 358	1.00 356	1.00 369	1.00 341	1.00 340	1.00 365	1.00 370	1.00 338	1.00 366

TDLM	1.00 345	1.00 250	1.00 346	1.00 317	1.00 376	1.00 352	1.00 367	1.00 346	1.00 374	1.00 353	1.00 372	1.00 359	1.00 358	1.00 356	1.00 369	1.00 341	1.00 340	1.00 365	1.00 370	1.00 338	1.00 366

CVANet_RVC	1.00 345	1.00 250	1.00 346	1.00 317	1.00 376	1.00 352	1.00 367	1.00 346	1.00 374	1.00 353	1.00 372	1.00 359	1.00 358	1.00 356	1.00 369	1.00 341	1.00 340	1.00 365	1.00 370	1.00 338	1.00 366

MM-Stereo_test3	1.27 411	2.07 372	1.18 361	1.60 406	1.02 381	1.45 433	1.01 370	1.40 425	1.04 379	1.44 427	1.03 376	1.46 434	1.02 365	1.44 430	1.02 373	1.51 423	1.12 360	1.32 432	0.98 368	1.38 414	0.97 362

trnet	1.01 350	1.01 256	1.01 349	1.01 320	1.01 380	1.01 356	1.01 370	1.01 349	1.01 377	1.01 357	1.01 375	1.01 362	1.01 364	1.01 360	1.01 372	1.01 344	1.01 343	1.01 368	1.01 374	1.01 341	1.01 369

MaDis-Stereo	3.19 466	6.02 465	1.12 353	5.61 480	1.16 391	5.43 496	1.02 372	5.15 495	0.70 340	5.43 493	1.21 432	5.03 496	0.97 356	4.85 490	0.99 368	4.53 469	1.16 363	5.53 496	1.25 434	5.37 484	1.30 435

ac_64	0.22 141	0.13 79	0.19 150	0.23 138	0.10 110	0.26 178	1.02 372	0.14 117	0.10 107	0.28 179	0.14 149	0.17 137	0.19 170	0.28 188	0.09 97	0.22 153	0.16 139	0.23 167	0.17 170	0.11 112	0.12 132

GLC_STEREO	1.07 353	1.01 256	1.06 351	1.07 324	1.05 383	1.06 359	1.08 374	1.08 352	1.05 380	1.07 360	1.06 377	1.08 366	1.05 366	1.06 363	1.10 375	1.07 347	1.09 353	1.05 371	1.05 375	1.06 343	1.12 376

sAnonymous2	3.31 467	2.63 395	1.38 429	3.71 457	1.86 463	4.70 490	1.11 375	4.82 491	2.72 471	5.45 494	1.98 467	4.59 483	2.64 460	2.65 457	6.21 500	4.37 466	1.08 351	5.16 494	2.24 467	4.52 464	2.39 469

CroCo_RVC	3.31 467	2.63 395	1.38 429	3.71 457	1.86 463	4.70 490	1.11 375	4.82 491	2.72 471	5.45 494	1.98 467	4.59 483	2.64 460	2.65 457	6.21 500	4.37 466	1.08 351	5.16 494	2.24 467	4.52 464	2.39 469

NCC-stereo	2.36 448	25.52 504	1.17 359	1.15 334	1.17 392	1.11 369	1.11 375	1.15 357	1.16 383	1.10 362	1.16 382	1.10 370	1.15 372	1.14 373	1.13 378	1.09 348	1.11 357	1.15 374	1.16 382	1.17 356	1.17 382

Nwc_Net	2.37 450	25.95 506	1.15 357	1.14 332	1.15 387	1.08 363	1.14 378	1.17 361	1.16 383	1.14 370	1.15 379	1.08 366	1.15 372	1.11 371	1.14 379	1.10 350	1.11 357	1.16 375	1.09 377	1.16 351	1.15 381

RP	2.33 446	25.00 502	1.13 354	1.15 334	1.15 387	1.10 366	1.15 379	1.15 357	1.15 382	1.12 367	1.15 379	1.09 368	1.13 369	1.10 369	1.15 380	1.11 355	1.09 353	1.16 375	1.12 378	1.16 351	1.17 382

Abc-Net	2.32 445	24.75 501	1.14 355	1.17 340	1.17 392	1.11 369	1.15 379	1.17 361	1.21 435	1.08 361	1.16 382	1.12 374	1.14 371	1.09 367	1.17 384	1.09 348	1.16 363	1.17 379	1.17 383	1.16 351	1.11 374
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 448	25.48 503	1.19 363	1.15 334	1.15 387	1.10 366	1.16 381	1.17 361	1.16 383	1.12 367	1.16 382	1.11 373	1.13 369	1.09 367	1.18 385	1.10 350	1.15 362	1.16 375	1.12 378	1.14 347	1.12 376

edge stereo	2.43 453	27.07 510	1.14 355	1.06 323	1.14 386	1.08 363	1.17 382	1.16 359	1.14 381	1.10 362	1.16 382	1.09 368	1.16 376	1.10 369	1.16 383	1.10 350	1.11 357	1.16 375	1.19 384	1.13 346	1.11 374

AF-Net	2.37 450	25.71 505	1.17 359	1.13 331	1.15 387	1.15 372	1.18 383	1.19 364	1.16 383	1.10 362	1.15 379	1.10 370	1.18 377	1.12 372	1.15 380	1.10 350	1.10 356	1.17 379	1.15 380	1.16 351	1.12 376

stereogan	2.33 446	24.38 500	1.18 361	1.18 341	1.18 394	1.14 371	1.18 383	1.19 364	1.19 389	1.14 370	1.18 386	1.14 375	1.18 377	1.14 373	1.18 385	1.14 357	1.14 361	1.19 382	1.19 384	1.15 349	1.19 384

DisPM	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

CrosDoStereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

PFNet+	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

LCNet	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

HHNet	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

Patchmatch Stereo++	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385
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	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

STrans-v2	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

TransformOpticalFlow	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

OMP-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

IIG-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

NF-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

OCTAStereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

PSM-softLoss	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

KMStereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

NRIStereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

PSM-adaLoss	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

PSM-AAD	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

FTStereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

ROB_FTStereo_v2	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

ROB_FTStereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

Consistency-Raft	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

KYRaft	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

HUI-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

ASMatch	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

DeepStereo_LL	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

DEmStereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

SST-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

THIR-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

RAFT_R40	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

DRaft	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

PFNet	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

GrayStereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

RE-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

Pruner-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

TVStereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

DeepStereo_RVC	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

RAFT-RH_RVC	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

IRAFT_RVC	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

RAFT-345	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

iRAFT	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

CRE-IMP	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

GMM-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

RAFT-IKP	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

Prome-Stereo	1.20 361	1.20 284	1.20 366	1.20 343	1.20 395	1.20 374	1.20 385	1.20 367	1.20 390	1.20 374	1.20 387	1.20 379	1.20 379	1.20 377	1.20 387	1.20 360	1.20 368	1.20 383	1.20 387	1.20 360	1.20 385

GwcNet	0.12 90	0.07 56	0.05 55	0.08 48	0.05 91	0.08 95	1.20 385	0.07 96	0.05 90	0.05 84	0.05 92	0.08 97	0.05 86	0.08 97	0.03 46	0.07 56	0.05 54	0.06 86	0.05 88	0.07 96	0.05 89

GANetREF_RVC	1.55 418	1.94 369	1.22 413	1.88 414	1.21 441	1.88 441	1.22 431	1.88 433	1.22 436	1.88 437	1.22 433	1.88 439	1.22 426	1.89 437	1.22 433	1.87 434	1.22 415	1.88 446	1.22 433	1.88 426	1.22 431
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
SPS-STEREO	1.59 419	1.91 363	1.21 412	1.94 417	1.20 395	2.00 443	1.23 432	1.99 436	1.24 438	2.00 441	1.25 436	2.03 443	1.26 428	2.00 440	1.29 437	1.90 437	1.18 367	1.89 447	1.21 432	1.89 427	1.20 385
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
FAT-Stereo	2.46 454	26.05 507	1.23 415	1.23 390	1.22 443	1.20 374	1.24 433	1.23 415	1.23 437	1.19 373	1.22 433	1.21 424	1.24 427	1.20 377	1.24 434	1.21 405	1.17 366	1.22 429	1.25 434	1.20 360	1.24 433

S-Stereo	2.51 455	26.86 508	1.23 415	1.22 388	1.22 443	1.24 422	1.25 434	1.22 413	1.24 438	1.21 419	1.24 435	1.19 378	1.27 429	1.19 376	1.24 434	1.19 359	1.20 368	1.25 430	1.19 384	1.24 408	1.23 432

StereoVision	3.15 465	5.00 446	0.89 332	4.83 474	1.00 376	3.93 472	1.27 435	6.37 496	1.34 441	5.67 496	1.26 437	5.84 498	1.27 429	5.03 494	1.24 434	5.10 486	1.09 353	4.61 483	0.57 325	5.62 486	1.12 376

CC-Net-ROB	1.36 414	1.33 339	1.33 418	1.36 398	1.38 448	1.36 428	1.33 436	1.37 423	1.34 441	1.35 423	1.36 441	1.38 429	1.34 433	1.38 428	1.38 441	1.35 413	1.38 425	1.33 433	1.35 437	1.43 415	1.34 440

11t	1.27 411	2.70 400	1.34 419	1.32 395	0.89 365	1.30 425	1.34 437	1.64 428	0.57 319	1.45 428	0.72 350	1.05 365	1.29 431	1.07 366	1.29 437	1.49 420	1.02 344	0.97 363	1.15 380	1.48 416	1.31 436

MaskLacGwcNet_RVC	1.35 413	1.35 340	1.35 421	1.35 397	1.35 445	1.35 426	1.35 438	1.36 421	1.35 443	1.36 424	1.35 439	1.36 428	1.36 434	1.36 426	1.35 439	1.35 413	1.35 422	1.35 436	1.35 437	1.35 412	1.35 441

ktn	0.72 295	0.53 195	1.08 352	1.14 332	0.51 319	1.22 420	1.36 439	0.51 287	0.59 321	0.51 291	0.51 320	0.69 325	1.20 379	0.67 320	0.51 311	0.51 284	0.49 276	0.58 316	0.66 336	0.52 282	0.53 308

IGEVStereo-DCA	1.77 425	4.21 438	1.84 446	2.49 440	2.11 469	2.54 458	1.36 439	1.65 429	1.17 387	2.75 459	1.90 461	2.54 458	1.15 372	0.94 349	1.11 376	1.50 421	1.32 416	0.96 361	1.46 447	1.49 417	0.88 353

rrr	1.77 425	4.21 438	1.84 446	2.49 440	2.11 469	2.54 458	1.36 439	1.65 429	1.17 387	2.75 459	1.90 461	2.54 458	1.15 372	0.94 349	1.11 376	1.50 421	1.32 416	0.96 361	1.46 447	1.49 417	0.88 353

MC-Stereo	1.76 424	2.96 408	1.37 428	2.14 424	1.37 447	2.14 447	1.36 439	2.14 441	1.37 445	2.14 447	1.37 442	2.14 445	1.37 435	2.14 445	1.37 440	1.97 438	1.32 416	1.97 449	1.32 436	1.98 428	1.33 438

RASNet	1.49 417	1.65 348	1.45 432	1.38 400	1.43 451	1.47 434	1.36 439	1.38 424	1.36 444	1.39 425	1.60 451	1.45 433	1.45 439	1.51 431	2.21 464	1.53 424	1.36 423	1.36 438	1.36 439	1.66 422	1.36 442

PS-NSSS	1.38 416	1.39 342	1.34 419	1.34 396	1.35 445	1.38 430	1.37 444	1.35 420	1.38 446	1.34 422	1.34 438	1.39 430	1.38 436	1.70 434	1.40 442	1.36 415	1.36 423	1.36 438	1.37 440	1.37 413	1.36 442

CFNet-RSSM	0.91 332	4.89 445	0.34 211	0.44 221	1.07 384	1.62 437	1.40 445	0.91 335	0.35 246	1.60 430	1.39 444	0.64 319	0.34 242	0.44 258	0.33 231	0.41 243	0.35 222	0.75 334	0.30 233	0.41 243	0.29 211

MM-Stereo_test1	1.80 427	3.41 418	1.52 436	2.12 423	1.41 450	2.04 444	1.41 446	2.05 437	1.46 450	2.04 443	1.41 445	2.05 444	1.42 438	2.05 441	1.43 444	2.04 442	1.54 433	1.94 448	1.38 442	1.99 429	1.33 438

sCroCo_RVC	2.10 435	2.76 402	1.92 454	2.78 445	1.39 449	2.73 460	1.41 446	2.73 455	1.40 447	2.77 462	1.41 445	2.74 461	1.40 437	2.74 459	1.40 442	2.72 456	1.42 427	2.72 462	1.44 446	2.79 448	1.42 446

RAFT_CTSACE	1.92 430	3.71 425	1.72 442	1.88 414	1.72 457	2.04 444	1.42 448	2.18 442	1.89 464	2.02 442	1.97 465	1.95 441	2.06 454	1.93 438	1.62 448	1.76 430	1.66 440	2.02 450	1.73 460	1.73 423	1.43 447

DPSMNet_ROB	1.60 420	1.59 346	1.70 440	1.59 405	1.59 453	1.61 436	1.61 449	1.60 426	1.60 451	1.62 434	1.59 450	1.60 436	1.60 441	1.60 432	1.59 447	1.59 425	1.60 436	1.59 444	1.59 451	1.59 420	1.59 450

Anonymous3	2.55 456	3.26 416	1.65 438	3.28 450	1.63 454	3.24 466	1.68 450	3.27 464	1.66 452	3.28 465	1.67 452	3.25 466	1.66 442	3.27 464	1.64 449	3.26 460	1.65 439	3.30 465	1.65 452	4.95 479	1.65 453

UDGNet	2.23 442	5.40 456	1.72 442	2.48 439	1.69 455	2.51 457	1.69 451	2.51 453	1.72 453	2.50 455	1.69 453	2.52 457	1.69 443	2.50 456	1.68 452	2.41 454	1.70 441	2.42 460	1.69 456	2.42 441	1.64 451

MFMNet_re	1.81 428	1.91 363	1.71 441	1.95 418	1.70 456	1.95 442	1.70 452	1.96 435	1.74 454	1.97 440	1.72 454	1.95 441	1.71 444	1.97 439	1.71 453	1.86 433	1.62 437	1.85 445	1.66 453	1.86 425	1.64 451

U	5.15 497	8.49 477	1.81 445	8.49 494	1.77 458	8.49 504	1.77 453	8.51 504	1.77 455	8.49 504	1.77 455	8.50 505	1.78 445	8.58 504	1.77 458	8.54 503	1.78 445	8.55 505	1.78 461	8.55 499	1.84 458

FBW_ROB	2.12 437	2.46 392	1.77 444	2.49 440	1.79 459	2.38 453	1.83 454	2.46 452	1.78 456	2.48 454	1.97 465	2.40 454	1.78 445	2.42 455	1.83 459	2.31 449	1.85 448	2.38 459	1.82 462	2.35 440	1.84 458

TRStereo	2.00 431	2.13 377	1.85 448	2.27 430	1.84 460	2.28 449	1.84 455	2.29 444	1.86 460	2.30 449	1.87 458	2.30 447	1.87 447	2.08 442	1.72 455	2.08 443	1.72 442	2.08 451	1.72 457	2.08 430	1.72 454

XX-Stereo	2.00 431	2.13 377	1.85 448	2.27 430	1.84 460	2.28 449	1.84 455	2.29 444	1.86 460	2.30 449	1.87 458	2.30 447	1.87 447	2.08 442	1.72 455	2.08 443	1.72 442	2.08 451	1.72 457	2.08 430	1.72 454

EAI-Stereo	2.00 431	2.13 377	1.85 448	2.27 430	1.84 460	2.28 449	1.84 455	2.29 444	1.86 460	2.30 449	1.87 458	2.30 447	1.87 447	2.08 442	1.72 455	2.08 443	1.72 442	2.08 451	1.72 457	2.08 430	1.72 454

LGtest1	2.22 441	2.70 400	1.89 453	2.76 444	1.86 463	2.75 461	1.86 458	2.75 456	1.86 460	2.75 459	1.86 457	2.77 462	1.87 447	2.75 460	1.86 460	2.46 455	1.58 435	2.45 461	1.56 449	2.45 442	1.56 449

AIO_rvc	2.18 438	2.34 388	1.87 452	2.32 434	1.94 466	2.40 454	1.89 459	2.37 450	2.07 467	2.52 456	1.95 464	2.44 456	1.99 453	2.41 453	1.89 462	2.32 450	2.09 450	2.24 454	2.18 465	2.21 434	2.23 463

AIO_test	2.18 438	2.09 375	2.04 457	2.42 437	2.01 467	2.47 456	1.94 460	2.34 449	2.03 466	2.56 457	1.94 463	2.43 455	1.94 451	2.41 453	1.87 461	2.39 453	2.10 451	2.35 458	1.91 463	2.25 436	2.19 462

HUF	2.18 438	2.30 387	1.99 456	2.34 435	2.02 468	2.41 455	2.06 461	2.38 451	1.89 464	2.36 453	1.85 456	2.56 460	1.98 452	2.31 451	1.97 463	2.30 448	2.03 449	2.30 456	2.11 464	2.23 435	2.16 461

ff7	1.68 421	2.68 397	1.35 421	0.97 314	0.89 365	1.84 438	2.15 462	2.12 438	1.80 457	2.05 444	1.56 447	2.33 450	2.12 455	2.23 446	2.25 465	1.31 409	1.07 347	1.48 440	1.41 443	0.90 327	1.04 371

ffff	1.68 421	2.68 397	1.35 421	0.97 314	0.89 365	1.84 438	2.15 462	2.12 438	1.80 457	2.05 444	1.56 447	2.33 450	2.12 455	2.23 446	2.25 465	1.31 409	1.07 347	1.48 440	1.41 443	0.90 327	1.04 371

ccc-4	1.68 421	2.68 397	1.35 421	0.97 314	0.89 365	1.84 438	2.15 462	2.12 438	1.80 457	2.05 444	1.56 447	2.33 450	2.12 455	2.23 446	2.25 465	1.31 409	1.07 347	1.48 440	1.41 443	0.90 327	1.04 371

NCCL2	2.28 444	2.27 385	2.28 459	2.28 433	2.28 471	2.27 448	2.29 465	2.28 443	2.28 468	2.27 448	2.28 470	2.28 446	2.27 458	2.27 449	2.28 469	2.28 446	2.28 456	2.27 455	2.29 469	2.27 437	2.29 464

STTStereo	3.73 470	30.40 514	2.37 463	2.39 436	2.31 473	2.35 452	2.33 466	2.29 444	2.42 469	2.32 452	2.34 471	2.33 450	2.36 459	2.30 450	2.27 468	2.35 451	2.22 455	2.31 457	2.22 466	2.29 439	2.34 468

CFNet-ft	0.55 267	1.57 345	0.14 122	0.20 126	0.14 146	0.20 147	2.53 467	1.61 427	0.14 145	0.20 144	0.14 149	0.20 146	0.14 146	0.20 145	0.14 139	0.17 134	0.12 107	0.17 139	0.12 137	1.56 419	1.24 433

PSMNet-RSSM	0.77 303	2.76 402	0.14 122	0.20 126	0.14 146	0.20 147	2.66 468	2.79 458	0.14 145	0.21 154	0.14 149	0.21 154	0.14 146	0.20 145	0.14 139	0.17 134	0.12 107	0.17 139	0.12 137	2.52 444	2.31 465

GwcNet-RSSM	0.77 303	2.77 404	0.14 122	0.20 126	0.14 146	0.20 147	2.67 469	2.78 457	0.14 145	0.20 144	0.14 149	0.20 146	0.14 146	0.21 156	0.14 139	0.17 134	0.12 107	0.17 139	0.12 137	2.52 444	2.31 465

cf-r	0.66 281	2.17 381	0.12 98	0.18 121	0.12 141	0.18 139	2.70 470	2.60 454	0.12 140	0.18 137	0.12 132	0.18 140	0.12 137	0.18 138	0.12 129	0.15 121	0.11 93	0.15 131	0.11 121	1.81 424	1.74 457

hitnet-ft	0.79 307	2.78 405	0.14 122	0.20 126	0.14 146	0.21 155	2.89 471	2.80 459	0.14 145	0.20 144	0.14 149	0.20 146	0.14 146	0.20 145	0.14 139	0.17 134	0.12 107	0.17 139	0.12 137	2.54 446	2.33 467

Sa-1000	4.34 485	8.37 474	6.84 498	6.98 489	4.45 499	3.58 468	3.00 472	3.42 467	3.39 487	2.61 458	4.00 493	3.83 472	4.01 486	3.90 471	3.90 489	5.98 492	5.62 487	3.76 472	2.34 470	4.35 462	2.47 471

rvit_105_1	3.83 471	5.22 450	3.01 467	4.53 462	3.01 476	4.51 478	3.01 473	4.56 479	3.04 474	4.53 478	3.03 475	4.55 481	3.03 464	4.56 479	3.04 471	4.57 471	3.05 461	4.57 478	3.05 473	4.57 466	3.05 473

rvit_0105_6	3.87 475	5.73 462	3.10 477	4.69 472	3.12 486	4.54 480	3.02 474	4.56 479	3.04 474	4.54 480	3.03 475	4.54 479	3.04 467	4.56 479	3.05 473	4.58 474	3.05 461	4.58 480	3.05 473	4.58 467	3.05 473

rvit_stereo_0081_aga	3.86 473	5.33 454	3.02 470	4.55 468	3.04 482	4.54 480	3.02 474	4.64 486	3.06 478	4.54 480	3.04 477	4.62 488	3.08 471	4.62 485	3.07 476	4.58 474	3.06 465	4.60 482	3.08 477	4.63 470	3.07 477

rvit_stereo_0081	3.83 471	5.23 451	3.01 467	4.53 462	3.03 478	4.55 484	3.02 474	4.56 479	3.04 474	4.52 476	3.02 473	4.54 479	3.03 464	4.56 479	3.04 471	4.57 471	3.05 461	4.57 478	3.05 473	4.58 467	3.05 473

rvit_stereo_0082	3.86 473	5.82 463	3.01 467	4.53 462	3.03 478	4.54 480	3.02 474	4.56 479	3.04 474	4.53 478	3.02 473	4.55 481	3.04 467	4.57 482	3.05 473	4.57 471	3.05 461	4.58 480	3.05 473	4.58 467	3.06 476

rvit_0105_4	3.91 478	5.47 459	3.02 470	4.54 465	3.02 477	4.54 480	3.03 478	4.75 489	3.17 485	4.57 482	3.06 478	4.61 487	3.16 475	4.65 486	3.09 479	4.66 478	3.11 468	4.68 487	3.18 483	4.81 476	3.16 482

DispFullNet	4.61 488	4.84 444	3.12 478	5.00 476	3.57 491	4.75 493	3.03 478	7.75 502	4.17 495	4.91 491	3.09 482	6.20 499	3.95 484	6.71 498	3.51 485	5.30 487	3.67 475	5.86 500	3.63 487	5.61 485	3.46 486

rvit_stereo_0080	3.89 476	5.70 460	3.04 472	4.54 465	3.03 478	4.56 485	3.05 480	4.60 483	3.07 479	4.58 483	3.06 478	4.59 483	3.06 469	4.61 483	3.08 477	4.63 476	3.09 466	4.64 484	3.10 478	4.65 471	3.10 478

whm_eth	3.89 476	5.70 460	3.04 472	4.54 465	3.03 478	4.56 485	3.05 480	4.60 483	3.07 479	4.58 483	3.06 478	4.59 483	3.06 469	4.61 483	3.08 477	4.63 476	3.09 466	4.64 484	3.10 478	4.65 471	3.10 478

rvit_0105_3	3.91 478	5.33 454	3.06 475	4.60 470	3.07 484	4.60 487	3.06 482	4.62 485	3.08 482	4.60 485	3.07 481	4.62 488	3.08 471	4.67 487	3.10 480	4.70 479	3.11 468	4.77 489	3.19 484	4.77 475	3.14 481

rvit_stereo_0083	3.92 480	5.30 453	3.06 475	4.61 471	3.09 485	4.67 489	3.08 483	4.66 487	3.09 483	4.62 486	3.10 483	4.66 491	3.11 473	4.67 487	3.16 482	4.72 481	3.16 471	4.77 489	3.11 480	4.66 473	3.11 480

rvit_stereo_ft	3.93 481	5.44 458	3.05 474	4.59 469	3.06 483	4.61 488	3.08 483	4.67 488	3.12 484	4.63 487	3.10 483	4.65 490	3.11 473	4.69 489	3.13 481	4.70 479	3.14 470	4.71 488	3.15 482	4.74 474	3.16 482

rvit_0105_5	4.10 482	5.40 456	3.13 480	4.71 473	3.15 487	4.72 492	3.10 485	4.90 493	3.27 486	4.69 488	3.16 485	4.84 493	3.25 476	4.96 491	3.34 484	5.05 484	3.39 473	5.10 493	3.40 485	5.11 481	3.42 485

SA	4.33 484	7.35 468	6.85 499	5.96 482	4.09 496	3.59 469	3.15 486	3.82 471	2.64 470	3.91 469	3.85 490	3.57 468	2.72 462	3.13 463	4.03 491	7.09 499	6.86 494	3.57 468	3.12 481	3.85 454	3.51 487

GANet-RSSM	0.75 298	1.91 363	0.14 122	0.47 229	0.14 146	0.21 155	3.21 487	2.30 448	0.14 145	0.46 257	0.14 149	0.23 164	0.18 165	0.21 156	0.14 139	0.18 142	0.27 184	0.37 230	0.13 145	2.13 433	2.12 460

test_5	4.62 489	7.55 470	6.23 494	6.32 484	3.40 490	5.29 495	3.50 488	3.53 468	4.11 494	4.28 473	4.47 497	4.26 477	4.38 489	3.68 469	3.24 483	5.89 490	5.60 486	4.84 491	3.50 486	4.33 461	3.93 495

RAFT+CT+SA	4.28 483	7.62 471	4.91 488	5.55 479	2.28 471	3.09 463	3.64 489	4.49 477	3.07 479	4.80 489	3.35 486	4.77 492	3.70 480	4.29 476	3.05 473	5.58 488	5.98 489	3.58 469	3.78 492	4.26 460	3.72 489

DPSNet	3.66 469	3.60 421	3.62 483	3.63 455	3.64 492	3.65 470	3.65 490	3.66 469	3.67 488	3.67 468	3.65 489	3.67 470	3.66 479	3.66 468	3.68 486	3.68 464	3.66 474	3.67 470	3.68 490	3.67 452	3.67 488

TestStereo1	4.60 486	8.41 475	6.44 496	6.86 487	3.79 493	3.97 473	3.78 491	3.99 473	3.74 489	3.97 470	3.52 487	3.94 473	3.58 477	3.98 472	3.72 487	6.82 496	6.50 492	3.76 472	3.66 488	3.90 455	3.74 491

SA-5K	4.60 486	8.41 475	6.44 496	6.86 487	3.79 493	3.97 473	3.78 491	3.99 473	3.74 489	3.97 470	3.52 487	3.94 473	3.58 477	3.98 472	3.72 487	6.82 496	6.50 492	3.76 472	3.66 488	3.90 455	3.74 491

test_4	4.88 492	8.13 473	6.98 500	7.46 490	4.44 498	4.25 476	3.85 493	4.04 475	3.92 492	4.13 472	3.91 491	4.18 476	3.84 482	4.14 474	4.06 492	7.01 498	7.13 495	4.53 476	3.72 491	4.09 458	3.72 489

cross-raft	4.83 491	7.52 469	6.43 495	6.63 485	3.96 495	4.51 478	3.99 494	4.49 477	3.96 493	4.52 476	3.96 492	4.50 478	3.97 485	4.50 478	3.97 490	6.65 494	6.44 491	4.33 475	3.92 494	4.35 462	3.91 494

test_3	5.01 494	8.86 480	7.77 502	8.09 492	2.76 475	4.13 475	4.05 495	3.88 472	3.76 491	4.33 474	4.13 494	3.71 471	3.91 483	4.21 475	4.06 492	7.93 500	7.69 497	4.53 476	3.91 493	4.17 459	4.29 497

raft_robust	4.71 490	7.75 472	5.40 493	6.81 486	3.31 488	4.28 477	4.20 496	4.32 476	4.37 497	4.35 475	4.35 496	4.14 475	3.75 481	4.30 477	4.20 494	6.67 495	6.37 490	3.36 467	4.24 498	4.86 478	3.25 484

SGM-Forest	5.21 498	5.92 464	4.08 485	6.18 483	4.16 497	6.31 498	4.34 497	6.50 497	4.33 496	6.14 498	4.21 495	6.61 502	4.55 490	6.67 497	4.48 495	5.94 491	3.94 477	5.85 499	4.03 496	5.79 487	4.17 496
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 496	5.15 448	4.49 486	5.07 477	3.37 489	6.87 499	4.75 498	5.04 494	6.34 502	7.84 502	5.06 499	6.72 503	4.09 487	4.99 492	5.44 499	5.03 483	3.16 471	4.67 486	4.86 499	5.15 482	3.89 493

TestStereo	4.88 492	4.75 443	4.79 487	4.87 475	4.92 500	4.81 494	4.90 499	4.78 490	4.77 498	4.87 490	4.89 498	4.90 494	4.91 491	4.99 492	4.79 496	4.98 482	4.87 483	4.87 492	4.92 500	5.00 480	5.00 498

rvit_stereo_0075_2	6.64 500	8.80 479	5.25 490	7.89 491	5.27 502	7.90 503	5.27 500	7.92 503	5.28 500	7.91 503	5.29 501	7.93 504	5.27 492	7.92 503	5.28 497	7.93 500	5.28 485	7.93 503	5.29 502	7.93 496	5.28 500

SGM+DAISY	7.06 502	9.15 481	5.38 492	8.84 496	5.18 501	8.80 505	5.31 501	8.79 505	5.28 500	8.89 505	5.20 500	8.93 506	5.33 493	8.95 505	5.36 498	8.70 504	5.21 484	8.74 506	5.20 501	8.89 500	5.15 499

test-1	6.46 499	9.16 482	8.03 505	8.09 492	5.62 503	6.11 497	6.35 502	6.85 499	4.94 499	6.08 497	6.29 504	4.98 495	6.43 496	6.22 495	6.36 502	6.16 493	7.47 496	5.82 498	5.44 503	7.11 493	5.68 501

RAFT	6.73 501	9.36 483	7.40 501	8.51 495	6.55 504	6.88 500	6.60 503	6.79 498	6.60 503	6.80 499	6.72 505	5.31 497	5.50 494	6.61 496	6.61 503	8.42 502	5.89 488	5.73 497	5.45 504	6.61 489	6.24 502

test-v	7.53 503	11.89 491	7.98 503	9.36 498	7.14 505	7.06 501	7.09 504	7.37 500	6.91 504	7.29 500	5.71 502	6.45 500	6.93 497	6.73 499	7.27 504	8.93 505	7.85 498	6.98 501	6.80 505	7.56 494	7.34 504

test-2	7.53 503	11.89 491	7.98 503	9.36 498	7.14 505	7.06 501	7.09 504	7.37 500	6.91 504	7.29 500	5.71 502	6.45 500	6.93 497	6.73 499	7.27 504	8.93 505	7.85 498	6.98 501	6.80 505	7.56 494	7.34 504

MANE	19.05 506	23.00 499	15.00 506	23.00 513	15.00 507	24.00 512	16.00 506	24.00 512	16.00 506	22.00 512	15.00 506	23.00 513	16.00 506	23.00 512	15.00 506	22.00 513	15.00 507	22.00 513	15.00 507	22.00 513	15.00 506

rafts_anoy	20.00 507	20.00 493	20.00 507	20.00 507	20.00 508	20.00 506	20.00 507	20.00 506	20.00 507	20.00 506	20.00 507	20.00 507	20.00 507	20.00 506	20.00 507	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 507

raft+_RVC	20.00 507	20.00 493	20.00 507	20.00 507	20.00 508	20.00 506	20.00 507	20.00 506	20.00 507	20.00 506	20.00 507	20.00 507	20.00 507	20.00 506	20.00 507	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 507

raftrobust	20.00 507	20.00 493	20.00 507	20.00 507	20.00 508	20.00 506	20.00 507	20.00 506	20.00 507	20.00 506	20.00 507	20.00 507	20.00 507	20.00 506	20.00 507	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 507

CasAABBNet	20.00 507	20.00 493	20.00 507	20.00 507	20.00 508	20.00 506	20.00 507	20.00 506	20.00 507	20.00 506	20.00 507	20.00 507	20.00 507	20.00 506	20.00 507	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 507

RALCasStereoNet	20.00 507	20.00 493	20.00 507	20.00 507	20.00 508	20.00 506	20.00 507	20.00 506	20.00 507	20.00 506	20.00 507	20.00 507	20.00 507	20.00 506	20.00 507	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 507

RALAANet	20.00 507	20.00 493	20.00 507	20.00 507	20.00 508	20.00 506	20.00 507	20.00 506	20.00 507	20.00 506	20.00 507	20.00 507	20.00 507	20.00 506	20.00 507	20.00 507	20.00 508	20.00 507	20.00 508	20.00 507	20.00 507

WCMA_ROB	31.10 514	35.43 519	27.12 513	39.51 525	23.10 514	38.78 524	25.30 513	37.49 524	25.39 513	37.29 523	27.02 513	38.52 525	26.48 513	37.80 523	26.44 513	36.28 521	22.65 514	33.90 518	22.30 514	37.10 522	24.18 513

111	30.40 513	30.94 515	29.72 514	32.61 514	30.02 515	33.57 513	30.47 514	31.50 513	29.39 514	30.98 513	29.11 514	29.78 514	30.39 517	29.45 513	30.76 517	30.08 514	29.02 515	29.92 514	30.32 518	29.86 514	30.17 514

fff	1000028.16 533	29.62 511	29.72 514	32.61 514	30.02 515	35.13 515	31.83 515	32.07 514	10000000.00 533	35.27 516	29.82 515	32.45 515	30.15 514	32.35 514	30.09 514	31.04 515	29.55 516	30.64 515	30.14 515	10000000.00 534	30.77 515

csc	1000028.16 533	29.62 511	29.72 514	32.61 514	30.02 515	35.13 515	31.83 515	32.07 514	10000000.00 533	35.27 516	29.82 515	32.45 515	30.15 514	32.35 514	30.09 514	31.04 515	29.55 516	30.64 515	30.14 515	10000000.00 534	30.77 515

cscssc	1000028.16 533	29.62 511	29.72 514	32.61 514	30.02 515	35.13 515	31.83 515	32.07 514	10000000.00 533	35.27 516	29.82 515	32.45 515	30.15 514	32.35 514	30.09 514	31.04 515	29.55 516	30.64 515	30.14 515	10000000.00 534	30.77 515

ADStereo(finetuned)	36.13 516	36.63 520	38.07 524	36.97 519	33.25 519	35.91 518	34.45 518	36.36 520	32.99 515	38.14 524	36.71 521	36.69 521	34.13 518	38.57 524	40.79 524	37.60 525	36.58 522	35.90 522	33.36 519	35.42 517	34.04 518

tt	500032.53 531	34.60 517	29.72 514	37.47 523	34.41 520	36.85 519	35.22 519	34.71 517	33.55 516	34.50 514	35.43 518	33.81 518	10000000.00 534	33.57 517	33.13 518	33.68 518	35.00 520	34.03 519	35.26 521	30.96 515	34.63 519

DCANet	500032.53 531	34.60 517	29.72 514	37.47 523	34.41 520	36.85 519	35.22 519	34.71 517	33.55 516	34.50 514	35.43 518	33.81 518	10000000.00 534	33.57 517	33.13 518	33.68 518	35.00 520	34.03 519	35.26 521	30.96 515	34.63 519

DCANet-4	35.22 515	34.54 516	35.08 520	33.58 518	35.47 522	34.55 514	35.53 521	36.08 519	35.85 518	35.92 519	35.77 520	35.18 520	35.48 519	35.39 519	37.15 523	34.55 520	33.92 519	35.02 521	34.90 520	35.79 518	34.74 521

Reg-Stereo(zero)	37.00 517	37.00 521	37.00 521	37.00 520	37.00 523	37.00 521	37.00 522	37.00 521	37.00 519	37.00 520	37.00 522	37.00 522	37.00 520	37.00 520	37.00 520	37.00 522	37.00 523	37.00 523	37.00 523	37.00 519	37.00 522

HI	37.00 517	37.00 521	37.00 521	37.00 520	37.00 523	37.00 521	37.00 522	37.00 521	37.00 519	37.00 520	37.00 522	37.00 522	37.00 520	37.00 520	37.00 520	37.00 522	37.00 523	37.00 523	37.00 523	37.00 519	37.00 522

CoSv	37.00 517	37.00 521	37.00 521	37.00 520	37.00 523	37.00 521	37.00 522	37.00 521	37.00 519	37.00 520	37.00 522	37.00 522	37.00 520	37.00 520	37.00 520	37.00 522	37.00 523	37.00 523	37.00 523	37.00 519	37.00 522

CBMV	128.50 522	1422.70 536	53.10 526	79.50 527	51.30 527	77.30 526	49.70 525	74.00 525	48.20 523	77.20 526	48.80 526	73.90 527	48.00 524	73.80 526	48.80 526	70.40 527	45.10 527	68.90 527	46.10 527	68.20 524	45.00 526
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 520	87.70 525	41.95 525	113.75 528	65.62 528	75.05 525	55.25 526	75.64 526	45.04 522	71.61 525	41.75 525	72.81 526	44.06 523	68.38 525	44.63 525	101.89 528	59.57 528	107.10 528	61.05 528	104.38 525	59.38 527

NOSS_ROB	102.95 521	153.00 529	121.00 528	51.00 526	44.00 526	165.00 528	127.00 527	153.00 527	119.00 524	164.00 528	125.00 527	168.00 529	120.00 525	153.00 527	117.00 527	49.00 526	44.00 526	49.00 526	44.00 526	49.00 523	44.00 525

MeshStereo	159.24 523	171.00 530	160.68 531	162.58 529	160.59 529	164.01 527	160.35 528	158.51 528	158.56 525	158.34 527	160.12 528	158.56 528	159.92 526	157.26 528	158.94 528	154.38 529	158.36 529	155.75 529	159.13 530	153.67 526	154.07 528
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
DLCB_ROB	284.23 527	354.61 532	207.27 532	363.24 533	206.46 530	364.72 532	210.41 529	364.72 532	210.41 526	364.81 532	208.64 530	364.81 533	208.64 528	364.72 532	210.41 530	354.70 533	205.53 531	354.70 533	205.53 532	354.70 530	205.53 530

AE-Stereo	201.80 524	123.00 526	115.00 527	219.00 530	218.00 531	223.00 529	244.00 530	217.00 529	236.00 527	202.00 529	203.00 529	205.00 530	208.00 527	225.00 529	204.00 529	210.00 530	198.00 530	197.00 530	184.00 531	204.00 527	201.00 529

MGS-Stereo	239.45 525	123.00 526	135.00 529	266.00 531	286.00 532	277.00 530	305.00 531	271.00 530	242.00 528	274.00 530	279.00 531	255.00 531	270.00 529	268.00 530	297.00 531	221.00 531	247.00 532	216.00 531	123.00 529	217.00 528	217.00 531

EGLCR-Stereo	246.90 526	129.00 528	139.00 530	266.00 531	286.00 532	277.00 530	305.00 531	271.00 530	242.00 528	274.00 530	279.00 531	255.00 531	270.00 529	268.00 530	297.00 531	230.00 532	247.00 532	216.00 531	223.00 533	237.00 529	227.00 532

LE_ROB	396.57 528	471.28 533	329.84 533	471.48 534	308.15 534	526.83 533	322.10 533	488.15 533	323.76 530	495.46 533	317.97 533	497.17 534	320.10 531	481.62 533	326.76 533	462.71 534	298.97 534	466.16 534	285.98 534	447.62 531	289.21 533

SGM-ForestM	596.69 529	677.77 534	444.52 534	699.85 535	517.25 535	732.94 534	488.29 534	770.79 534	460.11 531	750.81 534	487.98 534	792.79 535	499.41 532	730.90 534	475.81 534	720.03 535	491.16 535	663.96 535	418.60 535	674.76 532	436.05 534

CBMV_ROB	818.48 530	913.88 535	709.52 535	862.84 536	597.78 536	1073.99 535	700.52 535	1015.66 535	702.59 532	1115.65 535	760.02 535	1130.24 536	721.57 533	1037.41 535	692.65 535	814.05 536	564.29 536	843.28 536	595.31 536	915.51 533	602.92 535

SGD-Stereo	10000000.00 536	10000000.00 537	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 536	10000000.00 536	10000000.00 536	10000000.00 533	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 534	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 536

IGEV-Stereo++	10000000.00 536	10000000.00 537	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 536	10000000.00 536	10000000.00 536	10000000.00 533	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 534	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 536

IGEV-BASED-STEREO-	10000000.00 536	10000000.00 537	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 536	10000000.00 536	10000000.00 536	10000000.00 533	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 534	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 536

IGEV-Stereo+	10000000.00 536	10000000.00 537	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 536	10000000.00 536	10000000.00 536	10000000.00 533	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 534	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 536

SDNR	10000000.00 536	10000000.00 537	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 536	10000000.00 536	10000000.00 536	10000000.00 533	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 534	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 536

anonymousdsp2	10000000.00 536	10000000.00 537	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 536	10000000.00 536	10000000.00 536	10000000.00 533	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 534	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 536

anonymousdsp	10000000.00 536	10000000.00 537	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 536	10000000.00 536	10000000.00 536	10000000.00 533	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 534	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 536

test_example2	10000000.00 536	10000000.00 537	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 536	10000000.00 536	10000000.00 536	10000000.00 533	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 534	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 536

DIP-Stereo	10000000.00 536	10000000.00 537	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 536	10000000.00 536	10000000.00 536	10000000.00 533	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 534	10000000.00 536	10000000.00 536	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 537	10000000.00 534	10000000.00 536
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 53		0.09 52	0.10 110							0.05 84				0.15 121	0.10 71	0.17 139	0.13 145	0.11 112

Low-res two-view benchmark