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 41	0.04 34	0.07 38	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 46	0.04 36	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 28	0.09 55	0.07 48	0.09 44	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 56	0.07 47	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 34	0.24 107	0.20 144	0.23 129	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 155	0.21 156	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 34	0.54 189	0.10 59	0.12 71	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.11 84	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 32	0.50 176	0.10 59	0.12 71	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 81	0.10 63	0.01 9	0.01 9	0.01 9	0.01 9

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

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

CoDeX	0.15 106	0.70 200	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	0.67 320	0.02 14	0.69 301	0.75 323	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 73	0.44 155	0.33 194	0.39 178	0.02 20	0.03 39	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 222	0.36 215	0.02 18	0.02 20	0.02 19	0.02 19

psmg	0.43 221	1.91 352	0.92 328	1.91 405	0.02 20	0.02 18	0.03 43	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 36	0.02 19	1.97 427	1.44 417	0.04 62	0.03 49	0.02 19	0.03 46

CSP-Net	0.34 171	1.29 325	1.19 352	1.36 387	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	1.26 396	1.21 403	0.03 37	0.09 94	0.02 19	0.09 92

SFCPSM	0.17 117	0.78 204	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	0.79 338	0.02 14	0.75 311	0.76 325	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 139	1.31 327	0.74 308	0.92 292	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	0.87 320	0.75 311	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 40	0.02 12	0.02 13	1.01 309	0.03 43	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 60	0.09 89	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 41	0.02 12	0.04 34	0.90 287	0.06 91	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 111	0.36 241	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

test_sample8	0.10 52	1.05 255	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample6	0.09 41	0.97 235	0.10 59	0.10 48	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample5	0.10 52	1.07 258	0.11 78	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

test_sample4	0.10 52	1.03 251	0.12 89	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.13 122	0.03 37	0.03 49	0.03 42	0.03 46

test_sample3	0.09 41	0.87 215	0.10 59	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

test_sample2	0.09 41	1.03 251	0.11 78	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

SMFormer	0.09 41	1.01 245	0.09 55	0.09 44	0.03 43	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.09 58	0.03 37	0.02 20	0.03 42	0.02 19

tta	0.09 41	0.95 232	0.09 55	0.10 48	0.02 20	0.03 39	0.02 19	0.03 41	0.02 20	0.03 39	0.02 19	0.03 41	0.02 21	0.03 36	0.02 19	0.09 56	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

mmm	0.14 96	1.83 345	0.12 89	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.04 69	0.03 39	0.03 47	0.03 41	0.03 47	0.06 73	0.04 63	0.12 81	0.11 84	0.05 72	0.04 66	0.05 77	0.04 67

DualNet	0.10 52	1.07 258	0.11 78	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.03 49	0.04 65	0.03 46

ffm	0.25 139	3.83 417	0.12 89	0.12 71	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 83	0.05 78	0.06 73	0.05 73	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

ff1	0.25 139	3.83 417	0.12 89	0.12 71	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 83	0.05 78	0.06 73	0.05 73	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

mmx	0.25 139	3.83 417	0.12 89	0.12 71	0.05 83	0.06 77	0.05 77	0.06 79	0.05 82	0.03 39	0.03 47	0.06 83	0.05 78	0.06 73	0.05 73	0.12 81	0.12 98	0.05 72	0.04 66	0.06 80	0.04 67

ttt	0.10 52	1.09 260	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.03 42	0.02 19

1111x	0.10 52	1.14 265	0.13 108	0.14 88	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.11 84	0.03 37	0.02 20	0.03 42	0.02 19

xxx	0.09 41	1.01 245	0.10 59	0.10 48	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.03 39	0.03 47	0.03 41	0.02 21	0.03 36	0.02 19	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.03 46

222	0.10 52	0.99 238	0.12 89	0.13 84	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.02 20	0.04 65	0.03 46

xxxx	0.11 73	1.16 268	0.16 129	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.13 97	0.16 130	0.03 37	0.04 66	0.04 65	0.04 67

test_xeample	0.10 52	1.09 260	0.13 108	0.12 71	0.03 43	0.03 39	0.03 43	0.04 65	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.14 125	0.03 37	0.03 49	0.03 42	0.03 46

BEATNet_4x	0.11 73	0.03 30	0.03 31	1.60 395	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

ADCL	0.11 73	0.03 30	0.03 31	1.60 395	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.03 41	0.03 47	0.05 68	0.03 42	0.03 33	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

AnyNet_C01	0.11 73	0.02 12	0.02 13	1.62 398	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 73	0.04 63	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 46

AnyNet_C32	0.14 96	0.04 34	0.03 31	2.22 416	0.04 68	0.03 39	0.03 43	0.03 41	0.03 50	0.03 39	0.03 47	0.04 65	0.02 21	0.07 86	0.04 63	0.02 14	0.02 14	0.03 37	0.03 49	0.02 19	0.03 46

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

DualNet (step1)	0.10 52	1.05 255	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample9	0.10 52	1.05 255	0.12 89	0.12 71	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample7	0.09 41	1.00 239	0.11 78	0.11 65	0.02 20	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.12 81	0.12 98	0.03 37	0.03 49	0.03 42	0.03 46

test_sample1	0.09 41	0.87 215	0.12 89	0.11 65	0.03 43	0.03 39	0.03 43	0.03 41	0.02 20	0.04 63	0.02 19	0.03 41	0.03 47	0.03 36	0.03 42	0.10 61	0.10 63	0.03 37	0.02 20	0.03 42	0.02 19

x	0.11 73	1.15 267	0.15 128	0.14 88	0.03 43	0.03 39	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.03 41	0.03 47	0.03 36	0.03 42	0.14 103	0.15 128	0.03 37	0.03 49	0.03 42	0.03 46

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

FADNet-RVC-Resample	0.12 82	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	1.57 435	0.04 35	0.04 36	0.04 62	0.05 80	0.04 65	0.06 86

FADNet_RVC	0.12 82	0.04 34	0.04 34	0.05 35	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.65 439	0.05 42	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

FADNet-RVC	0.13 87	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.05 78	0.04 60	1.71 442	0.04 35	0.04 36	0.04 62	0.04 66	0.07 88	0.04 67

FADNet	0.12 82	0.05 41	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.05 78	0.04 60	1.66 440	0.06 46	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

ADCRef	0.12 82	0.03 30	0.04 34	1.71 401	0.04 68	0.03 39	0.03 43	0.04 65	0.04 69	0.04 63	0.03 47	0.04 65	0.03 47	0.06 73	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.03 42	0.04 67

ADCP+	0.15 106	0.04 34	0.04 34	2.20 415	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.05 84	0.04 65	0.04 72	0.08 89	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

ADCPNet	0.10 52	0.03 30	0.04 34	1.27 381	0.03 43	0.04 65	0.03 43	0.03 41	0.03 50	0.04 63	0.03 47	0.04 65	0.03 47	0.08 89	0.04 63	0.04 35	0.03 31	0.03 37	0.03 49	0.03 42	0.03 46

NVStereoNet_ROB	0.04 29	0.04 34	0.04 34	0.04 29	0.04 68	0.04 65	0.04 68	0.04 65	0.04 69	0.04 63	0.04 76	0.04 65	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ISRNet	0.11 73	0.05 41	0.36 212	0.24 134	0.07 92	0.13 107	0.05 77	0.06 79	0.05 82	0.05 77	0.05 84	0.13 109	0.05 78	0.05 68	0.09 89	0.24 160	0.20 152	0.10 91	0.05 80	0.06 80	0.13 129

APVNet	0.09 41	0.05 41	0.04 34	0.05 35	0.04 68	0.05 75	0.90 346	0.06 79	0.04 69	0.05 77	0.04 76	0.05 77	0.04 72	0.05 68	0.04 63	0.05 42	0.04 36	0.05 72	0.04 66	0.05 77	0.05 81

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

GwcNet	0.12 82	0.07 48	0.05 47	0.08 40	0.05 83	0.08 87	1.20 374	0.07 88	0.05 82	0.05 77	0.05 84	0.08 89	0.05 78	0.08 89	0.03 42	0.07 48	0.05 46	0.06 78	0.05 80	0.07 88	0.05 81

qqq1	0.25 139	3.70 411	0.14 113	0.14 88	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 81	0.05 84	0.04 65	0.05 78	0.06 73	0.05 73	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

fff1	0.25 139	3.70 411	0.14 113	0.14 88	0.04 68	0.06 77	0.05 77	0.06 79	0.05 82	0.06 81	0.05 84	0.04 65	0.05 78	0.06 73	0.05 73	0.13 97	0.12 98	0.06 78	0.05 80	0.03 42	0.04 67

11t1	0.17 117	2.16 369	0.13 108	0.13 84	0.04 68	0.06 77	0.04 68	0.06 79	0.04 69	0.06 81	0.03 47	0.06 83	0.03 47	0.06 73	0.05 73	0.18 133	0.12 98	0.06 78	0.03 49	0.05 77	0.03 46

qqq	0.16 114	2.01 360	0.12 89	0.15 97	0.04 68	0.06 77	0.05 77	0.06 79	0.04 69	0.06 81	0.03 47	0.06 83	0.03 47	0.06 73	0.03 42	0.12 81	0.14 125	0.04 62	0.04 66	0.03 42	0.03 46

AASNet	0.06 34	0.08 49	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

SACVNet	0.06 34	0.08 49	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

AACVNet	0.06 34	0.08 49	0.08 50	0.08 40	0.05 83	0.06 77	0.05 77	0.05 75	0.06 90	0.06 81	0.06 90	0.05 77	0.06 90	0.06 73	0.05 73	0.08 50	0.08 49	0.08 85	0.05 80	0.06 80	0.05 81

FINET	0.07 39	0.08 49	0.07 48	0.07 38	0.07 92	0.08 87	0.06 89	0.08 91	0.07 93	0.08 88	0.07 93	0.08 89	0.06 90	0.07 86	0.07 84	0.08 50	0.07 47	0.07 83	0.07 88	0.06 80	0.06 86

BEATNet-Init1	0.19 120	0.08 49	0.08 50	2.23 417	0.08 94	0.08 87	0.07 92	0.07 88	0.08 95	0.08 88	0.07 93	0.08 89	0.07 94	0.11 105	0.08 86	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

DeepPrunerF	0.19 120	0.08 49	0.08 50	2.23 417	0.08 94	0.08 87	0.07 92	0.07 88	0.08 95	0.08 88	0.07 93	0.08 89	0.07 94	0.11 105	0.08 86	0.08 50	0.08 49	0.08 85	0.07 88	0.08 90	0.08 89

PASM	0.39 200	3.06 397	1.36 415	1.58 393	0.09 96	0.11 103	0.11 111	0.11 105	0.11 113	0.09 91	0.09 96	0.11 105	0.09 97	0.09 92	0.09 89	0.11 76	0.11 84	0.11 102	0.09 94	0.11 104	0.11 108

SepStereo	0.09 41	0.09 55	0.10 59	0.09 44	0.09 96	0.09 91	0.09 94	0.10 93	0.08 95	0.10 92	0.09 96	0.09 93	0.09 97	0.09 92	0.08 86	0.09 56	0.08 49	0.09 90	0.08 92	0.09 93	0.08 89

AnonymousM	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SuperB	0.21 129	0.10 57	2.51 452	0.12 71	0.09 96	0.10 92	0.09 94	0.08 91	0.07 93	0.10 92	0.09 96	0.09 93	0.07 94	0.07 86	0.07 84	0.07 48	0.08 49	0.07 83	0.07 88	0.08 90	0.07 88

PVD	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SHD	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

SAMSARA	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

XQC	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSC	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTS	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

RTSA	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet+	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

MADNet++	0.10 52	0.10 57	0.10 59	0.10 48	0.10 102	0.10 92	0.10 99	0.10 93	0.10 99	0.10 92	0.10 100	0.10 95	0.10 101	0.10 94	0.10 95	0.10 61	0.10 63	0.10 91	0.10 100	0.10 94	0.10 96

JetBlue	0.11 73	0.11 68	0.12 89	0.13 84	0.14 137	0.11 103	0.11 111	0.11 105	0.11 113	0.11 104	0.11 113	0.11 105	0.11 112	0.12 109	0.12 120	0.11 76	0.11 84	0.11 102	0.11 112	0.11 104	0.11 108

aanetorigin	0.13 87	0.11 68	0.11 78	0.11 65	0.11 117	0.11 103	0.11 111	0.11 105	0.11 113	0.11 104	0.12 123	0.11 105	0.11 112	0.11 105	0.11 106	0.11 76	0.11 84	0.14 109	0.11 112	0.49 261	0.11 108

JetRed	0.11 73	0.12 70	0.11 78	0.11 65	0.11 117	0.11 103	0.14 131	0.11 105	0.11 113	0.12 106	0.11 113	0.11 105	0.11 112	0.11 105	0.11 106	0.11 76	0.16 130	0.11 102	0.11 112	0.11 104	0.11 108

GASNet	0.05 32	0.04 34	0.12 89	0.04 29	0.04 68	0.04 65	0.05 77	0.04 65	0.04 69	0.12 106	0.04 76	0.06 83	0.04 72	0.04 60	0.04 63	0.04 35	0.04 36	0.04 62	0.04 66	0.04 65	0.04 67

IPLG	0.13 87	0.20 89	0.14 113	0.15 97	0.11 117	0.14 108	0.11 111	0.14 109	0.11 113	0.14 108	0.11 113	0.14 110	0.11 112	0.14 111	0.11 106	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

ACRE	0.13 87	0.21 95	0.14 113	0.15 97	0.11 117	0.14 108	0.11 111	0.14 109	0.11 113	0.14 108	0.12 123	0.14 110	0.11 112	0.14 111	0.11 106	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

GMStereo	0.14 96	0.13 71	0.14 113	0.14 88	0.14 137	0.14 108	0.14 131	0.14 109	0.14 136	0.14 108	0.14 140	0.14 110	0.14 137	0.14 111	0.14 130	0.14 103	0.14 125	0.14 109	0.14 140	0.14 112	0.14 134
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 152	0.90 222	0.10 59	0.14 88	0.10 102	0.14 108	0.10 99	0.91 324	0.69 326	0.14 108	0.11 113	0.14 110	0.11 112	0.14 111	0.10 95	0.12 81	0.09 58	0.12 105	0.09 94	0.88 313	0.76 333

DRN-Test	0.14 96	0.13 71	0.09 55	0.14 88	0.09 96	0.15 114	0.09 94	0.14 109	0.10 99	0.14 108	0.09 96	0.14 110	0.09 97	0.13 110	0.09 89	0.12 81	0.09 58	0.12 105	0.09 94	0.12 109	0.73 328

StereoDRNet	0.15 106	0.14 75	0.10 59	0.14 88	0.09 96	0.15 114	0.09 94	0.14 109	0.09 98	0.14 108	0.10 100	0.14 110	0.09 97	0.14 111	0.09 89	0.13 97	0.10 63	0.13 108	0.09 94	0.13 111	0.82 339

CIPLG	0.13 87	0.21 95	0.12 89	0.16 105	0.11 117	0.15 114	0.11 111	0.14 109	0.11 113	0.15 114	0.12 123	0.15 119	0.11 112	0.14 111	0.11 106	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

IPLGR_C	0.14 96	0.20 89	0.12 89	0.15 97	0.11 117	0.14 108	0.15 136	0.14 109	0.11 113	0.15 114	0.12 123	0.14 110	0.11 112	0.16 120	0.11 106	0.15 112	0.12 98	0.14 109	0.12 128	0.15 122	0.12 123

IPLGR	0.14 96	0.24 107	0.14 113	0.16 105	0.12 132	0.15 114	0.12 126	0.14 109	0.11 113	0.15 114	0.12 123	0.14 110	0.11 112	0.14 111	0.11 106	0.15 112	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

PDISCO_ROB	0.83 311	2.80 394	3.49 469	0.14 88	0.11 117	0.17 127	0.09 94	0.15 120	0.10 99	0.15 114	0.12 123	0.16 120	0.14 137	3.30 453	0.13 126	0.14 103	2.34 445	0.16 125	0.12 128	2.62 435	0.10 96

castereo++	0.54 253	3.59 408	1.15 346	1.31 383	0.14 137	0.16 121	0.14 131	0.16 121	0.14 136	0.16 118	0.14 140	0.16 120	0.13 133	0.16 120	0.14 130	1.45 408	1.16 352	0.15 122	0.14 140	0.15 122	0.13 129

test_for_model	0.15 106	0.23 100	0.18 138	0.21 126	0.11 117	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 120	0.11 112	0.16 120	0.11 106	0.21 141	0.18 149	0.14 109	0.11 112	0.14 112	0.11 108

testlalala2	0.13 87	0.16 76	0.11 78	0.15 97	0.11 117	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 120	0.11 112	0.16 120	0.11 106	0.14 103	0.11 84	0.14 109	0.11 112	0.14 112	0.11 108

GMStereo_Zeroshot	0.16 114	0.16 76	0.16 129	0.16 105	0.16 154	0.16 121	0.16 139	0.16 121	0.16 148	0.16 118	0.16 149	0.16 120	0.16 147	0.16 120	0.16 146	0.16 120	0.16 130	0.16 125	0.16 145	0.16 126	0.16 135

testlalala_base	0.13 87	0.16 76	0.11 78	0.15 97	0.11 117	0.15 114	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 120	0.11 112	0.16 120	0.11 106	0.14 103	0.11 84	0.14 109	0.11 112	0.14 112	0.11 108

MIPNet	0.14 96	0.21 95	0.17 133	0.16 105	0.11 117	0.15 114	0.12 126	0.14 109	0.11 113	0.16 118	0.11 113	0.14 110	0.11 112	0.14 111	0.11 106	0.14 103	0.12 98	0.14 109	0.11 112	0.14 112	0.11 108

ICVP	0.15 106	0.53 186	0.11 78	0.16 105	0.11 117	0.16 121	0.11 111	0.16 121	0.11 113	0.16 118	0.11 113	0.16 120	0.11 112	0.16 120	0.11 106	0.16 120	0.11 84	0.16 125	0.11 112	0.16 126	0.11 108
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ProNet	0.14 96	0.20 89	0.14 113	0.16 105	0.11 117	0.16 121	0.11 111	0.17 127	0.11 113	0.17 125	0.12 123	0.17 128	0.13 133	0.17 127	0.12 120	0.15 112	0.11 84	0.16 125	0.11 112	0.15 122	0.12 123

HSM	0.14 96	0.16 76	0.12 89	0.17 111	0.12 132	0.17 127	0.11 111	0.17 127	0.11 113	0.17 125	0.12 123	0.17 128	0.12 128	0.17 127	0.12 120	0.16 120	0.11 84	0.16 125	0.11 112	0.16 126	0.12 123

ELAS	0.13 87	0.16 76	0.11 78	0.15 97	0.09 96	0.18 130	0.11 111	0.18 129	0.11 113	0.17 125	0.11 113	0.18 131	0.11 112	0.18 129	0.11 106	0.14 103	0.08 49	0.14 109	0.08 92	0.14 112	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo	0.61 263	3.79 416	1.35 410	1.52 392	0.15 148	0.17 127	0.16 139	0.20 136	0.21 164	0.18 128	0.16 149	0.21 145	0.12 128	0.26 174	0.17 147	1.43 407	1.38 414	0.17 130	0.16 145	0.18 133	0.16 135

cf-r	0.66 270	2.17 370	0.12 89	0.18 112	0.12 132	0.18 130	2.70 458	2.60 443	0.12 131	0.18 128	0.12 123	0.18 131	0.12 128	0.18 129	0.12 120	0.15 112	0.11 84	0.15 122	0.11 112	1.81 413	1.74 445

DDVS	0.30 153	3.10 398	0.14 113	0.19 115	0.14 137	0.19 133	0.14 131	0.20 136	0.14 136	0.19 130	0.13 135	0.16 120	0.13 133	0.19 132	0.13 126	0.17 125	0.13 122	0.17 130	0.13 136	0.17 129	0.13 129

ITSA-stereo	0.15 106	0.17 82	0.13 108	0.20 117	0.13 135	0.19 133	0.13 129	0.18 129	0.13 134	0.19 130	0.13 135	0.18 131	0.14 137	0.18 129	0.14 130	0.16 120	0.11 84	0.15 122	0.14 140	0.18 133	0.11 108

DeepPruner_ROB	0.16 114	0.18 84	0.13 108	0.19 115	0.13 135	0.19 133	0.13 129	0.19 131	0.13 134	0.19 130	0.13 135	0.19 135	0.13 133	0.19 132	0.13 126	0.18 133	0.13 122	0.18 140	0.13 136	0.18 133	0.13 129

ELAS_RVC	0.14 96	0.16 76	0.10 59	0.15 97	0.10 102	0.18 130	0.11 111	0.19 131	0.11 113	0.19 130	0.12 123	0.18 131	0.11 112	0.19 132	0.12 120	0.14 103	0.08 49	0.14 109	0.09 94	0.15 122	0.09 92
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 106	0.17 82	0.11 78	0.18 112	0.11 117	0.19 133	0.11 111	0.19 131	0.12 131	0.19 130	0.12 123	0.20 137	0.12 128	0.19 132	0.12 120	0.16 120	0.11 84	0.17 130	0.10 100	0.17 129	0.10 96
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 311	5.18 437	1.98 443	2.19 414	0.17 155	0.19 133	0.18 147	0.19 131	0.16 148	0.20 135	0.19 163	0.22 151	0.22 171	0.20 136	0.15 140	2.28 435	2.13 440	0.24 165	0.17 161	0.18 133	0.16 135

IGEV_Zeroshot_test	0.20 122	0.19 85	0.40 227	0.30 151	0.17 155	0.22 148	0.17 141	0.21 143	0.17 151	0.20 135	0.17 152	0.21 145	0.18 156	0.21 147	0.17 147	0.20 136	0.16 130	0.20 144	0.16 145	0.20 140	0.17 145

DAS	0.20 122	0.20 89	0.20 144	0.20 117	0.20 168	0.20 138	0.20 154	0.20 136	0.20 161	0.20 135	0.20 167	0.20 137	0.20 165	0.20 136	0.20 162	0.20 136	0.20 152	0.20 144	0.20 166	0.20 140	0.20 152

ASD4	0.20 122	0.20 89	0.20 144	0.20 117	0.20 168	0.20 138	0.20 154	0.20 136	0.20 161	0.20 135	0.20 167	0.20 137	0.20 165	0.20 136	0.20 162	0.20 136	0.20 152	0.20 144	0.20 166	0.20 140	0.20 152

ACVNet	0.20 122	0.19 85	0.14 113	0.20 117	0.14 137	0.20 138	0.96 353	0.21 143	0.14 136	0.20 135	0.13 135	0.21 145	0.14 137	0.20 136	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	0.17 129	0.12 123

acv_ft	0.20 122	0.19 85	0.14 113	0.20 117	0.14 137	0.20 138	0.96 353	0.21 143	0.14 136	0.20 135	0.13 135	0.21 145	0.14 137	0.20 136	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	0.17 129	0.12 123

hitnet-ft	0.79 296	2.78 393	0.14 113	0.20 117	0.14 137	0.21 146	2.89 459	2.80 447	0.14 136	0.20 135	0.14 140	0.20 137	0.14 137	0.20 136	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	2.54 434	2.33 455

GwcNet-RSSM	0.77 292	2.77 392	0.14 113	0.20 117	0.14 137	0.20 138	2.67 457	2.78 445	0.14 136	0.20 135	0.14 140	0.20 137	0.14 137	0.21 147	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	2.52 432	2.31 453

CFNet-ft	0.55 257	1.57 334	0.14 113	0.20 117	0.14 137	0.20 138	2.53 455	1.61 416	0.14 136	0.20 135	0.14 140	0.20 137	0.14 137	0.20 136	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	1.56 408	1.24 422

LALA_ROB	0.15 106	0.19 85	0.12 89	0.18 112	0.11 117	0.20 138	0.12 126	0.21 143	0.12 131	0.20 135	0.12 123	0.20 137	0.12 128	0.21 147	0.13 126	0.17 125	0.10 63	0.18 140	0.11 112	0.18 133	0.11 108

MSKI-zero shot	0.24 138	0.21 95	0.49 262	0.65 260	0.18 162	0.22 148	0.17 141	0.23 150	0.18 153	0.21 145	0.17 152	0.23 155	0.28 206	0.23 155	0.18 156	0.21 141	0.16 130	0.21 147	0.16 145	0.21 144	0.16 135

PSMNet-RSSM	0.77 292	2.76 390	0.14 113	0.20 117	0.14 137	0.20 138	2.66 456	2.79 446	0.14 136	0.21 145	0.14 140	0.21 145	0.14 137	0.20 136	0.14 130	0.17 125	0.12 98	0.17 130	0.12 128	2.52 432	2.31 453

CAS++	0.17 117	0.27 111	0.21 148	0.10 48	0.21 175	0.15 114	0.22 165	0.10 93	0.21 164	0.22 147	0.10 100	0.19 135	0.18 156	0.10 94	0.19 159	0.20 136	0.19 150	0.18 140	0.10 100	0.19 139	0.18 149
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
WAO-6	0.22 132	0.23 100	0.22 150	0.23 129	0.22 177	0.22 148	0.22 165	0.22 147	0.22 167	0.22 147	0.22 173	0.22 151	0.22 171	0.22 151	0.22 167	0.22 144	0.22 160	0.22 152	0.22 171	0.22 146	0.22 158

IMH-64-1	0.22 132	0.23 100	0.23 153	0.22 127	0.22 177	0.22 148	0.22 165	0.22 147	0.22 167	0.22 147	0.22 173	0.22 151	0.22 171	0.22 151	0.22 167	0.22 144	0.22 160	0.23 158	0.22 171	0.22 146	0.23 160

IMH-64	0.22 132	0.23 100	0.23 153	0.22 127	0.22 177	0.22 148	0.22 165	0.22 147	0.22 167	0.22 147	0.22 173	0.22 151	0.22 171	0.22 151	0.22 167	0.22 144	0.22 160	0.23 158	0.22 171	0.22 146	0.23 160

dd	0.23 136	0.98 236	0.16 129	0.23 129	0.15 148	0.23 154	0.15 136	0.23 150	0.15 146	0.23 151	0.15 148	0.24 159	0.17 149	0.23 155	0.15 140	0.22 144	0.15 128	0.21 147	0.15 144	0.22 146	0.16 135

dad	0.23 136	1.03 251	0.16 129	0.23 129	0.15 148	0.24 155	0.15 136	0.24 153	0.16 148	0.23 151	0.16 149	0.24 159	0.16 147	0.23 155	0.15 140	0.22 144	0.16 130	0.22 152	0.16 145	0.22 146	0.16 135

LRCNet_RVC	0.13 87	0.13 71	0.09 55	0.13 84	0.10 102	0.14 108	0.10 99	0.14 109	0.10 99	0.23 151	0.10 100	0.20 137	0.10 101	0.24 159	0.11 106	0.11 76	0.09 58	0.12 105	0.14 140	0.12 109	0.09 92

AANet_RVC	1.26 399	0.31 118	4.99 477	5.93 469	0.20 168	0.25 162	0.20 154	0.25 159	0.20 161	0.23 151	0.19 163	0.25 164	0.20 165	0.25 164	0.20 162	5.66 477	4.76 470	0.26 169	0.30 224	0.24 156	0.27 184

iResNet	0.20 122	0.23 100	0.18 138	0.24 134	0.18 162	0.24 155	0.20 154	0.24 153	0.18 153	0.23 151	0.17 152	0.23 155	0.18 156	0.23 155	0.18 156	0.22 144	0.16 130	0.21 147	0.16 145	0.21 144	0.16 135

tg	0.21 129	0.25 109	0.21 148	0.26 146	0.17 155	0.24 155	0.17 141	0.24 153	0.17 151	0.24 156	0.17 152	0.24 159	0.17 149	0.24 159	0.17 147	0.24 160	0.17 143	0.23 158	0.16 145	0.23 155	0.16 135

ACV-stereo	0.30 153	2.08 362	0.25 162	0.25 139	0.18 162	0.24 155	0.17 141	0.24 153	0.18 153	0.24 156	0.17 152	0.25 164	0.17 149	0.24 159	0.17 147	0.22 144	0.16 130	0.22 152	0.16 145	0.22 146	0.16 135

Pointernet	0.21 129	0.22 99	0.19 141	0.24 134	0.19 166	0.24 155	0.19 151	0.24 153	0.19 159	0.24 156	0.19 163	0.24 159	0.19 161	0.24 159	0.19 159	0.22 144	0.17 143	0.22 152	0.17 161	0.22 146	0.17 145

iResNetv2_ROB	0.20 122	0.23 100	0.18 138	0.24 134	0.20 168	0.24 155	0.18 147	0.24 153	0.18 153	0.24 156	0.18 162	0.23 155	0.19 161	0.24 159	0.18 156	0.21 141	0.16 130	0.21 147	0.16 145	0.22 146	0.16 135

UNDER WATER-64	0.25 139	0.26 110	0.25 162	0.26 146	0.25 189	0.25 162	0.25 180	0.25 159	0.25 180	0.25 160	0.25 189	0.25 164	0.25 183	0.26 174	0.25 183	0.25 166	0.25 167	0.25 166	0.25 189	0.25 157	0.25 171

LoS_RVC	0.30 153	1.14 265	0.25 162	0.25 139	0.25 189	0.26 169	0.25 180	0.25 159	0.25 180	0.25 160	0.25 189	0.26 173	0.26 192	0.26 174	0.25 183	0.26 167	0.26 170	0.25 166	0.25 189	0.26 159	0.26 177

CAS	0.30 153	1.17 269	0.25 162	0.25 139	0.25 189	0.26 169	0.25 180	0.25 159	0.26 193	0.25 160	0.25 189	0.25 164	0.25 183	0.25 164	0.25 183	0.26 167	0.26 170	0.26 169	0.25 189	0.26 159	0.25 171

LoS	0.25 139	0.27 111	0.25 162	0.25 139	0.25 189	0.25 162	0.25 180	0.26 163	0.25 180	0.25 160	0.25 189	0.25 164	0.25 183	0.25 164	0.25 183	0.26 167	0.25 167	0.25 166	0.26 195	0.26 159	0.25 171
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 224	1.24 323	0.17 133	0.25 139	0.17 155	0.25 162	0.18 147	1.26 405	0.93 355	0.25 160	0.17 152	0.25 164	0.18 156	0.25 164	0.17 147	0.23 155	0.16 130	0.23 158	0.16 145	1.20 349	0.99 353

delet	0.43 221	1.21 319	0.17 133	0.25 139	0.17 155	0.25 162	0.18 147	1.26 405	0.95 357	0.25 160	0.17 152	0.25 164	0.17 149	0.25 164	0.17 147	0.23 155	0.16 130	0.22 152	0.16 145	1.18 346	0.98 352

UPFNet	0.42 220	1.20 273	0.17 133	0.24 134	0.17 155	0.25 162	0.17 141	1.19 353	0.90 349	0.25 160	0.17 152	0.24 159	0.17 149	0.25 164	0.17 147	0.22 144	0.17 143	0.22 152	0.16 145	1.15 338	0.93 348

model_zeroshot	0.27 148	0.20 89	0.27 169	0.33 160	0.21 175	0.37 203	0.22 165	0.37 195	0.24 175	0.26 167	0.27 199	0.33 189	0.21 170	0.25 164	0.27 189	0.32 184	0.20 152	0.34 201	0.23 176	0.25 157	0.26 177

MIM_Stereo	0.25 139	0.23 100	0.66 294	0.80 277	0.17 155	0.22 148	0.17 141	0.23 150	0.18 153	0.26 167	0.17 152	0.21 145	0.17 149	0.25 164	0.17 147	0.23 155	0.16 130	0.21 147	0.17 161	0.22 146	0.17 145

psm_up	0.43 221	1.19 272	0.17 133	0.25 139	0.18 162	0.25 162	0.19 151	1.26 405	0.91 350	0.26 167	0.17 152	0.25 164	0.17 149	0.25 164	0.17 147	0.22 144	0.17 143	0.23 158	0.16 145	1.18 346	0.99 353

PAM	0.39 200	1.88 348	0.34 202	0.37 170	0.41 273	0.45 255	0.22 165	0.28 166	0.23 173	0.28 170	0.24 183	0.29 180	0.23 177	0.29 182	0.23 173	0.38 213	0.32 203	0.38 228	0.37 257	0.32 174	0.22 158

SQANet	0.28 149	0.28 114	0.28 173	0.28 149	0.28 202	0.28 173	0.28 196	0.28 166	0.28 201	0.28 170	0.28 205	0.28 175	0.28 206	0.28 179	0.28 195	0.28 172	0.28 180	0.28 175	0.28 205	0.28 164	0.28 197

ac_64	0.22 132	0.13 71	0.19 141	0.23 129	0.10 102	0.26 169	1.02 361	0.14 109	0.10 99	0.28 170	0.14 140	0.17 128	0.19 161	0.28 179	0.09 89	0.22 144	0.16 130	0.23 158	0.17 161	0.11 104	0.12 123

CFNet	1.37 404	5.27 440	0.19 141	5.49 466	0.19 166	0.28 173	0.19 151	0.28 166	0.19 159	0.28 170	0.19 163	0.28 175	4.35 476	0.28 179	0.19 159	0.23 155	0.17 143	0.23 158	4.21 485	4.81 464	0.17 145

RAFT + AFF	0.31 158	0.45 158	0.34 202	0.39 178	0.28 202	0.38 207	0.33 221	0.29 170	0.31 218	0.30 174	0.30 219	0.29 180	0.27 200	0.29 182	0.30 211	0.28 172	0.29 189	0.29 180	0.29 214	0.27 162	0.32 221

DANet	0.30 153	0.30 117	0.30 179	0.30 151	0.30 217	0.30 176	0.30 207	0.30 172	0.30 215	0.30 174	0.30 219	0.30 183	0.30 217	0.30 184	0.30 211	0.30 180	0.30 197	0.30 182	0.30 224	0.30 170	0.30 212
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DEFOM-Stereo	0.68 275	3.11 399	1.40 420	1.63 399	0.25 189	0.31 179	0.25 180	0.31 174	0.28 201	0.31 176	0.29 208	0.29 180	0.27 200	0.31 186	0.28 195	1.59 414	1.47 419	0.30 182	0.29 214	0.30 170	0.28 197

xxxxx1	0.31 158	0.91 223	0.23 153	0.31 154	0.23 182	0.31 179	0.23 172	0.33 178	0.25 180	0.31 176	0.24 183	0.33 189	0.25 183	0.32 187	0.24 177	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 184

CASnet	0.35 177	0.51 182	0.44 243	0.32 157	0.31 221	0.24 155	0.34 230	0.36 189	0.25 180	0.31 176	0.37 253	0.30 183	0.33 229	0.25 164	0.45 277	0.37 206	0.37 217	0.33 194	0.35 249	0.34 184	0.37 242
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
tt_ll	0.31 158	0.91 223	0.23 153	0.31 154	0.23 182	0.31 179	0.23 172	0.33 178	0.25 180	0.31 176	0.24 183	0.33 189	0.25 183	0.32 187	0.24 177	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 184

ff	0.31 158	0.91 223	0.23 153	0.31 154	0.23 182	0.31 179	0.23 172	0.33 178	0.25 180	0.31 176	0.24 183	0.33 189	0.25 183	0.32 187	0.24 177	0.28 172	0.28 180	0.28 175	0.28 205	0.29 167	0.27 184

WCG-NET（raft）	0.32 166	1.24 323	0.24 159	0.32 157	0.24 187	0.32 187	0.23 172	0.32 175	0.24 175	0.32 181	0.24 183	0.32 187	0.24 180	0.32 187	0.24 177	0.30 180	0.23 164	0.30 182	0.23 176	0.30 170	0.23 160

tt1	0.31 158	0.93 230	0.24 159	0.33 160	0.23 182	0.31 179	0.24 177	0.32 175	0.24 175	0.32 181	0.23 177	0.32 187	0.25 183	0.32 187	0.24 177	0.27 170	0.26 170	0.27 173	0.26 195	0.27 162	0.27 184

DLNR_Zeroshot_test	0.31 158	0.28 114	0.47 254	0.79 275	0.24 187	0.30 176	0.26 188	0.30 172	0.24 175	0.32 181	0.23 177	0.31 185	0.24 180	0.30 184	0.23 173	0.29 179	0.26 170	0.29 180	0.24 184	0.33 180	0.23 160

testlalala	0.32 166	0.81 210	0.31 185	0.39 178	0.26 197	0.33 189	0.24 177	0.33 178	0.26 193	0.32 181	0.26 195	0.33 189	0.23 177	0.33 192	0.23 173	0.35 198	0.31 201	0.30 182	0.24 184	0.31 173	0.21 155

HCRNet	1.22 397	7.11 455	3.00 454	3.55 442	0.33 234	0.29 175	0.14 131	0.19 131	0.15 146	0.33 185	0.29 208	0.25 164	0.14 137	0.22 151	0.33 222	3.64 451	3.00 448	0.76 325	0.32 234	0.18 133	0.13 129

iResNet_ROB	0.28 149	0.32 119	0.24 159	0.32 157	0.25 189	0.32 187	0.24 177	0.32 175	0.24 175	0.33 185	0.24 183	0.35 195	0.24 180	0.33 192	0.24 177	0.31 183	0.24 166	0.32 186	0.24 184	0.32 174	0.24 170

GCAP-BAT	0.33 169	0.78 204	0.32 189	0.38 173	0.25 189	0.34 191	0.25 180	0.34 182	0.26 193	0.34 187	0.25 189	0.35 195	0.26 192	0.35 196	0.27 189	0.36 202	0.30 197	0.32 186	0.24 184	0.32 174	0.26 177

H2IRNET	0.34 171	0.34 121	0.34 202	0.34 162	0.34 242	0.34 191	0.34 230	0.34 182	0.34 234	0.34 187	0.34 235	0.34 194	0.34 233	0.34 194	0.34 235	0.34 189	0.34 212	0.34 201	0.34 243	0.34 184	0.34 231

MyStereo04	0.56 259	3.72 414	0.59 282	0.49 229	0.41 273	0.36 198	0.32 212	0.37 195	0.31 218	0.34 187	0.46 286	0.35 195	0.32 223	0.35 196	0.33 222	0.49 263	0.45 251	0.34 201	0.32 234	0.35 196	0.43 268

FENet	0.54 253	1.52 333	1.19 352	1.41 390	0.23 182	0.35 195	0.23 172	0.35 185	0.23 173	0.34 187	0.23 177	0.35 195	0.23 177	0.35 196	0.23 173	1.40 406	1.07 336	0.32 186	0.23 176	0.33 180	0.23 160

DMCA	0.36 181	0.38 129	0.37 215	0.35 163	0.35 245	0.36 198	0.36 242	0.36 189	0.35 237	0.35 191	0.37 253	0.36 201	0.36 242	0.35 196	0.36 241	0.36 202	0.36 215	0.35 214	0.36 255	0.36 202	0.36 238

ETE_ROB	0.35 177	0.35 122	0.35 210	0.35 163	0.35 245	0.35 195	0.35 235	0.35 185	0.35 237	0.35 191	0.35 243	0.35 195	0.35 239	0.35 196	0.35 237	0.35 198	0.35 213	0.35 214	0.35 249	0.35 196	0.35 237

DN-CSS_ROB	0.31 158	0.35 122	0.28 173	0.35 163	0.28 202	0.34 191	0.27 191	0.34 182	0.25 180	0.35 191	0.27 199	0.36 201	0.26 192	0.34 194	0.28 195	0.35 198	0.28 180	0.34 201	0.28 205	0.34 184	0.27 184

RSM	0.36 181	0.36 125	0.43 241	0.37 170	0.42 282	0.49 274	0.42 272	0.37 195	0.28 201	0.36 194	0.29 208	0.36 201	0.30 217	0.37 206	0.28 195	0.34 189	0.31 201	0.34 201	0.35 249	0.40 224	0.29 202

Any-RAFT	0.32 166	0.36 125	0.27 169	0.36 167	0.27 199	0.36 198	0.27 191	0.36 189	0.27 198	0.36 194	0.27 199	0.36 201	0.27 200	0.36 202	0.28 195	0.36 202	0.28 180	0.36 219	0.28 205	0.36 202	0.28 197

CES	0.39 200	0.47 166	0.36 212	0.36 167	0.37 254	0.45 255	0.35 235	0.35 185	0.40 260	0.36 194	0.44 281	0.47 261	0.36 242	0.44 249	0.36 241	0.37 206	0.39 230	0.44 267	0.35 249	0.37 204	0.36 238

IGEV-Stereo	0.35 177	0.44 155	0.45 245	0.49 229	0.30 217	0.37 203	0.30 207	0.36 189	0.30 215	0.36 194	0.29 208	0.36 201	0.29 211	0.36 202	0.30 211	0.46 251	0.39 230	0.32 186	0.24 184	0.32 174	0.25 171
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
MLCV	0.31 158	0.35 122	0.27 169	0.35 163	0.28 202	0.35 195	0.27 191	0.35 185	0.28 201	0.36 194	0.27 199	0.35 195	0.27 200	0.35 196	0.27 189	0.34 189	0.27 175	0.34 201	0.27 201	0.34 184	0.27 184

XPNet_ROB	0.37 186	0.37 127	0.37 215	0.37 170	0.37 254	0.37 203	0.37 247	0.37 195	0.37 248	0.37 199	0.37 253	0.37 207	0.37 246	0.37 206	0.37 249	0.37 206	0.37 217	0.37 221	0.37 257	0.37 204	0.37 242

WAO-8	0.38 192	0.38 129	0.38 218	0.38 173	0.38 261	0.38 207	0.38 253	0.38 200	0.38 252	0.38 200	0.38 258	0.38 209	0.38 250	0.38 208	0.38 252	0.38 213	0.38 223	0.38 228	0.37 257	0.38 213	0.38 246

WAO-7	0.38 192	0.38 129	0.38 218	0.38 173	0.38 261	0.38 207	0.38 253	0.38 200	0.38 252	0.38 200	0.38 258	0.38 209	0.38 250	0.38 208	0.38 252	0.38 213	0.38 223	0.38 228	0.38 266	0.38 213	0.38 246

EKT-Stereo	0.37 186	0.40 137	0.44 243	1.07 313	0.29 208	0.34 191	0.31 211	0.36 189	0.29 205	0.38 200	0.31 222	0.37 207	0.30 217	0.36 202	0.29 204	0.34 189	0.28 180	0.39 238	0.30 224	0.37 204	0.30 212

iRaft-Stereo_20w	0.34 171	0.41 144	0.31 185	0.39 178	0.29 208	0.40 214	0.32 212	0.41 223	0.32 221	0.38 200	0.30 219	0.39 213	0.30 217	0.38 208	0.32 216	0.35 198	0.27 175	0.34 201	0.27 201	0.34 184	0.29 202

DISCO	1.11 346	0.39 135	5.28 479	0.39 178	0.20 168	0.39 213	0.27 191	0.39 204	0.22 167	0.38 200	0.20 167	0.38 209	0.20 165	6.95 489	0.22 167	0.30 180	0.21 156	0.27 173	0.21 168	5.25 471	0.21 155

1test111	0.37 186	1.02 249	0.30 179	0.39 178	0.29 208	0.40 214	0.28 196	0.39 204	0.29 205	0.39 205	0.29 208	0.39 213	0.28 206	0.40 218	0.29 204	0.33 186	0.32 203	0.33 194	0.31 230	0.32 174	0.31 217

cc1	0.37 186	1.02 249	0.30 179	0.39 178	0.29 208	0.40 214	0.28 196	0.39 204	0.29 205	0.39 205	0.29 208	0.39 213	0.28 206	0.40 218	0.29 204	0.33 186	0.32 203	0.33 194	0.31 230	0.32 174	0.31 217

HanzoNet	0.39 200	0.38 129	0.40 227	0.39 178	0.41 273	0.38 207	0.38 253	0.38 200	0.38 252	0.39 205	0.39 262	0.38 209	0.38 250	0.39 215	0.40 261	0.38 213	0.38 223	0.40 242	0.38 266	0.38 213	0.40 253

StereoDRNet-Refined	0.33 169	0.39 135	0.26 168	0.39 178	0.26 197	0.40 214	0.26 188	0.40 208	0.26 193	0.39 205	0.26 195	0.39 213	0.26 192	0.39 215	0.26 188	0.37 206	0.25 167	0.37 221	0.25 189	0.37 204	0.37 242
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCVSM-stereo	0.36 181	1.89 349	0.22 150	0.40 191	0.22 177	0.40 214	0.22 165	0.40 208	0.22 167	0.40 209	0.22 173	0.40 219	0.22 171	0.40 218	0.22 167	0.28 172	0.21 156	0.28 175	0.21 168	0.28 164	0.20 152

IGEV++	0.34 171	0.43 152	0.30 179	0.40 191	0.29 208	0.40 214	0.29 202	0.40 208	0.29 205	0.40 209	0.29 208	0.40 219	0.29 211	0.40 218	0.30 211	0.38 213	0.29 189	0.37 221	0.29 214	0.37 204	0.29 202

ACVNet-DCA	0.37 186	1.00 239	0.30 179	0.40 191	0.29 208	0.40 214	0.29 202	0.40 208	0.29 205	0.40 209	0.29 208	0.40 219	0.29 211	0.39 215	0.28 195	0.33 186	0.32 203	0.33 194	0.32 234	0.33 180	0.32 221

xx1	0.38 192	1.03 251	0.31 185	0.40 191	0.31 221	0.41 230	0.28 196	0.40 208	0.29 205	0.40 209	0.29 208	0.40 219	0.29 211	0.40 218	0.29 204	0.34 189	0.33 210	0.34 201	0.32 234	0.34 184	0.32 221

knoymous	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 208	0.40 260	0.40 209	0.40 264	0.40 219	0.40 255	0.40 218	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 253

anonymousa	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 208	0.40 260	0.40 209	0.40 264	0.40 219	0.40 255	0.40 218	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 253

riskmin	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 208	0.40 260	0.40 209	0.40 264	0.40 219	0.40 255	0.40 218	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 253

Anonymous_2	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 208	0.40 260	0.40 209	0.40 264	0.40 219	0.40 255	0.40 218	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 253

Anonymous_1	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 208	0.40 260	0.40 209	0.40 264	0.40 219	0.40 255	0.40 218	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 253

CRFU-Net	0.65 268	1.67 338	1.22 402	1.96 408	0.27 199	0.41 230	0.27 191	0.41 223	0.27 198	0.40 209	0.26 195	0.41 231	0.27 200	0.40 218	0.27 189	1.80 421	1.62 425	0.34 201	0.23 176	0.33 180	0.23 160

iRaft-Stereo_5w	0.34 171	0.42 151	0.31 185	0.39 178	0.30 217	0.38 207	0.30 207	0.40 208	0.29 205	0.40 209	0.37 253	0.41 231	0.34 233	0.38 208	0.30 211	0.34 189	0.27 175	0.34 201	0.26 195	0.34 184	0.26 177

GES	0.66 270	2.34 377	0.29 175	0.41 201	0.29 208	0.41 230	0.29 202	0.42 239	0.29 205	0.40 209	0.41 270	0.41 231	0.30 217	0.51 285	0.29 204	0.32 184	0.29 189	0.32 186	2.46 459	2.49 431	0.30 212

AdaStereo	0.40 204	0.40 137	0.40 227	0.40 191	0.40 267	0.40 214	0.40 260	0.40 208	0.40 260	0.40 209	0.40 264	0.40 219	0.40 255	0.40 218	0.40 261	0.40 226	0.40 233	0.40 242	0.40 270	0.40 224	0.40 253
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.
GIP-stereo	0.36 181	0.49 173	0.39 224	0.48 223	0.32 223	0.41 230	0.28 196	0.40 208	0.30 215	0.41 222	0.28 205	0.40 219	0.28 206	0.42 245	0.28 195	0.45 250	0.32 203	0.38 228	0.30 224	0.37 204	0.27 184

Venus	0.38 192	0.38 129	0.38 218	0.38 173	0.38 261	0.37 203	0.38 253	0.37 195	0.37 248	0.41 222	0.37 253	0.39 213	0.37 246	0.38 208	0.38 252	0.37 206	0.38 223	0.38 228	0.37 257	0.37 204	0.38 246

RAFT-Test	0.36 181	0.37 127	0.33 194	0.41 201	0.32 223	0.41 230	0.32 212	0.41 223	0.32 221	0.41 222	0.32 223	0.41 231	0.32 223	0.41 232	0.33 222	0.37 206	0.29 189	0.37 221	0.29 214	0.38 213	0.31 217

IER	0.88 318	7.04 454	2.23 446	2.75 432	0.28 202	0.43 252	0.25 180	0.39 204	0.25 180	0.41 222	0.27 199	0.39 213	0.25 183	0.40 218	0.28 195	0.37 206	0.28 180	0.37 221	0.25 189	0.37 204	0.25 171

NINENet	0.69 278	3.87 420	1.20 355	1.98 409	0.05 83	0.40 214	0.04 68	0.40 208	0.05 82	0.41 222	0.04 76	0.41 231	0.05 78	0.40 218	0.05 73	1.79 420	1.56 423	0.34 201	0.22 171	0.34 184	0.23 160

GwcNet-ADL	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 223	0.41 269	0.41 222	0.41 270	0.41 231	0.41 266	0.41 232	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 260

PSMNet-ADL	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 223	0.41 269	0.41 222	0.41 270	0.41 231	0.41 266	0.41 232	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 260

GANet-ADL	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 223	0.41 269	0.41 222	0.41 270	0.41 231	0.41 266	0.41 232	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 260

ADLNet2	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 223	0.41 269	0.41 222	0.41 270	0.41 231	0.41 266	0.41 232	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 260

ADLNet	0.41 211	0.41 144	0.41 235	0.41 201	0.41 273	0.41 230	0.41 267	0.41 223	0.41 269	0.41 222	0.41 270	0.41 231	0.41 266	0.41 232	0.41 268	0.41 234	0.41 242	0.41 254	0.41 277	0.41 234	0.41 260

DGSMNet	0.34 171	0.41 144	0.27 169	0.41 201	0.28 202	0.41 230	0.28 196	0.41 223	0.27 198	0.41 222	0.27 199	0.42 247	0.27 200	0.41 232	0.28 195	0.40 226	0.29 189	0.40 242	0.28 205	0.40 224	0.27 184

Gwc-CoAtRS	0.41 211	1.49 332	0.32 189	0.42 209	0.32 223	0.41 230	0.32 212	0.41 223	0.33 226	0.41 222	0.32 223	0.41 231	0.32 223	0.41 232	0.32 216	0.39 222	0.28 180	0.39 238	0.28 205	0.40 224	0.28 197

RAFT-Stereo-weight	0.45 225	1.90 351	0.34 202	0.42 209	0.36 251	0.43 252	0.35 235	0.42 239	0.34 234	0.42 234	0.34 235	0.44 251	0.34 233	0.41 232	0.34 235	0.38 213	0.32 203	0.38 228	0.32 234	0.38 213	0.33 225

gcap-zeroshot	0.35 177	0.32 119	0.37 215	0.49 229	0.39 266	0.33 189	0.21 160	0.26 163	0.35 237	0.42 234	0.34 235	0.49 271	0.29 211	0.47 259	0.39 258	0.34 189	0.17 143	0.38 228	0.23 176	0.48 258	0.34 231

IMH	0.38 192	0.38 129	0.38 218	0.38 173	0.38 261	0.38 207	0.38 253	0.38 200	0.38 252	0.42 234	0.38 258	0.40 219	0.38 250	0.38 208	0.38 252	0.38 213	0.38 223	0.39 238	0.38 266	0.38 213	0.38 246

LL-Strereo2	0.48 238	1.73 343	0.51 270	0.59 253	0.34 242	0.42 248	0.33 221	0.40 208	0.31 218	0.42 234	0.33 228	0.42 247	0.31 222	0.44 249	0.39 258	0.60 284	0.51 275	0.44 267	0.33 241	0.44 243	0.33 225

HGLStereo	0.28 149	0.29 116	0.22 150	0.36 167	0.22 177	0.36 198	0.21 160	0.36 189	0.21 164	0.42 234	0.21 172	0.36 201	0.22 171	0.36 202	0.21 165	0.34 189	0.21 156	0.34 201	0.21 168	0.34 184	0.21 155

UCFNet_RVC	2.75 450	10.06 476	0.29 175	10.31 493	0.29 208	0.42 248	0.29 202	0.43 243	0.29 205	0.42 234	0.29 208	0.42 247	9.87 493	0.43 247	0.29 204	0.36 202	9.84 493	0.36 219	0.26 195	9.77 492	0.26 177

HART	0.38 192	0.45 158	0.34 202	0.42 209	0.33 234	0.41 230	0.34 230	0.42 239	0.33 226	0.43 240	0.34 235	0.42 247	0.34 233	0.41 232	0.38 252	0.40 226	0.32 203	0.42 264	0.32 234	0.40 224	0.32 221

RCA-Stereo	0.51 249	3.22 403	0.34 202	0.44 212	0.34 242	0.44 254	0.34 230	0.43 243	0.34 234	0.43 240	0.34 235	0.44 251	0.33 229	0.43 247	0.33 222	0.38 213	0.29 189	0.38 228	0.29 214	0.38 213	0.29 202

GMOStereo	0.37 186	0.45 158	0.23 153	0.30 151	0.37 254	0.41 230	0.36 242	0.41 223	0.35 237	0.43 240	0.36 247	0.41 231	0.40 255	0.41 232	0.36 241	0.34 189	0.22 160	0.47 278	0.37 257	0.39 220	0.33 225

error version	0.93 327	4.47 429	2.35 449	1.99 410	0.37 254	0.41 230	0.36 242	0.41 223	0.35 237	0.43 240	0.36 247	0.41 231	0.40 255	0.41 232	0.36 241	1.87 423	2.16 441	0.47 278	0.37 257	0.39 220	0.33 225

test_1	0.93 327	4.47 429	2.35 449	1.99 410	0.37 254	0.41 230	0.36 242	0.41 223	0.35 237	0.43 240	0.36 247	0.41 231	0.40 255	0.41 232	0.36 241	1.87 423	2.16 441	0.47 278	0.37 257	0.39 220	0.33 225

GREAT-IGEV	0.38 192	0.43 152	0.36 212	0.48 223	0.32 223	0.45 255	0.32 212	0.45 245	0.32 221	0.45 245	0.32 223	0.45 253	0.32 223	0.45 252	0.32 216	0.44 249	0.33 210	0.41 254	0.29 214	0.41 234	0.29 202

fffy	0.38 192	0.43 152	0.33 194	0.46 214	0.33 234	0.45 255	0.32 212	0.45 245	0.32 221	0.45 245	0.32 223	0.45 253	0.33 229	0.45 252	0.32 216	0.38 213	0.38 223	0.38 228	0.37 257	0.37 204	0.36 238

Former-RAFT_DAM_RVC	0.49 242	0.98 236	0.64 290	0.84 282	0.46 289	0.45 255	0.35 235	0.47 253	0.47 284	0.45 245	0.34 235	0.46 256	0.48 287	0.46 255	0.35 237	0.39 222	0.71 306	0.39 238	0.35 249	0.41 234	0.41 260

otaku	0.46 228	0.46 162	0.46 249	0.46 214	0.46 289	0.46 260	0.46 280	0.46 248	0.46 279	0.46 248	0.46 286	0.46 256	0.46 278	0.46 255	0.46 281	0.46 251	0.46 253	0.46 274	0.46 289	0.46 248	0.46 274

Ntro	0.47 234	0.47 166	0.46 249	0.46 214	0.46 289	0.47 264	0.47 285	0.46 248	0.47 284	0.46 248	0.46 286	0.47 261	0.46 278	0.47 259	0.47 287	0.47 256	0.46 253	0.46 274	0.46 289	0.46 248	0.46 274

ACVNet_1	0.46 228	0.47 166	0.46 249	0.46 214	0.46 289	0.46 260	0.46 280	0.46 248	0.47 284	0.46 248	0.46 286	0.46 256	0.46 278	0.46 255	0.46 281	0.46 251	0.46 253	0.47 278	0.46 289	0.46 248	0.46 274

ACVNet-4b	0.46 228	0.46 162	0.46 249	0.46 214	0.46 289	0.46 260	0.46 280	0.46 248	0.46 279	0.46 248	0.46 286	0.46 256	0.46 278	0.47 259	0.46 281	0.46 251	0.46 253	0.46 274	0.46 289	0.46 248	0.46 274

GANet-RSSM	0.75 287	1.91 352	0.14 113	0.47 220	0.14 137	0.21 146	3.21 475	2.30 437	0.14 136	0.46 248	0.14 140	0.23 155	0.18 156	0.21 147	0.14 130	0.18 133	0.27 175	0.37 221	0.13 136	2.13 422	2.12 448

mms	0.40 204	0.45 158	0.35 210	0.48 223	0.36 251	0.47 264	0.34 230	0.45 245	0.38 252	0.47 253	0.33 228	0.45 253	0.32 223	0.45 252	0.32 216	0.39 222	0.38 223	0.38 228	0.37 257	0.39 220	0.39 250

ccccc	0.41 211	0.44 155	0.34 202	0.48 223	0.35 245	0.48 269	0.35 235	0.51 278	0.35 237	0.47 253	0.35 243	0.47 261	0.34 233	0.47 259	0.35 237	0.41 234	0.40 233	0.40 242	0.40 270	0.41 234	0.39 250

HaxPig	0.47 234	0.47 166	0.47 254	0.49 229	0.47 295	0.47 264	0.47 285	0.47 253	0.47 284	0.47 253	0.47 294	0.47 261	0.47 286	0.47 259	0.47 287	0.47 256	0.47 260	0.47 278	0.47 296	0.47 255	0.48 282

UNDER WATER	0.47 234	0.47 166	0.47 254	0.47 220	0.47 295	0.47 264	0.47 285	0.47 253	0.47 284	0.47 253	0.47 294	0.47 261	0.46 278	0.47 259	0.47 287	0.47 256	0.47 260	0.47 278	0.46 289	0.47 255	0.47 280

LVE	0.47 234	0.47 166	0.47 254	0.47 220	0.49 301	0.47 264	0.47 285	0.47 253	0.49 293	0.47 253	0.47 294	0.47 261	0.46 278	0.47 259	0.47 287	0.47 256	0.47 260	0.48 286	0.47 296	0.47 255	0.47 280

Dean	0.46 228	0.46 162	0.46 249	0.46 214	0.46 289	0.46 260	0.46 280	0.46 248	0.46 279	0.47 253	0.46 286	0.46 256	0.46 278	0.46 255	0.46 281	0.46 251	0.46 253	0.46 274	0.46 289	0.46 248	0.46 274

SCV_C0	0.45 225	0.88 217	0.49 262	0.54 245	0.37 254	0.48 269	0.37 247	0.48 257	0.37 248	0.48 259	0.36 247	0.48 267	0.37 246	0.49 272	0.37 249	0.50 269	0.41 242	0.44 267	0.34 243	0.44 243	0.34 231

SCV	0.46 228	0.94 231	0.45 245	0.54 245	0.37 254	0.48 269	0.38 253	0.48 257	0.37 248	0.48 259	0.39 262	0.48 267	0.37 246	0.49 272	0.37 249	0.50 269	0.46 253	0.44 267	0.34 243	0.44 243	0.34 231

RainbowNet	0.48 238	0.48 172	0.48 258	0.48 223	0.48 299	0.48 269	0.48 294	0.48 257	0.48 291	0.48 259	0.48 298	0.48 267	0.48 287	0.48 266	0.48 293	0.48 260	0.48 263	0.48 286	0.48 299	0.48 258	0.48 282

notaker	0.48 238	0.49 173	0.48 258	0.48 223	0.48 299	0.48 269	0.48 294	0.48 257	0.49 293	0.48 259	0.48 298	0.48 267	0.48 287	0.48 266	0.48 293	0.48 260	0.48 263	0.48 286	0.48 299	0.48 258	0.49 287

BUS	0.83 311	1.91 352	0.92 328	4.48 447	0.02 20	0.40 214	0.04 68	0.41 223	0.02 20	0.48 259	0.03 47	0.41 231	0.05 78	0.03 36	0.05 73	1.97 427	4.19 467	0.33 194	0.23 176	0.34 184	0.27 184

BSDual-CNN	0.81 303	1.91 352	0.92 328	4.48 447	0.02 20	0.42 248	0.06 89	0.41 223	0.02 20	0.48 259	0.03 47	0.02 19	0.02 21	0.03 36	0.02 19	1.97 427	4.19 467	0.33 194	0.23 176	0.34 184	0.27 184

hknet	1.10 344	1.85 346	3.49 469	4.48 447	0.02 20	0.42 248	0.06 89	0.41 223	0.02 20	0.48 259	0.03 47	0.41 231	0.03 47	0.42 245	0.03 42	4.39 456	4.19 467	0.33 194	0.23 176	0.34 184	0.27 184

UGAM-zero	0.51 249	2.17 370	0.39 224	0.53 243	0.36 251	0.50 282	0.36 242	0.50 269	0.36 247	0.49 266	0.36 247	0.50 285	0.35 239	0.50 279	0.36 241	0.49 263	0.37 217	0.47 278	0.35 249	0.46 248	0.34 231

UGAM	0.51 249	2.23 373	0.39 224	0.54 245	0.35 245	0.50 282	0.35 235	0.49 261	0.35 237	0.49 266	0.35 243	0.49 271	0.36 242	0.50 279	0.36 241	0.49 263	0.37 217	0.45 271	0.34 243	0.45 247	0.34 231

GCST	0.50 244	2.08 362	0.38 218	0.53 243	0.35 245	0.49 274	0.35 235	0.50 269	0.35 237	0.49 266	0.35 243	0.49 271	0.35 239	0.49 272	0.35 237	0.48 260	0.37 217	0.45 271	0.33 241	0.44 243	0.33 225

TorneroNet	0.66 270	0.53 186	0.50 265	0.50 236	0.64 328	1.06 348	0.70 326	0.50 269	0.51 303	0.49 266	0.69 333	0.49 271	0.50 295	0.48 266	1.15 369	0.71 302	0.49 266	1.14 362	1.08 365	0.49 261	0.49 287

ACVNet_2	0.49 242	0.49 173	0.49 262	0.49 229	0.49 301	0.49 274	0.49 296	0.49 261	0.49 293	0.49 266	0.49 301	0.49 271	0.49 292	0.49 272	0.49 295	0.49 263	0.49 266	0.49 290	0.49 302	0.49 261	0.49 287

PCWNet_CMD	2.80 452	9.82 474	0.32 189	10.09 492	0.32 223	0.49 274	0.33 221	3.34 453	0.33 226	0.49 266	0.33 228	0.49 271	8.73 489	0.48 266	0.33 222	0.41 234	9.22 488	0.42 264	0.29 214	9.55 491	0.31 217

CFNet_ucs	2.73 449	9.64 473	0.33 194	9.92 490	0.32 223	0.49 274	0.33 221	0.49 261	0.33 226	0.49 266	0.33 228	0.49 271	8.98 491	0.48 266	0.33 222	0.41 234	9.96 494	0.40 242	0.29 214	10.12 494	0.54 298

CFNet_pseudo	2.67 448	9.36 471	0.32 189	10.99 494	0.33 234	0.85 326	0.33 221	0.49 261	0.33 226	0.49 266	0.32 223	0.49 271	7.26 487	0.49 272	0.33 222	0.41 234	9.62 491	0.41 254	0.29 214	10.03 493	0.29 202

pcwnet_v2	2.66 447	9.89 475	0.33 194	9.89 489	0.32 223	0.50 282	0.32 212	0.49 261	0.33 226	0.49 266	0.34 235	0.49 271	8.76 490	0.48 266	0.33 222	0.41 234	9.58 490	0.40 242	0.29 214	9.01 489	0.63 312

ccnet	0.80 298	2.28 375	0.33 194	0.50 236	0.33 234	0.50 282	0.33 221	0.50 269	0.33 226	0.49 266	0.33 228	0.49 271	1.56 429	2.38 441	0.33 222	0.41 234	0.29 189	0.42 264	1.57 438	2.28 427	0.29 202

psmorigin	0.41 211	0.46 162	0.33 194	0.49 229	0.33 234	0.49 274	0.33 221	0.49 261	0.33 226	0.49 266	0.33 228	0.49 271	0.33 229	0.51 285	0.33 222	0.41 234	0.30 197	0.41 254	0.30 224	0.79 301	0.29 202

MSMDNet	2.65 446	10.14 477	0.33 194	9.74 488	0.32 223	0.87 328	0.33 221	2.95 449	0.68 323	0.49 266	0.34 235	0.49 271	5.70 483	0.49 272	0.33 222	0.42 248	9.57 489	0.41 254	0.31 230	8.36 486	0.65 314

FoundationStereo	0.50 244	0.50 176	0.50 265	0.50 236	0.50 304	0.50 282	0.50 298	0.50 269	0.50 296	0.50 278	0.50 303	0.50 285	0.50 295	0.50 279	0.50 296	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 290

StereoAnything_RVC	0.50 244	0.50 176	0.50 265	0.50 236	0.50 304	0.50 282	0.50 298	0.50 269	0.50 296	0.50 278	0.50 303	0.50 285	0.50 295	0.50 279	0.50 296	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 290

dual_stereo	0.50 244	0.50 176	0.50 265	0.50 236	0.50 304	0.50 282	0.50 298	0.50 269	0.50 296	0.50 278	0.50 303	0.50 285	0.50 295	0.50 279	0.50 296	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 290

SANet	0.50 244	0.50 176	0.50 265	0.50 236	0.50 304	0.50 282	0.50 298	0.50 269	0.50 296	0.50 278	0.50 303	0.50 285	0.50 295	0.50 279	0.50 296	0.50 269	0.50 271	0.50 293	0.50 304	0.50 265	0.50 290

MyStereo07	0.60 261	3.72 414	0.48 258	0.49 229	0.41 273	0.36 198	0.32 212	0.49 261	0.43 274	0.51 282	0.42 277	0.49 271	0.43 272	0.51 285	0.64 315	0.49 263	0.45 251	0.34 201	0.32 234	0.35 196	0.43 268

ktn	0.72 284	0.53 186	1.08 341	1.14 321	0.51 309	1.22 409	1.36 428	0.51 278	0.59 310	0.51 282	0.51 309	0.69 314	1.20 368	0.67 310	0.51 301	0.51 275	0.49 266	0.58 305	0.66 325	0.52 272	0.53 297

ccs_rob	2.79 451	10.17 478	0.32 189	10.00 491	0.33 234	0.49 274	0.33 221	1.90 423	0.32 221	0.51 282	0.33 228	0.49 271	9.24 492	0.49 272	0.33 222	0.41 234	9.82 492	0.41 254	0.28 205	9.34 490	0.29 202

PAM_32	0.64 267	2.38 379	0.51 270	0.92 292	0.43 284	0.53 292	0.44 275	0.87 318	0.43 274	0.52 285	0.45 284	0.53 292	0.40 255	0.54 290	0.46 281	0.62 290	0.56 282	0.48 286	0.45 287	0.76 297	0.44 271

4D-IteraStereo	0.78 295	3.13 400	0.89 321	0.69 265	0.32 223	0.40 214	0.32 212	0.76 309	0.97 360	0.52 285	0.65 326	0.89 336	0.32 223	0.76 319	0.98 356	0.83 315	0.94 328	0.35 214	0.27 201	0.70 291	0.89 344

fffft	0.48 238	0.51 182	0.45 245	0.52 242	0.45 287	0.52 291	0.45 278	0.52 280	0.48 291	0.53 287	0.45 284	0.52 291	0.45 275	0.52 288	0.46 281	0.51 275	0.41 242	0.50 293	0.41 277	0.50 265	0.41 260
1: 1. 1
AEACV	1.12 347	0.52 184	3.12 466	3.24 437	0.86 352	0.53 292	0.49 296	0.60 292	0.47 284	0.53 287	0.49 301	0.55 297	0.45 275	0.55 293	0.47 287	3.01 446	3.88 464	0.71 320	0.60 318	0.80 304	0.48 282

Occ-G	1.12 347	0.52 184	3.72 472	3.50 441	0.50 304	0.56 296	0.47 285	0.54 282	0.46 279	0.54 289	0.41 270	0.54 293	0.42 271	0.52 288	0.42 273	3.42 450	4.02 466	0.52 300	0.45 287	0.51 271	0.44 271

iRaftStereo_RVC	0.97 331	3.17 402	2.30 448	2.42 426	0.38 261	0.54 294	0.38 253	0.54 282	0.38 252	0.54 289	0.38 258	0.54 293	0.38 250	0.54 290	0.38 252	2.38 441	2.34 445	0.49 290	0.36 255	0.49 261	0.36 238

PSMNet_ROB	0.54 253	0.54 189	0.54 277	0.54 245	0.53 313	0.54 294	0.54 306	0.53 281	0.54 306	0.54 289	0.54 313	0.54 293	0.53 302	0.54 290	0.54 306	0.54 279	0.53 278	0.54 302	0.54 309	0.54 275	0.54 298

MyStereo06	0.75 287	4.12 422	0.60 284	0.63 258	0.61 324	0.62 306	0.66 317	0.56 284	0.45 278	0.55 292	0.48 298	0.54 293	0.46 278	0.57 297	0.45 277	0.60 284	0.57 284	0.64 311	0.55 310	0.72 292	0.55 302

PA-Net	11.80 493	223.51 519	0.62 287	0.59 253	0.71 340	0.59 302	0.73 331	0.67 301	0.73 336	0.55 292	0.61 320	0.60 304	0.74 329	0.63 305	0.73 333	0.66 295	0.60 286	0.69 317	0.66 325	0.72 292	0.65 314
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Selective-IGEV	0.51 249	0.55 191	0.45 245	0.69 265	0.45 287	0.61 303	0.45 278	0.50 269	0.40 260	0.56 294	0.44 281	0.55 297	0.40 255	0.72 314	0.67 320	0.59 283	0.46 253	0.45 271	0.34 243	0.46 248	0.37 242

LL-Strereo	1.01 339	5.06 435	1.63 426	0.70 267	1.43 440	0.56 296	0.46 280	0.57 286	0.50 296	0.57 295	0.50 303	1.58 424	0.49 292	0.59 299	0.50 296	1.64 417	0.52 276	0.51 298	1.37 429	0.52 272	0.45 273

CASS	0.57 260	0.89 220	0.56 279	0.57 250	0.56 316	0.56 296	0.56 307	0.56 284	0.53 304	0.57 295	0.57 316	0.59 303	0.48 287	0.56 294	0.57 309	0.55 281	0.56 282	0.47 278	0.56 313	0.62 281	0.56 305
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PML	0.46 228	1.36 330	0.29 175	0.58 251	0.30 217	0.57 300	0.29 202	0.57 286	0.29 205	0.57 295	0.29 208	0.57 301	0.29 211	0.56 294	0.29 204	0.52 277	0.30 197	0.53 301	0.31 230	0.53 274	0.30 212

MyStereo8	0.71 281	3.92 421	0.52 273	0.59 253	0.52 310	0.57 300	0.53 304	0.59 290	0.50 296	0.59 298	0.51 309	0.57 301	0.50 295	0.56 294	0.52 303	0.54 279	0.49 266	0.54 302	0.49 302	0.55 276	0.50 290

AIO-test2	0.55 257	0.59 192	0.52 273	0.67 264	0.47 295	0.61 303	0.47 285	0.61 294	0.47 284	0.61 299	0.47 294	0.61 305	0.48 287	0.62 301	0.47 287	0.64 292	0.53 278	0.58 305	0.47 296	0.58 278	0.48 282

AIO-test1	0.54 253	0.60 194	0.52 273	0.66 263	0.47 295	0.61 303	0.47 285	0.58 288	0.46 279	0.61 299	0.46 286	0.61 305	0.45 275	0.62 301	0.45 277	0.61 287	0.52 276	0.57 304	0.48 299	0.57 277	0.48 282

FCDSN-DC	0.41 211	0.59 192	0.64 290	0.54 245	0.33 234	0.50 282	0.37 247	0.42 239	0.40 260	0.61 299	0.43 279	0.50 285	0.49 292	0.38 208	0.32 216	0.28 172	0.23 164	0.26 169	0.22 171	0.35 196	0.28 197
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MonSter	0.60 261	0.64 197	0.52 273	0.62 257	0.44 285	2.07 435	0.44 275	0.62 295	0.44 277	0.62 302	0.44 281	0.62 307	0.44 273	0.62 301	0.44 276	0.58 282	0.42 249	0.62 308	0.46 289	0.58 278	0.42 267

CFNet_RVC	2.38 440	8.71 466	0.38 218	9.33 485	0.42 282	0.56 296	0.42 272	0.60 292	0.38 252	0.62 302	0.42 277	0.56 300	7.29 488	0.62 301	0.42 273	0.53 278	0.37 217	0.49 290	0.34 243	8.30 485	6.87 491

LMCR-Stereo	0.65 268	0.63 195	0.65 293	0.65 260	0.65 330	0.66 310	0.63 313	0.58 288	0.65 319	0.63 304	0.64 324	0.65 311	0.65 314	0.66 308	0.66 319	0.66 295	0.64 294	0.65 314	0.67 328	0.68 286	0.73 328

WCG-NET	0.61 263	1.21 319	0.54 277	0.61 256	0.53 313	0.67 311	0.53 304	0.66 300	0.53 304	0.64 305	0.53 312	0.65 311	0.53 302	0.59 299	0.52 303	0.65 293	0.48 263	0.64 311	0.52 308	0.58 278	0.50 290

DispNO	1.00 334	0.63 195	0.43 241	3.45 440	0.44 285	0.65 309	0.43 274	0.64 297	0.43 274	0.64 305	0.43 279	0.64 308	3.03 452	0.64 306	0.43 275	4.55 458	0.43 250	0.63 310	0.43 285	0.63 282	0.43 268

DSFCA	0.66 270	0.73 202	0.78 313	0.65 260	0.65 330	0.64 308	0.64 314	0.65 298	0.63 317	0.64 305	0.64 324	0.64 308	0.64 312	0.65 307	0.65 316	0.65 293	0.65 295	0.65 314	0.65 323	0.66 284	0.64 313

test-3	0.98 333	4.13 424	1.85 437	1.85 402	0.61 324	0.69 312	0.37 247	0.63 296	0.61 314	0.66 308	0.51 309	0.73 320	0.44 273	0.57 297	0.54 306	1.68 418	1.81 435	0.40 242	0.43 285	0.66 284	0.50 290

MyStereo05	0.80 298	4.12 422	0.63 288	0.63 258	0.61 324	0.62 306	0.66 317	0.65 298	0.62 315	0.67 309	0.61 320	0.65 311	0.58 307	0.67 310	0.55 308	0.60 284	0.57 284	0.64 311	0.55 310	0.72 292	0.55 302

KSHMR	0.66 270	0.50 176	0.48 258	1.15 323	0.52 310	0.49 274	0.51 302	0.49 261	0.71 332	0.67 309	0.50 303	1.16 365	1.11 357	0.66 308	0.52 303	0.49 263	0.49 266	0.51 298	0.66 325	0.50 265	1.14 369

test_xeample3	1.10 344	1.81 344	0.61 286	0.84 282	0.49 301	0.77 318	0.66 317	0.92 327	1.40 436	0.68 311	0.46 286	0.78 325	0.54 305	1.72 424	1.48 434	1.34 401	1.52 421	1.35 425	1.67 442	1.33 400	1.55 437

DMCA-RVC	0.70 279	0.80 207	0.70 300	0.70 267	0.70 339	0.70 313	0.70 326	0.71 306	0.70 329	0.70 312	0.71 337	0.71 315	0.70 323	0.70 312	0.69 328	0.69 298	0.70 302	0.69 317	0.70 333	0.69 290	0.70 321

anonymity	0.63 265	0.69 199	0.56 279	0.71 269	0.56 316	0.71 315	0.56 307	0.71 306	0.56 307	0.72 313	0.56 315	0.71 315	0.56 306	0.71 313	0.58 310	0.68 297	0.55 280	0.68 316	0.55 310	0.68 286	0.54 298

STTRV1_RVC	0.82 307	1.60 336	0.70 300	1.01 309	0.60 319	1.07 351	0.69 325	1.01 338	0.60 311	0.72 313	0.55 314	1.02 352	0.68 320	1.03 350	0.67 320	0.89 321	0.63 292	0.92 345	0.57 314	0.90 316	0.65 314

TorneroNet-64	0.45 225	0.27 111	0.30 179	0.58 251	0.27 199	0.70 313	0.30 207	0.28 166	0.73 336	0.73 315	0.28 205	0.71 315	0.66 317	0.75 318	0.27 189	0.27 170	0.29 189	0.37 221	0.75 339	0.28 164	0.30 212

HH	0.71 281	2.54 382	0.74 308	1.10 315	0.32 223	0.41 230	0.37 247	0.69 303	0.78 339	0.73 315	0.90 351	0.75 322	1.00 347	0.84 325	0.69 328	0.69 298	0.40 233	0.35 214	0.26 195	0.35 196	0.26 177

HanStereo	0.71 281	2.54 382	0.74 308	1.10 315	0.32 223	0.41 230	0.37 247	0.69 303	0.78 339	0.73 315	0.90 351	0.75 322	1.00 347	0.84 325	0.69 328	0.69 298	0.40 233	0.35 214	0.26 195	0.35 196	0.26 177

iGMRVC	0.84 314	2.85 395	0.72 305	0.72 270	0.73 343	0.77 318	0.79 336	0.73 308	0.74 338	0.73 315	0.72 339	0.73 320	0.76 332	0.73 315	0.73 333	0.72 303	0.73 308	0.73 321	0.72 337	0.73 295	0.72 325

SMoEStereo_RVC	0.63 265	0.75 203	0.51 270	0.73 271	0.53 313	0.71 315	0.47 285	0.67 301	0.58 309	0.74 319	0.60 317	0.72 318	0.53 302	0.74 317	0.51 301	0.61 287	0.62 291	0.62 308	0.61 320	0.63 282	0.61 308

tt45	1.04 341	0.88 217	1.36 415	0.92 292	1.03 371	1.51 424	0.79 336	0.70 305	0.88 348	0.74 319	0.90 351	1.60 425	0.72 328	1.60 421	0.75 336	0.91 322	0.78 314	1.52 432	0.79 343	1.14 336	1.32 426

ARAFT	0.68 275	0.81 210	0.63 288	0.74 272	0.60 319	0.78 320	0.62 312	0.77 310	0.66 321	0.74 319	0.63 322	0.75 322	0.62 311	0.83 324	0.60 312	0.70 301	0.55 280	0.70 319	0.60 318	0.78 299	0.55 302

GCAP-Stereo	0.75 287	4.15 425	0.42 240	0.75 273	0.35 245	0.78 320	0.40 260	0.79 311	0.38 252	0.78 322	0.36 247	0.78 325	0.36 242	0.79 320	0.39 258	0.75 305	0.39 230	0.76 325	0.39 269	0.75 296	0.39 250

G-Net	0.79 296	0.79 206	0.79 316	0.79 275	0.79 348	0.79 322	0.79 336	0.79 311	0.79 342	0.79 323	0.79 346	0.79 327	0.79 335	0.79 320	0.79 338	0.79 308	0.79 315	0.79 328	0.79 343	0.79 301	0.79 335

NaN_ROB	0.80 298	0.80 207	0.80 317	0.80 277	0.80 350	0.80 323	0.80 339	0.80 313	0.80 343	0.80 324	0.80 347	0.80 328	0.80 336	0.80 322	0.80 340	0.80 309	0.80 318	0.80 331	0.80 345	0.80 304	0.80 336

CSAN	0.80 298	0.80 207	0.80 317	0.80 277	0.80 350	0.80 323	0.80 339	0.80 313	0.80 343	0.80 324	0.80 347	0.80 328	0.80 336	0.80 322	0.80 340	0.80 309	0.80 318	0.80 331	0.80 345	0.80 304	0.80 336

RAFT-Stereo + iAFF	0.70 279	0.72 201	0.71 304	0.80 277	0.62 327	0.82 325	0.61 311	0.81 316	0.62 315	0.81 326	0.63 322	0.80 328	0.70 323	0.73 315	0.61 314	0.76 306	0.61 290	0.74 322	0.61 320	0.77 298	0.61 308

AFF-stereo	0.73 285	0.88 217	0.67 297	0.75 273	0.68 337	0.75 317	0.64 314	0.80 313	0.72 333	0.83 327	0.70 334	0.82 331	0.64 312	0.84 325	0.67 320	0.77 307	0.63 292	0.81 333	0.63 322	0.78 299	0.62 311

RSM++	0.76 291	0.82 212	0.66 294	0.85 284	0.64 328	0.85 326	0.71 329	0.94 331	0.64 318	0.87 328	0.67 329	0.87 333	0.65 314	0.84 325	0.65 316	0.81 312	0.70 302	0.79 328	0.71 336	0.83 309	0.70 321

DDUNet	0.81 303	2.45 380	0.57 281	0.90 287	0.60 319	0.88 329	0.59 310	0.90 322	0.60 311	0.88 329	0.60 317	0.90 337	0.58 307	0.88 330	0.60 312	0.84 317	0.60 286	0.86 339	0.57 314	0.86 311	0.60 307

DCRE	0.84 314	1.89 349	0.77 312	0.94 297	0.72 342	0.88 329	0.73 331	0.87 318	0.78 339	0.90 330	0.71 337	0.88 334	0.67 319	0.88 330	0.73 333	0.81 312	0.68 297	0.81 333	0.70 333	0.82 308	0.70 321

UDG	0.80 298	2.21 372	0.60 284	0.91 289	0.60 319	0.90 332	0.58 309	0.88 321	0.60 311	0.90 330	0.60 317	0.88 334	0.60 309	0.90 333	0.58 310	0.86 319	0.60 286	0.84 337	0.59 317	0.84 310	0.61 308

AIO-Stereo-zeroshot1	0.75 287	0.92 228	0.85 320	0.96 302	0.59 318	1.27 412	0.44 275	0.59 290	0.69 326	0.91 332	0.68 330	0.55 297	0.61 310	1.06 352	0.83 344	0.62 290	0.70 302	0.90 341	0.41 277	0.89 314	0.56 305

DGTPSM_ROB	0.93 327	1.00 239	0.92 328	0.94 297	0.96 363	0.91 333	0.92 348	0.91 324	0.96 359	0.91 332	0.96 358	0.93 343	0.92 342	0.94 339	0.92 348	0.92 324	0.92 326	0.90 341	0.92 352	0.94 323	0.91 346

Selective-RAFT-Error	0.88 318	0.84 213	0.98 333	0.86 285	0.97 364	0.88 329	0.95 352	0.84 317	0.99 362	0.92 334	0.82 349	0.84 332	0.98 346	0.87 329	0.97 355	0.81 312	0.83 321	0.79 328	0.82 348	0.79 301	0.85 341

pmcnn	0.92 323	0.92 228	0.92 328	0.92 292	0.92 359	0.92 334	0.92 348	0.92 327	0.92 354	0.92 334	0.92 357	0.92 340	0.92 342	0.92 338	0.92 348	0.92 324	0.92 326	0.92 345	0.92 352	0.92 320	0.92 347

DPSM_ROB	0.92 323	0.91 223	0.91 326	0.91 289	0.92 359	0.92 334	0.92 348	0.92 327	0.91 350	0.93 336	0.91 354	0.92 340	0.90 340	0.91 334	0.92 348	0.92 324	0.91 324	0.91 343	0.92 352	0.93 321	0.93 348

DPSM	0.92 323	0.91 223	0.91 326	0.91 289	0.92 359	0.92 334	0.92 348	0.92 327	0.91 350	0.93 336	0.91 354	0.92 340	0.90 340	0.91 334	0.92 348	0.92 324	0.91 324	0.91 343	0.92 352	0.93 321	0.93 348

MoCha-V2	2.11 425	26.97 497	0.78 313	0.92 292	0.77 346	0.96 339	0.72 330	0.90 322	0.72 333	0.94 338	0.70 334	0.90 337	0.71 327	0.91 334	0.71 332	0.85 318	0.71 306	0.88 340	0.69 331	0.87 312	0.67 318

ToySt	0.92 323	2.11 365	0.90 324	0.95 299	0.79 348	0.99 341	0.78 335	0.94 331	0.81 346	0.94 338	0.78 345	0.95 344	0.77 333	0.94 339	0.86 346	0.91 322	0.79 315	0.85 338	0.77 340	0.89 314	0.73 328

R-Stereo Train	0.81 303	0.96 233	0.67 297	0.95 299	0.67 334	0.95 337	0.68 322	0.95 333	0.68 323	0.95 340	0.68 330	0.96 345	0.68 320	0.96 343	0.68 324	0.94 328	0.68 297	0.94 347	0.68 329	0.94 323	0.68 319

RAFT-Stereo	0.81 303	0.96 233	0.67 297	0.95 299	0.67 334	0.95 337	0.68 322	0.95 333	0.68 323	0.95 340	0.68 330	0.96 345	0.68 320	0.96 343	0.68 324	0.94 328	0.68 297	0.94 347	0.68 329	0.94 323	0.68 319
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Selective-RAFT	0.89 320	0.89 220	0.72 305	1.16 328	0.78 347	1.06 348	0.82 342	0.87 318	0.97 360	1.00 342	0.91 354	0.90 337	1.00 347	0.89 332	0.93 352	0.83 315	0.83 321	0.82 335	0.82 348	0.81 307	0.82 339

GANet	1.00 334	1.00 239	1.00 335	1.00 306	1.00 365	1.00 342	1.00 356	1.00 335	1.00 363	1.00 342	1.00 361	1.00 348	1.00 347	1.00 346	1.00 358	1.00 330	1.00 329	1.00 354	1.00 359	1.00 327	1.00 355

TDLM	1.00 334	1.00 239	1.00 335	1.00 306	1.00 365	1.00 342	1.00 356	1.00 335	1.00 363	1.00 342	1.00 361	1.00 348	1.00 347	1.00 346	1.00 358	1.00 330	1.00 329	1.00 354	1.00 359	1.00 327	1.00 355

CVANet_RVC	1.00 334	1.00 239	1.00 335	1.00 306	1.00 365	1.00 342	1.00 356	1.00 335	1.00 363	1.00 342	1.00 361	1.00 348	1.00 347	1.00 346	1.00 358	1.00 330	1.00 329	1.00 354	1.00 359	1.00 327	1.00 355

trnet	1.01 339	1.01 245	1.01 338	1.01 309	1.01 369	1.01 345	1.01 359	1.01 338	1.01 366	1.01 346	1.01 364	1.01 351	1.01 353	1.01 349	1.01 361	1.01 333	1.01 332	1.01 357	1.01 363	1.01 330	1.01 358

AIO-Stereo	0.84 314	0.66 198	0.70 300	0.83 281	0.67 334	0.98 340	0.82 342	1.14 345	0.72 333	1.03 347	0.74 342	1.03 353	1.09 356	0.99 345	0.45 277	1.04 334	0.73 308	0.95 349	0.74 338	0.94 323	0.46 274

DPSimNet_ROB	0.97 331	1.18 271	0.81 319	1.10 315	0.91 358	1.02 346	0.82 342	1.04 340	0.91 350	1.03 347	0.86 350	1.28 416	0.82 338	1.03 350	0.89 347	1.17 347	0.81 320	1.02 358	0.82 348	1.08 333	0.81 338

GLC_STEREO	1.07 342	1.01 245	1.06 340	1.07 313	1.05 372	1.06 348	1.08 363	1.08 341	1.05 369	1.07 349	1.06 366	1.08 355	1.05 355	1.06 352	1.10 364	1.07 336	1.09 342	1.05 360	1.05 364	1.06 332	1.12 365

Abc-Net	2.32 433	24.75 489	1.14 344	1.17 329	1.17 381	1.11 358	1.15 368	1.17 350	1.21 424	1.08 350	1.16 371	1.12 363	1.14 360	1.09 356	1.17 373	1.09 337	1.16 352	1.17 368	1.17 372	1.16 340	1.11 363
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AF-Net	2.37 438	25.71 493	1.17 348	1.13 320	1.15 376	1.15 361	1.18 372	1.19 353	1.16 372	1.10 351	1.15 368	1.10 359	1.18 366	1.12 361	1.15 369	1.10 339	1.10 345	1.17 368	1.15 369	1.16 340	1.12 365

NCC-stereo	2.36 436	25.52 492	1.17 348	1.15 323	1.17 381	1.11 358	1.11 364	1.15 346	1.16 372	1.10 351	1.16 371	1.10 359	1.15 361	1.14 362	1.13 367	1.09 337	1.11 346	1.15 363	1.16 371	1.17 345	1.17 371

edge stereo	2.43 441	27.07 498	1.14 344	1.06 312	1.14 375	1.08 352	1.17 371	1.16 348	1.14 370	1.10 351	1.16 371	1.09 357	1.16 365	1.10 358	1.16 372	1.10 339	1.11 346	1.16 364	1.19 373	1.13 335	1.11 363

HSM-Net_RVC	0.95 330	1.17 269	0.78 313	1.18 330	0.71 340	1.16 362	0.75 333	1.09 343	0.80 343	1.10 351	0.75 343	1.17 366	0.74 329	1.17 364	0.80 340	1.13 345	0.73 308	1.17 368	0.77 340	1.16 340	0.72 325
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MSMD_ROB	1.19 349	1.10 263	0.70 300	1.10 315	0.60 319	1.10 355	0.70 326	1.10 344	0.70 329	1.10 351	0.70 334	1.10 359	0.70 323	7.00 490	0.70 331	1.10 339	0.70 302	1.10 361	0.70 333	1.10 334	0.70 321

AIO-Stereo-zeroshot	0.91 321	0.86 214	0.89 321	1.25 380	0.69 338	1.05 347	0.81 341	1.16 348	0.50 296	1.12 356	0.97 359	0.72 318	0.82 338	1.06 352	0.95 353	0.61 287	0.87 323	1.03 359	0.85 351	1.04 331	1.01 358

RP	2.33 434	25.00 490	1.13 343	1.15 323	1.15 376	1.10 355	1.15 368	1.15 346	1.15 371	1.12 356	1.15 368	1.09 357	1.13 358	1.10 358	1.15 369	1.11 344	1.09 342	1.16 364	1.12 367	1.16 340	1.17 371

RGC	2.36 436	25.48 491	1.19 352	1.15 323	1.15 376	1.10 355	1.16 370	1.17 350	1.16 372	1.12 356	1.16 371	1.11 362	1.13 358	1.09 356	1.18 374	1.10 339	1.15 351	1.16 364	1.12 367	1.14 336	1.12 365

stereogan	2.33 434	24.38 488	1.18 350	1.18 330	1.18 383	1.14 360	1.18 372	1.19 353	1.19 378	1.14 359	1.18 375	1.14 364	1.18 366	1.14 362	1.18 374	1.14 346	1.14 350	1.19 371	1.19 373	1.15 338	1.19 373

Nwc_Net	2.37 438	25.95 494	1.15 346	1.14 321	1.15 376	1.08 352	1.14 367	1.17 350	1.16 372	1.14 359	1.15 368	1.08 355	1.15 361	1.11 360	1.14 368	1.10 339	1.11 346	1.16 364	1.09 366	1.16 340	1.15 370

999	1.00 334	1.12 264	0.59 282	1.10 315	1.21 430	1.09 354	0.52 303	1.08 341	1.43 438	1.18 361	1.35 428	0.98 347	0.52 301	0.91 334	0.85 345	0.72 303	1.46 418	0.83 336	0.98 357	0.68 286	1.41 434

FAT-Stereo	2.46 442	26.05 495	1.23 404	1.23 379	1.22 432	1.20 363	1.24 422	1.23 404	1.23 426	1.19 362	1.22 422	1.21 413	1.24 416	1.20 366	1.24 423	1.21 394	1.17 355	1.22 418	1.25 423	1.20 349	1.24 422

DisPM	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

CrosDoStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

PFNet+	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

LCNet	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

HHNet	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

Patchmatch Stereo++	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374
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	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

STrans-v2	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

TransformOpticalFlow	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

OMP-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

IIG-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

NF-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

OCTAStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

PSM-softLoss	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

KMStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

NRIStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

PSM-adaLoss	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

PSM-AAD	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

FTStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

ROB_FTStereo_v2	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

ROB_FTStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

Consistency-Raft	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

KYRaft	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

HUI-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

ASMatch	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

DeepStereo_LL	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

DEmStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

SST-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

THIR-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

RAFT_R40	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

DRaft	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

PFNet	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

GrayStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

RE-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

Pruner-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

TVStereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

DeepStereo_RVC	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

RAFT-RH_RVC	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

IRAFT_RVC	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

RAFT-345	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

iRAFT	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

CRE-IMP	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

GMM-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

RAFT-IKP	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

Prome-Stereo	1.20 350	1.20 273	1.20 355	1.20 332	1.20 384	1.20 363	1.20 374	1.20 356	1.20 379	1.20 363	1.20 376	1.20 368	1.20 368	1.20 366	1.20 376	1.20 349	1.20 357	1.20 372	1.20 376	1.20 349	1.20 374

S-Stereo	2.51 443	26.86 496	1.23 404	1.22 377	1.22 432	1.24 411	1.25 423	1.22 402	1.24 427	1.21 408	1.24 424	1.19 367	1.27 418	1.19 365	1.24 423	1.19 348	1.20 357	1.25 419	1.19 373	1.24 397	1.23 421

CroCo-Stereo	0.73 285	1.22 322	0.25 162	1.22 377	0.25 189	1.22 409	0.25 180	1.22 402	0.25 180	1.22 409	0.25 189	1.22 414	0.25 183	1.22 412	0.25 183	1.22 395	0.26 170	1.21 417	0.25 189	1.22 396	0.25 171
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
CroCo-Stereo Lap2	0.77 292	1.29 325	0.29 175	1.27 381	0.29 208	1.27 412	0.26 188	1.26 405	0.26 193	1.26 410	0.26 195	1.27 415	0.26 192	1.26 413	0.27 189	1.27 397	0.27 175	1.27 420	0.27 201	1.27 398	0.27 184

PS-NSSS	1.38 405	1.39 331	1.34 408	1.34 385	1.35 434	1.38 419	1.37 433	1.35 409	1.38 435	1.34 411	1.34 427	1.39 419	1.38 425	1.70 423	1.40 431	1.36 404	1.36 412	1.36 427	1.37 429	1.37 402	1.36 431

CC-Net-ROB	1.36 403	1.33 328	1.33 407	1.36 387	1.38 437	1.36 417	1.33 425	1.37 412	1.34 430	1.35 412	1.36 430	1.38 418	1.34 422	1.38 417	1.38 430	1.35 402	1.38 414	1.33 422	1.35 426	1.43 404	1.34 429

MaskLacGwcNet_RVC	1.35 402	1.35 329	1.35 410	1.35 386	1.35 434	1.35 415	1.35 427	1.36 410	1.35 432	1.36 413	1.35 428	1.36 417	1.36 423	1.36 415	1.35 428	1.35 402	1.35 411	1.35 425	1.35 426	1.35 401	1.35 430

RASNet	1.49 406	1.65 337	1.45 421	1.38 389	1.43 440	1.47 423	1.36 428	1.38 413	1.36 433	1.39 414	1.60 440	1.45 422	1.45 428	1.51 420	2.21 452	1.53 413	1.36 412	1.36 427	1.36 428	1.66 411	1.36 431

MM-Stereo_test2	1.20 350	1.85 346	1.05 339	1.46 391	0.94 362	1.36 417	0.99 355	1.36 410	0.95 357	1.41 415	0.98 360	1.40 421	0.96 344	1.37 416	0.95 353	1.37 405	1.06 335	1.33 422	0.93 356	1.29 399	0.89 344

MM-Stereo_test3	1.27 400	2.07 361	1.18 350	1.60 395	1.02 370	1.45 422	1.01 359	1.40 414	1.04 368	1.44 416	1.03 365	1.46 423	1.02 354	1.44 419	1.02 362	1.51 412	1.12 349	1.32 421	0.98 357	1.38 403	0.97 351

11t	1.27 400	2.70 389	1.34 408	1.32 384	0.89 354	1.30 414	1.34 426	1.64 417	0.57 308	1.45 417	0.72 339	1.05 354	1.29 420	1.07 355	1.29 426	1.49 409	1.02 333	0.97 352	1.15 369	1.48 405	1.31 425

ssnet_v2	0.68 275	1.96 359	1.25 406	0.29 150	0.20 168	0.30 176	0.20 154	0.29 170	0.22 167	1.50 418	0.20 167	0.31 185	0.20 165	0.27 177	0.22 167	0.24 160	1.49 420	0.26 169	0.18 165	3.90 443	0.19 151

CFNet-RSSM	0.91 321	4.89 433	0.34 202	0.44 212	1.07 373	1.62 426	1.40 434	0.91 324	0.35 237	1.60 419	1.39 433	0.64 308	0.34 233	0.44 249	0.33 222	0.41 234	0.35 213	0.75 323	0.30 224	0.41 234	0.29 202

gwcnet-sp	0.82 307	1.72 339	1.48 422	0.39 178	0.15 148	0.31 179	0.21 160	0.20 136	0.25 180	1.61 420	0.23 177	0.28 175	0.26 192	0.20 136	0.15 140	0.24 160	1.33 408	0.32 186	0.16 145	6.75 478	0.23 160

scenet	0.82 307	1.72 339	1.48 422	0.39 178	0.15 148	0.31 179	0.21 160	0.20 136	0.25 180	1.61 420	0.23 177	0.28 175	0.26 192	0.20 136	0.15 140	0.24 160	1.33 408	0.32 186	0.16 145	6.75 478	0.23 160

ssnet	0.82 307	1.72 339	1.48 422	0.39 178	0.15 148	0.31 179	0.21 160	0.20 136	0.25 180	1.61 420	0.23 177	0.28 175	0.26 192	0.20 136	0.15 140	0.24 160	1.33 408	0.32 186	0.16 145	6.75 478	0.23 160

DPSMNet_ROB	1.60 409	1.59 335	1.70 429	1.59 394	1.59 442	1.61 425	1.61 438	1.60 415	1.60 440	1.62 423	1.59 439	1.60 425	1.60 430	1.60 421	1.59 436	1.59 414	1.60 424	1.59 433	1.59 439	1.59 409	1.59 438

HBP-ISP	1.24 398	1.72 339	1.65 427	1.15 323	0.76 345	1.40 420	0.88 345	1.67 420	1.02 367	1.69 424	1.38 432	1.69 427	1.21 414	1.87 425	1.21 421	1.05 335	0.79 315	0.97 352	0.80 345	1.19 348	0.75 332

ours_stereo	1.20 350	1.21 319	0.90 324	1.64 400	1.11 374	1.35 415	0.67 321	1.76 421	0.93 355	1.70 425	1.10 367	1.39 419	0.75 331	1.41 418	0.81 343	1.60 416	1.03 334	1.33 422	1.00 359	1.61 410	0.72 325

GANetREF_RVC	1.55 407	1.94 358	1.22 402	1.88 403	1.21 430	1.88 430	1.22 420	1.88 422	1.22 425	1.88 426	1.22 422	1.88 428	1.22 415	1.89 426	1.22 422	1.87 423	1.22 404	1.88 435	1.22 422	1.88 415	1.22 420
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
NLCA_NET_v2_RVC	5.04 483	50.87 512	2.78 453	2.87 434	2.71 462	2.78 450	0.47 285	2.88 448	2.86 461	1.89 427	2.67 460	2.79 451	2.79 451	2.78 449	2.83 458	2.82 445	2.82 447	2.83 451	2.77 460	2.83 437	2.76 460
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
FC-DCNN	1.07 342	1.09 260	0.98 333	0.89 286	0.52 310	1.41 421	0.91 347	1.21 401	1.24 427	1.96 428	2.05 457	1.91 429	1.30 421	1.27 414	1.08 363	0.80 309	0.60 286	0.58 305	0.41 277	0.68 286	0.54 298

MFMNet_re	1.81 417	1.91 352	1.71 430	1.95 407	1.70 445	1.95 431	1.70 441	1.96 424	1.74 443	1.97 429	1.72 443	1.95 430	1.71 433	1.97 428	1.71 442	1.86 422	1.62 425	1.85 434	1.66 441	1.86 414	1.64 439

SPS-STEREO	1.59 408	1.91 352	1.21 401	1.94 406	1.20 384	2.00 432	1.23 421	1.99 425	1.24 427	2.00 430	1.25 425	2.03 432	1.26 417	2.00 429	1.29 426	1.90 426	1.18 356	1.89 436	1.21 421	1.89 416	1.20 374
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RAFT_CTSACE	1.92 419	3.71 413	1.72 431	1.88 403	1.72 446	2.04 433	1.42 437	2.18 431	1.89 452	2.02 431	1.97 453	1.95 430	2.06 442	1.93 427	1.62 437	1.76 419	1.66 428	2.02 439	1.73 448	1.73 412	1.43 436

MM-Stereo_test1	1.80 416	3.41 406	1.52 425	2.12 412	1.41 439	2.04 433	1.41 435	2.05 426	1.46 439	2.04 432	1.41 434	2.05 433	1.42 427	2.05 430	1.43 433	2.04 431	1.54 422	1.94 437	1.38 431	1.99 418	1.33 427

ff7	1.68 410	2.68 386	1.35 410	0.97 303	0.89 354	1.84 427	2.15 450	2.12 427	1.80 446	2.05 433	1.56 436	2.33 439	2.12 443	2.23 435	2.25 453	1.31 398	1.07 336	1.48 429	1.41 432	0.90 316	1.04 360

ffff	1.68 410	2.68 386	1.35 410	0.97 303	0.89 354	1.84 427	2.15 450	2.12 427	1.80 446	2.05 433	1.56 436	2.33 439	2.12 443	2.23 435	2.25 453	1.31 398	1.07 336	1.48 429	1.41 432	0.90 316	1.04 360

ccc-4	1.68 410	2.68 386	1.35 410	0.97 303	0.89 354	1.84 427	2.15 450	2.12 427	1.80 446	2.05 433	1.56 436	2.33 439	2.12 443	2.23 435	2.25 453	1.31 398	1.07 336	1.48 429	1.41 432	0.90 316	1.04 360

MC-Stereo	1.76 413	2.96 396	1.37 417	2.14 413	1.37 436	2.14 436	1.36 428	2.14 430	1.37 434	2.14 436	1.37 431	2.14 434	1.37 424	2.14 434	1.37 429	1.97 427	1.32 405	1.97 438	1.32 425	1.98 417	1.33 427

NCCL2	2.28 432	2.27 374	2.28 447	2.28 422	2.28 459	2.27 437	2.29 453	2.28 432	2.28 456	2.27 437	2.28 458	2.28 435	2.27 446	2.27 438	2.28 457	2.28 435	2.28 444	2.27 444	2.29 457	2.27 426	2.29 452

TRStereo	2.00 420	2.13 366	1.85 437	2.27 419	1.84 449	2.28 438	1.84 444	2.29 433	1.86 449	2.30 438	1.87 446	2.30 436	1.87 436	2.08 431	1.72 444	2.08 432	1.72 430	2.08 440	1.72 445	2.08 419	1.72 442

XX-Stereo	2.00 420	2.13 366	1.85 437	2.27 419	1.84 449	2.28 438	1.84 444	2.29 433	1.86 449	2.30 438	1.87 446	2.30 436	1.87 436	2.08 431	1.72 444	2.08 432	1.72 430	2.08 440	1.72 445	2.08 419	1.72 442

EAI-Stereo	2.00 420	2.13 366	1.85 437	2.27 419	1.84 449	2.28 438	1.84 444	2.29 433	1.86 449	2.30 438	1.87 446	2.30 436	1.87 436	2.08 431	1.72 444	2.08 432	1.72 430	2.08 440	1.72 445	2.08 419	1.72 442

STTStereo	3.73 458	30.40 502	2.37 451	2.39 425	2.31 461	2.35 441	2.33 454	2.29 433	2.42 457	2.32 441	2.34 459	2.33 439	2.36 447	2.30 439	2.27 456	2.35 440	2.22 443	2.31 446	2.22 454	2.29 428	2.34 456

HUF	2.18 427	2.30 376	1.99 444	2.34 424	2.02 456	2.41 444	2.06 449	2.38 440	1.89 452	2.36 442	1.85 445	2.56 449	1.98 440	2.31 440	1.97 451	2.30 437	2.03 437	2.30 445	2.11 452	2.23 424	2.16 449

FBW_ROB	2.12 426	2.46 381	1.77 433	2.49 429	1.79 448	2.38 442	1.83 443	2.46 441	1.78 445	2.48 443	1.97 453	2.40 443	1.78 434	2.42 444	1.83 448	2.31 438	1.85 436	2.38 448	1.82 450	2.35 429	1.84 446

UDGNet	2.23 430	5.40 444	1.72 431	2.48 428	1.69 444	2.51 446	1.69 440	2.51 442	1.72 442	2.50 444	1.69 442	2.52 446	1.69 432	2.50 445	1.68 441	2.41 443	1.70 429	2.42 449	1.69 444	2.42 430	1.64 439

AIO_rvc	2.18 427	2.34 377	1.87 441	2.32 423	1.94 454	2.40 443	1.89 447	2.37 439	2.07 455	2.52 445	1.95 452	2.44 445	1.99 441	2.41 442	1.89 450	2.32 439	2.09 438	2.24 443	2.18 453	2.21 423	2.23 451

AIO_test	2.18 427	2.09 364	2.04 445	2.42 426	2.01 455	2.47 445	1.94 448	2.34 438	2.03 454	2.56 446	1.94 451	2.43 444	1.94 439	2.41 442	1.87 449	2.39 442	2.10 439	2.35 447	1.91 451	2.25 425	2.19 450

Sa-1000	4.34 473	8.37 462	6.84 486	6.98 477	4.45 487	3.58 456	3.00 460	3.42 455	3.39 475	2.61 447	4.00 481	3.83 460	4.01 474	3.90 459	3.90 477	5.98 480	5.62 475	3.76 460	2.34 458	4.35 450	2.47 459

IGEVStereo-DCA	1.77 414	4.21 426	1.84 435	2.49 429	2.11 457	2.54 447	1.36 428	1.65 418	1.17 376	2.75 448	1.90 449	2.54 447	1.15 361	0.94 339	1.11 365	1.50 410	1.32 405	0.96 350	1.46 436	1.49 406	0.88 342

rrr	1.77 414	4.21 426	1.84 435	2.49 429	2.11 457	2.54 447	1.36 428	1.65 418	1.17 376	2.75 448	1.90 449	2.54 447	1.15 361	0.94 339	1.11 365	1.50 410	1.32 405	0.96 350	1.46 436	1.49 406	0.88 342

sCroCo_RVC	2.10 424	2.76 390	1.92 442	2.78 433	1.39 438	2.73 449	1.41 435	2.73 444	1.40 436	2.77 450	1.41 434	2.74 450	1.40 426	2.74 448	1.40 431	2.72 444	1.42 416	2.72 450	1.44 435	2.79 436	1.42 435

plain	1.88 418	3.16 401	0.64 290	3.10 435	0.65 330	3.10 452	0.64 314	3.12 450	0.65 319	3.10 451	0.65 326	3.11 452	0.65 314	3.12 450	0.65 316	3.12 447	0.65 295	3.13 452	0.65 323	3.13 438	0.65 314

MIF-Stereo (partial)	2.58 445	3.31 405	0.66 294	3.18 436	0.66 333	3.18 453	0.66 317	3.21 451	0.67 322	3.19 452	0.66 328	3.19 453	0.66 317	3.31 454	0.68 324	5.09 473	1.79 434	8.23 492	1.67 442	6.18 476	1.38 433

Anonymous3	2.55 444	3.26 404	1.65 427	3.28 438	1.63 443	3.24 454	1.68 439	3.27 452	1.66 441	3.28 453	1.67 441	3.25 454	1.66 431	3.27 452	1.64 438	3.26 448	1.65 427	3.30 453	1.65 440	4.95 467	1.65 441

UniTT-Stereo	2.03 423	3.43 407	0.72 305	3.42 439	0.73 343	3.27 455	0.68 322	3.38 454	0.69 326	3.29 454	0.72 339	3.28 455	0.70 323	3.35 455	0.68 324	3.39 449	0.68 297	3.31 454	0.69 331	3.37 439	0.73 328

RAStereo	2.23 430	3.64 410	0.76 311	3.65 444	0.86 352	3.66 459	0.76 334	3.67 458	0.81 346	3.66 455	0.76 344	3.66 457	0.77 333	3.68 457	0.77 337	3.68 452	0.77 313	3.69 459	0.77 340	3.70 441	0.77 334

DPSNet	3.66 457	3.60 409	3.62 471	3.63 443	3.64 480	3.65 458	3.65 478	3.66 457	3.67 476	3.67 456	3.65 477	3.67 458	3.66 467	3.66 456	3.68 474	3.68 452	3.66 462	3.67 458	3.68 478	3.67 440	3.67 476

SA	4.33 472	7.35 456	6.85 487	5.96 470	4.09 484	3.59 457	3.15 474	3.82 459	2.64 458	3.91 457	3.85 478	3.57 456	2.72 450	3.13 451	4.03 479	7.09 487	6.86 482	3.57 456	3.12 469	3.85 442	3.51 475

TestStereo1	4.60 474	8.41 463	6.44 484	6.86 475	3.79 481	3.97 461	3.78 479	3.99 461	3.74 477	3.97 458	3.52 475	3.94 461	3.58 465	3.98 460	3.72 475	6.82 484	6.50 480	3.76 460	3.66 476	3.90 443	3.74 479

SA-5K	4.60 474	8.41 463	6.44 484	6.86 475	3.79 481	3.97 461	3.78 479	3.99 461	3.74 477	3.97 458	3.52 475	3.94 461	3.58 465	3.98 460	3.72 475	6.82 484	6.50 480	3.76 460	3.66 476	3.90 443	3.74 479

test_4	4.88 480	8.13 461	6.98 488	7.46 478	4.44 486	4.25 464	3.85 481	4.04 463	3.92 480	4.13 460	3.91 479	4.18 464	3.84 470	4.14 462	4.06 480	7.01 486	7.13 483	4.53 464	3.72 479	4.09 446	3.72 477

test_5	4.62 477	7.55 458	6.23 482	6.32 472	3.40 478	5.29 483	3.50 476	3.53 456	4.11 482	4.28 461	4.47 485	4.26 465	4.38 477	3.68 457	3.24 471	5.89 478	5.60 474	4.84 479	3.50 474	4.33 449	3.93 483

test_3	5.01 482	8.86 468	7.77 490	8.09 480	2.76 463	4.13 463	4.05 483	3.88 460	3.76 479	4.33 462	4.13 482	3.71 459	3.91 471	4.21 463	4.06 480	7.93 488	7.69 485	4.53 464	3.91 481	4.17 447	4.29 485

raft_robust	4.71 478	7.75 460	5.40 481	6.81 474	3.31 476	4.28 465	4.20 484	4.32 464	4.37 485	4.35 463	4.35 484	4.14 463	3.75 469	4.30 465	4.20 482	6.67 483	6.37 478	3.36 455	4.24 486	4.86 466	3.25 472

rvit_stereo_0081	3.83 459	5.23 439	3.01 455	4.53 450	3.03 466	4.55 472	3.02 462	4.56 467	3.04 462	4.52 464	3.02 461	4.54 467	3.03 452	4.56 467	3.04 459	4.57 459	3.05 449	4.57 466	3.05 461	4.58 455	3.05 461

cross-raft	4.83 479	7.52 457	6.43 483	6.63 473	3.96 483	4.51 466	3.99 482	4.49 465	3.96 481	4.52 464	3.96 480	4.50 466	3.97 473	4.50 466	3.97 478	6.65 482	6.44 479	4.33 463	3.92 482	4.35 450	3.91 482

rvit_105_1	3.83 459	5.22 438	3.01 455	4.53 450	3.01 464	4.51 466	3.01 461	4.56 467	3.04 462	4.53 466	3.03 463	4.55 469	3.03 452	4.56 467	3.04 459	4.57 459	3.05 449	4.57 466	3.05 461	4.57 454	3.05 461

rvit_stereo_0082	3.86 461	5.82 451	3.01 455	4.53 450	3.03 466	4.54 468	3.02 462	4.56 467	3.04 462	4.53 466	3.02 461	4.55 469	3.04 455	4.57 470	3.05 461	4.57 459	3.05 449	4.58 468	3.05 461	4.58 455	3.06 464

rvit_0105_6	3.87 463	5.73 450	3.10 465	4.69 460	3.12 474	4.54 468	3.02 462	4.56 467	3.04 462	4.54 468	3.03 463	4.54 467	3.04 455	4.56 467	3.05 461	4.58 462	3.05 449	4.58 468	3.05 461	4.58 455	3.05 461

rvit_stereo_0081_aga	3.86 461	5.33 442	3.02 458	4.55 456	3.04 470	4.54 468	3.02 462	4.64 474	3.06 466	4.54 468	3.04 465	4.62 476	3.08 459	4.62 473	3.07 464	4.58 462	3.06 453	4.60 470	3.08 465	4.63 458	3.07 465

rvit_0105_4	3.91 466	5.47 447	3.02 458	4.54 453	3.02 465	4.54 468	3.03 466	4.75 477	3.17 473	4.57 470	3.06 466	4.61 475	3.16 463	4.65 474	3.09 467	4.66 466	3.11 456	4.68 475	3.18 471	4.81 464	3.16 470

rvit_stereo_0080	3.89 464	5.70 448	3.04 460	4.54 453	3.03 466	4.56 473	3.05 468	4.60 471	3.07 467	4.58 471	3.06 466	4.59 471	3.06 457	4.61 471	3.08 465	4.63 464	3.09 454	4.64 472	3.10 466	4.65 459	3.10 466

whm_eth	3.89 464	5.70 448	3.04 460	4.54 453	3.03 466	4.56 473	3.05 468	4.60 471	3.07 467	4.58 471	3.06 466	4.59 471	3.06 457	4.61 471	3.08 465	4.63 464	3.09 454	4.64 472	3.10 466	4.65 459	3.10 466

rvit_0105_3	3.91 466	5.33 442	3.06 463	4.60 458	3.07 472	4.60 475	3.06 470	4.62 473	3.08 470	4.60 473	3.07 469	4.62 476	3.08 459	4.67 475	3.10 468	4.70 467	3.11 456	4.77 477	3.19 472	4.77 463	3.14 469

rvit_stereo_0083	3.92 468	5.30 441	3.06 463	4.61 459	3.09 473	4.67 477	3.08 471	4.66 475	3.09 471	4.62 474	3.10 471	4.66 479	3.11 461	4.67 475	3.16 470	4.72 469	3.16 459	4.77 477	3.11 468	4.66 461	3.11 468

rvit_stereo_ft	3.93 469	5.44 446	3.05 462	4.59 457	3.06 471	4.61 476	3.08 471	4.67 476	3.12 472	4.63 475	3.10 471	4.65 478	3.11 461	4.69 477	3.13 469	4.70 467	3.14 458	4.71 476	3.15 470	4.74 462	3.16 470

rvit_0105_5	4.10 470	5.40 444	3.13 468	4.71 461	3.15 475	4.72 480	3.10 473	4.90 481	3.27 474	4.69 476	3.16 473	4.84 481	3.25 464	4.96 479	3.34 472	5.05 472	3.39 461	5.10 481	3.40 473	5.11 469	3.42 473

RAFT+CT+SA	4.28 471	7.62 459	4.91 476	5.55 467	2.28 459	3.09 451	3.64 477	4.49 465	3.07 467	4.80 477	3.35 474	4.77 480	3.70 468	4.29 464	3.05 461	5.58 476	5.98 477	3.58 457	3.78 480	4.26 448	3.72 477

TestStereo	4.88 480	4.75 431	4.79 475	4.87 463	4.92 488	4.81 482	4.90 487	4.78 478	4.77 486	4.87 478	4.89 486	4.90 482	4.91 479	4.99 480	4.79 484	4.98 470	4.87 471	4.87 480	4.92 488	5.00 468	5.00 486

DispFullNet	4.61 476	4.84 432	3.12 466	5.00 464	3.57 479	4.75 481	3.03 466	7.75 490	4.17 483	4.91 479	3.09 470	6.20 487	3.95 472	6.71 486	3.51 473	5.30 475	3.67 463	5.86 488	3.63 475	5.61 473	3.46 474

GEStereo_RVC	0.86 317	4.45 428	0.20 144	0.27 148	0.20 168	0.27 172	0.20 154	0.26 163	0.18 153	5.03 480	0.20 167	0.27 174	0.19 161	0.27 177	0.21 165	0.20 136	0.19 150	0.19 143	4.02 483	0.20 140	0.18 149

MaDis-Stereo	3.19 454	6.02 453	1.12 342	5.61 468	1.16 380	5.43 484	1.02 361	5.15 483	0.70 329	5.43 481	1.21 421	5.03 484	0.97 345	4.85 478	0.99 357	4.53 457	1.16 352	5.53 484	1.25 423	5.37 472	1.30 424

sAnonymous2	3.31 455	2.63 384	1.38 418	3.71 445	1.86 452	4.70 478	1.11 364	4.82 479	2.72 459	5.45 482	1.98 455	4.59 471	2.64 448	2.65 446	6.21 488	4.37 454	1.08 340	5.16 482	2.24 455	4.52 452	2.39 457

CroCo_RVC	3.31 455	2.63 384	1.38 418	3.71 445	1.86 452	4.70 478	1.11 364	4.82 479	2.72 459	5.45 482	1.98 455	4.59 471	2.64 448	2.65 446	6.21 488	4.37 454	1.08 340	5.16 482	2.24 455	4.52 452	2.39 457

StereoVision	3.15 453	5.00 434	0.89 321	4.83 462	1.00 365	3.93 460	1.27 424	6.37 484	1.34 430	5.67 484	1.26 426	5.84 486	1.27 418	5.03 482	1.24 423	5.10 474	1.09 342	4.61 471	0.57 314	5.62 474	1.12 365

test-1	6.46 487	9.16 470	8.03 493	8.09 480	5.62 491	6.11 485	6.35 490	6.85 487	4.94 487	6.08 485	6.29 492	4.98 483	6.43 484	6.22 483	6.36 490	6.16 481	7.47 484	5.82 486	5.44 491	7.11 481	5.68 489

SGM-Forest	5.21 486	5.92 452	4.08 473	6.18 471	4.16 485	6.31 486	4.34 485	6.50 485	4.33 484	6.14 486	4.21 483	6.61 490	4.55 478	6.67 485	4.48 483	5.94 479	3.94 465	5.85 487	4.03 484	5.79 475	4.17 484
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
RAFT	6.73 489	9.36 471	7.40 489	8.51 483	6.55 492	6.88 488	6.60 491	6.79 486	6.60 491	6.80 487	6.72 493	5.31 485	5.50 482	6.61 484	6.61 491	8.42 490	5.89 476	5.73 485	5.45 492	6.61 477	6.24 490

test-v	7.53 491	11.89 479	7.98 491	9.36 486	7.14 493	7.06 489	7.09 492	7.37 488	6.91 492	7.29 488	5.71 490	6.45 488	6.93 485	6.73 487	7.27 492	8.93 493	7.85 486	6.98 489	6.80 493	7.56 482	7.34 492

test-2	7.53 491	11.89 479	7.98 491	9.36 486	7.14 493	7.06 489	7.09 492	7.37 488	6.91 492	7.29 488	5.71 490	6.45 488	6.93 485	6.73 487	7.27 492	8.93 493	7.85 486	6.98 489	6.80 493	7.56 482	7.34 492

FC-DCNN v2	5.10 484	5.15 436	4.49 474	5.07 465	3.37 477	6.87 487	4.75 486	5.04 482	6.34 490	7.84 490	5.06 487	6.72 491	4.09 475	4.99 480	5.44 487	5.03 471	3.16 459	4.67 474	4.86 487	5.15 470	3.89 481

rvit_stereo_0075_2	6.64 488	8.80 467	5.25 478	7.89 479	5.27 490	7.90 491	5.27 488	7.92 491	5.28 488	7.91 491	5.29 489	7.93 492	5.27 480	7.92 491	5.28 485	7.93 488	5.28 473	7.93 491	5.29 490	7.93 484	5.28 488

U	5.15 485	8.49 465	1.81 434	8.49 482	1.77 447	8.49 492	1.77 442	8.51 492	1.77 444	8.49 492	1.77 444	8.50 493	1.78 434	8.58 492	1.77 447	8.54 491	1.78 433	8.55 493	1.78 449	8.55 487	1.84 446

SGM+DAISY	7.06 490	9.15 469	5.38 480	8.84 484	5.18 489	8.80 493	5.31 489	8.79 493	5.28 488	8.89 493	5.20 488	8.93 494	5.33 481	8.95 493	5.36 486	8.70 492	5.21 472	8.74 494	5.20 489	8.89 488	5.15 487

rafts_anoy	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 494	20.00 495	20.00 494	20.00 495	20.00 495	20.00 495	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 495

raft+_RVC	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 494	20.00 495	20.00 494	20.00 495	20.00 495	20.00 495	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 495

raftrobust	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 494	20.00 495	20.00 494	20.00 495	20.00 495	20.00 495	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 495

CasAABBNet	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 494	20.00 495	20.00 494	20.00 495	20.00 495	20.00 495	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 495

RALCasStereoNet	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 494	20.00 495	20.00 494	20.00 495	20.00 495	20.00 495	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 495

RALAANet	20.00 495	20.00 481	20.00 495	20.00 495	20.00 496	20.00 494	20.00 495	20.00 494	20.00 495	20.00 494	20.00 495	20.00 495	20.00 495	20.00 494	20.00 495	20.00 495	20.00 496	20.00 495	20.00 496	20.00 495	20.00 495

MANE	19.05 494	23.00 487	15.00 494	23.00 501	15.00 495	24.00 500	16.00 494	24.00 500	16.00 494	22.00 500	15.00 494	23.00 501	16.00 494	23.00 500	15.00 494	22.00 501	15.00 495	22.00 501	15.00 495	22.00 501	15.00 494

111	30.40 501	30.94 503	29.72 502	32.61 502	30.02 503	33.57 501	30.47 502	31.50 501	29.39 502	30.98 501	29.11 502	29.78 502	30.39 505	29.45 501	30.76 505	30.08 502	29.02 503	29.92 502	30.32 506	29.86 502	30.17 502

tt	500032.53 519	34.60 505	29.72 502	37.47 511	34.41 508	36.85 507	35.22 507	34.71 505	33.55 504	34.50 502	35.43 506	33.81 506	10000000.00 522	33.57 505	33.13 506	33.68 506	35.00 508	34.03 507	35.26 509	30.96 503	34.63 507

DCANet	500032.53 519	34.60 505	29.72 502	37.47 511	34.41 508	36.85 507	35.22 507	34.71 505	33.55 504	34.50 502	35.43 506	33.81 506	10000000.00 522	33.57 505	33.13 506	33.68 506	35.00 508	34.03 507	35.26 509	30.96 503	34.63 507

fff	1000028.16 521	29.62 499	29.72 502	32.61 502	30.02 503	35.13 503	31.83 503	32.07 502	10000000.00 521	35.27 504	29.82 503	32.45 503	30.15 502	32.35 502	30.09 502	31.04 503	29.55 504	30.64 503	30.14 503	10000000.00 522	30.77 503

csc	1000028.16 521	29.62 499	29.72 502	32.61 502	30.02 503	35.13 503	31.83 503	32.07 502	10000000.00 521	35.27 504	29.82 503	32.45 503	30.15 502	32.35 502	30.09 502	31.04 503	29.55 504	30.64 503	30.14 503	10000000.00 522	30.77 503

cscssc	1000028.16 521	29.62 499	29.72 502	32.61 502	30.02 503	35.13 503	31.83 503	32.07 502	10000000.00 521	35.27 504	29.82 503	32.45 503	30.15 502	32.35 502	30.09 502	31.04 503	29.55 504	30.64 503	30.14 503	10000000.00 522	30.77 503

DCANet-4	35.22 503	34.54 504	35.08 508	33.58 506	35.47 510	34.55 502	35.53 509	36.08 507	35.85 506	35.92 507	35.77 508	35.18 508	35.48 507	35.39 507	37.15 511	34.55 508	33.92 507	35.02 509	34.90 508	35.79 506	34.74 509

Reg-Stereo(zero)	37.00 505	37.00 509	37.00 509	37.00 508	37.00 511	37.00 509	37.00 510	37.00 509	37.00 507	37.00 508	37.00 510	37.00 510	37.00 508	37.00 508	37.00 508	37.00 510	37.00 511	37.00 511	37.00 511	37.00 507	37.00 510

HI	37.00 505	37.00 509	37.00 509	37.00 508	37.00 511	37.00 509	37.00 510	37.00 509	37.00 507	37.00 508	37.00 510	37.00 510	37.00 508	37.00 508	37.00 508	37.00 510	37.00 511	37.00 511	37.00 511	37.00 507	37.00 510

CoSv	37.00 505	37.00 509	37.00 509	37.00 508	37.00 511	37.00 509	37.00 510	37.00 509	37.00 507	37.00 508	37.00 510	37.00 510	37.00 508	37.00 508	37.00 508	37.00 510	37.00 511	37.00 511	37.00 511	37.00 507	37.00 510

WCMA_ROB	31.10 502	35.43 507	27.12 501	39.51 513	23.10 502	38.78 512	25.30 501	37.49 512	25.39 501	37.29 511	27.02 501	38.52 513	26.48 501	37.80 511	26.44 501	36.28 509	22.65 502	33.90 506	22.30 502	37.10 510	24.18 501

ADStereo(finetuned)	36.13 504	36.63 508	38.07 512	36.97 507	33.25 507	35.91 506	34.45 506	36.36 508	32.99 503	38.14 512	36.71 509	36.69 509	34.13 506	38.57 512	40.79 512	37.60 513	36.58 510	35.90 510	33.36 507	35.42 505	34.04 506

MDST_ROB	69.83 508	87.70 513	41.95 513	113.75 516	65.62 516	75.05 513	55.25 514	75.64 514	45.04 510	71.61 513	41.75 513	72.81 514	44.06 511	68.38 513	44.63 513	101.89 516	59.57 516	107.10 516	61.05 516	104.38 513	59.38 515

CBMV	128.50 510	1422.70 524	53.10 514	79.50 515	51.30 515	77.30 514	49.70 513	74.00 513	48.20 511	77.20 514	48.80 514	73.90 515	48.00 512	73.80 514	48.80 514	70.40 515	45.10 515	68.90 515	46.10 515	68.20 512	45.00 514
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 511	171.00 518	160.68 519	162.58 517	160.59 517	164.01 515	160.35 516	158.51 516	158.56 513	158.34 515	160.12 516	158.56 516	159.92 514	157.26 516	158.94 516	154.38 517	158.36 517	155.75 517	159.13 518	153.67 514	154.07 516
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
NOSS_ROB	102.95 509	153.00 517	121.00 516	51.00 514	44.00 514	165.00 516	127.00 515	153.00 515	119.00 512	164.00 516	125.00 515	168.00 517	120.00 513	153.00 515	117.00 515	49.00 514	44.00 514	49.00 514	44.00 514	49.00 511	44.00 513

AE-Stereo	201.80 512	123.00 514	115.00 515	219.00 518	218.00 519	223.00 517	244.00 518	217.00 517	236.00 515	202.00 517	203.00 517	205.00 518	208.00 515	225.00 517	204.00 517	210.00 518	198.00 518	197.00 518	184.00 519	204.00 515	201.00 517

MGS-Stereo	239.45 513	123.00 514	135.00 517	266.00 519	286.00 520	277.00 518	305.00 519	271.00 518	242.00 516	274.00 518	279.00 519	255.00 519	270.00 517	268.00 518	297.00 519	221.00 519	247.00 520	216.00 519	123.00 517	217.00 516	217.00 519

EGLCR-Stereo	246.90 514	129.00 516	139.00 518	266.00 519	286.00 520	277.00 518	305.00 519	271.00 518	242.00 516	274.00 518	279.00 519	255.00 519	270.00 517	268.00 518	297.00 519	230.00 520	247.00 520	216.00 519	223.00 521	237.00 517	227.00 520

DLCB_ROB	284.23 515	354.61 520	207.27 520	363.24 521	206.46 518	364.72 520	210.41 517	364.72 520	210.41 514	364.81 520	208.64 518	364.81 521	208.64 516	364.72 520	210.41 518	354.70 521	205.53 519	354.70 521	205.53 520	354.70 518	205.53 518

LE_ROB	396.57 516	471.28 521	329.84 521	471.48 522	308.15 522	526.83 521	322.10 521	488.15 521	323.76 518	495.46 521	317.97 521	497.17 522	320.10 519	481.62 521	326.76 521	462.71 522	298.97 522	466.16 522	285.98 522	447.62 519	289.21 521

SGM-ForestM	596.69 517	677.77 522	444.52 522	699.85 523	517.25 523	732.94 522	488.29 522	770.79 522	460.11 519	750.81 522	487.98 522	792.79 523	499.41 520	730.90 522	475.81 522	720.03 523	491.16 523	663.96 523	418.60 523	674.76 520	436.05 522

CBMV_ROB	818.48 518	913.88 523	709.52 523	862.84 524	597.78 524	1073.99 523	700.52 523	1015.66 523	702.59 520	1115.65 523	760.02 523	1130.24 524	721.57 521	1037.41 523	692.65 523	814.05 524	564.29 524	843.28 524	595.31 524	915.51 521	602.92 523

IGEV-Stereo++	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 524	10000000.00 521	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 524

IGEV-BASED-STEREO-	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 524	10000000.00 521	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 524

IGEV-Stereo+	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 524	10000000.00 521	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 524

SDNR	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 524	10000000.00 521	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 524

anonymousdsp2	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 524	10000000.00 521	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 524

anonymousdsp	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 524	10000000.00 521	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 524

test_example2	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 524	10000000.00 521	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 524

DIP-Stereo	10000000.00 524	10000000.00 525	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 524	10000000.00 524	10000000.00 524	10000000.00 521	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 522	10000000.00 524	10000000.00 524	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 525	10000000.00 522	10000000.00 524
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 46		0.09 44	0.10 102							0.05 77				0.15 112	0.10 63	0.17 130	0.13 136	0.11 104

Low-res two-view benchmark