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

CoDeX	0.15 116	0.70 217	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 336	0.02 15	0.69 319	0.75 340	0.01 9	0.02 20	0.02 20

Wz-Net-TNSev	0.02 15	0.05 49	0.04 42	0.07 46	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 54	0.04 44	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 64	0.07 57	0.09 52	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 65	0.07 56	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 43	0.24 117	0.20 157	0.23 142	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 167	0.21 168	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 43	0.54 204	0.10 68	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 40	0.50 189	0.10 68	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.10 72	0.01 9	0.01 9	0.01 10	0.01 10

SFCPSM	0.17 127	0.78 221	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 355	0.02 15	0.75 329	0.76 342	0.02 20	0.02 20	0.02 20

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

USTest	0.01 9	0.02 12	0.00 1	0.14 96	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

G2L-Stereo_aug	0.03 29	0.04 37	0.03 34	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

test_sample6	0.09 50	0.97 253	0.10 68	0.10 56	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 50	1.03 269	0.11 88	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 50	1.01 263	0.09 64	0.09 52	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 50	0.95 250	0.09 64	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 50	1.01 263	0.10 68	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.03 50

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev-Ref	0.11 82	0.44 166	0.33 207	0.39 191	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 235	0.36 229	0.02 18	0.02 20	0.02 20	0.02 20

BSDual-CNN	0.81 320	1.91 370	0.92 346	4.48 468	0.02 21	0.42 262	0.06 98	0.41 237	0.02 21	0.48 273	0.03 51	0.02 20	0.02 21	0.03 39	0.02 20	1.97 445	4.19 491	0.33 207	0.23 188	0.34 197	0.27 197

psmg	0.43 235	1.91 370	0.92 346	1.91 423	0.02 21	0.02 19	0.03 49	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 445	1.44 435	0.04 70	0.03 53	0.02 20	0.03 50

CSP-Net	0.34 184	1.29 343	1.19 370	1.36 405	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 414	1.21 421	0.03 38	0.09 103	0.02 20	0.09 101

Syn2CoEx	0.25 151	1.31 345	0.74 325	0.92 309	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 336	0.75 329	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 49	0.02 12	0.02 14	1.01 326	0.03 47	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 68	0.09 98	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 50	0.02 12	0.04 42	0.90 304	0.06 100	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 120	0.36 255	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 82	0.02 12	0.02 14	1.62 416	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 81	0.04 71	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

AnyNet_C32	0.14 106	0.04 37	0.03 34	2.22 434	0.04 76	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.04 73	0.02 21	0.07 95	0.04 71	0.02 15	0.02 15	0.03 38	0.03 53	0.02 20	0.03 50

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

TCMNet	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

TCMNet-wrong-test	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.02 20	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet_1	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

DualNet (step1)	0.10 61	1.05 273	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample9	0.10 61	1.05 273	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample8	0.10 61	1.05 273	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample7	0.09 50	1.00 257	0.11 88	0.11 73	0.02 21	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.03 53	0.03 43	0.03 50

test_sample5	0.10 61	1.07 276	0.11 88	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

test_sample4	0.10 61	1.03 269	0.12 99	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.13 132	0.03 38	0.03 53	0.03 43	0.03 50

test_sample3	0.09 50	0.87 232	0.10 68	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 50	0.87 232	0.12 99	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 106	1.83 363	0.12 99	0.11 73	0.03 47	0.03 40	0.03 49	0.03 42	0.04 77	0.03 40	0.03 51	0.03 42	0.03 51	0.06 81	0.04 71	0.12 90	0.11 94	0.05 80	0.04 74	0.05 85	0.04 75

11t1	0.17 127	2.16 387	0.13 118	0.13 92	0.04 76	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.03 51	0.06 91	0.03 51	0.06 81	0.05 82	0.18 145	0.12 108	0.06 87	0.03 53	0.05 85	0.03 50

DualNet	0.10 61	1.07 276	0.11 88	0.10 56	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

ttt	0.10 61	1.09 278	0.12 99	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 61	1.14 283	0.13 118	0.14 96	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

qqq	0.16 124	2.01 378	0.12 99	0.15 106	0.04 76	0.06 85	0.05 86	0.06 87	0.04 77	0.06 89	0.03 51	0.06 91	0.03 51	0.06 81	0.03 47	0.12 90	0.14 135	0.04 70	0.04 74	0.03 43	0.03 50

x	0.11 82	1.15 285	0.15 138	0.14 96	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.15 138	0.03 38	0.03 53	0.03 43	0.03 50

hknet	1.10 362	1.85 364	3.49 490	4.48 468	0.02 21	0.42 262	0.06 98	0.41 237	0.02 21	0.48 273	0.03 51	0.41 245	0.03 51	0.42 259	0.03 47	4.39 477	4.19 491	0.33 207	0.23 188	0.34 197	0.27 197

222	0.10 61	0.99 256	0.12 99	0.13 92	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 108	0.03 38	0.02 20	0.04 73	0.03 50

xxxx	0.11 82	1.16 286	0.16 139	0.12 79	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.16 140	0.03 38	0.04 74	0.04 73	0.04 75

test_xeample	0.10 61	1.09 278	0.13 118	0.12 79	0.03 47	0.03 40	0.03 49	0.04 73	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.14 135	0.03 38	0.03 53	0.03 43	0.03 50

EDNetEfficient	0.04 37	0.05 49	0.04 42	0.04 36	0.03 47	0.04 73	0.03 49	0.04 73	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.04 68	0.03 47	0.05 50	0.03 35	0.05 80	0.03 53	0.04 73	0.03 50

BEATNet_4x	0.11 82	0.03 31	0.03 34	1.60 413	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 76	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 82	0.03 31	0.03 34	1.60 413	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 76	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ADCRef	0.12 91	0.03 31	0.04 42	1.71 419	0.04 76	0.03 40	0.03 49	0.04 73	0.04 77	0.04 70	0.03 51	0.04 73	0.03 51	0.06 81	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.03 43	0.04 75

ADCPNet	0.10 61	0.03 31	0.04 42	1.27 398	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.08 98	0.04 71	0.04 43	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 47	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 51	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

DFGA-Net	0.05 40	0.06 54	0.04 42	0.06 45	0.04 76	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.04 84	0.06 91	0.04 80	0.06 81	0.04 71	0.06 54	0.04 44	0.05 80	0.04 74	0.05 85	0.04 75

GASNet	0.05 40	0.04 37	0.12 99	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 77	0.12 115	0.04 84	0.06 91	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

APVNet	0.09 50	0.05 49	0.04 42	0.05 42	0.04 76	0.05 83	0.90 364	0.06 87	0.04 77	0.05 85	0.04 84	0.05 85	0.04 80	0.05 76	0.04 71	0.05 50	0.04 44	0.05 80	0.04 74	0.05 85	0.05 90

EDNetEfficientorigin	0.04 37	0.06 54	0.04 42	0.05 42	0.04 76	0.05 83	0.04 76	0.05 83	0.04 77	0.05 85	0.04 84	0.05 85	0.04 80	0.05 76	0.04 71	0.05 50	0.03 35	0.06 87	0.03 53	0.04 73	0.03 50

FADNet-RVC-Resample	0.12 91	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	1.57 453	0.04 43	0.04 44	0.04 70	0.05 89	0.04 73	0.06 95

ADCP+	0.15 116	0.04 37	0.04 42	2.20 433	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.05 93	0.04 73	0.04 80	0.08 98	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

NVStereoNet_ROB	0.04 37	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75
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 82	0.05 49	0.36 225	0.24 147	0.07 101	0.13 116	0.05 86	0.06 87	0.05 91	0.05 85	0.05 93	0.13 118	0.05 87	0.05 76	0.09 98	0.24 172	0.20 164	0.10 100	0.05 89	0.06 89	0.13 139

qqq1	0.25 151	3.70 432	0.14 123	0.14 96	0.04 76	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 73	0.05 87	0.06 81	0.05 82	0.13 106	0.12 108	0.06 87	0.05 89	0.03 43	0.04 75

fff1	0.25 151	3.70 432	0.14 123	0.14 96	0.04 76	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 73	0.05 87	0.06 81	0.05 82	0.13 106	0.12 108	0.06 87	0.05 89	0.03 43	0.04 75

ffm	0.25 151	3.83 438	0.12 99	0.12 79	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 91	0.05 87	0.06 81	0.05 82	0.12 90	0.12 108	0.05 80	0.04 74	0.06 89	0.04 75

ff1	0.25 151	3.83 438	0.12 99	0.12 79	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 91	0.05 87	0.06 81	0.05 82	0.12 90	0.12 108	0.05 80	0.04 74	0.06 89	0.04 75

mmx	0.25 151	3.83 438	0.12 99	0.12 79	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 91	0.05 87	0.06 81	0.05 82	0.12 90	0.12 108	0.05 80	0.04 74	0.06 89	0.04 75

BUS	0.83 328	1.91 370	0.92 346	4.48 468	0.02 21	0.40 228	0.04 76	0.41 237	0.02 21	0.48 273	0.03 51	0.41 245	0.05 87	0.03 39	0.05 82	1.97 445	4.19 491	0.33 207	0.23 188	0.34 197	0.27 197

NINENet	0.69 295	3.87 441	1.20 373	1.98 427	0.05 92	0.40 228	0.04 76	0.40 222	0.05 91	0.41 236	0.04 84	0.41 245	0.05 87	0.40 232	0.05 82	1.79 438	1.56 441	0.34 214	0.22 183	0.34 197	0.23 172

GwcNet	0.12 91	0.07 57	0.05 56	0.08 48	0.05 92	0.08 96	1.20 392	0.07 97	0.05 91	0.05 85	0.05 93	0.08 98	0.05 87	0.08 98	0.03 47	0.07 57	0.05 55	0.06 87	0.05 89	0.07 97	0.05 90

FADNet_RVC	0.12 91	0.04 37	0.04 42	0.05 42	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.65 457	0.05 50	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

FADNet-RVC	0.13 97	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 77	0.04 70	0.05 93	0.04 73	0.05 87	0.04 68	1.71 460	0.04 43	0.04 44	0.04 70	0.04 74	0.07 97	0.04 75

FADNet	0.12 91	0.05 49	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.66 458	0.06 54	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

AASNet	0.06 43	0.08 58	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

SACVNet	0.06 43	0.08 58	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

AACVNet	0.06 43	0.08 58	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

FINET	0.07 48	0.08 58	0.07 57	0.07 46	0.07 101	0.08 96	0.06 98	0.08 100	0.07 102	0.08 97	0.07 102	0.08 98	0.06 99	0.07 95	0.07 93	0.08 59	0.07 56	0.07 92	0.07 97	0.06 89	0.06 95

BEATNet-Init1	0.19 132	0.08 58	0.08 59	2.23 435	0.08 103	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 98	0.07 103	0.11 114	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

SuperB	0.21 141	0.10 66	2.51 473	0.12 79	0.09 105	0.10 101	0.09 103	0.08 100	0.07 102	0.10 101	0.09 105	0.09 102	0.07 103	0.07 95	0.07 93	0.07 57	0.08 58	0.07 92	0.07 97	0.08 99	0.07 97

DeepPrunerF	0.19 132	0.08 58	0.08 59	2.23 435	0.08 103	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 98	0.07 103	0.11 114	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

SepStereo	0.09 50	0.09 64	0.10 68	0.09 52	0.09 105	0.09 100	0.09 103	0.10 102	0.08 104	0.10 101	0.09 105	0.09 102	0.09 106	0.09 101	0.08 95	0.09 65	0.08 58	0.09 99	0.08 101	0.09 102	0.08 98

PASM	0.39 214	3.06 418	1.36 433	1.58 411	0.09 105	0.11 112	0.11 121	0.11 114	0.11 123	0.09 100	0.09 105	0.11 114	0.09 106	0.09 101	0.09 98	0.11 85	0.11 94	0.11 111	0.09 103	0.11 113	0.11 118

DRN-Test	0.14 106	0.13 80	0.09 64	0.14 96	0.09 105	0.15 124	0.09 103	0.14 118	0.10 108	0.14 117	0.09 105	0.14 119	0.09 106	0.13 119	0.09 98	0.12 90	0.09 67	0.12 114	0.09 103	0.12 118	0.73 346

StereoDRNet	0.15 116	0.14 84	0.10 68	0.14 96	0.09 105	0.15 124	0.09 103	0.14 118	0.09 107	0.14 117	0.10 109	0.14 119	0.09 106	0.14 120	0.09 98	0.13 106	0.10 72	0.13 117	0.09 103	0.13 120	0.82 357

S2M2	0.12 91	0.14 84	0.10 68	0.15 106	0.10 111	0.14 117	0.10 108	0.14 118	0.10 108	0.15 123	0.10 109	0.14 119	0.10 110	0.14 120	0.10 104	0.13 106	0.10 72	0.13 117	0.09 103	0.13 120	0.09 101

AnonymousM	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

LRCNet_RVC	0.13 97	0.13 80	0.09 64	0.13 92	0.10 111	0.14 117	0.10 108	0.14 118	0.10 108	0.23 163	0.10 109	0.20 149	0.10 110	0.24 171	0.11 116	0.11 85	0.09 67	0.12 114	0.14 150	0.12 118	0.09 101

PVD	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SHD	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SAMSARA	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

XQC	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSC	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTS	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSA	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet+	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet++	0.10 61	0.10 66	0.10 68	0.10 56	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 104	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

test_for_model	0.15 116	0.23 110	0.18 151	0.21 139	0.11 127	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 130	0.11 122	0.16 130	0.11 116	0.21 153	0.18 161	0.14 119	0.11 122	0.14 122	0.11 118

testlalala2	0.13 97	0.16 86	0.11 88	0.15 106	0.11 127	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 130	0.11 122	0.16 130	0.11 116	0.14 113	0.11 94	0.14 119	0.11 122	0.14 122	0.11 118

JetRed	0.11 82	0.12 79	0.11 88	0.11 73	0.11 127	0.11 112	0.14 141	0.11 114	0.11 123	0.12 115	0.11 123	0.11 114	0.11 122	0.11 114	0.11 116	0.11 85	0.16 140	0.11 111	0.11 122	0.11 113	0.11 118

JetBlue	0.11 82	0.11 77	0.12 99	0.13 92	0.14 147	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.11 123	0.11 114	0.11 122	0.12 118	0.12 130	0.11 85	0.11 94	0.11 111	0.11 122	0.11 113	0.11 118

testlalala_base	0.13 97	0.16 86	0.11 88	0.15 106	0.11 127	0.15 124	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 130	0.11 122	0.16 130	0.11 116	0.14 113	0.11 94	0.14 119	0.11 122	0.14 122	0.11 118

CIPLG	0.13 97	0.21 105	0.12 99	0.16 116	0.11 127	0.15 124	0.11 121	0.14 118	0.11 123	0.15 123	0.12 133	0.15 129	0.11 122	0.14 120	0.11 116	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

IPLG	0.13 97	0.20 99	0.14 123	0.15 106	0.11 127	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.11 123	0.14 119	0.11 122	0.14 120	0.11 116	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

IPLGR_C	0.14 106	0.20 99	0.12 99	0.15 106	0.11 127	0.14 117	0.15 146	0.14 118	0.11 123	0.15 123	0.12 133	0.14 119	0.11 122	0.16 130	0.11 116	0.15 122	0.12 108	0.14 119	0.12 138	0.15 132	0.12 133

MIPNet	0.14 106	0.21 105	0.17 146	0.16 116	0.11 127	0.15 124	0.12 136	0.14 118	0.11 123	0.16 128	0.11 123	0.14 119	0.11 122	0.14 120	0.11 116	0.14 113	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

IPLGR	0.14 106	0.24 117	0.14 123	0.16 116	0.12 142	0.15 124	0.12 136	0.14 118	0.11 123	0.15 123	0.12 133	0.14 119	0.11 122	0.14 120	0.11 116	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

ACRE	0.13 97	0.21 105	0.14 123	0.15 106	0.11 127	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.12 133	0.14 119	0.11 122	0.14 120	0.11 116	0.15 122	0.12 108	0.14 119	0.11 122	0.14 122	0.11 118

ICVP	0.15 116	0.53 201	0.11 88	0.16 116	0.11 127	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 130	0.11 122	0.16 130	0.11 116	0.16 130	0.11 94	0.16 135	0.11 122	0.16 136	0.11 118
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
UNet	0.29 165	0.90 239	0.10 68	0.14 96	0.10 111	0.14 117	0.10 108	0.91 341	0.69 343	0.14 117	0.11 123	0.14 119	0.11 122	0.14 120	0.10 104	0.12 90	0.09 67	0.12 114	0.09 103	0.88 330	0.76 351

aanetorigin	0.13 97	0.11 77	0.11 88	0.11 73	0.11 127	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.12 133	0.11 114	0.11 122	0.11 114	0.11 116	0.11 85	0.11 94	0.14 119	0.11 122	0.49 275	0.11 118

ELAS_RVC	0.14 106	0.16 86	0.10 68	0.15 106	0.10 111	0.18 143	0.11 121	0.19 143	0.11 123	0.19 142	0.12 133	0.18 143	0.11 122	0.19 144	0.12 130	0.14 113	0.08 58	0.14 119	0.09 103	0.15 132	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 97	0.16 86	0.11 88	0.15 106	0.09 105	0.18 143	0.11 121	0.18 141	0.11 123	0.17 137	0.11 123	0.18 143	0.11 122	0.18 141	0.11 116	0.14 113	0.08 58	0.14 119	0.08 101	0.14 122	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo	0.61 280	3.79 437	1.35 428	1.52 410	0.15 158	0.17 140	0.16 149	0.20 148	0.21 176	0.18 140	0.16 159	0.21 157	0.12 138	0.26 186	0.17 159	1.43 425	1.38 432	0.17 142	0.16 155	0.18 145	0.16 145

cf-r	0.66 287	2.17 388	0.12 99	0.18 125	0.12 142	0.18 143	2.70 479	2.60 461	0.12 141	0.18 140	0.12 133	0.18 143	0.12 138	0.18 141	0.12 130	0.15 122	0.11 94	0.15 132	0.11 122	1.81 431	1.74 466

HSM	0.14 106	0.16 86	0.12 99	0.17 124	0.12 142	0.17 140	0.11 121	0.17 139	0.11 123	0.17 137	0.12 133	0.17 140	0.12 138	0.17 139	0.12 130	0.16 130	0.11 94	0.16 135	0.11 122	0.16 136	0.12 133

LALA_ROB	0.15 116	0.19 95	0.12 99	0.18 125	0.11 127	0.20 151	0.12 136	0.21 155	0.12 141	0.20 147	0.12 133	0.20 149	0.12 138	0.21 159	0.13 136	0.17 137	0.10 72	0.18 152	0.11 122	0.18 145	0.11 118

SGM_RVC	0.15 116	0.17 92	0.11 88	0.18 125	0.11 127	0.19 146	0.11 121	0.19 143	0.12 141	0.19 142	0.12 133	0.20 149	0.12 138	0.19 144	0.12 130	0.16 130	0.11 94	0.17 142	0.10 110	0.17 141	0.10 106
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
castereo++	0.54 269	3.59 429	1.15 364	1.31 401	0.14 147	0.16 132	0.14 141	0.16 131	0.14 146	0.16 128	0.14 150	0.16 130	0.13 143	0.16 130	0.14 140	1.45 426	1.16 370	0.15 132	0.14 150	0.15 132	0.13 139

DDVS	0.30 166	3.10 419	0.14 123	0.19 128	0.14 147	0.19 146	0.14 141	0.20 148	0.14 146	0.19 142	0.13 145	0.16 130	0.13 143	0.19 144	0.13 136	0.17 137	0.13 132	0.17 142	0.13 146	0.17 141	0.13 139

ProNet	0.14 106	0.20 99	0.14 123	0.16 116	0.11 127	0.16 132	0.11 121	0.17 139	0.11 123	0.17 137	0.12 133	0.17 140	0.13 143	0.17 139	0.12 130	0.15 122	0.11 94	0.16 135	0.11 122	0.15 132	0.12 133

DeepPruner_ROB	0.16 124	0.18 94	0.13 118	0.19 128	0.13 145	0.19 146	0.13 139	0.19 143	0.13 144	0.19 142	0.13 145	0.19 147	0.13 143	0.19 144	0.13 136	0.18 145	0.13 132	0.18 152	0.13 146	0.18 145	0.13 139

ITSA-stereo	0.15 116	0.17 92	0.13 118	0.20 130	0.13 145	0.19 146	0.13 139	0.18 141	0.13 144	0.19 142	0.13 145	0.18 143	0.14 147	0.18 141	0.14 140	0.16 130	0.11 94	0.15 132	0.14 150	0.18 145	0.11 118

HCRNet	1.22 415	7.11 479	3.00 475	3.55 463	0.33 248	0.29 188	0.14 141	0.19 143	0.15 156	0.33 198	0.29 221	0.25 176	0.14 147	0.22 163	0.33 236	3.64 472	3.00 469	0.76 342	0.32 247	0.18 145	0.13 139

GMStereo	0.14 106	0.13 80	0.14 123	0.14 96	0.14 147	0.14 117	0.14 141	0.14 118	0.14 146	0.14 117	0.14 150	0.14 119	0.14 147	0.14 120	0.14 140	0.14 113	0.14 135	0.14 119	0.14 150	0.14 122	0.14 144
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 134	0.19 95	0.14 123	0.20 130	0.14 147	0.20 151	0.96 371	0.21 155	0.14 146	0.20 147	0.13 145	0.21 157	0.14 147	0.20 148	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	0.17 141	0.12 133

acv_ft	0.20 134	0.19 95	0.14 123	0.20 130	0.14 147	0.20 151	0.96 371	0.21 155	0.14 146	0.20 147	0.13 145	0.21 157	0.14 147	0.20 148	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	0.17 141	0.12 133

hitnet-ft	0.79 313	2.78 414	0.14 123	0.20 130	0.14 147	0.21 159	2.89 480	2.80 468	0.14 146	0.20 147	0.14 150	0.20 149	0.14 147	0.20 148	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	2.54 455	2.33 476

PSMNet-RSSM	0.77 309	2.76 411	0.14 123	0.20 130	0.14 147	0.20 151	2.66 477	2.79 467	0.14 146	0.21 157	0.14 150	0.21 157	0.14 147	0.20 148	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	2.52 453	2.31 474

GwcNet-RSSM	0.77 309	2.77 413	0.14 123	0.20 130	0.14 147	0.20 151	2.67 478	2.78 466	0.14 146	0.20 147	0.14 150	0.20 149	0.14 147	0.21 159	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	2.52 453	2.31 474

CFNet-ft	0.55 273	1.57 352	0.14 123	0.20 130	0.14 147	0.20 151	2.53 476	1.61 434	0.14 146	0.20 147	0.14 150	0.20 149	0.14 147	0.20 148	0.14 140	0.17 137	0.12 108	0.17 142	0.12 138	1.56 426	1.24 440

PDISCO_ROB	0.83 328	2.80 415	3.49 490	0.14 96	0.11 127	0.17 140	0.09 103	0.15 130	0.10 108	0.15 123	0.12 133	0.16 130	0.14 147	3.30 474	0.13 136	0.14 113	2.34 466	0.16 135	0.12 138	2.62 456	0.10 106

xyz-stereo-finetune2	0.18 130	0.48 183	0.16 139	0.16 116	0.15 158	0.15 124	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 130	0.16 157	0.16 130	0.16 156	0.16 130	0.16 140	0.16 135	0.16 155	0.16 136	0.16 145

xyz-stereo	0.18 130	0.50 189	0.16 139	0.15 106	0.16 165	0.16 132	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 130	0.16 157	0.16 130	0.16 156	0.16 130	0.16 140	0.16 135	0.16 155	0.16 136	0.16 145

GMStereo_Zeroshot	0.16 124	0.16 86	0.16 139	0.16 116	0.16 165	0.16 132	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 130	0.16 157	0.16 130	0.16 156	0.16 130	0.16 140	0.16 135	0.16 155	0.16 136	0.16 145

dad	0.23 148	1.03 269	0.16 139	0.23 142	0.15 158	0.24 168	0.15 146	0.24 166	0.16 158	0.23 163	0.16 159	0.24 171	0.16 157	0.23 167	0.15 150	0.22 156	0.16 140	0.22 164	0.16 155	0.22 158	0.16 145

tg	0.21 141	0.25 119	0.21 161	0.26 159	0.17 168	0.24 168	0.17 154	0.24 166	0.17 163	0.24 168	0.17 164	0.24 171	0.17 161	0.24 171	0.17 159	0.24 172	0.17 155	0.23 170	0.16 155	0.23 167	0.16 145

ACV-stereo	0.30 166	2.08 380	0.25 175	0.25 152	0.18 175	0.24 168	0.17 154	0.24 166	0.18 165	0.24 168	0.17 164	0.25 176	0.17 161	0.24 171	0.17 159	0.22 156	0.16 140	0.22 164	0.16 155	0.22 158	0.16 145

MIM_Stereo	0.25 151	0.23 110	0.66 311	0.80 294	0.17 168	0.22 161	0.17 154	0.23 163	0.18 165	0.26 179	0.17 164	0.21 157	0.17 161	0.25 176	0.17 159	0.23 167	0.16 140	0.21 159	0.17 173	0.22 158	0.17 157

dd	0.23 148	0.98 254	0.16 139	0.23 142	0.15 158	0.23 167	0.15 146	0.23 163	0.15 156	0.23 163	0.15 158	0.24 171	0.17 161	0.23 167	0.15 150	0.22 156	0.15 138	0.21 159	0.15 154	0.22 158	0.16 145

delet	0.43 235	1.21 337	0.17 146	0.25 152	0.17 168	0.25 175	0.18 160	1.26 422	0.95 374	0.25 172	0.17 164	0.25 176	0.17 161	0.25 176	0.17 159	0.23 167	0.16 140	0.22 164	0.16 155	1.18 364	0.98 370

psm_up	0.43 235	1.19 290	0.17 146	0.25 152	0.18 175	0.25 175	0.19 164	1.26 422	0.91 367	0.26 179	0.17 164	0.25 176	0.17 161	0.25 176	0.17 159	0.22 156	0.17 155	0.23 170	0.16 155	1.18 364	0.99 371

UPFNet	0.42 234	1.20 291	0.17 146	0.24 147	0.17 168	0.25 175	0.17 154	1.19 370	0.90 366	0.25 172	0.17 164	0.24 171	0.17 161	0.25 176	0.17 159	0.22 156	0.17 155	0.22 164	0.16 155	1.15 356	0.93 366

CAS++	0.17 127	0.27 121	0.21 161	0.10 56	0.21 188	0.15 124	0.22 178	0.10 102	0.21 176	0.22 159	0.10 109	0.19 147	0.18 168	0.10 103	0.19 171	0.20 148	0.19 162	0.18 152	0.10 110	0.19 151	0.18 161
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 134	0.19 95	0.40 241	0.30 164	0.17 168	0.22 161	0.17 154	0.21 155	0.17 163	0.20 147	0.17 164	0.21 157	0.18 168	0.21 159	0.17 159	0.20 148	0.16 140	0.20 156	0.16 155	0.20 152	0.17 157

MMNet	0.44 238	1.24 341	0.17 146	0.25 152	0.17 168	0.25 175	0.18 160	1.26 422	0.93 372	0.25 172	0.17 164	0.25 176	0.18 168	0.25 176	0.17 159	0.23 167	0.16 140	0.23 170	0.16 155	1.20 367	0.99 371

GANet-RSSM	0.75 304	1.91 370	0.14 123	0.47 233	0.14 147	0.21 159	3.21 496	2.30 455	0.14 146	0.46 262	0.14 150	0.23 167	0.18 168	0.21 159	0.14 140	0.18 145	0.27 187	0.37 235	0.13 146	2.13 440	2.12 469

iResNet	0.20 134	0.23 110	0.18 151	0.24 147	0.18 175	0.24 168	0.20 167	0.24 166	0.18 165	0.23 163	0.17 164	0.23 167	0.18 168	0.23 167	0.18 168	0.22 156	0.16 140	0.21 159	0.16 155	0.21 156	0.16 145

Pointernet	0.21 141	0.22 109	0.19 154	0.24 147	0.19 179	0.24 168	0.19 164	0.24 166	0.19 171	0.24 168	0.19 175	0.24 171	0.19 173	0.24 171	0.19 171	0.22 156	0.17 155	0.22 164	0.17 173	0.22 158	0.17 157

GEStereo_RVC	0.86 334	4.45 449	0.20 157	0.27 161	0.20 181	0.27 185	0.20 167	0.26 176	0.18 165	5.03 502	0.20 179	0.27 186	0.19 173	0.27 189	0.21 177	0.20 148	0.19 162	0.19 155	4.02 507	0.20 152	0.18 161

ac_64	0.22 144	0.13 80	0.19 154	0.23 142	0.10 111	0.26 182	1.02 379	0.14 118	0.10 108	0.28 182	0.14 150	0.17 140	0.19 173	0.28 191	0.09 98	0.22 156	0.16 140	0.23 170	0.17 173	0.11 113	0.12 133

iResNetv2_ROB	0.20 134	0.23 110	0.18 151	0.24 147	0.20 181	0.24 168	0.18 160	0.24 166	0.18 165	0.24 168	0.18 174	0.23 167	0.19 173	0.24 171	0.18 168	0.21 153	0.16 140	0.21 159	0.16 155	0.22 158	0.16 145

ssnet_v2	0.68 292	1.96 377	1.25 424	0.29 163	0.20 181	0.30 189	0.20 167	0.29 183	0.22 179	1.50 436	0.20 179	0.31 197	0.20 177	0.27 189	0.22 179	0.24 172	1.49 438	0.26 181	0.18 177	3.90 464	0.19 163

DAS	0.20 134	0.20 99	0.20 157	0.20 130	0.20 181	0.20 151	0.20 167	0.20 148	0.20 173	0.20 147	0.20 179	0.20 149	0.20 177	0.20 148	0.20 174	0.20 148	0.20 164	0.20 156	0.20 178	0.20 152	0.20 164

ASD4	0.20 134	0.20 99	0.20 157	0.20 130	0.20 181	0.20 151	0.20 167	0.20 148	0.20 173	0.20 147	0.20 179	0.20 149	0.20 177	0.20 148	0.20 174	0.20 148	0.20 164	0.20 156	0.20 178	0.20 152	0.20 164

AANet_RVC	1.26 417	0.31 128	4.99 501	5.93 493	0.20 181	0.25 175	0.20 167	0.25 172	0.20 173	0.23 163	0.19 175	0.25 176	0.20 177	0.25 176	0.20 174	5.66 501	4.76 494	0.26 181	0.30 237	0.24 168	0.27 197

DISCO	1.11 364	0.39 146	5.28 503	0.39 191	0.20 181	0.39 226	0.27 204	0.39 217	0.22 179	0.38 213	0.20 179	0.38 222	0.20 177	6.95 513	0.22 179	0.30 192	0.21 168	0.27 185	0.21 180	5.25 495	0.21 167

model_zeroshot	0.27 160	0.20 99	0.27 182	0.33 173	0.21 188	0.37 216	0.22 178	0.37 208	0.24 187	0.26 179	0.27 211	0.33 202	0.21 182	0.25 176	0.27 201	0.32 196	0.20 164	0.34 214	0.23 188	0.25 169	0.26 189

DEFOM-Stereo_RVC	0.83 328	5.18 459	1.98 464	2.19 432	0.17 168	0.19 146	0.18 160	0.19 143	0.16 158	0.20 147	0.19 175	0.22 163	0.22 183	0.20 148	0.15 150	2.28 453	2.13 461	0.24 177	0.17 173	0.18 145	0.16 145

DCVSM-stereo	0.36 195	1.89 367	0.22 163	0.40 204	0.22 190	0.40 228	0.22 178	0.40 222	0.22 179	0.40 223	0.22 185	0.40 233	0.22 183	0.40 232	0.22 179	0.28 184	0.21 168	0.28 187	0.21 180	0.28 176	0.20 164

WAO-6	0.22 144	0.23 110	0.22 163	0.23 142	0.22 190	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 163	0.22 183	0.22 163	0.22 179	0.22 156	0.22 172	0.22 164	0.22 183	0.22 158	0.22 170

IMH-64-1	0.22 144	0.23 110	0.23 166	0.22 140	0.22 190	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 163	0.22 183	0.22 163	0.22 179	0.22 156	0.22 172	0.23 170	0.22 183	0.22 158	0.23 172

IMH-64	0.22 144	0.23 110	0.23 166	0.22 140	0.22 190	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 163	0.22 183	0.22 163	0.22 179	0.22 156	0.22 172	0.23 170	0.22 183	0.22 158	0.23 172

HGLStereo	0.28 161	0.29 126	0.22 163	0.36 180	0.22 190	0.36 211	0.21 173	0.36 202	0.21 176	0.42 248	0.21 184	0.36 214	0.22 183	0.36 215	0.21 177	0.34 202	0.21 168	0.34 214	0.21 180	0.34 197	0.21 167

PAM	0.39 214	1.88 366	0.34 215	0.37 183	0.41 288	0.45 269	0.22 178	0.28 179	0.23 185	0.28 182	0.24 195	0.29 192	0.23 189	0.29 194	0.23 185	0.38 226	0.32 215	0.38 242	0.37 271	0.32 187	0.22 170

testlalala	0.32 179	0.81 227	0.31 198	0.39 191	0.26 210	0.33 202	0.24 190	0.33 191	0.26 205	0.32 193	0.26 207	0.33 202	0.23 189	0.33 205	0.23 185	0.35 211	0.31 213	0.30 194	0.24 196	0.31 185	0.21 167

FENet	0.54 269	1.52 351	1.19 370	1.41 408	0.23 195	0.35 208	0.23 185	0.35 198	0.23 185	0.34 200	0.23 189	0.35 208	0.23 189	0.35 209	0.23 185	1.40 424	1.07 354	0.32 199	0.23 188	0.33 193	0.23 172

WCG-NET（raft）	0.32 179	1.24 341	0.24 172	0.32 170	0.24 200	0.32 200	0.23 185	0.32 188	0.24 187	0.32 193	0.24 195	0.32 199	0.24 192	0.32 199	0.24 189	0.30 192	0.23 176	0.30 194	0.23 188	0.30 182	0.23 172

DLNR_Zeroshot_test	0.31 171	0.28 124	0.47 268	0.79 292	0.24 200	0.30 189	0.26 201	0.30 185	0.24 187	0.32 193	0.23 189	0.31 197	0.24 192	0.30 196	0.23 185	0.29 191	0.26 182	0.29 192	0.24 196	0.33 193	0.23 172

iResNet_ROB	0.28 161	0.32 129	0.24 172	0.32 170	0.25 202	0.32 200	0.24 190	0.32 188	0.24 187	0.33 198	0.24 195	0.35 208	0.24 192	0.33 205	0.24 189	0.31 195	0.24 178	0.32 199	0.24 196	0.32 187	0.24 182

UNDER WATER-64	0.25 151	0.26 120	0.25 175	0.26 159	0.25 202	0.25 175	0.25 193	0.25 172	0.25 192	0.25 172	0.25 201	0.25 176	0.25 195	0.26 186	0.25 195	0.25 178	0.25 179	0.25 178	0.25 201	0.25 169	0.25 183

tt1	0.31 171	0.93 248	0.24 172	0.33 173	0.23 195	0.31 192	0.24 190	0.32 188	0.24 187	0.32 193	0.23 189	0.32 199	0.25 195	0.32 199	0.24 189	0.27 182	0.26 182	0.27 185	0.26 207	0.27 174	0.27 197

xxxxx1	0.31 171	0.91 241	0.23 166	0.31 167	0.23 195	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 202	0.25 195	0.32 199	0.24 189	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 197

tt_ll	0.31 171	0.91 241	0.23 166	0.31 167	0.23 195	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 202	0.25 195	0.32 199	0.24 189	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 197

CAS	0.30 166	1.17 287	0.25 175	0.25 152	0.25 202	0.26 182	0.25 193	0.25 172	0.26 205	0.25 172	0.25 201	0.25 176	0.25 195	0.25 176	0.25 195	0.26 179	0.26 182	0.26 181	0.25 201	0.26 171	0.25 183

LoS	0.25 151	0.27 121	0.25 175	0.25 152	0.25 202	0.25 175	0.25 193	0.26 176	0.25 192	0.25 172	0.25 201	0.25 176	0.25 195	0.25 176	0.25 195	0.26 179	0.25 179	0.25 178	0.26 207	0.26 171	0.25 183
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ff	0.31 171	0.91 241	0.23 166	0.31 167	0.23 195	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 202	0.25 195	0.32 199	0.24 189	0.28 184	0.28 192	0.28 187	0.28 218	0.29 179	0.27 197

IER	0.88 335	7.04 478	2.23 467	2.75 450	0.28 215	0.43 266	0.25 193	0.39 217	0.25 192	0.41 236	0.27 211	0.39 226	0.25 195	0.40 232	0.28 207	0.37 219	0.28 192	0.37 235	0.25 201	0.37 218	0.25 183

CroCo-Stereo	0.73 302	1.22 340	0.25 175	1.22 394	0.25 202	1.22 426	0.25 193	1.22 419	0.25 192	1.22 427	0.25 201	1.22 431	0.25 195	1.22 430	0.25 195	1.22 413	0.26 182	1.21 435	0.25 201	1.22 414	0.25 183
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
GCAP-BAT	0.33 182	0.78 221	0.32 202	0.38 186	0.25 202	0.34 204	0.25 193	0.34 195	0.26 205	0.34 200	0.25 201	0.35 208	0.26 204	0.35 209	0.27 201	0.36 215	0.30 209	0.32 199	0.24 196	0.32 187	0.26 189

LoS_RVC	0.30 166	1.14 283	0.25 175	0.25 152	0.25 202	0.26 182	0.25 193	0.25 172	0.25 192	0.25 172	0.25 201	0.26 185	0.26 204	0.26 186	0.25 195	0.26 179	0.26 182	0.25 178	0.25 201	0.26 171	0.26 189

gwcnet-sp	0.82 324	1.72 357	1.48 440	0.39 191	0.15 158	0.31 192	0.21 173	0.20 148	0.25 192	1.61 438	0.23 189	0.28 187	0.26 204	0.20 148	0.15 150	0.24 172	1.33 426	0.32 199	0.16 155	6.75 502	0.23 172

scenet	0.82 324	1.72 357	1.48 440	0.39 191	0.15 158	0.31 192	0.21 173	0.20 148	0.25 192	1.61 438	0.23 189	0.28 187	0.26 204	0.20 148	0.15 150	0.24 172	1.33 426	0.32 199	0.16 155	6.75 502	0.23 172

ssnet	0.82 324	1.72 357	1.48 440	0.39 191	0.15 158	0.31 192	0.21 173	0.20 148	0.25 192	1.61 438	0.23 189	0.28 187	0.26 204	0.20 148	0.15 150	0.24 172	1.33 426	0.32 199	0.16 155	6.75 502	0.23 172

CroCo-Stereo Lap2	0.77 309	1.29 343	0.29 188	1.27 398	0.29 222	1.27 429	0.26 201	1.26 422	0.26 205	1.26 428	0.26 207	1.27 433	0.26 204	1.26 431	0.27 201	1.27 415	0.27 187	1.27 438	0.27 214	1.27 416	0.27 197

StereoDRNet-Refined	0.33 182	0.39 146	0.26 181	0.39 191	0.26 210	0.40 228	0.26 201	0.40 222	0.26 205	0.39 218	0.26 207	0.39 226	0.26 204	0.39 229	0.26 200	0.37 219	0.25 179	0.37 235	0.25 201	0.37 218	0.37 256
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DN-CSS_ROB	0.31 171	0.35 132	0.28 186	0.35 176	0.28 215	0.34 204	0.27 204	0.34 195	0.25 192	0.35 204	0.27 211	0.36 214	0.26 204	0.34 207	0.28 207	0.35 211	0.28 192	0.34 214	0.28 218	0.34 197	0.27 197

DEFOM-Stereo	0.68 292	3.11 420	1.40 438	1.63 417	0.25 202	0.31 192	0.25 193	0.31 187	0.28 213	0.31 188	0.29 221	0.29 192	0.27 212	0.31 198	0.28 207	1.59 432	1.47 437	0.30 194	0.29 227	0.30 182	0.28 210

Any-RAFT	0.32 179	0.36 135	0.27 182	0.36 180	0.27 212	0.36 211	0.27 204	0.36 202	0.27 210	0.36 207	0.27 211	0.36 214	0.27 212	0.36 215	0.28 207	0.36 215	0.28 192	0.36 232	0.28 218	0.36 216	0.28 210

CRFU-Net	0.65 285	1.67 356	1.22 420	1.96 426	0.27 212	0.41 244	0.27 204	0.41 237	0.27 210	0.40 223	0.26 207	0.41 245	0.27 212	0.40 232	0.27 201	1.80 439	1.62 446	0.34 214	0.23 188	0.33 193	0.23 172

DGSMNet	0.34 184	0.41 155	0.27 182	0.41 214	0.28 215	0.41 244	0.28 209	0.41 237	0.27 210	0.41 236	0.27 211	0.42 261	0.27 212	0.41 246	0.28 207	0.40 239	0.29 201	0.40 256	0.28 218	0.40 238	0.27 197

RAFT + AFF	0.31 171	0.45 169	0.34 215	0.39 191	0.28 215	0.38 220	0.33 235	0.29 183	0.31 232	0.30 186	0.30 232	0.29 192	0.27 212	0.29 194	0.30 224	0.28 184	0.29 201	0.29 192	0.29 227	0.27 174	0.32 234

MLCV	0.31 171	0.35 132	0.27 182	0.35 176	0.28 215	0.35 208	0.27 204	0.35 198	0.28 213	0.36 207	0.27 211	0.35 208	0.27 212	0.35 209	0.27 201	0.34 202	0.27 187	0.34 214	0.27 214	0.34 197	0.27 197

LG-Stereo_L2	0.34 184	0.37 137	0.38 231	0.47 233	0.28 215	0.39 226	0.28 209	0.39 217	0.28 213	0.39 218	0.28 217	0.39 226	0.28 218	0.38 221	0.28 207	0.42 261	0.35 226	0.36 232	0.26 207	0.35 209	0.26 189

GIP-stereo	0.36 195	0.49 185	0.39 238	0.48 237	0.32 237	0.41 244	0.28 209	0.40 222	0.30 228	0.41 236	0.28 217	0.40 233	0.28 218	0.42 259	0.28 207	0.45 264	0.32 215	0.38 242	0.30 237	0.37 218	0.27 197

1test111	0.37 200	1.02 267	0.30 192	0.39 191	0.29 222	0.40 228	0.28 209	0.39 217	0.29 218	0.39 218	0.29 221	0.39 226	0.28 218	0.40 232	0.29 217	0.33 199	0.32 215	0.33 207	0.31 243	0.32 187	0.31 230

cc1	0.37 200	1.02 267	0.30 192	0.39 191	0.29 222	0.40 228	0.28 209	0.39 217	0.29 218	0.39 218	0.29 221	0.39 226	0.28 218	0.40 232	0.29 217	0.33 199	0.32 215	0.33 207	0.31 243	0.32 187	0.31 230

MSKI-zero shot	0.24 150	0.21 105	0.49 279	0.65 277	0.18 175	0.22 161	0.17 154	0.23 163	0.18 165	0.21 157	0.17 164	0.23 167	0.28 218	0.23 167	0.18 168	0.21 153	0.16 140	0.21 159	0.16 155	0.21 156	0.16 145

SQANet	0.28 161	0.28 124	0.28 186	0.28 162	0.28 215	0.28 186	0.28 209	0.28 179	0.28 213	0.28 182	0.28 217	0.28 187	0.28 218	0.28 191	0.28 207	0.28 184	0.28 192	0.28 187	0.28 218	0.28 176	0.28 210

gcap-zeroshot	0.35 191	0.32 129	0.37 228	0.49 243	0.39 280	0.33 202	0.21 173	0.26 176	0.35 251	0.42 248	0.34 249	0.49 285	0.29 224	0.47 273	0.39 272	0.34 202	0.17 155	0.38 242	0.23 188	0.48 272	0.34 245

IGEV++	0.34 184	0.43 163	0.30 192	0.40 204	0.29 222	0.40 228	0.29 216	0.40 222	0.29 218	0.40 223	0.29 221	0.40 233	0.29 224	0.40 232	0.30 224	0.38 226	0.29 201	0.37 235	0.29 227	0.37 218	0.29 215

ACVNet-DCA	0.37 200	1.00 257	0.30 192	0.40 204	0.29 222	0.40 228	0.29 216	0.40 222	0.29 218	0.40 223	0.29 221	0.40 233	0.29 224	0.39 229	0.28 207	0.33 199	0.32 215	0.33 207	0.32 247	0.33 193	0.32 234

xx1	0.38 206	1.03 269	0.31 198	0.40 204	0.31 235	0.41 244	0.28 209	0.40 222	0.29 218	0.40 223	0.29 221	0.40 233	0.29 224	0.40 232	0.29 217	0.34 202	0.33 222	0.34 214	0.32 247	0.34 197	0.32 234

IGEV-Stereo	0.35 191	0.44 166	0.45 259	0.49 243	0.30 231	0.37 216	0.30 221	0.36 202	0.30 228	0.36 207	0.29 221	0.36 214	0.29 224	0.36 215	0.30 224	0.46 265	0.39 244	0.32 199	0.24 196	0.32 187	0.25 183
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PML	0.46 242	1.36 348	0.29 188	0.58 265	0.30 231	0.57 316	0.29 216	0.57 302	0.29 218	0.57 311	0.29 221	0.57 316	0.29 224	0.56 309	0.29 217	0.52 291	0.30 209	0.53 318	0.31 243	0.53 291	0.30 225

RSM	0.36 195	0.36 135	0.43 255	0.37 183	0.42 298	0.49 288	0.42 287	0.37 208	0.28 213	0.36 207	0.29 221	0.36 214	0.30 230	0.37 219	0.28 207	0.34 202	0.31 213	0.34 214	0.35 263	0.40 238	0.29 215

EKT-Stereo	0.37 200	0.40 148	0.44 257	1.07 330	0.29 222	0.34 204	0.31 225	0.36 202	0.29 218	0.38 213	0.31 235	0.37 220	0.30 230	0.36 215	0.29 217	0.34 202	0.28 192	0.39 252	0.30 237	0.37 218	0.30 225

iRaft-Stereo_20w	0.34 184	0.41 155	0.31 198	0.39 191	0.29 222	0.40 228	0.32 226	0.41 237	0.32 235	0.38 213	0.30 232	0.39 226	0.30 230	0.38 221	0.32 229	0.35 211	0.27 187	0.34 214	0.27 214	0.34 197	0.29 215

GES	0.66 287	2.34 395	0.29 188	0.41 214	0.29 222	0.41 244	0.29 216	0.42 253	0.29 218	0.40 223	0.41 285	0.41 245	0.30 230	0.51 299	0.29 217	0.32 196	0.29 201	0.32 199	2.46 480	2.49 452	0.30 225

DANet	0.30 166	0.30 127	0.30 192	0.30 164	0.30 231	0.30 189	0.30 221	0.30 185	0.30 228	0.30 186	0.30 232	0.30 195	0.30 230	0.30 196	0.30 224	0.30 192	0.30 209	0.30 194	0.30 237	0.30 182	0.30 225
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xyz-stereo-finetune	0.28 161	0.49 185	0.16 139	0.16 116	0.16 165	0.16 132	0.16 149	0.22 159	0.30 228	0.32 193	0.31 235	0.32 199	0.31 235	0.32 199	0.32 229	0.32 196	0.33 222	0.31 198	0.32 247	0.31 185	0.32 234

LL-Strereo2	0.48 253	1.73 361	0.51 287	0.59 267	0.34 256	0.42 262	0.33 235	0.40 222	0.31 232	0.42 248	0.33 242	0.42 261	0.31 235	0.44 263	0.39 272	0.60 300	0.51 292	0.44 281	0.33 255	0.44 257	0.33 239

GREAT-IGEV	0.38 206	0.43 163	0.36 225	0.48 237	0.32 237	0.45 269	0.32 226	0.45 259	0.32 235	0.45 259	0.32 237	0.45 267	0.32 237	0.45 266	0.32 229	0.44 263	0.33 222	0.41 268	0.29 227	0.41 248	0.29 215

mms	0.40 218	0.45 169	0.35 223	0.48 237	0.36 265	0.47 278	0.34 244	0.45 259	0.38 266	0.47 267	0.33 242	0.45 267	0.32 237	0.45 266	0.32 229	0.39 235	0.38 237	0.38 242	0.37 271	0.39 234	0.39 267

MyStereo04	0.56 275	3.72 435	0.59 299	0.49 243	0.41 288	0.36 211	0.32 226	0.37 208	0.31 232	0.34 200	0.46 303	0.35 208	0.32 237	0.35 209	0.33 236	0.49 277	0.45 266	0.34 214	0.32 247	0.35 209	0.43 285

RAFT-Test	0.36 195	0.37 137	0.33 207	0.41 214	0.32 237	0.41 244	0.32 226	0.41 237	0.32 235	0.41 236	0.32 237	0.41 245	0.32 237	0.41 246	0.33 236	0.37 219	0.29 201	0.37 235	0.29 227	0.38 227	0.31 230

4D-IteraStereo	0.78 312	3.13 421	0.89 339	0.69 282	0.32 237	0.40 228	0.32 226	0.76 326	0.97 377	0.52 299	0.65 343	0.89 353	0.32 237	0.76 336	0.98 373	0.83 331	0.94 346	0.35 227	0.27 214	0.70 308	0.89 362

Gwc-CoAtRS	0.41 225	1.49 350	0.32 202	0.42 222	0.32 237	0.41 244	0.32 226	0.41 237	0.33 240	0.41 236	0.32 237	0.41 245	0.32 237	0.41 246	0.32 229	0.39 235	0.28 192	0.39 252	0.28 218	0.40 238	0.28 210

fffy	0.38 206	0.43 163	0.33 207	0.46 227	0.33 248	0.45 269	0.32 226	0.45 259	0.32 235	0.45 259	0.32 237	0.45 267	0.33 243	0.45 266	0.32 229	0.38 226	0.38 237	0.38 242	0.37 271	0.37 218	0.36 252

CASnet	0.35 191	0.51 196	0.44 257	0.32 170	0.31 235	0.24 168	0.34 244	0.36 202	0.25 192	0.31 188	0.37 267	0.30 195	0.33 243	0.25 176	0.45 293	0.37 219	0.37 231	0.33 207	0.35 263	0.34 197	0.37 256
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.51 265	3.22 424	0.34 215	0.44 225	0.34 256	0.44 268	0.34 244	0.43 257	0.34 248	0.43 254	0.34 249	0.44 265	0.33 243	0.43 261	0.33 236	0.38 226	0.29 201	0.38 242	0.29 227	0.38 227	0.29 215

psmorigin	0.41 225	0.46 173	0.33 207	0.49 243	0.33 248	0.49 288	0.33 235	0.49 275	0.33 240	0.49 280	0.33 242	0.49 285	0.33 243	0.51 299	0.33 236	0.41 247	0.30 209	0.41 268	0.30 237	0.79 318	0.29 215

HART	0.38 206	0.45 169	0.34 215	0.42 222	0.33 248	0.41 244	0.34 244	0.42 253	0.33 240	0.43 254	0.34 249	0.42 261	0.34 247	0.41 246	0.38 266	0.40 239	0.32 215	0.42 278	0.32 247	0.40 238	0.32 234

ccccc	0.41 225	0.44 166	0.34 215	0.48 237	0.35 259	0.48 283	0.35 249	0.51 292	0.35 251	0.47 267	0.35 257	0.47 275	0.34 247	0.47 273	0.35 251	0.41 247	0.40 247	0.40 256	0.40 287	0.41 248	0.39 267

RAFT-Stereo-weight	0.45 239	1.90 369	0.34 215	0.42 222	0.36 265	0.43 266	0.35 249	0.42 253	0.34 248	0.42 248	0.34 249	0.44 265	0.34 247	0.41 246	0.34 249	0.38 226	0.32 215	0.38 242	0.32 247	0.38 227	0.33 239

H2IRNET	0.34 184	0.34 131	0.34 215	0.34 175	0.34 256	0.34 204	0.34 244	0.34 195	0.34 248	0.34 200	0.34 249	0.34 207	0.34 247	0.34 207	0.34 249	0.34 202	0.34 225	0.34 214	0.34 257	0.34 197	0.34 245

iRaft-Stereo_5w	0.34 184	0.42 162	0.31 198	0.39 191	0.30 231	0.38 220	0.30 221	0.40 222	0.29 218	0.40 223	0.37 267	0.41 245	0.34 247	0.38 221	0.30 224	0.34 202	0.27 187	0.34 214	0.26 207	0.34 197	0.26 189

CFNet-RSSM	0.91 338	4.89 455	0.34 215	0.44 225	1.07 391	1.62 444	1.40 452	0.91 341	0.35 251	1.60 437	1.39 451	0.64 325	0.34 247	0.44 263	0.33 236	0.41 247	0.35 226	0.75 340	0.30 237	0.41 248	0.29 215

UGAM-zero	0.51 265	2.17 388	0.39 238	0.53 257	0.36 265	0.50 296	0.36 256	0.50 283	0.36 261	0.49 280	0.36 261	0.50 299	0.35 253	0.50 293	0.36 255	0.49 277	0.37 231	0.47 292	0.35 263	0.46 262	0.34 245

GCST	0.50 260	2.08 380	0.38 231	0.53 257	0.35 259	0.49 288	0.35 249	0.50 283	0.35 251	0.49 280	0.35 257	0.49 285	0.35 253	0.49 286	0.35 251	0.48 274	0.37 231	0.45 285	0.33 255	0.44 257	0.33 239

ETE_ROB	0.35 191	0.35 132	0.35 223	0.35 176	0.35 259	0.35 208	0.35 249	0.35 198	0.35 251	0.35 204	0.35 257	0.35 208	0.35 253	0.35 209	0.35 251	0.35 211	0.35 226	0.35 227	0.35 263	0.35 209	0.35 251

UGAM	0.51 265	2.23 391	0.39 238	0.54 259	0.35 259	0.50 296	0.35 249	0.49 275	0.35 251	0.49 280	0.35 257	0.49 285	0.36 256	0.50 293	0.36 255	0.49 277	0.37 231	0.45 285	0.34 257	0.45 261	0.34 245

GCAP-Stereo	0.75 304	4.15 446	0.42 254	0.75 290	0.35 259	0.78 336	0.40 274	0.79 328	0.38 266	0.78 340	0.36 261	0.78 342	0.36 256	0.79 337	0.39 272	0.75 321	0.39 244	0.76 342	0.39 286	0.75 313	0.39 267

CES	0.39 214	0.47 177	0.36 225	0.36 180	0.37 268	0.45 269	0.35 249	0.35 198	0.40 275	0.36 207	0.44 298	0.47 275	0.36 256	0.44 263	0.36 255	0.37 219	0.39 244	0.44 281	0.35 263	0.37 218	0.36 252

DMCA	0.36 195	0.38 140	0.37 228	0.35 176	0.35 259	0.36 211	0.36 256	0.36 202	0.35 251	0.35 204	0.37 267	0.36 214	0.36 256	0.35 209	0.36 255	0.36 215	0.36 229	0.35 227	0.36 269	0.36 216	0.36 252

SCV_C0	0.45 239	0.88 234	0.49 279	0.54 259	0.37 268	0.48 283	0.37 261	0.48 271	0.37 262	0.48 273	0.36 261	0.48 281	0.37 260	0.49 286	0.37 263	0.50 283	0.41 256	0.44 281	0.34 257	0.44 257	0.34 245

SCV	0.46 242	0.94 249	0.45 259	0.54 259	0.37 268	0.48 283	0.38 267	0.48 271	0.37 262	0.48 273	0.39 276	0.48 281	0.37 260	0.49 286	0.37 263	0.50 283	0.46 268	0.44 281	0.34 257	0.44 257	0.34 245

Venus	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.37 216	0.38 267	0.37 208	0.37 262	0.41 236	0.37 267	0.39 226	0.37 260	0.38 221	0.38 266	0.37 219	0.38 237	0.38 242	0.37 271	0.37 218	0.38 263

XPNet_ROB	0.37 200	0.37 137	0.37 228	0.37 183	0.37 268	0.37 216	0.37 261	0.37 208	0.37 262	0.37 212	0.37 267	0.37 220	0.37 260	0.37 219	0.37 263	0.37 219	0.37 231	0.37 235	0.37 271	0.37 218	0.37 256

WAO-8	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.38 220	0.38 267	0.38 213	0.38 266	0.38 213	0.38 272	0.38 222	0.38 264	0.38 221	0.38 266	0.38 226	0.38 237	0.38 242	0.37 271	0.38 227	0.38 263

WAO-7	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.38 220	0.38 267	0.38 213	0.38 266	0.38 213	0.38 272	0.38 222	0.38 264	0.38 221	0.38 266	0.38 226	0.38 237	0.38 242	0.38 283	0.38 227	0.38 263

HanzoNet	0.39 214	0.38 140	0.40 241	0.39 191	0.41 288	0.38 220	0.38 267	0.38 213	0.38 266	0.39 218	0.39 276	0.38 222	0.38 264	0.39 229	0.40 276	0.38 226	0.38 237	0.40 256	0.38 283	0.38 227	0.40 270

IMH	0.38 206	0.38 140	0.38 231	0.38 186	0.38 275	0.38 220	0.38 267	0.38 213	0.38 266	0.42 248	0.38 272	0.40 233	0.38 264	0.38 221	0.38 266	0.38 226	0.38 237	0.39 252	0.38 283	0.38 227	0.38 263

iRaftStereo_RVC	0.97 349	3.17 423	2.30 469	2.42 444	0.38 275	0.54 309	0.38 267	0.54 297	0.38 266	0.54 304	0.38 272	0.54 308	0.38 264	0.54 305	0.38 266	2.38 459	2.34 466	0.49 304	0.36 269	0.49 275	0.36 252

LG-Stereo_L1	0.47 248	0.52 198	0.47 268	0.62 271	0.39 280	0.53 306	0.40 274	0.53 295	0.39 274	0.53 301	0.39 276	0.53 306	0.39 269	0.53 304	0.39 272	0.55 295	0.46 268	0.49 304	0.37 271	0.49 275	0.37 256

PAM_32	0.64 284	2.38 397	0.51 287	0.92 309	0.43 300	0.53 306	0.44 290	0.87 335	0.43 291	0.52 299	0.45 301	0.53 306	0.40 270	0.54 305	0.46 297	0.62 306	0.56 300	0.48 300	0.45 304	0.76 314	0.44 288

Selective-IGEV	0.51 265	0.55 206	0.45 259	0.69 282	0.45 303	0.61 319	0.45 294	0.50 283	0.40 275	0.56 309	0.44 298	0.55 312	0.40 270	0.72 330	0.67 336	0.59 299	0.46 268	0.45 285	0.34 257	0.46 262	0.37 256

knoymous	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 233	0.40 270	0.40 232	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 270

anonymousa	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 233	0.40 270	0.40 232	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 270

riskmin	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 233	0.40 270	0.40 232	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 270

Anonymous_2	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 233	0.40 270	0.40 232	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 270

Anonymous_1	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 233	0.40 270	0.40 232	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 270

GMOStereo	0.37 200	0.45 169	0.23 166	0.30 164	0.37 268	0.41 244	0.36 256	0.41 237	0.35 251	0.43 254	0.36 261	0.41 245	0.40 270	0.41 246	0.36 255	0.34 202	0.22 172	0.47 292	0.37 271	0.39 234	0.33 239

error version	0.93 345	4.47 450	2.35 470	1.99 428	0.37 268	0.41 244	0.36 256	0.41 237	0.35 251	0.43 254	0.36 261	0.41 245	0.40 270	0.41 246	0.36 255	1.87 441	2.16 462	0.47 292	0.37 271	0.39 234	0.33 239

test_1	0.93 345	4.47 450	2.35 470	1.99 428	0.37 268	0.41 244	0.36 256	0.41 237	0.35 251	0.43 254	0.36 261	0.41 245	0.40 270	0.41 246	0.36 255	1.87 441	2.16 462	0.47 292	0.37 271	0.39 234	0.33 239

AdaStereo	0.40 218	0.40 148	0.40 241	0.40 204	0.40 282	0.40 228	0.40 274	0.40 222	0.40 275	0.40 223	0.40 279	0.40 233	0.40 270	0.40 232	0.40 276	0.40 239	0.40 247	0.40 256	0.40 287	0.40 238	0.40 270
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.
LG-Stereo	0.60 277	0.58 208	0.47 268	0.64 276	0.74 362	1.00 358	0.69 341	0.57 302	0.41 284	0.57 311	0.41 285	0.57 316	0.41 281	1.00 363	0.75 352	0.91 338	0.51 292	0.52 316	0.37 271	0.52 288	0.37 256

GwcNet-ADL	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 245	0.41 281	0.41 246	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 277

PSMNet-ADL	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 245	0.41 281	0.41 246	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 277

GANet-ADL	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 245	0.41 281	0.41 246	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 277

ADLNet2	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 245	0.41 281	0.41 246	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 277

ADLNet	0.41 225	0.41 155	0.41 249	0.41 214	0.41 288	0.41 244	0.41 282	0.41 237	0.41 284	0.41 236	0.41 285	0.41 245	0.41 281	0.41 246	0.41 283	0.41 247	0.41 256	0.41 268	0.41 294	0.41 248	0.41 277

LG-Stereo_Zeroshot	0.48 253	0.55 206	0.47 268	0.63 273	0.41 288	0.56 311	0.44 290	0.56 299	0.41 284	0.56 309	0.41 285	0.57 316	0.42 287	0.56 309	0.41 283	0.55 295	0.43 264	0.51 313	0.37 271	0.51 286	0.37 256

Occ-G	1.12 365	0.52 198	3.72 495	3.50 462	0.50 321	0.56 311	0.47 301	0.54 297	0.46 296	0.54 304	0.41 285	0.54 308	0.42 287	0.52 302	0.42 289	3.42 471	4.02 490	0.52 316	0.45 304	0.51 286	0.44 288

MLG-Stereo	0.92 340	0.90 239	0.84 337	1.27 398	0.49 317	1.38 436	0.88 362	1.41 432	0.97 377	0.73 332	1.09 384	1.26 432	0.43 289	0.72 330	1.05 380	1.13 362	0.49 282	1.18 388	0.66 342	1.01 347	0.46 291

MyStereo07	0.60 277	3.72 435	0.48 275	0.49 243	0.41 288	0.36 211	0.32 226	0.49 275	0.43 291	0.51 296	0.42 294	0.49 285	0.43 289	0.51 299	0.64 331	0.49 277	0.45 266	0.34 214	0.32 247	0.35 209	0.43 285

MonSter	0.60 277	0.64 214	0.52 290	0.62 271	0.44 301	2.07 453	0.44 290	0.62 312	0.44 294	0.62 319	0.44 298	0.62 324	0.44 291	0.62 317	0.44 292	0.58 298	0.42 263	0.62 325	0.46 306	0.58 295	0.42 284

test-3	0.98 351	4.13 445	1.85 455	1.85 420	0.61 341	0.69 328	0.37 261	0.63 313	0.61 331	0.66 325	0.51 326	0.73 337	0.44 291	0.57 313	0.54 322	1.68 436	1.81 456	0.40 256	0.43 302	0.66 301	0.50 308

AIO-test1	0.54 269	0.60 211	0.52 290	0.66 280	0.47 311	0.61 319	0.47 301	0.58 305	0.46 296	0.61 316	0.46 303	0.61 322	0.45 293	0.62 317	0.45 293	0.61 303	0.52 294	0.57 321	0.48 316	0.57 294	0.48 300

fffft	0.48 253	0.51 196	0.45 259	0.52 256	0.45 303	0.52 305	0.45 294	0.52 294	0.48 308	0.53 301	0.45 301	0.52 305	0.45 293	0.52 302	0.46 297	0.51 289	0.41 256	0.50 308	0.41 294	0.50 280	0.41 277
1: 1. 1
AEACV	1.12 365	0.52 198	3.12 487	3.24 458	0.86 370	0.53 306	0.49 312	0.60 309	0.47 301	0.53 301	0.49 318	0.55 312	0.45 293	0.55 308	0.47 303	3.01 467	3.88 488	0.71 337	0.60 335	0.80 321	0.48 300

MyStereo06	0.75 304	4.12 443	0.60 301	0.63 273	0.61 341	0.62 322	0.66 333	0.56 299	0.45 295	0.55 307	0.48 315	0.54 308	0.46 296	0.57 313	0.45 293	0.60 300	0.57 302	0.64 328	0.55 327	0.72 309	0.55 320

otaku	0.46 242	0.46 173	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 262	0.46 296	0.46 262	0.46 303	0.46 270	0.46 296	0.46 269	0.46 297	0.46 265	0.46 268	0.46 288	0.46 306	0.46 262	0.46 291

Ntro	0.47 248	0.47 177	0.46 263	0.46 227	0.46 305	0.47 278	0.47 301	0.46 262	0.47 301	0.46 262	0.46 303	0.47 275	0.46 296	0.47 273	0.47 303	0.47 270	0.46 268	0.46 288	0.46 306	0.46 262	0.46 291

UNDER WATER	0.47 248	0.47 177	0.47 268	0.47 233	0.47 311	0.47 278	0.47 301	0.47 267	0.47 301	0.47 267	0.47 311	0.47 275	0.46 296	0.47 273	0.47 303	0.47 270	0.47 276	0.47 292	0.46 306	0.47 269	0.47 298

LVE	0.47 248	0.47 177	0.47 268	0.47 233	0.49 317	0.47 278	0.47 301	0.47 267	0.49 310	0.47 267	0.47 311	0.47 275	0.46 296	0.47 273	0.47 303	0.47 270	0.47 276	0.48 300	0.47 313	0.47 269	0.47 298

Dean	0.46 242	0.46 173	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 262	0.46 296	0.47 267	0.46 303	0.46 270	0.46 296	0.46 269	0.46 297	0.46 265	0.46 268	0.46 288	0.46 306	0.46 262	0.46 291

ACVNet_1	0.46 242	0.47 177	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 262	0.47 301	0.46 262	0.46 303	0.46 270	0.46 296	0.46 269	0.46 297	0.46 265	0.46 268	0.47 292	0.46 306	0.46 262	0.46 291

ACVNet-4b	0.46 242	0.46 173	0.46 263	0.46 227	0.46 305	0.46 274	0.46 296	0.46 262	0.46 296	0.46 262	0.46 303	0.46 270	0.46 296	0.47 273	0.46 297	0.46 265	0.46 268	0.46 288	0.46 306	0.46 262	0.46 291

HaxPig	0.47 248	0.47 177	0.47 268	0.49 243	0.47 311	0.47 278	0.47 301	0.47 267	0.47 301	0.47 267	0.47 311	0.47 275	0.47 304	0.47 273	0.47 303	0.47 270	0.47 276	0.47 292	0.47 313	0.47 269	0.48 300

AIO-test2	0.55 273	0.59 209	0.52 290	0.67 281	0.47 311	0.61 319	0.47 301	0.61 311	0.47 301	0.61 316	0.47 311	0.61 322	0.48 305	0.62 317	0.47 303	0.64 308	0.53 296	0.58 322	0.47 313	0.58 295	0.48 300

Former-RAFT_DAM_RVC	0.49 258	0.98 254	0.64 307	0.84 299	0.46 305	0.45 269	0.35 249	0.47 267	0.47 301	0.45 259	0.34 249	0.46 270	0.48 305	0.46 269	0.35 251	0.39 235	0.71 324	0.39 252	0.35 263	0.41 248	0.41 277

RainbowNet	0.48 253	0.48 183	0.48 275	0.48 237	0.48 315	0.48 283	0.48 310	0.48 271	0.48 308	0.48 273	0.48 315	0.48 281	0.48 305	0.48 280	0.48 309	0.48 274	0.48 279	0.48 300	0.48 316	0.48 272	0.48 300

notaker	0.48 253	0.49 185	0.48 275	0.48 237	0.48 315	0.48 283	0.48 310	0.48 271	0.49 310	0.48 273	0.48 315	0.48 281	0.48 305	0.48 280	0.48 309	0.48 274	0.48 279	0.48 300	0.48 316	0.48 272	0.49 305

CASS	0.57 276	0.89 237	0.56 296	0.57 264	0.56 333	0.56 311	0.56 323	0.56 299	0.53 321	0.57 311	0.57 333	0.59 320	0.48 305	0.56 309	0.57 325	0.55 295	0.56 300	0.47 292	0.56 330	0.62 298	0.56 323
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ACVNet_2	0.49 258	0.49 185	0.49 279	0.49 243	0.49 317	0.49 288	0.49 312	0.49 275	0.49 310	0.49 280	0.49 318	0.49 285	0.49 310	0.49 286	0.49 311	0.49 277	0.49 282	0.49 304	0.49 319	0.49 275	0.49 305

LL-Strereo	1.01 357	5.06 457	1.63 444	0.70 284	1.43 458	0.56 311	0.46 296	0.57 302	0.50 313	0.57 311	0.50 320	1.58 442	0.49 310	0.59 315	0.50 312	1.64 435	0.52 294	0.51 313	1.37 447	0.52 288	0.45 290

FCDSN-DC	0.41 225	0.59 209	0.64 307	0.54 259	0.33 248	0.50 296	0.37 261	0.42 253	0.40 275	0.61 316	0.43 296	0.50 299	0.49 310	0.38 221	0.32 229	0.28 184	0.23 176	0.26 181	0.22 183	0.35 209	0.28 210
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FoundationStereo	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 283	0.50 313	0.50 292	0.50 320	0.50 299	0.50 313	0.50 293	0.50 312	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 308

StereoAnything_RVC	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 283	0.50 313	0.50 292	0.50 320	0.50 299	0.50 313	0.50 293	0.50 312	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 308

dual_stereo	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 283	0.50 313	0.50 292	0.50 320	0.50 299	0.50 313	0.50 293	0.50 312	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 308

MyStereo8	0.71 298	3.92 442	0.52 290	0.59 267	0.52 327	0.57 316	0.53 320	0.59 307	0.50 313	0.59 315	0.51 326	0.57 316	0.50 313	0.56 309	0.52 319	0.54 293	0.49 282	0.54 319	0.49 319	0.55 293	0.50 308

TorneroNet	0.66 287	0.53 201	0.50 282	0.50 250	0.64 345	1.06 365	0.70 343	0.50 283	0.51 320	0.49 280	0.69 350	0.49 285	0.50 313	0.48 280	1.15 387	0.71 318	0.49 282	1.14 379	1.08 383	0.49 275	0.49 305

SANet	0.50 260	0.50 189	0.50 282	0.50 250	0.50 321	0.50 296	0.50 314	0.50 283	0.50 313	0.50 292	0.50 320	0.50 299	0.50 313	0.50 293	0.50 312	0.50 283	0.50 288	0.50 308	0.50 321	0.50 280	0.50 308

999	1.00 352	1.12 282	0.59 299	1.10 332	1.21 448	1.09 371	0.52 319	1.08 358	1.43 456	1.18 379	1.35 446	0.98 364	0.52 319	0.91 351	0.85 362	0.72 319	1.46 436	0.83 353	0.98 375	0.68 303	1.41 452

SMoEStereo_RVC	0.63 282	0.75 220	0.51 287	0.73 288	0.53 330	0.71 331	0.47 301	0.67 318	0.58 326	0.74 337	0.60 334	0.72 335	0.53 320	0.74 334	0.51 317	0.61 303	0.62 309	0.62 325	0.61 337	0.63 299	0.61 326

WCG-NET	0.61 280	1.21 337	0.54 294	0.61 270	0.53 330	0.67 327	0.53 320	0.66 317	0.53 321	0.64 322	0.53 329	0.65 328	0.53 320	0.59 315	0.52 319	0.65 309	0.48 279	0.64 328	0.52 325	0.58 295	0.50 308

PSMNet_ROB	0.54 269	0.54 204	0.54 294	0.54 259	0.53 330	0.54 309	0.54 322	0.53 295	0.54 323	0.54 304	0.54 330	0.54 308	0.53 320	0.54 305	0.54 322	0.54 293	0.53 296	0.54 319	0.54 326	0.54 292	0.54 316

test_xeample3	1.10 362	1.81 362	0.61 303	0.84 299	0.49 317	0.77 334	0.66 333	0.92 344	1.40 454	0.68 328	0.46 303	0.78 342	0.54 323	1.72 442	1.48 452	1.34 419	1.52 439	1.35 443	1.67 463	1.33 418	1.55 455

anonymity	0.63 282	0.69 216	0.56 296	0.71 286	0.56 333	0.71 331	0.56 323	0.71 323	0.56 324	0.72 330	0.56 332	0.71 332	0.56 324	0.71 329	0.58 326	0.68 313	0.55 298	0.68 333	0.55 327	0.68 303	0.54 316

MyStereo05	0.80 315	4.12 443	0.63 305	0.63 273	0.61 341	0.62 322	0.66 333	0.65 315	0.62 332	0.67 326	0.61 337	0.65 328	0.58 325	0.67 326	0.55 324	0.60 300	0.57 302	0.64 328	0.55 327	0.72 309	0.55 320

DDUNet	0.81 320	2.45 398	0.57 298	0.90 304	0.60 336	0.88 345	0.59 326	0.90 339	0.60 328	0.88 347	0.60 334	0.90 354	0.58 325	0.88 347	0.60 328	0.84 333	0.60 304	0.86 356	0.57 331	0.86 328	0.60 325

UDG	0.80 315	2.21 390	0.60 301	0.91 306	0.60 336	0.90 348	0.58 325	0.88 338	0.60 328	0.90 348	0.60 334	0.88 351	0.60 327	0.90 350	0.58 326	0.86 335	0.60 304	0.84 354	0.59 334	0.84 327	0.61 326

AIO-Stereo-zeroshot1	0.75 304	0.92 246	0.85 338	0.96 319	0.59 335	1.27 429	0.44 290	0.59 307	0.69 343	0.91 350	0.68 347	0.55 312	0.61 328	1.06 370	0.83 361	0.62 306	0.70 320	0.90 358	0.41 294	0.89 331	0.56 323

ARAFT	0.68 292	0.81 227	0.63 305	0.74 289	0.60 336	0.78 336	0.62 328	0.77 327	0.66 338	0.74 337	0.63 339	0.75 339	0.62 329	0.83 341	0.60 328	0.70 317	0.55 298	0.70 336	0.60 335	0.78 316	0.55 320

AFF-stereo	0.73 302	0.88 234	0.67 314	0.75 290	0.68 354	0.75 333	0.64 330	0.80 330	0.72 350	0.83 345	0.70 351	0.82 348	0.64 330	0.84 342	0.67 336	0.77 323	0.63 310	0.81 350	0.63 339	0.78 316	0.62 329

DSFCA	0.66 287	0.73 219	0.78 330	0.65 277	0.65 347	0.64 324	0.64 330	0.65 315	0.63 334	0.64 322	0.64 341	0.64 325	0.64 330	0.65 323	0.65 332	0.65 309	0.65 313	0.65 331	0.65 340	0.66 301	0.64 331

RSM++	0.76 308	0.82 229	0.66 311	0.85 301	0.64 345	0.85 342	0.71 346	0.94 348	0.64 335	0.87 346	0.67 346	0.87 350	0.65 332	0.84 342	0.65 332	0.81 328	0.70 320	0.79 345	0.71 354	0.83 326	0.70 339

plain	1.88 436	3.16 422	0.64 307	3.10 456	0.65 347	3.10 473	0.64 330	3.12 471	0.65 336	3.10 472	0.65 343	3.11 473	0.65 332	3.12 471	0.65 332	3.12 468	0.65 313	3.13 473	0.65 340	3.13 459	0.65 332

LMCR-Stereo	0.65 285	0.63 212	0.65 310	0.65 277	0.65 347	0.66 326	0.63 329	0.58 305	0.65 336	0.63 321	0.64 341	0.65 328	0.65 332	0.66 324	0.66 335	0.66 311	0.64 312	0.65 331	0.67 346	0.68 303	0.73 346

TorneroNet-64	0.45 239	0.27 121	0.30 192	0.58 265	0.27 212	0.70 329	0.30 221	0.28 179	0.73 353	0.73 332	0.28 217	0.71 332	0.66 335	0.75 335	0.27 201	0.27 182	0.29 201	0.37 235	0.75 357	0.28 176	0.30 225

MIF-Stereo (partial)	2.58 466	3.31 426	0.66 311	3.18 457	0.66 350	3.18 474	0.66 333	3.21 472	0.67 339	3.19 473	0.66 345	3.19 474	0.66 335	3.31 475	0.68 340	5.09 497	1.79 455	8.23 516	1.67 463	6.18 500	1.38 451

DCRE	0.84 331	1.89 367	0.77 329	0.94 314	0.72 359	0.88 345	0.73 348	0.87 335	0.78 356	0.90 348	0.71 354	0.88 351	0.67 337	0.88 347	0.73 349	0.81 328	0.68 315	0.81 350	0.70 351	0.82 325	0.70 339

R-Stereo Train	0.81 320	0.96 251	0.67 314	0.95 316	0.67 351	0.95 353	0.68 338	0.95 350	0.68 340	0.95 358	0.68 347	0.96 362	0.68 338	0.96 360	0.68 340	0.94 345	0.68 315	0.94 364	0.68 347	0.94 340	0.68 337

RAFT-Stereo	0.81 320	0.96 251	0.67 314	0.95 316	0.67 351	0.95 353	0.68 338	0.95 350	0.68 340	0.95 358	0.68 347	0.96 362	0.68 338	0.96 360	0.68 340	0.94 345	0.68 315	0.94 364	0.68 347	0.94 340	0.68 337
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
STTRV1_RVC	0.82 324	1.60 354	0.70 317	1.01 326	0.60 336	1.07 368	0.69 341	1.01 355	0.60 328	0.72 330	0.55 331	1.02 369	0.68 338	1.03 368	0.67 336	0.89 337	0.63 310	0.92 362	0.57 331	0.90 333	0.65 332

UniTT-Stereo	2.03 441	3.43 428	0.72 322	3.42 460	0.73 360	3.27 476	0.68 338	3.38 475	0.69 343	3.29 475	0.72 356	3.28 476	0.70 341	3.35 476	0.68 340	3.39 470	0.68 315	3.31 475	0.69 349	3.37 460	0.73 346

RAFT-Stereo + iAFF	0.70 296	0.72 218	0.71 321	0.80 294	0.62 344	0.82 341	0.61 327	0.81 333	0.62 332	0.81 344	0.63 339	0.80 345	0.70 341	0.73 332	0.61 330	0.76 322	0.61 308	0.74 339	0.61 337	0.77 315	0.61 326

DMCA-RVC	0.70 296	0.80 224	0.70 317	0.70 284	0.70 356	0.70 329	0.70 343	0.71 323	0.70 346	0.70 329	0.71 354	0.71 332	0.70 341	0.70 328	0.69 344	0.69 314	0.70 320	0.69 334	0.70 351	0.69 307	0.70 339

MSMD_ROB	1.19 367	1.10 281	0.70 317	1.10 332	0.60 336	1.10 372	0.70 343	1.10 361	0.70 346	1.10 369	0.70 351	1.10 376	0.70 341	7.00 514	0.70 347	1.10 356	0.70 320	1.10 378	0.70 351	1.10 352	0.70 339

MoCha-V2	2.11 443	26.97 521	0.78 330	0.92 309	0.77 364	0.96 355	0.72 347	0.90 339	0.72 350	0.94 356	0.70 351	0.90 354	0.71 345	0.91 351	0.71 348	0.85 334	0.71 324	0.88 357	0.69 349	0.87 329	0.67 336

tt45	1.04 359	0.88 234	1.36 433	0.92 309	1.03 389	1.51 442	0.79 353	0.70 322	0.88 365	0.74 337	0.90 368	1.60 443	0.72 346	1.60 439	0.75 352	0.91 338	0.78 332	1.52 450	0.79 361	1.14 354	1.32 444

HSM-Net_RVC	0.95 348	1.17 287	0.78 330	1.18 347	0.71 357	1.16 379	0.75 350	1.09 360	0.80 360	1.10 369	0.75 360	1.17 383	0.74 347	1.17 382	0.80 357	1.13 362	0.73 326	1.17 385	0.77 358	1.16 358	0.72 343
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PA-Net	11.80 517	223.51 543	0.62 304	0.59 267	0.71 357	0.59 318	0.73 348	0.67 318	0.73 353	0.55 307	0.61 337	0.60 321	0.74 347	0.63 321	0.73 349	0.66 311	0.60 304	0.69 334	0.66 342	0.72 309	0.65 332
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ours_stereo	1.20 368	1.21 337	0.90 342	1.64 418	1.11 392	1.35 432	0.67 337	1.76 439	0.93 372	1.70 443	1.10 385	1.39 437	0.75 349	1.41 436	0.81 360	1.60 434	1.03 352	1.33 440	1.00 377	1.61 428	0.72 343

iGMRVC	0.84 331	2.85 416	0.72 322	0.72 287	0.73 360	0.77 334	0.79 353	0.73 325	0.74 355	0.73 332	0.72 356	0.73 337	0.76 350	0.73 332	0.73 349	0.72 319	0.73 326	0.73 338	0.72 355	0.73 312	0.72 343

RAStereo	2.23 451	3.64 431	0.76 328	3.65 465	0.86 370	3.66 480	0.76 351	3.67 479	0.81 363	3.66 476	0.76 361	3.66 478	0.77 351	3.68 478	0.77 354	3.68 473	0.77 331	3.69 480	0.77 358	3.70 462	0.77 352

ToySt	0.92 340	2.11 383	0.90 342	0.95 316	0.79 366	0.99 357	0.78 352	0.94 348	0.81 363	0.94 356	0.78 362	0.95 361	0.77 351	0.94 356	0.86 363	0.91 338	0.79 333	0.85 355	0.77 358	0.89 331	0.73 346

G-Net	0.79 313	0.79 223	0.79 333	0.79 292	0.79 366	0.79 338	0.79 353	0.79 328	0.79 359	0.79 341	0.79 363	0.79 344	0.79 353	0.79 337	0.79 355	0.79 324	0.79 333	0.79 345	0.79 361	0.79 318	0.79 353

NaN_ROB	0.80 315	0.80 224	0.80 334	0.80 294	0.80 368	0.80 339	0.80 356	0.80 330	0.80 360	0.80 342	0.80 364	0.80 345	0.80 354	0.80 339	0.80 357	0.80 325	0.80 336	0.80 348	0.80 363	0.80 321	0.80 354

CSAN	0.80 315	0.80 224	0.80 334	0.80 294	0.80 368	0.80 339	0.80 356	0.80 330	0.80 360	0.80 342	0.80 364	0.80 345	0.80 354	0.80 339	0.80 357	0.80 325	0.80 336	0.80 348	0.80 363	0.80 321	0.80 354

AIO-Stereo-zeroshot	0.91 338	0.86 231	0.89 339	1.25 397	0.69 355	1.05 364	0.81 358	1.16 365	0.50 313	1.12 374	0.97 376	0.72 335	0.82 356	1.06 370	0.95 370	0.61 303	0.87 341	1.03 376	0.85 369	1.04 349	1.01 376

DPSimNet_ROB	0.97 349	1.18 289	0.81 336	1.10 332	0.91 376	1.02 363	0.82 359	1.04 357	0.91 367	1.03 365	0.86 367	1.28 434	0.82 356	1.03 368	0.89 364	1.17 365	0.81 338	1.02 375	0.82 366	1.08 351	0.81 356

DPSM_ROB	0.92 340	0.91 241	0.91 344	0.91 306	0.92 377	0.92 350	0.92 366	0.92 344	0.91 367	0.93 354	0.91 371	0.92 357	0.90 358	0.91 351	0.92 365	0.92 341	0.91 342	0.91 360	0.92 370	0.93 338	0.93 366

DPSM	0.92 340	0.91 241	0.91 344	0.91 306	0.92 377	0.92 350	0.92 366	0.92 344	0.91 367	0.93 354	0.91 371	0.92 357	0.90 358	0.91 351	0.92 365	0.92 341	0.91 342	0.91 360	0.92 370	0.93 338	0.93 366

DGTPSM_ROB	0.93 345	1.00 257	0.92 346	0.94 314	0.96 381	0.91 349	0.92 366	0.91 341	0.96 376	0.91 350	0.96 375	0.93 360	0.92 360	0.94 356	0.92 365	0.92 341	0.92 344	0.90 358	0.92 370	0.94 340	0.91 364

pmcnn	0.92 340	0.92 246	0.92 346	0.92 309	0.92 377	0.92 350	0.92 366	0.92 344	0.92 371	0.92 352	0.92 374	0.92 357	0.92 360	0.92 355	0.92 365	0.92 341	0.92 344	0.92 362	0.92 370	0.92 337	0.92 365

MM-Stereo_test2	1.20 368	1.85 364	1.05 357	1.46 409	0.94 380	1.36 434	0.99 373	1.36 427	0.95 374	1.41 433	0.98 377	1.40 439	0.96 362	1.37 434	0.95 370	1.37 423	1.06 353	1.33 440	0.93 374	1.29 417	0.89 362

MaDis-Stereo	3.19 475	6.02 477	1.12 360	5.61 492	1.16 398	5.43 507	1.02 379	5.15 505	0.70 346	5.43 505	1.21 439	5.03 507	0.97 363	4.85 499	0.99 374	4.53 479	1.16 370	5.53 508	1.25 441	5.37 496	1.30 442

Selective-RAFT-Error	0.88 335	0.84 230	0.98 351	0.86 302	0.97 382	0.88 345	0.95 370	0.84 334	0.99 380	0.92 352	0.82 366	0.84 349	0.98 364	0.87 346	0.97 372	0.81 328	0.83 339	0.79 345	0.82 366	0.79 318	0.85 359

HH	0.71 298	2.54 400	0.74 325	1.10 332	0.32 237	0.41 244	0.37 261	0.69 320	0.78 356	0.73 332	0.90 368	0.75 339	1.00 365	0.84 342	0.69 344	0.69 314	0.40 247	0.35 227	0.26 207	0.35 209	0.26 189

HanStereo	0.71 298	2.54 400	0.74 325	1.10 332	0.32 237	0.41 244	0.37 261	0.69 320	0.78 356	0.73 332	0.90 368	0.75 339	1.00 365	0.84 342	0.69 344	0.69 314	0.40 247	0.35 227	0.26 207	0.35 209	0.26 189

Selective-RAFT	0.89 337	0.89 237	0.72 322	1.16 345	0.78 365	1.06 365	0.82 359	0.87 335	0.97 377	1.00 360	0.91 371	0.90 354	1.00 365	0.89 349	0.93 369	0.83 331	0.83 339	0.82 352	0.82 366	0.81 324	0.82 357

GANet	1.00 352	1.00 257	1.00 353	1.00 323	1.00 383	1.00 358	1.00 374	1.00 352	1.00 381	1.00 360	1.00 378	1.00 365	1.00 365	1.00 363	1.00 375	1.00 347	1.00 347	1.00 371	1.00 377	1.00 344	1.00 373

TDLM	1.00 352	1.00 257	1.00 353	1.00 323	1.00 383	1.00 358	1.00 374	1.00 352	1.00 381	1.00 360	1.00 378	1.00 365	1.00 365	1.00 363	1.00 375	1.00 347	1.00 347	1.00 371	1.00 377	1.00 344	1.00 373

CVANet_RVC	1.00 352	1.00 257	1.00 353	1.00 323	1.00 383	1.00 358	1.00 374	1.00 352	1.00 381	1.00 360	1.00 378	1.00 365	1.00 365	1.00 363	1.00 375	1.00 347	1.00 347	1.00 371	1.00 377	1.00 344	1.00 373

trnet	1.01 357	1.01 263	1.01 356	1.01 326	1.01 387	1.01 362	1.01 377	1.01 355	1.01 384	1.01 364	1.01 381	1.01 368	1.01 371	1.01 367	1.01 378	1.01 350	1.01 350	1.01 374	1.01 381	1.01 347	1.01 376

MM-Stereo_test3	1.27 418	2.07 379	1.18 368	1.60 413	1.02 388	1.45 440	1.01 377	1.40 431	1.04 386	1.44 434	1.03 382	1.46 441	1.02 372	1.44 437	1.02 379	1.51 430	1.12 367	1.32 439	0.98 375	1.38 421	0.97 369

GLC_STEREO	1.07 360	1.01 263	1.06 358	1.07 330	1.05 390	1.06 365	1.08 381	1.08 358	1.05 387	1.07 367	1.06 383	1.08 372	1.05 373	1.06 370	1.10 382	1.07 353	1.09 360	1.05 377	1.05 382	1.06 350	1.12 383

AIO-Stereo	0.84 331	0.66 215	0.70 317	0.83 298	0.67 351	0.98 356	0.82 359	1.14 362	0.72 350	1.03 365	0.74 359	1.03 370	1.09 374	0.99 362	0.45 293	1.04 351	0.73 326	0.95 366	0.74 356	0.94 340	0.46 291

KSHMR	0.66 287	0.50 189	0.48 275	1.15 340	0.52 327	0.49 288	0.51 318	0.49 275	0.71 349	0.67 326	0.50 320	1.16 382	1.11 375	0.66 324	0.52 319	0.49 277	0.49 282	0.51 313	0.66 342	0.50 280	1.14 387

RP	2.33 455	25.00 514	1.13 361	1.15 340	1.15 394	1.10 372	1.15 386	1.15 363	1.15 389	1.12 374	1.15 386	1.09 374	1.13 376	1.10 376	1.15 387	1.11 361	1.09 360	1.16 381	1.12 385	1.16 358	1.17 389

RGC	2.36 457	25.48 515	1.19 370	1.15 340	1.15 394	1.10 372	1.16 388	1.17 367	1.16 390	1.12 374	1.16 389	1.11 379	1.13 376	1.09 374	1.18 392	1.10 356	1.15 369	1.16 381	1.12 385	1.14 354	1.12 383

Abc-Net	2.32 454	24.75 513	1.14 362	1.17 346	1.17 399	1.11 375	1.15 386	1.17 367	1.21 442	1.08 368	1.16 389	1.12 380	1.14 378	1.09 374	1.17 391	1.09 354	1.16 370	1.17 385	1.17 390	1.16 358	1.11 381
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
IGEVStereo-DCA	1.77 432	4.21 447	1.84 453	2.49 447	2.11 478	2.54 465	1.36 446	1.65 436	1.17 394	2.75 466	1.90 470	2.54 465	1.15 379	0.94 356	1.11 383	1.50 428	1.32 423	0.96 367	1.46 454	1.49 424	0.88 360

rrr	1.77 432	4.21 447	1.84 453	2.49 447	2.11 478	2.54 465	1.36 446	1.65 436	1.17 394	2.75 466	1.90 470	2.54 465	1.15 379	0.94 356	1.11 383	1.50 428	1.32 423	0.96 367	1.46 454	1.49 424	0.88 360

NCC-stereo	2.36 457	25.52 516	1.17 366	1.15 340	1.17 399	1.11 375	1.11 382	1.15 363	1.16 390	1.10 369	1.16 389	1.10 376	1.15 379	1.14 380	1.13 385	1.09 354	1.11 364	1.15 380	1.16 389	1.17 363	1.17 389

Nwc_Net	2.37 459	25.95 518	1.15 364	1.14 338	1.15 394	1.08 369	1.14 385	1.17 367	1.16 390	1.14 377	1.15 386	1.08 372	1.15 379	1.11 378	1.14 386	1.10 356	1.11 364	1.16 381	1.09 384	1.16 358	1.15 388

edge stereo	2.43 462	27.07 522	1.14 362	1.06 329	1.14 393	1.08 369	1.17 389	1.16 365	1.14 388	1.10 369	1.16 389	1.09 374	1.16 383	1.10 376	1.16 390	1.10 356	1.11 364	1.16 381	1.19 391	1.13 353	1.11 381

AF-Net	2.37 459	25.71 517	1.17 366	1.13 337	1.15 394	1.15 378	1.18 390	1.19 370	1.16 390	1.10 369	1.15 386	1.10 376	1.18 384	1.12 379	1.15 387	1.10 356	1.10 363	1.17 385	1.15 387	1.16 358	1.12 383

stereogan	2.33 455	24.38 512	1.18 368	1.18 347	1.18 401	1.14 377	1.18 390	1.19 370	1.19 396	1.14 377	1.18 393	1.14 381	1.18 384	1.14 380	1.18 392	1.14 364	1.14 368	1.19 389	1.19 391	1.15 356	1.19 391

ktn	0.72 301	0.53 201	1.08 359	1.14 338	0.51 326	1.22 426	1.36 446	0.51 292	0.59 327	0.51 296	0.51 326	0.69 331	1.20 386	0.67 326	0.51 317	0.51 289	0.49 282	0.58 322	0.66 342	0.52 288	0.53 315

DisPM	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

CrosDoStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

PFNet+	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

LCNet	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

HHNet	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

Patchmatch Stereo++	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392
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	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

STrans-v2	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

TransformOpticalFlow	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

OMP-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

IIG-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

NF-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

OCTAStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

PSM-softLoss	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

KMStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

NRIStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

PSM-adaLoss	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

PSM-AAD	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

FTStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

ROB_FTStereo_v2	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

ROB_FTStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

Consistency-Raft	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

KYRaft	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

HUI-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

ASMatch	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

DeepStereo_LL	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

DEmStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

SST-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

THIR-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

RAFT_R40	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

DRaft	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

PFNet	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

GrayStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

RE-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

Pruner-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

TVStereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

DeepStereo_RVC	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

RAFT-RH_RVC	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

IRAFT_RVC	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

RAFT-345	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

iRAFT	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

CRE-IMP	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

GMM-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

RAFT-IKP	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

Prome-Stereo	1.20 368	1.20 291	1.20 373	1.20 349	1.20 402	1.20 380	1.20 392	1.20 373	1.20 397	1.20 381	1.20 394	1.20 385	1.20 386	1.20 384	1.20 394	1.20 367	1.20 375	1.20 390	1.20 394	1.20 367	1.20 392

HBP-ISP	1.24 416	1.72 357	1.65 445	1.15 340	0.76 363	1.40 438	0.88 362	1.67 438	1.02 385	1.69 442	1.38 450	1.69 445	1.21 432	1.87 443	1.21 439	1.05 352	0.79 333	0.97 369	0.80 363	1.19 366	0.75 350

GANetREF_RVC	1.55 425	1.94 376	1.22 420	1.88 421	1.21 448	1.88 448	1.22 438	1.88 440	1.22 443	1.88 444	1.22 440	1.88 446	1.22 433	1.89 444	1.22 440	1.87 441	1.22 422	1.88 453	1.22 440	1.88 433	1.22 438
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
FAT-Stereo	2.46 463	26.05 519	1.23 422	1.23 396	1.22 450	1.20 380	1.24 440	1.23 421	1.23 444	1.19 380	1.22 440	1.21 430	1.24 434	1.20 384	1.24 441	1.21 412	1.17 373	1.22 436	1.25 441	1.20 367	1.24 440

SPS-STEREO	1.59 426	1.91 370	1.21 419	1.94 424	1.20 402	2.00 450	1.23 439	1.99 443	1.24 445	2.00 448	1.25 443	2.03 450	1.26 435	2.00 447	1.29 444	1.90 444	1.18 374	1.89 454	1.21 439	1.89 434	1.20 392
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 474	5.00 456	0.89 339	4.83 483	1.00 383	3.93 481	1.27 442	6.37 508	1.34 448	5.67 508	1.26 444	5.84 510	1.27 436	5.03 505	1.24 441	5.10 498	1.09 360	4.61 492	0.57 331	5.62 498	1.12 383

S-Stereo	2.51 464	26.86 520	1.23 422	1.22 394	1.22 450	1.24 428	1.25 441	1.22 419	1.24 445	1.21 426	1.24 442	1.19 384	1.27 436	1.19 383	1.24 441	1.19 366	1.20 375	1.25 437	1.19 391	1.24 415	1.23 439

11t	1.27 418	2.70 407	1.34 426	1.32 402	0.89 372	1.30 431	1.34 444	1.64 435	0.57 325	1.45 435	0.72 356	1.05 371	1.29 438	1.07 373	1.29 444	1.49 427	1.02 351	0.97 369	1.15 387	1.48 423	1.31 443

FC-DCNN	1.07 360	1.09 278	0.98 351	0.89 303	0.52 327	1.41 439	0.91 365	1.21 418	1.24 445	1.96 446	2.05 478	1.91 447	1.30 439	1.27 432	1.08 381	0.80 325	0.60 304	0.58 322	0.41 294	0.68 303	0.54 316

CC-Net-ROB	1.36 421	1.33 346	1.33 425	1.36 405	1.38 455	1.36 434	1.33 443	1.37 429	1.34 448	1.35 430	1.36 448	1.38 436	1.34 440	1.38 435	1.38 448	1.35 420	1.38 432	1.33 440	1.35 444	1.43 422	1.34 447

MaskLacGwcNet_RVC	1.35 420	1.35 347	1.35 428	1.35 404	1.35 452	1.35 432	1.35 445	1.36 427	1.35 450	1.36 431	1.35 446	1.36 435	1.36 441	1.36 433	1.35 446	1.35 420	1.35 429	1.35 443	1.35 444	1.35 419	1.35 448

MC-Stereo	1.76 431	2.96 417	1.37 435	2.14 431	1.37 454	2.14 454	1.36 446	2.14 448	1.37 452	2.14 454	1.37 449	2.14 452	1.37 442	2.14 452	1.37 447	1.97 445	1.32 423	1.97 456	1.32 443	1.98 435	1.33 445

PS-NSSS	1.38 423	1.39 349	1.34 426	1.34 403	1.35 452	1.38 436	1.37 451	1.35 426	1.38 453	1.34 429	1.34 445	1.39 437	1.38 443	1.70 441	1.40 449	1.36 422	1.36 430	1.36 445	1.37 447	1.37 420	1.36 449

sCroCo_RVC	2.10 442	2.76 411	1.92 463	2.78 454	1.39 456	2.73 467	1.41 453	2.73 462	1.40 454	2.77 471	1.41 452	2.74 468	1.40 444	2.74 466	1.40 449	2.72 465	1.42 434	2.72 471	1.44 453	2.79 457	1.42 453

MM-Stereo_test1	1.80 434	3.41 427	1.52 443	2.12 430	1.41 457	2.04 451	1.41 453	2.05 444	1.46 457	2.04 450	1.41 452	2.05 451	1.42 445	2.05 448	1.43 451	2.04 449	1.54 440	1.94 455	1.38 449	1.99 436	1.33 445

RASNet	1.49 424	1.65 355	1.45 439	1.38 407	1.43 458	1.47 441	1.36 446	1.38 430	1.36 451	1.39 432	1.60 458	1.45 440	1.45 446	1.51 438	2.21 473	1.53 431	1.36 430	1.36 445	1.36 446	1.66 429	1.36 449

ccnet	0.80 315	2.28 393	0.33 207	0.50 250	0.33 248	0.50 296	0.33 235	0.50 283	0.33 240	0.49 280	0.33 242	0.49 285	1.56 447	2.38 459	0.33 236	0.41 247	0.29 201	0.42 278	1.57 457	2.28 445	0.29 215

DPSMNet_ROB	1.60 427	1.59 353	1.70 447	1.59 412	1.59 460	1.61 443	1.61 456	1.60 433	1.60 458	1.62 441	1.59 457	1.60 443	1.60 448	1.60 439	1.59 454	1.59 432	1.60 445	1.59 451	1.59 460	1.59 427	1.59 459

Anonymous3	2.55 465	3.26 425	1.65 445	3.28 459	1.63 461	3.24 475	1.68 457	3.27 473	1.66 459	3.28 474	1.67 459	3.25 475	1.66 449	3.27 473	1.64 456	3.26 469	1.65 448	3.30 474	1.65 461	4.95 491	1.65 462

UDGNet	2.23 451	5.40 467	1.72 449	2.48 446	1.69 462	2.51 464	1.69 458	2.51 460	1.72 460	2.50 462	1.69 460	2.52 464	1.69 450	2.50 463	1.68 459	2.41 461	1.70 450	2.42 467	1.69 465	2.42 448	1.64 460

MFMNet_re	1.81 435	1.91 370	1.71 448	1.95 425	1.70 463	1.95 449	1.70 459	1.96 442	1.74 461	1.97 447	1.72 461	1.95 448	1.71 451	1.97 446	1.71 460	1.86 440	1.62 446	1.85 452	1.66 462	1.86 432	1.64 460

U	5.15 509	8.49 489	1.81 452	8.49 506	1.77 465	8.49 516	1.77 460	8.51 516	1.77 462	8.49 516	1.77 462	8.50 517	1.78 452	8.58 516	1.77 465	8.54 515	1.78 454	8.55 517	1.78 470	8.55 511	1.84 467

FBW_ROB	2.12 444	2.46 399	1.77 451	2.49 447	1.79 466	2.38 460	1.83 461	2.46 459	1.78 463	2.48 461	1.97 474	2.40 461	1.78 452	2.42 462	1.83 466	2.31 456	1.85 457	2.38 466	1.82 471	2.35 447	1.84 467

LG-G_1	2.22 448	2.71 409	1.89 460	2.77 452	1.87 473	2.75 468	1.87 466	2.76 464	1.87 471	2.75 466	1.87 465	2.76 469	1.87 454	2.75 467	1.86 467	2.47 463	1.58 442	2.45 468	1.57 457	2.45 449	1.57 457

LG-G	2.22 448	2.71 409	1.89 460	2.77 452	1.87 473	2.75 468	1.87 466	2.76 464	1.87 471	2.75 466	1.87 465	2.76 469	1.87 454	2.75 467	1.86 467	2.47 463	1.58 442	2.45 468	1.57 457	2.45 449	1.57 457

LGtest1	2.22 448	2.70 407	1.89 460	2.76 451	1.86 470	2.75 468	1.86 465	2.75 463	1.86 467	2.75 466	1.86 464	2.77 471	1.87 454	2.75 467	1.86 467	2.46 462	1.58 442	2.45 468	1.56 456	2.45 449	1.56 456

TRStereo	2.00 438	2.13 384	1.85 455	2.27 437	1.84 467	2.28 456	1.84 462	2.29 451	1.86 467	2.30 456	1.87 465	2.30 454	1.87 454	2.08 449	1.72 462	2.08 450	1.72 451	2.08 458	1.72 466	2.08 437	1.72 463

XX-Stereo	2.00 438	2.13 384	1.85 455	2.27 437	1.84 467	2.28 456	1.84 462	2.29 451	1.86 467	2.30 456	1.87 465	2.30 454	1.87 454	2.08 449	1.72 462	2.08 450	1.72 451	2.08 458	1.72 466	2.08 437	1.72 463

EAI-Stereo	2.00 438	2.13 384	1.85 455	2.27 437	1.84 467	2.28 456	1.84 462	2.29 451	1.86 467	2.30 456	1.87 465	2.30 454	1.87 454	2.08 449	1.72 462	2.08 450	1.72 451	2.08 458	1.72 466	2.08 437	1.72 463

AIO_test	2.18 445	2.09 382	2.04 466	2.42 444	2.01 476	2.47 463	1.94 469	2.34 456	2.03 475	2.56 464	1.94 472	2.43 462	1.94 460	2.41 460	1.87 470	2.39 460	2.10 460	2.35 465	1.91 472	2.25 443	2.19 471

HUF	2.18 445	2.30 394	1.99 465	2.34 442	2.02 477	2.41 462	2.06 470	2.38 458	1.89 473	2.36 460	1.85 463	2.56 467	1.98 461	2.31 458	1.97 472	2.30 455	2.03 458	2.30 463	2.11 473	2.23 442	2.16 470

AIO_rvc	2.18 445	2.34 395	1.87 459	2.32 441	1.94 475	2.40 461	1.89 468	2.37 457	2.07 476	2.52 463	1.95 473	2.44 463	1.99 462	2.41 460	1.89 471	2.32 457	2.09 459	2.24 461	2.18 474	2.21 441	2.23 472

RAFT_CTSACE	1.92 437	3.71 434	1.72 449	1.88 421	1.72 464	2.04 451	1.42 455	2.18 449	1.89 473	2.02 449	1.97 474	1.95 448	2.06 463	1.93 445	1.62 455	1.76 437	1.66 449	2.02 457	1.73 469	1.73 430	1.43 454

ff7	1.68 428	2.68 404	1.35 428	0.97 320	0.89 372	1.84 445	2.15 471	2.12 445	1.80 464	2.05 451	1.56 454	2.33 457	2.12 464	2.23 453	2.25 474	1.31 416	1.07 354	1.48 447	1.41 450	0.90 333	1.04 378

ffff	1.68 428	2.68 404	1.35 428	0.97 320	0.89 372	1.84 445	2.15 471	2.12 445	1.80 464	2.05 451	1.56 454	2.33 457	2.12 464	2.23 453	2.25 474	1.31 416	1.07 354	1.48 447	1.41 450	0.90 333	1.04 378

ccc-4	1.68 428	2.68 404	1.35 428	0.97 320	0.89 372	1.84 445	2.15 471	2.12 445	1.80 464	2.05 451	1.56 454	2.33 457	2.12 464	2.23 453	2.25 474	1.31 416	1.07 354	1.48 447	1.41 450	0.90 333	1.04 378

NCCL2	2.28 453	2.27 392	2.28 468	2.28 440	2.28 480	2.27 455	2.29 474	2.28 450	2.28 477	2.27 455	2.28 479	2.28 453	2.27 467	2.27 456	2.28 478	2.28 453	2.28 465	2.27 462	2.29 478	2.27 444	2.29 473

STTStereo	3.73 479	30.40 526	2.37 472	2.39 443	2.31 482	2.35 459	2.33 475	2.29 451	2.42 478	2.32 459	2.34 480	2.33 457	2.36 468	2.30 457	2.27 477	2.35 458	2.22 464	2.31 464	2.22 475	2.29 446	2.34 477

sAnonymous2	3.31 476	2.63 402	1.38 436	3.71 466	1.86 470	4.70 499	1.11 382	4.82 501	2.72 480	5.45 506	1.98 476	4.59 492	2.64 469	2.65 464	6.21 512	4.37 475	1.08 358	5.16 506	2.24 476	4.52 473	2.39 478

CroCo_RVC	3.31 476	2.63 402	1.38 436	3.71 466	1.86 470	4.70 499	1.11 382	4.82 501	2.72 480	5.45 506	1.98 476	4.59 492	2.64 469	2.65 464	6.21 512	4.37 475	1.08 358	5.16 506	2.24 476	4.52 473	2.39 478

SA	4.33 496	7.35 480	6.85 511	5.96 494	4.09 508	3.59 478	3.15 495	3.82 480	2.64 479	3.91 478	3.85 502	3.57 477	2.72 471	3.13 472	4.03 503	7.09 511	6.86 506	3.57 477	3.12 493	3.85 463	3.51 499

NLCA_NET_v2_RVC	5.04 507	50.87 536	2.78 474	2.87 455	2.71 483	2.78 471	0.47 301	2.88 469	2.86 482	1.89 445	2.67 481	2.79 472	2.79 472	2.78 470	2.83 479	2.82 466	2.82 468	2.83 472	2.77 481	2.83 458	2.76 481
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_105_1	3.83 480	5.22 460	3.01 476	4.53 471	3.01 485	4.51 487	3.01 482	4.56 488	3.04 483	4.53 487	3.03 484	4.55 490	3.03 473	4.56 488	3.04 480	4.57 481	3.05 470	4.57 487	3.05 485	4.57 475	3.05 484

rvit_stereo_0081	3.83 480	5.23 461	3.01 476	4.53 471	3.03 487	4.55 493	3.02 483	4.56 488	3.04 483	4.52 485	3.02 482	4.54 488	3.03 473	4.56 488	3.04 480	4.57 481	3.05 470	4.57 487	3.05 485	4.58 476	3.05 484

DispNO	1.00 352	0.63 212	0.43 255	3.45 461	0.44 301	0.65 325	0.43 289	0.64 314	0.43 291	0.64 322	0.43 296	0.64 325	3.03 473	0.64 322	0.43 291	4.55 480	0.43 264	0.63 327	0.43 302	0.63 299	0.43 285

rvit_0105_6	3.87 484	5.73 474	3.10 486	4.69 481	3.12 495	4.54 489	3.02 483	4.56 488	3.04 483	4.54 489	3.03 484	4.54 488	3.04 476	4.56 488	3.05 482	4.58 484	3.05 470	4.58 489	3.05 485	4.58 476	3.05 484

rvit_stereo_0082	3.86 482	5.82 475	3.01 476	4.53 471	3.03 487	4.54 489	3.02 483	4.56 488	3.04 483	4.53 487	3.02 482	4.55 490	3.04 476	4.57 491	3.05 482	4.57 481	3.05 470	4.58 489	3.05 485	4.58 476	3.06 487

rvit_stereo_0080	3.89 485	5.70 472	3.04 481	4.54 474	3.03 487	4.56 494	3.05 489	4.60 492	3.07 488	4.58 492	3.06 487	4.59 492	3.06 478	4.61 492	3.08 486	4.63 486	3.09 475	4.64 493	3.10 490	4.65 480	3.10 489

whm_eth	3.89 485	5.70 472	3.04 481	4.54 474	3.03 487	4.56 494	3.05 489	4.60 492	3.07 488	4.58 492	3.06 487	4.59 492	3.06 478	4.61 492	3.08 486	4.63 486	3.09 475	4.64 493	3.10 490	4.65 480	3.10 489

rvit_0105_3	3.91 487	5.33 464	3.06 484	4.60 479	3.07 493	4.60 496	3.06 491	4.62 494	3.08 491	4.60 494	3.07 490	4.62 497	3.08 480	4.67 496	3.10 489	4.70 489	3.11 477	4.77 500	3.19 496	4.77 485	3.14 493

rvit_stereo_0081_aga	3.86 482	5.33 464	3.02 479	4.55 477	3.04 491	4.54 489	3.02 483	4.64 495	3.06 487	4.54 489	3.04 486	4.62 497	3.08 480	4.62 494	3.07 485	4.58 484	3.06 474	4.60 491	3.08 489	4.63 479	3.07 488

rvit_stereo_0083	3.92 489	5.30 463	3.06 484	4.61 480	3.09 494	4.67 498	3.08 492	4.66 496	3.09 492	4.62 495	3.10 492	4.66 500	3.11 482	4.67 496	3.16 491	4.72 491	3.16 480	4.77 500	3.11 492	4.66 482	3.11 491

rvit_stereo_ft	3.93 490	5.44 469	3.05 483	4.59 478	3.06 492	4.61 497	3.08 492	4.67 497	3.12 493	4.63 496	3.10 492	4.65 499	3.11 482	4.69 498	3.13 490	4.70 489	3.14 479	4.71 498	3.15 494	4.74 483	3.16 494

rvit_0105_4	3.91 487	5.47 471	3.02 479	4.54 474	3.02 486	4.54 489	3.03 487	4.75 498	3.17 494	4.57 491	3.06 487	4.61 496	3.16 484	4.65 495	3.09 488	4.66 488	3.11 477	4.68 496	3.18 495	4.81 486	3.16 494

rvit_0105_5	4.10 491	5.40 467	3.13 489	4.71 482	3.15 496	4.72 501	3.10 494	4.90 503	3.27 495	4.69 497	3.16 494	4.84 504	3.25 485	4.96 502	3.34 493	5.05 496	3.39 485	5.10 505	3.40 497	5.11 493	3.42 497

TestStereo1	4.60 498	8.41 487	6.44 508	6.86 499	3.79 505	3.97 482	3.78 503	3.99 482	3.74 500	3.97 479	3.52 497	3.94 482	3.58 486	3.98 481	3.72 498	6.82 508	6.50 504	3.76 481	3.66 500	3.90 464	3.74 503

SA-5K	4.60 498	8.41 487	6.44 508	6.86 499	3.79 505	3.97 482	3.78 503	3.99 482	3.74 500	3.97 479	3.52 497	3.94 482	3.58 486	3.98 481	3.72 498	6.82 508	6.50 504	3.76 481	3.66 500	3.90 464	3.74 503

MLG-Stereo_test2	4.28 494	5.46 470	3.69 494	4.86 484	3.72 504	5.58 508	3.42 497	4.81 500	3.77 503	4.85 499	3.72 501	5.55 509	3.63 488	5.58 506	3.53 495	4.41 478	3.28 484	4.99 504	2.95 483	4.75 484	3.13 492

MLG-Stereo_test3	4.26 493	4.85 454	3.95 496	5.35 489	3.60 501	4.75 502	3.76 502	5.49 507	3.71 499	5.39 504	3.69 500	4.82 503	3.66 489	4.85 499	3.73 500	4.93 492	3.19 483	4.69 497	2.99 484	4.84 488	2.98 483

DPSNet	3.66 478	3.60 430	3.62 493	3.63 464	3.64 503	3.65 479	3.65 501	3.66 478	3.67 498	3.67 477	3.65 499	3.67 479	3.66 489	3.66 477	3.68 496	3.68 473	3.66 486	3.67 479	3.68 502	3.67 461	3.67 500

RAFT+CT+SA	4.28 494	7.62 483	4.91 500	5.55 491	2.28 480	3.09 472	3.64 500	4.49 486	3.07 488	4.80 498	3.35 495	4.77 502	3.70 491	4.29 485	3.05 482	5.58 500	5.98 501	3.58 478	3.78 504	4.26 469	3.72 501

MLG-Stereo_test1	4.25 492	5.34 466	3.61 492	5.31 488	3.63 502	5.23 505	3.57 499	5.38 506	3.65 497	5.23 503	3.47 496	4.76 501	3.74 492	4.85 499	3.71 497	4.96 493	3.18 482	4.71 498	2.92 482	4.86 489	2.90 482

raft_robust	4.71 502	7.75 484	5.40 505	6.81 498	3.31 497	4.28 486	4.20 508	4.32 485	4.37 509	4.35 484	4.35 508	4.14 484	3.75 493	4.30 486	4.20 506	6.67 507	6.37 502	3.36 476	4.24 510	4.86 489	3.25 496

test_4	4.88 504	8.13 485	6.98 512	7.46 502	4.44 510	4.25 485	3.85 505	4.04 484	3.92 504	4.13 481	3.91 503	4.18 485	3.84 494	4.14 483	4.06 504	7.01 510	7.13 507	4.53 485	3.72 503	4.09 467	3.72 501

test_3	5.01 506	8.86 492	7.77 514	8.09 504	2.76 484	4.13 484	4.05 507	3.88 481	3.76 502	4.33 483	4.13 506	3.71 480	3.91 495	4.21 484	4.06 504	7.93 512	7.69 509	4.53 485	3.91 505	4.17 468	4.29 509

DispFullNet	4.61 500	4.84 453	3.12 487	5.00 486	3.57 500	4.75 502	3.03 487	7.75 514	4.17 507	4.91 501	3.09 491	6.20 511	3.95 496	6.71 510	3.51 494	5.30 499	3.67 487	5.86 512	3.63 499	5.61 497	3.46 498

cross-raft	4.83 503	7.52 481	6.43 507	6.63 497	3.96 507	4.51 487	3.99 506	4.49 486	3.96 505	4.52 485	3.96 504	4.50 487	3.97 497	4.50 487	3.97 502	6.65 506	6.44 503	4.33 484	3.92 506	4.35 471	3.91 506

Sa-1000	4.34 497	8.37 486	6.84 510	6.98 501	4.45 511	3.58 477	3.00 481	3.42 476	3.39 496	2.61 465	4.00 505	3.83 481	4.01 498	3.90 480	3.90 501	5.98 504	5.62 499	3.76 481	2.34 479	4.35 471	2.47 480

FC-DCNN v2	5.10 508	5.15 458	4.49 498	5.07 487	3.37 498	6.87 511	4.75 510	5.04 504	6.34 514	7.84 514	5.06 511	6.72 515	4.09 499	4.99 503	5.44 511	5.03 495	3.16 480	4.67 495	4.86 511	5.15 494	3.89 505

CFNet	1.37 422	5.27 462	0.19 154	5.49 490	0.19 179	0.28 186	0.19 164	0.28 179	0.19 171	0.28 182	0.19 175	0.28 187	4.35 500	0.28 191	0.19 171	0.23 167	0.17 155	0.23 170	4.21 509	4.81 486	0.17 157

test_5	4.62 501	7.55 482	6.23 506	6.32 496	3.40 499	5.29 506	3.50 498	3.53 477	4.11 506	4.28 482	4.47 509	4.26 486	4.38 501	3.68 478	3.24 492	5.89 502	5.60 498	4.84 502	3.50 498	4.33 470	3.93 507

SGM-Forest	5.21 510	5.92 476	4.08 497	6.18 495	4.16 509	6.31 510	4.34 509	6.50 509	4.33 508	6.14 510	4.21 507	6.61 514	4.55 502	6.67 509	4.48 507	5.94 503	3.94 489	5.85 511	4.03 508	5.79 499	4.17 508
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 504	4.75 452	4.79 499	4.87 485	4.92 512	4.81 504	4.90 511	4.78 499	4.77 510	4.87 500	4.89 510	4.90 505	4.91 503	4.99 503	4.79 508	4.98 494	4.87 495	4.87 503	4.92 512	5.00 492	5.00 510

rvit_stereo_0075_2	6.64 512	8.80 491	5.25 502	7.89 503	5.27 514	7.90 515	5.27 512	7.92 515	5.28 512	7.91 515	5.29 513	7.93 516	5.27 504	7.92 515	5.28 509	7.93 512	5.28 497	7.93 515	5.29 514	7.93 508	5.28 512

SGM+DAISY	7.06 514	9.15 493	5.38 504	8.84 508	5.18 513	8.80 517	5.31 513	8.79 517	5.28 512	8.89 517	5.20 512	8.93 518	5.33 505	8.95 517	5.36 510	8.70 516	5.21 496	8.74 518	5.20 513	8.89 512	5.15 511

RAFT	6.73 513	9.36 495	7.40 513	8.51 507	6.55 516	6.88 512	6.60 515	6.79 510	6.60 515	6.80 511	6.72 517	5.31 508	5.50 506	6.61 508	6.61 515	8.42 514	5.89 500	5.73 509	5.45 516	6.61 501	6.24 514

MSMDNet	2.65 467	10.14 501	0.33 207	9.74 512	0.32 237	0.87 344	0.33 235	2.95 470	0.68 340	0.49 280	0.34 249	0.49 285	5.70 507	0.49 286	0.33 236	0.42 261	9.57 513	0.41 268	0.31 243	8.36 510	0.65 332

test-1	6.46 511	9.16 494	8.03 517	8.09 504	5.62 515	6.11 509	6.35 514	6.85 511	4.94 511	6.08 509	6.29 516	4.98 506	6.43 508	6.22 507	6.36 514	6.16 505	7.47 508	5.82 510	5.44 515	7.11 505	5.68 513

test-v	7.53 515	11.89 503	7.98 515	9.36 510	7.14 517	7.06 513	7.09 516	7.37 512	6.91 516	7.29 512	5.71 514	6.45 512	6.93 509	6.73 511	7.27 516	8.93 517	7.85 510	6.98 513	6.80 517	7.56 506	7.34 516

test-2	7.53 515	11.89 503	7.98 515	9.36 510	7.14 517	7.06 513	7.09 516	7.37 512	6.91 516	7.29 512	5.71 514	6.45 512	6.93 509	6.73 511	7.27 516	8.93 517	7.85 510	6.98 513	6.80 517	7.56 506	7.34 516

CFNet_pseudo	2.67 469	9.36 495	0.32 202	10.99 518	0.33 248	0.85 342	0.33 235	0.49 275	0.33 240	0.49 280	0.32 237	0.49 285	7.26 511	0.49 286	0.33 236	0.41 247	9.62 515	0.41 268	0.29 227	10.03 517	0.29 215

CFNet_RVC	2.38 461	8.71 490	0.38 231	9.33 509	0.42 298	0.56 311	0.42 287	0.60 309	0.38 266	0.62 319	0.42 294	0.56 315	7.29 512	0.62 317	0.42 289	0.53 292	0.37 231	0.49 304	0.34 257	8.30 509	6.87 515

PCWNet_CMD	2.80 473	9.82 498	0.32 202	10.09 516	0.32 237	0.49 288	0.33 235	3.34 474	0.33 240	0.49 280	0.33 242	0.49 285	8.73 513	0.48 280	0.33 236	0.41 247	9.22 512	0.42 278	0.29 227	9.55 515	0.31 230

pcwnet_v2	2.66 468	9.89 499	0.33 207	9.89 513	0.32 237	0.50 296	0.32 226	0.49 275	0.33 240	0.49 280	0.34 249	0.49 285	8.76 514	0.48 280	0.33 236	0.41 247	9.58 514	0.40 256	0.29 227	9.01 513	0.63 330

CFNet_ucs	2.73 470	9.64 497	0.33 207	9.92 514	0.32 237	0.49 288	0.33 235	0.49 275	0.33 240	0.49 280	0.33 242	0.49 285	8.98 515	0.48 280	0.33 236	0.41 247	9.96 518	0.40 256	0.29 227	10.12 518	0.54 316

ccs_rob	2.79 472	10.17 502	0.32 202	10.00 515	0.33 248	0.49 288	0.33 235	1.90 441	0.32 235	0.51 296	0.33 242	0.49 285	9.24 516	0.49 286	0.33 236	0.41 247	9.82 516	0.41 268	0.28 218	9.34 514	0.29 215

UCFNet_RVC	2.75 471	10.06 500	0.29 188	10.31 517	0.29 222	0.42 262	0.29 216	0.43 257	0.29 218	0.42 248	0.29 221	0.42 261	9.87 517	0.43 261	0.29 217	0.36 215	9.84 517	0.36 232	0.26 207	9.77 516	0.26 189

MANE	19.05 518	23.00 511	15.00 518	23.00 525	15.00 519	24.00 524	16.00 518	24.00 524	16.00 518	22.00 524	15.00 518	23.00 525	16.00 518	23.00 524	15.00 518	22.00 525	15.00 519	22.00 525	15.00 519	22.00 525	15.00 518

rafts_anoy	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 519

raft+_RVC	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 519

raftrobust	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 519

CasAABBNet	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 519

RALCasStereoNet	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 519

RALAANet	20.00 519	20.00 505	20.00 519	20.00 519	20.00 520	20.00 518	20.00 519	20.00 518	20.00 519	20.00 518	20.00 519	20.00 519	20.00 519	20.00 518	20.00 519	20.00 519	20.00 520	20.00 519	20.00 520	20.00 519	20.00 519

WCMA_ROB	31.10 526	35.43 531	27.12 525	39.51 537	23.10 526	38.78 536	25.30 525	37.49 536	25.39 525	37.29 535	27.02 525	38.52 537	26.48 525	37.80 535	26.44 525	36.28 533	22.65 526	33.90 530	22.30 526	37.10 534	24.18 525

fff	1000028.16 545	29.62 523	29.72 526	32.61 526	30.02 527	35.13 527	31.83 527	32.07 526	10000000.00 545	35.27 528	29.82 527	32.45 527	30.15 526	32.35 526	30.09 526	31.04 527	29.55 528	30.64 527	30.14 527	10000000.00 546	30.77 527

csc	1000028.16 545	29.62 523	29.72 526	32.61 526	30.02 527	35.13 527	31.83 527	32.07 526	10000000.00 545	35.27 528	29.82 527	32.45 527	30.15 526	32.35 526	30.09 526	31.04 527	29.55 528	30.64 527	30.14 527	10000000.00 546	30.77 527

cscssc	1000028.16 545	29.62 523	29.72 526	32.61 526	30.02 527	35.13 527	31.83 527	32.07 526	10000000.00 545	35.27 528	29.82 527	32.45 527	30.15 526	32.35 526	30.09 526	31.04 527	29.55 528	30.64 527	30.14 527	10000000.00 546	30.77 527

111	30.40 525	30.94 527	29.72 526	32.61 526	30.02 527	33.57 525	30.47 526	31.50 525	29.39 526	30.98 525	29.11 526	29.78 526	30.39 529	29.45 525	30.76 529	30.08 526	29.02 527	29.92 526	30.32 530	29.86 526	30.17 526

ADStereo(finetuned)	36.13 528	36.63 532	38.07 536	36.97 531	33.25 531	35.91 530	34.45 530	36.36 532	32.99 527	38.14 536	36.71 533	36.69 533	34.13 530	38.57 536	40.79 536	37.60 537	36.58 534	35.90 534	33.36 531	35.42 529	34.04 530

DCANet-4	35.22 527	34.54 528	35.08 532	33.58 530	35.47 534	34.55 526	35.53 533	36.08 531	35.85 530	35.92 531	35.77 532	35.18 532	35.48 531	35.39 531	37.15 535	34.55 532	33.92 531	35.02 533	34.90 532	35.79 530	34.74 533

Reg-Stereo(zero)	37.00 529	37.00 533	37.00 533	37.00 532	37.00 535	37.00 533	37.00 534	37.00 533	37.00 531	37.00 532	37.00 534	37.00 534	37.00 532	37.00 532	37.00 532	37.00 534	37.00 535	37.00 535	37.00 535	37.00 531	37.00 534

HI	37.00 529	37.00 533	37.00 533	37.00 532	37.00 535	37.00 533	37.00 534	37.00 533	37.00 531	37.00 532	37.00 534	37.00 534	37.00 532	37.00 532	37.00 532	37.00 534	37.00 535	37.00 535	37.00 535	37.00 531	37.00 534

CoSv	37.00 529	37.00 533	37.00 533	37.00 532	37.00 535	37.00 533	37.00 534	37.00 533	37.00 531	37.00 532	37.00 534	37.00 534	37.00 532	37.00 532	37.00 532	37.00 534	37.00 535	37.00 535	37.00 535	37.00 531	37.00 534

MDST_ROB	69.83 532	87.70 537	41.95 537	113.75 540	65.62 540	75.05 537	55.25 538	75.64 538	45.04 534	71.61 537	41.75 537	72.81 538	44.06 535	68.38 537	44.63 537	101.89 540	59.57 540	107.10 540	61.05 540	104.38 537	59.38 539

CBMV	128.50 534	1422.70 548	53.10 538	79.50 539	51.30 539	77.30 538	49.70 537	74.00 537	48.20 535	77.20 538	48.80 538	73.90 539	48.00 536	73.80 538	48.80 538	70.40 539	45.10 539	68.90 539	46.10 539	68.20 536	45.00 538
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 533	153.00 541	121.00 540	51.00 538	44.00 538	165.00 540	127.00 539	153.00 539	119.00 536	164.00 540	125.00 539	168.00 541	120.00 537	153.00 539	117.00 539	49.00 538	44.00 538	49.00 538	44.00 538	49.00 535	44.00 537

MeshStereo	159.24 535	171.00 542	160.68 543	162.58 541	160.59 541	164.01 539	160.35 540	158.51 540	158.56 537	158.34 539	160.12 540	158.56 540	159.92 538	157.26 540	158.94 540	154.38 541	158.36 541	155.75 541	159.13 542	153.67 538	154.07 540
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
AE-Stereo	201.80 536	123.00 538	115.00 539	219.00 542	218.00 543	223.00 541	244.00 542	217.00 541	236.00 539	202.00 541	203.00 541	205.00 542	208.00 539	225.00 541	204.00 541	210.00 542	198.00 542	197.00 542	184.00 543	204.00 539	201.00 541

DLCB_ROB	284.23 539	354.61 544	207.27 544	363.24 545	206.46 542	364.72 544	210.41 541	364.72 544	210.41 538	364.81 544	208.64 542	364.81 545	208.64 540	364.72 544	210.41 542	354.70 545	205.53 543	354.70 545	205.53 544	354.70 542	205.53 542

MGS-Stereo	239.45 537	123.00 538	135.00 541	266.00 543	286.00 544	277.00 542	305.00 543	271.00 542	242.00 540	274.00 542	279.00 543	255.00 543	270.00 541	268.00 542	297.00 543	221.00 543	247.00 544	216.00 543	123.00 541	217.00 540	217.00 543

EGLCR-Stereo	246.90 538	129.00 540	139.00 542	266.00 543	286.00 544	277.00 542	305.00 543	271.00 542	242.00 540	274.00 542	279.00 543	255.00 543	270.00 541	268.00 542	297.00 543	230.00 544	247.00 544	216.00 543	223.00 545	237.00 541	227.00 544

LE_ROB	396.57 540	471.28 545	329.84 545	471.48 546	308.15 546	526.83 545	322.10 545	488.15 545	323.76 542	495.46 545	317.97 545	497.17 546	320.10 543	481.62 545	326.76 545	462.71 546	298.97 546	466.16 546	285.98 546	447.62 543	289.21 545

SGM-ForestM	596.69 541	677.77 546	444.52 546	699.85 547	517.25 547	732.94 546	488.29 546	770.79 546	460.11 543	750.81 546	487.98 546	792.79 547	499.41 544	730.90 546	475.81 546	720.03 547	491.16 547	663.96 547	418.60 547	674.76 544	436.05 546

CBMV_ROB	818.48 542	913.88 547	709.52 547	862.84 548	597.78 548	1073.99 547	700.52 547	1015.66 547	702.59 544	1115.65 547	760.02 547	1130.24 548	721.57 545	1037.41 547	692.65 547	814.05 548	564.29 548	843.28 548	595.31 548	915.51 545	602.92 547

111111	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548

SGD-Stereo	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548

IGEV-Stereo++	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548

IGEV-BASED-STEREO-	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548

IGEV-Stereo+	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548

SDNR	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548

anonymousdsp2	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548

anonymousdsp	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548

tt	500032.53 543	34.60 529	29.72 526	37.47 535	34.41 532	36.85 531	35.22 531	34.71 529	33.55 528	34.50 526	35.43 530	33.81 530	10000000.00 546	33.57 529	33.13 530	33.68 530	35.00 532	34.03 531	35.26 533	30.96 527	34.63 531

DCANet	500032.53 543	34.60 529	29.72 526	37.47 535	34.41 532	36.85 531	35.22 531	34.71 529	33.55 528	34.50 526	35.43 530	33.81 530	10000000.00 546	33.57 529	33.13 530	33.68 530	35.00 532	34.03 531	35.26 533	30.96 527	34.63 531

test_example2	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548

DIP-Stereo	10000000.00 548	10000000.00 549	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 548	10000000.00 548	10000000.00 548	10000000.00 545	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 546	10000000.00 548	10000000.00 548	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 549	10000000.00 546	10000000.00 548
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 54		0.09 52	0.10 111							0.05 85				0.15 122	0.10 72	0.17 142	0.13 146	0.11 113

Low-res two-view benchmark